本发明公开了一种场端多线束激光雷达内参标定方法，包括：在标定场地中使激光雷达每静态采集一帧点云后向前移动预设距离；将采集的点云的坐标统一至同一坐标系，而后叠加成一帧点云作为三维场景模型；将激光雷达放置在三维场景模型的中心位置，并在每静态采集一帧点云后偏转预设的俯仰角度；将激光雷达在各个位置点采集的点云数据和激光雷达在三维场景模型中采集的点云数据统一至同一坐标系；建立统一坐标系后的各个位置点的点云数据与激光雷达在三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用目标函数A标定激光雷达的内参。其提高了标定结果的精度，同时避免了高精度扫描仪的使用，以及租用场地，降低了激光雷达内参标定的成本。
1.一种场端多线束激光雷达内参标定方法，其中，包括以下步骤：S1、采集场景模型数据：将待标定的激光雷达放置在标定场地中，并使所述激光雷达每静态采集一帧点云后向前移动预设的距离，共采集预定帧数；
S2、建立三维场景模型：将采集的所有点云的坐标统一至同一坐标系下，而后将统一坐标系的点云叠加成一帧点云，并以叠加的一帧点云作为三维场景模型；
S3、采集内参标定场景数据：将所述激光雷达放置在所述三维场景模型的中心位置，并使所述激光雷达每静态采集一帧点云后偏转预设的俯仰角度，共采集预定帧数；
S4、将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下；
S5、内参标定：建立S4中统一坐标系后的各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用所述目标函数A标定所述激光雷达的内参；所述匹配点指：所述激光雷达在所述三维场景模型中采集的点云中距离所述S4中统一坐标系后的各个位置点的点云最近的点；
其中，N为S3中采集内参标定场景数据的帧数；M为每帧点云数据中点云的数量；pij为S4中统一坐标系后的各个位置点的点云数据；mij为匹配点；wij为统一坐标系后的各个位置点的点云数据和匹配点周围拟合的平面法向量；
S6、重复S2‑S5，直至所述目标函数的值小于预设的阈值。
2.如权利要求1所述的场端多线束激光雷达内参标定方法，其中，S2中将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下。
3.如权利要求2所述的场端多线束激光雷达内参标定方法，其中，将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下的方法为：从所述激光雷达采集的第二帧点云开始，利用求解每帧点云与第一帧点云的相对位置，利用所述相对位置将除第一帧点云外的其他帧点云统一至第一帧点云所在的坐标系。
4.如权利要求3所述的场端多线束激光雷达内参标定方法，其中，所述相对位置为通过最小二乘法不断迭代优化得到的目标函数B，所述目标函数B的公式如下：其中，R为三维旋转矩阵；T为平移向量； 为目标点对； 为对应点对；Np为对应点总数。
5.如权利要求1所述的场端多线束激光雷达内参标定方法，其中，将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下包括：将各位置点采集的点云数据与所述三维场景模型中对应的位置点对齐至同一坐标系下。
场端多线束激光雷达内参标定方法
技术领域
[0001] 本发明涉及自动驾驶汽车技术领域，尤其涉及一种应用于场端多线束激光雷达内参标定方法。
背景技术
[0002] 目前激光雷达内参标定主要是以无监督式为主，在此前提下，又分为有标定场景假设和无标定场景假设两种，这里的场景假设是指利用高精度扫描仪对场地扫描所建立的
模型。其中，在无标定场景假设中，优化的参考平面是激光雷达自身拟合的平面，然后通过
优化相邻光束扫描到的点云的平整性，该方法的缺点是优化结果容易受到噪音影响呈现发
散状态，难以收敛。在有标定场景假设中，优化的参考平面是扫描仪所提供的高精度平面，
然后通过优化相邻光束扫描到的点云的平整性，这一方法虽然使得优化结果更为准确，但
是因为需要高精度扫描仪器和专用的标定场，所以成本非常高昂，除此之外，因为要保证被
优化的每个激光发射器所发射的点的数量都是均衡的，所以该方法对激光雷达摆放角度也
有较高的要求，否则结果偏差较大。
发明内容
[0003] 本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
[0004] 本发明还有一个目的是提供一种场端多线束激光雷达内参标定方法，提高了标定结果的精度，同时避免了高精度扫描仪的使用，以及租用场地，降低了激光雷达内参标定的
成本。
[0005] 为实现上述目的和一些其他的目的，本发明采用如下技术方案：
[0006] 一种场端多线束激光雷达内参标定方法，包括以下步骤：
[0007] S1、采集场景模型数据：将待标定的激光雷达放置在标定场地中，并使所述激光雷达每静态采集一帧点云后向前移动预设的距离，共采集预定帧数；
[0008] S2、建立三维场景模型：将采集的所有点云的坐标统一至同一坐标系下，而后将统一坐标系的点云叠加成一帧点云，并以叠加的一帧点云作为三维场景模型；
[0009] S3、采集内参标定场景数据：将所述激光雷达放置在所述三维场景模型的中心位置，并使所述激光雷达每静态采集一帧点云后偏转预设的俯仰角度，共采集预定帧数；
[0010] S4、将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下；
[0011] S5、内参标定：建立S4中统一坐标系后的各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用所述目标函数A标
定所述激光雷达的内参；所述匹配点指：所述激光雷达在所述三维场景模型中采集的点云
中距离所述S4中统一坐标系后的各个位置点的点云最近的点；
[0012] 其中，所述目标函数A的公式如下：
[0013]
[0014] 其中，N为S3中采集内参标定场景数据的帧数；M为每帧点云数据中点云的数量；pij为S4中统一坐标系后的各个位置点的点云数据；mij为匹配点；wij为统一坐标系后的各个位
置点的点云数据和匹配点周围拟合的平面法向量；
[0015] S6、重复S2‑S5，直至所述目标函数的值小于预设的阈值。
[0016] 优选的是，所述的场端多线束激光雷达内参标定方法中，S2中将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下。
[0017] 优选的是，所述的场端多线束激光雷达内参标定方法中，将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下的方法为：从所述激光雷达采集的第
二帧点云开始，利用求解每帧点云与第一帧点云的相对位置，利用所述相对位置将除第一
帧点云外的其他帧点云统一至第一帧点云所在的坐标系。
[0018] 优选的是，所述的场端多线束激光雷达内参标定方法中，所述相对位置为通过最小二乘法不断迭代优化得到的目标函数B，所述目标函数B的公式如下：
[0019]
[0020] 其中，R为三维旋转矩阵；T为平移向量； 为目标点对； 为对应点对；Np为对应点总数。
[0021] 优选的是，所述的场端多线束激光雷达内参标定方法中，将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据
统一至同一坐标系下包括：将各位置点采集的点云数据与所述三维场景模型中对应的位置
点对齐至同一坐标系下。
[0022] 本发明至少包括以下有益效果：
[0023] 本发明的场端多线束激光雷达内参标定方法中，通过激光雷达位置以及俯仰角度的调整收集不同的点云数据进行内参标定，避免了高精度扫描仪器的使用，从而在保证了
高精度标定的基础上，有效降低了内参标定的成本，且该内参标定方法实施方法简单，便于
操作。
[0024] 本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
具体实施方式
[0025] 下面对本发明做详细说明，以令本领域普通技术人员参阅本说明书后能够据以实施。
[0026] 一种场端多线束激光雷达内参标定方法，包括以下步骤：
[0027] S1、采集场景模型数据：将待标定的激光雷达放置在标定场地中，并使所述激光雷达每静态采集一帧点云后向前移动预设的距离，共采集预定帧数；
[0028] S2、建立三维场景模型：将采集的所有点云的坐标统一至同一坐标系下，而后将统一坐标系的点云叠加成一帧点云，并以叠加的一帧点云作为三维场景模型；
[0029] S3、采集内参标定场景数据：将所述激光雷达放置在所述三维场景模型的中心位置，并使所述激光雷达每静态采集一帧点云后偏转预设的俯仰角度，共采集预定帧数；
[0030] S4、将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下；
[0031] S5、内参标定：建立S4中统一坐标系后的各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用所述目标函数A标
定所述激光雷达的内参；所述匹配点指：所述激光雷达在所述三维场景模型中采集的点云
中距离所述S4中统一坐标系后的各个位置点的点云最近的点；
[0032] 其中，所述目标函数A的公式如下：
[0033]
[0034] 其中，N为S3中采集内参标定场景数据的帧数；M为每帧点云数据中点云的数量；pij为S4中统一坐标系后的各个位置点的点云数据；mij为匹配点；wij为统一坐标系后的各个位
置点的点云数据和匹配点周围拟合的平面法向量；
[0035] S6、重复S2‑S5，直至所述目标函数的值小于预设的阈值。
[0036] 在上述方案中，通过激光雷达位置以及俯仰角度的调整收集不同的点云数据进行内参标定，避免了高精度扫描仪器的使用，从而在保证了高精度标定的基础上，有效降低了
内参标定的成本，且该内参标定方法实施方法简单，便于操作。
[0037] 另外，因点云的数据均在标定场地内进行采集，因而不论通过水平移动激光雷达采集的点云数据还是通过调整激光雷达的俯仰角度采集的点云数据均处于同一区域范围
内，因而点云内的特征均可以对应，仅是坐标系位置不一致，通过采用Super4PCS点云粗配
准算法即可实现点云数据的全局匹配，即使得所述内参标定方法便于实施。
[0038] 一个优选方案中，S2中将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下。
[0039] 一个优选方案中，将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下的方法为：从所述激光雷达采集的第二帧点云开始，利用求解每帧点云与第
一帧点云的相对位置，利用所述相对位置将除第一帧点云外的其他帧点云统一至第一帧点
云所在的坐标系。
[0040] 在上述方案中，通过对点云的坐标统一便于建立各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A。
[0041] 一个优选方案中，所述相对位置为通过最小二乘法不断迭代优化得到的目标函数B，所述目标函数B的公式如下：
[0042]
[0043] 其中，R为三维旋转矩阵；T为平移向量； 为目标点对； 为对应点对；Np为对应点总数。
[0044] 一个优选方案中，将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下包括：将各位置点采
集的点云数据与所述三维场景模型中对应的位置点对齐至同一坐标系下。
[0045] 另外，为进一步提高采用本申请场端多线束激光雷达内参标定方法进行内参标定的精度，在三维场景模型建立后，还可以利用KDTree对每个点求领域，然后对每个领域做
SVD平面检测，以去除三维场景模型中非平面的点，例如场景中的花花草草、树、墙角以及严
重脱离平面的噪声点。
[0046] 同样，在将采集的内参标定场景数据匹配至所述三维场景模型前，也可以采用SVD对采集的内参标定场景数据进行上述处理，进而可以保证S3中每一帧点云与S2的三维场景
模型可以精准的匹配，在此基础上做内参标定可以得到更高的精度。
[0047] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地
实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限
于特定的细节。
