9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定

目录

  • 0. 说明
  • 1. 组合导航产品介绍
  • 2. 标定原理
  • 3. 轨迹相似性原理
    • 3.1 航位推算
    • 3.2 轨迹相似的可视化
  • 4. 选择车速源
  • 非常感谢您的阅读。

0. 说明

本文部分参考这篇文章,本文相关公式不清晰可以去看这篇博客。

1. 组合导航产品介绍

自动驾驶车辆一般会装有有GNSS/INS组合导航器件,比如NOVATEL,导远这些公司的产品。它可以提供高精度的车辆定位信息。组合定位系统的相关知识可以参考组合定位系统。
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第1张图片
我们这里IMU和车体坐标系的标定,就用到了组合导航给出的高精度位姿信息。注意:不同的组合导航产品可能输出位置的参考坐标系不同,在编程的时候也要注意坐标系统一。比如我使用的novatel产品输出的位置信息是在WGS84坐标系下,应该把它转换到ENU导航坐标系。相应坐标系转换可以参考这里。

2. 标定原理

一方面,我们通过novatel得到厘米级定位信息,可以获得车辆的运行轨迹“真值”。另一方面,我们也可以通过车速,IMU和车体之间的安装角误差以及novatel得到的IMU到导航系的位姿得到车辆运行轨迹在导航系下的表示。
显然,在各项系数都标定完毕,且忽略一些误差的情况下,两个轨迹应该是重合的。详细情况会在后面讲到。

3. 轨迹相似性原理

假设车体坐标系为m系,IMU系为b系,两者之间有较小的安装角误差。两者之间的外参可以如下表示:
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第2张图片
另外,里程计的测量中还可能存在刻度系数误差 δ K D \delta K_D δKD,其输出速度大小 v ~ \tilde{v} v~与理论速度大小 υ \upsilon υ之间的关系为:在这里插入图片描述
所以,在导航坐标系中里程计的实际速度输出应该为:
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第3张图片
由于车辆只有前向速度,所以 υ D m \upsilon^m_D υDm = 0, υ D \upsilon_D υD, 0,重新整理公式得:
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第4张图片
从上式可以得出,翻滚角不影响里程计的测量值。

3.1 航位推算

假设车辆在行驶中水平的姿态角很小。
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第5张图片
对上式进行积分,可以得到位置方程:
在这里插入图片描述
可以看到,上式包含里程计的刻度因子,组合导航的姿态失准角,IMU到车身的安装角(pitch和yaw),理论上可以标定这几个参数。我们忽略组合导航的姿态失准角,便可以标定IMU到车身的安装角以及里程计的刻度因子。

3.2 轨迹相似的可视化

9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第6张图片
可见,真实轨迹和解算轨迹相差一个旋转以及缩放因子。
两点说明:

  1. 缩放是有里程计刻度因子导致;
  2. 相对旋转有导航姿态失准角以及IMU和车身安装角导致;

4. 选择车速源

那我们的车辆速度选择什么来源呢?一个是轮速计,但是他会有刻度因子标定的问题,会把误差引入到我们安装角估计当中来;再就是可以使用NHC(车辆约束假设),这里参考了武汉大学多源智能导航实验室的一篇论文。论文在这。
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第7张图片
基于NHC假设,我们可以将GNSS观测的速度(GNSS处于固定解状态时)取模,当做车辆的前向速度,这样就不用估计里程计的刻度因子了。
这样的话,我们就可以用novatel给出的轨迹“真值”和DR轨迹作差,得到误差方程了。
9.基于轨迹相似性理论进行自动驾驶车辆IMU和车身的外参标定_第8张图片

非常感谢您的阅读。

你可能感兴趣的:(slam中的标定问题,自动驾驶,人工智能,机器学习)