本发明涉及无人系统中目标检测技术领域，尤其涉及一种用于目标检测的激光雷达转动控制方法。
背景技术：
激光雷达作为一种新型主动式测距传感器，其测量精度高、探测距离远、不受环境光照变化影响，可快速获取与图像互补的目标信息，尤其适用于无人系统中实现障碍物的检测。行人车辆检测一直是智能交通、无人驾驶汽车和汽车安全辅助驾驶等研究领域关心的热点问题，基于视觉信息的行人检测易受到光照、目标姿态变化和遮挡的影响，而降低其检测精度；在现实复杂的交通环境中，目标检测的精度越高、有效的检测距离越远，系统得到的“预警”就越早，在高速运动时留给决策和控制层面时间越长，将激光雷达搭载在无人系统中实现无人系统障碍物检测，基于测量精度高、探测距离远、不受环境光照变化影响的激光雷达，可以有效提高无人系统的安全运行性能，减少交通事故的发生。
针对激光雷达的目标检测，目前通常都是致力于研究如何利用激光雷达获得的点云信息实现障碍物的准确检测，还未有研究考虑所获取的点云信息质量问题，而在无人驾驶汽车的实际应用中，激光雷达存在工作盲区并且目标距离激光雷达越远其获得的表面点云越稀疏，稀疏的点云会进一步减小系统的有效检测距离，低质量的点云数据也正是导致系统有效检测距离受到限制的根源。
为了弥补单线激光雷达获取目标的几何形状信息弱的劣势，提高激光雷达获取点云数据质量，一种方法是使用2d激光雷达或使用3d激光扫描实现匀速扫描，其中3d激光扫描通常是将2d激光雷达和imu(惯性测量单元)固连在弹簧的一端，依靠弹簧头部2d激光雷达和imu自重产生振动，再通过实时解算imu记录的位姿获得3d点云，但是上述无论是2d扫描还是3d扫描方式，均是直接设定扫描角度、速度来控制激光雷达扫描，并未考虑载体平台的运行速度，但是载体平台的运动速度会对激光雷达摆动扫描产生影响，因而上述控制激光雷达扫描所得到的点云质量依然不高，影响系统的有效检测距离；另一种方法是利用rbf插值算法插补水平方向的稀疏点云数据，之后利用重采样算法对稠密化之后的三维点云密度进行调整，虽然可以获取高质量的点云数据，但是该类插值方法的效果易受目标点云投影方向的影响，且对于覆盖目标的扫描线数也有要求。
技术实现要素：
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、扫描得到的点云数据丰富、工作盲区小且有效检测距离远用于目标检测的激光雷达转动控制方法。
为解决上述技术问题，本发明提出的技术方案为：
一种用于目标检测的激光雷达转动控制方法，步骤包括：
s1.将激光雷达安装在运行平台上构成检测系统，预先根据所述激光雷达的安装位置信息以及检测目标位置信息，分别获取所述运行平台处于不同运行速度时所采集到的点云分布随着激光雷达扫描速度变化的变化趋势；
s2.所述检测系统进行目标检测时，实时采集所述运行平台的运行速度，由实时采集到的运行速度获取对应的所述点云分布的变化趋势，并根据获取到的所述点云分布的变化趋势确定当前所需的激光雷达扫描速度；
s3.根据所述步骤s2确定的激光雷达扫描速度控制激光雷达转动以完成目标检测。
作为本发明的进一步改进，所述步骤s1中获取不同运行速度时所述点云分布的变化趋势的具体步骤包括：
s11.预先构建覆盖检测目标的点云总数与所述激光雷达的安装位置信息、检测目标位置信息、运行平台的运行速度以及激光雷达扫描速度之间的关系模型；
s12.根据所述关系模型以及当前所述激光雷达的安装位置信息、检测目标位置信息，分别计算所述运行平台的运行速度、所述激光雷达扫描速度为不同值时所对应的覆盖检测目标的点云总数；
s13.由各所述覆盖检测目标的点云总数的分布状态，确定得到所述点云分布的变化趋势。
作为本发明的进一步改进，所述步骤s11中构建所述关系模型的具体步骤为：
s111.根据所述激光雷达的安装位置信息、扫描角度信息以及检测目标位置信息，建立检测目标与激光雷达之间的几何关系；
