LiDAR感知
Parent: ai_keywords
核心定义
LiDAR感知（Lidar Perception）指通过激光雷达（Light Detection And Ranging, LiDAR）主动发射近红外激光脉冲，测量目标物反射时间以获取三维点云数据，并利用深度学习算法实时解析环境几何结构与运动状态的技术体系。其核心优势在于不受光照影响、毫米级测距精度、直接生成稠密空间坐标，广泛用于自动驾驶、机器人导航与地形测绘。
关键技术点
- 多线束扫描与点云生成：采用旋转棱镜或固态MEMS微镜，以16/32/64/128线束逐行扫描，获得每秒数十万至数百万个三维点，构成包含
(x,y,z)坐标与反射率的点云帧。 - 时空融合与目标检测：结合PointNet++、VoxelNet等3D卷积神经网络，在稀疏、不规则的体素空间中进行特征提取，实现车辆、行人、障碍物的实时分类与6D位姿估计（空间坐标+旋转角）。
- 跨模态校准与感知鲁棒性：将LiDAR点云与相机图像、毫米波雷达数据进行空间-时间对齐，利用互信息损失或几何约束联合优化传感器外参，弥补LiDAR在雨雾、灰尘中的信噪比下降问题。
医学/神经科学应用场景（围绕首都医科大学神经病学研究）
脑卒中后运动功能障碍的精细量化评估
传统临床量表（如Fugl-Meyer）存在主观性强、连续性差等局限。将LiDAR部署于康复训练室，以30帧/秒的速率采集患者上肢及躯干点云序列，结合图卷积网络提取关节角度、运动轨迹平滑度、肢体对称性等三维运动生物标志物。具体而言：
- 患者执行伸够、抓握动作时，LiDAR感知系统实时输出桡骨茎突、肩峰等解剖标志点的三维轨迹，计算运动速度与加速度的均方根误差，量化肌张力异常（与脑卒中后痉挛相关）。
- 利用时间同步的脑电图（EEG）与LiDAR数据，将运动意图的前运动皮质μ节律去同步化时间点与肢体实际启动延迟相对照，为皮质脊髓束损伤后运动计划-执行解离提供毫秒级客观指标。
- 在首都医科大学附属北京天坛医院的脑血管病队列中，该技术已初步实现帕金森病步态冻结与脑卒中偏瘫步态的鉴别（通过步幅变异性与躯干扭转角熵值），推动基于LiDAR的神经康复闭环反馈系统开发。
此应用使神经病学评估从“定性分级”跃迁至“连续空间-时间参数化”，契合精准医学对高时间解析度、无标记、无侵入运动捕捉的核心需求。
