多传感器性能对比
Posted KAI-yq
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了多传感器性能对比相关的知识,希望对你有一定的参考价值。
激光雷达分类
1.机械式激光雷达,非中心对称,旋转磨损严重,需要定期维护;
固态类水平视角较小
2.混合固态激光雷达:棱镜方案,MEMS方案(成熟方案少);
3.纯固态激光雷达:相控阵方案(硅元件振幅),Flash方案;
veldyne 16线激光雷达:
水平360°,垂直30°,测距100m;
Innovusion激光雷达:
水平视角为120度,垂直视角25度,测距500m;
Livox激光雷达:
棱镜方案,两个棱镜,都固定在电机上,随电机转动。
圆锥视角,fov 70.4°,测距260m,近处盲区5cm;
10hz,0.1s,10000点
激光雷达技术指标
1.扫描最大、最小距离,扫描角度。
2.角度分辨率(两个相邻数据点间角度,点数)
3.发射频率(越高越好,定位越准确)
4.数据能量强度(能量小,远距离数据无法返回)
5.数据精度(点的跳动程度,最重要,一般2%,100m,跳动幅度2cm)
ROS中激光雷达数据的消息格式
rosmsg show sensor_msgs/LaserScan
std_msgs/Header header // 数据的消息头
uint32 seq // 数据的序号
time stamp // 数据的时间戳
string frame_id // 数据的坐标系
float32 angle_min // 雷达数据的起始角度(最小角度)
float32 angle_max // 雷达数据的终止角度(最大角度)
float32 angle_increment // 雷达数据的角度分辨率(角度增量)
float32 time_increment // 雷达数据每个数据点的时间间隔
float32 scan_time // 当前帧数据与下一帧数据的时间间隔
float32 range_min // 雷达数据的最小值
float32 range_max // 雷达数据的最大值
float32[] ranges // 雷达数据每个点对应的在极坐标系下的距离值
float32[] intensities // 雷达数据每个点对应的强度值
相机
1.深度相机:微软kinect
红外激光器发射结构光,深度不同,结构相位不同。红外相机采集不同的图像相位,换算成深度。
2.双目相机:ZED2
三角测量,一般不直接求解,用最小二乘计算;
必须要有平移,纯旋转t=0,无法求解;
平移过大,匹配失效;平移太小,三角化精度不够;
采集多帧,有足够的视角,用三角化来估计新特征点的深度,即延迟三角化。
3.单目相机:大华
三角测量。
IMU
三轴陀螺仪,感知roll, pitch, yaw;
三轴加速度计,感知三自由度上的x,y,z;
三轴磁力计,由于三轴imu只能感知载体三自由度的相对位姿变化,6轴imu有了重力加速度,可以感知绝对的roll和pitch,引入磁力计,可以感知磁场强度和方向,相当于指南针,帮助载体确定方位。
protobuff
作用:序列化反序列化数据,更新数据结构而不破坏原本部署好的程序,高效;
使用方法:
1.创建 .proto文件,定义数据结构,例:
message xxx
//字段规则 required 字段只能也必须出现1次
// optional 字段能出现0次或1次
// repeated 字段可出现任意多次,包括0次
//字段类型 int32, int64, string .....
//字段编号 0~536870911;
字段规则 + 字段类型 + 名称 = 字段编号
2.编译.proto文件生成接口
3.调用接口实现序列化和反序列化以及读写
以上是关于多传感器性能对比的主要内容,如果未能解决你的问题,请参考以下文章
自动驾驶感知算法实战15——纯视觉感知和传感器融合方案对比,特斯拉九头蛇的进化