CN105758426A - 移动机器人的多传感器的联合标定方法 - Google Patents
移动机器人的多传感器的联合标定方法 Download PDFInfo
- Publication number
- CN105758426A CN105758426A CN201610091699.6A CN201610091699A CN105758426A CN 105758426 A CN105758426 A CN 105758426A CN 201610091699 A CN201610091699 A CN 201610091699A CN 105758426 A CN105758426 A CN 105758426A
- Authority
- CN
- China
- Prior art keywords
- camera
- laser radar
- coordinate system
- world coordinate
- mobile apparatus
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明申请揭示了一种移动机器人的多传感器的联合标定方法，所述移动机器人包括2D激光雷达和相机，包括以下步骤：S1：采用针孔摄像机模型对相机进行内参数标定，得到相机的内参数矩阵；S2：将相机和2D激光雷达放置在移动机器人的固定位置，使得2D激光雷达和相机在移动机器人运动过程中保持不变；S3：获取ti时刻相机在世界坐标系下的位置，i为正整数；S4：获取ti时刻2D激光雷达在世界坐标系下的位置；S5：重复步骤S3、S4直到i不小于4；S6：根据，得到相机与2D激光雷达的旋转矩阵旋转矩阵Rcl以及平移矩阵tcl。本发明申请技术方案完全脱离标定板的限制，可以在多种环境下进行标定，还可以在使用过程中实时标定，解决了现阶段移动机器人仅出厂标定参数，至后期参数出现波动的造成的定位误差，方便用户在使用过程中进行校正。
Description
技术领域
本发明涉及移动机器人，特别是移动机器人的多传感器的联合标定方法。
背景技术
移动机器人自主导航是机器人研究领域的一个热点，移动机器人导航要求机器人通过传感器感知环境和自身状态，实现在有障碍物的环境中自主定位。不同类型传感器之间的信息融合是提高机器人环境理解与认知性能的必备手段，其为移动机器人提供更精确的环境信息。
近年来，有许多系统开始集成使用camera与2DLase-Rangefinder结合的方式，视觉具有探测范围宽，获取信息完整、价格低等优点，但由于其易受外界环境影响如光照，存在目标缺失以及模糊等问题。激光受外部环境变化影响小，但存在数据点稀疏，扫描频率低的缺点，将二者融合，可以弥补各自缺失。
在进行数据融合时，多传感器的标定是必须解决的问题之一。标定一般分为各传感器自身参数的标定以及多传感器的联合标定。各传感器自身参数的标定是为了保证所采集数据的准确性，而多传感器的联合标定是为了多传感器数据的准确匹配,确保数据融合的准确性。在针对camera与Laser传感器的标定中，必须预先获得他们之间的旋转矩阵和平移矩阵。目前的标定方法中较多使用黑白棋盘格标定板的方法进行标定，该方法如(QilongZhang，RobertPless.Extrinsiccalibrationforcameraandlaserrangerfinder(improvescameraintrinsiccalibration).IEEEIROS，pp.2301-2306，2004)(译为：相机与激光雷达外参数的标定(同时优化相机内参数))中所述。但该方法依赖于扫描物质的特性及距离激光的远近，同时激光数据点的稀疏程度也极大地影响标定结果。
另有采用特殊形状的标定物，如四足锥状体标定键，通过分割激光扫描点位于四个足之间各个不同部位的数据和标定键的形状进行比对来获取外参数信息。这种方法存在的主要技术问题就在于对标定物的工艺要求较高；其次，通过标定键形状约束跟分割的数据的比对作为扫描位置的估计的方法其数学变换复杂，且本身就很难精确，再利用估计的结果进行标定计算，精度不高；最后，尽管该方法不需要相机的参与，属于单独标定的方法，但其标定精度不如上述Zhang等人的方法。
综上所述，现有所存在方法的研究工作重点主要集中于怎样估计激光雷达的扫描线上，依赖于外部标定板的较多，限定了标定的外部条件。然后，利用本身有误差的估计结果来进行外参数的计算，使得标定结果的准确度不理想。
发明内容
本发明专利申请的目的在于提供移动机器人的多传感器的联合标定方法，以解决背景技术中的问题。
本发明方法的基本原理如下：
根据针孔摄像机模型描述，对于空间任意一点p，其在相机坐标系的坐标，在2D激光雷达坐标系下的坐标，则点p在相机坐标系下的坐标与在2D激光雷达坐标系下的坐标存在以下关系：
，其中，Rcl为相机坐标系至2D激光雷达坐标系的旋转矩阵，可用列向量表示为，tcl为相机坐标系至2D激光雷达坐标系之间的平移向量，为3维列向量，通过计算Rcl和tcl，即可完成移动机器人的相机和2D激光雷达之间的联合标定。
本发明专利申请的技术方案如下：
一种移动机器人的多传感器的联合标定方法，所述移动机器人包括2D激光雷达和相机，其特征在于，包括以下步骤：
