CN107765257A - 一种基于反射强度辅助外部校准的激光探测与测量方法 - Google Patents
一种基于反射强度辅助外部校准的激光探测与测量方法 Download PDFInfo
- Publication number
- CN107765257A CN107765257A CN201711137546.1A CN201711137546A CN107765257A CN 107765257 A CN107765257 A CN 107765257A CN 201711137546 A CN201711137546 A CN 201711137546A CN 107765257 A CN107765257 A CN 107765257A
- Authority
- CN
- China
- Prior art keywords
- points
- point
- chessboard
- point cloud
- intensity
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000012634 fragment Substances 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims description 17
- 238000000691 measurement method Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004075 alteration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明中提出的一种基于反射强度辅助外部校准的激光探测与测量方法，其主要内容包括：自动检测棋盘、角点估计和外部校准估计，其过程为，先将从激光探测与测量获得的点云分为多个部分；从片段中识别棋盘中的点云基于片段的特征，再通过最小化损失函数估计点云中棋盘的角点，然后通过求解绝对姿态问题，用相应的对数估计变换矩阵的初始值，最后通过优化提出的非线性损失函数来确定最终值。本发明利用棋盘的点云的角点信息，而不是边缘信息，通过求解强度信息的优化问题来估计稀疏和嘈杂的棋盘的点云的角度，有效提高了测量的精度和准确性。
Description
技术领域
本发明涉及激光探测与测量领域，尤其是涉及了一种基于反射强度辅助外部校准的激光 探测与测量方法。
背景技术
激光探测与测量(LiDAR)激光探测及测距系统的统称，是一种集合激光测距技术、惯 性导航系统以及全球定位系统三种技术于一身的新兴系统，用来获取高密度、高精度的三维 坐标点集云，并可以构造建立目标物体的三维立体模型，是获取空间三维数据信息的一种极 其重要的技术手段，也是目前为止最先进的三维航空遥感测量技术。它在国民经济建设中如 城市的三维建模、城市规划、交通通讯、道路设计、水利电力勘察设计、国土资源测绘、煤 矿区地质监测、大型工程的测量、自然灾害的评估、防震减灾、农业开发、水利工程、资源 调查以及勘察测绘、土地利用、海洋以及大气的监测、测速和识别移动的目标、军事侦察以 及空间碎片的探测等各个领域内都得到了广泛的应用。然而，现有激光探测与测量利用的是 棋盘的点云的边缘信息，容易导致测量不准的问题。
本发明提出了一种基于反射强度辅助外部校准的激光探测与测量方法，先将从激光探测 与测量获得的点云分为多个部分；从片段中识别棋盘中的点云基于片段的特征，再通过最小 化损失函数估计点云中棋盘的角点，然后通过求解绝对姿态问题，用相应的对数估计变换矩 阵的初始值，最后通过优化提出的非线性损失函数来确定最终值。本发明利用棋盘的点云的 角点信息，而不是边缘信息，通过求解强度信息的优化问题来估计稀疏和嘈杂的棋盘的点云 的角度，有效提高了测量的精度和准确性。
发明内容
针对测量不准的问题，本发明的目的在于提供一种基于反射强度辅助外部校准的激光探 测与测量方法，先将从激光探测与测量获得的点云分为多个部分；从片段中识别棋盘中的点 云基于片段的特征，再通过最小化损失函数估计点云中棋盘的角点，然后通过求解绝对姿态 问题，用相应的对数估计变换矩阵的初始值，最后通过优化提出的非线性损失函数来确定最 终值。
为解决上述问题，本发明提供一种基于反射强度辅助外部校准的激光探测与测量方法， 其主要内容包括：
(一)自动检测棋盘；
(二)角点估计；
(三)外部校准估计。
其中，所述的基于反射强度辅助外部校准的激光探测与测量方法，首先，将从激光探测 与测量(LiDAR)获得的点云分为多个部分；棋盘中的点云基于片段的特征从片段中识别； 通过将定义的损失函数最小化来估计点云中棋盘的角点；另一方面，使用现有方法检测图像 中棋盘的角点；角点的对应数是基于预定计数顺序而构建的；然后，通过求解绝对姿态问题， 相应的对数被用来估计变换矩阵的初始值；最后，通过优化提出的非线性损失函数来确定最 终值。
其中，所述的自动检测棋盘，自动检测棋盘即从棋盘上自动提取点数的过程，包括点云 的分割和从片段中找到棋盘。
