sensor fusion of Udacity

文章目录

Radar Principles01 why use Radar02 the radar sensor Camera06 Combining Camera and Lidar

Radar Principles

01 why use Radar

同时Radar能够在多雨多雪的环境下使用

02 the radar sensor

Camera

06 Combining Camera and Lidar

这块投影的公式见知乎willian 我这里结合透视投影做一个介绍: 这个转换的前提是camera的坐标系是：天东北 (1)小孔成像，三维坐标转公制坐标(m) $$x{}^{\prime }=f\frac{x}{z}$$ $$y{}^{\prime }=f\frac{y}{z}$$

(2) 公制坐标转换成像素坐标(图像中心转到左上角)： $$(x,y,z{)}^T->f\ast k\ast \frac{x}{z}+C_x,f\ast l\ast \frac{y}{z}+C_y$$ 其中k,l为参数：pixel/m, 即多少pixel每米

结合透视投影的例子： 选择图像像素为：800*600 则 $$k=800/(tan(40^o)\ast f\ast 2)pixel/m$$ 40是arithum_fov/2

$$l=600/(tan(20^o)\ast f\ast 2)pixel/m$$ 20是垂直_fov/2 而如果我们做转换是是需要求 $$f\ast k与f\ast l$$ 这样f就约掉了

因此在本例子中需要确认的是： Lidar的FOV Lidar水平与垂直的像素点尺寸组合 (图打通lidar像素水平与垂直比例为4:3因此确定像素组合：800600、400300 or 1200*900这个尺寸都是去测试，看效果如何(python的调试工程) 4:3怎么来的就是点数之比： 水平：65/0.16=403 垂直：40/0.13=300