Okan Üniversitesi Velodyne HDL-64 Teslim ve Eğitimi

Samet Kütük
LeoDrive.ai
Published in
2 min readFeb 26, 2017

Okan Üniversitesi UTAS tarafından yürütülmekte olan ve İstanbul Kalkınma Ajansı tarafından desteklenen, “Yenilikçi Akıllı ve Haberleşen Araç Teknolojileri Geliştirme ve Kümelenme Merkezi” projesi kapsamında sipariş edilmiş olan Velodyne HDL-64'ün teslimini, 5 Ekim 2016 tarihinde gerçekleştirdik.

Teslim ile birlikte sistemi kullanacak olan kişilere giriş eğitimi verildi.

Velodyne HDL-64, Velodyne LiDAR’ın ürün gamı içerisinde, en büyük ve en çok nokta toplayan LiDAR sensörüdür. Sürücüsüz araç geliştirme çalışmalarında, sektörün dev firmaları tarafından en çok tercih edilen öncelikli algılayıcı sensördür. Velodyne HDL-64, single-return modunda, saniyede 1.3 milyon nokta, dual-return modunda ise saniyede 2.2 milyon nokta toplayabilmektedir. Sistem, elektronik kontrol sistemlerinin yer aldığı bir pedestal ve onun üzerinde 5–20 Hz hızlar arası 360° sonsuz dönebilen, lazer modülü ve FPGA mimarili alıcı devrelerini taşıyan bölmeden oluşmaktadır.

Velodyne HDL-64, kullanarak çok yoğun nokta bulutlarından oluşan haritalar üretilebilir. Fakat, HDL-64, ham veri üreten bir sensördür ve aralıksız şekilde ethernet üzerinden UDP paketleri halinde ilettiği verilerin georeferanslanması ve bu şekilde anlamlandırılması gerekir. LiDAR sensörleri ile ilgili görülen en büyük kafa karışıklığı, LiDAR sensörün bir platforma entegrasyonundan sonra otomatik olarak harita üretebileceğidir. HDL-64, HDL-32 ya da VLP-16 farketmeksizin tüm Velodyne LiDAR ürünlerinde, elde edilen ham nokta bulutu verisi, sofistike georeferanslama algoritmaları ile kaydedilmeli ve bu şekilde harita üretimi gerçekleştirilmelidir. Özellikle HDL-64'ün ürettiği veri miktarı (40–80 Mbit/s) düşünüldüğünde, nokta bulutu kaydetme (point cloud registration) için kullanılacak donanım ve bu işi gerçekleştirecek yazılımın hız ve kaynak limitlerinin seçimi konularında ileri seviye geliştirme çalışmaları yapılması gerekmektedir. Georeferanslama konusunda uygulanabilecek LOAM, SLAM, Direct Georeferencing gibi algoritmalar konusunda uzun bir süredir çalışan mühendislerimiz ile detaylı sorularınıza yanıt verebiliriz.

--

--