一种用于激光雷达-惯导标定的运动可观性量化方法

本发明涉及lidar-imu数据融合，具体是一种用于激光雷达-惯导标定的运动可观性量化方法。

背景技术：

1、近年来，激光雷达(light detection and ranging，lidar)和惯性导航单元(inertial measurement unit，imu)的融合被广泛用作机器人的导航解决方案，而lidar和imu的外参标定是进行数据融合的前提条件，在一定程度上直接决定了lidar和imu的融合性能。

2、目前，大多数lidar-imu外参标定方法都未充分考虑所收集的标定数据是否包含有足够的运动信息，使得标定问题是唯一可解的。由于在标定数据的收集过程中，并非所有数据片段都包含有足够的运动激励，在那些无效的数据片段上标定问题将得不到稳定的解并且极易受到错误信息的干扰，导致最终的外参标定精度下降。因此，盲目的使用所有收集到的数据来进行标定可能会严重降低标定算法的性能。

3、综上而言，如何在减少无效信息和错误信息干扰的条件下，从大量的数据中找出具有足够运动激励的数据片段，对于lidar-imu数据融合的算法精度和计算成本控制具有重要意义。

技术实现思路

1、为解决背景技术存在的不足，本发明提供一种用于激光雷达-惯导标定的运动可观性量化方法，它能够减少无效信息和错误信息的干扰，在提高标定算法收敛性和鲁棒性的同时，降低了计算成本。

2、为实现上述目的，本发明采取下述技术方案：一种用于激光雷达-惯导标定的运动可观性量化方法，包括以下步骤：

3、步骤一：收集标定数据，包括imu数据mi,i，i＝1,...,ni和lidar数据ml,j，j＝1,...,nl，其中i为imu数据的采集时刻，ni为imu数据采集的终止时刻，j为lidar数据的采集时刻，nl为lidar数据采集的终止时刻；

4、步骤二：分别通过mi,i和ml,j计算imu和lidar的姿态，imu在i时刻的姿态为ri,i，lidar在j时刻的姿态为rl,j；

5、步骤三：在姿态序列中寻找imu和lidar在同一采集时刻的姿态对：ri,k和rl,k，其中k∈(i∩j)；

6、步骤四：构建外参标定问题如下：

7、

8、式中，表示lidar和imu坐标系之间的旋转矩阵，为待求解的变量，为k-1时刻与k时刻之间的imu的相对姿态变化，为k-1时刻与k时刻之间的lidar的相对姿态变化，通过下式计算得到：

9、

10、式中，ri,k-1和rl,k-1分别表示k-1时刻imu和lidar的姿态；

11、步骤五：外参标定问题通过考虑多组测量采用优化的方式进行求解如下：

12、

13、式中，表示对应的右乘四元数矩阵，表示对应的左乘四元数矩阵；

14、步骤六：将所有的标定数据划分为等长度的若干片段，根据步骤五的标定问题构建每个片段的信息矩阵ξ如下：

15、

16、对信息矩阵ξ进行奇异值分解如下：

17、ξ＝vσvt                        (5)

18、式中，σ＝diag(σ1,σ2,σ3,σ4)为按降序排列的奇异值对角矩阵，v＝[u1,u2,u3,u4]为正交矩阵；

19、步骤七：计算每个片段的信息指数η，使用最小奇异值来表示单个片段的信息度量，表示如下：

20、η＝min(σ1,σ2,σ3,σ4)                     (6)

21、步骤八：设定信息指数的阈值η0，仅选取η≥η0的片段来进行外参标定。

22、与现有技术相比，本发明的有益效果是：本发明通过对标定问题建模构建运动信息矩阵，并定义信息指数来量化每个片段所包含的运动信息量，在标定时只选取包含足够运动激励的数据片段进行外参标定，减少无效信息和错误信息的干扰，在提高标定算法收敛性和鲁棒性的同时，降低了计算成本。

技术特征：

1.一种用于激光雷达-惯导标定的运动可观性量化方法，其特征在于：包括以下步骤：

技术总结一种用于激光雷达‑惯导标定的运动可观性量化方法，涉及LiDAR‑IMU数据融合技术领域。收集数据并计算IMU和LiDAR的姿态，在姿态序列中寻找在同一采集时刻的姿态对，构建外参标定问题，并通过考虑多组测量采用优化的方式求解LiDAR和IMU坐标系之间的旋转矩阵，将所有的标定数据划分为等长度的若干片段，根据标定问题构建每个片段的信息矩阵，对信息矩阵进行奇异值分解，计算每个片段的信息指数η，使用最小奇异值来表示单个片段的信息度量，设定阈值η<subgt;0</subgt;，选取η≥η<subgt;0</subgt;的片段进行外参标定。能够减少无效信息和错误信息的干扰，在提高标定算法收敛性和鲁棒性的同时，降低了计算成本。技术研发人员：程绍武,王川受保护的技术使用者：哈尔滨工业大学技术研发日：技术公布日：2024/9/29