[发明专利]一种多组激光雷达外参标定系统及其方法

说明书

本发明属于激光雷达技术领域，更具体地，涉及一种多组激光雷达外参标定系统及其方法；包含点云分割模块、地面检测的点云匹配模块、地图构建模块、信息融合模块与路径优化模块；利用激光雷达一段时间内的上下文信息，计算激光雷达前后帧之间的点运动关系，加上IMU提供的位姿去除累计的雷达运动畸变，构建区域内的场景地图，即可完成多组激光雷达外参标定工作。本发明能接受一定程度的雷达视野遮挡、共同视野很小或没有的情况，标定完成后可充分利用多雷达之间的互信息，减少视野盲区、提高对外界环境的探测能力。相较于传统的人工或单帧标定方法，本发明适用性广、易于安装、标定结果的鲁棒性与精准度也有很大提升。

技术领域

本发明属于激光雷达技术领域，更具体地，涉及一种多组激光雷达外参标定系统及其方法。

背景技术

近年来，激光雷达技术的不断进步，为无人驾驶汽车与智能移动机器人提供了良好的传感器基础。利用激光雷达，可精确测量雷达主体与外部环境和障碍物等的距离，其输出的点云可描述三维空间环境，并且可以可视化地显示出来。激光雷达不会因为光照强度以及动态环境的变化而影响设备的正常高效运行，但在实际的工作情况下，仅使用单个激光雷达，可能会导致部分视野的丢失，从而产生视野盲区。

发明内容

本发明为克服上述现有技术中单个激光雷达在车体上方无法检测车体周围地面环境状况、观测结果信息稀疏等缺陷，提供一种多组激光雷达外参标定系统及其方法，可完成多组激光雷达外参标定工作，获取高精度的标定结果。

为解决上述技术问题，本发明采用的技术方案是：一种多组激光雷达外参标定系统，包括：

点云分割模块：激光雷达的输出是三维激光点云，其中包含了外界环境的整体描述，包括车体周围的路面环境、障碍物等；点云分割模块将三维激光点云分割为多个类别，过滤噪声点，将分割之后的语义点云输出到地图构建模块与地面检测的点云匹配模块中；

地面检测的点云匹配模块：用于构建基于地面的约束，使激光点云匹配可以开展在一个相对稳定的平面上，点云匹配采用语义ICP(迭代最近点)匹配算法算法，选用当前帧与周围点云地图配准策略，匹配过程利用点云分割的类别信息，同时获取IMU提供的位姿信息作为约束提高匹配准确度与效率，输出注册点云的6自由度姿态估计，将此输出到地图构建模块；

地图构建模块：用于获得分割后的点云以及每一帧点云前后的6自由度姿态估计，在场景地图构建模块将新增的点云图与附近点云地图进行细粒度配准，配准过程采用图优化的方式优化构建点云地图，并保存特征点云的匹配序列，后续新增的点云经过语义ICP的闭环检测算法，可消除前段时间内的累计漂移误差，输出优化的点云地图与点云的匹配序列即路径到信息融合模块；

信息融合模块：采用多线程的方式，分别接收来自地图构建模块的多组语义点云地图与特征点云路径，整合多个激光雷达的信息；首先求解多组语义点云图与路径间的变换关系，对语义点云地图进行配准，获得点云地图之间的变换关系，在该变换关系上采取遗传算法对特征点云的路径进行拟合，将多组辅助雷达到主雷达之间的标定结果输出到路径优化模块；

路径优化模块：用于获取外参的初值，将外参作用到初始采集的数据中，每个雷达都进行坐标系转化，然后在主雷达的全局语义地图中分别注册语义点云，获取特征点云的路径，利用遗传算法对路径进行拟合获取更进一步的外参偏移量；以此往复多次迭代，直至多次外参变化量小于某阈值或达到迭代最大次数，最终输出多组激光雷达的外参。

传统的激光雷达点云注册方法依靠GPS定位信息或车辆轮式里程计，前者需要高精度GPS与良好的室外环境，后者对里程计积分会导致累计误差，本发明则利用激光雷达一段时间内的上下文信息，计算激光雷达前后帧之间的点运动关系，加上IMU提供的位姿去除累计的雷达运动畸变，构建区域内的场景地图，即可完成多组激光雷达外参标定工作。

本发明还提供一种多组激光雷达外参标定方法，具体包括以下步骤：