早在上周，分享會報名渠道就已開啟——《社群分享報名丨Apollo無人駕駛平臺中多傳感器標定》。此次分享由百度美研Apollo感知團隊資深軟件架構師—Chen Guang講解。

作為軟件層提供的第一項服務，標定質量和準確度極大地影響著感知、定位地圖、PNC等模塊。在Apollo開源自動駕駛平臺中，Apollo提供了豐富的多傳感器標定服務，如激光雷達、慣導、攝像頭、多普勒雷達等多種傳感器之間的標定。算法覆蓋常規Level 2-Level 4級別自動駕駛的傳感器配置和標定需求。

除了你，已有800+開發者Get新技能。本次分享會除了高質量干貨分享，還包括與百度美研Apollo感知團隊資深軟件架構師Chen Guang的問答互動，約等于一對一的授課，馬上翻開小本本開始做課前準備。

我們目前從Chen Guang的Gitchat中瞄到了兩段：L4傳感器標定中的核心服務（激光雷達到慣導的標定，攝像頭到激光雷達的標定），先與你一起分享。

以下，ENJOY

多傳感器標定是指對于擁有不同特性和不同觀測范圍的傳感器，去準確地找到它們之間的相對位置關系。以上圖為例，雖然它們分別來自于不同的傳感器（攝像頭和激光雷達），擁有不同的觀測角度和不同的數據表達形式， 但是我們也可以設計相應的算法，來準確找到他們的相對位置關系。

傳感器之間的相對位置關系，我們通常會用一個4×4的轉換矩陣M來表示。通過這個轉換矩陣M，我們可以將一個傳感器坐標系下的點x轉換成另一個傳感器坐標系下的點y。在一個典型的3D空間中，傳感器的位移、旋轉、尺寸變化都可以用一個4×4的轉換矩陣來表示。以上圖為例，左上角3*3的矩陣R，表示傳感器的旋轉尺寸變化等。右上角的3×1的向量T，表示傳感器之間的位移關系。

但實際中，多傳感器標定會遇到各種各樣的問題，它們可能來自于硬件、車載OS和通信系統，這就導致多傳感器標定成為了無人車中一個問題“黑洞”。