一、2D 激光雷达扫描数据说明

2D 激光的扫描原理请参阅单线激光雷达章节。本章节所指的充电桩识别指的是通过 3M 反光贴进行识别。

二、高反点的应用

在单线激光雷达章节介绍了单线激光雷达的测距原理，其中介绍了不同物体的强度值，如下：

材料名称	反射率
黑色布料、橡胶	3%
不透明褐黑色塑料	14%
干净粗木板	20%
包装箱硬纸板	68%
人的手掌心	75%
不透明白色塑料	87%
白墙	90%
光泽浅色金属表面	150%
3M 反光贴	200%

激光入射到大多数表面时，会在所有方向上以漫反射的形式使雷达接收到回波信号。反射能力越强，雷达就越容易接收到回波信号。激光的反射特性将随着表面材料、结构和颜色的变化而变化。相对于反射率低的表面，反射率高的表面可以更好的被检测到。通过上表，可以看出 3M 反光贴的反射率要明显高于其他物体，通过将反光贴贴在待识别物体上，通过识别反光贴就可以达到识别物体的效果。下图是常用的 3M 反光贴。

仙工智能将物体的强度值设置为 0-255，并设定阈值，当超过阈值的点就认为是高反点，即激光点云扫描到了 3M 反光贴上面。

参数名称	参数位置	单位	默认值	最小值	最大值	支持版本
ValidRssiThresh	参数配置-LaserSegmentation	—	150	-2	255	3.3.4.20~latest
识别货架腿时有效高反点的阈值，超过该阈值的点认为是高反点。

三、点云的聚类

由于激光雷达扫描的特性，扫描到每个物体上的点是离散的，在识别之前，需要先将点云进行聚类。聚类的原理就是根据激光雷达的角分辨率选择点与点之间的间隔，然后选取每个类中至少包含的点数，从每一帧中第一个点开始遍历，即可将点云分成不同的块。由于激光雷达扫描到物体的点云会有一些跳动，为了提高点云的稳定性，可以在静止识别的时候将几帧点云平均一下，一般激光点云的输出频率可以达到 15Hz 以上，所以这部分并不会增加多少时间。

参数名称	参数位置	单位	默认值	最小值	最大值	支持版本
LessThanNum	参数配置-LaserSegmentation	—	3	0	999	3.3.4.20~latest
聚类中每个点云块中的最少点数。
SpiltThrsh	参数配置-LaserSegmentation	m	0.07	0	10	3.3.4.20~latest
分割点云块之间的间隔。
stack times	参数配置-LaserSegmentation	—	5	1	30	3.3.4.20~latest
将连续几帧的点云平均。

四、识别

如下图所示，将反光贴贴在充电桩上，这样就可以通过识别反光贴来实现充电桩的识别。

对于不同的粘贴位置以及反光贴的大小，仙工智能提供了一些参数可供配置。通过配置参数可以灵活使用充电桩。

参数名称	参数位置	单位	默认值	最小值	最大值	支持版本
minwidth	参数配置-LaserSegmentation	m	0.1	0	10	3.3.4.20~latest
充电桩上反光条的最小宽度
maxwidth	参数配置-LaserSegmentation	m	0.2	0	180	3.3.4.20~latest
充电桩上反光条的最大宽度
dx	参数配置-LaserSegmentation	m	0.025	0	180	3.3.4.20~latest
充电极片，相对于充电桩坐标系原点，在 x 轴上的偏移量
dy	参数配置-LaserSegmentation	m	0	0	0.1	3.3.4.20~latest
充电极片，相对于充电桩坐标系原点，在 y 轴上的偏移量
rec_laser_id	参数配置-LaserSegmentation	—	true	—	—	3.3.4.20~latest
根据 id 选用特定的激光进行识别
detect_direction	参数配置-LaserSegmentation	—	x	—	—	3.3.5.20~latest
识别方向。
method_type	参数配置-LaserSegmentation	—	by_reflector	—	—	3.3.5.20~latest
是否使用反光膜进行识别，目前只开放了反光膜识别，后续会开放形状识别