CN108572361A - 机载激光雷达系统设备集成安置角检校方法及装置 - Google Patents
机载激光雷达系统设备集成安置角检校方法及装置 Download PDFInfo
- Publication number
- CN108572361A CN108572361A CN201810290162.1A CN201810290162A CN108572361A CN 108572361 A CN108572361 A CN 108572361A CN 201810290162 A CN201810290162 A CN 201810290162A CN 108572361 A CN108572361 A CN 108572361A
- Authority
- CN
- China
- Prior art keywords
- dough sheet
- feature
- point
- feature dough
- angle
- 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- Withdrawn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
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
- 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
Abstract
本申请实施例公开了一种机载激光雷达系统设备集成安置角检校方法及装置,涉及数据处理技术领域。其中,机载激光雷达系统设备集成安置角检校方法包括:提取各航带原始点云数据中的特征面片,并对不同航带的特征面片中的同名特征面片进行匹配,提取特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置,根据原始激光器观测值、定姿定位系统姿态及位置、特征面片中各点及拟合的参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校。上述方法和装置可用于提高安置角检校的精度和自动化程度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种机载激光雷达系统设备集成安置角检校方法及装置。
背景技术
激光雷达扫描技术是一种快速的三维地理数据获取技术,可搭载在三脚架、移动背包、汽车、轮船、飞机等不同平台上,获取丰富海量的点云数据。随着激光雷达系统和定姿定位系统(POS,Positioning and Orientation System)的不断小型化、低成本化,以及无人机技术的井喷式爆发,机载激光雷达系统正迅速走向行业应用。
如何进行机载激光雷达系统设备检校,即检校激光传感器与POS中惯性测量单元(IMU,Inertial measurement unit)的安装角度误差(即安置角误差),一直是激光雷达系统集成的核心工作,其检校精度直接影响整个系统的测量精度。
常用的机载激光雷达关于安置角的检校算法有分步检校法、差异分析检校法、模型约束检校法。分步检校法算法简单,通过人工分步量取不同航带数据之间的角度差异,即可以计算出安置角误差,但该方法依赖作业员的操作水平,需要进行多次迭代操作,耗时耗力且对于低空小型的机载激光雷达设备检校结果误差较大。差异分析法通过分析选取的激光点云中特征点与地面控制点的差异计算安置角误角误差,该方法算法相对简单,但需要在地面布设控制点,而且在激光点云数据中选择特征点不能保证选择到严格对应的点云,所以仍然会有较大误差,且同样需要较大量的人工干预。模型约束法即根据从不同航带数据中提取出几何模型,使该类模型可以最佳重合作为检校算法的约束,该方法在较大初始误差情况下无法准确的实现设备检校,并且该算法的自动化程度和检校精度均不高。
发明内容
有鉴于此,本申请实施例提供一种机载激光雷达系统设备集成安置角检校方法及装置,优化现有检校算法,减少操作员的干预,增强检校结果的可靠性。
本申请实施例第一方面提供了一种机载激光雷达系统设备集成安置角检校方法,包括:
提取各航带原始点云数据中的特征面片,并对不同航带的所述特征面片中的同名特征面片进行匹配;
提取所述特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置;
根据不同航带中的所述同名特征面片拟合参考平面;
根据所述原始激光器观测值、所述定姿定位系统姿态及位置、所述特征面片中各点及拟合的所述参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校。
本申请实施例第二方面提供了一种机载激光雷达系统设备集成安置角检校装置,所述装置包括:
提取模块,用于提取各航带原始点云数据中的特征面片;
匹配模块,用于对不同航带的所述特征面片中的同名特征面片进行匹配;
所述提取模块,还用于提取所述特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置;
拟合平面模块,用于根据不同航带中的所述同名特征面片拟合参考平面;
检校模块,用于根据所述原始激光器观测值、所述定姿定位系统姿态及位置、所述特征面片中各点及拟合的所述参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校。
本申请各实施例,通过提取各航带原始点云数据中的特征面片,并对不同航带的特征面片中的同名特征面片进行匹配,提取特征面片对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置,根据不同航带中的同名特征面片拟合参考平面,可有效增强算法对安置角初始误差大小的适应性,根据特征面片中各点及拟合的参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校,可有效增强特征面片的可靠性,提高检校精度和检校的自动化程度。
