CN115876222A - 基于图优化的imu/相机/激光雷达联合标定方法 - Google Patents
基于图优化的imu/相机/激光雷达联合标定方法 Download PDFInfo
- Publication number
- CN115876222A CN115876222A CN202211582531.7A CN202211582531A CN115876222A CN 115876222 A CN115876222 A CN 115876222A CN 202211582531 A CN202211582531 A CN 202211582531A CN 115876222 A CN115876222 A CN 115876222A
- Authority
- CN
- China
- Prior art keywords
- imu
- camera
- laser radar
- rotation
- point
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于图优化的IMU/相机/激光雷达联合标定方法,具体步骤包括:首先,根据IMU信息拟合旋转B样条曲线,并采用NDT算法估计雷达旋转,初始化IMU/雷达旋转外参;接着,采用特征点算法估计相机旋转,初始化IMU/相机旋转外参、重力、尺度因子、陀螺仪零偏;然后,采用棋盘格标定板,根据视觉特征点和激光雷达面距离最小构建目标函数,初始化雷达/相机外参;最后,根据IMU约束、相机约束、激光雷达约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化方程,求解得IMU/相机/激光雷达外参。与现有标定方法相比,本发明能实现IMU/相机/激光雷达两两同时标定,有效提高标定收敛速度、精度及鲁棒性。
Description
技术领域
本发明是一种基于图优化的IMU/相机/激光雷达联合标定方法,属于多传感器标定技术,特别适用于未知环境导航领域。
背景技术
在无人导航领域中,IMU(即:惯性测量单元)凭借其高度自主性与抗干扰性应用广泛,但其误差随时间积累;相机价格低廉且具有丰富语义信息,在纹理环境中导航精度高,但无法获取精确深度信息;激光雷达可获取精确三维环境信息,特别是在GNSS(即:全球导航卫星系统)数据不可用时,可为自主无人车提供准确位姿信息。基于IMU/相机/激光雷达的组合导航是未来无人导航的发展方向之一。在IMU/相机/激光雷达系统中,旋转和平移外参会影响定位精度,需对其进行在线标定。现有标定技术分别实现了IMU/相机、IMU/激光雷达和相机/激光雷达的标定工作,无法同时标定三者外参,未考虑三者外参的相互约束性,在复杂环境下适应性与鲁棒性较低。针对以上情况亟需一种更有效的标定方法。
发明内容
发明目的:为了提高标定效率并增强标定适应性,本发明提出了一种基于图优化的IMU/相机/激光雷达联合标定方法。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:
一种基于图优化的IMU/相机/激光雷达联合标定方法,该方法包括如下步骤:
S1:根据IMU输出角速度信息拟合旋转B样条曲线得IMU姿态信息;
S2:采用NDT(正态分布变换)算法估计激光雷达旋转,根据S1估计的IMU姿态信息变化量与激光雷达旋转初始化IMU/激光雷达旋转外参;
S3:根据S2初始化的IMU/激光雷达旋转外参进行激光雷达去畸变处理;
S4:采用特征点算法估计相机旋转,根据S1估计的IMU姿态信息变化量与相机旋转初始化IMU/相机旋转外参,并初始化重力、尺度因子、陀螺仪零偏及速度;
S5:采用棋盘格标定板,提取相机系下棋盘格点坐标,根据聚类算法提取激光雷达系下棋盘格激光点对应法向量与中心点,根据点面距离最小构建目标函数,初始化激光雷达-相机外参;
S6:根据IMU约束、激光雷达约束、相机约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化目标方程,求解目标方程得IMU/相机/激光雷达外参。
所述的基于图优化的IMU/相机/激光雷达联合标定方法,所述步骤S1具体包括以下过程:
根据IMU输出角速度信息拟合旋转B样条曲线,通过解最小二乘问题计算拟合曲线的四元数控制点:
所述的基于图优化的IMU/相机/激光雷达联合标定方法,所述步骤S2具体包括以下过程:
S2.1采用NDT算法估计激光雷达旋转,目标函数为:
S2.2根据S1估计的IMU姿态变化与S2.1估计的激光雷达旋转,初始化IMU/激光雷达旋转外参:
所述的基于图优化的IMU/相机/激光雷达联合标定方法,所述步骤S3具体包括以下过程:
根据S2初始化的IMU/激光雷达旋转外参进行激光雷达去畸变处理:
所述的基于图优化的IMU/相机/激光雷达联合标定方法,所述步骤S4具体包括以下过程:
S4.1采用特征点算法估计相机旋转,求解所有帧位姿和路标点的3D位置;
S4.2根据S1估计的IMU姿态变化与相机旋转初始化IMU/相机旋转外参:
S4.3初始化重力、尺度因子、陀螺仪零偏及速度。
所述的基于图优化的IMU/相机/激光雷达联合标定方法,所述步骤S5具体包括以下过程:
采用棋盘格标定板,提取相机系下棋盘格点坐标及平面法向量,根据聚类算法提取激光雷达系下棋盘格激光点对应平面法向量与中心点,根据点面距离最小构建目标函数,初始化激光雷达/相机外参。
S5.1根据相机系下的平面法向量NC和激光雷达系下的平面法向量NL求解相机到激光雷达的旋转矩阵:
S5.2根据相机系下的点到激光雷达面的距离最小构建目标函数求解:
所述的基于图优化的IMU/相机/激光雷达联合标定方法,所述步骤S6具体包括以下过程:
根据IMU约束、激光雷达约束、相机约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化目标方程:
其中,x为优化变量,为加表残差,/>为陀螺残差,rl j为激光雷达残差,/>为相机残差,/>为相机与激光点面距离残差,/>为外参残差,A为加表采样数,W为陀螺采样数,L为雷达采样数,C为相机采样数,O为相机与激光匹配采样数,P为外参匹配采样数,/>为相机到激光雷达的旋转四元数,/>为相机到激光雷达的平移外参,/>为相机到IMU的旋转四元数,/>为相机到IMU的平移外参,/>为激光雷达到IMU的旋转四元数,/>为激光雷达到IMU的平移外参,xq为连续时间轨迹旋转控制点,xp为连续时间轨迹旋平移控制点,ba为加表零偏,bg为陀螺零偏,/>为初始IMU系到重力的旋转四元数,/>为k时刻IMU输出加速度信息,a(tk)为k时刻拟合加速度,/>为k时刻IMU输出角速度信息,w(tk)为k时刻拟合角速度,/>为激光雷达系到IMU系的旋转矩阵,/>为第j时刻到第0时刻IMU的旋转矩阵,/>为第j时刻第i个激光雷达点坐标,/>为激光雷达系到IMU系的平移外参,/>为第j时刻到第0时刻IMU的平移,/>为IMU到激光雷达的平移外参,/>为第0时刻第j个激光雷达点坐标,/>和/>为正切平面上的任意两个正交基,/>为估计的第l个路标点在Ci系坐标,/>为第l个路标点在Ci系观测坐标,πc为相机投影矩阵,/>为第l个路标点的像素横坐标,/>为第l个路标点的像素纵坐标,/>为相机到IMU的旋转矩阵,/>为Ii到Ii′的旋转矩阵,/>为第i个点在Ci系坐标,为相机到IMU的平移外参,/>为Ii到Ii′平移变换,/>为IMU到相机的平移外参,/>为第i帧相机系下的第j个点,t(x,y,z)为相机到激光雷达的平移外参,/>为第i帧激光雷达系下的中心点,/>为激光雷达系下的法向量。
相对于现有技术,本发明的优点如下:
1、本发明采用IMU/激光雷达、IMU/相机、激光雷达/相机三者外参相互约束,通过构建三角约束,增强外参估计鲁棒性,提高了外参估计效率;
2、本发明采用B样条插值计算IMU连续时间轨迹估计,对齐IMU/激光雷达/相机,减少线性插值误差。
附图说明
图1为本发明的基于图优化的IMU/相机/激光雷达联合标定方法流程图;
图2为本发明的因子图优化示意图。
具体实施方式
下面结合附图,对本发明的技术方案作进一步说明。应当了解,以下提供的实施例仅是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的技术构思,本发明还可以用许多不同的形式来实施,并且不局限于此处描述的实施例。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。
实施例1:本发明提供的一种基于图优化的IMU/相机/激光雷达联合标定方法,实现原理如图1所示,其流程主要包括以下步骤:
步骤S1,根据IMU输出角速度信息拟合旋转B样条曲线得IMU姿态信息,
具体包括以下过程:
根据IMU输出角速度信息拟合旋转B样条曲线,通过解最小二乘问题计算拟合曲线的四元数控制点:
步骤S2,采用NDT算法估计激光雷达旋转,根据S1估计的IMU姿态信息变化量与激光雷达旋转初始化IMU/激光雷达旋转外参,
具体包括以下过程:
S2.1采用NDT算法估计激光雷达旋转,目标函数为:
S2.2根据S1估计的IMU姿态变化与S2.1估计的激光雷达旋转,初始化IMU/激光雷达旋转外参:
步骤S3,根据S2初始化的IMU/激光雷达旋转外参进行激光雷达去畸变处理,
具体包括以下过程:
根据S2初始化的IMU/激光雷达旋转外参进行激光雷达去畸变处理:
步骤S4,采用特征点算法估计相机旋转,根据S1估计的IMU姿态信息变化量与相机旋转初始化IMU/相机旋转外参,并初始化重力、尺度因子、陀螺仪零偏及速度,
具体包括以下过程:
S4.1采用特征点算法估计相机旋转,求解所有帧位姿和路标点的3D位置;
S4.2根据S1估计的IMU姿态变化与相机旋转初始化IMU/相机旋转外参:
S4.3初始化重力、尺度因子、陀螺仪零偏及速度。
步骤S5,采用棋盘格标定板,提取相机系下棋盘格点坐标,根据聚类算法提取激光雷达系下棋盘格激光点对应法向量与中心点,根据点面距离最小构建目标函数,初始化激光雷达-相机外参,
具体包括以下过程:
S5.1根据相机系下的平面法向量NC和激光雷达系下的平面法向量NL求解相机到激光雷达的旋转矩阵:
S5.2根据相机系下的点到激光雷达面的距离最小构建目标函数求解:
步骤S6,根据IMU约束、激光雷达约束、相机约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化目标方程,求解目标方程得IMU/相机/激光雷达外参,
具体包括以下过程:
根据IMU约束、激光雷达约束、相机约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化目标方程:
其中,x为优化变量,为加表残差,/>为陀螺残差,rl j为激光雷达残差,/>为相机残差,/>为相机与激光点面距离残差,/>为外参残差,A为加表采样数,W为陀螺采样数,L为雷达采样数,C为相机采样数,O为相机与激光匹配采样数,P为外参匹配采样数,/>为相机到激光雷达的旋转四元数,/>为相机到激光雷达的平移外参,/>为相机到IMU的旋转四元数,/>为相机到IMU的平移外参,/>为激光雷达到IMU的旋转四元数,/>为激光雷达到IMU的平移外参,xq为连续时间轨迹旋转控制点,xp为连续时间轨迹旋平移控制点,ba为加表零偏,bg为陀螺零偏,/>为初始IMU系到重力的旋转四元数,/>为k时刻IMU输出加速度信息,a(tk)为k时刻拟合加速度,/>为k时刻IMU输出角速度信息,w(tk)为k时刻拟合角速度,/>为激光雷达系到IMU系的旋转矩阵,/>为第j时刻到第0时刻IMU的旋转矩阵,/>为第j时刻第i个激光雷达点坐标,/>为激光雷达系到IMU系的平移外参,/>为第j时刻到第0时刻IMU的平移,/>为IMU到激光雷达的平移外参,/>为第0时刻第j个激光雷达点坐标,/>和/>为正切平面上的任意两个正交基,/>为估计的第l个路标点在Ci系坐标,/>为第l个路标点在Ci系观测坐标,πc为相机投影矩阵,/>为第l个路标点的像素横坐标,/>为第l个路标点的像素纵坐标,/>为相机到IMU的旋转矩阵,/>为Ii到Ii′的旋转矩阵,/>为第i个点在Ci系坐标,为相机到IMU的平移外参,/>为Ii到Ii′平移变换,/>为IMU到相机的平移外参,/>为第i帧相机系下的第j个点,t(x,y,z)为相机到激光雷达的平移外参,/>为第i帧激光雷达系下的中心点,/>为激光雷达系下的法向量。
本发明方案所公开的技术手段不仅限于上述实施方所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种基于图优化的IMU/相机/激光雷达联合标定方法,其特征在于,包括以下步骤:
S1:根据IMU输出角速度信息拟合旋转B样条曲线得IMU姿态信息;
S2:采用NDT算法估计激光雷达旋转,根据S1估计的IMU姿态信息变化量与激光雷达旋转初始化IMU/激光雷达旋转外参;
S3:根据S2初始化的IMU/激光雷达旋转外参进行激光雷达去畸变处理;
S4:采用特征点算法估计相机旋转,根据S1估计的IMU姿态信息变化量与相机旋转初始化IMU/相机旋转外参,并初始化重力、尺度因子、陀螺仪零偏及速度;
S5:采用棋盘格标定板,提取相机系下棋盘格点坐标,根据聚类算法提取激光雷达系下棋盘格激光点对应法向量与中心点,根据点面距离最小构建目标函数,初始化激光雷达-相机外参;
S6:根据IMU约束、激光雷达约束、相机约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化目标方程,求解目标方程得IMU/相机/激光雷达外参。
6.根据权利要求2所述的基于图优化的IMU/相机/激光雷达联合标定方法,其特征在于,所述步骤S5具体包括以下过程:
采用棋盘格标定板,提取相机系下棋盘格点坐标及平面法向量,根据聚类算法提取激光雷达系下棋盘格激光点对应平面法向量与中心点,根据点面距离最小构建目标函数,初始化激光雷达/相机外参;
S5.1根据相机系下的平面法向量NC和激光雷达系下的平面法向量NL求解相机到激光雷达的旋转矩阵:
S5.2根据相机系下的点到激光雷达面的距离最小构建目标函数求解:
7.根据权利要求2所述的基于图优化的IMU/相机/激光雷达联合标定方法,其特征在于,所述步骤S6具体包括以下过程:
根据IMU约束、激光雷达约束、相机约束、基于标定板的相机和激光雷达外参约束、IMU/相机/激光雷达外参互相约束构建联合优化目标方程:
其中,x为优化变量,为加表残差,/>为陀螺残差,rl j为激光雷达残差,/>为相机残差,为相机与激光点面距离残差,/>为外参残差,A为加表采样数,W为陀螺采样数,L为雷达采样数,C为相机采样数,O为相机与激光匹配采样数,P为外参匹配采样数,/>为相机到激光雷达的旋转四元数,/>为相机到激光雷达的平移外参,/>为相机到IMU的旋转四元数,/>为相机到IMU的平移外参,/>为激光雷达到IMU的旋转四元数,/>为激光雷达到IMU的平移外参,xq为连续时间轨迹旋转控制点,xp为连续时间轨迹旋平移控制点,ba为加表零偏,bg为陀螺零偏,/>为初始IMU系到重力的旋转四元数,/>为k时刻IMU输出加速度信息,a(tk)为k时刻拟合加速度,/>为k时刻IMU输出角速度信息,w(tk)为k
时刻拟合角速度,为激光雷达系到IMU系的旋转矩阵,/>为第j时刻到第0时刻IMU的旋转矩阵,/>为第j时刻第i个激光雷达点坐标,/>为激光雷达系到IMU系的平移外参,为第j时刻到第0时刻IMU的平移,/>为IMU到激光雷达的平移外参,/>为第0时刻第j个激光雷达点坐标,/>和/>为正切平面上的任意两个正交基,/>为估计的第l个路标点在Ci系坐标,/>为第l个路标点在Ci系观测坐标,πc为相机投影矩阵,/>为第l个路标点的像素横坐标,/>为第l个路标点的像素纵坐标,/>为相机到IMU的旋转矩阵,/>为Ii到Ii′的旋转矩阵,/>为第i个点在Ci系坐标,/>为相机到IMU的平移外参,/>为Ii到Ii′平移变换,/>为IMU到相机的平移外参,/>为第i帧相机系下的第j个点,t(x,y,z)为相机到激光雷达的平移外参,/>为第i帧激光雷达系下的中心点,/>为激光雷达系下的法向量。/>
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022106752641 | 2022-06-15 | ||
CN202210675264 | 2022-06-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115876222A true CN115876222A (zh) | 2023-03-31 |
Family
ID=85766900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211582531.7A Pending CN115876222A (zh) | 2022-06-15 | 2022-12-09 | 基于图优化的imu/相机/激光雷达联合标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115876222A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117761663A (zh) * | 2023-10-31 | 2024-03-26 | 新石器慧通(北京)科技有限公司 | 外参标定方法、装置及自动驾驶车辆 |
-
2022
