机械旋转式Lidar的发射和接收模块存在宏观意义上的转动。在竖直方向上排布多组激光线束,发射模块以一定频率发射激光线,通过不断旋转发射头实现动态扫描。
文章:LiDAR Odometry Survey: Recent Advancements and Remaining Challenges
气象雷达是气象中应用非常广泛的一种工具,通常可以用来进行强对流天气大预警和预报。 气象雷达数据通常为二进制编码数据,而且不同波段的雷达数据所采用的编码方式也会有所不同。目前国内常用的雷达有SA/SB,CB多普勒雷达,X波段双偏振多普勒雷达等。除此之外,还有采用了其它数据结构的雷达数据,比如HDF5,netcdf等。
文章:Do we need scan-matching in radar odometry?
文章:Towards High-Performance Solid-State-LiDAR-Inertial Odometry and Mapping
自动驾驶两种路径殊途同归,共同推动高级别自动驾驶加速落地。当前自动驾驶正沿着两种路径向我们驶来:
在 CES 2020 现场,大疆旗下 Livox 公司两款可用于 L3 或 L4 级别自动驾驶的激光雷达(LiDAR)新品正式亮相,一款名为「Horizon 地平线」,另一款名为「Tele-15」。这也证实了大疆进入自动驾驶领域的决心。
介绍: 大疆出品,必属精品。 固态激光雷达里程计的工作现阶段还是比较少的,大疆自己出了固态激光雷达后在LOAM的基础上改进了一个适用于固态激光雷达的里程计,该系统可以用在小视场角和非重复性扫描的雷达上。
注:这是一篇2019年7月发表在arXiv的论文【1】,如题目所言是对激光雷达传感器的仿真建模,以生成3D点云数据。
要说相控阵雷达的原理,就不得不提一下传统雷达的工作方式。影视中,如果非要出现雷达画面的话,传统雷达就是最好的道具,因为传统雷达动感十足,快速旋转的天线便于营造紧迫感。
与三维激光雷达相比,四维雷达的点云噪声更大、更稀疏,因此提取几何特征(边缘和平面)更具挑战性。作者提出了一套完整的4D雷达SLAM系统,所提出的系统在电脑仿真上实现了2.05%的相对误差 (RE)、0.0052deg/m和2.35m的绝对轨迹误差 (ATE),并具有实时性能。
文章:Lidar with Velocity: Motion Distortion Correction of Point Clouds from Oscillating Scanning Lidars
强对流天气尺度小,突发性强,天气剧烈,破坏性强(图1),是我国春夏季常常发生的“作妖”天气,而南方甚至全年都可能出现,其“作妖”的方式主要有:雷暴大风、冰雹、暴雨、龙卷风。
文章:Single-Shot is Enough: Panoramic Infrastructure Based Calibration of Multiple Cameras and 3D LiDARs
LOAM[1]是Ji Zhang于2014年提出的使用激光雷达完成定位与三维建图的算法,即Lidar Odometry and Mapping。之后许多激光SLAM算法借鉴了LOAM中的一些思想,可以说学习LOAM对学习3D激光SLAM很有帮助。本文对LOAM算法,以及简化版的开源代码A-LOAM进行简单介绍。
文章:4DRadarSLAM: A 4D Imaging Radar SLAM System for Large-scale Environments based on Pose Graph Optimization
文章:Maximum Likelihood Remission Calibration for Groups of Heterogeneous Laser Scanners
气象雷达是专门用于大气探测的雷达。它是一种主动式微波大气遥感设备。 气象雷达是气象观测的重要设备,特别是在突发性、灾害性的监测、预报和警报中具有极为重要的作用,是用于小尺度天气系统(如台风和暴雨云系)的主要探测工具之一。 在国内,我们最常见到和使用的气象雷达,是新一代多普勒天气雷达(CINRAD)。我们在气象局之类建筑楼顶上见到的那些球形建筑,大都属于这一种雷达。这种雷达可以探测反射率因子、多普勒径向速度、谱宽等基本气象要素,从而为短临尺度上的天气预报和预警提供数据支撑。特别是雷达反射率数据,因为其与强对流天气系统直接相关,最常被大家使用。 雷达数据在日常业务科研中的应用非常多,比如雷达数据可以用于数值模式同化中,为数值模式提供一个更加准确的初始场;基于雷达反射率数据的雷达短临预报系统可以预报未来2小时内,雷达探测范围内的强对流天气。例如,眼控科技自主研发的基于深度学习的AI对流临近预报系统就是利用雷达反射率数据,对未来两小时之内强对流天气,进行准确的预报。看了一下,下面的这个预报效果确实很好。