附图说明
图1为本申请实施例提供的机载激光雷达系统设备集成安置角检校方法的流程图;
图2为本申请实施例提供的图1中机载激光雷达系统设备集成安置角检校方法步骤S101的细化步骤流程图;
图3为本申请实施例中点云数据区块划分示意图;
图4为本申请实施例中参考平面的拟合示意图;
图5为本申请另一实施例提供的机载激光雷达系统设备集成安置角检校方法的流程示意图;
图6为本申请另一实施例提供的机载激光雷达系统设备集成安置角检校方法的流程示意图。
具体实施方式
为更进一步阐述本申请为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本申请的具体实施方式、结构、特征及其功效,详细说明如后。
本发明实施例中的机载激光雷达系统设备集成安置角,是指机载激光雷达系统中激光传感器和定姿定位系统中的惯性测量单元的安置角。以下简称安置角。
请参阅图1,图1为本发明提供的机载激光雷达系统设备集成安置角检校方法的流程示意图,该方法可以由全自动的机载激光雷达系统集成安置角检校装置执行,其中该装置有软件和硬件实现,一般可以集成在计算机终端中。
其中,终端可以是台式计算机、平板电脑等智能通信终端。
如图1所示,该方法包括:
S101、提取各航带原始点云数据中的特征面片;
具体地,如图2所示,提取各航带原始点云数据中的特征面片的各步骤可包括:
S1011、对原始点云数据进行分块处理,得到多个点云数据区块;
受运行环境中可用内存容量的影响,海量的点云数据通常不能直接读入到运行环境中,需要对初始解算的原始点云数据进行分块处理。具体可根据运行环境的可用内存容量、点云数据的容量及区块大小原始数据进行分块,得到多个点云数据区块。
例如,原始点云数据包含5000万个点,若根据运行环境的可用内存容量大小确定一个点云数据块可包含500万个点,如图3所示,一个点云数据块大小为400m×400m(米),则可将该点云数据块划分为100m×100m大小的四个点云数据区块:第一区块201、第二区块202、第三区块203以及第四区块204。为保证划分区块不会将较大的平面拆分为两个平面,划分的四个区块中相邻两个区块之间均设置有5m宽的重叠区域,图3中所示的斜线区域即为该重叠区域。
S1012、计算该点云数据区块内的每个点的法向量和表面粗糙度;
使用相邻点坐标协方差矩阵的主成分分析,来估计每个点的法向量,该法向量具体为表面法向量。
例如:构建当前点云数据区块的八叉树索引,并按照所构建的八叉树索引的结构,按照预设规则根据点密度和航带地形选定固定值作为搜索半径,根据搜索半径选择邻域点;根据当前点云数据区块中所有点以及所有点对应的邻域点,计算当前点云数据区块所有点的法向量及粗糙度。
具体的,对该点云数据区块的区块数据建立八叉树索引结构,通过固定搜索半径快速搜索邻域点,即快速搜索一个点周围搜索半径内的所有点,计算法向量是根据当前计算法向量这个点的周围的点分布情况来计算的,如这个点周围的点基本是一个平面,那么这个点的法向量就是垂直该平面的向量,该平面粗糙度就会小,可认为该平面是光滑的。这样在进行点云处理时,通过构建八叉树,避免遍历所有的数据,构建八叉树可以加快对邻域点的搜索。
其中,搜索半径根据点密度和航带地形来选择。在选择搜索半径时的点密度时,应该确保足够数量的相邻点用于正常法向量估计,例如,点的数量为n,n≥8;同时为了使所选的区域可以表征表面的光滑度,必须考虑到航带的地形,通常选择半径范围为1~3m。给定一个含有n个三维点坐标的矩阵P,P={p1,p2,p3,...,pn},(表示p为1个三维坐标),C(P)是n各点的3×3的协方差矩阵。C(P)的主成分是特征向量,形成正交基。用λ1、λ2、λ3表示特征值,特征值λ1、λ2、λ3对应于特征向量方向上的方差。假设特征值的排序为λ1≥λ2≥λ3,则第三特征向量是对应表面的表面法向量第三特征值λ3的平方根对应于所选点(即指估算法向量的点)与表面的标准偏差,因此可以解释为表面粗糙度的一个度量σp,其中,
S1013、根据每个点的粗糙度求取种子点,并通过预置算法进行平面点云增长,以提取特征面片。
种子点可根据对点云数据区块中的每个点的粗糙度进行排序求取,具体地,在当前点云数据区块内,粗糙度最小的点可作为初始种子点。
进一步地,使用预设算法进行平面点云增长,该预设算法具体可以为典型区域增长算法。在当前点云数据区块中除初始种子点之外的剩余点中,选择剩余点中粗糙度最小的点,作为下一种子点继续进行平面点云增长,一次平面点云增长结束后,判断剩下的点是否小于预先设置的最少数量阈值,若不小于,则在剩下的点中继续求取种子点,并再次进行平面增长操作,直至剩余点数量少于该最少数量阈值或者或剩余点的粗糙度小预设的粗糙度阈值,无法继续进行平面区域增长运算时,得到特征面片,并将提取的特征面片的点云数据分别存储在容器中。
由于在进行点云数据区块划分的时候,划分有重叠区域,则在整个数据文件中,特征面片中会有重复提取的面片,需要对重复的面片进行合并处理。具体可以是,根据面片的中心点,面片的法向量及面片中心点在法向量上的距离进行判断,该距离小于距离阈值的面片合并为同一个面片,对重复提取的点进行剔除处理。
S102、对不同航带的特征面片中的同名特征面片进行匹配;
作为几何模型约束核心的特征面片,需要建立起不同航带中同名面片的对应关系,即不同航带数据重叠区域内采集到的同一个平面,如两个航带中的同一个屋顶平面。
同名特征面片的匹配采用最邻近原则进行,即,通过判断不同特征面片的中心点距离、法向量夹角及中心点在法向量上的距离进行匹配,若三个参数均符合设置的阈值,则该不同特征面片判断为同名特征面片,若三个参数中有一个参数不符合预设的预置,则该不同特征面片不是同名特征面片。
