激光与红外

作者：高魏

单位：1.长春大学旅游学院网络中心/虚拟实训中心,吉林 长春 130000；2.广东石油化工学院材料科学与工程学院,广东 茂名 525000；

关键词：激光雷达;多站组网;数据融合;奇异值分解算法

基金：吉林省科技创新基金项目(No.20200103123)资助。

在大型结构的加工与装配过程中激光雷达的多站组网测试十分常见,但由于点云数据拼接过程需要统一的坐标系,故环境干扰、站位布局导致的转站误差大幅降低了系统的整体测量精度。为了提高多站组网后点云数据融合的面型测量精度,提出了一种改进型奇异值分解算法。该算法在分析站位布局的基础上,通过在多站之间匀差的方式抑制粗大偏差。对目标函数进行了奇异值分解,并通过最优值完成站位的优化布置。实验采用单点精度001mm的MV350型激光雷达,并对6组不同布站情况进行对比分析。结果显示,本算法的点最大误差为00824mm,点平均误差为00214mm,点测量不确定度为00122mm,均优于未规划的测量结果。其测量综合不确定度最接近单机测量综合不确定度,可见,采用本算法对提升转站精度具有一定价值。

来源：2022年第11期

《激光与红外》期刊编辑部

查看激光与红外杂志2022年第11期