激光雷达传感器以及运动畸变去除

《深蓝学院-激光SLAM》课程

一丶激光雷达传感器介绍

1.三角测距

其中假设右边为一个激光发射器，左边为摄像头接受右方反射的光。
其中已知$L=L_1+L_2$，因此：$$L_1=\frac{d}{tan\alpha },L_2=\frac{d}{tan\beta }$$$$L=L_1+L_2=\frac{d}{tan\alpha }+\frac{d}{tan\beta }$$通过三角函数的和差化积化简可得：$$d=L\frac{sin\alpha sin\beta }{sin(\alpha +\beta )}$$
三角法中低距离精度较高，远距离较差！一般在室内使用！
（因为如果偏角出现误差，导致最终误差和该摄像机距离物体的距离有关！）

2.TOF测距

激光发射器发射激光经过物体反射回来被接受，其中可得到时间差$\Delta t$，$$d=\frac{c\Delta t}{2}$$其中c为光速，该方法不会收到距离远近对误差的影响，与三角测距不同，该方法的精度只取决于时间差的测量误差。

发射的波形和接受波形的相位差，相位差/周期 = 时间，一般来说这种精度更高，因为相位差相比更容易测量。

二丶激光雷达模型

1.光束模型

激光束测距的距离值有如下四种可能：

a）服从高斯分布，该情况下属于正常击中一个物体！
b）服从指数分布，该情况是因为被某些动态物体遮挡。
c）什么也没有测到！
d）任意值都可能！
实际情况中，cd两种可能性并不存在！

缺点较为严重，每次位姿估计都需要进行K次的期望值搜索，且在非结构化的环境下，微小的位姿变换都可能导致期望值差距较大！

2.似然场模型

在似然场模型中，对障碍物进行膨胀，似然场中原本区域得分较高，附近区域即未击中，只要在场内也存在得分，这使得得分是一个连续的过程，并不会因为位姿的微小改变而引起突变。

三丶畸变产生的原因

1.激光点的数据不是瞬时获得；
2.激光测量时伴随着机器人的运动；
3.帧率较低时，机器人运动无法忽略！

四丶运动畸变的去除

1.纯估计的方法

ICP（迭代最近点）：求解两个点云集合的转换关系。
在ICP中没有考虑运动畸变产生的影响，VICP是ICP的改量，考虑了机器人的运动对匹配的影响。

2.传感器辅助（IMU/轮式里程计）

VICP假设运动是匀速的，但是在激光帧率较低时，是不成立的！

3.融合的方法