申请/专利权人：安徽大学

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117872330A

主分类号：G01S7/497

分类号：G01S7/497;G06T7/33;G01S17/89;G01S17/87

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及无人驾驶技术领域，尤其涉及一种面向复杂环境的无人驾驶多激光雷达标定与融合建图方法。通过建立特定的标定场地，分割标定板点云，提取特征。通过平面拟合以及提取标定板平面数据以及标定板边界数据。首先使用icp点云配准技术进行标定求得变换矩阵T1,再通过对平面与边界参数的约束求解得到变换矩阵T2,两者进行均值融合实现多激光雷达标定，最后基于LEGO‑LOAM实现多激光雷达融合建图。适用于室外路面崎岖环境无人驾驶车辆标定，提升效率，从而解决了现有技术中在室外崎岖环境下标定过程精度差，全局优化和扩展性不足等问题，提高了后续基于多激光雷达的融合与建图效果。

主权项：1.一种面向复杂环境的无人驾驶多激光雷达标定与融合建图方法，其特征在于，所述方法包括：S1、在各个激光雷达扫描到标定板的前提下，移动车辆获取一段时间激光雷达扫描到的点云数据包，其中标定板为依据预设点位在室外路面目标环境中布置，标定板通过支撑架安置于地面上，且标定板与支撑架不处于同一平面；S2、对点云数据包进行预处理，得到标定板N帧点云数据；S3、对N帧点云数据进行ICP算法点云配准求得变换矩阵T1；S4、构建建立激光雷达对同一块标定板N帧点云集的约束关系，并进行优化求解变换矩阵T2；S5、将变换矩阵T1和变换矩阵T2进行均值融合，得到变换矩阵T；S6、配合均值融合得到的变换矩阵T，基于LEGO-LOAM算法实现多激光雷达融合建图；其中步骤S4具体包括以下子步骤：S41、同时对得到的N帧标定板点云数据使用RANSAC算法，对N帧的标定板点云数据进行平面拟合；S42、同时确认各激光雷达对各自拟合过的N帧标定板平面的参数单位长度法线、平面截距与平面点数据，得到多激光雷达对于标定板平面的转换关系为 ；其中Rij表示雷达ij之间的旋转矩阵，tij表示雷达ij之间的平移向量；S43、同时对拟合的对标定板点云数据，对标定板边界线进行边界线直线拟合，去除异常点，并确认各激光雷达对各自的帧标定板平面的边界线的参数方向向量，以及线上的一个点的坐标数据，得到多激光雷达对于标定板平面边界的转换关系为： ；其中I表示单位矩阵，推导出最小二乘代价函数的公式为： ；S44、通过LM算法，迭代优化求解旋转估计旋转矩阵；给定，将式（2）和（4）作为约束，使用平面点和线的点估计，得到 ；其中表示的估计值；S45、通过LM算法，迭代优化求解平移估计平移矩阵，得到变换矩阵。

全文数据：

权利要求：

百度查询： 安徽大学 面向复杂环境的无人驾驶多激光雷达标定与融合建图方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD