CN116068538A - 一种用于批量式车辆激光雷达的可调节标定系统和方法 - Google Patents

Abstract

本发明提供了一种用于批量式车辆激光雷达的可调节标定系统和方法，包括龙门式框架、标定板、角反射器、目标板；标定板、角反射器活动连接在龙门式框架活动连接；标定板、角反射器、目标板相对于测试车辆的位置可调节。本发明有益效果：一种用于批量式车辆激光雷达的可调节标定系统，主要应用在已安装激光雷达的智能驾驶车辆上的标定使用，通过此设备，辅助测试智能驾驶车辆激光雷达识别系统检测激光雷达所处真实工况下周围环境的影响，以测试每个智能驾驶车辆激光雷达在复杂环境下的准确度和精度，便于所述激光接收模块用于采集外部信息并将其准确的传输至所述智能驾驶车辆数据处理单元。

Description

一种用于批量式车辆激光雷达的可调节标定系统和方法

技术领域

本发明属于智能驾驶车辆激光雷达传感器系统技术领域，尤其是涉及一种用于批量式车辆激光雷达的可调节标定系统和方法。

背景技术

激光雷达具有高精度，高分辨率的测量优点，在智能驾驶汽车领域得到了广泛的应用。智能驾驶车上配备了先进的车载传感器，控制器，执行器等设备。同时集成了现代通信和网络技术，使车辆与车辆之间，道路与道路之间以及后台之间都能进行智能信息的交换与共享，达到安全，舒适，节能，高效运行。最终伴随着智能驾驶车市场占有率逐年提高，技术逐步成熟化以及产品价格趋低，未来全球搭载此种技术的车型会非常多。

在智能驾驶车辆上通过搭载激光雷达获取到的大量的雷达海量数据，给智能驾驶车辆提供更多实时感知数据。目前在智能网联车辆安装激光雷达设备，首先进行激光雷达标定校准，然后再将其固定设置于车顶。标定是指各传感器在协同工作时需统一坐标系并需对各传感器外参进行估算。因此，在智能驾驶车辆的后市场上需引入激光传感器安装校准服务的平台。然而，目前在智能驾驶车辆上激光雷达标定设备技术发展还不完善过程中仍出现的问题：

①因不同智能驾驶车系间，同一车系内不同车辆间车顶尺寸以及不同车型之间的激光雷达尺寸均有差别，所以针对车系间待测车辆均需经常对车顶激光雷达标定结构进行安装定位。这样不仅会影响到整个车载激光系统的正常工作，而且还浪费了巨大的人力成本与时间成本。

②传统的激光雷达标定板一般人工手持标定，激光雷达标定在雷达厂商上进行标定，但是雷达安装在智能驾驶车辆时标定未有和校准作业复杂且准确度不高，对该智能网联车传感器进行标定和安装作业极不方便，很难实现同批车辆中的批量标定。导致标定试验调节试验测试周期长，试验数据不精准。

③目前标定方法及标定设备技术发展还不完善，缺乏装置来辅助标定方法来实现对激光雷达进行标定。

④目前有很多检测机构在封闭区域和道路上进行测试，但是在冬季降雪等极寒条件下测试是极少的。激光雷达也会受到雪天、雾天等限制，发射的光脉冲遇到雪花等会进行反射回来，激光透波率会随着降雪密度的增加而下降，激光雷达的点云上也会跟着出现这些块状点云而误判为障碍物。导致激光雷达的点云异常并缩短探测距离，使车辆产生错误决策。甚至严重情况激光雷达会将其误认为障碍物，这样会干扰智能驾驶车辆对周围环境的判断。此外，在极寒条件下，路面积雪积冰，会导致路面反射混乱，从而发生激光雷达感知混淆，物体误判等情况。

发明内容

有鉴于此，本发明旨在提出一种用于批量式车辆激光雷达的可调节标定系统和方法，以至少解决背景技术中的至少一个问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种用于批量式车辆激光雷达的可调节标定系统，包括龙门式框架、标定板、角反射器、目标板；

标定板、角反射器活动连接在龙门式框架活动连接；

标定板、角反射器、目标板相对于测试车辆的位置可调节。

进一步的，包括对中装置，所述对中装置包括承重钢板架以及设置在承重钢板架上的前对中结构、后对中装置、前摆正定位器、后摆正定位器、防护固定装置；

前对中结构、后对中装置包括多个沿车轮宽度方向设置的多个钢辊，车轮在钢辊上横向运动；

前摆正定位器靠近前对中结构一端设置有第一推板，第一推板与防护固定装置之间形成汽车前轮的放置位；

后摆正定位器靠近后对中装置一端设置有第二推板，第二推板与防护固定装置之间形成汽车后轮的放置位。

进一步的，所述龙门式框架与标定板之间、龙门式框架与角反射器之间通过第一连接装置连接；

第一连接装置包括框架支腿、框架走台栏杆、框架滑枕、框架磨头电机、第一XZ轴连接板；

框架走台栏杆水平设置在框架支腿上方，

所述框架磨头电机与所述控制装置相连接，利用控制装置控制框架滑枕的位置；所述框架支腿支撑框架走台栏杆，使得系统稳定；所述框架走台栏杆用于约束并提供框架滑枕滑动通道；所述框架滑枕用于上下移动；所述框架磨头电机用于驱动；

