CN118068358B - 一种激光雷达与惯性测量单元外参标定的无奇异方法 - Google Patents
一种激光雷达与惯性测量单元外参标定的无奇异方法 Download PDFInfo
- Publication number
- CN118068358B CN118068358B CN202410473731.1A CN202410473731A CN118068358B CN 118068358 B CN118068358 B CN 118068358B CN 202410473731 A CN202410473731 A CN 202410473731A CN 118068358 B CN118068358 B CN 118068358B
- Authority
- CN
- China
- Prior art keywords
- matrix
- laser radar
- imu
- operator
- singular
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005259 measurement Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 153
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 25
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 5
- 239000000243 solution Substances 0.000 description 7
- 230000017105 transposition Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012482 calibration solution Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Electromagnetism (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Navigation (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种激光雷达与惯性测量单元外参标定的无奇异方法,涉及多传感标定技术领域,本发明提出了F.C.Park方法的固有缺陷,并基于矩阵极分解定理详细阐述了F.C.Park方法产生奇异现象的根本原因,在此基础上,基于欧几里得群参数,提出了一种用于激光雷达与IMU外参标定的无奇异方法;从安全性角度考虑,本发明所提出的无奇异外参标定方法所给出的未知外参矩阵姿态部分恒为行列式+1的旋转矩阵,提高了基于欧几里得群参数的激光雷达与IMU外参标定的精确性以及安全性。
Description
技术领域
本发明涉及多传感标定技术领域,具体说是一种激光雷达与惯性测量单元外参标定的无奇异方法。
背景技术
传感器融合技术是无人车与移动机器人用来精确环境感知的一项重要技术,其根本任务是将多个传感器的数据在一个公共的参考系中表示。对于惯性测量单元(inertialmeasurement unit,IMU)和激光雷达的数据融合来讲,由于研究人员通常使用从不同来源采购的产品来组装传感器套件,导致激光雷达坐标系和IMU坐标系之间的相对“位置以及姿态”(简称为“位姿”)关系通常是未知的。因此,为了将两个传感器的数据可以在一个公共的参考系中表示,通常需要求解激光雷达坐标系和IMU坐标系之间的相对位姿关系,即计算两传感器坐标系之间的位姿矩阵(该矩阵为一个4阶方阵,包含3行1列的位置矩阵信息以及3阶的姿态矩阵信息),即进行激光雷达与IMU的外参标定。
韩国学者F.C. Park所提出的基于Euclidean Group(欧几里得群)参数的手眼标定方法是常用的激光雷达与IMU外参标定的方法,并且根据激光雷达与IMU之间的运动约束关系建立了约束方程:
;
在约束方程中给出了未知外参矩阵姿态部分的估计值如下式所示:
,
由外参矩阵的性质可得,的姿态矩阵应严格为一个旋转矩阵。又由旋转矩阵性质可得,的姿态矩阵行列式应该恒为“+1”。然而,在有些情况下,发明人发现F.C.Park所解得姿态矩阵的行列式值却为“-1”,此刻 F.C. Park方法所解得的不是严格的旋转矩阵,从而导致该方法所给出的矩阵严重偏离其真值,即F.C. Park方法此刻将会失效(奇异现象)。现有技术并未有关于F.C. Park方法固有奇异现象的报道和解决方法,导致基于该方法的激光雷达与IMU外参标定结果有可能出现错误。
发明内容
为解决欧几里得群参数的手眼标定方法计算过程中产生的奇异现象的问题,本发明的目的是提供一种激光雷达与惯性测量单元外参标定的无奇异方法,所给出的未知外参矩阵姿态部分恒为行列式+1的旋转矩阵,弥补了F.C.Park方法所固有的缺陷,提高了基于欧几里得群参数的激光雷达与IMU外参标定的精确性以及安全性。
