Поскольку модули восприятия в автономном вождении используются для получения информации об окружающей среде и её распознавания, их производительность и надёжность критически важны для всей системы автономного вождения и напрямую влияют на последующие цепочки управления, включая позиционирование, планирование маршрута и принятие решений. Развитие автономного вождения сосредоточено на усилении восприятия системы в сложных сценах за счёт слияния данных нескольких датчиков. Однако камера, миллиметровый радар и LiDAR имеют собственные системы координат, то есть датчики выдают данные в своих координатах. Процесс преобразования каждого датчика в общую систему координат называется внешней калибровкой датчиков.

 

    Данные облака точек LiDAR содержат 3D-координатную информацию об объекте, при этом сам LiDAR служит исходной точкой отсчёта. Чтобы объединить несколько LiDAR для большего 3D-покрытия, облака точек всех LiDAR можно сшить, преобразовав каждый LiDAR в глобальную систему координат с помощью внешних параметров.

 

01 Ручная внешняя калибровка

Внешнюю калибровку нескольких LiDAR можно выполнить с помощью инструмента калибровки в Livox Viewer. Главное — найти место с широким обзором, где в общей зоне пересечения FOV разных LiDAR находятся хорошо различимые здания или объекты, далее обозначенные как «A».

 

 

Сначала с помощью Livox Viewer получите кадр облака точек объекта A с более длительным временем интеграции, затем наблюдайте облако A, сформированное каждым LiDAR в пределах его FOV, и тонко настройте параметры в инструменте калибровки Livox Viewer по шести переменным [x, y, z, roll, pitch, yaw], пока облака точек A в каждом FOV полностью не совпадут. Полученные параметры и будут требуемыми внешними параметрами. Допустимая ошибка точности калибровки этим методом составляет менее 0,1 градуса.

 

Очевидно, у этого метода есть ограничения, поскольку он зависит от общей области обзора нескольких LiDAR, а его точность и эффективность напрямую связаны с навыками пользователя.

 

02 Автоматическая внешняя калибровка

В некоторых сценариях непросто найти открытую среду или эталонный объект для калибровки. Поэтому Livox представила автоматическую технологию калибровки TFAC-Livox (Target-Free Automatic Calibration) и сделала алгоритм доступным всем пользователям GitHub. Технология опирается на предположение о геометрической согласованности: локальные 3D-модели, сканируемые несколькими LiDAR, согласованы между собой. Постройте карту, перемещая эталонныеLiDAR(LiDAR0), выполнить регистрацию и расчёт реконструированной карты LiDAR0 с остальнымиLiDARданными итерационным способом, а затем минимизировать ошибку сопоставления на основе предположения согласованности, пока алгоритм не сойдётся и не получит неизменяемую жёсткость калибровочной матрицы (шесть параллельных линий). Итоговую калибровочную матрицу (внешние параметры) можно получить с помощью алгоритма согласованности.

 

Github: https://github.com/Livox-SDK/Livox_automatic_calibration

 

Пример: красное облако точек — результат эталонного объекта (LiDAR0); зелёное облако точек показывает, что целевойLiDAR автоматически калибруется.

 

 

Возьмём для примера два Horizon и предположим, что LiDAR0 — это эталонный LiDARа LiDAR1 является калибруемым. Исходя из предположения, что данные и траектория синхронны, LiDAR0 используется для SLAM, чтобы получить подmap M. Затем облака точек LiDAR1 поворачиваются, сдвигаются и преобразуются в окрестность соответствующей подкарты M на основе синхронизированной временной метки, траектории движения и начального значения грубой оценки карты. Ошибка сопоставления минимизируется с ограничениями геометрической согласованности и итерациями алгоритма ближайших соседей, пока алгоритм не сойдётся и не получит неизменяемую калибровочную матрицу (шесть параллельных линий); итоговая калибровочная матрица (внешние параметры) рассчитывается с помощью алгоритма согласованности.

 

Рисунок 1. Система координат двух LiDAR и преобразование координат {R,T}

 

 

Убедитесь, что область, сканируемая эталоннымLiDAR (карта M), может быть обнаружена остальнымиLLiDAR в процессе мобильного сбора данных. Выберите среду с богатым набором признаков, например подземные крытые парковки. Во время сбора данных следует избегать движущихся объектов рядом. Движения должны быть как можно более медленными, особенно на поворотах, чтобы минимизировать искажения движения. Положение установки LiDAR не ограничено перекрывающимся FOV: датчики можно устанавливать свободно, если можно получить начальные значения внешних параметров.

 

Среда сбора данных и карта маршрута

 

03 Заключение

Мы считаем, что пользователи смогут быстро выполнить калибровку нескольких LiDAR Livox с помощью описанного выше ручного/автоматического метода. Livox продолжит предоставлять больше методов калибровки датчиков, помогать улучшать всю экосистему и делать экономически эффективный LivoxLiDAR более удобным для пользователей.