https://my-blog-c6y.pages.dev/ Recent content on 考拉的知识树屋 https://my-blog-c6y.pages.dev/opengraph.webp https://my-blog-c6y.pages.dev/opengraph.webp Hugo zh Thu, 09 Apr 2026 15:31:05 +0800 https://my-blog-c6y.pages.dev/posts/exam/real_time_optimization/hugo/ Thu, 09 Apr 2026 15:31:05 +0800 https://my-blog-c6y.pages.dev/posts/exam/real_time_optimization/hugo/ <h2 id="实时性优化详解如何保证算法在-10hz-帧率下稳定运行">实时性优化详解：如何保证算法在 10Hz 帧率下稳定运行？</h2> <p>在自动驾驶、机器人、智能环卫设备中，算法必须以足够高的频率（通常 <strong>10Hz ~ 20Hz</strong>）处理传感器数据，否则无法满足车辆控制和安全响应的需求。下面从 <strong>降采样策略、多线程、CUDA 并行、近似算法</strong> 四个维度系统讲解实时性优化方法，并重点回答 <strong>“如何保证算法在 10Hz 帧率下运行？”</strong></p> https://my-blog-c6y.pages.dev/posts/exam/embed_tensorrt/hugo/ Thu, 09 Apr 2026 14:57:44 +0800 https://my-blog-c6y.pages.dev/posts/exam/embed_tensorrt/hugo/ <h2 id="嵌入式平台点云处理加速从硬件选型到算法优化">嵌入式平台点云处理加速：从硬件选型到算法优化</h2> <p>在自动驾驶、机器人和智能环卫设备中，点云算法需要在<strong>功耗受限、计算资源有限</strong>的嵌入式平台上实时运行（通常要求 10~20Hz）。以下从硬件平台、加速技术、具体优化策略三个层面详细讲解，并重点回答**“如何在嵌入式平台上加速点云处理？”**</p> https://my-blog-c6y.pages.dev/posts/exam/ros_introduction/hugo/ Thu, 09 Apr 2026 14:55:36 +0800 https://my-blog-c6y.pages.dev/posts/exam/ros_introduction/hugo/ <p>我来为您详细介绍ROS/ROS2的核心概念，包括节点通信机制、TF坐标变换系统和可视化工具。</p> <hr> <h2 id="一ros-vs-ros2-架构对比">一、ROS vs ROS2 架构对比</h2> <table> <thead> <tr> <th>特性</th> <th>ROS1 (Noetic)</th> <th>ROS2 (Humble/Iron)</th> </tr> </thead> <tbody> <tr> <td><strong>中间件</strong></td> <td>自定义TCPROS/UDPROS</td> <td>DDS (Data Distribution Service)</td> </tr> <tr> <td><strong>实时性</strong></td> <td>不支持硬实时</td> <td>支持硬实时</td> </tr> <tr> <td><strong>嵌入式</strong></td> <td>需交叉编译</td> <td>原生支持MCU</td> </tr> <tr> <td><strong>多机通信</strong></td> <td>需配置master</td> <td>自动发现，无单点故障</td> </tr> <tr> <td><strong>安全性</strong></td> <td>无</td> <td>加密、认证、访问控制</td> </tr> <tr> <td><strong>构建工具</strong></td> <td>catkin</td> <td>colcon</td> </tr> <tr> <td><strong>Python版本</strong></td> <td>Python 2/3</td> <td>Python 3</td> </tr> <tr> <td><strong>推荐场景</strong></td> <td>legacy系统维护</td> <td>新项目首选</td> </tr> </tbody> </table> <hr> <h2 id="二node节点">二、Node（节点）</h2> <h3 id="21-概念">2.1 概念</h3> <p>节点是ROS中最小的计算单元，一个进程对应一个节点，负责单一功能（如点云处理、路径规划）。</p> https://my-blog-c6y.pages.dev/posts/exam/3d_evaluation/hugo/ Thu, 09 Apr 2026 10:08:46 +0800 https://my-blog-c6y.pages.dev/posts/exam/3d_evaluation/hugo/ <h2 id="3d目标检测评价指标详解iouapmapnds">3D目标检测评价指标详解：IoU、AP、mAP、NDS</h2> <p>在3D目标检测中，评价指标是衡量算法性能的关键。