叶珏磊,周志峰,王立端,庞正雅

(1.上海工程技术大学机械与汽车工程学院,上海201620;2.上海司南卫星导航技术股份有限公司,上海201801)

1 引 言

近年来,人工智能与数据科学给汽车工业带来了革命性的进步,智能驾驶技术得到了充分的发展。现有的导航定位系统通常使用GNSS/INS组合系统进行导航定位,卫星导航系统通过卫星信号在全球坐标系内提供速度和位置信息,惯性导航器件通常分为加速度计和陀螺仪,可以提供载体的方向加速度和角加速度。但GNSS与INS组合导航系统仍有其缺点,当GNSS在城市峡谷或者隧道中行驶时,天线信号受到遮挡或因多路径效应导致GNSS无法定位时,单一依靠惯性器件的系统误差会随着时间延续而累积,导致载体偏离规划路径。随着激光雷达三维扫描成像技术的发展,现在越来越多的研究者在导航系统中加入激光雷达,激光雷达具有厘米级精度,测距距离大,抗干扰能力强,根据线束的多少可以测量不同的垂直角度,现今大多数研究是利用激光雷达的数据进行障碍物聚类分类,环境感知,辅助定位等[1-2]。但LiDAR获取的雷达数据是定义于激光雷达坐标系内,大多数应用必须结合其他系统如惯性导航系统/卫星导航系统。传感器位姿关系的确定对多传感器空间信息融合有直接影响,是研究多源融合导航定位算法的基础[3]。为了加强导航定位系统的总体质量和精确性,校正并标定各个传感器之间的关系具有重要意义。

许多学者对此课题做了不同的研究:文献[4]提出了一种用于多光束激光雷达扫描仪的自主外部参数校准技术。该方法将外部参数校准程序分解为两部分:通过地平面估算俯仰角和横滚角引起的旋转矩阵;通过在一系列姿态中匹配杆状障碍物来计算由航向角控制的旋转矩阵。文献[5]提出了一种多波束激光雷达传感器标定参数的自动优化方法,该方法定义了一个能量函数来惩罚远离局部平面的点来优化校正模型的不同参数。文献[6]提出了一种将三维激光扫描技术与位置、姿态确定技术相结合的标定方法。文献[3]、[7]针对激光雷达的扫描中心和扫描光束大多不可见的问题,提出首先使用太阳能电池来找到激光雷达扫描线的准确位置,用玻璃反射和撞击激光流,得到控制点在激光雷达坐标上的坐标,最后利用全站仪测得其地心地固坐标后,最后采用改进的Gauss-Newton方法建立三维坐标变换模型计算激光雷达的外部参数。文献[8]使用直线行驶车辆的三维激光雷达和GPS/INS组合导航系统数据,用于选择具有相似距离和相反方向的点云以形成点云对。基于连续多对点云同时匹配,遍历多步参数区域迭代的方法获取外部参数。但标定过程中没有考虑高度参数。在文献[9]中提出的激光雷达内部参数两步标定法,采用标靶场对激光雷达实现全视场的角度标定,再利用基线场完成距离标定。这种分离了角度与距离的标定,降低了两者的耦合性。在文献[10]中通过三维激光扫描测量系统(LS)与多台经纬度测量仪(TMS)对激光雷达/惯导/GNSS进行了室内安置参数标定方法研究,但连接杆和天线表面材质会对反射率的测量精度产生影响。文献[11]中采用分步标定法对三维激光雷达安置参数进行标定,先完成对激光雷达俯仰角、横滚角和纵向位移的标定,再以此为基础对同一标定目标进行中心聚类,在二维面内对此目标进行直线拟合,根据斜率计算航向角,由此得到安置参数,但对地面点云和标定杆提取的精确度会影响标定算法的精度和效率。

基于以上所述,本文提出了一种标定方法:先对初始标定参数进行粗略测量后通过分步迭代法迭代初始参数附近的值,并基于KD树优化的DBSCAN将转换到唯一坐标系下的相邻帧点云集位置重合度进行评价,寻求最准确标定参数。最后使用ICP算法对不同分步步长求解,得到的最优标定结果进行了对比和验证。此标定模型来源于地理参考模型并与环境中的目标点云的状态有关,标定参数包括激光雷达与惯导载体坐标系的杆臂量和欧拉角。相比于传统标定测量方法需使用经纬仪或全站仪,且对目标匹配物要求较高,标定算法只使用到了激光雷达与INS/GNSS的观测数据,程序将执行整个标定过程并输出最优标定结果。

2 标定方法

2.1 坐标系关系

地理参考模型如图1所示,激光雷达坐标系为l系,原点位于激光雷达结构中心,X轴指向激光雷达的正前方,Y轴垂直于X轴指向雷达左侧,Z轴垂直于X,Y轴指向上,IMU载体坐标系定义为b系,b系原点通常取惯性仪IMU的测量中心,X轴指向运动载体右方,Y轴朝向载体前进方向,Z轴垂直于X,Y轴指向上方。当地水平坐标系定义为N系(N,E,D),N指向地理北方向,E指向地理东方向,D顺着重力指向地面。因为GNSS接收机输出的大地经度和纬度和高度表示的大地坐标(L,B,H)是一种椭球面上的坐标,不能直接应用于导航定位计算[12],因此将其转换为空间直角坐标系m系。

