雷达点云解码优化指南

1. 问题描述

原始解码节点由于使用 Python for 循环解析二进制数据，导致帧率极低（约 0.4Hz），无法满足实时 SLAM 要求。

2. 性能攻坚：Numpy 向量化

• 目标：将帧率提升至 10Hz 正常水平。
• 核心方案：
  • 使用 np.frombuffer 批量解析雷达包数据。
  • 避免 Python 循环，使用内存切片替代。
  • 批量构造 PointCloud2 消息的 data 字段。

3. 点云字段格式规范 (FAST-LIO 兼容)

为了让 FAST-LIO 正确解析，点云字段必须严格按照以下顺序，且步长为 24 字节：

字段名	类型	偏移量 (Offset)
x	FLOAT32	0
y	FLOAT32	4
z	FLOAT32	8
intensity	FLOAT32	12
ring	FLOAT32	16
time	FLOAT32	20

4. 优化脚本示例

# 使用 numpy 的结构化数组快速填充
points = np.zeros(n_points, dtype=[
    ('x', 'f4'), ('y', 'f4'), ('z', 'f4'),
    ('intensity', 'f4'), ('ring', 'f4'), ('time', 'f4')
])
points['x'] = xs
# ...
cloud.data = points.tobytes()

5. 解码避坑提示

• XYZ 符号位：C16 数据单维为 1 字节，转换时必须先转为 int8 再转为 int16。
• 距离过滤：必须过滤掉 0.1m 以内的反射噪点。