激光SLAM里程计算法总结(ICP、NDT与运动畸变)

您所在的位置:网站首页 ndt 激光 激光SLAM里程计算法总结(ICP、NDT与运动畸变)

激光SLAM里程计算法总结(ICP、NDT与运动畸变)

2024-07-15 02:14| 来源: 网络整理| 查看: 265

激光里程计算法总结 一、ICP配准二、PL-ICP配准三、NDT配准四、点云的运动畸变 在导航系统中,里程计(Odometry)数据用来 估算机器人位置随时间的改变量;

一、ICP配准

ICP (Iterative Closest Point)迭代最近点算法; 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 PCL点云库中ICP方法的使用:

setMaximumIterations, 最大迭代次数,icp是一个迭代的方法,最多迭代这些次;setEuclideanFitnessEpsilon, 设置收敛条件是均方误差和小于阈值, 停止迭代;setTransformtionEpsilon, 设置两次变化矩阵之间的差值(一般设置为1e-10即可);setMaxCorrespondenaceDistance,设置对应点对之间的最大距离(此值对配准结果影响较大)。 在这里插入图片描述 (1)ICP 方法需要配准的两个点云具有一定的重叠度; (2)ICP 选取的所有点进行配准,速度较慢; (3)易收到噪声干扰,陷入局部最优; 二、PL-ICP配准

在这里插入图片描述 PL-ICP是二阶收敛,ICP是一阶收敛 PL-ICP对初始值更敏感 以点到线的误差为目标函数,PL-ICP的求解精度更高

在这里插入图片描述

三、NDT配准

正态分布变换 (Normal Distribution Transform) 与ICP不同, NDT 假设点云服从正态分布,我们的目的是找一个姿态,使得当前扫描点位于扫描参考平面的可能性最大。 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 最后概率密度函数可以表示为: 在这里插入图片描述 目标函数为: s ( p ⃗ ) = ∑ k = 1 n p ~ ( T ( p ⃗ , x ⃗ k ) ) s(\vec{p})=\sum_{k=1}^{n}\tilde{p}(T(\vec{p},\vec{x}_k)) s(p ​)=k=1∑n​p~​(T(p ​,x k​)) 在这里插入图片描述 PCL点云库中NDT方法的使用: (1)NDT 方法需要配准的两个点云具有一定的重叠度; (2)NDT 允许两个点云存在少量差异; 在这里插入图片描述

四、点云的运动畸变

点云运动畸变产生的原因是一帧点云中的点不是在同一时刻采集的,在采集过程中,雷达随着载体在运动,但是雷达点测量的是物体和雷达之间的距离,所以不同激光点的坐标系就不一样了,会导致周围物体产生重影。 在这里插入图片描述 对于地面点而言,未去畸变时,表现成完整的圆(下图中左边未去畸变,右边为去畸变): 在这里插入图片描述 点云去畸变基本方法: 在这里插入图片描述在工程中为了减少运动前后方向的畸变,通常在安装时使y轴朝向载体的左右两侧; ( 2 ) (2) (2)中提到的相对位姿变换 ( R , T ) t + 1 t (R,T)^t_{t+1} (R,T)t+1t​可以通过IMU、RTK以及轮速计获得。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3