CN111693968A - 一种车载三维激光雷达系统外参的系统化标定方法 - Google Patents

Abstract

本发明提供了一种车载三维激光雷达系统外参的系统化标定方法，包括数据采集部分、数据前处理部分以及数据后处理优化部分。所述数据采集部分为利用特制靶标以及三维激光雷达获取所需的点云数据；所述数据前处理部分获取靶标的空间运动轨迹；所述数据后处理优化部分为利用ICP配准算法对靶标的空间运动轨迹进行优化，得到三维激光雷达之间位置关系的精确值。本发明利用物体空间轨迹完成激光雷达标定，仅使用一个特制靶标，无需考虑标定过程中的时间同步问题，能够有效降低标定成本和复杂程度，提高标定的自动化程度。

Description

一种车载三维激光雷达系统外参的系统化标定方法

技术领域

本发明属于设备标定技术领域，具体涉及一种车载三维激光雷达系统外参的系统化标定方法。

背景技术

目前智能汽车对环境的感知广泛使用三维激光雷达，三维激光雷达通过激光获取环境信息，并以点云的形式存储，有着测量精度高、测距范围广，且不易受环境光线影响的特征，在智能车辆障碍物检测、即时定位与建图方法有着广泛的应用。

一般而言，车载三维激光雷达系统由一台安装于车辆顶部的主激光雷达和多台安装于其他位置的辅助主激光雷达组成，每个激光雷达分别对环境进行检测，可以减少车辆对环境探测的死角。为了将多台激光雷达的检测数据进行融合处理，需要将点云数据统一到同一个坐标系下，此时以主激光雷达为参考坐标系，需要将多个辅助激光雷达与主激光雷达之间的姿态转换参数进行标定，姿态转换参数可以使用旋转矩阵R和平移向量t表示。

标定是智能车辆通过传感器正确感知外界环境的基础工作。激光雷达之间标定精度越高，获取的环境信息就越准确，有助于提高后续基于点云数据的环境识别工作的准确度。对多个激光雷达进行标定的常见方法有：分别将每一个激光雷达与车体坐标系进行标定，或者利用每个激光雷达对环境建模后进行配准计算转换参数；这些方法在实际应用中，成本高、过程复杂繁琐、自动化程度低，很难形成系统化的标定方法。

发明内容

针对现有技术中存在不足，本发明提供了一种车载三维激光雷达系统外参的系统化标定方法，利用靶标在三维激光雷达系统中运动的空间轨迹约束，求解多个三维激光雷达的空间关系；该方法能够解决现有的激光雷达外参标定过程繁琐、成本高，自动化程度低的问题。

本发明是通过以下技术手段实现上述技术目的的。

一种车载三维激光雷达系统外参的系统化标定方法，包括靶标运动过程中激光雷达点云数据的采集、数据前处理以及数据后处理优化，具体为：

S1，在主激光雷达和辅助激光雷达重叠视野中移动靶标，主激光雷达和辅助激光雷达采集可视范围内的数据，并传输给工控机的机器人操作系统ROS，所述ROS记录靶标移动的点云数据；

S2，对主辅激光雷达点云数据进行背景滤除，提取出靶标平面点云信息，对靶标的圆孔进行拟合，获取圆孔圆心在三维激光雷达空间坐标系中的三维空间坐标，将所有圆心的三维空间坐标按照时间顺序排列，得到靶标运动轨迹；

S3，采用ICP配准算法对前处理之后的两组靶标运动轨迹进行匹配，找到两组轨迹所有可能的匹配段，计算每一组匹配段的均方误差，选取均方误差最小的一组作为最优匹配段，在最优匹配段进行迭代优化，得到两组轨迹的转换关系R和平移向量t，即为主辅激光雷达之间的标定参数。

进一步，所述对两组激光雷达点云数据进行滤除，具体为：将点云数据中静态背景滤除，再滤除孤立的杂点信息，保留标定板处的点云数据。

更进一步，所述提取出靶标平面点云信息，具体为：对滤除杂点之后的每帧点云文件进行平面拟合，提取符合靶标平面特征的点集，并记录为此时刻靶标的平面点云信息。

更进一步，所述对靶标的圆孔进行拟合，具体为：利用霍夫圆变换把投影到二维平面的点云数据进行圆拟合，提取符合圆孔特征的数据，利用这些数据对圆孔进行拟合，将圆孔反投影到三维点云空间中，获取圆孔的圆心在三维激光雷达空间坐标系中的三维空间坐标。

更进一步，所述获取圆心的三维空间坐标，能用于对比拟合半径和靶标半径，判定拟合是否正确。

进一步，所述S2还包括：将一组靶标运动轨迹按时间进行裁剪，使其开始时间晚于另一组靶标运动轨迹，结束时间早于另一组靶标运动轨迹。

进一步，所述每一组匹配段的均方误差获取过程为：取出一组靶标运动轨迹中的1，…，N点以及另一组靶标运动轨迹中的所有点，计算所有对应点的位置距离平方和，作为匹配的均方误差，所述对应点指的是辅助激光雷达标系下的轨迹点与其在主激光雷达坐标系下的轨迹点；取出一组靶标运动轨迹中的2，…，N+1点和另一组靶标运动轨迹中的所有点，获取此次匹配的均方误差，直到取出一组靶标运动轨迹中的M-N+1，…，M点与另一组靶标运动轨迹中的所有点；所述M为一组靶标运动轨迹中的轨迹点数，N为另一组靶标运动轨迹中的轨迹点数。

进一步，该方法还包括：重复S1-S3，得到的多组轨迹标定结果进行取平均值优化，将优化后得到的结果作为三维激光雷达之间的精标定结果。

本发明的有益效果为：本发明使用靶标在空间中的运动轨迹实现车载三维激光雷达系统外参的标定，使用RANSAC算法在滤除背景信息后的每一帧激光雷达点云中提取属于靶标平面的点云，并在此基础上利用霍夫圆变换对靶标圆孔进行拟合，得到圆孔的圆心在激光雷达坐标系下的三维空间坐标，多个圆心的三维空间坐标按照时间顺序排列，得到靶标的空间运动轨迹；ICP配准算法用于配准主激光雷达和辅助激光雷达采集并经过处理后得到的靶标空间运动轨迹，得到两组轨迹的转换矩阵R和平移向量t，即两组三维激光雷达的空间关系。靶标可以利用机器实现自动化运动，点云数据的前处理和后处理也完全无需人工干预，因此复杂程度低、成本低、自动化程度高，能有效节省车载三维激光雷达系统的安装时间，提高其工作精度。

附图说明

图1为本发明车载三维激光雷达系统外参的系统化标定流程图；

图2为本发明所述靶标示意图；

图3为本发明所述车载三维激光雷达系统配置与标定示意图；

图4为本发明所述轨迹匹配示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明采用车载三维激光雷达系统、特制靶标和工控机(车载工控机安装机器人操作系统ROS，把激光雷达采集的数据进行保存并转换为点云数据，工控机对点云数据进行处理)，车载三维激光雷达系统采集可视范围内的数据传输给工控机，工控机中运行RANSAC算法和ICP配准算法；使用RANSAC(随机采样一致性)算法在滤除背景信息后的每一帧激光雷达点云中提取属于靶标平面的点云，并在此基础上利用霍夫圆变换对靶标圆孔进行拟合，得到圆孔的圆心在激光雷达坐标系下的三维空间坐标，多个圆心的三维空间坐标按照时间顺序排列，得到靶标的空间运动轨迹；ICP配准算法用于配准主激光雷达和辅助激光雷达采集并经过处理后得到的靶标空间运动轨迹，得到两组轨迹的转换矩阵R和平移向量t，即两组三维激光雷达的空间关系，从而实现一种车载三维激光雷达系统外参的系统化标定方法。所述车载三维激光雷达系统包括一台安装于车辆顶部的主激光雷达以及多台安装于车辆其他位置角度的辅助激光雷达。

如图1所示，一种车载三维激光雷达系统外参的系统化标定方法，包括靶标运动过程中激光雷达点云数据的采集、数据前处理部分以及数据后处理优化部分。无需对传感器进行特殊处理，无需使用特定的标定环境，仅使用如图2所示的特制靶标，就可以完成多个激光雷达外参的标定。标定成本和复杂程度相较于其他方法比较低，因此特别适用于车载三维激光雷达系统的外参标定。

本发明采用如图2所示的特制标定板作为靶标，在方形标定板中心开设一个大小固定且直径已知的圆孔，圆孔的直径d大于激光雷达的测量精度；在本实施例中，圆孔的直径d＝40cm，方形标定板的边缘最薄处约为10cm。

本实施例以车载三维激光雷达系统中需要进行标定的激光雷达A、B为例进行说明，激光雷达A作为主激光雷达，激光雷达B作为辅助激光雷达。一种车载三维激光雷达系统外参的系统化标定方法，具体包括以下步骤：

S1，如图3所示，激光雷达A和激光雷达B在安装时，需要具有一定范围的重叠视野，在重叠视野中移动标定板，保持标定板平面的法向量指向两个激光雷达自身坐标系原点连线的中心，使得标定板能够尽可能接收到较多的点云点数。车载激光雷达系统采集完数据后，发送给工控机，工控机中的机器人操作系统ROS作为底层数据传输模块，ROS中驱动激光雷达A、B，获取车载激光雷达系统采集的数据，采集的数据直接保存成数据包的形式，并可以在后期处理中转换为以帧为单位的点云数据格式。

数据采集包括如下步骤：(1)标定板固定在机器滑轨上，机器滑轨可以机动调节标定板的横向、纵向位置以及高度，使用机器滑轨带动标定板在雷达重叠视野中缓慢匀速的运动，运动过程中标定板平面的法向量始终指向两个激光雷达自身坐标系原点连线的中心，其运动的空间轨迹复杂且具有一般性(例如轨迹为空间曲线)；为了数据具有较好的通用性，标定板需要跨越两激光雷达重叠视野整个范围；(2)两个激光雷达在标定板运动开始时进行数据采集，ROS记录标定板运动的点云数据，以数据包的形式存储。

S2，所述数据前处理部分，将S1得到的两组激光雷达点云数据进行处理，提取属于靶标平面的点云，再利用霍夫圆变换对靶标圆孔进行拟合，得到圆孔圆心在此激光雷达坐标系下的三维空间坐标，多个圆心的三维空间坐标按照时间顺序排列，得到靶标的空间运动轨迹；再通过对ROS记录时间的截取，使得其中一组离散轨迹点的记录时间段包含另一组离散轨迹点时间段。在处理激光雷达A、B采集标定板移动过程的点云数据时，激光雷达A、B的数据处理方式一致。具体为：

S2.1，将ROS记录的点云数据原始文件进行处理：将S1中记录的标定板运动点云数据进行解析和处理，保留打在标定板上的点云数据，滤除干扰数据处理的背景部分，具体为：使用前后帧对比和欧式聚类，将点云数据中静态背景滤除，初步滤除之后，会残留一些杂点数据，此时对初步滤除后的点云采用离群点滤波器，滤除掉孤立的杂点信息，保留标定板处的点云数据。

S2.2，将S2.1中保留标定板处的点云数据按照时间顺序分割为独立的每帧文件，每帧点云文件可以视为记录了标定板在当前时刻下的点云数据。

S2.3，按照时间顺序对分割后每帧点云进行处理，目的是提取标定板平面点云，采用的具体方法为：使用随机采样一致性算法对S2.1滤除杂点之后的每帧点云文件进行平面拟合，此步骤具有两个作用，一是拟合点云数据中的最大平面，可以进一步去除S2.1中的离群点滤波器未能处理的杂点信息；二是通过拟合得到的属于标定板平面的点云，是记录标定板空间位置的点云，通过此步骤可以对此时刻标定板的位置进行判定和记录。拟合得到平面点云之后，提取符合标定板平面特征的点集保存，将其记录为此时刻标定板的点云信息，方便后续步骤的处理。