s112.由建立的所述几何关系构建覆盖检测目标的总扫描线数ln与激光雷达安装高度h、检测目标高度t、检测目标与运行平台之间的距离sd之间的关系，即为ln＝fi(sd,h,t,li)，其中
s113.根据所述覆盖目标的总扫描线数ln计算覆盖目标的单帧点云总数pnum为：
其中，k为折减系数，nj为覆盖目标的每条扫描线上的点数；
s114.由所述覆盖检测目标的单帧点云总数pnum构建得到所述关系模型为：
其中，
作为本发明的进一步改进，所述步骤s12的具体步骤为：以x轴对应为所述覆盖目标的点云帧数nf、y轴对应为所述检测目标与运行平台之间的距离sd构建xoy二维平面，并以z轴对应为所述运行平台与检测目标的相对运动速度vco，将所述运行平台与检测目标的相对运动速度vco取指定多个值时对应的xoy二维平面分别划分为多个网格，计算出每个网格中对应的所述覆盖检测目标的点云总数
作为本发明的进一步改进，所述进行标记的具体步骤为：若计算到的所述覆盖目标的点云总数
作为本发明的进一步改进，所述步骤s2中确定当前所需的激光雷达扫描速度的具体步骤为：在每个xoy平面中确定斜率为
作为本发明的进一步改进，所述步骤s1中还包括为激光雷达配置具有无急回特性曲柄的摇杆机构步骤，所述步骤s3中具体根据所述步骤s2确定的激光雷达扫描速度驱动所述摇杆机构中曲柄单方向旋转，以控制激光雷达按照确定的扫描速度转动。
作为本发明的进一步改进，所述配置具有无急回特性曲柄的摇杆机构的具体步骤为：
配置具有曲柄ab、连杆bc、摇杆cd、机架ad的曲柄摇杆机构；
确定所述曲柄ab、连杆bc、摇杆cd、机架ad之间的长度关系，以及所述曲柄ab与摇杆cd之间的角速度关系，以使得所述曲柄摇杆机构具备无急回特性；
确定所述摇杆cd的摆角φ与检测目标位置之间的关系，以使得所述曲柄摇杆机构控制所述激光雷达转动时覆盖检测目标的激光束最多。
作为本发明的进一步改进，所述长度关系具体为：所述曲柄ab与所述机架ad的长度平方和等于所述连杆bc与所述摇杆cd的长度平方和，即
所述角速度关系具体为：
其中，
作为本发明的进一步改进，所述摇杆cd的摆角φ与检测目标位置之间的关系具体满足下式：
φ＝θu+θd；
其中θu为激光雷达的仰角，θd为激光雷达的俯角，ωmax为激光束的最大垂直扫描角，且当
t>h时，
当t≤h时，θu＝0，
与现有技术相比，本发明的优点在于：
1)本发明通过将激光雷达搭载在运行平台中，基于激光雷达的周期性俯仰扫描采集目标点云信息，同时考虑运行平台的运行速度对激光雷达扫描的影响，基于运行平台的运行速度控制激光雷达转动，使得可以适应运行平台不同的运行工况实现精确的点云数据采集，能够采集到更为丰富的点云数据，解决点云稀疏问题，同时减小工作盲区，提高系统有效检测距离，由丰富的点云数据可以实现更为准确的目标检测。
2)本发明通过构建覆盖检测目标的点云总数与激光雷达的安装位置信息、检测目标位置信息、运行平台的运行速度以及激光雷达扫描速度之间的关系模型，能够结合激光雷达安装状态、检测目标位置状态及运行平台的运行状态精确的计算得到覆盖检测目标的点云总数，可以得到精确的点云分布状态。
3)本发明进一步以x轴对应为覆盖目标的点云帧数、y轴对应为检测目标与运行平台之间的距离构建xoy平面，并以z轴对应为运行平台与检测目标的相对运动速度，将运行平台与检测目标的相对运动速度取指定多个值时对应的xoy平面分别划分为多个网格，计算出每个网格中对应的覆盖检测目标的点云总数后在对应的网格中进行标记，由各网格的标记统计结果得到随着激光雷达扫描速度变化时点云变化趋势，可快速、方便的确定得到最佳的激光雷达扫描速度。
4)本发明进一步通过采用无急回特性曲柄摇杆机构控制激光雷达转动，控制实现简单且控制精度高，通过在安全距离范围内确定系统更新频率、俯仰装置角速度和俯仰极限位置，，能够在确保安全行驶的条件下，进一步提高远距离目标点云数据采集的质量，保证覆盖目标表面获得的激光点数最多且分布最均匀，可实现快速、精确的远距离目标检测。
