一种摄像机和3维激光雷达外部参数最大似然估计的标定算法

提出了摄像机和激光雷达外部参数的最大似然估计算法.本算法在计算摄像机和3维激光雷达坐标系转换的旋转矩阵时,考虑了各参数初值的误差情况,根据方差的大小为参数初值赋予相应的权值,使误差大的初值具有较小的权重,而误差小的初值具有较大的权重,从而使参数初值的误差对标定结果的影响能够一致.在此基础上求解旋转矩阵的最大似然估计值,得到了更加精确的结果.此外建立了误差模型,揭示了标定过程中以差的传递机理,为深入研究标定问题提供参考.

一种针孔相机与三维激光雷达外参标定方法

针对针孔相机和三维激光雷达的外参标定问题,提出了一种新的方法:利用相机坐标系和激光坐标系下棋盘面的对应性,将外参标定转换为三维空间中旋转、缩放矩阵的求解问题。每帧数据可以提供4个约束,最少只需3帧数据可求解外参矩阵。方法原理简单易懂,直观明了地解释了失效退化原因。仿真实验与真实数据实验表明:提出的方法可以得到高精度的外参矩阵,且在采样帧数较少的情况下依旧可以获得很好的标定效果。

考虑点云结构和表观信息的激光雷达-惯性SLAM算法

为提高移动机器人在卫星拒止环境下的精确导航能力,克服大范围运动场景下的定位误差累积问题,提出一种考虑点云结构和表观信息的激光雷达-惯性SLAM(同时定位与地图创建)算法。该算法主要包含2个部分:考虑点云结构的激光雷达-惯性里程计以及基于点云表观的闭环检测与优化。激光雷达-惯性里程计线程中,通过IMU(惯性测量单元)信息预测导航状态量,构建了考虑点云结构的直接对齐观测方程,并采用迭代误差扩展卡尔曼滤波器实时地更新导航状态量。闭环检测与优化线程中,根据点云表观差异、相对运动位姿和时间约束判定关键帧,而后基于点云表观筛选得到候选闭环关键帧,并根据表观匹配距离和2维距离对候选闭环关键帧进行排序,最后确认闭环关键帧并构建位姿图,实现全局位姿优化和地图调整。在西安世博园开展的自主导航实验表明,该算法能够实时完成自主导航,并在环形运动中准确检测闭环,有效完成闭环优化,轨迹起点和终点的平均误差仅为0.07 m。此外,进一步测试了激光雷达退化环境下的多模态组合导航切换方法,该方法有效提升了自主导航的可靠性。