激光雷达 [5]
【重读经典】极坐标BEV方法
极坐标BEV的表示方法：在BEV空间按照角度和半径两个维度进行划分，而非笛卡尔坐标系下的均匀矩形网格。自车近处高分辨率，远处低分辨率，契合相机近大远小的成像特点。 核心优势 非均匀网格划分&分辨率优化 极坐标BEV以ego为中心，角度方向采用固定步长划分，径向长尾分布不均匀划分。 角度划分：θ ∈
Livox格式的rosbag转为PointCloud2格式
参考文章前两篇是 CSDN 的，又一次让我见识到 CSDN 的文章质量之低了。 写这篇文章的目的，是 Livox LiDAR 发布的格式是 CustomMsg，没有办法用 rviz 直接可视化，必须重新发布为 PointCloud2 格式或者使用 C++ 通过驱动直接解析。 安装 先编译并安装 Li
多传感器融合——后融合
多传感器融合的方案可以分成前融合（Early Fusion）方案和后融合（Late Fusion）方案。 前融合也叫特征级融合，不同传感器的数据会在特征级别进行合并，也就是说，不同模态的数据经过处理和合并后会得到一个特征集合。一般来说，每个模态数据的特征会被分别提取，然后被提取到的特征会被合并为一个
