《智能駕駛之激光雷達(dá)算法詳解》基于激光雷達(dá)的車體外參標(biāo)定

jinchanchanwaji

介紹激光雷達(dá)相對(duì)車體的位置和姿態(tài)的獲取方法，即激光雷達(dá)的外參標(biāo)定。靜態(tài)標(biāo)定需要專業(yè)設(shè)備和場(chǎng)地，如四輪定位臺(tái)架、標(biāo)定板、激光測(cè)距儀和全站儀等設(shè)備。

        在現(xiàn)今的汽車工業(yè)領(lǐng)域，整車廠普遍采用靜態(tài)標(biāo)定室對(duì)LiDAR、相機(jī)及雷達(dá)等傳感器進(jìn)行高精度校準(zhǔn)。靜態(tài)標(biāo)定的核心在于設(shè)備的精準(zhǔn)度與數(shù)據(jù)質(zhì)量，而高精度標(biāo)定工具的成本往往高達(dá)數(shù)十萬(wàn)至數(shù)百萬(wàn)人民幣，價(jià)格波動(dòng)受配置與精度需求影響顯著。然而，車輛投入使用后，持續(xù)的振動(dòng)與行駛中的輕微碰撞可能導(dǎo)致傳感器外部參數(shù)變化，從而影響輔助駕駛系統(tǒng)的感知與定位效能。鑒于此，近年來(lái)，科研機(jī)構(gòu)與車企正積極探索動(dòng)態(tài)標(biāo)定技術(shù)，即在車輛實(shí)際行駛過(guò)程中，實(shí)時(shí)校準(zhǔn)傳感器外部參數(shù)或監(jiān)測(cè)其位姿狀態(tài)。本章聚焦于LiDAR的動(dòng)態(tài)外參標(biāo)定，基于國(guó)內(nèi)外研究前沿，我們將其歸納為三大研究方向：首先，利用道路特征與預(yù)設(shè)標(biāo)定物進(jìn)行標(biāo)定，如通過(guò)擬合地面推算LiDAR相對(duì)于車體地面的垂直高度、俯仰角及翻滾角，而偏航角的校準(zhǔn)則可能依賴路邊垂直標(biāo)志物，如路燈、標(biāo)定樁等，或通過(guò)分析LiDAR掃描地面形成的特定波形（如大傾角下的雙曲線）來(lái)確定。此類方法的前提是假設(shè)地面絕對(duì)水平，并據(jù)此反向推算傳感器參數(shù)。算法需要地面水平或垂直的參考物體的先驗(yàn)信息，但在實(shí)際駕駛過(guò)程中很難得到保證。基于手眼模型的外參標(biāo)定方法可以用于機(jī)械手上攝像頭和具有定位功能的傳感器標(biāo)定，通過(guò)求解AX-XB的等式約束方程得到外參矩陣X。百度Apoo和英偉達(dá)的DriveWork都使用手眼標(biāo)定算法實(shí)現(xiàn)激光雷達(dá)和IMU之間的標(biāo)定。另一種基于點(diǎn)云特征優(yōu)化的外參標(biāo)定方法需要建立點(diǎn)云地圖，通過(guò)非線性優(yōu)化獲取外參標(biāo)定結(jié)果。Levinson和Thrunl提出了一種無(wú)監(jiān)督的外參標(biāo)定算法，通過(guò)對(duì)能量方程進(jìn)行優(yōu)化搜索獲取LiDAR的外參標(biāo)定參數(shù)。其他方法涉及點(diǎn)云特征分析、Reny Qu1tropy函數(shù)優(yōu)化、局部鄰域點(diǎn)共面性、點(diǎn)云地圖構(gòu)建和優(yōu)化等。
        SSAC算法是基于道路、標(biāo)定物特征的LiDAR動(dòng)態(tài)外參標(biāo)定算法。該算法分為兩個(gè)階段：第一階段通過(guò)地面點(diǎn)云進(jìn)行平面擬合，得到水平地面在激光雷達(dá)坐標(biāo)系下的方程，并利用粒子群優(yōu)化算法求得俯仰角pitch、橫滾角roll和高度Az；第二階段在車輛直線行駛過(guò)程中分析同一個(gè)標(biāo)定桿對(duì)應(yīng)的點(diǎn)云特征，通過(guò)聚類獲取標(biāo)定桿的中心點(diǎn)，計(jì)算求解出激光雷達(dá)相對(duì)車體的偏航角yaw。通過(guò)上述步驟即可完成對(duì)激光雷達(dá)4個(gè)外參的標(biāo)定。構(gòu)建水平度函數(shù)，使水平度趨近于0。通過(guò)粒子群優(yōu)化算法進(jìn)行最小化。PSO是一種啟發(fā)式直接搜索算法。算法把優(yōu)化問(wèn)題的設(shè)計(jì)域抽象為“飛行空間”，把解抽象為“粒子”。每個(gè)粒子通過(guò)自身飛行記錄和整個(gè)粒子群體的經(jīng)驗(yàn)確定下一步的飛行狀態(tài)。標(biāo)準(zhǔn)的PSO算法用于解決單目標(biāo)連續(xù)優(yōu)化問(wèn)題。算法流程包括輸入原始地面點(diǎn)云數(shù)據(jù)、初始化參數(shù)、計(jì)算水平度值、更新最優(yōu)點(diǎn)、得到新的粒子種群，直至達(dá)到最大選代次數(shù)或搜索到的水平度小于設(shè)定閥值。
基于手眼模型的LiDAR外參標(biāo)定，通過(guò)分析手眼模型的基本原理，使用Tasi算法、Navy算法或Nguyen算法進(jìn)行求解。采用兩步法將旋轉(zhuǎn)變量和平移變量的求解過(guò)程分離，簡(jiǎn)化求解過(guò)程，選取基于李群的Navy算法進(jìn)行分析。Navy算法是由 Frank C,Park和 Bryan」.Martin等于 1994 年提出的，其針對(duì)我們?cè)?a href="http://www.qingdxww.cn/keyword/機(jī)器人" target="_blank" class="relatedlink">機(jī)器人傳感器標(biāo)定中遇到的 4X-XB等式求解問(wèn)題，引入了李群、李代數(shù)理論，并結(jié)合非線性最小乘法，推導(dǎo)出了手眼模型的封閉解。
        基于手眼模型的激光雷達(dá)外參標(biāo)定方法在DriveWorks中的應(yīng)用。通過(guò)LSC標(biāo)定激光雷達(dá)相對(duì)車體的翻滾角、俯仰角、偏航角以及高度差。標(biāo)定要求誤差不超過(guò)10"和10cm，車輛速度不低于5km/h，標(biāo)定總時(shí)長(zhǎng)不超過(guò)10min。通過(guò)地面擬合實(shí)現(xiàn)激光雷達(dá)外參中的翻滾角、俯仰角和高度的標(biāo)定。通過(guò)對(duì)擬合地平面的法向量進(jìn)行分析求解參數(shù)。利用Eigen庫(kù)實(shí)現(xiàn)軸角、旋轉(zhuǎn)矩陣、歐拉角和四元數(shù)之間的變換。通過(guò)車輛和激光雷達(dá)的運(yùn)動(dòng)變化量進(jìn)行偏航角和俯仰角的標(biāo)定。最終輸出標(biāo)定結(jié)果。
        LiDAR外部參數(shù)標(biāo)定：累積點(diǎn)云特征優(yōu)化的新視角。近年來(lái)，學(xué)術(shù)界在LiDAR外部參數(shù)標(biāo)定領(lǐng)域取得了顯著進(jìn)展，特別是通過(guò)累積點(diǎn)云特征優(yōu)化的方法。這一創(chuàng)新路徑擺脫了傳統(tǒng)對(duì)標(biāo)定物或外界先驗(yàn)信息的依賴，展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)。其核心理念在于：當(dāng)LiDAR的外部參數(shù)精確標(biāo)定時(shí)，靜止物體在世界坐標(biāo)系下的表面在累積的點(diǎn)云地圖中會(huì)呈現(xiàn)出鮮明、清晰的邊界輪廓。反之，若標(biāo)定不準(zhǔn)確，同一物體的表面在點(diǎn)云映射中則可能表現(xiàn)為模糊、層次錯(cuò)亂的形態(tài)，如圖3-7直觀所示，這一差異成為了評(píng)估和優(yōu)化LiDAR外參的重要依據(jù)。