5)本发明进一步利用无急回特性曲柄摇杆机构的运动模型和杆长条件得出激光雷达俯仰角速度与直流电机转速之间的关系，由运行平台的运行速度控制激光雷达俯仰角速度，能够基于无急回特性实现摇杆机构实现激光雷达的精确控制，能够提高增加点云数据的采集质量进而提升系统的有效检测距离。
附图说明
图1是本实施例用于目标检测的激光雷达转动控制方法的实现流程示意图。
图2是本实施例构建的激光雷达测距模型示意图。
图3是本实施例中得到的不同距离上测得的行人的点云分布结果示意图。
图4是本实施例中得到的行人点云数目及相邻数据点间距随距离变化关系的统计结果示意图。
图5是本实施例中构建的检测目标与激光雷达的几何关系原理示意图。
图6是本实施例中实现相对运动速度、系统更新周期确定的原理示意图。
图7是本实施例中构建的俯仰机械装置的几何模型示意图。
图8是本实施例中确定俯仰极限的原理示意图。
图9是本发明具体实施例中得到的转速仿真波形示意图。
图10是本发明具体实施例中得到的点云对比结果示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
如图1所示，本实施例用于目标检测的激光雷达转动控制方法，步骤包括：
s1.将激光雷达安装在运行平台中构成检测系统，并预先根据激光雷达的安装位置信息以及检测目标位置信息，分别获取运行平台处于不同运行速度时所采集到的点云分布随着激光雷达扫描速度变化的变化趋势；
s2.检测系统进行目标检测时，实时采集运行平台的运行速度，由实时采集到的运行速度获取对应的点云分布的变化趋势，根据点云分布的变化趋势确定当前所需的激光雷达扫描速度；
s3.根据步骤s2确定的激光雷达扫描速度控制激光雷达转动以完成目标检测。
本实施例通过将激光雷达搭载在运行平台中，基于激光雷达的周期性俯仰扫描采集目标点云信息，同时考虑运行平台的运行速度对激光雷达扫描的影响，预先获取运行平台处于不同运行速度时点云分布随着激光雷达扫描速度变化的变化趋势，目标检测时再由运行平台的实时运行速度确定所需的激光雷达扫描速度，能够基于运行平台的运行速度控制激光雷达转动，使得可以适应运行平台不同的运行工况实现精确的点云数据采集，相比于传统的直接设定激光雷达扫描角度、速度，能够采集到更为丰富的点云数据，解决点云稀疏问题，同时减小工作盲区，提高系统有效检测距离，由丰富的点云数据可以实现更为准确的目标检测，尤其适用于无人系统中实现复杂环境中各种运动状态下的障碍物检测。
本实施例中，步骤s1中获取不同运行速度时点云分布的变化趋势的具体步骤包括：
s11.预先构建覆盖检测目标的点云总数与激光雷达的安装位置信息、检测目标位置信息、运行平台的运行速度以及激光雷达扫描速度之间的关系模型；
s12.根据关系模型以及当前激光雷达的安装位置信息、检测目标位置信息，分别计算运行平台的运行速度、激光雷达扫描速度为不同值时所对应的覆盖检测目标的点云总数；
s13.由各覆盖检测目标的点云总数的分布状态，确定得到点云分布的变化趋势。
本实施例通过构建覆盖检测目标的点云总数与激光雷达的安装位置信息、检测目标位置信息、运行平台的运行速度以及激光雷达扫描速度之间的关系模型，能够结合激光雷达安装状态、检测目标位置状态及运行平台的运行状态精确的计算得到覆盖检测目标的点云总数，从而得到精确的点云分布状态，从而进一步提高激光雷达的控制精度。
本实施例具体先建立激光雷达扫描数学模型，根据激光雷达模型建立检测目标表面点云分布与检测目标形状及其所处方位之间的关系，以确定点云分布对目标探测的影响，详细步骤为：
①激光雷达数学建模及远距离目标点云数据特点分析
