CN103257342A - 三维激光传感器与二维激光传感器的联合标定方法 - Google Patents

三维激光传感器与二维激光传感器的联合标定方法 Download PDF

Info

Publication number
CN103257342A
CN103257342A CN2013100100560A CN201310010056A CN103257342A CN 103257342 A CN103257342 A CN 103257342A CN 2013100100560 A CN2013100100560 A CN 2013100100560A CN 201310010056 A CN201310010056 A CN 201310010056A CN 103257342 A CN103257342 A CN 103257342A
Authority
CN
China
Prior art keywords
laser sensor
dimensional laser
laser
dimensional
spin matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013100100560A
Other languages
English (en)
Other versions
CN103257342B (zh
Inventor
庄严
祝天健
何国建
闫飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201310010056.0A priority Critical patent/CN103257342B/zh
Publication of CN103257342A publication Critical patent/CN103257342A/zh
Application granted granted Critical
Publication of CN103257342B publication Critical patent/CN103257342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种可提高标定效率和精度的三维激光传感器与二维激光传感器的联合标定方法，是利用二维激光扫描中间有缝隙的标定板时所产生的测距突变特性，通过缝隙所处直线在激光传感器局部坐标系和无人驾驶智能车坐标系下的数据矩阵间的映射关联，对激光传感器的旋转姿态进行校正，以此为基础进一步提取平整场景中的凸起矩形物体的点云数据，并根据ICP迭代优化算法进行平移矫正，从而实现三维激光测距传感器与多个二维激光测距传感器之间的联合标定。

Description

三维激光传感器与二维激光传感器的联合标定方法
技术领域
本发明属于移动机器人及无人驾驶车辆自主环境感知技术领域，涉及到三维激光测距与多个异面二维激光测距传感器之间的数据融合，尤其是一种可提高标定效率和精度的三维激光传感器与二维激光传感器的联合标定方法。
背景技术
工作在复杂非结构化场景中的移动机器人系统依靠单一传感器无法有效完成自主环境感知和自主场景理解，多个传感器之间的数据匹配与融合是提高机器人三维环境地图构建与场景理解性能的必备手段，而多个传感器之间的联合标定又是其中的重要环节。以往的标定工作往往是针对一维激光测距仪坐标系与飞行器坐标系之间的标定（Miller J. R. and Amidi O., 3-D Site Mapping with the CMU Autonomous Helicopter. Proceedings of the 5th International Conference on Intelligent Autonomous Systems (IAS-5), 1998），主要是在飞行器保持固定姿态的情况下利用红外探测仪获得激光测距仪发射的单束激光打在地面上激光点的三维坐标，从而完成一维激光测距仪坐标系到飞行器坐标系之间的标定，但是这种方法解决不了二维激光测距仪的标定，并且存在依赖DSP控制器和旋转电机精度的不足，此外该方法还必须使用红外探测仪，这也限制了该标定方法的通用性。文献（Thrun S., Montemerlo M., et. al.,Stanley: The robot that won the DARPA Grand Challenge. Journal of Field Robotics, 23(9), 661–692, 2006.）是依赖于事先选定的可以通过的道路，利用无人驾驶车上多个激光测距仪获取的一系列测距数据，采用参数回推的方法进行标定。该方法由于是基于数据回推原理，存在标定结果带有概率性的误差的不足，无法保证标定的高精度。文献（Guerreiro B., Silvestre C., Oliveira P., Automatic LADAR Calibration Methods using Geometric Optimization, IEEE International Conference on Robotics and Automation, 2011）所提出的激光参数标定方法利用两组激光点云数据集来进行匹配，但该方法解决不了计算效率问题，且只给出了仿真结果，实际使用价值不大。文献（V. Niola, C. Rossi, S. Savino, and S. Strano, “A method for the calibration of a 3-D laser scanner,” in Proceedings of the 19th International Conference on Flexible Automation and Intelligent Manufacturing, 2009）所提出的激光参数标定方法针对于单个三维激光，且利用数字式测微计等精确仪器进行纯几何方式进行标定，该标定方法对设备要求较高，且采用手动标定，解决不了不可控人为误差问题。
发明内容
本发明是为了解决现有技术所存在的上述技术问题，提供一种可提高标定效率和精度的三维激光传感器与二维激光传感器的联合标定方法。
本发明的技术解决方案是：一种三维激光传感器与二维激光传感器的联合标定方法，其特征在于按照如下方法进行：
 a. 使二维激光传感器的二维激光扫描面通过标定板间的缝隙，利用二维激光传感器所获得的测距数据计算缝隙所属直线在二维激光传感器坐标系下的向量坐标                                               
Figure 881970DEST_PATH_IMAGE002
，根据公式
Figure 923744DEST_PATH_IMAGE004
计算将
Figure DEST_PATH_IMAGE005
转换到三维激光坐标系中的向量坐标
Figure 833974DEST_PATH_IMAGE006
，式中
Figure 229183DEST_PATH_IMAGE008
和
Figure 230506DEST_PATH_IMAGE010
分别为旋转矩阵和平移向量的初始值；
b. 用三维激光传感器扫描步骤a中所述的标定板及缝隙，通过基于点云数据的平面特征提取，计算得到缝隙所属直线在三维激光坐标系下的向量坐标
Figure DEST_PATH_IMAGE011
；
c. 根据a、b步骤分别确定的和
Figure 444636DEST_PATH_IMAGE011
，计算
Figure 643536DEST_PATH_IMAGE006
和
Figure 250098DEST_PATH_IMAGE011
二者之间夹角
Figure DEST_PATH_IMAGE013
，
Figure 430412DEST_PATH_IMAGE015
，利用
Figure 122425DEST_PATH_IMAGE013
并根据
Figure 46387DEST_PATH_IMAGE017
对旋转矩阵进行迭代校正，计算得到旋转矩阵
Figure 569773DEST_PATH_IMAGE019
，用于旋转分量校正，式中为绕轴旋转角的旋转矩阵，
Figure 490510DEST_PATH_IMAGE025
；
d. 用三维激光传感器和二维激光传感器同时获取置于平整地面上规则物体的多个三维点云数据，利用步骤c计算得出的旋转矩阵
Figure DEST_PATH_IMAGE026
进行旋转变换，再将变换后的两组激光数据作为迭代最近点算法的输入，确定三维激光传感器与二维激光传感器之间的平移向量，用于平移分量校正。
本发明提供了针对三维激光传感器与二维激光传感器所采集的多组点云数据进行联合对准方法，减少了多个激光测距传感器空间分布差异产生的影响，克服了多个激光传感器自身位姿难以确定给联合标定所带来的局限性，可实现三维激光传感器与多个二维激光传感器之间的联合标定，解决了基于手动测量值进行人工标定所引入的不可控人为误差，从而提高三维激光传感器与多个二维激光传感器联合标定的效率和精度。
附图说明
图1是本发明实施例所用标定装置结构示意图。
图2是本发明实施例所用标定装置的两个标定板旋转打开状态示意图。
图3是本发明实施例进行联合标定的三个激光传感器安装位置示意图。
图4是本发明实施例三维激光传感器初始扫描姿态示意图。
图5是本发明实施例三维激光传感器扫描结束姿态示意图。
图6是本发明实施例的二维激光扫描面通过标定板中间缝隙的示意图。
图7是手动标定的三激光点云数据效果图。
图8是本发明实施例进行旋转分量校正之后的中激光与左激光点云数据融合效果图。
图9是本发明实施例进行旋转分量校正之后的中激光与右激光点云数据融合效果图。
图10是本发明实施例进行旋转分量校正之后的左激光与右激光点云数据融合效果图。
图11是ICP匹配原理示意图。
图12是本发明实施例进行旋转分量校正及平移向量之后得到的三激光点云数据融合效果图。
具体实施方式：
1．二维激光传感器特性分析和标定装置的设计：
激光传感器所发射出的激光束的不可见性，造成了捕捉激光束位置的难度与不便，不同介质表面对激光器所发出的激光束具有不同的反射率，不同的入射角对测距也有明显的影响，目标物体表面颜色对测距影响不大，但是黑色物体会降低激光束的反射率，不适合作为标定目标物体表面颜色。针对上述激光器特性，本发明实施例所用标定装置如图1、2所示，标定装置的底部为400mm×308mm的黑色不锈钢底座，标定装置的顶部为两块上下平行分布的500mm×150mm的不锈钢挡板（标定板），通过法兰座、螺杆、D切割型固定环、圆柱导轨、固定环配块、轨道端盖等将上下不锈钢挡板固定在底座上，并且能够使得两不锈钢挡板之间形成缝隙且可上下移动和旋转，从而保证激光传感器发射出的激光束能准确、方便地穿过缝隙。经过实验验证，选择长度不小于400mm宽不小于150mm的标定板是为了保证二维激光束检测的可靠性，而两挡板的同步平移、旋转及开合则保证了二维激光束检测的准确性，并能避免激光边缘效应所产生的影响。
2．标定所需激光数据坐标的获取：
标定所需激光数据坐标分为激光传感器坐标系坐标和无人驾驶智能车坐标系坐标两个部分。
本发明实施例进行联合标定的三个激光传感器安装位置如图3所示：在无人驾驶智能车平台上安装的激光传感器分为二维激光传感器和三维激光传感器。从左至右分别为右激光、中激光、左激光，中激光位于中下部，其中右激光和左激光为二维激光传感器。中激光是由二维激光传感器配合电机旋转云台而形成的三维激光传感器，具有俯仰扫描并获取三维场景点云数据的功能，扫描范围为
Figure DEST_PATH_IMAGE028
，图4为本发明实施例所用三维激光初始扫描姿态示意图，激光与水平方向夹角
Figure 703317DEST_PATH_IMAGE029
，图5为本发明实施例所用三维激光扫描结束姿态示意图，激光与水平方向夹角+
Figure DEST_PATH_IMAGE030
，图中蓝色部分表示一次扫描过程所覆盖区域。
所用二维激光传感器可选用SICK LMS 291型激光传感器，其平面扫描角度为0~180度，纵向范围动态可调，分为8米、16米、32米（距离分辨率为1毫米）、80米（距离分辨率为1厘米）四个扫描范围，此处采用32米扫描范围。云台电机具有可选旋转角度分辨率，包括：0.192°、0.288°、0.480°和0.960°。此处选取0.192°，起始角度为0°，扫描范围为0°-40°。
在无人驾驶智能车不运动的情况下，二维激光传感器发出一系列激光束形成一个扇形的扫描平面，外部物体或环境的轮廓线由这一系列的激光脉冲来确定，返回的数据为激光测距点，由于这些测距点都属于同一扇形扫描平面，故返回的扫描信息是二维的。二维激光传感器每一次扫描可获得361个激光测距点信息（激光传感器角分辨率设定为0.5o），每个测距点对应的距离信息为r，角度信息为
Figure 675950DEST_PATH_IMAGE031
（i表示在该次扫描中该激光点在361个点中的排序）。
在无人驾驶智能车移动时，二维激光传感器会实时地更新所返回的测距信息，这些实时的测距信息与历史的测距信息及智能车所处的位姿信息相结合就能得到外部环境的三维场景点云数据。
3．激光传感器旋转矩阵和平移向量的校正：
激光传感器的标定主要是更准确地得到激光传感器局部坐标系到移动机器人（无人驾驶智能车）坐标系的转换关系，其具体可分解为一个三乘三的旋转矩阵和一个三乘一的平移向量
Figure 948800DEST_PATH_IMAGE033
。
3.1三乘三的旋转矩阵
Figure 864672DEST_PATH_IMAGE018
的校正原理
在激光传感器标定过程中，与平移向量
Figure DEST_PATH_IMAGE034
的校正相比较，旋转矩阵
Figure 881170DEST_PATH_IMAGE018
的校正是整个校正方法的关键，这是因为平移向量的偏差只会造成激光点在横向、纵向和竖直方向上的偏差，这种偏差不会造成激光点云所表述环境场景及其中物体的扭曲，因而不会对环境建模造成关键性的影响。相比较，用于场景表述与建模的激光数据对旋转矩阵
Figure 566098DEST_PATH_IMAGE018
的偏差非常敏感，这些偏差会产生明显的数据扭曲。
3.2三乘一的平移向量的校正原理
旋转矩阵标定后，多个激光传感器基于同一场景扫描所得的三维点云数据只在俯仰角、偏航角、横滚角三个自由度上完成标定。为了实现点云数据的完全匹配，需要对多个激光传感器之间进行三乘一的平移向量校正。
本发明实施例的具体标定方法按照如下步骤进行：
a. 使二维激光传感器的二维激光扫描面通过标定板间的缝隙，利用二维激光传感器所获得的测距数据计算缝隙所属直线在二维激光传感器坐标系下的向量坐标
Figure 275428DEST_PATH_IMAGE002
，根据公式
Figure 2013100100560100002DEST_PATH_IMAGE003
计算将
Figure 2013100100560100002DEST_PATH_IMAGE001
转换到三维激光坐标系下得到中的向量坐标
Figure 350700DEST_PATH_IMAGE006
，式中
Figure DEST_PATH_IMAGE007
和
Figure 2013100100560100002DEST_PATH_IMAGE009
分别为旋转矩阵和平移向量的初始值；旋转矩阵和平移向量的初始值
Figure 357839DEST_PATH_IMAGE007
和
Figure 710323DEST_PATH_IMAGE009
可以通过手工进行测量。
首先，利用二维激光传感器的初始安装姿态和位置可以粗略调整标定板的位置，然后如图6所示将标定装置上下两块标定板之间的缝隙调整到可以使二维激光传感器发射的激光束穿过缝隙，并保证得到的缝隙是激光传感器扫描平面与标定板平面的交线，即该缝隙是存在于激光传感器扫描平面中，图6中带箭头的实线为二维激光扫描线的示意。这样，根据二维激光扫描面通过标定板中间缝隙时所产生的测距数据突变特性，从而使得二维激光传感器与标定装置形成确定的空间位姿关系，就能够通过公式（1）、（2）得到激光传感器坐标系中的缝隙所属直线向量坐标
Figure 839822DEST_PATH_IMAGE001
即（X，Y，Z）。
向量坐标即缝隙两端点A（X 1 ，Y 1 ，Z 1 ）和B（X 2 ，Y 2 ，Z 2 ）在激光传感器坐标系下三维坐标之差，A、B两点的坐标由二维激光传感器返回的数据获得，具体见公式（1）
  
