CN110703229A - 点云去畸变方法及车载激光雷达到imu的外参标定方法 - Google Patents

Abstract

本发明公开了一种点云去畸变方法及车载激光雷达到IMU的外参标定方法，其中点云去畸变方法包括如下步骤：S1、记录数据采集周期内抓取的各个点云以及所述点云的各个3D点的时间戳；S2、记录数据采集周期内IMU的运动轨迹；S3、利用所述时间戳和IMU的运动轨迹得到在采集各个所述点云时激光雷达的位置和姿态；S4、通过外参将S3得到的每帧点云的坐标值转换至该帧点云中第一个3D点采集时刻的激光雷达坐标系下，即实现了点云去畸变。其保证了车辆在运行过程中采集点云的准确度，首先在数据处理阶段提高了标定的精确度。

Description

点云去畸变方法及车载激光雷达到IMU的外参标定方法

技术领域

本发明涉及应用于自动驾驶技术领域，尤其涉及一种点云去畸变方法及车载激光雷达到IMU的外参标定方法。

背景技术

自动驾驶，泛指协助或代替人类驾驶汽车的技术。随着这一技术的发展将使得人们的出行更加方便，且减少了人工驾驶的人为因素的影响，能够在某种程度上进一步提高驾驶的安全性。而在自动驾驶各项技术当中，高精度定位是重中之重，因为它直接影响了其他自动驾驶模块的输入。精确的定位是执行感知和决策控制等其他自动驾驶功能的先决条件。目前自动驾驶的定位主要依赖于GPS、激光雷达和惯性测量单元IMU三者的融合，而为了保证车辆定位的精准性，必须首先保证三者之间的标定精准，即首要要保证车载激光雷达到IMU的标定的准确性。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种点云去畸变方法，保证了车辆在运行过程中采集点云的准确度，首先在数据处理阶段提高了标定的精确度。

本发明还有一个目的是提供一种车载激光雷达到IMU的外参标定方法，保证了标定精度，且提高了标定效率，并易于实施。

为实现上述目的和一些其他的目的，本发明采用如下技术方案：

一种点云去畸变方法，包括如下步骤：

S1、记录数据采集周期内抓取的各个点云以及所述点云的各个3D点的时间戳；

S2、记录数据采集周期内IMU的运动轨迹；

S3、利用所述时间戳和IMU的运动轨迹得到在采集各个所述点云时激光雷达的位置和姿态；

S4、通过外参将S3得到的每帧点云的坐标值转换至该帧点云中第一个3D点采集时刻的激光雷达坐标系下，即实现了点云去畸变。

优选的是，所述的点云去畸变方法中，所述外参的初始值在激光雷达安装在车辆后通过测量得到。

优选的是，所述的点云去畸变方法中，所述采集周期为1帧。

一种车载激光雷达到IMU的外参标定方法，包括如下步骤：

步骤1、采集利用权利要求1所述的方法得到的点云中的不同时间段中的相关联的点云；

步骤2、利用所述相关联的点云构建目标函数；

步骤3、利用所述目标函数优化外参；

步骤4、重复步骤1-步骤3，对所述外参进行迭代优化，直至所述目标函数小于预设的阈值或达到最大迭代次数，即标定出车载激光雷达到IMU的外参。

优选的是，所述的车载激光雷达到IMU的外参标定方法中，所述相关联的点云指不同时间段中采集的同名点云。

优选的是，所述的车载激光雷达到IMU的外参标定方法中，所述不同时间段指不同的两帧。

优选的是，所述的车载激光雷达到IMU的外参标定方法中，所述同名点云的采集方法为：

步骤1-1、将不同的两帧的点云均转换至同一坐标系下；

步骤1-2、将在同一坐标系下两帧中位置最相近的点云定义为同名点云。

优选的是，所述的车载激光雷达到IMU的外参标定方法中，利用所述相关联的点云构建目标函数的方法为：

步骤2-1、由车载激光雷达分别得到所述不同的两帧的坐标值；

步骤2-2、将不同的两帧的坐标值去畸变并统一至同一坐标系下；

步骤2-3、计算不同的两帧在同一坐标系下的坐标值间的差值，即得到所述目标函数。

优选的是，所述的车载激光雷达到IMU的外参标定方法中，通过高斯牛顿算法或LM算法利用所述目标函数优化外参。

优选的是，所述的车载激光雷达到IMU的外参标定方法中，步骤4后还包括：

步骤5、利用步骤4得到的用于标定车载激光雷达到IMU的外参将不同时间段中采集的相关联的点云转换至同一坐标系下，将得到点云进行拼接，并判断拼接的点云展现的结构是否清晰；是，则采用步骤4得到的外参对车载激光雷达进行标定；否，则重新抓取点云。

本发明至少包括以下有益效果：

本发明的点云去畸变方法中，首先利用采集周期内抓取的点云以及点云的各个3D点的时间戳和IMU的运动轨迹得到各个点云在采集时激光雷达的位置和姿态，然后通过外参将每帧点云的坐标值转换至该帧点云中第一个3D点采集时刻的激光雷达的坐标系下，进而实现了点云的去畸变，从而有效的去除了在车辆运行过程中采集的点云的畸变问题，从而在数据抓取阶段即提高了后续标定的准确度。

本发明的车载激光雷达到IMU的外参标定方法中，首先采集不同时间段中的相关联的点云，然后利用所述相关联的点云构建目标函数，而后利用所述目标函数优化外参，进而利用优化的外参对点云进行去畸变，再利用相关联的点云构建目标函数，即实现对所述外参的迭代优化，直至所述目标函数小于预设的阈值或达到最大迭代次数，即得到用于标定车载激光雷达到IMU的外参，方法简单易于实施，且对于外参的标定对标定场景无要求，不需要特定的标记物，同时也适用于多个激光雷达的同时标定，从而有效的提高了标定的效率。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

具体实施方式

下面对本发明做详细说明，以令本领域普通技术人员参阅本说明书后能够据以实施。

一种点云去畸变方法，包括如下步骤：

S1、记录数据采集周期内抓取的各个点云以及所述点云的各个3D点的时间戳；

S2、记录数据采集周期内IMU的运动轨迹；

S3、利用所述时间戳和IMU的运动轨迹得到在采集各个所述点云时激光雷达的位置和姿态；

S4、通过外参将S3得到的每帧点云的坐标值转换至该帧点云中第一个3D点采集时刻的激光雷达坐标系下，即实现了点云去畸变。

在上述方案中，首先利用采集周期内抓取的点云以及点云的各个3D点的时间戳和IMU的运动轨迹得到各个点云在采集时激光雷达的位置和姿态，然后通过外参将每帧点云的坐标值转换至该帧点云中第一个3D点采集时刻的激光雷达的坐标系下，进而实现了点云的去畸变，从而有效的去除了在车辆运行过程中采集的点云的畸变问题，从而在数据处理阶段即提高了后续标定的准确度。

其中，考虑到IMU本身的特性，在采集周期内，使车辆按照“8”字形轨迹进行行驶，以保证IMU在各个方向上均能得到足够的激励，进而提高了采集的IMU的运行轨迹的准确度。

一个优选方案中，所述初始外参在激光雷达安装在车辆后通过测量得到。

一个优选方案中，所述采集周期为1帧。

一种车载激光雷达到IMU的外参标定方法，包括如下步骤：

步骤1、采集利用权利要求1所述的方法得到的点云中的不同时间段中的相关联的点云；

步骤2、利用所述相关联的点云构建目标函数；

步骤3、利用所述目标函数优化外参；

步骤4、重复步骤1-步骤3，对所述外参进行迭代优化，直至所述目标函数小于预设的阈值或达到最大迭代次数，即标定出车载激光雷达到IMU的外参。

在上述方案中，首先采集不同时间段中的相关联的点云，然后利用所述相关联的点云构建目标函数，而后利用所述目标函数优化外参，最后对所述外参进行迭代优化，直至所述目标函数小于预设的阈值或达到最大迭代次数，即得到用于标定车载激光雷达到IMU的外参，方法简单易于实施，且对于外参的标定对标定场景无要求，不需要特定的标记物，同时也适用于多个激光雷达的同时标定，从而有效的提高了标定的效率。

一个优选方案中，所述相关联的点云指不同时间段中采集的同名点云。

在上述方案中，同名点云即在不同时间段采集的场景中同一位置的点云。

一个优选方案中，所述不同时间段指不同的两帧。

一个优选方案中，所述同名点云的采集方法为：

步骤1-1、将不同的两帧的点云均转换至同一坐标系下；

步骤1-2、将在同一坐标系下两帧中位置最相近的点云定义为同名点云。

在上述方案中，同名点云在不同时间段采集的点云转换至同一坐标系下时，理论上必定位于同一位置，因而在考虑到误差的情况下选定位置最相近的点云为同名点云。

一个优选方案中，利用所述相关联的点云构建目标函数的方法为：

步骤2-1、由车载激光雷达分别得到所述不同的两帧的坐标值；

步骤2-2、将不同的两帧的坐标值去畸变并统一至同一坐标系下；其中，对坐标值的去畸变采用与点云去畸变相同的方法。

步骤2-3、计算不同的两帧在同一坐标系下的坐标值间的差值，即得到所述目标函数。

一个优选方案中，通过高斯牛顿算法或LM算法利用所述目标函数优化初始外参。

一个优选方案中，步骤4后还包括：

步骤5、利用步骤4得到的用于标定车载激光雷达到IMU的外参将不同时间段中采集的相关联的点云转换至同一坐标系下，将得到点云进行拼接，并判断拼接的点云展现的结构是否清晰；是，则采用步骤4得到的外参对车载激光雷达进行标定；否，则重新抓取点云。

在上述方案中，通过对拼接点云展现的结构是否清晰进行判断，能够有效的判定选定的外参是否准确，从而在外参不准确时，能够及时重新进行数据抓取，以获取准确的外参。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (10)

1.一种点云去畸变方法，其中，包括如下步骤：

S1、记录数据采集周期内抓取的各个点云以及所述点云的各个3D点的时间戳；

S2、记录数据采集周期内IMU的运动轨迹；

S3、利用所述时间戳和IMU的运动轨迹得到在采集各个所述点云时激光雷达的位置和姿态；

S4、通过外参将S3得到的每帧点云的坐标值转换至该帧点云中第一个3D点采集时刻的激光雷达坐标系下，即实现了点云去畸变。

2.如权利要求1所述的点云去畸变方法，其中，所述外参的初始值在激光雷达安装在车辆后通过测量得到。

3.如权利要求1所述的点云去畸变方法，其中，所述采集周期为1帧。

4.一种车载激光雷达到IMU的外参标定方法，其中，包括如下步骤：

步骤1、采集利用权利要求1所述的方法得到的点云中的不同时间段中的相关联的点云；

步骤2、利用所述相关联的点云构建目标函数；

步骤3、利用所述目标函数优化外参；

步骤4、重复步骤1-步骤3，对所述外参进行迭代优化，直至所述目标函数小于预设的阈值或达到最大迭代次数，即标定出车载激光雷达到IMU的外参。

5.如权利要求4所述的车载激光雷达到IMU的外参标定方法，其中，所述相关联的点云指不同时间段中采集的同名点云。

6.如权利要求5所述的车载激光雷达到IMU的外参标定方法，其中，所述不同时间段指不同的两帧。

7.如权利要求6所述的车载激光雷达到IMU的外参标定方法，其中，所述同名点云的采集方法为：

步骤1-1、将不同的两帧的点云均转换至同一坐标系下；

步骤1-2、将在同一坐标系下两帧中位置最相近的点云定义为同名点云。

8.如权利要求6所述的车载激光雷达到IMU的外参标定方法，其中，利用所述相关联的点云构建目标函数的方法为：

步骤2-1、由车载激光雷达分别得到所述不同的两帧的坐标值；

步骤2-2、将不同的两帧的坐标值去畸变并统一至同一坐标系下；

步骤2-3、计算不同的两帧在同一坐标系下的坐标值间的差值，即得到所述目标函数。

9.如权利要求4所述的车载激光雷达到IMU的外参标定方法，其中，通过高斯牛顿算法或LM算法利用所述目标函数优化外参。

10.如权利要求4所述的车载激光雷达到IMU的外参标定方法，其中，步骤4后还包括：

步骤5、利用步骤4得到的用于标定车载激光雷达到IMU的外参将不同时间段中采集的相关联的点云转换至同一坐标系下，将得到点云进行拼接，并判断拼接的点云展现的结构是否清晰；是，则采用步骤4得到的外参对车载激光雷达进行标定；否，则重新抓取点云。