激光雷达标定是指通过特定的技术手段，确定激光雷达自身参数（内参标定）及其在载体坐标系中的位置和姿态参数（外参标定），确保其测量数据的准确性、可靠性与多传感器融合的一致性。以下是详细的解释和常用方法：

一、标定的目的

1. 内参标定

   • 校准内部几何/电气误差：消除镜头畸变、电机转速偏差、光斑偏移、时间同步误差等。
   • 输出精准点云：确保雷达本身的测量值（距离、角度）准确。

2. 外参标定

   • 建立坐标系关系：确定雷达在车体/机器人坐标系下的位置（X, Y, Z）和姿态（俯仰角Pitch、横滚角Roll、偏航角Yaw）。
   • 多传感器对齐：与相机、IMU、毫米波雷达等数据融合时，坐标系统一。

二、常用标定方法

1. 基于目标的标定法

• 标靶选择：高反射率棋盘格、球体、平面靶板等。
• 操作流程：
  1. 在固定位置设置标靶（如墙角、三角架等）。
  2. 采集雷达点云（需覆盖标靶多个角度）。
  3. 提取标靶在点云中的特征（平面、角点等）。
  4. 优化计算雷达与标靶的相对位姿（外参）。
• 工具案例：
  使用 Apache LiDAR Calibrator 或 Autoware 的标定工具箱。

2. 多传感器联合标定（雷达+相机）

• 原理：通过同步检测标定板（如棋盘格），建立点云和图像的对应关系。
• 步骤：
  1. 同步采集雷达点云和相机图像。
  2. 在图像中识别棋盘格角点。
  3. 在点云中拟合对应棋盘格平面。
  4. 优化求解雷达到相机的变换矩阵。
• 公式表达：
  [ T_{lidar}^{camera} = \arg\min \sum | \text{点云角点投影} - \text{图像角点} | ]
• 工具推荐：ROS 的 lidar_camera_calibration 工具包。

3. 运动标定法（如NDT、ICP）

• 场景：无标定目标时，利用载体运动轨迹配准点云。
• 方法：
  • ICP（迭代最近点）：匹配连续帧点云，优化位姿变换。
  • NDT（正态分布变换）：将点云转为概率分布进行匹配。
• 适用场景：SLAM建图过程中的在线标定。

4. 自动标定法

• 自然特征利用：如墙面、地面、柱状物等固定物体。
  • 地面约束：假设地面水平，优化雷达的俯仰角（Pitch）和高度（Z）。
  • 建筑结构：利用墙面垂直性优化横滚角（Roll）。

三、实操步骤（以车载雷达外参标定为例）

1. 固定车辆：停在平坦空旷场地。
2. 布置标靶：在车周放置棋盘格（距离建议3-10米）。
3. 采集数据：缓慢旋转雷达或车辆转向，采集多角度点云。
4. 特征提取：标定软件识别标靶的点云平面。
5. 优化参数：软件自动计算并输出外参变换矩阵。
6. 验证：用新点云投影验证标定效果（如点云与影像对齐）。

四、常见问题及解决

五、工具推荐

1. 开源工具：
   • ROS 标定工具包（calibration_camera_lidar, lidar_align）
   • Autoware.auto：提供完整车载传感器标定模块。
2. 商业软件：
   • Hesai 标定云（Pandar系列雷达）
   • Velodyne NAVpac：便携式标定设备。

六、注意事项

• 安全优先：车载标定时断开车辆动力。
• 环境要求：避免强光、高反射干扰物（玻璃、金属）。
• 精度验证：使用独立数据集评估标定误差（如RMSE < 5cm）。

通过精确标定，激光雷达可充分发挥厘米级感知能力，为自动驾驶、机器人导航等提供可靠数据基础。工程中需结合场景选择合适方法，并定期复检参数稳定性。