激光雷达

【滤波器】用于红外微型光谱仪的可调谐MEMS-FP滤光片-综述翻译自马丁·埃伯曼 2016年的文章摘要红外光谱学的众多应用领域需要小型、坚固、低成本且便携的光谱仪。因此，微型光谱仪技术正快速兴起，众多研究团队为此投入大量精力。相较于其他类型器件，微加工可调谐FP滤光片在微型化与光通量方面表现最优。本文综述了用于红外光谱的µFP滤光片，对比了多个研究团队的不同技术方案，讨论了波长调谐范围、光谱分辨率、通光孔径尺寸等光学性能参数，以及制备复杂度与成本。

News丨见合八方发布O波段高功率SLD蝶形器件天津见合八方光电科技有限公司推出1310nm高功率SLD蝶形器件，该款器件发光功率典型值10mW，-3dB谱宽30nm，ripple低至0.1dB。可满足客户在光纤传感、光纤陀螺仪、测量仪表等方面的应用需求。

深圳市机智人激光雷达

时空解算与图优化：激光雷达 3D 建图的技术原理与实现流程激光雷达（LiDAR）依托厘米级测距精度、主动探测特性、弱环境光照依赖性，是移动机器人、自动驾驶搭建高精度三维空间地图的核心传感器。激光雷达 3D 建图的核心逻辑：高频采集环境三维点云数据，结合多传感器状态估计与后端全局优化，修正位姿累计误差，构建空间拓扑一致的全局三维地图。

深圳市机智人激光雷达

激光雷达：智慧港口自动化升级的核心感知基石在智慧港口 "无人化、智能化" 转型中，激光雷达凭借全天候、高精度三维感知的技术特性，弥补了传统视觉相机与毫米波雷达在复杂港口环境下的感知短板，成为岸桥、场桥、AGV、集卡自动驾驶等核心装备的智慧感知之眼。

天津见合八方出席Optinet中国光网络研讨会，深耕国产SOA核心技术引言2026年6月3日—4日，为期两天的Optinet北京中国光网络研讨会圆满落幕。作为国内光通信、全光网络、高速光传输领域最具权威性与影响力的行业峰会，本次研讨会汇聚全国运营商、头部设备厂商、光芯片器件企业、科研院所专家学者，聚焦算力光网升级、相干通信迭代、光器件国产化、硅光集成与CPO前沿技术等核心议题，展开深度技术研讨与产业趋势研判。

Benewake(北醒) TF02-Pro I2C 在 PixHawk 上的应用教程 (ArduPilot 固件)注意：如果读数有波动，请将帧率设置为 250Hz，详细信息请参见第 6.2 章"帧率"以及表 8 中的"更改通信接口"。

激光雷达的「相机时刻」：从线数走向像素作者 |肖恩编辑 |德新4月下旬，速腾聚创举办的 Tech Day 上，一张灰度图出现在大屏上。画面里是一个普通的户外场景：楼房的窗框、树叶的层次、远处招牌上的字。分辨率 2160×1900，接近 400 万像素。

激光雷达：给自动驾驶装上“火眼金睛”的终极传感器想象一下，你正在一条漆黑的隧道里驾驶，双目失明，但你却能精准地“看”清前方每一个路障、每一辆车和每一个行人的位置和轮廓，甚至知道他们正以多快的速度移动。这不是超能力，而是激光雷达（LiDAR）赋予机器的“超凡感知力”。

【SLAM】Map Folding在 SLAM（Simultaneous Localization and Mapping，同时定位与建图）中，“叠图现象”（也称为“重影”、“地图重叠”、“ghosting” 或 “map folding”）是指环境中的同一物理区域在构建的地图中被错误地表示为多个不重合或部分重叠的副本。这会导致地图出现“重影”、结构错乱、走廊分叉、墙壁重复等明显失真。

综合强度信息的激光雷达去拖尾算法解析和源码实现本文主要介绍基于几何特征与信号强度的去拖尾算法，和程序实现。拖尾是指当激光束照射到高反射率物体（如反光条、玻璃、镜子、路面标志等）时，在真实目标后方沿激光扫描方向出现一连串虚假点云的现象。这些虚假点通常呈“拖尾”状延伸，严重时可达数米，会误判为障碍物或引起建图畸变。