S1：对相机进行内参数标定，得到相机的内参数矩阵；
S2：将相机和2D激光雷达放置在移动机器人的固定位置，使得2D激光雷达和相机在移动机器人运动过程中保持不变；
S3：获取ti时刻相机在世界坐标系下的位置，其中i为正整数；
S4：获取ti时刻2D激光雷达在世界坐标系下的位置；
S5：重复步骤S3、S4直到i不小于4；
S6：根据，得到相机与2D激光雷达的旋转矩阵Rcl以及平移矩阵tcl。
在本发明专利申请的一个具体实施例中，步骤S3包括以下子步骤：
S31：对ti时刻采集到的图片进行特征点提取；
S32：建立以像素为单位的图像坐标系u-v和以物理单位表示的相机坐标系x-y；
S33：通过相机坐标系x-y与世界坐标系之间的变换得到图像坐标系u-v与世界坐标系之间的关系；
S34：构建特征点在世界坐标系坐标与图像坐标系u-v之间的投影关系测量模型；
S35：根据测量模型并结合单目视觉SLAM算法进行计算，得到相机在世界坐标系下的位置。
在本发明专利申请的一个具体实施例中，步骤S4包括以下子步骤：
S41：将2D激光雷达采集到的环境点的极坐标转化为笛卡尔坐标；
S42：对采集到的环境点的笛卡尔坐标进行相关匹配算法。
进一步地，所述步骤S42中的匹配算法为ICP算法。
与现有技术相比，本发明申请具有以下优点：
1、本发明专利申请技术方案完全脱离标定板的限制，可以在多种环境下进行标定；
2、本发明专利申请技术方案可以在使用过程中实时标定，解决了现阶段移动机器人仅出厂标定参数，至后期参数出现波动的造成的定位误差，方便用户在使用过程中进行校正。
附图说明
图1为本发明专利申请较佳实施例的流程图。
图2为图1中步骤S3的子步骤构成流程图。
图3为图1中步骤S4的子步骤构成流程图。
图4为本发明专利申请的针孔成像模型示意图。
图5为图1中的移动机器人标定示意图。
具体实施方式
下面结合附图和具体实施方式对本发明方案进行进一步详细说明。
如附图1至附图5所示，为本发明的一个优选实施例。
S1：对相机进行内参数标定，得到相机的内参数矩阵；
采用针孔摄像机模型不考虑透镜畸变因子（不考虑透镜因子可以使算法相对简单），使用传统的棋盘表格进行相机的内部参数标定，得到相机的内参数矩阵，其中，为相机的焦距，为相机光心。
S2：将相机和2D激光雷达放置在移动机器人的固定位置，使得2D激光雷达和相机在移动机器人运动过程中保持不变；
由于要对相机和2D激光雷达进行联合标定，必定需要求在移动机器人的固定安装，使它们在移动机器人运动过程中保持相对静止，如图5所示。
S3：获取ti时刻相机在世界坐标系下的位置，i为正整数。
在该步骤中，本实施例是通过以下子步骤得到相机在世界坐标系下的坐标的：
S31：对ti时刻采集到的图片进行特征点提取；
移动机器人在运动过程中，相机按一定频率采集图片，然后对在ti时刻采集到的图片进行特征提取，其中，i表示第i次进行图片特征提取。
S32：建立以像素为单位的图像坐标系u-v和以物理单位表示的相机坐标系x-y；
在图像平面内，以左上角为坐标原点，水平方向为u轴，竖直方向为v轴，单位为像素，由于图像坐标系u-v只表示了数字图像中像素所处的行数和列数，而没有用物理单位表示出该像素在图像中的位置，需要再建立以物理单位表示的坐标系，即图像坐标系x-y。在图像坐标系x-y中，原点o1定义在摄像机光轴与图像平面的交点处，o1在坐标系中的坐标为（u0，v0），每一个像素在x轴和y轴方向上的物理尺寸大小为dx，dy，则在图像中每一个像素在两个坐标系下的坐标有以下关系：
（1）
图像坐标系u-v与相机坐标系x-y存在以下关系：
（2）
S33：通过图像坐标系u-v与世界坐标系之间的变换得到图像坐标系x-y与世界坐标系之间的关系；
相机坐标系x-y与世界坐标系可以通过旋转矩阵Rcw和平移向量tcw来描述，空间点p的世界坐标与相机坐标系存在以下关系：
（3）
由公式（1）、（2）、（3）得到图像坐标系与世界坐标系之间的关系：
(4)
S34：构建特征点在世界坐标系坐标与图像坐标系之间的投影关系测量模型；
本实施例中基于卡尔曼滤波器的单目视觉SLAM框架，相机的状态Xc w由世界坐标下相机位置rT、旋转四元数qT、线速度vT、角速度wT组成：
(5)
地图特征状态向量由特征点的世界坐标组成：
(6)
其中，。n代表地图中特征点的数目，因此，相机状态向量X和特征点状态向量组成SLAM系统状态向量：
(7)
本实施例中，SLAM系统采用匀速模型作为过程模型，得到相机状态预测方程：
（8）
其中，表示过程噪声。
S35：根据测量模型并结合单目视觉SLAM算法进行计算，得到相机在世界坐标系下的位置。
利用地图中特征点的三维坐标与其对应成像坐标系的二维坐标之间的投影关系构建测量模型：
（9）
由以上视觉模型并结合相关的单目视觉SLAM算法即可得到相机在世界坐标系的位置：
S4：获取ti时刻2D激光雷达在世界坐标系下的位置；
本实施例中，是通过以下子步骤获取2D激光雷达在世界坐标系下的位置，包括：
S41：将2D激光雷达采集到的环境点的极坐标转化为笛卡尔坐标；
2D激光雷达可以直接获得环境的水平剖面图，测得的环境点的信息是以2D位中心的极坐标，表示为，因而需要将极坐标系下的坐标转换为笛卡尔坐标系下的坐标，表示为：
