传感器融合无人驾驶汽车课程实践环境（测验） 解释 此回购协议包含一个练习环境，可在与Lidar一起工作时了解ransac，欧几里得聚类等。 它是由Udacity和讲师Aaron Brown创建的。 我的贡献主要是测验部分。 有关原始的自述文件文本和安装说明，请参见下文。 欢迎参加自动驾驶汽车的传感器融合课程。 在本课程中，我们将讨论传感器融合，这是从多个传感器获取数据并将其组合以使我们对周围世界有更好了解的过程。 我们将主要集中在激光雷达和雷达这两个传感器上。 到最后，我们将融合来自这两个传感

激光雷达障碍物检测 细节 在该项目中，我从激光雷达传感器获得了一组点云数据，我实现了分段和聚类以检测车辆周围的物体。 没有预处理方法的原始点云为： 使用RANSAC进行细分 RANSAC代表随机样本共识，是一种检测数据中异常值的方法。 RANSAC运行最大迭代次数，并返回最合适的模型。 每次迭代都会随机选择数据的子样本，并通过它拟合模型，例如直线或平面。 然后，将具有最多数量的内部值或最低噪声的迭代用作最佳模型。 结果如下所示： 使用KD-Tree的欧氏聚类 KD-树是二叉树，它在交替的轴之间分