[发明专利]一种激光雷达-相机-惯导联合标定方法及系统

说明书

本发明涉及一种基于手眼标定的激光雷达‑相机‑惯导联合标定方法及系统，其包括：通过激光雷达、单目相机和GPS/IMU同时进行数据采集，获取激光雷达点云、单目相机图像以及GPS/IMU设备位姿信息；根据采集的数据，分别获得激光雷达位姿估计结果、单目相机位姿估计结果以及GPS/IMU设备自身在全局坐标系下的位姿；将获取的三种位姿估计结果进行数据关联，确定位姿之间的对应关系；将关联后的三个位姿序列两两之间构建手眼标定问题，并将手眼标定问题转化为优化问题；求解优化问题，将不同传感器轨迹转换到同一坐标系下。本发明能标定激光雷达、单目相机和惯性导航设备之间的外参并估计单目相机运行中的尺度。

技术领域

本发明涉及一种自动驾驶技术领域，特别是关于一种基于手眼标定的激光雷达-相机-惯导联合标定方法及系统。

背景技术

高精度地图为自动驾驶汽车提供了重要的环境先验信息，在高精度地图的构建过程中常采用搭载了激光雷达、单目相机、惯性导航设备等多种传感器的采集车进行数据采集。单一传感器获得的感知、定位结果都是在各个传感器自身坐标系下，需要依靠传感器坐标系之间的相对位姿关系，即外参(extrinsic)在空间上进行统一，之后在同一坐标系下进行融合。

传感器外参的准确标定是感知、定位结果正确融合的必要前提。在实际应用中，直接测量传感器间的外参误差较大，难以满足精度需求；根据设计图纸判断的外参会受到安装误差影响；在车辆长时间运行过程中传感器间外参可能发生变化，因此需要算法进行自动化标定。

激光雷达可以获得周围环境的高精度三维点云信息，但是远处点云较为稀疏；单目相机可以获得周围环境的颜色、纹理等信息，但是缺乏深度信息；惯性导航设备可以直接获得自身在WGS坐标系下的全局位姿。三种传感器获得的是异构数据，难以进行直接关联，需要对于异构数据进行正确时空关联进行求解。

发明内容

针对上述问题，本发明提供一种基于手眼标定的激光雷达-相机-惯导联合标定方法及系统，用于标定激光雷达、单目相机和惯性导航设备之间的外参并估计单目相机运行中的尺度。

为实现上述目的，本发明采取以下技术方案：一种激光雷达-相机-惯导联合标定方法，其包括：步骤1、通过激光雷达、单目相机和GPS/IMU同时进行数据采集，获取激光雷达点云、单目相机图像以及GPS/IMU设备位姿信息；步骤2、根据采集的数据，分别获得激光雷达位姿估计结果单目相机位姿估计结果以及GPS/IMU设备自身在全局坐标系下的位姿步骤3、将获取的三种位姿估计结果进行数据关联，确定位姿之间的对应关系；步骤4、将关联后的三个位姿序列两两之间构建手眼标定问题，并将手眼标定问题转化为优化问题；步骤5、求解优化问题，将不同传感器轨迹转换到同一坐标系下。

进一步，所述步骤2中，采用激光SLAM算法获得激光雷达位姿估计结果采用视觉SLAM算法获得单目相机位姿估计结果采用惯性导航设备获得自身在全局坐标系下的位姿

进一步，所述单目相机位姿估计结果

为第i帧单目相机相对于自身起点的位姿；表示视觉里程计估计出的旋转部分位姿；表示视觉里程计估计出的平移部分位姿，缺乏尺度；C₀表示单目相机起始位置坐标系，C_i表示第i帧单目相机坐标系。

进一步，所述视觉里程计估计出的平移部分位姿缺乏尺度，需要通过估计尺度s恢复其实际位姿

进一步，所述步骤3中，采用位姿插值的方式进行数据关联：在三种位姿序列中任选两种位姿序列进行插值，获得同一时间戳下两个位姿序列中对应的位姿；然后在具有同一时间戳的两个位姿序列中任选一个位姿序列与余下的位姿序列再次进行插值，完成数据关联。

进一步，所述位姿插值方法包括以下步骤：

步骤31、输入两个位姿序列，并判断其中第一位姿序列是否遍历完成，若完成，则输出与第二位姿序列的插值结果，反之，则进入下一步；