下面详细介绍四个核心指标，并重点说明<strong>3D空间中的IoU计算方法</strong>。</p> <hr> <h3 id="一iouintersection-over-union交并比">一、IoU（Intersection over Union，交并比）</h3> <h4 id="1-定义">1. 定义</h4> <p>IoU 衡量预测框与真实框（Ground Truth）的重叠程度，定义为两个框的<strong>交集体积</strong>除以<strong>并集体积</strong>： </p> https://my-blog-c6y.pages.dev/posts/exam/lidar_tracking/hugo/ Thu, 09 Apr 2026 09:08:07 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_tracking/hugo/ <h2 id="点云跟踪详解基于卡尔曼滤波与匈牙利算法的多目标跟踪框架">点云跟踪详解：基于卡尔曼滤波与匈牙利算法的多目标跟踪框架</h2> <p>点云跟踪是自动驾驶、机器人导航中的核心任务，旨在连续帧间对动态障碍物（车辆、行人等）进行<strong>关联匹配</strong>与<strong>状态估计</strong>，从而获得目标的运动轨迹（速度、加速度、预测位置）。常见框架为 <strong>“预测 + 关联 + 更新”</strong> 的 Tracking-by-Detection 范式：</p> https://my-blog-c6y.pages.dev/posts/exam/bev_fusion/hugo/ Wed, 08 Apr 2026 16:52:40 +0800 https://my-blog-c6y.pages.dev/posts/exam/bev_fusion/hugo/ <h2 id="bev感知详解从原始点云到鸟瞰图的转换与优势">BEV感知详解：从原始点云到鸟瞰图的转换与优势</h2> <p>BEV（Bird&rsquo;s Eye View，鸟瞰图）感知是当前自动驾驶与机器人感知中的核心技术之一。它将三维点云数据<strong>沿垂直方向（Z轴）进行压缩</strong>，投影到一个水平面上的二维网格中，形成类似“俯视地图”的特征表示，进而可以像处理图像一样，使用高效的2D卷积神经网络进行后续检测、分割等任务。</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_3d_detection/hugo/ Wed, 08 Apr 2026 13:56:11 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_3d_detection/hugo/ <p>Point-based、Voxel-based 与 Point-Voxel 融合这三类方法，代表了点云 3D 目标检测领域从“逐点处理”到“体素化高效计算”再到“优势互补”的演进路径。而 PointPillars 以其极致的效率，成为了工业应用中一个重要的里程碑。 我来为您详细介绍这三种主流的3D目标检测方法，以及PointPillars的核心创新。</p> https://my-blog-c6y.pages.dev/posts/exam/camera_extrinsic_calib/hugo/ Tue, 07 Apr 2026 21:34:11 +0800 https://my-blog-c6y.pages.dev/posts/exam/camera_extrinsic_calib/hugo/ <p>下面把外参标定（Extrinsic Calibration）系统性讲清楚：从统一数学模型 → 各类传感器组合（LiDAR-相机 / LiDAR-IMU / LiDAR-轮速计）→ 工程方法 → 面试核心问题（如何标定LiDAR-相机外参）。</p> https://my-blog-c6y.pages.dev/posts/exam/camera_intrinsic_calib/hugo/ Tue, 07 Apr 2026 20:50:16 +0800 https://my-blog-c6y.pages.dev/posts/exam/camera_intrinsic_calib/hugo/ <p>下面把<strong>内参标定（Intrinsic Calibration）系统性讲清楚：相机内参、LiDAR内参，以及张正友标定法</strong>的原理与步骤。</p> <hr> <h2 id="一什么是内参标定">一、什么是内参标定？</h2> <p>一句话定义：</p> <blockquote> <p><strong>内参标定是确定传感器自身成像/测量模型中的参数，使“测量值 → 真实几何关系”的映射尽可能准确。