MDCS参数表:Detour - 版本历史

Bruce：/* 2.2.2 3D激光雷达 */

2025-04-28T06:31:03Z

2.2.2 3D激光雷达

←上一版本		2025年4月28日 (一) 14:31的版本
第173行：		第173行：
	# '''搜索方式''': 对于一个雷达帧包含的3D点云，毛毛虫以水平角度顺序扫描点云（比如，1度±5区间的点云、2度±5度的点云）每找到一个点,就尝试向上下方向爬行(垂直结构搜索) 爬行时会左右摇摆一点点,以适应略微倾斜的树干(errorThreshold容差)		# '''搜索方式''': 对于一个雷达帧包含的3D点云，毛毛虫以水平角度顺序扫描点云（比如，1度±5区间的点云、2度±5度的点云）每找到一个点,就尝试向上下方向爬行(垂直结构搜索) 爬行时会左右摇摆一点点,以适应略微倾斜的树干(errorThreshold容差)

	# '''过程参数''' (毛毛虫的"能力指标"): '''minScans = 6''': 毛毛虫至少要爬6步才能确认这是树干（即垂直方向至少有6个点） '''minMustScans = 3''': 不管多高的树,至少要有3步才算数 '''minVStruct = 500mm''': 树干要有500毫米高才算是完整的树（识别出来的垂直结构高度） '''minMustVStruct = 70mm''': 但只要有70毫米高就可以作为参考（高于70mm的有可能是垂直结构） '''maxVHole = 2000mm''': 树干中间不能有超过2米的空洞（再如，车间外墙有窗，窗高度1.5m，那么窗口上下高度和超过minVStruct也是垂直结构） '''perr = 50mm''': 基础摇摆幅度50毫米（激光雷达在运动中必定存在扫描误差） '''perrFac = 0.006''': 距离越远,摇摆幅度适当增加（距离雷达越远的测量点晃动幅度越大）		# '''过程参数''' (毛毛虫的"能力指标"):
			#* '''minScans = 6''': 毛毛虫至少要爬6步才能确认这是树干（即垂直方向至少有6个点）
			#* '''minMustScans = 3''': 不管多高的树,至少要有3步才算数
			#* '''minVStruct = 500mm''': 树干要有500毫米高才算是完整的树（识别出来的垂直结构高度）
			#* '''minMustVStruct = 70mm''': 但只要有70毫米高就可以作为参考（高于70mm的有可能是垂直结构）
			#* '''maxVHole = 2000mm''': 树干中间不能有超过2米的空洞（再如，车间外墙有窗，窗高度1.5m，那么窗口上下高度和超过minVStruct也是垂直结构）
			#* '''perr = 50mm''': 基础摇摆幅度50毫米（激光雷达在运动中必定存在扫描误差）
			#* '''perrFac = 0.006''': 距离越远,摇摆幅度适当增加（距离雷达越远的测量点晃动幅度越大）

	# '''判断参数''' (毛毛虫的"任务要求"): '''selZ = [0]''': 垂直结构的高度过滤器，接近下标高度的垂直结构有效。比如，假设雷达安装高度是50cm，本例是0（米），那么底端靠近0米的垂直结构被选用。如果selZ = [0, 1500, 3000]，minVStruct=1000，那么接近0、1.5、3米的垂直结构被选用。所谓接近，指垂直结构的顶端、底端接近，或者垂直结构跨越这个高度。再举一个例子，假设一根立柱附近有一个机台，机台高1.6米，我们希望用立柱作为定位参考，那么selZ = [1800 ]（机台的1600加上误差不可能达到1800）。 '''selZRange = 50mm''': 高度过滤器的基准误差，默认是50mm。 '''selZFac = 0.02''': 在selZRange基础上加上的浮动误差，距离越远，这个"附近"范围适当放宽。 '''selZSig = 0.1''': 满足高度要求的结构，重要性打个0.1折		# '''判断参数''' (毛毛虫的"任务要求"):
			#* '''selZ = [0]''': 垂直结构的高度过滤器，接近下标高度的垂直结构有效。比如，假设雷达安装高度是50cm，本例是0（米），那么底端靠近0米的垂直结构被选用。如果selZ = [0, 1500, 3000]，minVStruct=1000，那么接近0、1.5、3米的垂直结构被选用。所谓接近，指垂直结构的顶端、底端接近，或者垂直结构跨越这个高度。再举一个例子，假设一根立柱附近有一个机台，机台高1.6米，我们希望用立柱作为定位参考，那么selZ = [1800 ]（机台的1600加上误差不可能达到1800）。
			#* '''selZRange = 50mm''': 高度过滤器的基准误差，默认是50mm。
			#* '''selZFac = 0.02''': 在selZRange基础上加上的浮动误差，距离越远，这个"附近"范围适当放宽。
			#* '''selZSig = 0.1''': 满足高度要求的结构，重要性打个0.1折

