三维激光测距传感器通常都是通过在转动安装于水平面上的二维激光器来实现 三维的数据采集的。比如HDL-64E所有的64个激光器分成4组排列安装在上层旋转结构上， 这些激光器能同时扫描同一个扇面，扇面的夹角大约26.8度。然后通过整个上层旋转结构 的转动，达到360度扫描的目的。（图1)因为所有激光器同一时刻只能扫描一个二维平面，所 以必须以较高的转速来满足环视扫描时候的数据的更新速率。
[0070] Velodyne HDL-64E高性能三维激光雷达，是本文所描述的激光雷达在功能上的参 照对象。
[0071] 本文所描述的激光雷达通过在旋转基座上安装多个朝向不同的二维激光雷达，实 现了在较低的转速下实现类似的数据更新率。本文以三个二维激光雷达的一种具体实现举 例，但本设计和相关方法完全可以支持2个、三个、四个甚至更多的二维激光雷达。
[0072]图1所示的实施例中展示了整个装置，即本文描述的一种三维激光雷达的外观。整 个装置上部署了三个SICK LMS-151激光扫描激光雷达，它们是二维的激光雷达。这三个激 光雷达被安置在一个最快2.0赫兹频率旋转的转盘上。系统还配置了一个12线的滑环集电 环为旋转的激光激光雷达提供动力及以太网，以及一个微处理器（中央处理器），用于编码 读取到的数据及作为转盘的电动机控制器。
[0073]所有的二维雷达必须平均地分布在360度的各个方向上（及雷达之间的夹角为 360/N度，N为雷达的数量）。这样做除了保证输出的测量数据(点云)在各个方向上密度均匀 一致，还大大增加了旋转时上层旋转结构的稳定性，减少不利的机械振动。这种设计比起比 起HDL-64E，还可以减少配重的结构。
[0074] 较低的转速也有利于简化机械的结构，减少上层旋转结构转动时候的振动/摆动。 增加二维激光雷达的数量的好处是可以降低转速，或者提高数据更新的频率，但这里面有 个取舍，更多的二维雷达会增加系统中时钟同步的难度。下文会涉及不同部件之间时间同 步的解决算法。
[0075] 每个方向上安装的都是同一型号的二维激光雷达。出于成本考虑，本文给出的具 体实施例中使用了测距范围为50米的SICK LMS-151二维激光雷达。SICK激光雷达拥有的非 常大的扫描角度(270度），角度分辨率为0.5度，内置的激光器发射的频率为50赫兹。因此每 个SICK雷达每秒能进行27050次测量，而整个系统的数据输出率为每秒生成81150个测量。
[0076] 依靠大扫描角度的二维激光雷达，整个装置能提供全方位覆盖和几乎完整的球形 视野一唯一不能观察到的区域是垂直于转盘的一个圆柱体。虽然说这个装置系统的数据输 出率不如HDL-64E，但是相比之下，这个装置在成本更低的情况下，却拥有更好的视野和更 优越的测量精确度。
[0077] 然而，这种设计存在几个挑战：
[0078] 1.由于采集过程中激光雷达是不断旋转运动的(频率达到1到2赫兹），需要依靠一 种算法准确推断某一特定时刻，每个激光雷达的旋转角度(下文用lambda表示）；
[0079] 2.几个激光雷达以及微处理器因为是独立的器件，之间不像HDL-64E那样存在硬 件层面的同步(如时间同步、位置同步等）。这带来了某一特定时刻，不同部件赋予数据的时 间戳不同。
[0080] 为了解决上述问题，输出高质量精确的激光点云，这个雷达的软件算法包括：
[0081] 1.时间校准:利用莫恩算法和凸包算法，模拟恢复不同装置时钟间的频率差与时 间差，以校准由于时钟脉冲相位差和时钟偏差引起的误差。
[0082] 2 .几何校准:对所有的自由几何参数进行优化得到它们的最佳估计值，并利用这 些值对点云的脆度（点云质量的测量)进行最终的优化。
[0083]二、雷达测量/数据采集的数学模型
[0084] 2.1系统参数化及利用运动链(Kinematic Chain)对原始传感器数据进行转化在 这一部分我们把整个系统参数化，概述了用来将原始传感器数据转化到世界坐标体系的变 换。
