點對點特徵（point-wise feature）提取
特徵融合
雷射雷達是一種綜合的光探測與測量系統，通過發射接受雷射束，分析雷射遇到目標物件後的折返時間，計算出目標物件與車的相對距離。目前常見的有16線、32線、64線雷射雷達。雷射雷達線束越多，測量精度越高，安全性越高。
多束雷射線同時發射，並配合雷射雷達的旋轉便得到了如上圖所示的雷射雷達點雲。禾賽64線雷射雷達，其垂直方向最多有64根線，且視場範圍為：-25°~+15°。旋轉速度決定了水平方向點雲角解析度，如：雷射雷達掃瞄頻率為10hz，水平角解析度為0.2°，那麼掃瞄的點數為360°/0.2°=1800點；若掃瞄頻率提高到20hz，此時角解析度為0.4°，掃瞄點數也就減半，同樣目標上的點雲會更稀疏。
bev圖
bev圖由雷射雷達點雲在xy座標平面離散化後投影得到，其中需要人為規定離散化時的解析度，即點雲空間多大的長方體範圍（δl * δw * δh）對應離散化後的影象的乙個畫素點（或一組特徵向量），如點雲20cm * 20cm * δh的長方體空間，對應離散化後的影象的乙個畫素點。根據長方體空間中點雲點特徵表達方式不同可以分為hand-crafted feature、voxel-feature
voxel-feature
為了使用更多的點資訊，以及使用end-to-end模型提取更好的特徵，提出了voxel表達方式，廣泛應用於second、voxelnet、pointpillar等方法中。voxel的特徵表達主要包括3個步驟：點雲預處理、點特徵表達、voxel特徵表達得到bev圖。基於voxel的特徵表達，極大的緩解了點雲在做bev投影時資訊丟失的問題，提高了整個網路的效果。
camera view圖
在這種離散化方式中，雷射雷達的垂直解析度（線數）和水平解析度（旋轉角解析度）是兩個重要的可以依據的引數，分別對應了離散化後的影象的高和寬，如對於乙個64線，角解析度0.2°，10hz掃瞄頻率的雷射雷達，離散化後的影象大小為64 * 1800 * c。
這種投影方式和影象成像效果很相似，所以稱為camera view，但也同時會引入影象成像的缺點，如遮擋、缺失深度資訊等。
其實，不同的雷射雷達點雲特徵提取方法有各自的優缺點，但聯合在一起使用時，能發揮更好的作用，如在waymo的文章「end-to-end multi-view fusion for 3d object detection in lidar point clouds」中，融合了不同的特徵表達方式，對小目標和遠處目標的檢測效果增益很大。
LiDAR MEMS雷射雷達點雲實時顯示
mems雷射雷達出來後，為了不用leddartech的ide軟體，於是對其 進行了封裝，以供其他軟體呼叫。在研究的過程中，點雲的實時顯示以前還未做過，就寫了段測試 驗證一下 include stdafx.h include 標準輸入輸出流 include pcl的pcd格式檔案的輸入輸出標頭檔案 i...
雷射雷達點雲運動畸變補償
在基於機械雷達的定位系統中，點雲畸變補償是必須要做的事情，因為按照機械雷達的原理，有運動就有畸變。畸變產生的原因是一幀點雲中的點不是在同一時刻採集的，在採集過程中，雷達隨著載體在運動，但是雷達點測量的是物體和雷達之間的距離，所以不同雷射點的座標系就不一樣了。解決這一問題，就需要把採集過程中雷達的運動...
雷射雷達點雲的車輛航向提取
在自動駕駛環境感知技術中，雷射雷達是必不可少的感測器。在三維雷達點雲圖中，我們通過六面體包圍框表徵檢測到的目標。除了識別障礙物與車輛外，車輛的航向檢測是環境感知必不可少的部分，只有估算出車輛的航向才能 車輛的行駛軌跡。如圖1所示，標號0 1 2中，黃色框代表無向包圍框 無航向資訊 白色框代表有向包圍...