基于连续时间批量估计的LiDAR-IMU系统无目标标定

最新推荐文章于 2024-04-14 17:34:57 发布

weixin_44724806

最新推荐文章于 2024-04-14 17:34:57 发布

阅读量467

点赞数 1

文章标签： 1024程序员节

本文链接：https://blog.csdn.net/weixin_44724806/article/details/127495061

版权

Targetless Calibration of LiDAR-IMU System Based on Continuous-time Batch Estimation-IROS-2020

开源：code

思路来源： Spatio-temporal laser to visual/inertial calibration with applications to hand-held, large scale scanning

系统框图

该方法在常见的人造场景中具有较高的准确性和良好的可重复性，自然环境不太行？

该算法的标定是离线的么？

标定的意义：LiDAR 在不同时间对连续的 3D 点进行采样，因此传感器载体的运动会像滚动快门效应一样引入失真。广泛应用高频自我运动估计的惯性测量单元（IMU）可以用作补充传感器来校正失真。自我运动估计、定位、映射和导航的准确性高度依赖于传感器之间校准的准确性。

补充知识：

1.位姿估计时，基于离散时间的方法，利用关键时刻姿势之间的插值，这会牺牲准确性，尤其是在高度动态的情况下。

2.采用高斯过程 (GP) 回归来内插 IMU 测量值，这部分解决了使用“低频”IMU 读数来内插高频 LiDAR 点的问题。

3.LiDAR 点的运动补偿和数据关联是校准 LiDAR-IMU 系统时的两个主要困难。

运动补偿：

以下文献使用连续时间表示对轨迹进行建模，这些表示可以有效地处理高频失真测量，而无需任何运动先验假设。

“3D Lidar-IMU Calibration based on Upsampled Preintegrated Measurements for Motion Distortion Correction”

“Improving Google’s Cartographer 3D mapping by continuous-time slam”

“Efficient continuous-time SLAM for 3D lidarbased online mapping”

数据关联：

1.点对面和面对面的数据关联；

2.局部相邻点形状信息的点到模型策略（IMLS-SLAM）

本文采用的是一种特殊的点对面数据关联，点云被离散化并用面元（小平面）表示，并且组成点与其对应的面元相关联。

4.基于匀速运动的假设可适用于低速和平稳的运动，当涉及随机运动或者高速运动时，会出现很大的失误，此时可以紧耦合惯性数据预测Lidar运动，放宽线性匀速运动的假设，以此来解决这个问题。

5.校准刚性连接的Lidar-IMU的的方法：

1）16基于运动的方法，该方法通过手眼标定17的方法进行外参标定；（不足：期望每个传感器的轨迹可以独立准确的估计，对于消费级IMU不现实）

2）采用高斯过程（GP）回归对 IMU 测量进行上采样，以消除 LiDAR 扫描中的运动失真，并将校准制定为基于因子图的优化问题，其中包括 LiDAR 点到平面因子和 IMU预整合因素。

本文的创新点：

1）提出基于连续时间批量估计的准确、可重复的Lidar-IMU标定系统，无需额外的传感器或标定物。

2）提出了一种基于连续时间轨迹的 LiDAR-IMU 标定问题的新公式，并在连续时间批量优化中联合最小化 IMU 原始测量和 LiDAR 点到面距离引起的残差，从而使校准问题在一般人造场景中受到良好约束。

1.对于 LiDAR 和 IMU 传感器的高数据捕获率，LI-Calib 采用基于 B-Spline 的连续时间轨迹公式，与基于离散时间的方法相比，它更适合融合高速或异步测量。

使用 B-Spline 来参数化轨迹，因为它提供了封闭形式的解析导数，从而能够简化用于状态估计的高频测量的融合。 B-Spline还具有局部可控的良好特性，这意味着单个控制点的更新仅影响Spline的几个连续段。这个特征产生了一个具有有限数量控制点的稀疏系统。

B-Spline有多种方式可以表示刚体运动轨迹：

1）仅使用一个Spline去参数化 $SE(3)$ 位姿；

2）分别使用 $\mathbb{R}^3$ 和 $SO(3)$ 中的两个Splines的分割表示。

本文采用分割表示去参数化轨迹（因为耦合的方向和平移很难解决）

2.LI-Calib 将空间分解为单元并识别数据关联的平面段，这使得校准问题在通常情况下得到很好的约束，没有任何人工目标。

3.坐标系：

地图坐标系{M}位于标定开始时的第一次Lidar扫描帧{ $L_0$ };

表示从Lidar到IMU的外部旋转和平移。

4.Cox-de Boor递归公式定义了B-Spline的基函数，表示Splines的一种便捷公式为矩阵公式。当B-Spline的节点均匀分布的时候，B-Spline完全由其degree决定。对于d度的均匀B-Spline，平移 $p(t)$ 在时间段 $t\in [t_i,t_{i+1})$ 仅由 $t_i,t_{i+1},...,t_{i+d}$ 的节点和对应的控制点 $p_i,p_{i+1},...,p_{i+d}$ 控制。