A Vendor-Agnostic LiDAR Data Conversion System with Multi-Signal Detection and Multi-Format Output
本文提出了一种与厂商无关的 LiDAR 数据转换系统，该系统通过多信号检测方法从原始 PCAP 文件中自动识别传感器制造商，并将其转换为多种行业标准格式，通过使用 C++ 对 Ouster 和 Velodyne 进行解码，同时利用 Python 对 Hesai 和 Livox 进行解析，在标准消费级硬件上实现了高吞吐量。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你收到了一堆未经处理的原始食材，它们被装在四种不同类型的箱子里：一个来自法国厨师，一个来自日本寿司大师，一个来自意大利面食制作者，还有一个来自墨西哥塔可摊位。每个箱子都用不同的锁封存，食材被包裹在不同的材料中，而且烹饪这些食材的说明书是用四种完全不同的语言编写的。
如果你想做出一顿美味的饭菜（一个可用的 3D 世界地图），你目前必须雇佣四位不同的厨师，学习四种不同的烹饪风格，并搭建四个不同的厨房，才能处理这些食材。
这篇论文介绍了一个“通用厨房”（Universal Kitchen），它解决了这个问题。
以下是该系统的工作原理，通过简单的概念进行拆解：
1. 问题所在：“LiDAR 的语言障碍”
LiDAR 传感器（自动驾驶汽车和机器人的“眼睛”）扫描世界并将数据以一种称为 PCAP 的格式发送回来。你可以把 PCAP 想象成流动的、未经处理的数字食材。
问题在于，四大主要的传感器制造商——Ouster、Velodyne、Hesai 和 Livox——都说着不同的“语言”。
- 它们使用不同的“锁”（密码）来打开数据。
- 它们发送的数据在“数据包”（就像不同大小的信封）方面也各不相同。
- 它们需要不同的“食谱”（软件工具）来读取数据。
目前，如果你有一个数据文件，你必须猜测它是哪家公司制造的，找到该公司的特定软件，并祈祷它能正常工作。如果你拿到的文件来自另一家公司，你的软件就会崩溃。
2. 解决方案：“智能侦探”
作者构建了一个系统，它充当了一个超级聪明的侦探。你只需把一个原始数据文件交给它，它不需要你告诉它谁制造了这个文件。
相反，侦探会在文件内部寻找 六个不同的线索 来确定来源：
- 文件名： 文件名里写着 “Ouster” 还是 “Velodyne”？（这是一个很弱的线索，就像一个可能会造假的标签）。
- 魔术代码： 文件的开头几个字节就像是一个独特的签名或指纹，由该公司特有。
- “边车”文件（Sidecar Files）： 文件夹内是否包含一个 Ouster 总是会发送的特定 JSON 文件？
- 传输端口： 数据敲响了哪扇“门”（网络端口）？（这是最强的线索，就像知道法国厨师总是走后门，而寿司大师总是走前门）。
- 数据包形状： 这些数据信封有多大？
- 内部结构： 数据在内部是如何打包的？
通过权衡这些线索，系统会对每种可能性进行评分。如果分数足够高，它就能自信地判定：“这是来自 Ouster 的，”或者“这是来自 Hesai 的。”
3. 厨房：两种不同的烹饪风格
一旦侦探识别出来源，系统就会将数据路由到正确的“厨师”那里进行烹饪。
- 快速厨师（Ouster & Velodyne）： 对于这两家，系统使用 C++ 软件。想象一下，这就像一个高速运行的工业机械臂。它速度极快，每秒可以处理数百万个数据点。
- 慢速厨师（Hesai & Livox）： 对于这两家，制造商并不提供快速的“机械臂”（即没有开源的 C++ 软件）。因此，系统使用 Python 软件。这就像一位非常熟练的人类厨师在手工操作。它能完美地完成任务，但速度要慢得多（大约比机械臂慢 8 到 10 倍）。
4. 结果：通用菜单
一旦数据被“烹饪”（解码）完成，系统可以立即将其装盘成 五种不同的标准格式（如 LAS、PCD、CSV 等），任何其他机器人或地图制作软件都能理解这些格式。
你给它一个原始文件，它就会吐出一个标准的、可以直接使用的文件，而你无需了解这个文件究竟是由哪家传感器公司制造的。
5. 性能测试
作者在采集自真实世界的户外数据（在街道上行驶、在办公室行走）上测试了这个“通用厨房”。他们在一部标准的、普通的家用电脑（而非超级计算机）上运行了它。
- 成功率： 在无需人工干预的情况下，它 100% 正确识别了传感器品牌。
- 速度：
- “机械臂厨师”（Ouster/Velodyne）每秒可以处理约 130 万到 200 万个点。
- “人类厨师”（Hesai/Livox）每秒处理约 10 万到 15 万个点。
- 差距： 这种速度差异并不是因为系统本身不好，而是因为“人类厨师”必须进行大量的手动繁重工作，因为制造商没有提供快速的工具。
总结
这篇论文描述了一个消除处理不同 LiDAR 传感器头痛问题的工具。它能自动识别传感器，翻译原始数据，并将其转换为标准格式，使工程师能够使用来自四大主要品牌的任何数据，而无需学习四套不同的软件系统。它可以在普通计算机上运行，并能自动处理不同品牌之间复杂且混乱的差异。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。