CN116908818A - 基于rtk无人机的激光雷达的标定方法、装置及存储介质 - Google Patents

基于rtk无人机的激光雷达的标定方法、装置及存储介质 Download PDF

Info

Publication number
CN116908818A
CN116908818A CN202310860322.2A CN202310860322A CN116908818A CN 116908818 A CN116908818 A CN 116908818A CN 202310860322 A CN202310860322 A CN 202310860322A CN 116908818 A CN116908818 A CN 116908818A
Authority
CN
China
Prior art keywords
rtk
laser radar
unmanned aerial
aerial vehicle
data
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.)
Granted
Application number
CN202310860322.2A
Other languages
English (en)
Other versions
CN116908818B (zh
Inventor
李�杰
刘曙光
肖双毅
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.)
Guangdong Xixun Intelligent Technology Co ltd
Original Assignee
Guangdong Xixun Intelligent Technology Co ltd
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 Guangdong Xixun Intelligent Technology Co ltd filed Critical Guangdong Xixun Intelligent Technology Co ltd
Priority to CN202310860322.2A priority Critical patent/CN116908818B/zh
Publication of CN116908818A publication Critical patent/CN116908818A/zh
Application granted granted Critical
Publication of CN116908818B publication Critical patent/CN116908818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06T7/85—Stereo camera calibration
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Remote Sensing (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于RTK无人机的激光雷达的标定方法，包括：规划无人机的飞行路径，并在所述飞行路径上设置路径点；通过激光雷达采集无人机在每个所述路径点的点云数据，并获取无人机的RTK数据，其中，所述点云数据与所述RTK数据一一对应；将所述点云数据与所述RTK数据进行比对，确定校准参数；将所述校准参数输入激光雷达，以使激光雷达校准自身坐标系。本发明技术方案能够提高在开阔水面上激光雷达定位测量的准确性和可靠性。

Description

基于RTK无人机的激光雷达的标定方法、装置及存储介质
技术领域
本发明涉及激光雷达标定技术领域，尤其涉及一种基于RTK无人机的激光雷达的标定方法、装置及存储介质。
背景技术
为便于对行驶在海面上的船舶进行有效监管，通常需要对船舶进行准确定位。现有技术中，可采用激光雷达技术来实现。但是，在开阔的海面上，由于缺少参照物，激光雷达对船舶的定位容易存在较大误差，测量的准确性和可靠性不高。
发明内容
本发明提供一种能够提高在开阔水面上激光雷达定位测量的准确性和可靠性的基于RTK无人机的激光雷达的标定方法，是通过以下技术方案来实现的：
一种基于RTK无人机的激光雷达的标定方法，包括以下步骤：
规划无人机的飞行路径，并在所述飞行路径上设置路径点；
通过激光雷达采集无人机在每个所述路径点的点云数据，并获取无人机的RTK数据，其中，所述点云数据与所述RTK数据一一对应；
将所述点云数据与所述RTK数据进行比对，确定校准参数；
将所述校准参数输入激光雷达，以使激光雷达校准自身坐标系。
进一步地，所述将所述点云数据与所述RTK数据进行比对，确定校准参数，包括：
以所述RTK数据确定全局坐标系，以所述点云数据确定本地坐标系；
通过使所述本地坐标系与所述全局坐标系重叠，确定所述校准参数。
进一步地，所述通过将所述本地坐标系与所述全局坐标系重叠，确定所述校准参数，包括：
通过平移使所述全局坐标系的原点和所述本地坐标系的原点重叠，确定坐标平移矩阵；
通过旋转使所述全局坐标系的坐标轴和所述本地坐标系的坐标轴重叠，确定坐标旋转矩阵；
根据所述坐标平移矩阵和所述坐标旋转矩阵，确定坐标变换公式；
根据所述坐标变换公式，确定所述校准参数。
进一步地，所述根据所述坐标变换公式，确定所述校准参数，包括：
所述坐标变换公式包括平移量和所述绕轴旋转量，通过求解一超定非线性方程，对所述平移量和所述绕轴旋转量进行最优估值，确定所述校准参数。
进一步地，所述通过求解超定非线性方程，对所述平移量和所述绕轴旋转量进行最优估值，确定所述校准参数，包括：
获取与每一所述路径点的所述RTK数据对应的时间戳信息；
根据所述RTK数据和对应的所述时间戳信息，构建最小二乘法方程组；
根据所述最小二乘法方程组，估算出所述平移量和所述绕轴旋转量。
进一步地，所述根据所述RTK数据和所述时间戳信息，构建最小二乘法方程组，包括：
构建关于所述RTK数据和对应的所述时间戳信息的误差函数；
构建关于所述误差函数的平方和的目标函数，得到所述最小二乘法方程组。
进一步地，所述根据所述最小二乘法方程组，估算出所述平移量和所述绕轴旋转量，包括：
使用高斯-牛顿优化算法来求解所述最小二乘法方程组，以获得估算的所述平移量和所述绕轴旋转量。
进一步地，所述根据所述最小二乘法方程组，估算出所述平移量和所述绕轴旋转量之后，还包括：
采用多组所述RTK数据和所述时间戳信息，构建最小二乘法方程组，通过多次迭代优化，估算出所述平移量和所述绕轴旋转量。
一种基于RTK无人机的激光雷达的标定装置，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于RTK无人机的激光雷达的标定程序，所述基于RTK无人机的激光雷达的标定程序被所述处理器执行时实现如上任一项所述的基于RTK无人机的激光雷达的标定方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有基于RTK无人机的激光雷达的标定程序，所述基于RTK无人机的激光雷达的标定程序被处理器执行时实现如上任一项所述的基于RTK无人机的激光雷达的标定方法的步骤。
如此设计具有如下优点：本发明通过激光雷达采集无人机在飞行路径中每个路径点的点云数据，并获取对应的无人机的RTK数据，将所述点云数据与所述RTK数据进行比对，确定校准参数，最后将校准参数输入激光雷达，从而使激光雷达校准自身坐标系。通过可靠、自动化的标定流程，能够提高在开阔水面上激光雷达定位测量的准确性和可靠性。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明基于RTK无人机的激光雷达的标定方法第一实施例的流程示意图；
图3为激光雷达坐标系(x，y，z)和经纬度-海拔高度坐标系(x’,y’,z’)的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可为计算机设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，通信总线1002，存储器1003，通信接口1004。其中，通信总线1002用于实现这些组件之间的连接通信。存储器1003可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1003可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机可读存储介质的存储器1003中可以包括基于RTK无人机的激光雷达的标定程序。
参照图2，图2为本发明基于RTK无人机的激光雷达的标定方法第一实施例的流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在第一实施例中，基于RTK无人机的激光雷达的标定方法包括：
S100、规划无人机的飞行路径，并在所述飞行路径上设置路径点；
S200、通过激光雷达采集无人机在每个所述路径点的点云数据，并获取无人机的RTK数据，其中，所述点云数据与所述RTK数据一一对应；
S300、将所述点云数据与所述RTK数据进行比对，确定校准参数；
S400、将所述校准参数输入激光雷达，以使激光雷达校准自身坐标系。
无人机是无人驾驶飞行器的统称，其安装有自动驾驶仪、程序控制装置等设备。与载人飞机相比，它具有体积小、造价低、使用灵活方便等优点。本发明通过RTK无人机来创建高精度活动标靶，便于对激光雷达进行标定。
本实施例中，无人机飞行的过程主要包括了路径设计和数据采集两个阶段。
首先在地图指定高度上的经纬度位置上规划无人机的飞行路线。设置路径点时，需要保证路径点不能超出激光雷达视场角的范围，以确保采集到合适的数据。如果没有相关数据，软件会自动剔除当前位置的数据，但这并不影响结果。
当设计好路径后，我们需要在路径点上采集对应的点云数据，并将其与无人机的RTK数据一一对应，来得出无人机在空中飞行的轨迹。在此过程中，雷达视场角的设置对于保证数据的准确性非常重要，需要注意路径点不能超出雷达视场角的范围。
同时在对于某些复杂环境下，可以进行建模或者生成实时地图来辅助飞行路径规划。无人机成功起飞后，需要根据飞行过程中的信息进行动态调整和优化，以适应不同的场景要求。最终生成的轨迹可以用来进行后续的数据分析和处理，以获得更多有价值的数据和信息。
需要注意的是，在无人机路径规划的过程中，需要对飞行区域的情况充分了解和评估。例如，需要考虑到影响飞行的阻力、高度和避障等因素，以保证数据采集的质量和效率。同时，需要严格遵守航空法规和地方管理规定，确保飞行过程的安全和合法性。
RTK(Global Navigation Satellite System-Real-Time Kinematic)系统，采用实时动态载波相位差分技术，可提供高精度的无人机定位信息。基于此，可以将无人机定位数据与激光雷达获取的点云数据进行配准。以下是具体操作步骤：
获取RTK设备：首先需要获取支持RTK系统的设备，例如GPS和北斗等卫星定位系统可以提供这种功能；
安装并配置RTK设备：RTK设备需要与无人机进行连接，可以通过串口、CAN总线等通讯方式进行通讯；使用RTK设备之前需要进行初始配置，并对设备进行常规的维护和保养；
采集点云数据：使用激光雷达对无人机周围的环境进行扫描和采集，并将采集到的点云数据存储到计算机中；
获取RTK数据：使用RTK设备获取无人机的位置和姿态数据，并将其存储到计算机中；
点云数据与RTK数据的比对：使用配准算法，将点云数据和RTK数据进行比对，确定无人机的位置和姿态。最简单也是最常见的配准算法是ICP(Iterative Closest Point)，具体操作可以借助开源库PCL(Point Cloud Library)实现；
处理数据：定位精度越高，数据的误差也会更小。因此，对于无人机的RTK数据和点云数据进行处理，去除数据的噪点和异常数据会更有利于后续的运算和应用。
通过以上步骤，可以获取无人机的RTK数据并将其与点云数据进行比对，从而实现无人机的精确定位和姿态确定。
综上所述，本发明通过激光雷达采集无人机在飞行路径中每个路径点的点云数据，并获取对应的无人机的RTK数据，将所述点云数据与所述RTK数据进行比对，确定校准参数，最后将校准参数输入激光雷达，从而使激光雷达校准自身坐标系。通过可靠、自动化的标定流程，能够提高在开阔水面上激光雷达定位测量的准确性和可靠性。
雷达本体标定，采用光束平差法或者最小二乘法，通过采集不同角度下的激光雷达点云数据并将其转换到全局坐标系进行标定，得到雷达在全局坐标系下的位置和姿态信息。
基于上述第一实施例，提出本发明基于RTK无人机的激光雷达的标定方法第二实施例。在第二实施例中，所述步骤S300包括：
S310、以所述RTK数据确定全局坐标系，以所述点云数据确定本地坐标系；
S320、通过平移使所述全局坐标系的原点和所述本地坐标系的原点重叠，确定坐标平移矩阵；
S330、通过旋转使所述全局坐标系的坐标轴和所述本地坐标系的坐标轴重叠，确定坐标旋转矩阵；
S340、根据所述坐标平移矩阵和所述坐标旋转矩阵，确定坐标变换公式，其中，所述坐标变换公式包括平移量和所述绕轴旋转量；
S350、通过求解一超定非线性方程，对所述平移量和所述绕轴旋转量进行最优估值，确定所述校准参数。
在进行激光雷达的坐标系校准时，需要知道激光雷达相对于无人机的外部参数，包括平移向量和旋转矩阵等信息。如果已经计算得到这些外部参数，可以按照以下步骤将其输入激光雷达，以校准激光雷达的坐标系：
连接计算机和激光雷达：使用适合的通信协议将计算机和激光雷达进行连接，例如TCP/IP、USB或网线等；
打开激光雷达配置工具：打开激光雷达的配置工具，可以是官方提供的软件或者第三方软件，例如Hokuyo的LidarViewer或者Velodyne的VeloView；
进入激光雷达参数设置界面：在激光雷达配置工具中，进入参数设置界面，并找到激光雷达的坐标系校准选项；
输入外部参数：在坐标系校准选项下，找到外部参数输入选项。根据实际情况，输入已经计算得到的激光雷达的平移向量和旋转矩阵等信息；
保存设置：在输入完毕后，保存设置并退出配置工具；
检验校准效果：使用校准后的激光雷达进行实际的数据采集和处理，并进行检验，以确保校准效果正确。
在开阔水面构造可靠量测系统的核心在于标定雷达坐标系与经纬度坐标系的转换矩阵。
请参阅图3，为将无人机坐标描述从一个激光雷达坐标系(x，y，z)统转换为经纬度-海拔高度坐标系(x’,y’,z’)，我们需要构造一个变换矩阵，它能使两个坐标系统重叠，具体过程分为两步：
(1)平移坐标系统oxyz，使它的坐标原点与新坐标系统的原点重合；
(2)分别进行绕Z，X，Y轴进行旋转变换，使两坐标系的坐标轴重叠。
设新坐标系o’x’y’z’原点的坐标为(x0,y0,z0)，相对原坐标系其单位坐标矢量为：
u′x＝(u′x1,u′x2,u′x3)
u′y＝(u′y1,u′y2,u′y3)
u′z＝(u′z1,u′z2,u′z3)
将原坐标系xyz下的坐标转换成新坐标系x’y’z’的坐标可由以下两步完成：
首先，平移雷达坐标系xyz，使其原点与经纬度坐标系x’y’z’的原点(x0,y0,z0)重合；平移矩阵为：