S2.4，利用2.3得到的标定板点云信息对标定板的圆孔进行拟合，因为采用的标定板是一种平面标定板，此时可以将点云数据投影到二维平面中，利用霍夫圆变换算法对把投影到二维平面后的点云数据进行圆拟合，提取符合圆孔特征的数据，并利用这些数据对圆孔进行拟合，拟合得到圆孔信息之后，将其反投影到三维点云空间中，获取圆孔的圆心在三维激光雷达空间坐标系中的三维空间坐标。因为标定板上圆孔大小已知，可以在此时对拟合半径和靶标半径进行对比，判定拟合是否正确；若拟合不正确，则重新执行S2.4。

S2.5，最后提取拟合圆心的三维空间坐标，并利用这个坐标表示当前标定板的空间三维信息，同样，每一帧点云数据均可以提取出当前标定板的圆心三维空间坐标，将三维空间坐标按照时间顺序排列，得到标定板运动的空间离散轨迹点。每一个激光雷达提供的数据均可以得到一组轨迹点，将激光雷达A得到的空间离散轨迹点称为轨迹A、激光雷达B得到的空间离散轨迹点称为轨迹B(图4)，这两组轨迹本质上是同一个标定板空间运动轨迹在不同位置下的激光雷达的观测值。

为了方便后续的空间轨迹配准处理，将轨迹B按时间进行裁剪，使其开始时间晚于轨迹A、结束时间早于轨迹A，即使得轨迹A的记录时间包含轨迹B的记录时间。

S3、所述数据后处理部分：由于S2得到的两组标定板轨迹在空间中具有一致性，两个轨迹在各自激光雷达坐标系下的坐标之间存在一定的转换关系，可以使用旋转矩阵R和平移向量t表示该转换关系。后处理步骤中首先以遍历的方式选出两组轨迹点所有可能的匹配段，同时利用ICP(最近点迭代)配准算法计算每一组匹配段的均方误差，选取均方误差最小的一组作为最优匹配段，最后在最优匹配段进行迭代优化得到两组轨迹的转换关系R和平移向量t，即为主辅激光雷达之间的标定参数。具体做法为：

S3.1，设S2.5得到的两组轨迹A、B的轨迹点数分别为M、N，每个轨迹点带有各自的时间戳，由于S2最后进行的轨迹裁剪步骤，可知轨迹B的时间段包含在轨迹A的时间段中，同时两个激光雷达频率一致，因此易得M＞N。

S3.2，取出轨迹A中的1，…，N点以及轨迹B中的所有点，利用ICP配准算法对两组数据进行匹配；由于轨迹中的点按照时间顺序排列，因此在ICP算法中直接将点按照顺序进行关联，首先计算主激光雷达A和辅助激光雷达B下的三维空间轨迹点的质心坐标

和

(i指代轨迹点)，将两组轨迹中每个点进行去质心处理，得到p_i′＝p_i-p，q′_i＝q_i-q；旋转矩阵R的求解转化为以下优化问题：

求解此优化公式，得到旋转矩阵R^﹡；平移向量t^﹡使用t^*＝p-Rq计算。利用计算得到的R^﹡和t^﹡将辅助激光雷达轨迹数据坐标转换到主激光雷达坐标系下，并计算所有对应点的位置距离平方和作为匹配的均方误差，对应点指的是辅助激光雷达标系下的轨迹点与转换在主激光雷达坐标系下的轨迹点。

S3.3，再次取出轨迹A中的2，…，N+1点和轨迹B中的所有点，按照S3.2中的方法获取此次匹配的均方误差；一直重复到取出轨迹A中的M-N+1，…，M点与轨迹B中的所有点进行匹配计算。

