气象雷达是气象中应用非常广泛的一种工具，通常可以用来进行强对流天气大预警和预报。 气象雷达数据通常为二进制编码数据，而且不同波段的雷达数据所采用的编码方式也会有所不同。目前国内常用的雷达有SA/SB，CB多普勒雷达，X波段双偏振多普勒雷达等。除此之外，还有采用了其它数据结构的雷达数据，比如HDF5，netcdf等。
最近又接触到雷达数据，而且需要根据雷达体扫数据绘制任意剖面图。虽然有些雷达软件可以实现，但是定制性不强，而且出的图是位图，无法满足要求。本来询问了软件开发者，结果是有偿指导。那只能自食其力了。
雷达数据的解析是雷达数据分析应用的基础，前段时间《新一代天气雷达》的作者张深寿老师推送了一篇天气雷达基数据解析的文章《Python读取和显示天气雷达基数据标准格式雷达基数据》，大家都受益匪浅，随着国内双极化相控阵雷达的应用兴起，有许多小伙伴希望我们能够科普双极化相控阵雷达的基数据解析，经过一段时间的整理，现在提供给各位小伙伴。
关键字全网搜索最新排名 【机器学习算法】：排名第一 【机器学习】：排名第二 【Python】：排名第三 【算法】：排名第四 2017年7月9日，中国计算机学会（CCF）主办、雷锋网与中国香港科技大学（深圳）承办的第二届全球人工智能与机器人峰会（CCF-GAIR 2017）进入到最后一天的议程。自动驾驶作为人工智能大潮中一个最重要的分支，在这天得到广泛而深入的探讨。 目前，自动驾驶传感器方案主要有两种，一种以激光雷达（LiDAR）为主，另一种则更加倾向于视觉传感器。今年，国内
气象雷达是专门用于大气探测的雷达。它是一种主动式微波大气遥感设备。 气象雷达是气象观测的重要设备，特别是在突发性、灾害性的监测、预报和警报中具有极为重要的作用，是用于小尺度天气系统（如台风和暴雨云系）的主要探测工具之一。 在国内，我们最常见到和使用的气象雷达，是新一代多普勒天气雷达(CINRAD)。我们在气象局之类建筑楼顶上见到的那些球形建筑，大都属于这一种雷达。这种雷达可以探测反射率因子、多普勒径向速度、谱宽等基本气象要素，从而为短临尺度上的天气预报和预警提供数据支撑。特别是雷达反射率数据，因为其与强对流天气系统直接相关，最常被大家使用。 雷达数据在日常业务科研中的应用非常多，比如雷达数据可以用于数值模式同化中，为数值模式提供一个更加准确的初始场；基于雷达反射率数据的雷达短临预报系统可以预报未来2小时内，雷达探测范围内的强对流天气。例如，眼控科技自主研发的基于深度学习的AI对流临近预报系统就是利用雷达反射率数据，对未来两小时之内强对流天气，进行准确的预报。看了一下，下面的这个预报效果确实很好。
对于自动驾驶、机器人技术、导航系统和三维场景重建等应用，通常使用激光雷达和相机传感器捕获同一场景的数据。为了准确地重建场景中的对象，有必要将激光雷达和相机输出融合在一起，激光雷达相机外参估计出刚性变换矩阵，旋转+平移、6自由度，该矩阵建立三维激光雷达平面中的点与图像平面中的像素之间的对应关系。
随着人工智能和自动驾驶技术的发展，激光SLAM（Simultaneous Localization and Mapping）算法成为了实现高精度定位和环境建模的重要工具之一。本文将深入探讨激光SLAM在自动驾驶中的应用，重点关注其在环境感知与路径规划中的关键作用。我们将详细介绍激光SLAM的基本原理，并结合代码实例进行解析。
在生成栅格地图之前，首先需要构造一个用于车辆运动的环境地图(这个地图是用于仿真的真值，对于车辆来说是未知的环境)。我们用０和１值来构造Ｍ*N的环境地图，０表示可行驶区域，１表示占用区域。
机械旋转式Lidar的发射和接收模块存在宏观意义上的转动。在竖直方向上排布多组激光线束，发射模块以一定频率发射激光线，通过不断旋转发射头实现动态扫描。
文章：LiDAR Odometry Survey: Recent Advancements and Remaining Challenges
S1，我确实是不知道该买吗？我后面就选择了X2，咸鱼这个卖150，200的都有，你能看到的都是这个，但是其实淘宝有更便宜的。
文章：CT-ICP: Real-time Elastic LiDAR Odometry with Loop Closure
文章：Do we need scan-matching in radar odometry?
