CN109781163A - 标定参数有效性检验方法、装置、设备及存储介质 - Google Patents
标定参数有效性检验方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109781163A CN109781163A CN201811546017.1A CN201811546017A CN109781163A CN 109781163 A CN109781163 A CN 109781163A CN 201811546017 A CN201811546017 A CN 201811546017A CN 109781163 A CN109781163 A CN 109781163A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- radar
- acquisition
- calibrating parameters
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种标定参数有效性检验方法、装置、设备及存储介质。本发明实施例的方法,通过在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;根据所述第一传感器和第二传感器间的标定参数,对所述第一数据和第二数据进行匹配处理;根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效,可以在无人驾驶车辆的运营期间,能够实时地对两个传感器之间的标定参数进行有效性验证,传感器之间的标定参数有效性验证的成本低、且效率高。
Description
技术领域
本发明实施例涉及无人驾驶技术领域,尤其涉及一种标定参数有效性检验方法、装置、设备及存储介质。
背景技术
无人驾驶车辆在日常运营过程中,强依赖雷达与惯性测量单元(Inertialmeasurement unit,简称IMU)的标定参数的准确标定结果。随着无人驾驶车辆投入运营时间的增长,车辆上的雷达和惯性测量单元的安装角度会有不同程度的偏移,导致车辆上雷达与惯性测量单元间的标定参数有很大的误差。
但是,在无人驾驶车辆投入运营期间,对雷达和惯性测量单元进行完整标定的成本太高,且耗费很长的时间,影响无人驾驶车辆的正常运营。因此,亟需一种快速简易地检查两个传感器之间的标定参数的有效性的方法。
发明内容
本发明实施例提供一种标定参数有效性检验方法、装置、设备及存储介质,用以解决现有技术中在无人驾驶车辆投入运营期间,对雷达和惯性测量单元进行完整标定的成本太高,且耗费很长的时间,影响无人驾驶车辆的正常运营的问题。
本发明实施例的一个方面是提供一种标定参数有效性检验方法,包括:
在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;
根据所述第一传感器和第二传感器间的标定参数,对所述第一数据和第二数据进行匹配处理;
根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效。
本发明实施例的另一个方面是提供一种标定参数有效性检验装置,包括:
数据获取模块,用于在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;
匹配处理模块,用于根据所述第一传感器和第二传感器间的标定参数,对所述第一数据和第二数据进行匹配处理;
有效性检验模块,用于根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效。
本发明实施例的另一个方面是提供一种车辆控制设备,包括:
存储器,处理器,以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,
所述处理器运行所述计算机程序时实现上述所述的标定参数有效性检验方法。
本发明实施例的另一个方面是提供一种计算机可读存储介质,存储有计算机程序,
所述计算机程序被处理器执行时实现上述所述的标定参数有效性检验方法。
本发明实施例提供的标定参数有效性检验方法、装置、设备及存储介质,通过在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;根据所述第一传感器和第二传感器间的标定参数,对所述第一数据和第二数据进行匹配处理;根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效,可以在无人驾驶车辆的运营期间,能够实时地对两个传感器之间的标定参数进行有效性验证,传感器之间的标定参数有效性验证的成本低、且效率高。
附图说明
图1为本发明实施例一提供的标定参数有效性检验方法流程图;
图2为本发明实施例二提供的标定参数有效性检验方法流程图;
图3为本发明实施例三提供的标定参数有效性检验装置的结构示意图;
