传感器集成是整合多个传感器收集的数据，以更好地感知周围环境；首先介绍激光雷达的相关内容，包括激光雷达的基本介绍（本节）、激光点云数据处理方法（点云分割、点云聚类、障碍物识别实例）等。

激光雷达Lidar：Light detection and ranging，激光探测与测距。 Lidar通过向目标物体发射激光束并接收反射激光束TOF通过飞行时间法等方式测量目标物体的距离、方向、速度、姿态等参数，从而探测、跟踪和识别障碍物、移动物体等目标。

激光波长(0.5μm~10μm），高准直性使激光雷达性能优异：

1. 角分辨率（Velodyne HDL-64E水平视角分辨率：0.1°~0.4°，垂直视角分辨率：0.4°）与距离分辨率高(cm级)；
2. 抗干扰能力强；
3. 可获得各种图像信息(距离、角度、反射率、速度等)；

激光雷达Lidar系统构成：

• 发射系统；发射激光束是包括激光器和发射光学系统在内的探测信号；
• 接收系统：激光信号，即回波信号，包括光学系统、光学滤光装置、光电探测器；
• 信号处理系统：光电转换、数据获取、信号处理、数据校准和输出；
• 控制系统：控制激光激发、信号接收和系统工作模式；

以下是Velodyne HDL64激光雷达，64激光Z轴布置在一定角度，水平方向360°机械旋转，角分辨率0.08°，旋转频率10Hz最大探测距离约为120m（车辆等）

Lidar根据激光光源、信号形式、检测方法、线数、扫描方法、功能用途、运输平台等，有 目前主要依据Lidar成像扫描方法分类：

Lidar通过飞行时间法测距：发射并接收反射光束，计算发射光束和反射光束的飞行时间。

激光雷达的主要技术参数如下：

点：激光测量中，Lidar中的每个激光器发射激光束，经物体反射后得到一个点云（包含距离，反射强度等信息），所有激光反射点的集合即为点云。 PCD点云数据（Point Cloud Data）：激光雷达数据的存储格式，如(x，y，z)，(x，y，z，i)，(x，y，z，RGB)格式存储，(x，y，z)为笛卡尔坐标系中的位置信息，i为反射强度。对于VLP64激光雷达，一个pcd文件包含大约64*360/0.08=288000个(x，y，z，i)值。 激光点云的坐标系和车辆本地坐标系一致，X轴指向车辆前方，Y轴指向车辆左侧，Z轴向上，符合右手定则。

PCL是一个开源的C++库用于处理点云数据，包括点云相关的获取，滤波，分割，配准，检索，特征提取，识别，追踪，曲面重建，可视化的模块。

实际应用中，激光点云是复杂的n维结构，有不同类型的存储格式，包括PointXYZ，PointXYZI，PointXYZRGB等。 对于带有SSE功能的处理器，最高效的方法是存储三维坐标为浮点型，然后紧跟一个浮点型数据作为填补位数以满足存储对齐要求。

structure PointXYZ
{ 
        
float x;
float y;
float z;
float padding;
}

但padding额外的填补会浪费存储空间，因此需要引入PointT模板类型。PCL使用模板（Templates）处理不同格式的点云数据，以实现代码重用。

PCL可用的PointT类型如要如下：

• PointXYZ——成员变量：float x, y, z;
• PointXYZI-成员变量：float x, y, z, intensity;
• PointXYZRGB-成员变量：float x, y, z, rgb;
• PointXYZRGBA-成员变量：float x, y, z; unit32_t rgba;
• 简单的二维xy point结构
• InterestPoint-成员变量：float x, y, z, strength;
• ……

PointXYZ是使用最常见的点数据类型，只包含三维xyz坐标信息，附加一个浮点数来满足存储对齐，可通过.data[0]或.x来访问x轴坐标值。

union
{ 
        
float data[4];
struct
{ 
        
float x;
float y;
float z;
};
};

xyz坐标加intensity的point类型。

union{ 
        
float data[4];
struct
{ 
        
float x;
float y;
float z;
};
};
union{ 
        
struct{ 
        
float intensity;
};
float data_c[4];
};