Terrscan详细操作文档使用说明，内容齐全，方便学习TerrScan处理点云数据。

传感器融合自动驾驶汽车课程 欢迎参加自动驾驶汽车的传感器融合课程。 在本课程中，我们将讨论传感器融合，这是从多个传感器获取数据并将其组合以使我们对周围世界有更好了解的过程。 我们将主要集中在激光雷达和雷达这两个传感器上。 到最后，我们将融合来自这两个传感器的数据来跟踪道路上的多辆汽车，以估计它们的位置和速度。 激光雷达传感通过发送数千个激光信号为我们提供高分辨率数据。 这些激光从物体反射回来，返回到传感器，然后我们可以通过定时返回信号所需的时间来确定物体的距离。 我们还可以通过测量返回信号的强度来告诉一些有关被击中的物体的信息。 每束激光都处于红外光谱范围内，并以许多不同的角度发出，通常在360度范围内。 激光雷达传感器为我们提供了3D周围世界的高精度模型，但它们目前非常昂贵，一个标准单元的价格高达60,000美元。 雷达数据通常非常稀疏并且在有限的范围内，但是它可以直接告诉我们物体

用于自动驾驶的RGB + 3D-LiDAR在线高精度校准

COMPENG-2DX4 该存储库保存了我的2021年冬季微处理器系统项目课程中所用的代码，在该课程中，我学习了如何对ARM MSP-EXP432微控制器进行编程。 我在各种外围设备（包括电动机和键盘）上使用了ARM-Assembly，ARM-C和Python，所有这些都构成了构建LIDAR映射传感器的最终项目。

根据语义或实例分割的结果可视化KITTI数据集点云，为不同类别或不同的实例赋予不同的颜色，适合论文作图

LIDAR数据的坡度滤波方法，国外关于此方法的资料。

SLAM navigation using an Lidar 2D sensor for sensing the walls and extract corners using Split and Merge Algorithms and LSM for line estimation.

lidar_slam_高斯牛顿优化方法.tar.gz

本PPT属于LIDAR技术的入门教程，详细介绍了LIDAR技术的基本原理，发展状况以及应用情况，适合初学者了解学习，推荐用作教师上课PPT。

自主移动机器人的感知，使用ROS，rs-lidar-16，SLAM，基于Yolov5的DNN的目标检测自主移动机器人的感知，借助SLAM，离线地图定位和2Dto3D目标检测，初步自主移动机器人环境感知系统完成设备自主移动机器人IMU Xsens MTi-G700 Robosense lidar-16 Realsense D435相关工作基于对象检测和定位RealsenseD435的工作：SC-LeGO-LOAM hdl_localization Video对象示例ROS检测：下一个ROS和SLAM版本已上载，但我