图4为本发明实施例五提供的车辆控制设备的结构示意图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明实施例构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明实施例的一些方面相一致的装置和方法的例子。
本发明实施例所涉及的术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
实施例一
图1为本发明实施例一提供的标定参数有效性检验方法流程图。本实施例中的方法应用于无人驾驶车辆的控制设备,该控制设备可以是车载终端等,在其他实施例中,该方法还可应用于其他设备,本实施例以车载终端为例进行示意性说明。
如图1所示,该方法具体步骤如下:
步骤S101、在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据。
在无人驾驶车辆投入运营之前,通常会对无人驾驶车辆的传感器进行标定。车载终端中可以存储各个传感器的标定参数,以及各个传感器之间的标定参数。在运营期间,可能会由于各种外部因素导致传感器发生偏转等等,引起两个传感器之间的标定参数与当前的实际参数有很大的偏差,导致两个传感器之间的标定参数失效。
本实施例中,第一传感器和第二传感器为两个不同的传感器,车载终端存储有第一传感器和第二传感器之间的标定参数。例如,第一传感器为雷达,第二传感器为惯性测量单元;或者,第一传感器为雷达,第二传感器为拍摄装置;或者第一传感器和第二传感器还可以为其他类型的两个需要验证两者之间的标定参数的传感器,本实施例此处不做具体限定。
另外,本实施例中所述的雷达至少包括激光雷达。
步骤S102、根据第一传感器和第二传感器间的标定参数,对第一数据和第二数据进行匹配处理。
本实施例中,根据第一传感器和第二传感器间的标定参数,将第一传感器和第二传感器分别采集的第一数据和第二数据进行匹配处理,后续根据匹配处理结果的好坏,来确定第一传感器和第二传感器间的标定参数是否有效。
另外,对于不同的第一传感器和第二传感器的组合,对这两个传感器采集的第一数据和第二数据进行的匹配处理可以不同。
例如,第一传感器为雷达,第二传感器为惯性测量单元。在车辆行驶过程中,获取雷达在至少两个不同位置采集的点云帧和惯性测量单元采集的定位数据。该步骤中,根据雷达和惯性测量单元之间的标定参数和定位数据,对至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果。然后,根据点云融合结果,确定雷达和惯性测量单元之间的标定参数是否有效。
例如,第一传感器为雷达,第二传感器为拍摄装置。在车辆行驶过程中,获取在某一时刻,雷达采集的点云帧和拍摄装置采集的图像帧。该步骤中,根据雷达和拍摄装置之间的标定参数,将点云帧投影到图像帧对应的二维空间,得到点云帧的投影,并计算点云帧的投影和图像帧的匹配度。然后根据点云帧的投影和图像帧的匹配度,确定雷达和拍摄装置之间的标定参数是否有效。
步骤S103、根据匹配处理的结果,确定第一传感器和第二传感器间的标定参数是否有效。
在得到匹配结果之后,根据匹配处理结果的好坏,来确定第一传感器和第二传感器间的标定参数是否有效。
例如,第一传感器为雷达,第二传感器为惯性测量单元。根据点云融合结果,确定雷达和惯性测量单元之间的标定参数是否有效,具体可以包括:根据点云融合结果中静态障碍物的边缘线融合的效果(比如静态障碍物的边缘线的重合度的大小等),确定述雷达和惯性测量单元之间的标定参数是否有效。
例如,第一传感器为雷达,第二传感器为拍摄装置。根据点云帧的投影和图像帧的匹配度,确定雷达和拍摄装置之间的标定参数是否有效,具体可以是包括:判断点云帧的投影和图像帧的匹配度是否大于匹配度阈值;如果点云帧的投影和图像帧的匹配度大于匹配度阈值,则确定雷达和拍摄装置之间的标定参数有效;如果点云帧的投影和图像帧的匹配度小于或者等于匹配度阈值,则确定雷达和拍摄装置之间的标定参数无效。其中,匹配度阈值可以由技术人员根据实际场景和经验进行设定,本实施例此处不做具体限定。
本发明实施例通过在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;根据第一传感器和第二传感器间的标定参数,对第一数据和第二数据进行匹配处理;根据匹配处理的结果,确定第一传感器和第二传感器间的标定参数是否有效,可以在无人驾驶车辆的运营期间,能够实时地对两个传感器之间的标定参数进行有效性验证,传感器之间的标定参数有效性验证的成本低、且效率高。
实施例二
图2为本发明实施例二提供的标定参数有效性检验方法流程图。在上述实施例一的基础上,本实施例中,第一传感器为雷达,第二传感器为惯性测量单元,对雷达和惯性测量单元之间的标定参数的有效性检验的实施方式进行详细地说明。另外,本实施例中所述的雷达至少包括激光雷达。
如图2所示,该方法具体步骤如下:
步骤S201、在车辆行驶过程中,获取雷达在至少两个不同位置采集的点云帧和惯性测量单元采集的定位数据。
本实施例中,为了后续能够判断点云融合的效果,至少两个不同位置采集的点云帧中均包括共同的静态障碍物,从而后续通过对点云融合结果中该共同的静态障碍物的边缘线的重合度来,来判断点云融合的效果的好坏,并进一步根据点云融合效果的好坏,来确定雷达和惯性测量单元之间的标定参数是否有效。
可选的,由于距离太近的两个位置对应的点云帧的融合效果,无法体现雷达和惯性测量单元间的标定参数是否有效,因此至少两个不同位置中任意两个位置之间的距离大于距离阈值。其中,距离阈值可以由技术人员根据雷达的感知范围和经验进行设定,本实施例此处不做具体限定。
在接收到标定参数有效性检验指令之后,车载终端可以控制无人驾驶车辆行驶一段路程。在行驶过程中,车载终端获取雷达在至少两个不同位置采集的点云帧和惯性测量单元采集的定位数据。
其中,行驶路程的长度可以由技术人员根据雷达的感知范围和经验进行设定,本实施例此处不做具体限定。
另外,为了使得至少两个不同位置采集的点云帧中均包括共同的静态障碍物,至少两个不同位置分布的区域应该不超过雷达的感知范围。
可选的,为了避免点云帧本身的数据质量差导致的点云融合结果差,车载终端控制无人驾驶车辆以预设速度范围内的速度行驶,以避免因车辆行驶速度太快导致雷达采集的点云数据本身质量太差。其中,预设速度范围可以由技术人员根据实际场景和经验进行设定,本实施例此处不做具体限定。
具体的,该步骤一种可行的实施方式如下:
在车辆行驶过程中,获取惯性测量单元实时采集的定位数据;在车辆行驶过程中,每间隔预设距离,获取雷达实时采集的点云帧,得到雷达在至少两个不同位置采集的点云帧。
其中,惯性测量单元实时采集的定位数据具有连续时间戳,能够覆盖雷达采集的至少两个不同位置采集的点云帧的时间戳。
预设距离可以由技术人员根据雷达的感知范围,采集的点云帧的数量和经验进行设定,本实施例此处不做具体限定。
例如,假设雷达的感知范围为60米,间隔的预设距离可以在10米至15米中取值。如果预设距离可以为10米,那么在车辆行驶过程中,在60米内雷达可以采集至少5个位置的点云帧。如果预设距离可以为15米,那么在车辆行驶过程中,在60米内雷达可以采集至少3个位置的点云帧。
该步骤另一种可行的实施方式如下:
在车辆行驶过程中,获取惯性测量单元实时采集的定位数据,以及雷达实时采集的点云数据;对定位数据和点云数据进行抽样处理,得到在至少两个不同位置采集的点云帧。
进一步地,对定位数据和点云数据进行抽样处理,得到在至少两个不同位置采集的点云帧,还可以采用如下方式实现:
对点云数据抽样,得到多个抽样时刻的点云帧;根据多个抽样时刻,从定位数据中获取与每个抽样时刻对应的定位位置;根据与每个抽样时刻对应的定位位置,对多个抽样时刻的点云帧进行过滤,保留在至少两个不同定位位置采集的点云帧。
在获取到雷达在至少两个不同位置采集的点云帧,以及惯性测量单元采集的定位数据之后,通过步骤S202-S203,根据雷达和惯性测量单元之间的标定参数和定位数据,对至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果。
步骤S202、根据定位数据,确定采集每个点云帧时的定位位置。
其中,惯性测量单元实时采集的定位数据具有连续时间戳,能够覆盖雷达采集的至少两个不同位置采集的点云帧的时间戳。
在确定至少两个不同位置采集的点云帧之后,对于其中的每一个点云帧,根据该点云帧的采集时刻(比如点云帧的时间戳),从定位数据中获取时间戳与该点云帧的采集时刻一致的定位位置;可以得到采集每个点云帧时的定位位置。
步骤S203、根据雷达和惯性测量单元之间的标定参数和采集每个点云帧时的定位位置,将至少两个不同位置采集的点云帧进行点云融合,得到融合后一个点云帧。
本实施例中,根据雷达和惯性测量单元之间的标定参数,基于采集每个点云帧时的定位位置,将至少两个不同位置采集的点云帧进行点云融合,具体可以采用现有技术中具有类似功能的点云融合方法实现,本实施例此处不再赘述。
步骤S204、计算融合后一个点云帧中静态障碍物的边缘线重合度。
在得到至少两个不同位置采集的点云帧融合后的一个点云帧之后,可以计算融合后的点云帧中静态障碍物的边缘线重合度。融合后的点云帧中静态障碍物的边缘线重合度越高,说明点云融合的效果越好,雷达和惯性测量单元之间的标定参数的有效性越好。
在计算得到融合后一个点云帧中静态障碍物的边缘线重合度之后,通过步骤S204-S207,根据点云融合结果,确定雷达和惯性测量单元之间的标定参数是否有效。
步骤S205、判断边缘线重合度是否大于预设阈值。
其中,预设阈值可以由技术人员根据实际场景和经验进行设定,本实施例此处不做具体限定。
若边缘线重合度大于重合度阈值,执行步骤S206。
若边缘线重合度小于或者等于重合度阈值,执行步骤S207。
步骤S206、若边缘线重合度大于重合度阈值,则确定雷达和惯性测量单元之间的标定参数有效。
