為什么自動駕駛的量產需要標定車間？

　　　　【太平洋汽車 行業頻道】

　　自動駕駛需要各類傳感器來感知周圍環境，傳感器數據（圖像、點云等）上的坐標與真實世界中的物體的坐標存在對應的轉換關系。這一轉換關系可通過建模獲得的公式計算。

　　這些公式中有的包含傳感器的外部參數，有的也包含傳感器的內部參數。外部參數主要和傳感器的安裝方位有關，內部參數主要和焦距、激光發射器坐標等內因有關。

　　傳感器的標定工作，就是通過實驗得出傳感器內外參數，從而實現各傳感器的坐標統一。

　　相機的內參主要有焦距、鏡像畸變量級、縮放比例因子、主點等，外參主要有相機的平移向量、旋轉矩陣等。相機內參模型使用最廣泛的是張正友的針孔模型，而視野廣、畸變大的相機會選擇魚眼模型或者全景模型。相機的內參標定目前業內最廣泛應用的是“張正友標定法”，通過采集不同角度棋盤格標定板圖像的坐標數據，計算出相機的內參。

　　對比針孔模型+棋盤格標定板和魚眼模型+ChArUco標定板的標定效果，可以看出后者的角點覆蓋范圍更大，去畸變效果也更好。

針孔模型+棋盤格標定板標定效果（此圖中將ChArUco標定板當做棋盤格標定板使用）

魚眼模型+ChArUco標定板標定效果

　　相機的外參標定亦可通過采用多個點的坐標數據來求得。

　　相機外參標定-前視

　　相機外參標定-車身前側

　　相機外參標定-車身后側

　　激光雷達的內參標定指的是激光雷達內部發射器坐標和雷達自身坐標的轉換關系，這一標定工作在激光雷達出廠前就已經完成。激光雷達的外參標定則主要通過采集多個點在激光雷達與現實世界坐標，來求解系列方程，從而求出俯仰角、橫滾角、航像角、縱向位移等外部參數。

　　激光雷達的外參標定

　　傳感器的標定除了要進行各傳感器自身的標定之外，還要進行相機之間的標定、激光雷達和激光雷達之間的標定、激光雷達與慣性導航單元（IMU)的標定、以及相機和激光雷達的聯合標定等標定工作，最終實現多個傳感器坐標的統一。

　　多相機之間的標定

　　激光雷達與相機之間的標定

　　目前，自動駕駛的激光雷達正在向固態激光雷達轉換，自動駕駛公司元戎啟行早在2021年就推出了全部采用固態激光雷達的方案。相比起機械雷達，固態激光雷達的FoV（視場角）非常小，多個雷達的重疊區域非常小，因此要采用與機械式激光雷達不同的算法來進行固態激光雷達之間的標定。面對這一問題，元戎啟行采用了基于先驗地圖的多幀聯合優化算法，成為了業內率先進行固態激光雷達標定的L4級自動駕駛企業。

　　元戎啟行的激光雷達標定效果

　　在自動駕駛的早期研發階段，傳感器的標定還未形成高效的模式，主要的幾種標定方式有輪廓對齊、環境重建等方式，但這些方式不是準確性不理想，就是對環境的要求過高，有的需要在戶外進行長時間的實驗，標定效率低。隨著自動駕駛進入量產階段，這類標定方法將不再適用，業內需要的是高效、準確的標定模式——標定車間。

　　標定車間是一個高度定制化的場地，主要由標定標志物、標定平臺、照明設備組成。標定標志物目前主要指標定板，包括棋盤格標定板、ArUco標定板、圓形網格標定板、ChArUco標定板等。企業可根據采用的算法選擇不同類型的標定板，有些企業也采用屏幕顯示標定板的方式進行標定。

　　標定板類型

　　ChArUco標定板結合了棋盤格標定板和ArUco標定板的優點，其內部的每一個ArUco碼具有特定的id和方向，因此標定板角點的坐標排序不會因為遮擋而失敗。但相對而言，采用ChArUco標定板的算法的實現難度也更大。

　　標定平臺有轉臺、滾輪、地面圍欄等形式。滾輪、地面欄桿主要通過控制車輛的對中，來確保標定的統一性，這兩種方案所采用的標定板位置是固定的，并且需要提前對環境進行建模，。

　　相較于前兩種平臺，車輛在轉臺上進行標定，不用提前進行環境建模，可采集到不同方面的標定板圖像，對車輛位置沒有一致性要求，可在1分鐘內自動化完成車輛的標定，對車輛車型沒有限制，也不需要固定標定板的位置，靈活度更高。

　　自動駕駛輕卡的標定

　　由于標定車間是一個較為固定的環境，可以實現更高精度、更一致的傳感器標定。對于智能駕駛汽車量產來說，標定車間更便于形成標準化作業流程，在滿足各項標準的條件下，銜接到車輛生產車間中，實現車輛出廠前的傳感器標定，確保自動駕駛的安全。有業內人士透露，由于標定車間并不是車廠的原有標配，在元戎啟行在與車廠的合作中，雙方就“標定車間方案”也展開了共同研究，為高階自動駕駛的量產做準備。