本文首發(fā)《汽車測試報告》，由作者授權發(fā)布
 

摘要：人工智能領域的飛速發(fā)展帶動了無人駕駛技術的不斷進步，無人車實現(xiàn)實時定位可以方便其進行路徑規(guī)劃和避障。該文提出了一種激光雷達與高精地圖相融合，并利用NDT點云配準算法實現(xiàn)無人車自定位的方案。該方案在無人駕駛平臺進行了實車驗證，結果表明，該文提出的方案可以準確進行無人車實時定位和跟蹤，并滿足多場景下的工程應用需求。

關鍵詞：無人駕駛；激光雷達；高精地圖；NDT點云配準；無人車自定位

作者：馬志遠  曹景勝  鄭健健  楊意（遼寧工業(yè)大學汽車與交通工程學院）

注：本文系遼寧省大學生創(chuàng)新創(chuàng)業(yè)訓練項目（S202110154003）、2021年遼寧工業(yè)大學大學生創(chuàng)新創(chuàng)業(yè)訓練項目（2021003）研究成果。

無人車自定位是無人駕駛技術領域非常關鍵的一步，能夠對無人車實現(xiàn)準確、實時的定位，可以更全面了解無人車實時信息，從而使無人車進行避障和路徑規(guī)劃以及路徑跟蹤控制等。目前，對于無人車定位主要基于視覺技術，基于視覺技術的定位是一種簡單而且直觀的方式，這種方式可以配合其他傳感器一同使用，也可通過前后幀圖像之間對比的方法獨立使用[1-2]。本文針對無人車自定位問題設計一種基于視覺技術的定位方案，將高精地圖點云數(shù)據(jù)與激光雷達點云數(shù)據(jù)相融合，通過NDT點云配準算法，實現(xiàn)無人車自定位。該方案流程如下圖1所示。

圖1 無人車自定位流程

1.傳感器參數(shù)標定

1.1相機內參標定

相機標定就是從世界坐標系轉換為相機坐標系，再由相機坐標系轉換為圖像坐標系的過程，計算相機內部的參數(shù)。面陣相機初始參數(shù)共有8個，如表1所示。

表1 面陣相機初始參數(shù)

參數(shù)  參數(shù)說明

f  相機鏡頭焦距

k  圖像徑向畸變量級，k<0桶形畸變，k>0枕形畸變，初始值為0

SX  縮放因子，相鄰像元的水平距離

SY  縮放因子，相鄰像元的垂直距離

CX  圖像主點位置

Cy  圖像主點位置

Numcol  圖像的長度

NumRow  圖像的寬度

面陣相機與被拍攝的目標物體之間必須有相對的移動才能夠拍攝到有用的圖像。本文的標定板采用的是12×8格，然而在真實的標定過程中是通過棋盤內部的角點掃描實現(xiàn)的，所以標定板的最終格數(shù)設定為13×9格。

利用Autoware軟件能夠實現(xiàn)相機標定，使用相機標定模塊cameracalibrator.py，界面右側有X、Y尺度和俯仰信息，來回晃動棋盤格使Calibration按鈕變?yōu)榫G色，根據(jù)窗口提示使參數(shù)滿足要求，相機的標定即完成。1.2相機與雷達聯(lián)合外參標定激光雷達技術在過去的幾十年里不斷發(fā)展進步，目前在自動駕駛領域仍然是一項十分關鍵的技術[3-4]。激光雷達通過向目標物體持續(xù)不斷地發(fā)射激光束實現(xiàn)探測，并收集反射回來的光束處理成點云數(shù)據(jù)，最后將點云數(shù)據(jù)用配準算法進行配準處理，得到高精度三維地圖。本文實驗中所采用的激光雷達為VLP-16。聯(lián)合標定是通過Autoware軟件實現(xiàn)的，首先得到相機內參數(shù)據(jù)，啟動雷達，調出點云圖像，最后將窗口中的像素點和雷達的點云數(shù)據(jù)進行一一對應。

2.高精地圖制作

高精地圖目前已成為無人駕駛不可或缺的部分，高精地圖的制作也逐漸成為無人駕駛技術領域中的一項關鍵技術[5-6]。同普通電子地圖比較，高精地圖精度高。一般來說，普通電子地圖的絕對精度在10 m左右，而高精地圖可達到20 cm。而且地圖中的信息也更加全面，包含了豐富的道路信息。本文采集了校園九號教學樓周圍的道路信息，制作高精地圖。

3.點云配準選擇

3.1 ICP點云配準算法

ICP算法是點云配準算法中適用性比較高的一種算法，最小二乘法的數(shù)學思想是ICP算法的本質[7-8]。通過迭代方式來求解點云之間的姿態(tài)變換關聯(lián)，算法完成的條件：一是達到了所設定的迭代次數(shù)，二是滿足對誤差的要求。圖2為ICP算法示意圖。

圖2 ICP算法示意

P、Q是位于三維空間的3D點云，以下是ICP算法對幀間位姿的求解步驟。兩組點云之間距離最小的匹配點對（pi,qi）。

基于點對（pi,qi）與幀間位姿的大概值來構造目標函數(shù)，然后對其進行最優(yōu)化位姿估計。

最優(yōu)位姿估計與點云P執(zhí)行位姿變換后，得到新的點云P’。

如果P和Q間滿足平均距離比特定閾值小或者達到了所要求的迭代次數(shù)，那么迭代計算將停止，如果不滿足上述要求則P’會替換P繼續(xù)進行迭代計算。雖然ICP算法在點云配準算法中使用程度高，但ICP配準算法還存在一定的缺陷，比如它不能確保在空間中距離近的兩幀匹配點被認為是同一點。另外，這種情況在再次掃描位姿相對比較遠的匹配點時會凸顯，而且會導致局部最優(yōu)的情況。