TOF学习笔记-飞行时间技术基本概念TOF 是一种通过测量光信号从发射端往返目标物体的时间来计算距离的技术。如下图所示，激光器(Emitter)发射一束光，打到物体上被反射回来，探测器(Sensor)感应到后，测算飞行时间，那么：

原野风霜324

激光雷达（Lidar）介绍激光雷达（LiDAR，Light Detection and Ranging），即激光探测和测距，又称光学雷达。在自动驾驶领域，激光雷达的作用类似人的眼睛，通过发射和接收反射回来的激光束对周围环境进行实时扫描，构建出高精度的三维点云图，为车辆提供精确的环境感知信息，从而帮助车辆做出安全、准确的行驶决策。与摄像头和毫米波雷达相比，激光雷达具有高精度、高分辨率、不受光照条件影响等优点，能够在复杂的交通场景中提供更为可靠的环境感知，是实现L3及以上自动驾驶不可或缺的核心技术。

【自动驾驶】自动驾驶概述 ④ ( 自动驾驶整体架构 | 车端系统架构 | 云端系统架构 | 自动驾驶硬件概述 | 前视、侧视、环视摄像头 | 激光、毫米波、超声波雷达 )下图是自动驾驶整体架构图 :自动驾驶整体架构分为 " 车端系统 " 和 " 云端平台 " 两大基石 ;

ros noetic使用pointcloud_to_laserscan 将2d激光雷达与深度摄像头数据融合配置文件src/wpb_home/wpb_home_tutorials/nav_depth/local_costmap_params.yaml

自动驾驶感知系统的核心技术：激光雷达与视觉融合算法摘要激光雷达与视觉融合已成为L3级以上自动驾驶的核心感知方案，通过整合激光雷达的高精度三维测距能力与视觉的丰富语义信息，突破单一传感器在极端场景下的性能瓶颈。本文系统解析融合算法的技术原理、主流架构及工程挑战，结合BEVFusion、FAST-LIVO2等前沿框架，深入探讨多传感器时空同步、特征级融合优化、退化场景鲁棒性增强等关键技术，为高可靠自动驾驶系统的落地提供理论支撑与工程指南。

transformer_WSZ

毫米波雷达&激光雷达在自动驾驶和智能感知领域，毫米波雷达和激光雷达都是不可或缺的组件。在自动驾驶领域，没有一种传感器是完美的，因此需要“传感器融合”技术，让它们取长补短。

ROS2——基础6（TF2机器人坐标系管理器、Gazebo）目录1 TF2简介2 TF命令行测试3 静态TF广播4 TF监听机器人系统中有很多坐标系，机器人中心点设为基坐标系base link、雷达所在位置为雷达坐标系laser link、机器人移动里程计累积位置的参考系称为里程计坐标系odom link、里程计有累积误差和飘逸又有绝对位置参考系/地图坐标系map link。TF2在ROS中用于管理机器人的坐标系。

ubuntu22.04配置MID360激光雷达0.准备ros2 版本 humble给雷达供电接入电脑，设置静态ip雷达的ip地址为192.168.1.1xx,其中的xx是贴在雷达上面的SN码的最后两位数我的是92

CAN、ROS数据录制与rqt图形化显示以下是针对铲运机现场测试的数据录制操作备忘录，兼顾ROS解析数据和原始CAN数据，确保全面捕捉机器特性相关信息：

【自动驾驶】自动驾驶概述 ⑨ ( 自动驾驶软件系统概述 | 预测系统 | 决策规划 | 控制系统 )自动驾驶包含感知系统、预测系统、决策规划、控制系统四大模块 , 在上一篇博客【自动驾驶】自动驾驶概述 ⑧ ( 自动驾驶软件系统概述 | 感知系统 Perception | 感知原始数据 | 感知四大基础任务 | 特征提取机器学习算法 | 多传感器融合方案 ) 中 , 介绍了感知系统的工作方式 ;