付夢(mèng)印，楊毅，朱昊，王立平

(1.北京理工大學(xué) 自動(dòng)化學(xué)院，北京100081;2.中國人民解放軍裝甲兵軍事代表局，北京100000)

0 引言

移動(dòng)機(jī)器人在未知的復(fù)雜環(huán)境中行駛，通過單一種類的傳感器很難對(duì)環(huán)境進(jìn)行合理的認(rèn)知，將多種類傳感器得到的圖像與非圖像信息進(jìn)行融合，成為機(jī)器人環(huán)境感知研究的一個(gè)重要發(fā)展方向。就移動(dòng)機(jī)器人智能導(dǎo)航而言，可見光攝像機(jī)(簡(jiǎn)稱攝像機(jī))與激光測(cè)距雷達(dá)是最常用的圖像與非圖像傳感器。攝像機(jī)能夠快速獲取機(jī)器人行駛空間中物體的顏色與紋理，3D 激光雷達(dá)則更容易獲得機(jī)器人行駛空間中目標(biāo)的距離與輪廓，對(duì)二者進(jìn)行融合，構(gòu)建3D 組合感知系統(tǒng)，將會(huì)使移動(dòng)機(jī)器人更全面、更準(zhǔn)確地感知環(huán)境，提高其自主導(dǎo)航能力。

3D 激光雷達(dá)與攝像機(jī)的配準(zhǔn)是構(gòu)建組合感知系統(tǒng)的基礎(chǔ)，其方法大致可分為基于平面的配準(zhǔn)、基于輪廓線的配準(zhǔn)以及基于特征點(diǎn)的配準(zhǔn)?？▋?nèi)基.梅隆大學(xué)的Ranjith Unnikrishnan 與Martial Hebert提出了一種基于棋盤格平面的攝像機(jī)與激光雷達(dá)聯(lián)合標(biāo)定配準(zhǔn)方法，同時(shí)對(duì)攝像機(jī)與激光雷達(dá)進(jìn)行標(biāo)定，取得了不錯(cuò)的效果［1］。文獻(xiàn)［2］通過激光雷達(dá)與攝像機(jī)對(duì)平面靶標(biāo)不同位置進(jìn)行檢測(cè)，根據(jù)距離對(duì)應(yīng)性原理實(shí)現(xiàn)配準(zhǔn)。文獻(xiàn)［3］提出了基于三角形標(biāo)定板邊緣輪廓提取的聯(lián)合標(biāo)定配準(zhǔn)方法。文獻(xiàn)［4］通過增強(qiáng)物體自然邊緣的方式建立激光雷達(dá)與攝像機(jī)的位置對(duì)應(yīng)關(guān)系，從而進(jìn)行聯(lián)合標(biāo)定。文獻(xiàn)［5］與文獻(xiàn)［6］基于立體視覺特征點(diǎn)標(biāo)定原理，對(duì)自制的簡(jiǎn)易鏤空棋盤格標(biāo)定板進(jìn)行掃描與拍攝，進(jìn)而將3D 點(diǎn)云(即激光束在掃描過程中落在目標(biāo)區(qū)的光點(diǎn)的集合)轉(zhuǎn)換為深度圖像，選定深度圖像與可見光圖像中對(duì)應(yīng)的特征點(diǎn)來完成聯(lián)合標(biāo)定，最后通過三維空間平面重構(gòu)進(jìn)一步提高了此方法的精度。基于平面的配準(zhǔn)方法對(duì)標(biāo)定板平整度要求較高，需要的配準(zhǔn)樣本量大;基于輪廓線的配準(zhǔn)方法，其主要思想是通過關(guān)聯(lián)線段之間的幾何關(guān)系進(jìn)行配準(zhǔn)，但線段的準(zhǔn)確提取難度較大;而基于特征點(diǎn)的配準(zhǔn)方法，運(yùn)算量相對(duì)較小，配準(zhǔn)實(shí)驗(yàn)簡(jiǎn)便易行，但特征點(diǎn)的準(zhǔn)確選取尤為關(guān)鍵。

