90%激光雷达反射板—————广州航鑫光电科技有限公司，是一家专门做激光雷达标定板、反射板的公司
针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法:基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的儿种模式识别
90%激光雷达反射板
90%激光雷达反射板—————广州航鑫光电科技有限公司，是一家专门做激光雷达标定板、反射板的公司
针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法:基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的儿种模式识别技术:统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络
模式识别方法。后分析了问题的可能解决思路。
雷达目标识别技术回顾及发展现状
雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。
雷达作为重要的电子信息装备，自诞生起就在中发挥了极其重要的作用。但随着进攻装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基木功能之一。目标识别技术是指:利用雷达和计算机对遥远目标进行辨认的技术。
欢迎咨询广州航鑫光电了解更多90%激光雷达反射板
自动驾驶感知模块中传感器融合已经成为了标配，只是这里融合的层次有不同，可以是硬件层（如禾赛，Innovusion的产品），也可以是数据层（这里的讨论范围），还可以是任务层像障碍物检测（obstacle detection），车道线检测（lane detection），分割（segmentation）和跟踪（tracking）以及车辆自身定位（localization）等。
有些传感器之间很难在底层融合，比如摄像头或者激光雷达和毫米波雷达之间，因为毫米波雷达的目标分辨率很低（无法确定目标大小和轮廓），但可以在高层上探索融合，比如目标速度估计，跟踪的轨迹等等。
这里主要介绍一下激光雷达和摄像头的数据融合，实际是激光雷达点云投影在摄像头图像平面形成的深度和图像估计的深度进行结合，理论上可以将图像估计的深度反投到3-D空间形成点云和激光雷达的点云融合，但很少人用。原因是，深度图的误差在3-D空间会放大，另外是3-D空间的点云分析手段不如图像的深度图成熟，毕竟2.5-D还是研究的历史长，比如以前的RGB-D传感器，Kinect或者RealSense。
这种融合的思路非常明确：一边儿图像传感器成本低，分辨率高（可以轻松达到2K-4K）；另一边儿激光雷达成本高，分辨率低，深度探测距离短。可是，激光雷达点云测距度非常高，测距远远大于那些Infrared/TOF depth sensor，对室外环境的抗干扰能力也强，同时图像作为被动视觉系统的主要传感器，深度估计精度差，更麻烦的是稳定性和鲁棒性差。
车载激光雷达关键参数1） 视场角，包括水平视野和垂直视野
2）分辨率，包括水平分辨率和垂直分辨率
a、水平方向上做到高分辨率其实不难，因为水平方向上是由电机带动的，所以水平分辨率可以做得很高。目前国内外激光雷达厂商的产品，水平分辨率为 0.1 度。
b、垂直分辨率是与几何大小相关，也与其排布有关系，就是相邻两个间隔做得越小，垂直分辨率也就会越小。
增大垂直分辨率的方法（针对机械式激光雷达）：
a、改变激光和的排布方式来实现：排得越密，垂直分辨率就可以做得很小。
b、通过多个 16 线激光雷达耦合的方式，在不增加单个激光雷达垂直分辨率的情况下同样可以达到整体减小垂直分辨率的效果。
3）测距范围
4）距离精度
5）刷新频率
6）扫描频率 - 1s内雷达进行了多少次扫描
7）激光波长 - 目前比较常见的是905nm和1550nm
（作者： 来源：）