本发明为实现上述目的,通过以下技术方案实现:
一种激光雷达与惯性测量单元外参标定的无奇异方法,包括以下步骤:
①设激光雷达坐标系与惯性测量单元坐标系IMU之间的位姿矩阵为,在第i时刻与第i+1时刻,操作激光雷达与IMU依次进行两次运动,根据现有的扫描匹配技术获得激光雷达坐标系在相邻两次运动之间的位姿矩阵值,以及IMU坐标系在相邻两次运动之间的位姿矩阵值,根据激光雷达与IMU之间的运动约束关系建立下述的约束方程:
,
式中,“”代表矩阵乘法运算符;
假设位姿矩阵内部的3阶姿态矩阵依次为,由矩阵的对数定理可得所对应的矩阵对数值,将激光雷达与IMU的外参标定问题等价于非线性最小化问题:
;
式中,为累计求和运算符, min为最小值函数运算符,代表激光雷达与IMU间的外参矩阵的3阶姿态矩阵,为向量范数运算符;
②依据矩阵的范数性质将非线性最小化问题进行整理,得到公式:
;
其中, 为矩阵的求迹运算符;
根据欧拉旋转定律,对于确定的测量数据来讲,为确定值,故公式(6)里的最小值仅由来决定;根据矩阵迹的循环特性可知,可进一步化简为,其中,;因此,激光雷达与IMU外参标定问题的优化目标函数可进一步等价为公式(7),,
其中为最大值函数运算符;
优选的,对进行奇异值分解:,其中,与均为正交矩阵,为一个以的奇异值,记作,为对角线元素的对角阵,i=1, 2,3,且;
构造旋转矩阵与:;其中,diag为构造对角矩阵函数,为矩阵行列式运算符;
设,定义下述的对角阵:,则矩阵又可表述为:
,
联立公式(7)与(8),基于欧拉旋转定理,公式(7)可进一步简化为:
,
式(9)中,代表向量的夹角,是矩阵第i列的向量;
由向量内积的性质可知,当且仅当时,即向量与向量相互重合时,才会取得最大值,此刻所对应的旋转矩阵即为未知矩阵的姿态部分最优解:
,
将代入激光雷达与IMU之间的外参标定公式(1), 则未知外参矩阵平移列向量的估计值为:
,
其中,依次为位姿矩阵与的平移列向量,指矩阵的广义逆运算符;为3阶单位矩阵。
本发明相比现有技术具有以下优点:
本发明的激光雷达与惯性测量单元外参标定的无奇异方法,首次提出了F.C.Park基于欧几里得群参数所提出的外参标定方法固有的缺陷,并给出了该标定方法奇异性的评价指标:未知外参矩阵内姿态估计值的行列式;在此基础上,根据欧拉旋转定理,本申请提出了一种基于欧几里得群参数的激光雷达与IMU外参标定的无奇异方法。本发明的激光雷达与惯性测量单元外参标定的无奇异方法,有力避开了姿态部分估计值为反射矩阵的奇异现象,给出的未知外参矩阵姿态部分恒为行列式+1的旋转矩阵,提高了基于欧几里得群参数的激光雷达与IMU外参标定的安全性、精确性和稳定性。
附图说明
图1是激光雷达与IMU外参标定的测量数据采集系统框图;
图2是本申请所提出激光雷达与IMU外参标定的无奇异方法流程图;
图3为本申请方法与F.C. Park方法所解得外参矩阵的旋转误差图;
图4为F.C. Park方法所解得外参矩阵姿态部分的行列式图;
图5为本申请方法所解得外参矩阵姿态部分的行列式图;
图6为F.C. Park所提出外参标定方法的奇异性验证流程图。
具体实施方式
本发明的目的是提供一种激光雷达与惯性测量单元外参标定的无奇异方法,通过以下技术方案实现:
发明人在研究激光雷达与惯性测量单元外参标定方法时,研究发现F.C. Park方法具有固有缺陷和奇异现象,具体的:
设激光雷达坐标系与IMU坐标系之间的位姿矩阵为,在第i时刻与第i+1时刻,操作激光雷达与IMU依次进行两次运动,根据现有的扫描匹配技术获得激光雷达坐标系在相邻两次运动之间的位姿矩阵值(简称为“”),以及IMU坐标系在相邻两次运动之间的位姿矩阵值(简称为)。根据激光雷达与IMU之间的运动约束关系建立下述的约束方程(1):
,
式中,“”代表矩阵乘法运算符;
假设位姿矩阵的3阶姿态矩阵依次为,由矩阵的对数定理可得所对应的矩阵对数值,则激光雷达与IMU的外参标定问题等价于下述的非线性最小化问题:
;
式(2)中,为累计求和运算符, min为最小值函数运算符,代表激光雷达与IMU间的外参矩阵的3阶姿态矩阵,为向量范数运算符。
F.C. Park方法所给出的未知矩阵姿态部分的估计值如下式所示;
,
式(3)中,为矩阵转置运算符;,对进行转置运算可得。
综上,由矩阵右侧极分解定理可知,任意一个方阵均可分解为一个半正定矩阵与一个正交矩阵的乘积,则的右侧极分解为,其中,依次代表右侧极分解所得到的半正定矩阵以及正交矩阵,P与O的表达式依次为:
,
结合公式(1)与(5)可知,F.C. Park所给出的未知矩阵的旋转部分估计值等同于公式(5)里的正交矩阵。又由右侧极分解定理可知,右侧极分解所得到的矩阵仅仅为一个正交矩阵,所以F.C. Park方法所给出的姿态矩阵仅为一个正交矩阵。
根据正交矩阵性质可得,正交矩阵包括行列式为“”的旋转矩阵以及行列式为“”的反射矩阵两种,即矩阵不一定恒为旋转矩阵。
当的行列式为“”时,F.C. Park方法解得的未知矩阵将会接近其真值,此刻F.C. Park方法有效。然而,当的行列式为“”时,F.C. Park方法所估计得到的未知矩阵将会严重偏离其真值,即出现奇异现象,此刻F.C. Park方法无效。
为了避开F.C. Park方法的固有缺陷,利用欧拉旋转定理,本申请提出一种基于欧几里得群参数的激光雷达与IMU外参标定的无奇异解析解方法,其技术方案如下。
由公式(2)可知,激光雷达与IMU之间的外参标定问题等价于下述的非线性最小化问题。依据矩阵的范数性质可知,公式(2)里的优化目标函数可进一步整理为公式(6),
,
公式(6)中,;;其中, 为矩阵的求迹运算符。
为对进行转置运算;
为对进行转置运算;
为对进行转置运算;
依据欧拉旋转定律,对于确定的测量数据与来讲,为确定值,故公式(6)里的最小值仅由来决定。根据矩阵迹的循环特性可知,可进一步化简为,其中,。因此,激光雷达与IMU外参标定问题的优化目标函数可进一步等价为公式(7),
,
公式(7)中,为最大值函数运算符;
对进行奇异值分解:,其中,均为正交矩阵,为一个以的奇异值,记作,为对角线元素的对角阵,i=1, 2, 3,且;
为便于求解,构造旋转矩阵:,;其中,diag为构造对角矩阵函数,为矩阵行列式运算符。
设,定义下述的对角阵:,则矩阵又可表述为:
,
联立公式(7)与(8),基于欧拉旋转定理,公式(7)可进一步简化为:
,
式(9)中,代表向量的夹角,是矩阵第i列的向量。由向量内积的性质可知,当且仅当时,即向量与向量相互重合时,才会取得最大值,此刻所对应的旋转矩阵即为未知矩阵的姿态部分最优解:,
将代入激光雷达与IMU之间的外参标定公式(1),可得未知外参矩阵平移列向量的估计值为:
,
其中,依次为位姿矩阵的平移列向量,指矩阵的广义逆运算符。
以下结合具体实施例来对本发明作进一步的描述。
实施例1
一种基于欧几里得群的激光雷达与IMU外参标定的无奇异方法,包括以下步骤:
S10:如图1所示,采集96组标定数据,并提取各自姿态矩阵(),所对应的矩阵对数值;
S101:将所需标定的IMU与激光雷达固连在同一个移动车体上,如图1所示,在第i时刻,控制移动车体运动至某一位置并保持静止,保留此刻激光雷达视野范围内的点云信息,并记录IMU当前的加速度以及角速度信息;
S102:同理,在第i +1时刻,控制移动车体运动至另一位置并保持静止,保留第i +1时刻激光雷达视野范围内的点云信息,并记录IMU在此刻的加速度以及角速度信息;
S103:根据第i时刻与第i +1时刻激光雷达所获得的点云信息,提取激光雷达坐标系在第i时刻与第i +1时刻之间的位姿矩阵;根据第i时刻以及第i +1时刻IMU的加速度以及角速度信息,提取IMU坐标系在第i时刻以及第i +1时刻之间的位姿矩阵值;
S104:重复执行S101至S103步骤96次,可得96组激光雷达与IMU位姿标定数据与 ;根据欧几里得群以及矩阵对数性质,依次提取96组标定数据的旋转部分()所对应的矩阵对数值;
S20:如图2所示,从上述96组标定数据中随机选出5组(),基于公式(10)至公式(11),根据本申请所提出的基于欧几里得群参数的外参标定解获得未知矩阵以及旋转误差值;
S201: 从上述96组测量数据中随机选出5组,构造矩阵,并求取其转置矩阵;
S202:对进行奇异值分解,,其中,均为正交矩阵,为一个以的奇异值,记作,为对角线元素的对角阵,i=1, 2, 3,且;
S203:根据,构造旋转矩阵:,,并定义下述的对角阵:;其中,代表求取矩阵的行列式运算,是构造对角矩阵运算,;
S204:基于旋转矩阵,解得未知外参矩阵旋转部分的最优解:;
S205:将代入标定方程(1),获得未知外参矩阵平移列向量:;
S206: 为了评估外参矩阵姿态估计值的精度,在这里引入下述的旋转误差度量准则,,其中,为矩阵对数运算符,为矩阵的F范数运算符,为矩阵的求逆运算符,记录所对应的行列式值以及旋转误差常对数值;
S30:运用Matlab R2016a软件,重复第S20步骤1000次,进而可得1000组对应的外参矩阵的旋转误差常对数值以及姿态行列式值,其中本申请方法与F.C. Park方法所解得外参矩阵的旋转误差图如图3所示,两种方法所解得外参矩阵姿态部分的行列式图如图4和图5所示;
由图3~图5可知,在1000次标定程序中,本申请所提出激光雷达与IMU外参标定方法给出的外参矩阵姿态部分的旋转误差值均很小(最大误差为),且外参矩阵姿态部分的行列式恒为+1,从而论证了本申请所提出标定方法的可行性以及稳定性。
S40: 如图6所示,将步骤S20以及S30中所选定的1000组数据依次代入F.C.Park方法中,验证F.C. Park方法的奇异性;
S401:根据步骤S20与S30所获得的1000组数据,依次构造1000个矩阵;
S402:将1000个M矩阵依次带入,获得激光雷达与IMU未知外参矩阵的姿态估计值,并记录所对应的1000组行列式值以及旋转误差常对数值,如图3以及图4所示;
S403:由图3与图4可知,在1000次标定程序中(除第860次之外),F.C. Park所给出外参矩阵姿态部分的行列式均接近于+1(最大误差为),即可认为等于+1。然而,针对第860次标定数据,的行列式却等于“”,此刻不是旋转矩阵而为反射矩阵。因此,在第860次的标定中,对应的旋转误差值为弧度,即严重偏离了其真值,从而进一步论证F.C. Park方法奇异现象的存在性,即F.C.Park所提出外参标定解析解算法的安全性较低。
由图3与图4可知,在整个1000次运行中,本文所解得的的行列式恒等于+1。且其旋转误差值均接近于F.C. Park方法的旋转误差值(除第860次之外)。
Claims (1)
1.一种激光雷达与惯性测量单元外参标定的无奇异方法,其特征在于:包括以下步骤:
①设激光雷达坐标系与惯性测量单元坐标系IMU之间的位姿矩阵为,在第i时刻与第i+1时刻,操作激光雷达与IMU依次进行两次运动,根据现有的扫描匹配技术获得激光雷达坐标系在相邻两次运动之间的位姿矩阵值,以及IMU坐标系在相邻两次运动之间的位姿矩阵值,根据激光雷达与IMU之间的运动约束关系建立下述的约束方程:
,
式中,“”代表矩阵乘法运算符;
假设位姿矩阵内部的3阶姿态矩阵依次为,由矩阵的对数定理可得所对应的矩阵对数值,将激光雷达与IMU的外参标定问题等价于非线性最小化问题:
;
式中,为累计求和运算符, min为最小值函数运算符,代表激光雷达与IMU间的外参矩阵的3阶姿态矩阵,为向量范数运算符;
②依据矩阵的范数性质将非线性最小化问题进行整理,得到公式:
;
其中, 为矩阵的求迹运算符;
根据欧拉旋转定律,对于确定的测量数据来讲,为确定值,故公式(6)里的最小值仅由来决定;根据矩阵迹的循环特性可知,可进一步化简为,其中,;因此,激光雷达与IMU外参标定问题的优化目标函数可进一步等价为公式(7),,
其中为最大值函数运算符;
对进行奇异值分解:,其中,与均为正交矩阵,为一个以的奇异值,记作,为对角线元素的对角阵,i=1, 2,3,且;
构造旋转矩阵与:;其中,diag为构造对角矩阵函数,为矩阵行列式运算符;
设,定义下述的对角阵:,则矩阵又可表述为:
,
联立公式(7)与(8),基于欧拉旋转定理,公式(7)可进一步简化为:
,
式(9)中,代表向量的夹角,是矩阵第i列的向量;
由向量内积的性质可知,当且仅当时,即向量与向量相互重合时,才会取得最大值,此刻所对应的旋转矩阵即为未知矩阵的姿态部分最优解:
,
将代入激光雷达与IMU之间的外参标定公式(1), 则未知外参矩阵平移列向量的估计值为:
,
其中,依次为位姿矩阵与的平移列向量,指矩阵的广义逆运算符;为3阶单位矩阵;
为了评估外参矩阵姿态估计值的精度,在这里引入下述的旋转误差度量准则,,其中,为矩阵对数运算符,为矩阵的F范数运算符,为矩阵的求逆运算符,记录所对应的行列式值以及旋转误差常对数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410473731.1A CN118068358B (zh) | 2024-04-19 | 2024-04-19 | 一种激光雷达与惯性测量单元外参标定的无奇异方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410473731.1A CN118068358B (zh) | 2024-04-19 | 2024-04-19 | 一种激光雷达与惯性测量单元外参标定的无奇异方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118068358A CN118068358A (zh) | 2024-05-24 |
CN118068358B true CN118068358B (zh) | 2024-07-05 |
Family
ID=91104504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410473731.1A Active CN118068358B (zh) | 2024-04-19 | 2024-04-19 | 一种激光雷达与惯性测量单元外参标定的无奇异方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118068358B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114550042A (zh) * | 2022-02-18 | 2022-05-27 | 深圳海星智驾科技有限公司 | 一种道路消失点提取方法、车载传感器标定方法及装置 |
CN116184430A (zh) * | 2023-02-21 | 2023-05-30 | 合肥泰瑞数创科技有限公司 | 一种激光雷达、可见光相机、惯性测量单元融合的位姿估计算法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111272165B (zh) * | 2020-02-27 | 2020-10-30 | 清华大学 | 一种基于特征点标定的智能车定位方法 |
WO2021237520A1 (zh) * | 2020-05-27 | 2021-12-02 | 华为技术有限公司 | 外参标定方法、装置、设备及存储介质 |
CN116295382A (zh) * | 2023-03-24 | 2023-06-23 | 贵州中建建筑科研设计院有限公司 | 一种基于slam单线雷达与惯性测量单元的室内绘图方法 |
-
2024
- 2024-04-19 CN CN202410473731.1A patent/CN118068358B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114550042A (zh) * | 2022-02-18 | 2022-05-27 | 深圳海星智驾科技有限公司 | 一种道路消失点提取方法、车载传感器标定方法及装置 |
CN116184430A (zh) * | 2023-02-21 | 2023-05-30 | 合肥泰瑞数创科技有限公司 | 一种激光雷达、可见光相机、惯性测量单元融合的位姿估计算法 |
Also Published As
Publication number | Publication date |
---|---|
CN118068358A (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107972070B (zh) | 机器人性能的测试方法、测试系统及计算机可读存储介质 | |
CN110640747B (zh) | 机器人的手眼标定方法、系统、电子设备和存储介质 | |
CN110501036A (zh) | 传感器参数的标定检查方法及装置 | |
CN111975771A (zh) | 一种基于偏差重定义神经网络的机械臂运动规划方法 | |
CN112025772A (zh) | 一种基于视觉测量的机械臂自主标定方法 | |
CN111168719A (zh) | 一种基于定位工装的机器人校准方法及系统 | |
TWI762371B (zh) | 機械手臂與輪廓感測器座標系相對關係之自動校正方法與系統 | |
CN114265364B (zh) | 一种工业物联网的监测数据处理系统及方法 | |
Huang et al. | Consistent unscented incremental smoothing for multi-robot cooperative target tracking | |
CN117245640A (zh) | 机器人的控制方法、装置、设备及存储介质 | |
CN108818538A (zh) | 一种实时标定机器人传感器姿态的方法、装置及终端设备 | |
Li et al. | Simultaneous kinematic calibration, localization, and mapping (SKCLAM) for industrial robot manipulators | |
Huang et al. | On the consistency of multi-robot cooperative localization. | |
CN105701292B (zh) | 一种机动目标转弯角速度的解析辨识方法 | |
CN118068358B (zh) | 一种激光雷达与惯性测量单元外参标定的无奇异方法 | |
CN114186189A (zh) | 坐标转换矩阵的计算方法、装置、设备及可读存储介质 | |
CN114266776B (zh) | 一种应用复合裂纹位移场函数的数字图像相关方法 | |
CN108638060B (zh) | 多自由度机器人参数标定中冗余参数分析剔除方法 | |
CN112613196B (zh) | 一种五轴机器人姿态逆解方法及相关设备 | |
Wampler | On a rigid body subject to point-plane constraints | |
Chen et al. | Configuration optimization for manipulator kinematic calibration based on comprehensive quality index | |
CN111504276B (zh) | 一种基于视觉投影尺度因子集的联合目标函数多推进器姿态角获取方法 | |
CN114043485A (zh) | 一种机器人在线检测系统动态误差补偿方法 | |
Taguchi et al. | Entropy-based motion selection for touch-based registration using rao-blackwellized particle filtering | |
Stanislav et al. | Sensors data fusion via bayesian filter |
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 |