	工作过程:		工作过程:

Bruce：/* 2.2.2 3D激光雷达 */

2025-04-28T06:29:33Z

2.2.2 3D激光雷达

←上一版本		2025年4月28日 (一) 14:29的版本
第166行：		第166行：
	\| pivotPos \|\| 权重比例，决定权重阈值。 \|\| 默认值0.9		\| pivotPos \|\| 权重比例，决定权重阈值。 \|\| 默认值0.9
	\|}		\|}

			'''<big>2025年4月后的版本优化了二向化雷达算法，新项目应使用最新版Detour（或DetourLite）。</big>'''

			二向化雷达的目的是在3D点云中搜索垂直结构，比如墙体、树干、机台等，将垂直结构作为特征点，并将其投影到二维点云，使输出到SLAM算法的点云不仅包含空间特征，且计算复杂度与2D激光雷达相当。想象一只聪明的毛毛虫在3D点云中寻找树干。这只毛毛虫有以下特点：

			# '''搜索方式''': 对于一个雷达帧包含的3D点云，毛毛虫以水平角度顺序扫描点云（比如，1度±5区间的点云、2度±5度的点云）每找到一个点,就尝试向上下方向爬行(垂直结构搜索) 爬行时会左右摇摆一点点,以适应略微倾斜的树干(errorThreshold容差)

			# '''过程参数''' (毛毛虫的"能力指标"): '''minScans = 6''': 毛毛虫至少要爬6步才能确认这是树干（即垂直方向至少有6个点） '''minMustScans = 3''': 不管多高的树,至少要有3步才算数 '''minVStruct = 500mm''': 树干要有500毫米高才算是完整的树（识别出来的垂直结构高度） '''minMustVStruct = 70mm''': 但只要有70毫米高就可以作为参考（高于70mm的有可能是垂直结构） '''maxVHole = 2000mm''': 树干中间不能有超过2米的空洞（再如，车间外墙有窗，窗高度1.5m，那么窗口上下高度和超过minVStruct也是垂直结构） '''perr = 50mm''': 基础摇摆幅度50毫米（激光雷达在运动中必定存在扫描误差） '''perrFac = 0.006''': 距离越远,摇摆幅度适当增加（距离雷达越远的测量点晃动幅度越大）

			# '''判断参数''' (毛毛虫的"任务要求"): '''selZ = [0]''': 垂直结构的高度过滤器，接近下标高度的垂直结构有效。比如，假设雷达安装高度是50cm，本例是0（米），那么底端靠近0米的垂直结构被选用。如果selZ = [0, 1500, 3000]，minVStruct=1000，那么接近0、1.5、3米的垂直结构被选用。所谓接近，指垂直结构的顶端、底端接近，或者垂直结构跨越这个高度。再举一个例子，假设一根立柱附近有一个机台，机台高1.6米，我们希望用立柱作为定位参考，那么selZ = [1800 ]（机台的1600加上误差不可能达到1800）。 '''selZRange = 50mm''': 高度过滤器的基准误差，默认是50mm。 '''selZFac = 0.02''': 在selZRange基础上加上的浮动误差，距离越远，这个"附近"范围适当放宽。 '''selZSig = 0.1''': 满足高度要求的结构，重要性打个0.1折

			工作过程:

			# 毛毛虫找到一个点后,先试探性地向上下爬行
			# 每爬一步都要确认:新的点是否在容许的摇摆范围内
			# 只要还能找到合适的点就继续爬,直到爬不动为止
			# 最后检查:爬过的高度、步数是否达标,中间有没有大空洞
			# 如果这根"树干"符合要求,就把它记录下来
			# 特别关注那些经过指定高度(如地面)附近的结构

