A Vendor-Agnostic LiDAR Data Conversion System with Multi-Signal Detection and Multi-Format Output
Dieses Paper präsentiert ein herstellerunabhängiges LiDAR-Datenkonvertierungssystem, das die Sensorphersteller aus rohen PCAP-Dateien mittels eines Multi-Signal-Detektionsansatzes automatisch identifiziert und diese in mehrere branchenübliche Formate konvertiert, wobei durch C++-Dekodierung für Ouster und Velodyne ein hoher Durchsatz erzielt wird, während für Hesai und Livox Python-Parsing auf Standard-Consumer-Hardware genutzt wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie haben eine Sammlung roher, ungekochter Zutaten, die in vier verschiedenen Arten von Boxen geliefert wurden: eine von einem französischen Chefkoch, eine von einem japanischen Sushi-Meister, eine von einem italienischen Pastamacher und eine von einem mexikanischen Taco-Stand. Jede Box ist mit einem anderen Schloss versiegelt, die Zutaten sind in unterschiedliche Materialien eingewickelt und die Anweisungen zur Zubereitung sind in vier völlig verschiedenen Sprachen verfasst.
Wenn Sie ein einziges, köstliches Gericht (eine nutzbare 3D-Karte der Welt) zubereiten wollen, müssen Sie derzeit vier verschiedene Köche engagieren, vier verschiedene Kochstile lernen und vier verschiedene Küchen einrichten, nur um diese Zutaten zu verarbeiten.
Dieses Paper präsentiert eine „Universal Kitchen“ (Universelle Küche), die genau dieses Problem löst.
So funktioniert ihr System, unterteilt in einfache Konzepte:
1. Das Problem: Die „Sprachbarriere“ von LiDAR
LiDAR-Sensoren (die „Augen“ von selbstfahrenden Autos und Robotern) scannen die Welt und senden Daten in einem Format namens PCAP zurück. Betrachten Sie PCAP als einen rohen, ungekochten Strom digitaler Zutaten.
Das Problem ist, dass die vier größten Sensorphersteller – Ouster, Velodyne, Hesai und Livox – alle unterschiedliche „Sprachen“ sprechen.
- Sie verwenden unterschiedliche „Schlösser“ (Passwörter), um ihre Daten zu öffnen.
- Sie senden Daten in unterschiedlichen „Paketen“ (wie unterschiedlich große Umschläge).
- Sie erfordern unterschiedliche „Kochbücher“ (Software-Tools), um sie zu lesen.
Derzeit müssen Sie, wenn Sie eine Datendatei haben, raten, welches Unternehmen sie hergestellt hat, die spezifische Software für dieses Unternehmen finden und hoffen, dass sie funktioniert. Wenn Sie eine Datei von einem anderen Unternehmen erhalten, bricht Ihre Software ab.
2. Die Lösung: Der „Schlaue Detektiv“
Die Autoren haben ein System entwickelt, das wie ein super-schlauer Detektiv fungiert. Sie übergeben ihm einfach eine Rohdatendatei, und er muss nicht wissen, wer sie hergestellt hat.
Stattdessen sucht der Detektiv nach sechs verschiedenen Hinweisen innerhalb der Datei, um die Quelle zu identifizieren:
- Der Dateiname: Steht dort „Ouster“ oder „Velodyne“? (Ein schwacher Hinweis, wie ein Etikett, das gefälscht sein könnte).
- Der magische Code: Die ersten paar Bytes der Datei fungieren wie eine geheime Signatur oder ein Fingerabdruck, der einzigartig für dieses Unternehmen ist.
- Die „Sidecar“-Dateien: Enthält der Ordner eine spezifische JSON-Datei, die Ouster immer mitsendet?
- Der Liefer-Port: Durch welche „Tür“ (Netzwerkport) hat die Datensendung angeklopft? (Dies ist der stärkste Hinweis, so als wüsste man, dass der französische Koch immer die Hintertür nutzt, während der Sushi-Meister die Vordertür nutzt).
- Die Paketform: Wie groß sind die Daten-Umschläge?
- Die interne Struktur: Wie sind die Daten im Inneren gepackt?
Durch das Abwägen dieser Hinweise bewertet das System die Möglichkeiten. Wenn die Punktzahl hoch genug ist, sagt es selbstbewusst: „Dies ist von Ouster“ oder „Dies ist von Hesai“.
3. Die Küche: Zwei verschiedene Kochstile
Sobeder der Detektiv die Quelle identifiziert, leitet das System die Daten an den richtigen „Koch“ weiter, um sie zuzubereiten.
- Die schnellen Köche (Ouster & Velodyne): Für diese beiden verwendet das System C++ Software. Stellen Sie sich dies wie einen extrem schnellen, industriellen Roboterarm vor. Er ist unglaublich schnell und verarbeitet Millionen von Datenpunkten pro Sekasekunde.
- Die langsamen Köche (Hesai & Livox): Bei diesen beiden stellen die Hersteller keine schnelle „Roboterarm“-Lösung bereit (keine Open-Source-C++ Software). Daher verwendet das System Python-Software. Dies ist wie ein sehr geschickter menschlicher Koch, der von Hand arbeitet. Er erledigt die Aufgabe perfekt, ist aber viel langsamer (etwa 8 bis 10 Mal langsamer als der Roboterarm).
4. Das Ergebnis: Ein universelles Menü
Sob devoliert die Daten (dekodiert) werden, kann das System sie sofort in fünf verschiedene Standardformate (wie LAS, PCD, CSV usw.) anrichten, die jeder andere Roboter oder jede andere Kartenerstellungssoftware verstehen kann.
Sie geben eine einzige Rohdatei ein, und das System gibt eine Standarddatei aus, die bereit zur Verwendung ist, ohne dass Sie jemals wissen müssen, welches Sensorunternehmen sie erstellt hat.
5. Der Leistungstest
Die Autoren haben diesen „Universal Kitchen“ mit realen Daten getestet, die im Freien erfasst wurden (Fahrten auf Straßen, Gehen in Büros). Sie ließen ihn auf einem Standard-, durchschnittlichen Heimcomputer laufen (kein Supercomputer).
- Erfolgsquote: Es hat die Sensormarke zu 100 % korrekt identifiziert, ohne manuelle Hilfe.
- Geschwindigkeit:
- Die „Roboter-Köche“ (Ouster/Velodyne) konnten etwa 1,3 bis 2 Millionen Punkte pro Sekunde verarbeiten.
- Die „menschlichen Köche“ (Hesai/Livox) verarbeiteten etwa 100.000 bis 150.000 Punkte pro Sekunde.
- Die Lücke: Der Geschwindigkeitsunterschied lag nicht daran, dass das System schlecht war, sondern daran, dass die „menschlichen Köche“ die schwere Arbeit manuell erledigen mussten, weil die Hersteller keine schnellen Werkzeuge bereitgestellt hatten.
Zusammenfassung
Dieses Paper beschreibt ein Werkzeug, das den Aufwand im Umgang mit verschiedenen LiDAR-Sensoren beseitigt. Es identifiziert automatisch den Sensor, übersetzt die Rohdaten und konvertiert sie in ein Standardformat, sodass Ingenieure Daten von allen vier großen Marken nutzen können, ohne vier verschiedene Softwaresysteme erlernen zu müssen. Es läuft auf normalen Computern und bewältigt die unordentlichen, komplexen Unterschiede zwischen den Marken automatisch.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.