Files
calibration/README.md
T

255 lines
11 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 双天线RTK—3D LiDAR直接手眼标定
本仓库从静态站点原始数据复现 `T_RTK_lidar`:把原始雷达坐标转换到RTK导航坐标系。它**不是** `base_link` 车体外参,也不会在求解阶段使用车体航向偏置或RTK到后轮轴的XY杆臂。
数据下载地址:https://fs.fairylandtech.com:5001/FRLD/#file_id=963272954246902180 账号:lichun.qu@fairylandtech.com 密码:lichun.qu
## 1. 输出坐标约定
统一约定 `T_A_B` 把B系点变换到A系:
```text
p_RTK = T_RTK_lidar · p_lidar
```
RTK导航系在本仓库中定义为:
- 原点:GGA位置参考点(通常为ANT1相位中心,必须结合接收机配置确认);
- X轴:`rawHeading`所表示的双天线基线在水平面的投影;
- Y轴:左;
- Z轴:上;
- ENU航向:`yaw = 90° - rawHeading`
- roll、pitch:当前轨迹中固定为0。
如果下游需要 `T_body_lidar`,必须另有经过确认的 `T_body_rtk`
```text
T_body_lidar = T_body_rtk · T_RTK_lidar
```
## 2. 算法流程
```text
逐站 H32.rscap + 全程 RTK.rscap + IMU.rscap
→ tools/export_raw_to_combined.py(一步导出标定中间包 combined/)
→ 每站选择一帧静态点云,位置转局部ENUrawHeading构造yaw-only RTK pose
→ Open3D GICP和small_gicp分别求 B_ij = T_Li_Lj
→ 留出点、Hessian、正反向、多初值和旋转共轭不变量筛选
→ 两后端共同认可的边形成consensus B
→ A_ij X = X B_ij + 地面法向/高度约束求 X = T_RTK_lidar
→ bootstrap、双后端差异、逐对残差和3D可视化检查
```
代码实际使用:
```text
A_ij = inv(T_W_Ri) · T_W_Rj = T_Ri_Rj
B_ij = T_Li_Lj # 将站点j点云变换到站点i
A_ij · X = X · B_ij
X = T_RTK_lidar
```
## 3. 原始数据目录
大体积数据不提交Git。**新车默认布局**(H32 用 `RSLidarH32_3D_DLogCaptureNet48`G90/N300 仍为 `.rscap`):
```text
raw_dataset/
├── stations/ # 每站停稳后单独录一段雷达 dlog
│ ├── 001/ # dobject/ + dobject_recording/
│ │ ├── dobject/ # 含 frontlidar-msop-raw / frontlidar-difop-raw
│ │ └── dobject_recording/
│ ├── 002/
│ └── ...
└── captures/
├── rtk.rscap # 进场到收工连续录(G90#PVTSLNA + #UNIHEADINGA
└── imu.rscap # 连续录(N300;仅关联,不参与外参求解)
```
一键导出默认:雷达用 **MSOP 设备时间** + DIFOP 通道角,RTK 用 **GNSS week/TOW** 做最近邻关联(`-TimeBasis device_gnss`)。
仍兼容旧站 `h32.rscap`;旧「已解码点云」dlog 需用 `-TimeBasis host`
每个站点应在车辆完全静止后记录点云;建议不少于30站,并包含充足的直行、左转、右转和大角度转向姿态变化。
## 4. 环境安装
已验证环境为Windows、PowerShell、Python 3.11。安装依赖:
```powershell
python -m pip install -r requirements.txt
```
依赖包括NumPy、SciPy、Open3D和small_gicp。若small_gicp没有对应Windows wheel,可在WSL2中安装后运行Python核心命令,或先只运行Open3D后端;完整共识流程需要两个后端都可用。
## 5. 从原始数据一键复现
导出与 Lidar-IMU 的 `export_rscap_to_v1` 同级:**一条命令**把原始 H32 dlog + G90/N300 rscap 变成标定可直接使用的 `combined/`
仅导出中间包:
```powershell
python tools\export_raw_to_combined.py `
--stations-root "$Raw\stations" `
--rtk-rscap "$Raw\captures\rtk.rscap" `
--imu-rscap "$Raw\captures\imu.rscap" `
--out "$Out\exported" `
--overwrite
```
产物:
```text
$Out\exported\
├── export/ # 内部:各站雷达帧(调试用)
├── parsed/ # 内部:RTK/IMU JSONL
├── combined/ # ★ 标定入口:关联后的多传感器 NPZ + manifest.csv
└── export_summary.json
```
完整求解(导出 + prepare + AX=XB)在仓库根目录执行:
```powershell
$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
```
主要输出:
```text
$Out/
├── exported/
│ ├── export/ # 内部各站LiDAR帧
│ ├── parsed/ # 内部 RTK/IMU JSONL
│ └── combined/ # ★ 按LiDAR帧关联后的多传感器NPZ
├── prepared_rtk_direct/
│ ├── frames_all/ # 每站选中的静态帧
│ └── reference_poses_rtk_gga_raw_heading.csv
└── calibration/
├── open3d_gicp/
├── small_gicp/
├── consensus/
├── summary.json
└── final_T_RTK_lidar.json
```
若已经有`combined/`,可跳过原始导出:
```powershell
powershell.exe -NoProfile -ExecutionPolicy Bypass -File "$Repo\run\run_direct_rtk_lidar.ps1" `
-CombinedRoot "E:\calibration_output\exported\combined" `
-WorkRoot "E:\calibration_output\prepared_rtk_direct" `
-OutputRoot "E:\calibration_output\calibration" `
-RtkReferenceHeightAboveGroundM 0.758 `
-ExpectedStations 34
```
## 6. 3D可视化
```powershell
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
```
窗口中:
- 蓝色:目标站点i;橙色:站点j
- `1`:原始点云;
- `2`RTK运动A直接作为初值;
- `3`GICP测得的B
- `4`:最终外参预测的 `X^-1 A X`
- `N` / `]`:下一运动对;
- `P` / `[`:上一运动对;
- `Q` / `Esc`:退出。
模式3和4应让同一墙面、立柱、路缘和地面尽量重合。终端同时打印 `B^-1(X^-1AX)` 的平移和旋转增量。应用 `N`/`P` 多看几对,不能只挑视觉效果最好的一对。
## 7. data4与data4+data5结果对比
data5补充了30个有效静态站点及两个法向方向不同的固定平面板。当前联合流程只合并data4、data5各自的批内运动对,不构造跨批次运动,因此两次采集的时间、ENU原点和绝对位置不同不会直接影响共享外参;前提是传感器安装未改变,并且两批数据使用相同的RTK坐标定义和LiDAR原始坐标定义。
两块平面板在现有代码中作为点云场景结构参与GICP配准,但没有作为已知RTK/ENU平面方程单独加入优化;若后续能测得板面方程,才可新增绝对平面约束。
为公平比较,下面两组结果都使用ANT1参考点离地高度`0.758 m`重新求解:
| 指标 | data4单独 | data4+data5联合 | 变化 |
|---|---:|---:|---:|
| 有效站点 | 34 | 64 | +30 |
| 共识运动对 | 25 | 36 | +11 |
| 平移残差RMS | 0.100394 m | 0.086902 m | -13.4% |
| 平移残差中位数 | 0.062075 m | 0.053647 m | -13.6% |
| 平移残差P95 | 0.123039 m | 0.125166 m | +1.7% |
| 平移残差最大值 | 0.353438 m | 0.355864 m | +0.7% |
| 旋转残差RMS | 1.252391° | 1.115207° | -11.0% |
| 旋转残差中位数 | 0.747183° | 0.685164° | -8.3% |
| 旋转残差P90 | 1.825297° | 1.481369° | -18.8% |
| 旋转残差P95 | 1.965290° | 1.875860° | -4.6% |
| Weighted Jacobian condition | 7.713973 | 8.379217 | +8.6% |
| bootstrap z标准差 | 0.003147 m | 0.001957 m | -37.8% |
| bootstrap roll标准差 | 0.099319° | 0.062245° | -37.3% |
| bootstrap pitch标准差 | 0.096049° | 0.064370° | -33.0% |
联合结果为:
```text
translation_m = [1.642932528, -0.242302311, 0.180599708]
RPY_deg_xyz = [-0.886210651, 1.372780243, -22.112054052]
T_RTK_lidar =
0.926183553 0.376030869 0.028014474 1.642932528
-0.376311142 0.926478119 0.005312208 -0.242302311
-0.023957243 -0.015462238 0.999593402 0.180599708
0.000000000 0.000000000 0.000000000 1.000000000
```
与相同高度下的data4单独结果相比,联合外参相差`5.25 mm / 0.064°`。data5使RMS、中位数、旋转P90和bootstrap稳定性改善,但平移P95及最大值没有改善,说明少数高残差运动对仍然存在;不应仅为降低最大值而按最终外参残差删边。
已经分别得到各批次的共识运动对和地面平面时,可运行:
```powershell
$Names = @("data4", "data5")
$Pairs = @("E:\data4\consensus\B_consensus.npz", "E:\data5\consensus\B_consensus.npz")
$Planes = @("E:\data4\common\ground_planes.csv", "E:\data5\common\ground_planes.csv")
powershell.exe -NoProfile -ExecutionPolicy Bypass -File "$Repo\run\run_joint_rtk_lidar.ps1" `
-BatchNames $Names -Pairs $Pairs -GroundPlanes $Planes `
-OutputRoot "E:\calibration_output\data4_data5_joint" `
-RtkReferenceHeightAboveGroundM 0.758 -Bootstrap 200
```
脚本会先分别拟合各批次外参;任一批与首批相差超过`0.25 m``5°`时中止,提示检查RTK航向/坐标定义和传感器安装。阈值可通过`-MaxBatchTranslationDifferenceM``-MaxBatchRotationDifferenceDeg`显式调整。
仓库内[`results/reference_data4`](results/reference_data4/README.md)是历史data4参考产物,使用旧高度配置,不应与上表直接比较,也不应继续作为当前联合外参下发。
## 8. z与精度限制
平面阿克曼运动不能独立观测z。当前联合结果使用64站地面平面和ANT1参考点离地`0.758 m`约束z;其中`0.758 m`来自本次现场粗测的天线底部安装参考高度`0.710 m`,加上天线标签给出的L1/L2 PCO高度`46/50 mm`的中值`48 mm`。该值仍是测量输入,不是手眼运动方程自行估计出来的量。
旧联合结果曾使用`0.8535 m = 0.2335 m + 0.620 m`,得到`z = 0.085093 m`;改用`0.758 m`并重新求解后得到`z = 0.180600 m`z增加约`0.095507 m`,而x、y和旋转基本不变。所有标定入口现均要求显式提供参考高度,更改高度后必须重新求解,不能只手工修改输出JSON中的z。
AX残差、Hessian/Jacobian条件数、bootstrap和双后端一致性只证明内部一致性,不能单独证明逐帧GT达到±3 cm。当前关联仍以LiDAR和串口主机接收时间为主;GNSS周/周内时间和IMU设备时间被保留,但没有联合估计时钟偏移与漂移。用于连续GT pose前,应补做严格设备时间同步和独立轨迹验证。
此外,代码无法单独证明GGA对应哪根物理天线、`rawHeading`是ANT1→ANT2还是ANT2→ANT1;必须用接收机配置、接线和现场运动实验确认。方向错误会导致RTK坐标系yaw相差约180°。
## 9. 仓库目录
| 目录 | 职责 |
|---|---|
| [`code/`](code/) | GICP、运动对质量评价、AX=XB求解、结果封装和3D可视化 |
| [`tools/`](tools/) | 原始dlog/rscap解析、按LiDAR帧关联及静态站点prepared生成 |
| [`run/`](run/) | PowerShell入口;所有数据和输出路径都通过参数传入 |
| [`results/reference_data4/`](results/reference_data4/) | 历史data4精简参考结果,不包含点云和本机过程目录 |
| `work/``outputs/` | 本地运行生成物,已由`.gitignore`排除 |
各代码文件职责见[`code/README.md`](code/README.md),命令索引见[`run/README.md`](run/README.md),工具说明见[`tools/README.md`](tools/README.md)。