一种基于多个激光雷达间的标定方法与流程

1.本发明属于高级辅助驾驶领域(adas)，尤其涉及一种基于多个激光雷达间的标定方法。


背景技术：

2.实现adas的技术主要有三类，分别是基于视觉传感器、毫米波雷达和激光雷达。近年来，随着智能驾驶技术的快速发展，激光雷达因其精度高、测距范围广、不受光线影响等特点，已广泛应用于智能驾驶车辆的障碍物检测、实时定位、地图绘制等环境感知领域。
3.在adas中，激光雷达一般安装在智能驾驶车辆的顶部。激光雷达获得的位置数据信息基于雷达自身的局部坐标系。在激光雷达的实际使用中，为了统一多个传感器的信息，需要将激光雷达在其自身的局部坐标系下获得的数据转换为车身坐标系。在数据转换过程中，激光雷达坐标系中的点云数据通过转换矩阵转换为车身坐标系。因此，在实际使用过程中，需要提前校准激光雷达，即获得雷达坐标系与车身坐标系之间的转换关系。
4.在现有技术中，为了实现坐标系的校准，研究人员提出了多种解决方案。常见的校准方法主要包括传统的手动校准和标定物测量方法。
5.传统的手动校准使用手动测量或仪器测量来测量激光雷达坐标系与车身坐标系之间的转换关系。首先，确定车体坐标系的原点位置和坐标轴方向，确定激光雷达坐标系的原始位置，并用卡尺或卷尺测量激光雷达坐标系统原点与车体坐标系原点之间的距离矢量。然后确定激光雷达坐标轴的方向，并使用专用测试仪器，如三维角度测量仪，测量激光雷达坐标轴线与车身坐标轴线之间的欧拉角。
6.标定物测量方法通过匹配特定校准对象来计算激光雷达的外部参数。常见的校准对象包括平面目标、三角形目标和三面目标。这种方法利用了激光雷达的工作特性，如不可见扫描点和单线扫描。基于空间矢量的三维坐标系变换模型，对目标进行重构，并利用坐标系变换模式求解标定参数。
7.虽然手动测量和校准方法的原理简单，但对操作员的操作精度和测量仪器的精度要求很高，因此其普及程度不高，测量精度不稳定，会随着操作员的水平而变化。标定物测量方法也有一些缺点。由于激光雷达对不同颜色和材料物体的反射率不同，因此很难找到控制点。同时，需要大量人员参与移动控制点的过程，其校准精度也取决于其他传感器与控制点之间的参数。因此，这种校准方法效率低且精度低。


技术实现要素：

8.发明目的：本发明的目的在于克服现有技术的缺陷，提出多个激光雷达间的自动标定方法，通过手动粗配准和自动精配准结合的思路方法，将两个激光雷达标定并推广到多个，本发明可以实现在不同的环境下实现多个激光雷达间的自动标定。
9.本发明具体提供一种基于多个激光雷达间的标定方法，包括：
10.步骤1，获取两个以上激光雷达的原始数据流，进行数据预处理；
11.步骤2，获取初始参数旋转矩阵r和平移向量t1，如果是第一次，则初始化为单位矩阵和0向量；
12.步骤3，获取当前点云；
13.步骤4，通过软件接口手动标定点云，得到粗配准点云数据，人为判定是否保留粗配准点云数据，如果是，执行步骤5，否则返回步骤3；
14.步骤5，自动标定点云，得到标定结果；
15.步骤6，人为判定是否保留标定结果，如果是，完成配准，否则返回步骤3。
16.步骤1中，所述数据预处理包括：
17.步骤1-1，根据标定物人眼确定以激光雷达为中心x、y、z轴方向的有效距离，滤去无效点云数据；
18.步骤1-2，采用体素质心滤波操作来对每个激光雷达采集到的点云数据进行降采样；
19.步骤1-2包括：
20.步骤1-2-1，依据点云数据集合，求取x轴方向的最大值x
max
、x轴方向的最小值x
min
、y轴方向的最大值y
max
、y轴方向的最小值y
min
、z轴方向的最大值z
max
、z轴方向的最小值z
min
，并求得点云最小包围盒的边长，点云最小包围盒的边长在x轴、y轴、z轴分别记为：i
x
、iy、iz；
21.步骤1-2-2，设置体素栅格边长r；
22.步骤1-2-3，计算体素网格在x轴、y轴、z轴尺寸长度d
x
、dy、dz：：
[0023][0024]
步骤1-2-4，计算点云中每一个点在体素栅格中的索引h：
[0025][0026]
其中，x、y、z分别表示点云数据在x轴方向的坐标、点云数据在y轴方向的坐标、点云数据在z轴方向的坐标；h
x
、hy、hz分别表示点云数据在x轴方向的索引、点云数据在y轴方向的索引、点云数据在z轴方向的索引；
[0027]
步骤1-2-5，将h中的元素按从大到小排序计算每个栅格中的质心，并用距离质心最近的点代替该栅格内所有的点。
[0028]
步骤4包括：选择标定物，通过改变6个自由量，将激光雷达的点云中的标定物进行手动对齐，获得粗配准点云数据，所述6个自由量包括x轴方向的位移量、y轴方向的位移量、z轴方向的位移量和旋转量roll、pitch、yaw，roll、pitch、yaw分别表示旋转角，俯仰角，偏航角。
[0029]
步骤5包括：通过ndt正太分布变换扫描匹配算法计算旋转矩阵r和平移向量t1，使得输入点云在通过这组参数变换后和目标点云拟合最高，以达到标定目的，具体包括如下步骤：
[0030]
步骤5-1，将点云体素划分，方法参考步骤1-2；
[0031]
步骤5-2，计算体素内的质心q和协方差矩阵σ：
[0032][0033]
其中xi为第i个体素内的点云，t表示矩阵转置，n为第i个体素内的点云数；
[0034]
步骤5-3，根据正太分布参数计算每个点在旋转平移后落在对应栅格的概率和并得到正太分布变换配准得分score(p)：
[0035][0036]
其中exp为自然底数e；xi′
表示旋转后的xi，qi表示第i个体素的质心；
[0037]
步骤5-4，根据lm(levenberg
–
marquardt)梯度优化函数对目标函数score(p)进行优化，得到最终的旋转矩阵r和平移向量t1。
[0038]
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述一种基于多个激光雷达间的标定方法。
[0039]
本发明中采用了点云预分析技术，采用正太分布变换来对每个激光雷达采集到的点云数据进行降维映射。正太分布变换是一种用正太分布函数来提取点云特征，描述一个体素网格内点的方法，本发明采用该方法对雷达的点云进行体素划分，并计算每一个体素内的点云的正太分布。
[0040]
本发明中采用了点云自动配准技术，多个激光雷达间的标定本质上是获得两个激光雷达间的位移量(x,y,z)和旋转量(roll,pitch,yaw)，三维空间中可以用一个齐次变换矩阵来描述这样的变换关系。本发明通过ndt扫描匹配算法来生成齐次变换矩阵，ndt算法可以在精度不高的初值下进行参数优化，在点云预处理得到体素网格后，该算法会开始搜索一组最优ndt匹配参数，使得输入点云在通过这组参数变换后和目标点云拟合最高，以达到标定目的。
[0041]
有益效果：本发明提供了多个激光雷达间的自动标定方法，可以在两个激光雷达采集数据分布不均匀(例如分别横纵安装)的情况下，依靠自动标定算法的高鲁棒性，依然可以获得良好的标定效果。同时针对现有标定技术对标定物距离敏感的问题，本发明提供有效标定区域选取接口，可以在不同环境下自由选择良好的标定空间，实现高效标定。
附图说明
[0042]
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
[0043]
图1是激光雷达的数据预处理流程图。
[0044]
图2是在线标定示意图。
[0045]
图3是在线标定流程图。
具体实施方式
[0046]
本发明具体提供一种基于多个激光雷达间的标定方法，包括：
