激光雷达分类
三角法：近距离测距精度较高（原理相似三角形） 抗干扰能力较差 适用室内
TOF法：
脉冲型TOF（DTOF+ITOF） 连续型FMCW（通过发射波的相干性计算距离，测量速度慢，精度高）
TOF激光雷达：将光均匀打到周围，方法：机械式、MEMS的微震镜、光学相位阵列OPA、FlshLidar（将所有光同一时间打出去，应用在车上）
激光雷达用途：
车载、无人机、水质调查、地图构建、建筑物3d结构搭建
激光雷达安装、标定、同步：
硬件平台：（例子：速腾聚创）RS-Function
应用案例及选型：LiDAR在智能驾驶中的应用案例：waymo、Renesas、Ford……
多激光雷达数据融合：耦合
多传感器融合：GPS、RTK、IMU融合得到位姿、速度、加速度
激光雷达系统方案：
硬件：RS-Fusion-P3车载方案：RS-LiDar-16主雷达，两个PS-LiDar-32B辅式雷达+GPS及惯导设备+IPC工控机+激光雷达安装支架+显示器+交换机+网线+多雷达模拟时间同步板
激光雷达参数：激光雷达线束、精度、测量距离、分辨率（垂直角分辨率+水平角分辨率）
多雷达模拟时间同步板：
时间同步，保证多个雷达的时间处于同一时间计时标准（不进行时间同步时，每个雷达以启动时刻计时，使用自身内部独立的计时系统）
外部时间源：GPS或网络时间源
时间输入：GPS通过UART接入雷达，发送GPRMC消息；PPS通过IO接入雷达，发送1PPS脉冲信号
网络时间通过以太网UDP指令发送时间，进行同步
多传感器标定：
空间同步，保证所有的雷达数据转换到一个统一的坐标系下
统一坐标系：选择位置最核心的一个雷达的坐标系作为雷达耦合的统一坐标系
空间位置标定：平移量（x,y,z） 旋转量（roll, pitch, yaw)—-无法直接测量
软件：
障碍物检测：通过bounding box来添加或者多边形来描述
障碍物分类识别：在检测基础上得到类别信息
运动物体追踪：估计物体运动状态
可行驶区域检测：在场景中分割出可以行驶的区域，相关任务：路沿检测、车道线检测、地面检测、路面检测
SLAM建图：精度高满足定位算法厘米级要求；
大场景稳定性高，精度不随地图增大而降低；
人工干预少，重复精度高；
框架：
重定位：
场景1：小型移动机器人
特点：经常发生灵活机动、角速度较大、视角比较低
场景2：开放城市道路
特点：速度较快、会出现被大车包围的情况
激光雷达数据采集
激光雷达硬件平台：
注：GPRMC：
双天线优势：
激光雷达ROS驱动与采集：
通过节点通信（TCP）
原文地址：http://www.cnblogs.com/Ms-wang/p/16860516.html