具体地,查找当前第一特征面片中心点附近设定范围内,是否包含其他航带的第二特征面片的中心点,若包含第二特征面片的中心点,则判断该第一特征面片和该第二特征面片的法向量夹角是否小于设定阈值,以及判断该第一特征面片的中心点和该第二特征面片的中心点在法向量方向上的距离是否小于设定的距离阈值,若该法向量夹角小于设定阈值且该距离小于设定的距离预置,则判断该第一特征面片和该第二特征面片为同名特征面片,其中,第一特征面片和第二特征面片为不同航带的特征面片。
S103、提取特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态和位置;
具体地,建立特征面片与原始点云数据之间的对应关系;
目的为在提取出特征面片后,可以根据建立的该对应关系,找到特征面片中的每一个点对应的原始激光观测值。
具体地,在点云的结构体中加入索引标识,该索引标识具体为索引ID,该索引ID中存储原始点云数据在原始激光观测值文件中的位置,当获取到特征面片的点云后,可以根据该索引ID快速的获取特征片面各点对应的原始激光器观测值。
进一步地,根据建立的该对应关系,可以直接获取面片各点对应的激原始激光器观测值,具体地,提取预先建立的该特征面片中各点对应与原始激光器观测值的索引ID,根据该索引标识,获取该特征面片中各点对应的原始激光器观测值,以及对应的全球定位系统(GPS,Global Positioning System)时刻,并根据特征面片各点对应的GPS时刻,可以在POS文件中查出该GPS时刻的POS的姿态和位置,该POS文件也即POS轨迹文件。
S104、根据不同航带中的同名特征面片拟合参考平面;
本实施例中,通过特征值法进行平面拟合。
具体地,假设存在一个真实的平面,所有同名特征面片上的点到该平面的距离最小或为0,拟合同名特征面片所有点,提取一个共同的平面作为参考面片,参考面片并不是真实的平面,需要进行多次迭代计算,使得该参考面片更接近真实的平面。如图4所示,Pref代表该真实的平面,P1和P2为同名特征面片,P1和P2的点云数据拟合得到Pref,Pref的平面方程为:
s1x+s2y+s3z+s4=0
其中,s1、s2、s3表征为该平面的法向量、且s1、s2、s3不同时为0,s4可以表征为原点到该平面的距离;(x,y,z)表示平面Pref上的点坐标。
当机载激光雷达系统集成安置角误差较大时,图4中同名特征面片中的特征面片P1和特征面片P2之间距离较远甚至形成一定的夹角,此时使用传统的平面拟合方法时,极易得出错误的结论,从而限制了此类方法对于初始安置角误差较大时的应用。
本实施例先使用同名特征面片中的一个特征面片进行特征值法平面拟合,然后计算所有同名特征面片到该拟合后的平面(以下简称该拟合平面)的距离,平移该平面使得所有点到该拟合平面的距离平方和最小。
具体的,对于平面方程
s1x+s2y+s3z+s4=0
(s1,s2,s3)可以表征为该平面的法向量,s4可以表征为原点到该平面的距离。对于一个特征面片内的所有点矩阵P,P={p1,p2,p3,...,pn},C(P)是n各点的3×3的协方差矩阵。C(P)的主成分是特征向量,形成正交基。特征值λ1、λ2、λ3对应于特征向量方向上的方差。假设特征值的排序为λ1≥λ2≥λ3,则第三特征向量是对应表面的表面法向量此时,若该特征面片中的所有点到该拟合平面的距离最小,即可推导出:
但此处以该同名特征面片的所有特征面片中点到该拟合平面的距离最小计算,即平移该平面使得所有点到该平面的距离平方和最小,求得s4。上式中的n为该同名特征面片中的所有特征面片内的所有点的数量。
进一步解释,以一个特征面拟合平面后得到的S1,S2,S3,仍将S4作为未知数,使所有特征面片点到该拟合的平面距离最小,可以计算出值S4从单个特征拟合面片的S4平移到了所有面点到该面片距离平方和最小新面的新S4值。
综上,获取激光传感器与定姿定位系统中的惯性测量单元的初始安置角误差,若该初始安置角误差大于预置角度,例如,该预置角度为2°,则使用特征值法对该同名特征面片中的一个特征面片进行平面拟合,并计算该同名特征面片中的所有特征面片到拟合后的平面的距离,将该拟合后的平面平移距离,使得该同名特征面片中的所有点到该拟合后的平面的距离平方和最小。
若该初始安置角误差小于等于该预置角度,则使用特征值法对同名特征面片中所有点进行平面拟合,得到该参考平面。
本实施例中,在机载激光雷达系统中,激光传感器与POS中IMU的初始安置角误差较大时,也能拟合得到相对准确的参考平面,在进行多次迭代计算后,安置角误差慢慢变小,则可转换为初始安置角误差较小的情况,增强了算法的普适性。
S105、根据特征面点、特征面点的原始激光器观测值、定姿定位系统姿态及位置、拟合的参考平面方程,基于最小二乘法算法进行设备集成安置角检校。
根据特征面点、特征面点的原始激光器观测值、定姿定位系统姿态及位置、拟合的参考平面方程,基于最小二乘法算法进行设备集成安置角检校,得到最优安置角,并输出该最优安置角。
具体地,使用平面几何模型约束的最小二乘匹配算法,是基于使所有同名特征面片直接的相互重合。也即步骤S104满足的前提条件:假设存在一个真实的平面位置,所有同名特征面片上的点到该平面的距离最小或为0。但通常有误差存在,该距离一般不为0。
具体地,首先根据提取的特征平面中心点距离航线的距离,进行特征面片权值计算。由于安置角误差会放大距离较远处的点云偏差,所以距离航线远的特征平面相较于距离航线近的特征平面,被赋于较大计算权值,用于增强特征面片对检校计算的约束作用。即,特征面片权值的大小与该距离成正比。
进一步地,基于最小二乘算法的安置角检校。若安置角误差检校准确无误,则理论上同名特征面片上的点到参考平面的距离为零。但由于实际情况中,自然面片地物并不完全平整,所以以同名特征面片上的点到参考平面的距离平方和最小作为约束条件,来计算设备安置角误差。
同名特征面片中的各点p(x,y,z)的解算公式为:
其中(x0,y0,z0)为激光脚点在激光传感器原始坐标系的坐标,可通过前述获取的特征片面各点对应的原始激光器观测值计算得到,RC为激光传感器坐标系转换与POS坐标系一致的旋转角旋转矩阵,RM为激光传感器到POS系统的安置角旋转矩阵,(可通过前述获取的特征片面各点的POS数据得到))ΔRM为安置角误差旋转矩阵,即待求解的未知数矩阵,Δx、Δy、Δz为激光传感器与IMU的安置偏心距,RN为POS姿态旋转矩阵,RW为将NED坐标系转换为大地的左手坐标系的旋转矩阵,PPOS为POS的位置坐标。
上述点p到参考平面Pref的距离d可表示为:
将安置角误差Δα、Δβ、Δγ作为未知数,对上式使用泰勒展开式进行线性化,忽略二阶项和高阶项得到:
其中d为点到平面的距离,为距离d方程对未知量Δα、Δβ、Δγ的偏导数。
需要说明的是:泰勒展开式是从零阶到高阶求导的展开,其中d0为零阶,忽略二阶项及二阶之后的求导项,d0可以认为直接带入激光脚点(x0,y0,z0)时的d值。
激光脚点到该参考平面的理想距离为零,但实际并不为零,设距离残差为V,则可以得到误差方程式:
V=BX+L
式中,B为未知数系数矩阵,由泰勒公式展开式求得;L为激光脚点到平面的距离矩阵,X为待求的IMU安置角误差[Δα,Δβ,Δγ]T。当满足:
VTPV=min
可得到最优解。其中VT为矩阵V的转置矩阵,V为距离残差,P为权阵。根据最小二乘原理,按照下式可求得安置角误差参数:
X=-(BTPB)-1BTPL
其中X为待求的IMU安置角误差[Δα,Δβ,Δγ]T,B为未知数系数矩阵,由泰勒公式展开式求得;L为激光脚点到该参考平面的距离矩阵,P为权阵(即前述的特征面片的权值)。
最小二乘计算后,可输出精度评定结果,即所有点到参考平面距离的标准差,为:
其中 为所有点到参考平面的平均距离。其中n为参与计算的所有点的数量。
需要说明的是,σ越小,该点到参考平面的距离越近,即表示该同名特征面片中的点p与该参考平面的重合程度越好,即不同航带的同名特征面片重合程度越好。
进一步地,重复上述步骤S101~S105的过程,即,重新解算点云,迭代计算。在进行一次检校计算之后,根据点云解算公式,使用新的安置角检校参数,重新解算特征面片点坐标,然后再次迭代进行检校计算,直至误差角变化小于设定的阈值,或者迭代次数达到设置的要求时,停止迭代,输出计算得到的安置角作为最终结果。安置角误差为计算得到的安置角与真值的误差。检校是为了得到更为准确的安置角;在一次迭代计算后,计算出的安置角误差会加到已知安置角上,然后继续计算误差,直至计算得到的误差小于设置的阈值。
本发明实施例中,提取各航带原始点云数据中的特征面片,并对不同航带的特征面片中的同名特征面片进行匹配,提取特征面片对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置,根据不同航带中的同名特征面片拟合参考平面,可有效增强算法对安置角初始误差大小的适应性,根据特征面片中各点及拟合的参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校,可有效增强特征面片的可靠性,提高检校精度和检校的自动化程度。
图5为本申请另一实施例提供的机载激光雷达系统设备集成安置角检校装置的结构示意图。本实施例提供的机载激光雷达系统设备集成安置角检校装置是上述图1所示实施例中的机载激光雷达系统设备集成安置角检校方法的执行主体,可运行于机载激光雷达系统中。该机载激光雷达系统设备集成安置角检校装置主要包括:
提取模块301,用于提取各航带原始点云数据中的特征面片;
匹配模块302,用于对不同航带的该特征面片中的同名特征面片进行匹配;
提取模块301,还用于提取该特征面片对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置;
拟合平面模块303,用于根据不同航带中的该同名特征面片拟合参考平面;
检校模块304,用于根据该原始激光器观测值、该定姿定位系统姿态及位置、该特征面片中各点及拟合的参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校。
本发明实施例中未尽细节,参见前述机载激光雷达系统设备集成安置角检校方法的实施例的描述,此处不再赘述。
本发明实施例中,提取各航带原始点云数据中的特征面片,并对不同航带的特征面片中的同名特征面片进行匹配,提取特征面片对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置,根据不同航带中的同名特征面片拟合参考平面,可有效增强算法对安置角初始误差大小的适应性,根据特征面片中各点及拟合的参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校,可有效增强特征面片的可靠性,提高检校精度和检校的自动化程度。
在另一个实施例中,机载激光雷达系统设备集成安置角检校装置与图5所示装置不同,请参见图6,图6所示装置与图5所示装置不同之处在于:
提取模块301包括:
分块单元401,用于对该原始点云数据进行分块处理,得到多个点云数据区块;
计算单元402,用于计算该点云数据区块内的每个点的法向量和表面粗糙度;
提取单元403,用于根据每个点的粗糙度求取种子点,并通过预置算法进行平面点云增长,以提取该特征面片。
进一步地,匹配模块302,还用于采用最邻近原则,对不同航带的该特征面片中的同名特征面片进行匹配。
计算单元402可以进一步包括:
存储子单元501,用于构建当前点云数据区块的八叉树索引,并按照所构建的八叉树索引的结构,按照预设规则根据点密度和航带地形选定固定值作为搜索半径,根据该搜索半径选择邻域点;
计算子单元502,用于根据当前点云数据区块中所有点以及所有点对应的邻域点,计算该当前点云数据区块所有点的法向量及粗糙度。
