CN107192350B - 一种三维激光扫描仪内参数标定方法及装置 - Google Patents

一种三维激光扫描仪内参数标定方法及装置 Download PDF

Info

Publication number
CN107192350B
CN107192350B CN201710361355.7A CN201710361355A CN107192350B CN 107192350 B CN107192350 B CN 107192350B CN 201710361355 A CN201710361355 A CN 201710361355A CN 107192350 B CN107192350 B CN 107192350B
Authority
CN
China
Prior art keywords
plane
algorithm
point
intrinsic parameter
parameter
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.)
Expired - Fee Related
Application number
CN201710361355.7A
Other languages
English (en)
Other versions
CN107192350A (zh
Inventor
宗文鹏
李广云
王力
李明磊
周阳林
王瑞鹏
高欣圆
张天天
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.)
PLA Information Engineering University
Original Assignee
PLA Information Engineering University
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 PLA Information Engineering University filed Critical PLA Information Engineering University
Priority to CN201710361355.7A priority Critical patent/CN107192350B/zh
Publication of CN107192350A publication Critical patent/CN107192350A/zh
Application granted granted Critical
Publication of CN107192350B publication Critical patent/CN107192350B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/04—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness by measuring coordinates of points
    • G01B21/042—Calibration or calibration artifacts

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种三维激光扫描仪内参数标定方法及装置，属于三维激光测量技术领域。本发明以单站扫描数据中平面特征的总体平面度和平面内点数来评价点云总体质量，构建目标函数，使得该目标函数值最小的函数最优解作为待求内参数的估值；采用基于平面特征的内参数解算方式求解目标函数，即按设定的平面提取算法提取平面特征，并计算目标函数值，利用非线性优化算法的搜索规则找到使目标函数值最优的一组参数，该参数即为待求内参数。本发明无需配合人工靶标，对场景无特殊要求，可在任何具有平面特征的场景中实现标定，且能够实现扫描仪的现场快速标定，提高了DIY三维激光扫描仪测量精度和点云质量。

Description

一种三维激光扫描仪内参数标定方法及装置
技术领域
本发明涉及一种三维激光扫描仪内参数标定方法及装置，属于三维激光测量技术领域。
背景技术
三维激光扫描仪是集光学、机械、电子和计算机等众多高新技术于一体的全新测量仪器，它能够实现快速、高效、准确、全方位的三维空间信息获取，获取的海量数据称为点云(Point Cloud)，并且绝大多数配有内置或外置相机，能够同时获取目标表面的纹理信息，点云与图像融合后可以获得逼真可量测的三维模型，因而三维激光扫描技术被誉为“实景复制技术”。商业三维激光扫描仪虽然性能优良，但在实际应用中也存在诸多问题，如价格昂贵、性能过剩、数据处理困难等。因此，越来越多的低成本及个性化应用催生了基于二维测距仪实现三维扫描的解决方案。2000年以来国内外众多学者尝试探索开发低成本或者专门用途的三维激光扫描仪，亦可称之为DIY三维激光扫描仪，其中最常见的是利用二维激光扫描仪加某种旋转执行机构来实现三维扫描。例如在要求厘米级精度的低成本测图时，在进行矿井等狭长走廊三维测图时，在用于移动机器人和智能车的即时定位与测图时，这种实现具有较高的性价比。
在已有的实现方案中，较少关注旋转执行机构与二维测距仪之间的安置偏差带来的影响，即使在设计时考虑到使二维测距仪的测距原点与旋转执行机构严格同轴，但由于实际加工、安装、磨损等原因，这一偏差仍然造成了较大的点云误差甚至变形，因此需要进行标定，以期在不改变硬件而仅通过数据处理的方式达到改善数据质量的目的。
常用的标定方法主要是基于相机及相机标定板的方法，其中棋盘格标定板最为常用。标定过程如下，用DIY三维扫描仪对标定板进行二维扫描获取点云数据，用相机进行拍照，提取两种数据中特征角点并建立对应关系，利用点线或点面约束构建参数模型，能以较高的精度获得全部6个标定参数。该类方法的标定精度较高。如Laksono提出一种以普通棋盘格为标定板并以点面为约束的标定方法，并通过仿真数据实验得出，该方法角度参数标定误差0.018°，平移参数标定误差2mm。这类方法标定过程较为复杂，适用于设计DIY三维扫描仪时未考虑使二维激光扫描仪光学中心与旋转中心同轴以及要求在实验室条件下进行精确标定的情况。但由于众多实现方案中，为方便运输和携带，各组件是需要经常拆卸和组装的，因而需要在测量现场组装好设备后进行一次快速标定，以提高工作效率，保证测量精度。
发明内容
本发明的目的是提供一种三维激光扫描仪内参数标定方法，以解决目前DIY三维扫描仪参数标定过程复杂，效率低的问题；本发明还提供了一种三维激光扫描仪内参数标定装置。
本发明为解决上述技术问题而提供一种三维激光扫描仪内参数标定方法，该标定方法包括以下步骤：
1)以单站扫描数据中平面特征的总体平面度和平面内点数建立目标函数，使得该目标函数值最小的函数最优解作为待求内参数；
2)从初始点云数据中提取平面特征，利用平面内的点计算目标函数值；
3)利用非线性优化算法的搜索规则找到使目标函数值最优的一组参数，该参数即为待求内参数。
进一步地，所述步骤1)建立的目标函数为：
其中N为输入数据点的总数，K为提取到的平面个数，ni为第i个平面上的局内点个数，di,j为第i个平面上第j个局内点到平面的距离，与α0和β0有关，α0为激光扫描瞬时坐标系绕激光扫描理想坐标系的XS轴的旋转角，β0为激光扫描瞬时坐标系绕激光扫描理想坐标系的ZS轴的旋转角，和分别为α0和β0的估计值。
进一步地，所述步骤2)中的平面特征提取采用区域生长算法或RANSAC算法。
进一步地，所述步骤2)采用RANSAC算法进行平面特征提取时，当随机抽取的3点构成的平面模型局内点数量超过设定阈值时，需对这些局内点利用特征值法重新计算平面参数，并重新统计局内点数，若重新统计的局内点数仍超过该设定阈值时，说明已提取到一个平面，否则，需重新提取；当提取到某个平面，需判断该平面所抽取的原始三个点处的法矢两两夹角，若存在夹角超过设定阈值，则放弃该次提取的平面；判断各提取平面法向两两之间的夹角是否小于设定的阈值角以及原点到平面距离差值是否小于阈值距离，将上述两条件同时满足的两平面进行合并，并计算合并后两平面的参数。