进一步地，所述的点云的分割，区域增长通常用于分割点云；区域增长估计基于平面的 每个点的曲率值和法向量；然后根据欧氏距离和法线向量的角度对点进行聚类；随机抽样一 致性(RANSAC)算法也用于形状提取；例如，平面模型的RANSAC应用于从点云的平面拟 合和提取；然而，这两种方法在处理稀疏和非均匀分布的点云时都遇到困难；基于扫描线的 分割方法适用于处理这种点云，该方法首先根据沿着扫描方向的连续点之间的距离和方向的 变化将点云的单个帧聚类成扫描线段；然后，扫描线段基于它们的相似性聚集成片段；该方 法显示了实验结果的稳定分割结果，因此可将其应用于点云的分割。
进一步地，所述的从片段中找到棋盘，点云经过分割后，需要正确识别棋盘片段；为了 降低计算成本，首先根据公式(1)中定义的片段的理论数ntheo过滤掉一些不可能的片段；ntheo表示理论上最大的点数，并且当棋盘平行于旋转轴线时，计算出LiDAR的垂直和水平角度； 区间[∈theontheo,ntheo]中的点数进一步处理，其中，ntheo是一个系数，经验值设为0.5；
其中，dW和dH代表棋盘的宽度和高度，r代表从对象中心到LiDAR传感器的欧式距离， Δh和Δv代表角度分辨率的横向和纵向，代表实数向上取整；
Mn×3,f代表合适的点，作为最后一步，检查包围框的范围和分布的均匀性；为了便于操 作，将所有点的坐标旋转到棋盘平面上，并将其与x轴和y轴对齐；然后利用公式(3)将棋盘的 点Mn×3,fr的质心转化为原点：
Mn×3,fr＝Mn×3,fr-mean(Mn×3,fr) (3)
通过将公式(2)转化成公式(3)之后，将平面段转换为XOY平面，并且该片段的质心与原 点重合；具有[0.8dW，1.6dW]和[0.8dH，1.6dH]内的边界框的段被认为是潜在的棋盘；点分布 的均匀性由四个等分区域中的点分布之间的差确定；假设区域的最大点数是nmax，最小值是 nmin；分布的均匀性计算为其中，nall是片段中的总点数；较 大的∈norm值表示这些点正常分布；均匀性∈norm的阈值设置为0.85；多于一个片段满足上述 条件，则选择具有更大均匀性的片段；检测到的棋盘段中的一组点表示为
其中，所述的角点估计，包括模型制定、强度和颜色的对应关系、损失函数和优化。
进一步地，所述的模型制定，棋盘点PM自动提取后，利用点的强度来估计角点；使用一 个2×3的模型棋盘，棋盘坐标系由三个主成分分析(PCA)矢量组成的矩阵进行旋转变换为 棋盘平面，减去旋转点的平均值；基矢量的条件如下所示：
(1)μ1,μ2,μ3的方向定义为遵守右手规则；
(2)μ3的方向(棋盘的法向量)定义为指向LiDAR坐标系原点的一侧；
(3)LiDAR坐标系的μ1和x轴之间的角度不大于90°；
旋转矩阵被定义为(μ1,μ2,μ3)T，其中，μ1,μ2,μ3的方向满足上述条件；通过减去旋 转点的平均值μ1,μ2,μ3和原始点云的中心变换为xP-,yP-,zP-和原点坐标。
进一步地，所述的强度和颜色的对应关系，在制定损失函数之前解决的另一个问题是反 射强度和图案的颜色之间的对应关系；图中只有两种颜色，黑色和白色；但是反射强度值离 散分布，主要是由于激光束的发散；此外，反射强度的绝对值也受距离的影响；
为了自适应地处理强度数据，定义灰色区域的范围，称为[Tl，Th]；强度小于Tl的点被认 为是从黑色图中获取的，而那些强度大于Tl的点被认为是从白色的图中获取的；创建直方图 评估Tl和Th的值，并自动检测平均强度两侧的峰值(RL,RH)；灰色区域[Tl，Th]定义如下：
其中，vg≥2是一个常数；∈g设置为2，用于具有足够点的角点估计；∈g设设置为4，用 于从反射强度的角度考虑图中颜色，进行误差评估。
进一步地，所述的损失函数和优化，成本函数是基于强度和颜色之间对应关系的约束来 制定的，在公式(5)中定义：
其中，是使用上述处理转换到XOY平面的点的集合，并 且在pM中的所有点的z坐标为0；即三维PCA矢量矩阵旋转后3D点降为2D；因此，沿平面的变 换参数为和ri是第i个点的反射强度；fg(ri)用于确定点是否 落入灰色区域，并在公式(6)中定义；G代表棋盘的四个角点；Vi表示对应于第i个点的网格的 四个顶点；
fd＝min(△x1,△x2)+min(△y1,△y2) (8)
表示具有顶点Vi的多边形是否包含ci是来自反射强度ri的估计颜色；定义若 ri<Tl，则ci＝0；若ri>Th，则ci＝1；表示落入图的颜色；通过定义为0为黑色，1为白色； 使用L1距离来计算落在棋盘或棋盘上的点的损失，函数fd在公式(8)中定义；△x1,△x2表示 从点到图案两边的距离，△y1,△y2表示与其他两边的距离。
其中，所述的外部校准估计，从图像角点估计、3D-2D角的对应关系、透视N点的初始 值和用非线性优化进行细化；
在检测到图像上的角落之后，通过定义从棋盘的左下方开始的公共计数顺序来对应于图 像和点云中的检测角；利用这些对应的3D-2D对点，可以通过使用统一透视N点的方法估计 中心绝对姿态，获得非线性优化的初始值；使用球面坐标系统中的倾斜角和方位角的差异作 为优化的误差度量，以独立于全景图像投影模型；对于第i个3D-2D对，残差计算为 其中，和将3D点和像素分别转换为球坐标系中的倾斜角和方 位角。
附图说明
图1是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的系统框架图。
图2是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的从片段中找到棋 盘。
图3是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的点分布的均匀性。
图4是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的损失函数和优化。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合， 下面结合附图和具体实施例对本发明作进一步详细说明。
图1是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的系统框架图。主 要包括自动检测棋盘，角点估计和外部校准估计。
基于反射强度辅助外部校准的激光探测与测量方法首先将从激光探测与测量(LiDAR) 获得的点云分为多个部分；棋盘中的点云基于片段的特征从片段中识别；通过将定义的损失 函数最小化来估计点云中棋盘的角点；另一方面，使用现有方法检测图像中棋盘的角点；角 点的对应数是基于预定计数顺序而构建的；然后，通过求解绝对姿态问题，相应的对数被用 来估计变换矩阵的初始值；最后，通过优化提出的非线性损失函数来确定最终值。
自动检测棋盘即从棋盘上自动提取点数的过程，包括点云的分割和从片段中找到棋盘。
点云的分割，区域增长通常用于分割点云；区域增长估计基于平面的每个点的曲率值和 法向量；然后根据欧氏距离和法线向量的角度对点进行聚类；随机抽样一致性(RANSAC) 算法也用于形状提取；例如，平面模型的RANSAC应用于从点云的平面拟合和提取；然而， 这两种方法在处理稀疏和非均匀分布的点云时都遇到困难；基于扫描线的分割方法适用于处 理这种点云，该方法首先根据沿着扫描方向的连续点之间的距离和方向的变化将点云的单个 帧聚类成扫描线段；然后，扫描线段基于它们的相似性聚集成片段；该方法显示了实验结果 的稳定分割结果，因此可将其应用于点云的分割。
角点估计包括模型制定、强度和颜色的对应关系、损失函数和优化。
模型制定，棋盘点PM自动提取后，利用点的强度来估计角点；使用一个2×3的模型棋盘， 棋盘坐标系由三个主成分分析(PCA)矢量组成的矩阵进行旋转变换为棋盘平面，减去旋转 点的平均值；基矢量的条件如下所示：
(1)μ1,μ2,μ3的方向定义为遵守右手规则；
(2)μ3的方向(棋盘的法向量)定义为指向LiDAR坐标系原点的一侧；
(3)LiDAR坐标系的μ1和x轴之间的角度不大于90°；
旋转矩阵被定义为(μ1,μ2,μ3)T，其中，μ1,μ2,μ3的方向满足上述条件；通过减去旋 转点的平均值μ1,μ2,μ3和原始点云的中心变换为xP-,yP-,zP-和原点坐标。
强度和颜色的对应关系，在制定损失函数之前解决的另一个问题是反射强度和图案的颜 色之间的对应关系；图中只有两种颜色，黑色和白色；但是反射强度值离散分布，主要是由 于激光束的发散；此外，反射强度的绝对值也受距离的影响；
为了自适应地处理强度数据，定义灰色区域的范围，称为[Tl，Th]；强度小于Tl的点被认 为是从黑色图中获取的，而那些强度大于Tl的点被认为是从白色的图中获取的；创建直方图 评估Tl和Th的值，并自动检测平均强度两侧的峰值(RL,RH)；灰色区域[Tl，Th]定义如下：
其中，vg≥2是一个常数；∈g设置为2，用于具有足够点的角点估计；∈g设设置为4，用 于从反射强度的角度考虑图中颜色，进行误差评估。
外部校准估计，从图像角点估计、3D-2D角的对应关系、透视N点的初始值和用非线性 优化进行细化；
在检测到图像上的角落之后，通过定义从棋盘的左下方开始的公共计数顺序来对应于图 像和点云中的检测角；利用这些对应的3D-2D对点，可以通过使用统一透视N点的方法估计 中心绝对姿态，获得非线性优化的初始值；使用球面坐标系统中的倾斜角和方位角的差异作 为优化的误差度量，以独立于全景图像投影模型；对于第i个3D-2D对，残差计算为 其中，和将3D点和像素分别转换为球坐标系中的倾斜角和方 位角。
图2是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的从片段中找到棋 盘。点云经过分割后，需要正确识别棋盘片段；为了降低计算成本，首先根据公式(2)中定义 的片段的理论数ntheo过滤掉一些不可能的片段；ntheo表示理论上最大的点数，并且当棋盘平 行于旋转轴线时，计算出LiDAR的垂直和水平角度；区间[∈ntheontheo,ntheo]中的点数进一步处 理，其中，ntheo是一个系数，经验值设为0.5；
其中，dW和dH代表棋盘的宽度和高度，r代表从对象中心到LiDAR传感器的欧式距离， Δh和Δv代表角度分辨率的横向和纵向，代表实数向上取整；
Mn×3,f代表合适的点，作为最后一步，检查包围框的范围和分布的均匀性；为了便于操 作，将所有点的坐标旋转到棋盘平面上，并将其与x轴和y轴对齐；然后利用公式(3)将棋盘的 点Mn×3,fr的质心转化为原点：
Mn×3,fr＝Mn×3,fr-mean(Mn×3,fr) (4)
通过将公式(3)转化成公式(4)之后，将平面段转换为XOY平面，并且该片段的质心与原 点重合；具有[0.8dW，1.6dW]和[0.8dH，1.6dH]内的边界框的段被认为是潜在的棋盘；
