在每个细分领域激光雷达都大有所为，尤其是现下火热的机器人及无人驾驶领域，就单线激光雷达而言，致力于解决机器人的自主定位及导航问题。作为评判激光雷达性能好坏的重要指标，在选购时，有哪些重要参数指标值得关注呢？测距距离激光雷达的主要作用便是距离测量，指的是传感器能探测到物体的最
1超声波简介 我们把频率高于20KHz的声波称为超声波，超声波具有良好的方向性和穿透能力，特别是在水中，传播距离更远。无论是在军事上、农业上还是在生活中都有广泛的应用，可以用来测速度、测距离、消毒杀菌、清洗、焊接等。 人耳能听到的超声波频率范围大概是20Hz-20KHz，超声波的频率大
TOF深度相机测距的具体方法 因为最近跟着老师做相关研究，翻了很多文章没有找比较清楚的方法总结，今天理出一点头绪稍微对自己的进度总结一下。（可能会有错误，欢迎指出） *测距的中心思想：距离=速度时间 因为飞行时间测距采用的是光脉冲（信号），速度即为光速 c 一、直接法（脉冲法）
基本功能包括： 为了使移动小车能自动避障转弯，就必须在小车上加装测距系统，为了能及时获取距障碍物的距离和方向信息； 制作了三方向（前、左、右）超声波测距系统，就是为小车提供一个有效的运动距离信息。 在超声波测距中，通常因温度和时间检测的误差,使得测距的精
文章目录 选点绘线动态绘制线段和显示距离文字居中撤销操作 测距功能，也就是选择两点，计算它们的距离，实现效果大致如下： 上图中主要涉及几个操作： 点击鼠标左键选点，点击鼠标右键停止选点，若选择点数超过两点，则两点绘制一条线段动态绘制线段动态绘制距离确定两点后将
前言 上一次的分享里，我介绍了GPS+IMU这组黄金搭档，这两个传感器的组合能够实现城区道路自动驾驶的稳定定位功能，解决了第一个大问题“我”在哪的问题。 为了能让无人车能像人一样，遇到障碍物或红灯就减速，直到停止；遇到绿灯或前方无障碍物的情况，进行加速等操作。这就需要车载传感器去
虚拟机环境 在VMware 14.0上安装Ubuntu16.04LTS系统，装软件和系统教程可以在网上找，有很多。也可点此处 openCV环境 Linux下OpenCV交叉编译环境的搭建 具体步骤如下： （1）下载TI官方SDK包 图1 下载SDK包 （2）执行chmod 0777 ti-processor-sdk-linux-am57xx-evm-04.03.00.05-Linux-x86
计算机视觉识别概述 计算机视觉识别（computer vision）：用计算机来模拟人的视觉机理获取和处理信息的能力。就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。这里给出了几个比较严谨的
本文代码基于Angular8和arcgis js 4.16。 代码里会涉及到一个地图变量mapView，初始化如下： const map = new Map({ basemap: 'osm', }); this.mapView = new MapView({ container: this.mapContainer.nativeElement, center: [113.280637, 23.125178], zoom: 12, ma
超宽带UWB定位的三种常用定位算法，包括TDOA定位算法、TOF定位算法、TOA定位算法。 （一）TOF定位算法 基于TOF的定位方法与基于TOA的定位方法在本质上是相同的，而TOF测距不依赖基站与标签的时间同步，故没有时钟同步偏差带来的误差，但TOF测距方法的时间取决于时钟精度，时钟偏移会带来误
基于[三星6818]芯片超声波测距驱动编写 编写驱动代码头文件内容：1> 定义和初始化混杂设备2> 定义驱动文件集3>粗略介绍下超声波检测距离函数里面几个细节4> 编译内核参考 编写应用程序 编写驱动代码 #PS:这次使用了标准gpio函数和ioctl函数进行编写，进一步缩小代码行数 头
卓老师，留言的那个SLAM方案其实不是心血来潮。我前几天闲的没事干拆了一个米家LDS激光导航版扫地机器人，它的避障原理很有趣：顶部一个激光测距SLAM模块，匀速旋转。头部一个测距模块，估计是红外，头半包裹裙浮动连接，底盘边缘红外结构的悬崖传感器。 开机自检后，先原地旋转，此时主要依
