2020-12-15激光雷达建模开源汇总

最新推荐文章于 2025-10-31 15:54:40 发布
原创 最新推荐文章于 2025-10-31 15:54:40 发布 · 1.6k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #深度学习 #自动驾驶

本文详细介绍了激光雷达技术在三维建模领域的应用，包括数据采集、点云处理、场景重建等方面，展示了激光雷达如何为建筑、地理信息系统等领域提供高精度的三维模型。同时，探讨了最新技术进展，如SLAM算法和实时处理能力，以及它们如何提升建模效率和精度。
JIPIPI
关注
基于激光雷达的三维目标检测开源项目与数据集汇总 编程
ByteEchoX的博客
08-13 537
ApolloScape 数据集是由阿波罗自动驾驶团队开发的一个大规模的激光雷达数据集，包含了多个城市场景的高分辨率激光雷达点云数据和标注信息。KITTI 数据集是计算机视觉领域中常用的激光雷达数据集之一，包含丰富的城市街景场景的激光雷达、摄像头和标注数据。为了促进该领域的发展，许多优秀的开源项目和数据集应运而生。本文将对一些值得关注的基于激光雷达的三维目标检测开源项目和数据集进行汇总，并提供相关的编程示例。这些项目和数据集为研究人员和开发者提供了丰富的资源，有助于推动基于激光雷达的三维目标检测技术的发展。
目标检测YOLO实战应用案例100讲-基于激光雷达点云的三维目标检测算法研究（中）
qq_36130719的博客
04-22 982
通过计算IoU和人为设定IoU的阈值，从而确定一个检测结果（Positive）是正确的（True）还是错误的（False），从而进一步得到每一个检测结果是真正例（True Positives）、和方向的偏差，但也在可承受范围内，具有一定的鲁棒性。之具有一定的精准度；第二，利用卷积神经网络对3D特征信息进行提取，然后再 利用重投影、模板匹配等诸多算法，对位置信息进行计算，由此得到三维检测框。3D空间数据进行投影，使之转换成不同平面，接着对不同视角影像图特征进行融合，对目标在立体空间中的信息进行动态检测。
简直牛！不看就亏大了——3D激光雷达完美设计（制作原理、步骤、源码&原理图全部开源）-电路方案
04-21
前言: 说起来，该3D激光扫描测距仪(3D激光雷达)就核心设计原理来而言，应该在激光键盘（https://www.cirmall.com/circuit/2978/detail?3）设计项目之后。现在给大伙讲讲3D扫描测距仪的相关原理和制作细节。请耐心读完，方可吸收其中的精华。 在开始介绍原理前，先给出一些扫描得到的3D模型以及演示视频，给大家一个直观的认识 扫描得到的房间一角: 扫描的我 扫描仪实物 激光三角测距原理这里统一列出他们的参数: 摄像头:VGA画质的USB摄像头，30fps (市面普遍可以购买的型号)。非广角 激光器:50mW 红外一字线激光 808nm 滤光片:10mm直径红外低通滤光片 舵机:HS-322hd 43g标准舵机 本文结构简单介绍了激光雷达产品的现状 : 线状激光进行截面测距原理 3D激光扫描仪的制作考虑 参考文献 简介-激光扫描仪/雷达: 这里所说的激光扫描测距仪的实质就是3D激光雷达。如上面视频中展现的那样，扫描仪可以获取各转角情况下目标物体扫描截面到扫描仪的距离，由于这类数据在可视化后看起来像是由很多小点组成的云团，因此常被称之为:点云(Point Clould)。在获得扫描的点云后，可以在计算机中重现扫描物体/场景的三维信息。 这类设备往往用于如下几个方面: 机器人定位导航 目前机器人的SLAM算法中最理想的设备仍旧是激光雷达(虽然目前可以使用kinect，但他无法再室外使用且精度相对较低)。机器人通过激光扫描得到的所处环境的2D/3D点云，从而可以进行诸如SLAM等定位算法。确定自身在环境当中的位置以及同时创建出所处环境的地图。这也是我制作他的主要目 的之一。 零部件和物体的3D模型重建 地图测绘 现状: 目前市面上单点的激光测距仪已经比较常见，并且价格也相对低廉。但是它只能测量目标上特定点的距离。当然，如果将这类测距仪安装在一个旋转平台上，旋转扫描一周，就变成了2D激光雷达 （LIDAR）。相比激光测距仪，市面上激光雷达产品的价格就要高许多: Hokuyo 2D激光雷达截图: 上图为Hokuyo这家公司生产的2D激光雷达产品，这类产品的售价都是上万元的水平。其昂贵的原因之一在于他们往往采用了高速的光学振镜进行大角度范围(180-270)的激光扫描，并且测距使用了计算发射/反射激光束相位差的手段进行。当然他们的性能也是很强的，一般扫描的频率都在10Hz以上，精度也在几个毫米的级别。 2D激光雷达使用单束点状激光进行扫描，因此只能采集一个截面的距离信息。如果要测量3D的数据 ，就需要使用如下2种方式进行扩充: 采用线状激光器 使用一个2D激光雷达扫描，同时在另一个轴进行旋转。