[发明专利]一种基于手眼标定的雷达-IMU标定方法

说明书

本发明公开了一种基于手眼标定的雷达‑IMU标定方法，该方法利用曲率信息提取雷达点云数据中的特征点；利用特征点对雷达相邻两次扫描进行匹配，得到雷达相邻两次扫描的相对位姿，相邻两次分别代表上一时刻和当前时刻；将雷达时间戳与IMU时间戳对齐，求解IMU相邻两次时间戳的相对位姿；根据雷达相邻两次扫描的相对姿态和IMU相邻两次时间戳的相对姿态，利用手眼标定法求解雷达与IMU的相对位姿；利用雷达与IMU的相对位姿减小雷达点云数据畸变，并完成雷达与IMU的相对位姿的标定，该方法能够有效的削弱点云数据中带有的雷达运动信息对数据的影响，提高了点云匹配和外参标定的精度。

技术领域

本发明涉及电子信息领域，特别涉及一种基于手眼标定的雷达-IMU标定方法。

背景技术

SLAM，全称为即时定位与建图，是一种于陌生环境中估计自己的运动并构建周围环境地图的技术。由于其重要的理论与应用价值，被学者认为是实现自动驾驶的关键技术。早期的SLAM仅仅依靠单一的传感器如相机或者雷达，随着硬件的发展以及理论的成熟，融合多传感器的SLAM技术逐渐成为学者的研究重点。而要实现多传感器融合，基础的任务就是求解多传感器之间的相对位置，也可称之为标定外参，由于外参会直接参与后续的数据处理，因此标定的结果会直接影响后续系统的精度与鲁棒性。惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置；一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态；相机与IMU的标定方法已经较为成熟，并且在互联网上可以容易的获取到标定工具，但是目前还尚未有雷达与IMU的标定算法，并且，相比较于相机，雷达扫描是在一个周期内完成的，换句话说，雷达获取得到的点云数据带有雷达自身在扫描周期内的运动信息，如何消除或者削弱点云畸变对雷达-IMU标定精度的影响一直是研究热点。

因此，如何消除或者削弱点云畸变对雷达-IMU标定精度的影响，是同行从业人员亟待解决的问题。

发明内容

本发明的目的在于，提出的一种基于手眼标定的雷达-IMU标定方法，该方法能够有效的削弱点云数据中带有的雷达运动信息对数据的影响，提高了点云匹配和外参标定的精度。

为了解决上述技术问题，本发明实施例提供一种基于手眼标定的雷达-IMU标定方法，包括：

S1、利用曲率信息提取雷达点云数据中的特征点；

S2、利用所述特征点对雷达相邻两次扫描进行匹配，得到雷达相邻两次扫描的相对位姿，所述相邻两次分别代表上一时刻和当前时刻；

S3、将雷达时间戳与IMU时间戳对齐，求解IMU相邻两次时间戳的相对位姿；

S4、根据所述雷达相邻两次扫描的相对姿态和所述IMU相邻两次时间戳的相对姿态，利用手眼标定法求解雷达与IMU的相对位姿；

S5、利用所述雷达与IMU的相对位姿减小雷达点云数据畸变，并完成雷达与IMU的相对位姿的标定。

在一个实施例中，所述步骤S1包括：

所述步骤S1包括：以点云数据集合P中的一点P_i为中心，利用距离P_i最近的10个点的坐标信息求解P_i的曲率，并标记P_i所在的扫描线；将曲率大于预设阈值的点标记为特征点。

在一个实施例中，求解所述曲率的公式为：

其中，P_j表示处于P_i三维邻域内的点，S表示P_i的邻域点的集合，S内包含10个邻域点；η表示点P_i的曲率。

在一个实施例中，所述步骤S2包括：