本文在所構(gòu)建的組合感知系統(tǒng)上，對(duì)基于特征點(diǎn)的配準(zhǔn)問題作了進(jìn)一步研究。結(jié)合3D 激光雷達(dá)與攝像機(jī)工作特性，針對(duì)激光雷達(dá)混合像素及邊界點(diǎn)問題，設(shè)計(jì)了基于相關(guān)掃描序列濾波器(Associated Scanning Sequence Filter，ASSF)，很大程度上減少了混合像素對(duì)配準(zhǔn)特征點(diǎn)提取的影響，提高了提取準(zhǔn)確度，使3D 激光雷達(dá)與攝像機(jī)配準(zhǔn)結(jié)果更為精確;另外，提出了基于結(jié)構(gòu)化特征的激光雷達(dá)坐標(biāo)原點(diǎn)位置標(biāo)定方法，減少了激光雷達(dá)的量測(cè)誤差?；谝陨涎芯拷Y(jié)果，使組合感知系統(tǒng)能夠準(zhǔn)確地對(duì)移動(dòng)機(jī)器人行駛環(huán)境進(jìn)行感知。

1 組合感知系統(tǒng)與配準(zhǔn)方法

1.1 組合感知系統(tǒng)

根據(jù)移動(dòng)機(jī)器人自主導(dǎo)航的需要，本文設(shè)計(jì)了一種3D 激光雷達(dá)與攝像機(jī)組合感知系統(tǒng)，如圖1所示。將SICK LMS 200 二維激光測(cè)距儀與Amtec Powercube Wrist 兩自由度云臺(tái)組合安裝。通過云臺(tái)的俯仰與水平轉(zhuǎn)動(dòng)，可以實(shí)現(xiàn)激光測(cè)距儀的三維掃描，實(shí)現(xiàn)3D 激光雷達(dá)的工作效果。云臺(tái)通過CAN總線與車載計(jì)算機(jī)相連，俯仰角度范圍-120°～120°，水平旋轉(zhuǎn)角度范圍0°～360°，旋轉(zhuǎn)角精度0.01°.由光學(xué)成像原理可知，當(dāng)攝像機(jī)的光軸與3D 激光雷達(dá)的激光發(fā)射源同軸時(shí)，可見光圖像與激光點(diǎn)云的公共感知空間部分達(dá)到最大，因此，本文將攝像機(jī)設(shè)計(jì)安裝于激光雷達(dá)頂部，鏡頭豎直向上，通過云臺(tái)的俯仰運(yùn)動(dòng)，可將攝像機(jī)旋轉(zhuǎn)到激光雷達(dá)掃描坐標(biāo)原點(diǎn)處，實(shí)現(xiàn)最大范圍區(qū)域的匹配(如圖2所示)。同時(shí)，為了保證測(cè)量姿態(tài)的準(zhǔn)確性，在激光雷達(dá)的頂部設(shè)計(jì)安裝了姿態(tài)航向參考系統(tǒng)(AHRS)，用于補(bǔ)償由地形引起的系統(tǒng)姿態(tài)變化給測(cè)量帶來的誤差。激光掃描最大角度范圍-180°～180°，掃描數(shù)據(jù)通過422 高速串口以500 kbps 與計(jì)算機(jī)實(shí)現(xiàn)通訊。

圖1 3D 激光雷達(dá)與攝像機(jī)組合感知系統(tǒng)Fig.1 Integrated perception system of 3Dlidar and camera

圖2 組合感知系統(tǒng)工作示意圖Fig.2 Schematic of integrated perception system performance

1.2 配準(zhǔn)方法

3D 激光雷達(dá)與攝像機(jī)配準(zhǔn)的過程其實(shí)質(zhì)就是尋找激光雷達(dá)空間與攝像機(jī)空間的交集，根據(jù)對(duì)應(yīng)交集在兩個(gè)空間中幾何關(guān)系的相異特征計(jì)算空間轉(zhuǎn)換關(guān)系，所得到的轉(zhuǎn)換關(guān)系即是配準(zhǔn)問題的解?；谔卣鼽c(diǎn)的配準(zhǔn)方法介紹如下。由激光雷達(dá)的掃描方式可知掃描點(diǎn)云在激光雷達(dá)坐標(biāo)系中的位置解算如下式

其中:云臺(tái)的俯仰角為φl;激光平面掃描角度為θl;激光打到物體上的光線長(zhǎng)度為ρl.將點(diǎn)云數(shù)據(jù)按照XL軸向進(jìn)行深度歸一化計(jì)算，可得到點(diǎn)云深度圖像。