进一步地，所述步骤3)是采用单纯形NMS算法来进行求解，判断所提取平面中初始各个顶点(α0,β0)对应目标函数值的大小，找到其中的最优点、次优点和最差点，通过反射、扩张、压缩或收缩产生一个新的较好点并用它替换掉最差点，得到一个新的单纯形，经过多次迭代搜索，最终使得单纯形越来越小从而不断逼近最优解。
进一步地，所述步骤3)在采用单纯性NMS算法求解时，由人工蜂群算法搜索得到当前最优解作为NMS算法的初值构建初始单纯形。
本发明还提供了一种三维激光扫描仪内参数标定装置，该标定装置包括目标函数建立模块、平面特征提取模块和最优解计算模块，
所述目标函数建立模块用于以单站扫描数据中平面特征的总体平面度和平面内点数建立目标函数，使得该目标函数值最小的函数最优解作为待求内参数；
所述平面特征提取模块用于从初始点云数据中提取平面特征，并利用平面内的点计算目标函数值；
所述最优解计算模块用于利用非线性优化算法的搜索规则找到使目标函数值最优的一组参数，该参数即为待求内参数。
进一步地，所述的目标函数建立模块建立的目标函数为：
其中N为输入数据点的总数，K为提取到的平面个数，ni为第i个平面上的局内点个数，di,j为第i个平面上第j个局内点到平面的距离，与α0和β0有关，α0为激光扫描瞬时坐标系绕激光扫描理想坐标系的XS轴的旋转角，β0为激光扫描瞬时坐标系绕激光扫描理想坐标系的ZS轴的旋转角，和分别为α0和β0的估计值。
进一步地，所述平面特征提取模块采用区域生长算法或RANSAC算法进行平面特征提取，平面特征提取模块采用RANSAC算法进行平面特征提取时，当随机抽取的3点构成的平面模型局内点数量超过设定阈值时，需对这些局内点利用特征值法重新计算平面参数，并重新统计局内点数，若重新统计的局内点数仍超过该设定阈值时，说明已提取到一个平面，否则，需重新提取。
进一步地，所述最优解计算模块采用单纯形NMS算法来进行求解，判断所提取平面中初始各个顶点(α0,β0)对应目标函数值的大小，找到其中的最优点、次优点和最差点，通过反射、扩张、压缩或收缩产生一个新的较好点并用它替换掉最差点，得到一个新的单纯形，经过多次迭代搜索，最终使得单纯形越来越小从而不断逼近最优解；所述最优解计算模块在采用单纯性NMS算法求解时，由人工蜂群算法搜索得到当前最优解作为NMS算法的初值构建初始单纯形。
本发明的有益效果是:本发明以单站扫描数据中平面特征的总体平面度和平面内点数来评价点云总体质量，构建目标函数，使得该目标函数值最小的函数最优解作为待求内参数的估值；采用基于平面特征的内参数解算方式求解目标函数，即按设定的平面提取算法提取平面特征，并计算目标函数值；利用非线性优化算法的搜索规则找到使目标函数值最优的一组参数，该参数即为待求内参数。本发明无需配合人工靶标，对场景无特殊要求，可在任何具有平面特征的场景中实现标定，且能够实现扫描仪的现场快速标定，提高了DIY三维激光扫描仪测量精度和点云质量。
附图说明
图1是待标定对象DIY三维激光扫描仪示意图；
图2是待标定对象DIY三维激光扫描仪的内参数标定模型示意图；
图3是内参数标定的原理图；
图4-a是采用生长算法提取的平面特征效果图；
图4-b是采用改进RANSAC算法提取的平面特征效果图；
图5是单纯形算法中的单纯形反射变化示意图；
图6是单纯形算法中的单纯形扩张变化示意图；
图7是单纯形算法中的单纯形压缩变化示意图；
图8是单纯形算法中的单纯形收缩变化示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
