激光雷達自動校準方法及裝置的制造方法
【專利摘要】一種激光雷達校準方法及裝置，其中方法包括如下步驟：外部參數(shù)校準；所述外部參數(shù)校準步驟包括：雷達隨車運動，收集雷達反射數(shù)據(jù)，將收集到的數(shù)據(jù)代入點陣云能量方程，求解使得能量方程值為最小的外部校準參數(shù)；區(qū)別于現(xiàn)有技術，上述技術方案能夠對激光雷達實時傳回的數(shù)據(jù)進行分析，主動校正激光雷達自身參數(shù)，達到了快速校正激光雷達，提高掃描數(shù)據(jù)準確率，提高掃描圖像辨識度的效果。
【專利說明】
激光雷達自動校準方法及裝置
技術領域
[0001] 本發(fā)明涉及無人車導航技術領域，尤其涉及一種車載激光雷達自動校準方法及裝 置。
【背景技術】
[0002] 激光雷達傳感器由于其優(yōu)越的測距功能和精準的測量性能，已經被廣泛的用于工 業(yè)和智能領域。由于其對周邊環(huán)境的探測能力，近年來激光雷達也已成為無人車的標準配 置之一。激光雷達在無人車領域的主要用途在于感知車體周邊環(huán)境，它和車輛的其他系統(tǒng) (如GPS、INS等)相配合之后，可以用于地圖的繪制、物體的定位(紅綠燈及交通標示檢測）以 及道路狀況檢測。傳統(tǒng)上的激光雷達僅有一束旋轉光線，故其校準方法也較為簡單。目前， 新一代的激光雷達已經配置了能夠實現(xiàn)不同角度掃射的同時旋轉的光束，從而相較于傳統(tǒng) 的激光雷達能提供上一個量級的數(shù)據(jù)量，實現(xiàn)更好的制圖功能、物體檢測和場景理解，能適 應更為高級的算法。
[0003] 為了能充分適應和利用這種海量數(shù)據(jù)，需要用到更高級的校準方法。首先，相較于 傳統(tǒng)的激光雷達而言，新的校準方法要能支持幾十甚至上百個光束的距離和角度的讀數(shù)。 其次，對于無人車其他的要用到激光雷達強度返回值的功能(如道路檢測、地圖的繪制和定 位），很重要的一點是強度返回值需要被不同的光束所確認。上述兩個方面所用到的參數(shù) 量，都使得用人工訓練來校準激光雷達顯得并不合適。

【發(fā)明內容】

[0004] 為此，需要提供一種能夠自適應的激光雷達自動校準方法，解決無人車載雷達自 主定位的問題。
[0005] 為實現(xiàn)上述目的，發(fā)明人提供了一種激光雷達校準方法，包括如下步驟:外部參數(shù) 校準；
[0006] 所述外部參數(shù)校準步驟包括:雷達隨車運動，收集雷達反射數(shù)據(jù)，將收集到的數(shù)據(jù) 代入點陣云能量方程，求解使得能量方程值為最小的外部校準參數(shù)；
[0007] 其中點陣云能量方程為：
[0009] 其中J是點云的能量，B激光束總數(shù)，N為臨近光束數(shù)，k是反射光束數(shù)，pk是第k個點 在車體坐標系下的位置，m k是光束匕接收到反射的所有點中最接近pk的點或點集，取是mk點 的法向量，wk在| |pk-mk| |<dmax成立時為1，否則為0。
[0010] 進一步地，還包括步驟，內部參數(shù)校準，所述內部參數(shù)校準步驟包括:求解使得能 量方程值最小的內部校準參數(shù)。
[0011] 具體地，所述內部參數(shù)包括每束激光水平和垂直的角度以及距離校正值。
[0012] 具體地，所述外部校準參數(shù)包括雷達相對車體的平面坐標參數(shù)、高度、俯仰角、翻 滾角或航向角。
[0013] 進一步地，還包括步驟，接收校準，具體為，將雷達觀測數(shù)據(jù)代入下式：
[0015] 其中j為激光束編號，a為觀測強度，c為校準結果。
[0016] 進一步地，還包括步驟，對每束激光束的噪音特性和不確定性建立貝葉斯模型，計 算在給定地圖網(wǎng)格分布的情況下，每束激光強度返回值的分布。
[0017] -種激光雷達校準裝置，包括收集模塊、外部校準模塊；
[0018] 所述收集模塊用于在雷達隨車運動時收集雷達反射數(shù)據(jù)；
[0019] 所述外部校準模塊用于將收集到的數(shù)據(jù)代入點陣云能量方程，求解使得能量方程 值為最小的外部校準參數(shù)；
[0020] 其中點陣云能量方程為：
