[发明专利]一种单雷达校准和基于刚体的多雷达配准方法

权利要求书

1.一种单雷达校准方法，其特征在于，所述单雷达校准为将单个激光雷达的原始三维点云坐标系调整至目标位姿的过程，所述目标位姿中激光雷达的三维点云坐标系以地面平面作为三维点云坐标系的XY平面，并且以地面平面上的激光雷达的应用场景中心为三维点云坐标系的坐标原点；

所述单雷达校准方法包括以下步骤：

S1获取激光雷达输出的原始三维点云及对原始的三维点云降噪处理；

S2在激光雷达输出的原始三维点云中提取地面平面；

S3对激光雷达输出的三维点云进行旋转平移，使三维点云变换至目标位姿，并保存下来，完成单雷达校准工作。

2.根据权利要求1所述的单雷达校准方法，其特征在于，S1中在应用场景中安装所述激光雷达，在非生产状态下录制激光雷达输出的原始三维点云，并利用开源点云处理库PCL中的标准体素网格过滤器过滤原始三维点云中的杂点，完成原始三维点云降噪。

3.根据权利要求2所述的单雷达校准方法，其特征在于，S2中所述原始三维点云中提取地面平面分四步进行：

S21在激光雷达原始三维点云坐标系下，从坐标原点出发，沿垂直方向和水平方向进行角度均分，均分线为射线，多个均分线形成原始三维点云坐标系下的射线族；所述均分角度数为a，所述射线族中射线条数为N：

中括号表示取整

每条所述均分线对应的极坐标的天顶角θ_i和方位角分别为：

i为0到间的整数；

j为0到间的整数；

S22对所述原始三维点云坐标系中的像素坐标进行极坐标转换，转换公式为：

所述转换公式中r为原始三维点云坐标系中像素点到坐标原点的距离；θ为极坐标中像素点的天顶角；为极坐标中像素点的方位角；

S23在所述射线族中选取k条射线，在所述每条选取的射线上分别选取一个像素点；选择相邻四条射线所围成的开放区域内距离坐标原点最远的像素点作为基点，最终取出的所述基点个数记为K；

S24分别对所述K个基点采用开源点云处理库PCL中的随机抽样一致算法RANSAC提取平面，提取的平面中面积最大的平面即为地面平面。

4.根据权利要求3所述的单雷达校准方法，其特征在于，所述步骤S3中以提取的地面平面中心点为自定义坐标系的坐标原点，然后计算地面平面的法向量，再使用开源点云处理库PCL中矩阵乘列向量的计算方法计算使三维点云变换至目标位姿。

5.一种基于刚体的多雷达配准方法，其特征在于，包括以下步骤：

P1在激光雷达的应用场景现场不同位置安装多个激光雷达，在每两个相邻激光雷达之间选择一个地面识别刚体；如果没有供选择的地面识别刚体，则在每两个相邻激光雷达之间摆放一个路锥作为地面识别刚体；

P2利用权利要求4所述的单雷达校准方法分别完成每个激光雷达的校准；

P3在校准后的激光雷达的三维点云坐标系中截取点云立方体，截取后的点云立方体包括地面平面和用于识别的地面识别刚体；

P4依次产生相邻激光雷达的点云旋转平移矩阵；在相邻激光雷达的点云中含有应用场景中的同一个地面识别刚体；

P5多雷达点云融合，指定一个激光雷达为基准雷达，与所述基准雷达相邻的激光雷达的点云坐标乘以对应的点云旋转平移矩阵一变换至基准雷达的点云坐标；与所述基准雷达不相邻的激光雷达的点云变换，是先将与基准雷达不相邻的激光雷达的点云坐标变换为与基准雷达相邻的激光雷达的点云坐标，然后再乘以点云旋转平移矩阵一变换至基准雷达的点云坐标，最终完成多雷达坐标系的统一；

与基准雷达不相邻的激光雷达的点云坐标乘以对应的点云旋转平移矩阵二变换至与基准雷达相邻的激光雷达的点云坐标。

6.根据权利要求5所述的基于刚体的多雷达配准方法，其特征在于，P4中将两个相邻激光雷达的点云送入神经网络模型，所述神经网络模型的骨干网络为三维卷积神经网络，三维卷积神经网络包含二十一层三维卷积层；神经网络模型分别对输入的两个激光雷达点云提取区域特征；所述二十一层三维卷积层分为五组分别记为C1组至C5组，在对应的组内分别做卷积,前一组的输出为下一组的输入，每组在多个三维卷积操作后跟有三维池化pool3d操作；

所述C1和C2组的三维池化pool3d操作后都跟有批量归一化bn3d操作，对特征数据进行均值归一化；经过批量归一化bn3d操作后，归一化后均值输出到下一组；

然后对两个点云的C5组特征输出计算相似度：

其中F为区域特征向量，n为特征维度，相似度S在0到2之间取值，数值越接近0表示两区域特征越接近，并记录每轮训练S值最小的区域(i,j)编号；

根据记录的(i,j)编号提取相似度S最小的区域，并通过反卷积反向映射出地面识别刚体在两个激光雷达的点云中所分别对应的点云区域，所述对应的点云区域的左上角所对应的三维坐标即为两个相邻激光雷达的点云中同一地面识别刚体的左上角三维坐标；这样就能够根据一组坐标对计算得出点云旋转平移矩阵。