资源介绍
子书）
电子书格式: pdf + epub
本书围绕激光雷达技术的基础原理、核心技术、实际应用及工程实践展开全面阐述，构建了从理论到实践的完整知识体系。全书开篇系统介绍了激光雷达的技术起源与发展历程，追溯了从早期卫星跟踪应用到如今自动驾驶普及的技术演进，详细解析了激光雷达的核心工作原理 —— 通过激光脉冲的飞行时间（ToF）、调频连续波（FMCW）等测距方法，结合点云数据的生成与处理，实现对周围环境的三维重构。书中明确界定了激光雷达的关键技术参数，包括通道数、视场角、垂直 / 水平分辨率、测量范围等核心指标，为技术选型和系统设计提供了明确依据。
在技术分类部分，本书从测距原理、结构形式和应用场景三个维度进行系统划分。基于测距原理，激光雷达可分为飞行时间型（ToF）和调频连续波型（FMCW），前者凭借技术成熟度广泛应用于量产车型，后者则具备抗干扰能力强、可同时测量速度与距离的优势；基于结构形式，分为机械旋转式、固态式、光学相控阵式和闪光式（FLASH），其中固态激光雷达因无机械运动部件，在小型化、可靠性和成本控制上具有显著优势，成为当前技术发展的主流方向；基于应用场景，可分为机载、车载、地面、卫星载、测深等类型，分别适配不同的智能交通和测绘需求。书中特别对比了 905nm 和 1550nm 两种主流激光波长的技术特性，前者凭借硅基探测器的成本优势广泛应用，后者则在眼安全性和探测灵敏度上表现更优，为不同应用场景的技术选型提供了参考。
激光雷达的核心价值在于其数据处理与实际应用能力。本书详细阐述了点云数据的处理流程，包括数据压缩、地面分割、三维点云分割、目标检测与多目标跟踪等关键技术。针对点云数据量大、传输效率低的问题，介绍了基于八叉树的传统压缩方法和基于深度学习的智能压缩方案，实现了数据体积与信息完整性的平衡；地面分割技术通过网格法、局部特征法等算法，有效分离地面与非地面点云，为后续目标识别扫清干扰；目标检测与跟踪则结合 AnchorPoint、Smart3DMOT 等先进算法，实现对车辆、行人、骑行者等多类目标的精准识别与动态轨迹追踪。
在实际应用层面，本书聚焦智能交通和自动驾驶的核心需求，重点介绍了激光雷达在三维地图构建、同步定位与地图构建（SLAM）、自主导航等场景的应用。通过激光雷达数据与惯性测量单元（IMU）、全球定位系统（GPS）的融合，实现了自动驾驶车辆的高精度定位与路径规划；多激光雷达的标定与融合技术则有效扩大了感知范围，减少了视野盲区，提升了复杂路况下的环境感知可靠性。书中还分享了实际工程案例，包括校园自动驾驶接驳车的开发实践，详细介绍了从传感器部署、数据采集到算法优化的完整流程，为工程应用提供了宝贵参考。
面对复杂环境带来的技术挑战，本书专门探讨了激光雷达在恶劣天气（雨、雾、雪）和复杂光照条件下的性能表现及优化策略。通过分析不同环境因素对激光脉冲传播的影响，提出了基于信号增强、多传感器融合、算法鲁棒性优化等解决方案，显著提升了激光雷达系统的环境适应性。同时，书中介绍了开源数据处理工具（如 PCL、Open3D、ROS）的应用方法，降低了技术落地门槛，为研发人员提供了高效的开发工具链支持。
本书还关注激光雷达技术的工程实践细节，包括多传感器标定、数据标注自动化、实时数据传输等关键工程问题。针对多激光雷达系统的空间校准与时间同步难题，提出了基于地图匹配和正态分布变换（NDT）的标定方法，确保多传感器数据的一致性；自动化标注 pipeline 则通过深度学习模型实现点云数据的自动标注，大幅降低了人工标注成本。这些工程化解决方案为激光雷达技术的规模化应用提供了重要支撑。
作为连接理论与实践的桥梁，本书既适合高校计算机科学、电子工程、通信工程等专业的师生作为教学参考，也能为智能交通和自动驾驶领域的研发工程师、技术人员提供实用的技术指导。通过融合理论原理、技术细节、工程案例和开源工具，本书全面展现了激光雷达技术的核心价值与应用潜力，为推动我国智能交通和自动驾驶技术的创新发展提供了重要的知识支撑。随着技术的不断演进，激光雷达在成本控制、性能提升和场景适配方面的持续突破，必将进一步加速智能交通的智能化升级和自动驾驶的规模化落地，为未来出行带来更安全、高效的解决方案。