Chapter3-传感器数据处理II：激光雷达数学模型和运动畸变去除

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）