框架磨头电机安装在第一XZ轴连接板上，框架走台栏杆朝向框架磨头电机一侧设置有第一水平滑槽，第一水平滑槽上设置有齿条，齿条的齿纹向内设置；

框架磨头电机的输出轴连接有与齿条啮合的齿轮；

齿条的背棱上表面高于框架走台栏杆的上表面，第一XZ轴连接板背面设置有滚轮轴承，辊轮轴承通过凹槽架设在齿条的背棱上。

进一步的，龙门式框架与角反射器之间通过第二连接装置连接，第二连接装置的结构与第一连接装置结构相同；

第二连接装置包括框架支腿、框架走台栏杆、框架滑枕、框架磨头电机、第一XZ轴连接板；

框架走台栏杆水平设置在框架支腿上方，

所述框架磨头电机与所述控制装置相连接，利用控制装置控制框架滑枕的位置；所述框架支腿支撑框架走台栏杆，使得系统稳定；所述框架走台栏杆用于约束并提供框架滑枕滑动通道；所述框架滑枕用于上下移动；所述框架磨头电机用于驱动；

框架磨头电机安装在第一XZ轴连接板上，框架走台栏杆朝向框架磨头电机一侧设置有第一水平滑槽，第一水平滑槽上设置有齿条，齿条的齿纹向内设置；

框架磨头电机的输出轴连接有与齿条啮合的齿轮；

齿条的背棱上表面高于框架走台栏杆的上表面，第一XZ轴连接板背面设置有滚轮轴承，辊轮轴承通过凹槽架设在齿条的背棱上。

进一步的，第一XZ轴连接板上还设置有一个用于间接带动标定板和角反射器的框架磨头电机，标定板和角反射器安装在框架滑枕上；

框架滑枕朝向框架磨头电机一侧设置有第一水平滑槽，第一水平滑槽上两侧设置有齿条，齿条的齿纹向内设置；

框架磨头电机的输出轴连接有与齿条啮合的齿轮；

第一XZ轴连接板背面设置有滚轮轴承，辊轮轴承通过凹槽与齿条的背棱接触。

进一步的，标定板背面还设置有腰型板调节机构、铝型杆、含有铰接孔的连接件、螺栓，标定板通过腰型板调节机构与框架滑枕连接。

进一步的，角反射器背面还设置有腰型板调节机构，角反射器通过腰型板调节机构与框架滑枕连接。

进一步的，目标板设置在测试车辆的侧方，所述目标板上设置有反射材料层，包括黑色丝绒片、海报板和钻石反光片。

进一步的，本方案公开了一种用于批量式车辆激光雷达的可调节标定方法，基于一种用于批量式车辆激光雷达的可调节标定系统，包括以下步骤：

S1、将被测智能驾驶车辆驶入到能模拟天气的试验场，提前在试验场需布置标定系统，被测试智能驾驶车辆上安装一个已正常运行至少分钟的激光雷达；

S2、将智能驾驶车辆驶入对中装置上，通过控制控制装置，使用扫码枪对车辆识别码进行扫一扫VIN，确定车辆型号并将扫码枪自动将VIN码输入上位机标定软件；

S3、通过使用可调节装置、第二连接装置、具有三种互补反射材料的目标板，系统采用离散时间IMU状态传播模型和扩展卡尔曼滤波器EKF相结合的方法用于智能驾驶车辆D激光雷达标定；

S4、将具有三种互补反射材料的目标板，收集智能驾驶车辆激光雷达超过10秒的完全静态数据，并对数据进行定性评估每个标记距离生成的累积点云的准确性和精度。

进一步的，在步骤S1中，具体方法如下：

将被测试智能驾驶车辆驶入模拟天气的实验室，实验室温度控制的，模拟天气的实验室可模拟多种天气条件，包括雨、雾和强光，被测试智能驾驶车辆上安装一个已正常运行至少30分钟的激光雷达，激光雷达安装在智能驾驶车辆的顶部，以尽量减少由于内部温度变化而导致的测量尺度漂移。

模拟天气的试验场全年平均气温低于-20度，极端最低气温可达-50度，为智能驾驶车辆极寒耐冷型检验检测提供测试环境。

将被测试智能驾驶车辆上的激光雷达传感器与其他传感器一起用螺栓固定在一块板上，该板上牢固地安装在智能驾驶车辆顶部，安装在静止的智能驾驶车辆上，从而使收集的数据更加真实。

进一步的，在步骤S3中，具体方法如下：

智能驾驶车辆如果搭载多个每个激光雷达，每个需单独测试，以消除激光雷达之间干扰的可能性。

采用离散时间IMU状态传播模型和扩展卡尔曼滤波器EKF相结合的标定方法不需要任何校准目标或特定的环境特征来进行智能驾驶车辆激光雷达和IMU的外部校准，本算法不依赖于如GPS/GNSS辅助姿态传感器的使用。

在标定系统方法中，利用激光雷达和IMU的运动校准（Motioncalibration）的约束条件，并且不依赖任何的辅助传感器，如GPS和GNSS的使用。在本方法中的约束方程如下：

（等1）；

其中，是两个激光雷达之间扫描的运动，是IMU所扫描的运动，由于传感器在空间上被一个刚性材料的固定进而产生约束，其中，

；

；

；

属于三维特殊正交子集，是指三维旋转矩阵构成的特殊欧式正交群。是一个转换常量，利用约束方程的旋转部分来初始化传感器之间的旋转。并且使用这一初始化，采用基于卡尔曼滤波的算法来估计传感器之间的平移。

所以，将目标转换成确定激光雷达的6自由度，即激光雷达和IMU之间的外在校准，指由一个平移加上元素构成的向量。将标校准划分为传感器之间的旋转参数初始化，基于扩展的卡尔曼滤波进行传感器外参校准的全局姿态估计。

在传感器之间的旋转参数初始化，为了充分获得旋转矩阵的估计值，估计IMU和雷达雷达之间的旋转的初始化。通过基于运动的旋转分量的激光雷达来校准约束。其中，旋转分量：

；

为了方便进一步算法具体实现，使用轴角表示方法来表示传感器之间的旋转。上述公式重新表述为：

；

其中，和是激光雷达垂直轴的角度的代表。采用NDT激光雷达的扫描匹配估计连续的激光雷达的旋转和两个扫描瞬间的陀螺仪测量值来估计IMU旋转。对于每个，在约束条件上相加以及相对应的：

；

并且使用非线性最小平方求解器，来解决上式公式的优化问题。最小平方求解器公式如下：

；

其中，传感器的旋转和用来估计具有的缺点。是从激光雷达扫描的NDT扫描匹配中得到的，由于传感器在运动过程中采集的数据会有明显的运动失真，通过以上步骤只提供了明显的估计，之后需要通过基于扩展的卡尔曼滤波进行传感器外参校准的全局姿态估计。

激光雷达传感器全局姿态估计取决于车辆IMU的平移的加速度计的测量双重积分。而在不了解偏差的情况下，采用双重积分会带来很大的误差。本方法采用扩展卡尔曼滤波EKF，估计以及，并且估计加速度计和陀螺仪的偏差，以及估计激光雷达扫描的时刻和速度，估计状态表达式：

；

其中，指的是激光雷达扫描的数量。是IMU的状态，代表扫描的时间戳。采用扩展卡尔曼滤波的状态向量的组成部分和静态部分状态向量组成部分组成：

；

其中，是IMU方向的单位四元数，是IMU方向相对于世界坐标系的框架。和是IMU的速度和位置矢量。和是IMU陀螺仪和加速度器的偏置矢量。EKF静态部分状态向量是IMU外在的校准。参数化是由旋转矩阵和平移矢量组成的。但是在EKF的表述中，我们将旋转作为一个单位四元数。

采用离散时间来实现传播EKF状态的，从IMU时间戳到的陀螺仪和加速器的测量和。假设其在整个过程中是恒定的，IMU的采样周期，有以下公式：

；

；

；

其中，

；；；；

三维激光雷达通过旋转机构依次生成点进行测量，当激光雷达移动时，它产生的原始扫描会受到运动失真的影响。标定激光数据的过程要求在激光雷达扫描中，每个三维点都是从一个时间上唯一测量出来的，并且带有位于两个相邻扫描时间的时间戳来预测IMU在时间戳上的姿态。一旦拥有IMU在时间上的姿态估计，我们就使用外参参数来校准来估计激光雷达的姿态，利用运动约束来完成。假定考虑一个点在扫描时间戳，对约束方程进行处理，并且使用它来估计激光雷达的运动和扫描时间戳。用于被变换点以获得去倾斜激光雷达扫描。

；

其中，是在该时刻外部校准的最佳估计值，是扫描时间戳处IMU姿态的估计值。是IMU在时间戳点的姿态，通过IMU状态方程获得。

在对激光雷达扫描匹配进行纠正后，采用无损检测来进行扫描匹配，来生成激光雷达运动估计的值。激光雷达扫描连续在和之间。我们使用这些激光雷达运动估计作为EKF状态更新量。

状态更新模块需要了解测量模型、测量残差和关于状态变量的测量雅可比。在测量模型和测量残差中，出于空间考虑，我们将省略测量雅可比的推导。如前一节所述，我们使用NDT扫描匹配的结果作为参数化为的测量。使用等式1中的运动约束来导出我们的测量模型。操纵等式1给出了测量模型（等式19）：

（等式19）；

，，是状态变量的一个函数。因此，测量模型EKF中使用的标准形式一致，其中是测量值，是状态函数的测量模型。在此情况下，以及测量模型，的状态为，其中：

，，；

显然，，，取决于状态向量。分离旋转和平移向量，可得：

；

；

按照状态估计计算的测量模型给出了激光雷达的预测的旋转和平移向量，即和的真实之间的差异。真实的测量值和预测的测量值，可以得到状态更新所需要的测量残差。

；

这里，的关联矩阵属于三维特殊正交子集通过斜对称矩阵到向量。除了测量残差，还需要测量模型相对于状态变量的雅可比，以便执行状态和协方差更新。雅可比通过状态变量的最佳可用估计值进行评估分析。

，，；

这些单独的雅可比矩阵堆叠在一起，形成一个整合雅可比，并在测量更新时用于状态更新。状态更新方程如方程所示：

；

；

；

其中，是分别用于状态和状态协方差更新的卡尔曼增益，T为是雅克比矩阵转置符号，是可调测量协方差矩阵，“”表示更新前的估计值，而“”表示更新后的估计值。在等式中是向量空间上变量的代数加法，也可以是上变量的旋转合成。

进一步的，在步骤S4中，具体方法如下：

在这项定性评估中，考虑了诸如长距离和短距离能见度、测量强度和交通线路引起的测量失真等因素。采取主观评价先进行激光雷达生成三种互补反射材料的目标板的点云效果评价。检测生成激光点云效果是否存在高强度反射问题、高强度畸变问题、径向噪声问题、缺失点问题、交通线部分不可见问题。

收集到的智能驾驶车辆激光雷达超过10秒的完全静态数据，观察在三种互补反射材料的目标板的激光雷达生成激光点云效果，检测生成激光点云效果是否存在高强度反射、高强度畸变、径向噪声、缺失点、交通线部分不可见问题。

高强度反射问题表示智能驾驶车辆激光雷达检测点云目标比实际距离更远，恰好是预期距离的两倍。高强度反射问题是由于激光雷达光束在被检测到之前在目标和激光雷达之间反弹两次。

高强度畸变问题表示智能驾驶车辆激光雷达在特定强度下表现出不一致的行为，所获得智能驾驶车辆激光雷达检测点云嘈杂和不准确。

径向噪声问题表示智能驾驶车辆激光雷达在反射目标周围显示出径向噪声，所获得智能驾驶车辆激光雷达检测类似于相机图像中强光源周围的条纹，光晕等现象。

缺失点问题表示智能驾驶车辆激光雷达所获取的点云环经常中断，在某些目标和某些距离处缺失。所获得点云检测显示缺少应该检测到对象的信息。

交通线部分不可见问题表示交通线智能驾驶激光雷达车道线检测的行为存在差异。检测车道线是否因为在某些情况下线条可见度变形，交通线路引起的测量失真等因素。

评估建立了激光雷达每个标记距离生成的累积点云的准确性和精度，在三个反射目标物品上累积了40帧激光雷达数据。其中，选择的阈值是单个反射目标物品的3个点。进而来评估生成的累积点云的精度采用的是均方根误差RMSE，RMSE越小表示配准精度越高，准确性即计算最近邻点对占所有点的比例，准确性越大表示配准效果越好。

通常RMSE会随着目标距离的增加而增加，而一些激光雷达在非常近的距离上会遇到困难。RMSE测试准确范围需要保证在0.02-0.05米。

相对于现有技术，本发明所述的一种用于批量式车辆激光雷达的可调节标定系统具有以下有益效果：

（1）本发明所述的一种用于批量式车辆激光雷达的可调节标定系统，主要应用在已安装激光雷达的智能驾驶车辆上的标定使用，通过此设备，辅助测试智能驾驶车辆激光雷达识别系统检测激光雷达所处真实工况下周围环境的影响，以测试每个智能驾驶车辆激光雷达在复杂环境下的准确度和精度，便于所述激光接收模块用于采集外部信息并将其准确的传输至所述智能驾驶车辆数据处理单元；

（2）本发明所述的一种用于批量式车辆激光雷达的可调节标定系统，帮助工程师它们的设计到未来的智能驾驶车辆激光雷达传感器算法模型上，本发明结构设计精密，安装布置合理，该装置各个结构件坚固耐用，可对安装成品测量精度进行保证。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的一种用于批量式车辆激光雷达的可调节标定系统示意图；

图2为本发明实施例所述的标定板结构示意图；

图3为本发明实施例所述的对中装置结构示意图；

图4为本发明实施例所述的龙门式框架与标定板连接装置示意图；

图5为本发明实施例所述的龙门式框架与角反射器连接装置示意图；

图6为本发明实施例所述的目标板结构示意图；

图7为本发明实施例所述的第一局部结构示意图；

图8为本发明实施例所述的第二局部结构示意图；

图9为本发明实施例所述的第三局部结构示意图。

附图标记说明：

1-可调节装置；101-标定板；102-腰型板调节机构；103-铝型杆；2-对中装置；201-前对中结构；202-后对中装置；203-前摆正定位器；204-后摆正定位器；205-防护固定装置；206-承重钢板架；3-龙门式框架与标定板连接装置；301-框架支腿；302-框架走台栏杆；3021-第一水平滑槽；303-框架滑枕；304-框架磨头电机；305-第一XZ轴连接板；306-齿条；4-龙门式框架与角反射器连接装置；401-角反射器；5-目标板；501-黑色丝绒片；502-海报板；503-钻石反光片；6-控制装置。

具体实施方式

需要说明的是，在不冲突的情况下，本发明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发明。

本发明旨在提供一种用于批量式车辆激光雷达的可调节标定系统进而减少标定成本的校准系统。本申请实例提供系统包含如下部分组成：可调节装置、对中装置、第一连接装置、第二连接装置、具有三种互补反射材料的目标板、控制装置，所述第一连接装置为龙门式框架与标定板连接装置，所述第二连接装置为龙门式框架与角反射器连接装置；

申请实例提供的方案是：将被测智能驾驶车辆驶入到能模拟天气的试验场，试验场需包括本专利所包括的装置。被测试智能驾驶车辆上安装一个已正常运行至少30分钟的激光雷达；将智能驾驶车辆驶入对中装置上，通过控制控制装置，使用扫码枪对车辆识别码进行扫一扫VIN，确定车辆型号并将扫码枪自动将VIN码输入上位机标定软件；通过使用可调节装置、第二连接装置、具有三种互补反射材料的目标板，系统采用离散时间IMU状态传播模型和扩展卡尔曼滤波器EKF相结合的方法用于智能驾驶车辆3D激光雷达标定；将具有三种互补反射材料的目标板，收集智能驾驶车辆激光雷达超过10秒的完全静态数据，并对数据进行定性评估每个标记距离生成的累积点云的准确性和精度。本发明为工程开发人员提供一种测试方法。

本发明提供一种用于批量式车辆激光雷达的可调节标定系统，整体系统如图1所示，包括：可调节装置1、对中装置2、第一连接装置、第二连接装置、具有三种互补反射材料的目标板5、控制装置6。

可调节装置与第一连接装置相连接；所述第一连接装置、对中装置2、具有三种互补反射材料的目标板5、和控制装置6均与实验地面相固定嵌套；所述可调节装置1用于根据标定指令对被测智能网联车辆的激光雷达设备进行标定；所述对中装置2根据标定指令对被标定车辆保持车辆前后摆正标定，得到摆正后的定位在规定的误差内；所述第一连接装置使得可调节装置沿着垂直和水平方式运动；所述第二连接装置为了进行毫米波雷达进行校准，获得IMU信息；所述具有三种互补反射材料的目标板5为了检测在极寒条件下或者复杂有干扰的环境下激光雷达激光雷达静态测试稳定性结果；所述控制装置6根据对中装置摆正结果、所述激光雷达标定结果生成标定报告。

