来源：期刊VIP网 时间：
作者：杨佳佳;张传伟;周李兵;秦沛霖;赵瑞祺;
单位：西安科技大学机械工程学院;陕西交通职业技术学院;天地(常州)自动化股份有限公司;中煤科工集团常州研究院有限公司;南京航空航天大学机电学院;
摘要：矿用车辆实现无人驾驶依赖于准确的环境感知，激光雷达和相机的结合可以提供更丰富和准确的环境感知信息。为确保激光雷达和相机的有效融合，需进行外参标定。目前矿用本安型车载激光雷达多为16线激光雷达，产生的点云较为稀疏。针对该问题，提出一种矿用激光雷达与相机的无目标自动标定方法。利用多帧点云融合的方法获得融合帧点云，以增加点云密度，丰富点云信息；通过全景分割的方法提取场景中的车辆和交通标志物作为有效目标，通过构建2D-3D有效目标质心对应关系，完成粗校准；在精校准过程中，将有效目标点云通过粗校准的外参投影在逆距离变换后的分割掩码上，构建有效目标全景信息匹配度目标函数，通过粒子群算法最大化目标函数得到最优的外参。从定量、定性和消融实验3个方面验证了方法的有效性：(1)定量实验中，平移误差为0.055 m，旋转误差为0.394°，与基于语义分割技术的方法相比，平移误差降低了43.88%，旋转误差降低了48.63%。(2)定性结果显示，在车库和矿区场景中的投影效果与外参真值高度吻合，证明了该方法的稳定性。(3)消融实验表明，多帧点云融合和目标函数权重系数显著提高了标定精度。与单帧点云相比，使用融合帧点云作为输入时，平移误差降低了50.89%，旋转误差降低了53.76%；考虑权重系数后，平移误差降低了36.05%，旋转误差降低了37.87%。
关键词：矿用车辆;无人驾驶车辆;激光雷达;相机;多帧点云融合;全景分割;外参标定;无目标标定
基金资助：陕西省创新人才推进计划-科技创新团队（2021TD-27）
