admin 管理员组文章数量: 1087139
2024年3月14日发(作者：棋牌挂先试用再付款)
项目：毫米波与激光雷达融合模块
1、预修内容
进行本实验课程时，应先确保已学习本套课程中的：
➢毫米波雷达的数据解析实验；
➢16线激光雷达的障碍物检测实验；
➢16线激光雷达的点云聚类实验。
从以上三个实验中掌握毫米波雷达CAN数据的解析方法、基本的16线激
光雷达障碍物提取方法和点云聚类算法，并了解多传感器融合的结构模型和常用
方法。
2、实验目的
熟悉并掌握无人驾驶汽车环境感知系统中多传感器融合的必要性及常用算
法。本实验以16线激光雷达和毫米波雷达两种传感器融合为例，采用目标级融
合结构模型，首先分别对两种传感器的检测数据进行预处理，得到单个传感器对
于前方目标的探测信息，如位置、速度等；然后将两种检测结果转换至车辆坐标
系下进行时空对齐，并将毫米波雷达的测速结果赋给对应的激光雷达检测目标，
从而得到关于同一目标更加准确、完整的统一位置、大小和速度信息。
3、实验环境
软件环境：Ubuntu16.04系统，ros-kinetic，pyqt5。
硬件设备：小旋风第四代无人驾驶车，标配镭神16线激光雷达、大陆ARS408
毫米波雷达、6通道超声波雷达、魔客仕单目相机、联适导航R60北斗/GNSS接
收机。
4、实验内容
1）针对大陆ARS408毫米波雷达对其输出的CAN数据进行解析，获得极坐
标系下的目标距离、方向、相对速度等信息，然后进行预处理，使其转换至平面
直角坐标系下，得到毫米波雷达对检测目标的位置、速度信息。
2）针对镭神16线激光雷达对其输出的点云数据进行预处理，首先采用边长
为0.1米的小立方体对解析后的原始点云进行降采样，使用小立方体的形心来表
1
示这个立方体的所有点，保留这些点作为降采样的输出；然后采用绝对高度算法
滤除地平面，得到检测障碍物的点云图；最后利用自适应欧几里得聚类算法获得
检测目标的位置、大小等信息。
3）将两种传感器得到的目标信息进行时空对齐，统一转换至车辆坐标系下
进行目标级融合，得到关于同一目标更加准确、完整的统一位置、大小和速度信
息。
4）DEMO示例软件的运用练习。
5、实验方式
每位同学独立完成实验内容，与指导教师讨论，并按计划上车实践。
6、实验开发步骤
从内容上分析，可将本实验分为3部分：毫米波雷达数据预处理、激光雷达
数据预处理和多传感器融合。毫米波雷达数据预处理是指对解析后的毫米波雷达
检测数据进行坐标转换，得到平面直角坐标系下目标的位置、速度信息。激光雷
达数据预处理是指对解析后的激光雷达点云数据进行降采样、地平面分割、点云
聚类操作，得到其检测障碍物的位置、大小信息。多传感器融合模块是对两种传
感器各自检测到的目标进行目标级融合，得到关于同一目标更加准确、完整的信
息。总的系统框图如图1所示。
2
版权声明：本文标题：6-无人驾驶教学平台—毫米波与激光雷达融合模块 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1710359887a569504.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论