摄像机与3D激光测距仪外部标定新方法

针对摄像机与3D激光测距仪外部标定问题,提出一种以镂空的棋盘格为标定模板的新方法.与传统标定方法不同,整个标定过程一次完成数据采集,根据图像和点云数据提取的角点实现外部标定,同时,仅采用同一块标定模板和一次数据采集完成整个标定过程,解决了以往因标定过程繁琐对标定精度带来影响的问题.实验结果表明,该方法简单实用,效果较好.

摄像机与3D激光雷达联合标定的新方法

针对摄像机与3D激光雷达融合系统的标定问题,提出了一种基于平面标定模版的新方法.整个标定过程分为单传感器独立标定和多传感器联合标定两部分.与以往的基于特征点或者边缘对应的标定方法不同,根据传感器原点到标定平面的距离对应性原理实现了联合标定,解决了在激光雷达距离图像上提取特征点或者边缘时精度较低带来的问题.同时,仅采用同一块平面模板完成了整个标定过程,简单实用.实验结果表明,相比传统标定方法,本方法能够获得更高的精度.

一种自适应摄像机与激光雷达联合标定算法

无人自主车依赖于摄像机与激光雷达对周围环境进行感知。为了对两者的信息进行融合,首先要通过两者的联合标定将数据置于同一坐标系下。针对摄像机与三维激光雷达的联合标定问题,提出了一种自适应的标定方法。仅需一块平面标定板即可完成全部标定过程。在非线性优化过程中,通过交替优化激光雷达至摄像机坐标系的旋转矩阵及平移向量,以及摄像机外参数,相比固定摄像机外参数的方法,平均标定误差可减小22.50%。通过对每帧激光雷达数据进行加权,平均标定误差可进一步减小8.80%。

一种3D激光雷达和摄像机的联合标定方法

针对由摄像机和3D激光雷达组成的无人车平台的外部标定问题,提出一种3D激光雷达和摄像机的联合标定方法.通过激光雷达在地面上的扫描信息,获取激光雷达安装的俯仰角和安装高度;利用黑白棋盘格标定板获取摄像机相对车体的姿态外参数;最后综合激光雷达和摄像机的标定结果,对激光雷达、摄像头、车体进行联合标定.该方法只要让标定板放置于车体正前方,采集一次数据就能满足整个标定过程,实现两种类型传感器的联合标定.实验结果表明该方法有较好的标定效果.

单目摄像机与三维激光雷达联合标定的研究

为解决单目摄像机与三维激光雷达组成的传感系统中数据匹配的问题,文章采用基于平面特征的方法实现了两传感器的联合标定,提出了通过优化平面靶标摆放位置来减少样本数量并提高样本质量,保证标定精度的方法。通过建立数学模型和实验验证了本文方法及算法的正确性,当靶标位置均匀分布在摄像机视场内,并且法向量方向均匀分布在四个象限时,只需4个标定位置即可完成参数求解,且标定误差与使用16个位置时相当。

一种基于双平行平面的激光雷达和摄像机标定方法

针对单线激光雷达和摄像头的外参数估计问题,提出一种基于双平行平面的标定方法,标定过程分为单传感器相对车体位姿的标定和多传感器联合标定2个部分。利用激光雷达在双平行的平面标定板上的扫描信息,获取激光雷达相对于车体的俯仰角度和偏转角度;通过黑白棋盘格获取摄像头相对于车体的姿态外参数;最后综合前两步的结果和两种传感器在车体的精确安装位置,对激光雷达、摄像头和车体进行联合标定。本文提出的方法只要让标定物放置于车体正前方,采集一次数据就能满足整个标定过程,实现多个传感器的联合标定。实验结果表明,该方法的标定精度较高,简单实用。

