旋转二维激光雷达测量系统及其标定方法

为了实现利用单个二维激光雷达获得被扫描物体 的三维信息,提出了一种旋转二维激光雷达三维 扫描测量系统及其标定方法。确定了系统的组成和扫描测量原理,建立了系统的数学模型。 针对现有激光 雷达扫描测量系统参数标定方法不能线性求解的不足,提出了一种基于特定结构标定件的系 统参数线性标 定方法,分析了该标定方法的原理及步骤,并通过上述原理建立线性方程组实现了系统外参 数的求解。组 建了实验系统,制作了标定件和被测量件,利用标定后的激光雷达测量系统对被测量件进行 扫描。实验结 果表明,旋转二维激光雷达测量系统测量值和三坐标测量机对应测量值之间的最大差值为6.84mm,在二维 激光雷达测量误差±30mm之内,完全满足实际测量精度要求。     

三维点云与可见光图像融合方法及可视化

鉴于三维点云缺少颜色信息和光学图像缺少空间信息，提出一种基于激光雷达与相机自动标定的融合方法，融合后的数据兼有点云的空间信息和光学图像的颜色纹理信息。首先利用平面标定板对激光雷达和光学相机进行分步式自动标定，其次通过共线方程建立坐标关系，将光学图像的颜色纹理信息赋予点云进行融合并进行可视化。实验结果表明：所提方法在提高自动化程度的同时也在一定程度上提高了融合精度；与基于人工匹配的标定融合方法相比，所提方法的精度提升了51.7%；与基于梯形棋盘格标定板的标定融合方法相比，所提方法的精度提升了36.4%。从多角度观测可视化结果，所提方法都能从颜色和空间效果方面更好地还原真实场景。     

基于强度信息的激光雷达和相机空间位姿标定方法

激光雷达和相机融合系统可感知环境的几何尺寸和颜色信息,在多个领域中得到了广泛应用。为了准确融合两种信息,提出了一种基于自然特征点的激光雷达和相机外部参数标定方法。首先,在激光雷达自校正的基础上,利用激光雷达数据的强度信息对点云以中心投影的方式生成灰度图。然后,通过尺度不变特征变换算法对投影生成的灰度图和相机图像进行特征点提取和匹配。最后,以同名特征点得到的信息建立标定数学模型,并进行数据优化,标定出三维激光雷达系统和相机系统的外部参数。实验结果表明,该方法计算的点云到图像像素点的重投影误差为2.3 pixel,验证了该位姿标定方法的有效性和准确性。     

一种视觉惯性系统位姿高精度一体化标定方法

在视觉惯性定位系统中，传感器位姿关系的标定对于实现精确空间定位至关重要，针对现有标定方法对多传感器系统缺乏集成性、标定精度受限等问题，提出了一种视觉惯性系统位姿高精度一体化标定方法。通过精密三轴转台提供角度基准，基于重力矢量不变性和匀速圆周运动下向心加速度数值的一致性求解惯性测量单元（IMU）与转台之间的外参，利用转台构建控制场为相机标定提供空间角度约束，联合优化求解无重叠视场多相机内外参。仿真和实验结果表明，该方法具有较高的标定精度和稳定性，在多相机IMU系统组合定位测试中，与经典标定方法 Kalibr相比，本文方法系统运动轨迹拟合轴线的角度偏差降低40.32%，距离偏差降低18.93%，可满足高精度视觉惯性定位系统的标定需求。     

一种3D激光雷达和摄像机的联合标定方法

针对由摄像机和3D激光雷达组成的无人车平台的外部标定问题,提出一种3D激光雷达和摄像机的联合标定方法。通过激光雷达在地面上的扫描信息,获取激光雷达安装的俯仰角和安装高度;利用黑白棋盘格标定板获取摄像机相对车体的姿态外参数;最后综合激光雷达和摄像机的标定结果,对激光雷达、摄像头、车体进行联合标定。该方法只要让标定板放置于车体正前方,采集一次数据就能满足整个标定过程,实现两种类型传感器的联合标定。实验结果表明该方法有较好的标定效果。     