Figure DEST_PATH_IMAGE038
   
Figure DEST_PATH_IMAGE040
              (1)
其中值由公式（2）确定，上式为激光器倒置情况，下式为激光器正置情况，二者均为弧度制
Figure DEST_PATH_IMAGE042
                                      (2)
b. 用三维激光传感器扫描步骤a中所述的标定板及缝隙，通过基于点云数据的平面特征提取，计算得到缝隙所属直线在三维激光坐标系（无人驾驶智能车坐标系）下的向量坐标
Figure 420211DEST_PATH_IMAGE011
；
c. 由于计算得到的
Figure 471343DEST_PATH_IMAGE006
与实际测量得到的向量坐标
Figure 396574DEST_PATH_IMAGE011
存在角度上的偏差
Figure 813692DEST_PATH_IMAGE013
，即
Figure 812872DEST_PATH_IMAGE011
是由
Figure 97223DEST_PATH_IMAGE006
绕轴
Figure DEST_PATH_IMAGE044
旋转角所得，根据a、b步骤分别确定的
Figure 662382DEST_PATH_IMAGE006
和，计算
Figure 220589DEST_PATH_IMAGE006
和
Figure 58095DEST_PATH_IMAGE011
二者之间夹角
Figure 811156DEST_PATH_IMAGE013
， 
Figure 112824DEST_PATH_IMAGE045
，并根据
Figure DEST_PATH_IMAGE016
对旋转矩阵进行迭代校正（在
Figure 598032DEST_PATH_IMAGE013
小于一个小常量后，停止迭代），计算得到旋转矩阵
Figure 985151DEST_PATH_IMAGE018
，用于旋转分量校正，式中
Figure 292636DEST_PATH_IMAGE020
为绕轴
Figure 167237DEST_PATH_IMAGE022
旋转角的旋转矩阵，
Figure 74199DEST_PATH_IMAGE025
；
本发明实施例是分别使用左激光和右激光作为a~c步骤的二维激光传感器进行a~c步骤。
对标定板中间缝隙所属直线在左激光坐标系下的三维坐标和在无人驾驶智能车坐标系下的三维坐标进行迭代，得到转换后的直线夹角误差如表1所示，并得到用于旋转分量校正的旋转矩阵。
                                         表1
迭代次数 两直线夹角误差（单位度）
1 7.65345
2 1.192478
3 0.645284
4 0.148038
5 0.0442347
对标定板中间缝隙所属直线在右激光坐标系下的三维坐标和在无人驾驶智能车坐标系下的三维坐标进行迭代，得到转换后的直线夹角误差如表2所示，
并得到用于旋转分量校正的旋转矩阵
Figure 990519DEST_PATH_IMAGE018
。                                          
                                          表2
迭代次数 两直线夹角误差（单位度）
1 7.65345
2 1.192478
3 0.645284
4 0.148038
5 0.0442347
至此，左右二维激光传感器坐标系在旋转分量上均已对齐到无人驾驶智能车坐标系下，旋转分量标定工作完成。
d. 在旋转分量标定完成后，将三个激光器对同一场景进行一次点云数据采集，即用三维激光传感器和二维激光传感器同时获取置于平整地面上规则物体的多个三维点云数据，利用步骤c计算得出的旋转矩阵
Figure 86651DEST_PATH_IMAGE018
进行旋转变换，再将变换后的两组激光数据作为迭代最近点（Iterative Closest Point，ICP）算法的输入，确定三维激光传感器与二维激光传感器之间的平移向量，用于平移分量校正。
本发明实施例是首先在平整地面上放置矩形纸箱，在无人驾驶智能车车体的匀速前进过程中，利用三维激光传感器和二维激光传感器对这一场景进行扫描，将每幅场景中属于放置在平整地面的矩形纸箱的激光点云数据利用高度信息进行分割，将分割出来的点云数据作为ICP算法的输入M和D。
ICP算法具有对初值敏感、对旋转分量约束校正效果不强、在大场景情况下容易形成误匹配对的特点，因此本发明只利用ICP算法进行平移向量的校正。
ICP 算法的核心就是将数据配准问题转换为求最优解问题，它把两幅场景中欧氏距离最近的点作为对应点，构成匹配对，求解两幅场景的刚体转换关系（旋转矩阵和平移向量），利用最小二乘法计算两幅场景偏移误差函数，不断迭代计算，直到误差变化满足一定的精度要求。
ICP匹配原理如图11所示，给定两幅三维场景数据M和D，它们对应于同一场景，需要将场景D配准到场景M中。从D中选取一点dj，并在M中找到与dj距离最近的一点mi构成匹配对（dj，mi），存在部分点找不到对应匹配对的情况。使用上述方法，为D中的每一个点找到在M中与之相匹配的点，这样就会得到一组匹配对集合
Figure DEST_PATH_IMAGE047
。然后根据
Figure DEST_PATH_IMAGE048
计算出一组转换关系（R，t），其中R为旋转矩阵，t为平移向量，使公式（7）所示的误差函数最小：
Figure DEST_PATH_IMAGE050
                          （7）
其中
Figure 103980DEST_PATH_IMAGE052
是匹配权值，当dj和dj描述的是空间中同一点时，即（dj，mi）是正确的匹配对时
Figure 906851DEST_PATH_IMAGE052
的值为1；否则，的值为0。因此，该算法主要有两个步骤：一、查找对应匹配对；二、由对应匹配对计算转换关系。ICP算法使用迭代的方式查找匹配对，在每步迭代中，使用空间最近邻点作为对应点并由此计算相应的转换关系。表3是本发明实施例基于ICP算法进行平移向量校正的具体实现步骤：
                                                表3
基于ICP算法本发明实施例所提平移向量校正的实现步骤
：给定初始条件：
2：for  k<最大迭代次数 do
3:   for all
Figure 3486DEST_PATH_IMAGE056
do
4:    查找距离最小阈值maxDist的最近点构成匹配对，
Figure 988760DEST_PATH_IMAGE058
5:    end for
6:   由
Figure 485469DEST_PATH_IMAGE060
 计算出使公式（7）所示误差函数最小的 QUOTE
Figure 493876DEST_PATH_IMAGE062
 
