激光探测及测距系统(Light Detection and Ranging,LiDAR)
特点
• 角分辨率、距离分辨率高
• 抗干扰能力强
• 三维坐标、反射率
• 车体积小、质量轻
TOF飞行时间法
脉冲测距:通过测量激光脉冲在雷达和目标之间来回飞行时间获取目标距离的信息。 d = c ⋅ Δ t 2 d = \frac{{c \cdot \Delta t}}{2} d=2c⋅Δt
相位测距:通过测量被强度调制的连续波激光信号在雷达与目标之间来回飞行产生的相位差获得距离信息。 d = c ⋅ Δ φ 4 π f d = \frac{{c \cdot \Delta \varphi }}{{4\pi f}} d=4πfc⋅Δφ
机械式激光雷达是指发射系统和接收系统存在宏观转动,通过不断旋转发射头,将速度更快、发射更准的激光从线变成面,并在竖直方向上排布多束激光,形成多个面,达到动态扫描并动态接收信息的目的。
激光雷达是当前高级别自动驾驶最主要的传感器之一,感知能力强。
从传感器的角度,激光雷达的主要指标包括线束、出点数、精度、测量距离、垂直视场角、垂直角分辨率、水平视场角、水平角分辨率、出点数、通信接口等。
点云是激光雷达获取的三维场景信息的数据存储形式,不同于图像数据,点云由空间中一系列离散的点组成,并记录了这些点相对于激光雷达自身坐标系的三维坐标与反射率。
L. Fan等人 [ 1 ] ^{[1]} [1]对这方面的介绍比较详细。PS:文末参考链接无法查看论文的话,可以选择这个链接
❖摄像头
★ 优点:丰富的纹理和颜色信息,适用于目标的分类
★ 缺点:3D信息的感知能力较弱,受光照条件影响较大
❖激光雷达
★ 优点:精确感知目标的3D信息,不受光照影响
★ 缺点:成本较高,量产难度大,受天气影响较大
❖ L2级:自适应巡航 + 车道保持
★ 可以采用纯视觉系统来进行目标检测和距离估记
❖ L3级:拥堵辅助,领航辅助
★ 至少配备前向的激光雷达
❖ L4级:RoboTaxi
★ 多个激光雷达提供360度视场,以及系统冗余
激光雷达在自动驾驶中可以进行物体检测、3D场景语义分割以及定位与建图。
内参
内部激光发射器坐标系与雷达自身坐标系的转换关系,厂家提供。
外参
激光雷达坐标系与车体坐标系的转换关系,需要标定。
车体坐标系以车辆后轴中心作为原点, X v X_v Xv指向车辆的前方, Y v Y_v Yv指向车辆的左侧, Z v Z_v Zv指向车辆的上方。由于激光雷达的坐标系与车体坐标系存在一定的夹角, X l X_l Xl与 X v X_v Xv存在 α \alpha α的角度偏差, Y l Y_l Yl与 Y v Y_v Yv存在 γ \gamma γ的角度偏差,所以需要标定。
γ \gamma γ侧偏角的标定需要用到矩形板ABCD。如图所示,矩形板ABCD平行于Z轴,且位于激光雷达的前方。激光束扫描的点构成了EF直线段,EG直线段为AB的平行线。
想要求得 γ \gamma γ侧偏角,可以利用 γ = arccos ( l E G l E F ) = arccos ( l A B l E F ) \gamma = \arccos (\frac{{{l_{EG}}}}{{{l_{EF}}}}) = \arccos (\frac{{{l_{AB}}}}{{{l_{EF}}}}) γ=arccos(lEFlEG)=arccos(lEFlAB)得到。 L A B L_{AB} LAB可以由矩形板的边长大小得知, L O F L_{OF} LOF已知, L O E L_{OE} LOE也可以通过激光雷达的数据得到,因此可以求得 L E F L_{EF} LEF,最后求得 γ \gamma γ侧偏角。
;首先不考虑侧偏角 γ \gamma γ。激光雷达的Y轴垂直纸面向外,X轴呈如图所示方向,Z轴竖直向上。首先在1处放置一块标定板,激光雷达在标定板上扫描的位置为A,接着移动标定板置B处,过B作平行于地面的平行线,得到BC,即可求得 α \alpha α俯仰角。
在实际过程中,需要考虑侧偏角。如图所示,在1处放置一块等腰三角形的标定板,同之前的步骤,将标定板移至2处,由图可知, ∠ F 1 E 1 D 1 \angle {F_1}{E_1}{D_1} ∠F1E1D1与 ∠ F 2 E 2 D 2 \angle {F_2}{E_2}{D_2} ∠F2E2D2为侧倾角。
过 D 2 D_2 D2作地面的平行线交于G点,可知 ∠ G D 2 D 1 \angle GD_2D_1 ∠GD2D1即为要求的 α \alpha α俯仰角。易知 α = arctan ( D 1 G D 2 G ) = arctan ( D 1 G B 1 B 2 ) \alpha = \arctan \left( {\frac{{{D_1}G}}{{{D_2}G}}} \right) = \arctan \left( {\frac{{{D_1}G}}{{{B_1}{B_2}}}} \right) α=arctan(D2GD1G)=arctan(B1B2D1G) D 1 G = B 1 D 1 − B 2 D 2 D_1G=B_1D_1-B_2D_2 D1G=B1D1−B2D2 B 1 D 1 = B 1 C 1 − C 1 D 1 B_1D_1=B_1C_1-C_1D_1 B1D1=B1C1−C1D1 C 1 D 1 = E 1 D 1 C_1D_1=E_1D_1 C1D1=E1D1 E 1 D 1 = E 1 F 1 c o s ( γ ) E_1D_1=E_1F_1cos(\gamma) E1D1=E1F1cos(γ) 从而可以求得 α \alpha α俯仰角
如图所示:
车体坐标系:
O v , X v , Y v , Z v O_v,X_v,Y_v,Z_v Ov,Xv,Yv,Zv
激光雷达坐标系:
O l , X l , Y l , Z l O_l,X_l,Y_l,Z_l Ol,Xl,Yl,Zl
假设车体坐标系一点 P = ( X , Y , Z ) P=(X,Y,Z) P=(X,Y,Z),其在激光雷达坐标系中为 P ′ = ( X ′ , Y ′ , Z ′ ) P'=(X',Y',Z') P′=(X′,Y′,Z′),于是有以下关系: [ X Y Z ] = R [ X ′ Y ′ Z ′ ] + T \left[ {\begin{array}{ccccccccccccccc}X\\Y\\Z\end{array}} \right] = R\left[ {\begin{array}{ccccccccccccccc}{X'}\\{Y'}\\{Z'}\end{array}} \right] + T XYZ =R X′Y′Z′ +T R R R为激光雷达坐标系到车体坐标系的旋转矩阵, T T T为激光雷达坐标系到车体坐标系的平移向量
对于单线激光雷达,选择标定箱上的两个端点
对于多线激光雷达,选择标定箱上下边沿的左右端点。
获取像素雷达点对之后,结合相机内参,求解关于旋转矩阵和平移向量的线性方程,即可标定。
[1] L. Fan, X. Xiong, F. Wang, N. Wang and Z. Zha
ng, “RangeDet: In Defense of Range View for LiDAR-based 3D Object Detection,” 2021 IEEE/CVF International Conference on Computer Vision (ICCV), Montreal, QC, Canada, 2021, pp. 2898-2907, doi: 10.1109/ICCV48922.2021.00291.
本人所有文章仅作为自己的学习记录,若有侵权,联系立删。本系列文章主要参考了清华大学、北京理工大学、深蓝学院、百度Apollo等相关课程。