图3是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的点分布的均匀性。 点分布的均匀性由四个等分区域中的点分布之间的差确定；假设区域的最大点数是nmax，最 小值是nmin；分布的均匀性计算为其中，nall是片段中的总点 数；较大的∈norm值表示这些点正常分布；均匀性∈norm的阈值设置为0.85；多于一个片段满 足上述条件，则选择具有更大均匀性的片段；检测到的棋盘段中的一组点表示为 图4(a)中的每个部分中的点数的差值小于图4b中的点数，所以图4(a)具有 比图4(b)更好的均匀性。
图4是本发明一种基于反射强度辅助外部校准的激光探测与测量方法的损失函数和优化。 成本函数是基于强度和颜色之间对应关系的约束来制定的，在公式(5)中定义：
其中，是使用上述处理转换到XOY平面的点的集合，并 且在pM中的所有点的z坐标为0；即三维PCA矢量矩阵旋转后3D点降为2D；因此，沿平面的变 换参数为和ri是第i个点的反射强度；fg(ri)用于确定点是否 落入灰色区域，并在公式(6)中定义；G代表棋盘的四个角点；Vi表示对应于第i个点的网格的 四个顶点；
fd＝min(△x1,△x2)+min(△y1,△y2) (8)
表示具有顶点Vi的多边形是否包含ci是来自反射强度ri的估计颜色；定义若 ri<Tl，则ci＝0；若ri>Th，则ci＝1；表示落入图的颜色；通过定义为0为黑色，1为白色； 使用L1距离来计算落在棋盘或棋盘上的点的损失，函数fd在公式(8)中定义；Δx1,Δx2表示 从点到图案两边的距离，Δy1,Δy2表示与其他两边的距离。图4(a)示出了点落在由Vi构成 的错误图案中的情况。Δx1,Δx2表示从点到图案两边的距离，Δy1,Δy2表示与其他两边的 距离；图4(b)显示了一个点落在棋盘区域之外的情况。类似地，Δx1,Δx2代表从棋盘的点到 两边的距离，而Δy1,Δy2表示图4(b)中棋盘另外两边的距离。
对于本领域技术人员，本发明不限制于上述实施例的细节，在不背离本发明的精神和范 围的情况下，能够以其他具体形式实现本发明。此外，本领域的技术人员可以对本发明进行 各种改动和变型而不脱离本发明的精神和范围，这些改进和变型也应视为本发明的保护范围。 因此，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (10)
1.一种基于反射强度辅助外部校准的激光探测与测量方法，其特征在于，主要包括自动检测棋盘(一)；角点估计(二)；外部校准估计(三)。
2.基于权利要求书1所述的基于反射强度辅助外部校准的激光探测与测量方法，其特征在于，首先，将从激光探测与测量(LiDAR)获得的点云分为多个部分；棋盘中的点云基于片段的特征从片段中识别；通过将定义的损失函数最小化来估计点云中棋盘的角点；另一方面，使用现有方法检测图像中棋盘的角点；角点的对应数是基于预定计数顺序而构建的；然后，通过求解绝对姿态问题，相应的对数被用来估计变换矩阵的初始值；最后，通过优化提出的非线性损失函数来确定最终值。
3.基于权利要求书1所述的自动检测棋盘(一)，其特征在于，自动检测棋盘即从棋盘上自动提取点数的过程，包括点云的分割和从片段中找到棋盘。
4.基于权利要求书3所述的点云的分割，其特征在于，区域增长通常用于分割点云；区域增长估计基于平面的每个点的曲率值和法向量；然后根据欧氏距离和法线向量的角度对点进行聚类；随机抽样一致性(RANSAC)算法也用于形状提取；例如，平面模型的RANSAC应用于从点云的平面拟合和提取；然而，这两种方法在处理稀疏和非均匀分布的点云时都遇到困难；基于扫描线的分割方法适用于处理这种点云，该方法首先根据沿着扫描方向的连续点之间的距离和方向的变化将点云的单个帧聚类成扫描线段；然后，扫描线段基于它们的相似性聚集成片段；该方法显示了实验结果的稳定分割结果，因此可将其应用于点云的分割。
5.基于权利要求书3所述的从片段中找到棋盘，其特征在于，点云经过分割后，需要正确识别棋盘片段；为了降低计算成本，首先根据公式(1)中定义的片段的理论数ntheo过滤掉一些不可能的片段；ntheo表示理论上最大的点数，并且当棋盘平行于旋转轴线时，计算出LiDAR的垂直和水平角度；区间[∈theontheo,ntheo]中的点数进一步处理，其中，ntheo是一个系数，经验值设为0.5；
其中，dW和dH代表棋盘的宽度和高度，r代表从对象中心到LiDAR传感器的欧式距离，Δh和Δv代表角度分辨率的横向和纵向，代表实数向上取整；
Mn×3,f代表合适的点，作为最后一步，检查包围框的范围和分布的均匀性；为了便于操作，将所有点的坐标旋转到棋盘平面上，并将其与x轴和y轴对齐；然后利用公式(3)将棋盘的点Mn×3,fr的质心转化为原点：
Mn×3,fr＝Mn×3,fr-mean(Mn×3,fr) (3)
通过将公式(2)转化成公式(3)之后，将平面段转换为XOY平面，并且该片段的质心与原点重合；具有[0.8dW，1.6dW]和[0.8dH，1.6dH]内的边界框的段被认为是潜在的棋盘；点分布的均匀性由四个等分区域中的点分布之间的差确定；假设区域的最大点数是nmax，最小值是nmin；分布的均匀性计算为其中，nall是片段中的总点数；较大的∈norm值表示这些点正常分布；均匀性∈norm的阈值设置为0.85；多于一个片段满足上述条件，则选择具有更大均匀性的片段；检测到的棋盘段中的一组点表示为
