[發明專利]一種基于IMU預積分的自動駕駛系統激光雷達在線標定方法

有效

• 申請號: 202010026386.9
• 申請日: 2020-01-10
• 公開（公告）號: CN111257853B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 秦曉輝;王曉偉;邊有鋼;徐彪;謝國濤;胡滿江;楊澤宇;胡展溢;周華健;鐘志華
• 申請（專利權）人: 清華大學
• 主分類號: G01S7/497
• 分類號: G01S7/497
• 代理公司: 廣州容大知識產權代理事務所(普通合伙) 44326
• 代理人: 劉新年

本發明公開了一種基于IMU預積分的自動駕駛系統激光雷達外參估計方法，其目的是：基于自動駕駛系統原有車載傳感器，提供一種端到端的激光雷達外參在線標定方法，避免復雜的數學模型推導和優化，利用深度卷積神經網絡的數據分析能力處理激光雷達的點云數據和車輛狀態軌跡數據，在線實時估計出激光雷達的外參誤差，從而實現對激光雷達外參的實時修正，提升自動駕駛系統環境感知功能的準確性和穩定性，保證自動駕駛系統的行車安全。

技術領域

本發明涉及一種面向自動駕駛系統的激光雷達外參估計方法，特別是關于一種基于IMU預積分的自動駕駛系統激光雷達在線標定方法。

背景技術

自動駕駛系統可以解放駕駛員的雙手，給乘客帶來安全、高效、舒適的乘坐新體驗，是汽車和交通運輸行業的新增長點，受到了世界各國的重視。世界各大汽車廠商，如戴姆勒集團、大眾集團、通用集團等均已推出自動駕駛系統的量產計劃，互聯網公司，如谷歌、優步、百度也陸續成立了自己的自動駕駛事業部，推出自動駕駛研發平臺和共享出行計劃。

為準確感知環境信息，自動駕駛系統目前最常用的傳感器之一是激光雷達，如谷歌的自動駕駛出租車、百度的自動駕駛出租車和優步的共享出行出租車，均使用激光雷達作為環境感知的主要手段。激光雷達獲取點云數據并識別障礙物后，需要通過外參將其轉換到車輛坐標系下，才能為決策系統所用。但不幸的是，在車輛行駛過程中，會因顛簸、載荷不均等因素造成激光雷達外參的暫時性變動。同時，激光雷達設備的安裝支架也會在使用過程中逐步產生形變，導致其外參永久性變動。這些因素都會導致激光雷達所識別的障礙物無法正確轉換到車輛坐標系下，從而影響自動駕駛系統的正常決策，甚至引起決策誤判，威脅車輛行駛安全。

目前激光雷達外參估計方面的研究多針對靜態場景，即，系統使用前事先在特定的場地，使用特殊的設備采集特殊工況下的數據，然后離線計算或迭代優化出外參參數。這種方式有如下缺陷：1)需要實現布置特定的場景，使用區域受限；2)需要特殊設備，增加額外成本；3)需要采集特殊工況下的數據，靈活性受限；4)只能離線進行，不能在線實時地糾正激光雷達的外參誤差。

激光雷達外參的在線實時估計能保證自動駕駛系統環境感知功能的正常、準確工作，但在線估計功能既不能使用特殊工具，也不能依賴特定場景，給算法的處理帶來挑戰，靜態外參估計的算法不再適用。近年來興起的深度卷積神經網絡技術具有強非線性擬合能力和學習能力，易于從大數據中自動分離出關鍵特征，從而實現端到端的模式識別。將深度卷積神經網絡技術與自動駕駛系統激光雷達的外參估計相結合，有望在不額外增加設備的情況下實現激光雷達外參的在線實時估計。但相關工作目前仍為空白。

發明內容

針對現有技術存在的不足，本發明的目的在于提供一種基于IMU預積分的自動駕駛系統激光雷達外參估計方法，利用深度卷積神經網絡的數據分析能力處理激光雷達的點云數據和IMU數據，在線實時估計出激光雷達的外參誤差，從而實現對激光雷達外參的實時修正，保證自動駕駛系統的正常工作。

為實現上述目的，本發明提供了如下技術方案：一種基于IMU預積分的自動駕駛系統激光雷達在線標定方法，包括如下步驟：

步驟1，采集并預處理傳感器數據，所涉及的傳感器包括激光雷達和IMU，將傳感器數據轉換為算法常用格式；

步驟2，進行預積分與狀態軌跡計算，即對IMU數據流進行滑動窗口預積分，并求取車輛狀態軌跡；

步驟3，將激光點云數據和車輛狀態軌跡分別轉為深度圖，然后將二者融合為混合深度圖；

步驟4，緩存歷史混合深度圖，將若干幀混合深度圖融合為大深度圖，輸入給深度卷積神經網絡，通過深度卷積神經網絡計算出激光雷達外參誤差。

作為本發明的進一步改進，所述步驟1中的IMU設備包括加速度計和角速度計兩部分，二者分別測量車輛的三軸加速度和三軸角速度后輸出。