7:   利用
Figure DEST_PATH_IMAGE063
 将
Figure DEST_PATH_IMAGE065
配准到M，即 
8:   由公式（7）计算出最小二乘误差，
Figure DEST_PATH_IMAGE068
 
9:   if 
Figure DEST_PATH_IMAGE070
且  ,迭代达到精度要求，do终止迭代，结束匹配
10： else do k=k+1 进入下一次迭代
11：end for
为了计算误差函数，本发明实施例采用公式（8）来将公式（7）中的匹配权值系数矩阵W转换为N来进行运算，这样可以将计算的空间复杂度由 
Figure 983501DEST_PATH_IMAGE073
降到 
Figure DEST_PATH_IMAGE075
。
Figure DEST_PATH_IMAGE077
其中           （8）
在ICP求最优解
Figure DEST_PATH_IMAGE081
 使 最小的问题中，将旋转矩阵R和平移向量t分开求解。对于构成匹配对的两组数据点集合M和D，利用公式（9）分别求出两组数据点的质心，然后根据公式（10）求出两组点云中点到质心的偏移，构成两组新的数据点集合 和 
Figure DEST_PATH_IMAGE087
。
Figure DEST_PATH_IMAGE089
                          （9）
Figure DEST_PATH_IMAGE091
                （10）
将公式（9）和公式（10）带入公式（8）中得到公式（11）：
Figure DEST_PATH_IMAGE093
                    （11）
令
Figure 327676DEST_PATH_IMAGE095
，则得到公式（12）：
Figure 808336DEST_PATH_IMAGE097
     （12）
为了使公式（12）中的各项和为零，因此要求每一项均需最小化。因为每个
Figure DEST_PATH_IMAGE098
均为相对质心点的偏移，故第二项为零。第三项取最小，则有
Figure DEST_PATH_IMAGE100
即
Figure DEST_PATH_IMAGE102
                                           （13）
因此只需最小化第一项，则最小误差函数仅与旋转矩阵相关，其关系如公式（14）：
                     （14）
在ICP算法中每一步迭代过程中都需要计算转换关系（R，t），使公式（7）所示的误差函数E（R，t）最小，本发明实施例采用单位四元数法来计算转换关系（R，t）。
单位四元数
Figure DEST_PATH_IMAGE106
，其中
Figure DEST_PATH_IMAGE108
且
Figure DEST_PATH_IMAGE110
，它是复数的扩展形式，几何描述为绕单位旋转轴
Figure DEST_PATH_IMAGE112
旋转
Figure DEST_PATH_IMAGE114
角的一个旋转，关系如公式（15）所示：
Figure DEST_PATH_IMAGE116
                                       （15）
可以用单位四元数来求解出使公式（7）的误差函数最小的旋转矩阵，它们之间的关系可以用公式（16）表示：
Figure DEST_PATH_IMAGE122
        （16）
与旋转矩阵
Figure 661629DEST_PATH_IMAGE123
相对应的四元数可以由公式（17）所对应的协方差矩阵N求出，N求的最大特征值对应的单位特征向量即为所求的单位四元数。其中
Figure 518726DEST_PATH_IMAGE125
。求出旋转矩阵后，则相应的平移向量：
Figure 399964DEST_PATH_IMAGE101
。
Figure 989208DEST_PATH_IMAGE127
    (17)
经过表3所示的ICP匹配步骤，本发明实施例可以得到激光器标定的三乘一平移向量
Figure 34524DEST_PATH_IMAGE129
。
本发明实施例分别使用左激光和右激光作为d步骤的二维激光传感器进行d步骤。
左激光与中激光的ICP匹配迭代误差如表4所示：
                                      表4
Figure 634262DEST_PATH_IMAGE131
 右激光与中激光的ICP匹配迭代误差如表5所示：
                                      表5
Figure 120738DEST_PATH_IMAGE133
经过标定左激光相对无人驾驶智能车坐标系的旋转矩阵R L 和平移向量T L 分别为：
Figure 208780DEST_PATH_IMAGE135
经过标定右激光相对无人驾驶智能车坐标系的旋转矩阵R R 和平移向量T R 分别为：
Figure 662764DEST_PATH_IMAGE137
经过标定中激光相对无人驾驶智能车坐标系旋转矩阵R M 和平移向量T M 分别为：
Figure 861664DEST_PATH_IMAGE139
本发明实施例进行旋转分量校正之后的中激光与左激光点云数据融合效果如图8所示。
本发明实施例进行旋转分量校正之后的中激光与右激光点云数据融合效果如图9所示。
本发明实施例进行旋转分量校正之后的左激光与右激光点云数据融合效果如图10所示。
本发明实施例进行旋转分量校正及平移向量之后得到的三激光点云数据融合效果如图12所示，是大连理工大学七七足球场附近的三维激光点云数据融合效果图。从定性的角度分析，利用三维场景建模所得到的三维激光点云数据效果图，可以对标定结果进行直观验证。
图7所示为手动标定的三激光点云数据效果，其中黄色点云为左激光实时获取的数据，绿色点云为中激光实时获取的数据，红色点云为右激光实时获取的数据。本发明实施例与图7所示的手动标定的三激光点云数据效果对比，具有精度和效率上的提升。

