一种激光雷达外参在线标定方法与流程

1.本发明涉及激光雷达技术领域，具体涉及一种激光雷达外参在线标定方法。


背景技术：

2.近年来，随着智能驾驶技术的飞速发展，激光雷达具有精度高、测距范围大，以及不受光线影响等特点，被广泛应用于智能驾驶车辆的障碍物检测、即时定位与地图构建等环境感知领域。激光雷达，作为自动驾驶汽车常用的传感器之一，激光雷达获取点云数据并识别障碍物后，需要通过外参将其转换到车体坐标系下才能使用。然而，车辆在行驶过程中，会因颠簸等因素导致激光雷达外参暂时性变动，安装支架也会随着时间推移发生机械形变，导致外参永久性变动。这些因素都会导致激光雷达识别的障碍物无法准确转换到车辆坐标系下，从而影响到自动驾驶系统的判断与决策。目前，激光雷达外参估计多是采用离线标定，系统需要在特定的场景下使用特定的工具采集数据，然后离线计算出外参，此方法存在以下缺点：1)需要特定场景和设备，标定过程繁琐，限制较多；2)只能离线标定，不能在线实时纠正激光雷达的外参误差。


技术实现要素：

3.本发明主要是为了解决现有的激光雷达外参离线标定方法需要特定的场景和设备，标定过程繁琐的问题，提供了一种激光雷达外参在线标定方法，不依赖特定的场景和工具，不增加额外的设备，实现在线实时更新激光雷达外参数，实时纠正激光雷达的外参误差。
4.为了实现上述目的，本发明采用以下技术方案：
5.一种激光雷达外参在线标定方法，包括以下步骤：步骤s1)获取点云数据并进行预处理；步骤s2)从点云数据中提取地面信息；步骤s3)使用ransac算法，利用地面信息拟合获得目标地平面；步骤s4)利用目标地平面的法向量坐标和理想地平面的法向量坐标计算获得变换矩阵；步骤s5)根据变换矩阵，获取roll、pitch和tz；步骤s6)使用激光里程计，标定获得yaw。目前激光雷达外参估计多是采用离线标定，系统需要在特定的场景下使用特定的工具采集数据，然后离线计算出外参数，过程繁琐，限制条件多，且只能离线标定，不能在线实时更新激光雷达外参，存在误差。为此，本发明提出了一种激光雷达外参在线标定方法，不依赖于特定的场景和工具，不增加额外的设备，实现在线实时更新激光雷达外参数，纠正外参误差。由于激光雷达与车体之间的外参可以用旋转参数欧拉角roll、pitch、yaw和平移参数tx、ty、tz表示，其中tx、ty可以直接测量获得，对外参影响小，本发明主要关注roll、pitch、yaw、tz参数的标定，具体过程为：首先在汽车上安装激光雷达，通过车载激光雷达收集点云数据，对收集的点云数据进行预处理；然后将预处理后的点云数据进行地面分割，即从点云数据中提取地面信息，使用ransac算法，利用地面信息执行迭代计算过程拟合出目标地平面，进而获得目标地平面的法向量坐标；以与汽车底盘平行的地平面为理想地平面，对目标地平面的法向量和理想地平面的法向量进行计算，获得变换矩阵；接着从变换矩阵
中提取出旋转参数欧拉角roll、pitch和平移参数tz；最后使用激光里程计，标定获得旋转参数欧拉角yaw，即使用激光里程计获得汽车从t0时刻到t1时刻的相对位姿变换矩阵，根据相对位姿变换矩阵，将t1时刻的点云数据转换到t0坐标系下，获得(x1，y1)，根据(x1，y1)，计算获得yaw。本发明在线标定了自动驾驶汽车上激光雷达到车体的坐标变换，从而获得车体和激光雷达的相对位姿，进而实现车体和其他车载传感器的融合与标定。
6.作为优选，步骤s6的具体过程，包括以下步骤：步骤s61)控制汽车沿直线行驶；步骤s62)使用激光里程计获得汽车从t0时刻到t1时刻的相对位姿变换矩阵；步骤s63)根据相对位姿变换矩阵，将t1时刻的点云数据转换到t0坐标系下，获得(x1，y1)；步骤s64)根据(x1，y1)，计算获得yaw。本发明控制汽车沿直线行驶，即水平面上(地面方向上)汽车是没有变化的(yz平面和xz平面没有变化)。当汽车沿着直线从t0时刻位置行驶至t1时刻的位置，激光雷达在t0时刻获得的点云数据记为p0，在t1时刻获得的点云数据记为p1，通过点云匹配的算法将p0与p1进行配准，得到点云数据从p0变化到p1的相对位姿变换矩阵，根据相对位姿变换矩阵，将p1的点云数据转化到p0坐标系下，得到某点在p0坐标系下的坐标为(x1，y1)，根据(x1，y1)计算获得yaw角。
7.作为优选，步骤s62的具体过程为：当汽车沿直线从t0时刻位置行驶至t1时刻位置，汽车在t0时刻的点云数据为p0，在t1时刻的点云数据为p1，通过点云匹配算法，将点云数据p0与点云数据p1进行配准，获得p0变换到p1的相对位姿变换矩阵。当汽车沿着直线从t0时刻位置行驶至t1时刻的位置，激光雷达在t0时刻获得的点云数据记为p0，在t1时刻获得的点云数据记为p1，通过点云匹配的算法将p0与p1进行配准，得到点云数据从p0变化到p1的位姿变换。
8.作为优选，步骤s64的计算公式为：基于上述公式，根据(x1，y1)计算获得yaw角。
