本发明涉及一种用于对车辆传感器的参数进行标定的设备和方法，所述传感器可用于车辆的辅助行驶或自动行驶系统。
背景技术：
近些年，包括辅助行驶和自动行驶的智能驾驶技术迅速发展，其中环境感知技术是智能驾驶中的核心关键技术之一。基于三维激光雷达、毫米波雷达、视觉相机等传感器的目标识别是智能驾驶关键技术之一。
诸如激光雷达、毫米波雷达、视觉相机等的传感器是智能驾驶系统获取外部信息的重要来源。传感器参数标定对感知目标物的位置判断至关重要，直接影响到自动驾驶路径规划和控制效果，因此在使用传感器之前对传感器进行参数标定十分重要。传感器的参数标定一般又分为内参标定与外参标定，其中内参标定多由生产厂家完成。以三维激光雷达为例，三维激光雷达内参标定指的是其内部激光发射器坐标系与雷达自身坐标系的转换关系，在出厂之前已经标定完成。在传感器使用过程中，其输出的检测数据都是基于传感器自身的坐标系给出的，车辆需要根据事先标定好的传感器参数将传感器输出的检测数据转换为目标物与车辆的相对位置，或者说目标物在车辆坐标系中的坐标。从传感器自身坐标系到车体坐标系的转换所使用的参数的标定则需要通过外参标定来完成。外参标定需要标定两个坐标系之间的旋转矩阵和平移矩阵。为确定空间物体表面某点的三维几何位置与其在传感器中对应点之间的相互关系，必须建立相应的坐标系转换模型。坐标系转换模型的参数就是所述传感器的标定参数。本发明下文所涉及的参数标定均是指传感器的外参标定。
在现有技术中，对所述传感器进行的参数标定多采用人工测量距离并借助经验手动修改参数来完成，通过这种方式得到的标定准确度较低，并且标定工作效率较低，人工成本较高。
技术实现要素：
本发明的目的是提供一种用于对车辆传感器的参数进行标定的设备和方法，以至少部分地解决现有技术中的上述问题。
本发明提供一种用于对车辆传感器的参数进行标定的设备，所述参数用于将由所述传感器检测到的目标物的位置数据转换为车辆坐标系中的坐标数据，其特征在于，所述设备包括：
定位装置，其能获得目标物和车辆的地球坐标；和
计算装置，其包括：
坐标转换模块，该坐标转换模块基于通过所述定位装置获得的所述目标物和车辆的地球坐标将所述目标物的地球坐标转换为所述目标物在车辆坐标系中的基准坐标；和
参数搜索模块，该参数搜索模块能在预定范围内搜索所述参数的优化标定值，使得所述目标物的计算坐标与所述基准坐标之间的误差小于预定的误差阈值，其中所述计算坐标是基于由所述传感器检测到的所述目标物的位置数据和由所述参数搜索模块搜索到的优化标定值而计算出的所述目标物在所述车辆坐标系中的坐标。
优选地，所述定位装置使用差分全球定位系统对所述目标物和车辆进行定位，以获得目标物和车辆的地球坐标。
优选地，所述地球坐标包括高斯坐标。
优选地，所述参数包括坐标轴偏移量和旋转角。
优选地，所述参数搜索模块使用遗传算法搜索所述参数的优化标定值。
优选地，所述目标物包括至少两个目标物。
优选地，所述误差包括各目标物的计算坐标与基准坐标之间的欧氏距离之和。
本发明还提供一种用于对车辆传感器的参数进行标定的方法，所述参数用于将由所述传感器检测到的位置数据转换为车辆坐标系中的坐标数据，其特征在于，所述方法包括：
定位步骤，在该定位步骤中通过定位装置获得目标物和车辆的地球坐标；
坐标转换步骤，在该坐标转换步骤中基于所述目标物和车辆的地球坐标将所述目标物的地球坐标转换为在车辆坐标系中的基准坐标；和
参数搜索步骤，在该参数搜索模步骤中，在预定范围内搜索所述参数的优化标定值，使得所述目标物的计算坐标与所述基准坐标之间的误差小于预定的误差阈值，其中所述计算坐标是基于由所述传感器检测到的所述目标物的位置数据和由所述参数搜索模块搜索到的优化标定值而计算出的所述目标物在所述车辆坐标系中的坐标。
优选地，在所述定位步骤中，所述定位装置使用差分全球定位系统对所述目标物和车辆进行定位，以获得目标物和车辆的地球坐标。
优选地，所述地球坐标包括高斯坐标。
优选地，所述参数包括坐标轴偏移量和旋转角。
优选地，在所述参数搜索步骤中使用遗传算法搜索所述参数的优化标定值。
优选地，所述目标物包括至少两个目标物。
优选地，所述误差包括各目标物的计算坐标与基准坐标之间的欧氏距离之和。
附图说明
下文将参照附图仅通过非限制性示例的方式说明本发明的具体实施例，其中：
图1示意性地示出对车辆传感器进行参数标定的现场俯视图；
图2是根据本发明的标定设备的示意性原理框图；
图3是借助根据本发明的标定设备和标定方法进行参数标定的主要流程图；
