起因：通過學(xué)習(xí)傳統(tǒng)算法發(fā)現(xiàn)當(dāng)前算法的一個問題，依賴人為設(shè)定的閾值參數(shù)，不同點(diǎn)云量需要不停地修改參數(shù)來達(dá)到最好的效果，根據(jù)點(diǎn)云緊密遠(yuǎn)疏的特點(diǎn)，點(diǎn)云的密度與距離到底存在一個什么樣子的映射關(guān)系？利用這種映射關(guān)系，怎樣自適應(yīng)地調(diào)節(jié)閾值參數(shù)?

《Towards Characterizing the Behavior of LiDARs in Snowy Conditions》

討論和結(jié)論

降雪條件下，4種常用激光雷達(dá)的效果。905nm
某個激光雷達(dá) 降雪時，回波的峰值平均率可達(dá)15%
建立一個簡單的概率模型，考慮范圍對雪花干擾的影響。
對于我們的實(shí)驗(yàn)設(shè)置，這個模型可以近似為對數(shù)正態(tài)分布。最重要的是，我們的數(shù)據(jù)表明，在10米以外的范圍內(nèi)，雪花對LiDAR的影響非常有限。
穿過雪花的光束，強(qiáng)度會減弱，再經(jīng)過物體反射，其強(qiáng)度衰減地與雪點(diǎn)反射的光一樣。
最遠(yuǎn)射程的點(diǎn)可能因?yàn)樗p而無法被接收。
反射強(qiáng)度與表面類型的關(guān)系。

引言

背景：激光雷達(dá)受降雪的影響
研究目的：探索這種影響特性

時間統(tǒng)計(jì)信息提取

分析六個完整暴風(fēng)雪持續(xù)期間四個傳感器的時間行為。


上述兩個圖可以看到靜態(tài)物體點(diǎn)云的四個掃描幀間的變化是很小的。


從上面的兩個圖可以看到降雪的點(diǎn)云四個掃描幀間，分布變化很大，且在五米內(nèi)的位置。
然而，這種差異可能不足以影響依賴激光數(shù)據(jù)的算法。

平均的降雪回波概率。

作為距離函數(shù)的降雪回波分布（重點(diǎn)）

關(guān)注距離x如何影響雪花觸發(fā)測量的概率。換句話說，超過一定范圍后，傳感器就看不到雪花了。
使用直方圖去估計(jì)概率密度函數(shù)

降雪檢測距離影響的建模

許多研究者提出了關(guān)于傳感器的概率模型。

給定W天氣，降雪點(diǎn)引起的回波，對應(yīng)的概率為，引入距離x作為條件，，有了這樣一個公式，就可以在統(tǒng)計(jì)上更合理地處理信息，例如在貝葉斯概率框架內(nèi)。使用歸一化來比較點(diǎn)云數(shù)量差距較大的傳感器。
點(diǎn)云密度隨范圍變化圖如下：

總的形狀服從對數(shù)正態(tài)分布
對于所有的傳感器，我們也可以得出結(jié)論，在x > 10米之外，雪花不再被檢測到，即它們變得隱形。
如圖6中紅色虛線所示，是傳感器光學(xué)探測到雪花的概率作為范圍x的函數(shù)。

集中性的破壞：當(dāng)統(tǒng)計(jì)樣本的參數(shù)分布范圍極大時，正態(tài)分布也就不再能刻畫統(tǒng)計(jì)樣本的性質(zhì)，需要使用對數(shù)正態(tài)分布。
我認(rèn)為聚類點(diǎn)云的knn鄰域距離也服從深度x的正態(tài)分布函數(shù)

總結(jié)

以上是生活随笔為你收集整理的Towards Characterizing the Behavior of LiDARs in Snowy Conditions的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。