傳感器標定的案例
康謀技術 | 自動駕駛傳感器標定技術：從單一到聯合標定
為了讓各類傳感器更精確的感知，在傳感器裝車后，就需要對傳感器進行標定以獲取各個傳感器的安裝位置。具體來說，就是通過標定確定車身坐標系下傳感器的位置。
一、傳感器標定類型
在一輛具備L2+級別智駕車上，常會搭建攝像頭，激光雷達，毫米波雷達，GPS/IMU等傳感器。從性質上講，傳感器標定包括內參標定和外參標定兩種類型。
1、內參標定
內參標定主要關注傳感器本身的參數，如相機的焦距、光心以及畸變參數等。通過建立傳感器誤差模型，獲得傳感器特性參數，進而消除傳感器本身測量誤差。關于相機標定可進一步看《深入探討：自動駕駛中的相機標定技術》。
2、外參標定
外參標定關注傳感器相對于車輛坐標系的位置。這通常需要借助先驗信息，如工裝信息或環境信息，來確定傳感器的位姿。如果車輛坐標系定義為車輛上的某一點，標定過程將解決傳感器在固定車輛坐標系下的位置確定問題。簡單來說，傳感器外參標定求解取決于車輛坐標系的定義。
傳感器內參標定由于與安裝位置無關，常在裝車前進行標定。而傳感器外參標定涉及到車輛坐標系的確定，主要包括傳感器與車身的標定（單一標定）和多傳感器標定（聯合標定）。其中多傳感器標定是通過傳感器的測量信息來求解不同傳感器之間的位姿變換。
下面就以激光雷達為例，進一步分析傳感器與車身標定（單一標定）和多傳感器標定（聯合標定）。
二、單一標定和聯合標定
1、單一標定
在激光雷達與車身標定過程中，首先要安裝激光雷達，并確定車輛坐標系，隨后通過測量工具記錄其相對于車輛坐標系的位置和方向。將多個標定板置于激光雷達可掃描到的區域，采集點云數據，并通過標定算法計算激光雷達坐標系與車輛坐標系之間的轉換關系。最終解算出激光雷達與車身的外參。
2、聯合標定
聯合標定是指對多個傳感器進行綜合標定，確保它們之間的數據能夠準確融合。
展開 傳感器標定系統
引言
傳感器是將物理量轉化為電信號的器件，在航空航天、軍工、汽車、電子等各個領域有著廣泛的應用。根據需求的不同，市場上流通的傳感器種類繁多，且隨著測試需求的增加，對各類傳感器的需求量也越來越大。傳感器生產商要想其產品獲得更大的競爭優勢，就必須從各個方面提高傳感器的性能，以確保其能夠滿足特定的需求。
其中，靈敏度、頻響特性和不確定度一直是工程技術人員在設計和使用過程中最為關心的問題。漢航振動傳感器標定與校準系統是專為標定振動傳感器的靈敏度、頻響特性曲線及不確定度而設計，在本系統中，我們采用了多種標準及方法來校準振動傳感器，并生成傳感器校準報告。
漢航HS7710CA振動傳感器標定與校準系統
系統構成
漢航振動傳感器標定與校準系統主要由漢航自研數據采集硬件、NTS.LAB軟件、振動臺、功率放大器組成，其中數據采集硬件主要負責提供必要的輸入通道及信號輸出功能。
某單位使用漢航HS7710CA系統對傳感器進行校準
測試方法
? 絕對法校準
? 背靠背直接比較法校準
? 背靠背替換比較法校準
測試原理
絕對法校準-激光振動測量的基本原理
利用相干的激光束照射振動物體表面，由于光波多普勒效應，被物體表面反射回來的光會發生頻移，在光波波長一定時，決定這種頻移唯一的因素是振動面相對于觀察者的運動速度。利用光學和電子學的方法測出反射光的頻移，便可測得振動表面的各個振動參數，如振幅、振頻、速度和加速度等。
絕對法試驗原理
背靠背直接比較法
被測加速度計與參考加速度計背靠背安裝，假設兩個加速度計在垂直于安裝面的方向產生理想的線性運動，則二者在該方向是承受相同的振動。
展開 漢航振動傳感器標定與校準系統HS7710CA
引言
傳感器是將物理量轉化為電信號的器件，在航空航天、軍工、汽車、電子等各個領域有著廣泛的應用。根據需求的不同，市場上流通的傳感器種類繁多，且隨著測試需求的增加，對各類傳感器的需求量也越來越大。傳感器生產商要想其產品獲得更大的競爭優勢，就必須從各個方面提高傳感器的性能，以確保其能夠滿足特定的需求。
