CN109901139A - 激光雷达标定方法、装置、设备和存储介质 - Google Patents
激光雷达标定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109901139A CN109901139A CN201811623241.6A CN201811623241A CN109901139A CN 109901139 A CN109901139 A CN 109901139A CN 201811623241 A CN201811623241 A CN 201811623241A CN 109901139 A CN109901139 A CN 109901139A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- data
- point cloud
- cloud data
- calibration
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Navigation (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种激光雷达标定方法、装置、设备和存储介质,终端在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;并获取标定场景对应的地图数据;进而根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法获取位置转换关系;进而根据上述位置转换关系,确定激光雷达的标定结果。本申请中,终端根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法自动获取激光雷达和惯性导航***的位置转换关系,进而根据位置转换关系确定标定结果,使得获取激光雷达的标定结果是通过标定算法自动获得的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及了一种激光雷达标定方法、装置、设备和存储介质。
背景技术
随着无人驾驶技术的发展,常常采用车载传感器来获取车辆周围的位置信息,进而根据传感器检测到的信息,对自动驾驶的车辆进行规划、决策或者控制。
通常,车载传感器会使用多个传感器来获取车辆周围的位置信息。但是多个传感器之间的相对位姿(包括相对位置和朝向)之间存在一定的差异,需要通过将多个传感器的相对位姿进行标定,使得多个传感器采集到的车辆周围的位置信息统一到同一个坐标系下,进而根据在同一个坐标系下位置信息,对车辆自动驾驶进行规划、决策或者控制。上述标定的过程指的是获得多个传感器之间的相对位置的过程。现有的激光雷达标定方法通常用手工物理测量获得激光雷达与其他传感器的相对位置,根据该相对位置进行标记匹配,来实现激光雷达与其他传感器之间的相对位姿。
采用上述方法,通过手工物理测量对激光雷达进行标定,特别是针对大批量激光雷达的标定,其标定效率低。
发明内容
基于此,有必要针对激光雷达标定效率低的问题,提供一种激光雷达标定方法、装置、设备和存储介质。
第一方面,一种激光雷达标定方法,所述方法包括:
在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
获取所述标定场景对应的地图数据;
根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
根据所述位置转换关系,确定激光雷达的标定结果。
在其中一个实施例中,所述在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据,包括:
根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
在其中一个实施例中,所述根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过标定算法获取所述激光雷达和所述惯性导航***的位置转换关系,包括:
将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据;
将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系。
在其中一个实施例中,所述将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据,包括:
通过点云算法将所述点云数据匹配至所述地图数据对应的坐标系下,获得地图点云数据;所述点云算法包括ICP算法,和/或,NDT算法。
在其中一个实施例中,所述将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系,包括:
根据所述多帧惯性导航数据以及所述多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程;
根据每个相对位姿方程以及所述相对位姿方程对应的一组数据,计算所述相对位姿方程中的位置转换参数,以得到多个位置转换参数;
根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系。
在其中一个实施例中,所述根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系,包括:
将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程;
通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数;
将目标位置转换参数代入所述目标相对位姿方程,获得所述位置转换关系。
在其中一个实施例中,所述根据所述位置转换关系,确定激光雷达的标定结果,包括:
将所述位置转换关系确定为所述激光雷达的标定结果;
或者,
将所述位置转换关系进行可视化,并将可视化后的结果确定为所述激光雷达的标定结果。
在其中一个实施例中,所述目标参照物为使得所述激光雷达和惯性导航***的信号通过所述目标参照物后,反射信号强度大于预设阈值的参照物。
在其中一个实施例中,所述预设的标定场景为根据所述激光雷达、所述惯性导航***的类型和所述目标参照物的类型确定的场景。
第二方面,一种激光雷达标定装置,所述装置包括:
第一获取模块,用于在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
第二获取模块,用于获取所述标定场景对应的地图数据;
转换模块,用于根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过第一标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述第一标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
标定模块,用于根据所述位置转换关系,确定激光雷达的标定结果。
第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行上述激光雷达标定方法所述的方法步骤。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述激光雷达标定方法所述的方法步骤。
上述激光雷达标定方法、装置、设备和存储介质,终端在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据,其中标定场景中具有目标参照物;并获取标定场景对应的地图数据;进而根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法获取激光雷达和惯性导航***的位置转换关系,上述标定算法用于将点云数据和地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;进而根据位置转换关系,确定激光雷达的标定结果。本申请中,终端根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法自动获取激光雷达和惯性导航***的位置转换关系,进而根据位置转换关系自动确定激光雷达的标定结果,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
附图说明
图1为一个实施例提供的激光雷达标定应用环境的示意图;
图2为一个实施例中激光雷达标定方法的流程示意图;
图3为另一个实施例中激光雷达标定方法的流程示意图;
图4为另一个实施例中激光雷达标定方法的流程示意图;
图5为另一个实施例中激光雷达标定方法的流程示意图;
图6为另一个实施例中激光雷达标定方法的流程示意图;
图7为一个实施例提供的激光雷达标定装置的结构示意图;
图8为另一个实施例提供的激光雷达标定装置的结构示意图;
图9为另一个实施例提供的激光雷达标定装置的结构示意图;
图10为一个实施例提供的计算结设备的内部结构图。
具体实施方式
随着无人驾驶技术的发展,常常采用车载传感器来获取车辆周围的位置信息,进而根据传感器检测到的信息,对自动驾驶车辆进行规划、决策或者控制。通常,车载传感器会使用多个传感器来获取车辆周围的位置信息。但是多个传感器之间的相对位姿(包括相对位置和朝向)之间存在一定的差异,需要通过将多个传感器的相对位姿进行标定,使得多个传感器采集到的车辆周围的位置信息统一到同一个坐标系下,进而根据在同一个坐标系下位置信息,对自动驾驶的车辆进行规划、决策或者控制。上述标定的过程指的是获得多个传感器之间的相对位置的过程。本申请提供的激光雷达标定方法、装置、设备和存储介质,旨在解决标定效率低的问题。
需要说明的是,本申请实施例提供的激光雷达标定的方法,不仅可以应用于无人驾驶的场景中,还可以应用于机器人导航的场景中,本申请实施例对具体的应用场景不做限制。
本实施例提供的激光雷达标定方法,可以适用于如图1所示的应用环境中。如图1所示,激光雷达10和惯性导航***20可以安装在车辆的任意位置,通过标定算法通过获取激光雷达10与惯性导航***20之间的相对位置信息,来确定激光雷达的标定结果。
需要说明的是,本申请实施例提供的激光雷达标定方法,其执行主体可以是激光雷达标定的装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为激光雷达标定的计算机设备的部分或者全部。
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。
图2为一个实施例中激光雷达标定方法的流程示意图。本实施例涉及的是通过标定算法自动获取激光雷达与惯性导航***的位置转换关系,进而根据该位置转换关系自动确定激光雷达的标定结果的具体过程。如图2所示,该方法包括以下步骤:
S101、在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;标定场景中具有目标参照物。
