Calibrazione del veicolo logistico autonomo senza pilota

La calibrazione dei veicoli autonomi è un passaggio cruciale nella tecnologia di guida autonoma e robotica. In parole povere, la calibrazione comporta la definizione delle relazioni geometriche e matematiche tra i vari sensori del veicolo autonomo, nonché tra i sensori e il sistema di coordinate del corpo del veicolo. Se la calibrazione è imprecisa, il veicolo potrebbe "vedere le cose storte" o "deviare dal percorso", portando a fallimenti di navigazione o persino a collisioni.

La calibrazione dei veicoli autonomi si divide principalmente in tre categorie: calibrazione intrinseca dei sensori, calibrazione estrinseca dei sensori (calibrazione congiunta) e calibrazione del telaio/cinematica.
1. Calibrazione dei parametri intrinseci dei sensori
La calibrazione di riferimento interna affronta il problema dell'accuratezza dei sensori e viene solitamente completata in modo indipendente prima della spedizione o dell'installazione.
①Lo scopo della calibrazione dei parametri intrinseci della telecamera è ottenere la lunghezza focale, il punto principale e i parametri di distorsione (per eliminare le distorsioni a barilotto e a cuscinetto di lenti fisheye o normali) della telecamera.

Metodo comune: metodo di calibrazione di Zhang Zhengyou (utilizzando una scacchiera in bianco e nero o una tavola di calibrazione a punti, scattando più foto da diverse angolazioni).

②Lo scopo della calibrazione dei parametri interni dell'IMU (Inertial Measurement Unit) è determinare il bias zero, il fattore di scala e il rumore dell'accelerometro e del giroscopio.

Metodi comuni: analisi della varianza di Allen statica, test di rotazione multi-posizione.

2. Calibrazione dei parametri estrinseci dei sensori

La calibrazione estrinseca affronta le relazioni posizionali tra i sensori e tra i sensori e il corpo del veicolo (matrice di rotazione spaziale relativa R e vettore di traslazione T), che costituisce la base della fusione multi-sensore.

①Telecamera e LiDAR

 Obiettivo: Allineare la nuvola di punti 3D dal LiDAR con i pixel dell'immagine 2D dalla telecamera, consentendo "l'incolore della nuvola di punti" o "l'aggiunta di profondità all'immagine".

 Metodo: Calibrazione del target: Posizionare una tavola di calibrazione nella scena, estrarre contemporaneamente gli angoli della scacchiera dall'immagine e i piani dei bordi dalla nuvola di punti, e risolvere i parametri estrinseci utilizzando un algoritmo di ottimizzazione.

Calibrazione senza target (online): Utilizzando i bordi nell'ambiente naturale, come le linee degli edifici, per far corrispondere i bordi dei gradienti dell'immagine e le intensità della nuvola di punti.

② LiDAR e sistema di navigazione inerziale/corpo del veicolo

 Scopo: Convertire i dati misurati dal lidar al centro dell'auto (solitamente il centro dell'asse posteriore o il centro dell'IMU) per garantire che la mappatura e il posizionamento non vadano alla deriva.

 Metodo: L'auto esegue un movimento circolare a "8", una guida in linea retta o una rotazione sul posto sull'orizzonte o all'interno di un campo specifico. Abbinando le caratteristiche della nuvola di punti con la traiettoria integrata dell'IMU, viene calcolata la posa relativa.

③ Calibrazione Multi-LIDAR

 Obiettivo: Quando un veicolo è dotato di più lidar (ad esempio, un lidar primario e due lidar di compensazione del punto cieco), le nuvole di punti di questi lidar dovrebbero essere unite per formare una vista completa a 360°.

 Metodo: Estrarre caratteristiche comuni (come superfici del terreno e dei muri) nell'area di sovrapposizione e utilizzare l'algoritmo ICP (Iterative Closest Points) per la registrazione.

3. Calibrazione del telaio e della cinematica

La calibrazione del telaio affronta i problemi di accuratezza degli attuatori e degli odometri, impedendo al robot di "pensare di aver percorso un metro quando in realtà si è mosso solo di mezzo metro".

 Calibrazione del diametro e della carreggiata delle ruote: Calibrare il raggio effettivo effettivo r delle due ruote motrici e la distanza effettiva W tra le ruote su entrambi i lati.

 Odometro e riferimento esterno IMU/Laser

Metodo: Far percorrere all'auto una certa distanza in linea retta o ruotare di 360° sul posto, confrontare i dati registrati dall'odometro con lo spostamento assoluto e l'angolo misurati dal sistema di navigazione LiDAR/inerziale, e correggere il fattore di scala dell'odometro.

4. Catene di strumenti di calibrazione open-source comuni

Nello sviluppo pratico, generalmente non è necessario scrivere algoritmi da zero, poiché sono disponibili numerosi strumenti open-source maturi nel settore:

5. Suggerimenti per l'implementazione della calibrazione

Fissaggio rigido: L'installazione del sensore deve essere assolutamente rigida. Se lievi vibrazioni durante il viaggio del carrello causano lo spostamento del sensore, la calibrazione diventerà invalida.

Prima dentro, poi fuori: È necessario garantire l'accuratezza dei parametri intrinseci dei singoli sensori prima di procedere alla calibrazione congiunta dei parametri estrinseci tra i sensori.

Selezione dell'ambiente: Per la calibrazione statica, si consiglia di scegliere ambienti interni o chiusi con illuminazione uniforme e ricchi di caratteristiche geometriche (come muri e pilastri). Per la calibrazione dinamica, è richiesto un ambiente con buoni segnali GNSS (GPS) e minima interferenza dinamica (come pedoni e veicoli in transito).