一種三維激光雷達(dá)與雙目相機(jī)的聯(lián)合標(biāo)定方法

陳凱陽(yáng)，李 航，彭 程，李楊龍

（河南科技大學(xué)機(jī)電工程學(xué)院，河南洛陽(yáng) 471003）

0 引言

在移動(dòng)機(jī)器人、無(wú)人駕駛汽車等領(lǐng)域多傳感器數(shù)據(jù)融合有著廣泛應(yīng)用［1-2］。與單一的傳感器系統(tǒng)相比，多傳感器融合系統(tǒng)可以提供更加精確和豐富的環(huán)境信息，完成更高級(jí)別的任務(wù)，如目標(biāo)檢測(cè)、自主定位和路徑規(guī)劃等［3-5］。激光雷達(dá)傳感器與攝像機(jī)傳感器的聯(lián)合應(yīng)用非常普遍。三維激光雷達(dá)抗干擾能力強(qiáng)、探測(cè)范圍廣，能準(zhǔn)確獲取探測(cè)目標(biāo)的距離和角度信息［6］。攝像機(jī)體積小、成本低，可以獲得目標(biāo)的形狀和顏色信息。兩種傳感器在功能上可以互補(bǔ)［7］。但在多傳感器系統(tǒng)中，激光雷達(dá)與攝像機(jī)安裝位置不同，獲得的傳感器測(cè)量信息無(wú)法匹配，空間一致性差。因此，為了得到準(zhǔn)確可靠的點(diǎn)云和圖像數(shù)據(jù)，在多傳感器數(shù)據(jù)融合之前必須完成空間坐標(biāo)系的標(biāo)定。

三維激光雷達(dá)和雙目相機(jī)聯(lián)合標(biāo)定，實(shí)質(zhì)上是獲取激光雷達(dá)坐標(biāo)系與圖像像素坐標(biāo)系位姿的相互轉(zhuǎn)換關(guān)系。通過(guò)該方法，可以將兩個(gè)傳感器檢測(cè)到的空間信息進(jìn)行關(guān)聯(lián)與融合。Zhang 等［8］提出一種基于單線激光雷達(dá)與攝像機(jī)的標(biāo)定方法，通過(guò)對(duì)標(biāo)定板多角度檢測(cè)，以標(biāo)定板的平面法向量建立約束關(guān)系，通過(guò)非線性的優(yōu)化方法來(lái)求解標(biāo)定參數(shù)。雖然該方法實(shí)現(xiàn)了單線激光雷達(dá)與攝像機(jī)的標(biāo)定，但步驟繁瑣，計(jì)算量大；Vasconcelos 等［9］和Zhou［10］使用多角度下標(biāo)定板的數(shù)據(jù)構(gòu)建三點(diǎn)透視（P3P）問(wèn)題，構(gòu)造出虛擬的三面體，減少標(biāo)定板的檢測(cè)次數(shù)，但存在多重解問(wèn)題；Park 等［11］使用白色菱形板作為標(biāo)定板，以菱形板的頂點(diǎn)作為特征點(diǎn)在32 線激光雷達(dá)中擬合出特征點(diǎn)位置。但該方法局限性大，不適用于掃描層數(shù)較少的激光雷達(dá)傳感器；賈子永等［12］和劉振等［13］使用一塊梯形標(biāo)定板進(jìn)行聯(lián)合標(biāo)定，該標(biāo)定板組合了等腰直角三角板和正方形棋盤格標(biāo)定板，雖然只需要采集一次數(shù)據(jù)就可以完成聯(lián)合標(biāo)定，但其標(biāo)定板加工難度大；Tian 等［14］使用棋盤格三面體對(duì)相機(jī)和2D 激光測(cè)距儀分別進(jìn)行標(biāo)定，利用三點(diǎn)建立約束方程求解傳感器之間的位置關(guān)系，精度較高但是需要大量的仿真和實(shí)驗(yàn)。綜上，為了降低聯(lián)合標(biāo)定難度，需要研究一種更有效的方法。

本文提出一種基于空間圓心的聯(lián)合標(biāo)定方法。通過(guò)使用棋盤格標(biāo)定板，得到雙目相機(jī)的內(nèi)外參數(shù)；設(shè)計(jì)一種圓孔標(biāo)定板，以標(biāo)定板中的圓心作為特征點(diǎn)，建立三維激光雷達(dá)坐標(biāo)系與圖像像素坐標(biāo)系之間的約束關(guān)系，計(jì)算并優(yōu)化兩個(gè)坐標(biāo)系之間的旋轉(zhuǎn)平移矩陣，實(shí)現(xiàn)三維激光雷達(dá)和雙目相機(jī)的聯(lián)合標(biāo)定。該方法計(jì)算速度快、測(cè)量精度高，提高了聯(lián)合標(biāo)定的準(zhǔn)確性。將三維激光雷達(dá)和雙目相機(jī)傳感器搭建的聯(lián)合標(biāo)定裝置進(jìn)行實(shí)驗(yàn)，得到合理的聯(lián)合標(biāo)定參數(shù)和測(cè)量結(jié)果。

1 聯(lián)合標(biāo)定原理

1.1 相關(guān)坐標(biāo)系

以激光雷達(dá)與攝像機(jī)的聯(lián)合標(biāo)定為例，聯(lián)合標(biāo)定過(guò)程存在4 種坐標(biāo)系［15］：世界坐標(biāo)系、激光雷達(dá)坐標(biāo)系、攝像機(jī)坐標(biāo)系和圖像坐標(biāo)系，如圖1 所示。

Fig.1 Relationship of each coordinate system圖1 各坐標(biāo)系關(guān)系

（1）世界坐標(biāo)系OW-XYZ。是由用戶定義的三維空間坐標(biāo)系，主要用來(lái)描述相機(jī)的位置。在Zhang［16］標(biāo)定法中，以棋盤格標(biāo)定板中第一個(gè)棋盤格的頂點(diǎn)作為世界坐標(biāo)系的坐標(biāo)。

（2）激光雷達(dá)坐標(biāo)系OL-XLYLZL。其原點(diǎn)OL位于激光雷達(dá)的掃描中心，空間中任意一點(diǎn)P在OL-XLYLZL中表示為（XL，YL，ZL）。

（3）攝像機(jī)坐標(biāo)系OC-XCYCZC。以攝像機(jī)的光學(xué)中心為坐標(biāo)原點(diǎn)，ZC軸與攝像機(jī)光軸重合，且以攝像的方向?yàn)閆C軸正向，攝像機(jī)的焦距為f。在OC-XCYCZC中P點(diǎn)的坐標(biāo)表示為（XC，YC，ZC）。

（4）圖像坐標(biāo)系。一般分為圖像物理坐標(biāo)系和圖像像素坐標(biāo)系［17］。圖像物理坐標(biāo)系OC′-XC′YC′是以攝像機(jī)光軸與成像平面的交點(diǎn)OC′為坐標(biāo)原點(diǎn)的直角坐標(biāo)系（一般以實(shí)際物理尺度為單位，如mm），其中XC′軸、YC′軸分別與圖像像素坐標(biāo)系的U、V軸平行，圖像像素坐標(biāo)系O-UV的坐標(biāo)原點(diǎn)為圖像的左上角，以像素為單位［18］，U、V分別表示每個(gè)像素在數(shù)字圖像中的列數(shù)和行數(shù)。

1.2 坐標(biāo)系之間的轉(zhuǎn)換關(guān)系

（1）攝像機(jī)坐標(biāo)系與激光雷達(dá)坐標(biāo)系關(guān)系。激光雷達(dá)坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的位姿關(guān)系可以分解為繞坐標(biāo)原點(diǎn)OC的旋轉(zhuǎn)和平移，計(jì)算公式如下：

其中，R為旋轉(zhuǎn)矩陣，代表兩個(gè)坐標(biāo)系之間的角位移關(guān)系；α、β和γ分別為激光雷達(dá)坐標(biāo)系在攝像機(jī)坐標(biāo)系中沿XC、YC和ZC軸方向的偏轉(zhuǎn)角度；T是平移矩陣，表示激光雷達(dá)坐標(biāo)系原點(diǎn)在攝像機(jī)坐標(biāo)系中的坐標(biāo)，代表兩個(gè)坐標(biāo)系之間的相對(duì)位置關(guān)系［19］。

（2）攝像機(jī)坐標(biāo)系與圖像坐標(biāo)系關(guān)系。從攝像機(jī)坐標(biāo)系到圖像物理坐標(biāo)系，是從三維空間坐標(biāo)系到二維平面坐標(biāo)系的轉(zhuǎn)換。攝像機(jī)將物點(diǎn)P成像到像素平面上的P′點(diǎn)，根據(jù)三角形相似原理，P′點(diǎn)的物理坐標(biāo)與P點(diǎn)（XC，YC，ZC）的關(guān)系如式（2）所示：

將公式（2）用矩陣表示：

P′點(diǎn)的圖像物理坐標(biāo)（XC′，YC′）與像素坐標(biāo)（u，v）的轉(zhuǎn)換關(guān)系如式（4）所示：

將式（4）用矩陣表示：

其中，dx、dy、r、u0和v0為攝像機(jī)的內(nèi)部參數(shù)；dx、dy分別為攝像機(jī)的單個(gè)像素在XC′和YC′方向上的物理尺寸；r是傾斜因子，在一般標(biāo)準(zhǔn)相機(jī)中為0；（u0，v0）是圖像主點(diǎn)坐標(biāo)，即攝像機(jī)光軸與物理成像平面相交點(diǎn)的像素坐標(biāo)［20］。

由式（3）和式（5）可得出攝像機(jī)坐標(biāo)系與圖像像素坐標(biāo)系之間的轉(zhuǎn)換關(guān)系：

其中，fx=f/dx和fy=f/dy分別表示軸和軸方向上的等效焦距［21］。

（3）激光雷達(dá)坐標(biāo)系與圖像像素坐標(biāo)系的關(guān)系。由式（1）和式（6）可以得到激光雷達(dá)坐標(biāo)系與圖像像素坐標(biāo)系的轉(zhuǎn)換關(guān)系為：

由以上公式可以得出，聯(lián)合標(biāo)定中的未知量為攝像機(jī)的內(nèi)部參數(shù)、激光雷達(dá)坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的旋轉(zhuǎn)矩陣R和平移矩陣T。

2 激光雷達(dá)和雙目相機(jī)聯(lián)合標(biāo)定算法

本文使用的激光雷達(dá)和雙目相機(jī)聯(lián)合標(biāo)定裝置如圖2所示。因?yàn)榇嬖诩庸ず桶惭b誤差，旋轉(zhuǎn)矩陣R和平移矩陣T的真實(shí)值與設(shè)計(jì)值相差較大，因此需要更加準(zhǔn)確的結(jié)果來(lái)進(jìn)行傳感器之間的數(shù)據(jù)融合。

Fig.2 Joint calibration device of 3D lidar and stereo camera圖2 三維激光雷達(dá)與雙目相機(jī)的聯(lián)合標(biāo)定裝置

2.1 聯(lián)合標(biāo)定方法設(shè)計(jì)

聯(lián)合標(biāo)定實(shí)驗(yàn)中使用的標(biāo)定板如圖3 所示。首先，使用圖3（a）中的棋盤格標(biāo)定板對(duì)雙目相機(jī)進(jìn)行標(biāo)定，得到雙目相機(jī)的內(nèi)外參數(shù)；然后，制作一個(gè)如圖3（b）所示的圓孔標(biāo)定板，以標(biāo)定板上圓孔的圓心作為特征點(diǎn)，雙目相機(jī)和激光雷達(dá)分別檢測(cè)標(biāo)定板上圓孔的位置，計(jì)算激光雷達(dá)坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的旋轉(zhuǎn)矩陣R和平移矩陣T，完成聯(lián)合標(biāo)定。

Fig.3 Calibration board used to calibrate internal parameters（a）and external parameters（b）圖3 用于標(biāo)定內(nèi)部參數(shù)（a）和外部參數(shù)（b）的標(biāo)定板

2.2 聯(lián)合標(biāo)定流程

聯(lián)合標(biāo)定步驟如下：①首先對(duì)雙目相機(jī)進(jìn)行標(biāo)定，獲取雙目相機(jī)的內(nèi)外參數(shù)；②雙目相機(jī)采集圓孔標(biāo)定板圖像，提取二維圖像中圓孔的圓心坐標(biāo)ci(ui,vi)以及半徑ri(i=1,2,3,4)；③激光雷達(dá)掃描圓孔標(biāo)定板，獲取點(diǎn)云中圓心坐標(biāo)以及半徑Ri；④將標(biāo)定板中的4 個(gè)圓心作為特征點(diǎn)，以激光雷達(dá)坐標(biāo)系的圓心坐標(biāo)Ci轉(zhuǎn)換到圖像坐標(biāo)系的圓心坐標(biāo)ci建立約束關(guān)系，計(jì)算激光雷達(dá)坐標(biāo)系到攝像機(jī)坐標(biāo)系的旋轉(zhuǎn)平移矩陣。

2.2.1 粗標(biāo)定估算平移矩陣T

因?yàn)榧す饫走_(dá)和雙目相機(jī)的安裝位置已經(jīng)確定，兩個(gè)坐標(biāo)系的三軸建立在同一方向上，所以首先計(jì)算平移矩陣。根據(jù)旋轉(zhuǎn)不變性將式（5）改寫為：

此時(shí)式（8）中的未知變量為平移矩陣T，通過(guò)激光雷達(dá)點(diǎn)云和二維圖像中檢測(cè)到的圓孔半徑和圓心坐標(biāo)來(lái)估算平移矩陣T。

式（12）中N為提供的數(shù)據(jù)點(diǎn)對(duì)數(shù)，使用多對(duì)數(shù)據(jù)可以提高計(jì)算精度。

2.2.2 優(yōu)化聯(lián)合標(biāo)定參數(shù)

因?yàn)槁?lián)合標(biāo)定裝置安裝有誤差，為了提高標(biāo)定參數(shù)精度，在粗標(biāo)定階段得到平移矩陣之后需要對(duì)旋轉(zhuǎn)矩陣進(jìn)行優(yōu)化。分別取激光雷達(dá)和雙目相機(jī)檢測(cè)到的特征點(diǎn)建立特征點(diǎn)集合bl和bc，式（13）為優(yōu)化函數(shù)：

其中，wi>0(i=1,2…n)代表每個(gè)特征點(diǎn)權(quán)重，等式左側(cè)的R和T代表具有最優(yōu)解的旋轉(zhuǎn)平移矩陣。將特征點(diǎn)中心化：

分別以中心化的特征點(diǎn)集xi和yi建立矩陣X和Y，進(jìn)行協(xié)方差計(jì)算：

其中，W=diag（w1，w2，w3…wn）是一個(gè)對(duì)角矩陣。將協(xié)方差矩陣S進(jìn)行奇異值分解（Singular Value Decomposition，SVD）得到U∑VT，式（13）中輸入的旋轉(zhuǎn)矩陣R通過(guò)式（17）得到：

3 激光雷達(dá)和雙目相機(jī)聯(lián)合標(biāo)定實(shí)驗(yàn)

3.1 實(shí)驗(yàn)設(shè)備及環(huán)境

聯(lián)合標(biāo)定實(shí)驗(yàn)采用速騰聚創(chuàng)的三維激光雷達(dá)（RS-Li-DAR-16），該雷達(dá)為16 線激光雷達(dá)，探測(cè)范圍為20cm～150m，水平視角為360°，水平方向采樣間隔為0.36°；垂直視角為-15°～15°，垂直方向采樣間隔為2°。雙目相機(jī)采用FpgaLena 可變基線雙目相機(jī)，基線調(diào)整范圍（即雙目中心距）是2.5cm～20.5cm，采用USB3.0 通信協(xié)議，單目相機(jī)的分辨率為1 280×720。

實(shí)驗(yàn)使用的棋盤格標(biāo)定板型號(hào)為GP400-12×9，外形尺寸為400×300mm，棋盤格的尺寸精度為±0.01mm；圓孔標(biāo)定板的外形尺寸為400×400mm，圓的半徑為50mm，加工精度為0.1mm，棋盤格標(biāo)定板和圓孔標(biāo)定板的精度均可達(dá)到環(huán)境感知所需要的精度。設(shè)置激光雷達(dá)和雙目相機(jī)距離標(biāo)定板的距離約為1 000～2 000mm，如圖4 所示。在實(shí)驗(yàn)過(guò)程中保持激光雷達(dá)和雙目相機(jī)系統(tǒng)的位置固定，不斷調(diào)整標(biāo)定板位置，采集多組數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。

3.2 實(shí)驗(yàn)方案設(shè)計(jì)

Fig.4 Joint calibration experiment scene圖4 聯(lián)合標(biāo)定實(shí)驗(yàn)場(chǎng)景

在聯(lián)合標(biāo)定實(shí)驗(yàn)中，首先對(duì)雙目相機(jī)傳感器進(jìn)行標(biāo)定，得到雙目相機(jī)的內(nèi)外參數(shù)；然后進(jìn)行如圖4 所示的聯(lián)合標(biāo)定實(shí)驗(yàn)。調(diào)整標(biāo)定板到聯(lián)合標(biāo)定裝置的距離約為1 100mm、1 300mm、1 700mm，同時(shí)使用雙目相機(jī)和激光雷達(dá)依次采集3 組數(shù)據(jù)，對(duì)實(shí)驗(yàn)采集到的原始數(shù)據(jù)先進(jìn)行處理，得到圖像坐標(biāo)系和激光雷達(dá)坐標(biāo)系下圓孔中心點(diǎn)的坐標(biāo)，再進(jìn)行傳感器聯(lián)合標(biāo)定求解并驗(yàn)證，確保聯(lián)合標(biāo)定參數(shù)的正確。聯(lián)合標(biāo)定實(shí)驗(yàn)過(guò)程中需保證雙目相機(jī)的硬件參數(shù)和布置方式不變，保持雙目相機(jī)與激光雷達(dá)的相對(duì)位置、光照強(qiáng)度等環(huán)境因素不變，確保聯(lián)合標(biāo)定實(shí)驗(yàn)在相同的環(huán)境下進(jìn)行。

3.2.1 二維圖像中的圓檢測(cè)

相機(jī)獲取的圖像如圖5（a）所示，首先將其轉(zhuǎn)化為圖5（b）中的灰度圖像gray，使用公式（18）和公式（19）的Sobel邊緣檢測(cè)算法來(lái)創(chuàng)建邊緣圖像E，結(jié)果如圖5（c）所示；然后基于OpenCV-python 進(jìn)行霍夫變換，在邊緣圖像E中檢測(cè)圓擬合出圓心，結(jié)果如圖5（d）所示。

Fig.5 The circle detected from the camera image圖5 從相機(jī)圖像中檢測(cè)到的圓

3.2.2 點(diǎn)云中的圓檢測(cè)

通過(guò)三維激光雷達(dá)得到的原始點(diǎn)云數(shù)據(jù)如圖6（a）所示。在進(jìn)行圓心檢測(cè)之前，首先需要從原始點(diǎn)云數(shù)據(jù)中提取出圓孔標(biāo)定板的點(diǎn)云數(shù)據(jù)，如圖6（b）和圖6（c）所示。

Fig.6 Lidar point cloud data圖6 激光雷達(dá)點(diǎn)云數(shù)據(jù)

在得到圓孔標(biāo)定板的點(diǎn)云數(shù)據(jù)后對(duì)其進(jìn)行濾波處理，剔除其中的噪聲和漂移點(diǎn)，并分離出圓孔標(biāo)定板的前平面El，如圖7（a）所示。使用隨機(jī)抽樣一致算法（Random sample consensus，RANSAC）重新擬合標(biāo)定板，得到更加精確的標(biāo)定板平面，RANSAC 算法得到的平面方程表達(dá)式為：

其中，d為激光原點(diǎn)到標(biāo)定板的距離。

為了準(zhǔn)確查找圓的中心，將El(xl,yl,zl)中所有的點(diǎn)重投影到標(biāo)定板上，得到如圖7（b）所示的平面。

Fig.7 Front plane of the calibration plate in the lidar point cloud圖7 激光雷達(dá)點(diǎn)云中標(biāo)定板前平面

通過(guò)在Ehp中擬合圓的模型，檢測(cè)標(biāo)定板上的4 個(gè)圓。每檢測(cè)到一個(gè)圓，就刪除到圓心一定距離內(nèi)的點(diǎn)，然后在剩余點(diǎn)中繼續(xù)檢測(cè)圓，直到檢測(cè)到所有的圓，再驗(yàn)證相鄰圓的圓心距離與半徑大小。如果成功，則圓檢測(cè)算法停止，使用式（9）-式（12）求解平移矩陣T，否則丟棄當(dāng)前檢測(cè)到的圓返回到初始值，重新檢測(cè)。

Fig.8 Circles detected in the point cloud圖8 點(diǎn)云中檢測(cè)到的圓

使用的RANSAC 算法步驟如下：①設(shè)置期望值、迭代次數(shù)和距離閾值，隨機(jī)選取原始數(shù)據(jù)的3 個(gè)點(diǎn)；②對(duì)選擇出的點(diǎn)擬合一個(gè)模型；③計(jì)算所有其他點(diǎn)到模型的距離；④統(tǒng)計(jì)模型中所有內(nèi)點(diǎn)的個(gè)數(shù)（距離小于閾值）；⑤如果模型中內(nèi)點(diǎn)個(gè)數(shù)小于設(shè)置的期望值則丟棄當(dāng)前模型，繼續(xù)迭代；⑥最終選擇內(nèi)點(diǎn)個(gè)數(shù)最多的模型為最優(yōu)結(jié)果。

3.3 實(shí)驗(yàn)結(jié)果

3.3.1 雙目相機(jī)標(biāo)定

雙目相機(jī)的標(biāo)定結(jié)果如表1 所示，包括左目和右目相機(jī)的內(nèi)部參數(shù)矩陣M、右目相機(jī)到左目相機(jī)旋轉(zhuǎn)矩陣RC和平移向量TC。雙目相機(jī)標(biāo)定實(shí)驗(yàn)誤差如圖9 所示，其中總體標(biāo)準(zhǔn)差為0.09 像素。

Table 1 Calibration results of stereo camera表1 雙目相機(jī)的標(biāo)定結(jié)果

Fig.9 Calibration error of stereo camera圖9 雙目相機(jī)標(biāo)定誤差

3.3.2 聯(lián)合標(biāo)定

聯(lián)合標(biāo)定實(shí)驗(yàn)中，使用圓孔標(biāo)定板測(cè)得3 組數(shù)據(jù)如表2所示，每組數(shù)據(jù)包含4 個(gè)圓心和半徑，(xl,yl,zl)和Ri是激光雷達(dá)坐標(biāo)系中檢測(cè)的圓心坐標(biāo)及半徑，單位為m；(u,v)和ri是圖像像素坐標(biāo)系中檢測(cè)的圓心坐標(biāo)及半徑，單位為像素（pixel）。

Table 2 Detection results of circles in lidar point clouds and images表2 雷達(dá)點(diǎn)云和圖像中圓的檢測(cè)結(jié)果

表3 所示的聯(lián)合標(biāo)定參數(shù)中包含手工測(cè)量參數(shù)，以及由公式（8）-（12）求出的粗標(biāo)定參數(shù)。手工是直接測(cè)量的，而粗標(biāo)定是假設(shè)在沒有旋轉(zhuǎn)角度的情況下進(jìn)行，都存在著較大誤差。

Table 3 Joint calibration parameters表3 聯(lián)合標(biāo)定參數(shù)

按照聯(lián)合標(biāo)定算法中公式（13）、（14）、（15）、（16）進(jìn)行優(yōu)化求解，優(yōu)化后的聯(lián)合標(biāo)定參數(shù)如下：

為驗(yàn)證公式（22）和公式（23）中聯(lián)合標(biāo)定結(jié)果的準(zhǔn)確性，使用公式（7）將表2 中激光雷達(dá)的點(diǎn)云坐標(biāo)投影到圖像上，并計(jì)算出投影誤差。為了直觀展示出激光雷達(dá)的點(diǎn)云坐標(biāo)在圖像上的投影誤差，其誤差絕對(duì)值柱狀圖如圖10 所示，其中最大投影誤差為2.71 像素，最小投影誤差為1.4 像素，其中有10 組分布在1.4～2.0 像素區(qū)間中，12 組平均投影誤差為1.86 像素，標(biāo)準(zhǔn)差為0.41 像素，證明公式（22）和公式（23）中聯(lián)合標(biāo)定參數(shù)是準(zhǔn)確可靠的。

Fig.10 Projection error of lidar point cloud coordinates on the image圖10 激光雷達(dá)點(diǎn)云坐標(biāo)在圖像上的投影誤差

4 結(jié)語(yǔ)

無(wú)人駕駛汽車的環(huán)境感知系統(tǒng)使用多傳感器融合的方法提高感知精度，但首先需要知道傳感器之間的位姿參數(shù)才能將傳感器的測(cè)量信息關(guān)聯(lián)。本文以三維激光雷達(dá)和雙目相機(jī)為研究對(duì)象，提出一種聯(lián)合標(biāo)定方法，建立了激光雷達(dá)坐標(biāo)系與雙目相機(jī)坐標(biāo)系的轉(zhuǎn)換關(guān)系，并實(shí)現(xiàn)了激光點(diǎn)云數(shù)據(jù)與圖像像素級(jí)關(guān)聯(lián)。在聯(lián)合標(biāo)定過(guò)程中只需對(duì)圓孔標(biāo)定板采集3 次數(shù)據(jù)，降低了特征點(diǎn)的提取難度，簡(jiǎn)化了標(biāo)定過(guò)程。但本文使用低線束的激光雷達(dá)，垂直方向分辨率較低，遠(yuǎn)距離目標(biāo)信息較少。下一步將研究激光雷達(dá)和雙目相機(jī)特征級(jí)的融合方法，以提高測(cè)量環(huán)境信息的精度。