激光雷达

多款激光雷达性能测估 激光雷达，是以发射 激光束 探测目标的位置、速度等特征量的 雷达 系统。其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标 回波 )与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对飞机、导弹等目标进行探测、跟踪和识别。它由激光发射机、光学接收机、转台和 信息处理系统 等组成，激光器将电 脉冲 变成光脉冲发射出去，光接收机再把从目标 反射 回来的光脉冲还原成电脉冲，送到显示器。 用 激光器 作为发射光源，采用光电探测技术手段的主激光雷达 动遥感设备。激光雷达是激光技术与现代光电探测技术结合的先进探测方式。由发射系统、接收系统 、信息处理等部分组成。发射系统是各种形式的激光器，如二氧化碳激光器、掺钕钇铝石榴石激光器、半导体激光器及波长可调谐的固体激光器以及光学扩束单元等组成；接收系统采用望远镜和各种形式的光电探测器，如光电倍增管、半导体光电二极管、 雪崩光电二极管 、红外和 可见光 多元探测器件等组合。激光雷达采用 脉冲 或连续波2种工作方式，探测方法按照探测的原理不同可以分为米散射、瑞利散射、拉曼散射、布里渊散射、荧光、多普勒等激光雷达。 LIDAR是一种集激光，全球定位系统( GPS )和惯性 导航系统 (INS)三种技术与一身的系统

深度学习扫地机器人 如今，家电的智能化是行业大趋势，从解放人类的双手到成为用户的人工智能伴侣，家用电器的应用场景不断拓展。 在这其中，扫地机器人已成为家电行业中逆势增长的一个突出品类。扫地机器人进入中国市场较晚，但是到 2018年市场规模已经达到了 577万台。 近 6年来，该品类的市场规模翻了 10倍。 根据某主流电商平台数据显示， 2019年全年，扫地机器人的销售额已经占到了智能家电销售总额的三成以上，并且销量同比增速超过 17%，远远领先家电大盘。并且我国 2019年扫地机器人销量已经超过了美国和西欧的总和。不过当前扫地机器人也面临增长瓶颈， 在传统清洁功能已经发展较为完善后，厂商们普遍开始从 AI方面寻找突破点。 今天，科沃斯机器人发布了旗下最新一代扫地机器人地宝 T8 AIVI，据称这也是他们 首次将 dToF技术用于扫地机器人的视觉识别系统中 。同时科沃斯通过神经网络算法的融入进一步提升了扫地机器人的 AI能力。科沃斯此次在 T8 AIVI中搭载的 AIVI人工智能和视觉识别系统，无疑代表了他们对扫地机器人智能化的另一次突破性尝试。 先要扫的干净，再说别的 一款优秀的智能家电，首先要是一款优秀的家电，因此其核心功能必须要过硬。反映在扫地机器人上，就是它的清洁能力。科沃斯表示，传统扫地机器人在使用中遇到的最常见问题就是顽固污渍需要人工二次清洁，这也让用户体验大打折扣

3 月，跳不动了？>>> 准备入手新款iPad Pro吗？就在刚刚苹果发布了新款的 iPad Pro，本次发布的新款 iPad Pro 包含 11 英寸和 12.9 英寸两款机型。 新的 iPad Pro 搭载了全新的 A12Z 仿生处理器，背面配备双摄像头设置。此外苹果还推出了一款新的 iPad Pro 妙控键盘，内置触控板，这似乎也是新 iPad Pro 最大的一个亮点之一。接下来小编带大家先来看看本次的主要升级： 这款 iPad Pro 搭载了新的 A12Z 芯片以及 8 核图形处理器，A12Z 仿生为应对各种工作而设计，运行专业类应用更是它的强项。8 核图形处理器可为 4K 视频剪辑、3D 设计和增强现实等任务带来流畅表现。增强的散热设计，可确保更高的峰值和更持续的性能表现，这对处理专业级工作来说至关重要。苹果设计的神经网络引擎，则让设备端的机器学习技术为下一代专业类应用准备就绪。 新 iPad Pro 的另一个卖点是配备 1200 万像素广角摄像头和全新的 1000 万像素超广角摄像头，再加上录音棚级的麦克风和四扬声器系统。摄像头还配备了激光雷达扫描仪，激光雷达 (LiDAR 光探测和测距) 这项先进技术，是通过测量光触及物体并反射回来所需的时间，来确定距离。特制的激光雷达扫描仪利用直接飞行时间 (dToF)，测量室内或室外环境中从最远五米处反射回来的光