</strong></p> https://my-blog-c6y.pages.dev/posts/exam/lidar_loam/hugo/ Fri, 03 Apr 2026 10:12:07 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_loam/hugo/ <p>下面把 **LOAM 系列（LOAM / LeGO-LOAM / LIO-SAM）**讲成一套“算法结构 → 关键模块 → 各版本差异 → 核心问题（为什么选边缘点和平面点）”的完整体系。</p> <hr> <h2 id="一loam的核心思想总览">一、LOAM的核心思想（总览）</h2> <p>LOAM（Lidar Odometry and Mapping）的核心设计是：</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_ndt_registration/hugo/ Fri, 03 Apr 2026 09:49:21 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_ndt_registration/hugo/ <p>下面把 <strong>NDT（Normal Distributions Transform）配准</strong>系统性讲清楚：从直观思想 → 数学建模 → 优化流程 → 与ICP对比 → 工程用法与答案。</p> <hr> <h2 id="一ndt的核心思想">一、NDT的核心思想</h2> <p>与ICP不同，NDT不做“点对点匹配”，而是：</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_icp_registration/hugo/ Fri, 03 Apr 2026 09:30:49 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_icp_registration/hugo/ <p>下面把 <strong>ICP（Iterative Closest Point）点云配准</strong>讲成一套“原理 → 数学模型 → 变种 → 缺点与改进 → 工程实践”的完整体系，基本覆盖所有高频追问。</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_kdtree_octree/hugo/ Thu, 02 Apr 2026 21:13:48 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_kdtree_octree/hugo/ <p>下面把 <strong>KD-Tree / Octree</strong> 讲成一套“原理 + 复杂度 + 工程用途 + 要点”的完整体系，并重点回答 <strong>KD-Tree 建树复杂度</strong>。</p> <hr> <h2 id="一为什么需要空间索引结构">一、为什么需要空间索引结构？</h2> <p>点云算法的核心操作之一是：</p> <ul> <li>找最近邻（kNN）</li> <li>半径搜索（Radius Search）</li> <li>空间划分</li> </ul> <p>如果直接暴力搜索：</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_feature_extract/hugo/ Thu, 02 Apr 2026 19:41:55 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_feature_extract/hugo/ <p>下面把点云特征提取讲成一套**从基础几何 → 局部统计 → 描述子 → 应用（边缘点提取）**的完整体系，覆盖面试常问的原理、公式直觉、参数选择与工程用法。</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_segmentation/hugo/ Thu, 02 Apr 2026 17:27:13 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_segmentation/hugo/ <p>下面把点云分割中最常见的四类方法（RANSAC、DBSCAN、区域生长、欧式聚类）讲成<strong>原理 + 参数 + 优缺点 + 适用场景 + 要点</strong>的体系，并重点回答<strong>RANSAC迭代次数如何确定</strong>。</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_filter/hugo/ Thu, 02 Apr 2026 17:09:43 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_filter/hugo/ <p>下面把点云中最常用的四类滤波算法（体素、统计、半径、直通）讲成<strong>原理 + 参数 + 适用场景 + 要点</strong>的完整体系，并重点回答“体素大小如何选择”。