【技术实现步骤摘要】
一种基于IMU预积分的自动驾驶系统激光雷达在线标定方法
本专利技术涉及一种面向自动驾驶系统的激光雷达外参估计方法，特别是关于一种基于IMU预积分的自动驾驶系统激光雷达在线标定方法。
技术介绍
自动驾驶系统可以解放驾驶员的双手，给乘客带来安全、高效、舒适的乘坐新体验，是汽车和交通运输行业的新增长点，受到了世界各国的重视。世界各大汽车厂商，如戴姆勒集团、大众集团、通用集团等均已推出自动驾驶系统的量产计划，互联网公司，如谷歌、优步、百度也陆续成立了自己的自动驾驶事业部，推出自动驾驶研发平台和共享出行计划。为准确感知环境信息，自动驾驶系统目前最常用的传感器之一是激光雷达，如谷歌的自动驾驶出租车、百度的自动驾驶出租车和优步的共享出行出租车，均使用激光雷达作为环境感知的主要手段。激光雷达获取点云数据并识别障碍物后，需要通过外参将其转换到车辆坐标系下，才能为决策系统所用。但不幸的是，在车辆行驶过程中，会因颠簸、载荷不均等因素造成激光雷达外参的暂时性变动。同时，激光雷达设备的安装支架也会在使用过程中逐步产生形变，导致其外参永久性变动...
【技术保护点】
1.一种基于IMU预积分的自动驾驶系统激光雷达在线标定方法，其特征在于：包括如下步骤：/n步骤1，采集并预处理传感器数据，所涉及的传感器包括激光雷达和IMU，将传感器数据转换为算法常用格式；/n步骤2，进行预积分与状态轨迹计算，即对IMU数据流进行滑动窗口预积分，并求取车辆状态轨迹；/n步骤3，将激光点云数据和车辆状态轨迹分别转为深度图，然后将二者融合为混合深度图；/n步骤4，缓存历史混合深度图，将若干帧混合深度图融合为大深度图，输入给深度卷积神经网络，通过深度卷积神经网络计算出激光雷达外参误差。/n
【技术特征摘要】
1.一种基于IMU预积分的自动驾驶系统激光雷达在线标定方法，其特征在于：包括如下步骤：
步骤1，采集并预处理传感器数据，所涉及的传感器包括激光雷达和IMU，将传感器数据转换为算法常用格式；
步骤2，进行预积分与状态轨迹计算，即对IMU数据流进行滑动窗口预积分，并求取车辆状态轨迹；
步骤3，将激光点云数据和车辆状态轨迹分别转为深度图，然后将二者融合为混合深度图；
步骤4，缓存历史混合深度图，将若干帧混合深度图融合为大深度图，输入给深度卷积神经网络，通过深度卷积神经网络计算出激光雷达外参误差。
2.根据权利要求1所述的基于IMU预积分的自动驾驶系统激光雷达在线标定方法，其特征在于：所述步骤1中的IMU设备包括加速度计和角速度计两部分，二者分别测量车辆的三轴加速度和三轴角速度后输出。
3.根据权利要求2所述的基于IMU预积分的自动驾驶系统激光雷达在线标定方法，其特征在于：所述步骤2中的预积分的计算方式为：以激光雷达数据到来的时刻k为边界，将k到k+1时刻的IMU数据预先积分并存储起来，具体公司如下：
式中，表示t时刻由IMU测量得到的三轴加速度向量，表示由IMU测量的四元数形式三轴角速度向量，表示从tk时刻到t时刻范围内车辆的空间角度变化，Δvk，k+1为车辆速度的预积分值，Δpk，k+1...
【专利技术属性】
技术研发人员：秦晓辉，王晓伟，边有钢，徐彪，谢国涛，胡满江，杨泽宇，胡展溢，周华健，钟志华，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。