（10）
其中，r表示2D激光雷达扫描获得的距离值，Ψ为水平扫描角。
S42：对采集到的环境点的笛卡尔坐标进行相关匹配算法。
对采集到的环境点的数据进行相关的匹配算法，如较常使用的ICPSLAM进行相关的处理计算，ICP算法是一种快速、精确的算法，在点集和图像的配准中收到广泛的应用，假设两帧激光获得和两个激光点集，则ICP算法可以表示为：
(11)
其中，mj与pi为两帧待匹配激光点，RMP为旋转矩阵，tMP为平移向量。
由公式（10）、（11）即可得到2D激光雷达在世界坐标系下的位置：
S5：重复步骤S3、S4直到i不小于4；
由于Rcl和tcl分别由3个特征量和3个特征量构成，因此需要至少4组数据才能求得Rcl和tcl，即在移动机器人运动过程中，分别在4个不同时间点ti采集图片信息和2D激光雷达数据，然后重复步骤S3、S4，以得到4组相机在世界坐标下的坐标和2D激光雷达在世界坐标系下的坐标。
S6：根据，得到相机与2D激光雷达的旋转矩阵旋转矩阵Rcl以及平移矩阵tcl。
将步骤5中获得的4组数据代入，通过高斯迭代使总的均方误差收敛，即可得到旋转矩阵Rcl以及平移矩阵tcl，从而完成了移动机器人的相机和2D激光雷达的联合标定。
以上是本发明的较佳实施例的详细说明，不认定本发明只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下所作出的等同替代或明显变形，且性能或用途相同，都应当视为本发明所提交的权利要求书确定的保护范围内。
Claims (4)
1.一种移动机器人的多传感器的联合标定方法，所述移动机器人包括2D激光雷达和相机，其特征在于，包括以下步骤：
S1：采用针孔摄像机模型对相机进行内参数标定，得到相机的内参数矩阵；
S2：将相机和2D激光雷达放置在移动机器人的固定位置，使得2D激光雷达和相机在移动机器人运动过程中保持不变；
S3：获取ti时刻相机在世界坐标系下的位置，i为正整数；
S4：获取ti时刻2D激光雷达在世界坐标系下的位置；
S5：重复步骤S3、S4直到i不小于4；
S6：根据，得到相机与2D激光雷达的旋转矩阵Rcl以及平移矩阵tcl。
2.如权利要求1所述的移动机器人的多传感器的联合标定方法，其特征在于，所述步骤S3包括以下子步骤：
S31：对ti时刻采集到的图片进行特征点提取；
S32：建立以像素为单位的图像坐标系u-v和以物理单位表示的相机坐标系x-y；
S33：通过相机坐标系x-y与世界坐标系之间的变换得到图像坐标系u-v与世界坐标系之间的关系；
S34：构建特征点在世界坐标系坐标与图像坐标系u-v之间的投影关系测量模型；
S35：根据测量模型并结合单目视觉SLAM算法进行计算，得到相机在世界坐标系下的位置。
3.如权利要求1所述的移动机器人的多传感器的联合标定方法，其特征在于，所述步骤S4包括以下子步骤：
S41：将2D激光雷达采集到的环境点的极坐标转化为笛卡尔坐标；
S42：对采集到的环境点的笛卡尔坐标进行相关匹配算法。
4.如权利要求3所述的移动机器人的多传感器的联合标定方法，其特征在于，所述匹配算法为ICP算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610091699.6A CN105758426B (zh) | 2016-02-19 | 2016-02-19 | 移动机器人的多传感器的联合标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610091699.6A CN105758426B (zh) | 2016-02-19 | 2016-02-19 | 移动机器人的多传感器的联合标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105758426A true CN105758426A (zh) | 2016-07-13 |
| CN105758426B CN105758426B (zh) | 2019-07-26 |
Family
ID=56330162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610091699.6A Active CN105758426B (zh) | 2016-02-19 | 2016-02-19 | 移动机器人的多传感器的联合标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105758426B (zh) |
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
| CN107564069A (zh) * | 2017-09-04 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 标定参数的确定方法、装置及计算机可读存储介质 |
| CN108020825A (zh) * | 2016-11-03 | 2018-05-11 | 岭纬公司 | 激光雷达、激光摄像头、视频摄像头的融合标定系统及方法 |
