用于自动驾驶的基于预收集静态反射图的自动LIDAR校准制造技术

在一个实施方式中，接收一组LIDAR图像，该组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据。使用配置有参数集的坐标转换器将每个LIDAR图像从局部坐标系(例如，LIDAR坐标空间)变换或转化成全局坐标系(例如，GPS坐标空间)。基于经变换的LIDAR图像生成第一LIDAR反射图，例如，通过将经变换的LIDAR图像合并在一起。基于第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整坐标转换器的一个或多个参数来优化坐标转换器。然后，可以利用经优化的坐标转换器来实时处理用于自动驾驶的LIDAR数据。

【技术实现步骤摘要】
用于自动驾驶的基于预收集静态反射图的自动LIDAR校准
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及用于自动驾驶的LIDAR校准。
技术介绍
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。光探测和测距(LIDAR)装置是自动驾驶车辆(ADV)中最重要和最受欢迎的传感器之一。自动驾驶的准确性和高效性严重依赖于LIDAR装置的准确性。LIDAR装置需要定期地校准。LIDAR校准对于大规模生产来说是一个亟需解决的具有挑战性的问题。校准LIDAR装置的高效方法呈匮乏态。
技术实现思路
在第一方面，本公开提供了用于校准用于自动驾驶的LIDAR装置的计算机实施的方法，该方法包括：接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据；针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。在第二方面，本公开提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行操作，所述操作包括：接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据；针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。在第三方面，本公开提供了一种数据处理系统，包括：处理器；以及存储器，所述存储器联接到所述处理器并存储指令，所述指令在由所述处理器执行时使所述处理器执行操作，所述操作包括：接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据；针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。附图说明本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示相似元件。图1是示出根据一个实施方式的网络化系统的框图。图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。图4是示出根据一个实施方式的LIDAR校准系统的示例的框图。图5是示出根据一个实施方式的用于校准目的的LIDAR图像的示例的图。图6是示出根据一个实施方式的LIDAR校准过程的示例的流程图。图7是示出根据另一实施方式的LIDAR校准过程的示例的流程图。图8是示出根据一个实施方式的数据处理系统的框图。具体实施方式将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本公开的说明，而不应当解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。根据一些实施方式，驾驶ADV以从安装在ADV上的LIDAR装置收集LIDAR数据(例如LIDAR行点云数据)、相应的位置数据(例如，GPS数据)和车辆前进方向。LIDAR数据在LIDAR空间或LIDAR坐标系中获得。可以在车辆坐标系(例如，车辆后轴的中心点，相对于车辆的局部坐标系)中转换LIDAR数据。对于由LIDAR数据构成的每个LIDAR图像，利用感知过程或算法来识别并辨认通过LIDAR图像拍摄的障碍物或对象。障碍物的位置在LIDAR或车辆坐标空间中计算。坐标转换器用于将LIDAR图像从LIDAR坐标空间转化或转换成诸如GPS坐标系的全局坐标系。对于给定的坐标转换器的参数集或系数，合并经转化的LIDAR图像以动态地形成与该时间点的坐标转换器对应的LIDAR反射图。将LIDAR反射图与预定的参考LIDAR反射图进行比较，以确定两者之间的差异。使用配置有已知参数集的坐标转换器生成参考LIDAR反射图，即，提供黄金参考。在确定动态LIDAR反射图与参考LIDAR反射图之间的差异时，确定在两个反射图中采集的两个障碍物的重叠区域的大小。重叠区域的大小越大表示两个反射图之间的差异越小。调整坐标转换器的参数并重复执行以上过程以确定坐标转换器的优化参数集，使得动态生成的LIDAR反射图与预定的参考LIDAR反射图之间的差异达到最小，此时用于生成动态LIDAR反射图的相应坐标转换器被认为是优化坐标转换器。然后，可以将优化坐标转换器上载到ADV上以实时用于处理LIDAR图像。坐标转换器可以由四元数函数(也称为Q函数)表示。根据一个实施方式，接收一组LIDAR图像，该组LIDAR图像表示由自动驾驶车辆(ADV)的LIDAR装置在不同时间点采集的LIDAR点云数据。使用配置有参数集的坐标转换器将每个LIDAR图像从局部坐标系(例如，LIDAR坐标空间)变换或转化成全局坐标系(例如，GPS坐标空间)。基于经变换的LIDAR图像，例如，通过将经变换的LIDAR图像合并在一起，生成第一LIDAR反射图。基于第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整坐标转换器的一个或多个参数来优化坐标转换器。然后，可以利用经优化的坐标转换器来实时处理用于自动驾驶的LIDAR数据。当ADV在预定驾驶环境(例如，与生成第二LIDAR反射图的环境相同的环境)中驾驶时，采集LIDAR点云数据。基于由具有已知参数集的LIDAR装置采集的一组LIDAR点本文档来自技高网...