本发明针对三维激光扫描仪是利用二维激光扫描仪加某种旋转执行机构来实现，理想状态下，如图1所示，二维激光扫描仪光学中心Z轴应与转台旋转轴重合，测得的点云坐标可用下式计算得到：
由于连接件加工以及扫描仪安装误差，二维扫描仪与转台间的相对位置关系与理想状态存在一定的偏差，导致按式(1)计算的坐标不准确。理论上，系统内参数包括激光扫描局部坐标系原点即二维激光扫描仪光学中心与激光扫描理想坐标系原点间的3个平移参数(安置位置误差)以及两坐标系间的3个旋转参数(安置角度误差)。鉴于连接件的设计加工可以保证较高的精度，安装固定后二维扫描仪光学中心与设计安装位置偏差可保证在1mm以内，同时考虑到其厘米级的测距精度，较小的三个平移参数很难从误差较大的点云数据中解算出来，而三个旋转参数中，绕转台旋转轴即激光扫描理想坐标系Z轴的旋转角代表的是扫描的水平起始角度，不会引起点云的变形。基于上述分析并借鉴Morales的标定模型，内参数标定问题可简化为对如图2所示的两个安置角α0(俯仰方向)和β0(侧滚方向)的求解。
其中坐标系为激光扫描理想坐标系，为激光扫描瞬时坐标系，P为某激光脚点，ρ和θ为二维激光扫描仪测得的该点距离和线扫描角度，为转台带动二维激光扫描仪转过的相应角度，α0为绕的XS轴的旋转角，β0为绕的ZS轴的旋转角。
则标定后的点云坐标计算公式可表示为：
采用DIY三维激光扫描仪获取扫描数据时，需要计算并保存相应的极坐标数据，以极坐标数据作为标定算法的输入信息，标定算法的参数变量是α0和β0，以单站扫描数据中平面特征的总体平面度和平面内点数来评价点云总体质量，构建目标函数式(3)，使得该目标函数值最小的函数最优解即为待求内参数的估值和
其中N为输入数据点的总数，K为提取到的平面个数，ni为第i个平面上的局内点(即点面距小于一定阈值的点)个数，di,j为第i个平面上第j个局内点到平面的距离。该目标函数中的di,j是随参数变量α0和β0变化的，并且不能用具体的解析式表示，因此不能通过常规的非线性函数线性化或求导的非线性优化算法求解，而必须通过其它非线性优化算法来实现。可行的非线性优化算法是按照一定的规则在解向量空间搜索判断以及不断的迭代来求解参数变量的，对于基于平面特征的内参数解算，每次迭代需要进行的主要步骤如下：
(1)根据搜索得到的预期解向量将原始极坐标数据按式(1)转换为笛卡尔坐标；
(2)按设定的平面提取算法提取平面特征，并计算目标函数值；
(3)按非线性优化算法的搜索规则产生新的较优的预测解向量。
1.平面特征提取。
实现标定的先决条件是从初始点云数据中提取平面，常用的平面特征提取方法包括区域生长、动态聚类、3D霍夫变换和随机采样一致性(RANSAC)算法，其中前三种算法都需要计算点云的法矢信息，点云中某点的法矢即为利用该点邻域内固定个数的点通过主成分分析或最小二乘拟合求得法向量，但是扫描激光脚点法向量的计算容易受到粗差以及点密度的影响，而区域生长算法和改进RANSAC算法能够达到较好的效果。
1)利用区域生长算法进行平面特征提取。
区域生长算法通常是利用点云表面法矢信息及预测距离小于一定的阈值作为生长条件，从选取的初始种子点开始，根据生长条件判断邻近点是否为平面内点，被生长的平面内点作为新的种子点集分别在其邻域进行生长，直到某次循环生长后新种子点集为空，此时已生长到达该平面的边界，被生长的点即为一个平面点集，对剩余点集重复以上过程即可完成对整个点云数据中平面特征的提取。
采用区域生长算法进行平面提取并保存各平面上的点，在计算目标函数值时首先直接对每一平面的内点进行基于抗差估计的平面拟合，然后分别计算平面内点到所拟合平面的距离，从而计算目标函数值。
2)利用RANSAC算法进行平面特征提取。
A.参数初始化，包括距离阈值Td、迭代次数K、最优平面点集及其对应的平面参数；
B.从当前剩余点集中随机抽取3个点，判断是否共线，若共线则重新抽取，否则计算出3点构成平面ax+by+cz+d＝0的参数；
C.计算当前剩余点集中所有点到该平面的距离，若小于Td，则标记为局内点；