Claims (1)

1.一种三维激光传感器与二维激光传感器的联合标定方法，其特征在于按照如下方法进行：
a. 使二维激光传感器的二维激光扫描面通过标定板间的缝隙，利用二维激光传感器所获得的测距数据计算缝隙所属直线在二维激光传感器坐标系下的向量坐标                                               
Figure DEST_PATH_IMAGE001
，根据公式
Figure 191895DEST_PATH_IMAGE002
计算将
Figure 635646DEST_PATH_IMAGE001
转换到三维激光坐标系中的向量坐标
Figure DEST_PATH_IMAGE003
，式中
Figure 38814DEST_PATH_IMAGE004
和
Figure 859003DEST_PATH_IMAGE005
分别为旋转矩阵和平移向量的初始值；
b. 用三维激光传感器扫描步骤a中所述的标定板及缝隙，通过基于点云数据的平面特征提取，计算得到缝隙所属直线在三维激光坐标系下的向量坐标
Figure 398437DEST_PATH_IMAGE006
；
c. 根据a、b步骤分别确定的
Figure 340985DEST_PATH_IMAGE003
和
Figure 716603DEST_PATH_IMAGE006
，计算和
Figure 802600DEST_PATH_IMAGE006
二者之间夹角
Figure 588153DEST_PATH_IMAGE007
，
Figure 700335DEST_PATH_IMAGE008
，利用
Figure 862326DEST_PATH_IMAGE007
并根据
Figure DEST_PATH_IMAGE009
对旋转矩阵进行迭代校正，计算得到旋转矩阵
Figure 376352DEST_PATH_IMAGE010
，用于旋转分量校正，式中
Figure 598386DEST_PATH_IMAGE011
为
Figure 10913DEST_PATH_IMAGE006
绕轴旋转
Figure 79549DEST_PATH_IMAGE013
角的旋转矩阵，
Figure 534801DEST_PATH_IMAGE014
；
d. 用三维激光传感器和二维激光传感器同时获取置于平整地面上规则物体的多个三维点云数据，利用步骤c计算得出的旋转矩阵
Figure 621575DEST_PATH_IMAGE010
进行旋转变换，再将变换后的两组激光数据作为迭代最近点算法的输入，确定三维激光传感器与二维激光传感器之间的平移向量，用于平移分量校正。
CN201310010056.0A 2013-01-11 2013-01-11 三维激光传感器与二维激光传感器的联合标定方法 Active CN103257342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310010056.0A CN103257342B (zh) 2013-01-11 2013-01-11 三维激光传感器与二维激光传感器的联合标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310010056.0A CN103257342B (zh) 2013-01-11 2013-01-11 三维激光传感器与二维激光传感器的联合标定方法

Publications (2)

Publication Number Publication Date
CN103257342A true CN103257342A (zh) 2013-08-21
CN103257342B CN103257342B (zh) 2014-11-05

Family

ID=48961366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310010056.0A Active CN103257342B (zh) 2013-01-11 2013-01-11 三维激光传感器与二维激光传感器的联合标定方法

Country Status (1)

Country Link
CN (1) CN103257342B (zh)

Cited By (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675796A (zh) * 2013-12-31 2014-03-26 中国科学技术大学 一种扫描腔长时进行光学频率补偿的Fabry-Perot标准具标定系统和方法
CN103727930A (zh) * 2013-12-30 2014-04-16 浙江大学 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法
CN104657981A (zh) * 2015-01-07 2015-05-27 大连理工大学 一种移动机器人运动中三维激光测距数据动态补偿方法
CN105006000A (zh) * 2015-08-18 2015-10-28 河海大学常州校区 一种应用于智能激光切割的图像自动标定方法
CN105067023A (zh) * 2015-08-31 2015-11-18 中国科学院沈阳自动化研究所 一种全景三维激光传感器数据校准方法和装置
CN105203023A (zh) * 2015-07-10 2015-12-30 中国人民解放军信息工程大学 一种车载三维激光扫描系统安置参数的一站式标定方法
CN105222789A (zh) * 2015-10-23 2016-01-06 哈尔滨工业大学 一种基于激光测距传感器的楼宇室内平面图建立方法
CN105629990A (zh) * 2016-01-25 2016-06-01 谭圆圆 一种无人飞行器的校准方法及装置
CN105717499A (zh) * 2016-02-04 2016-06-29 杭州南江机器人股份有限公司 激光测距仪偏转角测量与校正系统及方法
CN105737852A (zh) * 2016-02-04 2016-07-06 杭州南江机器人股份有限公司 激光测距仪位置测量与校正系统及方法
CN106643805A (zh) * 2016-12-30 2017-05-10 上海交通大学 激光定位传感器在agv小车中位置标定方法
CN106872963A (zh) * 2017-03-31 2017-06-20 厦门大学 一种多组多线激光雷达的自动标定算法
CN107044857A (zh) * 2017-03-24 2017-08-15 黑龙江硅智机器人有限公司 应用于服务机器人的异步式地图构建与定位系统及方法
CN107330176A (zh) * 2017-06-26 2017-11-07 大连三维土木监测技术有限公司 一种基于结构模态估计的应变计与加速度计联合布设方法
CN107462881A (zh) * 2017-07-21 2017-12-12 北京航空航天大学 一种激光测距传感器标定方法
CN108120447A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 多激光设备数据融合方法
WO2018195986A1 (en) * 2017-04-28 2018-11-01 SZ DJI Technology Co., Ltd. Calibration of laser sensors
US10152771B1 (en) 2017-07-31 2018-12-11 SZ DJI Technology Co., Ltd. Correction of motion-based inaccuracy in point clouds
CN109375629A (zh) * 2018-12-05 2019-02-22 苏州博众机器人有限公司 一种巡逻车及其导航避障方法
CN109767475A (zh) * 2018-12-28 2019-05-17 广州小鹏汽车科技有限公司 一种传感器的外部参数标定方法及系统
US10295659B2 (en) 2017-04-28 2019-05-21 SZ DJI Technology Co., Ltd. Angle calibration in light detection and ranging system
CN109900298A (zh) * 2019-03-01 2019-06-18 武汉光庭科技有限公司 一种车辆定位校准方法及系统
US10371802B2 (en) 2017-07-20 2019-08-06 SZ DJI Technology Co., Ltd. Systems and methods for optical distance measurement
CN110178048A (zh) * 2016-11-18 2019-08-27 迪博蒂克斯公司 交通工具环境地图生成和更新的方法和系统
US10436884B2 (en) 2017-04-28 2019-10-08 SZ DJI Technology Co., Ltd. Calibration of laser and vision sensors
WO2019210644A1 (zh) * 2018-05-04 2019-11-07 苏州玻色智能科技有限公司 一种用于三维白光扫描设备的标准件及其标定方法
US10539663B2 (en) 2017-03-29 2020-01-21 SZ DJI Technology Co., Ltd. Light detecting and ranging (LIDAR) signal processing circuitry
US10554097B2 (en) 2017-03-29 2020-02-04 SZ DJI Technology Co., Ltd. Hollow motor apparatuses and associated systems and methods
CN110793459A (zh) * 2019-10-30 2020-02-14 成都安科泰丰科技有限公司 一种二维激光位移传感器标定装置
CN111090084A (zh) * 2018-10-24 2020-05-01 舜宇光学（浙江）研究院有限公司 多激光雷达外参标定方法、标定装置、标定系统和电子设备
US10641875B2 (en) 2017-08-31 2020-05-05 SZ DJI Technology Co., Ltd. Delay time calibration of optical distance measurement devices, and associated systems and methods
CN111126114A (zh) * 2018-11-01 2020-05-08 财团法人车辆研究测试中心 道路标线的光达侦测方法及其系统
US10714889B2 (en) 2017-03-29 2020-07-14 SZ DJI Technology Co., Ltd. LIDAR sensor system with small form factor
CN111551917A (zh) * 2020-04-30 2020-08-18 中国科学院沈阳自动化研究所 一种激光三角法位移传感器的标定方法
CN111587383A (zh) * 2018-11-30 2020-08-25 深圳市大疆创新科技有限公司 应用于测距装置的反射率校正方法、测距装置
CN112285735A (zh) * 2020-09-18 2021-01-29 创新工场(北京)企业管理股份有限公司 一种用于自动标定单线激光雷达的角度分辨率的系统
CN112697057A (zh) * 2021-02-01 2021-04-23 南京耘瞳科技有限公司 一种送料皮带厚度检测方法
JP2021522508A (ja) * 2018-05-04 2021-08-30 ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー センサー画像のスキャンポイントによって光電子センサーの位置合わせを決定するための方法、及び光電子センサー
CN117333649A (zh) * 2023-10-25 2024-01-02 天津大学 一种动态扰动下高频线扫描稠密点云的优化方法
CN117685904A (zh) * 2024-02-04 2024-03-12 广州顶盛益电子科技有限公司 一种激光传感器的测距误差校正方法、装置及存储介质
US12025709B2 (en) 2018-05-04 2024-07-02 Valeo Schalter Und Sensoren Gmbh Method for determining an alignment of an optoelectronic sensor by means of scan points of a sensor image, and optoelectronic sensor

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1508511A (zh) * 2002-12-17 2004-06-30 北京航空航天大学 一种结构光视觉传感器的标定方法
CN1566906A (zh) * 2003-06-11 2005-01-19 北京航空航天大学 一种基于平面靶标的结构光视觉传感器标定方法
CN101698303A (zh) * 2009-09-11 2010-04-28 大连理工大学 一种三维激光和单目视觉间的自动标定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1508511A (zh) * 2002-12-17 2004-06-30 北京航空航天大学 一种结构光视觉传感器的标定方法
CN1566906A (zh) * 2003-06-11 2005-01-19 北京航空航天大学 一种基于平面靶标的结构光视觉传感器标定方法
CN101698303A (zh) * 2009-09-11 2010-04-28 大连理工大学 一种三维激光和单目视觉间的自动标定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
庄严 等: "移动机器人基于激光测距和单目视觉的室内同时定位和地图构建", 《自动化学报》, vol. 31, no. 6, 30 November 2005 (2005-11-30), pages 925 - 933 *
陈东 等: "基于视觉信息的三维激光点云渲染与深度图构建", 《PROCEEDINGS OF THE 29TH CHINESE CONTROL CONFERENCE》, 31 July 2010 (2010-07-31), pages 3631 - 3635 *