			这样，毛毛虫就能找出环境中的各种垂直结构，将其二向化为2D点。

Artheru：/* 2.2 激光里程计 */

2025-03-25T04:11:47Z

2.2 激光里程计

←上一版本		2025年3月25日 (二) 12:11的版本
第193行：		第193行：
	\|-		\|-
	\| localmapErrorTh \|\| 激光里程计最大角度误差(度)。 \|\| 默认值3		\| localmapErrorTh \|\| 激光里程计最大角度误差(度)。 \|\| 默认值3
			\|-
			\|switchingDist
			\|关键帧切换距离。车辆运行超过这个距离必然切换关键帧（并进行地图匹配），如果使用3D雷达并使用了scale缩小地图，可以调小
			\|2000
	\|}		\|}

Artheru：/* 2.3 激光地图 */

2025-03-25T04:08:57Z

2.3 激光地图

←上一版本		2025年3月25日 (二) 12:08的版本
第208行：		第208行：
	\| frame_kill_distance \|\| 建图参数，相邻关键帧间距离的最小值(mm)。（在此距离内如果有2个关键帧，会删除其中1个） \|\| 默认值700		\| frame_kill_distance \|\| 建图参数，相邻关键帧间距离的最小值(mm)。（在此距离内如果有2个关键帧，会删除其中1个） \|\| 默认值700
	\|-		\|-
	\| ~~frame_distance~~ \|\| ~~关键帧的搜索半径。~~ \|\| 默认值6000(mm)。（修改过3D雷达的scale，或经常匹配到远处的关键帧，可以减小，如2000）		\| frame_distant \|\| 匹配时的关键帧的搜索半径。 \|\| 默认值6000(mm)。（修改过3D雷达的scale，或经常匹配到远处的关键帧，可以减小，如2000）
	\|-		\|-
	\| ScoreThres \|\| 点云配准及格率值(%)。配准分数>ScoreThres的关键帧可用于全局优化。调整该参数时，应根据机器人沿路线行走时的匹配分数取值（关键帧配准分数在Detour界面可见）。 \|\| 默认值0.35		\| ScoreThres \|\| 点云配准及格率值(%)。配准分数>ScoreThres的关键帧可用于全局优化。调整该参数时，应根据机器人沿路线行走时的匹配分数取值（关键帧配准分数在Detour界面可见）。 \|\| 默认值0.35

Bruce：/* 2.3 激光地图 */

2025-03-25T04:07:02Z

2.3 激光地图

←上一版本		2025年3月25日 (二) 12:07的版本
第206行：		第206行：
	\| max_error_xy & max_error_th \|\| 激光地图输出位姿与当前位姿的最大误差值。 \|\| 9999999 & 180		\| max_error_xy & max_error_th \|\| 激光地图输出位姿与当前位姿的最大误差值。 \|\| 9999999 & 180
	\|-		\|-
	\| frame_kill_distance \|\| 建图参数，相邻关键帧间距离的最小值(mm)。 \|\| 默认值700		\| frame_kill_distance \|\| 建图参数，相邻关键帧间距离的最小值(mm)。（在此距离内如果有2个关键帧，会删除其中1个） \|\| 默认值700
	\|-		\|-
	\| frame_distance \|\| ~~建图参数，相邻关键帧间距离的最大值~~(mm)。如果路标没有显著变化，但是距离当前关键帧的距离大于此参数，则创建下一个关键帧。 \|\| 默认值6000，若修改过3D雷达的scale，或经常匹配到远处的关键帧，可以修改为如2000		\| frame_distance \|\| 关键帧的搜索半径。 \|\| 默认值6000(mm)。（修改过3D雷达的scale，或经常匹配到远处的关键帧，可以减小，如2000）
	\|-		\|-
	\| ScoreThres \|\| 点云配准及格率值(%)。配准分数>ScoreThres的关键帧可用于全局优化。调整该参数时，应根据机器人沿路线行走时的匹配分数取值（关键帧配准分数在Detour界面可见）。 \|\| 默认值0.35		\| ScoreThres \|\| 点云配准及格率值(%)。配准分数>ScoreThres的关键帧可用于全局优化。调整该参数时，应根据机器人沿路线行走时的匹配分数取值（关键帧配准分数在Detour界面可见）。 \|\| 默认值0.35