9.作为优选，理想场景下，所述理想地平面与汽车底盘平面平行。在理想场景下，车体与理想地平面(地面水平)是平行关系，即汽车底盘与理想地平面平行，此时，通过安装在车体的激光雷达扫描得到空间中的点，从这些点中提取出地面点。如果雷达底面与车平面(即汽车底盘平面)平行的话，即雷达与理想地平面平行，此时雷达提取出的地面点应该是和理想地平面重合的，roll，pitch均为0。但实际安装过程有误差，雷达底面与理想地平面不是平行的关系，雷达提取的目标地平面与理想地平面不重合，假定理想地平面向上的法向量为[0,0,1]，向右的法向量为[0,1,0]，激光雷达点云数据中提取的目标地平面的法向量为f，通过计算f与理想地平面法向量的变换矩阵，便可以求取出roll和pitch角以及tz。
[0010]
作为优选，tx、ty通过测量获得。tx、ty可以直接测量获得，对外参影响小，本发明主要关注roll、pitch、yaw、tz参数的标定。
[0011]
因此，本发明的优点是：(1)不依赖特定的场景和工具，不增加额外的设备，步骤简单；(2)实现在线标定激光雷达外参数，实时纠正激光雷达的外参误差。
附图说明
[0012]
图1是本发明实施例的流程图。
[0013]
图2是本发明实施例中激光雷达与汽车底盘平面及理想地平面的结构示意图。
[0014]
图3是本发明实施例中目标地平面与理想地平面的结构示意图。
[0015]
图4是本发明实施例中汽车三维空间坐标示意图。
[0016]
图5是本发明实施例中汽车xy平面示意图。
[0017]
1、激光雷达2、理想地平面3、目标地平面4、汽车底盘平面。
具体实施方式
[0018]
下面结合附图与具体实施方式对本发明做进一步的描述。
[0019]
如图1所示，一种激光雷达外参在线标定方法，包括以下步骤：步骤s1)获取点云数据并进行预处理；步骤s2)从点云数据中提取地面信息；步骤s3)使用ransac算法，利用地面信息拟合获得目标地平面；步骤s4)利用目标地平面的法向量坐标和理想地平面的法向量坐标计算获得变换矩阵；步骤s5)根据变换矩阵，获取roll、pitch和tz；步骤s6)使用激光里程计，标定获得yaw。由于激光雷达与车体之间的外参可以用旋转参数欧拉角roll、pitch、yaw和平移参数tx、ty、tz表示，其中tx、ty可以直接测量获得，对外参影响小，本实施例主要关注roll、pitch、yaw、tz参数的标定，具体过程为：首先在汽车上安装激光雷达，通过车载激光雷达收集点云数据，对收集的点云数据进行预处理；然后将预处理后的点云数据进行地面分割，即从点云数据中提取地面信息，使用ransac算法，利用地面信息执行迭代计算过程拟合出目标地平面，进而获得目标地平面的法向量坐标；以与汽车底盘平行的地平面为理想地平面，对目标地平面的法向量和理想地平面的法向量进行计算，获得变换矩阵；接着从变换矩阵中提取出旋转参数欧拉角roll、pitch和平移参数tz；最后使用激光里程计，标定获得旋转参数欧拉角yaw，即使用激光里程计获得汽车从t0时刻到t1时刻的相对位姿变换矩阵，根据相对位姿变换矩阵，将t1时刻的点云数据转换到t0坐标系下，获得(x1，y1)，根据(x1，y1)，计算获得yaw。
[0020]
步骤s6的具体过程，包括以下步骤：步骤s61)控制汽车沿直线行驶；步骤s62)使用激光里程计获得汽车从t0时刻到t1时刻的相对位姿变换矩阵；步骤s63)根据相对位姿变换矩阵，将t1时刻的点云数据转换到t0坐标系下，获得(x1，y1)；步骤s64)根据(x1，y1)，计算获得yaw。本发明控制汽车沿直线行驶，即水平面上(地面方向上)汽车是没有变化的(如图4所示，向前为y，向右为x，向上为z，yz平面和xz平面没有变化)。当汽车沿着直线从t0时刻位置行驶至t1时刻的位置，激光雷达在t0时刻获得的点云数据记为p0，在t1时刻获得的点云数据记为p1，通过点云匹配的算法将p0与p1进行配准，得到点云数据从p0变化到p1的相对位姿变换矩阵；根据相对位姿变换矩阵，将p1的点云数据转化到p0坐标系下，得到某点在p0坐标系下的坐标为(x1，y1)，如图5所示；根据(x1，y1)，按照公式计算获得yaw角。
[0021]
理想场景下，理想地平面2与汽车底盘平面4平行。如图2所示，在理想场景下，车体与理想地平面2(地面水平)是平行关系，即汽车底盘与理想地平面2平行(图2中的方形表示理想地平面2和汽车底盘平面4，两个平面是平行关系)，此时，通过安装在车体的激光雷达1
扫描得到空间中的点，从这些点中提取出地面点。如果雷达底面与车平面(即汽车底盘平面4)平行的话，即雷达与理想地平面2平行，此时雷达提取出的地面点应该是和理想地平面2重合的，roll，pitch均为0。但实际安装过程有误差，雷达底面与理想地平面2不是平行的关系，如图3所示，雷达提取的目标地平面3与理想地平面2不重合(图3中的方形表示目标地平面3和理想地平面2，两个平面不重合)，假定理想地平面2向上的法向量为[0,0,1]，向右的法向量为[0,1,0]，激光雷达点云数据中提取的目标地平面3的法向量为f，通过计算f与理想地平面2法向量的变换矩阵(即图3中两个平面坐标轴的变换矩阵)，便可以求取出roll和pitch角以及tz。