CN110515060B - 多线激光雷达反射率标定的方法 - Google Patents

Abstract

本发明提供了一种多线激光雷达反射率标定的方法，包括：获取以预设的速度、在预设的环境中移动的载体上装载的多线激光雷达的每一线束的激光雷达的反射率观测值；将所述反射率观测值投影到平面坐标后，进行栅格化处理，得到多个栅格；根据每一线束的预设的激光雷达模型、激光雷达的反射率观测值和反射率观测值投影到的栅格的位置，计算多个栅格中每个栅格的反射率分布；根据每个栅格的反射率分布，对所述激光雷达模型进行更新，得到更新后的激光雷达模型；迭代的更新激光雷达模型，直至激光雷达模型收敛。由此，不需要固定参照物，也可对激光雷达反射率进行标定。

Description

多线激光雷达反射率标定的方法

技术领域

本发明涉及无人驾驶领域，尤其涉及一种多线激光雷达反射率标定的方法。

背景技术

近年来，随着技术的不断发展，无人驾驶是最受人们关注的话题之一。无人驾驶不仅能够释放人类的双手，而且可以有效地缓解交通压力，提高能源的利用率，减少碳排放等等。无人驾驶是一个极其庞大的系统，得益于其丰富的传感器类型，使得感知和定位能够在复杂多变的动态场景下依旧能够正常工作。其中传感器标定是整个自动驾驶技术，尤其是感知和定位能够正常工作的基石。传感器标定又分为内参标定和外参标定，内参标定包括反射率标定、激光内部安装偏差，外参标定是指激光外部安装相对于车体或者其他传感器的相对位置和姿态，常见的有激光相对于惯性测量单元(Inertial measurement unit,IMU)的位置和姿态，激光相对于相机的位置和姿态。多种传感器的外参标定精度直接影响最终的感知和定位的精度。由于不同激光雷达的制造厂商的工艺精度和一致性还不能完全保证，使得对激光雷达的精确内参标定也是提高最终算法精度的重要手段之一。

目前大多数激光雷达反射率标定使用的是基于固定参照物的方法，比如制作一个反射率已知的棋盘格标定板，然后利用标定板来标定不同线束的参数。

强依赖于固定参考物，不够灵活。标定的效果也与标定板的制作精度相关，如果标定板制作出现偏差，对最终的结果也会造成偏差。而且一般棋盘格的反射率范围有限，大部分是选取固定的反射率值，标定好之后，其余部分做线性插值。由于选取的反射率值有限，线性插值会增大误差。

发明内容

本发明实施例的目的是提供一种多线激光雷达反射率标定的方法，以解决现有技术中存在的需要基于固定参照物来进行反射率标定的问题。

为解决现有技术中存在的问题，第一方面，本发明提供了一种多线激光雷达反射率标定的方法，所述方法包括：

获取以预设的速度、在预设的环境中移动的载体上装载的多线激光雷达的每一线束的激光雷达的反射率观测值；

将所述反射率观测值投影到平面坐标后，进行栅格化处理，得到多个栅格；根据每一线束的预设的激光雷达模型、激光雷达的反射率观测值和所述反射率观测值投影到的栅格的位置，计算多个栅格中每个栅格的反射率分布；

根据每个栅格的反射率分布，对所述激光雷达模型进行更新，得到更新后的激光雷达模型；

迭代的更新激光雷达模型，直至激光雷达模型收敛。

在一种可能的实现方式中，所述获取以预设的速度、在预设的环境中移动的载体上装载的多线激光雷达的每一线束的激光雷达的反射率观测值之前，所述方法还包括：

对得到多帧中的每一帧下，每一线束的激光雷达的反射率观测值进行坐标转换，将多帧激光雷达的反射率观测值转换在同一坐标系下。

在一种可能的实现方式中，所述预设的激光雷达模型具体为：

其中，η为归一化因子，τ为方差，ε为非零概率，m为激光雷达的反射率观测值，b为激光雷达的线束，a为激光雷达的反射率真实值，P(a|m；b)为给定激光线束b和激光雷达的反射率观测值m，得到反射率真实值a的概率，即激光雷达的概率分布。

在一种可能的实现方式中，所述根据每一线束的预设的激光雷达模型、激光雷达的反射率观测值和所述反射率观测值投影到的栅格的位置，计算多个栅格中每个栅格的反射率分布，具体包括：

