無人自律物流車両の校正

自動運転車の校正は 自動運転とロボット技術の重要なステップですカリブレーションは,自動運転車の様々なセンサーの間の幾何学的および数学的関係を確立することを意味します.測定が不正確であれば,車両は"物体を歪め"または"軌道を逸脱"する可能性があります.ナビゲーション障害や衝突に至る.

自動運転車両の校正は主に3つのカテゴリーに分かれます. センサー内在校正,センサー外在校正 (共同校正),およびシャシー/運動学校正.
1センサー内在パラメータの校正
内部参照校正はセンサーの精度の問題に取り組んでおり,通常は出荷または設置前に独立して完了します.
①カメラ内在パラメータの校正の目的は,焦点距離,主要点,カメラのボトルとピンクッションの歪みを排除するために.

一般的な方法: Zhang Zhengyou カリブレーション方法 (黒白のチェッカーボードまたはドット カリブレーションボードを使用し,さまざまな角度から複数の写真を撮影).

②IMU (慣性測定単位) の内部パラメータ校正の目的は,加速計と陀螺鏡のゼロバイアス,スケールファクター,ノイズを決定することです.

常用方法: 静的アレン偏差分析,多位置回転試験

2センサーの外部パラメータの校正

外部校正は,センサーと車体間の位置関係 (空間相対回転行列Rと変換ベクトルT) を対象とする.複数のセンサーの融合の基礎となる.

①カメラとライダー

目的:リダールからの3D点雲をカメラからの2D画像ピクセルと並べて",点雲を彩る"または"画像に深さを追加する"ことを可能にします.

方法: 標的の校正: 校正ボードをシーンに配置し,同時に画像からチェッカーボードの角と点雲からエッジ平面を抽出します.そして最適化アルゴリズムを使用して外因子パラメータを解決.

ターゲットフリー (オンライン) カリブレーション:建物の線などの自然環境のエッジを使用して,画像グラデントと点雲の強さのエッジにマッチします.

2 LiDARと慣性ナビゲーションシステム/車両ボディ

目的: レーダーで測定されたデータを車の中心部 (通常は後軸の中心部またはIMUの中心部) に変換し,地図の構築と位置付けが漂流しないようにします.

方法: 車は"8"の形状の円形運動,直線運転,または地平線または特定のフィールド内での固定回転を行います.IMU の統合軌跡と点雲の特徴を一致させることで相対的な姿勢が計算されます.

3 マルチLIDAR校正

目的: 車両に複数のリダー (一本主要リダーと2本盲点補償リダーなど) が装備されている場合これらのリダールからのポイント雲は,完全な360°の視点を形成するために一緒に縫合されるべきです.

方法:重なり合う領域の共通の特徴 (地面と壁の表面など) を抽出し,登録のためにICP (Iterative Closest Points) アルゴリズムを使用する.

3シャシーと動力学の校正

シャーシの校正は 動作装置や距離計の精度の問題に対処し ロボットが"メートルしか移動していないのに"メートルしか移動していないと 考えるのを防ぎます

車輪の直径と軌道の校正: 2つの駆動車輪の実際の有効半径 r と両側の車輪間の実際の距離 W を校正する.

距離計とIMU/レーザー外部参照

方法: 自動車を一定の距離を直行させたり, 360°回転させたりオードメーターで記録されたデータを,リダール/慣性ナビゲーションシステムで測定された絶対移動と角度と比較する.距離計のスケールファクタを修正する

4オープンソースの標準化ツールチェーン

実用開発では,業界には多くの成熟したオープンソースツールが利用されているため,ゼロからアルゴリズムを書く必要はありません.

5カリブレーションを実施するためのヒント

硬い固定: センサーの設置は絶対的に硬いものでなければなりません. トロリーの移動中にわずかな振動がセンサーを動かす場合,校正は無効になります.

内側から外へセンサー間の外部パラメータの共同校正を行う前に,個々のセンサーの内在パラメータの正確性を確保する必要があります..

環境選択:静的校正のために,均質な照明と豊富な幾何学的特徴 (壁や柱など) を備えた室内または閉ざされた環境を選択することが推奨されます.ダイナミック校正用良質なGNSS (GPS) 信号と最小限の動的干渉 (歩行者や通りすがりの車両など) を備えた環境が必要です.