三. 多传感器标定方案（空间同步）--3

前面内容：

一. 器件选型心得（系统设计）--1_goldqiu的博客-CSDN博客

一. 器件选型心得（系统设计）--2_goldqiu的博客-CSDN博客

二. 多传感器时间同步方案（时序闭环）--1

三. 多传感器标定方案（空间同步）--1_goldqiu的博客-CSDN博客

三. 多传感器标定方案（空间同步）--2

三. 多传感器标定方案（空间同步）--3

外参5：LiDAR和IMU(GNSS)

根据IMU+GNSS生成的位姿序列：

​

和LiDAR生成的位姿序列：

​

来计算外参矩阵

​

对于每一个时刻，都存在如下的对应关系：

​

上式，通过将R表达成李代数形式，构建非线性优化问题：

​

）

利用高斯牛顿或LM算法，可以求解。本质上也是求解T使两个位姿序列的误差最小。

这里也同样可以构建一个半自动标定的上位机，在特定的标志物场景下，进行来回两趟的点云IMU融合建图数据提取，然后通过上位机标定三个角度。

参考：

goldqiu：十五.激光惯导LIO-SLAM框架学习之惯导与雷达外参标定（1）和

外参6：LiDAR和Radar

• Radar检测的目标无高度信息，仅含极坐标信息，因此标定主要关注(x, y, yaw)；

• 标定策略：将金属三角锥（检测目标）放置于自车正前方。（毫米波雷达对金属感应比较强烈）

对于：

​

标定的参数为：

​

外参7：超声波雷达

超声波感知距离以及角度分辨率都不高，因此安装时测量安装位置即可，无需标定。

补充:IMU内参标定

一般来说，IMU的内参出厂一般已经标定好了，可以拿到bias和噪声。但是如果需要标定，可以参考：

goldqiu：十四.激光和惯导LIO-SLAM框架学习之惯导内参标定

但是现有的例如LIO-SAM等紧耦合LIO-SLAM系统，一般会将IMU零偏和噪声与待估计位姿加进去一起估计。

外参的在线动态修正

什么是在线标定？

在车辆运行期间，动态修正传感器之间的相对位姿参数。与离线标定不同，在线标定不能摆场景（如标定板），因此难度更大。

为什么离线标好了，还需要在线标定？

在车辆运行期间，传感器的安装位置因为振动或者外力碰撞会发生变化。

如何实现在线标定？

核心考虑前视区域，从传感器数据的丰富程度上，在线标定包括LiDAR和Camera。

实现的功能：

• 在线修正标定参数；

• 在线预警：当参数异常时发出报警。

传感器外参动态修正：思路1——手眼标定

参考机械臂中的手眼标定，机械臂为hand，机械臂中有camera，为cam，底座为base：

机械臂底座和标定板的位置不变，即已知

​

通过机械臂的运动，求出hand到eye的位置关系 ：

​

通过多个位置映射关系，构建优化问题，求解得到：

​

其原理是：两个传感器，通过观测同一组运动，可求出传感器之间的位姿关系。机械臂的手眼标定中，则包括了相机和机械臂两组的运动，便可求出之间的关系。

那么如：LiDAR通过ICP等算法、Camera通过特征点或语义特征，结合IMU(GNSS)的里程计，构建动态手眼标定问题，动态修正外参。

传感器外参动态修正：思路2—— DeepLearning方法

输入为：a. RGB图片 b. LiDAR PointCloud

输出为：c. 未标定前投影 d. 标定后投影

深度学习的lost-function为c与d之间的投影误差，通过深度学习的方式，使这个误差达到最小，得到这个参数。

• 优点：可以获取全面的特征信息，用于估计外参。

• 缺点：由于R的约束问题，外参估计不是特别稳定，特别是姿态角。

calibration_kit包范例的使用

待补充

参考：深蓝学院《多传感器融合感知》