第3章：标定场景与数据采集规范
说实话，标定算法再牛，数据采集一塌糊涂，结果也是白搭。我见过太多团队花大价钱买了激光雷达，最后标定效果差，问题就出在数据采集环节。今天咱们就聊聊，怎么把标定场景和数据采集这件事做扎实。
3.1 标定场地的选择
选场地，说白了就是给激光雷达找一个「考试环境」。这个环境不能太简单，也不能太复杂。
场地基本要求：
- 空间足够大：至少 20m × 20m 的开阔区域。我习惯留出 30m 以上的纵深，方便采集远距离点云。
- 地面平整：地面不平会导致标定结果出现系统性偏差。水泥地或沥青地都行，但别选草地或碎石路。
- 光照稳定：室内最好，室外要选阴天或早晚时段。强阳光直射会让激光雷达的接收器饱和，点云质量下降。
- 无强反射干扰：远离玻璃幕墙、大面积水面、金属反光面。这些地方会产生大量噪点。
我的小技巧：如果只能在室外标定，我会选一个四面有遮挡的停车场角落。既能挡风，又能减少阳光直射。有一次我在露天广场标定，风太大把靶标吹歪了，数据全废了……从那以后我格外注意环境稳定性。
3.2 靶标与特征物的布置
靶标是标定的「标尺」。它的作用就是给激光雷达提供一个已知几何特征的目标。常见的靶标有平面板、角反射器、球体等。
我推荐的靶标配置：
| 靶标类型 | 适用场景 | 尺寸建议 | 数量 |
|---|---|---|---|
| 平面板（棋盘格） | 多线激光雷达标定 | 1.2m × 1.2m 以上 | 3-5 块 |
| 角反射器 | 远距离标定 | 边长 0.3m | 4-6 个 |
| 球体 | 高精度标定 | 直径 0.2m | 3 个 |
布置原则：
- 覆盖整个视场：靶标要分布在激光雷达的左右、上下、远近各个区域。别只放在正前方。
- 距离梯度：从 2m 到 20m，每隔 3-5m 放一个靶标。这样能保证不同距离下的标定精度。
- 高度变化：靶标中心高度从 0.5m 到 2.5m 不等。模拟真实道路场景中的障碍物高度。
- 避免遮挡：靶标之间不要互相遮挡。每个靶标至少要有 70% 的面积被激光雷达扫描到。
注意：靶标表面要使用漫反射材料。我曾经用普通打印纸做棋盘格，结果激光打上去反射太强，点云全是噪点。后来改用哑光喷绘布，效果好了很多。
3.3 数据采集流程
数据采集不是随便扫一圈就完事了。我总结了一套标准流程，每一步都有讲究。
步骤一：设备准备
# 检查激光雷达状态
1. 确认激光雷达供电正常
2. 检查网线/串口连接是否牢固
3. 运行自检程序，查看点云输出
4. 设置合适的扫描频率（通常 10Hz）
5. 确认 GPS/IMU 时间同步正常步骤二：场景布置确认
- 用卷尺测量每个靶标的精确位置，记录到毫米级
- 拍照记录场景布局，方便后续核对
- 检查靶标是否垂直、水平（用水平仪）
- 确认没有移动物体进入场景（行人、车辆等）
步骤三：数据采集
我个人习惯采集三组数据：
- 静态采集：车辆静止，采集 30 秒点云数据。用于初始外参估计。
- 动态采集：车辆以 5-10 km/h 缓慢绕行场景一圈。注意保持匀速，避免急加速急刹车。
- 多角度采集：在 3-5 个不同位置停车，每个位置采集 10 秒数据。覆盖不同视角。
关键点：每次采集前，都要确认激光雷达的清洁度。有一次我忘了擦镜头，结果采集的数据里全是灰尘造成的噪点，白白浪费了半天时间。
3.4 数据采集的注意事项
嗯，这里要重点说说踩过的坑。我整理了一份避坑清单：
- 避免运动畸变：动态采集时，激光雷达的旋转和车辆运动叠加，会导致点云变形。解决办法是使用 IMU 数据做运动补偿，或者降低车速。
- 注意温度影响：激光雷达在低温（低于 0°C）或高温（高于 50°C）下，测量精度会下降。我一般在 10°C-30°C 的环境下标定。
- 检查时间同步：激光雷达和 IMU/GPS 的时间戳必须对齐。偏差超过 1ms，标定结果就会出问题。
- 数据量要充足：每组数据至少包含 100 帧点云。帧数太少，统计意义不够。
- 备份原始数据：采集完成后，立即备份原始数据。别问我为什么强调这个……
我曾经犯过的错：有一次采集完数据，觉得没问题就直接删了车上原始文件。结果回去发现标定算法有个 bug，需要重新处理数据。但车已经开走了，场景也变了。从那以后，我每次采集完都会在三个地方备份：车上硬盘、笔记本电脑、云端。
3.5 知识体系总览
下面这张图总结了本章的核心逻辑。你可以把它当作标定数据采集的「检查清单」。
你看，整个流程环环相扣。场地选不好，靶标布置再好也没用；靶标布置不对，数据采集再规范也白搭。说白了，标定这件事，七分靠数据，三分靠算法。
可可精品资料库