S3.4，选出S3.3中均方误差最小的一组，认为在这一组匹配中两组轨迹实现了最优匹配，记录此时从轨迹A选取的轨迹点，用此段中的轨迹点再次与轨迹B进行配准优化，这样可以得到轨迹B到轨迹A的转换关系，即转换矩阵R和平移向量t，将这组数据作为两组激光雷达的一组标定结果。

重复S1-S3，得到的多组轨迹标定结果进行取平均值优化，将优化后得到的结果作为两组三维激光雷达之间的精标定结果。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (8)

1.一种车载三维激光雷达系统外参的系统化标定方法，其特征在于，包括靶标运动过程中激光雷达点云数据的采集、数据前处理以及数据后处理优化，具体为：

S1，在主激光雷达和辅助激光雷达重叠视野中移动靶标，主激光雷达和辅助激光雷达采集可视范围内的数据，并传输给工控机的机器人操作系统ROS，所述ROS记录靶标移动的点云数据；

S2，对主辅激光雷达点云数据进行背景滤除，提取出靶标平面点云信息，对靶标的圆孔进行拟合，获取圆孔圆心在三维激光雷达空间坐标系中的三维空间坐标，将所有圆心的三维空间坐标按照时间顺序排列，得到靶标运动轨迹；

S3，采用ICP配准算法对前处理之后的两组靶标运动轨迹进行匹配，找到两组轨迹所有可能的匹配段，计算每一组匹配段的均方误差，选取均方误差最小的一组作为最优匹配段，在最优匹配段进行迭代优化，得到两组轨迹的转换关系R和平移向量t，即为主辅激光雷达之间的标定参数。

2.根据权利要求1所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，所述对两组激光雷达点云数据进行滤除，具体为：将点云数据中静态背景滤除，再滤除孤立的杂点信息，保留标定板处的点云数据。

3.根据权利要求2所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，所述提取出靶标平面点云信息，具体为：对滤除杂点之后的每帧点云文件进行平面拟合，提取符合靶标平面特征的点集，并记录为此时刻靶标的平面点云信息。

4.根据权利要求3所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，所述对靶标的圆孔进行拟合，具体为：利用霍夫圆变换把投影到二维平面的点云数据进行圆拟合，提取符合圆孔特征的数据，利用这些数据对圆孔进行拟合，将圆孔反投影到三维点云空间中，获取圆孔的圆心在三维激光雷达空间坐标系中的三维空间坐标。

5.根据权利要求4所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，所述获取圆心的三维空间坐标，能用于对比拟合半径和靶标半径，判定拟合是否正确。

6.根据权利要求1所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，所述S2还包括：将一组靶标运动轨迹按时间进行裁剪，使其开始时间晚于另一组靶标运动轨迹，结束时间早于另一组靶标运动轨迹。

7.根据权利要求1所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，所述每一组匹配段的均方误差获取过程为：取出一组靶标运动轨迹中的1，…，N点以及另一组靶标运动轨迹中的所有点，计算所有对应点的位置距离平方和，作为匹配的均方误差，所述对应点指的是辅助激光雷达标系下的轨迹点与其在主激光雷达坐标系下的轨迹点；取出一组靶标运动轨迹中的2，…，N+1点和另一组靶标运动轨迹中的所有点，获取此次匹配的均方误差，直到取出一组靶标运动轨迹中的M-N+1，…，M点与另一组靶标运动轨迹中的所有点；所述M为一组靶标运动轨迹中的轨迹点数，N为另一组靶标运动轨迹中的轨迹点数。

8.根据权利要求1所述的车载三维激光雷达系统外参的系统化标定方法，其特征在于，该方法还包括：重复S1-S3，得到的多组轨迹标定结果进行取平均值优化，将优化后得到的结果作为三维激光雷达之间的精标定结果。

Images