| CN108337915A (zh) * | 2017-12-29 | 2018-07-27 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
| CN108519605A (zh) * | 2018-04-09 | 2018-09-11 | 重庆邮电大学 | 基于激光雷达和摄像机的路沿检测方法 |
| CN108606093A (zh) * | 2018-06-29 | 2018-10-02 | 广东工业大学 | 一种拟人型炒茶机器人及利用该炒茶机器人炒茶的方法 |
| CN109143205A (zh) * | 2018-08-27 | 2019-01-04 | 深圳清创新科技有限公司 | 一体化传感器外参数标定方法、装置 |
| CN109211298A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 一种传感器标定方法和装置 |
| CN109239727A (zh) * | 2018-09-11 | 2019-01-18 | 北京理工大学 | 一种结合固态面阵激光雷达与双ccd相机的测距方法 |
| CN109387219A (zh) * | 2017-08-02 | 2019-02-26 | 珊口（上海）智能科技有限公司 | 误差标定系统 |
| CN109615658A (zh) * | 2018-12-04 | 2019-04-12 | 广东拓斯达科技股份有限公司 | 机器人的物品拿取方法、装置、计算机设备及存储介质 |
| CN109634279A (zh) * | 2018-12-17 | 2019-04-16 | 武汉科技大学 | 基于激光雷达与单目视觉的物体定位方法 |
| CN109934877A (zh) * | 2019-03-15 | 2019-06-25 | 苏州天准科技股份有限公司 | 一种用于2d激光-双目相机联合标定的标定方法 |
| CN110021046A (zh) * | 2019-03-05 | 2019-07-16 | 中国科学院计算技术研究所 | 相机与激光雷达组合传感器的外参数标定方法及系统 |
| CN110235026A (zh) * | 2017-01-26 | 2019-09-13 | 御眼视觉技术有限公司 | 基于对齐的图像和激光雷达信息的车辆导航 |
| CN110322485A (zh) * | 2019-06-25 | 2019-10-11 | 南京大学 | 一种异构多相机成像系统的快速图像配准方法 |
| CN110497373A (zh) * | 2019-08-07 | 2019-11-26 | 大连理工大学 | 一种移动作业机器人的三维激光雷达与机械臂间的联合标定方法 |
| CN111247389A (zh) * | 2019-03-29 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 关于拍摄设备的数据处理方法、装置及图像处理设备 |
| WO2020132924A1 (zh) * | 2018-12-25 | 2020-07-02 | 深圳市优必选科技有限公司 | 机器人传感器的外参标定方法、装置、机器人及存储介质 |
| CN111505606A (zh) * | 2020-04-14 | 2020-08-07 | 武汉大学 | 多相机与激光雷达系统相对位姿检校方法及装置 |
| CN111638499A (zh) * | 2020-05-08 | 2020-09-08 | 上海交通大学 | 基于激光雷达反射强度点特征的相机-激光雷达相对外参标定方法 |
| CN111830470A (zh) * | 2019-04-16 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 联合标定方法及装置、目标对象检测方法、系统及装置 |
| CN112414444A (zh) * | 2019-08-22 | 2021-02-26 | 阿里巴巴集团控股有限公司 | 一种数据标定方法、计算机设备、存储介质 |
| CN112578363A (zh) * | 2019-09-30 | 2021-03-30 | 上海禾赛科技股份有限公司 | 激光雷达运动轨迹获取方法及装置、介质 |
| US10990104B2 (en) | 2019-01-10 | 2021-04-27 | General Electric Company | Systems and methods including motorized apparatus for calibrating sensors |
| CN112785649A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 激光雷达和相机的标定方法、装置、电子设备及介质 |
| CN113112554A (zh) * | 2021-06-16 | 2021-07-13 | 腾讯科技（深圳）有限公司 | 相机外参标定方法、装置、计算机设备和存储介质 |