其中，靈敏度、頻響特性和不確定度一直是工程技術人員在設計和使用過程中最為關心的問題。漢航振動傳感器標定與校準系統是專為標定振動傳感器的靈敏度、頻響特性曲線及不確定度而設計，在本系統中，我們采用了多種標準及方法來校準振動傳感器，并生成傳感器校準報告。
漢航HS7710CA振動傳感器標定與校準系統
系統構成
漢航振動傳感器標定與校準系統主要由漢航自研數據采集硬件、NTS.LAB軟件、振動臺、功率放大器組成，其中數據采集硬件主要負責提供必要的輸入通道及信號輸出功能。
某單位使用漢航HS7710CA系統對傳感器進行校準
測試方法
絕對法校準
背靠背直接比較法校準
背靠背替換比較法校準
測試原理
01
絕對法校準-激光振動測量的基本原理
利用相干的激光束照射振動物體表面，由于光波多普勒效應，被物體表面反射回來的光會發生頻移，在光波波長一定時，決定這種頻移唯一的因素是振動面相對于觀察者的運動速度。利用光學和電子學的方法測出反射光的頻移，便可測得振動表面的各個振動參數，如振幅、振頻、速度和加速度等。
絕對法試驗原理
02
背靠背直接比較法
被測加速度計與參考加速度計背靠背安裝，假設兩個加速度計在垂直于安裝面的方向產生理想的線性運動，則二者在該方向是承受相同的振動。
展開 自動駕駛系統的傳感器標定方法
來源 | 自動駕駛之心、計算機視覺life
導讀：傳感器標定是自動駕駛的基本需求，一個車上裝了多個/多種傳感器，而它們之間的坐標關系是需要確定的。灣區自動駕駛創業公司ZooX的co-founder和CTO是Sebastia Thrun的學生Jesse Levinson，他的博士論文就是傳感器標定。
這個工作可分成兩部分：內參標定和外參標定，內參是決定傳感器內部的映射關系，比如攝像頭的焦距，偏心和像素橫縱比（+畸變系數），而外參是決定傳感器和外部某個坐標系的轉換關系，比如姿態參數（旋轉和平移6自由度）。
攝像頭的標定曾經是計算機視覺中3-D重建的前提，張正友老師著名的的Zhang氏標定法，利用Absolute Conic不變性得到的平面標定算法簡化了控制場。
這里重點是，討論不同傳感器之間的外參標定，特別是激光雷達和攝像頭之間的標定。
另外在自動駕駛研發中，GPS/IMU和攝像頭或者激光雷達的標定，雷達和攝像頭之間的標定也是常見的。不同傳感器之間標定最大的問題是如何衡量最佳，因為獲取的數據類型不一樣：
攝像頭是RGB圖像的像素陣列；
激光雷達是3-D點云距離信息（有可能帶反射值的灰度值）；
GPS-IMU給的是車身位置姿態信息；
雷達是2-D反射圖。
這樣的話，實現標定誤差最小化的目標函數會因為不同傳感器配對而不同。
另外，標定方法分targetless和target兩種，前者在自然環境中進行，約束條件少，不需要用專門的target；后者則需要專門的控制場，有ground truth的target，比如典型的棋盤格平面板。
這里僅限于targetless方法的討論，依次給出標定的若干算法。
展開 
康謀技術 | 多傳感器數據融合技術與策略解析
② 傳感器標定：確立坐標轉換
傳感器標定是確保每個傳感器的數據都能準確映射到世界坐標系中的過程。它包括內參標定和外參標定兩個部分。
內參標定：針對單個傳感器，解決其內部參數，如攝像頭的焦距和畸變，確保傳感器數據在自身坐標系中的準確性。詳細內容可見往期內容：
《深入探討：自動駕駛中的相機標定技術》
https://www.yqgqt.org.cn/post/1938216
外參標定：在已知的世界坐標系下，解決不同傳感器之間的相對位置和方向，確保它們數據的一致性。
外參標定的準確性依賴于內參標定的精確性，只有每個傳感器的內參被精確校準，我們才能準確地知道它們在世界坐標系中的相對位置。
二、多傳感器融合方法
在多傳感器采集系統中做好統一時鐘和統一坐標系后，就可以將這些數據進行融合了。關于具體做法，這里舉一個簡單的例子：
1、相機與LiDAR融合
在實現激光雷達與相機標定、運動補償和時間同步后，通過多傳感器深度融合，執行幾何變換將三維點云數據投影至二維圖像平面，實現物理空間到視覺空間的映射。最后，整合深度信息與圖像像素數據，形成深度標簽圖像，從而為自動駕駛車輛的環境感知系統提供更為豐富和精確的數據支持。
2、融合方式
根據數據在整個流程中融合的不同位置，常見的融合方式可分為前融合、深度融合和后融合。
圖2：常見的融合方式
前融合（Early-Fusion）：是在最原始的層面上將不同傳感器的數據進行整合。這種融合方式涉及直接在空間上對齊傳感器數據，形成一個統一的多模態數據集。可以進行數據統一標識，降低信息損失。
深度融合（Deep-Fusion）：是在特征提取之后、決策之前進行的融合。
展開 方案分享 | ADAS時空融合數據采集方案
然而，隨著傳感器數量的增加和數據規模的指數級增長，行業正面臨一系列挑戰：多源傳感器數據的時間同步難題、復雜數據格式的適配、測量技術的靈活性不足、設備集成周期冗長等，這些問題正成為自動駕駛研發與測試的“隱形瓶頸”。
基于技術積累與行業洞察，本文分享一套創新的ADAS時空融合數據采集方案。通過硬件與軟件的深度協同優化，能夠很好地解決數據采集中的核心痛點，還為自動駕駛研發提供了高效、可靠、可擴展的完整解決方案。
一、方案架構
該方案以“時空融合”為核心，構建了傳感器層、數據處理層、存儲層和用戶交互層，如下圖1所示：
圖1：方案架構
傳感器層：負責采集數據，包括 LiDAR、Radar、RTK 和 Camera 等傳感器。這些傳感器從不同維度感知環境，獲得圖像、點云、高精度定位以及被測目標物等信息，為系統提供原始數據。
數據處理層：對傳感器采集的原始數據進行處理。通過時間同步算法（PTP/gPTP），使不同傳感器數據在時間上對齊，解決多源傳感器數據時間同步難題。運用標定算法，對各傳感器進行單傳感器標定和傳感器間標定，確定傳感器之間的空間關系。同時，解析不同格式的數據，使其能在系統中統一處理。
存儲層：負責存儲處理后的數據。支持多種存儲格式，如激光雷達數據可存為 pcd 格式或 rosbag 包，毫米波雷達和 RTK 數據可選擇 csv 格式或 rosbag 包，方便不同場景下的數據使用和分析。并且按照傳感器類型將數據分類存入單獨文件夾，便于管理和查找。
用戶交互層（軟件界面）：為用戶提供操作入口。軟件支持各個傳感器數據的可視化，方便用戶實時查看傳感器采集的信息。允許用戶對數據采集進行多種配置，如選擇存儲路徑、設置攝像頭采集幀數、選擇顯示時間戳的來源等。
展開 場景采集感知測評軟件 INTEWORK-ARS
概述
工欲善其事，必先利其器。在“軟件定義汽車”的新時代下，開發者們總結了一條適用于自動駕駛的開發流程，這條開發線路大致包括實車數據采集->數據存儲->數據處理->數據分析->數據標注->模型訓練->仿真測試->實車測試->部署發布等關鍵環節，通過不斷開發迭代，逐步完善自動駕駛的能力。
INTEWORK-ARS是經緯恒潤自主研發的智能駕駛場景采集感知測評軟件，具有多個軟件模塊，可提供給使用者進行原始數據采集、傳感器標定、感知計算、數據集生成、傳感器測評、場景生成等相關開發應用。
主要功能
- 數據同步采集
- 傳感器標定
- 目標級數據計算
- 駕駛場景檢測
- 快速標注
- 傳感器目標檢測及跟蹤能力測評
- 場景生成
智能駕駛場景數據采集模塊
該模塊功能包括原車數據和后裝傳感器數據的采集，通過一套有效的同步機制保證數據同步性，并能有效保存原始數據、目標數據和輔助數據，提供相應的傳感器布置方案和供電系統。
傳感器標定模塊
傳感器標定模塊，可以快速便捷地通過可視化交互，對相機、雷達、多傳感器間的相關參數進行標定，獲得標定數據及文件，滿足在線及離線使用需求。
展開 賦能商用車 ADAS 研發：多傳感器數據采集方案
在傳感器配置上，該方案構建了分層感知的傳感器配置體系，圍繞商用車遠近場、全視角感知需求，構建必選 + 強化 + 可選的傳感器配置體系。通過采用aiSim軟件對傳感器位姿和采集范圍進行仿真，對傳感器配置布局可以快速有效驗證合理性，降低調試成本。
（1）必選配置：含環視多相機、主 LiDAR、360° 毫米波雷達及雙天線 GNSS + 底盤 IMU，滿足基礎感知與定位；
（2）強化配置：增設盲區近場 LiDAR、4D 毫米波雷達，提升融合能力與抗干擾性；
（3）可選配置：在駕駛室增設第二 IMU，實現艙上傳感器運動補償與標定保持。角模塊化設計將同側相機、LiDAR、雷達集成，減少設備相對運動，保障標定與時間同步精度。
在硬件架構層面，該方案打造商用車級定制化硬件架構，以高同步、高帶寬、高可靠、高拓展為核心打造專屬硬件架構，適配復雜工況?；?PTP 協議搭建高精度時間同步系統，采用高帶寬存儲工控機搭載高性能 CPU，和專用采集與同步板卡，實現相機、LiDAR、雷達的精準采集與時間打標；
在數據交互與導出環節，硬件端配備萬兆以太網、USB3.0等高速接口，支持多塊大容量移動硬盤備份插接，實現采集數據的快速導出與存儲。
2、多傳感器標定與采集
高精度標定是多傳感器數據有效融合的核心前提，更是為BEV模型空間對齊、跨模態融合提供精準位姿基準的關鍵。針對商用車多傳感器配置特點，我們打造了全鏈路標定流程，全面覆蓋相機內參標定、多傳感器外參標定、多相機環視聯合標定、LiDAR/雷達與相機聯合標定等各類核心標定場景，可實現所有傳感器空間位姿的精準對齊，同時配套標準化標定工具包，提升標定效率與規范性。
展開 多傳感器融合技術原理及融合技術分析
運動補償主要針對長周期的傳感器，如lidar，周期為100ms。由于所有的傳感器都裝在車上，車是運動的剛體。因此傳感器在采集數據時，周期開始的時間點和結束時間點車輛是處于不同位置的，導致不同時刻采集的數據所處坐標系不同，因此需要根據車體的運動對傳感器采集的數據進行運動補償。如下圖所示：虛線部分可以認為是世界坐標系，紅色點代表一個靜態的障礙物，在坐標系中有一個穩定的坐標（5，5）。藍色部分代表自動駕駛車自己的局部坐標系，也就是說世界坐標系的（4，0）為局部坐標系的原點。在T+1時刻，這個局部坐標系移動到了（6，0）的位置，也就是自動駕駛車沿著X方向向前移動了2。也就是說，在T時刻，障礙物的在局部坐標系下的坐標是（1，5），而在T+1時刻，它的坐標變為了（-1，5）。這個問題解決起來比較簡單，因為自動駕駛車擁有比較準確的實時定位信息，它可提供T和T+1兩個時刻內，車本身的姿態差距，利用姿態差，我們就可以比較容易補償自身移動了多少。
傳感器標定分為內參標定和外參標定，內參標定，解決的是單獨的每個傳感器與世界坐標系間的變換；外參標定是在世界坐標系下，解決的不同傳感器間的變換。傳感器外參校準依賴于傳感器的精確內參校準。
展開 汽車關門瞬間車內氣壓檢測系統的設計開發
表 1 微差壓傳感器參數
在測試時，各微差壓傳感器的參考壓端分別通過導氣管連接至穩壓腔體內。穩壓腔體為一密閉的箱體，用來提供穩定壓力。穩壓腔體有一和大氣聯通的閥門。測試前，打開閥門使穩壓腔體內部與大氣相通，當腔體內壓力與大氣壓力相同時關閉閥門。各微差壓傳感器的正壓端置于車內不同位置，用來捕捉車內不同位置處的氣壓變化數據。圖 2 為各微差壓傳感器在測試時的連接示意圖。
圖 2 微差壓傳感器測試時的連接示意圖
2.2 標定模塊
由于車內氣壓變化范圍為 0～500Pa 的微壓，檢測此范圍氣壓的微差壓傳感器精度易受溫度、大氣壓力及濕度的影響，導致傳感器的精度下降從而使測得的數據誤差增大。本系統設計了一種微差壓傳感器的快速標定方法，通過在測試之前對各微差壓傳感器進行快速標定，提高了傳感器的測試精度。 傳感器標定模塊包括加壓模塊、穩壓腔體、標準微壓傳感器以及壓力顯示模塊。圖 3 為標定模塊結構及標定模塊連接示意圖，加壓模塊與穩壓腔體相連通，用于對穩壓腔體進行加壓或降壓；穩壓腔體用于為各微差壓傳感器及標準微壓傳感器提供0～500Pa 之間的可平穩變化的穩定壓力。各微差壓傳感器及標準傳感器的正壓端分別通過導氣管與穩壓腔體相連，參考壓端與大氣相通。壓力顯示模塊與穩壓腔體相連，用來顯示穩壓腔體內的氣體壓力。
標定時，通過加壓模塊調節穩壓腔體的壓力在 0～500Pa之間平穩變化，標準微壓傳感器及各微差壓傳感器的正壓端承受的壓力改變，傳感器輸出電壓信號相應改變。通過上位機分析軟件控制數據采集模塊對各傳感器的電壓信號進行高速采集，并將采集到的數據通過 USB 總線傳輸至上位機分析軟件。
展開 高速響應光纖壓力傳感器FPI-HS在實驗室水壓監控中的作用
推薦一款應用在實驗室水壓監控中的光纖傳感器，由工采網從國外引進的高質量光纖壓力傳感器 - FPI-HS，該傳感器具備尺寸、精度高、不受EMI/RFI影響和耐腐蝕的優點。主要用于惡劣和危險環境下的一般工業應用，通常這種惡劣和危險環境中存在很高的壓力。
光纖壓力傳感器 - FPI-HS主要特點：
傳感器信號診斷
兼容FOT-HERO
受震動影響有限
擴展長度和連接不影響
傳感器標定
溫度補償模塊
康謀分享 | aiSim5 物理相機傳感器模型驗證方法（一）
摘要：
aiSim5可以實時模擬復雜的傳感器配置，在多GPU分布式渲支持的支持下，aiSim可以渲染20多個攝像頭、10多個雷達和10多個激光雷達在同一環境下運行。aiSim5獨有的實時渲染引擎能夠滿足對物理精確環境和天氣模擬的所有要求，具有完全的決定性和可重復性。
圖1：aiSim5重建場景
圖2：真實場景
aiSim5基于物理的相機模型將會通過以下方法驗證其與真實世界的相關性：
一、光照度測試
aiSim 擁有內置的光照度傳感器，因此可以使用光照度傳感器對aiSim的照明模型和材質進行端到端的驗證。
1、例1：在 aiSim 中重新模擬一個高速公路場景，并匹配相應的天氣效果。
目前我們已經使用安裝在數據收集車的頂部的光照度傳感器進行了測量，如圖3展示的2023年6月光照度變化圖。圖3中的尖峰代表陰影區域，其他變化則是由移動的云層引起的。
圖3
目前正在 aiSim 中重建這一場景并測試這一光照度測量結果。
2、例2：驗證人工照明模型以及aiSim車庫地圖的相關性時，可以在車庫使用匹配的光照屬性進行重新模擬，aiSim 中會產生相似的結果。
圖4：真實世界中進行傳感器標定的場景
圖5：aiSim中搭建的用于相機標定車庫場景
二、色彩校準測試
1、簡介
在進行相機圖像匹配時，使用Color Correction Matrix (CCM) 是一種有效的方法，可以通過對已知相機拍攝的參考照片和aiSim渲染的Macbeth色板圖表進行比較來計算CCM。
展開 【EDF開源CAE】基于Code_Aster對EPR安全殼含水率傳感器的標定
混凝土等孔隙介質的相對介電常數與其含水率具有相關性，TDR方法通過測量計算電磁波通過傳感器探針的時間來獲得混凝土的相對介電常數，然后根據介電常數與含水率的定量關系獲得混凝土的含水率。
在本案例中，首先需要進行混凝土試塊試驗來標定混凝土介電常數與水含率的定量關系?；炷猎噳K試驗一般只能得到整個試塊的含水率，而不能直接獲得傳感器測量區的含水率。
TDR
傳感器
混凝土試樣試驗
本研究的目的為借助有限元熱-水力-力學（THM）耦合建模方法來標定混凝土相對介電常數與水含率的定量關系，并且同時進行混凝土試樣的干燥和再加濕試驗，通過重量分析獲得試樣中水含率的變化，從而驗證數值研究的某些因素（例如幾何形狀和溫度）的影響?；谠囼灲Y果對仿真模型參數進行調優，給出Flamanville 3反應堆廠房的C60 BHP高性能混凝土的相對介電常數-水含率校準曲線。
02
數值建模
本研究中使用了Code_Aster中的熱-水力-力學（THM）耦合模型計算混凝土中含水量的演變，建立了描述多孔介質中流體流動現象的完整建模，該完整模型既可以模擬混凝土的干燥過程，也可以模擬再加濕過程。
展開 【11月3-5日 北京】無人駕駛多傳感器技術和系統功能開發技術高級培訓班
主要研究領域和技術專長為汽車毫米波雷達，多傳感器技術，輔助駕駛系統與無人駕駛技術。
資深專家2: 全德華人機電工程師學會特聘專家。供職于德國大型汽車公司擔任自動駕駛量產項目感知技術研發經理。曾任環視量產項目攝像頭標定專家，視覺輔助駕駛量產項目客戶經理，自動駕駛量產項目感知技術系統構架師。畢業于德國某高校電子工程專業，獲得Diplom學位，2009 榮獲德國Anton-und Klara-R?sser基金獎學金。擁有多個輔助駕駛和自動駕駛方面產品專利，以及豐富的量產項目經驗。主要研究領域和技術專長為傳感器標定，視覺輔助駕駛系統，多傳感器融合技術。
大綱及日程
培訓費用
培訓費：4500元/人，3人（含3人）以上享受團隊價格：4300元/人。
以上費用不含食宿費，培訓期間食宿統一安排，費用自理。
通過技術鄰成功參加培訓的用戶返現100元（50元現金+50元技術鄰課程抵用券
證書頒發
凡報名參加培訓經考核結業的學員，均頒發培訓證書。郵件報名時請務必附帶電子版一寸免冠彩色證件照片，辦理培訓結業證書使用。
報名方式
1、點擊鏈接立即報名（填寫后會有工作人員主動聯系）：http://wwwwwwww.mikecrm.com/YlSK1n8
2、掃碼下方二維碼，聯系客服報名
未盡事宜請掃描上方二維碼，或咨詢微信客服，微信號：jishulink888
展開 傳感器融合-數據篇（自動駕駛）
作者 | 黃浴
來源 | 知乎@黃浴(https://zhuanlan.zhihu.com/p/109895639)
自動駕駛感知模塊中傳感器融合已經成為了標配，只是這里融合的層次有不同，可以是硬件層（如禾賽，Innovusion的產品），也可以是數據層（這里的討論范圍），還可以是任務層像障礙物檢測（obstacle detection），車道線檢測（lane detection），分割（segmentation）和跟蹤（tracking）以及車輛自身定位（localization）等。
有些傳感器之間很難在底層融合，比如攝像頭或者激光雷達和毫米波雷達之間，因為毫米波雷達的目標分辨率很低（無法確定目標大小和輪廓），但可以在高層上探索融合，比如目標速度估計，跟蹤的軌跡等等。
這里主要介紹一下激光雷達和攝像頭的數據融合，實際是激光雷達點云投影在攝像頭圖像平面形成的深度和圖像估計的深度進行結合，理論上可以將圖像估計的深度反投到3-D空間形成點云和激光雷達的點云融合，但很少人用。原因是，深度圖的誤差在3-D空間會放大，另外是3-D空間的點云分析手段不如圖像的深度圖成熟，畢竟2.5-D還是研究的歷史長，比如以前的RGB-D傳感器，Kinect或者RealSense。
這種融合的思路非常明確：一邊兒圖像傳感器成本低，分辨率高（可以輕松達到2K-4K）；另一邊兒激光雷達成本高，分辨率低，深度探測距離短。可是，激光雷達點云測距精確度非常高，測距遠遠大于那些Infrared/TOF depth sensor，對室外環境的抗干擾能力也強，同時圖像作為被動視覺系統的主要傳感器，深度估計精度差，更麻煩的是穩定性和魯棒性差。所以，能不能把激光雷達的稀疏深度數據和致密的圖像深度數據結合，形成互補？
展開 