飞行时间深度相机和彩色相机的联合标定

飞行时间（TOF）深度相机等深度传感器可以实时、准确地获取深度信息,在计算机视觉领域受到广泛关注。本文以获取同一视野下场景的纹理信息和深度信息为目的,在传统的棋盘格标定方法基础上,针对TOF深度相机的低分辨率和较大的径向畸变的特点,采用角点稀疏的棋盘格作为标定板以提高角点检测的精度,提出一种TOF深度相机和彩色相机的联合标定方法。首先对彩色相机和深度相机单独标定,使用传统的棋盘格标定方法获得彩色相机的内部参数,对使用深度相机所拍的强度图进行畸变校正后再求得深度相机的内部参数。然后,固定两相机内参,多次实验获得两相机之间的相对位置关系,并使用最小二乘法进行优化。实验结果表明,该方法标定精度高,彩色相机的重投影误差最多可减小0.15个像素,深度相机的重投影误差最多可减少0.09个像素,根据标定结果将深度相机所得的深度图投影到彩色相机的视野下所得的投影深度图能和彩色图像精确对齐。      

相机标定方法及进展研究综述

相机标定是摄影测量学和计算机视觉的重要基础之一。首先介绍了相机标定的应用及分类；然后，概述了标定理论基础，包括空间坐标系转换、几何成像模型、内外参数解算方法，并从传统和智能化两大方面对相机标定方法进行阐述，传统标定方面介绍了基于参照物、主动视觉及自标定方法，并对3种方法优缺点进行了详细对比分析，智能化标定方面介绍了误差反向传播、多层感知器及卷积神经网络在标定过程的应用；接着，总结了相机标定方法的常用评价指标；最后，进行了归纳总结，并给出了相机标定技术的发展方向，可为相机标定相关领域研究者提供参考。     

基于点云配准的多固态激光雷达标定算法

针对多个固态激光雷达协同工作时,需要准确地进行外参标定的实际需求,提出一种基于点云配准的多固态激光雷达自动标定算法。该标定算法由标定物分割、初始配准和精确配准三个阶段构成。在标定物分割阶段,首先通过叠加多帧非重复扫描数据制作标定点云,再使用半径滤波和体素下采样滤波分割出纹理特征明显的目标点云。在初始配准阶段,使用3D-HARRIS算法提取关键点,并使用方向直方图(SHOT)特征描述子进行特征描述,然后匹配对应点并使用采样一致算法完成初始配准;在精配准阶段使用迭代最近邻(ICP)算法进行精确配准,从而获得精确的外参标定效果。在Bunny兔数据集和现场获得的数据上进行实验,结果表明,当保证配准平均误差小于1 mm的前提下,所提出算法的性能优于多种现有算法。     

摄影测量相机成像模型参数的单图标定方法

为研究热控措施下温度波动引起的相机成像模型参数变化规律问题，提出了一种摄影测量相机成像模型参数的单图标定方法。摆放多张不同位置及姿态的同规格同精度标定板于相机视场内，为相机单图标定提供大量不同深度不同姿态及不同位置的已知空间点阵约束信息，在有限空间内的连续时刻分别采集单张标定场景图像，通过多站位光束平差算法实现连续时刻下相机成像模型参数的标定。实验结果表明，此标定方法的空间点像面反投影误差标准差为0.48μm,标定精度为1/15像素，可为后续变温条件下相机成像模型参数变化规律的探究提供准确的温度与相机参数相对应的数据集。     

结合扩展卡尔曼滤波的摄像机标定技术

摄像机标定是求解相机内参和外参的过程,是进行后续的计算机视觉相关工作的基础,在所有标定方法中传统摄像机标定法具有最高的标定精度。卡尔曼滤波器(KF)是一组可以有效地预测过程状态信息的数学方程,文中提出一个结合扩展卡尔曼滤波(EKF)的传统摄像机标定新算法。特征点的空间三维坐标和对应的像点坐标是滤波器的输入,输出则是被估计的相机内参与外参。实验结果表明,该方法可以获得更高的标定精度。     

基于公路双平行线组的相机外参数在线标定

针对车载相机在线标定问题,尤其是外参数标定方面,文中提出了一种基于车道线的在线标定方法,首先通过分析相机外参数与消失点、拍摄倾角之间的关系,将外参数的计算方法进行化简,并在已知相机高度的条件下,通过寻找场景中两组相互垂直的平行线,获取相关信息进行参数标定。实验结果表明,文中所提出方法简便可行,且具有一定的实用价值。     

基于神经网络的焊缝跟踪系统视觉标定方法

文中提出一种基于深度神经网络的焊缝跟踪系统机器人视觉标定方法，实现了机器人的简单快速标定。将焊缝跟踪传感器安装在机械臂末端，使用线激光器对被检测角点进行定位，工业相机拍摄对应的标定棋盘图像，用角点提取算法获取到相应棋盘格点的数字图像坐标，并通过示教器读取机械臂的各个关节角，利用神经网络极强的非线性映射能力，将其传入训练好的BP神经网络进行三维空间坐标的预测。此方法能够实现机器人的快速标定，避开传统标定方法中复杂的非线性运算，并减少坐标转换间的累积误差。实验结果表明，基于神经网络的标定方法具有较高的精度，且标定过程简单，为机器人视觉标定提供了一种新的方法。     

面向工业检测的光场相机快速标定研究

由于光场数据量大,现有光场相机标定算法存在速度慢、无法快速校准工业检测中光场相机的参数变化、降低工业检测效率的问题。该文基于稀疏光场成像模型优化光场数据,提出光场相机快速标定算法。该算法以清晰度作为图像质量评价指标,从光场数据中选取高质量、具有代表性的稀疏视图,构建稀疏光场;接着利用稀疏光场求解相机参数初值并优化,得到最佳参数。实验结果表明,与现有最优标定算法相比,该方法不仅提高平均标定速度70%以上,在现有5个数据集的平均标定时间从101.27 s减少到30.99 s,而且保持标定精度在最优水平,在公开数据集PlenCalCVPR2013DatasetA的标定误差仅为0.0714 mm。     

结构光三维传感器测量网相关技术

针对大尺寸复杂物体的全自动、高精度、大数据密度、真彩色三维成像与测量,基于条纹结构光三维传感器,阐述了多节点三维传感器测量网络相关技术。涉及单三维传感器的条纹分析和相位重建、系统标定和三维重建两大关键技术点分析,多节点三维传感器测量网络的构建与优化、多节点三维传感器测量网络的标定、测量三维深度数据与纹理数据的匹配与融合等相关技术。并给出了部分实验原型机及实验结果。     

单目结构光测量中参数自适应标定方法

针对结构光测量时手工调节相机参数易导致图像质量的随机性,进而导致标定精度的下降及调参环节重复繁琐的问题,提出了一种结构光测量的相机标定自适应调参方法。首先,设计了一套相机自动调参装置,根据三个调参环调节时的图像变化机理,选取标定板面积占比、图像清晰度及图像对比度三个参数,分别定义焦距调节环、对焦环及光圈调节环。其次,为实现相机的高精度标定自适应参数调节,针对传统Brenner函数的缺陷,通过一种改进的Brenner自动阈值函数,实现对图像清晰度的精确快速对焦,并对标定板图像感兴趣区域的前景与背景进行分割,计算图像对比度,根据标定的重投影误差,确定标定相机的最优调节区间,以自适应调参搜索控制方法进行标定参数调节。最后,为提高自适应标定调参时电机的搜索定位速度,建立了调参函数模型,并通过物距及像素长度自适应计算焦距。三维测量调参实验表明,相比于手工标定,基于提出的调参方法能在5 s内实现自动调参,且重投影误差减少66.57%。     

一种基于2D激光雷达的扫描系统标定方法

利用二维激光雷达以及转轴搭建的快速三维扫描系统由于雷达光心点与系统转轴中心通常不重合,因此需要进行系统的标定。本文基于LMS500二维激光雷达搭建了一套三维激光扫描系统,在分析了核心部件LMS500激光传感器测量误差的基础上,采用一种简单易行的方法完成了三维系统主要参数的标定,获得了扫描系统的数据转换公式。最后进行了阶梯轴零件的扫描并获得了较好的实验结果。     

基于16线激光雷达和相机融合的三维目标检测

针对16线激光雷达点云过于稀疏而无法进行三维目标检测的问题,设计了一种基于激光雷达和相机融合的三维目标检测方法。首先,对激光雷达和相机进行联合标定,统一两者坐标系,并利用ROS进行时间同步,确保雷达和相机在相同的时间感知到相同的环境。然后,将相机采集的图像作为输入,送入YOLOv5算法中进行二维的目标检测,得到目标在图像中的二维检测框和类别。最后,利用联合标定过的激光雷达获取目标二维像素点对应的三维点云,通过这些雷达点云算出目标的三维坐标和三维边界框,从而得到三维目标检测结果。实验验证：通过搭建硬件平台并在实验场地测试后证明了该方法的可行性。     

稀疏激光雷达与可见光/红外成像系统的标定方法

激光雷达与成像系统之间的位姿标定是激光点云与图像像素进行融合的前提。目前主流的离线标定方法中,普通棋盘格标定板用于64线及以上的激光雷达时效果较好,而用于16线激光雷达时由于其数据稀疏而导致误差较大。而且,涉及红外成像系统的标定时,需要特制的棋盘格来获得发射率差异。本文针对稀疏激光雷达点云数据较少的问题,研究了可以同时标定激光雷达与可见光、红外成像系统的方法,设计了菱形九孔标定板,并提出几何约束损失函数来优化特征点的坐标。最后,分别使用红外和可见光成像系统与16线激光雷达进行标定,实验结果表明,平均重投影误差均在3个像素之内,取得了较好的效果。本文方法还能用于稀疏激光雷达与可见光-红外多波段成像系统的标定。     

基于自然地表的星载光子计数激光雷达在轨标定

在轨标定技术是影响星载激光雷达光斑定位精度的核心技术之一。介绍了目前国内外星载激光雷达的在轨标定技术发展现状,分析了各类在轨标定技术的特点。针对新型的光子计数模式星载激光雷达的特性,提出了一种基于自然地表的星载光子计数激光雷达在轨标定新方法,使用仿真点云对标定算法的正确性进行了验证,并分别使用南极麦克莫多干谷和中国连云港地区的地表数据和美国ICESat-2卫星数据进行了交叉验证实验,实验结果表明:算法标定后的点云相对美国国家航空航天局提供的官方点云坐标平面偏移在3 m左右,高程偏移在厘米量级。文中还利用地面人工建筑等特征点对比了算法标定后的点云与官方点云之间的差异,最后对基于自然地表的在轨标定方法的精度以及标定场地形的影响进行了讨论。     

一种用于高精确度双框架伺服系统的标定方法

为实现对空间动态目标的稳定跟踪，介绍了一种高精确度双框架结构伺服系统，通过标定提高了其指向精确度。利用旋转变压器作为角度位置传感器，通过激光测距机和相机实现远场目标的稳定跟踪。利用高精确度单轴转台、激光测距机和平面反射镜对伺服系统双框架指向精确度进行标定实验测量。针对伺服系统几何误差，对获得的采样数据进行分段直线拟合，并写入控制程序。对测量数据进行分段检索定位，通过拟合直线参数对数据进行修正。实验结果表明，标定后的双框架伺服系统指向精确度优于16"，可有效提高伺服系统指向精确度。