CN109211298A - 一种传感器标定方法和装置 - Google Patents
一种传感器标定方法和装置 Download PDFInfo
- Publication number
- CN109211298A CN109211298A CN201710539434.2A CN201710539434A CN109211298A CN 109211298 A CN109211298 A CN 109211298A CN 201710539434 A CN201710539434 A CN 201710539434A CN 109211298 A CN109211298 A CN 109211298A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- target
- installation
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请提供一种传感器标定方法和装置,包括:获取多传感器的安装数据;获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。用于解决通过软件校准的方法来获得上述传感器的内外参数信息的方法中,标定繁琐、效率低、周期长,标定参数准确度校验困难,指标量化困难,因此不适合大量装车使用的问题。能够减少传感器标定过程中的时间成本,有利于传感器在自动驾驶车辆上的快速集成。
Description
【技术领域】
本申请涉及自动控制领域,尤其涉及一种传感器标定方法和装置。
【背景技术】
在自动驾驶车辆中,集成了多类传感器:GPS-IMU(惯性测量单元,InertialMeasurement Unit)组合导航模块、相机、激光雷达、毫米波雷达等传感器,这些传感器需要进行标定才能与车身整体状态最终匹配。现有方法为初步安装后通过软件校准的方法来获得上述传感器的内外参数信息。标定繁琐、效率低、周期长,标定参数准确度校验困难,指标量化困难,因此不适合大量装车使用。
【发明内容】
本申请的多个方面提供一种传感器标定方法和装置,用以减少传感器标定过程中的时间成本,有利于传感器在自动驾驶车辆上的快速集成。
本申请的一方面,提供一种传感器标定方法,包括:
获取多传感器的安装数据,所述安装数据是依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整后得到的;
获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述多传感器包括:
激光雷达、组合导航模块、相机、激光测距仪和毫米波雷达中的至少一种。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述多传感器通过局部可调的传感器支架安装。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述安装数据包括安装位置数据和安装角度数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置进行调整包括:
获取多传感器联合采集的目标的数据以及激光测距仪对相同目标采集的数据;
确定目标在各传感器坐标系中的坐标,并将各坐标转换到激光测距仪坐标系;
将转换到激光测距仪坐标系后的各坐标与激光测距仪对相同目标采集到的数据进行比对,依据比对结果对至少部分传感器的安装位置进行调整,记录安装数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,依据所述测试数据对所述多传感器进行标定包括:
依据各传感器对相同目标采集的测试数据,确定目标在各传感器坐标系中的坐标;
选择参考坐标系,将目标在各传感器坐标系中的坐标转换到参考坐标系;
根据转换后相同目标的坐标差异,对至少部分传感器进行标定。
本申请的另一方面,提供一种传感器标定装置,包括:
安装数据采集模块,用于获取多传感器的安装数据,所述安装数据是依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整后得到的;
标定模块,用于获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述传感器包括:
激光雷达、组合导航模块、相机、激光测距仪和毫米波雷达中的至少一种。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述多传感器通过局部可调的传感器支架安装。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述安装数据包括安装位置数据和安装角度数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述安装数据获取模块具体用于:
获取多传感器联合采集的目标的数据以及激光测距仪对相同目标采集的数据;
确定目标在各传感器坐标系中的坐标,并将各坐标转换到激光测距仪坐标系;
将转换到激光测距仪坐标系后的各坐标与激光测距仪对相同目标采集到的数据进行比对,依据比对结果对至少部分传感器的安装位置进行调整,记录安装数据。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述标定模块具体用于:
依据各传感器对相同目标采集的测试数据,确定目标在各传感器坐标系中的坐标;
选择参考坐标系,将目标在各传感器坐标系中的坐标转换到参考坐标系;
根据转换后相同目标的坐标差异,对至少部分传感器进行标定。
本发明的另一方面,提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
本发明的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
由所述技术方案可知,本申请实施例依据预先在自动驾驶车辆模型上进行预调整得到的安装数据,对多传感器进行安装,减少了因安装位置准确度差所带来的标定工作量,然后再依据多传感器采集的测试数据对多传感器进行标定,从整体上减少了传感器标定过程中的时间成本,有利于传感器在自动驾驶车辆上的快速集成。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的传感器标定方法的流程示意图;
图2为本申请一实施例提供的传感器标定方法中获取多传感器的安装数据的流程示意图;
图3为本申请一实施例提供的传感器标定方法中获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定的流程示意图;
图4为本申请一实施例提供的传感器标定装置的结构示意图;
图5为本申请一实施例提供的传感器标定装置的安装数据获取模块的结构示意图;
图6为本申请一实施例提供的传感器标定装置的标定模块的结构示意图;
图7示出了适于用来实现本发明实施方式的示例性计算机***/服务器012的框图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
自动驾驶车辆的传感器***,可能包括多种传感器,例如包括1个64线激光雷达、3个16线激光雷达、1个GPS-IMU组合导航模块、多个相机、5个毫米波雷达,形成360度的环境感知。
