[发明专利]无需参照物的传感器外参标定方法

说明书

本申请公开了一种无需参照物的传感器外参标定方法，包括以下步骤：根据测量或计算每个传感器单独的运动轨迹，得出每个传感器每一时刻的位姿信息；利用手眼标定方程残差求和，构造相邻两个传感器的全局优化函数，进而计算出旋转参数初值；在得到旋转参数初值后，使用优化方式求解，得到旋转参数的最优解，完成平移外参标定；根据手眼标定方程，融合所有时刻、所有传感器的残差信息，构造优化目标函数，带入所求得的旋转外参标定，最终得到最优的平移参数以及尺度参数，完成平移外参标定。通过该方法能够在不同种类、不同数量传感器的情况下有效的一步完成对所有传感器外参的标定工作，适用于大规模、大批量标定的场景。

技术领域

本申请涉及传感器技术领域，尤其涉及一种无需参照物的传感器外参标定方法。

背景技术

目前，为了处理复杂的外部环境，更好的完成决策，自动驾驶车辆和自主移动机器人往往采用多种、多个传感器协作来进行对外部环境的感知，如使用多个相机来感知周围的环境与色彩信息，使用多个雷达(或激光雷达)来预估自身与障碍物间的距离、使用IMU/GNSS/RTK等模块来精确计算自身所在的位置。

为了将多个传感器采集到的实时数据进行汇总、融合，必须事先知道各个传感器之间的坐标变换关系(即外参)，因此，在自动驾驶车辆和自主移动机器人投入使用前，必须进行精确的传感器外参标定。

目前外参标定方法主要有两类，分别是需要标定参照物的、基于特征的标定方法，和基于轨迹的标定方法。其中，

基于特征的标定方法需要首先制作一个特定尺寸、特定图案或形状的人工参照物，如棋盘格或二维码标定板、球形或立方体标定物块等，且需要特定的场地来使传感器能清晰地检测到人造参照物，这种方法费时费力，仅适用于实验室中简单的标定任务，不适用于大规模、大批量标定的场景，且无法应用在IMU/GNSS等某些特殊的传感器上。目前大多数相机、雷达厂商或整车方案提供商均提供此类标定方法。

基于轨迹的标定方法需要提前计算出每个传感器单独的运动轨迹，并使用机器人学中的手眼标定(Hand-eye Calibration)方法将多个传感器间的轨迹对齐，同时计算出不同轨迹间的变换关系。但目前此类方法尚未成熟，没有适配于多个传感器间的全局优化方法，对于缺乏尺度信息的相机传感器也无法得到很好的结果。

发明内容

本申请的目的在于克服上述现有技术的不足，提供一种无需参照物的传感器外参标定方法，是在标准的手眼标定流程上加入了多条轨迹间的全局约束，并把尺度信息纳入到待优化变量中进行全局优化。

本申请的技术方案提供一种无需参照物的传感器外参标定方法，1、一种无需参照物的传感器外参标定方法，包括传感器组，所述传感器组包括至少两个传感器，其特征在于，所述传感器外参标定方法包括以下步骤：

1)测算位姿信息：根据测量或计算每个所述传感器单独的运动轨迹，得出每个所述传感器两时刻间的位姿信息，包括每个所述传感器两时刻间的旋转信息和平移信息；

2)构造优化问题：利用手眼标定方程残差求和，构造两个所述传感器的全局优化函数并求该全局优化函数的最小值，其中是指在m时刻到m+1时刻之间传感器i的旋转信息，R_ij是指传感器 i和传感器j之间的旋转外参，N是指在一段时间内每个所述传感器得到的所述旋转信息的数量，n是指所述传感器组包括的传感器总个数；

3)标定旋转外参：计算相邻两个所述传感器之间的旋转参数初值，在得到所述旋转参数初值后，使用优化方式求解，得到所述旋转参数的最优解，进而完成旋转外参标定；

4)标定平移外参：根据手眼标定方程，融合所有时刻、所有所述传感器的残差信息，构造优化目标函数，带入所求得的所述旋转参数，使用最小二乘问题的数值解法，得到最优的所述平移参数，最后完成平移外参标定。