本实施例具体使用vlp-16激光雷达，建立的vlp-16激光雷达测距模型如图2所示，其中图(a)为激光雷达模型，o-xyz为激光雷达坐标系，图(b)为俯视图，其中α为水平扫描角，图(c)为侧视图，其中ω为垂直扫描角，在yoz平面共有16束等夹角分布且关于y轴对称的激光脉冲，每束激光的垂直扫描角ω为固定值，ρ为数据点距激光雷达中心的距离，利用式(1)将极坐标系下的一点(ρ,ω,α)转换到笛卡尔坐标系下(x,y,z)。
由于三维激光雷达工作时，激光束以扇形的方式向外发射，目标距离激光雷达越远，相邻激光束之间的距离就越大，目标点云越稀疏。本实施例具体针对1020个实测行人样本进行统计分析，统计结果如图3、4所示，其中图3为不同距离上测得的行人的点云分布，图4为得到的行人点云分布随其与激光雷达距离之间的变化关系(激光雷达工作频率为600rpm)，其中图4(a)为1020个扫描行人的点云数目与其距激光雷达中心距离之间的统计关系，图4(b)为相邻数据点间的距离随其与激光雷达距离变化的统计关系，其中hag代表相邻激光束之间的水平平均间隔，sag代表相邻扫描线间的平均间隔。由图3、4可知，目标距离激光雷达越远覆盖目标的点数越少且分布越稀疏，水平方向相邻数据点之间的间隔和垂直方向上相邻扫描线之间的间隔越大，即目标距离激光雷达越远，覆盖目标的扫面线数ln和数据点数pnum越少，相邻激光束水平和垂直方向的间隔xg,yg越大，激光雷达获取的目标表面点云越稀疏。
②覆盖检测目标的点云总数的模型构建
本实施例具体设定三个前提条件：
(1)雷达水平安装，目标都与地面相接触，且垂直于地面；
(2)目标都可以被长为l、宽为w、高为t的最小立方体包围，考虑目标姿态的变化立方体长和宽是两个可互换的概念；
(3)激光雷达工作时，相邻激光束间发射的时间间隔为2.304us，其远小于激光雷达的最小扫描周期可忽略不计，实际计算时假设16根激光束同时发射。
如图5所示，本实施例先构建检测目标与激光雷达的几何关系，其中∏α为垂直方向的扫描平面，ω1,ω2为相邻两激光束与yα轴之间的夹角，在雷达坐标系oxyz内，设点p的坐标为(x，y，z)，p′为点p在xoy平面内的投影，则目标距离激光雷达的距离
当检测目标高度t大于等于激光雷达安装高度h，即t≥h时，可得覆盖目标的扫描线个数ln为：
当检测目标高度t小于激光雷达安装高度h，即t<h时，覆盖目标的扫描线个数ln为：
其中floor(·)，atan(·)分别为向负无穷取整函数和反正切函数，ω△＝2°为垂直方向相邻激光束的夹角，
由上可知，覆盖目标的总扫描线数ln是由激光雷达安装高度h、检测目标高度t及两者之间的关系li(i＝1,2)以及检测目标距离激光雷达之间的距离sd决定，则由上述式(2)～(4)可综合写成如下形式：
ln＝fi(sd,h,t,li)(5)
其中，li(i＝1,2)对应着fi(·)的具体表达式。
由于激光雷达水平方向上相邻两激光束的夹角由其内部旋转马达的转速决定，设内部旋转马达的转速为n，单位为r/s，第一组激光束全部发射完毕到第二组激光束全部发射完毕时间周期为△t，则水平方向上相邻两激光束之间的夹角α△＝360n△t。如图5(a)所示，水平方向上覆盖目标的激光束的最小水平扫描角为αmin，最大水平扫描角为αmax，两者之间的间隔△α＝αmax-αmin，覆盖检测目标的每条扫描线上的点数
其中，k为折减系数，取值可以为目标面积占包围目标的最小矩形面积的百分比，考虑目标相对于激光雷达姿态的变化，具体取值可以为k＝1.5～2.0。
由激光雷达的几何模型可知，相邻两激光束之间的水平间隔xg和垂直间隔yg分别为：
其中dn,t,dn,t+△t分别表示水平方向上第n条激光束在t,t+△t时刻到目标的距离，dn,t,dn+1,t分别表示在t时刻，垂直方向上相邻两根激光束n，n+1到目标的距离。
假设无人车在t＝t1时刻其前方sdis米处有一个移动目标，在此之后的一段时间内
其中，pnum,k表示采集到的第k帧点云的点数，vco为运行平台与检测目标的相对运动速度，
由激光雷达的工作原理可知，激光雷达内部马达旋转一周可获取一帧点云数据，即激光雷达采集的帧率等于其内部旋转马达的转速n，单位为r/s，则激光雷达采集一帧点云所用时间