基于累積點(diǎn)云特征優(yōu)化的LDAR外參標(biāo)定
        本節(jié)聚焦于 AESC-MMS，專為移動(dòng)建圖系統(tǒng)設(shè)計(jì)，旨在精準(zhǔn)標(biāo)定激光雷達(dá)與位姿估計(jì)傳感器（如 IMUGPS 或運(yùn)行 SLAM 的攝像頭）之間的外部參數(shù)。GitHub 平臺(tái)上的 markushillemann/Feat-Calibr 倉(cāng)庫(kù)慷慨地分享了該算法的源代碼，供業(yè)界同仁學(xué)習(xí)與研究。
        AESC-MMS 算法的核心流程如圖 3-8 清晰展現(xiàn)：利用 LiDAR 的初始外部參數(shù)作為基礎(chǔ)，結(jié)合連續(xù)采集的多幀激光點(diǎn)云數(shù)據(jù)及相應(yīng)的位姿信息，精心構(gòu)建出一個(gè)世界坐標(biāo)系下的累積點(diǎn)云地圖。這一過(guò)程不僅融合了空間數(shù)據(jù)的豐富性，還確保了時(shí)間上的連貫性，為后續(xù)的自標(biāo)定工作奠定了堅(jiān)實(shí)的基礎(chǔ)。

        DyLESC算法是一種用于激光雷達(dá)外參標(biāo)定的動(dòng)態(tài)標(biāo)定算法，可以通過(guò)非線性優(yōu)化來(lái)優(yōu)化yaw角度和pitch角度，而roll角度和高度z則采用反算方式求解。算法的輸入是原始激光點(diǎn)云和車輛的運(yùn)動(dòng)信息，通過(guò)篩選車輛運(yùn)動(dòng)狀態(tài)符合條件的點(diǎn)云進(jìn)行標(biāo)定。為避免目標(biāo)運(yùn)動(dòng)對(duì)點(diǎn)云質(zhì)量的影響，算法還可接入目標(biāo)檢測(cè)結(jié)果，去除行人、車輛等物體的激光點(diǎn)。在構(gòu)建子地圖Map后，對(duì)模糊度函數(shù)進(jìn)行優(yōu)化，最終使用RANSAC算法去除異常值，得到最終的外參標(biāo)定結(jié)果。DyLESC算法用于點(diǎn)云運(yùn)動(dòng)畸變矯正。選擇抽取平面特征點(diǎn)進(jìn)行分析以減少計(jì)算開銷。不同算法有不同方法抽取平面特征點(diǎn)，如 LOAM 算法使用廣義曲率，TC-LVIO 算法使用 Hessian 矩陣，DyLESC 算法選取 LOAM 算法中的計(jì)算方式。若激光雷達(dá)外參標(biāo)定準(zhǔn)確，累積點(diǎn)云地圖中的平面應(yīng)呈現(xiàn)斷的邊界特征，且不同幀之間的同一平面應(yīng)盡可能重合。通過(guò)計(jì)算子地圖中點(diǎn)云與面元的距離來(lái)近似表達(dá)子地圖的模糊程度。

另外最近部門招聘，要求如下：
內(nèi)外飾數(shù)字模型工程師      
1、負(fù)責(zé)內(nèi)飾全倉(cāng)數(shù)字模型設(shè)計(jì)工作
2、對(duì)內(nèi)飾零部件有充分了解、IP、門板、console等零部件
3、負(fù)責(zé)內(nèi)飾IP、門板、座椅、console、頂棚、立柱等零部件的設(shè)計(jì)工作
4、掌握內(nèi)飾零部件之間的配合關(guān)系，并完整表達(dá)設(shè)計(jì)意圖。      

要求
1、大專及以上學(xué)歷，藝術(shù)設(shè)計(jì)、工業(yè)設(shè)計(jì)相關(guān)專業(yè)
2、熟練使用ALIAS軟件
3、 測(cè)試A級(jí)至少5-8年實(shí)際CAS、A面設(shè)計(jì)工作經(jīng)驗(yàn) 測(cè)試B級(jí)至少3-5年CAS、A面設(shè)計(jì)工作經(jīng)驗(yàn)
4、善于團(tuán)隊(duì)合作、有責(zé)任心、敢于擔(dān)當(dāng)、工作主動(dòng)積極