从而扫描出3D信息。 说明: 第一种方式是改变激光器的输出模式，由原先的一个点变成一条线型光。扫描仪通过测量这束线型光在待测目标物体上的反射从而一次性获得一个扫描截面的数据。这样做的好处是扫描速度可以很快 ，精度也比较高。但缺点是由于激光变成了一条线段，其亮度(强度)将随着距离大幅衰减，因此测距范围很有限。对于近距离(<10m)的测距扫描而言，这种方式还是很有效并且极具性价比的，本文介绍的激光雷达也使用这种方式， 对于第二种方式，优点是可以很容易用2D激光雷达进行改造，相对第一种做法来说，他在相同的激光器输出功率下扫描距离更远。当然，由于需要控制额外自由度的转轴，其误差可能较大，同时扫描速度也略低。 这类激光雷达产品目前在各类实验室、工业应用场景中出现的比较多，但对于个人爱好着或者家用 设备中，他们的价格实在是太高了。当然，目前也有了一个替代方案，那就是kinect，不过他的成像 分辨率和测距精度相比激光雷达而言低了不少，同时无法在室外使用。 低成本的方案 造成激光雷达设备高成本的因素为 使用测量激光相位差/传播时间差测距 高速振镜的高成本 矫正算法和矫正人工成本 对于个人DIY而言，第三个因素可以排除，所谓知识就是力量这里就能体现了:-) 对于前2个因素，如果要实现完全一样的精度和性能，那恐怕成本是无法降低的。但是，如果我们对精度、性能要求稍 微降低，那么成本将可以大幅的下降。 首先要明确的是投入的物料成本与能达成的性能之间并非线型比例的关系，当对性能要求下降到一 定水平后，成本将大幅下降。对于第一个因素，可以使用本文将介绍的三角测距方式来进行。而对于 扫锚用振镜，则可以使用普通的电机机构驱动激光器来替代。 本文介绍的低成本3D激光扫描仪实现了如下的成本/性能: 成本:~￥150 测量范围:最远6m 测量精度:（测量距离与实际距离的误差）最远6m出最大80mm误差，近距离(<1m)，误差水平在 5mm以内 扫描范围:180度 扫描速度:30 samples/sec (比如以1度角度增量扫描180度，耗时6秒) 对于精
OpenTOFLidar:开源TOF激光雷达-Open source
03-25
OpenTOFLidar 打开基于飞行时间原理的硬件扫描激光测距仪。 此激光雷达未使用独立的激光测距仪模块，因此其原理图和固件已完全打开。 其参数： 扫描速度：15次/秒 分辨率：〜1％的距离，但不超过±2 cm 最小距离：5厘米 最大距离：〜25 m（白色表面） 角分辨率：0.5度 测量频率：〜11 kHz 扫描角度范围：〜230度，可通过更改机械角度来增加 功率：5V（0.5 W）时为0.1A。 启动电流可能大于0.8A。 尺寸：50x50x120毫米 该LIDAR的组件价格为〜114 $（无交货）。 请参阅具有所有计算的BOM表：“ TotalBOM.xlsx”。 该激光雷达使用的是COTS（商用现货）光学组件-监控摄像机的标准镜头。 俄语上有一篇关于该项目的大文章： : Google翻译： ： 有关更多信息，请参见项目的Wiki： : 这就是其组件的组装
如何从零打造开源激光雷达？OpenTOFLidar的完整DIY指南
最新发布
gitblog_01063的博客
10-31 245
OpenTOFLidar是一款基于飞行时间（Time-of-Flight, ToF）原理的开源硬件扫描激光测距仪，完全摒弃独立激光测距模块，从电路图到固件100%开源，让技术爱好者能亲手打造专业级激光雷达设备。 ## ???? 项目核心参数速览 ### 性能指标 - **扫描速度**：15次/秒（最高19次/秒，部分点精度略有下降） - **距离范围**：5cm（最小）至25m（白色表面最大） -...
OpenLiDAR 开源项目教程
gitblog_00458的博客
08-23 891
OpenLiDAR 开源项目教程 项目介绍 OpenLiDAR 是一个开源项目，旨在为激光雷达（LiDAR）数据处理和可视化提供一个灵活且强大的平台。该项目由 Patricio Gonzalez Vivo 开发，利用了现代的图形编程技术，使得用户可以轻松地处理和分析激光雷达数据。OpenLiDAR 支持多种激光雷达数据格式，并提供了一系列工具和库，帮助用户在不同的应用场景中高效地使用激光雷达数据。...
推荐开源项目：LaserSLAM - 2D激光雷达的实时SLAM解决方案
gitblog_00055的博客
06-01 965
推荐开源项目：LaserSLAM - 2D激光雷达的实时SLAM解决方案 去发现同类优质开源项目:https://gitcode.com/ 在机器人领域，Simultaneous Localization And Mapping（SLAM）是核心技术之一，它允许设备在未知环境中自主定位并构建地图。今天，我们要向您推荐一个名为LaserSLAM的开源项目，它是基于2D激光雷达实现的SLAM算法，为您...
