#Apollo开发者#

学习课程的传送门如下，当您也准备学习自动驾驶时，可以和我一同前往：

 《自动驾驶新人之旅》免费课程—> 传送门

《Apollo 社区开发者圆桌会》免费报名—>传送门

文章目录

前言

Lidar感知

运动补偿

点云分割

总结

---

前言

        见《自动驾驶学习笔记（十三）——感知基础》

        见《自动驾驶学习笔记（十四）——感知算法》

        见《自动驾驶学习笔记（十五）——交通灯识别》

        见《自动驾驶学习笔记（十六）——目标跟踪》

        见《自动驾驶学习笔记（十七）——视觉感知》

Lidar感知

        Lidar点云的处理流程如下：

运动补偿

        激光雷达自身的光束交替和角度旋转，以及探测物体的运动，都会对每帧点云产生的畸变，示例如下：

        上述畸变需要通过运动补偿进行矫正，示例如下：

点云分割

        Lidar点云分割一般的算法类型有如下四大类：

        Semantic Segmentation：基于Point的PointNet系列、基于Grid的FCPN和LatticeNet、基于Range的RangeNet++和SqueezeSeg等。

        Instance Segmentation：基于Detection的LiDARSeg、基于Clustering的SGPN等。

        Panoptic Segmentation：Panoptic-PolarNet。

        Transformer：PCT(Point Cloud Transformer)。

总结

        以上就是本人在学习自动驾驶时，对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识，欢迎评论区留言、点赞、收藏和关注，这些鼓励和支持都将成文本人持续分享的动力。

        另外，如果有同在小伙伴，也正在学习或打算学习自动驾驶时，可以和我一同抱团学习，交流技术。

---

        版权声明，原创文章，转载和引用请注明出处和链接，侵权必究！

        文中部分图片来源自网络，若有侵权，联系立删。