6.基于权利要求书1所述的角点估计(二)，其特征在于，包括模型制定、强度和颜色的对应关系、损失函数和优化。
7.基于权利要求书6所述的模型制定，其特征在于，棋盘点PM自动提取后，利用点的强度来估计角点；使用一个2×3的模型棋盘，棋盘坐标系由三个主成分分析(PCA)矢量组成的矩阵进行旋转变换为棋盘平面，减去旋转点的平均值；基矢量的条件如下所示：
(1)μ1,μ2,μ3的方向定义为遵守右手规则；
(2)μ3的方向(棋盘的法向量)定义为指向LiDAR坐标系原点的一侧；
(3)LiDAR坐标系的μ1和x轴之间的角度不大于90°；
旋转矩阵被定义为(μ1,μ2,μ3)T，其中，μ1,μ2,μ3的方向满足上述条件；通过减去旋转点的平均值μ1,μ2,μ3和原始点云的中心变换为xP-,yP-,zP-和原点坐标。
8.基于权利要求书6所述的强度和颜色的对应关系，其特征在于，在制定损失函数之前解决的另一个问题是反射强度和图案的颜色之间的对应关系；图中只有两种颜色，黑色和白色；但是反射强度值离散分布，主要是由于激光束的发散；此外，反射强度的绝对值也受距离的影响；
为了自适应地处理强度数据，定义灰色区域的范围，称为[Tl，Th]；强度小于Tl的点被认为是从黑色图中获取的，而那些强度大于Tl的点被认为是从白色的图中获取的；创建直方图评估Tl和Th的值，并自动检测平均强度两侧的峰值(RL,RH)；灰色区域[Tl，Th]定义如下：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<msub>
<mo>&Element;</mo>
<mi>g</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<mi>L</mi>
</msub>
<mo>+</mo>
<msub>
<mi>R</mi>
<mi>H</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mo>&Element;</mo>
<mi>g</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>T</mi>
<mi>h</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>L</mi>
</msub>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mo>&Element;</mo>
<mi>g</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<mi>H</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mo>&Element;</mo>
<mi>g</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，vg≥2是一个常数；∈g设置为2，用于具有足够点的角点估计；∈g设设置为4，用于从反射强度的角度考虑图中颜色，进行误差评估。
9.基于权利要求书6所述的损失函数和优化，其特征在于，成本函数是基于强度和颜色之间对应关系的约束来制定的，在公式(5)中定义：
<mrow>
<msub>
<mi>C</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mi>i</mi>
<mi>n</mi>
</munderover>
<msub>
<mi>f</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>{</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>c</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
<msub>
<mi>f</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mi>f</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>,</mo>
<msub>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msup>
<mover>
<mi>p</mi>
<mo>^</mo>
</mover>
<mi>M</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，是使用上述处理转换到XOY平面的点的集合，并且在pM中的所有点的z坐标为0；即三维PCA矢量矩阵旋转后3D点降为2D；因此，沿平面的变换参数为和ri是第i个点的反射强度；fg(ri)用于确定点是否落入灰色区域，并在公式(6)中定义；G代表棋盘的四个角点；Vi表示对应于第i个点的网格的四个顶点；
<mrow>
<msub>
<mi>f</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>:</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>&NotElement;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>T</mi>
<mi>l</mi>
</msub>
<mo>,</mo>
<msub>
<mi>T</mi>
<mi>h</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>:</mo>
<mi>e</mi>
<mi>l</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
fd＝min(Δx1,Δx2)+min(Δy1,Δy2) (8)
表示具有顶点Vi的多边形是否包含ci是来自反射强度ri的估计颜色；定义若ri<Tl，则ci＝0；若ri>Th，则ci＝1；表示落入图的颜色；通过定义为0为黑色，1为白色；使用L1距离来计算落在棋盘或棋盘上的点的损失，函数fd在公式(8)中定义；Δx1,Δx2表示从点到图案两边的距离，Δy1,Δy2表示与其他两边的距离。
10.基于权利要求书1所述的外部校准估计(三)，其特征在于，从图像角点估计、3D-2D角的对应关系、透视N点的初始值和用非线性优化进行细化；
在检测到图像上的角落之后，通过定义从棋盘的左下方开始的公共计数顺序来对应于图像和点云中的检测角；利用这些对应的3D-2D对点，可以通过使用统一透视N点的方法估计中心绝对姿态，获得非线性优化的初始值；使用球面坐标系统中的倾斜角和方位角的差异作为优化的误差度量，以独立于全景图像投影模型；对于第i个3D-2D对，残差计算为 其中，和将3D点和像素分别转换为球坐标系中的倾斜角和方位角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711137546.1A CN107765257A (zh) | 2017-11-16 | 2017-11-16 | 一种基于反射强度辅助外部校准的激光探测与测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711137546.1A CN107765257A (zh) | 2017-11-16 | 2017-11-16 | 一种基于反射强度辅助外部校准的激光探测与测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107765257A true CN107765257A (zh) | 2018-03-06 |
Family
ID=61279550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711137546.1A Withdrawn CN107765257A (zh) | 2017-11-16 | 2017-11-16 | 一种基于反射强度辅助外部校准的激光探测与测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107765257A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872384A (zh) * | 2018-12-29 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 一种基于机载lidar点云数据的杆塔自动化建模方法 |
| CN109975793A (zh) * | 2019-04-25 | 2019-07-05 | 苏州元联传感技术有限公司 | 一种激光二维测距传感器的标定方法 |
| CN112327308A (zh) * | 2019-07-19 | 2021-02-05 | 阿里巴巴集团控股有限公司 | 物体检测方法、装置、系统及设备 |
| CN114502456A (zh) * | 2019-10-23 | 2022-05-13 | 艾茵斯系统有限公司 | 用于测量车辆零件的空隙和齐平度的方法以及测量隧道 |
-
2017
- 2017-11-16 CN CN201711137546.1A patent/CN107765257A/zh not_active Withdrawn
Non-Patent Citations (1)
| Title |
|---|
| WEIMIN WANG 等: "Reectance Intensity Assisted Automatic and Accurate Extrinsic Calibration of 3D LiDAR and Panoramic Camera Using a Printed Chessboard", 《网页在线公开:HTTPS://ARXIV.ORG/ABS/1708.05514》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872384A (zh) * | 2018-12-29 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 一种基于机载lidar点云数据的杆塔自动化建模方法 |
