Chapter3-传感器数据处理II:激光雷达数学模型和运动畸变去除

Chapter3-传感器数据处理II:激光雷达数学模型和运动畸变去除



如有错误望不吝赐教!!!



概念介绍

激光雷达传感器介绍

测距原理:

  • 三角测距
    中近距离精度较高
    价格便宜
    远距离精度较差
    易受干扰
    一般在室内使用
  • 飞行时间(TOF)
    测距范围广
    测距精度高
    抗干扰能力强
    易受干扰
    价格昂贵
    ​ 室内室外皆可

激光雷达数学模型

  • 光束模型
    激光的观测值有四种可能性
    计算量很大
    直线寻找,在非结构化环境中(clutter),位姿微小的改变会造成期望值的巨大变化,从而导致得分进行突变。
  • 似然场模型
    对图像进行高斯平滑,在任何环境中期望值对于位姿都是平滑的。
    ​得分的计算不需要经过raytracking, 直接通过查表即可得到,计算量低
    ​同时适合结构化环境和非结构环境中

运动畸变

产生原因:
激光点数据不是瞬时获得
​激光测量时伴随着机器人的运动
​激光帧率较低时,机器人的运动不能忽略

运动畸变的去除

纯估计方法

  • ICP(点云匹配中的基本方法 | 欧式变换?找R、t使匹配后的两点的距离最小)
    先求x的点云的平均位姿,再求q的平均位姿,把每个点云都移到平均位姿,构造一个Ω(?),对Ω进行SVD分解,求解得到R、t
    未知对应点的匹配,不能计算出R、t:EM方法,不停互相迭代计算
    算法流程:
    寻找对应点
    根据对应点,计算R和t 对点云进行转换,计算误差
    不断迭代,直至误差小于某一个值

    缺点:没有考虑当前的运动畸变、当前的激光数据错误
  • VICP
    ICP变种,考虑机器人匀速运动
    由当前ti推出每个点的位姿多少,然后根据当前激光数据进行校正
    Chapter3-传感器数据处理II:激光雷达数学模型和运动畸变去除_第1张图片
    缺点:匀速估计不成立,频率低,预处理与状态估计耦合

里程计辅助法:

高更新频率、准确反映运动情况、较高精度的局部位姿估计、跟状态完全解耦

  • 传感器
    ①IMU
    直接测量角速度和线加速度
    具有较高的角速度测量精度
    线加速度精度太差,二次积分在局部的精 度依然很差
    测量频率极高(1kHz~8kHz)
    ②轮式里程计
    具有较高的角速度测量精度
    直接测量机器人的位移和角度
    具有较高的局部位置测量精度
    更新速度较高(100Hz~200Hz)
    (二次插值)

你可能感兴趣的:(激光SLAM-深蓝学院)