图1为本申请一实施例提供的传感器标定方法的示意图,如图1所示,包括以下步骤:
在101中,获取多传感器的安装数据,所述安装数据是依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整后得到的;
其中,
传感器通过传感器支架安装在自动驾驶车辆模型上;具体的,64线激光雷达安装在顶部支架中心位置,3个16线激光雷达分别安装在顶部支架的前端、左侧和右侧,GPS-IMU组合导航模块安装在顶部支架后端,多个相机安装在顶部支架前端。将安装有上述传感器的顶部支架安装于自动驾驶车辆模型顶部。5个毫米波雷达通过传感器支架分别安装在自动驾驶车辆模型的前保险杠中央、前保险杠两侧、后保险杠两侧。所述顶部支架和所述传感器支架为局部可调装置,其加工公差在(1mm)范围内,可以按照1mm的精度来调节传感器的安装平面,所述安装平面的安装数据包括安装位置数据和安装角度数据。当然,上述安装方式仅为本发明实施例所列举的例子,也可以采用其他安装方式。
所述自动驾驶车辆模型可以为1:1的自动驾驶车辆油泥模型。
在标定场地中通过传感器采集目标数据。所述标定场地设置如下:将安装有上述传感器的自动驾驶车辆模型放置在标定场地中,使用安装在顶部支架前端的激光测距仪测量出自动驾驶车辆模型前方20m、40m、60m位置,在上述位置分别安装固定轨道作为标定平面,在固定轨道上安装固定的标靶物作为目标,控制激光测距仪测量出目标的坐标,完成标定场地设置。
所述目标采用较强的反光颜色,有较强的反射率,用于激光打点扫描,能够被传感器准确感知,并能够在相机平面中清晰成像,容易被自动检测出来。
所述激光测距仪通过微调,保证了其安装的水平、垂直及旋转角度在阈值之内,可以作为其他传感器的测量基准。
具体的,如图2所示,包括以下子步骤:
在201中,获取多传感器联合采集的目标的数据以及激光测距仪对相同目标采集的数据。
通过同步板卡进行多传感器的快速同步,或,通过时间线采集多个传感器的数据信息,实现多传感器数据联合采集;所述多传感器数据联合采集包括:
控制64线激光雷达、16线激光雷达采集激光点云数据。具体的,激光雷达以一定的角速度匀速转动,在这个过程中不断地发出激光并收集反射点的信息,以便得到全方位的环境信息。激光雷达在收集反射点距离的过程中也会同时记录下该点发生的时间和水平角度,并且每个激光发射器都有编号和固定的垂直角度,根据这些数据可以计算出所有反射点的坐标。激光雷达每旋转一周收集到的所有反射点坐标的集合就形成了点云。使用滤波器滤除激光点云中的干扰,并依据目标的形状空间位置特征,通过模式聚类分析的方法进行目标检测;通过调整距离阈值的方法,将聚类分成的子群重新合并,确定新的聚类中心实现目标定位,得到目标坐标。
控制多个相机采集目标图像;具体的,控制多个相机从不同的方位采集目标图像;进行目标特征点采集与特征点匹配;在所有相机成像面中的多个二维平面坐标所构成的多条空间异面直线,通过三维坐标定位算法进行三维点重构,得到目标坐标。多相机定位***的一项重要技术是同步拍摄,只有保证足够的同步图像采集精度,才有可能实现高精度的目标定位性能。本实施例中采用硬件同步触发的方法来实现不同相机同步拍摄。
控制毫米波雷达获取目标的反射信号,具体的,使用FMCW连续线性调频波去探测目标距离,通过多个接收天线接收到信号的时延即相位差来探测目标方位信息。
通过GPS-IMU组合导航模块获取自动驾驶车辆的GPS信号和惯性导航信号,计算自动驾驶车辆的位置和姿态信息。
由于每个传感器可具有相对于彼此不同的空间位置和空间方向,因此,每个传感器获得的目标坐标数据可具有不同的传感器坐标系。
在202中,确定目标在各传感器坐标系中的坐标,并将各坐标转换到激光测距仪坐标系。
所述传感器的初始空间配置是事先已知的,可以根据多个传感器在自动驾驶车辆车体上的测量数据得到。将目标在各传感器坐标系中的坐标转换到激光测距仪坐标系中。
在203中,将转换到激光测距仪坐标系后的各坐标与激光测距仪对相同目标采集到的数据进行比对,依据比对结果对至少部分传感器的安装位置进行调整,记录安装数据。
具体的,对64线激光雷达、16线激光雷达、相机在顶部支架上的安装平面进行调节,对毫米波雷达在传感器支架上的安装位置和角度进行调节,使其获得的转换后的目标坐标数据与激光测距仪获得的目标坐标数据一致,或误差在阈值之内,即使其安装的水平、垂直及旋转角度在阈值之内。
通过以激光测距仪获得的目标坐标数据为基准对传感器进行调节,提高了传感器的安装精度,在后续装车使用中可以根据所述安装数据进行安装,提高了初始安装精度,减少了后续标定过程中所需的数据量。
在102中,获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。
其中,依据所述安装数据,将传感器通过顶部支架及传感器支架安装在自动驾驶车辆上。
具体的,如图3所示,包括以下子步骤:
在301中,依据各传感器对相同目标采集的测试数据,确定目标在各传感器坐标系中的坐标。
通过同步板卡进行多传感器的快速同步,或,通过时间线采集多个传感器的数据信息。
由于所述传感器可具有相对于彼此不同的空间位置和空间方向,因此,每个传感器获得的目标坐标数据可具有不同的传感器坐标系。
控制64线激光雷达、16线激光雷达采集激光点云数据。具体的,激光雷达以一定的角速度匀速转动,在这个过程中不断地发出激光并收集反射点的信息,以便得到全方位的环境信息。激光雷达在收集反射点距离的过程中也会同时记录下该点发生的时间和水平角度,并且每个激光发射器都有编号和固定的垂直角度,根据这些数据可以计算出所有反射点的坐标。激光雷达每旋转一周收集到的所有反射点坐标的集合就形成了点云。使用滤波器滤除激光点云中的干扰,并依据目标的形状空间位置特征,通过模式聚类分析的方法进行目标检测;通过调整距离阈值的方法,将聚类分成的子群重新合并,确定新的聚类中心实现目标定位,得到目标坐标。
控制多个相机采集目标图像;具体的,控制多个相机从不同的方位采集图像。根据多个相机从不同的方位采集到的目标的图像;进行目标特征点采集与特征点匹配;在所有相机成像面中的多个二维平面坐标所构成的多条空间异面直线,通过三维坐标定位算法进行三维点重构,得到目标坐标。
多相机定位***的一项重要技术是同步拍摄,只有保证足够的同步图像采集精度,才有可能实现高精度的目标定位性能。本实施例中采用硬件同步触发的方法来实现不同相机同步拍摄。
控制毫米波雷达获取目标的反射信号,得到目标坐标,具体的,使用FMCW连续线性调频波去探测目标距离,通过多个接收天线接收到信号的时延即相位差来探测目标方位信息,得到目标坐标。
通过GPS-IMU组合导航模块获取自动驾驶车辆的GPS信号和惯性导航信号,计算自动驾驶车辆的坐标。
在302中,选择参考坐标系,将目标在各传感器坐标系中的坐标转换到参考坐标系;
所述传感器的初始空间配置是事先已知的,可以根据多个传感器在自动驾驶车辆车体上的测量数据得到。将目标在各传感器坐标系中的坐标转换到一致的统一参考坐标系中。所述参考坐标系可以是任意的坐标系或可以是其中一个传感器的坐标系,例如IMU惯性测量单元的坐标系,也可以是自动驾驶车辆坐标系。
在303中,根据转换后相同目标的坐标差异,对至少部分传感器进行标定。
