《智能驾驶之激光雷达算法详解》车体的外参标定

本章主要介绍激光雷达的动态外参标定。可以分为以下三个方向：

1、基于道路、标定物的外参标定

这类方法通常假设地面绝对水平，然后对地面进行拟合，并反过来推算雷达相对车体、地面的垂向高度、俯仰角和翻滚角。对于偏航角的标定，可以参考垂直杆状物或者通过其照射到地面的波形进行推算。

车载3D激光雷达分步自动标定（SSAC）算法在总体上分为两个阶段：1、通过地面点云进行平面拟合，得到水平地面在激光雷达坐标系下的方程，并构造水平度函数，然后利用粒子群优化算法都求得水平度最小时对应激光雷达相对车体的俯仰角pitch，横滚角roll和高度△Z；2、在车辆直线行驶过程中分析同一个标定标对应的点云特征，具体则是在每一帧中通过聚类获取标定杆的中心点，而后将我们从多帧中获取的标定杆中心点连成直线，由该直线与车辆前进方向的夹角计算求解出激光雷达相对 车体的偏航角yaw。

2、基于手眼模型的外参标定

主要使用Navy算法，该算法是由Frank C.Park和Bryan J.Martin在1994年提出的，其针对我们在机器人传感器标定中遇到的AX=XB等式求解问题，引入了李群、李代数理论，并结合非线性最小二乘法，推导出了手眼模型的封装解。英伟达DriveWorks的LSC标定方法主要标定激光雷达相对车体的翻滚角roll、俯仰角pitch、偏航角yaw及高度差height。与SSAC算法类似，LSC通过进行地面拟合实现了激光雷达外参中roll、pitch和height的标定。具体来说LSC主要通过对拟合地平面的法向量进行分析来求解这三个参数。LSC采用手眼模型基于激光雷达和车体的运动变化量进行yaw和pitch的标定。随着车辆行驶，LSC将得到多组标定结果，可根据所标定数据的分布，计算出标定最优值。

3、基于累积点云特征优化的外参标定

基本思想如下：当外参标定正确时，世界坐标系下一个静止物体的表面，在累积点云地图中应表现出清晰的边界特征；而当外参没有得到正确标定时，在点云地图中，一个物体的表面会出现模糊、错层。主要使用AESC-MMS算法，该算法用于激光雷达与位姿估计传感器的外参标定。其中位姿传感器可以是IMU\GPS也可以是运行SLAM算法的摄像头等.AESC-MMS算法基本流程如下：首先结合雷达的初始外参和获取的多帧激光点云、位姿信息，构建世界坐标系下的累积点云地图；然后根据当前栅格尺寸参数，对累积点云用体素栅格滤波进行降采样，以减少点云地图中点的个数，从而降低后续优化过程的计算开销；在降采样后的点云地图中，对每个激光点及其最近的K个领域点进行几何特征分析，并利用损失函数量化点云地图的质量，通过对损失函数进行最小化得到外参的估计值。此外，AESC-MMS算法会在最外层循环中，递归地减小体素栅格的尺寸，从而在一定程度上避免内层优化陷入买咗部极值，提升最终外参标定的精度。

                               
登录/注册后可看大图

另外最近部门招聘，要求如下：
内外饰数字模型工程师      
1、负责内饰全仓数字模型设计工作
2、对内饰零部件有充分了解、IP、门板、console等零部件
3、负责内饰IP、门板、座椅、console、顶棚、立柱等零部件的设计工作
4、掌握内饰零部件之间的配合关系，并完整表达设计意图。      

要求
1、大专及以上学历，艺术设计、工业设计相关专业
2、熟练使用ALIAS软件
3、 测试A级至少5-8年实际CAS、A面设计工作经验 测试B级至少3-5年CAS、A面设计工作经验
4、善于团队合作、有责任心、敢于担当、工作主动积极