第二步，利用单位坐标向量构造坐标旋转矩阵
该矩阵R将单位向量u′x u′y u′z，分别变换到x,y和z轴。从oxyz到o’x’y’z’的坐标变换的矩阵为T(-x0,-y0,-z0)·R，也即坐标变换公式为：
(x′,y′,z′,1)＝(x,y,z,1)·T(-x0,-y0,-z0)·R
通过连续采集无人机在激光雷达中的坐标位置(x,y,z)和相同时刻的无人机RTK高精经纬度坐标(x’,y’,z’)构建方程组对平移量(x0,y0,z0)，绕轴旋转量(γ，α，β)共计6个参数进行最优估值，表现为求解一超定非线性方程。
基于上述第二实施例，提出本发明基于RTK无人机的激光雷达的标定方法第三实施例。在第三实施例中，所述步骤S350包括：
S351、获取与每一所述路径点的所述RTK数据对应的时间戳信息；
S352、构建关于所述RTK数据和对应的所述时间戳信息的误差函数；
S353、构建关于所述误差函数的平方和的目标函数，得到所述最小二乘法方程组；
S354、使用高斯-牛顿优化算法来求解所述最小二乘法方程组，以获得估算的所述平移量和所述绕轴旋转量；
S355、采用多组所述RTK数据和所述时间戳信息，构建最小二乘法方程组，通过多次迭代优化，估算出所述平移量和所述绕轴旋转量。
通过连续采集无人机位置和高精度经纬度坐标，可以得到一系列位置数据和时间戳。其中位置数据是三维空间坐标(x，y，z)，时间戳则对应着每个位置数据采集的时间。这两个数据可以构建最小二乘法方程组，根据这个方程组可以估算出无人机运动的平移与旋转量。
步骤如下：
1.构建误差函数：误差函数是位置数据和时间戳的函数，可以用来描述实际位置与估计位置之间的误差。
2.构建目标函数：目标函数是误差函数的平方和。
3.使用高斯-牛顿优化算法来求解方程组，以获得估算的平移量和绕轴旋转量。
需要注意的是，在实际操作中，可以采用多个位置数据和时间戳来构建方程组，通过多次迭代优化，可以得到更加准确的结果。
另外，对于高精度经纬度坐标，可以使用差分GPS或RTK技术来获取，以获得更准确的位置数据，从而提高最优估值的精度。
对于无人机和激光雷达的标定，可以分为内部标定和外部标定两个部分。
内部标定是指对激光雷达本身进行标定，目标是确定激光雷达的内部参数，如焦距、畸变等，并对这些参数进行校准。内部标定需要使用标定板或者特征物体进行标定，采集点云数据，并使用标定软件进行处理，以获取相应的内部参数。
外部标定则是针对无人机和激光雷达之间的标定，目标是确定无人机和激光雷达之间的位置和姿态关系。外部标定可以分为初始标定和精度标定两个阶段。
初始标定：确定激光雷达在无人机坐标系中的初值，并将其安装在无人机上。
精度标定：使用标定板或者特征物体作为标定目标，采集无人机和激光雷达的点云数据，并使用标定软件进行处理，以获取无人机和激光雷达之间的精确位置和姿态关系，从而得到标定结果。
需要注意的是，在进行标定过程中，应该保证激光雷达的安全，并防止其受到损坏。标定结果的精度和可靠性取决于标定过程中各项参数的准确性和标定数据的质量。
标定完成后，需要进行结果的验证和分析。一般采用平面重投影误差和球面重投影误差两种方法进行误差评估。通过对分析结果进行分析，调整标定参数，提高标定精度和准确性。
需要说明的是，在本文中，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，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于RTK无人机的激光雷达的标定方法，其特征在于，包括：
规划无人机的飞行路径，并在所述飞行路径上设置路径点；
通过激光雷达采集无人机在每个所述路径点的点云数据，并获取无人机的RTK数据，其中，所述点云数据与所述RTK数据一一对应；
将所述点云数据与所述RTK数据进行比对，确定校准参数；
将所述校准参数输入激光雷达，以使激光雷达校准自身坐标系。
2.根据权利要求1所述的基于RTK无人机的激光雷达的标定方法，其特征在于，所述将所述点云数据与所述RTK数据进行比对，确定校准参数，包括：
以所述RTK数据确定全局坐标系，以所述点云数据确定本地坐标系；
通过使所述本地坐标系与所述全局坐标系重叠，确定所述校准参数。
3.根据权利要求2所述的基于RTK无人机的激光雷达的标定方法，其特征在于，所述通过将所述本地坐标系与所述全局坐标系重叠，确定所述校准参数，包括：
通过平移使所述全局坐标系的原点和所述本地坐标系的原点重叠，确定坐标平移矩阵；
通过旋转使所述全局坐标系的坐标轴和所述本地坐标系的坐标轴重叠，确定坐标旋转矩阵；
根据所述坐标平移矩阵和所述坐标旋转矩阵，确定坐标变换公式，其中，所述坐标变换公式包括平移量和所述绕轴旋转量；
通过求解一超定非线性方程，对所述平移量和所述绕轴旋转量进行最优估值，确定所述校准参数。
4.根据权利要求3所述的基于RTK无人机的激光雷达的标定方法，其特征在于，
设所述全局坐标系为xyz，设所述本地坐标系为x’y’z’；
则所述坐标平移矩阵为
所述坐标旋转矩阵为
所述坐标变换公式为(x′,y′,z′,1)＝(x,y,z,1)·T(-x0,-y0,-z0)·R；
所述平移量为(x0,y0,z0)，所述绕轴旋转量为(γ，α，β)。
5.根据权利要求3所述的基于RTK无人机的激光雷达的标定方法，其特征在于，所述通过求解超定非线性方程，对所述平移量和所述绕轴旋转量进行最优估值，确定所述校准参数，包括：
获取与每一所述路径点的所述RTK数据对应的时间戳信息；
根据所述RTK数据和对应的所述时间戳信息，构建最小二乘法方程组；
根据所述最小二乘法方程组，估算出所述平移量和所述绕轴旋转量。
6.根据权利要求5所述的基于RTK无人机的激光雷达的标定方法，其特征在于，所述根据所述RTK数据和所述时间戳信息，构建最小二乘法方程组，包括：
构建关于所述RTK数据和对应的所述时间戳信息的误差函数；
构建关于所述误差函数的平方和的目标函数，得到所述最小二乘法方程组。
7.根据权利要求5所述的基于RTK无人机的激光雷达的标定方法，其特征在于，所述根据所述最小二乘法方程组，估算出所述平移量和所述绕轴旋转量，包括：
使用高斯-牛顿优化算法来求解所述最小二乘法方程组，以获得估算的所述平移量和所述绕轴旋转量。
8.根据权利要求5所述的基于RTK无人机的激光雷达的标定方法，其特征在于，所述根据所述最小二乘法方程组，估算出所述平移量和所述绕轴旋转量之后，还包括：
采用多组所述RTK数据和所述时间戳信息，构建最小二乘法方程组，通过多次迭代优化，估算出所述平移量和所述绕轴旋转量。
9.一种基于RTK无人机的激光雷达的标定装置，其特征在于，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于RTK无人机的激光雷达的标定程序，所述基于RTK无人机的激光雷达的标定程序被所述处理器执行时实现如权利要求1至8中任一项所述的基于RTK无人机的激光雷达的标定方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于RTK无人机的激光雷达的标定程序，所述基于RTK无人机的激光雷达的标定程序被处理器执行时实现如权利要求1至8中任一项所述的基于RTK无人机的激光雷达的标定方法的步骤。
CN202310860322.2A 2023-07-13 2023-07-13 基于rtk无人机的激光雷达的标定方法、装置及存储介质 Active CN116908818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310860322.2A CN116908818B (zh) 2023-07-13 2023-07-13 基于rtk无人机的激光雷达的标定方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310860322.2A CN116908818B (zh) 2023-07-13 2023-07-13 基于rtk无人机的激光雷达的标定方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN116908818A true CN116908818A (zh) 2023-10-20
CN116908818B CN116908818B (zh) 2024-05-28

Family

ID=88366152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310860322.2A Active CN116908818B (zh) 2023-07-13 2023-07-13 基于rtk无人机的激光雷达的标定方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN116908818B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117647795A (zh) * 2023-11-28 2024-03-05 无锡中科光电技术有限公司 一种用于激光雷达标定的质控装置及其方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112684432A (zh) * 2019-10-18 2021-04-20 北京万集科技股份有限公司 激光雷达标定方法、装置、设备及存储介质
WO2021128297A1 (zh) * 2019-12-27 2021-07-01 深圳市大疆创新科技有限公司 三维点云地图构建方法、系统和设备
CN114325667A (zh) * 2022-01-05 2022-04-12 上海三一重机股份有限公司 组合导航设备与激光雷达的外参标定方法及装置
CN114442133A (zh) * 2022-02-09 2022-05-06 广东电网有限责任公司 无人机定位方法、装置、设备及存储介质
CN114821363A (zh) * 2022-03-29 2022-07-29 群周科技(上海)有限公司 一种基于语义信息匹配的无人机定位建图方法及系统
CN115980714A (zh) * 2022-12-07 2023-04-18 苏州挚途科技有限公司 多激光雷达的路端标定方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112684432A (zh) * 2019-10-18 2021-04-20 北京万集科技股份有限公司 激光雷达标定方法、装置、设备及存储介质
WO2021128297A1 (zh) * 2019-12-27 2021-07-01 深圳市大疆创新科技有限公司 三维点云地图构建方法、系统和设备
CN114325667A (zh) * 2022-01-05 2022-04-12 上海三一重机股份有限公司 组合导航设备与激光雷达的外参标定方法及装置
CN114442133A (zh) * 2022-02-09 2022-05-06 广东电网有限责任公司 无人机定位方法、装置、设备及存储介质
CN114821363A (zh) * 2022-03-29 2022-07-29 群周科技(上海)有限公司 一种基于语义信息匹配的无人机定位建图方法及系统
CN115980714A (zh) * 2022-12-07 2023-04-18 苏州挚途科技有限公司 多激光雷达的路端标定方法、装置及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117647795A (zh) * 2023-11-28 2024-03-05 无锡中科光电技术有限公司 一种用于激光雷达标定的质控装置及其方法

Also Published As

Publication number Publication date
CN116908818B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN109461190B (zh) 测量数据处理装置及测量数据处理方法
CN108921947B (zh) 生成电子地图的方法、装置、设备、存储介质以及采集实体
CN110148185B (zh) 确定成像设备坐标系转换参数的方法、装置和电子设备
CN112098964B (zh) 路端雷达的标定方法、装置、设备及存储介质
CN116908818B (zh) 基于rtk无人机的激光雷达的标定方法、装置及存储介质
CN107067437B (zh) 一种基于多视几何和光束法平差的无人机定位系统及方法
CN115187798A (zh) 一种多无人机高精度匹配定位方法
WO2021081958A1 (zh) 地形检测方法、可移动平台、控制设备、系统及存储介质
CN111469781B (zh) 用于输出信息的方法和装置
CN115423863B (zh) 相机位姿估计方法、装置及计算机可读存储介质
CN114777768A (zh) 一种卫星拒止环境高精度定位方法、系统及电子设备
WO2024067133A1 (zh) 基于3d地图的无人驾驶航空器飞行控制方法、系统和介质
CN102620745A (zh) 一种机载imu视准轴误差检校方法
El-Ashmawy A comparison study between collinearity condition, coplanarity condition, and direct linear transformation (DLT) method for camera exterior orientation parameters determination
GB2573090A (en) Calibration of object position-measuring apparatus
CN110794434A (zh) 一种位姿的确定方法、装置、设备及存储介质
CN112132029B (zh) 一种面向地震应急响应的无人机遥感影像快速定位方法
CN113720331A (zh) 多相机融合的无人机建筑物内导航定位方法
CN112747752A (zh) 基于激光里程计的车辆定位方法、装置、设备和存储介质
Kang et al. Positioning Errors of Objects Measured by Convolution Neural Network in Unmanned Aerial Vehicle Images
CN117008174B (zh) 一种基于gnss的测控天线不正交度测量方法及装置
CN115655203B (zh) 一种基于无人机定位的风机姿态的标定方法及系统
CN115578472B (zh) 基于图像的动态标定测量方法、装置和计算机设备
JP6974290B2 (ja) 位置推定装置、位置推定方法、プログラム、及び記録媒体
Anuar et al. Effect Unmanned Aerial Vehicle (UAV) for Topography Mapping at FKAAB

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