《智能駕駛之激光雷達算法詳解》車體的外參標定

jinchanchanwaji

本章主要介紹激光雷達的動態(tài)外參標定�？梢苑譃橐韵氯齻�方向：

1、基于道路、標定物的外參標定

這類方法通常假設(shè)地面絕對水平，然后對地面進行擬合，并反過來推算雷達相對車體、地面的垂向高度、俯仰角和翻滾角。對于偏航角的標定，可以參考垂直桿狀物或者通過其照射到地面的波形進行推算。

車載3D激光雷達分步自動標定（SSAC）算法在總體上分為兩個階段：1、通過地面點云進行平面擬合，得到水平地面在激光雷達坐標系下的方程，并構(gòu)造水平度函數(shù)，然后利用粒子群優(yōu)化算法都求得水平度最小時對應激光雷達相對車體的俯仰角pitch，橫滾角roll和高度△Z；2、在車輛直線行駛過程中分析同一個標定標對應的點云特征，具體則是在每一幀中通過聚類獲取標定桿的中心點，而后將我們從多幀中獲取的標定桿中心點連成直線，由該直線與車輛前進方向的夾角計算求解出激光雷達相對 車體的偏航角yaw。

2、基于手眼模型的外參標定

主要使用Navy算法，該算法是由Frank C.Park和Bryan J.Martin在1994年提出的，其針對我們在機器人傳感器標定中遇到的AX=XB等式求解問題，引入了李群、李代數(shù)理論，并結(jié)合非線性最小二乘法，推導出了手眼模型的封裝解。英偉達DriveWorks的LSC標定方法主要標定激光雷達相對車體的翻滾角roll、俯仰角pitch、偏航角yaw及高度差height。與SSAC算法類似，LSC通過進行地面擬合實現(xiàn)了激光雷達外參中roll、pitch和height的標定。具體來說LSC主要通過對擬合地平面的法向量進行分析來求解這三個參數(shù)。LSC采用手眼模型基于激光雷達和車體的運動變化量進行yaw和pitch的標定。隨著車輛行駛，LSC將得到多組標定結(jié)果，可根據(jù)所標定數(shù)據(jù)的分布，計算出標定最優(yōu)值。

3、基于累積點云特征優(yōu)化的外參標定

基本思想如下：當外參標定正確時，世界坐標系下一個靜止物體的表面，在累積點云地圖中應表現(xiàn)出清晰的邊界特征；而當外參沒有得到正確標定時，在點云地圖中，一個物體的表面會出現(xiàn)模糊、錯層。主要使用AESC-MMS算法，該算法用于激光雷達與位姿估計傳感器的外參標定。其中位姿傳感器可以是IMU\GPS也可以是運行SLAM算法的攝像頭等.AESC-MMS算法基本流程如下：首先結(jié)合雷達的初始外參和獲取的多幀激光點云、位姿信息，構(gòu)建世界坐標系下的累積點云地圖；然后根據(jù)當前柵格尺寸參數(shù)，對累積點云用體素柵格濾波進行降采樣，以減少點云地圖中點的個數(shù)，從而降低后續(xù)優(yōu)化過程的計算開銷；在降采樣后的點云地圖中，對每個激光點及其最近的K個領(lǐng)域點進行幾何特征分析，并利用損失函數(shù)量化點云地圖的質(zhì)量，通過對損失函數(shù)進行最小化得到外參的估計值。此外，AESC-MMS算法會在最外層循環(huán)中，遞歸地減小體素柵格的尺寸，從而在一定程度上避免內(nèi)層優(yōu)化陷入買咗部極值，提升最終外參標定的精度。

另外最近部門招聘，要求如下：
內(nèi)外飾數(shù)字模型工程師      
1、負責內(nèi)飾全倉數(shù)字模型設(shè)計工作
2、對內(nèi)飾零部件有充分了解、IP、門板、console等零部件
3、負責內(nèi)飾IP、門板、座椅、console、頂棚、立柱等零部件的設(shè)計工作
4、掌握內(nèi)飾零部件之間的配合關(guān)系，并完整表達設(shè)計意圖。      

要求
1、大專及以上學歷，藝術(shù)設(shè)計、工業(yè)設(shè)計相關(guān)專業(yè)
2、熟練使用ALIAS軟件
3、 測試A級至少5-8年實際CAS、A面設(shè)計工作經(jīng)驗 測試B級至少3-5年CAS、A面設(shè)計工作經(jīng)驗
4、善于團隊合作、有責任心、敢于擔當、工作主動積極

有意者戳 汽車造型/產(chǎn)品設(shè)計師社會招聘-表單-金數(shù)據(jù) (jsj.top)