1/30 Calibration de systèmes de levé mobiles S. Levilly, N. Seube ENSTA Bretagne Brest, FRANCE et CIDCO Rimouski Qc, CANADA Journées AFHy, Juin 2014
Les systèmes mobiles Ils sont généralement constitués d un récepteur GNSS, d une IMU (ou INS), d un LiDAR (ou MBES en hydrographie). LiDAR, INS et récepteur GNSS montés sur un véhicule Argo; Projet Erasmus IP au Lac de Vassivière, 2012 2/30
Résultats d une mauvaise calibration Mauvaise calibration Bonne calibration 3/30
4/30 Résultat d une mauvaise latence
Calibration de capteurs de LiDAR et SONAR Problèmes de calibration Latences : Position-LiDAR et IMU-LiDAR; Angles de visée (IMU-LiDAR), bras de levier; Paramètres environementaux (radiométriques, acoustiques). Motivations : En pratique, la qualité de la calibration est faite de manière très inégale ; Subjectivité des opérateurs; Pas d évaluation de la précision des paramètres de calibration; La calibration nécessite beaucoup de temps. 5/30
6/30 Schéma de principe d un système de levé mobile
7/30 Equation simplifiée de géo-référencement X n = P n + C n bi (CbI bs r bs + a bi ) (1) a bi : vecteur [position du mobile - centre optique LiDAR]; r bs : vecteur de retour du LiDAR; CbS bi : matrice de cosinus directeur des angles de visée; CbI n : retournée par l INS (attitude de l INS); P n : position du mobile.
8/30 Buts de la calibration Certains termes de l eq (1) doivent être connus a priori: Latence, car l eq (1) dépend du temps: X n = P n (t) + C n bi (t dt 1) (C bi bs r bs(t dt 2 ) + a bi ) Transformation due aux angles de visée: C bi bs ; Bras de levier: a bi (peut être variable dans le temps); Angle de dépointage LiDAR et erreur systématique de portée perturbant r bs
9/30 Motivations des travaux et résultats Motivation Améliorer et fournir la précision des angles de visée; Fournir un algorithme et une procédure 3D complète non découplée et rigoureuse; Concevoir des méthodes pouvant s automatiser Les résultats présentés Estimation de la latence LiDAR-INS ; Une méthode sans positionnement et rigoureuse d estimation des angles de visée LiDAR-INS ; Adaptation de cette méthode à la calibration sur des surfaces naturelles
10/30 Les erreurs d angle de visée sont produites par une micro-rotation; agissent localement sur les données d un cycle (les erreurs dépendent des angles de rasance). Les méthodes actuelles ont les défauts suivants hypothèse de découplage; intervention subjective de l opérateur ; la précision des angles de visée inconnue.
11/30 Méthodes existantes en calibration des lignes de visée(1) Perturbation due à un biais de tangage sur une pente. Extraction d éléments géométriques (plans, segments); Définition d un critère d erreur (déformation des éléments); Equation d observation;
12/30 Méthodes existantes en calibration des lignes de visée(2) Perturbation due à un biais de tangage sur une pente(sens aller et retour). Inversion des données se recouvrant; Estimation des erreurs (résidus normalisés); Biblio: Skaloud (2006, ISPRS), Filin (2003, PE&RS), Hebel (2012, IEEE GRS), Habib (2010, RS).
13/30 Time-tagging Peut-être réalisée de différentes manières: Horloge unique (unité d acquisition); Base de temps et message distribués ; Besoin de calibration de la latence: La latence n est jamais nulle; Systèmes de distribution fragiles; Configuration du système de levé (buffers).
14/30 Objectifs de la calibration en latence IMU-LiDAR Atteindre une précision de 0.1ms (Airborne LiDAR Systems) Définition de la latence totale: Délais entre la mesure IMU et l envoi de la donnée; Transmission de la donnée vers l acquisition; Sockage buffers; Acquisition et géo-référencement approché Effet typique d une erreur de latence.