[0022] 其中J是點云的能量，B激光束總數(shù)，N為臨近光束數(shù)，k是反射光束數(shù)，pk是第k個點 在車體坐標系下的位置，mk是光束bi接收到反射的所有點中最接近pk的點或點集，nk是mk點 的法向量，Wk在| | Pklk | | <dmax成立時為1，否則為0。
[0023] 進一步地，還包括內部校準模塊，所述內部校準模塊用于求解使得能量方程值最 小的內部校準參數(shù)。
[0024]具體地，所述內部參數(shù)包括每束激光水平和垂直的角度以及距離校正值。
[0025] 具體地，所述外部校準參數(shù)包括雷達相對車體的平面坐標參數(shù)、高度、俯仰角、翻 滾角或航向角。
[0026] 進一步地，還包括接收校準模塊，所述接收校準模塊用于將雷達觀測數(shù)據(jù)代入下 式：
[0028] 其中j為激光束編號，a為觀測強度，c為校準結果。
[0029] 進一步地，還包括貝斯葉模塊，所述貝斯葉模塊用于對每束激光束的噪音特性和 不確定性建立貝葉斯模型，計算在給定地圖網(wǎng)格分布的情況下，每束激光強度返回值的分 布。
[0030] 區(qū)別于現(xiàn)有技術，上述技術方案能夠對激光雷達實時傳回的數(shù)據(jù)進行分析，主動 校正激光雷達自身參數(shù)，達到了快速校正激光雷達，提高掃描數(shù)據(jù)準確率，提高掃描圖像辨 識度的效果。
【附圖說明】
[0031] 圖1為本發(fā)明【具體實施方式】所述的激光雷達自動校準方法流程圖；
[0032]圖2為本發(fā)明【具體實施方式】所述的相鄰兩束激光掃描圖；
[0033]圖3為本發(fā)明【具體實施方式】所述的法向量示意圖；
[0034] 圖4為本發(fā)明某實施例所述的貝葉斯校準模型示意圖；
[0035] 圖5為本發(fā)明某實施例所述的激光雷達掃描效果示意圖；
[0036] 圖6為本發(fā)明某實施例所述的校準后激光雷達掃描效果示意圖；
[0037] 圖7為本發(fā)明【具體實施方式】所述的內參校準效果示意圖；
[0038] 圖8為本發(fā)明【具體實施方式】所述的參數(shù)調整效果圖；
[0039] 圖9為本發(fā)明【具體實施方式】所述的預期環(huán)境強度示意圖；
[0040] 圖10為本發(fā)明【具體實施方式】所述的街道正射強度地圖；
[0041] 圖11為本發(fā)明【具體實施方式】所述的激光雷達自動校準裝置模塊圖。
[0042] 附圖標記說明：
[0043] 1100、收集模塊；
[0044] 1102、外部校準模塊；
[0045] 1104、內部校準模塊；
[0046] 1106、接收校準模塊；
[0047] 1108、貝葉斯模塊。
【具體實施方式】
[0048] 為詳細說明技術方案的技術內容、構造特征、所實現(xiàn)目的及效果，以下結合具體實 施例并配合附圖詳予說明。
[0049] -、總體思路
[0050]本發(fā)明提出一種全新的自動地對多光束激光雷達(本文中以Velodyne HD 64-E激 光雷達為例子，但使用于任何線掃的激光雷達)的內部參數(shù)和外部參數(shù)進行校準方法，并且 過程中并不需要用到具體的校準目標或人工計量。在一輛無人車上裝載了激光雷達之后， 再加上慣性測量單元的讀數(shù)，我們的算法在不需要地圖輔助的情況下，僅就機器幾秒鐘內 對周邊任意環(huán)境掃描的讀數(shù)，就能計算出上百個激光雷達傳感器參數(shù)。
[0051]本發(fā)明主要是分成三個部分的自動校準算法。第一個外部校準主要是用來確定由 于安裝位姿的不同導致的激光雷達相較于車體的相對位置，可以用六個參數(shù)來表示，即通 過平移矩陣和旋轉矩陣可以實現(xiàn)從激光雷達坐標到車體坐標的轉化。第二個部分涉及激光 雷達的內部參數(shù)校準，主要是用來估算每束光線的最優(yōu)水平和垂直角度，以及每束光線讀 取范圍的距離矯正，即在激光雷達內部對每個激光發(fā)射器和雷達坐標系的偏差進行校準。 第三個部分是運用貝葉斯衍生模型對每束激光對環(huán)境中不同表面發(fā)射率對應的接收值進 行建模。這樣，經過校準校正后的強度圖在掃描距離上相對平滑，才能夠突出不同物體或地 形的相關特征。
[0052]二、外部參數(shù)校準
[0053]就多線激光雷達而言，外部校準考慮的是整個激光雷達對于車體自身坐標系的相 對安裝位置，而內部校準考慮的是每個單束激光對于雷達本身的內部位置。在本節(jié)中，我們 是假設在已知雷達內部校準的情況下，計算外部校準。在實際情況中，如果兩種校準均未 知，則可以將兩個校準程序交互進行，直至兩個模型都達到最優(yōu)參數(shù)估計。
[0054]我們兩類的校準方法都是基于這樣的前提假設下的:激光雷達接受回來的強度信 號反映在三維成像上時，這些觀測值在空間內并不會呈現(xiàn)出隨機分布的模式。這個前提假 設在現(xiàn)實中是可以達到的。實際上，由于返回的點代表了觀測物體的物理表面的反射，一個 經過正確校準后的沿著已知軌跡運動的激光雷達傳感器是不可能給出在三維空間中呈現(xiàn) 隨機分布的點云讀數(shù)的。這個在現(xiàn)實中比較好理解，因為激光遇到障礙物時會反射回來形 成密集點集，而空曠處是沒有反射回波，在點云圖上也是空白，對每束激光均如此。因此，我 們提出的校準方法是基于反射點在空間中呈現(xiàn)相對聚集狀態(tài)的弱假設的前提下。
[0055] 請參閱圖1，為本發(fā)明激光雷達自動校準方法的流程圖，在某些實施例中，本發(fā)明 方法開始于步驟S100雷達隨車運動，收集雷達反射數(shù)據(jù)，步驟S102將收集到的數(shù)據(jù)代入點 陣云能量方程，求解使得能量方程值為最小的外部校準參數(shù)。
[0056] 圖2展示了當無人車沿著已知軌跡運行數(shù)秒后，相鄰的兩束激光所搜集到的全部 數(shù)據(jù)，并呈現(xiàn)在3D圖像上。其中一束激光收集到的數(shù)據(jù)標成了紅色，另一束激光收集的標成 了白色。很明顯由于激光的全角度掃射，很大程度上兩束激光都打到了相同的表面，所以成 像近似。
[0057] 整個雷達激光相對于車體坐標系的安裝位置可以用六個參數(shù)來表示:X軸（用來衡 量長度的），y軸（用來衡量寬度的），這二者可以作為激光雷達相對車體的平面坐標參數(shù)，Z 軸（用來衡量高度的），以及翻滾角，俯仰角和航向角。坐標系的原點（〇，〇，〇)和原點的方向 則是由所選擇的車體坐標系決定的，比如說可以將車體位姿系統(tǒng)的三維坐標和方向作為初 始值。
[0058] 相較于現(xiàn)有的校準方法，我們的方法對于車輛周邊環(huán)境只需要做出簡單的假設： 周邊環(huán)境相對靜止，且環(huán)境中含有一些3D特征(不是一片空曠）即可，無需其他條件。為了得 到準確的校準參數(shù)，我們讓無人車沿著已知軌跡駕駛一段距離并記錄下激光雷達數(shù)據(jù)。車 輛的運行軌跡可以是任意的，但必須包含一個航向角的變化，這樣才可以測出激光雷達在 xy平面上的校正值，因此請不要讓車體只保持筆直前行。另外，我們并不試圖去校正傳感器 的高度，因為我們的車體是與地面保持近似平行的，并且通過測距和車輛行駛距離，高度的 計算很簡單。車體在全球坐標系下的位姿信息在激光雷達校準這一步是無關緊要的，在我 們的試驗中也不涉及到現(xiàn)有地圖的使用，所以只是需要有車體本身的位姿變化信息即可。 車體自身的位姿信息可以通過一系列途徑獲取，比如從輪胎編碼器和慣性制導系統(tǒng)中獲 得，或者從一個實時校正的GPS系統(tǒng)中獲得。再次重申，只有車輛沿著軌跡行駛過程中的相 對運動才是校準算法的相關信息來源，車體的全球位姿信息在這里并不需要。
[0059] 現(xiàn)在，我們來定義一個點云的能量方程，由各束激光達到物體表面時會形成密集 的點群，我們的方程會懲罰那些遠離這些點群的點（聚類去噪的思想）：
[0061]上述公式中，B是所有激光射線總數(shù)，N是某束激光附近的我們認為屬于鄰近的光 束總數(shù)，k是對于光束匕反射回來形成的所有點的逐步迭代，pk是在當前的轉換公式下形成 的第k個點在車體坐標系下的位置，m k是光束h發(fā)出所形成的所有點中離pk最近的點或點 集，％是mk點的法向量，wk是1或0取決于| |pk-mk| |<dmax是否成立。