图4示出在一示例中所使用的遗传算法的原理流程图；和
图5示出在上述示例中所使用的遗传算法的初始种群的结构。
具体实施方式
下面将参照附图详细说明本发明的具体实施方式。应注意，为了清楚起见，各附图未必按比例绘制。而且，为了清楚地突出所要表达的重要技术特征，在某些附图中可以省略或仅示意性地示出了其他技术特征，但具体实施例并不局限于此。
根据本发明的标定设备和标定方法可以应用于在道路上行驶的任何车辆、机器人或运载工具的辅助驾驶系统或自动驾驶系统中所使用的传感器。下文将以车辆为例对本发明的标定设备和标定方法进行说明，所述车辆可以是轿车、卡车、物流车、无人驾驶车辆或任意其他类型的车辆。
图1示意性地示出对车辆传感器进行参数标定的现场俯视图。在对安装在车辆1上的传感器2进行标定的过程中，需要在传感器2的检测区域内放置目标物3，通过外部测量和计算而确定目标物3在车辆坐标系中的实际坐标，并将其作为基准坐标。调整传感器2的坐标转换参数，以使得基于传感器输出的检测数据和坐标转换参数而计算出的目标物3在车辆坐标系中的计算坐标尽量与所述基准坐标相吻合，从而完成对传感器2的参数标定。所述坐标转换参数包括坐标轴偏移量和旋转角。可应用根据本发明的标定设备和标定方法进行参数标定的传感器类型包括但不限于毫米波雷达、视觉相机、ibeo激光雷达、velodyne激光雷达和sick激光雷达等。
在图1所示的示例中，为了清楚简洁地进行说明，仅示出了一个目标物3，然而目标物的数量可以根据传感器的类型和标定需求而确定。例如，对于诸如单线激光雷达的二维传感器的参数标定，通常设置两个目标物即可，但设置三个目标物则可以形成一套冗余的标定系统，增加参数标定的鲁棒性和准确性。对于诸如多线激光雷达的三维传感器的参数标定，则需要设置不在同一直线上的至少三个目标物。在目标物类型的选取上，通常应保证该目标物易于被传感器识别并且位置固定，例如可以选用路灯灯柱、纸箱和类似物体。另外，在图1所示的示例中，车辆坐标系以车辆最前端中心位置为原点，车辆纵向方向为x轴方向，车辆横向方向为y轴方向，竖向方向为z轴方向(从图1的纸面垂直向外的方向)。然而，上述车辆坐标系仅是示例性的，车辆坐标系也可以根据具体应用需求而以其他方式设定。
图2是根据本发明的标定设备的示意性原理框图。如图2所示，根据本发明的用于对车辆传感器的参数进行标定的设备包括定位装置4和计算装置5。所述定位装置4可以包括多个定位元件，图1中仅示意性地具体示出两个定位元件41和42。所述定位元件可以分别放置在各目标物和车辆上，以便获得相应目标物和车辆的地球坐标。具体而言，所述定位元件可以设置在目标物上的关注点的位置处，由此获得的目标物的地球坐标实际上是该关注点的地球坐标。在本文中，所述车辆的地球坐标是指车辆坐标系原点的地球坐标，因此设置在车辆上的定位元件可以直接设置在车辆坐标系的原点位置处，由此直接获得车辆坐标系原点的地球坐标，下文将以此为示例进行说明。或者，所述定位元件也可以设置在车辆上的在车辆坐标系中位置固定的其他位置处，由此可以基于由该定位元件获得的地球坐标而间接推算出车辆坐标系原点的地球坐标。
所述定位装置4可以借助例如全球定位系统(gps)、伽利略(galileo)、格洛纳斯(glonass)、北斗(compass)以及类似的定位手段获得各目标物和车辆的地球坐标或空间坐标。在本发明的实施例中，优选地使用差分全球定位系统(dgps)对所述目标物和车辆进行定位，以获得目标物和车辆的地球坐标。借助dgps获得的定位可以达到厘米量级的准确度，从而为传感器参数标定提供较准确的评估基准。
所述计算装置5包括坐标转换模块51和参数搜索模块52。所述计算装置5可以通过由总线连接的中央处理器、只读存储器和随机存取存储器等而实现。所述计算装置5还可以具有输入接口，所述输入接口与所述定位装置4通信连接，以接收来自所述定位装置的定位数据，所述定位数据包含了各目标物和车辆的地球坐标。或者，所述输入界面可以包括例如键盘和鼠标的人工输入装置，通过操作员人工输入从所述定位装置4获取的定位数据。所述计算装置5还可以具有输出接口，以将计算结果输出到例如显示器的外部设备。
所述坐标转换模块51可以基于通过所述定位装置4获得的各目标物和车辆的地球坐标，将目标物的地球坐标转换为在车辆坐标系中的基准坐标。目标物的基准坐标是基于所述定位装置4的较准确的实际检测结果而转换得到的，因此可以作为传感器参数标定的评估基准。
所述参数搜索模块52可以在传感器各参数的预定范围内搜索所述参数的值，并且使用搜索到的参数的值基于由传感器检测到的目标物的位置数据而计算所述目标物在车辆坐标系中的计算坐标，以找到使得所述目标物的计算坐标与所述基准坐标之间的误差最小或使得该误差小于预定的误差阈值的参数的优化标定值。所述误差阈值可以根据标定要求而确定，误差阈值越小，标定准确度越高。需要标定的传感器参数的预定范围可以根据厂商提供的产品手册和传感器在车辆上的安装位置而估算。所述参数搜索模块可以采用各种适用的最优解搜索算法来搜索参数的优化标定值，例如，所述最优解搜索算法包括但不限于遗传算法、模拟退火算法、蚁群算法和爬山算法等。下文将以遗传算法为示例来说明借助根据本发明的标定设备和方法而实现的传感器标定过程的一具体实施例。
图3示意性地示出借助根据本发明的标定设备和标定方法进行参数标定的主要流程。首先在步骤s1中，将用于参数标定的目标物放置在传感器的目标检测区域内，以便能够被传感器检测到；并且将定位装置4的定位元件分别放置在目标物和车辆上。目标物的数量和类型以及定位元件在目标物和车辆上的具体位置可参照上文所述的方式选取。在该实施例中，目标物的数量为3个，并且车辆上的定位元件设置在车辆坐标系的原点处。
然后，在步骤s2中，通过所述定位装置4获得各目标物和车辆的地球坐标。如上文所述，在本发明的实施例中优选采用dgps装置作为所述定位装置。在该实施例中通过dgps获得的车辆经纬度坐标为(116.35077426，40.08581336)，并且三个目标物的经纬度坐标分别为(116.35068578，40.08519703)、(116.35078071，40.08513468)、(116.35088465，40.08501531)。
由于dgps装置所获得的数据为经纬度坐标，因而需要继而在以下步骤s3中进行坐标转换。在步骤s3中，为了便于转换到车辆坐标系中，可以先借助以下转换公式(1)将经纬度坐标转换为高斯投影坐标系下的坐标。
在公式(1)中，x、y、z为高斯投影坐标系坐标，b为纬度，h为高度，l为经度，n为椭球面半径，e为椭球第一偏心距。
在该实施例中，通过上述转换公式(1)计算得到的车辆坐标系原点和三个目标物的高斯投影坐标如下：
车辆：(4439129.3665807，444629.378000363)；
目标物1：(4439190.98589982，444621.332306947)；
目标物2：(4439184.00363029，444629.378236009)；和
目标物3：(4439170.68440501，444638.146441265)。
在得到车辆和目标物的高斯投影坐标之后，可以根据以下变换公式(2)进一步计算目标物在车辆坐标系中的坐标，其本质上是在不同参考系下的坐标变换。
相对坐标＝绝对坐标-牵连坐标
在公式(2)中，绝对坐标为目标物在高斯投影坐标系中的坐标，牵连坐标为车辆坐标系原点在在高斯投影坐标系中的坐标，相对坐标即为目标物在车辆坐标系中的实际坐标，其将作为基准坐标以对参数标定的结果进行评估。
在该实施例中，在路面平整的条件下，车辆原点和三个目标物的高度均可设定为1.5米，由此可以根据上述公式(2)得到各目标物在车辆坐标系中的实际坐标或基准坐标p1、p2和p3如下：
p1：(-8.045693416，61.61931912，1.50)；
p2：(0，54.63704959，1.50)；和
p3：(8.768440902，41.31782431，1.50)。
接下来，在步骤s4中，如上文所述，借助所述参数搜索模块52在预定范围内搜索各参数的最优标定值。图4示出了在该实施例中通过遗传算法进行搜索的原理流程图，下文将详细说明。
首先，在步骤s41中，由需要标定的参数的二进制码组合成用于遗传算法的种群，并随机产生初始种群。遗传算法的运算对象是表示个体的符号串，初始种群的个体均为二进制码组成，每一位只有0或者1两种可能，因此初始种群可借助于随机数并对随机数使用阈值判断来产生(高于阈值取真为1，低于阈值为假取0)。所要标定的参数包括坐标轴的偏移量和旋转角，即，x轴偏移量xoffset、y轴偏移量yoffset、z轴偏移量zoffset、绕x轴的旋转角roll、绕y轴的旋转角pitch和绕z轴的旋转角yaw。用无符号二进制整数来表示需要标定的各参数，并且将各参数对应的二进制码按xoffset、yoffset、zoffset、roll、pitch、yaw的顺序依次连接起来，即组成用于遗传选择的种群。由此可以得到不同情况下的参数组合与二进制码的唯一对应关系。
具体而言，如上文所述，各参数的预定取值范围可以根据厂商提供的产品手册和传感器在车辆上的安装位置而估算。例如，在该实施例中，对于xoffset而言，首先根据传感器2相对于车辆坐标系原点的安装位置和传感器的产品手册估算得到xoffset的取值范围是0～4(米)。为达到厘米级别的定位精度，表示xoffset的二进制码至少应为10位。随机产生10位二进制数码0101010101，对应的xoffset标定参数为1.333，落在其预定取值范围内。可以通过同样的方式得到其余五个参数的二进制码和对应的标定参数。将这6个参数的二进制码按上述先后顺序连接之后则得到如图5所示的初始种群。
可见，待求解的参数较多，并且各参数的二进制码连接之后得到的二进制数位数较大。在本实施例中的单个种群的二进制码位数为64，因此初始种群规模m也选定为64，以避免因种群规模过小而陷入局部最优解的情况。
然后，在步骤s42中确定用于该遗传算法的适应度函数并以此为标准来筛选种群个体。在该遗传算法中的适应度函数扮演着对种群中个体优胜劣汰标准的重要角色，适当选取的适应度函数可以快速得到最符合要求的最优解。在车体坐标系中，可以将通过该遗传算法迭代得到的各目标物的计算坐标(p1*，p2*，p3*)与各目标物的上述基准坐标(p1，p2，p3)之间的偏差距离作为衡量标定准确度的标准。因而，可以将根据以下公式(3)计算的各目标物在车辆坐标系中的计算坐标与基准坐标之间的欧式距离之和dis作为该遗传算法的适应度函数。
可以根据上述适应度函数对初始种群各个体进行优胜劣汰。对于该遗传算法而言可以采用轮盘赌(rws，roulettewheelselection)方法，根据遗传算法每次迭代的标定参数值和传感器检测到的目标物的位置数据而计算出各目标物在车辆坐标系中的计算坐标(p1*，p2*，p3*)，并计算其与各目标物的所述基准坐标(p1，p2，p3)之间的欧式距离之和dis。根据适应度函数计算得出dis对应的概率，保证当前群体中适应度较高的个体有更多的机会遗传到下一代。
然后，在步骤s43中，当采用rws方法对初始种群重新选择得到的个体数量到达m个时，以新选择产生的m个新个体组成一个新的种群。继而在步骤s44中，对新种群实行交叉、变异运算。然后在步骤s45中判断迭代次数是否到达预定迭代次数阈值n。若迭代次数未到达n，则重复以上优胜劣汰过程；若迭代次数到达n，则停止迭代，得到标定参数的优化标定值。
在该实施例中，根据上述初始种群个体对应的六个标定参数和传感器检测到的目标物的位置数据而计算出各目标物在车辆坐标系中的计算坐标p1*、p2*和p3*分别为：
p1*：(7.0153，64.0429，1.5196)；
p2*：(0.2571，56.8722，1.4718)；和
p3*：(8.5484，42.7765，1.4361)。
根据公式(3)，设定适应度函数dis＝0.01，以该适应度函数为标准对初始种群评估适应概率并进行rws方法的选择，重复64次选择的过程得到64个优胜个体，对选择产生的新种群执行交叉编译操作，重复以上迭代过程，得到最优个体的二进制编码如下：
1100111011001010110011011100111100110011011010110110110101010111
该二进制码对应的标定参数值(xoffset＝2.342，yoffset＝0.213，zoffset＝1.468，roll＝2.444，pitch＝3.132，yaw＝1.928)即为最后得到的各参数的最优标定值，由此完成根据本发明的标定过程。
根据本发明的上述传感器标定设备和方法可以适用于多种传感器的参数标定。通过利用例如dgps的自动定位装置和例如遗传算法的最优解搜索方法进行标定，可以大大提高标定工作的质量和效率，降低标定工作的成本。
本发明的技术方案可以应用于普通乘用车、商用车、自动行驶物流车、自动导引车(agv，automatedguidedvehicle)、搬运机器人等的相关传感器的参数标定以及任何其他可应用的领域。
虽然已经参照本发明的优选实施例和示例说明了本发明，但本领域技术人员应理解，本发明的上述各实施例中的各种特征可以适当地重新组合而形成变型方案，而且本领域技术人员可以对上述实施例做出各种其它的变型和修改，做出等同技术方案，并且应用于各种领域，而不脱离本发明的范围。