在实验地面场地中，现场尺寸需确保长度宽度高度推荐值16米、6米和4米，深灰色地面搭建的封闭场地，地面的平整及整体平面度误差在3mm内。标定房四面墙体建议采用泡沫板房板，交通白色底漆，对应RGB值255，255，255。已确定车前保险杠前与可调节装置1距离有一定距离推荐值3.5m，校准场景不受强光及其他同频率激光的干扰。各激光雷达和可调节装置1间不受其它障碍物阻挡，确保可调节装置1上点云形态的完整性和不互相阻挡，校准时激光雷达和可调节装置1间不存在动态障碍物如检测工程师通过。

为了进一步减少标定时间成本、人力成本，本发明采用可调节装置1，如图2所示，包括：标定板101、腰型板调节机构102、铝型杆103、含有铰接孔的连接件、螺栓。

标定板101、腰型板调节机构102、铝型杆103与所述控制装置相连接；标定板101包含黑白网格相间结构组成；腰型板调节机构102用于调节所述标定板旋转角度；铝型杆103用于固定所述腰型板调节机构，通过铝型杆103的上下高低来调整所述标定板所处位置的高度；所述铰接孔的连接件用于含有铰接孔的连接件与所述标定板101相固定；螺栓用于固定。

激光雷达标定是指通过计算激光雷达本身坐标系和车身坐标系之差来获取车辆坐标系中激光雷达探测结果以便于后续感知计算。通过黑白网格相间结构的标定板101获得具体来说有xyz轴三个方向上的平移误差, 以及pitch, roll, yaw三个角度的旋转角度误差，该方法与其它方法相比较易于实现。

在该实例中，标定板101的表面采用90-100%高反射率标准漫反射材质(白色漫反射油漆等，采用喷绘方式喷绘，黑白块之间分明不得互相油漆掺杂。并且其表面光滑，平面度小于3毫米，便于清洗。安装时可将标定板101、腰型板调节机构102、铝型杆103垂直放置于龙门吊横梁上，以保证水平状态下无晃动；铝型杆103采用吊挂方式安装，注意不要碰伤操作人员。标定板101坚固耐用，受潮湿，热，力的作用不容易变形。如图3所示，是用于前向激光雷达标定的11个标定板面总体俯视布置图。雷达标定用标定板101面全部标定板面均垂直于实验地面，雷达标定用标定板101的法向量均沿x轴向车头逆时针转动。

为了进一步提高车身居中摆正的准确性，提高智能驾驶车辆辅助驾驶系统的感知准确性，如图1所示，本发明采用对中装置2包括：前对中结构201、后对中装置202、前摆正定位器203、后摆正定位器204、防护固定装置205、承重钢板架206。

前对中结构201、后对中装置202、前摆正定位器203、后摆正定位器204、防护固定装置205均与所述控制装置6相连接；前对中结构201用于智能驾驶车辆前轮的定位摆正、定位与移动；所述后对中装置202用于智能驾驶车辆后轮的定位摆正、定位与移动；所述前摆正定位器203用于前轮居中摆正；所述防护固定装置205用于固定四轮使车辆相对于机构保持水平；所述承重钢板架206用于承重智能驾驶车辆。

本实例中根据智能驾驶车辆的尺寸，以及智能驾驶车辆激光雷达摆放位置，对对中装置2之间的安装距离进行设置。当汽车行驶至转弯时，前轮会自动转向并保持直线状态，从而避免发生侧滑等危险情况。该系统能够检测车辆是否处于停车位置以及车速和刹车状况。

在该实例中，对中装置2是通过调节汽车中心线和测试台x轴向夹角及水平角度调整来实现汽车摆正，对中等功能，保证汽车在功能标定之前静止于预置位置上。并且各个方向角度应符合标定要求，四轮定位水平误差均在2mm以内。对中装置2为扩张式结构，安装于实验地面内，最大承载质量可达3.5吨；智能驾驶车辆中心线与对中装置2中心线重合时，定位精度可达1mm；当智能驾驶车辆前轴中心线与对中装置2前轴中心线不重合时，定位精度为1mm左右；对中装置2整体采用液压驱动方式，便于操作和控制，具有良好的稳定性和可靠性，结构简单紧凑，制造成本低廉，维护保养方便等特点。

其中，前对中结构201、后对中装置202、定位通过快速定位的方法，通过内嵌的卡位将后轮固定住且能使汽车在前后左右的方向上都不会发生移动；通过调节前摆正定位器203、后摆正定位器204装置，调整汽车中心线和测试台X轴向夹角及水平角度，来实现汽车摆正。

防护固定装置205与车轮边缘接触以保证车辆准确对中，可根据需要灵活布置，挡块的设计具有合理的高度，汽车经过的时候不会对汽车底盘等处造成刮伤和干涉。

为了进一步使得可调节装置1自动移动，系统采用四个第一连接装置，所述的单个第一连接装置，如图4所示，包括：框架支腿301、框架走台栏杆302、框架滑枕303、框架磨头电机304。

所述框架走台栏杆302、框架滑枕303、框架磨头电机304均与所述控制装置6相连接，可以控制框架滑枕303的位置；所述框架支腿支撑框架走台栏杆302，使得系统稳定；所述框架走台栏杆302用于约束并提供框架滑枕303滑动通道；所述框架滑枕303用于上下移动；所述框架磨头电机304用于驱动。

优选的，系统采用一个第二连接装置，所述的单个第二连接装置包括：角反射器401、三个第一连接装置。

所述的角反射器通过角反射器对毫米波雷达进行校准，利用其自身结构特性，建立数学模型，并对各个传感器外部参数进行了计算，获得初始IMU信息。

具有三种互补反射材料的目标板5，板子均匀分成三个区域，三种互补反射材料的目标板最左侧的是黑色丝绒片501，面料是涤纶材质，其额定反射率为10%，代表低反射率目标。三种互补反射材料的目标板最中间的是海报板502，颜色为白色，代表中反射率目标。最右边的是钻石反光片503，颜色为白色，反光片采用全棱镜反光膜，代表着高反射率目标。