传感器获得的目标坐标被转换到统一的参考坐标系之后,以GPS-IMU***的测量数据为基准,检测一个或多个传感器在空间配置上的差异。所述差异表示所述传感器之间在所述预测空间关系中的误差;确定实际空间配置;以及基于所述实际空间配置对所述多个传感器中至少一个传感器进行标定。
所述一个或多个传感器在空间配置上的差异的检测可使用一个或多个统计方法进行。在一个例子中,所述一个或多个传感器在空间配置上的差异的检测可以采用马氏距离法。所述马氏距离法可以在不同传感器得到的目标坐标已被转换到统一的参考坐标系后,比较不同传感器得到的目标坐标。可以使用马氏距离的方法通过在统一参考坐标系中不同传感器得到的目标坐标之间产生协方差矩阵来检测差异。可以根据从各传感器得到的目标坐标,实时地更新所述协方差矩阵。可以计算在统一参考坐标系中的不同传感器得到的目标坐标之间的马氏距离。如果马氏距离超过预设阈值,所述马氏距离可以表示所述传感器异常,其可表示所述传感器需要进行校准。用于表示误差的马氏距离的预设阈值可以至少为1、2、3、4、5、6、7、8、9、10、15或20。所述阈值对于所有的传感器来说可以是统一数值或所述阈值的值可以针对每个传感器而变化。所述阈值可以是固定的或相对于一个独立的变量(例如所述自动驾驶车辆行驶的时间或距离)是可以改变的。
所述传感器在车体内的相对准确参数可以使用一个或多个卡尔曼滤波器进行确定。所述卡尔曼滤波器可以是扩展卡尔曼滤波器或无迹卡尔曼滤波器。所述卡尔曼滤波器确定的新的空间方向可以用于更新一个或多个传感器在车体内的相对准确参数。所更新的外部特性可以用于调整来自传感器或多个传感器的数据。
所述卡尔曼滤波器可以使用来自传感器的测量数据和测量数据之间的约束作为测量公式。
所述多个传感器可以进一步组织成传感器的分组或子集;每个子集包括至少两个传感器,其包括一个参考传感器和一个或多个测量传感器。每个子集可以包括测量传感器的一个不同子集,这样每个子集是离散的且所述测量子集之间没有重叠。所有的子集可具有一个统一的参考传感器。例如,可以相对于GPS-IMU惯性测量单元来分析所有的子集,所述GPS-IMU惯性测量单元作为参考传感器。每个子集的至少一个卡尔曼滤波器可以基于传感器数据确定每个子集中至少两个传感器之间的实际空间关系。多个卡尔曼滤波器可以并行工作来确定多个子集中传感器之间的实际空间关系。可以执行额外的计算以基于每个子集中的至少两个传感器之间的实际空间关系来确定所述多个传感器相对彼此的空间配置。
优选的,根据传感器采集数据进行实时分析,所述卡尔曼滤波器可以使用一种递归方法连续地更新所述传感器标定。
由于已经通过安装平面调节提高了传感器安装精度,记录了包括传感器的安装位置和角度的安装数据。在实车在后续标定过程中,通过根据所述安装数据安装传感器,可以采用较少的测量数据量,即可确定出标定精度。
采用上述实施例提供的技术方案,能够避免现有技术中标定繁琐、效率低、周期长,标定参数准确度校验困难,指标量化困难,因此不适合大量装车使用的问题,能够减少传感器标定过程中的人工和时间成本,有利于传感器在自动驾驶车辆上的快速集成。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图4为本发明所述传感器标定装置实施例的结构图,如图4所示,包括:
安装数据获取模块41,用于获取多传感器的安装数据,所述安装数据是依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整后得到的;
其中,
传感器通过传感器支架安装在自动驾驶车辆模型上;具体的,64线激光雷达安装在顶部支架中心位置,3个16线激光雷达分别安装在顶部支架的前端、左侧和右侧,GPS-IMU组合导航模块安装在顶部支架后端,多个相机安装在顶部支架前端。将安装有上述传感器的顶部支架安装于自动驾驶车辆模型顶部。5个毫米波雷达通过传感器支架分别安装在自动驾驶车辆模型的前保险杠中央、前保险杠两侧、后保险杠两侧。所述顶部支架和所述传感器支架为局部可调装置,其加工公差在(1mm)范围内,可以按照1mm的精度来调节传感器的安装平面,所述安装平面的安装数据包括安装位置数据和安装角度数据。当然,上述安装方式仅为本发明实施例所列举的例子,也可以采用其他安装方式。
所述自动驾驶车辆模型可以为1:1的自动驾驶车辆油泥模型。
在标定场地中通过传感器采集目标数据。所述标定场地设置如下:将安装有上述传感器的自动驾驶车辆模型放置在标定场地中,使用安装在顶部支架前端的激光测距仪测量出自动驾驶车辆模型前方20m、40m、60m位置,在上述位置分别安装固定轨道作为标定平面,在固定轨道上安装固定的标靶物作为目标,控制激光测距仪测量出目标的坐标,完成标定场地设置。
所述目标采用较强的反光颜色,有较强的反射率,用于激光打点扫描,能够被传感器准确感知,并能够在相机平面中清晰成像,容易被自动检测出来。
所述激光测距仪通过微调,保证了其安装的水平、垂直及旋转角度在阈值之内,可以作为其他传感器的测量基准。
具体的,如图5所示,包括:
数据获取子模块51,用于获取多传感器联合采集的目标的数据以及激光测距仪对相同目标采集的数据。
通过同步板卡进行多传感器的快速同步,或,通过时间线采集多个传感器的数据信息,实现多传感器数据联合采集;所述多传感器数据联合采集包括:
控制64线激光雷达、16线激光雷达采集激光点云数据。具体的,激光雷达以一定的角速度匀速转动,在这个过程中不断地发出激光并收集反射点的信息,以便得到全方位的环境信息。激光雷达在收集反射点距离的过程中也会同时记录下该点发生的时间和水平角度,并且每个激光发射器都有编号和固定的垂直角度,根据这些数据可以计算出所有反射点的坐标。激光雷达每旋转一周收集到的所有反射点坐标的集合就形成了点云。使用滤波器滤除激光点云中的干扰,并依据目标的形状空间位置特征,通过模式聚类分析的方法进行目标检测;通过调整距离阈值的方法,将聚类分成的子群重新合并,确定新的聚类中心实现目标定位,得到目标坐标。
控制多个相机采集目标图像;具体的,控制多个相机从不同的方位采集目标图像;进行目标特征点采集与特征点匹配;在所有相机成像面中的多个二维平面坐标所构成的多条空间异面直线,通过三维坐标定位算法进行三维点重构,得到目标坐标。多相机定位***的一项重要技术是同步拍摄,只有保证足够的同步图像采集精度,才有可能实现高精度的目标定位性能。本实施例中采用硬件同步触发的方法来实现不同相机同步拍摄。
控制毫米波雷达获取目标的反射信号,具体的,使用FMCW连续线性调频波去探测目标距离,通过多个接收天线接收到信号的时延即相位差来探测目标方位信息。
通过GPS-IMU组合导航模块获取自动驾驶车辆的GPS信号和惯性导航信号,计算自动驾驶车辆的位置和姿态信息。
由于每个传感器可具有相对于彼此不同的空间位置和空间方向,因此,每个传感器获得的目标坐标数据可具有不同的传感器坐标系。
坐标系转换子模块52,用于确定目标在各传感器坐标系中的坐标,并将各坐标转换到激光测距仪坐标系;
所述传感器的初始空间配置是事先已知的,可以根据多个传感器在自动驾驶车辆车体上的测量数据得到。将目标在各传感器坐标系中的坐标转换到激光测距仪坐标系中。
安装数据记录子模块53,用于将转换到激光测距仪坐标系后的各坐标与激光测距仪对相同目标采集到的数据进行比对,依据比对结果对至少部分传感器的安装位置进行调整,记录安装数据。