| CN113351631A (zh) * | 2021-07-05 | 2021-09-07 | 北京理工大学 | 一种光电智能垃圾分拣小车系统 |
| CN113391299A (zh) * | 2021-04-30 | 2021-09-14 | 深圳市安思疆科技有限公司 | 一种扫描面阵激光雷达的参数标定方法和装置 |
| CN115793649A (zh) * | 2022-11-29 | 2023-03-14 | 硕能(上海)自动化科技有限公司 | 一种电缆沟自动巡检装置及巡检方法 |
| CN115993089A (zh) * | 2022-11-10 | 2023-04-21 | 山东大学 | 基于pl-icp的在线四舵轮agv内外参标定方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101882313A (zh) * | 2010-07-14 | 2010-11-10 | 中国人民解放军国防科学技术大学 | 单线激光雷达与ccd相机之间相互关系的标定方法 |
| WO2012022231A1 (zh) * | 2010-08-20 | 2012-02-23 | 北京航空航天大学 | 一种多传感器视觉测量系统的刚性杆全局校准方法及装置 |
| CN103837869A (zh) * | 2014-02-26 | 2014-06-04 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
| CN104142157A (zh) * | 2013-05-06 | 2014-11-12 | 北京四维图新科技股份有限公司 | 一种标定方法、装置及设备 |
-
2016
- 2016-02-19 CN CN201610091699.6A patent/CN105758426B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101882313A (zh) * | 2010-07-14 | 2010-11-10 | 中国人民解放军国防科学技术大学 | 单线激光雷达与ccd相机之间相互关系的标定方法 |
| WO2012022231A1 (zh) * | 2010-08-20 | 2012-02-23 | 北京航空航天大学 | 一种多传感器视觉测量系统的刚性杆全局校准方法及装置 |
| CN104142157A (zh) * | 2013-05-06 | 2014-11-12 | 北京四维图新科技股份有限公司 | 一种标定方法、装置及设备 |
| CN103837869A (zh) * | 2014-02-26 | 2014-06-04 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 桑瑞娟: "一种新的CCD相机与激光相机的标定方法", 《西南科技大学学报》 * |
| 西西利亚诺等: "《机器人手册》", 31 January 2013 * |
Cited By (51)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108020825A (zh) * | 2016-11-03 | 2018-05-11 | 岭纬公司 | 激光雷达、激光摄像头、视频摄像头的融合标定系统及方法 |
| US11953599B2 (en) | 2017-01-26 | 2024-04-09 | Mobileye Vision Technologies Ltd. | Vehicle navigation based on aligned image and LIDAR information |
| CN110235026A (zh) * | 2017-01-26 | 2019-09-13 | 御眼视觉技术有限公司 | 基于对齐的图像和激光雷达信息的车辆导航 |
| 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 |
| CN109211298B (zh) * | 2017-07-04 | 2021-08-17 | 百度在线网络技术（北京）有限公司 | 一种传感器标定方法和装置 |
| CN109211298A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 一种传感器标定方法和装置 |
| CN107505644B (zh) * | 2017-07-28 | 2020-05-05 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
| CN107505644A (zh) * | 2017-07-28 | 2017-12-22 | 武汉理工大学 | 基于车载多传感器融合的三维高精度地图生成系统及方法 |
| CN109387219A (zh) * | 2017-08-02 | 2019-02-26 | 珊口（上海）智能科技有限公司 | 误差标定系统 |