优选的，具有三种互补反射材料的目标板，总长度为3米，目标板的高度为1.2米，使用支架框架立于地面，总高度为1.8米。

优选的，具有三种互补反射材料的目标框架采用，轻质但坚固的铝型架进行定制设计和加工，以确保稳定性并防止试验期间框架发生任何翘曲。目标板采用厚而坚固的泡沫板被用作坚实饿的泡沫板，保证三种互补反射材料尽可能保持平整。

在该实例中，可调节装置1与第一连接装置之间通过连接螺丝相连，且标定板面与龙门框架面之间的间距大于20cm。第一连接装置和可调节装置1的标定板面在纵向视场内x轴向邻近地区采用低反材质黑色泡棉等对龙门框架进行包裹，且低反射材质反射率小于20cm。

本专利包括以下方法和步骤：

步骤1：将被测智能驾驶车辆驶入到能模拟天气的试验场。被测试智能驾驶车辆上安装一个已正常运行至少30分钟的激光雷达。

优选的，将被测试智能驾驶车辆驶入模拟天气的实验室，实验室温度控制的，模拟天气的实验室可模拟多种天气条件，包括雨、雾和强光。被测试智能驾驶车辆上安装一个已正常运行至少30分钟的激光雷达，激光雷达安装在智能驾驶车辆的顶部，以尽量减少由于内部温度变化而导致的测量尺度漂移。

优选的，模拟天气的试验场全年平均气温低于-20度，极端最低气温可达-50度，为智能驾驶车辆极寒耐冷型检验检测提供测试环境。

优选的，将被测试智能驾驶车辆上的激光雷达传感器与其他传感器一起用螺栓固定在一块板上，该板上牢固地安装在智能驾驶车辆顶部。安装在静止的智能驾驶车辆上，从而使收集的数据更加真实。

步骤2：将智能驾驶车辆驶入对中装置上，通过控制控制装置，使用扫码枪对车辆识别码进行扫一扫VIN，确定车辆型号并将扫码枪自动将VIN码输入上位机标定软件。

步骤3：通过使用可调节装置、第二连接装置、具有三种互补反射材料的目标板，采用离散时间IMU状态传播模型和扩展卡尔曼滤波器EKF相结合的标定方法用于智能驾驶车辆3D激光雷达标定。

优选的，智能驾驶车辆如果搭载多个每个激光雷达，每个需单独测试，以消除激光雷达之间干扰的可能性。

优选的，采用离散时间IMU状态传播模型和扩展卡尔曼滤波器EKF相结合的标定方法不需要任何校准目标或特定的环境特征来进行智能驾驶车辆激光雷达和IMU的外部校准。本算法不依赖于如GPS/GNSS辅助姿态传感器的使用。

具体地，在标定系统方法中，利用激光雷达和IMU的运动校准（Motioncalibration）的约束条件，并且不依赖任何的辅助传感器，如GPS和GNSS的使用。在本方法中的约束方程如下：

（等式1）；

其中，是两个激光雷达之间扫描的运动，是IMU所扫描的运动，由于传感器在空间上被一个刚性材料的固定进而产生约束，其中，

；

；

；

属于三维特殊正交子集，是指三维旋转矩阵构成的特殊欧式正交群。是一个转换常量，利用约束方程的旋转部分来初始化传感器之间的旋转。并且使用这一初始化，采用基于卡尔曼滤波的算法来估计传感器之间的平移。

所以，将目标转换成确定激光雷达的6自由度，即激光雷达和IMU之间的外在校准，指由一个平移加上元素构成的向量。将标校准划分为传感器之间的旋转参数初始化，基于扩展的卡尔曼滤波进行传感器外参校准的全局姿态估计。

在传感器之间的旋转参数初始化，为了充分获得旋转矩阵的估计值，估计IMU和雷达雷达之间的旋转的初始化。通过基于运动的旋转分量的激光雷达来校准约束。其中，旋转分量：

；

为了方便进一步算法具体实现，使用轴角表示方法来表示传感器之间的旋转。上述公式重新表述为：

；

其中，和是激光雷达垂直轴的角度的代表。采用NDT激光雷达的扫描匹配估计连续的激光雷达的旋转和两个扫描瞬间的陀螺仪测量值来估计IMU旋转。对于每个，在约束条件上相加以及相对应的：

；

并且使用非线性最小平方求解器，来解决上式公式的优化问题。最小平方求解器公式如下：

；

其中，传感器的旋转和用来估计具有的缺点。是从激光雷达扫描的NDT扫描匹配中得到的，由于传感器在运动过程中采集的数据会有明显的运动失真，通过以上步骤只提供了明显的估计，之后需要通过基于扩展的卡尔曼滤波进行传感器外参校准的全局姿态估计。

激光雷达传感器全局姿态估计取决于车辆IMU的平移的加速度计的测量双重积分。而在不了解偏差的情况下，采用双重积分会带来很大的误差。本方法采用扩展卡尔曼滤波EKF，估计以及，并且估计加速度计和陀螺仪的偏差，以及估计激光雷达扫描的时刻和速度，估计状态表达式：

；

其中，指的是激光雷达扫描的数量。是IMU的状态，代表扫描的时间戳。采用扩展卡尔曼滤波的状态向量的组成部分和静态部分状态向量组成部分组成：

；

其中，是IMU方向的单位四元数，是IMU方向相对于世界坐标系的框架。和是IMU的速度和位置矢量。和是IMU陀螺仪和加速度器的偏置矢量。EKF静态部分状态向量是IMU外在的校准。参数化是由旋转矩阵和平移矢量组成的。但是在EKF的表述中，我们将旋转作为一个单位四元数。

