概括
本研究引入了一种用于自动驾驶多LiDAR系统校准的新方法. 该算法准确地对准不同的LiDAR类型,改善感知和安全.
科学领域:
- 机器人技术和自主系统
- 传感器融合和感知感应
背景情况:
- 自动驾驶需要先进的感知,推动对多传感器解决方案的需求,如多LiDAR系统.
- 整合重复和非重复的LiDAR提供了在传感范围和系统费用之间具有成本效益的平衡.
- 校准不同的LiDAR点云 (例如,混合固态LiDAR和机械LiDAR) 由于密度不同和有限的共同视图而存在挑战.
研究的目的:
- 提出一种新的无目标算法,用于不同扫描模式的混合固态LiDAR (SSL) 和机械LiDAR系统之间的外部校准.
- 解决多LiDAR校准的挑战,包括多种点云特征,低常见视图重叠和不同的密度.
- 提高LiDAR系统校准的准确性和效率,以改善自动驾驶的感知.
主要方法:
- 一个无目标的外部校准算法,利用平面特征来匹配成本结构.
- 使用高斯混合模型 (GMM) 来有效处理异常值并减轻重叠点的问题.
- 整合基于区域的动态信任优化,以在代校准过程中加速非线性融合.
主要成果:
- 拟议的算法证明了混合LiDAR系统的强大和精确的外部校准.
- 在模拟和现实场景中的评估证实了算法的优越性能与现有的最先进方法相比.
- 尽管存在各种点云密度和有限的重叠视图所带来的挑战,但成功实现了校准.
结论:
- 新的无目标校准算法为异质LiDAR系统的外部校准提供了有效的解决方案.
- 该方法提高了自动驾驶应用中的传感器融合的可靠性和准确性.
- 这一进步有助于制造更有能力,更安全的自主感知系统.