由上述即可得到覆盖检测目标的点云总数与激光雷达的安装位置信息、检测目标位置信息、运行平台的运行速度以及激光雷达扫描速度之间的关系模型，以得到目标表面点云分布与目标形状及其所处方位之间的关系。即步骤s11中构建关系模型的具体步骤为：
s111.根据激光雷达的安装位置信息、扫描角度信息以及检测目标位置信息，建立检测目标与激光雷达之间的几何关系；
s112.由建立的几何关系构建覆盖检测目标的总扫描线数ln与激光雷达安装高度h、检测目标高度t、检测目标与运行平台之间的距离sd之间的关系，即为ln＝fi(sd,h,t,li)，其中
s113.根据覆盖目标的总扫描线数ln计算覆盖目标的单帧点云总数pnum，具体如上式(6)所示；
s114.由覆盖检测目标的单帧点云总数pnum构建得到关系模型为：
本实施例中，步骤s12的具体步骤为：以x轴对应为覆盖目标的点云帧数nf、y轴对应为检测目标与运行平台之间的距离sd构建xoy平面，并以z轴对应为运行平台与检测目标的相对运动速度vco，将运行平台与检测目标的相对运动速度vco取指定多个值时对应的xoy平面分别划分为多个网格，计算出每个网格中对应的覆盖检测目标的点云总数
本实施例中，进行标记的具体步骤为：若计算到的覆盖目标的点云总数
本发明具体实施例中得到的相对运动速度vco与系统数据处理更新周期
本实施例中，步骤s2中确定当前所需的激光雷达扫描速度的具体步骤为：在每个xoy平面中确定斜率为
本实施例运行平台具体为无人驾驶车辆，为保证无人驾驶车辆在道路上安全行驶，具体配置使得检测系统本身的探测距离sfind大于车辆的制动安全距离ssafe，假设准确检测出目标所需的最少数据点数为tnum，同时考虑紧急制动情况，使得车辆安全行驶时满足系统探测距离大于等于系统数据更新过程中汽车行驶的距离与安全制动距离之和，即：
如图6所示，每层xoy平面唯一对应一条直线，即为安全制动条件曲线，该直线的斜率为
如图6所示，当vco取值越大，直线斜率越大，满足约束条件的第一标记的数目减少但数量增多，图中直线左上角绿色方格区域的取值为满足约束方程的可行域，则可以根据实际应用需求在此区域选出最佳的vco和nf，此时系统数据处理更新周期
本实施例中，步骤s1中还包括为激光雷达配置具有无急回特性曲柄的摇杆机构，即由俯仰机械装置控制激光雷达转动，步骤s3中具体根据步骤s2确定的激光雷达扫描速度驱动摇杆机构中曲柄单方向旋转，以控制激光雷达按照确定的激光雷达扫描速度转动。本实施例通过采用无急回特性曲柄摇杆机构作为俯仰机械装置来控制激光雷达转动，控制实现简单且控制精度高，能够在确保安全行驶的条件下，进一步提高远距离目标点云数据采集的质量，可实现快速、精确的远距离目标检测。
本实施例中，步骤s1中摇杆机构配置的具体步骤为：
配置具有曲柄ab、连杆bc、摇杆cd、机架ad的曲柄摇杆机构；
确定曲柄ab、连杆bc、摇杆cd、机架ad之间的长度关系，以及曲柄ab与摇杆cd之间的角速度关系，以使得曲柄摇杆机构具备无急回特性；
确定摇杆摆角φ与目标高度及其位置之间的关系，以使得曲柄摇杆机构控制激光雷达转动时覆盖目标的激光束最多。
为实现安全距离内障碍物的准确检测，本实施例的无急回特性曲柄摇杆机构如图7所示，其中图(a)为曲柄摇杆机构，图(b)为坐标转换原理；曲柄ab、连杆bc、摇杆cd、机架ad、长度分别为l1，l2，l3，l4，当以曲柄ab为主动件且极位夹角等于零时，曲柄摇杆机构无急回特性，摇杆的去程和回程时间相等，即摇杆往复运动的速度相等。如图7(a)所示，激光雷达可围绕销轴d转动，||od||＝l0其值等于激光发射器中心距激光雷达底面高度与销轴半径之和，dc′,dc″为曲柄ab处于b′,b″与连杆bc两次共线时，摇杆dc所处的两个极限位置。
本实施例中，长度关系具体为：曲柄ab与机架ad的长度平方和等于连杆bc与摇杆cd的长度平方和，即
