无人驾驶中感知模块负责获取和理解其周围的场景信息， 其性能和可靠性是 整个无人驾驶系统的关键环节之一， 直接影响下游的定位、路线规划和决策 等控制链。通过融合多种感知传感器的数据， 提高系统在复杂场景下的感知 能力是无人驾驶发展的主要方向。然而无论是摄像头、毫米波雷达还是激光 雷达， 都有自己的坐标系， 即传感器产生的数据都是基于自身坐标系的。将 各传感器转换到统一坐标系的过程便是传感器的外参标定。而激光雷达点云数据包含以自身为参考原点的物体3 D 坐标信息。当多个雷达 拼接以获得更大范围3 D 覆盖时， 通过外参将各个激光雷达统一到全局坐标系， 便能把各个雷达的点云很好地拼接起来，在实际使用中， 有时不方便找到用于标定的开源环境或参考物体， 为此 L i v o x 推出了自动标定技术T F A C - L i v o x 算法( T a r g e t - F r e e A u t o m a t i c C a l i b r a t i o n ) 并在G i t h u b 上开源。该技术主要依靠几何一致性假设， 即多个 雷达扫描出来的局部三维模型是一致的， 通过对基准雷达( L i D A R 0 ) 进行移 动建图， 然后将其余雷达数据对L i D A R 0 的重建地图不断进行迭代配准与计 算， 依靠一致性假设不断减少匹配误差， 直到算法收敛并且满足标定矩阵刚 性不变特性（ 六条平行线） ， 最后用一致性算法得出最终标定矩阵。
通用目标是用于驾驶员辅助系统校准传感器的几个目标的组合。使用通用目标，激光雷达，雷达和照相机类型的传感器可以被校准。这些传感器在目标上使用不同的图案来进行校准。通用目标被分为不同的区域。附着图案的底板由雷达反射材料组成。激光雷达传感器的校准图案附在顶部和底部。中间是校准的模式。
通用目标有三种用于激光雷达和照相机校准的模式，它们相对于车轮对准站（WAM CSYS）的坐标系安装在不同的高度上。
激光雷达的目标的顶部和底部在尺寸上是相同的。该图案由黑色和明亮的正方形组成，每个边的长度为80毫米。深色的方块被分成三行排列。每行有8个黑色的方块相邻放置。应确保形成中心的两个明亮的方块也应设计为深色。在目标的中心是一个参考标记（见图7），其中有一个十字准线和另一个十字准线，用于在车轮对准站中进行定位和参考。
整体上，静态标定间方案可总结为：车辆下线前，车辆驶入特别设计、建设的标定间，待车辆精确定位后，启动标定程序，依次标定各类传感器，标定结束后车辆驶离标定间。下文从标定间总体技术要求、车辆定位要求及参考方案、各类传感器标定装置等方面详细描述。静态标定方案中，除了车辆驶入、驶离标定工位、人工触发标定程序外，其他步骤全部自动化完成。其中机械运动部分如下：
⚫ 待标定车辆驶入后，定位装置启动，完成车辆定位；
⚫ 进入标定模式后，各传感器的标定装置运行至预定位置；
⚫ 标定完成后，各传感器的标定装置回位；
⚫ 定位装置的扩张机构回位，车辆驶离标定工位。
1.1静态标定间总体技术要求
在描述具体设备之前，先定义标定间的坐标系。
➢ 激光和相机标定使用靶标○1 ~○12
➢ 前向毫米波使用原有工位的前向毫米波龙门架上的标定板标定
➢ 后向角毫米波使用原有工位的后向角反标定
