为量产而设计：自动驾驶车辆激光雷达旋转外参在线标定与异常排除策略

更多精彩内容，请关注公众号：智驾机器人技术前线

1.论文信息

• 论文标题：Fault Detection and Exclusion for Robust Online Calibration of Vehicle to LiDAR Rotation Parameter

• 作者：Jiwon Seok, Chansoo Kim, Paulo Resende, Benazouz Bradai, and Kichun Jo

• 作者单位：韩国首尔大学

• 论文链接：https://ieeexplore.ieee.org/document/10643317

2.摘要

激光雷达（LiDAR，Light Detection and Ranging）是一项在高级驾驶辅助系统（ADAS）和自动驾驶（AD）应用中广泛使用的技术，用于感知、定位以及同步定位与建图（SLAM）等任务。为了使激光雷达正常工作，需要校准激光雷达与车辆坐标之间的旋转外参。这些参数包括横滚角、俯仰角和偏航角，它们最初在制造过程中进行校准。然而，由于长期车辆运行过程中的振动、热量、载荷或意外冲击，这些参数可能会随时间变化。使用不反映这些变化的参数可能会严重降低ADAS和AD应用的性能。本文提出了一种精确的在线校准过程，用于检测和纠正激光雷达旋转参数的变化。该精确在线校准系统利用标准道路驾驶数据在线估计激光雷达-车辆旋转外参。所提出的过程包括两个部分：横滚-俯仰参数估计和偏航参数估计。在横滚-俯仰估计中，系统估计相对于地面平面的横滚-俯仰。在估计偏航参数时，采用了一种简化的手眼标定方法，该方法利用车辆和激光雷达里程计来估计激光雷达校准参数的偏航。为了提高偏航估计的准确性和稳定性，引入了一种故障数据排除算法，根据车辆和激光雷达里程计之间的差异来识别和排除错误的输入。所提出的系统在各种环境中的有效性、鲁棒性和准确性得到了验证，包括城市道路和高速公路场景。

3.主要贡献

本文的贡献是提出了一种故障数据排除算法，以提高在线校准的效率、稳定性和准确性。故障数据排除算法能够检测并排除车辆里程计和激光雷达里程计输入对中的故障。故障检测标准是从手眼优化的数学方程推导出来的。所提出的方法通过使用车辆装备的运动传感器和激光雷达，在各种场景下进行了实验验证。

4.核心思想与方法

所提出的在线校准方法包括两个部分：横滚-俯仰估计和偏航估计。首先，使用地面平面拟合过程确定横滚和俯仰参数。从激光雷达点云中提取地面点云以估计地面平面。从平面方程中，可以估计激光雷达的横滚-俯仰外参。随后，将预先估计的横滚-俯仰参数应用于激光雷达点云进行偏航估计，从而将三个自由度（DoF）问题简化为单一自由度问题。由于手眼标定方法是偏航估计的基础，因此它需要一对车辆里程计和激光雷达里程计。车辆里程计可以通过安装在车辆内部的运动传感器获得，例如惯性测量单元（IMUs）、车轮速度传感器和偏航率传感器。激光雷达里程计可以通过点云配准算法如ICP和NDT获得。

5.实验验证仿真

6.总结

本文提出了一种在线激光雷达-车辆旋转参数外参校准算法，使用通用驾驶环境中的传感器数据来检测和校正激光雷达安装变形。

1. 横滚-俯仰估计从地面点云中确定横滚和俯仰，而偏航估计则使用车辆和激光雷达里程计数据在某个滑动窗口内通过手眼方法计算偏航。

2. 为了减少手眼方法中异常输入引起的误差，提出了一种故障数据排除方法，通过考虑激光雷达里程计和车辆里程计之间的差异。

3. 为了验证所提手眼标定和故障数据排除的性能，使用360度旋转激光雷达和一种经济实惠、大规模生产的激光雷达，在城市和高速公路环境中进行了测试。

所提出的在线手眼标定被证实能够估计旋转参数，其误差在360度高端激光雷达和低成本大规模生产的激光雷达中均小于1度。此外，设计的故障数据排除算法旨在移除由于激光雷达里程计故障导致的异常值，被证明能够有效识别并排除这些故障。由于所提出的技术是一种在线校准方法，因此确认了在驾驶过程中可能出现的激光雷达传感器安装角度的变化可以被很好地估计。

本文仅做学术分享，如有侵权，请联系删文！

更多精彩内容，请关注公众号：智驾机器人技术前线