- 博客(15)
- 收藏
- 关注
RSS订阅原创 激光雷达相关技术参数
即水平相邻点的角度差，对与转镜式的可以做到均匀的打点，但MEMS方案通常不是绝对均匀的打点。为了减小MEMS谐振过程中的载荷与冲击（我猜的，不一定对），所以MEMS一般设计的扫描曲线都是接近余弦的，所以角度不是完全的均匀，这个角分辨率可能就是平均值或者最大值。后面随着不同的扫描方式以及接收阵列的出现，出现了等效线束的概念，即虽然收发数量少，但是能够等效单点收发的N线。这个参数在禾赛的手册中出现，给出的介绍是说，传感器的探测范围覆盖0.5~260，但是0.5m附近测距不准，最远的测距点为260m。
2024-12-13 11:06:39
669
原创 点云质量相似性评价方法之——SSIM
其中和是要比较的两个信号（通常是图像），和分别是和的均值，和是它们的方差，是协方差，和是为了避免计算不稳定而引入的常数。本文主要是对在两个点云之间的相似性进行评价。
2024-12-04 10:44:23
668
原创 从工业角度看汽车激光雷达激光技术的发展（二）
显而易见，激光雷达与视觉摄像头一样，由于其在物体定位方面的卓越精度以及受环境光影响极小，对于 L3 及以上级别的先进驾驶辅助系统（ADAS）正变得愈发不可或缺。随着 L3 级别的消费级车辆在相关方面的发展加速，汽车制造商越来越多地采用激光雷达技术。激光制造商在开发具有成本效益且可靠的解决方案方面取得了重大进展，旨在实现高功率密度、高能量转换效率以及高品质光束。虽然远距离激光雷达最初使用的是 1550 纳米高功率光纤激光器和 905 纳米边发射激光器（EEL）解决方案，但这些方案逐渐在制造成本方面面临挑战。
2024-11-14 20:34:21
1066
原创 从工业角度看汽车激光雷达激光技术的发展（一）
激光雷达（LiDAR，光探测和测距）是在西奥多・梅曼（Theodore Maiman）及其团队展示了首台红宝石激光器之后不久，由休斯公司（Hughes）在 20 世纪 60 年代发明的。它最初应用于气象学、海洋探测和地形测绘领域。1971 年，美国国家航空航天局（NASA）在阿波罗 15 号任务中集成了一台激光雷达，即月球激光测距后向反射器（LRRR），用于绘制月球表面地图，后来又将其应用扩展到前往火星和水星的航天器上。直到 21 世纪 10 年代，激光雷达才开始应用于商用汽车领域。
2024-11-14 19:47:10
857
原创 激光雷达之行走误差
行走误差（walk error）一般也叫时刻鉴别误差，是指激光雷达再接收不同强度信号是产生的测距误差，不过针对不同的接收器件，行走误差的表现形式是不同的。
2024-11-14 11:56:54
432
原创 可变焦激光雷达
前两天我看新闻昊铂gt上市，并且宣称搭载可变焦激光雷达。我一听感觉是个新词汇，就去搜了一下，原来可变焦并不稀奇。可变焦激光雷达是一种先进的激光雷达技术，相比传统的激光雷达，在性能和应用场景上有显著的优势。以下是关于可变焦激光雷达的一些介绍。
2024-11-13 12:10:38
655
原创 激光雷达接收器件
在上一篇文章中详细介绍过激光雷达的系统结构，如果忘记的小伙伴可以再去回顾一下。激光雷达系统中很重要的一个部分就是接收芯片，这里介绍三种主流的接收芯片。
2024-11-08 20:23:19
838
原创 激光雷达之雷达方程推导
当然，这里转折了，因为如果光学系统在设计过程中出现了光路的遮挡等问题，会导致发出的光的能量减少较多，并且接收端还会接收到内部的杂散光，这里通通不考虑，就当做打出来的光就和激光器标称的一样就是了，当然你也可以用积分球测一下输出的平均功率。当然我们这里考虑的主要是镜头的衰减、大气衰减、目标物为标准的朗伯反射等条件下的理论方程推导，所以注意，请不要带入自己激光雷达系统的参数，否则结果与实际不符，我是不背这个锅的。打到目标物上的光经过目标物反射回到感光芯片上，在这个过程中，我要开始假设了！（b）SPAD接收面积。
2024-11-07 12:13:43
824
原创 激光雷达基本原理及主流方案
一般的主雷达都是120°x25°，不过全固态禾赛的120°x75°，速腾的120°x90°，光覆盖的区域更大了，能量被分散了，所以测远能力弱了。而且，禾赛发布的AT512，据说是用IMX479实现的转镜方案，我只能说，你还在做459，禾赛已经开始搞479了，一步快步步快！像这样的模组，M1里面还有3个，4兄弟拼成120°的视场。可以计算出目标物的距离，具有响应速度快、探测精度高的优势，可应用于各种场景，是目前比较常用且主流的测距方式，适用于远距离的测量，比如自动驾驶领域中对车辆周围环境的探测、地形测绘等。
