⚡ electrical engineering

A Vendor-Agnostic LiDAR Data Conversion System with Multi-Signal Detection and Multi-Format Output

Dit artikel presenteert een leveranciersonafhankelijk LiDAR-dataconversiesysteem dat automatisch sensormanufacturen identificeert uit ruwe PCAP-bestanden met behulp van een multi-signaal detectieaanpak en deze converteert naar meerdere industriestandaardformaten, waarbij een hoge doorvoer wordt bereikt met C++ decodering voor Ouster en Velodyne, terwijl Python-parsing wordt gebruikt voor Hesai en Livox op standaard consumentenhardware.

Oorspronkelijke auteurs: Param Patel, Jay Dave, Pratyush Chakraborty

Gepubliceerd 2026-06-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Param Patel, Jay Dave, Pratyush Chakraborty

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een verzameling rauwe, onbereide ingrediënten hebt die zijn geleverd in vier verschillende soorten dozen: één van een Franse chef, één van een Japanse sushi-meester, één van een Italiaanse pastamaker en één van een Mexicaanse tacozaak. Elke doos is verzegeld met een ander slot, de ingrediënten zijn in verschillende materialen gewikkeld en de instructies over hoe je ze moet bereiden zijn geschreven in vier totaal verschillende talen.

Als je een enkele, heerlijke maaltijd wilt maken (een bruikbare ente 3D-kaart van de wereld), moet je momenteel vier verschillende chefs inhuren, vier verschillende kookstijlen leren en vier verschillende keukens opzetten om deze ingrediënten te verwerken.

Dit artikel presenteert een "Universele Keuken" die dat probleem oplost.

Hier is hoe hun systeem werkt, onderverdeeld in eenvoudige concepten:

1. Het Problek: De "Taalbarrière" van LiDAR

LiDAR-sensoren (de "ogen" van zelfrijdende auto's en robots) scannen de wereld en sturen data terug in een formaat dat PCAP wordt genoemd. Zie PCAP als een rauwe, onbereide stroom van digitale ingrediënten.

Het probleem is dat de vier grootste sensormakers — Ouster, Velodyne, Hesai en Livox — allemaal een andere "taal" spreken.

Ze gebruiken verschillende "sloten" (wachtwoorden) om hun data te openen.
Ze sturen data in verschillende "pakketten" (zoals verschillende soorten enveloppen).
Ze vereisen verschillende "kookboeken" (softwaretools) om ze te lezen.

Momenteel moet je, als je een databestand hebt, raden welke fabrikant het heeft gemaakt, de specifieke software voor dat bedrijf zoeken en hopen dat het werkt. Als je een bestand krijgt van een ander bedrijf, loopt je software vast.

2. De Oplossing: De "Slimme Detective"

De auteurs hebben een systeem gebouwd dat fungeert als een super-slimme detective. Je overhandigt het gewoon een rauw databestand, en het systeem heeft niet van jou nodig om te vertellen wie het gemaakt heeft.

In plaats daarvan zoekt de detective naar zes verschillende aanwijzingen binnen het bestand om de bron te achterhalen:

De Bestandsnaam: Staat er "Ouster" of "Velodyne"? (Een zwakke aanwijzing, zoals een label dat nep kan zijn).
De Magische Code: De eerste paar bytes van het bestand fungeren als een geheime handtekening of vingerafdruk die uniek is voor dat bedrijf.
De "Sidecar"-bestanden: Bevat de map een specifiek JSON-bestand dat Ouster altijd meestuurt?
De Leveringspoort: Via welke "deur" (netwerkpoort) klopte de data aan? (Dit is de sterkste aanwijzing, zoals weten dat de Franse chef altijd via de achterdeur komt terwijl de sushi-meester de voordeur gebruikt).
De Vorm van het Pakket: Hoe groot zijn de datavenveloppen?
De Interne Structuur: Hoe is de data erin verpakt?

Door deze aanwijzingen te wegen, geeft het systeem een score aan elke mogelijkheid. Als de score hoog genoeg is, zegt het met vertrouwen: "Dit is van Ouster," of "Dit is van Hesai."

3. De Keuken: Twee Verschillende Kookstijlen

Zodra de detective de bron heeft geïdentificeerd, stuurt het systeem de data naar de juiste "chef" om het te bereiden.

De Snelle Chefs (Ouster & Velodyne): Voor deze twee gebruikt het systeem C++ software. Stel je dit voor als een razendsnelle, industriële robotarm. Het is ongelooflijk snel en verwerkt miljoenen datapunten per seconde.
De Langzame Chefs (Hesai & Livox): Voor deze twee leveren de fabrikanten geen snelle "robotarm" (geen open-source C++ software). Daarom gebruikt het systeem Python software. Dit is als een zeer bekwame menselijke chef die met de hand werkt. Het krijgt de klus perfect gedaan, maar is veel langzamer (ongeveer 8 tot 10 keer langzamer dan de robotarm).

4. Het Resultaat: Een Universeel Menu

Zodra de data is bereid (gedecodeerd), kan het systeem de data direct opdienen in vijf verschillende standaardformaten (zoals LAS, PCD, CSV, enz.) die elke andere robot of kaartmakende software kan begrijpen.

Je geeft het één rauw bestand, en het spuugt een standaardbestand uit, klaar voor gebruik, zonder dat je ooit hoeft te weten welk sensorbedrijf het heeft gemaakt.

5. De Prestatietest

De auteurs hebben deze "Universele Keuken" getest op real-world data die buiten is vastgelegd (rijden op straat, wandelen in kantoren). Ze hebben het gedraaid op een standaard, gemiddelde thuiscomputer (niet een supercomputer).

Succespercentage: Het identificeerde het sensormerk 100% van de tijd correct zonder enige handmatige hulp.
Snelheid:
- De "Robotchefs" (Ouster/Velodyne) konden ongeveer 1,3 tot 2 miljoen punten per seconde verwerken.
- De "Menselijke Chefs" (Hesai/Livox) verwerkten ongeveer 100.000 tot 150.000 punten per seconde.
Het Gat: Het verschil in snelheid kwam niet doordat het systeem slecht was; het kwam doordat de "Menselijke Chefs" het zware werk handmatig moesten doen omdat de fabrikanten geen snelle tools aanboden.

Samenvatting

Dit artikel beschrijft een tool die de hoofdpijn wegneemt bij het werken met verschillende LiDAR-sensoren. Het identificeert automatisch de sensor, vertaalt de ruwe data en zet deze om in een standaardformaat, waardoor ingenieurs gegevens van elk van de vier grote merken kunnen gebruiken zonder dat ze vier verschillende softwaresystemen hoeven te leren. Het werkt op gewone computers en handelt de rommelige, complexe verschillen tussen de merken automatisch af.