1.一种面向复杂环境的无人驾驶多激光雷达标定与融合建图方法,其特征在于,所述方法包括:S1、在各个激光雷达扫描到标定板的前提下,移动车辆获取一段时间激光雷达扫描到的点云数据包,其中标定板为依据预设点位在室外路面目标环境中布置,标定板通过支撑架安置于地面上,且标定板与支撑架不处于同一平面;
S2、对点云数据包进行预处理,得到标定板N帧点云数据;
S3、对N帧点云数据进行ICP算法点云配准求得变换矩阵T1;
S4、构建建立激光雷达对同一块标定板N帧点云集的约束关系,并进行优化求解变换矩阵T2;
S5、将变换矩阵T1和变换矩阵T2进行均值融合,得到变换矩阵T;
S6、配合均值融合得到的变换矩阵T,基于LEGO‑LOAM算法实现多激光雷达融合建图;
其中步骤S4具体包括以下子步骤:S41、同时对得到的N帧标定板点云数据使用RANSAC算法,对N帧的标定板点云数据进行平面拟合;
S42、同时确认各激光雷达对各自拟合过的N帧标定板平面的参数单位长度法线、平面截距与平面点数据,得到多激光雷达对于标定板平面的转换关系为
2.根据权利要求1所述的面向复杂环境的无人驾驶多激光雷达标定与融合建图方法,其特征在于,步骤S2中,对点云数据包进行预处理包括:对于点云数据包,分解出N帧点云集,通过欧式聚类实现点云聚类,选择点云面积约等于标定板面积的点云群,即去除非标定板点云数据;
根据支撑架与标定板在雷达坐标系的距离,去除支撑架的点云数据,提取出N帧标定板点云数据。
3.根据权利要求1所述的面向复杂环境的无人驾驶多激光雷达标定与融合建图方法,其特征在于,步骤S6具体包括以下子步骤:S61、融合建图:每个激光雷达节点在自己的帧坐标上执行LEGO‑LOAM算法,同时订阅其他帧发布的点云数据;
S62、时空同步:获取每个激光雷达的数据的时间戳,按照时间戳进行排序,配对出不同传感器时间上对应的帧,通过外插或者删除方式使不同传感器对应帧的时间戳一致,通过均值融合得到的变换矩阵T,将所有的点云数据变换到统一的车体坐标系下;
S63、地图对齐:将所有激光雷达经过位姿优化后的当前帧点云合并到一个总点云中,对总点云进行离群点过滤,去除动态物体等错误点,对滤波后的点云进行体素栅格化,统一点云分布密度,将处理后的当前帧点云投影到全局MAP中,通过指数移动平均的方式更新地图,保存点云PCD地图。