基于多雷达点云线特征的自适应在线估计标定系统及方法与流程

技术特征：
1.一种基于多雷达点云线特征的自适应在线估计标定系统，其特征在于：包括外参标定模块，获取所有雷达到车体中心的距离偏移和旋转偏移量形成外参矩阵，基于初始参数对雷点点云进行外参估计；位姿估计模块，针对车身中心点的运动状态进行卡尔曼滤波，基于上一个时间车身状态和间隔时间，估计车身的最新运动状态；特征抽取模块，对选择区域内的点云采用体素化分割后获取每个本体素内的所有平面，抽取相邻平面之间的相交线附近的点作为线特征的点；位姿估计模块，基于局部地图的线特征的点和当前雷达帧获取的线特征点配对并形成多组估算结果后，将多组估算结果形成的最终估算结果反馈至全局地图，并更新全局地图和估算里程计信息。2.根据权利要求1所述的基于多雷达点云线特征的自适应在线估计标定系统，其特征在于，所述外参标定模块中，将基于初始点云和初始获得的外参矩阵作为计算种子，通过手工测量所安装的多颗雷达到车体中心的距离偏移和旋转偏移，采用ndt或icp算法对雷达点云进行外参估计。3.根据权利要求2所述的基于多雷达点云线特征的自适应在线估计标定系统，其特征在于，所述位姿估计模块采用自适应卡尔曼滤波算法对车身位置进行估计，针对多雷达系统构建多个噪声估计，并通过结构化参数系统和自适应估计算法进行自动切换，获得车辆运动位姿信息变化后调整所获得的雷达点云在车体坐标系的位姿。4.根据权利要求3所述的基于多雷达点云线特征的自适应在线估计标定系统，其特征在于，所述特征抽取模块包括：点云分割模块：基于点云进行体素化分割，将整个场景内所选取的区域内的点云进行均匀划分；平面获取模块：基于每个体素内的点云进行随机采用一直化的迭代平面抽取算法，获取本体素内的所有平面以及每个三维空间的平面公式；特征抽取模块：针对相邻的平面，基于平面的夹角进行过滤，保留平面夹角在预设范围内的平面对，并求取对应的相交线；将相交线附近预设范围内的点作为线特征的点，并基于法向进行排序和编号，用于后续配准使用。5.根据权利要求4所述的基于多雷达点云线特征的自适应在线估计标定系统，其特征在于，所述平面获取模块中对每个平面的点数量进行过滤，对于所包含的点数量不超过预设下限值数量的平面进行剔除。6.根据权利要求5所述的基于多雷达点云线特征的自适应在线估计标定系统，其特征在于，所述位姿估计模块；基于线特征的slam建图与里程估计模块，包括：建图模块，构建一个基于上一帧里程信息所在位置的局部地图，该局部地图的范围小于全局地图范围、大于单帧点云数据；
配对模块，获取基于点云线特征抽取模块在当前局部地图中的线特征以及基于法向排序和编号的标签，将线特征的点使用近邻搜索寻找局部地图中的对应特征点，基于法向约束进行线特征的配对。估算模块，基于每对由局部地图获取的线特征点和由当前雷达帧获取的线特征点采用icp算法获得多组估算结果，并剔除偏差较大的外参估计结果，基于剩余配准外参数据求取均值作为最终结果；更新模块，将当前帧的最终结果投影到全局地图中，更新全局地图和估算里程计信息；利用新估算的里程计信息更新自适应卡尔曼滤波算法的增益，并较准和更新传感器外参。7.一种基于多雷达点云线特征的自适应在线估计标定方法，其特征在于：包括s100:获取所有雷达到车体中心的距离偏移和旋转偏移量形成外参矩阵，基于初始参数对雷点点云进行外参估计；s200：针对车身中心点的运动状态进行卡尔曼滤波，基于上一个时间车身状态和间隔时间，估计车身的最新运动状态；s300：对选择区域内的点云采用体素化分割后获取每个本体素内的所有平面，抽取相邻平面之间的相交线附近的点作为线特征的点；s400：基于局部地图的线特征的点和当前雷达帧获取的线特征点配对并形成多组估算结果后，将多组估算结果形成的最终估算结果反馈至全局地图，并更新全局地图和估算里程计信息。8.根据权利要求7所述的基于多雷达点云线特征的自适应在线估计标定方法，其特征在于，所述步骤s200采用自适应卡尔曼滤波算法对车身位置进行估计，针对多雷达系统构建多个噪声估计，并通过结构化参数系统和自适应估计算法进行自动切换，获得车辆运动位姿信息变化后调整所获得的雷达点云在车体坐标系的位姿。9.根据权利要求8所述的基于多雷达点云线特征的自适应在线估计标定方法，其特征在于，所述步骤s300包括：301)基于点云进行体素化分割，将整个场景内所选取的区域内的点云进行均匀划分；302)基于每个体素内的点云进行随机采用一直化的迭代平面抽取算法，获取本体素内的所有平面以及每个三维空间的平面公式；303)针对相邻的平面，基于平面的夹角进行过滤，保留平面夹角在预设范围内的平面对，并求取对应的相交线；将相交线附近预设范围内的点作为线特征的点，并基于法向进行排序和编号，用于后续配准使用。10.根据权利要求9所述的基于多雷达点云线特征的自适应在线估计标定方法，其特征在于，所述步骤s400包括：401)构建一个基于上一帧里程信息所在位置的局部地图，该局部地图的范围小于全局地图范围、大于单帧点云数据；402)获取基于点云线特征抽取模块在当前局部地图中的线特征以及基于法向排序和编号的标签，将线特征的点使用近邻搜索寻找局部地图中的对应特征点，基于法向约束进行线特征的配对。403)基于每对由局部地图获取的线特征点和由当前雷达帧获取的线特征点采用icp算法获得多组估算结果，并剔除偏差较大的外参估计结果，基于剩余配准外参数据求取均值
作为最终结果；404)将当前帧的最终结果投影到全局地图中，更新全局地图和估算里程计信息；利用新估算的里程计信息更新自适应卡尔曼滤波算法的增益，并较准和更新传感器外参。

技术总结
本申请公开了一种基于多雷达点云线特征的自适应在线估计标定系统及方法，用于对无人集装箱卡车车身安装的多雷达进行在线外参估计和自动标定，从而消除或降低由于传感器安装偏移导致的外参误差，保障融合点云能够投影到统一的车体坐标，为后续感知任务提供精准的原始输出信息。同时，针对无人集卡所在的港口场景存在大量集装箱体，设计了基于点云体素分割和平面拟合的线特征抽取算法，以及对应的基于点云线特征进行同步定位与建图的SLAM算法用于估计车辆里程变化。最终，利用SLAM技术获取准确的里程变化信息，并反向优化雷达外参信息和更新自适应卡尔曼滤波器增益(也就是噪声估计)，从而实现调控闭环。从而实现调控闭环。从而实现调控闭环。


技术研发人员：兰晓松 刘鹤云
受保护的技术使用者：北京斯年智驾科技有限公司
技术研发日：2021.10.27
技术公布日：2022/1/18