在自動駕駛環境感知技術中，雷射雷達是必不可少的感測器。在三維雷達點雲圖中，我們通過六面體包圍框表徵檢測到的目標。除了識別障礙物與車輛外，車輛的航向檢測是環境感知必不可少的部分，只有估算出車輛的航向才能**車輛的行駛軌跡。如圖1所示，標號0、1、2中，黃色框代表無向包圍框（無航向資訊），白色框代表有向包圍盒（有車輛航向資訊）。
pca降維的目的就是「降噪」和「去冗餘」。「降噪」的目的就是使保留下來的維度間的相關性盡可能小，而「去冗餘」的目的就是使保留下來的維度含有的「能量」即方差盡可能大。我們得需要知道各維度間的相關性以及各維度上的方差，而協方差矩陣是同時表現不同維度間的相關性以及各個維度上的方差的最好資料結構。
pca演算法可求得資料分布的主成分方向，所處理資料的協方差矩陣的最大特徵值對應的特徵向量即為主成分向量方向。假設單個車輛的雷達點雲分布符合高斯分布，則協方差矩陣的最大特徵值對應的特徵向量即為航向方向。
維基百科給出的協方差定義：
協方差矩陣度量的是維度與維度之間的關係，而非樣本與樣本之間。協方差矩陣的主對角線上的元素是各個維度上的方差(即能量)，其他元素是兩兩維度間的協方差(即相關性)。我們要的東西協方差矩陣都有了，讓保留下的不同維度間的相關性盡可能小，也就是說讓協方差矩陣中非對角線元素都基本為零。
而協方差矩陣為實對稱方矩陣，是正規矩陣，可以直接對角化，對角化主線元素為特徵值。根據正規矩陣的結構定理可知，存在以下矩陣分解：
其中u的列為協方差矩陣∑的單位正交特徵向量，特徵值按從大到小排列。
因此，保留前k個特徵值及對應的特徵向量，即為前k個主成分向量方向。
綜上，通過計算單個車輛點雲座標資料(x
k,yk)的協方差矩陣，然後取最大特徵值，其對應的特徵向量即為車輛航向方向.
雷射雷達點雲的特徵表達
點對點特徵 point wise feature 提取 特徵融合 雷射雷達是一種綜合的光探測與測量系統，通過發射接受雷射束，分析雷射遇到目標物件後的折返時間，計算出目標物件與車的相對距離。目前常見的有16線 32線 64線雷射雷達。雷射雷達線束越多，測量精度越高，安全性越高。多束雷射線同時發射，並配...
LiDAR MEMS雷射雷達點雲實時顯示
mems雷射雷達出來後，為了不用leddartech的ide軟體，於是對其 進行了封裝，以供其他軟體呼叫。在研究的過程中，點雲的實時顯示以前還未做過，就寫了段測試 驗證一下 include stdafx.h include 標準輸入輸出流 include pcl的pcd格式檔案的輸入輸出標頭檔案 i...
雷射雷達點雲運動畸變補償
在基於機械雷達的定位系統中，點雲畸變補償是必須要做的事情，因為按照機械雷達的原理，有運動就有畸變。畸變產生的原因是一幀點雲中的點不是在同一時刻採集的，在採集過程中，雷達隨著載體在運動，但是雷達點測量的是物體和雷達之間的距離，所以不同雷射點的座標系就不一樣了。解決這一問題，就需要把採集過程中雷達的運動...