雷达与照相机的外参标定.LM算法

最近在做一个嵌入式系统,需要相机和雷达组装,然后测量这两个坐标系之间的变换矩阵即外参矩阵。使用LM算法后发现误差始终不能收敛,竟然高达1e+6数量级误差,满打满算最多1e+4数量级,明显不收敛,且结果估算参数与预期差的远,后来查阅到其他其博客说道LM算法不适合用于函数f特别复杂,待估参数过多的情形,于是打算学习其它算法解决外参标定问题。

 (未完待续)


更新:

之前的项目做完了,也找到了上述问题的解决方案,参考一篇论文的核心思想,利用求解闭形解而非上述的迭代求解思路,提出独到的算法思路。原方案严重依赖于初始值的预估,我们知道外参矩阵由六个独立参数决定:三个旋转角和三个平移量,显然旋转角的预估是非常困难的,失之毫厘谬以千里。而现在的算法主要避免了旋转角的预估,只需要预估相机到矫正参照物之间的距离Zc,而这显然是极容易的,经实际验证,得到了精确的外参矩阵。

详细的算法思路见论文:

[1] Xifan Shi, Changyu Diao, Dongming Lu. A Camera Extrinsic Parameters Calibration Using 3 Point-Targets[D]. College of Computer Science and Technology, Zhejiang University.

最后根据算法思路我用matlab语言实现并验证了可行性和有效性。




你可能感兴趣的:(雷达与照相机的外参标定.LM算法)