采用离散时间来实现传播EKF状态的，从IMU时间戳到的陀螺仪和加速器的测量和。假设其在整个过程中是恒定的，IMU的采样周期，有以下公式：

；

；

；

其中，

；；；；

三维激光雷达通过旋转机构依次生成点进行测量，当激光雷达移动时，它产生的原始扫描会受到运动失真的影响。标定激光数据的过程要求在激光雷达扫描中，每个三维点都是从一个时间上唯一测量出来的，并且带有位于两个相邻扫描时间的时间戳来预测IMU在时间戳上的姿态。一旦拥有IMU在时间上的姿态估计，我们就使用外参参数来校准来估计激光雷达的姿态，利用运动约束来完成。假定考虑一个点在扫描时间戳，对约束方程进行处理，并且使用它来估计激光雷达的运动和扫描时间戳。用于被变换点以获得去倾斜激光雷达扫描。

；

其中，是在该时刻外部校准的最佳估计值，是扫描时间戳处IMU姿态的估计值。是IMU在时间戳点的姿态，通过IMU状态方程获得。

在对激光雷达扫描匹配进行纠正后，采用无损检测来进行扫描匹配，来生成激光雷达运动估计的值。激光雷达扫描连续在和之间。我们使用这些激光雷达运动估计作为EKF状态更新量。

状态更新模块需要了解测量模型、测量残差和关于状态变量的测量雅可比。在测量模型和测量残差中，出于空间考虑，我们将省略测量雅可比的推导。如前一节所述，我们使用NDT扫描匹配的结果作为参数化为的测量。使用等式1中的运动约束来导出我们的测量模型。操纵等式1给出了测量模型（等式19）：

（等式19）；

，，是状态变量的一个函数。因此，测量模型EKF中使用的标准形式一致，其中是测量值，是状态函数的测量模型。在此情况下，以及测量模型，的状态为，其中：

，，；

显然，，，取决于状态向量。分离旋转和平移向量，可得：

；

；

按照状态估计计算的测量模型给出了激光雷达的预测的旋转和平移向量，即和的真实之间的差异。真实的测量值和预测的测量值，可以得到状态更新所需要的测量残差。

；

这里，的关联矩阵属于三维特殊正交子集通过斜对称矩阵到向量。除了测量残差，还需要测量模型相对于状态变量的雅可比，以便执行状态和协方差更新。雅可比通过状态变量的最佳可用估计值进行评估分析。

，，；

这些单独的雅可比矩阵堆叠在一起，形成一个整合雅可比，并在测量更新时用于状态更新。状态更新方程如方程所示：

；

；

；

其中，是分别用于状态和状态协方差更新的卡尔曼增益，T为是雅克比矩阵转置符号，是可调测量协方差矩阵，“”表示更新前的估计值，而“”表示更新后的估计值。在等式中是向量空间上变量的代数加法，也可以是上变量的旋转合成。

步骤4：将具有三种互补反射材料的目标板，收集智能驾驶车辆激光雷达超过10秒的完全静态数据，并对数据进行定性评估每个标记距离生成的累积点云的准确性和精度。

优选的，在这项定性评估中，考虑了诸如长距离和短距离能见度、测量强度和交通线路引起的测量失真等因素。采取主观评价先进行激光雷达生成三种互补反射材料的目标板5的点云效果评价。检测生成激光点云效果是否存在高强度反射问题、高强度畸变问题、径向噪声问题、缺失点问题、交通线部分不可见问题。

收集到的智能驾驶车辆激光雷达超过10秒的完全静态数据，观察在三种互补反射材料的目标板5的激光雷达生成激光点云效果，检测生成激光点云效果是否存在高强度反射、高强度畸变、径向噪声、缺失点、交通线部分不可见问题。

高强度反射问题表示智能驾驶车辆激光雷达检测点云目标比实际距离更远，恰好是预期距离的两倍。高强度反射问题是由于激光雷达光束在被检测到之前在目标和激光雷达之间反弹两次。

高强度畸变问题表示智能驾驶车辆激光雷达在特定强度下表现出不一致的行为，所获得智能驾驶车辆激光雷达检测点云嘈杂和不准确。

径向噪声问题表示智能驾驶车辆激光雷达在反射目标周围显示出径向噪声，所获得智能驾驶车辆激光雷达检测类似于相机图像中强光源周围的条纹，光晕等现象。

缺失点问题表示智能驾驶车辆激光雷达所获取的点云环经常中断，在某些目标和某些距离处缺失。所获得点云检测显示缺少应该检测到对象的信息。

交通线部分不可见问题表示交通线智能驾驶激光雷达车道线检测的行为存在差异。检测车道线是否因为在某些情况下线条可见度变形，交通线路引起的测量失真等因素。

评估建立了激光雷达每个标记距离生成的累积点云的准确性和精度，在三个反射目标物品上累积了40帧激光雷达数据。其中，选择的阈值是单个反射目标物品的3个点。进而来评估生成的累积点云的精度采用的是均方根误差RMSE，RMSE越小表示配准精度越高，准确性即计算最近邻点对占所有点的比例，准确性越大表示配准效果越好。

优选的，通常RMSE会随着目标距离的增加而增加，而一些激光雷达在非常近的距离上会遇到困难。RMSE测试准确范围需要保证在0.02-0.05米。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，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。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：包括龙门式框架、标定板（101）、角反射器（401）、目标板（5）；

