一、激光雷达传感器校准
校准方式使用北师大王留召的标定方法。校准时,激光雷达安装在固定位置,分别在不同距离处放置靶标,在ROS操作系统中读取到靶标的距离,然后用尺子测量二者之间的距离,多次测量取其平均值;然后更换靶标位置,再次进行测量。


建立市级距离和测量距离的函数关系:

标定前后结果如图所示,从图中可以看到,在校准后激光雷达的距离误差大幅度减小,提高了测量精度。

二、激光雷达数据冗余处理
在ros下采集到某一时刻雷达数据,导入到matlab中,得到如下所示的雷达示意图
(a)为原始激光雷达数据
(b)表示在直角坐标系下的聚类结果,通过坐标转换,由极坐标系转换到直角坐标系,为将障碍物区分开,使用聚类算法将其分为4类,以激光雷达为圆点,周围障碍物全部被标记分类,可见聚类方法并不能将障碍物和墙壁区分开(最外侧为激光雷达检测的墙壁,图中的凸起为障碍物)。但是,当视觉传感器得到障碍物种类后,我们只关心此障碍物的参数,墙壁以及位于机器人身后的障碍物属于多余信息,需要将此类数据剔除掉,只保留前方的障碍物数据。




网友评论