کالیبراسیون سیستم بصری وسایل نقلیه هوشمند سنگ بنای درک دقیق در رانندگی مستقل و کابین های هوشمند (مانند 360 درجه مشاهده اطراف) است.به خاطر اینکه دوربین پیکسل های دو بعدی را ضبط می کند، در حالی که تصمیم گیری در مورد وسیله نقلیه نیاز به موقعیت فیزیکی واقعی در فضای سه بعدی دارد (مانند خطوط خط، مسافت موانع) ،لازم است رابطه نقشه برداری ریاضی از "کنورده پیکسل،کنورده دوربین،کنورده بدن/کنورده جهان" از طریق کالیبراسیون ایجاد شود..
فرآیند کالیبراسیون کامل سیستم های بصری هوشمند خودرو معمولاً به سه ابعاد تقسیم می شود: کالیبراسیون خط تولید / کالیبراسیون ثابت ، کالیبراسیون پویا / آنلاینو کالیبراسیون مشترک چند سنسورشرح مفصل فرآیند کالیبراسیون هسته ای در زیر ارائه شده است:
1طبقه بندی پارامترهای کالیبراسیون هسته ای
قبل از ورود به فرآیند، ما باید بدانیم که کالیبراسیون دقیقا چیست:
پارامترهای ذاتی: تعیین انحراف هندسی و خواص فاصله کانونی داخل لنز دوربین. به عنوان مثال،از بین بردن انحراف چشم ماهی از لنزهای زاویه بزرگ و راست کردن تصاویر منحنی.
پارامترهای بیرونی: تعیین موقعیت و جهت گیری خاص دوربین در سیستم مختصات خودرو (مقرر مختصات X، Y، Z و زاویه های مسیر Pitch، Yaw، Roll).
2. خط تولید / فرآیند کالیبراسیون استاتیک (بنیاد اصلی)
کالیبراسیون استاتیک معمولاً در اتاق کالیبراسیون قبل از خروج ماشین از کارخانه یا پس از تعمیر و نگهداری در فروشگاه 4S انجام می شود.محیط کنترل شده و دقتش فوق العاده بالاست.
(1) آماده سازی و تنظیم محیط زیست
ابزار کالیبراسیون: یک تخته کالیبراسیون با یک الگوی هندسی خاص (مانند تخته شطرنج، نمودار توده نقطه ای یا پارچه کالیبراسیون پانورامیک تخصصی) آماده کنید.
الزامات زیست محیطی: تضمین نوردهی یکنواخت و جلوگیری از نوردهی بیش از حد ناشی از نور قوی یا عدم توانایی استخراج نقاط ویژگی تصویر به دلیل نور ضعیف.
وضعیت وسیله نقلیه: وسیله نقلیه بر روی سطح مسطح پارک شده و فشار تایر به مقدار استاندارد تنظیم شده است و وسیله نقلیه باید کاملا ثابت باشد (برای جلوگیری از لرزش تعلیق).
(2) کالیبراسیون پارامترهای داخلی (معمولاً در محل تامین کننده یا قبل از بارگیری انجام می شود)
جمع آوری داده ها: دوربین به تخته کالیبراسیون اشاره می کند و چندین عکس (معمولاً 10 تا 20) از زاویه ها و فاصله های مختلف می گیرد.
حل الگوریتم: صنعت به طور کلی روش کالیبراسیون Zhang Zhengyou را اتخاذ می کند.الگوریتم نقاط گوشه ای (نقاط ویژگی) را در تخته کالیبراسیون شناسایی می کند و از ماتریس های ریاضی برای حل فاصله کانونی دوربین (f_x) استفاده می کند، f_y) ، موقعیت نقطه اصلی (u-0، v-0) و ضریب تحریف (تحریف شعاعی و لمسی).
(3) کالیبراسیون پارامترهای خارجی (باید پس از بارگذاری انجام شود)
نقشه مکان: Place the calibration plate or calibration cloth accurately at known relative positions around the vehicle (using a total station or laser rangefinder to determine the position of the calibration plate relative to the vehicle axle and centerline).
استخراج ویژگی: دوربین های مختلف خودرو تصاویر حاوی صفحات کالیبراسیون را ضبط می کنند.و الگوریتم به طور خودکار نقاط مشخصه مربوط به صفحات کالیبراسیون را در تصاویر تشخیص می دهد (مانند نقاط گوشه ای چهار پارچه کالیبراسیون در سیستم مشاهده محیط).
محاسبه ماتریس پارامترهای خارجی: بر اساس "کنوردهای پیکسل" نقاط ویژگی در تصویر و "کنوردهای فیزیکی واقعی" آنها نسبت به وسیله نقلیه در واقعیت،محاسبه ماتریس چرخش R و بردار جابجایی T هر دوربین نسبت به سیستم مختصات وسیله نقلیه.
اسپلایس و بازرسی (با استفاده از 360 درجه مشاهده اطراف به عنوان یک مثال): استفاده از محاسبات خارجی برای نمایش تصاویر چهار دوربین، جلو، عقب، چپ و راست،به چشم انداز چشم پرنده (BEV)، و بررسی کنید که آیا شکاف های خیاط (مانند خطوط زمین) هم تراز شده اند و آیا هیچ شبح وجود دارد.
3. فرآیند کالیبراسیون پویا / کالیبراسیون آنلاین (در طول رانندگی بهینه شده)
در طول روند رانندگی یک ماشین، به دلیل ضربه های طولانی مدت، تغییرات دمایی که باعث گسترش و انقباض حرارتی می شود، یا تغییرات بار تعلیق،دوربین خارجی دوربین کمی جابجایی را تجربه خواهد کردکالیبراسیون آنلاین می تواند "کیلیبراسیون در هنگام رانندگی" را به دست آورد.
[ رانندگی خودرو] -> [ تشخیص ویژگی های طبیعی (خط های خط رانندگی / نشانه های جاده ای) ] -> [ استخراج ویژگی ها و ادغام با حرکتی ] -> [ به روزرسانی تکراری آنلاین ماتریس پارامتر خارجی ]
(1) فعال سازی و استخراج ویژگی
هنگامی که خودرو در جاده های معمولی مانند بزرگراه ها و گذرگاه های شهری رانندگی می کند، الگوریتم های بصری نقاط طبیعی را از محیط در زمان واقعی استخراج می کنند.که رایج ترین آن ها نشانه های خط رانندگی هستند (با این فرض که نشانه های خط رانندگی موازی هستند و تا حد نامحدود در جلوی خودرو گسترش می یابند) و نقاط ناپدید شدن.
(2) فیوژن چند سنسور و برآورد وضعیت
با ترکیب IMU (یگان اندازه گیری بی وقفه) و سنسور سرعت (مقدار سرعت چرخ) ، تغییرات حالت خود خودرو را تخمین بزنید.
(3) محاسبه و تصحیح تکراری
Algorithms such as Kalman filtering or beam based adjustment (BA) continuously fine tune and correct the pitch and yaw angles of the camera by comparing the image changes between the current frame and historical frames، و همچنین محدودیت های هندسی خطوط خط، برای دستیابی به به روزرسانی پویا.
4فرآیند کالیبراسیون مفصل (تعادل سنسور متقاطع)
اتومبیل های هوشمند مدرن نه تنها دوربین دارند، بلکه رادار LiDAR و موج میلی متری نیز دارند. داده های خود را در یک سیستم مختصات فضایی هماهنگ می کنند تا درک قبل از همجوشی را انجام دهند.
به عنوان مثال، دوربین را به LiDAR (کالبریشن دوربین جلو و لیدار) ببرید:
(1) خرید منطقه دید مشترک: Place a specially designed calibration plate (usually with high reflectivity patterns or specific geometric shapes) that can be captured clearly by a camera and scanned by a laser radar in front of the car.
(2) استخراج داده ها: استخراج مختصات پیکسل گوشه ها یا لبه های صفحه کالیبراسیون از تصویر دو بعدی دوربین.
Extract the three-dimensional spatial feature points corresponding to the calibration plate from the three-dimensional point cloud of the LiDAR (using point cloud reflection intensity or plane fitting).
(3) حل محدودیت: پیدا کردن بهترین تطابق بین دو مجموعه از نقاط ویژگی، استفاده از الگوریتم های بهینه سازی مانند حداقل مربع،و محاسبه ماتریس تبدیل 3D به 2D از سیستم مختصات LiDAR به سیستم مختصات دوربین.
(4) تأیید اثر تراز: ابرهای نقطه ای رنگی LiDAR را بر روی تصویر دوربین نمایش دهید.و مشاهده کنید که آیا محدوده ابر نقطه به طور کامل با اشیاء مانند وسایل نقلیه مطابقت دارد، ساختمان ها و وسایل نقلیه در تصویر.
5- بررسي نتایج کالیبراسیون و ارزیابی کیفیت
پس از اتمام کالیبراسیون، قبل از اینکه بتواند در استفاده تجاری قرار گیرد، باید از ارزیابی دقیق شاخص ها برخوردار باشد:
خطای بازتاب: نقاط فضایی سه بعدی محاسبه شده با استفاده از پارامترهای کالیبراسیون به یک تصویر دو بعدی بازتاب داده می شوند و انحراف از نقاط پیکسل واقعی در تصویر محاسبه می شود.در رانندگی مستقل، متوسط خطای بازتاب معمولا کمتر از 0.5 تا 1 پیکسل است.
بررسی ثبات پارامتر:بررسی کنید که آیا رابطه هندسی نسبی بین دوربین های دوربینی چپ و راست یا دوربین دوربینی اطراف مطابق با عقل سلیم سفت ساختار مکانیکی است، برای جلوگیری از گیر کردن الگوریتم در راه حل های مطلوب محلی و محاسبه پارامترهای "تغییر یافته".