| CN107564069A (zh) * | 2017-09-04 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 标定参数的确定方法、装置及计算机可读存储介质 |
| CN107564069B (zh) * | 2017-09-04 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 标定参数的确定方法、装置及计算机可读存储介质 |
| CN108337915A (zh) * | 2017-12-29 | 2018-07-27 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
| WO2019127347A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
| CN108519605A (zh) * | 2018-04-09 | 2018-09-11 | 重庆邮电大学 | 基于激光雷达和摄像机的路沿检测方法 |
| CN108519605B (zh) * | 2018-04-09 | 2021-09-07 | 重庆邮电大学 | 基于激光雷达和摄像机的路沿检测方法 |
| CN108606093B (zh) * | 2018-06-29 | 2023-06-06 | 广东工业大学 | 一种拟人型炒茶机器人及利用该炒茶机器人炒茶的方法 |
| CN108606093A (zh) * | 2018-06-29 | 2018-10-02 | 广东工业大学 | 一种拟人型炒茶机器人及利用该炒茶机器人炒茶的方法 |
| CN109143205A (zh) * | 2018-08-27 | 2019-01-04 | 深圳清创新科技有限公司 | 一体化传感器外参数标定方法、装置 |
| CN109143205B (zh) * | 2018-08-27 | 2020-07-24 | 深圳一清创新科技有限公司 | 一体化传感器外参数标定方法、装置 |
| CN109239727B (zh) * | 2018-09-11 | 2022-08-05 | 北京理工大学 | 一种结合固态面阵激光雷达与双ccd相机的测距方法 |
| CN109239727A (zh) * | 2018-09-11 | 2019-01-18 | 北京理工大学 | 一种结合固态面阵激光雷达与双ccd相机的测距方法 |
| CN109615658A (zh) * | 2018-12-04 | 2019-04-12 | 广东拓斯达科技股份有限公司 | 机器人的物品拿取方法、装置、计算机设备及存储介质 |
| CN109634279A (zh) * | 2018-12-17 | 2019-04-16 | 武汉科技大学 | 基于激光雷达与单目视觉的物体定位方法 |
| CN109634279B (zh) * | 2018-12-17 | 2022-08-12 | 瞿卫新 | 基于激光雷达与单目视觉的物体定位方法 |
| CN111360810A (zh) * | 2018-12-25 | 2020-07-03 | 深圳市优必选科技有限公司 | 机器人传感器的外参标定方法、装置、机器人及存储介质 |
| US20210354299A1 (en) * | 2018-12-25 | 2021-11-18 | Ubtech Robotics Corp | External parameter calibration method for robot sensors and apparatus, robot and storage medium with the same |
| US11590655B2 (en) | 2018-12-25 | 2023-02-28 | Ubtech Robotics Corp Ltd | External parameter calibration method for robot sensors and apparatus and robot with the same |
| WO2020132924A1 (zh) * | 2018-12-25 | 2020-07-02 | 深圳市优必选科技有限公司 | 机器人传感器的外参标定方法、装置、机器人及存储介质 |
| US10990104B2 (en) | 2019-01-10 | 2021-04-27 | General Electric Company | Systems and methods including motorized apparatus for calibrating sensors |
| CN110021046A (zh) * | 2019-03-05 | 2019-07-16 | 中国科学院计算技术研究所 | 相机与激光雷达组合传感器的外参数标定方法及系统 |
| CN109934877A (zh) * | 2019-03-15 | 2019-06-25 | 苏州天准科技股份有限公司 | 一种用于2d激光-双目相机联合标定的标定方法 |