[0047]
步骤1，获取两个以上激光雷达的原始数据流，进行数据预处理；
[0048]
步骤2，获取初始参数旋转矩阵r和平移向量t1，如果是第一次，则初始化为单位矩阵和0向量；
[0049]
步骤3，获取当前点云；
[0050]
步骤4，通过软件接口手动标定点云，得到粗配准点云数据，人为判定是否保留粗配准点云数据，如果是，执行步骤5，否则返回步骤3；
[0051]
步骤5，自动标定点云，得到标定结果；
[0052]
步骤6，人为判定是否保留标定结果，如果是，完成配准，否则返回步骤3。
[0053]
步骤1中，所述数据预处理包括：
[0054]
步骤1-1，根据标定物人眼确定以激光雷达为中心x、y、z轴方向的有效距离，滤去无效点云数据；
[0055]
步骤1-2，采用体素质心滤波操作来对每个激光雷达采集到的点云数据进行降采样；
[0056]
步骤1-2包括：
[0057]
步骤1-2-1，依据点云数据集合，求取x轴方向的最大值x
max
、x轴方向的最小值x
min
、y轴方向的最大值y
max
、y轴方向的最小值y
min
、z轴方向的最大值z
max
、z轴方向的最小值z
min
，并求得点云最小包围盒的边长，点云最小包围盒的边长在x轴、y轴、z轴分别记为：i
x
、iy、iz；
[0058]
步骤1-2-2，设置体素栅格边长r；
[0059]
步骤1-2-3，计算体素网格在x轴、y轴、z轴尺寸长度d
x
、dy、dz：：
[0060][0061]
步骤1-2-4，计算点云中每一个点在体素栅格中的索引h：
[0062][0063]
其中，x、y、z分别表示点云数据在x轴方向的坐标、点云数据在y轴方向的坐标、点云数据在z轴方向的坐标；h
x
、hy、hz分别表示点云数据在x轴方向的索引、点云数据在y轴方向的索引、点云数据在z轴方向的索引；
[0064]
步骤1-2-5，将h中的元素按从大到小排序计算每个栅格中的质心，并用距离质心最近的点代替该栅格内所有的点。
[0065]
步骤4包括：选择标定物，通过改变6个自由量，将激光雷达的点云中的标定物进行手动对齐，获得粗配准点云数据，所述6个自由量包括x轴方向的位移量、y轴方向的位移量、z轴方向的位移量和旋转量roll、pitch、yaw，roll、pitch、yaw分别表示旋转角，俯仰角，偏航角。
[0066]
步骤5包括：通过ndt正太分布变换扫描匹配算法计算旋转矩阵r和平移向量t1，使得输入点云在通过这组参数变换后和目标点云拟合最高，以达到标定目的，具体包括如下
步骤：
[0067]
步骤5-1，将点云体素划分，方法参考步骤1-2；
[0068]
步骤5-2，计算体素内的质心q和协方差矩阵σ：
[0069][0070]
其中xi为第i个体素内的点云，t表示矩阵转置，n为第i个体素内的点云数；
[0071]
步骤5-3，根据正太分布参数计算每个点在旋转平移后落在对应栅格的概率和并得到正太分布变换配准得分score(p)：
[0072][0073]
其中exp为自然底数e；xi′
表示旋转后的xi，qi表示第i个体素的质心；
[0074]
步骤5-4，根据lm(levenberg
–
marquardt)梯度优化函数对目标函数score(p)进行优化，得到最终的旋转矩阵r和平移向量t1。
[0075]
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述一种基于多个激光雷达间的标定方法。
[0076]
实施例
[0077]
图1是激光雷达的数据预处理流程图，首先确定激光雷达的检测范围，即确定以激光雷达为中心xyz轴方向的有效距离，以此来滤去大部分无效点云；对于过滤的有效点云，采用手动标定的方式，首先选择合适的标定物，通常是形状规则的路牌或棋盘格，然后通过改变6个自由量——位移量(x,y,z)和旋转量(roll,pitch,yaw)，将两个激光雷达的点云中的标定物进行对齐；由此获得粗配准点云数据，用以进行接下来的自动精配准；图2将会展示程序如何实现上述步骤。
[0078]
图2是在线标定示意图，左侧窗口为两个激光雷达的点云数据，预设视角为bev(鸟瞰图)，提供鼠标拖动来调整视角；右侧窗口是激光雷达粗配准参数值以及滑动条参数，-x、+x、-y、+y、-z、+z为有效标定区域三轴最大值最小值，offset_x、offset_y、offset_z为待标定点云平移向量三轴平移值，roll_x、pitch_y、yaw_z待标定点云旋转矩阵三轴方向的旋转角度。手动标定阶段可以通过拖动滑动条调节参数，改变有效点云的范围(-50m～+50m)，同时可以调整一个点云的xyz轴位移量和旋转量，使左侧窗口的两个激光雷达点云数据对齐，完成粗配准。
[0079]
图3是在线标定流程图，首先启动待标定的激光雷达(这里例举两个，多个激光雷达标定可由此推广)；获取初始参数和当前点云，此时用户可通过窗口手动调节标定参数实现粗配准；当得到粗配准点云后程序即会自动计算标定矩阵并展示标定结果，用户可自行决定是否保留(历史数据会以日志形式保留)。
[0080]
本发明提供了一种基于多个激光雷达间的标定方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

技术特征：
1.一种基于多个激光雷达间的标定方法，其特征在于，包括以下步骤：步骤1，获取两个以上激光雷达的原始数据流，进行数据预处理；步骤2，获取初始参数旋转矩阵r和平移向量t1，如果是第一次，则初始化为单位矩阵和0向量；步骤3，获取当前点云；步骤4，通过软件接口手动标定点云，得到粗配准点云数据，判定是否保留粗配准点云数据，如果是，执行步骤5，否则返回步骤3；步骤5，自动标定点云，得到标定结果；步骤6，判定是否保留标定结果，如果是，完成配准，否则返回步骤3。2.根据权利要求1所述的方法，其特征在于，步骤1中，所述数据预处理包括：步骤1-1，根据标定物人眼确定以激光雷达为中心x、y、z轴方向的有效距离，滤去无效点云数据；步骤1-2，采用体素质心滤波操作来对每个激光雷达采集到的点云数据进行降采样。3.根据权利要求2所述的方法，其特征在于，步骤1-2包括：步骤1-2-1，依据点云数据集合，求取x轴方向的最大值x
max
、x轴方向的最小值x
min
、y轴方向的最大值y
max
、y轴方向的最小值y
min
、z轴方向的最大值z
max
、z轴方向的最小值z
min
，并求得点云最小包围盒的边长，点云最小包围盒的边长在x轴、y轴、z轴分别记为：i
x
、i
y
、i
z
；步骤1-2-2，设置体素栅格边长r；步骤1-2-3，计算体素网格在x轴、y轴、z轴尺寸长度d
x
、d
y
、d
z
：：步骤1-2-4，计算点云中每一个点在体素栅格中的索引h：其中，x、y、z分别表示点云数据在x轴方向的坐标、点云数据在y轴方向的坐标、点云数据在z轴方向的坐标；h
x
、h
y
、h
z
分别表示点云数据在x轴方向的索引、点云数据在y轴方向的索引、点云数据在z轴方向的索引；步骤1-2-5，将h中的元素按从大到小排序计算每个栅格中的质心，并用距离质心最近的点代替该栅格内所有的点。4.根据权利要求3所述的方法，其特征在于，步骤4包括：选择标定物，通过改变6个自由量，将激光雷达的点云中的标定物进行手动对齐，获得粗配准点云数据，所述6个自由量包括x轴方向的位移量、y轴方向的位移量、z轴方向的位移量和旋转量roll、pitch、yaw，roll、pitch、yaw分别表示旋转角，俯仰角，偏航角。5.根据权利要求4所述的方法，其特征在于，步骤5包括：通过ndt正太分布变换扫描匹配算法计算旋转矩阵r和平移向量t1，使得输入点云在通过这组参数变换后和目标点云拟
合最高，以达到标定目的，具体包括如下步骤：步骤5-1，将点云体素划分；步骤5-2，计算体素内的质心q和协方差矩阵σ：其中x
i
为第i个体素内的点云，t表示矩阵转置，n为第i个体素内的点云数；步骤5-3，根据正太分布参数计算每个点在旋转平移后落在对应栅格的概率和并得到正太分布变换配准得分score(p)：其中exp为自然底数e；x
i
′
表示旋转后的x
i
，q
i
表示第i个体素的质心；步骤5-4，根据lm梯度优化函数对目标函数score(p)进行优化，得到最终的旋转矩阵r和平移向量t1。6.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现如权利要求1至5中任一项所述的方法。

技术总结
本发明提供了一种基于多个激光雷达间的标定方法,包括：步骤1，获取两个以上激光雷达的原始数据流，进行数据预处理；步骤2，获取初始参数旋转矩阵R和平移向量T1，如果是第一次，则初始化为单位矩阵和0向量；步骤3，获取当前点云；步骤4，通过软件接口手动标定点云，得到粗配准点云数据，判定是否保留粗配准点云数据，如果是，执行步骤5，否则返回步骤3；步骤5，自动标定点云，得到标定结果；步骤6，判定是否保留标定结果，如果是，完成配准，否则返回步骤3。本发明可以在两个激光雷达采集数据分布不均匀的情况下，依靠自动标定算法的高鲁棒性，获得良好的标定效果。获得良好的标定效果。获得良好的标定效果。


技术研发人员：甘欣辉 姚连喜 宋亮 郭贺 储俊 周锴 张雅杰 汪文 付元炳
受保护的技术使用者：江苏和正特种装备有限公司
技术研发日：2023.04.18
技术公布日：2023/7/21