在自动驾驶感知系统的传感器中，毫米波雷达凭借其全天候探测能力、对运动目标的极高速度敏感度以及相对低廉的成本，始终占据着核心地位。 相较于激光雷达每秒产生的数百万个、能够细致描绘物体轮廓的致密点云，毫米

不知道大家看到激光雷达探测到的点云时，有没有注意到一个现象，那就是在三维点云图像中会有一个圆形的“真空带”中心。 无论车辆周边的交通环境多么复杂，点云图中靠近汽车底盘和车身周围几米的范围内，是没有任何

很多人在评价自动驾驶传感器时，会把关注点放在性能参数上，比如激光雷达的点云密度够不够高、摄像头的分辨率是否足够清晰、毫米波雷达在雨雾天气下是否依然稳定。 但在真实道路环境中，对于传感器的要求并不只是“

很多人在评价自动驾驶传感器时，会把关注点放在性能参数上，比如激光雷达的点云密度够不够高、摄像头的分辨率是否足够清晰、毫米波雷达在雨雾天气下是否依然稳定。 但在真实道路环境中，对于传感器的要求并不只是“

激光雷达作为自动驾驶系统中的核心感知传感器，通过发射激光脉冲并接收反射信号，能够实时构建出周围环境的高精度三维轮廓。激光雷达在获取环境信息的过程中，并不像高快门相机拍摄瞬间照片那样简单。像是旋转式激光

随着自动驾驶技术的不断发展，越来越多车辆已经配备了组合辅助驾驶系统。尤其是有很多车企，会采用感知融合的方案，通过在车辆上加装激光雷达、车载摄像头、毫米波雷达等感知硬件，以获得更多的感知信息。 在众多感

自动驾驶系统想“看清”周围的世界，可通过多个传感器来完成，激光雷达由于可以提供丰富的三维点云信息，一直是很多方案的主要选择。激光雷达的工作原理也非常简单，其不断发射激光脉冲，激光遇到物体后反射回传感器

之前在聊激光雷达点云“鬼影”和“膨胀”的文章中（相关阅读：激光雷达点云中“鬼影”和“膨胀”是什么原因导致的？），很多小伙伴都提到一个问题，那就是激光雷达点云中的“鬼影”和“膨胀”可以如何解决，今天就围

激光雷达是自动驾驶汽车重要的感知硬件之一，已成为许多车企的主流选择。激光雷达不断向周围环境发射激光束，并接收从物体表面反射回来的光信号，依据光的飞行时间计算出目标的距离、位置，从而生成三维点云。基于这

相信各位在开车时一定遇到过这么一个场景，有一个很小的障碍物在车前，当障碍物非常靠近车辆时，你在驾驶位置上是完全看不到的，这就是俗称的“盲区”。对于激光雷达来说，也会出现类似的问题，当障碍物离激光雷达足

激光雷达是自动驾驶汽车重要的感知硬件之一，已成为许多车企的主流选择。激光雷达不断向周围环境发射激光束，并接收从物体表面反射回来的光信号，依据光的飞行时间计算出目标的距离、位置，从而生成三维点云。基于这

自动驾驶自商用化以来，是否加装激光雷达一直是大家争议的热点，作为众多车企选择的主要感知硬件，激光雷达只能获得点云图，那自动驾驶系统是如何通过点云图来进行障碍物识别的？ 依托点云的“障碍物识别”方法 其

大寒节气后，吉林四平温度骤降。1月22日，国网四平供电公司正采用人工与无人机巡检结合的方式对辖区供暖线路和供水线路进行特巡。仅用3小时，此次跨区特巡工作就已完成，效率较以往单人工巡检提高近四倍。