静态线扫激光雷达与旋转平台的两阶段外部标定

线扫激光雷达是一种能够获取固定平面内距离和方位角信息的传感器。要实现三维环境感知，通常需要激光雷达与物体之间存在相对运动。因此，将线扫激光雷达安装在旋转平台上，通过平台旋转来获取物体的三维点云数据，在工业精密扫描和检测领域具有广阔的应用前景。然而，这种设置面临一个关键挑战：如何精确确定旋转平台相对于激光雷达坐标系的旋转轴？这一问题在机器人领域被称为外部标定问题。旋转轴标定的任何误差都会直接影响重建点云的质量，导致物体形状的扭曲或错误表示。

本研究提出了一种两阶段自动标定方法，用于估计静态线扫激光雷达与旋转平台之间的旋转轴变换。该方法包括静态估计和动态估计两个阶段。静态估计阶段利用激光雷达在不同平台角度下扫描固定目标，通过几何约束初步估计旋转轴的方向和位置，例如使用最小二乘法拟合平面或直线。动态估计阶段则利用平台连续旋转时获取的连续扫描数据，通过非线性优化算法（如Levenberg-Marquardt）进一步细化标定参数，提高精度。整个流程完全自动化，无需人工干预。

研究团队采用定制旋转平台和FMCW激光雷达获取了真实世界数据集，对所提算法进行了验证。实验中，他们评估了不同初始条件下算法的收敛特性，结果表明该方法能够在多种初始条件下稳定收敛到精确的标定参数。与仅使用静态估计的方法相比，两阶段方法在精度上提升了约30%；与仅使用动态估计的方法相比，鲁棒性显著增强，尤其是在初始误差较大的情况下。该论文共8页，包含13张图表，详细描述了算法推导、实验设置和结果分析。

该论文已被2026年IEEE/RSJ国际智能机器人与系统大会（IROS）接收，并计划于会上展示。这一成果为工业精密扫描、自动化检测等领域提供了可靠的标定方案，有望推动线扫激光雷达在三维重建和机器人感知中的广泛应用。未来，研究团队计划进一步优化算法以适应更复杂的动态环境和实时标定需求，并探索将该方法扩展到多线激光雷达或固态激光雷达的应用中。