2025年3月4日 (二) 14:03 Artheru

2025-03-04T14:03:03Z

←上一版本		2025年3月4日 (二) 22:03的版本
第150行：		第150行：


	'''''垂直结构相关参数'''''：		二向化雷达'''''垂直结构相关参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+		\|+
第208行：		第208行：
	\| frame_kill_distance \|\| 建图参数，相邻关键帧间距离的最小值(mm)。 \|\| 默认值700		\| frame_kill_distance \|\| 建图参数，相邻关键帧间距离的最小值(mm)。 \|\| 默认值700
	\|-		\|-
	\| frame_distance \|\| 建图参数，相邻关键帧间距离的最大值(mm)。如果路标没有显著变化，但是距离当前关键帧的距离大于此参数，则创建下一个关键帧。 \|\| ~~默认值6000~~		\| frame_distance \|\| 建图参数，相邻关键帧间距离的最大值(mm)。如果路标没有显著变化，但是距离当前关键帧的距离大于此参数，则创建下一个关键帧。 \|\| 默认值6000，若修改过3D雷达的scale，或经常匹配到远处的关键帧，可以修改为如2000
	\|-		\|-
	\| ScoreThres \|\| 点云配准及格率值(%)。配准分数>ScoreThres的关键帧可用于全局优化。调整该参数时，应根据机器人沿路线行走时的匹配分数取值（关键帧配准分数在Detour界面可见）。 \|\| 默认值0.35		\| ScoreThres \|\| 点云配准及格率值(%)。配准分数>ScoreThres的关键帧可用于全局优化。调整该参数时，应根据机器人沿路线行走时的匹配分数取值（关键帧配准分数在Detour界面可见）。 \|\| 默认值0.35
	\|-		\|-
	\| regConnectedKF \|\| ~~与锁定关键帧有约束关系（激光地图上关键帧间连线）的关键帧纳入搜索范围。~~ \|\| ~~默认值false~~		\| regConnectedKF \|\| 与锁定关键帧有约束关系（激光地图上关键帧间连线）的关键帧纳入搜索范围。会对匹配速度有少量影响（变慢） \|\| 默认值false，若地图关键帧点云经常不全，可以改为true。
	\|-		\|-
	\| regReflexOnHardCase \|\| =true表示在“匹配困难区域”（黄色）执行有反SLAM算法。 \|\| 默认值true		\| regReflexOnHardCase \|\| =true表示在“匹配困难区域”（黄色）执行有反SLAM算法。 \|\| 默认值true
			\|-
			\|GregThres
			\|如果点云配准小于这个分数，则试图粗匹配。粗匹配会搜索所有可能的匹配，如果匹配情况一般较好，则可以调低这个阈值防止粗匹配（较为耗时且可能在重复场景中可能错位匹配）
			\|默认值0.5，若经常错位，可以改为0.4
	\|}		\|}

2024年11月14日 (四) 07:53 Bruce

2024-11-14T07:53:35Z

←上一版本		2024年11月14日 (四) 15:53的版本
第177行：		第177行：
	\|-		\|-
	\| merge_dist \|\| 邻近点云合并距离(mm)，<0不合并。 \|\| 默认值50		\| merge_dist \|\| 邻近点云合并距离(mm)，<0不合并。 \|\| 默认值50
			\|-
			\|scale
			\|点云缩放比例。对点云计算有影响力的点集中在30米之内，用于室内导航的 2D激光雷达测量距离一般30米以内，在室外则不然。因此室外场景需要把3D激光雷达的点云尺度做适当缩放，以利点云配准。一般而言，3D激光雷达的scale=0.5，对应于 60米以内点云，如果距离更远，则scale适当降低。在调整 scale时，底盘尺寸（宽高）和雷达外参（x & y）等比调整，比如scale=0.5时，底盘尺寸如果是L2000W1000，则改为 L1000W500。调整scale后，遥控AMR自旋，detour输出位姿应平滑变化，不应出现抖动或大幅跳动现象（这种现象由于尺度配置错误导致应配准点云被过滤造成）。
			\|
	\|}		\|}

2024年11月14日 (四) 07:50 Bruce

2024-11-14T07:50:33Z

←上一版本		2024年11月14日 (四) 15:50的版本
第4行：		第4行：

	'''图 1-1 基于优化的SLAM框架'''		'''图 1-1 基于优化的SLAM框架'''
			Detour的激光SLAM由前端和后端构成。激光雷达输出点云到前端，前端使用激光里程计得到相邻点云帧间位移，积分出机器人位姿，这就是局部建图。由于积分会累积误差，因此后端使用激光地图纠正激光里程计误差，通过全局优化使激光里程计输出精确的机器人位姿，这称为全局建图。

