以下內(nèi)容來自從零開始機(jī)器人SLAM知識(shí)星球 每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# #開源代碼# An Extrinsic Calibration Method of a 3D-LiDAR and a Pose Sensor for Autonomous Driving

論文地址：[2209.07694] An Extrinsic Calibration Method of a ...作者單位：中國(guó)上海人工智能實(shí)驗(yàn)室

開源代碼：GitHub - OpenCalib/LiDAR2INS ?

? ?準(zhǔn)確可靠的傳感器標(biāo)定對(duì)于在自動(dòng)駕駛中融合 LiDAR 和慣性測(cè)量至關(guān)重要。本文提出了一種用于自動(dòng)駕駛的 3D-LiDAR 和姿態(tài)傳感器的新型三階段外部校準(zhǔn)方法。第一階段可以通過點(diǎn)云表面特征快速標(biāo)定傳感器之間的外部參數(shù)，從而在很短的時(shí)間內(nèi)將外部參數(shù)從較大的初始誤差縮小到較小的誤差范圍。第二階段可以進(jìn)一步校準(zhǔn)基于 LiDAR 建圖空間占用的外部參數(shù)，同時(shí)消除運(yùn)動(dòng)失真。最后階段對(duì)自主車輛平面運(yùn)動(dòng)引起的z軸誤差進(jìn)行修正，最終得到準(zhǔn)確的外參數(shù)。具體來說，該方法利用了道路場(chǎng)景的自然特性，使其獨(dú)立且易于在大規(guī)模條件下應(yīng)用。真實(shí)世界數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果證明了我們方法的可靠性和準(zhǔn)確性。這些代碼在 Github 網(wǎng)站上是開源的。據(jù)我們所知，這是第一個(gè)專門為自動(dòng)駕駛設(shè)計(jì)的開源代碼，用于校準(zhǔn) LiDAR 和姿態(tài)傳感器外部參數(shù)。本文貢獻(xiàn)如下：1、所提出的方法是第一個(gè)已知的自動(dòng)和從粗到精的校準(zhǔn)方法，專門為自動(dòng)駕駛設(shè)計(jì)，用于校準(zhǔn) LiDAR 和姿態(tài)傳感器外部參數(shù)。2、 我們引入了一種通過直接最小化特征點(diǎn)到平面的距離來解決 LiDAR 和姿態(tài)傳感器外部校準(zhǔn)初始化的算法。3、定義了一種基于八叉樹的空間占用細(xì)化方法，以進(jìn)一步細(xì)化外部參數(shù)，以通過位姿傳感器提高激光雷達(dá)的建圖質(zhì)量。通過基準(zhǔn)點(diǎn)匹配提高了z軸的標(biāo)定精度。4、在真實(shí)世界的數(shù)據(jù)集上進(jìn)行評(píng)估，我們定量和定性地證明了我們方法的穩(wěn)健性和準(zhǔn)確性。

以上內(nèi)容來自從零開始機(jī)器人SLAM知識(shí)星球 每日更新內(nèi)容