3.2 NDT點云配準算法

NDT配準算法是基于正態(tài)分布的理論。該算法對兩幀點云的位姿計算如下：對三維空間進行切分，切分成許多小立方體，并對其中的點云數(shù)據(jù)進行均值和方差的計算。將該方差和均值作為基準，最終擬合成正態(tài)分布的形式。其中均值和方差的計算公式為：

圖3 三維點云正態(tài)分布變換示意

根據(jù)劃分的立方體的概率密度函數(shù)，將第二幀點云數(shù)據(jù)中的空間點根據(jù)之前估計的位置和姿態(tài)關系進行變換。如圖3所示，當空間中的一個點被變換時，如果它落在第一個幀中的一個小立方體上，那么應該計算這個點的響應概率。待優(yōu)化目標函數(shù)為：

式中：

為三維空間點，R為旋轉矩陣，t為平移向量。NDT算法在配準時基于概率密度函數(shù)，不是簡單利用特征點進行匹配。NDT配準算法與ICP算法相比更適合處理大量點云數(shù)據(jù)的匹配。NDT配準算法耗時穩(wěn)定，跟初值相關不大，初值誤差大時，也能很好糾正過來。因此本文選擇了NDT配準算法進行點云配準。

4.無人車自定位實車驗證

4.1無人車試驗平臺

本文利用已經(jīng)進行了改裝的中華V3汽車構建無人駕駛試驗平臺，該試驗平臺分為傳感器部分、供電系統(tǒng)和硬件結構。其中，傳感器部分包括單目相機和激光雷達，硬件結構包括PC機、工控機、轉向電機及控制器、CAN總線等。該平臺由大型移動電源供電。CAN總線主要是用來傳輸跟蹤控制信號，將來自工控機的信息下發(fā)給執(zhí)行機構。工控機還對CAN總線傳輸?shù)男盘柸缜拜嗈D角等進行數(shù)據(jù)處理，并送到計算機控制結構。

4.2無人車自定位測試

本文選取了包含直線和彎道的試驗場地，通過激光雷達和單目相機得到了高精地圖，并利用無人駕駛平臺進行實車試驗。無人車在需要進行轉彎時，需要通過LQR前饋控制算法控制前輪轉向，并在直線行駛的時候不斷修正跟蹤誤差。最后可以得出車輛實時自定位及跟蹤效果圖。

5結束語

本文利用激光雷達對道路環(huán)境進行信息采集，形成點云數(shù)據(jù)，并利用NDT算法進行配準，無人車的實時位置可以在高精地圖中呈現(xiàn)，實現(xiàn)了路徑跟蹤控制技術對高精度定位的需求，將試驗路徑添加到Autoware軟件中，利用控制算法對前輪轉角進行控制，軟件給工控機下發(fā)信號，工控機再通過CAN總線控制執(zhí)行電機，最終實現(xiàn)跟蹤控制。本文的方案實現(xiàn)了無人車的實時自定位。

參考文獻：
[1]唐智威.基于視覺的無人駕駛汽車研究綜述[J].制造業(yè)自動化,2016(8):134-136,140.
[2]郝非凡,馬翔越,李昊洋,等.自動駕駛汽車探測傳感器及其融合技術綜述[J].山西電子技術,2022(3):93-96.
[3]劉經(jīng)南,吳杭彬,郭遲,等.高精度道路導航地圖的進展與思考[J].中國工程科學,2018(2):99-105.
[4]楊宜林,李積英,王燕,等.基于NDT和特征點檢測的點云配準算法研究[J].激光與光電子學進展,2022(8):198-204.
[5]楊玉澤,孫英偉,林文樹.基于FPFH特征和NDT算法的樹木點云配準[J].西北林學院學報,2019(5):141-146.
[6]張文安,汪偉,付明磊,等.基于自適應零速修正機制的低速無人車定位方法[J].傳感技術學報,2022(1):63-71.
[7]牛國臣,王瑜.基于多約束因子圖優(yōu)化的無人車定位與建圖方法[J].北京航空航天大學學報,2021(2):306-314.
[8]王慶閃,張軍,靳欣宇.基于激光雷達在無人車中的定位與建圖的應用研究綜述[C]//中國計算機用戶協(xié)會網(wǎng)絡應用分會.中國計算機用戶協(xié)會網(wǎng)絡應用分會2018年第二十二屆網(wǎng)絡新技術與應用年會論文集.北京:北京聯(lián)合大學北京市信息服務工程重點實驗室,2018:123-124,36.

作者簡介：
馬志遠，遼寧工業(yè)大學汽車與交通工程學院本科生，研究方向為智能汽車電子技術研究和開發(fā)；
曹景勝，遼寧工業(yè)大學汽車與交通工程學院副教授，研究方向為智能汽車關鍵技術研究和開發(fā)；
鄭健健，遼寧工業(yè)大學汽車與交通工程學院本科生，研究方向為智能汽車電子技術研究和開發(fā)；
楊意，遼寧工業(yè)大學汽車與交通工程學院本科生，研究方向為智能汽車電子技術研究和開發(fā)。

END

《汽車測試報告》征稿