论文部分内容阅读
随着机器人在自动驾驶、航空航天、医疗服务、勘探勘测等领域的广泛应用,拥有单一或单类传感器已难以满足机器人在复杂非结构场景下的工作需求。利用多源、异类传感器对场景进行精确感知,保证机器人对场景理解的充分性和准确性已成为近年来机器人研究领域中的热点问题。传感器标定作为获取传感器精准数据及多传感器信息融合的基础,现有标定方法受测量噪声和外点影响较大,其标定精度和一致性有待提高。为此,针对机器人多传感器标定问题展开深入研究,对于提高机器人对环境的精确感知和理解具有重要的理论意义与现实价值。本文对三维激光扫描仪标定、摄像机与三维激光扫描仪外参数自标定问题进行了深入研究,利用入侵杂草优化(Invasive weed optimization,IWO)、基于成功历史参数差分进化(Success-history based parameter adaptation for differential evolution,SHADE)等群体智能优化算法进行标定参数求解,主要内容包括:(1)给出了一种基于伪Huber损失函数的三维激光扫描仪标定方法,用于估计三维激光扫描仪测量模型参数。在分析了扫描仪测量模型的基础上,采用空间球作为标定物,利用球表面点到球心距离等于半径的约束条件和伪Huber函数对于异常值不敏感的特性构造目标函数,并应用IWO与Levenberg-Marquardt(LM)组合算法进行优化求解。实验结果表明,所给方法能够有效抑制测量噪声和外点对标定结果的影响。(2)给出了一种基于SHADE算法的三维激光扫描仪标定方法。采用局部滤波加权平面拟合(Local filtering weighted plane fitting,LFWPF)、K最近邻(K-nearest neighbor,KNN)聚类以及阈值分割等策略有效去除标定数据中的大部分外点,利用去除外点后的标定数据,采用性能优良的SHADE算法进行优化求解。实验结果表明,所给方法能够有效去除外点,最小化测量噪声与外点的影响,提高了模型参数估计的准确性和一致性。(3)给出了一种基于SHADE算法的摄像机与三维激光扫描仪外参数自标定方法。利用二维图像与三维点云中可见激光线的对应关系,在无需特殊标定物的前提下构建目标函数,采用SHADE算法求解摄像机与三维激光扫描仪外参数。实验结果表明,所给方法外参数标定精度高。