前倾摘要：最近在调研关于雷达性能评测的相关资料。于是就写一下笔记记录一下调研过程 经过上个周的调研，一共找到两份相关参考资料： 汽车的智能化发展让车载激光雷达变成一桩热门的生意，目前国内外布局在激光雷达领域的创业公司越来越多，由于缺少一个统一的标准，很难判断市场上激光雷达产品的优劣。
最近，名古屋大学和TierIV公开了一项研究，他们在多重环境下评测了４家厂商12款激光雷达性能，并组成了一个名为“ LIBRE”3D LiDARs数据集，作为LiDAR基准测试和参考。
其中TierIV的官方介绍是这样：
Building an open ecosystem of intelligent vehicles with Autoware enabling as many organizations & individuals as possible to be part of that ecosystem.
翻译如下：建立了智能汽车的生态系统AutoWare， 让很多组织和个人有机会成为该生态的一部分。 AutoWare官方网址为：https://www.autoware.org/
该论文主的贡献是
提供了一种相对公平的测量能用的雷达的方法改进了他们的感知算法Libre 数据集结构
论文来源：LIBRE: The Multiple 3D LiDAR Dataset 参考资料：12款激光雷达测评
根据论文，《LIBRE: The Multiple 3D LiDAR Dataset》， 数据独立的来源于每一个传感器，主要包括三个不同的环境和配置。 其中，
静态目标，在可控的环境下，在已知的距离去测量固定的目标。恶劣天气，从移动的车辆中去测量静态的障碍物，在一个气候室中，包括（雾 雨 强光）动态交通，在城市的道路上每天多时段多次捕捉动态目标。该论文还说了雷达性能的关键指标：
分别是：
测量距离测量精度点的密度(点云密度)扫描速度和可配置性波长出环境改变的鲁棒性（抗干扰能力）形状因素成本本论文依据的指标： 分别是：
测量距离精度密度目标检测地图定位对天气和干扰的鲁棒性分别在固定的距离，同时测量不同的反射物，车和模特。由远及近的测量
远距离测量，红色是黑白灰的反射板，绿色是模特，紫色是汽车。
中等距离测量： 近距离测量：
黄色为更换雷达，可以对比上图，再就近到远的测量。
下面展示雷达测试的效果图。 可以看到不同的颜色深度的反射面板，反射的强度也不同。
测量表：
雷达安装在不同高度下对桩桶的测远结果
测远结果如上图，显示的是下雨天（蓝色框内）和晴天（红色框内）雷达安装在车不同高度下至少探测到桩桶两个点的距离， 一般我们认为利用传统方法，至少探测到两个点才能被检测为桩桶，所以我们最终大致确定Pandar40P在我们的场景下最远探测桩桶可以到47m左右，并在充分考虑了安装点对于赛车空气动力学的影响后，选在了395mm高的安装点。
结论： 根据此方法可以确认，同时可以测量雷达的测量范围，同时测量对车，人和不用反射率的物体的有效测量距离。 视频链接：https://sites.google.com/g.sp.m.is.nagoya-u.ac.jp/libre-dataset#h.p_m8v67eZb4uOQ
下图是恶劣天气的结果，颜色代表强度，每一列分别是雾，雨，强光下的雷达图。 模拟恶劣天气：雾 雾下的激光雷达图（浓度由低到高，上图为高浓度） 低浓度雾 高浓度 模拟恶劣天气：雨天
雨中的激光雷达图 绿色箭头是水花 恶劣天气：强光 红色直线是强光与激光雷达在同一水平线上
恶劣天气：强光（近处） （远）
不同雷达同时测试 左：禾赛抗干扰雷达点云 右：无抗干扰雷达点云
预测量距离类似
参考论文：Characterization of Multiple 3D LiDARs for Localization and Mapping using Normal Distributions Transform
参考资料：【泡泡传感器评测】禾赛Pandar40P激光雷达评测（二）针对FSG场景的激光雷达测试和评估
