| 摘 要： | LiDAR（Laser Imaging,Detection,and Ranging,激光雷达）与双目相机的多模态数据融合是3D重建领域的一个重要研究方向,两种传感器各有优缺点,通过多模态数据融合可以实现互补,获得更好的重建效果。为了实现数据融合,首先需要将两种数据统一到同一个坐标系下,LiDAR与相机之间外参的高精度标定结果对后续的3D重建十分重要。在LiDAR与相机的外参标定过程中,受LiDAR点云的稀疏性与其定位误差的影响,提取精确的特征点并构建正确的点对应关系是一个挑战性的问题。此外,LiDAR在球坐标系下完成测量工作,而大多数标定方法忽略这一特性,直接使用笛卡尔坐标测量结果进行标定,引入了沿坐标轴各向异性分布的误差,导致标定精度下降。针对该问题,有研究者提出了各向异性权重方法,但仍存在一些缺陷。文中提出了一种最小化LiDAR球坐标误差的LiDAR与双目相机标定方法。首先,提出了一种使用形心特征点的新的标定板,改善特征点的提取精度;其次,将各向异性的LiDAR笛卡尔坐标误差转换为各向同性的球坐标误差,直接最小化球坐标误差求解外参。实验研究表明,本文提出的各向同性误差法相比各向异性权重方法保证求解结果为全局最优,且在牺牲部分精度的前提下所需标定样本数大幅减少,在最优标定误差为2.75 mm的情况下牺牲3.6%的精度能够减少约54.5%的数据量。
|
