移动机器人传感器外参标定综述

最新推荐文章于 2024-06-15 09:43:14 发布

xinxiangwangzhi_

最新推荐文章于 2024-06-15 09:43:14 发布

阅读量615

点赞数

分类专栏：移动机器人与移动测量传感器标定文章标签：人工智能

本文链接：https://blog.csdn.net/xinxiangwangzhi_/article/details/127969287

版权

传感器标定同时被 2 个专栏收录

17 篇文章 1 订阅

订阅专栏

移动机器人与移动测量

15 篇文章 2 订阅

订阅专栏

文章目录

1lidar camera alignment
2Lidar GNSS-INS calibration
- 2.1approximate methods,
- 2.2rigorous methods
3camera GNSS-INS calibration
- 3.1photogrammetric method
- 3.2robotic method
4point cloud colorization

1lidar camera alignment

目的是求解雷达坐标系和相机坐标系之间的转换关系。

1.1target_based methods

基于目标物的标定方法，通常选取人工标定物体，获取相机与激光雷达的关系，从而解算二者之间的关系。
主要思想：
这类方法通常利用相机和LiDAR从多个角度对棋盘格进行观测，对激光测距仪和相机进行标定。位于棋盘格图案上的激光点和相机参考系中估计的标定平面法向量对标定参数提供约束。通过最小化棋盘格上的激光点到图像上对应平面距离可以求解参数。
优缺点：
基于目标的校准方法的主要优点是能够提供精确的校准。然而，基于目标的校准通常在非工作条件下进行的。此外，基于目标的方法通常基于在多次任务重复后校准参数不会改变的假设进行的。这对于静态平台可能是一个有效的假设，但对于移动平台可能并非如此。

1.2targetless_based methods

1.2.1 3D-3D alignment methods

主要思想：
这类方法主要是将图像进行三维重建，然后转换为图像点云和激光点云之间的配准问题，利用经典的方法如ICP等可以轻松求解参数。
优缺点
这类方法的好处是允许使用从图像和LiDAR数据重建的捕获场景的几何形状进行精确配准。然而，因为从多个图像中进行密集重建往往需要准确的结果，所以这些方法的巨大计算成本是一个主要的缺点。此外，ICP需要良好的初始估计值才能收敛到全局最优。

1.2.2 motion_based method

主要思想
基于运动的方法利用刚性安装在运动平台上的传感器的运动来估计传感器的安装参数。这些方法与机器人中解决的手眼标定问题密切相关，其中相机( “眼睛”)刚性安装在机器人手臂( ‘手’)上。手眼标定的目的是根据手臂和相机所经历的运动来估计相机（雷达）和手臂坐标框架之间的未知转换。
优缺点
基于运动的技术的优点是它们不需要精确的传感器姿态初始化。此外，不需要传感器数据具有重叠数据。然而，这些方法受到用于估计每个传感器运动的技术的具体缺点的限制。此外，基于运动的方法的一个主要限制是它们需要大范围的运动来给出精确的校准结果。最后，传感器运动之间需要精确的时间配准。

1.2.3 feature_based method

主要思想
基于特征的方法通过从LiDAR和相机数据中提取和匹配共轭特征(同名特征)来计算最佳标定参数。寻找共轭特征通常遵循以下方法中的一种或组合：
（1）从LiDAR数据和立体影像或重建的摄影测量模型( 2.5D / 3D )中提取三维特征。
（2）从LiDAR数据中提取3D特征，从图像中提取2D特征
（3）从LiDAR点云创建合成2D图像，然后从两个数据集中提取2D特征。
优缺点
基于特征的方法的优点是非常适合在两种数据模式中都有独特的结构细节的情况，例如城市或人工环境。但是自动的基于特征的方法在自然环境中不是很有效。
此外，光学图像和LiDAR数据获取的地物特征不同，甚至在强度和可见光图像之间，低层特征可能不存在对应关系，从而导致失败。最后，自动高级特征提取方法一般需要人工监督或干预，以使校准准确。对齐精度强烈依赖于特征提取质量。

1.2.4dependence_based method

主要思想
在依赖关系方法中，通过最大化LiDAR数据和光学影像之间信号相似性度量来进行解算参数。这种方法通常在二维空间进行，因此必须通过在图像网格上投影和插值LiDAR点来生成合成LiDAR图像。这种方法假设二维空间中，点云数据和图像数据存在关联。校准参数通过在优化框架中最大化依赖指数来估计。基于依赖关系的方法中使用了两种主要的相似性度量：χ2统计量和互信息( MI )。
优缺点
基于依赖关系方法通常允许快速、自动和精确的传感器校准。
然而，优化问题通常是高度非凸的，求解过程可能会有一些限制。