1. 感知概貌 无人车：视觉全覆盖，传感器很多，测距精度很高，感知能力很强，但语义识别能力没有人强。 问题范围： 需要高精地图 障碍物信息 形状 传感器融合 多个维度看问题 2.传感器和标定-1 选择传感器： 1.激光雷达:测距非常准，但识别较为困难，功率限制导致不能发射很远 2.camera:受到光
ST为飞行时间传感器增加了多目标测距 ST adds multi-object ranging to time-of-flight sensors STMicroelectronics已经扩展了其FlightSense飞行时间（ToF）测距传感器的能力，该传感器拥有专利直方图算法，可以测量到多个物体的距离，同时提高了精度。 新的VL5
随着物联网的研讨和无线传感网络技能迅速发展，室内定位的ZigBee技能作为一种新兴的低成本、低功耗、低速率短间隔的无线传感网络技能，它是根据IEEE802.15.4标准开发的无线协议。IEEE802.15.4担任物理层和MAC层，而ZigBee联盟担任制定网络层和应用层。使用ZigBee技能
雷达：主动发出电磁波，用于测距（深度信息） 激光雷达 单线：1根线，最终扫出一个面 用途：自动驾驶中的跟车 多线：多线，扫出一个空间。 用途：空间内测距，测速，三维成像（slam sfm） 毫米波雷达 用途：测距，测相对速度，近距离探测 抗干扰能力强，雨雪天气正常工作，因此应用广泛。因此易受其他场景应用影响。 自
1. 前言 随着自动驾驶的发展，现代汽车的智能化程度逐步提高，基于视觉系统的自动驾驶也逐步趋于稳定——特斯拉、Mobileye、CommaAI等机构起着推波助澜的作用。 自动驾驶场景或者Adas场景中，当检测出前方车辆后通常需要进行距离估计，为车辆控制提供距离参考信息；而基于视觉的移动
IMU是惯性测量单元的简称，用于测量物体的三轴姿态角（roll、pitch、yaw）、三轴加速度（acc_x、acc_y、acc_z）、三轴角速度（w_x、w_y、w_z）等。IMU惯性测量单元在制造过程中，由于物理因素，导致IMU惯性测量单元实际的坐标轴与理想的坐标轴之间会有一定的偏差，同时三轴加速度、三轴角速度、三轴磁
在之前的分析过一种快速测距方法原理:https://www.cnblogs.com/tuzhuke/p/12359038.html 这里做代码实现。 测距分为设备A 和 设备B，与原理部分NodeA NodeB对应。 代码中，设备B，也就是NodeB，启动发送。 NodeB:将之前的两个时间戳加载到数据包中，开始上电的时候，这个时间戳信息可能是无
无线网传感定位技术（WSN）： 原理： RSSI定位：通过已知坐标位置的peer通信来得到节点间的RSSI值，再通过定位算法得到坐标位置 Shadowing模型：P（d） = p (d0) +10nlg(d/d0)+x p(d)：实测距离为d（m）的时候路径消耗 p(d0):参考距
UWB测距官方提供的方法是通过三条信息获得两个模块距离，这里介绍一种简单的，快速测距方法。 这种测距方法适合少量节点，连续测距。使用该方法，STM32F103C8T6 最大实现测距频率超过1Khz 测距原理： 1 节点A 和节点B连续通信 2 在某一个时间，节点A能够知道之前信息的发送和接收时间，例如下
单目测距原理： 先通过图像匹配进行目标识别（各种车型、行人、物体等），再通过目标在图像中的大小去估算目标距离。这就要求在估算距离之前首先对目标进行准确识别，是汽车还是行人，是货车、SUV还是小轿车。准确识别是准确估算距离的第一步。 单/双目方案的优点与难点 从上面的介绍，
定位技术是机器人完成自主导航、路径规划等任务的前提，是机器人领域研究的一大热点。在机器人定位传感器中会涉及到激光雷达、视觉等多种传感器，激光雷达凭借稳定、可靠等优势，成为机器人定位的核心传感器。激光雷达赋予了机器人一双“”慧眼“”，通过激光扫描测距可直接获取某环境下的
方案基于Matlab2018，Python 2.7、Opencv 3.4实现，实现流程如下： 首先，使用Matlab，进行双目摄像头的标定； 其次，识别特定颜色； 最后，使用双目测距公式得到特征点的距离。 摄像头标定 首先进行摄像头的标定，具体标定流程，点击https://blog.csdn.net/suoxd123/article/details/79154170