具体的,对64线激光雷达、16线激光雷达、相机在顶部支架上的安装平面进行调节,对毫米波雷达在传感器支架上的安装位置和角度进行调节,使其获得的目标坐标数据与激光测距仪获得的目标坐标数据一致,或误差在阈值之内,即使其安装的水平、垂直及旋转角度在阈值之内。
通过以激光测距仪获得的目标坐标数据为基准对传感器进行调节,提高了传感器的安装精度,在后续装车使用中可以根据所述安装数据进行安装,提高了初始安装精度,减少了后续标定过程中所需的数据量。
标定模块42,用于获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。
其中,依据所述安装数据,将传感器通过顶部支架及传感器支架安装在自动驾驶车辆上。
具体的,如图6所示,包括:
坐标获取子模块61,用于依据各传感器对相同目标采集的测试数据,确定目标在各传感器坐标系中的坐标。
通过同步板卡进行多传感器的快速同步,或,通过时间线采集多个传感器的数据信息。
由于所述传感器可具有相对于彼此不同的空间位置和空间方向,因此,每个传感器获得的目标坐标数据可具有不同的传感器坐标系。
控制64线激光雷达、16线激光雷达采集激光点云数据。具体的,激光雷达以一定的角速度匀速转动,在这个过程中不断地发出激光并收集反射点的信息,以便得到全方位的环境信息。激光雷达在收集反射点距离的过程中也会同时记录下该点发生的时间和水平角度,并且每个激光发射器都有编号和固定的垂直角度,根据这些数据可以计算出所有反射点的坐标。激光雷达每旋转一周收集到的所有反射点坐标的集合就形成了点云。使用滤波器滤除激光点云中的干扰,并依据目标的形状空间位置特征,通过模式聚类分析的方法进行目标检测;通过调整距离阈值的方法,将聚类分成的子群重新合并,确定新的聚类中心实现目标定位,得到目标坐标。
控制多个相机采集目标图像;具体的,控制多个相机从不同的方位采集图像。根据多个相机从不同的方位采集到的目标的图像;进行目标特征点采集与特征点匹配;在所有相机成像面中的多个二维平面坐标所构成的多条空间异面直线,通过三维坐标定位算法进行三维点重构,得到目标坐标。
多相机定位***的一项重要技术是同步拍摄,只有保证足够的同步图像采集精度,才有可能实现高精度的目标定位性能。本实施例中采用硬件同步触发的方法来实现不同相机同步拍摄。
控制毫米波雷达获取目标的反射信号,得到目标坐标,具体的,使用FMCW连续线性调频波去探测目标距离,通过多个接收天线接收到信号的时延即相位差来探测目标方位信息,得到目标坐标。
通过GPS-IMU组合导航模块获取自动驾驶车辆的GPS信号和惯性导航信号,计算自动驾驶车辆的坐标。
坐标系转换子模块62,用于选择参考坐标系,将目标在各传感器坐标系中的坐标转换到参考坐标系;
所述传感器的初始空间配置是事先已知的,可以根据多个传感器在自动驾驶车辆车体上的测量数据得到。将目标在各传感器坐标系中的坐标转换到一致的统一参考坐标系中。所述参考坐标系可以是任意的坐标系或可以是其中一个传感器的坐标系,例如IMU惯性测量单元的坐标系,也可以是自动驾驶车辆坐标系。
标定子模块63,用于根据转换后相同目标的坐标差异,对至少部分传感器进行标定。
传感器获得的目标坐标被转换到统一的参考坐标系之后,以GPS-IMU***的测量数据为基准,检测一个或多个传感器在空间配置上的差异。所述差异表示所述传感器之间在所述预测空间关系中的误差;确定实际空间配置;以及基于所述实际空间配置对所述多个传感器中至少一个传感器进行标定。
所述一个或多个传感器在空间配置上的差异的检测可使用一个或多个统计方法进行。在一个例子中,所述一个或多个传感器在空间配置上的差异的检测可以采用马氏距离法。所述马氏距离法可以在不同传感器得到的目标坐标已被转换到统一的参考坐标系后,比较不同传感器得到的目标坐标。可以使用马氏距离的方法通过在统一参考坐标系中不同传感器得到的目标坐标之间产生协方差矩阵来检测差异。可以根据从各传感器得到的目标坐标,实时地更新所述协方差矩阵。可以计算在统一参考坐标系中的不同传感器得到的目标坐标之间的马氏距离。如果马氏距离超过预设阈值,所述马氏距离可以表示所述传感器异常,其可表示所述传感器需要进行校准。用于表示误差的马氏距离的预设阈值可以至少为1、2、3、4、5、6、7、8、9、10、15或20。所述阈值对于所有的传感器来说可以是统一数值或所述阈值的值可以针对每个传感器而变化。所述阈值可以是固定的或相对于一个独立的变量(例如所述自动驾驶车辆行驶的时间或距离)是可以改变的。
所述传感器在车体内的相对准确参数可以使用一个或多个卡尔曼滤波器进行确定。所述卡尔曼滤波器可以是扩展卡尔曼滤波器或无迹卡尔曼滤波器。所述卡尔曼滤波器确定的新的空间方向可以用于更新一个或多个传感器在车体内的相对准确参数。所更新的外部特性可以用于调整来自传感器或多个传感器的数据。
所述卡尔曼滤波器可以使用来自传感器的测量数据和测量数据之间的约束作为测量公式。
所述多个传感器可以进一步组织成传感器的分组或子集;每个子集包括至少两个传感器,其包括一个参考传感器和一个或多个测量传感器。每个子集可以包括测量传感器的一个不同子集,这样每个子集是离散的且所述测量子集之间没有重叠。所有的子集可具有一个统一的参考传感器。例如,可以相对于GPS-IMU惯性测量单元来分析所有的子集,所述GPS-IMU惯性测量单元作为参考传感器。每个子集的至少一个卡尔曼滤波器可以基于传感器数据确定每个子集中至少两个传感器之间的实际空间关系。多个卡尔曼滤波器可以并行工作来确定多个子集中传感器之间的实际空间关系。可以执行额外的计算以基于每个子集中的至少两个传感器之间的实际空间关系来确定所述多个传感器相对彼此的空间配置。
优选的,根据传感器采集数据进行实时分析,所述卡尔曼滤波器可以使用一种递归方法连续地更新所述传感器标定。
由于已经通过安装平面调节提高了传感器安装精度,记录了包括传感器的安装位置和角度的安装数据。在实车在后续标定过程中,通过根据所述安装数据安装传感器,可以采用较少的测量数据量,即可确定出标定精度。
采用上述实施例提供的技术方案,能够避免现有技术中标定繁琐、效率低、周期长,标定参数准确度校验困难,指标量化困难,因此不适合大量装车使用的问题,能够减少传感器标定过程中的人工和时间成本,有利于传感器在自动驾驶车辆上的快速集成。
在所述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
图7示出了适于用来实现本发明实施方式的示例性计算机***/服务器012的框图。图7显示的计算机***/服务器012仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机***/服务器012以通用计算设备的形式表现。计算机***/服务器012的组件可以包括但不限于:一个或者多个处理器或者处理单元016,***存储器028,连接不同***组件(包括***存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器012典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器012访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器028可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机***/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***034可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040,可以存储在例如存储器028中,这样的程序模块042包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信,在本发明中,计算机***/服务器012与外部雷达设备进行通信,还可与一个或者多个使得用户能与该计算机***/服务器012交互的设备通信,和/或与使得该计算机***/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且,计算机***/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图7所示,网络适配器020通过总线018与计算机***/服务器012的其它模块通信。应当明白,尽管图7中未示出,可以结合计算机***/服务器012使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元016通过运行存储在***存储器028中的程序,从而执行本发明所描述的实施例中的功能和/或方法。
上述的计算机程序可以设置于计算机存储介质中,即该计算机存储介质被编码有计算机程序,该程序在被一个或多个计算机执行时,使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。
随着时间、技术的发展,介质含义越来越广泛,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (14)
1.一种传感器标定方法,其特征在于,包括:
获取多传感器的安装数据,所述安装数据是依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整后得到的;
获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。
2.根据权利要求1所述的传感器标定方法,其特征在于,所述多传感器包括:
激光雷达、组合导航模块、相机、激光测距仪和毫米波雷达中的至少一种。
3.根据权利要求1所述的传感器标定方法,其特征在于,所述多传感器通过局部可调的传感器支架安装。
4.根据权利要求1所述的方法,其特征在于,所述安装数据包括安装位置数据和安装角度数据。
5.根据权利要求1所述的传感器标定方法,其特征在于,所述依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整包括:
获取多传感器联合采集的目标的数据以及激光测距仪对相同目标采集的数据;
确定目标在各传感器坐标系中的坐标,并将各坐标转换到激光测距仪坐标系;
将转换到激光测距仪坐标系后的各坐标与激光测距仪对相同目标采集到的数据进行比对,依据比对结果对至少部分传感器的安装位置进行调整,记录安装数据。
6.根据权利要求1所述的传感器标定方法,其特征在于,所述依据所述测试数据对所述多传感器进行标定包括:
依据各传感器对相同目标采集的测试数据,确定目标在各传感器坐标系中的坐标;
选择参考坐标系,将目标在各传感器坐标系中的坐标转换到参考坐标系;
根据转换后相同目标的坐标差异,对至少部分传感器进行标定。
7.一种传感器标定装置,其特征在于,包括:
安装数据获取模块,用于获取多传感器的安装数据,所述安装数据是依据多传感器在自动驾驶车辆模型上采集的目标的数据与激光测距仪采集的相同目标的数据,对所述多传感器在所述自动驾驶车辆模型上的安装位置和安装角度进行调整后得到的;
标定模块,用于获取依据所述安装数据安装于自动驾驶车辆的多传感器采集的测试数据,依据所述测试数据对所述多传感器进行标定。
8.根据权利要求7所述的传感器标定装置,其特征在于,所述传感器包括:
激光雷达、组合导航模块、相机、激光测距仪和毫米波雷达中的至少一种。
9.根据权利要求7所述的传感器标定装置,其特征在于,所述多传感器通过局部可调的传感器支架安装。
10.根据权利要求7所述的传感器标定装置,其特征在于,所述安装数据包括安装位置数据和安装角度数据。
11.根据权利要求7所述的传感器标定装置,其特征在于,所述安装数据获取模块具体用于:
获取多传感器联合采集的目标的数据以及激光测距仪对相同目标采集的数据;
确定目标在各传感器坐标系中的坐标,并将各坐标转换到激光测距仪坐标系;
将转换到激光测距仪坐标系后的各坐标与激光测距仪对相同目标采集到的数据进行比对,依据比对结果对至少部分传感器的安装位置进行调整,记录安装数据。
12.根据权利要求7所述的传感器标定装置,其特征在于,所述标定模块具体用于:
依据各传感器对相同目标采集的测试数据,确定目标在各传感器坐标系中的坐标;
选择参考坐标系,将目标在各传感器坐标系中的坐标转换到参考坐标系;
根据转换后相同目标的坐标差异,对至少部分传感器进行标定。
13.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~6中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539434.2A CN109211298B (zh) | 2017-07-04 | 2017-07-04 | 一种传感器标定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539434.2A CN109211298B (zh) | 2017-07-04 | 2017-07-04 | 一种传感器标定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109211298A true CN109211298A (zh) | 2019-01-15 |
CN109211298B CN109211298B (zh) | 2021-08-17 |
Family
ID=64992539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710539434.2A Active CN109211298B (zh) | 2017-07-04 | 2017-07-04 | 一种传感器标定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109211298B (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712189A (zh) * | 2019-03-26 | 2019-05-03 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种传感器联合标定的方法和装置 |
CN109827610A (zh) * | 2019-03-12 | 2019-05-31 | 百度在线网络技术(北京)有限公司 | 用于校验传感器融合结果的方法和装置 |