角速度关系具体为：
其中，
通过上述配置，使得曲柄摇杆机构满足无急回特性。
如图7(b)所示，在曲柄摇杆机构的驱动下激光雷达在yoz平面内做周期性俯仰运动，激光雷达测得的数据点p可表示为p(ρ,ω,α,θ)，其中
其中，s(·),c(·)分别表示sin(·),cos(·)。
为了保证覆盖目标的激光束最多，本实施例对激光雷达俯仰运动时的最大仰角θu、俯角θd与检测目标的关系为：1)当曲柄摇杆机构处于俯仰极限位置时，具有最大垂直扫描角ωmax的激光束覆盖分别覆盖目标的最高点和最低点；2)激光雷达坐标原点距离销轴d的距离l0很小可忽略不计。俯仰运动的极限位置与检测目标的几何关系如图8所示，其中pp′为目标，高度||pp′||＝t，检测目标距离激光雷达的距离||o′p′||＝sd，h为激光雷达的安装高度，则当t>h时，在△ocp中，∠poc＝θu-ωmax，其正切值为：
其中，ωmax为激光束的最大垂直扫描角其值为15°。同理在△ocp′中可得如下关系：
摇杆的摆角φ为：
φ＝θu+θd(14)
当t≤h时，即当雷达的安装高度大于目标高度时，激光雷达仰角θu＝0，俯角根据式(13)计算，则由式(12)～(14)可得摇杆摆角φ与检测目标高度及其位置之间的关系。
本发明具体实施例中摇杆长度l3＝72.87mm，检测目标高度t＝2m，激光雷达安装高度取不同值时，对远距离目标而言，激光雷达的安装高度影响不大，随着距离的增加，摇杆的摆角变化越小并且逐渐趋于平缓。本实施例通过上述方法在安全距离范围内确定系统更新频率、俯仰装置角速度和俯仰极限位置，能够保证覆盖目标表面获得的激光点数最多且分布最均匀。摇杆摆角具体可取φ＝33°，可满足无人系统对远距离目标的检测的要求。
本实施例具体采用直流电机驱动曲柄单方向旋转，在确定各个杆长之后利用公式(10)可计算在曲柄角速度
本实施例利用无急回特性曲柄摇杆机构的运动模型和杆长条件得出激光雷达俯仰角速度与直流电机转速之间的关系，由运行平台的运行速度控制激光雷达俯仰角速度，能够基于无急回特性实现摇杆机构实现激光雷达的精确控制，能够提高增加点云数据的采集质量进而提升系统的有效检测距离。
为满足该转动云台在一定范围内无级平滑调速，动、静态性能优良的要求，本实施例具体采用直流双闭环的pi调速系统，通过调节电枢电压进行调速，通过直流电机双闭环pi调速系统调节电机转速从而实现激光雷达转动云台的控制。在恒定励磁条件下，直流电机的数学模型为：
其中，电机反电动势e＝cen，电磁转矩te＝cmid，tl为负载转矩，gd2为电机拖动系统运动部分折算到电机轴上的转动惯量，ud,id,r,l分别为电枢电压，电枢回路电流，总电阻和电感，ce,cm分别为电动机电势常数和转矩常数。
为验证本实施例上述控制方法的有效性，本实施例进一步在利用simulink搭建直流电机双闭环调速模型和曲柄摇杆机构运动模型对激光雷达转动控制的效果进行仿真验证，其中直流电机双闭环调速仿真模型中由调速系统引入直流斩波电路，通过控制pwm的占空比改变电枢电压调速，根据实际应用设定各模块参数，得到的仿真结果如图9所示，从仿真结果可知，在恒定负载情况下，电机转速在0.3s左右达到稳态转速，且仿真转速与给定转速很接近，并且超调量很小，能够满足实际应用；如图10所示，本实施例采用的曲柄摇杆机构各构件的长度分别为：曲柄l1＝20.70mm，连杆l2＝90.00mm，摇杆l3＝72.87mm，机架l4＝113.94mm，激光雷达水平安装高度h＝0.95m，内部旋转马达工作转速n＝20r/s，行人身高t＝1.65m，曲柄以角速度
由图10(a)可知，引入俯仰机械装置之后行人点云变得密集，信息量变得丰富，图10(b)～(f)为两种运动速度下引入俯仰装置的点云对比，摇杆角速度
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。