	Detour的激光SLAM由前端和后端构成。激光雷达输出点云到前端，前端使用激光里程计得到相邻点云帧间位移，积分出机器人位姿，这就是局部建图。由于积分会累积误差，因此后端使用激光地图纠正激光里程计误差，通过全局优化使激光里程计输出精确的机器人位姿，这称为全局建图。		Detour的激光SLAM由前端和后端构成。激光雷达输出点云到前端，前端使用激光里程计得到相邻点云帧间位移，积分出机器人位姿，这就是局部建图。由于积分会累积误差，因此后端使用激光地图纠正激光里程计误差，通过全局优化使激光里程计输出精确的机器人位姿，这称为全局建图。
第43行：		第44行：
	'''''扫描角度相关参数'''''：		'''''扫描角度相关参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源
第62行：		第63行：
	'''''雷达安装相关参数'''''：		'''''雷达安装相关参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源
第76行：		第77行：
	'''''有反（使用反光棒/板）SLAM相关参数'''''：		'''''有反（使用反光棒/板）SLAM相关参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源
第94行：		第95行：
	'''''其他参数'''''：		'''''其他参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源
第110行：		第111行：

	=== 2.2.2 3D激光雷达 ===		=== 2.2.2 3D激光雷达 ===
			[[文件:Image-20241114111617876.png\|无框\|581x581像素]]

	'''图 2-2 3D激光雷达'''		'''图 2-2 3D激光雷达'''

	与2D激光雷达相比，3D激光雷达能够提供垂直空间的测量数据，多用于室外场景。		与2D激光雷达相比，3D激光雷达能够提供垂直空间的测量数据，多用于室外场景。


			[[文件:1640162333564644.png\|无框\|658x658像素]]

	'''图 2-3 3D点云'''		'''图 2-3 3D点云'''
第123行：		第129行：

	二向化后的点云与2D雷达一样，熟悉2D SLAM的用户可以轻松使用3D SLAM。		二向化后的点云与2D雷达一样，熟悉2D SLAM的用户可以轻松使用3D SLAM。
			如果您首次使用3D SLAM，或者引入一个新型号3D激光雷达，建议使用Detour + Medulla组合以了解3D SLAM或3D雷达性能。Medulla能够显示3D点云，相比于Detour的二向化后的2D点云，它能够看到原始点云，有利于发现与雷达相关的问题。

	如果您首次使用3D SLAM，或者引入一个新型号3D激光雷达，建议使用Detour + Medulla组合以了解3D SLAM或3D雷达性能。Medulla能够显示3D点云，相比于Detour的二向化后的2D点云，它能够看到原始点云，有利于发现与雷达相关的问题。		如果您首次使用3D SLAM，或者引入一个新型号3D激光雷达，建议使用Detour + Medulla组合以了解3D SLAM或3D雷达性能。Medulla能够显示3D点云，相比于Detour的二向化后的2D点云，它能够看到原始点云，有利于发现与雷达相关的问题。
第145行：		第152行：
	'''''垂直结构相关参数'''''：		'''''垂直结构相关参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源

2024年11月14日 (四) 07:46 Bruce

2024-11-14T07:46:12Z

←上一版本		2024年11月14日 (四) 15:46的版本
第127行：		第127行：

	3D雷达的扫描与安装参数与2D雷达相同。我们重点讲解3D SLAM相关的参数。		3D雷达的扫描与安装参数与2D雷达相同。我们重点讲解3D SLAM相关的参数。


	'''''雷达特性相关参数'''''：		'''''雷达特性相关参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源
第140行：		第141行：
	\| decaySt \|\| 衰减开始的计数值。Mid360扫描周期是100ms，每周期计数1次。经验值是5。 \|\| 默认值1		\| decaySt \|\| 衰减开始的计数值。Mid360扫描周期是100ms，每周期计数1次。经验值是5。 \|\| 默认值1
	\|}		\|}