具体地,目标参照物可以是使激光雷达形成良好点云成像特性的参照物,目标参照物可以是一个参照物,也可以是多个参照物,本申请实施例对此不做限制。例如,目标参照物可以是一条平直、连续的墙壁或路牙。预设的标定场景可以是包含目标参照物,又能使得惯性导航***正常定位的场景,其可以是路边带有连续、平直墙面的室外十字路口;路边带有连续、平直墙面的L形路线;路边有整齐建筑的室外十字路口;路边有整齐建筑的L形路线;路边有符合要求典型目标的非垂直路口或L形路线;路边有符合要求典型目标的停车场或空地中的任一种,或是多种场景形成的组合场景。例如,预设的标定场景可以包括是一条平直、连续的路牙,且惯性导航***能正常的连接全球定位***(Global PositioningSystem,GPS),使得惯性导航***能够正常定位的场景。点云数据可以是激光雷达信号照射到物体表面时,所反射的携带方位、距离等信息的反射信号,点云数据中可以包括多个点的位置信息和与其对应的反射激光雷达信号的强度信息。
在具体的在预设的标定场景中,获取激光雷达的点云数据的过程,可以是通过激光雷达向目标参照物发送雷达信号,获得的点云数据;也可以是通过激光雷达向目标参照物发送激光雷达信号,获得的反射信号后,对该反射信号先进行点云聚类操作,获得空间平均的点云数据,进而对空间平均的点云数据进行降噪处理,获得的点云数据;本申请实施例对此不做限制。
S102、获取标定场景对应的地图数据。
具体地,标定场景对应的地图数据可以是高精地图数据,该地图数据可以包括多个点的位置信息和与其对应的图像信息。在具体获取标定场景对应的地图数据时,可以是通过服务器下载服务器中存储的该标定场景对应的地图数据,也可以是通过摄像头或其他装置实时获取该标定场景对应的地图数据,本申请实施例对此不做限制。
S103、根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法获取激光雷达和惯性导航***的位置转换关系;标定算法用于将点云数据和地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据。
具体地,标定算法可以用于将点云数据和地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据,其可以是将待标定激光雷达的点云数据转换为惯性导航***数据对应的坐标系下的数据的算法,也可是将惯性导航***数据转化为待标定的激光雷达的点云数据对应的坐标系下的数据的算法,还可以是将待标定激光雷达的点云数据及惯性导航***数据转换到第三方坐标系下的数据的算法,本申请实施例对此不做限制。位置转换关系可以是待标定激光雷达对应的坐标系,与惯性导航***对应的坐标系之间的转换关系。
在上述实施例的基础上,可以通过建立待标定激光雷达的点云数据中的目标参照物的位置信息,和惯性导航***数据中的目标参照物的位置信息之间的转换关系,确定该位置转换关系。在具体的建立待标定的激光雷达的点云数据中的目标参照物的位置信息,和惯性导航***数据中的目标参照物的位置信息之间的转换关系时,可以是列举坐标系转换方程,确定位置转换关系;也可以是通过列举多个坐标转换方程,选取目标坐标转换方程,确定位置转换关系;本申请实施例对此不做限制。
S104、根据位置转换关系,确定激光雷达的标定结果。
具体地,激光雷达的标定结果可以是激光雷达与惯性导航***之间相对位置。上述实施例的基础上,在具体的根据位置转换关系,确定激光雷达的标定结果的过程中,在确定了位置转换关系后,可选地,可以将位置转换关系确定为激光雷达的标定结果;或者,将位置转换关系进行可视化,并将可视化后的结果确定为激光雷达的标定结果;本申请实施例对此不做限制。
上述激光雷达标定方法,终端在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据,其中标定场景中具有目标参照物;并获取标定场景对应的地图数据;进而根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法获取激光雷达和惯性导航***的位置转换关系,上述标定算法用于将点云数据和地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;进而根据位置转换关系,确定激光雷达的标定结果。本实施例中,终端根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法自动获取激光雷达和惯性导航***的位置转换关系,进而根据位置转换关系自动确定激光雷达的标定结果,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
可选地,目标参照物为使得激光雷达发射的信号通过目标参照物后,反射信号强度大于预设阈值的参照物。
具体地,目标参照物为使得激光雷达发射的信号通过目标参照物后,反射信号强度大于预设阈值的参照物。预设阈值可以是使得激光雷达发射的信号通过目标参照物后,反射的激光雷达信号的信号强度大于激光雷达能够识别的最小雷达信号强度;预设阈值还可以是当目标参照物为多个参照物时,使得激光雷达通过多个参照物获取的多个反射信号之间不相互干扰的多个参照物的位置设置。
可选地,预设的标定场景为根据激光雷达、惯性导航***和目标参照物的类型确定的场景。
