CN114612348B - 激光点云运动畸变校正方法、装置、电子设备及存储介质 - Google Patents

激光点云运动畸变校正方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114612348B
CN114612348B CN202210509235.8A CN202210509235A CN114612348B CN 114612348 B CN114612348 B CN 114612348B CN 202210509235 A CN202210509235 A CN 202210509235A CN 114612348 B CN114612348 B CN 114612348B
Authority
CN
China
Prior art keywords
information
laser point
robot
laser
time
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.)
Active
Application number
CN202210509235.8A
Other languages
English (en)
Other versions
CN114612348A (zh
Inventor
古家威
李志建
何昊名
邓涛
黄秀韦
陈海龙
霍震
张晟东
王济宇
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210509235.8A priority Critical patent/CN114612348B/zh
Publication of CN114612348A publication Critical patent/CN114612348A/zh
Application granted granted Critical
Publication of CN114612348B publication Critical patent/CN114612348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images

Abstract

本申请涉及机器人定位建图技术领域，提供了一种激光点云运动畸变校正方法、装置、电子设备及存储介质，通过读取激光雷达采集的一帧点云数据信息，所述点云数据信息包含多个激光点的坐标数据和每个所述激光点对应的第一时间戳信息；将所述第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个所述激光点的第一位姿信息；根据每个所述第一位姿信息和所述初始位姿信息计算机器人对应每个所述激光点的位姿变换矩阵；根据每个所述位姿变换矩阵对对应的所述激光点的坐标进行校正；本发明具有测量误差小，校正精度高的有益效果。

Description

激光点云运动畸变校正方法、装置、电子设备及存储介质
技术领域
本申请涉及机器人定位建图技术领域，具体而言，涉及一种激光点云运动畸变校正方法、装置、电子设备及存储介质。
背景技术
激光SLAM (Simultaneous Localization and Mapping)技术是智能机器人的核心技术，中文释义为即时定位与地图构建，或并发建图与定位。通过使用激光SLAM技术，机器人可对场景进行定位建图，进而实现自身的自主导航与实时避障功能。使用激光SLAM技术的传感器主要是激光雷达，目前市场上的激光雷达均为10Hz，即激光雷达1秒内旋转10圈采集环境点云信息，激光雷达在采集一帧激光点云数据过程中经过了0.1s，当机器人在高速运动或旋转状态下，机器人上所搭载的激光雷达在旋转过程中,机器人自身也在不断运动，由此获得的激光点云数据会存在运动畸变，这些运动畸变会影响激光SLAM的建图精度。
为了消除激光点云的运动畸变，传统方法多使用IMU（Inertial MeasurementUnit）传感器来估计短时间内激光雷达的运动，其中，IMU传感器又称惯性测量单元。然而IMU传感器直接测量的是加速度和角速度，对于位姿数据则是通过积分实现的间接测量值，测量误差会随着时间累积，并且IMU传感器在静止或者低速运动下测量误差会进一步放大，进一步影响建图精度。还有一些传统方法是使用匀速运动模型来估计激光雷达的点云运动畸变，但是激光雷达在急停、快速启动以及转弯等运动状态下，激光雷达的线加速度与角加速度都比较大，使用传统的匀速运动模型来估计激光点云的运动畸变将出现较大的误差。
基于上述问题，目前尚未有有效的解决方法。
发明内容
本申请的目的在于提供一种激光点云运动畸变校正方法、装置、电子设备及存储介质，能够提高对激光点云产生的运动畸变的校正精度。
第一方面，本申请提供了一种激光点云运动畸变校正方法，应用于机器人，所述机器人包括双目事件相机和激光雷达，包括以下步骤：
S1. 读取激光雷达采集的一帧点云数据信息，所述点云数据信息包含多个激光点的坐标数据和每个所述激光点对应的第一时间戳信息；
S2. 将所述第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；
S3. 基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个所述激光点的第一位姿信息；
S4. 根据每个所述第一位姿信息和所述初始位姿信息计算机器人对应每个所述激光点的位姿变换矩阵；
S5. 根据每个所述位姿变换矩阵对对应的所述激光点的坐标进行校正。
本申请提供的激光点云运动畸变校正方法，通过利用双目事件相机里程计高帧率高精度的优势，使用双目事件相机里程计来替代传统的IMU传感器，解决了IMU传感器会随着时间累积增大测量误差的问题；并且在消除点云运动畸变的方法上，使用匀加速运动模型替代匀速运动模型来估计激光雷达的点云运动畸变，解决了当激光雷达在急停、快速启动以及转弯等运动状态下，传统的匀速运动模型在估计激光点云的运动畸变时容易出现较大误差的问题，有效提高了对激光点云运动畸变的校正精度，减少测量误差。
可选地，在本申请所述的激光点云运动畸变校正方法中，所述双目事件相机的时间轴包含多个时间节点，步骤S3包括：
S301.获取所述激光点的生成时刻在所述双目事件相机的时间轴上的前两个时间节点和后一个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点；所述激光点的生成时刻是指与所述激光点的第一时间戳信息对应的时刻；
S302.分别获取机器人在所述第一时间节点的第二位姿信息，机器人在所述第二时间节点的第三位姿信息，机器人在所述第三时间节点的第四位姿信息；
S303.根据所述第二位姿信息、所述第三位姿信息和所述第四位姿信息计算所述第一位姿信息。
可选地，在本申请所述的激光点云运动畸变校正方法中，步骤S303包括：
A1.获取所述第一时间节点和所述第二时间节点之间的第一中点，获取所述第二时间节点和所述第三时间节点之间的第二中点；
A2.获取双目事件相机的时间轴中时间节点的周期信息；
A3.根据所述第二位姿信息、所述第三位姿信息和所述周期信息计算所述机器人在所述第一中点的第一位姿变化速度，根据所述第三位姿信息、所述第四位姿信息和所述周期信息计算所述机器人在所述第二中点的第二位姿变化速度；
A4.根据所述第一位姿变化速度、所述第二位姿变化速度和所述周期信息计算所述第一位姿信息。