对于市面上的主流激光雷达,主要是用于环境探测、地图构建,按技术路线可分为:三角测距激光雷达,TOF激光雷达。
允中 发自 凹非寺 量子位 报道 | 公众号 QbitAI 速腾聚创(RoboSense),总部位于深圳的国内激光雷达创业公司,现在联手阿里菜鸟,要将其固态激光雷达推向商用了。 就在阿里菜鸟物流峰会
文章:Lightweight 3-D Localization and Mapping for Solid-State LiDAR
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 📷 2017年7月9日,中国计算机学会(CCF)主办、雷锋网与中国香港科技大学(深圳)承办的第二届全球人工智能与机器人峰会(CCF-GAIR 2017)进入到最后一天的议程。自动驾驶作为人工智能大潮中一个最重要的分支,在这天得到广泛而深入的探讨。 目前,自动驾驶传感器方案主要有两种,一种以激光雷达(LiDAR)为主,另一种则更加倾向于视觉传感器。今年,国内
文章:LOCUS 2.0: Robust and Computationally Efficient Lidar Odometry for Real-Time 3D Mapping
与雷达工作原理类似,激光雷达通过测量激光信号的时间差和相位差来确定距离,但其最大优势在于能够利用多谱勒成像技术,创建出目标清晰的 3D 图像。激光雷达通过发射和接收激光束,分析激光遇到目标对象后的折返时间,计算出到目标对象的相对距离(下图),并利用此过程中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息,快速得到出被测目标的三维模型以及线、面、体等各种相关数据,建立三维点云图,绘制出环境地图,以达到环境感知的目的。由于光速非常快,飞行时间可能非常短,因此要求测量设备具备非常高的精度。从效果上来讲,激光雷达维度(线束)越多,测量精度越高,安全性就越高。
标题:Stereo Visual Inertial LiDAR Simultaneous Localization and Mapping
激光雷达LiDAR的全称为Light Detection and Ranging激光探测和测距,又称光学雷达。
因为明天可以去速腾看激光雷达,这里我就简单的写一下过于雷达的一些技术的问题,不过话说到这里,我看看我手边有什么雷达?
无人机一般是没有视觉的——即使携带摄像头的无人机也需要依靠人类来发现障碍、保持安全飞行。但在一项研究中,一架八旋翼无人机使用了全新的紧凑型军用雷达系统样机,实现了监测周围环境、跟踪其他飞行器的功能。 这项技术来自初创企业Echodyne,可能让亚马逊利用无人机投递包裹的梦想变为现实。美国联邦航空管理局表示,无人机需要有可以检测和避开其他飞行器的系统才能在无人照管的情况下飞行。 目前,这个问题没有解决方案。英特尔和创始企业Skydio等公司已经展示了使用摄像头感测和绕开树木等地面物体的系统。但它们的感测范围不
论文:NV-LIO: LiDAR-Inertial Odometry using Normal Vectors Towards Robust SLAM in Multifloor Environments
将激光雷达与基于相机的同步定位和建图(SLAM)相结合是提高整体精度的有效方法,尤其是在大规模室外场景下.低成本激光雷达(如Livox激光雷达)的最新发展使我们能够以更低的预算和更高的性能探索这种SLAM系统.在本文中,我们通过探索Livox激光雷达的独特特征,将Livox激光雷达应用到视觉SLAM(ORBSLAM2)中,提出了CamVox.基于Livox激光雷达的非重复特性,我们提出了一种适用于非受控场景的激光雷达-相机自动标定方法.更长的深度探测范围也有利于更有效的建图.我们在同一个数据集上评估了CamVox与VINS-mono和Loam的比较,以展示其性能.
文章:SuperLine3D: Self-supervised Line Segmentation and Description for LiDAR Point Cloud
文章:A Fast and Robust Place Recognition Approach for Stereo Visual Odometry Using LiDAR Descriptors
【新智元导读】作为自动驾驶汽车的核心部件之一,激光雷达传感器以昂贵出名,此前的价格高达70万美元,远超普通汽车。自动驾驶研究专家黄武陵在本文中介绍了激光雷达传感器的关键作用和激光雷达传感器在环境感知中
文章:Optimized SC-F-LOAM: Optimized Fast LiDAR Odometry and Mapping Using Scan Context
本文仅做学术分享,如有侵权,请联系删除。欢迎各位加入免费知识星球,获取PDF论文,欢迎转发朋友圈。内容如有错误欢迎评论留言,未经允许请勿转载!