D.统计局内点个数，若多于最优平面点集中点的个数，则保存为当前最优平面点集，用最小二乘法拟合平面并保存为当前最优平面参数；
E.当迭代次数小于N时，重复步骤(2)～(4)，当完成K次迭代后，即提取到1个最优平面，将该平面的局内点从当前剩余点集中删除；对平面整体平面度要求较低，即使是略有变形但局部较为平滑的平面也能被提取到，对法矢信息的精确计算依赖性较小；
F.重复以上步骤，直到当前剩余点集中点的个数小于设定阈值或已提取到指定数量的平面。
上述RANSAC算法虽然能够提取出平面特征，但是所提取平面特征有可能出现重复导致不够准确。为此，本发明在上述RANSAC平面特征提取的基础上，对上述算法进行以下改进：
a.增加一个阈值参数Tn，当随机抽取的3点构成的平面模型局内点数量超过该阈值时，对这些局内点利用特征值法重新计算平面参数，重新统计局内点数，若超过阈值参数Tn则认为已提取到一个平面，结束本次循环。
b.当提取的某个平面时，增加判断条件，判断所抽取的原始三个点处的法矢的两两夹角，若超过一定阈值δ时，则提取的平面可能为伪平面，则放弃该次结果，继续循环。
c.完成平面提取后，判断各平面法向两两之间的夹角是否小于阈值以及原点到平面距离差值是否小于阈值，将上述两条件同时满足的两平面进行合并，并同时计算合并后两平面的参数。
读取点云数据后即采用区域生长算法进行平面提取并保存各平面上的点，在计算目标函数值时直接对每一平面的内点进行基于抗差估计的平面拟合，然后分别计算平面内点到所拟合平面的距离，从而计算目标函数值。当采用该种方式计算目标函数时需设置阈值剔除点面距较大的点，该阈值与应用改进RANSAC算法进行平面提取时设置的距离阈值一致。若场景中主要平面的平面度较好或点云变形较为明显(即内参数值较大)，宜采用该种方式计算目标函数。
采用改进RANSAC算法进行平面特征提取时，在该提取过程中当提取到一个平面时，计算该平面内点到平面的距离，从而完成相应目标函数值的计算。该种方式适合场景中主要平面的平面度不好或点云变形不明显(即内参数值较小)的情形。
2.利用非线性优化算法的搜索规则产生新的较优的预测解向量。
Nelder-Mead Simplex(NMS)即单纯形算法实现简单且无需目标函数导数信息，是一种具有较强局部搜索能力的多维非线性无约束优化算法。该算法用到“Simplex”即“单纯形”这一概念，它指的是由N维向量(N个参数变量)空间中N+1个顶点构成的凸多面体，如2维空间即平面中的三角形，3维空间中的四面体，单纯形的变化代表了搜索空间的变化。其主要思想是通过直接判断初始各个顶点目标函数值的大小，找到其中的最优点、次优点和最差点，通过反射、扩张、压缩或收缩产生一个新的较好点并用它替换掉最差点，得到一个新的单纯形，经过多次迭代搜索，最终使得单纯形越来越小从而不断逼近最优解。
对于本发明内参数标定问题，存在2个变量，则单纯形为三角形，并以2维单纯形为例介绍NMS算法中的反射、扩张、压缩及收缩。给定3个初始顶点，即(α0,β0)可能的三组取值，计算相应的目标函数值，目标函数值最小的点即最优点记为PB，目标函数值最大的点即最差点记为PW，另一点则为次优点记为PG，PM表示除最差点PW外其余点的形心。
反射点记为PR，由下式计算得到：
PR＝(1+α)PM-αPW (4)
其中，α为反射系数，通常取1，对应的单纯形变化如图5所示。
扩张点记为PE，由下式计算得到：
PE＝γPR+(1-γ)PM (5)
其中，γ为扩张系数，通常取2，对应的单纯形变化如图6所示。
压缩点记为PC，由下式计算得到：
PC＝βPW+(1-β)PM (6)
其中，β为压缩系数，通常取0.5，对应的单纯形变化如图7所示。
收缩时，对除PB以外的其余点进行如下操作：
Pi＝τPi+(1-τ)PB (7)