视觉slam学习--开源资源工程汇总（部分）
GGY1102的博客
07-23 2392
转自：SLAM优秀开源工程最全汇总 - 知乎 (zhihu.com) 1、Cartographer Cartographer是一个系统，可跨多个平台和传感器配置以2D和3D形式提供实时同时定位和制图（SLAM）。 https://github.com/cartographer-project/cartographer 2、Openvslam 一个通用的视觉SLAM框架。OpenVSLAM是单眼，立体声和RGBD视觉SLAM系统。值得注意的功能是： 它与各种类型的相机型号兼容，并且可以轻松地.
嵌入式时序控制终极挑战：确保激光雷达扫描周期稳定性的5大工程实践
嵌入式时序控制在激光雷达实时扫描中面临高精度与稳定性的严峻挑战。本文系统分析了硬实时环境下时间建模、中断响应与时钟机制的理论基础，提出面向确定性时序的CPU隔离、内存锁定与实时内核改造等关键技术路径，并...
60项基于深度学习的SLAM顶会开源方案汇总（上篇）
3D视觉工坊
12-29 1262
点击进入—>3D视觉工坊学习交流群0. 笔者个人体会深度学习结合SLAM是近年来很热门的研究方向，也因此诞生了很多开源方案。笔者最近在阅读SLAM综述论文“A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence”，该综述参考了255篇SLAM...
大盘点！22项开源NeRF SLAM顶会方案整理！（下）
3D视觉工坊
11-14 732
作者：泡椒味的口香糖 | 来源：计算机视觉工坊添加微信：dddvisiona，备注：SLAM，拉你入群。文末附行业细分群。大盘点！22项开源NeRF、SLAM顶会方案整理！（上）大盘点！22项开源NeRF SLAM顶会方案整理！（中）0. 笔者个人体会上两篇文章我们介绍了仅优化NeRF、仅优化位姿、位姿和NeRF联合优化的NeRF SLAM相关工作。本文我们将介绍物体级NeRF SLAM和雷达N...
velodyne VLP-16激光雷达solidworks三维模型
03-25
velodyne VLP-16激光雷达solidworks三维模型
基于Matlab/ Simulink 的雷达系统仿真
04-07
该文介绍基于Matlab/ Simulink 进行雷达系统仿真的基本规范,开发了有关的雷达系统仿真模型库,并在该平台上对某脉冲多普勒雷达系统进行了仿真,给出了仿真结果和分析。
激光雷达移动机器人建模与路径规划
01-24
基本于激光雷达的导航系统，介绍了相关核心技术原理及方法
开源项目速览：港大最新研发激光雷达惯性视觉里程计系统FAST-LIVO（即将开源）
Make something people want.
03-17 1687
1、项目简介 香港大学最新研发了一种快速激光雷达惯性视觉里程计系统FAST-LIVO，它建立在两个紧密耦合的直接里程计子系统上：VIO子系统和LIO子系统。LIO子系统将新扫描的原始点注册到增量构建的点云地图，然后在VIO子系统中使用这些图像块。本系统支持多线旋转激光雷达和具有完全不同扫描模式的新兴固态激光雷达，并且可以在Intel和ARM处理器上实时运行。 2、项目信息 开源地址：https://github.com/hku-mars/FAST-LIVO 论文下载地址：https://arxiv.or
GitHub开源：100美元自制激光雷达
qq_44597856的博客
06-22 688
GitHub开源：100美元自制激光雷达
LiDAR-MOS: 激光雷达多目标分割开源项目教程
gitblog_00012的博客
08-21 934
LiDAR-MOS: 激光雷达多目标分割开源项目教程 项目介绍 LiDAR-MOS（激光雷达多目标分割）是一个基于GitHub的开源项目，地址为 https://github.com/PRBonn/LiDAR-MOS.git。该项目致力于提供一个高效、先进的框架，专门用于处理激光雷达数据的多目标分割任务。它旨在支持自动驾驶车辆和其他机器人应用中的环境感知，通过深度学习技术对点云进行精确的目标识别与...
基于 Livox 激光雷达的自运动畸变算法开源
Livox_Lidar的博客
01-18 3701
一、什么是激光雷达自运动畸变 激光雷达通过发射激光束来测量周围环境物体的距离和方位，从而判断车辆与障碍物的相对位置。当其发射的激光束足够多时，这一个个的激光点将汇集成一片点云，勾勒出其所处的三维环境信息，这便是我们常说的点云数据。 对于多数激光雷达而言，尽管激光的发射与接收很快，但构成点云的每一个点仍非同一时刻生成的。一般我们会将100ms (对应典型值10Hz) 内累积的数据作为一帧点云输出。若在这100ms内，激光雷达本体或安装所在的机体发生绝对位置的变化，那么此帧点云中每一个点的坐标系就是
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值