一种机载激光雷达安置误差高精度解耦检校方法与流程

摘要: 本发明属于机载激光雷达系统安置误差标定、三维点云处理与非线性优化,尤其是涉及一种机载激光雷达安置误差高精度解耦检校方法。背景技术:1、机载激光雷达(lidar)...
一种机载激光雷达安置误差高精度解耦检校方法与流程

本发明属于机载激光雷达系统安置误差标定、三维点云处理与非线性优化,尤其是涉及一种机载激光雷达安置误差高精度解耦检校方法。

背景技术:

1、机载激光雷达(lidar)系统集成了激光扫描仪、gnss和imu,其测量精度直接取决于安置参数(安置角误差和偏心分量误差)的标定精度。其中,安置角误差是机载lidar最主要的系统误差源——即使0.1°~0.3°的安置角偏差,在1000米相对航高下也会导致地面激光脚点产生2~5米的水平偏移,并引起航带间点云分层,严重影响测绘成果质量。

2、目前,机载安置误差标定方法主要存在以下技术瓶颈:

3、1.传统方法依赖人工选取离散特征控制点,标定自动化程度低。

4、传统检校方法通过人工量测重叠航带中建筑物角点、道路标线等同名特征之间的偏移量来解算安置角误差,但人工选点存在随机误差,标定效率极低,且需布设特征丰富的检校场,无法满足规模化量产标定需求。虽然近年来出现了基于点云共轭匹配(如cn117111041b)或多参数系统误差自动检校(如cn107179533a)等方法,但上述方法仍以建筑物、道路等离散特征为控制点,其约束维度有限,在建筑物稀疏或地形复杂的测区难以适用。

5、2.球面标靶现有用法本质上是“球心点控制”,未实现全域连续约束。

6、为摆脱对复杂地物特征的依赖,现有技术引入球面标靶,利用其各向同性优势提升标定稳定性。然而,现有方案(如cn104599272b)均先将球面点云拟合为球心坐标,再以球心作为离散控制点参与配准或标定。这种“球心点控制”模式仍未脱离离散特征点匹配的逻辑框架,球面上大量有效的探测点信息被丢弃,约束维度和抗噪能力受限。

7、3.现有球面标定方案存在姿态-平移参数强耦合,且解耦不彻底。 球面点云作为同质化连续约束,其对姿态扰动和平移扰动的残差响应高度等效,传统六自由度联合优化框架会导致安置角参数与偏心分量参数之间产生强交叉耦合,海森矩阵病态,迭代过程易出现参数互相补偿和虚假收敛。部分方法采用顺序解算(如cn202410758220按侧滚角→俯仰角→航向角的顺序固定求解),但此类方法属于顺序消元近似,后续参数调整无法反馈修正前序参数,且本质上未消除优化方程中的交叉耦合项。

8、4.通用数学解耦方法未针对安置误差标定的几何物理耦合本质设计。

9、已有文献(如dcreg: decoupled characterization for efficient degeneratelidar registration)提出通过舒尔补分解消除海森矩阵耦合项,但该方法解决的是点云配准中环境几何退化(如狭窄走廊)导致的病态问题,其耦合来源是观测环境而非安置误差各分量间的固有约束模糊性,技术问题、应用场景和实现逻辑均与本发明的安置误差分层解耦不同。

10、综上,当前机载lidar标定领域缺乏一套能够彻底解决安置角-偏心分量耦合问题、同时实现全自动高精度标定的专属方案。

技术实现思路

1、有鉴于此,本发明旨在克服现有技术中上述问题的不足之处,提出一种机载激光雷达安置误差高精度解耦检校方法,解决机载标定中人工依赖度高、离散控制点约束不足,以及球面标定参数强耦合、顺序解耦不彻底、易虚假收敛的核心技术问题,实现安置误差的全自动、高精度、高一致性标定。

2、为达到上述目的,本发明的技术方案是这样实现的:

3、第一方面,本发明提供了一种机载激光雷达安置误差高精度解耦检校方法,包括如下步骤:

4、s1、去噪、法向量聚类分割、平面距离过滤、球面拟合残差精筛四级联动点云提纯:

5、在机载激光雷达视场内布设标准球面标靶,获取其标准半径及ecef坐标系下的球心坐标;采集包含地面、植被、建筑物及球面标靶的原始点云,依次执行第一级全局点云去噪预处理、第二级法向量聚类分割、第三级平面距离过滤和第四级球面拟合残差精筛,得到纯净的球面全域有效点云;

6、s2、多级坐标统一变换:

7、导入机载激光雷达的初始安置角初始值和偏心分量初始值,将雷达本体坐标系下的球面有效点云依次转换至imu坐标系、经安置角校正后的激光点坐标、本地导航坐标系,最终统一至ecef全局坐标系;

8、s3、球面全域连续残差建模:

9、在ecef坐标系下,基于所有有效点云构建距离残差函数,使球面上的每一个有效探测点同时参与残差计算,构建全域连续距离残差向量,并将该残差向量及各有效点的ecef坐标作为后续梯度求解的输入数据;

10、s4、梯度链式传递与解析雅可比求解:

11、根据s3得到的各有效点的ecef坐标及球心坐标计算残差对ecef点位的梯度,利用enu-ecef变换矩阵的正交性将梯度无畸变反向映射至enu坐标系,再映射至imu坐标系得到点位梯度,基于链式法则分别解析求解残差关于平移参数的雅可比矩阵和关于姿态参数的雅可比矩阵;

12、s5、姿态-平移分层独立迭代优化:

13、将姿态参数和平移参数t拆分为两个独立的优化维度,分别构建无交叉耦合项的正定法方程

14、;

15、其中,为姿态雅可比矩阵,由拼接而成,采用高斯-牛顿法交替迭代更新,固定当前姿态参数求解平移增量并更新,固定更新后的平移求解姿态增量并更新,重复直至残差向量模长变化小于预设阈值;

16、s6、收敛判决与外参输出:

17、判断残差模长变化是否小于阈值或达到最大迭代次数,若是,则输出最终的安置角参数和偏心分量参数,完成机载激光雷达安置误差的高精度解耦检校。

18、进一步的,所述s1中四级联动点云提纯具体包括:

19、第一级,全局点云去噪预处理:采用邻域统计去噪算法,统计每个点的邻域点云距离均值与方差,剔除偏离整体点云分布的孤立噪声点;

20、第二级,法向量聚类分割:利用球面标靶点云法向量呈辐射状均匀分布、各向同性的几何特性,对去噪后的整体点云逐点计算法向量,通过区域生长聚类算法依据法向量方向一致性和邻域空间关联性完成点云聚类,分割出球面靶标点云簇;

21、第三级,平面距离过滤:对地面点云进行平面拟合,计算粗提取的球面点云到拟合平面的距离,根据球面半径筛选距离拟合平面距离满足≤≤的点云;

22、第四级,球面拟合残差精筛:对过滤后的候选球面点云进行最小二乘全局球面拟合,求解拟合球面参数,逐一计算每个候选点到拟合球面的空间残差,剔除残差超过预设阈值的局部异常点。

23、进一步的,所述s2中多级坐标统一变换按以下公式依次进行:

24、;

25、其中为imu坐标系与激光器坐标系的正交旋转矩阵,为imu坐标系下的激光坐标,为安置角初始欧拉旋转矩阵,为安置偏心距,为经过安置角校正后的激光点坐标,为imu坐标系到本地导航坐标系的旋转矩阵,为本地导航坐标系下的激光点坐标,为enu-ecef正交变换矩阵,为最终ecef坐标系下激光点坐标。

26、进一步的,所述s4中解析雅可比求解具体包括:

27、计算残差对ecef点位的梯度:

28、;

29、利用enu-ecef变换矩阵的正交性,将梯度反向映射至imu坐标系,得到坐标系下的点位梯度:

30、;

31、平移参数的雅可比矩阵为:

32、;

33、姿态参数的雅可比矩阵为:

34、;

35、其中为旋转矩阵对侧滚角、俯仰角、航向角的偏导矩阵。

36、进一步的,所述s5中交替迭代更新的收敛条件为残差向量模长变化小于1×10-10或达到最大迭代次数1000次。

37、进一步的,所述s1中标准球面标靶的半径为0.25m,布设方式为十字型布设,数量为5个,并使用高精度全站仪测量每个标靶球心的ecef坐标。

38、进一步的,所述s1中第四级球面拟合残差精筛中剔除残差大于2倍标准差的离群点。

39、第二方面,本发明提供了一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行上述的检校方法。

40、第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行上述的检校方法。

41、相对于现有技术,本发明所述的一种机载激光雷达安置误差高精度解耦检校方法具有以下优势:

42、(1)面向机载复杂场景的四级提纯,确保数据纯净度:四级联动流程专为机载点云(含地面、植被、建筑物等强干扰)设计,能够在全自动条件下稳定提取高均匀度、低残差的球面点云,为后端解耦优化提供了必要的先验保障,抗干扰能力远超常规分割算法。

43、(2)全域连续约束摆脱离散控制点依赖,实现真正自动化:首次将球面标靶的点云直接作为全域连续约束参与建模,摒弃了“先拟合球心、再用球心作为控制点”的传统模式,从根本上消除了离散特征点匹配带来的维度不足和人工干预问题,标定过程全自动,适配量产需求。

44、(3)姿态-平移分层独立优化,彻底解除参数耦合:区别于联合优化中的数学分解(如舒尔补)和顺序消元式分层(如固定顺序解算),本发明从优化架构上拆分姿态和平移为两个独立维度,分别构建无交叉耦合项的法方程并交替迭代,彻底根除参数补偿与虚假收敛,大幅提升安置误差标定的精度与一致性。

45、(4)解析梯度与雅可比保证数值稳定性:采用解析求导而非数值差分,避免了近似误差,确保分层优化迭代过程稳定、快速收敛。

46、(5)工程实用性强,适配机载标定全流程:仅需布设标准球面标靶,飞行的交叉航线,确保航线能覆盖球面标靶,无需特殊检校场,算法超参数少、可移植性强,能够广泛适配固定翼/旋翼无人机及有人机载lidar系统。