4. 传感器与数据采集
高精地图更新与在线定位的质量，首先取决于采集数据的质量。采集车本质上是一个多传感器时空同步的移动测量平台：激光雷达提供三维几何与反射强度，相机提供纹理与语义，GNSS 提供全局绝对位置，IMU 提供高频姿态与角速度，轮速计提供低速位移约束。只有理解各传感器的物理特性、误差来源与互补关系，才能设计出可靠的标定与采集流程。
一、核心传感器特性与互补关系
激光雷达（LiDAR）通过飞行时间测距获得稠密点云，典型机械式或固态雷达的测距精度可达 ±2 cm，角分辨率决定点云密度。其优势是直接获取三维结构，不受光照影响；短板是雨雾衰减、玻璃与镜面反射异常、无纹理信息。相机成本低、纹理丰富，适合车道线、交通标志与语义识别，但受光照、曝光、动态范围限制，且单目缺乏绝对尺度。GNSS 提供厘米级至米级的全局坐标，RTK 固定解时可达 2～5 cm，但城市峡谷、隧道、树荫下易失锁或多路径。IMU 输出 100～1000 Hz 的加速度与角速度，短时积分平滑，但存在零偏与随机游走，长时间单独积分会快速漂移。轮速计提供低频但稳定的纵向位移，可抑制 IMU 在低速与静止时的漂移。
二、标定方法与流程
标定分为内参标定与外参标定。相机内参通过棋盘格或圆点靶标，使用张正友标定法求解焦距、主点与畸变系数；LiDAR 内参主要标定各激光束的垂直角与距离修正。外参标定解决传感器之间的相对位姿，是采集车平台的核心工作。
- 相机—LiDAR 外参：在标定场中放置带孔标定板，同时提取图像角点与点云平面，通过最小化重投影误差求解旋转平移矩阵。
- LiDAR—IMU 外参：利用车辆做“8”字、加减速与转向运动，通过手眼标定或基于连续时间轨迹的优化求解杆臂与安装角。
- GNSS 天线杆臂：测量天线相位中心到 IMU 中心的偏移量，通常用全站仪或卷尺测量后写入配置。
- 时间同步：以 GNSS 秒脉冲（PPS）为基准，统一各传感器时间戳，消除触发延迟与传输延迟。
# 典型外参配置片段（YAML）
extrinsics:
lidar_to_imu:
translation: [0.12, -0.05, 1.85] # m
rotation_quat: [0.0, 0.0, 0.7071, 0.7071]
camera_to_lidar:
translation: [0.08, 0.0, -0.12]
rotation_quat: [0.5, -0.5, 0.5, -0.5]
time_sync:
pps_source: gnss
max_offset_ms: 1.0三、采集车平台搭建要点
平台搭建需兼顾刚性、供电、散热与走线。传感器支架应使用铝合金或碳纤维，保证长期振动下外参不漂移；IMU 尽量靠近车辆质心并刚性固定；LiDAR 安装高度需避开遮挡并保证 360° 视场；相机需加装遮光罩并固定曝光。供电方面，建议为计算单元、传感器、GNSS 分别配置稳压模块，避免电压跌落导致重启。数据存储采用 NVMe SSD 阵列，按时间戳分目录落盘，并记录健康日志。
| 传感器 | 典型频率 | 主要误差 | 标定重点 | 采集注意事项 |
|---|---|---|---|---|
| 激光雷达 | 10～20 Hz | 测距噪声、反射异常 | 内参、外参、时间偏移 | 清洁镜头、避免雨雾 |
| 相机 | 10～30 Hz | 畸变、曝光、运动模糊 | 内参、外参、触发延迟 | 固定曝光、遮光 |
| GNSS | 1～20 Hz | 多路径、失锁 | 杆臂、天线相位中心 | 开阔天空、记录星况 |
| IMU | 100～1000 Hz | 零偏、随机游走 | 外参、零偏 | 刚性固定、预热 |
| 轮速计 | 20～100 Hz | 轮径误差、打滑 | 尺度因子、安装角 | 标定轮径、避免空转 |
四、典型场景与常见误区
在城市主干道采集时，GNSS 常因高楼遮挡出现浮动解，此时应依赖 LiDAR/IMU 组合进行短时递推，并在回到开阔区域后重新收敛。隧道场景中 GNSS 完全失锁，轮速计与 IMU 的预积分成为主要约束，出口处需快速重定位。地下车库则依赖 LiDAR 与视觉特征匹配。
综上，传感器选型、标定精度与平台刚性共同决定采集数据的可用性。工程上应把标定与时间同步视为持续过程，而非一次性任务；把采集车视为一个整体测量系统，而非若干设备的简单堆叠。只有如此，后续的高精地图更新与在线定位才能获得稳定可靠的输入。