CN112285676A - 激光雷达与imu外参标定方法及装置 - Google Patents
激光雷达与imu外参标定方法及装置 Download PDFInfo
- Publication number
- CN112285676A CN112285676A CN202011136461.3A CN202011136461A CN112285676A CN 112285676 A CN112285676 A CN 112285676A CN 202011136461 A CN202011136461 A CN 202011136461A CN 112285676 A CN112285676 A CN 112285676A
- Authority
- CN
- China
- Prior art keywords
- pose information
- imu
- laser radar
- point cloud
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 230000001133 acceleration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种激光雷达与IMU外参标定方法及装置,属于计算机技术领域,该方法包括:获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据;基于点云数据进行点云匹配计算当前的激光雷达位姿信息;基于惯性测量数据计算当前的IMU位姿信息;将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;使用RANSAC算法基于对齐后的位姿信息组确定外参标定值;可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题;由于RANSAC算法可以很好地去除手眼标定位姿中异常位姿对结果的影响,因此,可以解决可以提高标定结果的准确性和稳定性。
Description
技术领域
本申请涉及一种激光雷达与IMU外参标定方法及装置,属于计算机技术领域。
背景技术
建图与定位是无人驾驶车辆实现自动驾驶的关键技术。在车辆实际运行中,使用单一传感器进行测量可能由于传感器本身的限制导致较大的测量误差。目前,使用激光雷达和惯性测量单元(Inertial Measurement Unit,IMU)融合的方案是目前工业界的主流研究方向。由于不同传感器在载具上分别装配在不同的位置,同时安装时的姿态角也可能不一致,因此,标定出两种传感器之间精准的位置和姿态角的偏差(即传感器的外参)是实现传感器参数融合的重要基础。
在对激光雷达和IMU的外参进行标定时,通过使用手眼标定方程进行标定,即分别求解激光雷达和IMU在特定时刻的运动信息,再利用两者位姿之间的约束建立目标方程,通过优化该目标方程得到结果。
然而,求得的传感器里程信息会含有很多的异常数据,用这个结果带入直接求解得到的标定结果不稳定,同时存在较大的误差。
发明内容
本申请提供了一种激光雷达与IMU外参标定方法及装置,可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题。本申请提供如下技术方案:
第一方面,提供了一种激光雷达与IMU外参标定方法,所述方法包括:
获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据;
基于所述点云数据计算当前的激光雷达位姿信息;
基于所述惯性测量数据计算当前的IMU位姿信息;
将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;
使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
可选地,所述使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值,包括:
循环执行下述步骤,直至循环条件不满足预设条件时停止:将多组所述对齐后的位姿信息组输入手眼标定方程,得到粗略外参估计值;使用所述RANSAC算法和所述粗略外参估计值确定粗略模型得分、以及所述多组所述对齐后的位姿信息组中的粗略外点集和粗略内点集;在所述粗略模型得分高于得分阈值时,将所述粗略外参估计值对应的参数模型确定为候选参数模型;
循环执行下述步骤,直至从多个所述候选参数模型中筛选出唯一的参数模型时停止,得到该参数模型对应的外参标定值:对于每个候选参数模型对应的粗略内点集,将所述粗略内点集再次输入所述手眼标定方程,得到精细外参估计值;使用所述RANSAC算法和所述精细外参估计值再次确定精细模型得分、以及所述粗略内点集中的精细外点集和精细内点集;基于所述精细模型得分筛除不符合模型条件的候选参数模型。
可选地,所述预设条件为执行次数达到预设次数;或者,为候选参数模型的个数达到预设个数。
可选地,所述模型条件为对各个候选参数模型按照精细模型得分由高到低进行排序后,排序在前n位的候选参数模型,其中,n=1/N,所述N为候选参数模型的个数。
可选地,所述将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组,包括:
获取每帧激光雷达位姿信息对应的目标时间戳;
从所述IMU位姿信息的时间戳中确定与所述目标时间戳相邻最近的两个时间戳;
根据所述目标时间戳和确定出的两个IMU相邻时间戳之间的差值,对所述IMU位姿信息进行插值补偿,得到所述对齐到目标时间戳后的位姿信息组。
可选地,所述获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据之后,还包括:
对所述点云数据进行预处理,以去除噪点;
对预处理后的点云数据进行降采样处理,得到处理后的点云数据,所述处理后的点云数据用于进行所述激光雷达位姿信息的计算。
可选地,所述基于所述点云数据计算当前的激光雷达位姿信息,包括:
使用正态分布变换NDT算法对邻近帧的处理后的点云数据进行配准;
根据配准得到的位姿变换积分得到所述激光雷达位姿信息。
可选地,所述基于所述惯性测量数据计算当前的IMU位姿信息,包括:
对所述惯性测量数据进行预积分,得到所述IMU位姿信息。
第二方面,提供了一种激光雷达与IMU外参标定装置,所述装置包括:
数据获取模块,用于获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据;
第一计算模块,用于基于所述点云数据计算当前的激光雷达位姿信息;
第二计算模块,用于基于所述惯性测量数据计算当前的IMU位姿信息;
数据对齐模块,用于将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;
外参标定模块,用于使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
本申请的有益效果在于:通过获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据;基于点云数据计算当前的激光雷达位姿信息;基于惯性测量数据计算当前的IMU位姿信息;将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;使用RANSAC算法基于对齐后的位姿信息组确定外参标定值;可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题;由于RANSAC算法可以很好地去除手眼标定位姿中异常位姿对结果的影响,因此,可以解决可以提高标定结果的准确性和稳定性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请一个实施例提供的激光雷达与IMU外参标定方法的流程图;
图2是本申请另一个实施例提供的激光雷达与IMU外参标定方法的流程图;
图3是本申请一个实施例提供的激光雷达与IMU外参标定装置的框图。
具体实施方式
下面结合附图和实施例,对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
首先,对本申请涉及的若干名词进行介绍。
随机采样一致性算法(Random Sample Consensus,RANSAC):可以根据一组包含异常数据的样本数据集,迭代地计算出数据的数学模型参数,从而区分出正常数据和异常数据,并得到符合这些数据的模型参数。
RANSAC算法的原理包括循环执行的以下几个步骤:
1、随机选取子集,并假设为局内点。
2、用局内点拟合一个模型,此模型适应于假设的局内点,所有的未知参数都能从假设的局内点计算得出。
3、用2中得到的模型测试整个数据中其他数据,如果某个点适用于估计的模型,认为它也是局内点,将局内点扩充。
4、如果有足够多的点被归类为假设的局内点,那么估计的模型就足够合理。
5、用所有扩充后的局内点去重新估计模型。
6、通过估计局内点与模型的错误率来评估模型。
7、如果当前模型效果比最好模型更好而被选用为最好模型,否则抛弃当前模型。
惯性测量单元(Inertial Measurement Unit,IMU):是一种测量物体三轴姿态角和加速度的装置,可以推算出物体在一段时间的运动姿态,可以应用在车辆定位中。
正态分布变换算法(Normal Distributed Transform,NDT):是一种点云配准算法,应用于三维点云的统计模型,使用迭代优化的方法确定两个点云间的最优的匹配并得到相应的位姿变换。
手眼标定:最早用于标定机械手末端相机对于机械手末端之间的刚体坐标转换。在世界坐标系下,对于任意时刻的运动,机械手末端位姿A和相机位姿B都满足运动约束AX=XB,通过优化求解该目标方程则可得到外参X。
可选地,本申请以各个实施例的执行主体为控制装置为例进行说明,该控制装置可以安装于车辆中,或者是与车辆相独立的设备,本实施例不对控制装置的实现方式作限定。控制装置与当前车辆中激光雷达和IMU通信连接,可以获取到激光雷达采集的点云数据以及IMU采集的惯性测量数据。
图1是本申请一个实施例提供的激光雷达与IMU外参标定方法的流程图。该方法至少包括以下几个步骤:
步骤101,获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据。
激光雷达和IMU采集数据的频率通常不同,一般地,激光雷达的采集频率低于IMU的采集频率。换句话说,IMU的采集速度比激光雷达的采集速度快。基于上述原理,控制装置不同时获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据。
其中,惯性测量数据包括但不限于:加速度值和角度值。当然,惯性测量数据还可以包括其它参数,本实施例在此不再一一列举。
步骤102,基于点云数据计算当前的激光雷达位姿信息。
可选地,获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据之后,还对点云数据进行预处理,以去除噪点;对预处理后的点云数据进行降采样处理,得到处理后的点云数据,该处理后的点云数据用于进行激光雷达位姿信息的计算。此时,基于点云数据计算当前的激光雷达位姿信息,包括:使用NDT算法对邻近帧的处理后的点云数据进行配准;根据配准得到的位姿变换积分得到激光雷达位姿信息。
步骤103,基于惯性测量数据计算当前的IMU位姿信息。
示意性地,对惯性测量数据进行预积分,得到IMU位姿信息。
激光雷达位姿信息和IMU位姿信息均用于指示当前车辆的位置和行驶角度。
另外,本实施例不对步骤103和步骤102的执行顺序作限定。
步骤104,将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组。
每组对齐后的位姿信息组包括对齐后的激光雷达位姿信息和IMU位姿信息。
示意性地,将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组,包括:获取每帧激光雷达位姿信息对应的目标时间戳;从IMU位姿信息的时间戳中确定与目标时间戳相邻最近的两个时间戳;根据目标时间戳和确定出的两个IMU相邻时间戳之间的差值,对IMU位姿信息进行插值补偿,得到对齐到目标时间戳后的位姿信息组。
假设对于目标时间戳t1的激光雷达位姿信息为X1;由于IMU的采集频率很高,因此,存在与t1相邻最近的两个时间戳t0和t2,时间戳t0对应IMU位姿信息Y1、时间戳t1对应IMU位姿信息Y2,可能不存在目标时间戳t1对应的IMU位姿信息。因此,本实施例中,可以使用时间戳t0对应IMU位姿信息Y1和时间戳t1对应IMU位姿信息Y2估计目标时间戳t1对应的IMU位姿信息Y。其中,t0<t1<t2,Y按照时间差成比例取中间值,通过下式表示:
Y=(t1-t0)/(t2-t0)*Y1+(t2-t1)/(t2-t0)*Y2。
步骤105,使用RANSAC算法基于对齐后的位姿信息组确定手眼标定方程和手眼标定方程对应的外参标定值。
其中,使用RANSAC算法基于对齐后的位姿信息组确定手眼标定方程和手眼标定方程对应的外参标定值,包括:
循环执行下述步骤,直至循环条件不满足预设条件时停止:将多组对齐后的位姿信息组输入手眼标定方程,得到粗略外参估计值;使用RANSAC算法和粗略外参估计值确定粗略模型得分、以及多组对齐后的位姿信息组中的粗略外点集和粗略内点集;在粗略模型得分高于得分阈值时,将粗略外参估计值对应的参数模型确定为候选参数模型;
循环执行下述步骤,直至从多个候选参数模型中筛选出唯一的参数模型时停止,得到该参数模型对应的外参标定值:对于每个候选参数模型对应的粗略内点集,将粗略内点集再次输入手眼标定方程,得到精细外参估计值;使用RANSAC算法和精细外参估计值再次确定精细模型得分、以及粗略内点集中的精细外点集和精细内点集;基于精细模型得分筛除不符合模型条件的候选参数模型。
可选地,预设条件为执行次数达到预设次数;或者,为候选参数模型的个数达到预设个数。
示意性地,模型条件为对各个候选参数模型按照精细模型得分由高到低进行排序后,排序在前n位的候选参数模型,其中,n=N/2,N为候选参数模型的个数。
为了更清楚地理解本申请提供的激光雷达与IMU外参标定方法,下面对该方法以一个实例进行说明。参考图2,该方法包括以下几个步骤:
步骤21,对激光雷达的点云数据进行预处理和降采样处理,得到处理后的点云数据。
步骤22,使用NDT算法对邻近帧的处理后的点云进行配准,根据配准得到的位姿变换,不断积分输出相应的激光雷达位姿信息。
步骤23,对IMU的惯性测量数据进行预积分,得到相应的IMU位姿信息。
本实施例不对步骤23与步骤21之间的执行顺序作限定。
步骤24,对激光雷达位姿信息和IMU位姿信息进行时间同步,得到对齐后的位姿信息组。
步骤25,随机选取多组对齐后的位姿信息组输入手眼标定方程计算得到,粗略外参估计值。
步骤26,根据粗略外参估计值计算对应的模型得分,并区分出多组对齐后的位姿信息组中的粗略内点集和粗略外点集。
步骤27,若粗略外参估计值对应的参数模型的粗略模型得分高于所设定的得分阈值,则将该参数模型加入候选队列,重复步骤25和步骤26,直到运行了预设次数或候选模型队列中的候选参数模型的个数达到预设数量。
步骤28,对候选队列中的每一个候选参数模型随机选取其粗略内点集中的几组位姿信息组代入手眼标定方程,得到精细外参估计值。
步骤29,根据精细外参估计值计算精细模型得分,并进一步区分粗略内点集中的精细内点集和精细外点集。
步骤291,根据精细模型得分由高到低的顺序对所有候选参数模型排序;删除精细模型得分较低的一半候选参数模型,并重复执行步骤28和29直至队列中只剩下一个候选参数模型,得到最终的外参标定值对应的参数模型,即,得到外参标定值。
综上所述,本实施例提供的激光雷达与IMU外参标定方法,通过获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据;基于点云数据计算当前的激光雷达位姿信息;基于惯性测量数据计算当前的IMU位姿信息;将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;使用RANSAC算法基于对齐后的位姿信息组确定外参标定值;可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题;由于RANSAC算法可以很好地去除手眼标定位姿中异常位姿对结果的影响,因此,可以解决可以提高标定结果的准确性和稳定性。
图3是本申请一个实施例提供的激光雷达与IMU外参标定装置的框图。该装置至少包括以下几个模块:数据获取模块310、第一计算模块320、第二计算模块330、数据对齐模块340和外参标定模块350。
数据获取模块310,用于获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据;
第一计算模块320,用于基于所述点云数据计算当前的激光雷达位姿信息;
第二计算模块330,用于基于所述惯性测量数据计算当前的IMU位姿信息;
数据对齐模块340,用于将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;
外参标定模块350,用于使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
相关细节参考上述方法实施例。
需要说明的是:上述实施例中提供的激光雷达与IMU外参标定装置在进行激光雷达与IMU外参标定时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将激光雷达与IMU外参标定装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的激光雷达与IMU外参标定装置与激光雷达与IMU外参标定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
可选地,本申请还提供有一种计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的激光雷达与IMU外参标定方法。
可选地,本申请还提供有一种计算机产品,该计算机产品包括计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的激光雷达与IMU外参标定方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种激光雷达与IMU外参标定方法,其特征在于,所述方法包括:
获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据;
基于所述点云数据计算当前的激光雷达位姿信息激光雷达位姿信息;
基于所述惯性测量数据计算当前的IMU位姿信息IMU位姿信息;
将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;
使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
2.根据权利要求1所述的方法,其特征在于,所述使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值,包括:
循环执行下述步骤,直至循环条件不满足预设条件时停止:将多组所述对齐后的位姿信息组输入手眼标定方程,得到粗略外参估计值;使用所述RANSAC算法和所述粗略外参估计值确定粗略模型得分、以及所述多组所述对齐后的位姿信息组中的粗略外点集和粗略内点集;在所述粗略模型得分高于得分阈值时,将所述粗略外参估计值对应的参数模型确定为候选参数模型;
循环执行下述步骤,直至从多个所述候选参数模型中筛选出唯一的参数模型时停止,得到该参数模型对应的外参标定值:对于每个候选参数模型对应的粗略内点集,将所述粗略内点集再次输入所述手眼标定方程,得到精细外参估计值;使用所述RANSAC算法和所述精细外参估计值再次确定精细模型得分、以及所述粗略内点集中的精细外点集和精细内点集;基于所述精细模型得分筛除不符合模型条件的候选参数模型。
3.根据权利要求2所述的方法,其特征在于,所述预设条件为执行次数达到预设次数;或者,为候选参数模型的个数达到预设个数。
4.根据权利要求2所述的方法,其特征在于,所述模型条件为对各个候选参数模型按照精细模型得分由高到低进行排序后,排序在前n位的候选参数模型,其中,n=N/2,所述N为候选参数模型的个数。
5.根据权利要求1所述的方法,其特征在于,将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组,包括:
获取每帧激光雷达位姿信息对应的目标时间戳;
从所述IMU位姿信息的时间戳中确定与所述目标时间戳相邻最近的两个时间戳;
根据所述目标时间戳和确定出的两个IMU相邻时间戳之间的差值,对所述IMU位姿信息进行插值补偿,得到所述对齐到目标时间戳后的位姿信息组。
6.根据权利要求1所述的方法,其特征在于,所述获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据之后,还包括:
对所述点云数据进行预处理,以去除噪点;
对预处理后的点云数据进行降采样处理,得到处理后的点云数据,所述处理后的点云数据用于进行所述激光雷达位姿信息的计算。
7.根据权利要求6所述的方法,其特征在于,所述基于所述点云数据计算当前的激光雷达位姿信息,包括:
使用正态分布变换NDT算法对邻近帧的处理后的点云数据进行配准;
根据配准得到的位姿变换积分得到所述激光雷达位姿信息。
8.根据权利要求1所述的方法,其特征在于,所述基于所述惯性测量数据计算当前的IMU位姿信息,包括:
对所述惯性测量数据进行预积分,得到所述IMU位姿信息。
9.一种激光雷达与IMU外参标定装置,其特征在于,所述装置包括:
数据获取模块,用于获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据;
第一计算模块,用于基于所述点云数据计算当前的激光雷达位姿信息;
第二计算模块,用于基于所述惯性测量数据计算当前的IMU位姿信息;
数据对齐模块,用于将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐,得到对齐后的位姿信息组;
外参标定模块,用于使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011136461.3A CN112285676B (zh) | 2020-10-22 | 2020-10-22 | 激光雷达与imu外参标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011136461.3A CN112285676B (zh) | 2020-10-22 | 2020-10-22 | 激光雷达与imu外参标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112285676A true CN112285676A (zh) | 2021-01-29 |
CN112285676B CN112285676B (zh) | 2024-02-09 |
Family
ID=74423502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011136461.3A Active CN112285676B (zh) | 2020-10-22 | 2020-10-22 | 激光雷达与imu外参标定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112285676B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946681A (zh) * | 2021-05-17 | 2021-06-11 | 知行汽车科技(苏州)有限公司 | 融合组合导航信息的激光雷达定位方法 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能***有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
CN113495281A (zh) * | 2021-06-21 | 2021-10-12 | 杭州飞步科技有限公司 | 可移动平台的实时定位方法及装置 |
CN113759349A (zh) * | 2021-09-22 | 2021-12-07 | 阿波罗智能技术(北京)有限公司 | 激光雷达与定位设备的标定方法、设备及自动驾驶车辆 |
CN114166219A (zh) * | 2021-12-01 | 2022-03-11 | 珠海一微半导体股份有限公司 | 一种校正惯导误差的方法、芯片及机器人 |
CN114413887A (zh) * | 2021-12-24 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN115265581A (zh) * | 2022-05-18 | 2022-11-01 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的标定参数确定方法及相关设备 |
CN116380935A (zh) * | 2023-06-02 | 2023-07-04 | 中南大学 | 一种高铁箱梁损伤检测机器车及损伤检测方法 |
WO2023131123A1 (zh) * | 2022-01-05 | 2023-07-13 | 上海三一重机股份有限公司 | 组合导航设备与激光雷达的外参标定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143205A (zh) * | 2018-08-27 | 2019-01-04 | 深圳清创新科技有限公司 | 一体化传感器外参数标定方法、装置 |
CN109901139A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
CN109949371A (zh) * | 2019-03-18 | 2019-06-28 | 北京智行者科技有限公司 | 一种用于激光雷达和相机数据的标定方法 |
CN110579754A (zh) * | 2019-10-15 | 2019-12-17 | 戴姆勒股份公司 | 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法 |
CN111207774A (zh) * | 2020-01-17 | 2020-05-29 | 山东大学 | 一种用于激光-imu外参标定的方法及*** |
CN111443337A (zh) * | 2020-03-27 | 2020-07-24 | 北京航空航天大学 | 一种基于手眼标定的雷达-imu标定方法 |
-
2020
- 2020-10-22 CN CN202011136461.3A patent/CN112285676B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143205A (zh) * | 2018-08-27 | 2019-01-04 | 深圳清创新科技有限公司 | 一体化传感器外参数标定方法、装置 |
CN109901139A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
CN109949371A (zh) * | 2019-03-18 | 2019-06-28 | 北京智行者科技有限公司 | 一种用于激光雷达和相机数据的标定方法 |
CN110579754A (zh) * | 2019-10-15 | 2019-12-17 | 戴姆勒股份公司 | 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法 |
CN111207774A (zh) * | 2020-01-17 | 2020-05-29 | 山东大学 | 一种用于激光-imu外参标定的方法及*** |
CN111443337A (zh) * | 2020-03-27 | 2020-07-24 | 北京航空航天大学 | 一种基于手眼标定的雷达-imu标定方法 |
Non-Patent Citations (2)
Title |
---|
吴修振;刘刚;于凤全;张源原;: "基于单目视觉的GPS辅助相机外参数标定", 光学精密工程, no. 08 * |
吴晗;李巍;董明利;: "基于RANSAC的便携式激光扫描测量臂手眼标定方法", 计算机工程与应用, no. 23 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946681A (zh) * | 2021-05-17 | 2021-06-11 | 知行汽车科技(苏州)有限公司 | 融合组合导航信息的激光雷达定位方法 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能***有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
CN113495281A (zh) * | 2021-06-21 | 2021-10-12 | 杭州飞步科技有限公司 | 可移动平台的实时定位方法及装置 |
CN113495281B (zh) * | 2021-06-21 | 2023-08-22 | 杭州飞步科技有限公司 | 可移动平台的实时定位方法及装置 |
CN113759349A (zh) * | 2021-09-22 | 2021-12-07 | 阿波罗智能技术(北京)有限公司 | 激光雷达与定位设备的标定方法、设备及自动驾驶车辆 |
CN113759349B (zh) * | 2021-09-22 | 2022-10-04 | 阿波罗智能技术(北京)有限公司 | 激光雷达与定位设备的标定方法、设备及自动驾驶车辆 |
CN114166219A (zh) * | 2021-12-01 | 2022-03-11 | 珠海一微半导体股份有限公司 | 一种校正惯导误差的方法、芯片及机器人 |
CN114413887A (zh) * | 2021-12-24 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN114413887B (zh) * | 2021-12-24 | 2024-04-02 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
WO2023131123A1 (zh) * | 2022-01-05 | 2023-07-13 | 上海三一重机股份有限公司 | 组合导航设备与激光雷达的外参标定方法及装置 |
CN115265581A (zh) * | 2022-05-18 | 2022-11-01 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的标定参数确定方法及相关设备 |
CN116380935A (zh) * | 2023-06-02 | 2023-07-04 | 中南大学 | 一种高铁箱梁损伤检测机器车及损伤检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112285676B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112285676A (zh) | 激光雷达与imu外参标定方法及装置 | |
CN108332758B (zh) | 一种移动机器人的走廊识别方法及装置 | |
EP3852065A1 (en) | Data processing method and apparatus | |
CN111623773B (zh) | 一种基于鱼眼视觉和惯性测量的目标定位方法及装置 | |
JP7173471B2 (ja) | 3次元位置推定装置及びプログラム | |
CN110986968A (zh) | 三维重建中实时全局优化和错误回环判断的方法及装置 | |
CN114323033A (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
CN108829996B (zh) | 获得车辆定位信息的方法及装置 | |
CN113763549A (zh) | 融合激光雷达和imu的同时定位建图方法、装置和存储介质 | |
CN114217665A (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN115436920A (zh) | 一种激光雷达标定方法及相关设备 | |
CN113310505B (zh) | 传感器***的外参标定方法、装置及电子设备 | |
WO2017141469A1 (ja) | 位置推定装置 | |
CN113759347B (zh) | 坐标关系的标定方法、装置、设备及介质 | |
CN117392241A (zh) | 自动驾驶中的传感器标定方法、装置及电子设备 | |
CN113538699A (zh) | 基于三维点云的定位方法、装置、设备及存储介质 | |
CN114061592B (zh) | 基于多模型的自适应鲁棒auv导航方法 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN115309630A (zh) | 自动驾驶仿真数据的生成方法、装置、设备及存储介质 | |
CN115560744A (zh) | 机器人以及基于多传感器的三维建图方法、存储介质 | |
CN112991445B (zh) | 模型训练方法、姿态预测方法、装置、设备及存储介质 | |
CN111812668B (zh) | 绕机检查装置及其定位方法、存储介质 | |
CN114119885A (zh) | 图像特征点匹配方法、装置及***、地图构建方法及*** | |
CN113670300A (zh) | 一种slam***的回环检测方法及装置 | |
CN117968682B (zh) | 基于多线激光雷达和惯性测量单元的动态点云去除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 215123 g2-1901 / 1902 / 2002, No. 88, Jinjihu Avenue, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: Zhixing Automotive Technology (Suzhou) Co.,Ltd. Address before: 215123 g2-1901 / 1902 / 2002, No. 88, Jinjihu Avenue, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: IMOTION AUTOMOTIVE TECHNOLOGY (SUZHOU) Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |