CN111521996A - 一种激光雷达的安装标定方法 - Google Patents

Abstract

本发明涉及一种激光雷达的安装标定方法，包括：获取激光雷达相对于惯性导航系统的初始安装位移向量(X,Y,Z)和欧拉角(α,β,γ)；获取行驶场景数据包，所述行驶场景数据包包括激光雷达坐标系数据、惯性导航系统的惯导坐标系数据和卫星导航系统的大地坐标系数据；将激光雷达坐标系数据转换至大地坐标系下，获得目标物点云数据在大地坐标系下的位置；将目标物点云数据在大地坐标系下的位置进行密度聚类，将相邻帧目标物点云在大地坐标系下的位置进行重合度判定，对初始参数(X,Y,Z,α,β,γ)进行迭代；利用达到重合度要求的迭代结果进行激光雷达的安装标定。与现有技术相比，精度和分辨率高，克服了传统测量方法中的人为误差，无需人员控制，操作简单，节省成本。

Description

一种激光雷达的安装标定方法

技术领域

本发明涉及激光雷达领域，尤其是涉及一种激光雷达的安装标定方法。

背景技术

近年来，人工智能与数据科学给汽车工业带来了革命性的进步，智能驾驶技术得到了充分的发展。现有的导航定位系统通常使用GNSS/INS(卫星导航系统/惯性导航系统)组合系统进行导航定位，卫星导航系统通过卫星信号在全球坐标系内提供速度和位置信息，惯性导航器件通常分为加速度计和陀螺仪，可以提供载体的方向加速度和角加速度。但GNSS与INS组合导航系统仍有其缺点，当GNSS在城市峡谷或者隧道中行驶时，天线信号受到遮挡或因多路径效应导致GNSS无法定位时，单一依靠惯性器件的系统误差会随着时间延续而累积，导致载体偏离规划路径。

随着激光雷达三维扫描成像技术的发展，现在越来越多的研究者在导航系统中加入激光雷达，激光雷达具有厘米级精度，测距距离大，抗干扰能力强，根据线束的多少可以测量不同的垂直角度，现今大多数研究是利用激光雷达的数据进行障碍物聚类分类，环境感知，辅助定位等。但激光雷达获取的雷达数据是定义于激光雷达坐标系内，大多数应用必须结合其他系统如卫星导航系统/惯性导航系统。传感器安装位姿关系的确定对多传感器空间信息融合有直接影响，是研究多源融合导航定位算法的基础。为了加强导航定位系统的总体质量和精确性，校正并标定各个传感器之间的安装位置关系具有重要意义。

发明内容

本发明的目的就是为了克服上述现有技术存在的精确度低的缺陷而提供一种激光雷达的安装标定方法。

本发明的目的可以通过以下技术方案来实现：

一种激光雷达的安装标定方法，该方法包括以下步骤：

步骤S1：获取激光雷达相对于惯性导航系统的初始安装位移向量(X,Y,Z)和欧拉角(α,β,γ)；

步骤S2：获取行驶场景数据包，所述行驶场景数据包包括激光雷达坐标系数据、惯性导航系统的惯导坐标系数据和卫星导航系统的大地坐标系数据；

步骤S3：将激光雷达坐标系数据转换至大地坐标系下，获得目标物点云数据在大地坐标系下的位置；

步骤S4：将目标物点云数据在大地坐标系下的位置进行密度聚类，将相邻帧目标物点云在大地坐标系下的位置进行重合度判定，对初始参数(X,Y,Z,α,β,γ)进行迭代；

步骤S5：利用达到重合度要求的(X,Y,Z,α,β,γ)的迭代结果进行激光雷达的安装标定。

所述的欧拉角(α,β,γ)＝(0°,0°,90°)。

所述的行驶场景为具有明显特征平面的场景。

所述的将坐标系数据转换至大地坐标系下，获得目标物点云数据在大地坐标系下的位置r_i ^m(t)的计算公式为：

其中，i表示第i帧，l表示激光雷达坐标系，t表示t时刻，b表示惯导坐标系，r_l ^b为惯导坐标系中心与激光雷达坐标系中心的杆臂量，

为目标物点云数据，

为惯导坐标系中心对应的大地坐标系数据，

为惯导坐标系到导航坐标系的转换矩阵，

为导航坐标系转换至大地坐标系的转换矩阵，

为激光雷达坐标系转换到惯导坐标系下的角度转换矩阵。

所述的

为：

其中，L为经度，B为纬度。

所述的

为：

所述的密度聚类为基于Kd树最近点寻找算法优化的密度聚类算法。

所述将相邻帧目标物点云在大地坐标系下的位置进行重合度判定时，重合度越高说明本次迭代的安装标定位置越精确。

使用分步迭代法对初始参数(X,Y,Z,α,β,γ)进行迭代。

所述使用分步迭代法对初始参数(X,Y,Z,α,β,γ)进行迭代时，第一次迭代的步长大于第二次迭代的步长。

与现有技术相比，本发明具有以下优点：

(1)将卫星导航系统/惯性导航系统与激光雷达的安装标定问题转换为相邻帧的点云帧重合度问题，具有高精度和高分辨率等优点。

(2)采用的安装标定方法，克服了传统测量方法中的人为误差，无需人员控制，操作简单，具有高效性和准确性，只需采集完数据程序自动执行输出最优标定参数。

(3)采用多线激光雷达与卫星导航系统/惯性导航系统系统，无需其他的测量工具，节省成本，标定结果表明能够减少安装标定位置的误差。

附图说明

图1为本发明的流程图；

图2为本发明的坐标系转换示意图；

图3为本发明的相邻帧目标物点云重合示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

本实施例提供一种基于分步迭代法与Kd树优化的密度聚类算法(DBSCAN)寻求激光雷达最优安置参数的一种方法：对激光雷达与GNSS/INS初始安装位置进行粗略测量后通过分步迭代法迭代初始参数附近的值，并基于Kd树优化的密度聚类算法将转换到大地坐标系下的相邻帧点云集位置重合度进行判定，分步迭代过程中，寻求到第一步所得的局部最优参数后，再通过设置第二步的小范围步长，在第一步局部最优参数周边寻求全局最优解，通过相邻帧目标物点云位置重合度判定得到更为精确的安置位置。

(1)先用卷尺粗略测量激光雷达相对于惯性导航系统的初始相对安装位移向量(X,Y,Z)；由于激光雷达通常安装于雷达支架顶部，水平放置且数据导出线朝向车尾。相对于惯导坐标系(b系)的欧拉角，在ROS系统下Roll和Pitch通常设置为0，Yaw设置为顺时针90度，即(Roll,Pitch,Yaw)＝(0°,0°,90°)或(α,β,γ)＝(0°,0°,90°)。

(2)通过寻找一个有明显特征平面的行驶场景，如有墙、阶梯、树木等垂直二维平面，驾驶载有激光雷达、卫星导航系统和惯性导航系统的汽车在行驶场景内低速行驶，记录下采集到的行驶场景数据包，行驶场景数据包包括激光雷达坐标系数据、惯性导航系统的惯导坐标系数据和卫星导航系统的大地坐标系数据，然后在数据包内随机取100帧左右的激光雷达坐标系数据

相应帧的惯导坐标系数据的姿态四元数

与大地坐标系数据

实际上这些保存下来的激光雷达坐标系数据就是目标物相对激光雷达的坐标位置

将

转换到大地坐标系下，可以得到每一帧目标物点云数据在大地坐标系下的唯一对应关系，由此就搭建好了唯一的点云评判比较环境，因为大地坐标系下的坐标是唯一的。

(3)全局遍历法需要对数据的最小步长单位进行遍历，若数据量过于庞大，则对处理系统而言压力较大且耗时较长。分步迭代法先在区间内求出局部最优解，再在局部最优解周边寻求全局最优解，与全局遍历法相比加快了遍历速度，提高了效率。设置迭代步长与上下限，对初始参数(X,Y,Z,α,β,γ)中的每一个分量依次通过分步迭代法迭代附近的值。先设置第一次迭代的步长，第一次迭代的步长可以设置大一些做大范围粗略的迭代，如表1所示。

表1分步迭代法第一次迭代与第二次迭代最优步长

通过公式

并基于Kd树最近点寻找算法优化的密度聚类算法(DBSCAN)，将转换到大地坐标系下的相邻帧目标物的位置重合度进行评价，若两帧内目标物的重合度越高，则说明本次迭代的安装位置越精确，保留相应的安装参数。

(4)寻求到局部最优参数后，再通过设置第二步的小范围步长，如表1所示，在局部最优参数周边寻求全局最优解，采用与第(3)步的方法对目标物的位置重合度进行评价，获得达到重合度要求的迭代结果。

具体而言：

如图2所示，1是位置A，2是位置B，3是激光雷达坐标系(l系)，4是惯导坐标系(b系)，5是车辆的行驶轨迹线，6是位置A投射的第二目标物，7是位置B投射的第二目标物，8是位置A投射的第一目标物，9是位置B投射的第一目标物。粗略测量初始参数(X,Y,Z,α,β,γ)，对每个分量进行分步迭代。在位置A与位置B下通过激光雷达对目标物进行扫描，利用GNSS/INS给出的姿态四元数与大地坐标系将6、7、8、9转换到大地坐标系下，使用基于Kd树最近点寻找算法优化的密度聚类算法(DBSCAN)将转换到大地坐标系下的相邻帧目标物的位置重合度进行判断，点云重合度越高则保留当前迭代的安置参数，直到六个分量都完成了最优求解。

坐标系转换的理论推导如下：如图3所示，10是激光雷达，11是目标物的点云数据，12是GNSS/INS，13是大地坐标系。

目标物点云数据在大地坐标系下的位置r_i ^m(t)的计算公式为：

其中，i表示第i帧，l表示激光雷达坐标系，t表示t时刻，b表示惯导坐标系，r_l ^b为惯导坐标系中心与激光雷达坐标系中心的杆臂量，

为目标物点云数据，

为惯导坐标系中心对应的大地坐标系数据，

为惯导坐标系到导航坐标系的转换矩阵，

为导航坐标系转换至大地坐标系的转换矩阵，

为激光雷达坐标系转换到惯导坐标系下的角度转换矩阵。

为：

其中，L为经度，B为纬度。

为：

r_l ^b和

为标定过程的待求解目标量，最终反演出最优的(X,Y,Z,α,β,γ)。

本实施例的方法具有以下优点：

将卫星导航系统/惯性导航系统与激光雷达的安装标定问题转换为相邻帧的点云帧重合度问题，具有高精度和高分辨率等优点；克服了传统测量方法中的人为误差，无需人员控制，操作简单，具有高效性和准确性；无需其他的测量工具，节省成本。

Claims (10)

1.一种激光雷达的安装标定方法，其特征在于，该方法包括以下步骤：

步骤S1：获取激光雷达相对于惯性导航系统的初始安装位移向量(X,Y,Z)和欧拉角(α,β,γ)；

步骤S2：获取行驶场景数据包，所述行驶场景数据包包括激光雷达坐标系数据、惯性导航系统的惯导坐标系数据和卫星导航系统的大地坐标系数据；

步骤S3：将激光雷达坐标系数据转换至大地坐标系下，获得目标物点云数据在大地坐标系下的位置；

步骤S4：将目标物点云数据在大地坐标系下的位置进行密度聚类，将相邻帧目标物点云在大地坐标系下的位置进行重合度判定，对初始参数(X,Y,Z,α,β,γ)进行迭代；

步骤S5：利用达到重合度要求的(X,Y,Z,α,β,γ)的迭代结果进行激光雷达的安装标定。

2.根据权利要求1所述的一种激光雷达的安装标定方法，其特征在于，所述的欧拉角(α,β,γ)＝(0°,0°,90°)。

3.根据权利要求1所述的一种激光雷达的安装标定方法，其特征在于，所述的行驶场景为具有明显特征平面的场景。

4.根据权利要求1所述的一种激光雷达的安装标定方法，其特征在于，所述的将坐标系数据转换至大地坐标系下，获得目标物点云数据在大地坐标系下的位置r_i ^m(t)的计算公式为：

其中，i表示第i帧，l表示激光雷达坐标系，t表示t时刻，b表示惯导坐标系，r_l ^b为惯导坐标系中心与激光雷达坐标系中心的杆臂量，

为目标物点云数据，

为惯导坐标系中心对应的大地坐标系数据，

为惯导坐标系到导航坐标系的转换矩阵，

为导航坐标系转换至大地坐标系的转换矩阵，

为激光雷达坐标系转换到惯导坐标系下的角度转换矩阵。

5.根据权利要求4所述的一种激光雷达的安装标定方法，其特征在于，所述的

为：

其中，L为经度，B为纬度。

6.根据权利要求4所述的一种激光雷达的安装标定方法，其特征在于，所述的

为：

7.根据权利要求1所述的一种激光雷达的安装标定方法，其特征在于，所述的密度聚类为基于Kd树最近点寻找算法优化的密度聚类算法。

8.根据权利要求1所述的一种激光雷达的安装标定方法，其特征在于，所述将相邻帧目标物点云在大地坐标系下的位置进行重合度判定时，重合度越高说明本次迭代的安装标定位置越精确。

9.根据权利要求1所述的一种激光雷达的安装标定方法，其特征在于，使用分步迭代法对初始参数(X,Y,Z,α,β,γ)进行迭代。

10.根据权利要求9所述的一种激光雷达的安装标定方法，其特征在于，所述使用分步迭代法对初始参数(X,Y,Z,α,β,γ)进行迭代时，第一次迭代的步长大于第二次迭代的步长。

Images