#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。
