Files

T

lichun.quandCursor 13624b0be8 新增原始数据一步导出到 combined：对齐 Lidar-IMU 导出入口，适配 H32/G90/N300

Co-authored-by: Cursor <cursoragent@cursor.com>

2026-08-03 16:08:37 +08:00

7.2 KiB

Raw Blame History

雷达与 RTK 标定说明书

本文说明如何用本仓库完成 双天线 RTK ↔ 3D 激光雷达 外参标定，得到可直接使用的 T_RTK_lidar。

1. 标定目标

求解外参 T_RTK_lidar，把雷达点变换到 RTK 导航系：

p_RTK = T_RTK_lidar · p_lidar

项目	说明
输出文件	`final_T_RTK_lidar.json`
坐标系	RTK 导航系（GGA 原点 + 双天线航向），不是车体后轮轴系
不用到的量	车体航向偏置、天线 XY 杆臂、IMU 姿态
必须提供	RTK 参考点（通常 ANT1）离地高度

若下游需要车体外参，需另有已确认的 T_body_rtk：

T_body_lidar = T_body_rtk · T_RTK_lidar

2. 环境准备

系统：Windows + PowerShell
Python：3.11
安装依赖：

python -m pip install -r requirements.txt

依赖：NumPy、SciPy、Open3D、small_gicp。完整流程需要 Open3D 与 small_gicp 两个配准后端；若 Windows 无 small_gicp wheel，可改用 WSL2。

3. 数据采集

3.1 目录结构

新车（默认）：每站一段 H32 雷达 .rscap，RTK/IMU 全程各一条：

raw_dataset/
├── stations/
│   ├── 001/h32.rscap
│   ├── 002/h32.rscap
│   └── ...
└── captures/
    ├── rtk.rscap             # G90：#PVTSLNA 位置 + #UNIHEADINGA 航向
    └── imu.rscap             # N300；仅关联保存，不参与外参求解

旧车 dlog 布局（dobject/ + dobject_recording/）仍可被导出脚本识别；关联时间请用 -TimeBasis host。

3.2 采集要求

要求	建议
站点数	≥ 30 站
车辆状态	完全静止后再记点云
姿态覆盖	直行、左转、右转、大角度转向都要有
RTK 质量	固定解（质量 4/5），航向有效
站内航向稳定	圆标准差 ≤ 0.5°
必测量	ANT1（GGA 参考点）离地高度，含天线相位中心修正

3.3 现场确认（标定前必做）

哪根天线是 GGA 原点（通常 ANT1）
rawHeading 方向：ANT1→ANT2 还是相反（搞反会导致 yaw 差约 180°）
离地高度测法：例如安装底面高度 + 天线 PCO，写入求解参数，不要事后只改 JSON 里的 z

4. 一键标定

4.1 仅导出标定中间包（推荐先跑通）

与 Lidar-IMU 的 export_rscap_to_v1 同级：原始数据 → combined/。

python tools\export_raw_to_combined.py `
  --stations-root "E:\calibration_data\stations" `
  --rtk-rscap "E:\calibration_data\captures\rtk.rscap" `
  --imu-rscap "E:\calibration_data\captures\imu.rscap" `
  --out "E:\calibration_output\exported" `
  --overwrite

4.2 导出 + 求解到最终外参

在仓库根目录执行（路径按本机修改）：

$Repo = (Resolve-Path ".").Path
$Raw  = "E:\calibration_data\data4"
$Out  = "E:\calibration_output\rtk_lidar"

powershell.exe -NoProfile -ExecutionPolicy Bypass -File "$Repo\run\run_full_pipeline.ps1" `
  -DataRoot "$Raw\stations" `
  -RtkCapture "$Raw\captures\rtk.rscap" `
  -ImuCapture "$Raw\captures\imu.rscap" `
  -OutputRoot $Out `
  -RtkReferenceHeightAboveGroundM 0.758 `
  -ExpectedStations 34

关键参数	含义
`-RtkReferenceHeightAboveGroundM`	RTK 参考点离地高度（米），必填
`-ExpectedStations`	期望站点数
`-MinPairs`	最少共识运动对，默认 20
`-Bootstrap`	bootstrap 次数，默认 200

已有 combined 数据时

可跳过原始导出，直接标定：

powershell.exe -NoProfile -ExecutionPolicy Bypass -File "$Repo\run\run_direct_rtk_lidar.ps1" `
  -CombinedRoot "...\exported\combined" `
  -WorkRoot "...\prepared_rtk_direct" `
  -OutputRoot "...\calibration" `
  -RtkReferenceHeightAboveGroundM 0.758 `
  -ExpectedStations 34

5. 输出说明

$Out/
├── exported/                 # 解析与关联中间结果
├── prepared_rtk_direct/      # 每站一帧 + RTK 位姿表
└── calibration/
    ├── open3d_gicp/          # 后端 1
    ├── small_gicp/           # 后端 2
    ├── consensus/            # 双后端共识运动对
    ├── summary.json          # 质量汇总
    └── final_T_RTK_lidar.json  ← 最终交付物

final_T_RTK_lidar.json 主要字段：

translation_m：平移 (x, y, z)，单位米
rotation_rpy_deg_xyz：滚转 / 俯仰 / 偏航，单位度
matrix_4x4：4×4 齐次变换矩阵

质量指标看 summary.json：共识对数、AX 残差 RMS/中位数/P95、bootstrap 标准差、双后端差异。

内部一致性好 ≠ 已达到 ±3 cm 绝对真值；正式部署前建议再做独立轨迹验证。

6. 结果检查（可视化）

powershell.exe -NoProfile -ExecutionPolicy Bypass -File "$Repo\run\view_result.ps1" `
  -Frames "$Out\prepared_rtk_direct\frames_all" `
  -Pairs "$Out\calibration\consensus\B_consensus.npz" `
  -Extrinsic "$Out\calibration\final_T_RTK_lidar.json" `
  -PairIndex 0

按键	含义
`1`	原始点云
`2`	仅用 RTK 运动作初值
`3`	GICP 测得的 B
`4`	外参预测 `X⁻¹ A X`（应与 3 重合）
`Q` / `Esc`	退出

蓝 = 目标站 i，橙 = 源站 j。重点看模式 3 与 4：墙面、立柱、路缘、地面应基本重合。多看几对，不要只挑视觉最好的一对。

7. 多批次联合（可选）

传感器安装未变、坐标定义一致时，可合并多批共识运动对再求共享外参：

powershell.exe -NoProfile -ExecutionPolicy Bypass -File "$Repo\run\run_joint_rtk_lidar.ps1" `
  -BatchNames @("data4","data5") `
  -Pairs @("...\data4\consensus\B_consensus.npz","...\data5\consensus\B_consensus.npz") `
  -GroundPlanes @("...\data4\common\ground_planes.csv","...\data5\common\ground_planes.csv") `
  -OutputRoot "...\data4_data5_joint" `
  -RtkReferenceHeightAboveGroundM 0.758 `
  -Bootstrap 200

任一批与首批相差超过 0.25 m 或 5° 会中止，需先检查航向定义与安装是否一致。

8. 注意事项

z 不能只靠水平运动估出来，必须靠实测天线高度约束；改高度后要 重新跑求解，禁止只改 JSON 的 z。
不要改站点目录名 / station_*.npz 顺序，运动对索引依赖该顺序。
标定用 原始雷达点（points_raw），不要用已变换到车体的点。
当前时间对齐以主机接收时间为主，尚未估计设备时钟偏差。
IMU 只解析关联，不求解 IMU 外参，静止站也不做运动去畸变。
仓库内 results/reference_data4 为历史参考（旧高度），不要当作当前部署外参直接下发。

9. 流程一览

静止多站采集（LiDAR dlog + RTK/IMU rscap）
        ↓
解析关联 → 每站选一帧 + yaw-only RTK 位姿
        ↓
双后端 GICP 求站间运动 B → 精筛 → 共识
        ↓
AX=XB + 地面高度约束 → T_RTK_lidar
        ↓
可视化 / summary 检查 → 交付 final_T_RTK_lidar.json

更细的算法说明与指标对比见根目录 README.md；脚本入口见 run/README.md。

7.2 KiB Raw Blame History Unescape Escape