[0062] 在上述算法里，我們用到了馬里蘭大學公布的ANN library，來計算m_k，d_max在 后續(xù)的試驗中，我們采取的閥值是20cm，并且我們用的是所有的雷達返回接收的信息來生 成每束激光的點云和法向量，但是為了提高計算效率，每16個點我們才估算一次上述的能 量方程。我們使用的Velodyne設備每秒鐘能返回超過百萬個點，對每個點都進行能量方程 的計算是沒必要的。如果激光雷達的初始設置很不準確，我們若用現(xiàn)代的臺式電腦的處理 器，對大概15秒鐘長度左右的激光記錄數(shù)據(jù)進行上述運算，分別需要1個小時才能算出激光 雷達的內部校準參數(shù)和外部校準參數(shù)，對接收強度的校準就要快很多，通常只需要幾分鐘。
[0063] 我們提出的能量方程和計算點到平面的ICP誤差方程有一定類似度，但主要差別 在于兩個地方。第一，我們用的是每一束激光所生成的點集形成的表面和其鄰近激光的點 集做對比。這么做的好處是光束之間錯誤的校準不會顯著地影響到任意單一激光生成的點 所形成的法向量。第二個和ICP所不同的地方在于，我們處理的并不是固定的電云，任何一 個校準參數(shù)的變化都會使得激光生成的點云發(fā)生復雜的轉化，因為每個云內的點都是在不 同時間、傳感器的不同方位下觀測來的。
[0064] 每束激光都要單獨的計算法向量，這是通過使平面嵌合從車輛全部軌跡中累積 生成的所有點中離每個點周邊最近的20個點來完成的。由于多線激光的數(shù)據(jù)密度較高，每 個點的周邊點都很密集，鄰域小。我們在圖3中展示了這些法向量，其中包括了每個點法向 量的x，y，z部分。
[0065] 多線激光生成的點較為密集，這樣的好處在于幾乎任一表面在點云分辨率圖上都 基本是局部上平面的。因此，將一束激光生成的點映射到由其鄰近激光生成的點所構成的 表面上，在所有校準都精確的情況下，只會產生較小的誤差。
[0066] 在有了上述的能量方程之后，剩下的工作就是選出能使得總和值降到最低的外部 校準參數(shù)。盡管從理論上來說，這未必是個凸函數(shù)，因而能否在有限的時間內求出最優(yōu)解也 沒有保障，不過實際上能量方程還是很平滑的，標準的尋找試錯法也有不錯的結果。
[0067] 在我們的方法中，我們交替的優(yōu)化平移矩陣參數(shù)和旋轉矩陣參數(shù)，直到這兩個都 達到收斂。對于每一次優(yōu)化求解，我們運用一種網(wǎng)格式搜索，即比較的是當前能量方程的和 值與對所有求解參數(shù)在所有可能方向上進行同時調整后得出的能量方程的和值。我們已知 一個坐標下降迭代所花費的時間和與變量數(shù)量線性相關，但是網(wǎng)格式搜索所花費的時間與 變量數(shù)量卻是呈現(xiàn)指數(shù)增長的關系，因為他考慮了方向上的所有可能結合。所以，遇到局部 極小值時，網(wǎng)格式搜索并不會終止，同時由于平移矩陣和旋轉矩陣各自都不會有超過三個 變量，所以這種網(wǎng)格式搜索方式在計算機程序上是可行的。舉例來說，在考慮旋轉矩陣的變 化時，每個翻滾角、俯仰角、航向角都可以是增加、不變或是減少，這樣，相較于當前的能量 方程和值(即三個變量都維持不變），會產生26種新的能量方程和值。另有重要的一點在于， 在考慮每種可能的校準時，在每個點被獲取的時候所有的點都要根據(jù)車輛的位姿重新映射 到3D空間。這樣，校準參數(shù)的變化才不會以相同的方式扭曲所有的點，因為校準參數(shù)調整對 每個點的影響依賴于在返回數(shù)據(jù)計算時車輛所處的位置。
[0068] 我們從較大的間隔開始，迭代至收斂，然后減少間隔并重復相同步驟，直至我們 達到了理想的最小粒度。而這最后一次優(yōu)化解的結果即為我們最后的校準參數(shù)。綜上，外部 參數(shù)校準解決了在無人車運行過程中，激光雷達自動對自身坐標參數(shù)進行校準的問題，達 到了快速、準確地自主提供位置信息的效果，使得車載激光雷達能夠自主定位。
[0069]三、內部參數(shù)校準
[0070]其實，Velodyne的激光雷達產品本身有給出內參校準的算法和Matlab建模(詳見 產品說明書），他給出的方法屬于在某個方向上的靜態(tài)調試，其結果精度要低于本文中給出 的算法。Velodyne給出的方法主要是采用兩個確定平面坐校準:一個是據(jù)雷達25.04米處的 平面，另一個是據(jù)雷達X軸方向2.4米、Y軸方向1.93米處的平面，并將校準出的結果進行線 性插值。
[0071] 在上一中講到的外部參數(shù)校準的思路也可以運用在內部參數(shù)校準中，亦即一個精 確的內部參數(shù)校準（用于計算每束激光的水平和垂直的角度以及距離校正值)必須比不精 確的校準得出更低的能量值。因此在本節(jié)所要介紹的某些實施例中，還包括步驟S104,求解 使得能量方程值最小的內部校準參數(shù)。
[0072] 值得強調的是，這一特性是車輛邊行駛邊收集數(shù)據(jù)帶來的直接結果。對于一輛靜 止的車輛，是不可能消除一些歧義的校準的。實際上，很多角度和距離校正在車輛靜止時都 是貌似正確的，即局部解不唯一。但是當車輛沿已知軌跡行駛時，隨著每束激光的返回值積 聚起來并映射到3D空間上去，不精確的校準無法再形成貌似精準的點云。
[0073]雖然用于計算激光雷達外部參數(shù)校準的能量方程同樣適合于內部校準，但是對64 束激光同時使用網(wǎng)格搜索法來確定三個參數(shù)的計算過于復雜了。作為替換，我們考慮了所 有的水平角度，所有的垂直角度，和所有的距離校正，直至函數(shù)收斂。在每一步，對于求解參 數(shù)，我們求能量方程在單個參數(shù)處的導數(shù)。重新考慮能量方程：
[0075] 在每次迭代的時候，對于每一束激光匕及其鄰近激光集匕，我們將與匕有關的累積 映射出的點云和相應的法向量都維持不變，然后將求解參數(shù)增加或減少一定間隔量α，再重 新計算bj映射出的點。對于是增加還是減少這兩種可能性，能量方程的內部結構Σ kWk | nk· (pk_mk)| |2都要重新計算過，然后我們選出能最大優(yōu)化解的方向的α，或者如果兩個方 向的選擇結果都更糟則維持不變。
[0076] 用這種辦法，我們循環(huán)迭代過所有的參數(shù)和激光束，在每步中都優(yōu)化目標方程，直 到事前確定的迭代次數(shù)達到或者整個方程結果的變化已經十分微小了。要指出的是，盡管 這種搜索方式在實際中運行的很好，不像外部校準中用到的網(wǎng)格式搜索，這里的搜索方法 并不能夠保證目標方程的結果在任何給出的迭代中會降低，因為在每步迭代中，這種搜索 方法會對所有激光束的某個特定參數(shù)進行更新。然而，考慮到搜索的空間是極其大的，這樣 的近似法也是有道理的，而且從結果上看，我們的方法在實際中運行的很好。綜上，通過進 行內部參數(shù)校準，提高了每條光束的參數(shù)準確度，更好地解決了激光雷達自動校準自身參 數(shù)的問題。
[0077]四、接收校準
[0078]除了估計激光雷達的相對位姿極其激光束的參數(shù)外，我們還設計了一套貝葉斯生 成模型，通過最大期望值法來計算每束激光對有著不同反射率的物體表面的接收反應。 [0079]在圖1所示的某些實施例中，還包括步驟S106接收校準，計算校準結果。
[0080]在具體的實施例中，隨著車輛位姿的不斷變化，令Τ為觀測{Z1，…，ζη}的合集，其中 21為四元組化1，^，&1，(31〉，分別對應了觀測的激光束的編號、距離測量、強度測量和地圖網(wǎng) 格編號。地圖可以是包含2D網(wǎng)格的，也就是將所有點投射到地面平面上;或者可以直接用3D 模式的，涵蓋了數(shù)據(jù)的所有信息。觀測到的強度為a的激光束j的確定的校準結果c(j，a)可 以通過下式計算：
[0082]也就是說，當激光束j觀測到強度a時的校準結果是激光束j觀測到強度a的地圖網(wǎng) 格中其他所有激光束觀測到的強度的條件期望值。
[0083]在這個基礎上更進一步，我們可以引申出一個概率校準，包括步驟S108,對每束激 光束的噪音特性和不確定性建立貝葉斯模型，計算在給定地圖網(wǎng)格分布的情況下，每束激 光強度返回值的分布。用概率校準對每束激光的噪音特性和不確定性建模，這在實際情況 中通常很難。我們認為盡管環(huán)境的反射率是連續(xù)性的，為了計算簡便，我們將發(fā)射率的取值 范圍限定在〇到255間的整數(shù)，這也與Velodyne激光雷達的讀數(shù)范圍一致。因而對于每一個 網(wǎng)格地圖ci，我們用P(m)分布來表示網(wǎng)格地圖 Ci的強度為m的概率，其中m=0到255。
[0084] 現(xiàn)在，對于每一束激光h，我們都希望估計出分布P(ai|m)，這個分布代表了在網(wǎng)格 地圖(^的強度為m的時候，激光束匕能返回強度ai的概率。每一個網(wǎng)格地圖都用統(tǒng)一的先驗 強度作為初始值，對于每束激光我們將先驗概率初始值定為：
[0086] 其中，q是標準化系數(shù)，τ控制著分布的峰度，ε是一個返回隨機強度的非零概率。用 這個初始設置，先驗光束很可能返回地圖明亮處的數(shù)值，如圖4所示。
[0087] 從上述給出的初始設置開始，我們要交替著計算每個網(wǎng)格地圖的P(m)(E-Step)和 每束激光和地圖強度的PUdmKM-step)。我們知道盡管每個地圖網(wǎng)格的強度不管如何都 是獨立的，但在給定的激光束模型下他們彼此是條件獨立的，這就允許我們使用EM進行計 算。更新方程如下。
[0088] E-step：
[0090] 從而，在Ε-Step，我們是在給定的當前激光參數(shù)下，計算出強度分布。
[0091] M-step：
[0093] 從而，在M-step，我們是在已知觀測數(shù)據(jù)和每個網(wǎng)格地圖的現(xiàn)有強度分布的情況 下，計算最有可能的激光參數(shù)。首先，在已知某個網(wǎng)格地圖每束激光觀測到的強度返回值以 及該網(wǎng)格地圖強度值分布的情況下，我們可以用E-step計算出該網(wǎng)格地圖對所有可能強度 的概率。然后，用貝葉斯法則，我們可以算出在給定地圖網(wǎng)格強度分布的情況下，每束激光 的可能的強度返回值的分布。
[0094] 當EM收斂以后，我們就有了一個完整的生成型模型，可以用之估計每束激光對不 同反射率的環(huán)境表面的返回值。更好地解決了激光雷達自身參數(shù)校準的問題，有利于激光 雷達快速、準確地感知環(huán)境。
[0095] 五、試驗結果
[0096] 在圖5和圖6所述的實施例中反映了當激光雷達的安裝方位不同之后，還用原來的 外參校準設置，雷達累積形成的點云呈現(xiàn)出變形的效果，物體表面也很模糊（圖5)。與之形 成鮮明對比的是經過重新校準后的圖6,點云更好的聚集在一起。
[0097] 另外，我們的內參校準也很精確。在圖7所示的實施例中，展示了我們的算法能將 激光雷達從極大誤差逐步調整至精確模式，只使用了 10秒鐘的數(shù)據(jù)。其中，點用法向量標色 了。圖a為極大誤差模式下的點云，圖b為經過40次迭代優(yōu)化后的點云，圖c為經過80次迭代 優(yōu)化，圖d為經過300次迭代優(yōu)化。
[0098] 不僅如此，我們的內參校準效果也要遠優(yōu)于廠家的給出的內參校準算法結果。圖8 顯示的是帶廠家校準的64束激光的水平角度的調整，從一樣的初始設置開始，經過400次我 們的迭代運算的結果。
[0099] 在圖9所示的實施例中，描繪了在已知每束激光強度返回值的情況下，預期的環(huán)境 強度。所有六十四束激光都反映在圖上了，可以看出他們間有顯著差別。
[0100]圖10所示的實施例中，我們綜合運用到了本文中所列舉的所有校準方法。圖片中 反映的是街道的正射強度地圖，激光雷達的初始角度和距離誤差都很大，在用我們提供的 內外部校準法后，可以得到中間較為清晰的圖片，最后加入強度校準后可以得到大幅改善 后的右圖。
[0101] 如圖11所示，為一種激光雷達校準裝置模塊圖，其中裝置包括收集模塊1100、外部 校準模塊1102;
[0102] 所述收集模塊1100用于在雷達隨車運動時收集雷達反射數(shù)據(jù)；
[0103]所述外部校準模塊1102用于將收集到的數(shù)據(jù)代入點陣云能量方程，求解使得能量 方程值為最小的外部校準參數(shù)；
[0104]其中點陣云能量方程為：
[0106] 其中J是點云的能量，B激光束總數(shù)，N為臨近光束數(shù)，k是反射光束數(shù)，Pk是第k個點 在車體坐標系下的位置，mk是光束bi接收到反射的所有點中最接近pk的點或點集，nk是mk點 的法向量，w k在| |pk-mk| |<dmax成立時為1，否則為0。通過上述模塊設計，達到了快速、準確 地自主提供位置信息的效果，使得車載激光雷達能夠自主定位。
[0107] 在某些進一步的實施例中，還包括內部校準模塊1104,所述內部校準模塊用于求 解使得能量方程值最小的內部校準參數(shù)。通過設計內部校準模塊1104進行內部參數(shù)校準， 提高了每條光束的參數(shù)準確度，更好地解決了激光雷達自動校準自身參數(shù)的問題。
[0108] 具體地，所述內部參數(shù)包括每束激光水平和垂直的角度以及距離校正值。
[0109] 具體地，所述外部校準參數(shù)包括雷達相對車體的平面坐標參數(shù)、高度、俯仰角、翻 滾角或航向角。
[0110] 在某些進一步的實施例中，還包括接收校準模塊1106,所述接收校準模塊用于將 雷達觀測數(shù)據(jù)代入下式：
[0112] 其中j為激光束編號，a為觀測強度，c為校準結果。上述模塊設計解決了雷達觀測 參數(shù)校準的問題。
[0113] 進一步地，還包括貝斯葉模塊1108,所述貝斯葉模塊用于對每束激光束的噪音特 性和不確定性建立貝葉斯模型，計算在給定地圖網(wǎng)格分布的情況下，每束激光強度返回值 的分布。更好地解決了激光雷達自身參數(shù)校準的問題，有利于激光雷達快速、準確地感知環(huán) 境。
[0114]區(qū)別于現(xiàn)有技術，上述裝置模塊能夠對激光雷達實時傳回的數(shù)據(jù)進行分析，主動 校正激光雷達自身參數(shù)，達到了快速校正激光雷達，提高掃描數(shù)據(jù)準確率，提高掃描圖像辨 識度的效果。
[0115]需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實 體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存 在任何這種實際的關系或者順序。而且，術語"包括"、"包含"或者其任何其他變體意在涵蓋 非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設備不僅包括那些 要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終 端設備所固有的要素。在沒有更多限制的情況下，由語句"包括……"或"包含……"限定的 要素，并不排除在包括所述要素的過程、方法、物品或者終端設備中還存在另外的要素。此 外，在本文中，"大于"、"小于"、"超過"等理解為不包括本數(shù)；"以上"、"以下"、"以內"等理解 為包括本數(shù)。
[0116] 本領域內的技術人員應明白，上述各實施例可提供為方法、裝置、或計算機程序產 品。這些實施例可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例 的形式。上述各實施例涉及的方法中的全部或部分步驟可以通過程序來指令相關的硬件來 完成，所述的程序可以存儲于計算機設備可讀取的存儲介質中，用于執(zhí)行上述各實施例方 法所述的全部或部分步驟。所述計算機設備，包括但不限于:個人計算機、服務器、通用計算 機、專用計算機、網(wǎng)絡設備、嵌入式設備、可編程設備、智能移動終端、智能家居設備、穿戴式 智能設備、車載智能設備等;所述的存儲介質，包括但不限于:RAM、R0M、磁碟、磁帶、光盤、閃 存、U盤、移動硬盤、存儲卡、記憶棒、網(wǎng)絡服務器存儲、網(wǎng)絡云存儲等。
[0117] 上述各實施例是參照根據(jù)實施例所述的方法、設備（系統(tǒng)）、和計算機程序產品的 流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每 一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合?？商峁┻@些計算機 程序指令到計算機設備的處理器以產生一個機器，使得通過計算機設備的處理器執(zhí)行的指 令產生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的 功能的裝置。
[0118] 這些計算機程序指令也可存儲在能引導計算機設備以特定方式工作的計算機設 備可讀存儲器中，使得存儲在該計算機設備可讀存儲器中的指令產生包括指令裝置的制造 品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指 定的功能。
[0119] 這些計算機程序指令也可裝載到計算機設備上，使得在計算機設備上執(zhí)行一系 列操作步驟以產生計算機實現(xiàn)的處理，從而在計算機設備上執(zhí)行的指令提供用于實現(xiàn)在流 程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
[0120]盡管已經對上述各實施例進行了描述，但本領域內的技術人員一旦得知了基本創(chuàng) 造性概念，則可對這些實施例做出另外的變更和修改，所以以上所述僅為本發(fā)明的實施例， 并非因此限制本發(fā)明的專利保護范圍，凡是利用本發(fā)明說明書及附圖內容所作的等效結構 或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發(fā)明的專利 保護范圍之內。
【主權項】
1. 一種激光雷達校準方法，其特征在于，包括如下步驟:外部參數(shù)校準； 所述外部參數(shù)校準步驟包括:雷達隨車運動，收集雷達反射數(shù)據(jù)，將收集到的數(shù)據(jù)代入 點陣云能量方程，求解使得能量方程值為最小的外部校準參數(shù)； 其中點陣云能量方程為：其中J是點云的能量，B激光束總數(shù)，N為臨近光束數(shù)，k是反射光束數(shù)，Pk是第k個點在車 體坐標系下的位置，mk是光束bi接收到反射的所有點中最接近pk的點或點集，％是mk點的法 向量，Wk在llpk-mkll <dmax成立時為1，否則為0。2. 根據(jù)權利要求1所述的激光雷達校準方法，其特征在于，還包括步驟，內部參數(shù)校準， 所述內部參數(shù)校準步驟包括:求解使得能量方程值最小的內部校準參數(shù)。3. 根據(jù)權利要求2所述的激光雷達校準方法，其特征在于，所述內部參數(shù)包括每束激光 水平和垂直的角度以及距離校正值。4. 根據(jù)權利要求1所述的激光雷達校準方法，其特征在于，所述外部校準參數(shù)包括雷達 相對車體的平面坐標參數(shù)、高度、俯仰角、翻滾角或航向角。5. 根據(jù)權利要求1所述的激光雷達校準方法，其特征在于，還包括步驟，接收校準，具體 為，將雷達觀測數(shù)據(jù)代入下式：其中j為激光束編號，a為觀測強度，c為校準結果。6. 根據(jù)權利要求5所述的激光雷達校準方法，其特征在于，還包括步驟，對每束激光束 的噪音特性和不確定性建立貝葉斯模型，計算在給定地圖網(wǎng)格分布的情況下，每束激光強 度返回值的分布。7. -種激光雷達校準裝置，其特征在于，包括收集模塊、外部校準模塊； 所述收集模塊用于在雷達隨車運動時收集雷達反射數(shù)據(jù)； 所述外部校準模塊用于將收集到的數(shù)據(jù)代入點陣云能量方程，求解使得能量方程值為 最小的外部校準參數(shù)； 其中點陣云能量方程為：其中J是點云的能量，B激光束總數(shù)，N為臨近光束數(shù)，k是反射光束數(shù)，pk是第k個點在車 體坐標系下的位置，mk是光束bi接收到反射的所有點中最接近pk的點或點集，％是mk點的法 向量，Wk在llpk-mkll <dmax成立時為1，否則為0。8. 根據(jù)權利要求7所述的激光雷達校準裝置，其特征在于，還包括內部校準模塊，所述 內部校準模塊用于求解使得能量方程值最小的內部校準參數(shù)。9. 根據(jù)權利要求8所述的激光雷達校準裝置，其特征在于，所述內部參數(shù)包括每束激光 水平和垂直的角度以及距離校正值。10. 根據(jù)權利要求7所述的激光雷達校準裝置，其特征在于，所述外部校準參數(shù)包括雷 達相對車體的平面坐標參數(shù)、高度、俯仰角、翻滾角或航向角。11. 根據(jù)權利要求7所述的激光雷達校準裝置，其特征在于，還包括接收校準模塊，所述 接收校準模;用干將雷伏觀測I教抿代入下其中j為激光束編號，a為觀測強度，c為校準結果。12. 根據(jù)權利要求11所述的激光雷達校準裝置，其特征在于，還包括貝斯葉模塊，所述 貝斯葉模塊用于對每束激光束的噪音特性和不確定性建立貝葉斯模型，計算在給定地圖網(wǎng) 格分布的情況下，每束激光強度返回值的分布。
【文檔編號】G01S7/497GK105866762SQ201610107997
【公開日】2016年8月17日
【申請日】2016年2月26日
【發(fā)明人】潘晨勁, 趙江宜
【申請人】福州華鷹重工機械有限公司