【技术实现步骤摘要】
一种基于IMU的激光雷达三维点云实时运动补偿方法
[0001]本专利技术涉及到无人驾驶领域,具体为一种基于IMU的激光雷达三维点云实时运动补偿方法。
技术介绍
[0002]在无人驾驶技术中,环境感知是其中重要的一环,大量传感器构成环境感知的重要组成部分。目前,广泛被应用环境感知的传感器主要是摄像头、毫米波雷达、激光雷达和超声波探测器。其中,激光雷达占有主导性的地位,主要通过激光头发射大量激光束,扫描到物体上反射回来再接收的原理,能够进行长距离高精度测量与静态、动态障碍物的检测任务。摄像机作为视觉传感器,能为无人车提供丰富的感知信息,缺点是不包含距离信息,无法做到精确测距。因此,相比于摄像头,激光雷达能够在无人驾驶环境感知中发挥重要作用。
[0003]常规的运动补偿方法都涉及到IMU的应用,但IMU仅仅在三轴角度变化估计上表现较好,三轴位置变化估计上却不尽人意,因此,设计一种实时性高又能对点云畸变进行各个方向补偿的方案变得尤为重要。
技术实现思路
[0004]本专利技术的目的是针对激光雷达在运动过程中产 ...
【技术保护点】
【技术特征摘要】
1.一种基于IMU的激光雷达三维点云实时运动补偿方法,其特征在于,步骤如下:步骤S1,将激光雷达固定安装于无人车上,对激光雷达与IMU进行时间轴同步与空间坐标系统一,同步实时采集激光雷达三维点云数据与IMU数据,进入步骤S2;步骤S2,按照时间戳顺序对采集的激光雷达三维点云数据与IMU数据分别进行排序,得到排序后的IMU数据与激光雷达三维点云数据,进入步骤S3;步骤S3,根据排序后的IMU数据时序对每帧激光雷达三维点云数据进行数据块划分,通过IMU采样频率F
imu
和激光雷达采样频率F
lidar
之比来计算数据块划分的分块数N=F
imu
/F
lidar
,且相邻数据块的时间间隔Δt为IMU采样周期,即Δt=1/F
imu
,默认同一数据块时间间隔内激光雷达三轴角速度与线性加速度不变,进入步骤S4;步骤S4,利用上述划分后的数据块,计算每个数据块中三轴平均角速度、三轴旋转角度,结合每个数据块中激光雷达三维点云数据点相对于第一个点的时间戳的时间偏移,计算划分出的数据块与每个数据块的三轴旋转角度,然后求得三轴旋转变换矩阵R,实现对每个激光雷达数据点进行三轴旋转运动补偿,进入步骤S5;步骤S5,利用得到的三轴旋转变换矩阵R对每帧激光雷达三维点云数据中的每一个点进行三轴旋转补偿,并将补偿后的点云坐标系统一变换到帧尾坐标系,输出旋转补偿后的激光雷达三维点云数据,进入步骤S6;步骤S6,将旋转运动补偿后的激光雷达三维点云数据分成两路输出,一路作为三轴平移运动补偿的源数据,另一路经过降采样、帧间运动量初步估计、扩展卡尔曼滤波完成三轴平移运动补偿;两路一起完成激光雷达三维点云数据的实时运动补偿。2.根据权利要求1所述的一种基于IMU的激光雷达三维点云实时运动补偿方法,其特征在于,步骤S3根据IMU输出数据时序对每帧激光雷达点云数据进行数据块划分,具体如下:步骤S3.1,利用排序后的激光雷达三维点云数据和IMU数据,记录激光雷达的采样频率F
lidar
和IMU的采样频率F
imu
,计算每帧激光雷达三维点云数据的分块数N,且相邻数据块的时间间隔等于IMU采样周期,默认每个数据块内IMU三轴角速度与线性加速度不变;步骤S3.2,根据划分的数据块,计算输入的激光雷达三维点云数据中任一点P所属的数据块位置:其中:Block
n
为点P所属数据块,P
timestamp
为当前点的时间戳,P
timeheader
为每帧激光雷达三维点云中帧头时间戳,Δt为相邻数据块时间间隔。3.根据权利要求1所述的一种基于IMU的激光雷达三维点云实时运动补偿方法,其特征在于,步骤S4中,计算每个数据块的三轴平均角速度,再根据三轴平均角速度计算三轴旋转角度,进而求得三轴旋转变换矩阵R,具体如下:步骤S4.1,根据划分后的数据块,计算每个数据块中的三轴平均角速度步骤S4.1,根据划分后的数据块,计算每个数据块中的三轴平均角速度其中,x、y、z分别为每个激光雷达三维点云x轴坐标值、y轴坐标值、z轴坐标值,为每个激光雷达点云三维数据块中的三轴平均角速度,ω
n
(x,y,z)为IMU在t
n
【专利技术属性】
技术研发人员:王军,赵子豪,李玉莲,申政文,潘在宇,刘欢,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:
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。