【技术实现步骤摘要】
一种基于样条函数的连续时间上3D激光雷达和惯性传感器外参标定方法
本专利技术涉及多传感器标定领域，特别涉及3D激光雷达和惯性传感器外参标定的
技术介绍
近年来无人驾驶领域发展较好，很重要的一个因素是激光雷达的普及。而激光雷达的线束越来越高，价格越来越低，测距能力越来越强，这些变化都将推动无人驾驶行业尽快落地。一般来说无人车上会装备许多互补的传感器，例如激光雷达、相机、毫米波雷达、惯性传感器等。而多传感器数据融合前提是传感器之间的内参、外参都有一个比较好的标定结果。相机间的标定、相机和惯性传感器之间的标定、相机和激光雷达之间的标定的工作有许多，但直接标定激光雷达和惯性传感器之间的外参的工作较少。标定惯性传感器与其他传感器之间的外参时，为了充分激励惯性传感器每一个轴，通常会上下左右前后剧烈运动、摇晃。而激光雷达采集数据的方式是旋转内部电机上的激光测距单元进行测距，如果在采集激光数据时发生运动，又不对输出的数据进行运动补偿，则测距数据会出错，甚至会产生严重的撕裂。若激光雷达在采集数据时本体有运动，需要对测...
【技术保护点】
1.一种基于样条函数的连续时间上3D激光雷达和惯性传感器外参标定方法，其特征在于，所述标定方法分为两阶段：第一阶段为3D激光数据预处理，第二阶段为将高频率惯性传感器的运动轨迹用样条函数建模为连续轨迹，基于样条函数得到任意时刻惯性传感器的位姿，引入3D激光雷达和惯性传感器之间的外参，约束激光点，构建优化问题进行求解。/n
【技术特征摘要】
1.一种基于样条函数的连续时间上3D激光雷达和惯性传感器外参标定方法，其特征在于，所述标定方法分为两阶段：第一阶段为3D激光数据预处理，第二阶段为将高频率惯性传感器的运动轨迹用样条函数建模为连续轨迹，基于样条函数得到任意时刻惯性传感器的位姿，引入3D激光雷达和惯性传感器之间的外参，约束激光点，构建优化问题进行求解。
2.如权利要求1所述的一种基于样条函数的连续时间上3D激光雷达和惯性传感器外参标定方法，其特征在于，所述方法包括以下步骤：
步骤一：将装有3D激光雷达和惯性传感器的设备，在墙角前后左右上下各个角度充分运动、旋转，激励惯性传感器的每一轴，得到标定的数据；
步骤二：标定环境已事先建模为高精度点云地图，分别提取墙角3个平面点云，进行平面拟合得到平面参数；
步骤三：对步骤二得到每一帧激光点云，与环境地图匹配，得到该帧点云相对于环境地图的位姿；每个点根据匹配结果转换到环境地图坐标系，计算每个点与拟合平面的垂直距离，根据一定阈值，判断该点是否属于拟合平面，每个点增加一个属性，即属于哪个平面或不属于任何平面；
步骤四：根据步骤三得到的每一帧激光点云的位姿，及惯性传感器和激光雷达传感器之间的先验外参，计算对应时刻惯性传感器的位姿，和惯性传感器的测量值一起，约束样条，建立惯性传感器的先验连续轨迹；
步骤五：基于样条函数得到任意时刻惯性传感器的位姿，引入3D激光雷达和惯性传感器之间的外参，对3D激光的每个测量点进行运行补偿；通过环境约束，约束3D激光测量点的位置，构建一个优化问题，同时优化样条参数和传感器之间的外参，利用高斯牛顿法进行求解。
3.根据权利要求1所述的标定方法，其特征在于，所述标定方法标定的传感器类型是3D激光雷达和具有加速度计和角速度计的惯性传感器，3D激光雷达的测量频率为10Hz，惯性传感器的测量频率为400Hz。
4.根据权利要求1所述的标定方法，其特征在于，所述标定方法的标定环境是室内，且有一个墙角的三个面平滑无凸起，且墙角周围基本无物品放置。
5.根据权利要求2所述的标定方法，其特征在于，所述步骤二中的高精度点云地图的建模方法为：将一个单线激光雷达固定在步进电机上，步进电机匀速旋转，单线激光每一个测量点的位置可通过步进电机的旋转速度精确确定，旋转几圈后，得到高精度的环境点云地图；
在步骤二中，利用基于RANSAC的平面提取方法，在点云地图中提取三个...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。