インテリジェント車両レーダー校正 多センサー融合自動車校正室

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,自律走行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します.誤った校正により,車両が誤判したり,コースを逸脱したりし,ナビゲーション障害や衝突に至ります.

自動運転車両の校正は主に3つのカテゴリーに分けられる. センサー内在パラメータ校正,センサー外在パラメータ校正 (関節校正),シャーシ/動力校正.

1センサー内在パラメータ校正

固有パラメータ校正はセンサーそのものの精度に対応し,通常は工場または設置前に独立して行われます.

1 カメラ内在パラメータ校正の目的:カメラの焦点距離,主要点,歪みパラメータ (魚眼や普通のレンズからバレルとピンクッションの歪みを排除するために) を得るために.

一般的な方法:ジャン・チェンユー校正方法 (チェッカーボードまたはドット校正ボードを使用し,異なる角度から複数の写真を撮る).

2 IMU (慣性測定単位) 内在パラメータ校正の目的:アクセレロメーターとジロスコップのバイアス,スケーリング因数,ノイズを決定するために

一般的な方法:静的アレン偏差分析 多位置回転テスト

2センサー 外部パラメータ カリブレーション

外部パラメータ校正は,センサーと車体間の位置関係 (空間相対回転モメントRと変換ベクトルT) を対象とする.これはマルチセンサー融合の基礎です.

1 カメラとライダー

目標:リダールからの3D点雲をカメラからの2D画像のピクセル次元と一致させ",点雲の色付け"または"画像に深さを追加"を達成する.

方法: ターゲットベースの校正: 校正板をシーンに配置し,画像のチェッカーボードの角点と点雲の縁平面を抽出します.外的パラメータは最適化アルゴリズムを使用して解く.

ターゲットなしの (オンライン) カリブレーション:自然環境のエッジとビルディングラインは,点雲のエッジ強さと画像グラデントを一致させるために使用されます.

2 リダールと慣性ナビゲーション/車両体

目的: LiDAR で測定されたデータを車両の中心部 (通常は後軸の中心部またはIMUの中心部) に変換し,マッピングとローカライゼーションが漂流しないようにします.

方法: 車両は8の形状で円を回し,直線で走り,または地平線または特定の地形の中で回転する.相対的な姿勢は,IMUの積分軌道と点雲の特徴を一致させることで計算されます..

3 マルチリダール校正

目的: 車両に複数のLiDARがある場合 (例えば,1つの主要LiDAR+2つの盲点LiDAR),点雲を縫い合わせることで,完全な360°の視点を形成する.

方法:重複する領域から共通の特徴 (例えば地面,壁) を抽出し,登録のためにICP (Iterative Closest Point) アルゴリズムを使用する.

3シャーシと動力校正

シャーシの校正は,アクチュエーターとホイールスピードメーターの精度に対応し,車両が"半メートルしか行っていないのに1メートル移動したと考える"のを防ぐ.

車輪直径と軌道の校正: 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.

オドメーターとIMU/LiDAR 外的パラメータ

方法: 車両が直線を走らせたり 360°回転させたりし,車輪速度計によって記録されたデータとLiDAR/INSで測定された絶対移動と角度を比較する.そしてホイールスピードメーターのスケーリング因子を修正.