文章：Towards High-Performance Solid-State-LiDAR-Inertial Odometry and Mapping
2018年下半年的技术雷达发布了。看过的朋友可能和我的感觉一样，会发现大部分条目都是和微服务和 DevOps 相关，但这些条目散落在不同的象限里。本文将这些散落在不同象限的条目采用以下 5 个主题进行重组：
自动驾驶两种路径殊途同归，共同推动高级别自动驾驶加速落地。当前自动驾驶正沿着两种路径向我们驶来：
在 CES 2020 现场，大疆旗下 Livox 公司两款可用于 L3 或 L4 级别自动驾驶的激光雷达（LiDAR）新品正式亮相，一款名为「Horizon 地平线」，另一款名为「Tele-15」。这也证实了大疆进入自动驾驶领域的决心。
介绍： 大疆出品，必属精品。 固态激光雷达里程计的工作现阶段还是比较少的，大疆自己出了固态激光雷达后在LOAM的基础上改进了一个适用于固态激光雷达的里程计，该系统可以用在小视场角和非重复性扫描的雷达上。
众所周知最近在和工友搞SLAM，好家伙工友M1版的MAC+虚拟机跑ROS（其实一开始在英伟达的XAVIER上面跑来着，无奈空间不够，寄了），总之就是大概一周内都在调试（断断续续的那种），今天是工作日，我也实在看不下去了，也投入到了这个令人头秃的工作中，事实证明这个东西是真的熬人。
注：这是一篇2019年7月发表在arXiv的论文【1】，如题目所言是对激光雷达传感器的仿真建模，以生成3D点云数据。
大家好，最近新入手了一台myAGV JN这是elephant robotics在myAGV升级后的版本。最近有对SLAM相关知识感兴趣，想深入了解一些关于ROS中SLAM的一些算法和规划，跟据官方提供的gitbook，主要使用到了gmapping算法来建图导航实现功能的。
要说相控阵雷达的原理，就不得不提一下传统雷达的工作方式。影视中，如果非要出现雷达画面的话，传统雷达就是最好的道具，因为传统雷达动感十足，快速旋转的天线便于营造紧迫感。
本文旨在探讨两种不同的方法，用于绘制雷达反射率和剖面，通过比较它们的优缺点，以及适用的场景。 我们将介绍这两种方法的实现步骤和代码示例，它们分别是
与三维激光雷达相比，四维雷达的点云噪声更大、更稀疏，因此提取几何特征（边缘和平面）更具挑战性。作者提出了一套完整的4D雷达SLAM系统，所提出的系统在电脑仿真上实现了2.05%的相对误差 (RE)、0.0052deg/m和2.35m的绝对轨迹误差 (ATE)，并具有实时性能。
文章：Lidar with Velocity: Motion Distortion Correction of Point Clouds from Oscillating Scanning Lidars
强对流天气尺度小，突发性强，天气剧烈，破坏性强（图1），是我国春夏季常常发生的“作妖”天气，而南方甚至全年都可能出现，其“作妖”的方式主要有：雷暴大风、冰雹、暴雨、龙卷风。
文章：Single-Shot is Enough: Panoramic Infrastructure Based Calibration of Multiple Cameras and 3D LiDARs
IMU(加速度计)的测量频率高，即可以精确的测量到物体的姿态运动，对运动灵敏，同时成本低，体积小，抗干扰能力强，基本上在多传感器融合中是一个必备的传感器。
LOAM[1]是Ji Zhang于2014年提出的使用激光雷达完成定位与三维建图的算法，即Lidar Odometry and Mapping。之后许多激光SLAM算法借鉴了LOAM中的一些思想，可以说学习LOAM对学习3D激光SLAM很有帮助。本文对LOAM算法，以及简化版的开源代码A-LOAM进行简单介绍。
文章：4DRadarSLAM: A 4D Imaging Radar SLAM System for Large-scale Environments based on Pose Graph Optimization
SlackPirate是一款Slack信息枚举和提取工具，可以帮助广大研究人员从Slack工作区中提取敏感信息。该工具基于Python开发，并使用了原生Slack API来从给定访问令牌的Slack工作区中提取“有意思”的信息。
文章：Maximum Likelihood Remission Calibration for Groups of Heterogeneous Laser Scanners
对于市面上的主流激光雷达，主要是用于环境探测、地图构建，按技术路线可分为：三角测距激光雷达，TOF激光雷达。
允中 发自 凹非寺 量子位 报道 | 公众号 QbitAI 速腾聚创（RoboSense），总部位于深圳的国内激光雷达创业公司，现在联手阿里菜鸟，要将其固态激光雷达推向商用了。 就在阿里菜鸟物流峰会
文章：Lightweight 3-D Localization and Mapping for Solid-State LiDAR
文章：LOCUS 2.0: Robust and Computationally Efficient Lidar Odometry for Real-Time 3D Mapping
与雷达工作原理类似，激光雷达通过测量激光信号的时间差和相位差来确定距离，但其最大优势在于能够利用多谱勒成像技术，创建出目标清晰的 3D 图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的折返时间，计算出到目标对象的相对距离（下图），并利用此过程中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息，快速得到出被测目标的三维模型以及线、面、体等各种相关数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。由于光速非常快，飞行时间可能非常短，因此要求测量设备具备非常高的精度。从效果上来讲，激光雷达维度（线束）越多，测量精度越高，安全性就越高。
标题：Stereo Visual Inertial LiDAR Simultaneous Localization and Mapping
激光雷达LiDAR的全称为Light Detection and Ranging激光探测和测距，又称光学雷达。
PDAL是点云数据处理的库。这是一个C/C++开源库，用于点云数据的转换和处理。尽管该库中许多工具的重点和发展都起源于激光雷达点云数据的处理，但它也不限于激光雷达数据。
因为明天可以去速腾看激光雷达，这里我就简单的写一下过于雷达的一些技术的问题，不过话说到这里，我看看我手边有什么雷达？
无人机一般是没有视觉的——即使携带摄像头的无人机也需要依靠人类来发现障碍、保持安全飞行。但在一项研究中，一架八旋翼无人机使用了全新的紧凑型军用雷达系统样机，实现了监测周围环境、跟踪其他飞行器的功能。 这项技术来自初创企业Echodyne，可能让亚马逊利用无人机投递包裹的梦想变为现实。美国联邦航空管理局表示，无人机需要有可以检测和避开其他飞行器的系统才能在无人照管的情况下飞行。 目前，这个问题没有解决方案。英特尔和创始企业Skydio等公司已经展示了使用摄像头感测和绕开树木等地面物体的系统。但它们的感测范围不
论文：NV-LIO: LiDAR-Inertial Odometry using Normal Vectors Towards Robust SLAM in Multifloor Environments
将激光雷达与基于相机的同步定位和建图(SLAM)相结合是提高整体精度的有效方法,尤其是在大规模室外场景下.低成本激光雷达(如Livox激光雷达)的最新发展使我们能够以更低的预算和更高的性能探索这种SLAM系统.在本文中,我们通过探索Livox激光雷达的独特特征,将Livox激光雷达应用到视觉SLAM(ORBSLAM2)中,提出了CamVox.基于Livox激光雷达的非重复特性,我们提出了一种适用于非受控场景的激光雷达-相机自动标定方法.更长的深度探测范围也有利于更有效的建图.我们在同一个数据集上评估了CamVox与VINS-mono和Loam的比较,以展示其性能.
文章：SuperLine3D: Self-supervised Line Segmentation and Description for LiDAR Point Cloud
文章：A Fast and Robust Place Recognition Approach for Stereo Visual Odometry Using LiDAR Descriptors
【新智元导读】作为自动驾驶汽车的核心部件之一，激光雷达传感器以昂贵出名，此前的价格高达70万美元，远超普通汽车。自动驾驶研究专家黄武陵在本文中介绍了激光雷达传感器的关键作用和激光雷达传感器在环境感知中
文章：Optimized SC-F-LOAM: Optimized Fast LiDAR Odometry and Mapping Using Scan Context
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
