本文主要是介绍SFND_Lidar_Obstacle_Detection代码笔记，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
项目github链接:
https://github.com/williamhyin/SFND_Lidar_Obstacle_Detection
Lidar Sensors
激光雷达传感器通过发射成千上万的激光信号, 为我们提供高分辨率的数据. 这些激光被物体反射回传感器, 然后可以通过计算信号返回所需的时间来确定物体的距离. 我们还可以通过测量返回信号的强度来了解一点被J激光击中物体的情况. 每一束激光都处于红外光谱中, 并以不同的角度发射出去, 通常是360度的范围. 尽管激光雷达传感器为我们提供了非常高精度的3 d 世界模型, 但它们目前非常昂贵, 甚至有的高达6万美元.
激光雷达以不同的角度发射数千束激光
激光被发射出来, 从障碍物上反射出来, 然后用接收器探测到
根据激光发射和接收的时间差, 计算出距离
接收到的激光强度值可用于评价被激光反射物体的材料性质
PCD data
让我们深入研究激光雷达数据是如何存储的. 激光雷达数据以一种称为点云数据(简称 PCD)的格式存储. PCD 文件是(x, y, z)笛卡尔坐标和强度值的列表, 它是在一次扫描之后环境的一个快照. 使用 VLP 64激光雷达, PCD 文件将有大约256,000个(x, y, z, i)点云值.
点云数据的坐标系与汽车的本地坐标系相同. 在这个坐标系中, x 轴指向汽车的前部, y 轴指向汽车的左侧. 此外, z轴指向车的上方.
PCL库 广泛应用于机器人技术领域, 用于处理点云数据, 网上有许多教程可供使用. PCL 中有许多内置的功
这篇关于SFND_Lidar_Obstacle_Detection代码笔记的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
