专做女鞋的网站,做网站 用哪种,如何做网络营销直播,移动应用开发专业目录
传感器标定
标定的目的
传感器标定算法
标定案例解析
3D标定间制作
Cmaera-to-Camera外参标定
Lidar-to-Camera外参标定
Lidar-to-Lidar外参标定
Lidar内参标定
Lidar-to-GPS外参标定
自然场景的Lidar-to-Camera外参标定
自然场景的Bifocal Camera外参标定
C…目录
传感器标定
标定的目的
传感器标定算法
标定案例解析
3D标定间制作
Cmaera-to-Camera外参标定
Lidar-to-Camera外参标定
Lidar-to-Lidar外参标定
Lidar内参标定
Lidar-to-GPS外参标定
自然场景的Lidar-to-Camera外参标定
自然场景的Bifocal Camera外参标定
Camera-to-Radar外参标定 原文链接进阶课程⑱丨Apollo感知之旅——传感器标定 传感器标定的分类包括绝对标定、相对标定或比较标定、静态标定和动态标定。 绝对标定—被测量是由高精度的设备产生并测量其大小的特点精度较高但较复杂。相对标定或比较标定—被测量是用根据绝对标定法标定好的标准传感器来测量的特点简单易行但标定精度较低。静态标定—确定传感器的静态指标主要有线性度、灵敏度、迟滞和重复性。动态标定—确定传感器的动态指标主要有时间常数、自然振荡频率和阻尼比等。上周阿波君为大家详细介绍了「进阶课程⑰Apollo感知之旅——传感器选择和安装」。 在无人车中使用的传感器主要有激光雷达Lidar相机和毫米波雷达Radar它们的工作原理及特性。传感器的安装需要科学、合理的安装还需要从整车的角度考虑需要考虑安全风阻美观和清洗等因素。 传感器标定是通过实验建立传感器输出与输入之间的关系并确定不同使用条件下的误差这样一个过程。 本周阿波君将与大家分享Apollo感知之旅——传感器标定。下面我们一起进入进阶课程第18期。 传感器标定
标定的目的
在选好、安装完传感器之后需要对传感器进行标定。标定的核心概念是得到传感器之间的相对位置将不同传感器的数据在同一个坐标系中表示。标定分为内参标定和外参标定。内参是传感器自身性质有些是厂家提供有些需要自行标注例如Camera焦距的定期矫正Lidar中各激光管的垂直朝向角。外参是传感器之间的相对位置和朝向一般由6个自由度表示自由度的旋转矩阵和自由度的水平位移。
传感器标定算法
本节简要介绍常用的标定算法。有些算法是在搭建的标定间完成有些是在自然环境中完成在自然环境中标定对算法的依赖度比较强。 Lidar内参标定相对于摄像头激光雷达的内参标定有一定的特殊性。Lidar-to-GPS外参标定计算出Lidar与车上GPS的相对位置。GPS的位置由世界坐标系中的3D点表示因此计算出外参之后可以计算得到Lidar在世界坐标系中的位置。Lidar-to-Lidar外参标定计算不同Lidar之间的相对位置。Lidar-to-Camera外参标定计算Lidar和相机之间的相对位置。Camera-to-Camera外参标定计算不同相机之间的相对位置。自然场景中的Lidar-to-Camera外参标定在自然环境中驾驶车辆进行两种不同传感器之间的位置关系求解。自然场景中的Bifocal Camera外参标定双焦点摄像头之间外参的计算也是就是不同焦点的相对位置。Camera-to-Radar外参标定摄像机到毫米波雷达的外参计算。标定案例解析
3D标定间制作
在空旷房间的墙面贴满不同的二维码然后在标定间中间放置一个基于激光雷达的毫米级高精度Rigel激光扫描仪通过对墙上二维码的多次扫描完成3D建模获得了标定间任何一个点的3D位置。根据建模结果输出一个查找表查找表由两栏组成第一栏是Tag_ID表示各个二维码的ID编号第二栏是二维码四个角的3D位置信息。之后即可在标定间进行不同传感器的参数标定。 3D标定间制作 Cmaera-to-Camera外参标定
假设在采集车前部安装双CameraCamera1是60度广角短焦距相机Camera2为30度广角长焦距相机两者视角部分重叠。
将车开到标定间双Camera采集标定间的二维码获得多个二维码对应四个角点的UV坐标同时通过查找表得到对应点在3D世界坐标系(Rigel)中的坐标。求解采集点的PNP问题的得到相机相对于世界坐标系的位移矩阵Ts和Tl将这两个相对位移矩阵相互传递得到二者之间的相对位置。整个流程如下图所示。需要注意的是标定完传感器之后需要进行验证。相机标定的验证方法为将长焦相机的图像投影到广角相机图像中看看重合度如何。如果出现重影或者连接不好则需要重新标定。 标定间双Camera标定流程 Lidar-to-Camera外参标定
将Camera看到的所有Tag角点与Rigel扫出的对应点的3D坐标进行匹配求解PNP问题得到Camera相对于Rigel世界坐标系的相对位置。
将Lidar激光雷达扫描得到的点云与Rigel是稠密的点云之间进行ICPIterative Closest Point迭代最近点匹配得到激光雷达相对于Rigel的位置。最后将两个位置矩阵相互传递得到Camera 和 Lidar之间的相对位置具体流程如下所示。其标定结果验证方法是将激光雷达感知到的3D点云投影到Camera拍摄的图像上看边界是否一致如果不一致需要重新标定。 Lidar-to-Camera标定流程 Lidar-to-Lidar外参标定
将每一个Lidar 激光雷达扫描得到的点云与Rigel是稠密的点云之间进行ICPIterative Closest Point迭代最近点匹配分别得到激光雷达相对于Rigel的位置。最后将两个位置矩阵相互传递得到Lidar和 Lidar之间的相对位置。
验证方法为将两个激光雷达采集到的点云都投到真实物理世界中看点云是否模糊、是否锐利。如果比较模糊则需要重新标定。 Lidar内参标定
借助Rigel在开阔平坦的场景下进行完整扫描得到场景的点云。然后将要标定的激光雷达对同一个场地进行同样的扫描。之后对两次扫描的点云进行匹配如果激光雷达的内参不准确会出现远距离地面点浮在空中的现象。 Lidar-to-GPS外参标定
将车辆在空旷地区绕八字行驶多次记录多个时间点GPS给出的车辆位置信息(相对于GPS为原点的世界坐标系)将Lidar捕捉的多帧点云投影到世界坐标系中并进行拼接求解优化获得外参。 自然场景的Lidar-to-Camera外参标定
由于没有了Rigel-Tag需要在标定的场景中寻找具有明显边缘的物体作为参照物将该参照物的点云边缘和Camera拍摄图像的边缘对齐作为参数标定效果的考量指标如果对齐这表示标定结果良好。 自然场景的Bifocal Camera外参标定
过程类似于Camera-to-Camera外参标定但是需要在自然场景中找到边缘锐利的物体作为参照物。 Camera-to-Radar外参标定
Camera-to-Radar外参标定的重点是得到Radar相对于Camera的Pitch角的上下倾斜问题。通常情况下Radar是水平安装的问题就转换为求得Camera相对于地面的Pitch角。由于Camera-to-Lidar已经标定好可以通过Lidar采集到的平面信息解决倾角问题。