提取单元403,具体用于对当前点云数据区块中每个点的粗糙度进行排序,选择粗糙度最小的点作为初始种子点;以及,通过区域增长算法进行平面点云增长,在当前点云数据区块中除该初始种子点之外的剩余点中,选择粗糙度最小的点作为下一种子点继续通过该区域增长算法进行平面点云增长,直至剩余点的数量数小于预设的最少数量阈值或剩余点的粗糙度小预设的粗糙度阈值时,得到该特征面片。
进一步地,匹配模块302,还用于查找当前第一特征面片中心点附近设定范围内,是否包含第二特征面片的中心点,该第一特征面片和该第二特征面片为不同航带的特征面片,以及,若包含第二特征面片的中心点,则判断该第一特征面片和该第二特征面片的法向量夹角是否小于设定阈值,以及判断该第一特征面片的中心点和该第二特征面片的中心点在法向量方向上的距离是否小于设定的距离阈值,若该法向量夹角小于设定阈值且该距离小于设定的距离预置,则判断该第一特征面片和该第二特征面片为同名特征面片;
提取模块301,还具体用于提取预先建立的该特征面片中各点对应与原始激光器观测值的索引标识,并根据该索引标识,获取该特征面片中各点对应的原始激光器观测值,以及对应的全球定位系统时刻,以及,在定姿定位系统文件中,获取该全球定位系统时刻的定姿定位系统的姿态及位置。
机载激光雷达系统包括激光传感器和定姿定位系统,则拟合平面模块303包括:
获取单元404,用于获取该激光传感器与该定姿定位系统中的惯性测量单元的初始安置角误差;
拟合单元405,用于若该初始安置角误差大于预置角度,则使用特征值法对该同名特征面片中的一个特征面片进行平面拟合,并计算该同名特征面片中的所有特征面片到拟合后的平面的距离,将该拟合后的平面平移,使得该同名特征面片中的所有点到该拟合后的平面的距离平方和最小;
拟合单元405,还用于若该初始安置角误差小于等于该预置角度,则使用特征值法对同名特征面片中所有点进行平面拟合,得到该参考平面;
其中,进行平面拟合的平面方程为:
s1x+s2y+s3z+s4=0
s1、s2、s3表示所述参考平面的法向量,s4表示原点到所述参考平面的距离,且s1、s2、s3不同时为0,(x,y,z)表示所述参考平面上的点坐标;
令所述同名特征面片中的所有点到所述拟合后的平面的距离平方和最小,推导出S4:
n为同名特征面片中的所有特征面片内的所有点的数量。
检校模块304,具体用于根据提取的特征平面中心点与航线的距离,计算特征面片权值,其中,特征面片权值的大小与该距离成正比,并将机载激光雷达设备集成安置角误差作为未知量,计算该同名特征面片中所有点到该参考平面的距离,以及,令所有点到该参考平面的各距离的平方和最小,列非线性最小二乘方程,并计算得到安置角误差;
检校模块304,触发再次执行所述提取各航带原始点云数据中的特征面片,并对不同航带的所述特征面片中的同名特征面片进行匹配的步骤,迭代所述计算每次检校得到的设备集成安置角,直至所述设备集成安置角的误差小于预设阈值,得到最优设备集成安置角。
本发明实施例中,提取各航带原始点云数据中的特征面片,并对不同航带的特征面片中的同名特征面片进行匹配,提取特征面片对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置,根据不同航带中的同名特征面片拟合参考平面,可有效增强算法对安置角初始误差大小的适应性,根据特征面片中各点及拟合的参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校,可有效增强特征面片的可靠性,提高检校精度和检校的自动化程度。
进一步地,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是设置于上述各实施例中的机载激光雷达系统中。该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现前述图1~图4所示实施例中描述的机载激光雷达系统设备集成安置角检校方法。进一步地,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁带,磁盘或光盘等。
Claims (10)
1.一种机载激光雷达系统设备集成安置角检校方法,其特征在于,所述方法包括:
提取各航带原始点云数据中的特征面片,并对不同航带的所述特征面片中的同名特征面片进行匹配;
提取所述特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置;
根据不同航带中的所述同名特征面片拟合参考平面;
根据所述原始激光器观测值、所述定姿定位系统姿态及位置、所述特征面片中各点及拟合的所述参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校。
2.如权利要求1所述的方法,其特征在于,所述提取各航带原始点云数据中的特征面片,并对不同航带的所述特征面片中的同名特征面片进行匹配包括:
对所述原始点云数据进行分块处理,得到多个点云数据区块;
计算所述点云数据区块内的每个点的法向量和表面粗糙度;
根据每个点的粗糙度求取种子点,并通过预置算法进行平面点云增长,以提取所述特征面片;
采用最邻近原则,对不同航带的所述特征面片中的同名特征面片进行匹配。
3.如权利要求2所述的方法,其特征在于,所述计算所述点云数据区块内的每个点的法向量和表面粗糙度包括:
构建当前点云数据区块的八叉树索引,并按照所构建的八叉树索引的结构,按照预设规则根据点密度和航带地形选定固定值作为搜索半径,根据所述搜索半径选择邻域点;
根据当前点云数据区块中所有点以及所有点对应的邻域点,计算所述当前点云数据区块所有点的法向量及粗糙度;
则,所述根据每个点的粗糙度求取种子点,并通过预置算法进行平面点云增长,以提取所述特征面片包括:
对当前点云数据区块中每个点的粗糙度进行排序,选择粗糙度最小的点作为初始种子点;