</p> <hr> <h2 id="一点云滤波总体作用">一、点云滤波总体作用</h2> <p>点云滤波的核心目标有三类：</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_noise/hugo/ Thu, 02 Apr 2026 16:16:46 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_noise/hugo/ <h1 id="一点云噪声类型详解">一、点云噪声类型详解</h1> <p>可以从<strong>成因维度</strong>来理解：传感器误差、几何关系、环境干扰、运动因素。</p> <hr> <h2 id="1-离群点outliers--飞点">1. 离群点（Outliers / 飞点）</h2> <h3 id="含义">含义</h3> <ul> <li>在空间中<strong>孤立存在、与周围点不一致</strong>的点</li> <li>通常不属于真实物体</li> </ul> <h3 id="成因">成因</h3> <ul> <li>测距误差（弱回波、低反射）</li> <li>电子噪声</li> <li>多路径残留</li> <li>雨滴/灰尘短暂反射</li> </ul> <h3 id="特征">特征</h3> <ul> <li>局部邻域点数很少</li> <li>与邻居距离明显偏大</li> </ul> <h3 id="工程影响">工程影响</h3> <ul> <li>影响ICP收敛</li> <li>破坏平面拟合（RANSAC）</li> <li>导致误检</li> </ul> <hr> <h2 id="2-混合像素mixed-pixel">2. 混合像素（Mixed Pixel）</h2> <h3 id="含义-1">含义</h3> <ul> <li>一个激光束<strong>同时打到两个物体边界</strong></li> <li>返回的是“加权结果”，位置不准确</li> </ul> <h3 id="成因-1">成因</h3> <ul> <li>激光光斑有一定尺寸（不是理想点）</li> <li>物体边缘（例如车边缘、路沿）</li> </ul> <h3 id="特征-1">特征</h3> <ul> <li>出现在<strong>边界区域</strong></li> <li>点的位置“漂浮”在两个物体之间</li> </ul> <h3 id="工程影响-1">工程影响</h3> <ul> <li>边缘模糊</li> <li>影响分割与检测精度</li> </ul> <hr> <h2 id="3-运动畸变motion-distortion">3. 运动畸变（Motion Distortion）</h2> <h3 id="含义-2">含义</h3> <ul> <li>一帧点云在采集过程中，传感器发生运动</li> <li>导致点云整体“拉伸 / 扭曲”</li> </ul> <h3 id="成因-2">成因</h3> <ul> <li>LiDAR逐点扫描（非全局快门）</li> <li>平台运动（车、机器人）</li> </ul> <h3 id="特征-2">特征</h3> <ul> <li>静态物体看起来弯曲</li> <li>直线变弧线</li> </ul> <h3 id="工程影响-2">工程影响</h3> <ul> <li>配准误差（ICP/NDT失败）</li> <li>SLAM漂移</li> </ul> <hr> <h2 id="4-多径反射multipath-reflection">4. 多径反射（Multipath Reflection）</h2> <h3 id="含义-3">含义</h3> <ul> <li>激光经过<strong>多次反射后返回</strong></li> <li>距离被错误放大</li> </ul> <h3 id="成因-3">成因</h3> <ul> <li>玻璃、镜面、金属表面</li> <li>室内墙壁反射</li> </ul> <h3 id="特征-3">特征</h3> <ul> <li>点出现在“物体后方”或不合理位置</li> <li>通常距离异常大</li> </ul> <h3 id="工程影响-3">工程影响</h3> <ul> <li>产生虚假障碍物</li> <li>地图错误</li> </ul> <hr> <h2 id="5-雨雾噪声weather-noise">5. 雨雾噪声（Weather Noise）</h2> <h3 id="含义-4">含义</h3> <ul> <li>激光被空气中的粒子（雨滴、雾气、灰尘）反射</li> </ul> <h3 id="成因-4">成因</h3> <ul> <li>雨、雾、雪、沙尘</li> </ul> <h3 id="特征-4">特征</h3> <ul> <li>大量随机小点</li> <li>分布在传感器周围</li> <li>距离较近</li> </ul> <h3 id="工程影响-4">工程影响</h3> <ul> <li>点云密度异常</li> <li>误检（当作障碍物）</li> </ul> <hr> <h2 id="6-系统性噪声补充">6. 系统性噪声（补充）</h2> <h3 id="包括">包括</h3> <ul> <li>距离量化误差</li> <li>标定误差</li> <li>时间同步误差</li> </ul> <hr> <h1 id="二重点问题如何去除点云中的飞点">二、重点问题：如何去除点云中的“飞点”？