可选地，在本申请所述的激光点云运动畸变校正方法中，步骤A4包括：
A401.根据匀加速运动模型计算所述机器人的位姿变化加速度；
A402.根据所述第一位姿变化速度和所述第二位姿变化速度计算机器人在所述第二时间节点的第三位姿变化速度；
A403.根据所述第三位姿信息、所述第三位姿变化速度和所述位姿变化加速度计算所述第一位姿信息。可选地，在本申请所述的激光点云运动畸变校正方法中，所述匀加速运动模型为：
Figure 131359DEST_PATH_IMAGE001
其中，
Figure 517341DEST_PATH_IMAGE003
代表位姿变化加速度；
Figure 890554DEST_PATH_IMAGE005
代表所述第二位姿变化速度；
Figure 20184DEST_PATH_IMAGE007
代表所述第一位姿变化速度；
Figure 631294DEST_PATH_IMAGE009
代表所述第二位姿信息；
Figure 516073DEST_PATH_IMAGE010
代表所述第四位姿信息；
Figure 111003DEST_PATH_IMAGE012
代表所述第三位姿信息；T代表所述周期信息。
可选地，在本申请所述的激光点云运动畸变校正方法中，步骤S4包括：根据以下公式计算机器人对应每个所述激光点的位姿变换矩阵：
Figure 637799DEST_PATH_IMAGE013
Figure 775519DEST_PATH_IMAGE014
Figure 693184DEST_PATH_IMAGE015
Figure 509830DEST_PATH_IMAGE016
其中，
Figure 309159DEST_PATH_IMAGE018
代表机器人对应任意一个所述激光点的位姿变换矩阵；
Figure 566965DEST_PATH_IMAGE020
代表机器人对应所述激光点的x轴坐标值；
Figure 324705DEST_PATH_IMAGE021
代表机器人对应所述激光点的y轴坐标值；
Figure 35173DEST_PATH_IMAGE022
代表机器人对应所述激光点的z轴坐标值；
Figure 903771DEST_PATH_IMAGE024
代表机器人对应所述激光点的横滚角；
Figure 16084DEST_PATH_IMAGE025
代表机器人对应所述激光点的俯仰角；
Figure 944726DEST_PATH_IMAGE027
代表机器人对应所述激光点的偏航角；
Figure 142489DEST_PATH_IMAGE028
代表机器人对应所述激光点的横滚角位姿变换矩阵；
Figure 955724DEST_PATH_IMAGE030
代表机器人对应所述激光点的俯仰角位姿变换矩阵；
Figure 47177DEST_PATH_IMAGE032
代表机器人对应所述激光点的偏航角位姿变换矩阵；
Figure 287665DEST_PATH_IMAGE034
代表机器人对应所述第一个激光点的x轴坐标值；
Figure 924507DEST_PATH_IMAGE036
代表机器人对应所述第一个激光点的y轴坐标值；
Figure 541433DEST_PATH_IMAGE038
代表机器人对应所述第一个激光点的z轴坐标值；
Figure 628338DEST_PATH_IMAGE040
代表机器人对应所述第一个激光点的横滚角；
Figure 164361DEST_PATH_IMAGE042
代表机器人对应所述第一个激光点的俯仰角；
Figure 336716DEST_PATH_IMAGE044
代表机器人对应所述第一个激光点的偏航角。
第二方面，本申请提供一种激光点云运动畸变校正装置，应用于机器人，所述机器人包括双目事件相机和激光雷达，所述装置包括：
读取模块，用于读取激光雷达采集的一帧点云数据信息，所述点云数据信息包含多个激光点的坐标数据和每个所述激光点对应的第一时间戳信息；
对齐模块，用于将所述第一时间戳信息和所述双目事件相机的时间轴进行对齐，并获取所述机器人对应第一个激光点的初始位姿信息；
第一计算模块，用于基于匀加速运动模型，依据所述双目事件相机的时间轴，计算所述机器人对应每个所述激光点的第一位姿信息；
第二计算模块，用于根据每个所述第一位姿信息和所述初始位姿信息计算机器人对应每个所述激光点的位姿变换矩阵；
校正模块，用于根据每个所述位姿变换矩阵对对应的所述激光点的坐标进行校正。
可选地，在本申请所述的激光点云运动畸变校正装置中，所述双目事件相机的时间轴包含多个时间节点，所述第一计算模块在基于匀加速运动模型，依据所述双目事件相机的时间轴，计算所述机器人对应每个所述激光点的第一位姿信息的时候，执行以下步骤：
S301.获取所述激光点的生成时刻在所述双目事件相机的时间轴上的前两个时间节点和后一个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点；所述激光点的生成时刻是指与所述激光点的第一时间戳信息对应的时刻；
S302.分别获取所述机器人在所述第一时间节点的第二位姿信息，所述机器人在所述第二时间节点的第三位姿信息，所述机器人在所述第三时间节点的第四位姿信息；
S303.根据所述第二位姿信息、所述第三位姿信息和所述第四位姿信息计算所述第一位姿信息。
本申请提供的激光点云运动畸变校正装置，通过利用双目事件相机里程计高帧率高精度的优势，使用双目事件相机里程计来替代传统的IMU传感器，解决了IMU传感器会随着时间累积增大测量误差的问题；并且在消除点云运动畸变的方法上，使用匀加速运动模型替代匀速运动模型来估计激光雷达的点云运动畸变，解决了当激光雷达在急停、快速启动以及转弯等运动状态下，传统的匀速运动模型在估计激光点云的运动畸变时容易出现较大误差的问题，有效提高了对激光点云运动畸变的校正精度，减少测量误差。第三方面，本申请提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第四方面，本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
由上可知，本申请提供的激光点云运动畸变校正方法、装置、电子设备及存储介质，通过利用双目事件相机里程计高帧率高精度的优势，使用双目事件相机里程计来替代传统的IMU传感器，解决了IMU传感器会随着时间累积增大测量误差的问题；并且在消除点云运动畸变的方法上，使用匀加速运动模型替代匀速运动模型来估计激光雷达的点云运动畸变，解决了当激光雷达在急停、快速启动以及转弯等运动状态下，传统的匀速运动模型在估计激光点云的运动畸变时容易出现较大误差的问题，有效提高了对激光点云运动畸变的校正精度，减少测量误差。
附图说明
图1为本申请提供的激光点云运动畸变校正方法的一种流程图。
图2为本申请提供的激光点云运动畸变校正装置的一种结构示意图。
图3为本申请提供的电子设备的结构示意图。
图4为本申请提供的激光点对应的第一时间戳信息与双目事件相机的时间轴对齐示意图。
标号说明：
201、读取模块；202、对齐模块；203、第一计算模块；204、第二计算模块；205、校正模块；301、处理器；302、存储器；303、通信总线。
具体实施方式
下面将结合本申请实施方式中附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本申请实施方式的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施方式的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施方式。基于本申请的实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在实际应用中，SLAM技术在机器人、无人驾驶、AR/VR等领域扮演着一个重要角色，在一些家庭应用场景中，会使用到扫地机器人，一些扫地机器人应用了SLAM技术并且设置了相应的激光雷达和双目事件相机，能让扫地机器人实时扫描周围环境，高效地绘制出高精度地图数据，实现自主导航、避障等任务，从而能有序实现房间内的智能清扫。机器人自身携带的激光雷达通过旋转，采集周围环境点云数据，同时机器人自身也会进行高速旋转，此时激光雷达采集的激光点云数据就会发生运动畸变，这些激光点云数据产生的运动畸变会影响激光SLAM的建图精度，使绘制出来的环境地图数据与实际的地图数据之间存在一定的误差。因此，需要减少或者消除激光点云数据的运动畸变，来提高激光SLAM的建图精度。
请参照图1，图1是本申请一些实施方式中的激光点云运动畸变校正方法的流程图，应用于机器人，机器人包括双目事件相机和激光雷达，其中，包括以下步骤：
S1. 读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息；
S2. 将第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；
S3. 基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息；
S4. 根据每个第一位姿信息和初始位姿信息计算机器人对应每个激光点的位姿变换矩阵；
S5. 根据每个位姿变换矩阵对对应的激光点的坐标进行校正。
本申请的激光点云运动畸变校正方法，将激光雷达获取的所有激光点云对应的第一时间戳信息分别对照到双目事件相机的时间轴上，通过双目事件相机里程计来获取第一个激光点的初始位姿信息，从而可以基于匀加速运动模型，计算机器人对应每个激光点的第一位姿信息，然后根据初始位姿信息和第一位姿信息计算出机器人对应每个激光点的位姿变换矩阵，最后通过机器人对应每个激光点的位姿变换矩阵对每个激光点的坐标进行校正。通过利用双目事件相机里程计高帧率高精度的优势，使用双目事件相机里程计来替代传统的IMU传感器，解决了IMU传感器会随着时间累积增大测量误差的问题；并且在消除点云运动畸变的方法上，使用匀加速运动模型替代匀速运动模型来估计激光雷达的点云运动畸变，解决了当激光雷达在急停、快速启动以及转弯等运动状态下，传统的匀速运动模型在估计激光点云的运动畸变时容易出现较大误差的问题，有效提高了对激光点云运动畸变的校正精度，减少测量误差。
其中，激光雷达是一种以激光作为信号源，由激光器发射出的脉冲激光，打到地面的树木、道路、桥梁和建筑物上，引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理计算，就得到从激光雷达到目标点的距离，脉冲激光不断地扫描目标物，就可以得到目标物上的激光点云数据，激光点云数据包含多个激光点的坐标数据和激光点产生时的时间数据。
步骤S1中，第一时间戳信息是指激光点产生时的时间数据信息。
在一些实施例中，以Velodyne(中文名威力登，一家售卖激光雷达公司)的16线激光雷达为例，读取一帧激光雷达数据，一帧激光雷达数据中包含了1800个激光点的序号信息、坐标信息、距离信息与每个激光点产生时的时间数据信息，即激光点对应的第一时间戳信息。
参阅图4，步骤S2中，对齐的方式是通过将激光点对应的第一时间戳信息对照到上述双目事件相机的时间轴上。另外，获取机器人的位姿信息是通过双目事件相机里程计直接获得的，具体的，本申请是基于双目事件相机的ESVO（Event-based Stereo VisualOdometry，称为双目事件相机里程计）方法（现有技术）来输出机器人的位姿信息（具体为本实施例的初始位姿信息和每个时间节点对应的位姿信息）和时间节点信息，其中，由多个时间节点信息按顺序依次排列构成双目事件相机的时间轴。其中，本申请使用的事件相机和传统的相机存在较大差别，是一种对局部亮度变化作出反应的成像传感器，本申请的双目事件相机是由两个事件相机水平排列而组成。
在一些实施方式中，双目事件相机的时间轴包含多个时间节点，步骤S3包括：
S301.获取激光点的生成时刻在双目事件相机的时间轴上的前两个时间节点和后一个时间节点，依次（依照时间先后顺序）分别标记为第一时间节点、第二时间节点和第三时间节点；激光点的生成时刻是指与激光点的第一时间戳信息对应的时刻；
S302.分别获取机器人在第一时间节点的第二位姿信息，机器人在第二时间节点的第三位姿信息，机器人在第三时间节点的第四位姿信息；
S303.根据第二位姿信息、第三位姿信息和第四位姿信息计算第一位姿信息。
在一些实施方式中，步骤S301也可以是获取激光点的生成时刻在双目事件相机的时间轴上的前一个时间节点和后两个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点。
具体的，继续参阅图4，将第一时间节点记为a，将第二时间节点记为b，将第三时间节点记为c，将激光点的生成时刻在双目事件相机的时间轴上的点记为m；依据双目事件相机里程计，可以直接获取第一时间节点的时间信息、第二时间节点的时间信息、第三时间节点的时间信息和激光点的生成时刻在双目事件相机的时间轴上的点的时间信息，并依次标记为
Figure DEST_PATH_IMAGE045
、
Figure DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE049
、
Figure 819650DEST_PATH_IMAGE050
；并且还可以通过双目事件相机里程计直接获取第二位姿信息、第三位姿信息和第四位姿信息，并依次分别记为
Figure 26641DEST_PATH_IMAGE052
、
Figure 733566DEST_PATH_IMAGE054
、
Figure 393217DEST_PATH_IMAGE056
；其中，第二位姿信息、第三位姿信息和第四位姿信息以欧拉角的形式表示。
在一些实施方式中，步骤S303包括：
A1.获取第一时间节点和第二时间节点之间的第一中点（此处的第一中点就是第一时间节点和第二时间节点之间的中点，为了方便与文中的其它中点做区分，把该中点称为第一中点），获取第二时间节点和第三时间节点之间的第二中点（此处的第二中点就是第二时间节点和第三时间节点之间的中点，为了方便与文中的其它中点做区分，把该中点称为第二中点）；
A2.获取双目事件相机的时间轴中时间节点的周期信息；
A3.根据第二位姿信息、第三位姿信息和周期信息计算机器人在第一中点的第一位姿变化速度；根据第三位姿信息、第四位姿信息和周期信息计算机器人在第二中点的第二位姿变化速度；
A4.根据第一位姿变化速度、第二位姿变化速度和周期信息计算第一位姿信息。
其中，把第一中点记为p，第二中点记为q；双目事件相机中时间节点的周期信息可以由双目事件相机里程计输出的频率直接获取，例如使用双目事件相机里程计输出100Hz的机器人位姿信息以及时间节点信息，此时双目事件相机中时间节点的周期信息为0.01s；由此可以根据以下公式计算第一位姿变化速度和第二位姿变化速度：
Figure DEST_PATH_IMAGE057
Figure 945421DEST_PATH_IMAGE058
其中，
Figure 741339DEST_PATH_IMAGE060
为第一位姿变化速度；
Figure 760110DEST_PATH_IMAGE062
为第二位姿变化速度；T为周期信息；
Figure 907058DEST_PATH_IMAGE054
为第三位姿信息；
Figure 794111DEST_PATH_IMAGE052
为第二位姿信息；
Figure 444536DEST_PATH_IMAGE056
为第四位姿信息。
在一些实施方式中，步骤A4包括：
A401.根据匀加速运动模型计算机器人的位姿变化加速度；
A402.根据第一位姿变化速度和第二位姿变化速度计算机器人在第二时间节点的第三位姿变化速度；
A403.根据第三位姿信息、第三位姿变化速度和位姿变化加速度计算第一位姿信息。
步骤A401中，匀加速运动模型为：
Figure DEST_PATH_IMAGE063
其中，
Figure 227684DEST_PATH_IMAGE003
代表位姿变化加速度；
Figure 861928DEST_PATH_IMAGE005
代表第二位姿变化速度；
Figure 162459DEST_PATH_IMAGE007
代表第一位姿变化速度；
Figure 57603DEST_PATH_IMAGE064
代表第二位姿信息；
Figure 152598DEST_PATH_IMAGE056
代表第四位姿信息；
Figure 274137DEST_PATH_IMAGE054
代表第三位姿信息；T代表周期信息。
步骤A402中，由于第二时间节点作为第一中点和第二中点之间的中点，因此第三位姿变化速度的计算公式如下：
Figure DEST_PATH_IMAGE065
其中，
Figure DEST_PATH_IMAGE067
为第三位姿变化速度；
Figure 443606DEST_PATH_IMAGE068
代表第二位姿变化速度；
Figure 193256DEST_PATH_IMAGE007
代表第一位姿变化速度。
步骤A403中，第一位姿信息的计算公式如下：
Figure DEST_PATH_IMAGE069
其中，
Figure DEST_PATH_IMAGE071
为第一位姿信息；
Figure 193573DEST_PATH_IMAGE072
代表第三位姿信息；
Figure 661464DEST_PATH_IMAGE067
为第三位姿变化速度；
Figure 303798DEST_PATH_IMAGE050
为激光点的生成时刻在双目事件相机的时间轴上的点的时间信息；
Figure DEST_PATH_IMAGE073
为第二时间节点的时间信息；
Figure 907954DEST_PATH_IMAGE074
代表位姿变化加速度。
在一些实施方式中，步骤S4包括：根据以下公式计算机器人对应每个激光点的位姿变换矩阵：
Figure 344752DEST_PATH_IMAGE013
Figure 175305DEST_PATH_IMAGE014
Figure 745963DEST_PATH_IMAGE015
Figure 79993DEST_PATH_IMAGE016
其中，
Figure 953271DEST_PATH_IMAGE018
代表机器人对应任意一个激光点的位姿变换矩阵；
Figure DEST_PATH_IMAGE075
代表机器人对应激光点的x轴坐标值；
Figure 130174DEST_PATH_IMAGE021
代表机器人对应激光点的y轴坐标值；
Figure 848732DEST_PATH_IMAGE022
代表机器人对应激光点的z轴坐标值；
Figure 693060DEST_PATH_IMAGE024
代表机器人对应激光点的横滚角；
Figure 471660DEST_PATH_IMAGE025
代表机器人对应激光点的俯仰角；
Figure 276805DEST_PATH_IMAGE076
代表机器人对应激光点的偏航角；
Figure 189266DEST_PATH_IMAGE028
代表机器人对应激光点的横滚角位姿变换矩阵；
Figure DEST_PATH_IMAGE077
代表机器人对应激光点的俯仰角位姿变换矩阵；
Figure 232308DEST_PATH_IMAGE078
代表机器人对应激光点的偏航角位姿变换矩阵；
Figure DEST_PATH_IMAGE079
代表机器人对应第一个激光点的x轴坐标值；
Figure 43794DEST_PATH_IMAGE080
代表机器人对应第一个激光点的y轴坐标值；
Figure DEST_PATH_IMAGE081
代表机器人对应第一个激光点的z轴坐标值；
Figure 664131DEST_PATH_IMAGE040
代表机器人对应第一个激光点的横滚角；
Figure 255650DEST_PATH_IMAGE082
代表机器人对应第一个激光点的俯仰角；
Figure 684357DEST_PATH_IMAGE044
代表机器人对应第一个激光点的偏航角。
其中，第一位姿信息的表示形式为
Figure DEST_PATH_IMAGE083
；初始位姿信息可以由双目事件相机里程计直接获取，初始位姿信息的表示形式为
Figure DEST_PATH_IMAGE085
。
最后，步骤S5中，校正前的激光点的坐标信息可以从激光雷达获取，根据每个位姿变换矩阵对对应的激光点的坐标进行校正的计算公式如下：
Figure 257290DEST_PATH_IMAGE086
其中，
Figure 37027DEST_PATH_IMAGE018
代表机器人对应每个激光点的位姿变换矩阵；原激光点的坐标为
Figure DEST_PATH_IMAGE087
，校正后的激光点坐标为
Figure 901078DEST_PATH_IMAGE088
。
由上可知，本申请的激光点云运动畸变校正方法，通过读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息；将第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息；根据每个第一位姿信息和初始位姿信息计算机器人对应每个激光点的位姿变换矩阵；根据每个位姿变换矩阵对对应的激光点的坐标进行校正。通过利用双目事件相机里程计高帧率高精度的优势，使用双目事件相机里程计来替代传统的IMU传感器，解决了IMU传感器会随着时间累积增大测量误差的问题；并且在消除点云运动畸变的方法上，使用匀加速运动模型替代匀速运动模型来估计激光雷达的点云运动畸变，解决了当激光雷达在急停、快速启动以及转弯等运动状态下，传统的匀速运动模型在估计激光点云的运动畸变时容易出现较大误差的问题，有效提高了对激光点云运动畸变的校正精度，减少测量误差。
请参照图2，图2是本申请一些实施方式中的激光点云运动畸变校正装置，应用于机器人，机器人包括双目事件相机和激光雷达，该装置包括以下模块：
读取模块201，用于读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息；
对齐模块202，用于将第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；
第一计算模块203，用于基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息；
第二计算模块204，用于根据每个第一位姿信息和初始位姿信息计算机器人对应每个激光点的位姿变换矩阵；
校正模块205，用于根据每个位姿变换矩阵对对应的激光点的坐标进行校正。
其中，激光雷达是一种以激光作为信号源，由激光器发射出的脉冲激光，打到地面的树木、道路、桥梁和建筑物上，引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理计算，就得到从激光雷达到目标点的距离，脉冲激光不断地扫描目标物，就可以得到目标物上的激光点云数据，激光点云数据包含多个激光点的坐标数据和激光点产生时的时间数据。
在读取模块201读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息中，第一时间戳信息是指激光点产生时的时间数据信息。
在一些实施例中，以Velodyne(中文名威力登，一家售卖激光雷达公司)的16线激光雷达为例，读取一帧激光雷达数据，一帧激光雷达数据中包含了1800个激光点的序号信息、坐标信息、距离信息与每个激光点产生时的时间数据信息，即激光点对应的第一时间戳信息。
参阅图4，在对齐模块202中，对齐的方式是通过将激光点对应的第一时间戳信息对照到上述双目事件相机的时间轴上。另外，获取机器人的位姿信息是通过双目事件相机里程计直接获得的，具体的，本申请是基于双目事件相机的ESVO（Event-based StereoVisual Odometry，称为双目事件相机里程计）方法（现有技术）来输出机器人的位姿信息和时间节点信息，其中，由多个时间节点信息按顺序依次排列构成双目事件相机的时间轴。其中，本申请使用的事件相机和传统的相机存在较大差别，是一种对局部亮度变化作出反应的成像传感器，本申请的双目事件相机是由两个事件相机水平排列而组成。
在一些实施方式中，双目事件相机的时间轴包含多个时间节点，第一计算模块203在基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息的时候，执行以下步骤：
S301.获取激光点的生成时刻在双目事件相机的时间轴上的前两个时间节点和后一个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点；激光点的生成时刻是指与激光点的第一时间戳信息对应的时刻；
S302.分别获取机器人在第一时间节点的第二位姿信息，机器人在第二时间节点的第三位姿信息，机器人在第三时间节点的第四位姿信息；
S303.根据第二位姿信息、第三位姿信息和第四位姿信息计算第一位姿信息。
在一些实施方式中，步骤S301也可以是获取激光点的生成时刻在双目事件相机的时间轴上的前一个时间节点和后两个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点。
具体的，继续参阅图4，将第一时间节点记为a，将第二时间节点记为b，将第三时间节点记为c，将激光点的生成时刻在双目事件相机的时间轴上的点记为m；依据双目事件相机里程计，可以直接获取第一时间节点的时间信息、第二时间节点的时间信息、第三时间节点的时间信息和激光点的生成时刻在双目事件相机的时间轴上的点的时间信息，并依次标记为
Figure DEST_PATH_IMAGE089
、
Figure DEST_PATH_IMAGE091
、
Figure 512187DEST_PATH_IMAGE092
、
Figure 459284DEST_PATH_IMAGE094
；并且还可以通过双目事件相机里程计直接获取第二位姿信息、第三位姿信息和第四位姿信息，并依次分别记为
Figure DEST_PATH_IMAGE095
、
Figure 929579DEST_PATH_IMAGE096
、
Figure 721955DEST_PATH_IMAGE098
；其中，第二位姿信息、第三位姿信息和第四位姿信息以欧拉角的形式表示。
在一些实施方式中，步骤S303包括：
A1.获取第一时间节点和第二时间节点之间的第一中点（此处的第一中点就是第一时间节点和第二时间节点之间的中点，为了方便与文中的其它中点做区分，把该中点称为第一中点），获取第二时间节点和第三时间节点之间的第二中点（此处的第二中点就是第二时间节点和第三时间节点之间的中点，为了方便与文中的其它中点做区分，把该中点称为第二中点）；
A2.获取双目事件相机的时间轴中时间节点的周期信息；
A3. 根据第二位姿信息、第三位姿信息和周期信息计算机器人在第一中点的第一位姿变化速度；根据第三位姿信息、第四位姿信息和周期信息计算机器人在第二中点的第二位姿变化速度；
A4.根据第一位姿变化速度、第二位姿变化速度和周期信息计算第一位姿信息。
其中，把第一中点记为p，第二中点记为q；双目事件相机中时间节点的周期信息可以由双目事件相机里程计输出的频率直接获取，例如使用双目事件相机里程计输出100Hz的机器人位姿信息以及时间节点信息，此时双目事件相机中时间节点的周期信息为0.01s；由此可以根据以下公式计算第一位姿变化速度和第二位姿变化速度：
Figure DEST_PATH_IMAGE099
Figure DEST_PATH_IMAGE101
其中，
Figure 187571DEST_PATH_IMAGE068
为第一位姿变化速度；
Figure 180935DEST_PATH_IMAGE007
为第二位姿变化速度；T为周期信息；
Figure 669685DEST_PATH_IMAGE096
为第三位姿信息；
Figure 3102DEST_PATH_IMAGE095
为第二位姿信息；
Figure 260908DEST_PATH_IMAGE098
为第四位姿信息。
在一些实施方式中，步骤A4包括：
A401.根据匀加速运动模型计算机器人的位姿变化加速度；
A402.根据第一位姿变化速度和第二位姿变化速度计算机器人在第二时间节点的第三位姿变化速度；
A403.根据第三位姿信息、第三位姿变化速度和位姿变化加速度计算第一位姿信息。
步骤A401中，匀加速运动模型为：
Figure 425173DEST_PATH_IMAGE063
其中，
Figure 994695DEST_PATH_IMAGE074
代表位姿变化加速度；
Figure 269818DEST_PATH_IMAGE068
代表第二位姿变化速度；
Figure 647710DEST_PATH_IMAGE007
代表第一位姿变化速度；
Figure 576352DEST_PATH_IMAGE095
代表第二位姿信息；
Figure 39694DEST_PATH_IMAGE098
代表第四位姿信息；
Figure 711984DEST_PATH_IMAGE096
代表第三位姿信息；T代表周期信息。
步骤A402中，由于第二时间节点作为第一中点和第二中点之间的中点，因此第三位姿变化速度的计算公式如下：
Figure 944382DEST_PATH_IMAGE102
其中，
Figure DEST_PATH_IMAGE103
为第三位姿变化速度；
Figure 919291DEST_PATH_IMAGE068
代表第二位姿变化速度；
Figure 728984DEST_PATH_IMAGE007
代表第一位姿变化速度。
步骤A403中，第一位姿信息的计算公式如下：
Figure 345911DEST_PATH_IMAGE104
其中，
Figure 432815DEST_PATH_IMAGE106
为第一位姿信息；
Figure DEST_PATH_IMAGE107
代表第三位姿信息；
Figure 703260DEST_PATH_IMAGE103
为第三位姿变化速度；
Figure 734670DEST_PATH_IMAGE109
为激光点的生成时刻在双目事件相机的时间轴上的点的时间信息；
Figure 889707DEST_PATH_IMAGE111
为第二时间节点的时间信息；
Figure 96698DEST_PATH_IMAGE113
代表位姿变化加速度。
在一些实施方式中，第二计算模块204根据以下公式计算机器人对应每个激光点的位姿变换矩阵：
Figure DEST_PATH_IMAGE114
Figure 272464DEST_PATH_IMAGE115
Figure 932116DEST_PATH_IMAGE015
Figure 741110DEST_PATH_IMAGE016
其中，
Figure 802607DEST_PATH_IMAGE018
代表机器人对应任意一个激光点的位姿变换矩阵；
Figure 821378DEST_PATH_IMAGE075
代表机器人对应激光点的x轴坐标值；
Figure 827380DEST_PATH_IMAGE021
代表机器人对应激光点的y轴坐标值；
Figure 324221DEST_PATH_IMAGE022
代表机器人对应激光点的z轴坐标值；
Figure 240224DEST_PATH_IMAGE024
代表机器人对应激光点的横滚角；
Figure 288952DEST_PATH_IMAGE025
代表机器人对应激光点的俯仰角；
Figure 923195DEST_PATH_IMAGE076
代表机器人对应激光点的偏航角；
Figure 223727DEST_PATH_IMAGE028
代表机器人对应激光点的横滚角位姿变换矩阵；
Figure DEST_PATH_IMAGE116
代表机器人对应激光点的俯仰角位姿变换矩阵；
Figure 587712DEST_PATH_IMAGE116
代表机器人对应激光点的偏航角位姿变换矩阵；
Figure 948286DEST_PATH_IMAGE079
代表机器人对应第一个激光点的x轴坐标值；
Figure 928881DEST_PATH_IMAGE080
代表机器人对应第一个激光点的y轴坐标值；
Figure 767524DEST_PATH_IMAGE081
代表机器人对应第一个激光点的z轴坐标值；
Figure 658119DEST_PATH_IMAGE040
代表机器人对应第一个激光点的横滚角；
Figure 48649DEST_PATH_IMAGE082
代表机器人对应第一个激光点的俯仰角；
Figure DEST_PATH_IMAGE118
代表机器人对应第一个激光点的偏航角。
其中，第一位姿信息的表示形式为
Figure 126327DEST_PATH_IMAGE083
；初始位姿信息可以由双目事件相机里程计直接获取，初始位姿信息的表示形式为
Figure 893294DEST_PATH_IMAGE085
。
最后，在校正模块205中，校正前的激光点的坐标信息可以从激光雷达获取，根据每个位姿变换矩阵对对应的激光点的坐标进行校正的计算公式如下：
Figure 638396DEST_PATH_IMAGE086
其中，
Figure DEST_PATH_IMAGE119
代表机器人对应每个激光点的位姿变换矩阵；原激光点的坐标为
Figure DEST_PATH_IMAGE120
，校正后的激光点坐标为
Figure DEST_PATH_IMAGE121
。
由上可知，本申请的激光点云运动畸变校正装置，通过读取模块201读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息；对齐模块202将第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；第一计算模块203基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息；第二计算模块204根据每个第一位姿信息和初始位姿信息计算机器人对应每个激光点的位姿变换矩阵；校正模块205根据每个位姿变换矩阵对对应的激光点的坐标进行校正。通过利用双目事件相机里程计高帧率高精度的优势，使用双目事件相机里程计来替代传统的IMU传感器，解决了IMU传感器会随着时间累积增大测量误差的问题；并且在消除点云运动畸变的方法上，使用匀加速运动模型替代匀速运动模型来估计激光雷达的点云运动畸变，解决了当激光雷达在急停、快速启动以及转弯等运动状态下，传统的匀速运动模型在估计激光点云的运动畸变时容易出现较大误差的问题，有效提高了对激光点云运动畸变的校正精度，减少测量误差。
请参照图3，图3为本申请实施方式提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当计算设备运行时，处理器301执行该计算机程序，以在执行时执行上述实施方式的任一可选的实现方式中的方法，以实现以下功能：读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息；将第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息；根据每个第一位姿信息和初始位姿信息计算机器人对应每个激光点的位姿变换矩阵；根据每个位姿变换矩阵对对应的激光点的坐标进行校正。
本申请实施方式提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施方式的任一可选的实现方式中的方法，以实现以下功能：读取激光雷达采集的一帧点云数据信息，点云数据信息包含多个激光点的坐标数据和每个激光点对应的第一时间戳信息；将第一时间戳信息和双目事件相机的时间轴进行对齐，并获取机器人对应第一个激光点的初始位姿信息；基于匀加速运动模型，依据双目事件相机的时间轴，计算机器人对应每个激光点的第一位姿信息；根据每个第一位姿信息和初始位姿信息计算机器人对应每个激光点的位姿变换矩阵；根据每个位姿变换矩阵对对应的激光点的坐标进行校正。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施方式中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施方式仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
再者，在本申请各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施方式而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种激光点云运动畸变校正方法，应用于机器人，所述机器人包括双目事件相机和激光雷达，其特征在于，包括以下步骤：
S1. 读取激光雷达采集的一帧点云数据信息，所述点云数据信息包含多个激光点的坐标数据和每个所述激光点对应的第一时间戳信息；
S2. 将所述第一时间戳信息和所述双目事件相机的时间轴进行对齐，并获取所述机器人对应第一个激光点的初始位姿信息；
S3. 基于匀加速运动模型，依据所述双目事件相机的时间轴，计算所述机器人对应每个所述激光点的第一位姿信息；
S4. 根据每个所述第一位姿信息和所述初始位姿信息计算所述机器人对应每个所述激光点的位姿变换矩阵；
S5. 根据每个所述位姿变换矩阵对对应的所述激光点的坐标进行校正。
2.根据权利要求1所述的激光点云运动畸变校正方法，其特征在于，所述双目事件相机的时间轴包含多个时间节点，步骤S3包括：
S301.获取所述激光点的生成时刻在所述双目事件相机的时间轴上的前两个时间节点和后一个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点；所述激光点的生成时刻是指与所述激光点的第一时间戳信息对应的时刻；
S302.分别获取所述机器人在所述第一时间节点的第二位姿信息，所述机器人在所述第二时间节点的第三位姿信息，所述机器人在所述第三时间节点的第四位姿信息；
S303.根据所述第二位姿信息、所述第三位姿信息和所述第四位姿信息计算所述第一位姿信息。
3.根据权利要求2所述的激光点云运动畸变校正方法，其特征在于，步骤S303包括：
A1.获取所述第一时间节点和所述第二时间节点之间的第一中点，获取所述第二时间节点和所述第三时间节点之间的第二中点；
A2.获取所述双目事件相机的时间轴中时间节点的周期信息；
A3.根据所述第二位姿信息、所述第三位姿信息和所述周期信息计算所述机器人在所述第一中点的第一位姿变化速度，根据所述第三位姿信息、所述第四位姿信息和所述周期信息计算所述机器人在所述第二中点的第二位姿变化速度；
A4.根据所述第一位姿变化速度、所述第二位姿变化速度和所述周期信息计算所述第一位姿信息。
4.根据权利要求3所述的激光点云运动畸变校正方法，其特征在于，步骤A4包括：
A401.根据匀加速运动模型计算所述机器人的位姿变化加速度；
A402.根据所述第一位姿变化速度和所述第二位姿变化速度计算机器人在所述第二时间节点的第三位姿变化速度；
A403.根据所述第三位姿信息、所述第三位姿变化速度和所述位姿变化加速度计算所述第一位姿信息。
5.根据权利要求1所述的激光点云运动畸变校正方法，其特征在于，所述匀加速运动模型为：
Figure 686494DEST_PATH_IMAGE002
其中，
Figure 566857DEST_PATH_IMAGE004
代表位姿变化加速度；
Figure 53333DEST_PATH_IMAGE005
代表第二位姿变化速度；
Figure 610216DEST_PATH_IMAGE006
代表第一位姿变化速度；
Figure 595358DEST_PATH_IMAGE007
代表第二位姿信息；
Figure 263100DEST_PATH_IMAGE008
代表第四位姿信息；
Figure 604083DEST_PATH_IMAGE009
代表第三位姿信息；T代表周期信息。
6.根据权利要求1所述的激光点云运动畸变校正方法，其特征在于，步骤S4包括：根据以下公式计算所述机器人对应每个所述激光点的位姿变换矩阵：
Figure 814091DEST_PATH_IMAGE010
Figure 37262DEST_PATH_IMAGE011
Figure 508694DEST_PATH_IMAGE012
Figure 766500DEST_PATH_IMAGE013
其中，
Figure 648875DEST_PATH_IMAGE014
代表机器人对应任意一个所述激光点的位姿变换矩阵；
Figure 562604DEST_PATH_IMAGE015
代表机器人对应所述激光点的x轴坐标值；
Figure 572148DEST_PATH_IMAGE016
代表机器人对应所述激光点的y轴坐标值；
Figure 169614DEST_PATH_IMAGE017
代表机器人对应所述激光点的z轴坐标值；
Figure 504780DEST_PATH_IMAGE018
代表机器人对应所述激光点的横滚角；
Figure 436964DEST_PATH_IMAGE019
代表机器人对应所述激光点的俯仰角；
Figure 250200DEST_PATH_IMAGE020
代表机器人对应所述激光点的偏航角；
Figure 403969DEST_PATH_IMAGE021
代表机器人对应所述激光点的横滚角位姿变换矩阵；
Figure 644458DEST_PATH_IMAGE022
代表机器人对应所述激光点的俯仰角位姿变换矩阵；
Figure 63938DEST_PATH_IMAGE023
代表机器人对应所述激光点的偏航角位姿变换矩阵；
Figure 626070DEST_PATH_IMAGE024
代表机器人对应所述第一个激光点的x轴坐标值；
Figure 447395DEST_PATH_IMAGE025
代表机器人对应所述第一个激光点的y轴坐标值；
Figure 858785DEST_PATH_IMAGE026
代表机器人对应所述第一个激光点的z轴坐标值；
Figure 280408DEST_PATH_IMAGE027
代表机器人对应所述第一个激光点的横滚角；
Figure 435446DEST_PATH_IMAGE028
代表机器人对应所述第一个激光点的俯仰角；
Figure 111278DEST_PATH_IMAGE029
代表机器人对应所述第一个激光点的偏航角。
7.一种激光点云运动畸变校正装置，应用于机器人，所述机器人包括双目事件相机和激光雷达，其特征在于，包括以下模块：
读取模块，用于读取激光雷达采集的一帧点云数据信息，所述点云数据信息包含多个激光点的坐标数据和每个所述激光点对应的第一时间戳信息；
对齐模块，用于将所述第一时间戳信息和所述双目事件相机的时间轴进行对齐，并获取所述机器人对应第一个激光点的初始位姿信息；
第一计算模块，用于基于匀加速运动模型，依据所述双目事件相机的时间轴，计算所述机器人对应每个所述激光点的第一位姿信息；
第二计算模块，用于根据每个所述第一位姿信息和所述初始位姿信息计算所述机器人对应每个所述激光点的位姿变换矩阵；
校正模块，用于根据每个所述位姿变换矩阵对对应的所述激光点的坐标进行校正。
8.根据权利要求7所述的激光点云运动畸变校正装置，其特征在于，所述双目事件相机的时间轴包含多个时间节点，所述第一计算模块在基于匀加速运动模型，依据所述双目事件相机的时间轴，计算所述机器人对应每个所述激光点的第一位姿信息的时候，执行以下步骤：
S301.获取所述激光点的生成时刻在所述双目事件相机的时间轴上的前两个时间节点和后一个时间节点，依次分别标记为第一时间节点、第二时间节点和第三时间节点；所述激光点的生成时刻是指与所述激光点的第一时间戳信息对应的时刻；
S302.分别获取所述机器人在所述第一时间节点的第二位姿信息，所述机器人在所述第二时间节点的第三位姿信息，所述机器人在所述第三时间节点的第四位姿信息；
S303.根据所述第二位姿信息、所述第三位姿信息和所述第四位姿信息计算所述第一位姿信息。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-6任一项所述激光点云运动畸变校正方法中的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-6任一项所述激光点云运动畸变校正方法中的步骤。
CN202210509235.8A 2022-05-11 2022-05-11 激光点云运动畸变校正方法、装置、电子设备及存储介质 Active CN114612348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210509235.8A CN114612348B (zh) 2022-05-11 2022-05-11 激光点云运动畸变校正方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210509235.8A CN114612348B (zh) 2022-05-11 2022-05-11 激光点云运动畸变校正方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114612348A CN114612348A (zh) 2022-06-10
CN114612348B true CN114612348B (zh) 2022-07-15

Family

ID=81870631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210509235.8A Active CN114612348B (zh) 2022-05-11 2022-05-11 激光点云运动畸变校正方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114612348B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782556B (zh) * 2022-06-20 2022-09-09 季华实验室 相机与激光雷达的配准方法、系统及存储介质
CN115356740A (zh) * 2022-08-09 2022-11-18 群周科技(上海)有限公司 一种机载环境下的可降落区域降落定位方法
CN115041705B (zh) * 2022-08-16 2022-11-11 季华实验室 多激光三轴振镜校准方法、系统、设备及可读存储介质
CN116359938B (zh) * 2023-05-31 2023-08-25 未来机器人（深圳）有限公司 对象检测方法、装置及运载装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223379A (zh) * 2019-06-10 2019-09-10 于兴虎 基于激光雷达的三维点云重建方法
CN111199578A (zh) * 2019-12-31 2020-05-26 南京航空航天大学 基于视觉辅助激光雷达的无人机三维环境建模方法
CN113219440A (zh) * 2021-04-22 2021-08-06 电子科技大学 一种基于轮式里程计的激光雷达点云数据校正方法
CN113432656A (zh) * 2021-08-04 2021-09-24 海南省海洋地质调查研究院 一种珊瑚礁生态环境监测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6987797B2 (ja) * 2016-03-11 2022-01-05 カールタ インコーポレイテッド リアルタイムオンラインエゴモーション推定を有するレーザスキャナ

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223379A (zh) * 2019-06-10 2019-09-10 于兴虎 基于激光雷达的三维点云重建方法
CN111199578A (zh) * 2019-12-31 2020-05-26 南京航空航天大学 基于视觉辅助激光雷达的无人机三维环境建模方法
CN113219440A (zh) * 2021-04-22 2021-08-06 电子科技大学 一种基于轮式里程计的激光雷达点云数据校正方法
CN113432656A (zh) * 2021-08-04 2021-09-24 海南省海洋地质调查研究院 一种珊瑚礁生态环境监测系统

Also Published As

Publication number Publication date
CN114612348A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN114612348B (zh) 激光点云运动畸变校正方法、装置、电子设备及存储介质
CN110243358B (zh) 多源融合的无人车室内外定位方法及系统
WO2021232470A1 (zh) 基于多传感器融合的slam制图方法、系统
CN110873883B (zh) 融合激光雷达和imu的定位方法、介质、终端和装置
CN109100730B (zh) 一种多车协同快速建图方法
CN109084732A (zh) 定位与导航方法、装置及处理设备
CN110986988B (zh) 融合多传感器数据的轨迹推算方法、介质、终端和装置
CN107909614B (zh) 一种gps失效环境下巡检机器人定位方法
CN110570449B (zh) 一种基于毫米波雷达与视觉slam的定位与建图方法
CN113074727A (zh) 基于蓝牙与slam的室内定位导航装置及其方法
CN113358112B (zh) 一种地图构建方法及一种激光惯性里程计
CN110880189A (zh) 联合标定方法及其联合标定装置和电子设备
CN111427061A (zh) 一种机器人建图方法、装置，机器人及存储介质
CN107941217A (zh) 一种机器人定位方法、电子设备、存储介质、装置
CN112859051A (zh) 激光雷达点云运动畸变的矫正方法
WO2020019115A1 (zh) 融合建图方法、相关装置及计算机可读存储介质
CN111366153B (zh) 一种激光雷达与imu紧耦合的定位方法
CN114088087B (zh) 无人机gps-denied下高可靠高精度导航定位方法和系统
CN105116886A (zh) 一种机器人自主行走的方法
CN113933818A (zh) 激光雷达外参的标定的方法、设备、存储介质及程序产品
CN114323033B (zh) 基于车道线和特征点的定位方法、设备及自动驾驶车辆
CN107941167B (zh) 一种基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法
CN115183762A (zh) 一种机场仓库内外建图方法、系统、电子设备及介质
CN105807083A (zh) 一种无人飞行器实时测速方法及系统
CN115200572B (zh) 三维点云地图构建方法、装置、电子设备及存储介质

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