本发明专利技术提供一种高精度穿戴式头盔数据获取装备，将相机、IMU和激光扫描仪集成到一个头盔中，并进行硬件时间同步，在采集数据的同时采集准确的传感器时间戳；数据获取过程实现包括根据硬件时间戳，将所有传感器数据进行整合，划分数据帧；将一个数据帧中激光观测依据惯性测量单元的观测，去除运动畸变，并赋予影像的彩色信息；依据点云几何曲率与影像灰度梯度将数据帧中的激光点划分为边界特征点、面特征点、无特征点三类；将连续的数据帧依据不同特征进行特征关联，计算相对位置与姿态，并解算地图点坐标。算地图点坐标。算地图点坐标。
【技术实现步骤摘要】
高精度穿戴式头盔数据获取装备
[0001]本专利技术涉及对穿戴式头盔移动测量系统的硬件设计与数据处理，属于计算机视觉领域及激光点云测量数据处理自动化研究领域。
技术介绍
[0002]高精度三维点云作为一种新型基础测绘数据，已经广泛服务于公路、水利、林业、电力等行业。移动测量技术是获取高精度三维点云数据的主要手段，按照不同搭载平台，主要可以分为机载、车载、地基等。这些手段可以满足大范围测图任务，但是仍然存在着GNSS信号缺失区域精度差、复杂环境作业困难且时效性低、设备整体体积过大等问题。在泛在测绘的发展趋势下，越来越多的行业需要将移动测量装备应用于GNSS信号缺失或通行性有限的区域，并且能够快速便捷地作业以获取高精度数据。
[0003]目前国内外对穿戴式移动测量系统已经有了一定的研究，但主要集中在背包和手持设备，例如：Bosse et al.(2012)设计的zebedee手持移动测量系统，北科天绘推出的星探手持移动测量系统，数字绿土推出的LiBackPack背包移动测量系统。背包或手持移动测量方式限制了移动测量装备的观测角度，无法依据作业人员的观察视角，实时调整观测目标，容易造成场景三维数据缺失，给完整地采集复杂环境三维点云数据带来了不便。除此之外，现有实时定位制图(SLAM)方法(Shan and Englot,2018；Zhang and Singh,2014)大多运用于车载、背包、手持平台，这些平台运动相对于佩戴于头部来说，运动较为平缓。而人在行走的过程中存在转向、起伏等高动态运动给现有SLAM方法带来了巨大的挑战。
[0004]相关资料与文献:
[0005]https://www.isurestar.com/starscan.html
[0006]https://www.lidar360.com/archives/6358.html
[0007]Bosse,M.,Zlot,R.,Flick,P.,2012.Zebedee:Design of a spring
‑
mounted 3
‑
d range sensor with application to mobile mapping.IEEE Transactions on Robotics 28,1104
‑
1119.
[0008]Shan,T.,Englot,B.,2018.Lego
‑
loam:Lightweight and ground
‑
optimized lidar odometry and mapping on variable terrain,2018IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS).IEEE,pp.4758
‑
4765.
[0009]Shin,E.
‑
H.,El
‑
Sheimy,N.,2004.An unscented Kalman filter for in
‑
motion alignment of low
‑
cost IMUs,Position Location and Navigation Symposium,2004.PLANS 2004.IEEE,pp.273
‑
279.
[0010]Yang,Z.,Shen,S.,2016.Monocular visual
–
inertial state estimation with online initialization and camera
–
imu extrinsic calibration.IEEE Transactions on Automation Science and Engineering 14,39
‑
51.
[0011]Zhang,J.,Singh,S.,2014.LOAM:Lidar Odometry and Mapping in Real
‑
time,Robotics:Science and Systems.
技术实现思路
[0012]本专利技术在现有研究的基础上，设计了一种新颖的穿戴式头盔移动测量系统。
[0013]本专利技术提供了一种高精度穿戴式头盔数据获取装备，将相机、IMU和激光扫描仪集成到一个头盔中，并进行硬件时间同步，在采集数据的同时采集准确的传感器时间戳；数据获取过程实现如下，
[0014]步骤1，根据硬件时间戳，将所有传感器数据进行整合，划分数据帧；
[0015]步骤2，将一个数据帧中激光观测依据惯性测量单元的观测，去除运动畸变，并赋予影像的彩色信息；
[0016]步骤3，依据点云几何曲率与影像灰度梯度将数据帧中的激光点划分为边界特征点、面特征点、无特征点三类；
[0017]步骤4，将连续的数据帧依据不同特征进行特征关联，计算相对位置与姿态，并解算地图点坐标，实现方式包括如下处理，
[0018]在头盔移动测量中需要被维护的状态量有：
[0019][0020]其中，x
k
是第k个系统状态，分别为位置、速度与姿态。与是IMU的加速度与角速度零偏；
[0021]采用MEMS IMU模型对系统状态x
k
进行建模，根据IMU状态方程构建预积分模型；
[0022]激光匹配约束分为三类，几何边界特征点约束、几何平面特征点约束、光谱边界特征点约束，其中光谱边界点与几何边界点的约束建立方式为点到线的距离，而几何面特征点的约束建立方式为点到面的距离。
[0023]而且，步骤1中，将所有传感器数据进行整合的实现方式为，控制单元接收IMU发出的200Hz的TOV信号，记录信号接收时间，并线性内插出与系统时间对齐的观测量，从而实现IMU时间同步；控制单元向相机发出10Hz脉冲，并记录脉冲发出时间，从而实现相机时间同步；控制单元向激光雷达发出1Hz脉冲，并记录脉冲发出时间，从而实现激光雷达时间同步。
[0024]而且，步骤2中，依据预积分原理，对0.1s内的IMU观测数据进行积分，再将0.1s内的激光点云数据根据积分结果投影到该数据帧初始时间坐标系中；再将该数据帧初始时间坐标系中的点云投影到相机平面坐标系中，获取对应的影像光谱信息。
[0025]而且，步骤3中，依据曲率提取出单帧点云中的几何平面特征点以及几何边界特征点，除此之外，依据每个点从影像获取的光谱信息，提取出灰度梯度较大的点作为光谱边界特征点，其余点作为无特征点。
[0026]本专利技术提供的移动测量装备能够适用于GNSS信号缺失或通行性有限的区域，并且能够快速便捷地作业以获取高精度数据，使用方便，成本低，填补了市场空白，具有重要市场价值。
附图说明
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高精度穿戴式头盔数据获取装备，其特征在于：将相机、IMU和激光扫描仪集成到一个头盔中，并进行硬件时间同步，在采集数据的同时采集准确的传感器时间戳；数据获取过程实现如下，步骤1，根据硬件时间戳，将所有传感器数据进行整合，划分数据帧；步骤2，将一个数据帧中激光观测依据惯性测量单元的观测，去除运动畸变，并赋予影像的彩色信息；步骤3，依据点云几何曲率与影像灰度梯度将数据帧中的激光点划分为边界特征点、面特征点、无特征点三类；步骤4，将连续的数据帧依据不同特征进行特征关联，计算相对位置与姿态，并解算地图点坐标，实现方式包括如下处理，在头盔移动测量中需要被维护的状态量有：其中，x
k
是第k个系统状态，分别为位置、速度与姿态。与是IMU的加速度与角速度零偏；采用MEMS IMU模型对系统状态x
k
进行建模，根据IMU状态方程构建预积分模型；激光匹配约束分为三类，几何边界特征点约束、几何平面特征点约束、光谱边界特征点约束，其中光谱边界点与几何边界点的约束建立方式为点到线的距离，而几何面特征点的约束建立方式...
【专利技术属性】
技术研发人员：杨必胜，李健平，吴唯同，陈瑞波，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。