步骤S207、若边缘线重合度小于或者等于重合度阈值,则确定雷达和惯性测量单元之间的标定参数无效。
另外,本实施例中,还可以采用除静态障碍物的边缘线重合度之外的其他的参数,来衡量点云融合的效果,并进一步根据点云融合的效果来确定雷达和惯性测量单元之间的标定参数是否有效,本实施例此处不做具体限定。
本发明实施例通过在车辆行驶过程中,获取雷达在至少两个不同位置采集的点云帧和惯性测量单元采集的定位数据;根据雷达和惯性测量单元之间的标定参数和定位数据,对至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果;根据点云融合结果,确定雷达和惯性测量单元之间的标定参数是否有效,能够在无人驾驶车辆的运营期间,实时地对雷达和惯性测量单元之间的标定参数进行有效性验证,雷达和惯性测量单元之间的标定参数有效性验证的成本低、且效率高。
实施例三
图3为本发明实施例三提供的标定参数有效性检验装置的结构示意图。本发明实施例提供的标定参数有效性检验装置可以执行标定参数有效性检验方法实施例提供的处理流程。如图3所示,该标定参数有效性检验装置30包括:数据获取模块301,匹配处理模块302和有效性检验模块303。
具体地,数据获取模块301,用于在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据。
匹配处理模块302,用于根据第一传感器和第二传感器间的标定参数,对第一数据和第二数据进行匹配处理。
有效性检验模块303,用于根据匹配处理的结果,确定第一传感器和第二传感器间的标定参数是否有效。
本实施例中,第一传感器为雷达,第二传感器为惯性测量单元;或者,第一传感器为雷达,第二传感器为拍摄装置。
可选的,第一传感器为雷达,第二传感器为惯性测量单元。
数据获取模块还用于:在车辆行驶过程中,获取雷达在至少两个不同位置采集的点云帧和惯性测量单元采集的定位数据。
匹配处理模块还用于:根据雷达和惯性测量单元之间的标定参数和定位数据,对至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果。
有效性检验模块还用于:根据点云融合结果,确定雷达和惯性测量单元之间的标定参数是否有效。
可选的,第一传感器为雷达,第二传感器为拍摄装置。
数据获取模块还用于:在车辆行驶过程中,获取在某一时刻,雷达采集的点云帧和拍摄装置采集的图像帧。
匹配处理模块还用于:根据雷达和拍摄装置之间的标定参数,将点云帧投影到图像帧对应的二维空间,得到点云帧的投影,并计算点云帧的投影和图像帧的匹配度。
有效性检验模块还用于:根据点云帧的投影和图像帧的匹配度,确定雷达和拍摄装置之间的标定参数是否有效。
本发明实施例提供的装置可以具体用于执行上述实施例一所提供的方法实施例,具体功能此处不再赘述。
本发明实施例通过在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;根据第一传感器和第二传感器间的标定参数,对第一数据和第二数据进行匹配处理;根据匹配处理的结果,确定第一传感器和第二传感器间的标定参数是否有效,可以在无人驾驶车辆的运营期间,能够实时地对两个传感器之间的标定参数进行有效性验证,传感器之间的标定参数有效性验证的成本低、且效率高。
实施例四
在上述实施例三的基础上,本实施例中,第一传感器为雷达,第二传感器为惯性测量单元。
可选的,数据获取模块还用于:
在车辆行驶过程中,获取惯性测量单元实时采集的定位数据;在车辆行驶过程中,每间隔预设距离,获取雷达实时采集的点云帧,得到雷达在至少两个不同位置采集的点云帧。
可选的,数据获取模块还用于:
在车辆行驶过程中,获取惯性测量单元实时采集的定位数据,以及雷达实时采集的点云数据;对定位数据和点云数据进行抽样处理,得到在至少两个不同位置采集的点云帧。
可选的,数据获取模块还用于:
对定位数据抽样,得到至少两个不同的抽样位置;根据至少两个不同的抽样位置对应的时间戳,从点云数据中获取与每个抽样位置的时间戳对应的点云帧,得到雷达在至少两个不同的抽样位置采集的点云帧。
可选的,数据获取模块还用于:
对点云数据抽样,得到多个抽样时刻的点云帧;根据多个抽样时刻,从定位数据中获取与每个抽样时刻对应的定位位置;根据与每个抽样时刻对应的定位位置,对多个抽样时刻的点云帧进行过滤,保留在至少两个不同定位位置采集的点云帧。
可选的,至少两个不同位置采集的点云帧中均包括共同的静态障碍物;至少两个不同位置中,任意两个位置之间的距离大于距离阈值。
可选的,有效性检验模块还用于:
计算融合后一个点云帧中静态障碍物的边缘线重合度;判断边缘线重合度是否大于预设阈值;若边缘线重合度大于重合度阈值,则确定雷达和惯性测量单元之间的标定参数有效;若边缘线重合度小于或者等于重合度阈值,则确定雷达和惯性测量单元之间的标定参数无效。
本发明实施例提供的装置可以具体用于执行上述实施例二所提供的方法实施例,具体功能此处不再赘述。
本发明实施例通过在车辆行驶过程中,获取雷达在至少两个不同位置采集的点云帧和惯性测量单元采集的定位数据;根据雷达和惯性测量单元之间的标定参数和定位数据,对至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果;根据点云融合结果,确定雷达和惯性测量单元之间的标定参数是否有效,能够在无人驾驶车辆的运营期间,实时地对雷达和惯性测量单元之间的标定参数进行有效性验证,雷达和惯性测量单元之间的标定参数有效性验证的成本低、且效率高。
实施例五
图4为本发明实施例五提供的车辆控制设备的结构示意图。如图4所示,该车辆控制设备50包括:处理器501,存储器502,以及存储在存储器502上并可由处理器501执行的计算机程序。
处理器501在执行存储在存储器502上的计算机程序时实现上述任一方法实施例提供的标定参数有效性检验方法。
本发明实施例通过在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;根据第一传感器和第二传感器间的标定参数,对第一数据和第二数据进行匹配处理;根据匹配处理的结果,确定第一传感器和第二传感器间的标定参数是否有效,可以在无人驾驶车辆的运营期间,能够实时地对两个传感器之间的标定参数进行有效性验证,传感器之间的标定参数有效性验证的成本低、且效率高。
另外,本发明实施例还提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述任一方法实施例提供的标定参数有效性检验方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,在本发明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。上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。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (13)
1.一种标定参数有效性检验方法,其特征在于,包括:
在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;
根据所述第一传感器和第二传感器间的标定参数,对所述第一数据和第二数据进行匹配处理;
根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效。
2.根据权利要求1所述的方法,其特征在于,所述第一传感器为雷达,所述第二传感器为惯性测量单元;
所述在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据,包括:
在车辆行驶过程中,获取所述雷达在至少两个不同位置采集的点云帧和所述惯性测量单元采集的定位数据;
相应地,所述根据所述第一传感器和第二传感器间的标定参数,将所述第一数据和第二数据进行匹配处理,包括:
根据所述雷达和惯性测量单元之间的标定参数和所述定位数据,对所述至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果;
相应地,所述根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效,包括:
根据所述点云融合结果,确定所述雷达和惯性测量单元之间的标定参数是否有效。
3.根据权利要求2所述的方法,其特征在于,所述在车辆行驶过程中,获取所述雷达在至少两个不同位置采集的点云帧和所述惯性测量单元采集的定位数据,包括:
在车辆行驶过程中,获取所述惯性测量单元实时采集的定位数据;
在车辆行驶过程中,每间隔预设距离,获取所述雷达实时采集的点云帧,得到所述雷达在至少两个不同位置采集的点云帧。
4.根据权利要求2所述的方法,其特征在于,所述在车辆行驶过程中,获取所述雷达在至少两个不同位置采集的点云帧和所述惯性测量单元采集的定位数据,包括:
在车辆行驶过程中,获取所述惯性测量单元实时采集的定位数据,以及所述雷达实时采集的点云数据;
对所述定位数据和点云数据进行抽样处理,得到所述在至少两个不同位置采集的点云帧。
5.根据权利要求4所述的方法,其特征在于,所述对所述定位数据和点云数据进行抽样处理,得到所述在至少两个不同位置采集的点云帧,包括:
对所述点云数据抽样,得到多个抽样时刻的点云帧;
根据所述多个抽样时刻,从所述定位数据中获取与每个所述抽样时刻对应的定位位置;
根据所述与每个所述抽样时刻对应的定位位置,对所述多个抽样时刻的点云帧进行过滤,保留在至少两个不同定位位置采集的点云帧。
6.根据权利要求2-5任一项所述的方法,其特征在于,所述至少两个不同位置采集的点云帧中均包括共同的静态障碍物;
所述至少两个不同位置中,任意两个位置之间的距离大于距离阈值。
7.根据权利要求2-5任一项所述的方法,其特征在于,所述根据所述雷达和惯性测量单元之间的标定参数和所述定位数据,对所述至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果,包括:
根据所述定位数据,确定采集每个所述点云帧时的定位位置;
根据所述雷达和惯性测量单元之间的标定参数和采集每个所述点云帧时的定位位置,将所述至少两个不同位置采集的点云帧进行点云融合,得到融合后一个点云帧。
8.根据权利要求7所述的方法,其特征在于,所述根据所述点云融合结果,确定所述雷达和惯性测量单元之间的标定参数是否有效,包括:
计算所述融合后一个点云帧中静态障碍物的边缘线重合度;
判断所述边缘线重合度是否大于预设阈值;
若所述边缘线重合度大于重合度阈值,则确定所述雷达和惯性测量单元之间的标定参数有效;
若所述边缘线重合度小于或者等于重合度阈值,则确定所述雷达和惯性测量单元之间的标定参数无效。
9.根据权利要求1所述的方法,其特征在于,所述第一传感器为雷达,所述第二传感器为拍摄装置;
所述在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据,包括:
在车辆行驶过程中,获取在某一时刻,所述雷达采集的点云帧和所述拍摄装置采集的图像帧;
相应地,所述根据所述第一传感器和第二传感器间的标定参数,将所述第一数据和第二数据进行匹配处理,包括:
根据所述雷达和拍摄装置之间的标定参数,将所述点云帧投影到图像帧对应的二维空间,得到所述点云帧的投影,并计算所述点云帧的投影和所述图像帧的匹配度;
相应地,所述根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效,包括:
根据所述点云帧的投影和所述图像帧的匹配度,确定所述雷达和拍摄装置之间的标定参数是否有效。
10.一种标定参数有效性检验装置,其特征在于,包括:
数据获取模块,用于在车辆行驶过程中,获取第一传感器采集的第一数据和第二传感器采集的第二数据;
匹配处理模块,用于根据所述第一传感器和第二传感器间的标定参数,对所述第一数据和第二数据进行匹配处理;
有效性检验模块,用于根据所述匹配处理的结果,确定所述第一传感器和第二传感器间的标定参数是否有效。
11.根据权利要求10所述的装置,其特征在于,所述第一传感器为雷达,所述第二传感器为惯性测量单元;
所述数据获取模块还用于:在车辆行驶过程中,获取所述雷达在至少两个不同位置采集的点云帧和所述惯性测量单元采集的定位数据;
所述匹配处理模块还用于:根据所述雷达和惯性测量单元之间的标定参数和所述定位数据,对所述至少两个不同位置采集的点云帧进行点云融合,得到点云融合结果;
所述有效性检验模块还用于:根据所述点云融合结果,确定所述雷达和惯性测量单元之间的标定参数是否有效。
12.一种车辆控制设备,其特征在于,包括:
存储器,处理器,以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,
所述处理器运行所述计算机程序时实现如权利要求1-9中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,存储有计算机程序,
所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811546017.1A CN109781163B (zh) | 2018-12-18 | 2018-12-18 | 标定参数有效性检验方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811546017.1A CN109781163B (zh) | 2018-12-18 | 2018-12-18 | 标定参数有效性检验方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109781163A true CN109781163A (zh) | 2019-05-21 |
CN109781163B CN109781163B (zh) | 2021-08-03 |
Family
ID=66497183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811546017.1A Active CN109781163B (zh) | 2018-12-18 | 2018-12-18 | 标定参数有效性检验方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109781163B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501036A (zh) * | 2019-08-16 | 2019-11-26 | 北京致行慕远科技有限公司 | 传感器参数的标定检查方法及装置 |
CN111427028A (zh) * | 2020-03-20 | 2020-07-17 | 新石器慧通(北京)科技有限公司 | 参数监测方法、装置、设备和存储介质 |
CN113064143A (zh) * | 2020-08-14 | 2021-07-02 | 百度(美国)有限责任公司 | 用于具有多LiDAR传感器的自动驾驶车辆的再校准确定*** |
WO2022193828A1 (zh) * | 2021-03-17 | 2022-09-22 | 苏州一径科技有限公司 | 标定角度的精度验证方法及装置、设备及存储介质 |
CN115797401A (zh) * | 2022-11-17 | 2023-03-14 | 昆易电子科技(上海)有限公司 | 对齐参数的验证方法、装置、存储介质及电子设备 |
WO2024125062A1 (zh) * | 2022-12-13 | 2024-06-20 | 北京图森智途科技有限公司 | 用于评估行车信息来源的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608693A (zh) * | 2015-12-18 | 2016-05-25 | 上海欧菲智能车联科技有限公司 | 车载全景环视的标定***及方法 |
CN105844624A (zh) * | 2016-03-18 | 2016-08-10 | 上海欧菲智能车联科技有限公司 | 动态标定***、动态标定***中的联合优化方法及装置 |
US20170200273A1 (en) * | 2016-01-12 | 2017-07-13 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Fusing Outputs of Sensors Having Different Resolutions |
CN107223275A (zh) * | 2016-11-14 | 2017-09-29 | 深圳市大疆创新科技有限公司 | 多路传感数据融合的方法和*** |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
CN108603933A (zh) * | 2016-01-12 | 2018-09-28 | 三菱电机株式会社 | 用于融合具有不同分辨率的传感器输出的***和方法 |
-
2018
- 2018-12-18 CN CN201811546017.1A patent/CN109781163B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608693A (zh) * | 2015-12-18 | 2016-05-25 | 上海欧菲智能车联科技有限公司 | 车载全景环视的标定***及方法 |
US20170200273A1 (en) * | 2016-01-12 | 2017-07-13 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Fusing Outputs of Sensors Having Different Resolutions |
CN108603933A (zh) * | 2016-01-12 | 2018-09-28 | 三菱电机株式会社 | 用于融合具有不同分辨率的传感器输出的***和方法 |
CN105844624A (zh) * | 2016-03-18 | 2016-08-10 | 上海欧菲智能车联科技有限公司 | 动态标定***、动态标定***中的联合优化方法及装置 |
CN107223275A (zh) * | 2016-11-14 | 2017-09-29 | 深圳市大疆创新科技有限公司 | 多路传感数据融合的方法和*** |
CN108509918A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 融合激光点云与图像的目标检测与跟踪方法 |
Non-Patent Citations (1)
Title |
---|
贾子永等: "基于梯形棋盘格的摄像机和激光雷达标定方法", 《计算机应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501036A (zh) * | 2019-08-16 | 2019-11-26 | 北京致行慕远科技有限公司 | 传感器参数的标定检查方法及装置 |
CN111427028A (zh) * | 2020-03-20 | 2020-07-17 | 新石器慧通(北京)科技有限公司 | 参数监测方法、装置、设备和存储介质 |
CN111427028B (zh) * | 2020-03-20 | 2022-03-25 | 新石器慧通(北京)科技有限公司 | 参数监测方法、装置、设备和存储介质 |
CN113064143A (zh) * | 2020-08-14 | 2021-07-02 | 百度(美国)有限责任公司 | 用于具有多LiDAR传感器的自动驾驶车辆的再校准确定*** |
WO2022193828A1 (zh) * | 2021-03-17 | 2022-09-22 | 苏州一径科技有限公司 | 标定角度的精度验证方法及装置、设备及存储介质 |
CN115797401A (zh) * | 2022-11-17 | 2023-03-14 | 昆易电子科技(上海)有限公司 | 对齐参数的验证方法、装置、存储介质及电子设备 |
CN116594028A (zh) * | 2022-11-17 | 2023-08-15 | 昆易电子科技(上海)有限公司 | 对齐参数的验证方法、装置、存储介质及电子设备 |
CN116594028B (zh) * | 2022-11-17 | 2024-02-06 | 昆易电子科技(上海)有限公司 | 对齐参数的验证方法、装置、存储介质及电子设备 |
WO2024125062A1 (zh) * | 2022-12-13 | 2024-06-20 | 北京图森智途科技有限公司 | 用于评估行车信息来源的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109781163B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109781163A (zh) | 标定参数有效性检验方法、装置、设备及存储介质 | |
US10789771B2 (en) | Method and apparatus for fusing point cloud data | |
US10198004B2 (en) | Method and apparatus for obtaining range image with UAV, and UAV | |
CN108955718B (zh) | 一种视觉里程计及其定位方法、机器人以及存储介质 | |
CN109961106B (zh) | 轨迹分类模型的训练方法和装置、电子设备 | |
CN105121999B (zh) | 用于无人驾驶飞机的天底对准的航拍图像采集的图像触发控制 | |
CN107845114B (zh) | 地图的构建方法、装置及电子设备 | |
CN109798872A (zh) | 车辆定位方法、装置和*** | |
CN110245565A (zh) | 车辆跟踪方法、装置、计算机可读存储介质及电子设备 | |
US9816786B2 (en) | Method for automatically generating a three-dimensional reference model as terrain information for an imaging device | |
CN112991401B (zh) | 车辆运行轨迹追踪方法、装置、电子设备和存储介质 | |
CN109360239A (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
CN111127584A (zh) | 建立视觉地图的方法和装置、电子设备和存储介质 | |
CN109752698A (zh) | 一种机载合成孔径雷达的惯性导航误差估算方法 | |
CN111982132B (zh) | 数据处理方法、装置和存储介质 | |
CN111750896B (zh) | 云台标定方法、装置、电子设备及存储介质 | |
CN111161153A (zh) | 宽景拼接方法、装置及存储介质 | |
CN109073398B (zh) | 一种建立地图的方法、定位方法、装置、终端及存储介质 | |
CN106462750B (zh) | 用于确定并且提供用来对车辆进行定位的地面标志的方法 | |
CN113342055A (zh) | 无人机飞行控制方法、装置、电子设备及存储介质 | |
CN106240454A (zh) | 提供车辆碰撞预警的***及车载设备 | |
KR101459522B1 (ko) | 모바일 기반의 부가정보를 이용한 위치 보정 방법 | |
CN116958452A (zh) | 三维重建方法和*** | |
CN110414374B (zh) | 一种障碍物位姿的确定方法、装置、设备及介质 | |
CN115774277A (zh) | 一种基于双队列技术的过滤gps位置漂移点的方法及装置 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211022 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, *** building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |