Hiệu chuẩn xe hậu cần tự hành không người lái

Hiệu chuẩn xe tự hành là một bước quan trọng trong công nghệ lái xe tự hành và robot. Nói một cách đơn giản, hiệu chuẩn bao gồm việc thiết lập mối quan hệ hình học và toán học giữa các cảm biến khác nhau của xe tự hành, cũng như giữa các cảm biến và hệ tọa độ thân xe. Nếu hiệu chuẩn không chính xác, xe có thể "nhìn mọi thứ bị lệch" hoặc "lệch khỏi đường đi", dẫn đến lỗi điều hướng hoặc thậm chí va chạm.

Hiệu chuẩn xe tự hành chủ yếu được chia thành ba loại: hiệu chuẩn tham số nội tại của cảm biến, hiệu chuẩn tham số ngoại tại của cảm biến (hiệu chuẩn chung) và hiệu chuẩn khung gầm/động học.
1. Hiệu chuẩn tham số nội tại của cảm biến
Hiệu chuẩn tham chiếu nội bộ giải quyết vấn đề độ chính xác của cảm biến và thường được hoàn thành độc lập trước khi xuất xưởng hoặc lắp đặt.
①Mục đích của hiệu chuẩn tham số nội tại của camera là thu được tiêu cự, điểm chính và các tham số biến dạng (để loại bỏ biến dạng thùng và biến dạng gối của ống kính mắt cá hoặc ống kính thông thường) của camera.

Phương pháp phổ biến: Phương pháp hiệu chuẩn Zhang Zhengyou (sử dụng bảng hiệu chuẩn ô vuông đen trắng hoặc chấm, chụp nhiều ảnh từ các góc khác nhau).

②Mục đích của hiệu chuẩn tham số nội tại của IMU (Đơn vị đo lường quán tính) là xác định độ lệch bằng không, hệ số tỷ lệ và nhiễu của gia tốc kế và con quay hồi chuyển.

Phương pháp phổ biến: Phân tích phương sai Allen tĩnh, kiểm tra xoay đa vị trí.

2. Hiệu chuẩn tham số ngoại tại của cảm biến

Hiệu chuẩn ngoại tại giải quyết mối quan hệ vị trí giữa các cảm biến và giữa các cảm biến với thân xe (ma trận xoay tương đối không gian R và vectơ tịnh tiến T), tạo nền tảng cho việc hợp nhất đa cảm biến.

①Camera và LiDAR

 Mục tiêu: Căn chỉnh đám mây điểm 3D từ LiDAR với các pixel ảnh 2D từ camera, cho phép "tô màu đám mây điểm" hoặc "thêm độ sâu cho ảnh".

 Phương pháp: Hiệu chuẩn mục tiêu: Đặt một bảng hiệu chuẩn trong cảnh, đồng thời trích xuất các góc ô vuông từ ảnh và các mặt phẳng cạnh từ đám mây điểm, sau đó giải các tham số ngoại tại bằng thuật toán tối ưu hóa.

Hiệu chuẩn không có mục tiêu (trực tuyến): Sử dụng các cạnh trong môi trường tự nhiên, chẳng hạn như đường nét kiến trúc, để khớp với các cạnh của gradient ảnh và cường độ đám mây điểm.

② LiDAR và hệ thống dẫn đường quán tính/thân xe

 Mục đích: Chuyển đổi dữ liệu đo được bởi lidar sang tâm xe (thường là tâm trục sau hoặc tâm IMU) để đảm bảo việc xây dựng bản đồ và định vị không bị trôi.

 Phương pháp: Xe thực hiện chuyển động tròn hình "số 8", lái thẳng hoặc xoay tại chỗ trên đường chân trời hoặc trong một trường cụ thể. Bằng cách khớp các đặc trưng đám mây điểm với quỹ đạo tích hợp của IMU, tư thế tương đối được tính toán.

③ Hiệu chuẩn đa LiDAR

 Mục tiêu: Khi xe được trang bị nhiều lidar (ví dụ: một lidar chính và hai lidar bù điểm mù), các đám mây điểm từ các lidar này nên được ghép lại với nhau để tạo thành một tầm nhìn 360° hoàn chỉnh.

 Phương pháp: Trích xuất các đặc trưng chung (chẳng hạn như bề mặt đất và tường) trong khu vực chồng lấn và sử dụng thuật toán ICP (Điểm gần nhất lặp lại) để đăng ký.

3. Hiệu chuẩn khung gầm và động học

Hiệu chuẩn khung gầm giải quyết các vấn đề về độ chính xác của bộ truyền động và đồng hồ đo quãng đường, ngăn robot "nghĩ rằng nó đã đi được một mét khi thực tế chỉ di chuyển nửa mét".

 Hiệu chuẩn đường kính bánh xe và khoảng cách bánh xe: Hiệu chuẩn bán kính hiệu dụng thực tế r của hai bánh xe dẫn động và khoảng cách thực tế W giữa hai bánh xe hai bên.

 Đồng hồ đo quãng đường và IMU/Tham chiếu ngoại tại Laser

Phương pháp: Cho xe di chuyển thẳng một khoảng cách nhất định hoặc xoay 360° tại chỗ, so sánh dữ liệu được ghi lại bởi đồng hồ đo quãng đường với độ dịch chuyển tuyệt đối và góc đo được bởi hệ thống dẫn đường LiDAR/quán tính, và hiệu chỉnh hệ số tỷ lệ của đồng hồ đo quãng đường.

4. Các chuỗi công cụ hiệu chuẩn mã nguồn mở phổ biến

Trong quá trình phát triển thực tế, nhìn chung không cần thiết phải viết thuật toán từ đầu, vì có rất nhiều công cụ mã nguồn mở trưởng thành có sẵn trong ngành:

5. Mẹo triển khai hiệu chuẩn

Cố định chắc chắn: Việc lắp đặt cảm biến phải tuyệt đối chắc chắn. Nếu rung động nhỏ trong quá trình di chuyển của xe đẩy làm dịch chuyển cảm biến, hiệu chuẩn sẽ trở nên không hợp lệ.

Trong trước, ngoài sau: Cần đảm bảo độ chính xác của các tham số nội tại của từng cảm biến trước khi tiến hành hiệu chuẩn chung các tham số ngoại tại giữa các cảm biến.

Lựa chọn môi trường: Đối với hiệu chuẩn tĩnh, nên chọn môi trường trong nhà hoặc môi trường kín có ánh sáng đồng đều và các đặc trưng hình học phong phú (chẳng hạn như tường và cột). Đối với hiệu chuẩn động, cần có môi trường có tín hiệu GNSS (GPS) tốt và ít nhiễu động (chẳng hạn như người đi bộ và xe cộ qua lại).