具体地,预设的标定场景可以是周围环境不对目标参照物造成显著的信号干扰的场景。在预设的标定场景中,激光雷达通过目标参照物反射回的信号获取待标定激光雷达的点云数据。惯性导航***通过与GPS连接,实时获取GPS信号中的周围环境的位置信息,即时多个点对应的位置信息。例如,根据激光雷达是通过激光信号获取待标定激光雷达的点云数据,由于角散射器对激光信号具有良好的散射特性,因此激光雷达对应的目标参照物可以是角散射器;惯性导航***是根据接收GPS信号获得惯性导航***数据的,因此惯性导航***需要空旷的场地,使得GPS信号不受外界环境干扰。进而,可以根据待标定激光雷达、惯性导航***及目标参照物的类型,确定预设的标定场景为是不对激光雷达通过角散射器返回的信号造成显著的电磁干扰,且使得惯性导航***能够准确接收GPS信号的室外场地。
在上述实施例的基础上,上述S101“在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;标定场景中具有目标参照物”,可以通过数据采集规则来分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据,上述S101“在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;标定场景中具有目标参照物”,一种可能的实现方式包括:根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
具体地,数据采集规则可以是表示通过目标参照物,获取待标定激光雷达的点云数据,其可以静止的获取多帧待标定激光雷达的点云数据,也可以是运动的获取多帧待标定激光雷达的点云数据,本申请实施例对此不做限制。在具体在根据数据采集规则,通过目标参照物分别获取多帧待标定激光雷达的点云数据时,可以是将激光雷达所在的载体,处于停止状态时,获得多帧待标定激光雷达的点云数据;也可以是上述载体在缓慢行驶状态时,获得多帧待标定激光雷达的点云数据;本申请实施例对此不做限制。上述载体可以是自动驾驶车辆、辅助驾驶车辆或机器人,本申请实施例对此不做限制。
图3为另一个实施例中激光雷达标定方法的流程示意图。本实施例涉及的是根据待标定激光雷达的点云数据与地图数据获得地图点云数据,进而根据地图点云数据和惯性导航***数据得到位置转换关系的具体过程。如图3所示,上述S103“根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法获取激光雷达和惯性导航***的位置转换关系”一种可能的实现方式包括以下步骤:
S201、将多帧点云数据匹配至地图数据对应的坐标系下,获得多帧地图点云数据。
具体地,地图点云数据可以是将待标定激光雷达的点云数据投影至地图数据对应的坐标系下获得的点云数据。具体将多帧点云数据匹配至地图数据对应的坐标系下,获得多帧地图点云数据的过程中,可以将每帧待标定激光雷达的点云数据分别匹配至地图数据中,获得多帧地图点云数据;也可以是将在同一时刻获得的多帧待标定激光雷达的点云数据进行累加平均,使得每个位置的信号强度进行累加,并根据该同一时刻下点云数据的帧数,获取平均后的点云数据;同样的,获取多个其他时刻下的平均后的点云数据,进而将多帧平均后的点云数据匹配至地图数据对应的坐标系下,获得多帧地图点云数据。
可选地,通过点云算法将点云数据匹配至地图数据对应的坐标系下,获得地图点云数据;点云算法包括ICP算法,和/或,NDT算法。
具体地,迭代最近点(Iterative Closest Point,ICP)算法可以是一种曲面拟合算法,该算法是基于四元数的点集到点集配准方法。从测量点集中确定其对应的就近点的点集后,计算新的就近点的点集。用该方法进行迭代计算,直到残差平方和所构成的目标函数值不变,结束迭代过程。正态分布变换(Normal Distribution Transform,NDT)算法可以应用于三维点的统计模型,其可以使用标准最优化技术来确定两个点云之间的最优的匹配,其在配准过程中不利用对应点的特征计算和匹配,其匹配时间短。例如,可以将点云数据集中确定其在地图数据中对应的就近点点集合后,计算新的就近点云数据点集,并对上述过程进行迭代计算,直至残差平方和所构成的目标函数值不变,结束迭代过程,获取地图点云数据。
S202、将多帧地图点云数据转换为多帧惯性导航***数据对应的坐标系下的点云数据,获取激光雷达和惯性导航***的位置转换关系。
具体地,在上述实施例的基础上,获取多帧地图点云数据后,可以将同一时刻同一位置获取的地图点云数据转换到对应的惯性导航***数据对应的坐标系下。在具体的将多帧地图点云数据转换为多帧惯性导航***数据对应的坐标系下的点云数据,获取激光雷达和惯性导航***的位置转换关系,可以是通过列举坐标系转换方程,确定位置转换关系;也可以是通过列举多个坐标转换方程,选取目标坐标转换方程,确定位置转换关系;本申请实施例对此不做限制。
上述激光雷达标定方法,终端将多帧点云数据匹配至地图数据对应的坐标系下,获得多帧地图点云数据,并将多帧地图点云数据转换为多帧惯性导航***数据对应的坐标系下的点云数据,获取激光雷达和惯性导航***的位置转换关系。本实施例中,终端通过将多帧点云数据匹配至地图数据对应的坐标系下,获得多帧地图点云数据,并将该多帧地图点云数据转换为多帧惯性导航***数据对应的坐标系下的点云数据,使得终端可以自动获取激光雷达和惯性导航***的位置转换关系,进而根据该位置转换关系,进而根据位置转换关系确定激光雷达的标定结果,使得获取激光雷达的标定结果是自动获得的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