Cited By (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103727930A (zh) * 2013-12-30 2014-04-16 浙江大学 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法
CN103675796A (zh) * 2013-12-31 2014-03-26 中国科学技术大学 一种扫描腔长时进行光学频率补偿的Fabry-Perot标准具标定系统和方法
CN104657981A (zh) * 2015-01-07 2015-05-27 大连理工大学 一种移动机器人运动中三维激光测距数据动态补偿方法
CN104657981B (zh) * 2015-01-07 2017-05-24 大连理工大学 一种移动机器人运动中三维激光测距数据动态补偿方法
CN105203023B (zh) * 2015-07-10 2017-12-05 中国人民解放军信息工程大学 一种车载三维激光扫描系统安置参数的一站式标定方法
CN105203023A (zh) * 2015-07-10 2015-12-30 中国人民解放军信息工程大学 一种车载三维激光扫描系统安置参数的一站式标定方法
CN105006000B (zh) * 2015-08-18 2017-11-21 河海大学常州校区 一种应用于智能激光切割的图像自动标定方法
CN105006000A (zh) * 2015-08-18 2015-10-28 河海大学常州校区 一种应用于智能激光切割的图像自动标定方法
CN105067023A (zh) * 2015-08-31 2015-11-18 中国科学院沈阳自动化研究所 一种全景三维激光传感器数据校准方法和装置
CN105067023B (zh) * 2015-08-31 2017-11-14 中国科学院沈阳自动化研究所 一种全景三维激光传感器数据校准方法和装置
CN105222789A (zh) * 2015-10-23 2016-01-06 哈尔滨工业大学 一种基于激光测距传感器的楼宇室内平面图建立方法
CN105629990A (zh) * 2016-01-25 2016-06-01 谭圆圆 一种无人飞行器的校准方法及装置
CN105629990B (zh) * 2016-01-25 2019-01-11 谭圆圆 一种无人飞行器的校准方法及装置
CN105717499A (zh) * 2016-02-04 2016-06-29 杭州南江机器人股份有限公司 激光测距仪偏转角测量与校正系统及方法
CN105717499B (zh) * 2016-02-04 2018-11-30 杭州南江机器人股份有限公司 激光测距仪偏转角测量与校正系统及方法
CN105737852B (zh) * 2016-02-04 2019-04-23 杭州南江机器人股份有限公司 激光测距仪位置测量与校正系统及方法
CN105737852A (zh) * 2016-02-04 2016-07-06 杭州南江机器人股份有限公司 激光测距仪位置测量与校正系统及方法
CN110178048B (zh) * 2016-11-18 2023-06-09 奥特赛艾特公司 交通工具环境地图生成和更新的方法和系统
CN110178048A (zh) * 2016-11-18 2019-08-27 迪博蒂克斯公司 交通工具环境地图生成和更新的方法和系统
CN108120447A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 多激光设备数据融合方法
CN108120447B (zh) * 2016-11-28 2021-08-31 沈阳新松机器人自动化股份有限公司 多激光设备数据融合方法
CN106643805B (zh) * 2016-12-30 2020-07-14 上海交通大学 激光定位传感器在agv小车中位置标定方法
CN106643805A (zh) * 2016-12-30 2017-05-10 上海交通大学 激光定位传感器在agv小车中位置标定方法
CN107044857A (zh) * 2017-03-24 2017-08-15 黑龙江硅智机器人有限公司 应用于服务机器人的异步式地图构建与定位系统及方法
US11336074B2 (en) 2017-03-29 2022-05-17 SZ DJI Technology Co., Ltd. LIDAR sensor system with small form factor
US10714889B2 (en) 2017-03-29 2020-07-14 SZ DJI Technology Co., Ltd. LIDAR sensor system with small form factor
US10554097B2 (en) 2017-03-29 2020-02-04 SZ DJI Technology Co., Ltd. Hollow motor apparatuses and associated systems and methods
US10539663B2 (en) 2017-03-29 2020-01-21 SZ DJI Technology Co., Ltd. Light detecting and ranging (LIDAR) signal processing circuitry
CN106872963A (zh) * 2017-03-31 2017-06-20 厦门大学 一种多组多线激光雷达的自动标定算法
CN106872963B (zh) * 2017-03-31 2019-08-27 厦门大学 一种多组多线激光雷达的自动标定算法
CN110573830A (zh) * 2017-04-28 2019-12-13 深圳市大疆创新科技有限公司 激光传感器的校准方法
US10120068B1 (en) 2017-04-28 2018-11-06 SZ DJI Technology Co., Ltd. Calibration of laser sensors
WO2018195986A1 (en) * 2017-04-28 2018-11-01 SZ DJI Technology Co., Ltd. Calibration of laser sensors
US10436884B2 (en) 2017-04-28 2019-10-08 SZ DJI Technology Co., Ltd. Calibration of laser and vision sensors
US10884110B2 (en) 2017-04-28 2021-01-05 SZ DJI Technology Co., Ltd. Calibration of laser and vision sensors
US10859685B2 (en) 2017-04-28 2020-12-08 SZ DJI Technology Co., Ltd. Calibration of laser sensors
US10295659B2 (en) 2017-04-28 2019-05-21 SZ DJI Technology Co., Ltd. Angle calibration in light detection and ranging system
US10698092B2 (en) 2017-04-28 2020-06-30 SZ DJI Technology Co., Ltd. Angle calibration in light detection and ranging system
US11460563B2 (en) 2017-04-28 2022-10-04 SZ DJI Technology Co., Ltd. Calibration of laser sensors
CN107330176B (zh) * 2017-06-26 2020-04-24 大连三维土木监测技术有限公司 一种基于结构模态估计的应变计与加速度计联合布设方法
CN107330176A (zh) * 2017-06-26 2017-11-07 大连三维土木监测技术有限公司 一种基于结构模态估计的应变计与加速度计联合布设方法
US10371802B2 (en) 2017-07-20 2019-08-06 SZ DJI Technology Co., Ltd. Systems and methods for optical distance measurement
US11982768B2 (en) 2017-07-20 2024-05-14 SZ DJI Technology Co., Ltd. Systems and methods for optical distance measurement
CN107462881A (zh) * 2017-07-21 2017-12-12 北京航空航天大学 一种激光测距传感器标定方法
US11961208B2 (en) 2017-07-31 2024-04-16 SZ DJI Technology Co., Ltd. Correction of motion-based inaccuracy in point clouds
US10152771B1 (en) 2017-07-31 2018-12-11 SZ DJI Technology Co., Ltd. Correction of motion-based inaccuracy in point clouds
US11238561B2 (en) 2017-07-31 2022-02-01 SZ DJI Technology Co., Ltd. Correction of motion-based inaccuracy in point clouds
US10641875B2 (en) 2017-08-31 2020-05-05 SZ DJI Technology Co., Ltd. Delay time calibration of optical distance measurement devices, and associated systems and methods
JP7027574B2 (ja) 2018-05-04 2022-03-01 ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー センサー画像のスキャンポイントによって光電子センサーの位置合わせを決定するための方法、及び光電子センサー
KR20190127684A (ko) * 2018-05-04 2019-11-13 쑤저우 보손 스마트 테크놀로지 엘티디 3차원 백색광 스캐너의 기준 부재 및 그 교정 방법
KR102190471B1 (ko) * 2018-05-04 2020-12-14 쑤저우 보손 스마트 테크놀로지 엘티디 3차원 백색광 스캐너의 교정 방법
JP2021522508A (ja) * 2018-05-04 2021-08-30 ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー センサー画像のスキャンポイントによって光電子センサーの位置合わせを決定するための方法、及び光電子センサー
WO2019210644A1 (zh) * 2018-05-04 2019-11-07 苏州玻色智能科技有限公司 一种用于三维白光扫描设备的标准件及其标定方法
US12025709B2 (en) 2018-05-04 2024-07-02 Valeo Schalter Und Sensoren Gmbh Method for determining an alignment of an optoelectronic sensor by means of scan points of a sensor image, and optoelectronic sensor
CN111090084A (zh) * 2018-10-24 2020-05-01 舜宇光学（浙江）研究院有限公司 多激光雷达外参标定方法、标定装置、标定系统和电子设备
CN111126114A (zh) * 2018-11-01 2020-05-08 财团法人车辆研究测试中心 道路标线的光达侦测方法及其系统
CN111126114B (zh) * 2018-11-01 2023-03-31 财团法人车辆研究测试中心 道路标线的光达侦测方法及其系统
CN111587383A (zh) * 2018-11-30 2020-08-25 深圳市大疆创新科技有限公司 应用于测距装置的反射率校正方法、测距装置
CN109375629A (zh) * 2018-12-05 2019-02-22 苏州博众机器人有限公司 一种巡逻车及其导航避障方法
CN109767475B (zh) * 2018-12-28 2020-12-15 广州小鹏汽车科技有限公司 一种传感器的外部参数标定方法及系统
CN109767475A (zh) * 2018-12-28 2019-05-17 广州小鹏汽车科技有限公司 一种传感器的外部参数标定方法及系统
CN109900298B (zh) * 2019-03-01 2023-06-30 武汉光庭科技有限公司 一种车辆定位校准方法及系统
CN109900298A (zh) * 2019-03-01 2019-06-18 武汉光庭科技有限公司 一种车辆定位校准方法及系统
CN110793459A (zh) * 2019-10-30 2020-02-14 成都安科泰丰科技有限公司 一种二维激光位移传感器标定装置
CN110793459B (zh) * 2019-10-30 2022-07-22 成都安科泰丰科技有限公司 一种二维激光位移传感器标定装置
CN111551917A (zh) * 2020-04-30 2020-08-18 中国科学院沈阳自动化研究所 一种激光三角法位移传感器的标定方法
CN112285735A (zh) * 2020-09-18 2021-01-29 创新工场(北京)企业管理股份有限公司 一种用于自动标定单线激光雷达的角度分辨率的系统
CN112697057A (zh) * 2021-02-01 2021-04-23 南京耘瞳科技有限公司 一种送料皮带厚度检测方法
CN117333649A (zh) * 2023-10-25 2024-01-02 天津大学 一种动态扰动下高频线扫描稠密点云的优化方法
CN117333649B (zh) * 2023-10-25 2024-06-04 天津大学 一种动态扰动下高频线扫描稠密点云的优化方法
CN117685904A (zh) * 2024-02-04 2024-03-12 广州顶盛益电子科技有限公司 一种激光传感器的测距误差校正方法、装置及存储介质
CN117685904B (zh) * 2024-02-04 2024-04-16 广州顶盛益电子科技有限公司 一种激光传感器的测距误差校正方法、装置及存储介质