| CN111247389A (zh) * | 2019-03-29 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 关于拍摄设备的数据处理方法、装置及图像处理设备 |
| CN111830470A (zh) * | 2019-04-16 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 联合标定方法及装置、目标对象检测方法、系统及装置 |
| CN110322485A (zh) * | 2019-06-25 | 2019-10-11 | 南京大学 | 一种异构多相机成像系统的快速图像配准方法 |
| CN110497373A (zh) * | 2019-08-07 | 2019-11-26 | 大连理工大学 | 一种移动作业机器人的三维激光雷达与机械臂间的联合标定方法 |
| CN112414444B (zh) * | 2019-08-22 | 2023-05-30 | 阿里巴巴集团控股有限公司 | 一种数据标定方法、计算机设备、存储介质 |
| CN112414444A (zh) * | 2019-08-22 | 2021-02-26 | 阿里巴巴集团控股有限公司 | 一种数据标定方法、计算机设备、存储介质 |
| CN112578363A (zh) * | 2019-09-30 | 2021-03-30 | 上海禾赛科技股份有限公司 | 激光雷达运动轨迹获取方法及装置、介质 |
| CN112785649A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 激光雷达和相机的标定方法、装置、电子设备及介质 |
| CN111505606A (zh) * | 2020-04-14 | 2020-08-07 | 武汉大学 | 多相机与激光雷达系统相对位姿检校方法及装置 |
| CN111638499B (zh) * | 2020-05-08 | 2024-04-09 | 上海交通大学 | 基于激光雷达反射强度点特征的相机-激光雷达相对外参标定方法 |
| CN111638499A (zh) * | 2020-05-08 | 2020-09-08 | 上海交通大学 | 基于激光雷达反射强度点特征的相机-激光雷达相对外参标定方法 |
| CN113391299B (zh) * | 2021-04-30 | 2023-09-22 | 深圳市安思疆科技有限公司 | 一种扫描面阵激光雷达的参数标定方法和装置 |
| CN113391299A (zh) * | 2021-04-30 | 2021-09-14 | 深圳市安思疆科技有限公司 | 一种扫描面阵激光雷达的参数标定方法和装置 |
| CN113112554A (zh) * | 2021-06-16 | 2021-07-13 | 腾讯科技（深圳）有限公司 | 相机外参标定方法、装置、计算机设备和存储介质 |
| CN113351631A (zh) * | 2021-07-05 | 2021-09-07 | 北京理工大学 | 一种光电智能垃圾分拣小车系统 |
| CN115993089A (zh) * | 2022-11-10 | 2023-04-21 | 山东大学 | 基于pl-icp的在线四舵轮agv内外参标定方法 |
| CN115993089B (zh) * | 2022-11-10 | 2023-08-15 | 山东大学 | 基于pl-icp的在线四舵轮agv内外参标定方法 |
| CN115793649B (zh) * | 2022-11-29 | 2023-09-01 | 硕能(上海)自动化科技有限公司 | 一种电缆沟自动巡检装置及巡检方法 |
| CN115793649A (zh) * | 2022-11-29 | 2023-03-14 | 硕能(上海)自动化科技有限公司 | 一种电缆沟自动巡检装置及巡检方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105758426B (zh) | 2019-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105758426A (zh) | 移动机器人的多传感器的联合标定方法 | |
| CN109308693B (zh) | 由一台ptz相机构建的目标检测和位姿测量单双目视觉系统 | |
| CN111750820B (zh) | 影像定位方法及其系统 | |
| CN110146099B (zh) | 一种基于深度学习的同步定位与地图构建方法 | |
| CN109993793B (zh) | 视觉定位方法及装置 | |
| CN110842940A (zh) | 一种建筑测量机器人多传感器融合三维建模方法及系统 | |
| EP0782100B1 (en) | Three-dimensional shape extraction apparatus and method | |
| Zhang et al. | A robust and rapid camera calibration method by one captured image | |
