面阵固态激光雷达在排水管道检测中应用研究

激光雷达扫描是排水管道完整性检测的一种重要方法。针对目前激光扫描设备无法快速绘制出排水管道内壁三维轮廓图像的问题，文中设计一种基于面阵固态激光雷达传感器的管道内壁信息采集传输系统，给出激光雷达传感器的硬件采集电路原理图，详细阐述系统软件设计方案和实现过程。模拟场地测试时，采集面阵固态激光雷达三维点云数据和深度数据，详细对比检测量和实测量，以验证检测数据的可靠性。结果表明，面阵固态激光雷达测量精度为1.8 cm，检测范围可达5 m。现场实测时，绘制排水管道内壁面阵固态激光雷达三维深度图，三维图中管道底部泥沙和管道顶部污垢清晰可见，能快速检测出排水管道内壁的完整信息。所设计系统实用性高、检测速度快，具有良好的稳定性。     

室内激光雷达导航系统设计

小型无人机和移动机器人技术迅速发展,对室内导航技术的要求越来越高,针对当前室内导航精度不高、导航设备比较复杂的问题,提出一种采用激光雷达定位和地磁传感器检测相结合的室内主动导航方法。该方法首先使用激光雷达扫描室内环境,用采集到的数据拟合出室内地图,根据目的地信息和室内的环境信息来规划行进的路线;然后在行进中使用激光雷达连续地扫描得到数据与地图数据进行比较,来确定所处的位置,同时使用地磁传感器取得行驶的方向,二者相结合判断是否在规划的路线上行驶,及时地对出现的偏差进行纠正;最后通过搜索RFID地标确定是否已经到达指定位置。仿真和实验的结果表明:所设计的室内激光雷达导航系统结构简单、可靠性高,能够较好地满足室内导航的要求。     

基于红外技术与激光雷达的新能源汽车无人驾驶障碍检测

障碍物检测是无人车研究的重点之一,需要多角度获取障碍物数据。提出基于红外技术与激光雷达的新能源汽车无人车驾驶障碍检测方法。引用Trimble MX2三维激光雷达设备,结合红外线传感器,获取驾驶过程中障碍物数据,通过预处理降低数据获取误差。采用处理后的障碍数据点连接成障碍轮廓,并根据障碍分类信息完成障碍物检测。构建检测性能测试环境,试验结果表明,红外技术与激光雷达相结合后,可以实现对全部障碍物的准确检测,能够精准划分障碍物类型,行驶障碍物种类划分的误分率始终保持在0%～10%之间,检测用时始终保持在2 s以内,用时较短,检测识别效果较好,能够提高无人车夜间驾驶安全系数。     

一种激光雷达与视觉融合的同步定位及建图算法

室内移动机器人自主导航依赖于同步定位及建图技术,激光雷达与相机作为主流传感器正在不断深入应用到机器人定位与建图,但是单一传感器存在的缺陷不可避免,视觉传感器采集环境特征信息丰富,但视野范围较窄,而且对环境变化较为敏感;三维激光雷达检测精度较高,但价格昂贵,不适合生产生活应用。基于上述问题,提出了一种视觉与激光相融合的SLAM算法框架。首先利用惯性测量单元IMU对RPLidar采集到的雷达数据进行畸变校正处理,同时将Astra Pro深度相机获取的三维数据映射到二维坐标系,通过扩展卡尔曼方法将激光数据与深度数据相融合,最终在实际环境下进行建图比较,获得了更加完整的地图,从而验证了该文算法的可靠性和有效性。     

激光雷达和视觉传感器组合系统的在线校准方法

针对激光雷达和视觉传感器在车辆行驶过程中因振动发生漂移的问题,提出一种组合系统的在线校准方法。基于激光点云和图像的边缘匹配原理进行数据实时检测,检测到融合的传感器数据不准确时对其采取紧急措施,以提高车辆行驶安全性。针对未检测出错误的校准参数,采用梯度下降法优化成本函数,获取新的校准参数,实现传感器数据校正。通过数据集KITTI进行多次参数偏差实验,测试表明,算法可以检测较大的错误校准且能校正较小范围内的平移和旋转误差。     

激光雷达技术及其发展动向

激光雷达无论在军用领域还是民用领域日益得到广泛的应用.介绍了激光雷达的工作原理、工作特点及分类,对激光雷达设计中的关键技术进行分析,给出了几种具备代表性的激光雷达及其指标.讨论了未来一段时期激光雷达技术的发展趋势,认为新型辐射源设计技术、多传感器集成及数据融合、新体制激光雷达是未来激光雷达的研究重点.     

多传感器融合的激光雷达点云矫正与定位方法

针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题，提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先，以激光雷达数据为时刻基准，利用积分的方法对惯性测量单元和轮速计的数据进行预处理；之后，将融合数据与激光雷达数据融合，以矫正产生畸变的激光点云；最后，利用线性插值的方式来保证传感器间数据的时间同步，并将计算的位姿作为里程计迭代计算的初值，降低计算复杂度并提高里程计的定位精度。实验结果表明，相比没有采用多传感器融合的传统方案（LOAM、FLOAM），在公开数据集实验中，所提方法的定位均方根误差分别降低了81.11%和21.54%，在自测数据集实验中，定位均方根误差分别降低了52.76%和24.29%。     

基于激光雷达点云的滤波算法研究

激光雷达是是智能车多传感器感知部分的重要传感器组件,激光雷达对周围物体的识别结果是多传感器数据融合的重要输入参数。为了提高激光雷达的物体识别准确率,良好的滤波算法是其重要的一环。文章研究了两种激光雷达点云滤波算法,半径滤波和统计滤波。通过滤波结果对比,统计滤波器对激光雷达三维点云图的滤波效果更好。     

基于激光雷达与相机融合的交通锥桶检测

针对广泛应用在自动驾驶场景中的交通锥桶，对于单一传感器在自动驾驶目标检测中的局限性问题，提出一种基于激光雷达与相机融合的实时、鲁棒的交通检测锥桶方法。该方法利用交通锥桶的独特几何结构，通过激光雷达与相机检测交通锥桶的三维位置和颜色信息，将激光雷达三维点云投影到二维图像平面，对结果进行后融合。实验表明，该方法能够稳定、准确地检测出交通锥桶，在不同环境光照条件和复杂环境下检测准确率均在96%以上。     

基于成像激光雷达的地形辅助导航研究

成像激光雷达通过扫描可以测量高精度的地形数据,基于成像激光雷达的地形辅助导航系统是纠正惯导误差的有效手段.根据激光雷达测距模型提出了基于成像激光雷达的地形辅助导航系统,将激光雷达看作一个多维距离传感器阵列,利用卡尔曼滤波器迭代估计系统的状态误差,从而纠正惯导累积误差.根据激光雷达测距关系推导了系统的扩展卡尔曼滤波方程,并对成像激光雷达多维测量数据采用最小均方误差准则进行融合,融合滤波器组合了多个测量数据的信息,有效克服了测量噪声和数据丢失对单个滤波器的影响,从而提高了导航性能.然后利用局部可观测性对系统的性能进行了分析,并对提出的算法作了大量的仿真实验进行验证.