- 2022-12-09 CN CN202211582531.7A patent/CN115876222A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117761663A (zh) * | 2023-10-31 | 2024-03-26 | 新石器慧通(北京)科技有限公司 | 外参标定方法、装置及自动驾驶车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7404010B2 (ja) | 位置推定装置及び方法 | |
Barczyk et al. | Invariant EKF design for scan matching-aided localization | |
Konovalenko et al. | UAV Navigation On The Basis Of The Feature Points Detection On Underlying Surface. | |
CN110411457B (zh) | 基于行程感知与视觉融合的定位方法、系统、终端和存储介质 | |
CN112230242A (zh) | 位姿估计系统和方法 | |
CN111380514A (zh) | 机器人位姿估计方法、装置、终端及计算机存储介质 | |
US11158065B2 (en) | Localization of a mobile unit by means of a multi hypothesis kalman filter method | |
CN110458885B (zh) | 基于行程感知与视觉融合的定位系统和移动终端 | |
CN113580134B (zh) | 视觉定位方法、设备、机器人、存储介质及程序产品 | |
Samadzadegan et al. | Autonomous navigation of Unmanned Aerial Vehicles based on multi-sensor data fusion | |
Tjahjadi et al. | Single frame resection of compact digital cameras for UAV imagery | |
CN115876222A (zh) | 基于图优化的imu/相机/激光雷达联合标定方法 | |
Kinnari et al. | GNSS-denied geolocalization of UAVs by visual matching of onboard camera images with orthophotos | |
CN114608568B (zh) | 一种基于多传感器信息即时融合定位方法 | |
Gao et al. | MGG: Monocular global geolocation for outdoor long-range targets | |
CN114690229A (zh) | 一种融合gps的移动机器人视觉惯性导航方法 | |
WO2021143664A1 (zh) | 在载运工具中测量目标对象距离的方法、装置和载运工具 | |
Gupta et al. | Terrain‐based vehicle orientation estimation combining vision and inertial measurements | |
Setterfield et al. | Feature-based scanning LiDAR-inertial odometry using factor graph optimization | |
CN117387604A (zh) | 基于4d毫米波雷达和imu融合的定位与建图方法及系统 | |
CN115930948A (zh) | 一种果园机器人融合定位方法 | |
CN114897942B (zh) | 点云地图的生成方法、设备及相关存储介质 | |
Shmatko et al. | Estimation of rotation measurement error of objects using computer simulation | |
CN114842224A (zh) | 一种基于地理底图的单目无人机绝对视觉匹配定位方案 | |
CN115775242A (zh) | 一种基于匹配的点云地图质量评估方法 |
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 |