| CN109975793A (zh) * | 2019-04-25 | 2019-07-05 | 苏州元联传感技术有限公司 | 一种激光二维测距传感器的标定方法 |
| CN112327308A (zh) * | 2019-07-19 | 2021-02-05 | 阿里巴巴集团控股有限公司 | 物体检测方法、装置、系统及设备 |
| CN114502456A (zh) * | 2019-10-23 | 2022-05-13 | 艾茵斯系统有限公司 | 用于测量车辆零件的空隙和齐平度的方法以及测量隧道 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443836B (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
| CN111046776B (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
| Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
| Gross et al. | Extraction of lines from laser point clouds | |
| EP3876189A1 (en) | Geographic object detection device, geographic object detection method, and geographic object detection program | |
| CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
| CN112184765B (zh) | 一种用于水下航行器的自主跟踪方法 | |
| Kumari et al. | Adjustment of systematic errors in ALS data through surface matching | |
| Mousa et al. | Building detection and regularisation using DSM and imagery information | |
| Zhang et al. | Lidar-guided stereo matching with a spatial consistency constraint | |
| Ye et al. | Integrated image matching and segmentation for 3D surface reconstruction in urban areas | |
| Toth | Strip adjustment and registration | |
| Wang | Automatic extraction of building outline from high resolution aerial imagery | |
| CN117496467A (zh) | 基于单目相机和3d lidar融合的异形车道线检测方法 | |
| CN116844124A (zh) | 三维目标检测框标注方法、装置、电子设备和存储介质 | |
| CN114882118A (zh) | 一种激光雷达和相机外参的标定方法、装置及电子设备 | |
| Ren et al. | Automated SAR reference image preparation for navigation | |
| KR20220052784A (ko) | 깊이 영상 기반 실시간 바닥 검출방법 | |
| CN117029870A (zh) | 一种基于路面点云的激光里程计 | |
| CN109919852B (zh) | 一种光学遥感图像的屋顶视角校正方法 | |
| Song et al. | Registration for 3D LiDAR datasets using pyramid reference object | |
| Boerner et al. | Brute force matching between camera shots and synthetic images from point clouds | |
| Chen et al. | True orthophoto generation using multi-view aerial images | |
| CN113971699A (zh) | 目标物识别方法、装置、电子设备和存储介质 | |
| Hungar et al. | GRAIL: A Gradients-of-Intensities-based Local Descriptor for Map-based Localization Using LiDAR Sensors |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180306 |