具体实施方式

为使相关技术人员能更好的理解本发明，对本次申请的目的、技术方案和优点有更加清晰的了解，下面将结合具体实例和附图对本发明做进一步说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，而不是全部实施例，所以所述实例不应理解为对本发明的限制。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

本发明提供了一种基于无重叠视场的多激光雷达的、尤其是嵌入式激光雷达的自动联合标定方法，该方法可以将不同安装位置的且没有视场交叉或者点云密度较低的多激光雷达完成在线坐标系的统一。主要包含激光雷达与GNSS系统的联合标定以及各激光雷达之间的联合标定两个主环节，其中，通过激光雷达与GNSS系统的联合标定可以获取到各激光雷达标定的初始参数；通过NDT配准其他激光雷达部分精确的点云数据与主激光雷达的建图点云数据完成各激光雷达之间的标定。分别描述如下：

S1、对于激光雷达与GNSS系统的联合标定，采用激光里程计的方法获得的激光雷达轨迹和当时的GNSS的局部的轨迹，然后通过优化重投影误差的损失函数对激光雷达轨迹与GNSS轨迹进行匹配，得到各激光雷达与GNSS之间的角度的外参关系。

S2、对于各激光雷达之间的联合标定，采用主激光雷达SLAM建图，然后选取其他激光雷达部分精确的点云数据与主激光雷达的建图点云数据进行NDT配准，完成各激光雷达之间的标定。

在上述两个环节的基础上，还进一步采用低频的在线标定校准方式，在符合标定场景时触发启动对各激光雷达的配准校准，包括：当外界环境达到感知系统对标定场景的设置条件时，系统在一定频率下自动启动对各激光雷达数据的分析，在之前标定的基础上，对主激光雷达的建图点云和其他激光雷达的匹配点云数据进行重新配准，得到新的标定结果；比较两次结果，保存更优结果作为新的标定结果。

其中，所述标定场景选择环境中竖状特征明显的标定场，可以实现对量产车辆激光雷达的下线批量标定和校准。

如图1所示，其为本发明一实施例所提供的多激光雷达的联合标定方法的流程示意图，在进行如图所示的主标定流程前，需要先保证多激光雷达与GNSS之间实现时间同步。在时间同步后，主标定流程包括以下步骤：

步骤1、进行主激光雷达选择。作为一个实施例，多激光雷达采用多个嵌入式雷达，以车辆为载体，其中激光雷达的布置效果图如图2所示。在图2中，嵌入式激光雷达受技术限制，视场角一般不超过120°，其中前后激光雷达之间没有任何视场角交集。各激光雷达之间的位置关系属于刚体变换。优选地，本发明的标定方法优先但不限于选取前向激光雷达为主激光雷达。

步骤2、进行单激光雷达基于特征点匹配的SLAM建图：在满足标定场景的设置条件时，触发各激光雷达和GNSS系统数据采集，分别对各个激光雷达数据做SLAM建局部地图，采用Lego-SLAM方式，同时记录下建图时刻输出的里程计位姿与对应的组合导航的位姿数据。

作为一个实施例，单激光雷达SLAM建图的流程如图3所示，包括如下子步骤：

步骤2.1、激光雷达点云数据预处理和特征提取：对接收到的每帧点云进行预处理，根据点曲率筛除异常点并进行点云排序，将激光点云有序化成为“距离图”，在“距离图”上根据相邻激光点云的局部曲率的变化特征将显著的激光点提取出来并区分成为边缘点集合Fe和平面点集合Fp，从而构建了累积的包含有平面点和边缘点的点云地图。

步骤2.2、激光雷达外参优化：采用L-M两步法优化外参。

首先通过连续两帧t和t-1时刻的特征平面点集合进行匹配，获取优化激光雷达六自由度中的（），计算公式为：

；

再通过连续两帧t和t-1时刻的特征边缘点集合以及上述确定的（）约束进行匹配，获取优化主激光雷达另外三个自由度参数（），计算公式为：

；

通过得到了帧间的变换之后得到激光里程计轨迹。

步骤2.3、建图闭环检测：在地图发生闭环的时候，进行一次整体位姿的图优化，消除激光里程计的累积误差，至此，就分别得到了相应的单激光雷达点云和里程计的位姿。

步骤3、基于轨迹匹配的激光雷达与GNSS坐标系位姿标定：通过步骤2获取的各个激光雷达里程计的位姿是基于初始时刻激光雷达的单位阵起始点的，存在位姿偏差，通过获取到GNSS时间同步对应时刻的激光雷达的位姿，将激光雷达输出的轨迹重投影到GNSS坐标系下，就可以得到各个激光雷达相对于GNSS坐标系的位姿变换（即激光里程计的轨迹和当时的GNSS的轨迹之间的外参变换）：

，

从而得到各个激光雷达相对于同一组合导航系统的坐标变换，形成各激光雷达之间相对位置初参。

步骤4、基于点云配准的多激光雷达的外参精细标定：通过上述步骤得到的各个激光雷达相对于GNSS的参数，可以计算得到各个激光雷达相对于其他激光雷达的外参数，以此作为粗参（外参粗标定）；将上述步骤2中各个激光雷达的里程计信息相对主激光雷达做点云配准转化，得到其他激光雷达相对主激光雷达的精细标定。

因激光雷达在较近场景的点云数据，容易产生偏差而使标定精度不高，而较远的数据点云密度不够，因此在匹配标定时，环境最好能有鲜明的柱状建筑特征，本方案中根据步骤2获取其他激光雷达的点云数据，选取的激光雷达50m左右的点云数据跟主激光雷达的点云地图进行NDT变化，并优化一个外参使得NDT变换的投影误差最小从而得到一个比较精确的外参；在以上外参的基础上，进行一个ICP的配准，使得外参结果更加精确。

步骤5、低频在线自适应标定校准：当外界环境达到感知系统对标定场景的设置条件时，在预定频率下触发在线自动标定校准。系统在该场景下自动启动对各激光雷达及GNSS系统的数据分析，在之前标定结果的基础上，重复步骤2-4，得到新的标定结果；比较两次结果，保存更优结果作为新的标定结果。

其中，所述标定场景选择环境中竖状特征明显的标定场。

进一步的，主激光雷达点云可手动进行精度校准。在获得准确的外参数之后，通过外参数将各个激光雷达拼接，并可视化以检校精度，而后可以通过拼接点云进行匹配定位。

本发明可以实现对量产车辆激光雷达的下线批量标定和校准，所述方法能够将不同安装位置的且没有视场交叉或者点云密度较低的多激光雷达完成在线坐标系的统一标定，适用于各类激光雷达组合拼接，用最小的代价满足了初参的高要求，进而提升了准确性。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和原则的前提下，可以在实施的形式及细节上进行任何的修改与变化、等同替换等，这些都属于本发明的保护范围。因此，本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。