文章:Online Range Image-based Pole Extractor for Long-term LiDAR Localization in Urban Environments
明敏 羿阁 发自 凹非寺 量子位 | 公众号 QbitAI 没想到,用在航母军舰上的相控阵雷达,现在被拿来防野猪了??? 还能配合着大疆无人机一起用。 雷达一发现野猪,无人机就去驱离。覆盖范围从半径5公里到10公里不等,可同时监控100个目标。 而且雷达只要15kg,单人就能扛走。 好家伙,防个野猪把“迷你”、“移动式”、“相控阵”、“蜂群”这群关键字给凑齐了。 网友看了都忍不住说: 这要给隔壁毛子馋哭了。 不过话说回来,号称是雷达之王的相控阵雷达,咋就被拿去防野猪了? 军用技术防野猪 其实原因很简单
今天给大家分享IEEE Robotics and Automation Letters上发表经典文章:FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter。文章中主要介绍了香港大学火星实验室研发的一种SLAM算法—FAST-LIO。
文章:RadarSLAM: Radar based Large-Scale SLAM in All Weathers
文章:LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping
文章:Intensity Scan Context: Coding Intensity and Geometry Relations for Loop Closure Detection
由于对三维激光SLAM比较感兴趣,并且最近也在找无人驾驶激光SLAM算法的岗位,所以花了一个多月把LOAM的论文和源码好好看了一遍。发现论文还是比较容易明白,但一看代码全是坑。看论文懂了,看代码似懂非懂。为了尽快把这坑填上,所以诚邀读者一起探讨。作者始终认为填坑最好的方法是拉别人和你一起填坑。由于三千多行的源码不是一篇博客能够讲明白的,所以这篇博客主要讲一下我对LOAM论文的理解,后续会有代码的介绍,希望对大家能有帮助。
雷达在反法西斯战争中发挥了重要作用,在英国战场雷达的出现可以说是扭转战局的关键力量。
文章:FAST-LIO2: Fast Direct LiDAR-inertial Odometry
来自商用惯性、视觉和激光雷达传感器的多模态测量的多传感器融合提供了鲁棒和精确的6自由度姿态估计,在机器人学和其他领域具有巨大的潜力.在本文中,基于我们以前的工作(即LIC-Fusion),我们开发了一个基于滑动窗口滤波器的激光雷达惯性相机里程计,具有在线时空校准(即LIC-Fusion2.0),它引入了一个新的滑动窗口平面特征跟踪,以有效地处理三维激光雷达点云.特别地,在通过利用惯性测量单元数据对激光雷达点进行运动补偿之后,低曲率平面点被提取并在滑动窗口中被跟踪.在高质量数据关联的平面特征跟踪中,提出了一种新的孤立点剔除准则.只有被跟踪的属于同一平面的平面点才会被用于平面初始化,这使得平面提取高效且鲁棒.此外,我们对激光雷达-惯性测量单元子系统进行了可观测性分析,并报告了利用平面特征进行时空校准的退化情况.在蒙特卡洛模拟中验证了估计一致性和识别的退化运动的同时,还进行了不同的真实世界实验,以表明所提出的LIC-Fusion2.0优于其前身和其他最先进的方法.
深度神经网络容易受到某些对抗样本的攻击,比如图像分类网络,只需在图中加入一点微小的扰动,就能让它把熊猫当成长臂猿。
激光雷达能够帮助机器人快速获取其周围环境信息,且具有探测范围广、精度高、抗干扰能力强等优势,是自动驾驶汽车、扫地机器人、仓储机器人等一系列地面自主移动机器人的重要组成部分。然而,目前工业级激光雷达往往造价高昂,像谷歌、百度造的那些无人车,其激光雷达的造价甚至超过了车辆本身的价值,让普通人望而却步。即使是探测范围仅有 25m 的单线激光雷达,在某宝上也卖到了千元级别。
文章:Light-LOAM: A Lightweight LiDAR Odometry and Mapping based on Graph-Matching
领取专属 10元无门槛券
手把手带您无忧上云