AUTOMATIC LASER CALIBRATION, MAPPING, AND LOCALIZATION FOR AUTONOMOUS VEHICLES

This  dissertation  presents  several  related  algorithms  that  enable  important  capabilities  forself-driving  vehicles.

Using  a  rotating  multi-beam  laser  rangefinder  to  sense  the  world,  our  vehicle  scans  millions  of  3D  points  every  second.  Calibrating  these  sensors  plays  a  crucial  role  in  accurateperception,  but  manual  calibration  is  unreasonably  tedious,  and  generally  inaccurate.  Asan  alternative,  we  present  an  unsupervised  algorithm  for  automatically  calibrating  both  theintrinsics  and  extrinsics  of  the  laser  unit  from  only  seconds  of  driving  in  an  arbitrary  andunknown  environment.  We  show  that  the  results  are  not  only  vastly  easier  to  obtain  thantraditional  calibration  techniques,  they  are  also  more  accurate.

A  second  key  challenge  in  autonomous  navigation  is  reliable  localization  in  the  faceof  uncertainty.  Using  our  calibrated  sensors,  we  obtain  high  resolution  infrared  reflectivityreadings  of  the  world.  From  these,  we  build  large-scale  self-consistent  probabilistic  lasermaps  of  urban  scenes,  and  show  that  we  can  reliably  localize  a  vehicle  against  these  maps  towithin  centimeters,  even  in  dynamic  environments,  by  fusing  noisy  GPS  and  IMU  readingswith  the  laser  in  realtime.  We  also  present  a  localization  algorithm  that  was  used  in  theDARPA  Urban  Challenge,  which  operated  without  a  prerecorded  laser  map,  and  allowedour  vehicle  to  complete  the  entire  six-hour  course  without  a  single  localization  failure.

Finally,  we  present  a  collection  of  algorithms  for  the  mapping  and  detection  of  traffic  lights  in  realtime.  These  methods  use  a  combination  of  computer-vision  techniquesand  probabilistic  approaches  to  incorporating  uncertainty  in  order  to  allow  our  vehicle  toreliably  ascertain  the  state  of  traffic-light-controlled  intersections.