基于单目相机和多线激光雷达的联合标定方法研究

目的针对相机和激光雷达之间的外参标定问题,为了减少两者的标定误差,得到更高的标定精度,方法提出一种基于非线性优化的联合标定方法。首先拍摄不同角度的棋盘格标定板图像,采集足够多数据后利用工具包进行相机内参标定,得到单目相机内参;然后在激光点云和图像中检测标定板的角点特征坐标,激光点云下的角点坐标由提取的标定板点云数据和其几何特征获得,通过拟合出的图形由上至下、由左至右确定图形顶点坐标及标定板行列数,可得到各角点坐标;相机角点特征坐标采用FAST角点检测,利用角点灰度信息确定角点坐标;根据点云检测特征点到图像投影误差构建目标函数,将外参求解转化为最小二乘问题;最后通过基于列文伯格-马夸尔特的非线性优化算法,迭代求解得到最优外参。结果最终平均标定投影误差为1.29像素,最大投影误差为2.46像素,最小投影误差为0.70像素,标准差为0.57像素。结论根据标定的外参将点云投影至图像上可知,标定结果较好,并将结果运用到实际场景下视觉和激光雷达融合的SLAM算法中,运动轨迹平滑且与地图保持高度一致,本文方法标定过程简单,不需要棋盘格的真实物理尺寸,满足使用要求。

基于LABO-3的移动机器人定位研究

定位是确定机器人在其工作环境中所处位置的过程。移动机器人通过传感器感知环境和自身状态,进而实现自主运动。简单地说就是在一个未知的环境中,获取信息、分析环境,确定自己在该环境中的具体位置。利用Matlab与LebVEIW相结合实现对数据的采集,提出一种基于地图的EKF定位方法,从而实现精确定位。结合LABO-3的特点对机器人的定位问题进行研究,达到在实际中的应用。

机器人定位与导航研究平台的改进

机器人的即时定位与地图创建是近年来移动机器人的研究热点。移动机器人通过传感器感知环境和自身状态,进而实现自主运动。具体来说就是机器人在一个未知的环境中,获取信息、分析环境,确定自己在该环境中的具体位置。作为实验对象的移动机器人,需要有很强的负载能力,并且能够长时间运行。该文针对原有机器人研究平台LABO-3的不足,使用新的EMC-700移动机器人进行替代,并对其进行了改进。为以后的移动机器人即时定位与地图创建的实验创造了良好的硬件基础。