图1 地理参考模型

由图1可以推出以下公式:

(1)

(2)

(3)

(4)

2.2 数据采集与处理

2.3 分步迭代法计算评价系数

Mmax=

f(Xbest,Ybest,Zbest,Rollbest,Pitchbest,Yawbest)

(4)

在这里我们采用分步迭代法不断调整相对位移向量(XΔ,YΔ,ZΔ,Roll,Pitch,Yaw)的值,一次遍历一个参数。全局遍历法需要对数据的最小步长单位进行遍历,若数据量过于庞大,则对处理系统而言压力较大且耗时较长。分步迭代法先在区间内求出局部最优解,再在局部最优解周边寻求全局最优解,与全局遍历法相比加快了遍历速度,提高了效率。

图2 相邻点云帧特征物点云的重合

3 实验设计与分析

3.1 实验设计

本次实验采用速腾聚创的16线激光雷达和上海司南卫星导航技术股份有限公司的GNSS/INS接收机M600-mini来采集标定环境数据。图3是在本次实验中使用的实验平台。表1与表2给出了接收机和激光雷达的具体参数。对于接收机和激光雷达点云PCD的数据,统一接入基于Ubuntu的ROS(机器人操作系统)中,使用C++语言编写本文的算法程序。调用PCL库中的函数并根据高度差值滤掉低于激光雷达高度的所有地面点云,优化点云的大小,便于筛选出目标物点云,使本文的目标物点云数据更加精确。

表1 司南M600-mini接收机参数

为了减少实验的误差源,标定测试场景在上方无遮挡的场景下进行,保证载波相位差分(RTK)信号较好。图4即为通过三维激光雷达点云拟合出的行驶环境三维地图,矩形所示部分是行驶的道路,图5为图4中间白色矩形部分放大后的道路点云图,在路的两端有很多树木,具有固定特征有助于提取出其结构用于标定,可以有助于对相邻帧的点云重合度进行评价并可帮助建立三维高精度地图。本文在当前场景下的车速为10 km/h,保证了点云的连续性与密集性。

表2 速腾聚创16线激光雷达参数

图3 标定所用测量系统

图4 标定测试场地地图

图5 某路段道路环境点云图

3.2 校准结果与分析

对于初始安置参数,采用不同的分步步长来验证本文采取的分步步长是否为精确度更优的步长。因为激光雷达与接收机都置于车载体平面上,因此Pitch角与Roll角的值不会相差太大,而Yaw偏航角的值会因安装方式的不同而差异巨大,因此我们设计对Yaw角加大遍历的区间。步长设计如表3所示。

表3 分步迭代法局部最优与全局最优步长设计

在这个实验中,通过采集激光雷达数据与GNSS/INS的数据来实施校准。首先通过测量得到初始安置参数。表4展示了安置初始参数杆臂量与旋转角,加上实施算法后实现的校准结果。可见杆臂量和旋转角与初始值相比有了很大的变化。如果我们不进行杆臂量和旋转角的优化校准,那么激光雷达获取的数据都是不可靠的并且会严重影响激光雷达点云帧之间的配准。

表4 初始测量安置参数与实验计算得最优标定参数

表5 ICP算法验证最优外参的重合结果

图6是经过实验一、二、三得到的安置参数与初始安置参数的得分对比。因为匹配得分越小说明匹配效果越好,我们对得分依次转换为倒数。经过ICP算法对标定后的结果验证, 本文算法确实提升了激光雷达系中目标物转到空间直角坐标系下的转换结果的精度。实验一与实验二相比扩大了初次迭代的区间范围,但两次实验的得分结果相近,证明最优解是存在区间范围的,超过这个区间范围的迭代是无意义的。实验一与实验三对比,实验三缩小了迭代步长,但得到的点云匹配结果是最高的,且耗时最长。

图6 匹配度得分对比图

4 结 语

多波束激光雷达在机器人、智能驾驶领域的重要性正在与日俱增,强大的3D感知能力使其在3D-SLAM中无法替代,将来也会有更多针对于激光雷达应用的研究。对于任何传感器,校准是生成有效数据之前最重要的过程之一。为了提升激光雷达与GNSS/INS之间的传感器相关度和传感器组合的表现,本文提出一种计算最优安置参数的标定方法,对初始安置参数进行测量后通过分步迭代法迭代初始参数附近的值,基于KD树优化的DBSCAN算法评价相邻帧点云重合度以得到最准确的安置参数。并利用ICP算法对得到的最优安置参数进行了验证和评估,实验测试结果表明:①安置参数在步长减小的情况下精度会得到一定的提高。②本文采用的算法相比初始估计外参明显提高了标定精度,具有可靠性与优越性。后期的工作将着重于改进本文的算法达到精度的量化。