70年代末，随着计算机的应用和传感技术的发展，移动机器人研究又出现了新的高潮。特别是在80年代中期，设计和制造机器人的浪潮席卷全世界。一大批世界著名的公司开始研制移动机器人平台，这些移动机器人主要作为大学实验室及研究机构的移动机器人实验平台，从而促进了移动机器人学多种研究方向的出现。 移动机器人目前已经遍布军事、工业、民用等各大领域，并还在不断的发展中，目前移动机器人技术已获得了可喜的进展，研究成果令人鼓舞，但对于实际中的应用需求还需要长时间的发展，相信随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定能够在生产和生活中扮演人的角色。那么移动机器人定位技术主要涉及到哪些呢?经总结目前移动机器人主要有这5大定位技术。 一、移动机器人超声波导航定位技术 超声波导航定位的工作原理也与激光和红外类似，通常是由超声波传感器的发射探头发射出超声波，超声波在介质中遇到障碍物而返回到接收装置。 通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离S，就能得到障碍物到机器人的距离，即有公式：S=Tv/2式中，T—超声波发射和接收的时间差;v—超声波在介质中传播的波速。 当然，也有不少移动机器人导航定位技术中用到的是分开的发射和接收装置，在环境地图中布置多个接收装置，而在移动机器人上安装发射探头。 在移动机器人的导航定位中，因为超声波传感器自身的缺陷

日前，美团“无人配送防疫助力计划”而启用的无人配送车也宣布在北京市顺义、海淀等地投放，实现“无接触配送”。 图片来自于网络 无人驾驶技术的快速发展，使得无人配送车、无人消毒车等搭载着该技术的各类自主机器人冲上了抗疫前线，建起一道安全、无接触的防护壁垒。 无人驾驶技术的实现 在无人驾驶技术中，环境感知系统充当无人驾驶车的“眼睛”，主要是通过无人驾驶汽车所装载的外部传感器获取外部环境信息，对其进行建模，将汽车所处的地理信息、障碍物信息等准确快速地传输给计算机控制系统，系统可以在没有任何人类的主动操作下，自动安全地操作机动车辆。 一辆无人送餐车，至少应包括传感器、配送柜和搭载自动驾驶机器人技术的行驶系统。为了让无人车“看见”，至关重要的传感器系统中需配备激光雷达、摄像头、鱼眼镜头、雷达设备、超声波系统和相关人工智能技术。这一切依赖于主机和云端之间处理数据的交互能力。 目前无人驾驶中主要是通过激光雷达对车辆周围的环境进行3D建模，从而为无人车的驾驶决策提供依据。 基于激光雷达生成的3D点云图像标注 3D点云图像标注数据是无人驾驶技术的基础训练数据。3D点云图像标注是在激光雷达采集的3D图像中，通过3D框将目标物体标注出来。目标物体包括车辆、行人、广告标志和树木等。 图片来自于网络 一、3D点云标注工具集 数据堂当前拥有智能标注平台及3D标注工具集，采用客户端方式实现

作者： 刘少山，唐洁，吴唯玥 责编： 何永灿，欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至 heyc@csdn.net 本文为 《程序员》 原创文章，未经允许不得转载，更多精彩文章请 订阅《程序员》 本文是无人驾驶技术系列的第12篇，也是最后一篇（ 文末汇总了无人驾驶系列文章 ）。本文梳理总结了前面11篇涉及到的技术点，尝试呈现一个宏观的无人驾驶系统架构。另外，简单分析了无人驾驶的产业链现状以及根据笔者自己的经验提出了一些给开发者、创业者，以及投资者的建议。 无人驾驶技术总结 无人驾驶是一个复杂的系统，如图1所示，系统主要由三部分组成：算法端、Client端和云端。其中算法端包括面向传感、感知和决策等关键步骤的算法；Client端包括机器人操作系统以及硬件平台；云端则包括数据存储、模拟、高精度地图绘制以及深度学习模型训练。 图1 无人驾驶系统架构图 算法子系统从传感器原始数据中提取有意义的信息以了解周遭环境情况，并根据环境变化做出决策。Client子系统融合多种算法以满足实时性与可靠性的要求。举例来说，传感器以60HZ的速度产生原始数据，Client子系统需要保证最长的流水线处理周期也能在16ms内完成。云平台为无人车提供离线计算以及存储功能。通过云平台，我们能够测试新的算法、更新高精度地图并训练更加有效的识别、追踪、决策模型。 无人驾驶算法 算法系统由几部分组成：第一

