0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

3D激光雷达和相机校准是如何考虑传感器之间误差的?

新机器视觉 来源:泡泡机器人SLAM 作者:泡泡机器人SLAM 2021-05-26 09:15 次阅读

作者:Raphael Voges and Bernardo Wagner

来源:IROS 2020

大家好,今天为大家带来的文章是—— 集员法对3D激光雷达和相机的外部校准(Set-Membership Extrinsic Calibration of a 3D LiDAR and a Camera)。

这篇文章与传感器的融合相关,主要介绍了3D激光雷达和相机校准时候是如何考虑不同传感器之间的误差的;

为了融合来自3D激光雷达和相机的信息,需要知道传感器坐标系之间的外部校准。

传统的外部校准方案有三个缺点:

传统的校准方法忽略了传感器误差,导致了校准失真;

传统的校准方法假设了初始平均误差为0,默认传感器每次测量接近真实值,这种假设常常失效。例如,激光雷达入射角和反射率带来的误差,可能会导致激光雷达偏移的情形;

传统的校准方法不能评估提取特征的准确性,因此不能在外部校准的时候不能通过调整特征的权重提高准确性。

本文创新点:

提出了一种基于图像的检测方法,该方法将YOLOv3架构扩展为具有3D质心损失和中级特征融合,以利用这两种方式的互补信息;

介绍基于间距的方法(interval-based approaches)来提取图像和激光点云的相应特征;

利用间距的特征设定约束满足问题(Constraint Satisfaction Problem, CSP),在仿真和实验中验证了准确性。

贡献

提出了一种基于图像的检测方法,该方法将YOLOv3架构扩展为具有3D质心损失和中级特征融合,以利用这两种方式的互补信息;

介绍基于间距的方法(interval-based approaches)来提取图像和激光点云的相应特征;

利用间距的特征设定约束满足问题(Constraint Satisfaction Problem, CSP),在仿真和实验中验证了准确性。

方法介绍

如图1所示,间隔向量(interval vectors)形成了一个框(scan box),包围了实际测量的一些点集。通过使用扫描框,可以得到平面的垂直矢量(plane normal vector)、边界线的矢量(line direction vectors)、标定棋盘的四个角上的点(corner boxes)。

0c20259e-bd5b-11eb-9e57-12bb97331649.png

图1:本文的方法概述。为了找到外部校准,如旋转矩阵R和转换向量t,在间距不确定的情况下,相机和3D激光雷达之间寻找点、线、面特征。

传感器误差模型

A.相机模型:

我们采用OpenCV库中包含的方法,用于检测相机图像中的棋盘角。因此,我们使用的原始测量是图像中的像素点。然后,针孔相机模型用于找到指向棋盘角的方向的3D向量。

不能完全检测到角的原因:

相机具有有限的分辨率,因此必须将模拟信号(即实际场景)离散地分为像素;

图像模糊,例如检测对象未处于适当的聚焦;

图像传感器受到损坏,每个像素的各个颜色通道产生了噪声,从而在角检测期间再次导致误差。

0c88afec-bd5b-11eb-9e57-12bb97331649.png

图2:检测到棋盘角(绿色点)的棋盘的示例图。各种误差源导致检测不准确(红色点)。因此,我们应用了我们的界限误差模型,来包裹真实特征的蓝色边框。

B.激光雷达模型:

由于激光雷达的激光光束和表面入射角受到传感器的环境(温度,湿度等)的影响,实际测量通常产生误差。由于无法预测此系统错误,因此无法使用已建立的随机误差模型进行建模。测量点的实际位置是不确定的,并且可以是激光光束扫描的任何位置。因此,选择基于间距的模型来考虑这种不确定性。

0c9ef158-bd5b-11eb-9e57-12bb97331649.png

图3:3D盒[P]的可视化由未知但是界面的误差为球形坐标R,θ和φ产生的误差。3D盒可以保证覆盖实际测量的点P *和原始测量的点P。

主要结果

我们使用Gazebo 和实际数据生成的模拟数据来评估我们的方法。此外,将我们的方法与最先进算法进行了比较。然而,直接比较是不合适的,因为他们的方法的目标是找到最好的点值结果(point-valued result),而我们的方法旨在封闭真实的解决方案并同时表明计算的不确定性。

A.仿真数据

选择尺寸为100×76厘米的标定棋盘,其中,棋盘距离多传感器系统大约2.5米。模拟相机的像素误差遵循高斯分布,平均值为0,标准偏差为0.01。这导致相机校准期间0.3 px的最大角度检测误差。模拟3D激光雷达的型号是Velodyne VLP16。球形坐标的误差遵循均匀的分布,无需任何异常值。

首先,我们显示从一个标定棋盘姿态计算的转换参数的结果。如图所示,我们选择六种不同的棋盘姿态,以显示对不同外部校准参数的影响。

图4:六种不同棋盘姿态的模拟图像。

对于所有六个姿态,我们的方法包含真实的转换参数。然而,转换参数的准确性随着表I中的参数变化。这可以通过标定棋盘的相应姿态来解释。例如,Pose1和Pose5可以通过沿Z轴旋转和平移实现。

0cf04846-bd5b-11eb-9e57-12bb97331649.png

表I:图3中的姿势的间距半径

表II显示了相机和激光扫描仪的不同模拟误差的结果。显然,相应地调整传感器误差界限。例如,第二行示出了用于[Δpx] = [-0.4,0.4] px的间隔半径,而其他传感器误差界限保持不变。作为参考,第一行显示出了上面引入和评估的错误界限的结果。表格可以说明我们的方法可以在增加不确定性的情况下处理相机和激光扫描数据的不同误差。

0d280f42-bd5b-11eb-9e57-12bb97331649.png

表2:不同模拟误差参数的影响

接下来,展示了系统误差对我们方法的影响。我们使用总共27个棋盘姿态,包括上面所示的六个姿态,在传感器设置周围的旋转空间中均匀分布。

0d5ddd34-bd5b-11eb-9e57-12bb97331649.png

表3:结果显示偏误差测量对我们和最先进的方法的比较

B.真实数据

如图4所示,实验设备包括Velodyne VLP-16 LIDAR,FLIR Grasshopper3相机和100×76cm标定棋盘。相机的分辨率为1920×1200 px。激光雷达LiDAR的垂直角分辨率为2°。此外,LiDAR的旋转速率设定为5Hz,导致水平角分辨率为0.1◦。

我们收集了26个不同的棋盘姿势的数据。表IV显示结果。得到的间距结果和仿真结果类似。因此,我们的方法不仅可以使用外在校准并评估其准确性,还可以验证随机方法的结果。

0d5ddd34-bd5b-11eb-9e57-12bb97331649.png

表4:我们和最先进方法的数据结果比较

原文标题:3D激光雷达和相机的外部校准

文章出处:【微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

责任编辑:haq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 3D
    3D
    +关注

    关注

    9

    文章

    2875

    浏览量

    107487
  • 激光雷达
    +关注

    关注

    968

    文章

    3969

    浏览量

    189830

原文标题:3D激光雷达和相机的外部校准

文章出处:【微信号:vision263com,微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    激光雷达技术或可助力防御无人机

    以色列面临无人机袭击困扰,Lidwave公司开发4D激光雷达传感器,可在5公里外探测物体,提供高分辨率3D地图。该公司获1000万美元融资,用于开发无人机袭击应对方案。
    的头像 发表于 12-07 10:54 362次阅读
    <b class='flag-5'>激光雷达</b>技术或可助力防御无人机

    Sonair推出用于机器人避障的3D超声波传感器

    据麦姆斯咨询报道,Sonair近日发布一款用于自主移动机器人(AMR)和自动导引车(AGV)避障的新型3D超声波传感器。 Sonair将新型3D超声波传感器描述为昂贵的
    的头像 发表于 11-16 09:57 582次阅读

    激光雷达在SLAM算法中的应用综述

    SLAM算法运行的重要传感器。基于激光雷达的SLAM算法,对激光雷达SLAM总体框架进行介绍,详细阐述前端里程计、后端优化、回环检测、地图构建模块的作用并总结所使用的算法;按由2D
    的头像 发表于 11-12 10:30 499次阅读
    <b class='flag-5'>激光雷达</b>在SLAM算法中的应用综述

    激光雷达与其他传感器的比较

    在现代科技领域,传感器技术的发展日新月异,为各行各业提供了强大的数据支持。激光雷达作为一种高精度的遥感技术,近年来在多个领域得到了广泛应用。然而,激光雷达并非万能,它与其他传感器相比,
    的头像 发表于 10-27 10:41 595次阅读

    车规级振荡激光雷达提供解决方案

    激光雷达被比喻为汽车的“眼睛”, 兼具测距远、角度分辨率优、受环境光照影响小等特点,且无需深度学习算法,可直接获得物体的距离和方位信息,与其他传感器互补结合使用可帮助感知系统减小探测误差,因而被
    发表于 08-30 15:00 0次下载

    半导体激光雷达传感器件产业化项目落地德州

    协议,双方将投资建设半导体激光雷达传感器件产业化项目,引进激光雷达、半导体激光器、光收发器件等自动化生产、检测及辅助系统等设备,主要产品为激光雷达
    的头像 发表于 06-04 09:48 1.8w次阅读

    晶振在激光雷达系统中的作用有哪些

    激光雷达系统需要用精确的时间测量来计算距离和生成高分辨率的3D图像。晶振在激光雷达系统中起着关键作用,主要用于提供稳定的时钟信号和高精度的时间基准。
    的头像 发表于 05-29 11:45 612次阅读

    Hokuyo Automatic发布新款3D激光雷达(LiDAR)传感器YLM-10LX

    据麦姆斯咨询报道,光学半导体技术先驱Lumotive近日携手传感器和自动化领域的全球领先企业Hokuyo Automatic发布新款3D激光雷达(LiDAR)传感器YLM-10LX。
    的头像 发表于 05-29 09:14 1276次阅读

    森思泰克全新推出96线激光雷达和192线激光雷达产品

    传感器融合方案是智能驾驶感知技术的必然趋势。它以摄像头、毫米波雷达、超声波雷达以及激光雷达等多种传感器协同配合来感知外界信息。
    的头像 发表于 05-28 10:03 1692次阅读
    森思泰克全新推出96线<b class='flag-5'>激光雷达</b>和192线<b class='flag-5'>激光雷达</b>产品

    机载单光子激光雷达系统用于实现高分辨率3D成像

    据麦姆斯咨询报道,近日,中国科学技术大学合肥微尺度物质科学国家研究中心的研究团队开发出了一种结构紧凑、重量轻的单光子机载激光雷达系统,可以用低功率激光获取高分辨率的3D图像。
    的头像 发表于 05-06 09:05 856次阅读
    机载单光子<b class='flag-5'>激光雷达</b>系统用于实现高分辨率<b class='flag-5'>3D</b>成像

    大陆集团的3D Flash激光雷达有何优势?

    在这一技术革命的前沿,激光雷达成为了不可或缺的一环。而在这其中,大陆集团的3D Flash激光雷达引人瞩目。
    发表于 04-11 10:28 348次阅读
    大陆集团的<b class='flag-5'>3D</b> Flash<b class='flag-5'>激光雷达</b>有何优势?

    激光雷达测量误差的成因分析

    激光雷达在测量距离的过程中容易受到很多因素的影响导致测量出现误差,从而使得测量精度受到影响,激光雷达的反射强度主要受到环境天气状况的影响。
    的头像 发表于 04-02 12:58 1631次阅读

    SolidVue为激光雷达传感器设计SoC,可评估周围物体的形状和距离

    据麦姆斯咨询报道,韩国目前唯一一家专门从事CMOS激光雷达(LiDAR)传感器芯片开发的厂商SolidVue近期宣布其两篇激光雷达相关论文被“2024年国际固态电路会议(ISSCC)”接收,这再次证明了SolidVue全球领先的
    的头像 发表于 02-28 09:56 804次阅读

    现代汽车和起亚汽车宣布开发片上激光雷达传感器

    2月21日,现代汽车公司和起亚汽车公司宣布,他们将与韩国顶尖大学KAIST(韩国科学技术院)合作,在韩国大田KAIST总部建立“现代汽车集团-KAIST片上激光雷达联合实验室”,开发用于高级自动驾驶汽车的激光雷达(LiDAR)传感器
    的头像 发表于 02-23 09:36 643次阅读
    现代汽车和起亚汽车宣布开发片上<b class='flag-5'>激光雷达</b><b class='flag-5'>传感器</b>

    华为激光雷达参数怎么设置

    华为激光雷达是一种常用的传感器技术,可用于距离测量和感应。它的参数设置对于确保其性能和功能至关重要。在本文中,我们将详细介绍华为激光雷达的参数设置以及其影响和应用。 首先,我们需要了解激光雷达
    的头像 发表于 01-19 14:17 1772次阅读