Supplyframe Supplyframe XQ Datasheet5 芯耀 Findchips 与非AI
关注我们
设计助手
电子硬件助手 电子硬件助手
元器件查询 元器件查询

加入星计划，您可以享受以下权益：

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

点云数据

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

点云数据（point cloud data）是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity）。

点云数据（point cloud data）是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息（RGB）或反射强度信息（Intensity）。收起

查看更多
类型
新鲜 热门

文章

查看更多
  • 激光雷达点云为什么会出现“拖尾”现象？
    激光雷达点云拖尾现象主要来源于几何光学中的能量切割、时间轴上的运动位移、硅片端的电学瓶颈以及环境介质与多径反射等因素。几何光学中的拖尾源于激光束发散导致的混合像素效应；运动位移则是由于传感器运动与扫描时间的非同步性造成的；电学瓶颈涉及探测器和放大器的饱和与恢复时间；环境介质与多径反射则增加了额外的噪声源。解决方法包括高频位姿补偿、多回波逻辑和光学空间滤波技术。
    276
    07/08 09:30
    自动驾驶 激光雷达
    激光雷达点云为什么会出现“拖尾”现象？
  • 为什么高线束激光雷达反而更省算力？
    在自动驾驶领域，高线数激光雷达通过提高垂直角分辨率和点云密度，减少了对计算机算力的需求，并提高了系统的整体效率和安全性。尽管高线数雷达增加了硬件成本，但其带来的优势在于减轻了主控芯片的压力，优化了芯片选型成本，增强了极端环境下系统的稳定性。
    826
    03/25 14:01
    激光雷达 算力
    为什么高线束激光雷达反而更省算力？
  • 如何克服毫米波雷达点云稀疏问题？
    毫米波雷达在自动驾驶感知系统中占据核心地位，因其全天候探测能力和低成本优势。然而，其输出数据稀疏，难以满足高阶自动驾驶的需求。主要原因包括电磁波反射机制、材料介电性质、硬件孔径限制以及信号处理算法的选择与过滤。为应对这些问题，行业正探索4D成像雷达技术，通过增加维度与通道数实现突破。此外，深度学习技术也被引入，从原始数据中挖掘环境特征，提高点云质量和完整性。未来，毫米波雷达有望克服稀疏性问题，实现全天候、高精度的三维环境重建。
    993
    02/27 16:53
    毫米波雷达 点云数据
  • 为什么自动驾驶激光雷达点云中间是黑洞？
    激光雷达探测到的点云中会出现一个圆形的“真空带”，这是由垂直视场角限制、安装几何约束、光学收发架构以及后端算法处理逻辑等因素造成的。这种盲区影响了车辆对近场障碍物的感知能力。通过硬件创新和多传感器融合，可以缩小或填补这一空洞，从而提高自动驾驶系统的安全性。
    1117
    02/24 10:03
    自动驾驶 激光雷达
  • 激光雷达点云中的空洞现象是什么原因导致的？
    激光雷达点云空洞是自动驾驶感知中的重要问题，表现为传感器在复杂场景下对信息持续获取能力的边界。其原因包括物体表面反射率低、激光回波落入系统盲区、光学结构和视场设计影响以及外部环境干扰。点云空洞可能导致自动驾驶系统误判环境，影响物体跟踪和路径规划，进而影响安全性与舒适性。减少和避免点云空洞的有效方法包括提升硬件性能、优化光学设计、采用双回波输出策略、软件预处理以及多传感器融合。
    513
    02/14 14:34
    自动驾驶 激光雷达
    激光雷达点云中的空洞现象是什么原因导致的？
热门企业 换一换
相关标签