三维激光雷达-相机间外参的高效标定方法

在自动驾驶、移动机器人等领域,激光雷达与相机是常用的传感器,融合这两者的信息首先应该标定两者间的外参。本文在考虑平面移动机器人运动特点的基础上提出两阶段外参标定方法,在尽可能少的人为干预下实现快速标定。第一阶段,在机器人运动过程中同时估算激光里程计和视觉里程计,提取平移、旋转两种运动信息以修改的Kabsch算法初步估计外参中的旋转矩阵;第二阶段,以箱体三面相交组成的三面体作为标识物,优化点云中三面体边的投影点和图像中对应三面体边的距离,从而得到精确的外参。此两阶段方法效率高、无需专业设备,在少量人工干预下即可实现外参标定。最后,实验结果表明,在3个坐标轴上的平均误差仅为3.67、1.11、0.78 mm,在典型移动计算平台上相应的平均标定时间仅需约635 ms。     

车载LiDAR-IMU外参联合标定算法

为提高LIO-SAM算法的定位精度,本文从LiDAR-IMU外参标定方面开展研究,针对现有的传感器标定算法在车载条件下标定精度低的缺点,提出一种新的车载传感器联合标定算法。针对车载条件下自由度低导致俯仰、横滚方向约束建立不充分的问题,利用车辆的大范围运动轨迹消除平移参数影响,使用正态分布变换(NDT)和迭代最近点(ICP)的点云匹配算法快速得到旋转参数初值,提高俯仰角和横滚角的标定精度。针对粗标定过程中激光里程计存在漂移以及没有标定平移外参的问题,对基于点云优化的全参数标定方案进行改进,利用转弯区域构建对平移外参的约束,结合统计误差平均效应和位移约束构建新的目标函数,迭代优化后得到全参数标定结果。实验结果表明,加入了外参标定模块的LIO-SAM算法的定位精度提升了1.74%～5.92%。     

单目相机-IMU外参自动标定与在线估计的视觉-惯导SLAM

针对视觉-惯导信息融合同时定位与地图构建(VI-SLAM)中,单目相机-惯性测量单元(IMU)外参离线标定繁琐的问题,以及单目相机-IMU外参因传感器受到冲击或调整发生变化影响系统跟踪精度的问题,提出一种单目相机-IMU外参自动标定与在线估计的VI-SLAM算法。该算法首先利用手眼标定方法计算单目相机-IMU外参旋转矩阵并估计陀螺仪零偏;接着,在不考虑加速度计零偏的情况下估计系统的尺度、重力加速度以及单目相机-IMU外参平移向量;然后,利用已知的重力加速度大小估计加速度计零偏并更新以上已估计的初始化参数;最后,将单目相机-IMU外参放入状态向量中进行在线估计。EuRo C数据集实验表明,该VI-SLAM算法可以自动标定并在线估计单目相机-IMU外参,得到的旋转与平移外参误差分别在0. 5°和0. 02 m之内,这有利于VI-SLAM系统的快速使用以及精度的提升。     

基于DSP的变外参摄像机在线标定

本文提出一种变外参摄像机的在线标定方法.首先对云台控制的摄像机的旋转建立了一个完整的数学模型,在模型中引入四元数表示旋转的参数.再根据旋转前后外参的变化计算出摄像机旋转的角度与云台通电时间之间的关系.这样对初始位置使用传统标定方法标定后,在DSP实时控制云台通断电的基础上,就可以根据云台的通电时间快速地的计算出每次旋转后摄像机的外部参数.实验结果表明,该方法操作简便,精度较高.     

一种高精度机器人手眼标定方法

手眼系统的标定是机器人视觉中的一个重要研究内容,标定的准确性直接影响机器人的作业精度。对于机器人眼在手系统,介绍了标定的原理并给出标定方程的求解方法。指出摄像机外参是构建标定方程的重要数据,为确保摄像机外参的准确性,提出利用图像校正的原理对摄像机外参进行验证。通过对基于标定方程的精度影响因素进行分析,对标定过程中的机器人运动轨迹进行规划。最后通过实验,对比了摄像机外参筛选前后的标定结果,证明经过摄像机外参筛选后,对标定精度和稳定性有一定提高,展示了实验过程中各步骤的完整数据,并验证了最终的标定精度。     

基于单目视觉的GPS辅助相机外参数标定

针对机器人视觉系统外参数标定的问题,提出了基于单目视觉ORB-SLAM的差分GPS辅助相机外参数标定方法。分析了单目视觉ORB-SLAM和GPS(Global Position System)定位数据之间的相似关系,建立了相机外参数标定的非线性最小二乘模型。基于随机采样一致性(RANSAC),通过三点法求得模型的初始解。设计了Levenberg-Marquardt(LM)迭代算法求解出最优解,从而得到了最优的相机相对位置和姿态参数。最后,对提出的方法进行仿真和跑车试验验证。结果表明:在试验半径为50m时,所设计标定方法的姿态标定精度可达0.1°,位置标定精度可达0.2%。该方法标定过程简单实用,不需要外界环境的先验信息和人工干预,具有很高的精度和显著的应用价值。     

基于3D视觉点云配准的高精度手眼标定方法

针对二维视觉测量方式缺乏Z轴深度信息导致手眼标定结果精度不高的问题,提出一种基于3D视觉点云配准的高精度手眼标定方法,搭建了一套单目结构光手眼标定系统,以传统的手眼标定模型为基础,采用最小化点云配准误差算法解算手眼标定矩阵。采用基于矩阵直积参数化方法初步求解手眼标定矩阵并作为初值,构建点云配准误差优化模型,以最小化点云配准误差为代价函数,同时,为保证手眼矩阵中旋转矩阵的正交特性,把代价函数从李群空间变换到李代数空间下,并对李代数空间下的代价函数进行最小二乘法迭代求解,获得最优的手眼标定矩阵。实验结果表明,所提方法具有较好的稳定性和精确性,手眼标定结果满足基于机械臂3D视觉测量的点云配准精度要求。     

检校场标定长焦航测相机参数

为实现长焦航测相机内参数及畸变参数标定,提出利用室外检校场对相机进行标定的方法。介绍了该方法由初值到精确值的两步法的求解步骤、计算过程及实验过程。首先通过给定已知特征点位置信息以及不同角度不同位置下拍摄的影像,通过特征点提取及匹配,根据像点坐标与世界坐标的线性对应关系,基于直接线性变换算法建立约束方程求取相机参数初值,进而通过混合LMQN(Levenberg-Marquardt与Qusai-Newton)迭代优化加速求解精确值。与精密测角法比无需精密设备的操作及记录,只需不同位置不同姿态拍摄多张包含精确位置信息的检校场影像即可。最后进行标定实验并对结果分析,基于检校场的标定方法在参数解算中特征点最大投影误差为2.471pixel,标定参数主点精度为9.7μm(2pixel),主距精度为4.3μm(1pixel),解算相机拍摄位置精度0.035m,满足测绘应用的精度需求。     

基于对偶四元数的机器人手眼标定算法研究

针对机器人手眼视觉系统中的手眼标定问题,对机械手末端执行器与摄像机之间的手眼转换关系进行了研究。对手眼标定问题中求解齐次矩阵的方法进行了归纳,建立了完整的基于运动位姿的视觉模型;利用改进对偶四元数方法分别求解了手眼齐次变换矩阵中的旋转矩阵和平移向量;为保证获得的平移向量是最优解,在求解平移向量过程中引入了无穷范数最小化,通过迭代求取了局部最优解的值;基于所考虑的求解最优,利用Matlab对平移向量算法进行了仿真研究,并将该算法标定结果与线性解耦估计算法和传统对偶四元数算法进行了比较。研究结果表明:该算法在标定精度、对噪声的鲁棒性、对运动位姿个数的敏感性和稳定性方面均优于其他两种算法,能满足手眼标定的精度要求。     

基于传感器融合里程计的相机与激光雷达自动重标定方法

智能驾驶车辆行驶环境复杂多样,不可避免地导致传感器相对位姿发生变化,此时需要进行重新标定。针对智能驾驶车辆的相机和激光雷达发生漂移后的重标定问题,提出一种基于传感器融合里程计的自动重标定方法。基于点云投影和图像配准原理建立基准点云和观测图像之间的3D-2D点对,利用N点透视投影得到平移尺度不准的相机运动;通过融合估计的激光雷达运动来恢复准确尺度的相机运动,并将基准点云根据相机运动转换到观测位置下,与观测点云通过点云配准求解变换矩阵,使用时域均值滤波得到最终的外参矩阵。基于智能驾驶车辆试验平台进行室内外实车试验。结果表明所提出的基于传感器融合里程计的方法无需设置标定板,不受环境和数据特征限制,能够实现相机和激光雷达的精确重标定,对传感器漂移具有较高的鲁棒性。     

Robust tracking control of triaxial angular velocity sensors using adaptive sliding mode approach

This paper presents a robust tracking control strategy using an adaptive sliding mode approach for MEMS triaxial angular sensor device that is able to detect rotation in three orthogonal axes, using a single vibrating mass. An adaptive sliding mode controller with proportional and integral sliding surface is developed and the stability of the closed-loop system can be guaranteed with the proposed adaptive sliding mode control strategy. The proposed adaptive sliding mode controller updates estimates of all stiffness errors, damping, and input rotation parameters in real time, removing the need for any offline calibration stages. To enable all unknown parameter estimates to converge to their true values, the necessary model trajectory is shown to be a three-dimensional Lissajous pattern. The numerical simulation for a MEMS triaxial angular velocity sensor is investigated to verify the effectiveness of the proposed adaptive sliding mode control scheme.     

采用直线模型的相机参数优化方法

提出了基于直线模型的相机在线标定算法。该方法通过自动跟踪视频中物件的边缘,在线求解相机系统内外参数,同时建立物件边缘同图像边缘的对应关系。然后,利用物件边缘同图像边缘的对应关系,在相机内外参数初值的基础上,通过构建融合边缘端点信息的误差函数,迭代优化求解相机内外参数。进行了仿真和实物实验,分别使用提出的基于直线的标定方法和传统的基于棋盘格内角点的方法标定了相机内外参数,并对两种方法的标定结果做了对比。结果显示:在仅使用边缘信息的条件下,本文方法可以获得同传统的标定法一致的精度,标定后重投影误差(RMS)为0.6pixel。本文方法利用具有标准尺寸的物件即能实现相机内外参数的估计,且无需制备平面靶板便可获得与传统方法相同的标定精度,标定过程更为灵活,有实用价值。     

基于RAC约束的星敏感器在轨校准方法

星敏感器投入使用后受发射冲击、工作环境及老化等因素影响,其内部参数如焦距、主点及畸变会发生变化,从而影响其姿态测量精度。星敏感器的在轨校准是指在在轨飞行状态对其内部参数进行重新自主校准,是保证星敏感器在轨高性能工作的一项重要关键技术。本文提出一种基于RAC约束（Radial Alignment Constraint）的星敏感器在轨校准方法。该方法不依赖外部姿态信息,通过建立基于RAC约束的星敏感器成像模型,采用两步法从单帧星图实现外部参数和内部参数的解算,并利用多帧星图整体优化的方式得到内部参数的整体最优解。仿真实验表明,该方法能有效消除内部参数的外部参数的耦合,实现其准确分离和解算。     

基于改进遗传算法的机床主轴径向回转误差分离技术研究

以提高精密机床主轴回转误差的测量精度为研究目标,基于四点法矩阵算法,采用多圈重合式方法对主轴回转误差测量中的传感器输出数据进行处理。为提高传统遗传算法的收敛速度,降低优化结果对初始值的依赖性,对交叉和变异概率因子列式进行更新,并使用改进遗传算法对传感器安装角度和输出权值系数进行优化。使用改进遗传算法,收敛速率较传统遗传算法提高50%左右。利用多功能斜轨数控车床进行主轴径向回转误差测量及分离实验,分离后的标准芯棒形状误差值与标定值相比,误差在5%以内,且误差重复性低于5%。结果表明分离的结果精度较高,从而验证提出的算法的正确性和可行性。     

应用非线性优化算法自主标定星敏感器

考虑传统的星敏感器标定方法忽略了星敏感器的畸变与光学参数之间的相互作用而引入的额外误差,提出了一种基于非线性优化的星敏感器自主标定算法。该算法首先忽略星敏感器畸变的影响,构建目标函数,利用LevenbergMarquardt非线性优化算法优化星敏感器的光学参数;然后,将得到的光学参数估计值作为理想值,通过线性最小二乘法估计相机的镜头畸变系数;最后,将前两个步骤获得的参数作为初始值,构建目标函数,利用Levenberg-Marquardt算法同时优化光学参数和畸变系数。开展了仿真实验研究,并与最小二乘法和Samman法的标定结果做了对比,结果表明:提出的方法能够很好地实现星敏感器的自主标定。在同等测试条件下,文中算法获得的最大残差为0.015pixels,精度高于其它两种标定方法两个数量级。星敏感器外场实验还表明,提出的优化方法有效提升了星敏感器的性能。     

简易高精度的平面五点摄像机标定方法

为了进一步提高相机参数精度,简化标定过程,在张正友平面标定算法的基础上,提出了一种较简单的5点标定算法。本文利用一个矩形作为标定模板,将其4个角点和中心点作为待匹配点。仅利用不同角度拍摄的10(10~20幅均可)幅图像,即可求解全部相机内外参数。首先,为了减小数据对结果的影响,对获取的5个点的图像坐标进行归一化,将点坐标控制在以原点为中心,2~(1/2)为半径的圆内;其次,相机成像模型未考虑畸变,考虑到单应矩阵可能会有零元素,故按照9个自由度来求解;再次,求解出相机的内外参数,将求得结果的平均值作为非零因子λ的值;最后利用Levenberg Marquarat(LM)算法对所有内外参数进行整体优化。选用不同噪声水平的模拟实验和真实图像进行测试,结果显示该算法比张正友棋盘格算法的精度要高。     

Rotation matrix based finite-time attitude synchronization control for spacecraft with external disturbances

This paper investigates the anti-unwinding finite-time attitude synchronization control problem for Spacecraft formation flying with external disturbances. Two finite-time controllers are designed based on rotation matrix and terminal sliding mode method. By designing a novel sliding mode surface, the first controller is developed when the upper bound of the external disturbances can be exactly known. However, this value is not always available in reality. In addition, the direct use of the upper bound of the external disturbances can result in the chattering problem. For the purpose of overcoming the disadvantage of the first controller, a modified control law is proposed, in which the adaptive law is applied to estimate the unknown value online. Theoretical analysis and numerical simulations are presented to demonstrate the validity of the proposed controllers.     

大视场双目视觉传感器现场标定方法

针对大视场视觉测量应用,分析了摄像机和双目视觉传感器的数学模型,提出了一种基于基线尺的大视场双目视觉传感器标定方法。在测量空间内任意多次摆放基线尺,两摄像机拍摄基线尺图像。利用基本矩阵及基线尺上两特征点之间距离的约束,采用线性解和非线性优化方法结合同时估计摄像机的内部参数以及双目视觉传感器的结构参数。该标定方法操作简单,标定效率高,无需初始参数即可估计双目立体传感器的全部参数。实验结果表明该方法在6000mm×4500mm的范围内可以达到0.06mm的测量精度,适合双目立体视觉传感器的现场标定。