</h1> <p>这是高频题，建议用“分层过滤框架”来回答。</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_data_structure/hugo/ Thu, 02 Apr 2026 15:39:34 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_data_structure/hugo/ <h1 id="激光雷达点云数据结构">激光雷达点云数据结构</h1> <h2 id="一点云数据结构核心字段详解">一、点云数据结构核心字段详解</h2> <p>在激光雷达点云中，每一个点通常包含如下信息：</p> <pre tabindex="0"><code>[x, y, z, intensity, ring, timestamp] </code></pre><hr> <h3 id="xyz空间坐标几何本质">XYZ（空间坐标）——几何本质</h3> <h4 id="含义">含义</h4> <ul> <li>表示点在三维空间中的位置： <ul> <li>x：前后（或左右，取决于坐标系）</li> <li>y：左右</li> <li>z：高度</li> </ul> </li> </ul> <h4 id="来源">来源</h4> <ul> <li>由激光雷达测得的<strong>距离 + 发射角度</strong>计算得到（极坐标 → 笛卡尔坐标）</li> </ul> <h4 id="作用">作用</h4> <ul> <li>构建三维环境模型（最核心）</li> <li>用于： <ul> <li>点云配准（ICP / NDT）</li> <li>分割（地面、障碍物）</li> <li>建图 / SLAM</li> <li>距离、体积、尺寸测量</li> </ul> </li> </ul> <h4 id="重要">重要</h4> <p>XYZ 是<strong>唯一必须字段</strong>，其他字段都是增强信息</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_principle/hugo/ Thu, 02 Apr 2026 15:16:25 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_principle/hugo/ <h1 id="激光雷达lidar基本工作原理">激光雷达LIDAR基本工作原理</h1> <h2 id="一lidar工作原理">一、LIDAR工作原理</h2> <p>激光雷达LiDAR的全称为Light Detection and Ranging激光探测和测距，又称光学雷达。</p> <p>激光雷达的工作原理：对人畜无害的红外光束Light Pluses发射、反射和接收来探测物体。能探测的对象：白天或黑夜下的特定物体与车之间的距离。甚至由于反射度的不同，车道线和路面也是可以区分开来的。哪些物体无法探测：光束无法探测到被遮挡的物体。</p> https://my-blog-c6y.pages.dev/posts/exam/lidar_distortion_correct/hugo/ Wed, 01 Apr 2026 08:56:33 +0800 https://my-blog-c6y.pages.dev/posts/exam/lidar_distortion_correct/hugo/ <h1 id="激光点云的畸变补偿">激光点云的畸变补偿</h1> <p>激光雷达安装在自动驾驶车辆上，在车辆行驶过程中采集到的激光点云数据建立的三维环境模型存在一定的变形，不能真实反映某一时刻自动驾驶汽车的行驶环境。所以本文对获取一帧点云数据后如何做点云的运动补偿修复畸变问题进行讲解。</p> https://my-blog-c6y.pages.dev/posts/exam/hugo/ Tue, 31 Mar 2026 16:56:02 +0800 https://my-blog-c6y.pages.dev/posts/exam/hugo/ 激光雷达点云算法工程师所需知识点 https://my-blog-c6y.pages.dev/posts/ubuntu/hugo/ Tue, 31 Mar 2026 16:36:44 +0800 https://my-blog-c6y.pages.dev/posts/ubuntu/hugo/ NVIDIA Jetson AGX Orin虚拟显示器安装 https://my-blog-c6y.pages.dev/posts/projects/hugo/ Thu, 26 Mar 2026 10:22:38 +0800 https://my-blog-c6y.pages.dev/posts/projects/hugo/ 相机安装在机械臂执行末端进行标定 https://my-blog-c6y.pages.dev/posts/hugo/ Wed, 11 Mar 2026 14:09:00 +0800 https://my-blog-c6y.pages.dev/posts/hugo/ 建立个人博客文档