激光雷达（LIDAR） vs. 雷达（RADAR） 1、定义 LIDAR---------Light Detection And Ranging 即激光探测与测距 RADAR-------radio detection and ranging 即无线电探测与测距 2、波的区别 Rada采用无线电波，使用的波长是4-12mm; LIDAR使用的激光波长通常在900-1500nm之间。 3、工作原理 lidar传感器主要分为两种，一种是基于三角测距的；另一种是基于飞行时间（TOF）的； LiDAR传感器快速发射激光脉冲（通常最高可达每秒150000次脉冲），激光信号到达障碍物后反射回LiDAR传感器。传感器通过测量激光信号从发射到返回的时间，精确计算确定传感器到障碍物之间的距离，它还能探测目标物体的准确尺寸。LiDAR通常用于高分辨率地图的绘制。 RADAR系统的工作原理跟LiDAR很相似，唯一的区别在于RADAR采用的是无线电波而非激光。在RADAR系统中，其天线既可以作为雷达接收器也可以作为发射器。不过，和光波相比，在与被测物体接触时，无线电波的吸收较少，因此，RADAR的有效工作距离相对更远。RADAR技术最广为人知的应用，应该是军事用途了。飞机和战舰都会装备RADAR来测量高度，或探测附近其它的运输设备和物体。 4、用途 LiDAR传感器常用于周围环境的实时3D地图创建

以sumit_xl模型为例 $ cd ~/catkin_ws/src $ git clone https://TheConstruct@bitbucket.org/theconstructcore/summit_xl.git -b kinetic $ cd .. $ catkin_make 下载Velodyne_description工具包或者直接sudo apt-get install ros-kinetic-velodyne-* 修改summit_xl_omni.urdf.xacro文件,添加多线雷达模型 16线激光雷达或32线激光雷达 <!-- VLP-16 --> <xacro:include filename="$(find velodyne_description)/urdf/VLP-16.urdf.xacro"/> <VLP-16 parent="base_link" name="velodyne" topic="/velodyne_points" hz="10" samples="1024" gpu="false" lasers="16" max_range="100"> <origin xyz="0 0 0.5" rpy="0 0 0" /> </VLP-16> <!-- VHDL-32E --> <xacro:include filename="$(find

前几天陆续有多个同学在公众号中留下了这段室外自动无人赛车运行录像。录像中的赛车在开始的一段时间内，缓慢行进在比赛场地内。场地上是由一些交通锥桶组成了一个封闭的赛道环境。 真正令人激动的时刻开始于录像中的36秒钟。在经过了一周搜索建立地图之后，伴随着令人血脉喷张赛车马达的轰鸣声，赛车开始在场地内极速奔跑起来。 ^无人赛车运行视频 | 公众号留图^ 从上述赛车行进图像以及右侧实时给出建立地图和搜索过程来看，对赛车进行导航的技术是SLAM技术，即：Simultaneous Localization and Mapping, 同时定位与建图技术。 对于任何一个无人操作的机器人或者汽车，都需要回答这是什么地方，自己在哪里，如何规划自己的行进路径等。在SLAM中第一个技术是定位(Localization)，回答自己的周围是什么，这是什么地方的问题。第二个技术是建立地图(Mapping)，回答自己在那里。 有了以上信息，便可以随后进行路径规划（Navigation）为完成任务进行自主导航。 德国达姆施塔特理工大学研发机器人使用激光雷达来走迷宫 SLAM是智能车利用自身的传感器来感知自身和外界信息，逐渐完成环境地图创建，并进行自身的定位技术。这些传感器包括有罗盘、加速度计、例程仪(内部传感器)，视觉传感器，激光雷达（外部传感器）等。其中外部传感器非常关键

软件源：一个是Ubuntu系统的软件元，在软件更新系统界面服务器的选择。 ROS包安装源：第一步配置的就是ros包安装源。功能包安装不畅可以改软件源，可以加国内的，EXbox的安装源。 在4中如果有找不到库的错误的话，需要我们讲拷贝科大讯飞编译生成的库文件开呗到libs中再试试。因为ros在找库文件时实在几个默认库之中搜索的。 准备工作---硬件要求 机器人必备条件---深度信息 横向切面，每个面可以看作是激光雷达数据。激光雷达精度更高。 机器人必备条件---激光雷达 jiqi人必备条件---仿真环境 ROS SLAM功能包的使用方法---gmapping 深度和里程计信息是最重要的。网站中有很多开源的算法。 gmapping安装（黑盒，只知道输入输出） gmaping原理（栅格地图） 配置给mapping节点 5秒更新一次，如果很小对电脑要求就很高了。 功能包的应用搜索 在百度货谷歌搜索关键词ros gmapping查看wiki上功能包的使用方法。用谷歌浏览器可以翻译成中文。还包括源码在哪儿都会有说明。 功能包启动（下载编译后） 给mapping地图的保存 turtlebot机器人可以用kinect摄像头mapping建图（没有激光雷达准确） 真实机器人gmapping建图 ROS SLAM功能包---hector_slam 激光雷达进度得高。 hector_slam功能包的安装