[0085]在图2所示的实施例中，介绍了一种二维低成本雷达组成的三维激光雷达的探测 方法，一种三维雷达测量方法，所述方法应用于由两个以上二维激光雷达组成的测量工具 中，该测量工具还包括转盘和中央处理器，转盘上设置有激光雷达，所述方法包括模型构建 步骤和时间校准步骤，
[0086] 所述模型构建步骤包括，步骤S200获取传感器测量输出数据;S202根据测量输出 数据构建传感器模型；根据传感器模型得到反传感器模型，S204用反传感器模型根据测量 输出数据估计被测量点的位置，得到第一点云数据;将多时段的第一点云数据合并成第二 点云数据，将多个传感器的第二点云数据合并，得到最终的三维点云；
[0087] 在一些具体的实施例中，现在考虑一个激光雷达Li，在转盘的控制下进行扫射扫 描，对环境中的一系列位置Xflxd}进行了一系列对应的测量，得到测量输aZfizr·· Zm}。每一个测量输出Zj = [^，θ」，φ 由距离测量^，激光雷达的反射镜角Θ」，和转盘的位置 Φ j组成。我们的传感器模型lu是z产luh; Θ 0，如图3所示这里Θ 1= [λ,，τι，αι]τ是激光雷 达1^的一系列外部校准参数。我们用反传感器模型根据测量输出值去估计被测量点的位 置，得到一个运动链(即上述的第一点云数据）：
[0089]这里&^2}和1\^^分别代表了关于特定轴的旋转和平移。通过将一段时间内激 光雷达Li测量输出合并起来，我们就可以生成一个三维的点云，兄={jti .,.交^丨。把三个 激光雷达的测量输出合并起来得到最终的点云f二。
[0090] 在图3所示的实施例中，介绍了一些外部参数的关系，激光雷达U在转盘上的位置 由三个参数决定是激光束发射点到转盘中心的距离，cu是扫描屏幕和转盘的正切向量之 间的夹角，而\则代表了，链接激光束发射点到转盘中心这个半径，与链接第一束激光束发 射点到转盘中心这个半径，之间的逆时针方向的夹角。为了方便我们通常都会把h设置为 0。在利用优化步骤去最大化点云质量的时，我们能自动取得这些外部参数。
[0091] 三、时间校准
[0092] 为了追求更好的三维扫描质量，时间校准和几何校准都是关键。时间校准是针对 由于时间标记误差导致的误差，举个例子来说，一个15毫秒时间标记误差(典型的个人电脑 时钟准确度误差)对于一个以1赫兹的频率旋转的激光雷达来说，如果我们要对一个距离10 米的位置进行距离测量，会产生几乎1米的系统误差。此外，我们要特别注意的是激光雷达 距离测量输出和传感器的方向测量输出之间的同时同步性。要达到这两个数据输出的同步 性，我们需要去模拟估计所有相关传感器跟处理器的时钟脉冲相位差和时钟偏差。而除了 时间校准，我们还要仔细地考虑如何决定系统的几何结构，并针对几何结构进行几何校准， 以避免系统的测量性能下降。
[0093] 3.1时间校准一时钟间的匹配
[0094]在具体的实施例中，如图2所示，一种三维雷达探测方法中，所述时间校准步骤包 括，步骤S206运用莫恩算法去确定每一个激光雷达上的时钟相对于中央处理器时钟的时钟 脉冲相位差，S208通过静态延迟校准，使用外部参数校准每个激光雷达的相对位置标记时 钟偏差，所述外部参数包括激光雷达激光发射点与旋转中心的距离或激光雷达扫描平面与 转动平面正切向量的夹角；S210用所述相对位置标记时钟偏差优化外部参数，S212使用优 化后的外部参数计算转盘位置读数，用所述转盘位置读数、相对位置标记时钟偏差和脉冲 相位差进行两个以上激光雷达间的时钟匹配。
[0095]被测量点云f的精确度高度取决于外部校准参数的质量以及转盘旋转度测量数 据的精确度。其中后者是一个关于转盘编码测量和单束激光测量的时间标记精确度的方 程。理想的状态下，我们会用一些方程来对单束激光测量的时间标记k和转盘编码测量进 行匹配，以使得Φ」： = ΦΧ4)，这就需要所有相关的装置对时间的测量是一致的。而事实 上，每一个SICK LMS-151激光扫描激光雷达都配置有一个内部的时钟，以用来给数据戳上 时间标记；同样地，微处理器在标记其转盘编码数据的时间时用的也是它内部配置的时钟。 图4就阐释了这样一个状况：
[0096]如图4所示，一个激光雷达1^发出了一束激光束，其距离测量为〇，反射镜角为θ」， 而根据雷达内部的时钟Ci，激