Оцените твердое преобразование между 3-D лидаром и камерой. В конце этого примера вы сможете использовать твердую матрицу преобразования, чтобы объединить данные о лидаре и камере.

Калибруйте несколько 3-D датчиков лидара, смонтированных на транспортном средстве, чтобы оценить относительное преобразование между ними. Традиционные методы, такие как основанная на маркере регистрация, затрудняют, когда датчики лидара имеют незначительное перекрытие между своими полями зрения (FOVs). Калибровка также становится более трудной как количество увеличений датчиков лидара. Этот пример демонстрирует использование траекторий отдельных датчиков лидара, чтобы оценить преобразование между ними. Этот метод калибровки также известен как зрительно-моторную калибровку.

Обнаружьте транспортные средства в данных о метке использования лидара из совмещенной камеры известными параметрами лидара к калибровке фотоаппарата. Используйте этот рабочий процесс в MATLAB®, чтобы оценить 3-D ориентированные ограничительные рамки в лидаре на основе 2D ограничительных рамок в соответствующем изображении. Вы будете также видеть, как автоматически сгенерировать основную истину как расстояние для 2D ограничительных рамок в изображении камеры с помощью данных о лидаре. Этот рисунок предоставляет обзор процесса.

Сгенерируйте список дорожек уровня объектов от измерений радара и датчика лидара и далее плавьте их использующий схему сплава уровня дорожки. Вы обрабатываете радарные измерения с помощью расширенного объектного средства отслеживания и измерений лидара с помощью средства отслеживания объединенной вероятностной ассоциации данных (JPDA). Вы далее плавите эти дорожки с помощью схемы сплава уровня дорожки. Схематический из рабочего процесса показывают ниже.