# T-DT 2024 Radar > 2024年东北大学T-DT实验室 RoboMaster超级对抗赛 雷达代码

# 版本和发布记录 **v0.0.1beta** - 初始化仓库，加入基础内容，初版README **v1.0** - 加入开源技术报告链接 **v1.1** - TensorRT 10 API 支持 - Ubuntu 24.04 支持 (Jazzy分支) - 删除rosbag_player包，改用 [rosbag2](https://github.com/ros2/rosbag2/tree/jazzy?tab=readme-ov-file#using-with-composition) 进程内通信 (Jazzy分支) # 项目介绍 东北大学RM2024雷达技术报告 [https://bbs.robomaster.com/wiki/260375/27115](https://bbs.robomaster.com/wiki/260375/27115) 本项目通过激光雷达和单目相机的目标检测，进行传感器后融合，实现了传感器之间的完全解耦合，避免了联合标定带来的误差，同时开发难度不随传感器数量增加而增加。~~(如果和你关系好的队伍不幸被淘汰了，可以把相机/雷达直接借过来用。)~~ **如果你没有激光雷达，也可以直接使用本项目的单目相机方案 (在RM2023的0.6m误差规则下取得了最高91%的准确率，荣获2023年雷达MVP)**

图1：配准效果

## 项目优势 - 1.即插即用，不依赖联合标定，脱离空间(机械结构)上的限制 - 2.不依赖相机和雷达之间的帧间匹配，脱离时间上的限制 - 3.直接使用直角坐标系的信息，更加直观 - 4.三层神经网络实现了更好的鲁棒性和可修复性，极大地降低了模型训练和数据集整理的难度和时间。 - 5.低耦合，易于维护和扩展 - 6.雷达全自动配准，节约3分钟部署时间 ## 硬件条件 - 激光雷达 Livox Avia - 单目相机 Hikvision CH-120-10UC - CPU i7-12700KF - GPU RTX A4000 * 2 ## 项目结构说明 **本项目提供了除串口、相机驱动、模型训练外雷达站的全部功能**  ### 单目相机 - 五点标定(键盘微调) - 透视变换方案 ### 识别 - 三层神经网络结构 | 名称 | 大小 | 用途 | | --- | --- | --- | | yolov5s | 1280x1280 | 识别机器人 | | yolov5s | 192x192 | 识别装甲板 | | resnet18 | 224x224 | 数字分类 | 建议根据相机分辨率调整模型大小，以提高推理速度。 - RTX A4000 实测50Hz - RTX 3050M (35W极致阉割版) 实测16Hz 由于使用了时间同步，只要推理速度>10Hz 也能正常使用。 **模型存储在 model/ONNX 文件夹下** - 提供了onnx自动转换trt，如果没有检测到TensorRT编译的模型，会自动编译对应模型。 ### 激光雷达 - GICP配准 **RM2024场地地图(有墙版)存储在config/RM2024.pcd** - KdTree离群点检测 - 欧几里得聚类 File truncated at 100 lines [see the full file](https://github.com/t-dt-algorithm-2024/t-dt-2024-radar/tree/main/README.md)