标定板（101）、角反射器（401）活动连接在龙门式框架上；

标定板（101）、角反射器（401）、目标板（5）相对于测试车辆的位置可调节。

2.根据权利要求1所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：包括对中装置，所述对中装置包括承重钢板架（206）以及设置在承重钢板架（206）上的前对中结构（201）、后对中装置（202）、前摆正定位器（203）、后摆正定位器（204）、防护固定装置（205）；

前对中结构（201）、后对中装置（202）包括多个沿车轮宽度方向设置的多个钢辊，车轮在钢辊上横向运动；

前摆正定位器（203）靠近前对中结构（201）一端设置有第一推板，第一推板与防护固定装置（205）之间形成汽车前轮的放置位；

后摆正定位器（204）靠近后对中装置（202）一端设置有第二推板，第二推板与防护固定装置（205）之间形成汽车后轮的放置位。

3.根据权利要求1所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：所述龙门式框架与标定板（101）之间、龙门式框架与角反射器（401）之间通过第一连接装置连接；

第一连接装置包括框架支腿（301）、框架走台栏杆（302）、框架滑枕（303）、框架磨头电机（304）、第一XZ轴连接板（305）；

框架走台栏杆（302）水平设置在框架支腿（301）上方，

还包括控制装置（6），所述框架磨头电机（304）与所述控制装置（6）相连接，利用控制装置（6）控制框架滑枕（303）的位置；所述框架支腿（301）支撑框架走台栏杆（302），使得系统稳定；所述框架走台栏杆（302）用于约束并提供框架滑枕（303）滑动通道；所述框架滑枕（303）用于上下移动；所述框架磨头电机（304）用于驱动；

框架磨头电机（304）安装在第一XZ轴连接板（305）上，框架走台栏杆（302）朝向框架磨头电机（304）一侧设置有第一水平滑槽（3021），第一水平滑槽（3021）上设置有齿条，齿条的齿纹向内设置；

框架磨头电机（304）的输出轴连接有与齿条啮合的齿轮；

齿条的背棱上表面高于框架走台栏杆（302）的上表面，第一XZ轴连接板（305）背面设置有滚轮轴承，辊轮轴承通过凹槽架设在齿条的背棱上。

4.根据权利要求3所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：龙门式框架与角反射器（401）之间通过第二连接装置连接，第二连接装置的结构与第一连接装置结构相同；

第二连接装置包括框架支腿（301）、框架走台栏杆（302）、框架滑枕（303）、框架磨头电机（304）、第一XZ轴连接板（305）；

框架走台栏杆（302）水平设置在框架支腿（301）上方，

所述框架磨头电机（304）与所述控制装置（6）相连接，利用控制装置（6）控制框架滑枕（303）的位置；所述框架支腿（301）支撑框架走台栏杆（302），使得系统稳定；所述框架走台栏杆（302）用于约束并提供框架滑枕（303）滑动通道；所述框架滑枕（303）用于上下移动；所述框架磨头电机（304）用于驱动；

框架磨头电机（304）安装在第一XZ轴连接板（305）上，框架走台栏杆（302）朝向框架磨头电机（304）一侧设置有第一水平滑槽（3021），第一水平滑槽（3021）上设置有齿条（306），齿条（306）的齿纹向内设置；

框架磨头电机（304）的输出轴连接有与齿条啮合的齿轮；

齿条的背棱上表面高于框架走台栏杆（302）的上表面，第一XZ轴连接板（305）背面设置有滚轮轴承，辊轮轴承通过凹槽架设在齿条的背棱上。

5.根据权利要求4所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：第一XZ轴连接板上还设置有一个用于间接带动标定板（101）和角反射器（401）的框架磨头电机（304），标定板（101）和角反射器（401）安装在框架滑枕（303）上；

框架滑枕（303）朝向框架磨头电机（304）一侧设置有第一水平滑槽（3021），第一水平滑槽（3021）上两侧设置有齿条（306），齿条（306）的齿纹向内设置；

框架磨头电机（304）的输出轴连接有与齿条（306）啮合的齿轮；

第一XZ轴连接板（305）背面设置有滚轮轴承，辊轮轴承通过凹槽与齿条的背棱接触。

6.根据权利要求3所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：标定板（101）背面还设置有腰型板调节机构（102）、铝型杆（103）、含有铰接孔的连接件、螺栓，标定板（101）通过腰型板调节机构（102）与框架滑枕（303）连接。

7.根据权利要求4所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：角反射器（401）背面还设置有腰型板调节机构（102），角反射器（401）通过腰型板调节机构（102）与框架滑枕（303）连接。

8.根据权利要求1所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于：目标板（5）设置在测试车辆的侧方，所述目标板（5）上设置有反射材料层，包括黑色丝绒片（501）、海报板（502）和钻石反光片（503）。

9.一种用于批量式车辆激光雷达的可调节标定方法，基于权利要求1-8任一所述的一种用于批量式车辆激光雷达的可调节标定系统，其特征在于，包括以下步骤：

S1、将被测智能驾驶车辆驶入到能模拟天气的试验场，提前在试验场需布置标定系统，被测试智能驾驶车辆上安装一个已正常运行至少30分钟的激光雷达；

S2、将智能驾驶车辆驶入对中装置上，通过控制装置使用扫码枪对车辆识别码进行扫一扫VIN，确定车辆型号并将扫码枪自动将VIN码输入上位机标定软件；

S3、通过使用可调节装置、第二连接装置、具有三种互补反射材料的目标板，系统采用离散时间IMU状态传播模型和扩展卡尔曼滤波器EKF相结合的方法用于智能驾驶车辆3D激光雷达标定；

S4、将具有三种互补反射材料的目标板，收集智能驾驶车辆激光雷达超过10秒的完全静态数据，并对数据进行定性评估每个标记距离生成的累积点云的准确性和精度。

Images