利用公式

计算每个栅格的反射率分布；

其中，i为激光雷达的线束编号，c为栅格，ci为线束i对应的栅格，k为栅格编号，z为激光雷达的反射率观测值的集合，zi＝<bi,ai,ci>为线束i对应的栅格的观测值；θ为所有线束对应的激光雷达的概率分布P(ai|m；bi)的集合，m_k为第k个栅格的观测值，P(mk＝m|z；θ)为激光雷达的反射率观测值的集合z和所有的先验概率分布集合θ，在栅格的观测值为m时的反射率分布，即为栅格的反射率分布，bi为第i个线束。

在一种可能的实现方式中，所述根据每个栅格的反射率分布，计算激光雷达模型，具体包括：

利用公式P(a|m；M，b)＝η·C(m，a；M，b)·P(a；b)计算激光雷达模型；

其中，P(a|m；M,b)为给定栅格的观测值M和激光线束b，激光雷达的反射率真实值a关于激光雷达的反射率观测值m的概率分布，即激光雷达线束的最大后验概率分布，η为归一化因子，C(m,a；M,b)给定所有栅格的观测值M和激光线束b,激光反射率的似然分布，P(a；b)为先验概率分布。

在一种可能的实现方式中，利用公式

计算激光反射率的似然分布；

其中，C(m,a；M,b)给定所有的栅格的观测值M和激光线束b,激光反射率的似然分布，m为栅格的观测值，a为反射率真实值，M为所有栅格的观测值的集合，b为激光雷达的线束，m_k为第k个栅格的观测值，k为栅格编号，bi为第i个线束。

在一种可能的实现方式中，所述将所述反射率观测值投影到平面坐标后，进行栅格化处理，得到多个栅格之后，还包括：

当栅格中激光雷达的反射率观测值少于预设的第一阈值时，舍弃所述栅格。

第二方面，本发明提供了一种设备，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行第一方面任一所述的方法。

第三方面，本发明提供了一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面任一所述的方法。

第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一所述的方法。

通过应用本发明实施例一提供的多线激光雷达反射率标定的方法，无需参照物，利用典型的室外环境，通过激光雷达的运动来获取足够的标定所需数据，利用标定数据，对激光雷达模型进行处理，从初始化不断迭代直到激光雷达模型收敛。经过反射率标定之后，激光雷达的反射率能够与真实值更加接近，减小噪声，而反射率作为激光雷达最基础的特性，是很多定位或者感知算法的基础，获得噪声更小的原始数据，能够减少算法的复杂度，使得算法更加稳定。

附图说明

图1为本发明实施例一提供的多线激光雷达反射率标定的方法流程示意图；

图2为本发明实施例一提供的反射率观测值-真实值模型示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1为本发明实施例一提供的多线激光雷达反射率标定的方法流程示意图。该方法的应用场景为安装有激光雷达的载体，该载体可以是车辆或者机器人等。当将该方法应用在无人驾驶领域时，该移动终端为无人驾驶车辆，该方法的执行主体可以是无人驾驶车辆上的处理器，也可以是与无人驾驶车辆进行通信的具有计算功能的其它终端或云端服务器，本申请对此并不限定。如图1所示，本申请包括以下步骤：

步骤101，获取以预设的速度、在预设的环境中移动的载体上装载的多线激光雷达的每一线束的激光雷达的反射率观测值。

具体的，以将该方法应用在无人驾驶车辆为例，在无人驾驶车辆上，安装有多线激光雷达以进行环境感知。在车辆投入使用之前，需要对激光雷达的内参，比如反射率进行标定，以提高后续测量的精确度。

预设的环境中，需要有一定的结构特征，比如建筑、树木等。将激光雷达安装在某个载体上，比如车辆等，以预设的速度，比如0.5-1m/s左右移动载体约90s。不可快速移动载体，避免因为运动引起的畸变影响最终的标定效果。

载体在移动过程中，每一组激光雷达都有其位姿信息，并且会有点云信息，点云信息包括测量点的空间三维坐标和反射率观测值。此处的位姿信息可以包括激光雷达的角度和绝对坐标，或者角度和相对坐标。其中，绝对坐标可以是经纬度，相对坐标可以是在车辆坐标系下的坐标。其中，激光雷达的反射率观测值即为激光雷达输出的测量值。反射率是环境中物体本身的一种特性，无法直接获取，所以激光雷达测量的都是反射率观测值。

对得到多帧中的每一帧下，每一线束的激光雷达的反射率观测值进行坐标转换，将多帧激光雷达的反射率观测值转换在同一坐标系下。

当每一束激光雷达的位姿信息坐标不一致时，可以对位姿信息进行坐标转换，转换到同一坐标系下。根据坐标系的不同，坐标系原点可以不同。

步骤102，将反射率观测值投影到平面坐标后，进行栅格化处理，得到多个栅格。

具体的，将所有的激光雷达的反射率观测值投影到平面坐标，并进行栅格化处理，得到多个栅格，对于有些栅格中反射率观测值少于第一阈值，比如10个的，需要舍弃，因为样本太少难以反映真实的概率分布。将反射率观测值进行投影，每个栅格中有反射率观测值。比如，某一个栅格中有反射率观测值为12的5次，13的3次，14的1次，那么就可以统计反射率12、13、14分布的概率，这个即为每个栅格的反射率的概率分布。

步骤103，根据每一线束的预设的激光雷达模型、激光雷达的反射率观测值和反射率观测值投影到的栅格的位置，计算多个栅格中每个栅格的反射率分布。

其中，预设的激光雷达模型，初始化为高斯分布，即对应每一个反射率观测值，都有对应的响应曲线，而不是单一的映射。预设的激光雷达模型具体为：

其中，η为归一化因子，τ为方差，ε为非零概率，m为激光雷达的反射率观测值，b为激光雷达的线束，a为激光雷达的反射率真实值，P(a|m；b)为给定激光线束b和激光雷达的反射率观测值m，得到反射率真实值a的概率，即激光雷达的概率分布。

因此，反射率真实值无法获取，这里可以理解为最优结果。在本申请中，基于的假设是当观测数量足够多的时候，得到的最大后验概率的反射率值即为反射率真实值。

其中，ε是为了防止计算过程中出现异常值，每个线束的激光雷达模型是不同的。

步骤103具体包括：

利用公式

计算每个栅格的反射率分布；

其中，i为激光雷达的线束编号，c为栅格，ci为线束i对应的栅格，k为栅格编号，z为激光雷达的反射率观测值的集合，zi＝<bi,ai,ci>为线束i对应的栅格的观测值；θ为所有线束对应的激光雷达的概率分布P(ai|m；bi)的集合，m_k为第k个栅格的观测值，P(mk＝m|z；θ)为激光雷达的反射率观测值的集合z和所有的先验概率分布集合θ，在栅格的观测值为m时的反射率分布，即为栅格的反射率分布，bi为第i个线束。

其中，k为栅格编号，如果将环境进行2D栅格化，从左至右，从上至下栅格编号依次增加。

步骤104，根据每个栅格的反射率分布，对激光雷达模型进行更新，得到更新后的激光雷达模型。

利用公式P(a|m；M，b)＝η·C(m，a；M，b)·P(a；b)计算激光雷达模型；

其中，P(a|m；M,b)为给定栅格的观测值M和激光线束b，激光雷达的反射率真实值a关于激光雷达的反射率观测值m的概率分布，即激光雷达线束的最大后验概率分布，η为归一化因子，C(m,a；M,b)给定所有栅格的观测值M和激光线束b,激光反射率的似然分布，P(a；b)为先验概率分布。

利用公式

计算激光反射率的似然分布；

其中，C(m,a；M,b)给定所有的栅格的观测值M和激光线束b,激光反射率的似然分布，m为栅格的观测值，a为反射率真实值，M为所有栅格的观测值的集合，b为激光雷达的线束，m_k为第k个栅格的观测值，k为栅格编号，bi为第i个线束。

步骤105，迭代的更新激光雷达模型，直至激光雷达模型收敛。

具体的，重复步骤103-104，直至激光雷达模型收敛。最后得到的反射率观测值-真实值模型参见图2。

通过应用本发明实施例一提供的多线激光雷达反射率标定的方法，无需参照物，利用典型的室外环境，通过激光雷达的运动来获取足够的标定所需数据，利用标定数据，对激光雷达模型进行处理，从初始化不断迭代直到激光雷达模型收敛。经过反射率标定之后，激光雷达的反射率能够与真实值更加接近，减小噪声，而反射率作为激光雷达最基础的特性，是很多定位或者感知算法的基础，获得噪声更小的原始数据，能够减少算法的复杂度，使得算法更加稳定。