通過平面圖像標(biāo)定算法［7］，可以得到攝像機(jī)投影矩陣K，攝像機(jī)數(shù)學(xué)模型如式(2).該模型實(shí)現(xiàn)了從三維空間到二維空間的映射。

為了得到更多的特征匹配點(diǎn)，采用鏤空棋盤格作為標(biāo)定模板。在激光雷達(dá)點(diǎn)云深度圖中提取m(m≥8)個(gè)特征點(diǎn)，同時(shí)在攝像機(jī)圖像中對(duì)應(yīng)提取m(m≥8)個(gè)特征點(diǎn)［8］，特征像素點(diǎn)的齊次坐標(biāo)為:Ui=［UiVi1］T，聯(lián)立激光雷達(dá)空間與攝像機(jī)空間中的m 組對(duì)應(yīng)特征點(diǎn)可得到本質(zhì)矩陣E.對(duì)本質(zhì)矩陣進(jìn)行SVD 分解E=UDVT，可解得兩空間的旋轉(zhuǎn)與平移關(guān)系，其中［xcyczc］T為攝像機(jī)坐標(biāo)系內(nèi)對(duì)應(yīng)激光點(diǎn)的位置。

進(jìn)而可得激光點(diǎn)在圖像坐標(biāo)系下的像素點(diǎn)坐標(biāo)為［8］

其中:平移向量t 為帶尺度的平移向量;設(shè)尺度因子為kcl;不帶尺度的平移向量為t0.通過式(3)與式(4)，可得，

將選取的m 對(duì)激光點(diǎn)云與攝像機(jī)圖像中的特征點(diǎn)代入上式，可以得到尺度因子為kcl.

通過激光點(diǎn)的圖像坐標(biāo)，索引相應(yīng)的顏色值，得到3D 彩色激光點(diǎn)云

由AHRS 測(cè)得組合感知系統(tǒng)的偏航角為α，俯仰角為β，橫滾角為γ，［xelyelzel］T為激光雷達(dá)的地面絕對(duì)位置，則點(diǎn)云在大地坐標(biāo)系下的坐標(biāo)為

2 配準(zhǔn)誤差分析與解決方法

在3D 激光雷達(dá)與攝像機(jī)的配準(zhǔn)過程中，誤差主要由特征點(diǎn)提取產(chǎn)生。針對(duì)本配準(zhǔn)方法，引起特征點(diǎn)提取誤差的原因可歸為以下情況:一是由于混合像素引起的特征點(diǎn)提取誤差，實(shí)驗(yàn)發(fā)現(xiàn)，通過擬合平面的方法［6］，雖然一定程度上減少了混合像素的影響，但由于標(biāo)定板與擬合平面的不完全匹配，會(huì)引入新的提取誤差;另一種是由于激光雷達(dá)坐標(biāo)原點(diǎn)位置的不確定產(chǎn)生的點(diǎn)云解算誤差。針對(duì)以上問題，本文通過設(shè)計(jì)ASSF 濾波器以及標(biāo)定激光雷達(dá)坐標(biāo)原點(diǎn)位置來提高配準(zhǔn)精度。進(jìn)而，通過Nelder-Mead 方法對(duì)配準(zhǔn)結(jié)果進(jìn)一步優(yōu)化。

2.1 相關(guān)掃描序列濾波器

由3D 激光雷達(dá)的掃描方式可知，點(diǎn)云中相鄰激光點(diǎn)之間的距離信息具有相關(guān)性［9］，如圖3所示。根據(jù)混合像素及噪聲像素的方向不變性，在配準(zhǔn)過程中，設(shè)計(jì)相關(guān)掃描序列濾波器，按掃描順序進(jìn)行遞歸濾波，提取邊緣像素，確定特征點(diǎn)候選區(qū)域，削弱混合像素與噪聲像素對(duì)配準(zhǔn)的影響。

如圖3所示，pi為激光雷達(dá)在相鄰角度的掃描點(diǎn)，li為pi與pi+1中ρ 值小的點(diǎn)向ρ 值大的點(diǎn)所作的垂線，Δρi與Δθi分別為相鄰激光點(diǎn)間距和相鄰點(diǎn)連線與li的夾角，如式(7)

其中:ρli、ρsi分別表示長(zhǎng)、短光束;θrs為激光雷達(dá)掃描角分辨率。本文將混合像素與噪聲像素定義為壞點(diǎn)，以Δρi與Δθi為ASSF 的輸入，壞點(diǎn)判據(jù)為

圖3 相鄰激光點(diǎn)相關(guān)性Fig.3 Correlation between the close laser points

上式中，μi為對(duì)應(yīng)的行或列相鄰激光點(diǎn)間存在壞點(diǎn)現(xiàn)象標(biāo)志位(1 表示存在，0 表示不存在)。

定義:I 為激光點(diǎn)全集，Anr為正常點(diǎn)集合，Aed為邊緣點(diǎn)集合，Acp為壞點(diǎn)集合，Auc為待定點(diǎn)集合(待定壞點(diǎn)與邊界點(diǎn))，Ag為好點(diǎn)集合。其中，Ag=AnrUAed，I=AgUAcpUAuc.

設(shè)p0∈Auc，共有n+1 個(gè)點(diǎn)，濾波過程為

1)若pi∈Ag，μi=1?pi∈Aed，pi+1∈Auc;

2)若pi∈Ag，μi=0?pi∈An，pi+1∈Ag;

3)若pi∈Auc，μi=1?pi∈Acp，pi+1∈Auc;

4)若pi∈Auc，μi=0?pi∈Aed，pi+1∈Ag;

5)若pi∈Acp，μi=1?pi∈Acp，pi+1∈Auc;

6)若pi∈Acp，μi=0??;

7)若i=n-1，則μi=1?pn∈Acp，μi=0?pn∈Aed.

至此，一個(gè)序列點(diǎn)集的濾波結(jié)束。對(duì)I 進(jìn)行濾波，按點(diǎn)云行、列順序依次進(jìn)行。由上述過程可知，此判定空間是完備的，經(jīng)過以上判定，可以較為準(zhǔn)確搜索到混合像素以及邊緣像素，確定特征點(diǎn)候選區(qū)域。

2.2 激光雷達(dá)坐標(biāo)原點(diǎn)位置誤差標(biāo)定方法

由于激光雷達(dá)坐標(biāo)原點(diǎn)的位置不便于直接測(cè)量，在實(shí)驗(yàn)的過程中往往采用估計(jì)測(cè)量的方法確定其位置，或忽略其與云臺(tái)俯仰軸的位置、角度偏差。根據(jù)組合感知系統(tǒng)的安裝方式，本文設(shè)計(jì)了一種結(jié)構(gòu)環(huán)境中通過云臺(tái)水平旋轉(zhuǎn)掃描與俯仰旋轉(zhuǎn)掃描進(jìn)行激光雷達(dá)坐標(biāo)原點(diǎn)位置標(biāo)定的方法。云臺(tái)與激光雷達(dá)安裝之間的俯仰與橫滾角度誤差可由AHRS 測(cè)出，在標(biāo)定前已對(duì)其進(jìn)行補(bǔ)償。由此可知，待標(biāo)定參數(shù)為激光雷達(dá)坐標(biāo)原點(diǎn)在云臺(tái)坐標(biāo)系中的3D 坐標(biāo)以及水平誤差角θhd.因?yàn)槔走_(dá)坐標(biāo)原點(diǎn)的高度坐標(biāo)只在俯仰掃描時(shí)才會(huì)產(chǎn)生誤差，所以可首先對(duì)坐標(biāo)原點(diǎn)位置進(jìn)行水平標(biāo)定。

如圖4(a)所示，OPT點(diǎn)為云臺(tái)轉(zhuǎn)軸的位置，OPTXPTYPT為云臺(tái)直角坐標(biāo)系，將其置于水平位置。OL1為初始時(shí)刻激光雷達(dá)坐標(biāo)原點(diǎn)的位置，OL1XL1YL1為初始時(shí)刻的激光雷達(dá)坐標(biāo)系。OL1在云臺(tái)坐標(biāo)系下的坐標(biāo)為(x1，y1).云臺(tái)轉(zhuǎn)臂的長(zhǎng)度為L(zhǎng)1，激光雷達(dá)坐標(biāo)原點(diǎn)距轉(zhuǎn)臂的垂直距離為L(zhǎng)2.θhd為激光雷達(dá)與云臺(tái)轉(zhuǎn)臂之間的偏角誤差。當(dāng)云臺(tái)轉(zhuǎn)臂水平旋轉(zhuǎn)θPL角時(shí)，雷達(dá)坐標(biāo)原點(diǎn)位于OL2，坐標(biāo)為(x2，y2)，OL2XL2YL2為此時(shí)建立的激光雷達(dá)坐標(biāo)系。選擇任意結(jié)構(gòu)化特征明顯的環(huán)境，使激光雷達(dá)分別在位置OL1與位置OL2進(jìn)行同位多次水平掃描，獲得環(huán)境點(diǎn)云數(shù)據(jù)。在兩組點(diǎn)云數(shù)據(jù)中尋找對(duì)應(yīng)特征拐點(diǎn)，如圖中點(diǎn)pi、pj與pk.以點(diǎn)pj為例，設(shè)其在云臺(tái)坐標(biāo)系下的坐標(biāo)為(xpj，ypj)，(ρ1，θL1)與(ρ2，θL2)為點(diǎn)pj對(duì)于OL1與OL2的極坐標(biāo)表示。根據(jù)云臺(tái)坐標(biāo)系與激光坐標(biāo)系的關(guān)系，可以得到下式

因此，

則式(10)可寫為

選取n(n ＞2)個(gè)特征點(diǎn)pi(i=1，2，…，n)，代入式(11)，考慮(sinθhd)2+(cos θhd)2=1 約束，通過對(duì)超定方程組進(jìn)行非線性最小二乘，可得［L1 L2 sinθhdcos θhd］T的最優(yōu)估計(jì)值。

接下來對(duì)激光雷達(dá)坐標(biāo)原點(diǎn)位置進(jìn)行垂直高度標(biāo)定，標(biāo)定過程如圖4(b)所示。其中，ρxi為激光雷達(dá)光束長(zhǎng)度在對(duì)應(yīng)掃描面上的距離深度值分量，標(biāo)定時(shí)為了減少誤差影響，取均值。L2由水平標(biāo)定得到，φl為掃描面俯仰角。h 即為所求激光雷達(dá)坐標(biāo)原點(diǎn)的垂直高度。進(jìn)行n 次相異俯仰角掃描，可得h 估計(jì)值。

2.3 配準(zhǔn)結(jié)果優(yōu)化

將激光點(diǎn)云到對(duì)應(yīng)圖像平面的像素距離作為優(yōu)化目標(biāo)函數(shù)，以上述方法綜合求得的配準(zhǔn)結(jié)果為初始值，對(duì)R 與t 進(jìn)行優(yōu)化。設(shè)=［xliylizli］T表示第i 個(gè)激光特征點(diǎn)在激光雷達(dá)坐標(biāo)系的坐標(biāo)，優(yōu)化目標(biāo)函數(shù)為

圖4 激光雷達(dá)坐標(biāo)原點(diǎn)位置標(biāo)定Fig.4 Lidar origin calibration

圖5 3D 激光雷達(dá)特征點(diǎn)提取Fig.5 Feature points extraction from point cloud

基于Nelder-Mead 非線性優(yōu)化方法求得使目標(biāo)函數(shù)達(dá)到最小值的R 與t.

3 實(shí)驗(yàn)結(jié)果及分析

以自制的鏤空棋盤格為標(biāo)志板，通過組合感知系統(tǒng)對(duì)其進(jìn)行俯仰掃描與拍攝，俯仰角范圍為-25°～25°，橫掃角范圍-50°～50°.在激光雷達(dá)掃描角分辨率為0.25°的情況下，設(shè)置閾值Δθth與Δρth分別為86°和50 mm，通過ASSF 濾波器濾波，得到鏤空棋盤格的邊界點(diǎn)集，濾波結(jié)果如圖5所示。由圖可知，點(diǎn)云在標(biāo)定棋盤格交匯處不是一點(diǎn)，而是一個(gè)區(qū)域。標(biāo)定時(shí)可手動(dòng)選取特征點(diǎn)候選區(qū)，特征點(diǎn)的xlf，ylf，zlf坐標(biāo)值分別由行列邊界點(diǎn)的x 均值、列邊界點(diǎn)的y 均值以及行邊界點(diǎn)的z 均值確定。由此既可以消除混合像素的干擾，減少激光雷達(dá)點(diǎn)云分布稀疏的影響，又可以避免擬合平面帶來的誤差。

利用室內(nèi)結(jié)構(gòu)環(huán)境，對(duì)激光雷達(dá)坐標(biāo)原點(diǎn)在云臺(tái)坐標(biāo)系的三維坐標(biāo)與偏角進(jìn)行了標(biāo)定。如圖6所示先對(duì)L1、L2與θhd進(jìn)行標(biāo)定。通過旋轉(zhuǎn)云臺(tái)，分別在云臺(tái)水平角20°、-10°、-40°以及-70°位置對(duì)每個(gè)結(jié)構(gòu)目標(biāo)進(jìn)行20 次掃描，通過擬合直線的交點(diǎn)得到標(biāo)定點(diǎn)位置，由式(11)得到L1、L2與θhd測(cè)量值(如表1所示)。

圖6 激光雷達(dá)坐標(biāo)原點(diǎn)位置水平標(biāo)定實(shí)驗(yàn)Fig.6 Level calibration experiments of lidar origin

表1 激光雷達(dá)水平標(biāo)定結(jié)果Tab.1 Level calibration data of lidar origin mm

在水平標(biāo)定的基礎(chǔ)上，對(duì)激光雷達(dá)坐標(biāo)原點(diǎn)位置進(jìn)行垂直標(biāo)定。對(duì)處理過的玻璃板進(jìn)行正面掃描，俯仰角范圍-5°～25°，角度分辨率0.25°.為減少誤差，對(duì)每個(gè)俯仰角度進(jìn)行20 次掃描，根據(jù)式(12)得標(biāo)定結(jié)果為h=-16.7 mm，由此可知，激光雷達(dá)坐標(biāo)原點(diǎn)處于云臺(tái)俯仰軸下方。通過云臺(tái)旋轉(zhuǎn)構(gòu)建部分室內(nèi)環(huán)境3D 點(diǎn)云圖(俯視圖)，可以對(duì)比出雷達(dá)坐標(biāo)原點(diǎn)標(biāo)定前后的差別，由圖7可以驗(yàn)證雷達(dá)坐標(biāo)原點(diǎn)標(biāo)定方法的有效性。

圖7 激光雷達(dá)坐標(biāo)原點(diǎn)標(biāo)定驗(yàn)證實(shí)驗(yàn)Fig.7 Validation of lidar origin calibration

根據(jù)標(biāo)定出的雷達(dá)坐標(biāo)原點(diǎn)參數(shù)，對(duì)激光特征點(diǎn)在空間中的位置進(jìn)行校正，確定統(tǒng)一的激光雷達(dá)掃描原點(diǎn)，校正后與校正前的特征點(diǎn)分布如圖8所示。

圖8 激光特征點(diǎn)校正圖Fig.8 Calibration of lidar feature points

通過本文前面提到的配準(zhǔn)方法可得到激光雷達(dá)空間與攝像機(jī)空間的轉(zhuǎn)換關(guān)系，旋轉(zhuǎn)矩陣R 與平移向量t 如表2所示，與基于擬合平面的方法進(jìn)行比較，精度得到提高。

表2 激光雷達(dá)與攝像機(jī)空間轉(zhuǎn)換關(guān)系Tab.2 Conversion between lidar and camera

在本文的配準(zhǔn)標(biāo)定工作基礎(chǔ)上，組合感知系統(tǒng)通過式(4)～式(6)完成了帶顏色的3D 點(diǎn)云環(huán)境感知與構(gòu)建實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了組合感知系統(tǒng)與其配準(zhǔn)方法的有效性。實(shí)驗(yàn)部分結(jié)果如圖9、圖10所示，其中，(a)為實(shí)驗(yàn)場(chǎng)景原圖，(b)為激光雷達(dá)與攝像機(jī)配準(zhǔn)后的3D 彩色點(diǎn)云俯視圖，(c)為3D 彩色點(diǎn)云正視圖。圖10是組合感知系統(tǒng)在4個(gè)角度所拍攝的場(chǎng)景圖，基于本文的雷達(dá)坐標(biāo)原點(diǎn)標(biāo)定結(jié)果，實(shí)現(xiàn)了點(diǎn)云與圖像的準(zhǔn)確配準(zhǔn)與拼接。

圖9 組合感知系統(tǒng)室外環(huán)境點(diǎn)云重建Fig.9 Outdoor environment reconstruction with integrated perception system

圖10 組合感知系統(tǒng)室內(nèi)環(huán)境點(diǎn)云重建Fig.10 Indoor environment reconstruction with integrated perception system

4 結(jié)論

本文設(shè)計(jì)了一種組合感知系統(tǒng)，通過云臺(tái)俯仰旋轉(zhuǎn)使3D 激光雷達(dá)與攝像機(jī)實(shí)現(xiàn)了對(duì)環(huán)境的同軸感知，增大了共同感知的空間范圍。針對(duì)激光雷達(dá)與攝像機(jī)的空間配準(zhǔn)問題進(jìn)行改進(jìn)，設(shè)計(jì)了相關(guān)掃描序列濾波器(ASSF)，根據(jù)混合像素與噪聲像素的分布特性，按照點(diǎn)云序列進(jìn)行遞歸濾波，減少了配準(zhǔn)過程中混合像素對(duì)特征點(diǎn)提取的影響，使3D 激光雷達(dá)與攝像機(jī)配準(zhǔn)結(jié)果更為精確;并且，設(shè)計(jì)了基于結(jié)構(gòu)化特征的激光雷達(dá)坐標(biāo)原點(diǎn)位置標(biāo)定方法，減少了由激光雷達(dá)坐標(biāo)原點(diǎn)位置不確定造成的量測(cè)解算誤差。組合感知系統(tǒng)環(huán)境配準(zhǔn)與重構(gòu)的實(shí)驗(yàn)結(jié)果表明，本文方法能夠有效地提高配準(zhǔn)精度，使組合感知系統(tǒng)真正應(yīng)用于移動(dòng)機(jī)器人導(dǎo)航。

References)

［1］ Ranjith Unnikrishnan，Martial Hebert.Fast extrinsic calibration of a laser rangefinder to a camera［D］.Pittsburgh:Carnegie Mellon University，2005.

［2］ 項(xiàng)志宇，鄭路.攝像機(jī)與3D 激光雷達(dá)聯(lián)合標(biāo)定的新方法［J］.浙江大學(xué)學(xué)報(bào):工學(xué)版，2009，43(8):1401-1405.XIANG Zhi-yu，ZHENG Lu.Novel joint calibration method of camera and 3D laser range finder［J］.Journal of Zhejiang University:Engineering Science，2009，43(8):1401-1405.(in Chinese)

［3］ Ganhua Li，Yunhui Liu，Li Dong，et al.An algorithm for extrinsic parameters calibration of a camera and a laser range finder using line features［C］∥Proceedings of the 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems，San Diego:IEEE，2007:3854-3859.

［4］ Davide Scaramuzza，Ahad Harati，Roland Siegwart.Extrinsic self calibration of a camera and a 3D laser range finder from natural scenes［C］∥Proceedings of the 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems，San Diego:IEEE，2007:4164-4169.

［5］ 付夢(mèng)印，劉明陽.視覺傳感器與激光測(cè)距雷達(dá)空間對(duì)準(zhǔn)方法［J］.紅外與激光工程，2009，38(1):74-78.FU Meng-yin，LIU Ming-yang.Space alignment of vision sensor and LMS［J］.Infrared and Laser Engineering，2009，38(1):74-78.(in Chinese)

［6］ 鄧志紅，劉明陽，付夢(mèng)印.一種改進(jìn)的視覺傳感器與激光測(cè)距雷達(dá)特征匹配點(diǎn)提取算法［J］.光學(xué)技術(shù)，2010，36(1):43-47.DENG Zhi-hong，LIU Ming-yang，F(xiàn)U Meng-yin.A improved method of matching point extracting for vision sensor and LMS space alignment［J］.Optical Technique，2010，36(1):43-47.(in Chinese)

［7］ Zhang Zheng-you.Flexible camera calibration by viewing a plane from unknown orientations［C］∥Proceedings of International Conference on Computer Vision，Corfu，1999:666-673.

［8］ Richard I.Hartley.In defense of the eight-point algorithm［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1997，19(6):580-593.

［9］ Cang Ye，Johann Borenstein.Characterization of a 2-D laser scanner for mobile robot obstacle negotiation［C］∥Proceedings of the 2002 IEEE International Conference on Robotics and Automation.Washington DC:IEEE，2002:2512-2518.