基于梯形棋盘格的摄像机和激光雷达标定方法

针对无人车(UGV)自主跟随目标车辆检测过程中需要对激光雷达(Li DAR)数据和摄像机图像进行信息融合的问题,提出了一种基于梯形棋盘格标定板对激光雷达和摄像机进行联合标定的方法。首先,利用激光雷达在梯形标定板上的扫描信息,获取激光雷达安装的俯仰角和安装高度;然后,通过梯形标定板上的黑白棋盘格标定出摄像机相对于车体的外参数;其次,结合激光雷达数据点与图像像素坐标之间的对应关系,对两个传感器进行联合标定;最后,综合激光雷达和摄像机的标定结果,对激光雷达数据和摄像机图像进行了像素级的数据融合。该方法只要让梯形标定板放置在车体前方,采集一次图像和激光雷达数据就可以满足整个标定过程,实现两种类型传感器的标定。实验结果表明,该标定方法的平均位置偏差为3.569 1 pixel,折算精度为13μm,标定精度高。同时从激光雷达数据和视觉图像融合的效果来看,所提方法有效地完成激光雷达与摄像机的空间对准,融合效果好,对运动中的物体体现出了强鲁棒性。

便携式三维扫描仪摄像机与电磁接收联合标定

摄像机和电磁接收模块的联合标定是便携式三维扫描仪应用中的重要问题。文中提出了一种对摄像机和电磁接收模块的联合标定方法,该方法依据摄像机内参数、激光平面参数和电磁接收模块相对基坐标系位姿矩阵之间的特定关系,进行一次标定实验即可求解出他们之间的变换矩阵。计算结果表明,此方法简单、实用、快捷,标定精度能满足便携式三维扫描仪的应用要求。

基于棋盘格的摄像机和多普勒雷达标定方法

在目标检测过程中,摄像机图像和多普勒雷达数据的信息需要进行融合,针对这一问题,本文提出了一种建立在棋盘格标定板基础上的联合标定方法。实验结果表明,使用该方法对多普勒雷达和摄像机进行联合标定后,得出平均位置的偏差为3.5691pixel,折算精度为13.38μm,可见这种标定方法的精度较高,应用性高。另外,从多普勒雷达数据和摄像机融合的效果来看,笔者发现该种方法能够较好的完成两者的空间对准,且融合效果好,体现出了运动中物体的强鲁棒性。

无人地面平台多传感器的联合外标定方法

针对现有的传感器标定方法的不足,提出一种采用3D标定物的无人地面平台多传感器联合外标定方法。在参考和借鉴国内外学者的智能移动机器人传感器标定研究成果的基础上,建立了无人地面平台和多传感器坐标系;并从3D标定物、多层激光测距仪的外标定、多层激光测距仪和CCD摄像机的联合外标定、坐标系之间的齐次变换和L-M非线性最优算法等几个方面论述多传感器的外标定方法和步骤;对标定结果进行了验证和误差分析。现该方法已经成功应用于中型无人地面平台项目。应用结果表明:该方法能修正各传感器的安装位姿误差,保证标定后的各传感器的测量精度和目标(障碍物)在平台坐标系的一致性。

路侧激光雷达与摄像机时间和空间同步方法

为解决激光雷达和摄像机之间因数据采集频率不同导致数据信息采集不匹配的问题,提出一种基于频率自匹配的多源传感器时间同步方法,在不改变传感器频率的前提下,采用频率自匹配算法对数据进行处理,使激光雷达和摄像机数据进行匹配,有效减少冗余数据,最终实现激光雷达点云数据和摄像机图像数据之间的时间同步。在时间同步基础上,采用基于平面靶联合标定的方法,实现多维度数据空间同步。通过实际场景测试试验,本研究提出的时间同步和空间同步方法的精度分别达到97.92%和96.21%,验证了该方法的准确性。本研究能够提高多源传感器信息融合准确性,有效解决单一传感器信息感知缺陷问题。

移动机器人动态环境下目标跟踪异构传感器一致性观测方法

为了解决机器人同时定位,地图构建与目标跟踪(SLAMOT)过程中的多源,异构传感器空间一致性观测问题,提出了基于信息融合的摄像机与激光测距传感器联合标定优化方法。完成基于误差传播公式的激光扫描点图像平面投影不确定范围判定,并利用协方差交集算法实现基于运动物体检验方法和基于Camshift方法的图像坐标系下目标状态融合。在此基础上,利用目标图像平面投影方向误差构造目标函数,通过非线性优化方法实现摄像机与激光测距仪标定参数优化。实验验证了设计方法能有效提高目标跟踪以及多传感器参数标定的准确性。相关成果能够为基于多传感器信息融合的机器人同时定位,地图构建与目标跟踪滤波方法研究提供观测值支持。