摘要：在对比多篇关于线阵激光雷达的文章，以及关于激光雷达数据采集与处理的文章后，达到对线阵激光雷达的深入了解，并且借鉴学习他人关于线阵激光雷达数据采集与处理的系统设计的经验，进一步自行设计数据采集系统。
关键词：线阵激光雷达，数据采集与处理，滤波
- 引言
随着当今时代的发展，越来越多的智能移动平台层出不穷，诸如智能小车，自动驾驶汽车等移动智能设备应用越来越广泛。而智能移动平台自身携带的传感器则成为其感知外部信息的 “眼睛”。
通常，可以在智能移动平台上安装一些对环境有感知作用的传感器，例如照相机，激光雷达，GPS。在这些传感器中，激光雷达具有许多出色的性能。例如它不受天气，照明等的影响；它不区分纹理和颜色；它对阴影的噪声不敏感。此外，在测量中，激光雷达具有较高的扫描频率和丰富的数据。返回的距离值可以促进快速处理。因此，采用激光雷达感知智能车周围的环境信息具有更好的适应性，更快的速度和更好的应用前景。
本文主要是在参考了多篇关于线阵激光雷达的论文基础上，总结关于线阵激光雷达的数据采集与处理方案，为之后的数据采集程序的设计打下基础。
- 相关文献的研究现状
- 线阵激光雷达
上世纪60年代激光的出现使激光雷达孕育而生，激光雷达让人们不仅仅满足于传统的二维成像，而是开始了三维立体化成像，可以更好得描述物体的三维轮廓。三维成像激光雷达按扫描方式可以分为基于单探测器的二维扫描成像、基于线阵探测器的一维扫描成像以及基于面阵探测器的凝视非扫描成像。国内外均有基于激光泛光照射模式下的线阵扫描三维成像激光雷达硏究成果的相关报道,蔡银桥等使用线列激光光束和多元线阵探测器在双摆镜作用下实现了24元线阵扫描三维成像。Eberle等使用特制的三个镜头将激光脉冲转换成线状激光光束照射目标,使用多元线阵APD结合水平扫描旋转台实现线阵扫描三维成像。对于激光能量利用效率更高的多束照射模式下的线阵扫描激光雷达, Kameyama等使用激光阵列、探测器阵列以及读出集成电路研制出阵列扫描成像激光雷达,但其并 未对系统探测能力加以分析。国内还未见基于激光器阵列的线阵扫描成像激光雷达相关工程研究成果的报道。
唐铂等人基于集成激光器阵列和APD探测阵列设计实现了12元线阵扫描三维成像激光雷达系统。通过测距性能考核实验，该系统各通道距离分辨率具有良好的一致性，均优于2.4cm。一维距离像实验验证中，使用该系统对纸盒进行静态成像，测量数据表征同一平面时重合较好，在台阶变化位置跳跃明显，有良好的轮廓分辨率。在三维成像实验中，对不同地形进行扫描均具有优良的三维扫描能力。整个系统既具有传统单脉冲激光雷达高精度探测能力，同时也具有线阵探测激光雷达的快速成像能力。
- 数据采集与处理系统
在《智能汽车中多层激光的数据采集与处理》一文中，作者运用C 以及OpenCV并选择了基于MFC对话框的编程方法来开发控制界面。 MFC提供了一些基本控件，因此可以轻松创建友好而简单的控件界面。OpenCV是基于开源跨平台问题的计算机视觉库。它由一系列高效的函数库组成，该函数库由C / C 语言开发，用于图像处理，可用于图像数据处理，结构分析，图像标注，对象识别，运动分析。这些特性可以满足多层激光雷达数据处理和可视化的要求。
由于车辆颠簸和环境干扰的影响，数据收集过程中会出现很多噪声点。由于存在混合点，因此数据处理的难度增加，结果的准确性降低。为了使数据的处理和分析更加方便，作者进行了数据的预处理。首先排除超出范围的点，然后通过中值滤波的方式过滤掉隔离的噪声点
道路上的障碍物可以定义为在道路表面上方具有一定高度，彼此靠近并且占据影响交通的特定局部空间的物体。根据这些特征，当相邻点之间的距离小于某个阈值时，相邻点被认为属于同一类别。如果此距离大于阈值范围，则将这两个点视为属于不同类别。同时，当前数据的点将用作新类别的起点。然后将开始下一轮数据比较。多层激光雷达有四条扫描线，不同方向的分辨率不同，而灵敏度程度也不同。因此，作者通过基于方向加权值的方法来计算两点之间的距离。