Also Published As

Publication number Publication date
CN103257342B (zh) 2014-11-05

Similar Documents

Publication Publication Date Title
CN103257342A (zh) 三维激光传感器与二维激光传感器的联合标定方法
KR102257610B1 (ko) 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
US10859684B1 (en) Method and system for camera-lidar calibration
CN104599272B (zh) 面向可移动靶标球的机载LiDAR点云与影像联合配准方法
CN111045017A (zh) 一种激光和视觉融合的巡检机器人变电站地图构建方法
CN109765901A (zh) 基于线激光与双目视觉的动态代价地图导航方法
CN107741234A (zh) 一种基于视觉的离线地图构建及定位方法
CN103170973A (zh) 基于Kinect摄像机的人机协作装置及方法
CN110260786A (zh) 一种基于外部跟踪的机器人视觉测量系统及其标定方法
CN108827155A (zh) 一种机器人视觉测量系统及方法
CN106570905A (zh) 一种非合作目标点云初始姿态验证方法
JP6435781B2 (ja) 自己位置推定装置及び自己位置推定装置を備えた移動体
Kim et al. Autonomous mobile robot localization and mapping for unknown construction environments
Droeschel et al. Omnidirectional perception for lightweight UAVs using a continuously rotating 3D laser scanner
CN111830534B (zh) 一种应用激光雷达进行最佳着陆点选取方法
US20220214696A1 (en) Simultaneous Localization and Mapping
CN108225276A (zh) 一种单星成像目标运动特性反演方法及系统
CN110296698A (zh) 一种以激光扫描为约束的无人机路径规划方法
CN114266821A (zh) 在线定位方法、装置、终端设备及存储介质
CN106931950B (zh) 基于三维激光检测的液化天然气管线姿态检测方法
Li et al. Extrinsic calibration of non-overlapping multi-camera system with high precision using circular encoded point ruler
US11467592B2 (en) Route determination method
Chen et al. Low cost and efficient 3D indoor mapping using multiple consumer RGB-D cameras
CN116385692A (zh) 面向桥梁检测场景的地面三维激光扫描仪站点优化布置法
Chen et al. Real-time active detection of targets and path planning using UAVs

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant