1、Lidar测速的几种方案
直接法：通过FMCW回波的FFT变换，直接得出目标的速度，但是这里的速度是径向速度；这里的速率是每个Lidar点云直接的velocity measurement，是直接的测量值。
间接法：通过测量目标点云在两帧或者多帧之间的位移和时间的比值，计算出目标的速度；在实际的工程实现上，是需要先对Lidar的点云进行目标识别，完成目标的Tracking，在通过Tracking后的目标进行目标速度的估计，注意这里是velocity estimation，不是直接测量。
2、FMCW Lidar测速
多普勒效应：当目标与Lidar之间存在相对运动的，若Lidar发射信号的工作频率为𝑓0，则接收信号的频率为𝑓0 +𝑓𝑑， 𝑓𝑑为多普 勒频率。将这种由于目标相对辐射源的运动而导致回波信号频 率的变化称为多普勒效应。
公式推导过程如下
由上述公式推导过程可以得出，只有在两个不同的惯性系中才有可能发生多普勒效应。
从上图可以看到，光速c为常数，由于多普勒效应，频率和波长成反比变化。通过测量这里的频率或者波长的变化，可以测量目标的想对速度。
利用多普勒效应，主动生成跳频连续被FMCW（chirp）如下所示
在时域上无法区分信号时（上图红色和蓝色叠加伪绿色），可以在频域进行区分（红色和蓝色）。
有了FMCW之后，通过TX发射chirp信号（下图中的红色信号），目标物发射chirp信号（下图中的蓝色信号）。如果没有相对运动，则TX RX频差固定，通过这个频差，可以测量出相对距离。
线性调频的调频速率定义如下
Lidar和目标之间的距离如下
从上可以看到，距离d可以通过混频后的频率差fb得到，而不是△t；另外距离分辨率可以从下式得到
距离分辨率
最大探测距离
当目标存在相对速度时，这个速度在中频信号上，只能影响中频信号的相位变化，通过对IF相位变化的处理，可以得到目标的相对速度。
重复这些chirp，如下图
3、间接速度测量
间接速度测量和卡尔曼滤波算法强相关，需要介绍一个kalman滤波算法
Ref：Object Tracking: Kalman Filter with Ease - CodeProject
和Kalman 滤波相关的还有运动学模型，影响Kalman滤波中的运动状态更新公式的选取。
Ref：https://www.mdpi.com/1424-8220/22/15/5828
基于以上的，可以通过Lidar点云，识别得到运动目标，再对运动目标进行Kalman滤波，从而估计出运动目标的速度。
https://patents.google.com/patent/CN103901425A/zh
https://www.mdpi.com/1424-8220/24/23/7718
OpenCV Vehicle Detection, Tracking, and Speed Estimation - PyImageSearch
上图的方法，实际上是无法在实际的ADAS项目中应用的。
ResearchGate - Temporarily Unavailable
https://techxplore.com/news/2023-12-vision-vehicles-road-real-time.html
How to Estimate Speed with Computer Vision
How to Estimate Speed with lidar point
https://www.mdpi.com/1424-8220/23/23/9426
https://www.mathworks.com/help/fusion/ug/track-vehicles-using-lidar.html
Target Position and Speed Estimation Using LiDAR | SpringerLink