	'''''垂直结构相关参数'''''：		'''''垂直结构相关参数'''''：
	\| 参数 \| 说明 \| 取值来源 \|		{\| class="wikitable"
	\| -~~--------- \| ------------------------------------------------------------ \| ---------- \|~~		\|+ 参数说明
	\| minVStruct \| 垂直结构（线段）长度(mm)。 \| 默认值1000 \|		\|-
	\| minScans \| 垂直结构测量点最低数量。两点定一条线段，该参数一般最小值为3。<br />由于激光雷达以扇面发射测量光束，因此对同一个物体而言，测量点<br />数量与距离有关，距离越远则测量点越少。如果3D雷达使用近距离物体<br />作为定位依据，比如运行在生产线旁的叉车，则测量点数量可增加到6个，<br />以提高垂直结构的识别置信度。如果3D雷达使用远距离物体作为定位<br />依据，比如运行在室外的牵引车，则要降低测量点数量。测量点数量<br />首先根据作业场景做数学估算，即根据定位物体的距离，以及3D激光雷达<br />的垂直角分辨率，计算出合理的测量点数量。然后根据Detour（二向化<br />点云）的建图效果校验，如果出现雷达能够观测但Detour没显示的<br />情况，应调整minScans参数以提高识别率。 \| 默认值6 \|		! 参数 !! 说明 !! 取值来源
	\| Zfadout \| 3D激光雷达扫描赤道面附近的垂直结构距离偏好值(mm)~~。赤道面加减Zfadout<br />范围内的垂直结构权重更高。~~ \| 默认值300 \|		\|-
	\| pivotFac \| 直线取位比例，与pivotPos配套使用。从点云识别出来的垂直线段以其<br />权重（由minVStruct、minScans、zFadout ）降序排列，pivotPos用于<br />在权重列表中采样位置（此处是权重90%~~处）。两者联合决定应该采纳<br />的垂直结构区间。~~ \| 默认值0.05 \|		\| minVStruct \|\| 垂直结构（线段）长度(mm)。 \|\| 默认值1000
	\| pivotPos \| 权重比例，决定权重阈值。 \| 默认值0.9 \|		\|-
			\| minScans \|\| 垂直结构测量点最低数量。两点定一条线段，该参数一般最小值为3。由于激光雷达以扇面发射测量光束，因此对同一个物体而言，测量点数量与距离有关，距离越远则测量点越少。如果3D雷达使用近距离物体作为定位依据，比如运行在生产线旁的叉车，则测量点数量可增加到6个，以提高垂直结构的识别置信度。如果3D雷达使用远距离物体作为定位依据，比如运行在室外的牵引车，则要降低测量点数量。测量点数量首先根据作业场景做数学估算，即根据定位物体的距离，以及3D激光雷达的垂直角分辨率，计算出合理的测量点数量。然后根据Detour（二向化点云）的建图效果校验，如果出现雷达能够观测但Detour没显示的情况，应调整minScans参数以提高识别率。 \|\| 默认值6
			\|-
			\| Zfadout \|\| 3D激光雷达扫描赤道面附近的垂直结构距离偏好值(mm)。赤道面加减Zfadout范围内的垂直结构权重更高。 \|\| 默认值300
			\|-
			\| pivotFac \|\| 直线取位比例，与pivotPos配套使用。从点云识别出来的垂直线段以其权重（由minVStruct、minScans、zFadout）降序排列，pivotPos用于在权重列表中采样位置（此处是权重90%处）。两者联合决定应该采纳的垂直结构区间。 \|\| 默认值0.05
			\|-
			\| pivotPos \|\| 权重比例，决定权重阈值。 \|\| 默认值0.9
			\|}

	~~其他参数：~~
			'''''其他参数'''''：
	{\| class="wikitable"		{\| class="wikitable"
	\|+ ~~参数说明~~		\|+
	\|-		\|-
	! 参数 !! 说明 !! 取值来源		! 参数 !! 说明 !! 取值来源

2024年11月14日 (四) 07:42 Bruce

2024-11-14T07:42:43Z

显示更改

MDCS参数表:Detour - 版本历史

Bruce：​/* 2.2.2 3D激光雷达 */

Bruce：​/* 2.2.2 3D激光雷达 */

Artheru：​/* 2.2 激光里程计 */

Artheru：​/* 2.3 激光地图 */

Bruce：​/* 2.3 激光地图 */

2025年3月4日 (二) 14:03 Artheru

2024年11月14日 (四) 07:53 Bruce

2024年11月14日 (四) 07:50 Bruce

2024年11月14日 (四) 07:46 Bruce

2024年11月14日 (四) 07:42 Bruce

Bruce：/* 2.2.2 3D激光雷达 */

Bruce：/* 2.2.2 3D激光雷达 */

Artheru：/* 2.2 激光里程计 */

Artheru：/* 2.3 激光地图 */

Bruce：/* 2.3 激光地图 */