15/30 Calibration sans positionnement M :point cible, M même point, vu par le LiDAR en mouvement de rotation pure. Décalage dû à la présence de latence dt: n = MM. Equation de latence : dt = n ωbi/n bi OM n (2)
Choix du point de référence Centre d une sphère de précision, dont on obtient le centre par moindres carrés itératifs. 16/30
17/30 Montage expérimental Equipements : Leica HDS6200, IxSea Octans4 Acquisition software: Qinsy HDS6200-PC : Ethernet, PPS Octans4-PC: liaison série, pas de PPS Scans alternés de la sphère: jusqu à (-18, 18) deg/sec Mouvement IMU+LiDAR contrôlé par un simulateur (IXBlue TRI30)
18/30 Résultats expérimentaux ω D (deg/sec) 2 4 6 10 14 18 Latence estimée (ms) 1.31 1.47 1.56 1.87 1.86 1.86 Centre sphère STD (10 5 m) 2.33 3.12 4.04 5.22 6.14 7.03 Latence STD (ms) 0.49 0.33 0.25 0.19 0.12 0.09 Table: Estimation de latence pour différentes vistesse de balayage. resumé Exactitude = 0,01ms, Précision = 0,09ms Méthode applicable à tout système expérimental formé d un bloc IMU-LiDAR
19/30 Remarques générales sur la calibration des angles de visée Ajuster les angles de visée à partir d ensembles de points (ici, des points recueillis au Nadir) n est pas rigoureux: la transformation cherchée n est pas une transformation géométrique simple (similitude).
20/30 Méthodes inverses Méthodes rigoureuses: Inversion de C bi bs à partir d ajustement d élements soumis à une transformation de coordonnées: points, retours d un cycle Méthodes semi-rigoureusess: Inversion basée sur l ajustement de surfaces locales Méthodes non rigoureuses: toutes les autres...
21/30 Calibration LiDAR-INS sans positionnement Plutôt que d utiliser des points x n = X n + C n bi (CbI bs (r bi + a bi ), on utilise des segments (notés v bs ) provenants de différents scans statiques.
22/30 Equation d observation (1) Expression des segments dans le repère (n): v n = C n bi CbI bs v bs Critère: Tous les v n sont normaux à la même normale n. On note ν n le vecteur normale à la surface physique (inconnu); v bs des vecteurs ajustés à partir de points de retour du LiDAR.
23/30 Equation d observation (2) Pour chaque point de vue (numérotés par i), on considère l équation d observation f i (ϕ b, θ b, ψ b, ν n ) := vn, i ν n = CbI n CbI bs v bl i, ν n = 0 (3) Inconnues du problème: ν n (définie par deux angles α, β); (ϕ b, θ b, ψ b ) définissant C bi bs = C 3(ψ b )C 2 (θ b )C 1 (ϕ b ). On notera X = (ϕ b, θ b, ψ b, α, β);
24/30 Méthodes numériques 1 Estimation des segments LiDAR par une méthode de MC orthogonale avec poids (méthode de Williamson, 1968), qui permet de propager une erreur estimée à priori sur chaque point de mesure. 2 L equation d observation peut être résolue par moindres carrés pondérés, et permet de retrouver la précision des angles de visée. 3 La précision peut être améliorée par l application ultérieure d une méthode d optimisation non linéaire
25/30 Résultats expérimentaux (ERASMUS Vassivière 2012) 28 scans roll angle STD = 0.007 deg pitch angle STD = 0.014 deg heading angle STD = 0.072 deg
26/30 Analyse d un point de contrôle Sphère scannée à partir du mobile selon 7 lignes différentes, à une distance de 25m. Erreur de hauteur STD = 1,5cm (même ordre de grandeur que l erreur de positionnement)
27/30 Adaptation à la calibration sur des surfaces naturelles Approche 1: Detecter des éléments quasi planes à partir de scan se recouvrant, et application de la méthode précédente. Avantage: Méthode rigoureuse Inconvénients: les erreur de planéité peuvent se transférer dans les angles de visée Approche 2: En considérant des éléments de surface quadratiques; Ajuster des points provenant d overlaps sur ces éléments. Avantage: Méthode rigoureuse (ajustement de points), moins sensible à la courbure du terrain Inconvénients: les éléments de surface locaux sont arbitraires.
28/30 Résultats expérimentaux (8101 MBES) Comparaison de l approche manuelle et de l approche 2: Calibration 3D automatique Patch test
29/30 Résultats expérimentaux (2022 MBES) Calibration 3D automatique Patch test
30/30 Méthode de calibration de latence compatible avec les exigences ALS; des angles de visée rigoureuses: sans positionnement pour un système LiDAR-INS; avec positionnement sur des surfaces naturelles (ALS, MBES) Travail en cours (contrats Fugro Intersite, SHOM) Adaptation de la calibration des angles de visée sans positionnement aux surfaces naturelles; Méthodes sans positionnement; Extensions aux bras de levier, portée, angle de dépointage; Outils de monitorage des erreurs systématiques;