CN109883331A (zh) * | 2019-02-20 | 2019-06-14 | 苏州风图智能科技有限公司 | 车辆标定***及方法 |
CN110007293A (zh) * | 2019-04-24 | 2019-07-12 | 禾多科技(北京)有限公司 | 场端多线束激光雷达的在线标定方法 |
CN110068706A (zh) * | 2019-03-21 | 2019-07-30 | 水利部南京水利水文自动化研究所 | 检定车仪器安装平台水平零位校准方法 |
CN110220529A (zh) * | 2019-06-17 | 2019-09-10 | 深圳数翔科技有限公司 | 一种路侧自动驾驶车辆的定位方法 |
CN110244282A (zh) * | 2019-06-10 | 2019-09-17 | 于兴虎 | 一种多相机***和激光雷达联合***及其联合标定方法 |
CN110470333A (zh) * | 2019-08-16 | 2019-11-19 | 北京致行慕远科技有限公司 | 传感器参数的标定方法及装置、存储介质和电子装置 |
CN110515047A (zh) * | 2019-08-02 | 2019-11-29 | 浙江合众新能源汽车有限公司 | 调节毫米波雷达垂直角度的方法 |
CN110907905A (zh) * | 2019-11-21 | 2020-03-24 | 重庆长安汽车股份有限公司 | 一种毫米波雷达安装位置的标定装置及方法 |
CN111307174A (zh) * | 2020-02-05 | 2020-06-19 | 深圳前海达闼云端智能科技有限公司 | 一种传感器的标定方法、运动物体及存储介质 |
CN111413678A (zh) * | 2020-04-14 | 2020-07-14 | 上海沐途汽车科技有限公司 | 一种车载雷达安装误差的校准装置及标定方法 |
CN111447259A (zh) * | 2020-03-12 | 2020-07-24 | 江西珉轩智能科技有限公司 | 一种自适应式数据协同采集方法及*** |
CN111532260A (zh) * | 2020-05-20 | 2020-08-14 | 湖北亿咖通科技有限公司 | 一种车位检测性能评价方法及电子设备 |
CN111678533A (zh) * | 2019-03-11 | 2020-09-18 | 武汉小狮科技有限公司 | 一种惯性导航设备与激光雷达的标定方法 |
CN111815717A (zh) * | 2020-07-15 | 2020-10-23 | 西北工业大学 | 一种多传感器融合外参联合半自主标定方法 |
CN111811560A (zh) * | 2020-05-29 | 2020-10-23 | 深圳元戎启行科技有限公司 | 自动驾驶传感器的检测方法、装置、***和计算机设备 |
CN112013877A (zh) * | 2020-08-31 | 2020-12-01 | 广州景骐科技有限公司 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
CN112102418A (zh) * | 2020-09-16 | 2020-12-18 | 上海商汤临港智能科技有限公司 | 一种标定方法、装置、电子设备及存储介质 |
CN112710306A (zh) * | 2020-12-21 | 2021-04-27 | 中车永济电机有限公司 | 列车用bds与ins组合导航的自定位方法 |
CN112815962A (zh) * | 2019-11-18 | 2021-05-18 | 阿里巴巴集团控股有限公司 | 联合应用传感器参数的标定方法及装置 |
CN112815961A (zh) * | 2019-11-18 | 2021-05-18 | 阿里巴巴集团控股有限公司 | 联合应用传感器标定参数的校验方法及装置 |
CN113074769A (zh) * | 2021-03-30 | 2021-07-06 | 宁夏计量质量检验检测研究院 | 一种用于检定电涡流传感器动静态指标的控制*** |
CN113359118A (zh) * | 2021-07-12 | 2021-09-07 | 广州小鹏自动驾驶科技有限公司 | 一种车载激光雷达标定方法、装置、车辆、存储介质 |
CN113359117A (zh) * | 2021-06-29 | 2021-09-07 | 上海智能网联汽车技术中心有限公司 | 一种静态标定***及方法 |
CN113392882A (zh) * | 2021-05-28 | 2021-09-14 | 中国人民解放军海军工程大学 | 一种主被动传感器抗差数据关联方法 |
CN113494927A (zh) * | 2020-03-20 | 2021-10-12 | 郑州宇通客车股份有限公司 | 一种车辆多传感器标定方法、装置及车辆 |
CN113763478A (zh) * | 2020-09-09 | 2021-12-07 | 北京京东乾石科技有限公司 | 无人车相机标定方法、装置、设备、存储介质及*** |
CN113805603A (zh) * | 2020-06-16 | 2021-12-17 | 北京二郎神科技有限公司 | 无人机标定***及方法 |
CN114662053A (zh) * | 2020-12-22 | 2022-06-24 | 北京万集科技股份有限公司 | 车辆纵向分车方法、装置及电子设备 |
WO2022204840A1 (zh) * | 2021-03-27 | 2022-10-06 | 华为技术有限公司 | 一种图像传感器的标定方法、装置、设备及存储介质 |
WO2022261825A1 (zh) * | 2021-06-15 | 2022-12-22 | 华为技术有限公司 | 自动驾驶车辆的标定方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007218738A (ja) * | 2006-02-16 | 2007-08-30 | Kumamoto Univ | 校正装置、物標検知装置および校正方法 |
CN103837869A (zh) * | 2014-02-26 | 2014-06-04 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
CN103996183A (zh) * | 2013-02-18 | 2014-08-20 | 沃尔沃汽车公司 | 校准机动车辆中的传感器总成的方法 |
CN105445721A (zh) * | 2015-12-15 | 2016-03-30 | 中国北方车辆研究所 | 基于带特征突起v型标定物的激光雷达与摄像机联合标定方法 |
CN105758426A (zh) * | 2016-02-19 | 2016-07-13 | 深圳杉川科技有限公司 | 移动机器人的多传感器的联合标定方法 |
JP2016197081A (ja) * | 2015-04-06 | 2016-11-24 | 日立建機株式会社 | 運搬車両 |
