1.一种车载激光雷达标定方法，其特征在于,先在车载激光雷达的标定场正中间上方设置用于获取标定场地图像的相机，并在车载激光雷达的标定场地两个对角处分别布置球形障碍物,接着构建待标定车载激光雷达的车辆的车体坐标系并计算出球形障碍物的球心在车体坐标系中的坐标，然后按序采样由球形障碍物的球心构成的特征标定矩阵并得到其有序坐标点集合；

再对车载激光雷达探测到的球形障碍物的点云数据依次进行降采样、去地面、点云聚类和球心位置聚类处理，以获得的球心位置聚类结果作为输入，获取球形障碍物在激光雷达坐标系下的球心坐标并对其进行有序采样,以获取球形障碍物在激光雷达坐标系下的有序坐标点集合；

最后以获得的球形障碍物在激光雷达坐标系下的有序坐标点集合以及球形障碍物在车体坐标系下的有序坐标点集合作为输入，计算出车体坐标系与激光雷达坐标系之间的旋转平移矩阵，即为车载激光雷达的标定结果；

对车载激光雷达探测到的球形障碍物的点云数据进行降采样和去地面处理的过程是:先获取激光雷达实时扫描的点云数据，再将获取的点云数据表示为p＝[x,y,z,τ],其中x,y,z,表示某点在激光雷达坐标系中的坐标，τ表示该点的回波强度，获取一帧激光雷达数据，利用PCL点云库中的体素降采样算法和RANSAC算法对该帧激光雷达实时扫描到的点云数据进行降采样和去地面处理；

对车载激光雷达探测到的球形障碍物的点云数据进行点云聚类处理的具体流程为：以经过降采样和去地面处理的激光雷达点云数据为输入，使用欧式聚类算法进行点云聚类，得到一帧激光雷达点云数据的聚类结果，即得到每一个球形障碍物的激光点云簇，该点云簇可表示为P＝[p1,p2,…pn]，n为一个点云簇中所包含的点的数量；

对得到的每个球形障碍物的激光点云簇中的点，分别使用Timsort排序算法按点云的回波强度τ从高到低的方式对聚类后的点云簇中的点进行排序，截取排序后的队列前30％的点，按四个点为一组对截取后的点集进行划分；

被选中并排序后的点集为Q＝[p1,p2,…pk],pi(1

u1＝[p1,p2,p3,p4]ui＝[p4i‑3,p4i‑2,p4i‑1,p4i],(1＝

以集合U的每个元素为输入，根据克莱姆法则计算出每组数据所对应的球心坐标o，u1对应的球心坐标为o1＝[x1,y1,z1]，u1中含有四个球形障碍物表面点的坐标；

设球心坐标为(x,y,z)，已知球形障碍物表面的四个坐标分别为(x1,y1,z1),(x2,y2,z2),(x3,y3,z3),(x4,y4,z4),根据球形障碍物表面任意一点到球心的距离等于半径长度的性质得到如下：

对上式(4)进行变形化简，得到下式：为了简化表示，令

T

式(5)等号右边的常数表示为P,Q,R，可构成常数项行列式为[P，Q，R] ，等号左边x,y,z的系数可形成系数矩阵D,如下：

再令

由克莱姆法则可知，球心坐标分别为：同一个数据集合U计算出的球心集合可表示为O＝[o1,o2,…oj]，对由同一个聚类结果计算出的球心进行归一化处理，其中j为球心个数，所得结果为集合U对应球体的球心坐标，计算方式为求所有球心的加权平均,即：直至计算出所有激光雷达感知到的球形障碍物的球心坐标，将其表示为q＝[x′,y′,z′]，感知计算得到的球心坐标集合为H:H＝[q1,q2,…qi](3＝

2.如权利要求1所述的车载激光雷达标定方法，其特征在于，对车载激光雷达探测到的球形障碍物的点云数据进行球心位置聚类处理是根据欧式距离对所述球心坐标集合H进行聚类,具体流程为：随机选择一个球形障碍物的球心获取其坐标,依次读取剩下的球形障碍物的球心坐标并计算其与第一次随机选择的球形障碍物的球心坐标的欧式距离,然后取与第一次随机选择的球形障碍物之间的欧式距离最小的两个球形障碍物的球心坐标和第一次随机选择的球形障碍物的球心坐标构成一个三角形的三个顶点,提取两个球心坐标后剩下的三个球心坐标构成另一个三角形的三个顶点。

3.如权利要求1所述的车载激光雷达标定方法，其特征在于：所述旋转平移矩阵是以球形障碍物在车体坐标系下的有序点坐标集合以及球形障碍物在激光雷达坐标系下的有序点坐标集合作为输入，使用奇异值分解算法计算出的。