博客
关于我
pointcloud_to_laserscan源码改动,实现激光雷达前部识别
阅读量:591 次
发布时间:2019-03-11

本文共 1024 字,大约阅读时间需要 3 分钟。

激光雷达的0点位置在接口处,源码的范围为[-3.1416-3.1416]逆时针排列。在制定激光雷达参数时,必须确保angular_max大于angular_min,并根据实际环境进行相关调整。

pointcloud_to_laserscan_nodelet.cpp源文件中,以下是关键的代码片段所关注的参数设置:

// 检查点云的高度是否在合理范围内if (*iter_z > max_height_ || *iter_z < min_height_) {    NODELET_DEBUG("rejected for height %f not in range (%f, %f)\n", *iter_z, min_height_, max_height_);    continue;}// 检查点云的投影范围是否在合理范围内double range = hypot(*iter_x, *iter_y);if (range < range_min_ || range > range_max_) {    NODELET_DEBUG("rejected for range %f not in range [%f, %f]\n", range, range_min_, range_max_);    continue;}// 检查角度是否在激光雷达的有效范围内double angle = atan2(*iter_y, *iter_x);if (angle < output.angle_min || angle > output.angle_max) {    NODELET_DEBUG("rejected for angle %f not in range [%f, %f]\n", angle, output.angle_min, output.angle_max);    continue;}

此外,激光雷达的映射范围角度增量设置应与实际部署环境相符。由于angular_max必须大于angular_min,建议在初始化时设置为以下范围:

angle_min_: -M_PI  // 开始角度angle_max_: M_PI   // 结束角度angle_increment_: M_PI / 180.0 // 单个角度点的增量

通过以上设置,可以确保激光雷达的扫描范围在逻辑上是自洽的,避免因角度范围设置错误导致的扫描异常。

转载地址:http://dmntz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>