CN106405555A (zh) * | 2016-09-23 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 用于车载雷达***的障碍物检测方法和装置 |
CN106740872A (zh) * | 2017-01-13 | 2017-05-31 | 驭势科技(北京)有限公司 | 智能汽车传感器自检***和方法、辅助***和智能汽车 |
-
2017
- 2017-07-04 CN CN201710539434.2A patent/CN109211298B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007218738A (ja) * | 2006-02-16 | 2007-08-30 | Kumamoto Univ | 校正装置、物標検知装置および校正方法 |
CN103996183A (zh) * | 2013-02-18 | 2014-08-20 | 沃尔沃汽车公司 | 校准机动车辆中的传感器总成的方法 |
CN103837869A (zh) * | 2014-02-26 | 2014-06-04 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
JP2016197081A (ja) * | 2015-04-06 | 2016-11-24 | 日立建機株式会社 | 運搬車両 |
CN105445721A (zh) * | 2015-12-15 | 2016-03-30 | 中国北方车辆研究所 | 基于带特征突起v型标定物的激光雷达与摄像机联合标定方法 |
CN105758426A (zh) * | 2016-02-19 | 2016-07-13 | 深圳杉川科技有限公司 | 移动机器人的多传感器的联合标定方法 |
CN106405555A (zh) * | 2016-09-23 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 用于车载雷达***的障碍物检测方法和装置 |
CN106740872A (zh) * | 2017-01-13 | 2017-05-31 | 驭势科技(北京)有限公司 | 智能汽车传感器自检***和方法、辅助***和智能汽车 |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883331A (zh) * | 2019-02-20 | 2019-06-14 | 苏州风图智能科技有限公司 | 车辆标定***及方法 |
WO2020168744A1 (zh) * | 2019-02-20 | 2020-08-27 | 苏州风图智能科技有限公司 | 车辆标定***及方法 |
CN111678533A (zh) * | 2019-03-11 | 2020-09-18 | 武汉小狮科技有限公司 | 一种惯性导航设备与激光雷达的标定方法 |
CN109827610B (zh) * | 2019-03-12 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | 用于校验传感器融合结果的方法和装置 |
CN109827610A (zh) * | 2019-03-12 | 2019-05-31 | 百度在线网络技术(北京)有限公司 | 用于校验传感器融合结果的方法和装置 |
CN110068706A (zh) * | 2019-03-21 | 2019-07-30 | 水利部南京水利水文自动化研究所 | 检定车仪器安装平台水平零位校准方法 |
CN109712189A (zh) * | 2019-03-26 | 2019-05-03 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种传感器联合标定的方法和装置 |
CN109712189B (zh) * | 2019-03-26 | 2019-06-18 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种传感器联合标定的方法和装置 |
CN110007293A (zh) * | 2019-04-24 | 2019-07-12 | 禾多科技(北京)有限公司 | 场端多线束激光雷达的在线标定方法 |
CN110244282A (zh) * | 2019-06-10 | 2019-09-17 | 于兴虎 | 一种多相机***和激光雷达联合***及其联合标定方法 |
CN110220529A (zh) * | 2019-06-17 | 2019-09-10 | 深圳数翔科技有限公司 | 一种路侧自动驾驶车辆的定位方法 |
CN110515047A (zh) * | 2019-08-02 | 2019-11-29 | 浙江合众新能源汽车有限公司 | 调节毫米波雷达垂直角度的方法 |
CN110470333B (zh) * | 2019-08-16 | 2022-05-24 | 纳恩博(常州)科技有限公司 | 传感器参数的标定方法及装置、存储介质和电子装置 |
CN110470333A (zh) * | 2019-08-16 | 2019-11-19 | 北京致行慕远科技有限公司 | 传感器参数的标定方法及装置、存储介质和电子装置 |
CN112815961A (zh) * | 2019-11-18 | 2021-05-18 | 阿里巴巴集团控股有限公司 | 联合应用传感器标定参数的校验方法及装置 |
CN112815962A (zh) * | 2019-11-18 | 2021-05-18 | 阿里巴巴集团控股有限公司 | 联合应用传感器参数的标定方法及装置 |
CN110907905A (zh) * | 2019-11-21 | 2020-03-24 | 重庆长安汽车股份有限公司 | 一种毫米波雷达安装位置的标定装置及方法 |
CN111307174A (zh) * | 2020-02-05 | 2020-06-19 | 深圳前海达闼云端智能科技有限公司 | 一种传感器的标定方法、运动物体及存储介质 |
CN111447259B (zh) * | 2020-03-12 | 2023-04-28 | 江西珉轩智能科技有限公司 | 一种自适应式数据协同采集方法及*** |
CN111447259A (zh) * | 2020-03-12 | 2020-07-24 | 江西珉轩智能科技有限公司 | 一种自适应式数据协同采集方法及*** |
CN113494927A (zh) * | 2020-03-20 | 2021-10-12 | 郑州宇通客车股份有限公司 | 一种车辆多传感器标定方法、装置及车辆 |
CN111413678A (zh) * | 2020-04-14 | 2020-07-14 | 上海沐途汽车科技有限公司 | 一种车载雷达安装误差的校准装置及标定方法 |
CN111532260A (zh) * | 2020-05-20 | 2020-08-14 | 湖北亿咖通科技有限公司 | 一种车位检测性能评价方法及电子设备 |
CN111811560A (zh) * | 2020-05-29 | 2020-10-23 | 深圳元戎启行科技有限公司 | 自动驾驶传感器的检测方法、装置、***和计算机设备 |
CN113805603A (zh) * | 2020-06-16 | 2021-12-17 | 北京二郎神科技有限公司 | 无人机标定***及方法 |
CN111815717A (zh) * | 2020-07-15 | 2020-10-23 | 西北工业大学 | 一种多传感器融合外参联合半自主标定方法 |
CN112013877B (zh) * | 2020-08-31 | 2021-09-17 | 广州景骐科技有限公司 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
CN112013877A (zh) * | 2020-08-31 | 2020-12-01 | 广州景骐科技有限公司 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
CN113763478A (zh) * | 2020-09-09 | 2021-12-07 | 北京京东乾石科技有限公司 | 无人车相机标定方法、装置、设备、存储介质及*** |
CN112102418A (zh) * | 2020-09-16 | 2020-12-18 | 上海商汤临港智能科技有限公司 | 一种标定方法、装置、电子设备及存储介质 |
CN112102418B (zh) * | 2020-09-16 | 2022-02-11 | 上海商汤临港智能科技有限公司 | 一种标定方法、装置、电子设备及存储介质 |
CN112710306B (zh) * | 2020-12-21 | 2024-02-06 | 中车永济电机有限公司 | 列车用bds与ins组合导航的自定位方法 |
CN112710306A (zh) * | 2020-12-21 | 2021-04-27 | 中车永济电机有限公司 | 列车用bds与ins组合导航的自定位方法 |
CN114662053A (zh) * | 2020-12-22 | 2022-06-24 | 北京万集科技股份有限公司 | 车辆纵向分车方法、装置及电子设备 |
WO2022204840A1 (zh) * | 2021-03-27 | 2022-10-06 | 华为技术有限公司 | 一种图像传感器的标定方法、装置、设备及存储介质 |
CN113074769B (zh) * | 2021-03-30 | 2022-05-03 | 宁夏计量质量检验检测研究院 | 一种用于检定电涡流传感器动静态指标的控制*** |
CN113074769A (zh) * | 2021-03-30 | 2021-07-06 | 宁夏计量质量检验检测研究院 | 一种用于检定电涡流传感器动静态指标的控制*** |
CN113392882A (zh) * | 2021-05-28 | 2021-09-14 | 中国人民解放军海军工程大学 | 一种主被动传感器抗差数据关联方法 |
CN113392882B (zh) * | 2021-05-28 | 2022-04-26 | 中国人民解放军海军工程大学 | 一种主被动传感器抗差数据关联方法 |
WO2022261825A1 (zh) * | 2021-06-15 | 2022-12-22 | 华为技术有限公司 | 自动驾驶车辆的标定方法及装置 |
CN113359117A (zh) * | 2021-06-29 | 2021-09-07 | 上海智能网联汽车技术中心有限公司 | 一种静态标定***及方法 |
CN113359118A (zh) * | 2021-07-12 | 2021-09-07 | 广州小鹏自动驾驶科技有限公司 | 一种车载激光雷达标定方法、装置、车辆、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109211298B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109211298A (zh) | 一种传感器标定方法和装置 | |
CN106405555B (zh) | 用于车载雷达***的障碍物检测方法和装置 | |
US11579307B2 (en) | Method and apparatus for detecting obstacle | |
CN110178048B (zh) | 交通工具环境地图生成和更新的方法和*** | |
EP3378033B1 (en) | Systems and methods for correcting erroneous depth information | |
CN107567412B (zh) | 利用汽车相机使用车辆运动数据的对象位置测量 | |
CN107003110B (zh) | 图像处理装置和图像处理方法 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN109975773B (zh) | 毫米波雷达标定方法、装置、设备和存储介质 | |
CN111025283B (zh) | 雷达与球机联动的方法及装置 | |
JP2021526278A (ja) | 情報処理方法、システム、デバイス、プログラム及びコンピュータ記憶媒体 | |
US20100148977A1 (en) | Localization and detection system applying sensors and method thereof | |
CN113777600B (zh) | 一种多毫米波雷达协同定位跟踪方法 | |
KR102021202B1 (ko) | 다중 센서의 단일 3차원 좌표계 통합을 위한 캘리브레이션 방법 | |
WO2010018009A1 (en) | 3d time-of-flight camera system and position/orientation calibration method therefor | |
CN111868549A (zh) | 用于对声源进行空间定位的装置、***和方法 | |
CN110081881A (zh) | 一种基于无人机多传感器信息融合技术的着舰引导方法 | |
CN110032201A (zh) | 一种基于卡尔曼滤波的imu机载视觉姿态融合的方法 | |
CN110619617B (zh) | 三维成像方法、装置、设备及计算机可读存储介质 | |
CN114926378B (zh) | 一种声源跟踪的方法、***、装置和计算机存储介质 | |
CN112455502B (zh) | 基于激光雷达的列车定位方法及装置 | |
WO2021150689A1 (en) | System and methods for calibrating cameras with a fixed focal point | |
CN115272452A (zh) | 一种目标检测定位方法、装置、无人机及存储介质 | |
CN111538008B (zh) | 变换矩阵确定方法、***及装置 | |
CN106240454A (zh) | 提供车辆碰撞预警的***及车载设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |