CN115015881A - 一种全向旋转的单线激光雷达装置及组网点云配准方法 - Google Patents
一种全向旋转的单线激光雷达装置及组网点云配准方法 Download PDFInfo
- Publication number
- CN115015881A CN115015881A CN202210601992.8A CN202210601992A CN115015881A CN 115015881 A CN115015881 A CN 115015881A CN 202210601992 A CN202210601992 A CN 202210601992A CN 115015881 A CN115015881 A CN 115015881A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser
- point
- registration
- laser radar
- 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.)
- Pending
Links
Images
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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种全向旋转的单线激光雷达装置及组网点云配准方法,其方案是:单线激光雷达通过摇杆与步进电机固定控制扫描平面定轴转动实现全向旋转,减小扫描平面的角位移,避免单线激光雷达的检测成像出现明显形变。通过多个装置组网后的点云数据进行配准可以解决扫描目标局部点云和目标遮挡的问题,经过采集与预处理系统点云数据、选取特征激光点集合、对特征激光点进行匹配、筛选匹配后的点云与标定三维单元格完成点云粗配准后,再使用灰狼优化算法在迭代次数较少的情况下估计出最优系统误差,实现点云配准。本发明降低了硬件成本和计算成本,扩大了检测范围和点云配准精度。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及激光雷达技术领域中一种全向旋转的单线激光雷达装置及组网的三维点云配准方法。本发明可以满足单线激光雷达对于周边环境及被测目标的全向检测,获得三维坐标信息;多雷达组网条件下,本发明中的点云配准方法可用于将多方位三维成像实测数据配准,解决目标遮挡问题。
背景技术
随着现代城市化发展,激光雷达依靠探测精度高、数据量小的优点在安防监控等领域得到快速发展,目前常用的激光雷达主要有单线激光雷达和多线激光雷达两类,单线激光雷达具有小体积、重量轻、低成本的优势,但其只含有一个收发通道,故只产生一个维度的旋转扫描面,输出二维定位信息。多线激光雷达有多个收发通道,所以它能同时得到多个旋转扫描面的信息,即实现三维检测。但其硬件成本高,且随着激光波束数量的增加,价格也随之成倍增加;数据量大导致在目标检测时计算成本高;俯仰角覆盖面小使其易出现探测盲区与目标信息局部中断等。然而人们对于三维位置数据需求的增长使得由单线激光雷达所得的二维定位信息完全无法满足。因此,在满足低成本、全方位检测且保证检测精度的前提下,利用电机、云台等硬件设备改造单线激光雷达使其旋转产生转动角以实现多线激光雷达同样的功能的方式,受到学术界和产业界的广泛关注。与此同时,单个单线激光雷达装置基于固定位置进行扫描,易出现扫描目标局部点云和目标遮挡的情况,因此不仅需要研究装置,还需要搭建多雷达组网平台,利用多方位点云数据完成配准过程。多个分散的雷达节点所得三维点云数据进行直接的三维配准会产生许多重合点,成像可读性差,且数据量成倍增加。点云配准的精准与否直接决定了目标三维检测与成像的效果。现已提出的多雷达组网的点云配准方法良莠不齐。因此多个激光雷达组网后如何进行点云配准使组网系统能够无遮挡的对目标进行立体检测也是需要关注的焦点。
深圳市镭神智能系统有限公司在其申请的专利文献“一种轨道检测系统”(申请日:2019年9月4日,申请号:201910833122.1,申请公布号:CN 110481601 A)中公开了一种全向旋转的单线激光雷达装置。该装置包括单线激光雷达、步进电机和搭载平台,其中单线激光雷达用于向扫描区域发射激光并接收由扫描区域内的物体反射返回的回波激光光束后计算得到基于激光雷达坐标系下的点云数据;步进电机用于带动搭载平台控制单线激光雷达的转动,从而实现对目标探测区域的往复扫描探测。根据单线激光雷达安装的方式确定扫描过程是沿着水平还是竖直方向。该装置存在的不足之处是,由于单线激光雷达搭载在步进电机转动的法向平面上,使其整个扫描平面随步进电机转动,扫描平面的角位移使单线激光雷达的检测成像出现较大形变,尤其在测量较远距离的目标时误差更明显;由于安装方式的不同,与步进电机通过搭载平台固定连接后的单线激光雷达装置所添加的转动角范围也存在受到水平或竖直方向上限制的问题。
哈尔滨工程大学在其申请的专利文献“一种基于激光扫描的点云配准方法”(申请日:2021年11月30日,申请号:202111447441.2,申请公布号:CN114170279A)中公开了一种三维配准方法。该方法的具体实现步骤为:第一步,通过体素滤波实现不同角度下扫描点云数据的精简;第二步,基于法线差异特征提取点云领域特征点,并利用快速点特征直方图对其进行描述;第三步,通过采样一致性算法进行点云粗配准,并利用欧式距离约束剔除错误对应点对;第四步,对特征点利用KD-tree算法搜索对应点搜索,通过法向量夹角约束提出错误点对,采用点到面的迭代最近邻点算法实现点云的精确配准。该方法存在的不足之处是,点到面的迭代最近邻点算法需要足够多的迭代次数,否则会使配准精度降低,进而对系统的三维检测效果产生较大影响。
发明内容
本发明的目的在于针对上述现有技术存在的不足,提出一种全向旋转的单线激光雷达装置及组网点云配准方法,用于解决单线激光雷达与步进电机连接转动时因转动轴未经过雷达形心而引起扫描平面随雷达天线转动时位移变化(弧形)较大的角位移变大,使单线激光雷达的检测成像出现较明显形变的问题;由于安装方式的不同,使得单线激光雷达装置的转动角范围受到水平或竖直方向上的限制的问题,以及单个单线激光雷达装置基于固定位置进行扫描,易出现扫描目标局部点云和目标遮挡的问题;多雷达组网条件下点云配准方法中精确配准算法的迭代次数问题,迭代次数过高会使计算压力增大,迭代次数过低会使配准精度降低。
本发明实现目的的思路是,采用在单线激光雷达的基础上通过摇杆与步进电机固定的连接方式,实现添加转动角得到三维坐标信息,减小扫描平面的角位移,避免单线激光雷达的检测成像出现较明显形变;步进电机控制单线激光雷达扫描平面定轴转动可实现全向旋转定位,同时步进电机的高转动角分辨率可使单线激光雷达装置在实现三维雷达功能的基础上通过数据预处理操作后产生较高的检测及成像的精度;通过对多个单线激光雷达装置组网后的点云数据进行三维配准可以解决扫描目标局部点云和目标遮挡的问题,经过采集与预处理系统点云数据、选取特征激光点集合、对特征激光点进行匹配、筛选匹配后的点云与标定三维单元格完成点云的粗配准,然后使用灰狼优化算法迭代估计最优系统误差,实现被测物体的点云配准。多雷达组网条件下点云配准方法中精确配准算法使用灰狼优化算法可以在迭代次数较少的情况下提高配准精度,保证了整个系统的三维检测效果。
本发明的全向旋转的单线激光雷达装置包括:单线激光雷达、步进电机、摇杆、控制器、蓝牙、计算机。
所述的单线激光雷达,用于采集空间内目标与雷达之间的距离和方位信息;
所述单线激光雷达通过摇杆与步进电机固定连接,步进电机的转轴通过摇杆延伸出约15cm,摇杆的另一端与单线激光雷达侧壁正中心处固定连接,通过步进电机控制单线激光雷达的扫描面俯仰转动,从而实现对被测目标及探测区域的三维往复扫描探测。
所述的控制器,用于接收蓝牙传输的控制信号,产生占空比可变的脉冲波控制步进电机转动获取与之固定连接的单线激光雷达扫描面的俯仰转向方位信息;
所述的蓝牙,用于将获取的单线激光雷达摆动信息与步进电机提供的单线激光雷达扫描面俯仰转向信息传输给计算机,用于将计算机对于步进电机的启停控制信息传输给控制器。
所述的计算机,用于完成对数据采集,并完成数据分析与验证。
本发明的组网点云配准方法是将n个全向旋转的单线激光雷达装置分散设置在未进行点云配准的环境中,将每个装置测得的数据通过蓝牙传输到计算机中进行处理,以实现组网的点云配准,其中n≥2。具体步骤如下:
步骤1,采集系统点云数据:
将至少2个全向旋转的单线激光雷达装置分散设置在未进行点云配准的环境中,形成信息采集网系统,计算机通过蓝牙将控制步进电机启停的信息分别传输给每部装置的控制器,使得各部装置同时启动;将每部装置采集到的点云数据信息,分别以矩阵形式通过蓝牙传输到计算机;
步骤2,预处理系统点云数据:
步骤2.1,对点云数据中的单线激光雷达摆动信息和单线激光雷达扫描面的俯仰转向信息依次进行坐标系转换、平移转换及尺度变换;
步骤2.2,对平移转换后的信息采集网系统所测的点云数据进行降噪及滤波处理,将随机噪声产生的孤立测量点滤除,做三维区域的先腐蚀再膨胀;
步骤2.3,利用球邻域方法求点云邻域,将信息采集网系统所测点云的每个激光点作为球心,在以该激光点为球心,半径为r的球内包含k个点,该球即为该激光点的邻域集合,半径r由采集空间大小和点云个数比值决定确定,k为信息采集网系统中的装置数量值的3倍;该邻域集合即为所求激光点的点云邻域;
步骤2.4,求每个点云邻域的点云法向量,利用主成分分析法,求信息采集网系统所测点云的每个激光点的协方差矩阵,采用奇异值分解法对该矩阵求取特征向量和特征值,选择最小的特征值所对应的特征向量,该特征向量即为所求的点云法向量;
步骤3,选取特征激光点集合:
通过K近邻算法,计算信息采集网系统所测点云的每个激光点与其邻域集合中的所有激光点的算数平均夹角,该平均夹角的大小表征点云曲面区域的起伏,通过阈值筛选算数平均夹角提取出点云法向量变化较大的区域;保留算数平均夹角大于阈值的所有激光点并将其作为选取的特征激光点集合;
步骤4,对特征激光点进行匹配:
利用计算点云相似特征向量的方法寻找匹配的特征激光点,计算信息采集网系统中每个装置分别测得的特征激光点特征向量间的欧氏距离,保留欧氏距离小于所有欧氏距离均值的二分之一的特征激光点,完成特征激光点匹配;
步骤5,筛选匹配后的点云:
筛选信息采集网系统中每个装置分别测得的特征激光点中小于阈值的特征激光点,将所有筛选出的特征激光点作为初始匹配点;完成一次筛选后,进一步筛选出满足刚体变换的距离不变性的初始匹配点,保留两次筛选后的配准点云,完成匹配后的点云筛选;
步骤6,标定三维单元格:
将信息采集网系统所检测的空间分割为边长为Δd的三维单元格,边长Δd依据检测空间中激光点数量的密度决定,该检测空间的矩阵形式表示为M;从已配准点云中选取一个未被选取过的激光点,如果该激光点与某一三维单元格的中心距离小于设定阈值则将该三维单元格标定为1,否则为0;此时三维矩阵M中标定为1的点表示空间中在此处有物体存在;
自此点云配准的粗配准环节完成,为迭代过程提供了初始位置;
步骤7,使用灰狼优化算法迭代估计最优系统误差:
步骤7.1,从已配准点云中选取一个未选过的激光点,计算该点和所有未配准点的系统误差;
步骤7.2,升序排列系统误差的值,选出升序序列中的前3个值所对应的未配准激光点,作为该已配准激光点在精确配准时使用灰狼优化算法的3个候选解;
步骤7.3,更新已配准激光点与每个未配准激光点的系统误差;
步骤7.4,从已配准点云中选取一个未选过的激光点,将所选激光点的所有系统误差的最小值作为该激光点的配准系统误差;
步骤7.5,将每个未配准激光点的坐标值与所选激光点的配准系统误差之和,作为每个未配准激光点经所选激光点的配准系统误差修正后的坐标值;
步骤7.6,将每个修正后的未配准激光点和已配准点云中与该激光点最近的激光点之间的距离作为配准距离;
步骤7.7,对所有配准和进行降序排列,用生成的U个均值为0、方差为rq max的随机数替换降序序列的前V个值所对应的未配准激光点的系统误差值,该配准和是每个已配准激光点的所有配准距离之和。U=μNp,μ表示随迭代次数增多从2到0线性递减的迭代参数,V=U;
步骤7.8,判断所有配准和中的最小值是否小于阈值,若是,则执行步骤7.9,否则,执行步骤7.1;
步骤7.9,将配准和的最小值所对应的系统误差作为最优系统误差,将每个未配准激光点的坐标值与最优系统误差之和作为该未配准激光点配准后的坐标值;
步骤7.10,判断信息采集网系统中各部装置的步进电机旋转一周所测得的一帧激光点云中是否仍存在没有配准的激光点,若是,则执行步骤7.1,否则,执行步骤8;
步骤8,输出帧配准后的图像。
本发明与现有技术相比具有以下优点:
第一,由于本发明装置中的数据采集节点部分是由单线激光雷达通过摇杆与步进电机固定连接,以添加转动角的方式将二维探测区域扩展到三维,对比商用三维激光雷达在实现同样功能的基础上大大降低了硬件成本;扫描平面的角位移较小可避免单线激光雷达的检测成像出现较明显形变;步进电机控制单线激光雷达扫描平面定轴转动可实现全向旋转定位,同时步进电机的高转动角分辨率可使单线激光雷达装置在实现三维雷达功能的基础上通过点云坐标变换及滤波等操作后产生较高的检测及成像的精度,使得本发明的装置具有硬件成本低、可实现全向高精度检测的优点。
第二,由于本发明的三维点云配准方法是通过对多个单线激光雷达装置组网后的点云数据进行配准,可以解决扫描目标局部点云和目标遮挡的问题,经过点云的粗配准后利用灰狼优化算法中对点云进行迭代完成精确配准,实现被测物体的三维立体成像。多雷达组网条件下点云配准方法中精确配准算法使用灰狼优化算法克服了迭代次数过多造成的计算量大的问题,使得本发明的三维配准方法可以在迭代次数较少的情况下仍然具有较高的配准精度,进而保证了整个系统的三维检测效果。
附图说明
图1为本发明装置的示意图;
图2为本发明组网点云配准方法的流程图;
图3为本发明的装置对目标的三维检测效果图;
图4为本发明两个装置组网后对目标的三维检测效果图;
图5为本发明四个装置组网后对目标的三维检测效果图。
具体实施方式
下面结合附图和实施例对本发明做进一步的描述。
参照图1和实施例,对本发明的全向旋转的单线激光雷达装置做进一步的描述。
本发明的实施例的全向旋转的单线激光雷达装置包括:单线激光雷达、步进电机、摇杆、控制器、蓝牙、计算机。
所述单线激光雷达用于采集空间内目标与雷达之间的距离和方位信息。单束激光发射器在激光雷达内部进行匀速的旋转,每旋转一个小角度即发射一次激光,轮巡一定的角度后,就生成了一帧完整的数据。因此,单线激光雷达的数据可以看做是同一高度的一排点阵。单线激光雷达的数据缺少一个维度,只能描述线状信息,无法描述面。例如已知单线激光雷达的面前有一块纸板,并且知道这块纸板相对单线激光雷达的距离和偏转角,但是这块纸板的高度信息无从得知。若是改变单线激光雷达的扫描面角度,则可以测得每帧点云数据间的高度差,进而得出纸板高度,即在每一时刻可得到被测目标相对单线激光雷达的距离、偏转角以及单线激光雷达的扫描面相对于水平面或竖直面的旋转角度,构成一个三维点云信息。
所述单线激光雷达通过摇杆与步进电机固定连接,步进电机的转轴通过摇杆延伸出约15cm,摇杆的另一端与单线激光雷达侧壁正中心处固定连接,通过步进电机控制单线激光雷达的扫描面俯仰转动。步进电机的角度转动范围为0°-360°,角度分辨率约为0.1125°,步进电机的旋转角度即单线激光雷达扫描面的旋转角度,因此本发明装置可实现对被测目标及探测区域的三维往复扫描探测。探测完成后单线激光雷达与步进电机的数据通过蓝牙传输到计算机进行处理。
所述控制器,用于接收蓝牙传输的控制信号,产生占空比可变的脉冲波控制步进电机转动获取与之固定连接的单线激光雷达扫描面的俯仰转向方位信息。控制器产生的波形频率用于控制电机的运转速率,其波形频率越高,电机旋转速度越快。控制器产生的脉冲数用于控制步进电机的旋转角度,控制器内部的定时器用于记录步进电机运动的时间,通过脉冲数和时间信息可以得到俯仰角度。
所述的蓝牙,用于将获取的单线激光雷达摆动信息与步进电机提供的单线激光雷达扫描面俯仰转向信息传输给计算机,用于将计算机对于步进电机的启停控制信息传输给控制器。蓝牙由发送器和接收器两部分组成,二者采用同一波特率作为通信速率,上电后自动配对,然后进行数据传输。
所述的计算机,用于完成对数据采集,并完成数据分析与验证。数据可以通过计算机进行接收,计算机可以通过发送指令来控制数据是否接收。随后将接收的数据进行分析与建图,对三维点云图像进行观察分析,可以看出数据能否对场景进行三维成像。
本发明装置经过多次实验,可满足目标检测和成像需求,线束为144(其值远大于多线激光雷达线束)、角度分辨率为0.625°,能在0-180°俯仰范围内进行旋转扫描,实现360°全向旋转探测。该平台角度分辨率低、俯仰范围大,且在三维成像效果上优于商用多线激光雷达,同时本发明装置的费用仅为Velodyne公司16线激光雷达的2%,在室内安防中具有较大实用价值和应用意义。
本发明的组网点云配准方法是将Q个全向旋转的单线激光雷达装置分散设置在未进行点云配准的环境中,将每个装置测得的数据通过蓝牙传输到计算机中进行处理,以实现组网的点云配准,其中Q≥2。
本发明的实施例是将两部相同的本发明装置分别放置于室内的相对的两个角点,形成信息采集网系统,利用本发明的方法对同一时刻下各个装置测得的数据进行点云配准处理。
下面参照图2和本发明的实施例,对本发明的全向旋转的单线激光雷达装置组网点云配准方法作进一步的描述。
步骤1,采集系统点云数据。
在信息采集网系统中,计算机通过蓝牙将控制步进电机启停的信息分别传输给两部装置的控制器,使得两部装置同时启动。将两部装置采集到的点云数据信息,分别以矩阵形式通过蓝牙传输到计算机中。
步骤2,预处理系统点云数据。
步骤2.1,坐标系转换。
计算机接收来自每部装置测得的单线激光雷达摆动信息,以及步进电机提供的单线激光雷达扫描面的俯仰转向信息,由于这些信息来自不同方位,即不在同一坐标系下,不利于点云配准,因此需要将雷达摆动信息和俯仰转向信息进行坐标系转换,使得二者处于同一空间直角坐标系中。
步骤2.2,平移转换。
将信息采集网系统中的一个装置作为参考点云采集装置,另一个作为测试点云采集装置。将测试点云的坐标平移到参考点云的坐标下,通过平移转换,可以使点云图像得到平移,从而达到两片点云坐标的一致性,纠正点云错位的问题。
步骤2.3,尺度变换。
为了解决点云形变(拉伸或挤压)问题,将测试点云的坐标通过尺度变换到参考点云的坐标下,使点云成像更准确,尺度变换中的缩放比例参数依据测试点云与参考点云的点间距离的比值确定。
步骤2.4,降噪及滤波处理。
对信息采集网系统所测的点云数据进行降噪及滤波处理,使点云数据能够更加真实地反映环境中的距离信息。将随机噪声产生的孤立测量点滤除,做三维区域的先腐蚀再膨胀,即可滤除这些孤立测量点。
步骤2.5,利用球邻域方法求点云邻域。
将信息采集网系统所测点云的每个激光点作为球心,在以该激光点为球心,半径为r的球内包含k个点,该球即为该激光点的邻域集合,半径r由采集空间大小和点云个数比值决定确定,k为信息采集网系统中的装置数量值的3倍。该邻域集合即为所求激光点的点云邻域。
步骤2.6,求每个点云邻域的点云法向量。
利用主成分分析法,求信息采集网系统所测点云的每个激光点的协方差矩阵,采用奇异值分解法对该矩阵求取特征向量和特征值,选择最小的特征值所对应的特征向量,该特征向量即为所求的点云法向量。
步骤3,选取特征激光点集合。
通过K近邻算法,计算信息采集网系统所测点云的每个激光点与其邻域集合中的所有激光点的算数平均夹角,该平均夹角的大小表征点云曲面区域的起伏,通过阈值筛选算数平均夹角提取出点云法向量变化较大的区域。保留算数平均夹角大于阈值的所有激光点并将其作为选取的特征激光点集合。本发明的实施例中阈值为信息采集网系统所测点云中每个激光点与其邻域集合中的所有激光点的算数平均夹角的均值。
步骤4,特征激光点匹配。
利用计算点云相似特征向量的方法寻找匹配的特征激光点,计算信息采集网系统中两个装置分别测得的特征激光点特征向量间的欧氏距离,保留欧氏距离小于所有欧氏距离均值的二分之一的特征激光点,完成特征激光点匹配。
步骤5,匹配后点云筛选。
筛选信息采集网系统中两个装置分别测得的特征激光点中小于阈值的特征激光点,将所有筛选出的特征激光点作为初始匹配点。本发明的实施例中阈值设为每个被测目标点在信息采集网系统中两个装置所测点云中的位置间距离的均值。完成一次筛选后,进一步筛选出满足刚体变换的距离不变性的初始匹配点,保留两次筛选后的配准点云,完成匹配后的点云筛选。
步骤6,标定三维单元格。
将信息采集网系统所检测的空间分割为边长为Δd的三维单元格,边长Δd依据检测空间中激光点数量的密度决定,该检测空间的矩阵形式表示为M。从已配准点云中选取一个未被选取过的激光点,如果该激光点与某一三维单元格的中心距离小于设定阈值则将该三维单元格标定为1,否则为0。此时三维矩阵M中标定为1的点表示空间中在此处有物体存在。
自此点云配准的粗配准环节完成,为迭代过程提供了初始位置。
步骤7,使用灰狼优化算法迭代估计最优系统误差。
步骤7.1,每个系统误差是在未配准点云中的一个激光点与该激光点在已标定的三维立方体中对应的已配准激光点之间的六维位置变化增量,该系统误差是在未配准激光点沿X,Y,Z轴平移一定距离,绕X,Y,Z轴旋转一定角度后到达已配准激光点的位置时产生的。按照下式,生成初始系统误差:
Snq=Siq+ξ(rq max)
其中,Snq表示第n个未配准激光点的第q维系统误差,q=1,2,...,6,Siq表示初始系统误差的第q维期望值,本发明实施例中将Siq设置为0,ξ(rq max)表示生成的均值为0、方差为rq max的随机数,rq max为所有系统误差的最大值。
步骤7.2,从已配准点云中选取一个未选过的激光点,计算该点和所有未配准点的系统误差。
步骤7.3,升序排列系统误差的值,选出升序序列中的前3个值所对应的未配准激光点,作为该已配准激光点在精确配准时使用灰狼优化算法的3个候选解。
步骤7.4,按照下式,更新已配准激光点与每个未配准激光点的系统误差:
其中,Sn'q表示第n个未配准激光点的第q个维度的更新后系统误差,n=1,...,NP,NP表示点云中未配准激光点的总数。j表示灰狼优化算法的第j个候选解,Sjq表示第j个候选解的第q维系统误差,ε表示控制系数向量,随迭代次数增多从2到0线性递减,τ表示[0,1]中的随机向量,表示均值为0、方差为的随机数。
步骤7.5,从已配准点云中选取一个未选过的激光点,将所选激光点的所有系统误差的最小值作为该激光点的配准系统误差。
步骤7.6,将每个未配准激光点的坐标值与所选激光点的配准系统误差之和,作为每个未配准激光点经所选激光点的配准系统误差修正后的坐标值。
步骤7.7,将每个修正后的未配准激光点和已配准点云中与该激光点最近的激光点之间的距离作为配准距离。
步骤7.8,对所有配准和进行降序排列,用生成的U个均值为0、方差为rq max的随机数替换降序序列的前V个值所对应的未配准激光点的系统误差值,该配准和是每个已配准激光点的所有配准距离之和。U=μNp,μ表示随迭代次数增多从2到0线性递减的迭代参数,V=U。
步骤7.9,判断所有配准和中的最小值是否小于阈值,若是,则执行步骤7.10,否则,执行步骤7.2。本发明实施例中配准和的阈值设为0.002m。
步骤7.10,将配准和的最小值所对应的系统误差作为最优系统误差,将每个未配准激光点的坐标值与最优系统误差之和作为该未配准激光点配准后的坐标值。
步骤7.11,判断信息采集网系统中各部装置的步进电机旋转一周所测得的一帧激光点云中是否仍存在没有配准的激光点,若是,则执行步骤7.2,否则,执行步骤8。
步骤8,输出帧配准后的图像。
下面结合仿真实验对本发明的效果做进一步的描述。
1.仿真实验条件:
本发明的仿真实验的硬件平台为:处理器为Intel(R)Core(TM)i5-3470 CPU,主频为3.20GHz,内存8GB。
本发明的仿真实验的软件平台为Windows 10操作系统和MatlabR2021b,接收雷达数据软件为专用测试软件Delta_1A.exe。
本发明装置中使用42型步进电机(3200脉冲/转)加TB6600驱动器组合作为旋转装置。测试电流为1A,蓝牙通信采用两个蓝牙HC05:通信波特率均采用230400波特率,8位数据位,1位停止位,其中发送端蓝牙A接采集端主控制器,配置为主机模式,接收端蓝牙B接电脑端,配置为从机模式。降压稳压电源采用75W/5A大功率降压电路(输入电压为4-38V,输出可达1.25-36V连续可调)。
2.仿真内容与结果分析:
本发明共有3个仿真实验,实验内容分别为:实验一采用单个本发明装置对室内环境中的目标进行监测、区分;实验二采用两个本发明装置组网对目标进行三维联合探测,验证本发明方法对于静态目标探测的可行性;实验三采用四个本发明装置组网对目标进行全方位检测,验证本发明方法在增加数据源数量的情况下的精度变化;
实验一,基于上述实验条件,用本发明场景中设计的全向旋转的单线激光雷达装置获取周围环境(存在站立的人与带扶手椅子的房间)的点云数据,并对点云数据进行分析提取。数据获取后需要将极坐标下测量点转为空间坐标系下进行分析和处理,得到本发明装置在扫描过程中扫描面俯仰转动角度随采样点个数增长的变化趋势,如图3所示。所测点云中的激光点在极坐标内表示为(d,θ,φ),其中扫描距离为d,扫描角度为θ,电机旋转角度为φ。
下面结合图3的仿真图对本发明装置的效果做进一步的描述。
图3(a)为本发明装置在扫描过程中扫描面俯仰转动角度随采样点个数增长的变化图。其中,横坐标表示雷达装置采样点个数,单位为104,纵坐标为雷达装置扫描面俯仰角,单位为度。图3(b)为本发明装置在扫描过程中随采样点个数增长遇被测目标后的激光反射距离图。其中,横坐标表示雷达装置采样点个数,单位为104,纵坐标为激光反射距离,单位为毫米。图3(c)与图3(d)分别为本发明装置探测出的站立人目标与带扶手椅子的三维点云图,XYZ轴坐标单位为米。
由图3(a)可以看出,本发明装置中步进电机带动单线激光雷达扫描面旋转角度为:0至90度,90度至0度,每个采样间隔0.625°,比现有商用三维激光雷达的角分辨率高。
由图3(b)可以看出,本发明装置扫描一个周期共扫描到144圈,即有144根激光波束照射到室内场景中,其激光波束的个数是16线激光雷达的7.6倍。在扫描中,激光雷达遇到被测目标障碍返回信号,其中扫描最远距离为7m。
由图3(c)和图3(d)中不同的颜色深浅代表本发明装置在一个三维探测周期中不同时刻的探测信息,可以直观的看出本发明装置可对物体轮廓实现全方位无死角无遮挡探测。本发明装置可实现与现有商用三维激光雷达同等的功能,扫描平面的角位移不会使检测图像产生较明显形变,在探测物体时分辨率可达厘米级。基于本实验,可以证明本发明所提出装置的可行性,本发明装置具有硬件成本低、可实现全向高精度检测的优点。
实验二,基于上述实验条件,单节点探测只能对物体正面进行成像,但无法对背面进行探测,成像存在视野上的盲区,为了获取探测目标更多的细节信息,本实验使用两个本发明装置组网,形成信息采集网系统,对目标进行三维联合探测,得到探测点云结果,如图4所示。
下面结合图4的仿真图对本发明装置的效果做进一步的描述。
图4(a)为在被测物体正面视角下,信息采集网系统利用本发明方法对被测物体配准的效果图,图4(b)为在被测物体背面视角下,信息采集网系统利用本发明方法对被测物体配准的效果图,图中深色与浅色分别代表信息采集网系统中两个装置测得的点云。图4(c)为被测目标实物图。
由图4的三个图对比可以看到信息采集网中两个分散的本发明装置所测得的点云数据,经过本发明的组网点云配准方法配准后可实现被测物体的三维成像。
基于以上两个实验,可以证明本发明装置及方法能对被测物体的轮廓信息进行三维检测。
实验三,基于上述实验条件,为验证信息采集网中本发明装置的数量增加时本发明方法的性能,本次实验利用四个本发明装置进行组网,形成信息采集网,对目标四个方向进行扫描。利用本发明方法对多方向雷达数据进行三维配准得到的点云图像,如图5所示。为量化目标实际轮廓尺寸与实验采集的点云图像的误差,实验中目标使用沙发和圆桌,对沙发和圆桌进行实测并记录其尺寸信息。利用四方位雷达扫描与单方位雷达扫描得到点云信息与实测尺寸信息的对比,如表1和表2所示。
下面结合图5对多个本发明装置组网后本发明方法针对目标的检测及跟踪效果做进一步的描述。
沙发与圆桌的尺寸标注代号如图5(a)所示,与表1及表2的四方位与单方位中实际尺寸测量所对应。图5(b)为四个本发明装置组网条件下整个大场景下点云配准结果。图5(c)表明人体目标真实图像与四方位雷达所测点云数据一一对应,图5(d)为四个本发明装置所测的点云数据,颜色不同代表装置不同。
表1
表2
由图5可以看出,四个本发明装置组网后不仅可以使点云图像获得更多有效的目标点云信息,并且可以在各个方向对目标进行检测配准,使得目标更加接近于原始形状,验证了本发明方法在雷达装置数量增加时仍能保证较高的检测精度。
由表1可以看出,四方位本发明装置实验采集的点云可以得出其目标尺寸误差约为2cm左右,其点云成像点数共计33485个点。
由表2可以看出,,单方位本发明装置采集的点云其尺寸误差约为5-18cm,其点云成像点数共计9453个点。
通过对比,单个本发明装置扫描目标会因为点云数目较少而使得目标扫描不完整从而出现与真实的尺寸相差过大的情形。由于多个本发明装置组网扫描目标可以使点云拥有更多的点数,使得目标成像效果更接近于真实的尺寸,且本发明的组网三维配准方法可使多个本发明装置组网条件下的测量误差及误差百分比都有明显降低。
以上仿真实验表明:本发明装置中的数据采集节点部分是由单线激光雷达通过摇杆与步进电机固定连接,以添加转动角的方式将二维探测区域扩展到三维,对比商用三维激光雷达在实现同样功能的基础上大大降低了硬件成本;扫描平面的角位移较小可避免单线激光雷达的检测成像出现较明显形变;步进电机控制单线激光雷达扫描平面定轴转动可实现全向旋转定位,同时步进电机的高转动角分辨率可使单线激光雷达装置在实现三维雷达功能的基础上通过点云坐标变换及滤波等操作后产生较高的检测及成像的精度,使得本发明的装置具有硬件成本低、可实现全向高精度检测的优点。本发明的三维点云配准方法是通过对多个单线激光雷达装置组网后的点云数据进行配准,可以解决扫描目标局部点云和目标遮挡的问题,本发明方法中的精确配准算法使用灰狼优化算法克服了迭代次数过多造成的计算量大的问题,使得本发明的三维配准方法可以在迭代次数较少的情况下仍然具有较高的配准精度,进而保证了整个系统的三维检测效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (6)
1.一种全向旋转的单线激光雷达装置,包括单线激光雷达、步进电机、摇杆、控制器、蓝牙、计算机;其特征在于,所述单线激光雷达通过摇杆与步进电机固定连接,以添加转动角的方式将二维探测区域扩展到三维,步进电机控制单线激光雷达扫描平面定轴转动实现全向旋转定位;其中,
所述的单线激光雷达,用于采集空间内目标与雷达之间的距离和方位信息;
所述单线激光雷达通过摇杆与步进电机固定连接,步进电机的转轴通过摇杆延伸出一定距离,摇杆的另一端与单线激光雷达侧壁正中心处固定连接,通过步进电机控制单线激光雷达的扫描面俯仰转动,往复扫描探测被测目标及探测区域,探测完成后单线激光雷达与步进电机的数据通过蓝牙传输到计算机进行处理;
所述控制器,用于接收蓝牙传输的控制信号,产生占空比可变的脉冲波控制步进电机转动获取与之固定连接的单线激光雷达扫描面的俯仰转向方位信息;
所述蓝牙,用于将获取的单线激光雷达摆动信息与步进电机提供的单线激光雷达扫描面俯仰转向信息传输给计算机,用于将计算机对于步进电机的启停控制信息传输给控制器;
所述计算机,用于完成对数据采集,并完成数据分析与验证。
2.根据权利要求1所述装置的一种全向旋转的单线激光雷达装置组网点云配准方法,其特征在于,将至少2个全向旋转的单线激光雷达装置分散设置在未进行点云配准的环境中,形成信息采集网系统;对系统获得的点云数据依次进行坐标系转换、平移转换预处理,完成点云的粗配准后,使用灰狼优化算法迭代估计最优系统误差,实现被测物体的点云配准,该点云配准方法的步骤包括如下:
步骤1,采集系统点云数据:
将至少2个全向旋转的单线激光雷达装置分散设置在未进行点云配准的环境中,形成信息采集网系统,计算机通过蓝牙将控制步进电机启停的信息分别传输给每部装置的控制器,使得各部装置同时启动;将每部装置采集到的点云数据信息,分别以矩阵形式通过蓝牙传输到计算机;
步骤2,预处理系统点云数据:
步骤2.1,对点云数据中的单线激光雷达摆动信息和单线激光雷达扫描面的俯仰转向信息依次进行坐标系转换、平移转换及尺度变换;
步骤2.2,对平移转换后的信息采集网系统所测的点云数据进行降噪及滤波处理,将随机噪声产生的孤立测量点滤除,做三维区域的先腐蚀再膨胀;
步骤2.3,利用球邻域方法求点云邻域,将信息采集网系统所测点云的每个激光点作为球心,在以该激光点为球心,半径为r的球内包含k个点,该球即为该激光点的邻域集合,半径r由采集空间大小和点云个数比值决定确定,k为信息采集网系统中的装置数量值的3倍;该邻域集合即为所求激光点的点云邻域;
步骤2.4,求每个点云邻域的点云法向量,利用主成分分析法,求信息采集网系统所测点云的每个激光点的协方差矩阵,采用奇异值分解法对该矩阵求取特征向量和特征值,选择最小的特征值所对应的特征向量,该特征向量即为所求的点云法向量;
步骤3,选取特征激光点集合:
通过K近邻算法,计算信息采集网系统所测点云的每个激光点与其邻域集合中的所有激光点的算数平均夹角,该平均夹角的大小表征点云曲面区域的起伏,通过阈值筛选算数平均夹角提取出点云法向量变化较大的区域;保留算数平均夹角大于阈值的所有激光点并将其作为选取的特征激光点集合;
步骤4,对特征激光点进行匹配:
利用计算点云相似特征向量的方法寻找匹配的特征激光点,计算信息采集网系统中每个装置分别测得的特征激光点特征向量间的欧氏距离,保留欧氏距离小于所有欧氏距离均值的二分之一的特征激光点,完成特征激光点匹配;
步骤5,筛选匹配后的点云:
筛选信息采集网系统中每个装置分别测得的特征激光点中小于阈值的特征激光点,将所有筛选出的特征激光点作为初始匹配点;完成一次筛选后,进一步筛选出满足刚体变换的距离不变性的初始匹配点,保留两次筛选后的配准点云,完成匹配后的点云筛选;
步骤6,标定三维单元格:
将信息采集网系统所检测的空间分割为边长为Δd的三维单元格,边长Δd依据检测空间中激光点数量的密度决定,该检测空间的矩阵形式表示为M;从已配准点云中选取一个未被选取过的激光点,如果该激光点与某一三维单元格的中心距离小于设定阈值则将该三维单元格标定为1,否则为0;此时三维矩阵M中标定为1的点表示空间中在此处有物体存在;
自此点云配准的粗配准环节完成,为迭代过程提供了初始位置;
步骤7,使用灰狼优化算法迭代估计最优系统误差:
步骤7.1,从已配准点云中选取一个未选过的激光点,计算该点和所有未配准点的系统误差;
步骤7.2,升序排列系统误差的值,选出升序序列中的前3个值所对应的未配准激光点,作为该已配准激光点在精确配准时使用灰狼优化算法的3个候选解;
步骤7.3,更新已配准激光点与每个未配准激光点的系统误差;
步骤7.4,从已配准点云中选取一个未选过的激光点,将所选激光点的所有系统误差的最小值作为该激光点的配准系统误差;
步骤7.5,将每个未配准激光点的坐标值与所选激光点的配准系统误差之和,作为每个未配准激光点经所选激光点的配准系统误差修正后的坐标值;
步骤7.6,将每个修正后的未配准激光点和已配准点云中与该激光点最近的激光点之间的距离作为配准距离;
步骤7.7,对所有配准和进行降序排列,用生成的U个均值为0、方差为rq max的随机数替换降序序列的前V个值所对应的未配准激光点的系统误差值,该配准和是每个已配准激光点的所有配准距离之和,U=μNp,μ表示随迭代次数增多从2到0线性递减的迭代参数,V=U;
步骤7.8,判断所有配准和中的最小值是否小于阈值,若是,则执行步骤7.9,否则,执行步骤7.1;
步骤7.9,将配准和的最小值所对应的系统误差作为最优系统误差,将每个未配准激光点的坐标值与最优系统误差之和作为该未配准激光点配准后的坐标值;
步骤7.10,判断信息采集网系统中各部装置的步进电机旋转一周所测得的一帧激光点云中是否仍存在没有配准的激光点,若是,则执行步骤7.1,否则,执行步骤8;
步骤8,输出帧配准后的图像。
3.根据权利要求2所述一种全向旋转的单线激光雷达装置组网点云配准方法,其特征在于,步骤2.1中所述的坐标系转换指的是,将点云数据中的单线激光雷达摆动信息和单线激光雷达扫描面的俯仰转向信息进行坐标系转换,使得二者处于同一空间直角坐标系中。
4.根据权利要求2所述一种全向旋转的单线激光雷达装置组网点云配准方法,其特征在于,步骤2.1中所述平移转换指的是,将信息采集网系统中的一个装置作为参考点云采集装置,其他装置作为测试点云采集装置,将测试点云的坐标平移到参考点云的坐标下。
5.根据权利要求2所述一种全向旋转的单线激光雷达装置组网点云配准方法,其特征在于,步骤2.1中所述尺度变换指的是,将测试点云的坐标通过尺度变换到参考点云的坐标下,尺度变换中的缩放比例参数依据测试点云与参考点云的点间距离的比值确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210601992.8A CN115015881A (zh) | 2022-05-30 | 2022-05-30 | 一种全向旋转的单线激光雷达装置及组网点云配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210601992.8A CN115015881A (zh) | 2022-05-30 | 2022-05-30 | 一种全向旋转的单线激光雷达装置及组网点云配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115015881A true CN115015881A (zh) | 2022-09-06 |
Family
ID=83071116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210601992.8A Pending CN115015881A (zh) | 2022-05-30 | 2022-05-30 | 一种全向旋转的单线激光雷达装置及组网点云配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115015881A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116164648A (zh) * | 2023-04-20 | 2023-05-26 | 武汉嘉晨电子技术有限公司 | 一种bdu汽车线束连接器端子自动检测方法 |
CN116228831A (zh) * | 2023-05-10 | 2023-06-06 | 深圳市深视智能科技有限公司 | 耳机接缝处的段差测量方法及系统、校正方法、控制器 |
CN116246121A (zh) * | 2023-05-12 | 2023-06-09 | 山东科技大学 | 一种基于改进最远点采样的点云数据处理方法 |
CN117359644A (zh) * | 2023-12-04 | 2024-01-09 | 四川福莫斯工业技术有限公司 | 一种基于机器人的点激光发射点位姿标定方法及系统 |
-
2022
- 2022-05-30 CN CN202210601992.8A patent/CN115015881A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116164648A (zh) * | 2023-04-20 | 2023-05-26 | 武汉嘉晨电子技术有限公司 | 一种bdu汽车线束连接器端子自动检测方法 |
CN116228831A (zh) * | 2023-05-10 | 2023-06-06 | 深圳市深视智能科技有限公司 | 耳机接缝处的段差测量方法及系统、校正方法、控制器 |
CN116228831B (zh) * | 2023-05-10 | 2023-08-22 | 深圳市深视智能科技有限公司 | 耳机接缝处的段差测量方法及系统、校正方法、控制器 |
CN116246121A (zh) * | 2023-05-12 | 2023-06-09 | 山东科技大学 | 一种基于改进最远点采样的点云数据处理方法 |
CN116246121B (zh) * | 2023-05-12 | 2023-08-11 | 山东科技大学 | 一种基于改进最远点采样的点云数据处理方法 |
CN117359644A (zh) * | 2023-12-04 | 2024-01-09 | 四川福莫斯工业技术有限公司 | 一种基于机器人的点激光发射点位姿标定方法及系统 |
CN117359644B (zh) * | 2023-12-04 | 2024-02-27 | 四川福莫斯工业技术有限公司 | 一种基于机器人的点激光发射点位姿标定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115015881A (zh) | 一种全向旋转的单线激光雷达装置及组网点云配准方法 | |
CN107862293B (zh) | 基于对抗生成网络的雷达生成彩色语义图像系统及方法 | |
CN106248340B (zh) | 一种基于三维超声成像技术的风洞模型3d冰形在线测量方法 | |
CN107632308B (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
CN111427047B (zh) | 一种大场景下自主移动机器人slam方法 | |
Park et al. | Radar localization and mapping for indoor disaster environments via multi-modal registration to prior LiDAR map | |
CN110260820B (zh) | 基于动态参考坐标系的水下双目立体视觉测量系统及方法 | |
CN109598765A (zh) | 基于球形标定物的单目相机与毫米波雷达外参联合标定方法 | |
CN110568433A (zh) | 基于毫米波雷达的高空抛物检测方法 | |
JP6756889B1 (ja) | 渦検出装置、渦検出方法、プログラム及び学習済モデル | |
CN112083417A (zh) | 基于波数域拼接的分布式雷达成像拓扑设计方法 | |
CN116953653B (zh) | 一种基于多波段天气雷达组网回波外推方法 | |
CN110146881A (zh) | 一种基于改进全变差的扫描雷达超分辨成像方法 | |
CN115081240A (zh) | 一种提升仿真激光雷达数据真实性的点云数据处理方法 | |
CN111694009B (zh) | 一种定位系统、方法以及装置 | |
US8510078B2 (en) | Method and system for registering an object with a probe using entropy-based motion selection and Rao-Blackwellized particle filtering | |
CN116500648A (zh) | 一种地基激光雷达目标区风廓线反演方法 | |
CN109448060A (zh) | 一种基于蝙蝠算法的相机标定参数优化方法 | |
CN113359196B (zh) | 基于子空间法和dbf的多目标生命体征探测方法 | |
CN115343698A (zh) | 一种毫米波测距优化方法及系统 | |
US11500086B2 (en) | System and method for tracking a deformation | |
Steder et al. | Maximum likelihood remission calibration for groups of heterogeneous laser scanners | |
Lindzey et al. | Extrinsic calibration between an optical camera and an imaging sonar | |
Chantler et al. | Optical and acoustic range sensing for underwater robotics | |
CN117129979B (zh) | 一种基于机器学习模型的激光雷达标定方法及系统 |
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 |