其中，τ为收缩系数，通常取0.5，对于2个变量的单纯形，即用PM取代PG，用PS取代PW，对应的单纯形变化如图8所示。
设目标函数为f(X)，ε为一个较小的正数，n为顶点个数，对于2个变量的单纯形n为3，NMS算法用来判断收敛从而停止迭代的条件为：
NMS算法进行反射、扩张、压缩或收缩时的迭代过程如表1所示。
表1
NMS算法采用的是直接搜索法，具有较强的局部搜索能力，但是也存在以下缺陷：
(a)对单纯形的初值敏感，初值选择不当可能导致寻优效果较差；
(b)可能陷入局部极值，得不到全局最优解；
(c)作为一种无约束优化算法，可能在搜索时超出实际问题中变量的取值空间。
为此，本发明利用全局搜索能力较强的群体智能优化算法与NMS算法结合，通过两种算法之间的优势互补，提高三维激光扫描仪内参数的求解效率和准确性。具体地，本发明的采用的群体智能优化算法为人工蜂群算法，人工蜂群(Artificial Bees Colony,ABC)算法的灵感来自蜜蜂群体的采蜜行为。蜜蜂在相对复杂的环境中，能够通过蜜蜂各群体间相互配合完成搞笑的采蜜活动，相应的仿生优化算法能够通过不同分工的人工蜂群个体的局部寻优以较快的速度最终获得全局最优解。ABC算法模型包含三个基本要素：蜜源、雇佣蜂和未雇佣蜂。每个蜜源的位置代表优化问题的一个可行解，蜜的数量代表相应解的质量并用适应度表示。每个雇用蜂关联一个蜜源，因而其数量与蜜源数量一致，它以一定的概率将蜜源信息分享给其他蜂。未雇佣蜂又分为观察蜂和侦察蜂，观察蜂根据雇用蜂提供的蜜源信息通过一定原则选择较优个体并在其附近进行交叉搜索，而侦查蜂随机搜索蜜源，提供一定的变异性。设待优化的D维目标函数为f(X)，X＝(x1,x2…xD)为解向量，ABC算法的主要流程为：
(1)种群初始化，雇佣蜂、观察蜂以及蜜源数量均为NP个，在可行域空间中生成初始的蜜源位置，即初始可行解，每个蜜源处放置一个雇佣蜂，其中，ui和li分别为参数变量xi的取值区间的上下界；
xi＝rand(0,1)×(ui-li)+li i＝1,2…NP (9)
(2)雇佣蜂阶段，对于每一个雇佣蜂个体m，随机算则另外一个雇佣蜂个体k逐维进行交叉搜索，并按式(9)变异产生新的蜜源(可行解)V＝(v1,v2…vD)，其中为[-1,1]的随机数，按式(10)计算相应的适应度并采用贪心原则进行选择；
(3)观察蜂阶段，观察蜂接收到的雇佣蜂的分享的蜜源信息，采用轮盘赌或其他方式选择较优个体，按式(11)计算蜜源的被选择概率P，选中一处蜜源后按式(9)产生新蜜源并计算适应度，按贪心原则选择蜜源；
(4)侦查蜂阶段，若某处蜜源经过雇佣蜂设定的limit次尝试后，对应解的质量得不到提高，雇佣蜂转为侦查蜂并放弃其拥有的蜜源，按照进行随机搜索即按式(8)生成的新的蜜源；
(5)循环执行(2)、(3)和(4)，并在其过程中记录最好的蜜源位置，直到完成指定次数的循环。
本发明采用基于NMS的改进人工蜂群算法(NMS-ABC)来求解三维激光扫描仪内参数，该算法的具体过程如下：执行人工蜂群算法中的步骤(2)、(3)和(4)完成一次蜂群搜索，将执行一次蜂群搜索算法搜索到的当前最优解作为NMS算法的初值构建初始单纯形，通过单纯形的反射、扩张、压缩及收缩操作来进行快速高效的局部寻优并保存寻优结果；然后进入下一次循环，同时为提高算法整体效率，尝试次数limit和循环次数可适当减少。
本发明一种三维激光扫描仪内参数标定装置的实施例
本实施例中的标定装置包括目标函数建立模块、平面特征提取模块和最优解计算模块，目标函数建立模块用于以单站扫描数据中平面特征的总体平面度和平面内点数建立目标函数，使得该目标函数值最小的函数最优解作为待求内参数；平面特征提取模块用于从初始点云数据中提取平面特征，并计算目标函数值；最优解计算模块用于利用非线性优化算法的搜索规则产生新的较优的预测解向量，从中选取最优解作为待求内参数。各模块的具体实现手段已在方法的实施例中进行了详细说明，这里不再赘述。

