基于坡度和聚类的算法，提取lidar点云的地物边缘线。最终得到地物的轮廓

2008年出的激光雷达原理和应用方面的书，全书分19章，各章分别由众多牛人编写，每章后面附独立参考文献。是学习LiDAR的入门级好书。本书是完整版，非扫描，非常清晰。

#资源达人分享计划#

多激光雷达标定，配准。基于NDT算法的多激光雷达外参标定的方法和实践。 工程代码是在ROS中间件下完成的。 内涵详细的算法说明和编码流程。 使用的编码语言为C++. 关于激光雷达标定的其他资源: [毫米波雷达与摄像头联合标定](https://blog.csdn.net/hgz_gs/article/details/114288657?spm=1001.2014.3001.5502) [激光雷达外参数自标定](https://blog.csdn.net/hgz_gs/article/details/113484065?spm=1001.2014.3001.5502)

整个项目基于 ros，配置简单，来源 autoware, 增加实时显示点云映射，点云相机方向投影。 需要储备知识：ros~

数据融合matlab代码advanced_kalman_filter 使用扩展卡尔曼滤波器的传感器融合（LIDAR / RADAR） 这是Udacity的自动驾驶汽车纳米学位的第2项/第1项。 目录和文件 src包含代码（在C ++中）。 main.cpp ：连接到模拟器的主要代码，从../data/obj_pose-laser-radar-synthetic-input.txt读取输入，执行ProcessMeasurement() （请参见下文），并计算和输出均方根误差（估计值（由卡尔曼滤波器计算得出）与地面真实性（数据文件中提供）的RMSE）。 该代码完全由Udacity提供。 FusionEKF.cpp / FusionEKF.h ：使用ProcessMeasurement()方法定义Fusion Extended Kalman Filter类，该类将kalman_filter类的实例，并调用Predict()和Update() / UpdateEKF()方法。 kalman_filter.cpp / kalman_filter.h ：定义FusionEKF::ProcessMe

robosense固态激光雷达说明书（16线激光雷达），按照说明书可在windows下和ubuntu下进行读取

将点云分为地面测量和非地面测量是从 LiDAR（光探测和测距）数据生成数字地形模型 (DTM) 的重要步骤。 已经开发了许多过滤算法。 然而，即使是最先进的过滤算法也需要仔细设置许多复杂的参数才能实现高精度。 为了减少用户设置的参数，促进过滤算法的发展，我们提出了一种新的过滤方法，只需要几个易于设置的整数和布尔参数。 该方法基于布料模拟，布料模拟是一种 3D 计算机图形算法，用于在计算机程序中模拟布料。 所以我们的过滤算法叫做布料模拟过滤，CSF。 有关 CSF 及其参数的更多信息， 请访问 http://www.cloudcompare.org/doc/wiki/index.php?title=CSF_(plugin) 。 CSF实现了论文“Zhang W, Qi J, Wan P, Wang H, Xie D, Wang X, Yan G. An Easy-Use Airborne L

此文件是将多个velodyne雷达进行点云拼接的launch文件,可以直接运行,有需要的同学可以自取.

摄像机标定matlab代码 Camera-LiDAR校准手册 该解决方案提供了一种手动校准Livox LiDAR与摄像机之间的外部参数的方法，该方法已在Mid-40，Horizo​​n和Tele-15系列上得到验证。 它包括相机固有参数的校准，校准数据的获取，相机与LiDAR之间外部参数的计算以及相机LiDAR融合应用的一些示例。 在此解决方案中，板角用作校准目标。 借助Livox LiDAR的非重复扫描特性，我们可以更轻松地找到高密度点云中拐角的准确位置。 同时，我们可以获得更好的校准结果和更好的LiDAR相机融合。 使用以下链接下载数据示例，该数据用于校准内在和外在参数。 数据已经保存在默认路径中。 步骤1：环境配置 （以下校准过程是在Ubuntu 64位16.04环境下进行的） 1.1安装环境和驱动程序 安装ROS环境，然后安装和。 如果它们已经安装，则可以跳过此步骤。 # install Livox_SDK git clone https://github.com/Livox-SDK/Livox-SDK.git cd Livox-SDK sudo ./third_party/a