【技术保护点】
1.一种用于校准用于自动驾驶的光探测和测距LIDAR装置的计算机实施的方法，所述方法包括：/n接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆ADV的LIDAR装置在不同时间点采集的LIDAR点云数据；/n针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；/n基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及/n基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。/n

【技术特征摘要】
20181012 US 16/159,4261.一种用于校准用于自动驾驶的光探测和测距LIDAR装置的计算机实施的方法，所述方法包括：
接收一组LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆ADV的LIDAR装置在不同时间点采集的LIDAR点云数据；
针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；
基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及
基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。


2.根据权利要求1所述的方法，其中，当所述ADV在预定驾驶环境中行驶时，采集所述LIDAR点云数据，以及其中，基于由具有已知参数集的LIDAR装置采集的一组LIDAR点云数据，生成所述第二LIDAR反射图。


3.根据权利要求1所述的方法，还包括：
对每个所述LIDAR图像执行感知处理，以识别由所述LIDAR图像采集的障碍物；以及
比较出现在所述第一LIDAR反射图中的第一障碍物的第一位置与出现在所述第二LIDAR反射图中的第二障碍物的第二位置。


4.根据权利要求3所述的方法，其中，基于所述第一障碍物的第一位置与所述第二障碍物的第二位置之间的差异，调整所述坐标转换器的一个或多个参数。


5.根据权利要求4所述的方法，还包括：通过调整所述坐标转换器的一个或多个参数并比较所述第一障碍物的第一位置与所述第二障碍物的第二位置，迭代地执行对所述坐标转换器的校准，直到所述第一位置与所述第二位置之间的差异达到预定阈值以下。


6.根据权利要求3所述的方法，还包括：确定所述第一障碍物和所述第二障碍物的重叠区域的大小。


7.根据权利要求6所述的方法，还包括：通过调整所述坐标转换器的一个或多个参数并确定所述重叠区域的大小，迭代地执行对所述坐标转换器的校准，直到所述重叠区域的大小为预定阈值以上。


8.根据权利要求1所述的方法，其中，所述坐标转换器包括四元数函数。


9.根据权利要求1所述的方法，其中，使用梯度下降法执行对所述坐标转换器的优化。


10.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时使所述处理器执行操作，所述操作包括：
接收一组光探测和测距LIDAR图像，所述一组LIDAR图像表示由自动驾驶车辆ADV的LIDAR装置在不同时间点采集的LIDAR点云数据；
针对每个LIDAR图像，使用坐标转换器将所述LIDAR图像从局部坐标系变换为全局坐标系；
基于经变换的LIDAR图像的至少部分生成第一LIDAR反射图；以及
基于所述第一LIDAR反射图与作为参考LIDAR反射图的第二LIDAR反射图之间的差异，通过调整所述坐标转换器的一个或多个参数来校准所述坐标转换器，其中，经校准的坐标转换器用于在自动驾驶期间实时处理后续LIDAR图像。


11.根据权利要求10所述的机器可读介质，其中，当所述ADV在预定驾驶环境中行驶时，采集所述LIDAR点云数据，以及其中，基于由具有已知参数集的LIDAR装置采集的一组LIDAR点云数据，生成所述第二LIDAR反射图。


12.根据权利要求10所述的机器可读...

【专利技术属性】
技术研发人员：朱帆，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：美国;US