基于ICP配準的激光雷達相機聯合標定算法

［摘 要］激光雷達與相機聯合標定是實現兩者采集數據高精度融合的基礎，傳統的聯合標定方法多采用特征點識別的方式，易受環境噪聲及激光雷達分辨率等問題的影響。文章提出一種基于ICP 配準的聯合標定算法，采用設計的標定物模板，通過ICP 配準算法實現實際標定物點云與標定物模板點云間精確對齊，并根據標定物模板特定角點位置，獲取實際標定物點云角點坐標。在此基礎上，通過PnP 算法求解激光雷達與相機間轉換矩陣，進行激光雷達與相機所對應點云坐標與像素坐標間的轉換，實現兩傳感器之間的高精度聯合標定。試驗結果表明，文章提出的聯合標定算法能夠有效提高激光雷達與相機間的聯合標定精度，可為更準確的目標檢測和跟蹤提供高精度聯合測量基礎。

［關鍵詞］ICP ；配準；標定；多傳感器融合；PnP ；激光雷達

［中圖分類號］TN957.52 ［文獻標志碼］A ［文章編號］2095–6487（2024）07–0157–06

1 背景

近年來，激光雷達和相機廣泛應用于自動駕駛、智能物流等領域。使用激光雷達可直接獲取測量點深度信息，但在缺少形態信息的場景易出現退化或失效的問題[1]。而相機可提供高分辨率、高顏色還原度的圖像信息，但易受光線干擾[2]。為充分利用激光雷達和相機的優勢，通常將二者結合使用，其中，實現兩者精準標定十分關鍵。

由于激光雷達與相機的測量信息采集原理不同，導致目標測量信息所在坐標系及分辨率表征不同，需通過激光雷達與相機的聯合標定，才能實現兩者數據的高精度融合。傳統聯合標定方法通常需要設計標定物與標定點，如DHALL A 等[3] 以兩個平面矩形板作為標定物，并粘貼ArUco 標記，自動標定相機與激光雷達的外參，但需要人為地篩選出標定物邊緣點。俞德崎等[4] 通過人工測量相機與激光雷達之間的平移參數對標定結果進行驗證，但存在人工測量誤差且不能驗證旋轉參數。也有部分學者通過精準提取并匹配相似特征，實現激光雷達與相機聯合標定。如PARK Y 等[5] 以標定物頂點作為特征點，通過特征點位置提取與匹配，有效提高激光雷達與相機聯合標定精度，但對激光雷達設備掃描次數有限制，存在一定局限性。此外，也有借助相關標定工具的實現方式。如KATO S 等[6–7] 設計的平面標定板可標定相機內參及兩傳感器的外參，而BELTRAN J[8] 設計了一種包含4 個圓孔的平面標定板，用于求解點和點之間的約束關系，但點云特征需要人工操作選定，標定結果的穩定性較差。

根據上述研究，基于特征匹配或借助標定工具的激光雷達相機聯合標定方法均需要提取標定物中的點或線特征，對特征識別精度要求較高。然而，特征提取精度通常受激光雷達分辨率、特征識別算法精度及環境噪聲影響。激光雷達分辨率較低或識別算法精度較低，將導致點線特征提取精度低；環境噪聲大，將導致掃描點云的點、線特征不穩定，從而最終造成激光雷達相機聯合標定精度低。因此，文章引入棋盤格模板，通過標注特定棋盤格角點位置，提出了一種基于ICP 配準的激光雷達相機聯合標定算法。