| CN109559355B (zh) | 一种基于相机组的无公共视场的多相机全局标定装置及方法 | |
| CN109859272A (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
| Chai et al. | A novel method for lidar camera calibration by plane fitting | |
| JP2009042162A (ja) | キャリブレーション装置及びその方法 | |
| CN112017248B (zh) | 一种基于点线特征的2d激光雷达相机多帧单步标定方法 | |
| CN112734921B (zh) | 一种基于声呐和视觉图像拼接的水下三维地图构建方法 | |
| Sagawa et al. | Calibration of lens distortion by structured-light scanning | |
| Cvišić et al. | Recalibrating the KITTI dataset camera setup for improved odometry accuracy | |
| CN108470356A (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
| CN110415286B (zh) | 一种多飞行时间深度相机系统的外参标定方法 | |
| Nagy et al. | Online targetless end-to-end camera-LiDAR self-calibration | |
| Ding et al. | A robust detection method of control points for calibration and measurement with defocused images | |
| CN105513074B (zh) | 一种羽毛球机器人相机以及车身到世界坐标系的标定方法 | |
| Nedevschi | Online cross-calibration of camera and lidar | |
| CN112884841A (zh) | 一种基于语义目标的双目视觉定位方法 | |
| Fremont et al. | Circular targets for 3d alignment of video and lidar sensors | |
| CN112580683B (zh) | 一种基于互相关的多传感器数据时间对齐系统及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20161013 Address after: 518057 Guangdong city of Shenzhen province Nanshan District Guangdong streets High-tech Park North Beihuan Road No. 9018 building B building 3 layer's innovation Applicant after: Shenzhen City, Shan Chuan robot Co., Ltd. Address before: Nanshan District Guangdong streets south ring road of Shenzhen city Guangdong province 518057 No. 29 students start building room 1003 Applicant before: SHENZHEN SHANCHUAN TECHNOLOGY CO., LTD. |
|
| CB02 | Change of applicant information |
Address after: A District No. 9018 building 518057 Guangdong Han innovation city of Shenzhen province Nanshan District high tech park, North Central Avenue, 5 floor Room 501 Applicant after: Shenzhen City, Shan Chuan robot Co., Ltd. Address before: 518057 Guangdong city of Shenzhen province Nanshan District Guangdong streets High-tech Park North Beihuan Road No. 9018 building B building 3 layer's innovation Applicant before: Shenzhen City, Shan Chuan robot Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |