基于结构化特征的2D-LiDAR建图的方法
文献发布时间:2024-01-17 01:28:27
技术领域
本发明涉及激光雷达环境建图的技术领域,具体是一种基于结构化特征的2D-LiDAR建图的方法。
背景技术
感知是指从传感器数据中提取特征,从传感器的角度来看,自动驾驶汽车结合了基于视觉的方法,通常是立体声或单眼相机。此外,还存在基于无线电波的测距雷达,在目前的工作中,重点是激光雷达,它也是一种常见的光测距传感器。环境感知建图问题有很多挑战和难题,需要进一步研究和解决。目前,常用于环境感知的传感器有激光雷达、相机、超声波和毫米波雷达等。激光雷达和相机SLAM技术得到广泛应用,前者具有精准的距离和行驶区域识别等优点,后者则有更准确的目标分类和丰富的图像信息。超声波和毫米波雷达适用于障碍物检测和防撞预警等场景。
3D-LiDAR在自动驾驶、地形测绘等领域有显著优势,但它也存在成本高、数据量大、算法复杂等缺点。相比之下,2D-LiDAR简单经济,但只能获取平面点云,无法实现高度信息和立体成像。为提高建图精度并降低安装位置误差影响,需进行外参标定以确定2D-LiDAR坐标系与全局坐标系转换关系,可以采用点云配准或基于特征的方法来解决它们之间的坐标转换关系。针对上述问题,提出一种基于结构化特征的2D-LiDAR建图的方法。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中3D-LiDAR成本高、数据量大,2D-LiDAR无法实现高度信息和立体成像的问题,从而提供一种使用低成本2D-LiDAR的,基于结构化特征的2D-LiDAR建图的方法。
为解决上述技术问题,本发明提出一种基于结构化特征的2D-LiDAR建图的方法,包括如下步骤:采用翻转倾覆平台机构实现周期翻转和角度编码器生成3D点云,通过基于结构化特征的标定法,实现2D-LiDAR之间的外参标定,提高建图稳定性和准确性,标定主要包括激光雷达安装角度修正参数、角度编码器的零偏角,最终实现环境建图。
进一步的,本发明的翻转倾覆平台机构为:选择使用3个2D-LiDAR作为传感器,为了克服2D-LiDAR无法获取高度信息的缺点,利用3个角度编码器获取2D-LiDAR在运动过程中的俯仰角变化,以及利用惯性导航系统提供的定位姿态信息,将每一帧2D点云旋转到全局坐标系下,拼接成3D点云地图。该方法可以获得更丰富的空间信息,例如高度、形状和纹理等。
进一步的,2D-LiDAR建图数学模型为:2D-LiDAR获取的数据包括距离值和角度值,反映了雷达发射的激光束与障碍物之间的空间距离和相对角度。为了将2D-LiDAR输出的点转换成2D点云数据,需要进行多次转换。数学模型中涉及的坐标系包括2D-LiDAR坐标系L,扫描平台坐标系C和世界坐标系W。它们之间通过旋转矩阵R和位移矩阵t进行6自由度变换。点P的2D坐标在L坐标系中表示为
3个激光雷达分别放置在扫描平台的左前侧、右前侧和后侧,用s
进一步的,完成单个2D-LiDAR标定后,需将3个激光雷达的数据进行标定并转换到同一个坐标系下,以进行数据融合。最终,将扫描平台坐标系和IMU、GNSS进行融合,通过旋转和位移将其转换到世界坐标系,得到完整的地图。IMU/GNSS松耦合是将GNSS的位置和速度作为观测量,与IMU的姿态、位置和速度进行卡尔曼滤波的方法。通过卡尔曼滤波,将IMU与GNSS进行融合,实现高频率的位姿推断,并用GNSS修正IMU的漂移误差。
进一步的,本发明的传感器参数标定方法为:通过构造平面特征约束,利用多个激光雷达系统同时扫描平面进行标定。标定问题涉及3个坐标系:2D-LiDAR的坐标系L-XLYLZL,扫描平台坐标系C-XCYCZC,以及世界坐标系W-XWYWZW。其中,2D-LiDAR坐标系以其结构中心点为原点,正前方为X轴正方向,Y轴垂直于X轴指向激光雷达左侧,Z轴垂直于扫描扇面指向激光雷达上方。扫描平台坐标系以3台2D-LiDAR翻转轴所形成的三角形的中心点为原点,X轴方向为扫描平台前进方向正前方,Y轴方向指向扫描平台左侧,Z轴方向垂直于X、Y轴指向扫描平台上方。世界坐标系以IMU传感器为原点,IMU传感器安装在扫描平台上,并且相对于测量环境保持不变。标定过程需要计算每个2D-LiDAR的旋转矩阵和位移向量,以获得高精度的位姿估计,每个2D-LiDAR需要标定的参数有:
在标定过程中,需要确定的参数是各激光雷达间的旋转和位移矩阵参数,其中,旋转参数对结果的影响比位移参数更为显著,因此需要更加精确的测量。尽管位移参数的测量精度相对较低,但仍会对结果产生一定的影响。不过,这种影响相对较小,可以通过后续的优化方法进行补偿。每个2D-LiDAR的标定参数如下:
本发明的优点及有益效果如下:
本发明提出了一种基于结构化特征的2D-LiDAR建图的方法。相比于传统的使用多线激光雷达或者立体相机等设备生成3D点云地图,2D-LiDAR具有以下优势:成本低廉,易于获取和安装;数据量小,通过调节摆动角度和频率控制扫描范围和速度,仅获取距离地面一定范围内点云信息,减少数据量和计算量;适应性强,可调节摆动角度和频率以适应不同场景和任务需求。这种方法可在不同环境中构建3D地图和位姿估计。与传统方法相比,更经济高效。本文提出的建图方法,利用2D-LiDAR的俯仰角变化和惯性导航系统提供的定位姿态信息,将每帧2D点云旋转到全局坐标系下,构建3D点云地图,以获得更丰富的空间信息,该方法可以在低成本的2D-LiDAR基础上实现复杂环境中空间建图任务。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1 2D-LiDAR的扫描平面示意图
图2 2D-LiDAR旋转方案示意图
图3激光雷达运动方案示意图
图4 2D-LiDAR生成3D点云方案示意图
图5翻转倾覆平台机构示意图
图6绕激光雷达的z'旋转示意图
图7激光雷达翻转轴与地面坐标系夹角示意图
图8绕激光雷达y'轴旋转示意图
图9左侧视角示意图
图10绕地面坐标系x轴示意图
图11多点交叉示意图
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明提供一种技术方案:
一种基于结构化特征的2D-LiDAR建图的方法,包括如下步骤:
如图1至图4所示,采用翻转倾覆平台机构实现周期翻转和角度编码器生成3D点云,通过基于结构化特征的标定法,实现2D-LiDAR之间的外参标定,提高建图稳定性和准确性,标定主要包括激光雷达安装角度修正参数、角度编码器的零偏角,最终实现环境建图。选择使用3个2D-LiDAR作为传感器,为了克服2D-LiDAR无法获取高度信息的缺点,利用3个角度编码器获取2D-LiDAR在运动过程中的俯仰角变化,以及利用惯性导航系统提供的定位姿态信息,将每一帧2D点云旋转到全局坐标系下,拼接成3D点云地图。该方法可以获得更丰富的空间信息,例如高度、形状和纹理等。3个2D-LiDAR,相隔60°在半径为20厘米的圆周上均匀分布,实现了360°扫描,扫描平面距离地面约50厘米,俯仰角在5°到-90°之间变化;1个角度编码器安装在在2D-LiDAR翻转轴处,当2D-LiDAR翻转运动时,角度编码器的示数随之变化。
如图5所示,为2D-LiDAR建图数学模型框架。2D-LiDAR获取的数据包括距离值和角度值,反映了雷达发射的激光束与障碍物之间的空间距离和相对角度。为了将2D-LiDAR输出的点转换成2D点云数据,需要进行多次转换。数学模型中涉及的坐标系包括2D-LiDAR坐标系L,扫描平台坐标系C和世界坐标系W。它们之间通过旋转矩阵R和位移矩阵t进行6自由度变换。点P的2D坐标在L坐标系中表示为
3个激光雷达分别放置在扫描平台的左前侧、右前侧和后侧,用s
进一步的,完成单个2D-LiDAR标定后,需将3个激光雷达的数据进行标定并转换到同一个坐标系下,以进行数据融合。最终,将扫描平台坐标系和IMU、GNSS进行融合,通过旋转和位移将其转换到世界坐标系,得到完整的地图。IMU/GNSS松耦合是将GNSS的位置和速度作为观测量,与IMU的姿态、位置和速度进行卡尔曼滤波的方法。通过卡尔曼滤波,将IMU与GNSS进行融合,实现高频率的位姿推断,并用GNSS修正IMU的漂移误差。
进一步的,本发明的传感器参数标定方法为:通过构造平面特征约束,利用多个激光雷达系统同时扫描平面进行标定。标定问题涉及3个坐标系:2D-LiDAR的坐标系L-XLYLZL,扫描平台坐标系C-XCYCZC,以及世界坐标系W-XWYWZW。其中,2D-LiDAR坐标系以其结构中心点为原点,正前方为X轴正方向,Y轴垂直于X轴指向激光雷达左侧,Z轴垂直于扫描扇面指向激光雷达上方。扫描平台坐标系以3台2D-LiDAR翻转轴所形成的三角形的中心点为原点,X轴方向为扫描平台前进方向正前方,Y轴方向指向扫描平台左侧,Z轴方向垂直于X、Y轴指向扫描平台上方。世界坐标系以IMU传感器为原点,IMU传感器安装在扫描平台上,并且相对于测量环境保持不变。标定过程需要计算每个2D-LiDAR的旋转矩阵和位移向量,以获得高精度的位姿估计,每个2D-LiDAR需要标定的参数有:
在标定过程中,需要确定的参数是各激光雷达间的旋转和位移矩阵参数,其中,旋转参数对结果的影响比位移参数更为显著,因此需要更加精确的测量。尽管位移参数的测量精度相对较低,但仍会对结果产生一定的影响。不过,这种影响相对较小,可以通过后续的优化方法进行补偿。每个2D-LiDAR的标定参数如下:
如图6至图10所示,单个激光雷达标定需要三次旋转,分别为:绕激光雷达的z'轴的旋转、绕激光雷达x'轴的旋转以及绕激光雷达y'轴的旋转。绕激光雷达的z'轴的旋转使激光雷达数据中的角度原点与激光雷达x'轴重合,夹角记为θ
对于角度编码器的零偏角标定方法,可以从左侧视角如图10所示。在该图中,点A代表2D-LiDAR所在位置,直线BCD代表光滑平整地面。通过以下几何关系可以进行角度编码器的零偏角标定AO=h,AD=d
h
如图11所示,通过遗传算法进行标定参数求解:遗传算法的表示如下:
SGA=(C,E,P
式中,C表示个体的编码方案,P
适应度函数E:适应度函数是将墙面和地面法线向量关系作为适应度函数。具体而言,使用PCL库获取水平地面的点云d1和左右墙壁的点云d2,并计算它们的平面法线向量n1与n2。将一个个体中的所有参数带入计算,计算变换后的点云中识别到的墙面和地面法线向量点积加上墙面拟合点方差的大小,并对两者赋权重,以此作为适应度函数的值。适应度函数的值越接近零,说明匹配程度越高,适应度越高。适应度函数如下:
fitness=Aabs(dot(n
遗传算子:选择φ,删除适应度函数排名较低的后50名个体,仅保留前50名个体进入下一代;交叉Γ,使用多点交叉方法进行交叉。具体地,随机选择两个父代个体,第一代个体选择其基因的奇数位,第二个个体选择其基因的偶数位,组合生成新子代个体;变异ψ,使用位反转方法进行变异。具体地,对每个子代种群中每个基因上每一位数字以一定概率P随机反转。通过以上步骤不断迭代,在满足终止条件时输出最优解或近似最优解。终止条件T:当连续几代适应度不发生变化,或者迭代达到次数时,遗传算法将停止迭代。
本发明的主要工作原理为:本发明的主要工作原理为:本发明提出了一种基于结构化特征的2D-LiDAR建图的方法,相比于传统的使用多线激光雷达或者立体相机等设备生成3D点云地图,2D-LiDAR具有成本低廉,易于获取和安装,这种方法可在不同环境中构建3D地图和位姿估计,与传统方法相比,更经济高效。本文提出的建图方法,利用2D-LiDAR的俯仰角变化和惯性导航系统提供的定位姿态信息,将每帧2D点云旋转到全局坐标系下,构建3D点云地图,以获得更丰富的空间信息,该方法可以在低成本的2D-LiDAR基础上实现复杂环境中空间建图任务。提供了一个通用、实时的环境建图解决方案。
尽管已经示出和描述了本发明的实施案例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
- 基于结构化的特征图的人体行为识别方法
- 基于结构化的特征图的人体行为识别方法