通过区域增长算法进行平面点云增长,在当前点云数据区块中除所述初始种子点之外的剩余点中,选择粗糙度最小的点作为下一种子点继续通过所述区域增长算法进行平面点云增长,直至剩余点的数量数小于预设的最少数量阈值或剩余点的粗糙度小预设的粗糙度阈值时,得到所述特征面片。
4.如权利要求1所述的方法,其特征在于,所述采用最邻近原则,对不同航带的所述特征面片中的同名特征面片进行匹配包括:
查找当前第一特征面片中心点附近设定范围内,是否包含第二特征面片的中心点,所述第一特征面片和所述第二特征面片为不同航带的特征面片;
若包含第二特征面片的中心点,则判断所述第一特征面片和所述第二特征面片的法向量夹角是否小于设定阈值,以及判断所述第一特征面片的中心点和所述第二特征面片的中心点在法向量方向上的距离是否小于设定的距离阈值,若所述法向量夹角小于设定阈值且所述距离小于设定的距离预置,则判断所述第一特征面片和所述第二特征面片为同名特征面片。
5.如权利要求1所述的方法,其特征在于,所述提取所述特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置包括:
提取预先建立的所述特征面片中各点对应与原始激光器观测值的索引标识;
根据所述索引标识,获取所述特征面片中各点对应的原始激光器观测值,以及对应的全球定位系统时刻;
在定姿定位系统文件中,获取所述全球定位系统时刻的定姿定位系统的姿态及位置。
6.如权利要求1所述的方法,其特征在于,所述机载激光雷达系统包括激光传感器和定姿定位系统,所述根据不同航带中的所述同名特征面片拟合参考平面包括:
获取所述激光传感器与所述定姿定位系统中的惯性测量单元的初始安置角误差;
若所述初始安置角误差大于预置角度,则使用特征值法对所述同名特征面片中的一个特征面片进行平面拟合,并计算所述同名特征面片中的所有特征面片点到拟合后的平面的距离,将所述拟合后的平面平移,使得所述同名特征面片中的所有点到所述拟合后的平面的距离平方和最小;
若所述初始安置角误差小于等于所述预置角度,则使用所述特征值法对同名特征面片中所有点进行平面拟合,得到所述参考平面;
其中,进行平面拟合的平面方程为:
s1x+s2y+s3z+s4=0
s1、s2、s3表示所述参考平面的法向量,s4表示原点到所述参考平面的距离,且s1、s2、s3不同时为0,(x,y,z)表示所述参考平面上的点坐标;
令所述同名特征面片中的所有点到所述拟合后的平面的距离平方和最小,推导出S4:
n为所述同名特征面片中的所有特征面片内的所有点的数量。
7.如权利要求1所述的方法,其特征在于,所述根据所述原始激光器观测值、所述定姿定位系统姿态及位置、所述特征面片中各点及拟合的所述参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校,包括:
根据提取的特征平面中心点与航线的距离,计算特征面片权值,其中,特征面片权值的大小与所述距离成正比;
将机载激光雷达设备集成安置角误差作为未知量,计算所述同名特征面片中所有点到所述参考平面的距离;
令所有点到所述参考平面的各距离的平方和最小,列非线性最小二乘方程,并计算所述安置角误差;
再次执行所述提取各航带原始点云数据中的特征面片,并对不同航带的所述特征面片中的同名特征面片进行匹配的步骤,迭代所述计算每次检校得到的设备集成安置角,直至所述设备集成安置角的误差小于预设阈值,得到所述最优设备集成安置角。
8.一种机载激光雷达系统设备集成安置角检校装置,其特征在于,所述装置包括:
提取模块,用于提取各航带原始点云数据中的特征面片;
匹配模块,用于对不同航带的所述特征面片中的同名特征面片进行匹配;
所述提取模块,还用于提取所述特征面片各点对应的原始激光器观测值,以及,对应时刻的定姿定位系统姿态及位置;
拟合平面模块,用于根据不同航带中的所述同名特征面片拟合参考平面;
检校模块,用于根据所述原始激光器观测值、所述定姿定位系统姿态及位置、所述特征面片中各点及拟合的所述参考平面的平面方程,基于最小二乘法算法进行设备集成安置角检校。
9.如权利要求8所述的装置,其特征在于,所述提取模块,包括:
分块单元,用于对所述原始点云数据进行分块处理,得到多个点云数据区块;
计算单元,用于计算所述点云数据区块内的每个点的法向量和表面粗糙度;
提取单元,用于根据每个点的粗糙度求取种子点,并通过预置算法进行平面点云增长,以提取所述特征面片;
所述匹配模块,还用于采用最邻近原则,对不同航带的所述特征面片中的同名特征面片进行匹配;
所述计算单元,包括:
存储子单元,用于构建当前点云数据区块的八叉树索引,并按照所构建的八叉树索引的结构,按照预设规则根据点密度和航带地形选定固定值作为搜索半径,根据所述搜索半径选择邻域点;
计算子单元,用于根据当前点云数据区块中所有点以及所有点对应的邻域点,计算所述当前点云数据区块所有点的法向量及粗糙度;
所述提取单元,具体用于对当前点云数据区块中每个点的粗糙度进行排序,选择粗糙度最小的点作为初始种子点;以及,通过区域增长算法进行平面点云增长,在当前点云数据区块中除所述初始种子点之外的剩余点中,选择粗糙度最小的点作为下一种子点继续通过所述区域增长算法进行平面点云增长,直至剩余点的数量数小于预设的最少数量阈值或剩余点的粗糙度小预设的粗糙度阈值时,得到所述特征面片。
10.如权利要求8所述的装置,其特征在于,
所述匹配模块,还用于查找当前第一特征面片中心点附近设定范围内,是否包含第二特征面片的中心点,所述第一特征面片和所述第二特征面片为不同航带的特征面片,以及,若包含第二特征面片的中心点,则判断所述第一特征面片和所述第二特征面片的法向量夹角是否小于设定阈值,以及判断所述第一特征面片的中心点和所述第二特征面片的中心点在法向量方向上的距离是否小于设定的距离阈值,若所述法向量夹角小于设定阈值且所述距离小于设定的距离预置,则判断所述第一特征面片和所述第二特征面片为同名特征面片;
所述提取模块,还具体用于提取预先建立的所述特征面片中各点对应与原始激光器观测值的索引标识,并根据所述索引标识,获取所述特征面片中各点对应的原始激光器观测值,以及对应的全球定位系统时刻,以及,在定姿定位系统文件中,获取所述全球定位系统时刻的定姿定位系统的姿态及位置;
所述机载激光雷达系统包括激光传感器和定姿定位系统,则所述拟合平面模块包括:
获取单元,用于获取所述激光传感器与所述定姿定位系统中的惯性测量单元的初始安置角误差;
拟合单元,用于若所述初始安置角误差大于预置角度,则使用特征值法对所述同名特征面片中的一个特征面片进行平面拟合,并计算所述同名特征面片中的所有特征面片到拟合后的平面的距离,将所述拟合后的平面平移,使得所述同名特征面片中的所有点到所述拟合后的平面的距离平方和最小;
所述拟合单元,还用于若所述初始安置角误差小于等于所述预置角度,则使用所述特征值法对同名特征面片中所有点进行平面拟合,得到所述参考平面;
其中,进行平面拟合的平面方程为:
s1x+s2y+s3z+s4=0
s1、s2、s3表示所述参考平面的法向量,s4表示原点到所述参考平面的距离,且s1、s2、s3不同时为0,(x,y,z)表示所述参考平面上的点坐标;
令所述同名特征面片中的所有点到所述拟合后的平面的距离平方和最小,推导出S4:
n为所述同名特征面片中的所有特征面片内的所有点的数量;
所述检校模块,具体用于根据提取的特征平面中心点与航线的距离,计算特征面片权值,其中,特征面片权值的大小与所述距离成正比,并将机载激光雷达设备集成安置角误差作为未知量,计算所述同名特征面片中所有点到所述参考平面的距离,以及,令所有点到所述参考平面的各距离的平方和最小,列非线性最小二乘方程,并计算得到所述安置角误差;
所述检校模块,触发再次执行所述提取各航带原始点云数据中的特征面片,并对不同航带的所述特征面片中的同名特征面片进行匹配的步骤,迭代所述计算每次检校得到的设备集成安置角,直至所述设备集成安置角的误差小于预设阈值,得到最优设备集成安置角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290162.1A CN108572361A (zh) | 2018-04-03 | 2018-04-03 | 机载激光雷达系统设备集成安置角检校方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290162.1A CN108572361A (zh) | 2018-04-03 | 2018-04-03 | 机载激光雷达系统设备集成安置角检校方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108572361A true CN108572361A (zh) | 2018-09-25 |
Family
ID=63574491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810290162.1A Withdrawn CN108572361A (zh) | 2018-04-03 | 2018-04-03 | 机载激光雷达系统设备集成安置角检校方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108572361A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655811A (zh) * | 2018-11-09 | 2019-04-19 | 广西壮族自治区遥感信息测绘院 | 海陆两用双频机载LiDAR系统误差检校模型建模方法 |
CN114866685A (zh) * | 2022-03-16 | 2022-08-05 | 金钱猫科技股份有限公司 | 一种激光摄像装置的姿态矫正方法和系统 |
CN114966634A (zh) * | 2022-07-11 | 2022-08-30 | 高德软件有限公司 | 激光测距系统标定方法、装置以及计算机程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004027348A2 (en) * | 2002-09-17 | 2004-04-01 | M7 Visual Intelligence, Lp | A method of using a self-locking travel pattern to achieve calilbration of remote sensors using conventionally collected data |
CN104036544A (zh) * | 2014-06-25 | 2014-09-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物屋顶重建方法 |
CN105139379A (zh) * | 2015-07-30 | 2015-12-09 | 滁州学院 | 基于分类分层的机载Lidar点云建筑物顶面渐进提取方法 |
CN107179533A (zh) * | 2017-05-03 | 2017-09-19 | 长安大学 | 一种多参数机载LiDAR系统误差自动检校方法 |
CN107621628A (zh) * | 2017-07-25 | 2018-01-23 | 河南省科学院地理研究所 | 一种安置角误差检校方法 |
-
2018
