Calibración de vehículo logístico autónomo no tripulado

La calibración de vehículos autónomos es un paso crucial en la tecnología de conducción autónoma y robótica. En pocas palabras, la calibración implica establecer relaciones geométricas y matemáticas entre varios sensores del vehículo autónomo, así como entre los sensores y el sistema de coordenadas del cuerpo del vehículo. Si la calibración es inexacta, el vehículo puede "ver las cosas torcidas" o "desviarse de la ruta", lo que lleva a fallos de navegación o incluso colisiones.

La calibración de vehículos autónomos se divide principalmente en tres categorías: calibración intrínseca de sensores, calibración extrínseca de sensores (calibración conjunta) y calibración del chasis/cinemática.
1. Calibración de parámetros intrínsecos del sensor
La calibración de referencia interna aborda el problema de la precisión del sensor y, por lo general, se completa de forma independiente antes del envío o la instalación.
①El propósito de la calibración de parámetros intrínsecos de la cámara es obtener la distancia focal, el punto principal y los parámetros de distorsión (para eliminar las distorsiones de barril y cojín de los lentes ojo de pez o regulares) de la cámara.

Método común: Método de calibración de Zhang Zhengyou (usando un tablero de calibración de tablero de ajedrez blanco y negro o de puntos, tomando múltiples fotos desde diferentes ángulos).

②El propósito de la calibración de parámetros internos de la IMU (Unidad de Medición Inercial) es determinar el sesgo cero, el factor de escala y el ruido del acelerómetro y el giroscopio.

Métodos comunes: análisis de varianza de Allen estática, prueba de rotación en múltiples posiciones.

2. Calibración de parámetros extrínsecos del sensor

La calibración extrínseca aborda las relaciones posicionales entre los sensores y entre los sensores y el cuerpo del vehículo (matriz de rotación espacial relativa R y vector de traslación T), lo que forma la base de la fusión de múltiples sensores.

①Cámara y LiDAR

 Objetivo: Alinear la nube de puntos 3D del LiDAR con los píxeles de imagen 2D de la cámara, permitiendo "colorear la nube de puntos" o "agregar profundidad a la imagen".

 Método: Calibración de objetivo: Colocar un tablero de calibración en la escena, extraer simultáneamente las esquinas del tablero de ajedrez de la imagen y los planos de borde de la nube de puntos, y resolver los parámetros extrínsecos utilizando un algoritmo de optimización.

Calibración sin objetivo (en línea): Utilizando bordes en el entorno natural, como líneas de edificios, para hacer coincidir los bordes de los gradientes de imagen y las intensidades de la nube de puntos.

② LiDAR y sistema de navegación inercial/cuerpo del vehículo

 Propósito: Convertir los datos medidos por el LiDAR al centro del automóvil (generalmente el centro del eje trasero o el centro de la IMU) para garantizar que la construcción del mapa y el posicionamiento no se desvíen.

 Método: El automóvil realiza un movimiento circular en "8", conducción en línea recta o rotación en el lugar en el horizonte o dentro de un campo específico. Al hacer coincidir las características de la nube de puntos con la trayectoria integrada de la IMU, se calcula la pose relativa.

③ Calibración de múltiples LiDAR

 Objetivo: Cuando un vehículo está equipado con múltiples LiDAR (como un LiDAR principal y dos LiDAR de compensación de punto ciego), las nubes de puntos de estos LiDAR deben unirse para formar una vista completa de 360°.

 Método: Extraer características comunes (como superficies de suelo y pared) en el área superpuesta y utilizar el algoritmo ICP (Puntos Más Cercanos Iterativos) para el registro.

3. Calibración del chasis y la cinemática

La calibración del chasis aborda los problemas de precisión de los actuadores y odómetros, evitando que el robot "crea que ha recorrido un metro cuando en realidad solo se ha movido medio metro".

 Calibración del diámetro de la rueda y la trocha: Calibrar el radio efectivo real r de las dos ruedas motrices y el espaciado real W entre las ruedas de ambos lados.

 Odómetro y referencia externa IMU/Láser

Método: Hacer que el automóvil recorra una cierta distancia en línea recta o gire 360° en el lugar, comparar los datos registrados por el odómetro con el desplazamiento y ángulo absolutos medidos por el LiDAR/sistema de navegación inercial, y corregir el factor de escala del odómetro.

4. Cadenas de herramientas de calibración de código abierto comunes

En el desarrollo práctico, generalmente no es necesario escribir algoritmos desde cero, ya que hay una gran cantidad de herramientas maduras de código abierto disponibles en la industria:

5. Consejos para implementar la calibración

Fijación rígida: La instalación del sensor debe ser absolutamente rígida. Si las vibraciones menores durante el desplazamiento del carro causan que el sensor se mueva, la calibración se invalidará.

Primero lo interno, luego lo externo: Es necesario asegurar la precisión de los parámetros intrínsecos de los sensores individuales antes de proceder con la calibración conjunta de los parámetros extrínsecos entre sensores.

Selección del entorno: Para la calibración estática, se recomienda elegir entornos interiores o cerrados con iluminación uniforme y características geométricas ricas (como paredes y pilares). Para la calibración dinámica, se requiere un entorno con buenas señales GNSS (GPS) y mínima interferencia dinámica (como peatones y vehículos que pasan).