激光雷达的强度标定及路标提取

本文主要是介绍激光雷达的强度标定及路标提取，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

公众号致力于分享点云处理，SLAM，三维视觉，高精地图相关的文章与技术，欢迎各位加入我们，一起每交流一起进步,有兴趣的可联系微信：920177957。本文来自点云PCL博主的分享，未经作者允许请勿转载，欢迎各位同学积极分享和交流。

摘要

自动驾驶对高精地图的需求日益重要，本文主要是研究3D激光雷达传感器如何进行强度标定，能够利用标定后的强度信息实现路标的提取和识别, 典型的激光雷达传感器测量值包含了距离信息和强度信息，所谓的强度信息即是从物体表面反射的强度，在物理上分析，强度的值取决于三个因素：物体反射率，到物体表面的距离，以及入射角，因此相同反射率的路标值相对于传感器的不同的距离和入射角，将得到不同的强度值。通过对激光雷达的强度标定，确保对同一物体的具有相同的强度值。为了解决这一问题，利用了传感器相对于参考物体表面的强度特性，估算了物体表面的反射率，利用Ostu阈值法进行道路路标线的提取，验证标定结果的可行性。

介绍

随着自动驾驶相关研究的日益发展，很多公司和研究机构都在致力于研究如何在城市中复杂的城市街景中提取鲁棒的特征，其中非常有价值的就是如何提取路标，一般道路的标线包含了箭头，车道虚线和数字，都是十分广泛的信息特征，这些特征可用于定位或者复杂场景中的SLAM问题。

可用于道路路标检测的典型的车载传感器主要是相机和激光雷达，相机相比较于激光雷达更是廉价很多，且更容易获取道路信息，但是相机是更容易受光照的影响，在一些场景下很难或者准确的度量信息，相反，激光雷达却是可以获取更为准确的距离信息。

图1 没有强度标定点云信息

图2 具有强度标定的点云信息

对比标定前和标定后的强度可视化结果，基于距离车载传感器的远近和入射角，路标信息的轻度是不断的递减的，这些影响是可以通过标定来得到补偿。

这篇文章的主要贡献有：

（1）使用距离和入射角对激光雷达强度的概率传感器强度模型进行校准。

（2）使用强度概率模型进行体素过滤。

激光雷达强度标定

一般情况下，使用3D LiDAR收集的3D点云的密度对车辆速度的依赖性较小。由于点云越是密集对提取道路标线更有优势，因此选择了3D激光雷达进行强度校准。

在以往的研究中，参考曲面的性质将特定的信息存储在用于强度标定的LUT中，而本文提出了一种随机的表示标定结果的方法，该方法考虑了参考平面的强度概率特性，并生成了具有均值和标准方差的LUT。论文中以一栋五层大楼作为强度标定的实例。

图3 是强度校准目标，以五层大楼且具有黄色参考平面的墙体来获得入射角和距离。采集到的强度可视化图如下：

图4 LUT是根据左右激光雷达传感器标定的结果，左右激光雷达传感器特性是略有不同的，与距离和入射角相对应的平均强度和标准偏差存储为LUT作为强度校准的过程。（N是对应于每个表元素的数据数）

A . 激光雷达强度模型

激光雷达获取的强度值 I_id 依赖于入射角 i ，传感器与物体表面的距离d 和表面具有的反射率 p，所以强度信息可以表示为一个以(i,d)作为自变量的函数f（i,d）

两个在同一入射角和距离的条件下物体，其强度之比应该与物体表面的实际反射率之比相同，因此，如果已知参考平面的入射角和距离以及强度信息I_ref，那么反射率p 是可以使用测量得到的强度信息I_id来计算的，在这篇文章中，计算反射率是作为标定强度值得其中一步。

在强度的标定阶段，参考平面表面的反射率是必须的，但是真实的参考平面的反射率是未知的，P_ref设为常熟。P_ref=15。

B . 参考平面的数据获取

根据入射角和距离需要一个由恒定的曲面组成的宽大平面来获取参考平面的强度特性，文本以等界面的建筑外墙作为参考平面。从外墙获取的三维激光雷达的数据，通过估计每个点的表面法向量计算入射角，并且入射角的LUT的分辨率为1度，传感器距离物体表面的距离LUT的分辨率为1cm。使用存储的点云数据，计算平均值 avg(u_id)和标准方差(delta_id)生成LUT