[发明专利]自然场景中的集成传感器校准

说明书

本申请的实施例提供用于校准至少两个传感器的方法和系统。所述方法可以包括当车辆沿着轨迹行进时，通过与车辆相关的至少两个传感器，捕获指示至少一个周围物体的点云数据集。所述方法还可以包括通过处理器，基于与所述点云数据集相关的共面性，过滤所述点云数据集。所述方法可以进一步包括通过所述处理器，基于使用过滤的点云数据集的模型，调整所述至少两个传感器的至少一个校准参数。所述模型可以包括与所述点云数据集相关的共面性相对应的权重。

技术领域

本申请涉及用于传感器校准的方法和系统，具体地，涉及用于校准激光雷达(LiDAR)传感器和导航传感器的方法和系统。

背景技术

自动驾驶技术在很大程度上依赖于精确的地图。例如，导航地图的准确性对于自动驾驶车辆的功能是关键的，例如定位、环境识别、决策制定和控制。可以通过聚集由车辆上的各种传感器和探测器获取的数据，获得高清晰度地图。例如，用于高清晰度地图的典型数据采集系统通常是配备有多个集成传感器的车辆，例如LiDAR、全球定位系统(GPS)接收器、惯性测量单元(IMU)传感器、甚至一个或以上的摄像机，用于捕获车辆行驶的道路和周围物体的特征。捕获的数据可以包括，例如车道的中心线或边界线坐标、诸如建筑物、其他车辆、地标、行人或交通标志的物体的坐标和图像。

由集成传感器获得的点云数据不仅可能受到来自传感器本身的误差(例如，激光测距误差、GPS定位误差、IMU姿态测量误差等)的影响，而且还受到来自激光雷达单元和导航单元(例如，GPS/IMU单元)的集成引起的积分误差。积分误差可能包括由于激光雷达单元和导航单元的坐标轴不平行引起的安装角的误差，以及由于激光雷达的中心与GPS天线之间的偏移引起的安装矢量误差。因此，集成的激光雷达和导航系统的校准对于提高点云数据的准确性变得重要。

现有的集成传感器校准方法使用专用于传感器校准的人工校准目标，例如，需要利用以特定方式布置的人工校准目标来构建专用校准设施，以收集校准数据。由于对校准目标的设计和布置的特定要求，这些方法限制了校准效率和灵活性。另一种校准方法试图从自然场景中的平面物体获取校准数据，其量化从每个点到由其周围点构造的附近表面的距离，然后通过优化其距离的值来实现校准。然而，在自然场景中存在各种移动物体(例如，其他车辆)和静态非平面物体(例如，植物)，并且它们的点云数据作为非共面数据可以降低校准精度，从而限制了基于自然场景的这种校准方法的应用。

本申请的实施例通过用于在自然场景中集成传感器校准的改进方法和系统来解决上述问题。

发明内容

本申请的实施例提供了一种用于校准至少两个传感器的方法。所述方法可以包括当车辆沿着轨迹行进时，通过与所述车辆相关的至少两个传感器，捕获指示至少一个周围物体的点云数据集。所述方法还可以包括通过处理器，基于与所述点云数据集相关的共面性，过滤所述点云数据集。所述方法可以进一步包括通过所述处理器，基于使用过滤的点云数据集的模型，调整所述至少两个传感器的至少一个校准参数。所述模型可以包括与所述点云数据集相关的共面性相对应的权重。

本申请的实施例还提供了一种用于校准至少两个传感器的系统。所述系统可以包括与车辆相关的至少两个传感器，被配置为当所述车辆沿着轨迹行进时，捕获指示至少一个周围物体的点云数据集。所述系统还可以包括处理器，被配置为基于与所述点云数据集相关的共面性，过滤所述点云数据集。所述处理器可以进一步被配置为，基于使用过滤的点云数据集的模型，调整所述至少两个传感器的至少一个校准参数。所述模型包括与所述点云数据集相关的共面性相对应的权重。

本申请的实施例还提供了一种非暂时性计算机可读介质，其具有存储在其上的指令，当由一个或以上处理器执行时，使得所述一个或以上处理器执行操作。所述操作可以包括当车辆沿着轨迹行进时，接收通过与所述车辆相关的至少两个传感器捕获的，指示至少一个周围物体的点云数据集。所述操作还可以包括基于与所述点云数据集相关的共面性，过滤所述点云数据集。所述操作可以进一步包括基于使用过滤的点云数据集的模型，调整所述至少两个传感器的至少一个校准参数。所述模型包括与所述点云数据集相关的共面性相对应的权重。