【点云】激光点云建图评测

处理工具

  1. Pcap合并软件
bash 复制代码
sudo apt install wireshark-common
  • 合并Pcap文件,路径为数据文件夹下,
bash 复制代码
#mergecap -w <输出的新Pcap> <输入的Pcap>
mergecap -w lidar_output.pcap slice2099-06-01/LIDAR/lidar.pcap slice2099-06-02/LIDAR/lidar.pcap
  1. 可视化软件
    Meshlab、禾赛Pandar View

点云3D重建的评测

1. 平面特征厚度

从点云LAS文件提取地面厚度指标:输入采样点坐标文件,输出各个采样点为中心 X m 2 Xm^2 Xm2最大厚度、90%最大厚度、厚度标准差与RMS等,类似标志牌的点云厚度评测。

2. 控制点精度

  1. 控制点绝对精度评测

3. 世界坐标点云重投影图像帧匹配精度

基本过程描述:某一时刻图像,查询INS位姿,利用Tci计算相机位姿,

点云从世界坐标转换到相机坐标,利用齐次坐标表达,
T c i ∗ T i w ∗ P w T_{ci}*T_{iw}*P_w Tci∗Tiw∗Pw

相机重投影
p = K [ R ∣ t ] X p=K[R|t]X p=K[R∣t]X

问题:重投影点云与图像特征距离偏大。

分析:LiDAR与INS的外参或INS与相机的外参误差过大。

验证方法:LiDAR与INS采用连续时间系统标定,与依靠INS定位的标定参数比对;标定Camera-LiDAR外参作真值,检验外参标定结果。

解决:相机与INS的外参Tci中的Z轴加0.3度,平移量z轴减去0.1m,使得某设备某次的建图重投影OK;建议LiDAR与INS的标定方法与相机和INS的标定在原理保持一致。

相关推荐
CCC:CarCrazeCurator1 小时前
基于 VLA 的自动驾驶轨迹规划:从思路到落地的实践之路
人工智能·机器学习·自动驾驶
春日见2 小时前
深度神经网络的底层数学原理
运维·服务器·windows·深度学习·自动驾驶
春日见13 小时前
自驾算法的日常工作?如何提升模型性能?
linux·人工智能·机器学习·计算机视觉·自动驾驶
Jason Hsiao2 天前
PETRV2-BEV模型训练实战:Paddle3D框架下VOVNet主干网络调优
自动驾驶·3d目标检测·模型训练·paddle3d
Oflycomm3 天前
高通携手Wayve:推动端到端AI自动驾驶迈向量产时代
人工智能·机器学习·自动驾驶·高通·wifi模块·qogrisys
maxmaxma4 天前
ROS2 机器人 少年创客营:Day 3
人工智能·机器人·自动驾驶
春日见5 天前
云服务器开发与SSH
运维·服务器·人工智能·windows·git·自动驾驶·ssh
码农三叔5 天前
(11-3)感知-运动耦合与行为理解:行为识别与预测
人工智能·机器人·自动驾驶·agent·人形机器人
地平线开发者6 天前
【地平线J6工具链入门教程】J5到J6算法部署迁移指南
人工智能·算法·自动驾驶·汽车
城俊BLOG6 天前
已落地量产的自动驾驶VLA技术解析:从“感知智能“到“认知智能“的工程化突围
人工智能·机器学习·自动驾驶