CN116261674A - 用于校准三维扫描仪和优化点云数据的设备和方法 - Google Patents
用于校准三维扫描仪和优化点云数据的设备和方法 Download PDFInfo
- Publication number
- CN116261674A CN116261674A CN202180059659.2A CN202180059659A CN116261674A CN 116261674 A CN116261674 A CN 116261674A CN 202180059659 A CN202180059659 A CN 202180059659A CN 116261674 A CN116261674 A CN 116261674A
- Authority
- CN
- China
- Prior art keywords
- iteration
- point cloud
- offset
- matrix
- cloud matrix
- 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
- 238000000034 method Methods 0.000 title abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000012986 modification Methods 0.000 abstract description 7
- 230000004048 modification Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001444 catalytic combustion detection Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G01S7/497—Means for monitoring or calibrating
-
- 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
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
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)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
提供一种用于校准光检测与测距(LiDAR)设备的方法。所述校准方法是迭代环路所涉及的。通过执行所述校准方法,使用输入的点云来生成初始点云矩阵,且计算距离和入射角的函数的形式的初始偏移简档。所述初始点云矩阵可通过所述初始偏移简档优化,且接着生成下一迭代的点云矩阵。在所述迭代环路中,可执行所述优化一次或多次,且最终迭代的输出包含最终点云和最终偏移网格。所述最终点云可含有接近物理距离信息的测得的距离信息。所述最终偏移网格含有表示关于对所述LiDAR设备的测量值的校准或修改的信息的函数。
Description
技术领域
本发明涉及三维(3D)点云处理,尤其是涉及用于校准3D扫描仪和优化点云数据的方法和设备。
背景技术
光检测与测距(LiDAR)是密集地扫描感测目标的表面并对所述表面进行取样的光学遥感技术。LiDAR通常采用有源光学传感器,其在移动经过特定勘察路线时朝向目标传输激光(即,其可包含激光束、激光脉冲或其组合)。由LIDAR传感器中的接收器检测和分析激光从目标的反射。
LiDAR设备通常包含激光源,以及在不同方向上朝向待成像的目标导引激光源的扫描仪。可使用旋转材料、微机电系统(MEMS)、使用硅光子学的固态扫描或例如里斯利棱镜(Risley prism)等其它装置来执行激光的转向。入射光从正扫描的目标反射。
所接收反射形成数据的三维(3D)点云,其中数据可以在例如同时定位与绘图(SLAM)、建筑物重建和道路标记提取等许多应用中使用。法向量估计是3D点云处理中的基本任务。已知法向量估计方法可分类为基于回归的方法、基于Vorono的方法和深度学习方法。
然而,因为使用LIDAR设备实现前面描述的应用涉及测量技术和计量法,所以可能需要测量之前的校准。也就是说,LiDAR设备可能遇到归因于大气不稳定性的系统误差和/或噪声,从而导致不准确的飞行时间(ToF)测量偏移,且因此需要校准LiDAR来补偿测量偏移。相应地,对于不同应用和目的,使用LiDAR设备的技术取决于校准来减小测量误差。当前用于校准的技术很繁琐,其可能需要工作量来获取用于校准的数据,且依赖于来自LiDAR设备的已知参数。举例来说,为了进行LiDAR设备的校准,需要以下参数;激光源和接收器相对于LiDAR设备的相对位置;校准目标相对于LiDAR设备的相对位置;以及校准目标的几何结构(例如,大小、维度等)。因此,存在某一水平的工作量,使得此项技术中需要减小所述工作量或改进LiDAR设备的校准技术的效率。
发明内容
为了改进LiDAR测量的准确性,本发明提供一种用于校准LiDAR测量的设备和方法,其通过一种迭代地测量校准设备且接着优化扫描仪偏移网格直至满足某一收敛准则的方法来实现。根据本发明的一个方面,提供一种校准方法如下。由定向激光源生成包含至少一个激光束和一系列激光脉冲的激光。激光源将光斑指向三维(3D)校准设备表面上且沿着表面移动光斑。同时,激光从激光源发射到表面的指向区域。光电检测器相应地接收反射的激光且计算其飞行时间(ToF),从而产生校准设备表面的点云结构。由校准单元依据3D扫描仪测得的孔径和其手动测得的实际物理孔径之间的所计算的差生成相对于3D扫描仪的距离测量偏移网格。由校准单元设定迭代环路的迭代索引t,其中t为整数。在第t迭代处,由校准单元生成(LiDAR设备的)点云。通过计算LiDAR设备的测得的孔径和物理孔径之间的差来获得测量误差(即,3D扫描仪的误差)。通过考虑孔径,可确定相对于目标距离和目标入射角的3D扫描仪的测量误差。不同距离和不同入射角处的此测量偏移的集合可称为“偏移网格”。第t迭代处的点云可通过减去所获取偏移而优化且产生第t+1迭代处的点云。因此可计算新测量误差(即,等效地,偏移网格),且将新测量误差累积到旧偏移网格。
根据本发明的一个实施例,在迭代环路中,执行优化一次以上,借此进一步改进LiDAR测量的准确性。
根据本发明的另一实施例,在前面描述的校准方法之前,提供一种测试方法如下。放置包含多个平行条的轨道,使得LiDAR设备在轨道的前方。测量两个平行条之间的间隔以及从LiDAR设备到所述条中的一个的距离,以便计算并获得物理距离和入射角信息。由校准单元根据点云计算测得的距离和入射角信息。通过校准单元将物理距离和入射角信息与测得的距离和入射角信息彼此进行比较,以便确定是否执行校准方法。
根据本发明的另一实施例,提供一种用于实施前面描述的校准方法的LiDAR系统,其中所述LiDAR系统包含LiDAR设备和控制器。LiDAR设备包含激光器、扫描仪和光电检测器。控制器与LiDAR设备电连通且包含校准单元。
通过提供校准方法,使用输入的点云来生成初始点云矩阵(即,点云可具有布置成矩阵以生成初始点云矩阵的多个数据点),且计算距离和入射角的函数的形式的初始偏移简档。初始点云矩阵可通过初始偏移简档优化,且接着生成下一迭代的点云矩阵。在校准方法的迭代环路中,可执行优化一次或多次,且最终迭代的输出包含最终点云和最终偏移网格。最终点云可含有接近物理距离信息的测得的距离信息,借此改进距离准确性。最终偏移网格含有表示关于对LiDAR设备的测量值的校准或修改的信息的函数。
附图说明
下文中参看图式更详细描述本发明的实施例,图式中:
图1描绘根据本发明的一实施例的LiDAR系统;
图2是示出根据本发明的一实施例在执行3D点云扫描过程之前对LiDAR系统进行预处理的方法的流程图;
图3示出预处理中的轨道和LiDAR系统之间的相对位置关系;
图4是根据本发明的一实施例相对于轨道位于不同位置处的LiDAR系统;
图5示出根据本发明的一实施例用于处理图1中的步骤S70以生成偏移校准的操作的流程图;以及
图6展示根据本发明的一实施例的函数δMESH(r,ψ)。
具体实施方式
在以下描述中,用于校准三维(3D)扫描仪和优化点云数据等的设备和方法阐述为优选实例。所属领域的技术人员将显而易见,可在不脱离本发明的范围和精神的情况下作出包含添加和/或替代在内的修改。可省略特定细节以免使本发明模糊不清;然而,编写本公开是为了使所属领域的技术人员能够在不进行不当实验的情况下实践本文中的教示。
参看图1,描绘根据本发明的一实施例的可量化表面平坦度的光检测与测距(LiDAR)系统10。LiDAR系统10包含发射光60的激光源20,光60通常通过例如准直透镜等光学器件30。激光器20可以是(例如)600-1000nm波段激光器或1550nm波段激光器。在一些实施例中,光60可以是包含激光束、一系列激光脉冲或其组合的激光。在一些实施例中,可使用单个激光源或多个激光源。在替代实施例中,可采用闪光LiDAR相机。
光60入射在扫描装置90上。扫描装置90可以是旋转反射镜(多边形或平面)、MEMS装置、棱镜,或可在待扫描的目标对象100的表面上扫描激光束的另一其它类型的装置。图像显影速度由目标对象100将被扫描的速度控制。扫描仪射束65反射为反射射束75,其从扫描装置90导引离开到射束70中,经由光学器件40且进入光电检测器80。光电检测器80可选自例如硅雪崩光电二极管或光电倍增器、CCD、CMOS装置等固态光电检测器。控制器50与作为LiDAR设备的部分的激光源20、光电二极管80和扫描装置90电连通,且因此构建控制器50和LiDAR设备之间的电连通。控制器50可以是例如一个或多个微处理器等一个或多个处理装置,且本发明的技术可实施于硬件、软件或专用集成电路系统中。控制器50包含校准单元52,其可被配置成根据存储在控制器50中的至少一个可编程指令执行校准过程。
LIDAR系统10生成数据的点云。点云是表示三维形状或特征的数据点的集合。点云中的每一点与来自图像的像素的颜色相关联以用于彩色成像。对于测量应用,生成来自点云的3D模型,可从其进行测量。
根据点云,目标对象100属性可转换为沿着坐标轴的坐标。也就是说,可分析点云中的每一点以产生距离“r”、高度“θ”和方位角使得每一点可表达为/>确切地说,距离“r”(即,也称作半径)限定从原点(即,LIDAR系统所处的光斑)到目标点的物理距离。高度“θ”或方位角/>限定在无所述距离的情况下单位球面上的目标点的位置。
使用LiDAR系统的测量的准确性可在所述距离“r”和从LiDAR系统向目标点行进的激光束的入射角“ψ”内。相应地,可收集准确性的因素作为测量偏移δ(r,ψ),其中r∈[0,+∞)且ψ∈[0,π/2)。在一些实施例中,偏移校准模块存储在校准单元52中且可经执行以优化从测量获得的点云,借此改进测量的准确性。
图2是示出根据本发明的一实施例在执行3D点云扫描过程之前对LiDAR系统进行预处理的方法的流程图。预处理方法包含步骤S10、S20、S30、S40、S50、S60和S70,其中步骤S10为放置包含多个平行条的轨道;步骤S20为测量两个条之间的间隔和从LiDAR系统到条中的一个的距离;步骤S30为构建轨道的几何结构;步骤S40为执行3D点云扫描过程;步骤S50为确定测量值是否是可接受的;步骤S60为开始扫描目标对象;且步骤S70为生成偏移校准模块。本文中,术语“生成”可包含通过“更新”、“优化”或“累积”而生成。图3示出预处理中的轨道110和LiDAR系统10之间的相对位置关系。预处理中的LiDAR系统10可具有与图1的LiDAR系统类似或相同的配置。
在步骤S10中,可安置轨道110和LiDAR系统10,如图3所示。轨道110包含布置成平行线的“15”个条112(即,为了不会使图示太复杂,图示中省略了一些条),且LiDAR系统10放置于轨道110的前方。
在步骤S20中,可测量任何邻近的两个条112之间的间隔114以及每一条112的宽度116。在一些实施例中,通过使用例如测距仪、游标卡尺或尺规工具等具有高准确性的工具来实现测量。因此,任何邻近的两个条112之间的间隔114和每一条112的宽度116为已知参数。举例来说,任何邻近的两个条112之间的间隔114为0.8m。此外,从LiDAR系统10到轨道110的条112中的任一个的距离可以是已知参数。举例来说,LiDAR系统10与轨道110的第一条(条112中的最左条)隔开0.2m,其可通过测量确定。
在步骤S30中,在如步骤S20中所描述的已知参数的情况下,可计算从LiDAR系统10到轨道110的每一条112的距离以及从LiDAR系统10相对于轨道110的每一条112提供的光束(例如,光束118中的一个)的入射角,借此构建轨道110的几何配置。可记录所计算的距离和入射角分别作为存储在校准单元(例如,图1中的校准单元52)中的物理距离信息和物理入射角信息。在图3的示例性图示中,因为轨道110的条112的数目为“15”,所以将记录15个数据点的集合。
在步骤S40中,LiDAR系统10可接通以执行相对于环境的3D点云扫描过程,这通过扫描包含轨道110的条112的周围环境来实现。通过执行扫描过程,以如先前描述的的形式获得和记录相对于轨道110的条112的测得的数据点的集合,其中/>的所有距离“r”可被称为测得的距离信息。根据测得的数据点,可计算每一条112处测得的入射角。举例来说,相对于轨道110的第一条112处的点P1,LiDAR系统10位于笛卡尔坐标系中的原点(0,0,0)处;点P1位于同一笛卡尔坐标系中的坐标(x1,y1,z1)处;且可从由点P1的邻域附近的点构建的表面计算点P1处的法向量,其中此计算也可被称为法向量估计。接着,将原点(0,0,0)到坐标(x1,y1,z1)的连接线与法向量之间的角度计算为测得的入射角,且可收集所有测得的入射角作为测得的入射角信息。
在步骤S50中,取测得的距离信息与物理距离信息进行比较,且取测得的入射角信息与物理入射角信息进行比较,以便确定测量值是否是可接受的。如果比较结果(例如,测得的距离信息与物理距离信息之间的差的程度或测得的入射角信息与物理入射角信息之间的差的程度)在所要范围内,则这意味着LiDAR系统10的测量值是可接受的,且步骤S50之后的下一步骤为步骤S60。另一方面,如果比较结果在所要范围外,则这意味着将校准或修改LiDAR系统10的测量值,且步骤S50之后的下一步骤为步骤S70。
在步骤S60中,因为LiDAR系统10确定为可接受的,所以LiDAR系统10可被配置成执行另一3D点云扫描过程,借此为了所要目的扫描目标对象。
在步骤S70中,因为LiDAR系统10确定为需要校准或修改,所以校准单元(即,图1中的校准单元52)可根据存储在其中的测得的数据点使用偏移校准模块生成偏移校准。在一些实施例中,通过现有偏移校准或更新现有偏移校准来执行偏移校准的生成。
在一些实施例中,LiDAR系统10可移位到不同位置以相对于处于相同位置的轨道110执行3D点云扫描过程多次。举例来说,图4中展示根据本发明的一实施例相对于轨道110位于不同位置的LiDAR系统10。存在LiDAR系统10的四个预先指定的位置。也就是说,LiDAR系统10可在第一位置PT1处执行3D点云扫描过程,且接着LiDAR系统10移位到第二位置PT2、第三位置PT3和第四位置PT4以分别执行3D点云扫描过程三次。本文中,术语“预先指定的位置”意味着每一位置处的LiDAR系统10到轨道110的第一条112的距离为已知参数。以此方式,因为可获得3D点云扫描过程中的每一个中的15个数据点,所以其最终将获得60个数据点。换句话说,通过将LiDAR系统10移位到不同位置以执行3D点云扫描过程,可作为测得的距离和入射角信息收集的测得的数据点可尽可能全面地均匀取样,这将有利于进一步确定LiDAR系统10的测量值是否是可接受的。
由校准单元生成偏移校准模块的机制提供如下。参考图5,其示出根据本发明的一实施例用于处理图1中的步骤S70以生成偏移校准的操作的流程图。步骤S70包含操作S72、S74、S76、S78、S80、S82、S84、S86、S88、S90和S92。操作S72为将点云输入到校准单元;操作S74为生成偏移网格;操作S76为设定迭代索引;操作S78为生成点云;操作S80为根据点云矩阵(即,点云可具有布置成矩阵以生成点云矩阵的多个数据点)生成测量误差;操作S82为根据测量误差生成偏移简档;操作S84为构建等式以更新点云矩阵;操作S86为调用偏移简档到偏移网格;操作S88为确定是否进行下一迭代;操作S90为更新迭代索引;以及操作S92为输出点云矩阵和偏移网格。在一些实施例中,操作S78到S90可处理为迭代环路,且因此操作S78到S90可处理一次以上,
在操作S72中,将点云的测得的数据点的集合输入到校准单元(即,图1中的校准单元52)。在一些实施例中,控制器(即,图1中的控制器50)可进一步包含被配置成存储待递送到校准单元的数据的存储器。举例来说,在由LiDAR系统执行3D点云扫描过程(例如,如前面在图2的步骤S40中描述的扫描过程)之后,从扫描过程获得且含有测得的数据点的集合的点云可存储于存储器中,且接着点云的测得的数据点可响应于计算机可编程指令而递送到校准单元。
在操作S74中,由校准单元生成偏移网格,其中可在迭代环路所涉及的后续操作中更新偏移网格。在一些实施例中,在对偏移网格的任何更新之前,可将偏移网格设定为零或空以待更新。
在操作S76中,由校准单元设定迭代索引“t”,其中“t”为整数。在一些实施例中,迭代索引“t”开始于0。举例来说,随着操作S78到S90共同地形成迭代环路,在迭代环路的第一迭代期间,迭代索引“t”可设定为“0”(即,t=0),且接着当迭代环路的第二迭代开始时将迭代索引“t”引入到“t+1”(即,t=1)。
在操作S78中,通过校准生成点云矩阵“PCL”。在一些实施例中,根据从存储器递送的点云的测得的数据点生成点云矩阵。在其它实施例中,根据作为由先前迭代产生的输出的点云的测得的数据点生成点云矩阵。举例来说,具有迭代索引“t+1”的操作S78可取具有迭代索引“t”的操作S78到S90的输出为基础来生成点云矩阵。因为测得的数据点中的每一个含有距离“r”、高度“θ”和方位角所以点云矩阵“PCL”可表达如下:
在“t”为迭代索引的情况下,测得的数据点中的每一个表达为且“i”为相应测得的数据点的点索引且定义为1到N的正整数。举例来说,当在迭代环路的第一迭代中处理操作S78时,迭代索引“t”为“0”,且因此t=0的情况下的点云矩阵“PCL”可表达如下:
在S80的操作中,根据操作S78中生成的点云矩阵,可计算相对于测得的数据点中的每一个测得的入射角“ψ”,且接着收集点云矩阵的测得的距离和测得的入射角以生成为测量误差δ(ri,ψi),其中ri∈[0,+∞),ψi∈[0,π/2]),且“i”与前文所定义的相同。因为点云矩阵的测得的数据点的数目为N,所以测量误差的数目也为N,例如δ(r1,ψ1)、δ(r2,ψ2)…δ(rN,ψN)。在一些实施例中,一些测得的数据点充当过渡数据,且可不应用于偏移网格的计算中。
在S82的操作中,根据测量误差δ(ri,ψi),可由校准单元生成偏移简档,其中偏移简档是测得的距离和测得的入射角的函数。也就是说,偏移简档可表达为使用测得的距离和测得的入射角作为自变量的函数δMESH(r,ψ)。在一些实施例中,函数δMESH(r,ψ)在图6中展示,这意味着函数δMESH(r,ψ)可表达为三维网格。此外,测量误差δ(ri,ψi)中的每一个充当接着使用统计方法生成的函数δMESH(r,ψ)的总信息的一部分。举例来说,通过替换,函数δMESH(r,ψ)的集合可表达为δMESH(r1,ψ1)、δMESH(r2,ψ2)…δMESH(rN,ψN)。在一些实施例中,统计方法可包含内插、线性回归、多项式拟合、其它合适的方法或其组合。
在操作S84中,由校准单元构建更新等式,其中点云矩阵和偏移简档(替换了测量误差)引入到其上。举例来说,更新等式可表达如下:
其中“t”为前面限定的迭代索引。随着在迭代环路的第一迭代中处理操作S84,迭代索引“t”将为“0”,且相应地更新等式可计算如下:
也就是说,采用δMESH (0)(r,ψ)来优化PCL(0),以便生成PCL(1),且PCL(1)可被称为取决于PCL(0)和δMESH (0)(r,ψ)。在此方面,因为δMESH (0)(r,ψ)是从PCL(0)计算,所以δMESH (0)(r,ψ)与PCL(0)中存在的测量偏移相关。因此,通过从PCL(0)减去δMESH (0)(r,ψ)来优化PCL(0)可改进距离准确性。此外,PCL(1)仍可能存在测得的距离相对于真实距离的误差,但所述误差相比于PCL(0)减小,且此技术还可应用于将来迭代。
在S86的步骤中,不替换测量误差的更新等式的计算中使用的偏移简档的函数δMESH (0)(r,ψ)调用到偏移网格,使得通过对当前记录与函数δMESH (0)(r,ψ)求和来更新偏移网格。
在S88的步骤中,收敛准则可由校准单元设定,且校准单元可进一步被配置成根据收敛准则确定是否连续地找出下一迭代中的点云矩阵(即,标记为PCL(2)的点云矩阵)。举例来说,校准单元可被配置成比较更新前后的偏移网格。在一些实施例中,收敛准则为更新前后偏移网格之间的差的程度。举例来说,偏移网格可通过函数表征为“y=a/(b*exp(-dx)*ln(ex)+c”,其中系数a、b、c、d和e为相应偏移网格的参数。在每一迭代更新之后,检查参数集合(a、b、c、d、e)的百分比改变,且如果百分比改变小于特定阈值(例如,预设阈值),则满足收敛准则。接着,如果比较结果在收敛准则外,则其将继续迭代环路且进行到操作S90。否则,如果比较结果在收敛准则内,则其将结束迭代环路且进行到操作S92。
在操作S90中,由校准单元更新迭代索引“t”以变为“t+1”。举例来说,随着用第二迭代处理迭代环路,迭代索引“t”从“0”变为“1”。在具有第二迭代的迭代环路中,调用第一迭代中产生的PCL(1),以便在第二迭代(即,t=1)中处理操作S78。
确切地说,在其中t=1的操作S80中,计算相对于PCL(1)的每一数据点的测得的入射角“ψ”,且接着收集PCL(1)的测得的距离和测得的入射角以生成为其中t=1的测量误差的集合,标记为δ(1)(ri,ψi)。在其中t=1的操作S82中,根据测量误差,由校准单元生成偏移简档且将其表达为函数δMESH (1)(r,ψ)。在其中t=1的操作S84中,第二迭代中的更新等式计算如下:
类似地,采用δMESH (1)(r,ψ)来优化PCL(1),以便生成PCL(2),且PCL(2)可被称为取决于PCL(1)和δMESH (1)(r,ψ)。在其中t=1的操作S86中,不替换测量误差的更新等式的计算中使用的函数δMESH (1)(r,ψ)调用到偏移网格,使得通过对当前记录与函数δMESH (1)(r,ψ)求和来更新偏移网格(例如,更新为“0+δMESH (0)(r,ψ)+δMESH (1)(r,ψ)”)。在其中t=1的步骤S88中,更新前后的偏移网格根据收敛准则彼此进行比较,以便确定是否执行下一迭代(即,其中t=2的第三迭代)。
如果下一迭代由校准单元确定为继续,则其将生成δMESH (2)(r,ψ)以优化PCL(2)以便生成PCL(3)且接着通过对当前记录与函数δMESH (2)(r,ψ)求和而再次更新偏移网格。此方法之后,在每个迭代之后,生成经优化的PCL(t+1)且更新偏移网格。
在操作S92中,由校准单元输出最终迭代中的PCL(t+1)和偏移网格。举例来说,如果迭代环路在第五迭代(即,迭代索引“t”为“6”)处结束,则通过对初始设定值求和来更新PCL(7)和偏移网格,且输出δMESH (0)(r,ψ)到δMESH (6)(r,ψ)。输出的PCL(t+1)和偏移网格可分别被称为“最终PCL”和“最终偏移网格”。在操作S92之后,可再次操作操作S50,以便确定经校准测量值是否是可接受的。如果其为可接受的,则校准可视为完成,且接着执行操作S60以终止校准。
最终PCL含有相对于包含具有条的轨道的被扫描环境的经优化的点云。在优化点云的情况下,最终PCL的测得的距离信息可接近如前面描述的物理距离信息,借此改进距离准确性。最终偏移网格含有表示关于对LiDAR系统的测量值(例如,对所述测量的测得的距离)的校准或修改的信息的函数。可应用最终偏移网格以充当存储在校准单元中的偏移校准模块,使得校准单元可被配置成通过执行偏移校准模块来校准同一LiDAR的另一测量值。举例来说,当同一LiDAR系统执行新的3D点云扫描过程时,偏移校准模块可应用于LiDAR系统的测量值以优化所述测量值,借此改进LiDAR系统的准确性。换句话说,偏移校准模块可重复使用。
本文中所公开的电子实施例可使用通用或专用计算装置、计算机处理器或电子电路系统实施,包含但不限于专用集成电路(ASIC)、现场可编程门阵列(FPGA),和根据本公开的教示配置或编程的其它可编程逻辑装置。在通用或专用计算装置、计算机处理器或可编程逻辑装置中运行的计算机指令或软件代码可由软件或电子技术领域的从业人员基于本公开的教示容易地制作。
电子实施例的全部或部分可在包含服务器计算机、个人计算机、膝上型计算机、移动计算装置(例如智能手机)和平板电脑在内的一个或多个通用或计算装置中执行。
电子实施例包含具有存储在其中的计算机指令或软件代码的计算机存储介质,所述计算机指令或软件代码可用于对计算机或微处理器进行编程以执行本发明的过程中的任一个。存储介质可包含(但不限于)软盘、光盘、蓝光光盘、DVD、CD-ROM和磁光盘、ROM、RAM、快闪存储器装置,或适于存储指令、代码和/或数据的任何类型的介质或装置。
本发明的各种实施例还可实施于分布式计算环境和/或云计算环境中,其中机器指令的全部或部分由通过通信网络互连的一个或多个处理装置以分布方式执行,所述通信网络例如内联网、广域网(WAN)、局域网(LAN)、因特网和其它形式的数据传输介质。
出于说明和描述的目的,已经提供本发明的前述描述。其不希望是详尽的或将本发明限于所公开的精确形式。许多修改及变化对于所属领域的从业人员来说将是显而易见的。
挑选和描述实施例是为了最佳地阐释本发明的原理和其实际应用,借此使所属领域的其他技术人员能够理解本发明的各种实施例和适合于所预期的特定用途的各种修改。
Claims (8)
1.一种光检测与测距(LiDAR)设备,其特征在于,包括:
激光源,其被配置成生成激光;
扫描仪,其被配置成沿着三维(3D)目标表面扫描所述激光束;
光电检测器,其被配置成检测从所述目标表面反射的光的点云;以及
控制器,其包含校准单元,所述校准单元被配置成至少执行以下操作:
生成偏移网格;
设定迭代环路的迭代索引t,其中t为整数;
生成第t迭代的点云矩阵;
生成所述第t迭代的测量误差,其中所述第t迭代的所述测量误差包括根据所述第t迭代的所述点云矩阵计算的距离和入射角信息的集合;
根据所述第t迭代的所述测量误差生成距离和入射角的函数的形式的所述第t迭代的偏移简档;
通过使用替换了所述第t迭代的所述测量误差的所述第t迭代的所述偏移简档优化所述第t迭代的所述点云矩阵,使得获得第t+1迭代的点云矩阵;
通过将所述第t迭代的所述偏移简档引入到其上来更新所述偏移网格;以及
确定是否输出所述第t+1迭代的所述点云矩阵和经更新的偏移网格。
2.根据权利要求1所述的LiDAR设备,其特征在于,所述校准单元进一步被配置成执行以下操作:
设定收敛准则;以及
比较所述更新前后的所述偏移网格;
其中当比较结果在所述收敛准则内时,输出所述第t+1迭代的所述点云矩阵和所述经更新的偏移网格。
3.根据权利要求1所述的LiDAR设备,其特征在于,所述校准单元进一步被配置成执行以下操作:
设定收敛准则;以及
比较所述更新前后的所述偏移网格;
其中当比较结果在所述收敛准则外时,所述校准单元进一步被配置成执行以下操作:
生成所述第t+1迭代的测量误差,其中所述第t+1迭代的所述测量误差包括根据所述第t+1迭代的所述点云矩阵计算的距离和入射角信息的集合;
根据所述第t+1迭代的所述测量误差生成距离和入射角的函数的形式的所述第t+1迭代的偏移简档;
通过使用替换了所述第t+1迭代的所述测量误差的所述第t+1迭代的所述偏移简档优化所述第t+1迭代的所述点云矩阵,使得获得第t+2迭代的点云矩阵;
通过将所述第t+1迭代的所述偏移简档引入到其上来更新所述偏移网格;以及
根据所述收敛准则确定是否输出所述第t+2迭代的所述点云矩阵和经更新的偏移网格。
4.根据权利要求1所述的LiDAR设备,其特征在于,通过计算所述第t迭代的所述点云矩阵的所述距离值与替换了所述第t迭代的所述测量误差的所述第t迭代的所述偏移简档之间的差来执行所述优化,使得所述第t迭代的所述点云矩阵的所述距离值不同于所述第t+1迭代的所述点云矩阵的所述距离值。
5.根据权利要求1所述的LiDAR设备,其特征在于,所述第t迭代的所述点云与所述第t+1迭代的所述点云具有相同的高度值和相同的方位角值。
6.根据权利要求1所述的LiDAR设备,其特征在于,执行所述迭代环路使得所述偏移网格被更新一次以上。
7.根据权利要求1所述的LiDAR设备,其特征在于,根据由所述光电检测器检测到的所述点云生成第一迭代的所述点云矩阵。
8.根据权利要求1所述的LiDAR设备,其特征在于,所述扫描仪选自反射镜、多边形反射镜或MEMS装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
HK32020017051.4 | 2020-09-29 | ||
HK32020017051 | 2020-09-29 | ||
PCT/CN2021/121326 WO2022068818A1 (en) | 2020-09-29 | 2021-09-28 | Apparatus and method for calibrating three-dimensional scanner and refining point cloud data |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116261674A true CN116261674A (zh) | 2023-06-13 |
Family
ID=80951922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180059659.2A Pending CN116261674A (zh) | 2020-09-29 | 2021-09-28 | 用于校准三维扫描仪和优化点云数据的设备和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230280451A1 (zh) |
EP (1) | EP4185890A1 (zh) |
CN (1) | CN116261674A (zh) |
WO (1) | WO2022068818A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024121420A1 (en) * | 2022-12-09 | 2024-06-13 | Sony Semiconductor Solutions Corporation | Circuitry, method, computer program and camera |
CN115856923B (zh) * | 2023-02-27 | 2023-06-16 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 矿卡卸料用时的测量方法、装置、设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10761195B2 (en) * | 2016-04-22 | 2020-09-01 | OPSYS Tech Ltd. | Multi-wavelength LIDAR system |
US20180095450A1 (en) * | 2016-09-30 | 2018-04-05 | Velo3D, Inc. | Three-dimensional objects and their formation |
JP7043755B2 (ja) * | 2017-08-29 | 2022-03-30 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、プログラム、及び、移動体 |
US10288737B2 (en) * | 2017-09-19 | 2019-05-14 | Wirelesswerx International, Inc. | LiDAR sensing system |
US10739462B2 (en) * | 2018-05-25 | 2020-08-11 | Lyft, Inc. | Image sensor processing using a combined image and range measurement system |
US10723281B1 (en) * | 2019-03-21 | 2020-07-28 | Lyft, Inc. | Calibration of vehicle sensor array alignment |
-
2021
- 2021-09-28 WO PCT/CN2021/121326 patent/WO2022068818A1/en unknown
- 2021-09-28 EP EP21874478.7A patent/EP4185890A1/en active Pending
- 2021-09-28 US US18/018,040 patent/US20230280451A1/en active Pending
- 2021-09-28 CN CN202180059659.2A patent/CN116261674A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022068818A1 (en) | 2022-04-07 |
US20230280451A1 (en) | 2023-09-07 |
EP4185890A1 (en) | 2023-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102134688B1 (ko) | 광학 거리 측정 방법 및 광학 거리 측정 장치 | |
EP3134866B1 (en) | Depth sensor calibration and per-pixel correction | |
CN105974427B (zh) | 结构光测距装置及方法 | |
US20180343381A1 (en) | Distance image acquisition apparatus and application thereof | |
JP6736257B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
CN116261674A (zh) | 用于校准三维扫描仪和优化点云数据的设备和方法 | |
JP2011027623A (ja) | 位置姿勢計測方法及び装置 | |
US10107899B1 (en) | System and method for calibrating light intensity | |
JP2015036629A (ja) | 校正装置、方法及びプログラム | |
JP6747151B2 (ja) | 追尾式レーザ干渉計による位置決め機械の検査方法及び装置 | |
KR20180087519A (ko) | 레이저 거리 센서의 측정 거리에 대해 추정된 거리 유형의 신뢰성을 평가하는 방법 및 이를 이용한 이동 로봇의 위치 추정 방법 | |
KR20200005119A (ko) | 단일 장착면의 장착 오차를 산출하여 보정하는 장치 및 그 방법 | |
García-Moreno et al. | Error propagation and uncertainty analysis between 3D laser scanner and camera | |
Xue et al. | Monocular vision ranging and camera focal length calibration | |
CN113608170B (zh) | 雷达标定方法、雷达、机器人、介质及计算机程序产品 | |
Wang et al. | Positioning error calibration for two-dimensional precision stages via globally optimized image registration | |
Lim et al. | A novel one-body dual laser profile based vibration compensation in 3D scanning | |
EP4086850A1 (en) | Calibrating system for colorizing point-clouds | |
CN115423877A (zh) | 一种标定方法、标定系统、深度相机及可读存储介质 | |
Rodríguez | Online self-camera orientation based on laser metrology and computer algorithms | |
Pfeifer et al. | 3D cameras: Errors, calibration and orientation | |
Lichti | Geometric point cloud quality | |
Alhashimi et al. | Modeling and Calibrating Triangulation Lidars for Indoor Applications | |
JP7417750B2 (ja) | 固体lidar装置の較正 | |
Galetto et al. | Volumetric error compensation for the MScMS-II |
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 |