本发明实施例二提供了一种设备，包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行实施例一提供的方法。

本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。

本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多线激光雷达反射率标定的方法，其特征在于，所述方法包括：

获取以预设的速度、在预设的环境中移动的载体上装载的多线激光雷达的每一线束的激光雷达的反射率观测值；

将所述反射率观测值投影到平面坐标后，进行栅格化处理，得到多个栅格；根据每一线束的预设的激光雷达模型、激光雷达的反射率观测值和所述反射率观测值投影到的栅格的位置，计算多个栅格中每个栅格的反射率分布；

根据每个栅格的反射率分布，对所述激光雷达模型进行更新，得到更新后的激光雷达模型；

迭代的更新激光雷达模型，直至激光雷达模型收敛。

2.根据权利要求1所述的方法，其特征在于，所述获取以预设的速度、在预设的环境中移动的载体上装载的多线激光雷达的每一线束的激光雷达的反射率观测值之前，所述方法还包括：

对得到多帧中的每一帧下，每一线束的激光雷达的反射率观测值进行坐标转换，将多帧激光雷达的反射率观测值转换在同一坐标系下。

3.根据权利要求1所述的方法，其特征在于，所述预设的激光雷达模型具体为：

其中，η为归一化因子，τ为方差，ε为非零概率，m为激光雷达的反射率观测值，b为激光雷达的线束，a为激光雷达的反射率真实值，P(a|m；b)为给定激光线束b和激光雷达的反射率观测值m，得到反射率真实值a的概率，即激光雷达的概率分布。

4.根据权利要求1所述的方法，其特征在于，所述根据每一线束的预设的激光雷达模型、激光雷达的反射率观测值和所述反射率观测值投影到的栅格的位置，计算多个栅格中每个栅格的反射率分布，具体包括：

利用公式

计算每个栅格的反射率分布；

其中，i为激光雷达的线束编号，c为栅格，c_i为线束i对应的栅格，k为栅格编号，z为激光雷达的反射率观测值的集合，z_i＝<b_i,a_i,c_i>为线束i对应的栅格的观测值；θ为所有线束对应的激光雷达的概率分布P(a_i|m；b_i)的集合，m_k为第k个栅格的观测值，P(m_k＝m|z；θ)为激光雷达的反射率观测值的集合z和所有的先验概率分布集合θ，在栅格的观测值为m时的反射率分布，即为栅格的反射率分布，a_i为第i个线束的反射率真实值，b_i为第i个线束。

5.根据权利要求1所述的方法，其特征在于，所述根据每个栅格的反射率分布，计算激光雷达模型，具体包括：

利用公式P(a|m；M，b)＝η·C(m，a；M，b)·P(a；b)，计算激光雷达模型；

其中，P(a|m；M,b)为给定栅格的观测值M和激光线束b，激光雷达的反射率真实值a关于激光雷达的反射率观测值m的概率分布，即激光雷达线束的最大后验概率分布，η为归一化因子，C(m,a；M,b)给定所有栅格的观测值M和激光线束b,激光反射率的似然分布，P(a；b)为先验概率分布。

6.根据权利要求5所述的方法，其特征在于，

利用公式

计算激光反射率的似然分布；

其中，C(m,a；M,b)给定所有的栅格的观测值M和激光线束b,激光反射率的似然分布，m为栅格的观测值，a为反射率真实值，M为所有栅格的观测值的集合，b为激光雷达的线束，m_k为第k个栅格的观测值，k为栅格编号，b_i为第i个线束，c_i为线束i对应的栅格。

7.根据权利要求1所述的方法，其特征在于，所述将所述反射率观测值投影到平面坐标后，进行栅格化处理，得到多个栅格之后，还包括：

当栅格中激光雷达的反射率观测值少于预设的第一阈值时，舍弃所述栅格。

8.一种多线激光雷达反射率标定的设备，其特征在于，所述设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于执行如权利要求1-7任一所述的方法。

9.一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1-7任一所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如如权利要求1-7任一所述的方法。

Images