Motion-Based Calibration of Multimodal Sensor Arrays

多模態感測器陣列的基於運動的標定

背景：

感測器對準需要高精度，感測器也具有外殼，物理測量感測器的相對位置不切實際。有些環境執行一段時間後，校準精度會下降。為了實現自動，因此需要實現自動標定，動態更新校準引數。

傳統標定方法：傳統的標定方法，需要在環境中手動放置markers或者在感測器的輸出中，手動標出控制點，缺點是慢，效率不高，需要有一定的標定經驗。

一些自動標定方法的侷限性：受限於單一的感測器，取決於使用者給的初始化質量，完全依賴外部感知資料的方法需要重疊的視野。

優點：

原來的標定複雜的原因：外部校準方法要麼基於特殊的標記和/或棋盤

也消除了對手動初始化的需要。

第三個優點是基於運動的自動初始化不需要感測器之間重疊的視場。本文還提供了一種估計校準結果準確度的方法。

我們論文的主要貢獻是:

一種基於運動的校準方法，它利用了所有感測器的運動及其相關的不確定性。

使用基於運動的初始化來約束現有的鐳射雷達攝像機技術。

引入了一種新的基於運動的鐳射雷達攝像機標定方法。

給出最終系統不確定性估計值的校準方法。

在兩個不同平臺的兩個不同環境中進行評估。

手眼標定方法：

考慮定時偏移：由於典型的感測器陣列可以由一系列非同步執行的感測器組成，因此出現讀數的時間可能會顯著不同[17]。為了說明這一點，在更新速度最慢的感測器獲得讀數時，

對感測器的每個變換進行插值。對於平移，使用線性插值；對於旋轉，使用Slerp（球面線性插值）。

方法：

求旋轉：

Kabsch演算法是一種計算兩個向量之間旋轉矩陣的方法，提供最小的最小平方誤差。使用的Kabsch演算法經過了修改，為每個感測器讀數提供了非相等的權重。分配給每個時間步讀數的權重由等式4給出

其中σ2是方差。取最大值使方差獨立於旋轉，並允許將其減少為單個數字。

剔除異常點，通過標準差。

初始估計用於形成旋轉矩陣，給出任意兩個感測器之間的旋轉。使用此旋轉矩陣，感測器的方差為5。這用於查詢一對感測器的誤差，如等式6所示。

所有感測器對的誤差組合在一起，形成系統的單一誤差度量。使用梯度下降優化程式（在我們的實現中為Nelder-Mead單純形）將該誤差降至最低，以找到最佳旋轉角度。

求平移：

這些項可以重新排列，並與來自其他時間步的資訊相結合，得到等式8

只有 tAB未知，平移估計在很大程度上取決於旋轉矩陣估計的精度，並且是對噪聲最敏感的引數。

在地面平臺上，趨近於0

優化平移：要優化的最終成本函式是所有感測器組合的等式9之和，旋轉也是如此。

計算總方差

為了找到系統的總體差異，感測器轉換將自舉，粗略優化將重新執行100次。Bootstrapping用於估計方差，因為它自然地考慮了一些非線性關係，例如估計的平移依賴於旋轉精度

細化感測器間轉換

我們的方法引入的一個關鍵好處是消除了基於外部觀察的校準方法所需的初始化限制。

結合細化結果