Chapter3-传感器数据处理II:激光雷达数学模型和运动畸变去除
如有错误望不吝赐教!!!
概念介绍
激光雷达传感器介绍
测距原理:
- 三角测距
中近距离精度较高
价格便宜
远距离精度较差
易受干扰
一般在室内使用 - 飞行时间(TOF)
测距范围广
测距精度高
抗干扰能力强
易受干扰
价格昂贵
室内室外皆可
激光雷达数学模型
- 光束模型
激光的观测值有四种可能性
计算量很大
直线寻找,在非结构化环境中(clutter),位姿微小的改变会造成期望值的巨大变化,从而导致得分进行突变。 - 似然场模型
对图像进行高斯平滑,在任何环境中期望值对于位姿都是平滑的。
得分的计算不需要经过raytracking, 直接通过查表即可得到,计算量低
同时适合结构化环境和非结构环境中
运动畸变
产生原因:
激光点数据不是瞬时获得
激光测量时伴随着机器人的运动
激光帧率较低时,机器人的运动不能忽略
运动畸变的去除
纯估计方法
- ICP(点云匹配中的基本方法 | 欧式变换?找R、t使匹配后的两点的距离最小)
先求x的点云的平均位姿,再求q的平均位姿,把每个点云都移到平均位姿,构造一个Ω(?),对Ω进行SVD分解,求解得到R、t
未知对应点的匹配,不能计算出R、t:EM方法,不停互相迭代计算
算法流程:
寻找对应点
根据对应点,计算R和t 对点云进行转换,计算误差
不断迭代,直至误差小于某一个值
缺点:没有考虑当前的运动畸变、当前的激光数据错误 - VICP
ICP变种,考虑机器人匀速运动
由当前ti推出每个点的位姿多少,然后根据当前激光数据进行校正
缺点:匀速估计不成立,频率低,预处理与状态估计耦合
里程计辅助法:
高更新频率、准确反映运动情况、较高精度的局部位姿估计、跟状态完全解耦
- 传感器
①IMU
直接测量角速度和线加速度
具有较高的角速度测量精度
线加速度精度太差,二次积分在局部的精 度依然很差
测量频率极高(1kHz~8kHz)
②轮式里程计
具有较高的角速度测量精度
直接测量机器人的位移和角度
具有较高的局部位置测量精度
更新速度较高(100Hz~200Hz)
(二次插值)