2024-11-05 10:02:10
4371
原创 基于pytorch的GAN网络搭建
本次的主要任务是利用pytorch实现对GAN网络的搭建，并实现对手写数字的生成。GAN网络主要包含两部分网络，一部分是生成器，一部分是判别器。本次采用的数据库还是MNIST数据集，这里对数据的获取不在赘述。1、生成器生成器的主要功能是生成我们所需要的样本，这里是28*28的图片。首先生成长度为100的高斯噪声，并且将噪声通过线性模型升维到784维。激活函数采用Relu。# 定义判别器 #####Generator######使用多层网络来作为判别器# 输入一个100维的0～1之间的高斯分
2022-01-04 18:31:58
4316
8
原创 基于sklearn的聚类算法
上文主要介绍了基于sklearn的判别模型，这里主要介绍一下sklearn的聚类算法，数据仍然用上一节用到的鸢尾花数据。（1）K-Meansfrom sklearn.datasets import load_irisfrom sklearn.cluster import KMeansdata = load_iris()# 查看data包含哪些信息# print(data)# 提取鸢尾花数据的特征以及标签## 数据集主要包含四维特征 'sepal length (cm)', 'se
2021-12-24 16:10:48
1411
原创 基于sklearn的鸢尾花分类模型
1、鸢尾花数据获取及查看可以通过sklearn直接获取数据集：from sklearn.datasets import load_irisimport matplotlib.pyplot as pltimport pandas as pddata = load_iris()print(data)可以查看data中包含的信息，这里我们需要用到的是data，以及target信息。# 提取鸢尾花数据的特征以及标签## 数据集主要包含四维特征 'sepal length (cm)'
2021-12-24 15:39:36
3655
原创 基于pytorch的LSTM模型构建
上文我们利用pytorch构建了BP神经网络，LeNet，这次我们利用LSTM网络实现对MNIST数据集的分类，具体的数据获取方法本文不详细介绍，这里只要讲解搭建LSTM网络的方法以及参数设置。这里我们只用一层LSTM网络+全连接层实现对模型的构建。# 输入为图片 (batch, seq_len, feature) 照片的每一行看作一个特征，一个特征的长度为32INPUT_SIZE=32HIDDEN_SIZE=10LAYERS=2DROP_RATE=0.2TIME_STEP = 32
2021-12-24 14:36:16
4143
原创 基于pytorch的LeNet模型构建
上文我们利用pytorch构建了BP神经网络，这次我们来构建CNN的经典网络LeNet，还是利用MNIST数据集，具体的数据获取方法本文不详细介绍，只介绍如何搭建模型并训练数据集。LeNet神经网络由深度学习三巨头之一的Yan LeCun提出，他同时也是卷积神经网络 (CNN，Convolutional Neural Networks)之父。LeNet最早是用在手写数字的识别上，效果较好。主要包含了卷积层、池化层、全连接层等，这里不讲解概念，只介绍如何搭建模型。后续可能会针对这些内容进行介绍。1、网络结
2021-11-18 10:02:02
2033
原创 基于pytorch的BP神经网络模型构建
小伙伴好，最近想要认真学习一波pytorch，打算通过pytorch去构建一系列的网络模型，包括CNN、LSTM、Transform等，后续都会进行搭建。一个不断学习的小菜鸡，也希望有问题小伙伴能指出。MINST数据集是手写数字的识别，图片尺寸为(28,28,1)，标签为数字的类别。1、加载数据本文这次主要是对MNIST数据集进行测试。利用pytorch加载数据的方法如下：# 利用datasets中可加载不同的数据集，本次选用MNIST数据集from torchvision i.
2021-11-17 16:26:38
5207
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人