Claims (8)

1.一种三维激光扫描仪内参数标定方法，其特征在于，该标定方法包括以下步骤：
1)以单站扫描数据中平面特征的总体平面度和平面内点数建立目标函数，使得该目标函数值最小的函数最优解作为待求内参数；
2)从初始点云数据中提取平面特征，利用平面内的点计算目标函数值；
3)利用非线性优化算法的搜索规则找到使目标函数值最优的一组参数，该参数即为待求内参数；
所述步骤1)建立的目标函数为：
其中N为输入数据点的总数，K为提取到的平面个数，ni为第i个平面上的局内点个数，di,j为第i个平面上第j个局内点到平面的距离，与α0和β0有关，α0为激光扫描瞬时坐标系绕激光扫描理想坐标系的XS轴的旋转角，β0为激光扫描瞬时坐标系绕激光扫描理想坐标系的ZS轴的旋转角，和分别为α0和β0的估计值。
2.根据权利要求1所述的三维激光扫描仪内参数标定方法，其特征在于，所述步骤2)中的平面特征提取采用区域生长算法或RANSAC算法。
3.根据权利要求2所述的三维激光扫描仪内参数标定方法，其特征在于，所述步骤2)采用RANSAC算法进行平面特征提取时，当随机抽取的3点构成的平面模型局内点数量超过设定阈值时，需对这些局内点利用特征值法重新计算平面参数，并重新统计局内点数，若重新统计的局内点数仍超过该设定阈值时，说明已提取到一个平面，否则，需重新提取；当提取到某个平面，需判断该平面所抽取的原始三个点处的法矢两两夹角，若存在夹角超过设定阈值，则放弃该次提取的平面；判断各提取平面法向两两之间的夹角是否小于设定的阈值角以及原点到平面距离差值是否小于阈值距离，将上述两条件同时满足的两平面进行合并，并计算合并后两平面的参数。
4.根据权利要求1所述的三维激光扫描仪内参数标定方法，其特征在于，所述步骤3)是采用单纯形NMS算法来进行求解，判断所提取平面中初始各个顶点(α0,β0)对应目标函数值的大小，找到其中的最优点、次优点和最差点，通过反射、扩张、压缩或收缩产生一个新的较好点并用它替换掉最差点，得到一个新的单纯形，经过多次迭代搜索，最终使得单纯形越来越小从而不断逼近最优解。
5.根据权利要求4所述的三维激光扫描仪内参数标定方法，其特征在于，所述步骤3)在采用单纯形 NMS算法求解时，由人工蜂群算法搜索得到当前最优解作为NMS算法的初值构建初始单纯形。
6.一种三维激光扫描仪内参数标定装置，其特征在于，该标定装置包括目标函数建立模块、平面特征提取模块和最优解计算模块，
所述目标函数建立模块用于以单站扫描数据中平面特征的总体平面度和平面内点数建立目标函数，使得该目标函数值最小的函数最优解作为待求内参数；
所述平面特征提取模块用于从初始点云数据中提取平面特征，并利用平面内的点计算目标函数值；
所述最优解计算模块用于利用非线性优化算法的搜索规则找到使目标函数值最优的一组参数，该参数即为待求内参数；
所述的目标函数建立模块建立的目标函数为：
其中N为输入数据点的总数，K为提取到的平面个数，ni为第i个平面上的局内点个数，di,j为第i个平面上第j个局内点到平面的距离，与α0和β0有关，α0为激光扫描瞬时坐标系绕激光扫描理想坐标系的XS轴的旋转角，β0为激光扫描瞬时坐标系绕激光扫描理想坐标系的ZS轴的旋转角，和分别为α0和β0的估计值。
7.根据权利要求6所述的三维激光扫描仪内参数标定装置，其特征在于，所述平面特征提取模块采用区域生长算法或RANSAC算法进行平面特征提取，平面特征提取模块采用RANSAC算法进行平面特征提取时，当随机抽取的3点构成的平面模型局内点数量超过设定阈值时，需对这些局内点利用特征值法重新计算平面参数，并重新统计局内点数，若重新统计的局内点数仍超过该设定阈值时，说明已提取到一个平面，否则，需重新提取。
8.根据权利要求6所述的三维激光扫描仪内参数标定装置，其特征在于，所述最优解计算模块采用单纯形NMS算法来进行求解，判断所提取平面中初始各个顶点(α0,β0)对应目标函数值的大小，找到其中的最优点、次优点和最差点，通过反射、扩张、压缩或收缩产生一个新的较好点并用它替换掉最差点，得到一个新的单纯形，经过多次迭代搜索，最终使得单纯形越来越小从而不断逼近最优解；所述最优解计算模块在采用单纯形 NMS算法求解时，由人工蜂群算法搜索得到当前最优解作为NMS算法的初值构建初始单纯形。
CN201710361355.7A 2017-05-19 2017-05-19 一种三维激光扫描仪内参数标定方法及装置 Expired - Fee Related CN107192350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710361355.7A CN107192350B (zh) 2017-05-19 2017-05-19 一种三维激光扫描仪内参数标定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710361355.7A CN107192350B (zh) 2017-05-19 2017-05-19 一种三维激光扫描仪内参数标定方法及装置

Publications (2)

Publication Number Publication Date
CN107192350A CN107192350A (zh) 2017-09-22
CN107192350B true CN107192350B (zh) 2019-07-12

Family

ID=59874690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710361355.7A Expired - Fee Related CN107192350B (zh) 2017-05-19 2017-05-19 一种三维激光扫描仪内参数标定方法及装置

Country Status (1)

Country Link
CN (1) CN107192350B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107650124A (zh) * 2017-10-10 2018-02-02 国家电网公司 一种高压带电作业机器人高空作业平台及其卸载金具螺丝的方法
CN109813335B (zh) * 2017-11-21 2021-02-09 武汉四维图新科技有限公司 数据采集系统的标定方法、装置、系统及存储介质
CN108052624B (zh) * 2017-12-15 2021-05-18 深圳市易成自动驾驶技术有限公司 点云数据处理方法、装置及计算机可读存储介质
CN109146938B (zh) * 2018-08-30 2020-09-15 百度在线网络技术（北京）有限公司 动态障碍物的位置校准方法、装置、设备及存储介质
CN109764802B (zh) * 2018-12-04 2020-12-08 上海艾亚建筑设计咨询有限公司 基于无线感应信号构建虚拟空间模型的系统及方法
WO2020177076A1 (zh) * 2019-03-05 2020-09-10 深圳市大疆创新科技有限公司 一种探测装置初始状态标定方法及装置
CN111829472A (zh) * 2019-04-17 2020-10-27 初速度（苏州）科技有限公司 利用全站仪测定传感器间相对位置的方法及装置
CN110443836B (zh) * 2019-06-24 2022-03-18 中国人民解放军战略支援部队信息工程大学 一种基于平面特征的点云数据自动配准方法及装置
CN110849389B (zh) * 2019-10-24 2023-08-29 西北大学 一种基于空间球的两个三维点云采集系统外参数标定方法
CN110986865B (zh) * 2019-12-25 2022-03-22 苏州伟信奥图智能科技有限公司 一种环状物缺陷检测方法
CN113466834A (zh) * 2020-03-12 2021-10-01 华为技术有限公司 一种激光雷达参数标定方法及装置
CN113295142B (zh) * 2021-05-14 2023-02-21 上海大学 一种基于faro扫描仪和点云的地形扫描分析方法和装置
CN114923453B (zh) * 2022-05-26 2024-03-05 杭州海康机器人股份有限公司 一种线性轮廓仪外参的标定方法、装置及电子设备
CN117541661B (zh) * 2024-01-04 2024-04-05 北京友友天宇系统技术有限公司 双目相机外参数自动校正方法、系统、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699313A (zh) * 2009-09-30 2010-04-28 北京理工大学 基于摄像机和三维激光雷达的外部参数标定方法及系统
CN104484887A (zh) * 2015-01-19 2015-04-01 河北工业大学 摄像机与二维激光测距仪联合使用时的外参数标定方法
CN104990501A (zh) * 2015-07-14 2015-10-21 华中科技大学 一种三维激光扫描装置的系统参数校准方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855620B (zh) * 2012-07-13 2014-10-22 南开大学 基于球形投影模型的纯旋转摄像机自标定方法
US10254118B2 (en) * 2013-02-21 2019-04-09 Regents Of The University Of Minnesota Extrinsic parameter calibration of a vision-aided inertial navigation system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101699313A (zh) * 2009-09-30 2010-04-28 北京理工大学 基于摄像机和三维激光雷达的外部参数标定方法及系统
CN104484887A (zh) * 2015-01-19 2015-04-01 河北工业大学 摄像机与二维激光测距仪联合使用时的外参数标定方法
CN104990501A (zh) * 2015-07-14 2015-10-21 华中科技大学 一种三维激光扫描装置的系统参数校准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Calibration of a 2D Laser Scanner System and Rotating Platform using a Point-Plane Constraint》;Kurnianggoro, L 等;《Computer Science and Information Systems》;20151231;第12卷(第1期);全文
《基于虚拟标定场的数码相机内参数标定方法》;吴少平 等;《系统仿真学报》;20060831;第18卷;全文

Also Published As

Publication number Publication date
CN107192350A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
CN107192350B (zh) 一种三维激光扫描仪内参数标定方法及装置
Gibbs et al. Approaches to three-dimensional reconstruction of plant shoot topology and geometry
Yang et al. Go-ICP: A globally optimal solution to 3D ICP point-set registration
CN105469388B (zh) 基于降维的建筑物点云配准方法
Yang et al. Automatic registration of large-scale urban scene point clouds based on semantic feature points
CN106097348B (zh) 一种三维激光点云与二维图像的融合方法
CN111553938A (zh) 一种基于图优化的多站位扫描点云全局配准方法
WO2021208442A1 (zh) 一种三维场景的重建系统、方法、设备及存储介质
CN110415342A (zh) 一种基于多融合传感器的三维点云重建装置与方法
CN108389233B (zh) 基于边界约束和均值逼近的激光扫描仪与相机标定方法
CN110796694A (zh) 一种基于KinectV2的果实三维点云实时获取方法
CN116740288B (zh) 一种融合激光雷达、倾斜摄影的三维重建方法
CN102607459A (zh) Lidar测量数据的拼接方法和装置
CN108195736A (zh) 一种三维激光点云提取植被冠层间隙率的方法
CN110009745A (zh) 根据平面基元和模型驱动对点云提取平面的方法
Li et al. Differential evolution algorithm-based range image registration for free-form surface parts quality inspection
CN114137564A (zh) 一种室内物体自动标识定位方法和装置
CN114140539A (zh) 一种室内物体的位置获取方法和装置
CN116379915A (zh) 一种建筑物测绘方法、装置、系统以及存储介质
Xie et al. Fine registration of 3D point clouds with iterative closest point using an RGB-D camera
Li et al. Free-form surface parts quality inspection optimization with a novel sampling method
CN116862955A (zh) 一种植物图像的三维配准方法、系统及设备
CN116883480A (zh) 基于双目影像与地基雷达融合点云的玉米株高检测方法
CN112561975B (zh) 基于层次化闭合环约束的多视点云全局优化配准方法
Li et al. Scale-invariant localization of electric vehicle charging port via semi-global matching of binocular images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190712

Termination date: 20200519