- 2018-04-03 CN CN201810290162.1A patent/CN108572361A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004027348A2 (en) * | 2002-09-17 | 2004-04-01 | M7 Visual Intelligence, Lp | A method of using a self-locking travel pattern to achieve calilbration of remote sensors using conventionally collected data |
CN104036544A (zh) * | 2014-06-25 | 2014-09-10 | 西安煤航信息产业有限公司 | 一种基于机载LiDAR数据的建筑物屋顶重建方法 |
CN105139379A (zh) * | 2015-07-30 | 2015-12-09 | 滁州学院 | 基于分类分层的机载Lidar点云建筑物顶面渐进提取方法 |
CN107179533A (zh) * | 2017-05-03 | 2017-09-19 | 长安大学 | 一种多参数机载LiDAR系统误差自动检校方法 |
CN107621628A (zh) * | 2017-07-25 | 2018-01-23 | 河南省科学院地理研究所 | 一种安置角误差检校方法 |
Non-Patent Citations (2)
Title |
---|
高广等: "利用合成算法从Lidar数据提取屋顶面", 《武汉大学学报 信息科学版》 * |
黎东等: "共面约束的机载LiDAR IMU安置角误差自动检校方法", 《测绘科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655811A (zh) * | 2018-11-09 | 2019-04-19 | 广西壮族自治区遥感信息测绘院 | 海陆两用双频机载LiDAR系统误差检校模型建模方法 |
CN114866685A (zh) * | 2022-03-16 | 2022-08-05 | 金钱猫科技股份有限公司 | 一种激光摄像装置的姿态矫正方法和系统 |
CN114866685B (zh) * | 2022-03-16 | 2023-05-26 | 金钱猫科技股份有限公司 | 一种激光摄像装置的姿态矫正方法和系统 |
CN114966634A (zh) * | 2022-07-11 | 2022-08-30 | 高德软件有限公司 | 激光测距系统标定方法、装置以及计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103379619B (zh) | 一种定位方法和系统 | |
CN105760811B (zh) | 全局地图闭环匹配方法及装置 | |
CN106597416B (zh) | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 | |
CN103139907B (zh) | 一种利用指纹法的室内无线定位方法 | |
CN104080165B (zh) | 一种基于tdoa的室内无线传感器网络定位方法 | |
CN105469388A (zh) | 基于降维的建筑物点云配准算法 | |
Zhang et al. | Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications | |
CN104019813A (zh) | 目标即时定位和构建地图的方法与系统 | |
CN108955679A (zh) | 一种变电站智能巡检机器人高精度定位方法 | |
CN108572361A (zh) | 机载激光雷达系统设备集成安置角检校方法及装置 | |
CN101363714A (zh) | 一种机翼水平位姿测量与评估方法 | |
CN105043390B (zh) | 基于泛克里金法的重力场插值方法 | |
CN107632964A (zh) | 一种平面地磁异常场向下延拓递归余弦变换法 | |
Yu et al. | An indoor localization of WiFi based on support vector machines | |
CN109883406A (zh) | 基于更少点的全站仪概略位姿的计算方法及系统 | |
CN105046046A (zh) | 一种集合卡尔曼滤波局地化方法 | |
Kraus et al. | Quality measures for digital terrain models | |
CN106168662A (zh) | 基于极大似然估计的被动传感器的误差配准方法及装置 | |
CN106323271A (zh) | 基于特征奇异值的航天器相对姿态测量矢量选取方法 | |
CN108398124A (zh) | 一种校准电子罗盘的测试板以及校准方法 | |
CN112131752A (zh) | 一种基于拟准检定的超强崩溃污染率抗差估计算法 | |
Schwertfeger et al. | Using a fiducial map metric for assessing map quality in the context of robocup rescue | |
CN103616027B (zh) | 一种基于改进msd的重力匹配方法 | |
CN109561384A (zh) | 一种复合噪声条件下的无线传感器网络节点定位方法 | |
CN114679683A (zh) | 一种基于派生指纹迁移的室内智能定位方法 |
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 |
Application publication date: 20180925 |
|
WW01 | Invention patent application withdrawn after publication |