Calibración de Radar de Vehículos Inteligentes Sala de Calibración Automotriz de Fusión Multisensorial

La calibración de vehículos autónomos es un paso crucial en las tecnologías de conducción autónoma y robótica.La calibración establece las relaciones geométricas y matemáticas entre los diversos sensores del vehículo autónomo.Una calibración inexacta hará que el vehículo se equivoque o se desvíe del rumbo, lo que dará lugar a fallas de navegación o incluso a colisiones.

La calibración del vehículo autónomo se divide principalmente en tres categorías: calibración de parámetros intrínsecos del sensor, calibración de parámetros extrínsecos del sensor (calibración conjunta),y calibración del chasis/cinemática.

1Calibración de parámetros intrínsecos del sensor

La calibración de parámetros intrínsecos aborda la precisión del sensor en sí y se realiza normalmente de forma independiente en la fábrica o antes de la instalación.

1 Objetivo de la calibración de parámetros intrínsecos de la cámara:Para obtener la distancia focal de la cámara, el punto principal y los parámetros de distorsión (para eliminar la distorsión del cañón y el cojín de los ojos de pez o de las lentes ordinarias).

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

2 Propósito de la calibración de parámetros intrínsecos de la unidad de medición inercial (IMU):Para determinar el sesgo, el factor de escala y el ruido del acelerómetro y el giroscopio.

Método común:Análisis estático de la varianza de Allen, prueba de rotación de múltiples posiciones.

2Calibración de parámetros extrínsecos del sensor

La calibración de parámetros extrínsecos aborda las relaciones posicionales entre los sensores y entre los sensores y el cuerpo del vehículo (momento de rotación espacial relativo R y vector de traducción T),que es la base de la fusión de sensores múltiples.

1 Cámara y LiDAR

Objetivo: Alinear la nube de puntos 3D del LiDAR con las dimensiones de píxeles de la imagen 2D de la cámara, logrando "colorar la nube de puntos" o "añadir profundidad a la imagen".

Método: Calibración basada en el objetivo: se coloca un tablero de calibración en la escena y se extraen los puntos de esquina del tablero de ajedrez en la imagen y los planos de borde en la nube de puntos.Los parámetros extrínsecos se resuelven utilizando algoritmos de optimización.

Calibración sin objetivo (en línea): los bordes y las líneas de construcción en el entorno natural se utilizan para hacer coincidir el gradiente de la imagen con la intensidad del borde de la nube de puntos.

2 LiDAR y navegación inercial/carrocería del vehículo

Objetivo: Convertir los datos medidos por el LiDAR al centro del vehículo (generalmente el centro del eje trasero o el centro de la UMI) para garantizar que el mapeo y la localización no se deriven.

Método: el vehículo realiza un círculo en forma de ocho, conduce en línea recta o gira en su lugar dentro del horizonte o en un terreno específico.La posición relativa se calcula haciendo coincidir las características de las nubes puntuales con la trayectoria integral de la UMI..

3 Calibración multi-LiDAR

Finalidad: Cuando el vehículo tenga varios LiDAR (por ejemplo, un LiDAR principal + dos LiDAR de punto ciego), unir sus nubes de puntos para formar una visión completa de 360 °.

Método: extraer rasgos comunes (por ejemplo, suelo, paredes) de áreas superpuestas y utilizar el algoritmo ICP (Punto más cercano iterativo) para el registro.

3. Chasis y calibración cinemática

La calibración del chasis aborda la precisión de los actuadores y los velocímetros de las ruedas, evitando que el vehículo "piense que ha recorrido un metro cuando solo ha recorrido medio metro".

Diámetro de la rueda y calibración de la vía: calibrar el radio efectivo real r de las dos ruedas motrices y la distancia real W entre las ruedas de ambos lados.

Parámetros extrínsecos del odómetro y del IMU/LiDAR

Método: hacer recorrer el vehículo en línea recta o girarlo 360° en su lugar, comparar los datos registrados por el velocímetro de las ruedas con el desplazamiento y el ángulo absolutos medidos por el LiDAR/INS,y corregir el factor de escalado del velocímetro de la rueda.