在上述实施例的基础上,终端可以根据待标定激光雷达的点云数据、惯性导航***数据和地图数据,通过标定算法获取激光雷达和惯性导航***的位置转换关系。下面通过图4来详细说明终端如何根据标定算法自动获取位置转换关系的具体过程。上述S202“将多帧地图点云数据转换为多帧惯性导航***数据对应的坐标系下的点云数据,获取激光雷达和惯性导航***的位置转换关系”一种可能的实现方式包括以下步骤:
S301、根据多帧惯性导航***数据以及多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程。
具体地,相对位姿方程可以是根据一帧地图点云数据与同一帧内惯性导航***数据获得坐标转换方程。一帧地图点云数据与同一帧内惯性导航***数据构成一组数据,该一组数据可以是在同一时刻同一位置获取的一帧地图点云数据和一帧惯性导航***数据,构成同一帧内的一组数据。在具体的根据多帧惯性导航***数据以及多帧地图点云数据列举多个相对位姿方程的过程中,每一帧地图点云数据均对应一个惯性导航***数据。其中地图点云数据与惯性导航***数据中坐标信息的表达方式不同,可以列举相对位姿方程,将激光雷达数据与其他传感器数据统一为一种表达方式。
S302、根据每个相对位姿方程以及相对位姿方程对应的一组数据,计算相对位姿方程中的位置转换参数,以得到多个位置转换参数。
具体地,每个相对位姿方程对应了一组地图点云数据和惯性导航***数据,将该组地图点云数据和惯性导航***数据代入其对应的相对位姿方程,计算得到该相对位姿方程中的位置转换参数。其中地图点云数据包括多帧地图点云数据,惯性导航***数据包括多帧惯性导航***数据,多帧地图点云数据分别与其对应的多帧惯性导航***形成多组数据,分别将多组数据代入其对应的相对位姿方程,通过计算获得多个位置转换参数。
S303、根据多个位置转换参数以及多个相对位姿方程确定位置转换关系。
具体地,在上述实施例的基础上,获得多个位置转换参数后,可以根据多个位置参数以其对应的多个相对位姿方程确定位置转换关系,其可以是先确定一个目标相对位姿方程,再获取目标位置转换参数,进而根据目标相对位置方程和目标位置转换参数确定位置转换关系。
可选地,上述S303“根据多个位置转换参数以及多个相对位姿方程确定位置转换关系”的一种可能实现方法,包括如图5所示实施例中的步骤:
S401、将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程。
具体地,可以采用最小二乘法的思路,将多个相对位姿方程进行累加,以获得减小相对位方程的误差,其可以通过最小化误差的平方和寻找数据的最佳函数匹配。本实施例中,可以将多个相对位姿方程进行累加,以获得误差最小化的最佳相对位姿方程,即为目标相对位姿方程。
S402、通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数。
具体地,位置转换参数可以包括多个参数,可以通过枚举算法,先确定多个参数中的部分参数,再根据部分参数,对其他参数进行归纳,获得目标位置转换参数。例如,位置转换参数可以包括a,b,c,d,e,f六个参数,首先确定a,b,c三个参数的具体数值,进而根据a,b,c三个参数值,穷举多个d,e,f的数值,选取穷举的多个d,e,f的数值满足预设要求的数值为d,e,f的参数值。进而根据a,b,c,d,e,f六个参数值,确定位置转换参数。
S403、将目标位置转换参数代入所述目标相对位姿方程,获得所述位置转换关系。
上述激光雷达标定方法,终端根据多帧惯性导航***数据以及多帧地图点云数据列举多个相对位姿方程,并根据每个相对位姿方程以及相对位姿方程对应的一组数据,计算相对位姿方程中的位置转换参数,以得到多个位置转换参数,进而根据多个位置转换参数以及多个相对位姿方程确定位置转换关系。本实施例中,终端通过列举多个相对位姿方程,获得多个位置转换参数,进而根据多个相对位姿方程和多个位置转换参数确定位置转换关系,使得获取激光雷达的标定结果是通过标定算法自动获得的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了标定效率。
图6为另一个实施例中激光雷达标定方法的流程图,如图6所示,在上述实施例的基础上,一种激光雷达标定方法包括:
S501、根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
S502、通过点云算法将点云数据匹配至地图数据对应的坐标系下,获得地图点云数据;点云算法包括ICP算法,和/或,NDT算法。
S503、根据多帧惯性导航数据以及多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程。
S504、根据每个相对位姿方程以及相对位姿方程对应的一组数据,计算相对位姿方程中的位置转换参数,以得到多个位置转换参数。
S505、将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程。
S506、通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数。
S507、将目标位置转换参数代入目标相对位姿方程,获得位置转换关系。
本实施例中激光雷达标定方法的技术效果与上述实施例所对应的实施例的技术效果相似,在此不再赘述。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图7为一个实施例提供的激光雷达标定装置的结构示意图。如图7所示,激光雷达标定装置,包括:第一获取模块10、第二获取模块20、转换模块30和标定模块40,其中:
第一获取模块10,用于在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
第二获取模块20,用于获取所述标定场景对应的地图数据;
转换模块30,用于根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过第一标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述第一标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
标定模块40,用于根据所述位置转换关系,确定激光雷达的标定结果。
在一个实施例中,第一获取模块10具体用于根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
本申请实施例提供的激光雷达标定装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图8为另一个实施例提供的激光雷达标定装置的结构示意图,在图7所示实施例的基础上,转换模块30包括:匹配单元301和转换单元302,其中:
匹配单元301,用于将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据;
转换单元302,用于将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系。
在一个实施例中,匹配单元301具体用于通过点云算法将所述点云数据匹配至所述地图数据对应的坐标系下,获得地图点云数据;所述点云算法包括ICP算法,和/或,NDT算法。
图9为另一个实施例提供的激光雷达标定装置的结构示意图,在图7或图8所示实施例的基础上,转换单元302,包括:列举子单元3021、转换子单元3022和确定子单元3023,其中:
列举子单元3021,用于根据所述多帧惯性导航数据以及所述多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程;
转换子单元3022,用于根据每个相对位姿方程以及所述相对位姿方程对应的一组数据,计算所述相对位姿方程中的位置转换参数,以得到多个位置转换参数;
确定子单元3023,用于根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系。
在一个实施例中,确定子单元3023具体用于将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程;通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数;将目标位置转换参数代入所述目标相对位姿方程,获得所述位置转换关系。
在一个实施例中,将所述位置转换关系确定为所述激光雷达的标定结果;或者,将所述位置转换关系进行可视化,并将可视化后的结果确定为所述激光雷达的标定结果。
在一个实施例中,所述目标参照物为使得所述激光雷达发射的信号通过所述目标参照物后,反射信号强度大于预设阈值的参照物。
在一个实施例中,所述预设的标定场景为根据所述激光雷达、所述惯性导航***的类型和所述目标参照物的类型确定的场景。
本申请实施例提供的激光雷达标定装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于一种激光雷达标定装置的具体限定可以参见上文中对于激光雷达标定方法的限定,在此不再赘述。上述激光雷达标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备被处理器执行时以实现一种激光雷达标定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
获取所述标定场景对应的地图数据;
根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
根据所述位置转换关系,确定激光雷达的标定结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据;将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过点云算法将所述点云数据匹配至所述地图数据对应的坐标系下,获得地图点云数据;所述点云算法包括ICP算法,和/或,NDT算法。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据所述多帧惯性导航数据以及所述多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程;根据每个相对位姿方程以及所述相对位姿方程对应的一组数据,计算所述相对位姿方程中的位置转换参数,以得到多个位置转换参数;根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程;通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数;将目标位置转换参数代入所述目标相对位姿方程,获得所述位置转换关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述位置转换关系确定为所述激光雷达的标定结果;或者,将所述位置转换关系进行可视化,并将可视化后的结果确定为所述激光雷达的标定结果。
在一个实施例中,所述目标参照物为使得所述激光雷达发射的信号通过所述目标参照物后,反射信号强度大于预设阈值的参照物。
在一个实施例中,所述预设的标定场景为根据所述激光雷达、所述惯性导航***的类型和所述目标参照物的类型确定的场景。
本实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
获取所述标定场景对应的地图数据;
根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
根据所述位置转换关系,确定激光雷达的标定结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据;将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过点云算法将所述点云数据匹配至所述地图数据对应的坐标系下,获得地图点云数据;所述点云算法包括ICP算法,和/或,NDT算法。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据所述多帧惯性导航数据以及所述多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程;根据每个相对位姿方程以及所述相对位姿方程对应的一组数据,计算所述相对位姿方程中的位置转换参数,以得到多个位置转换参数;根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程;通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数;将目标位置转换参数代入所述目标相对位姿方程,获得所述位置转换关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述位置转换关系确定为所述激光雷达的标定结果;或者,将所述位置转换关系进行可视化,并将可视化后的结果确定为所述激光雷达的标定结果。
在一个实施例中,所述目标参照物为使得所述激光雷达发射的信号通过所述目标参照物后,反射信号强度大于预设阈值的参照物。
在一个实施例中,所述预设的标定场景为根据所述激光雷达、所述惯性导航***的类型和所述目标参照物的类型确定的场景。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种激光雷达标定方法,其特征在于,所述方法包括:
在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
获取所述标定场景对应的地图数据;
根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
根据所述位置转换关系,确定激光雷达的标定结果。
2.根据权利要求1所述方法,其特征在于,所述在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据,包括:
根据数据采集规则,在预设的标定场景内,分别获取待标定激光雷达的多帧点云数据以及惯性导航***的多帧惯性导航***数据。
3.根据权利要求2所述方法,其特征在于,所述根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过标定算法获取所述激光雷达和所述惯性导航***的位置转换关系,包括:
将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据;
将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系。
4.根据权利要求3所述方法,其特征在于,所述将所述多帧点云数据匹配至所述地图数据对应的坐标系下,获得多帧地图点云数据,包括:
通过点云算法将所述点云数据匹配至所述地图数据对应的坐标系下,获得地图点云数据;所述点云算法包括ICP算法,和/或,NDT算法。
5.根据权利要求3所述方法,其特征在于,所述将所述多帧地图点云数据转换为所述多帧惯性导航***数据对应的坐标系下的点云数据,获取所述激光雷达和所述惯性导航***的位置转换关系,包括:
根据所述多帧惯性导航数据以及所述多帧地图点云数据列举多个相对位姿方程;其中,一帧地图点云数据与同一帧内的惯性导航***数据构成一组数据,每组数据对应一个相对位姿方程;
根据每个相对位姿方程以及所述相对位姿方程对应的一组数据,计算所述相对位姿方程中的位置转换参数,以得到多个位置转换参数;
根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系。
6.根据权利要求5所述方法,其特征在于,所述根据多个位置转换参数以及多个相对位姿方程确定所述位置转换关系,包括:
将多个相对位姿方程采用最小二乘法进行累加,获得目标相对位姿方程;
通过枚举算法对多个相对位置转换参数进行归纳,获得获取目标位置转换参数;
将目标位置转换参数代入所述目标相对位姿方程,获得所述位置转换关系。
7.根据权利要求1-6任一项所述方法,其特征在于,所述根据所述位置转换关系,确定激光雷达的标定结果,包括:
将所述位置转换关系确定为所述激光雷达的标定结果;
或者,
将所述位置转换关系进行可视化,并将可视化后的结果确定为所述激光雷达的标定结果。
8.根据权利要求1-6任一项所述方法,其特征在于,所述目标参照物为使得所述激光雷达发射的信号通过所述目标参照物后,反射信号强度大于预设阈值的参照物。
9.根据权利要求1-6任一项所述方法,其特征在于,所述预设的标定场景为根据所述激光雷达、所述惯性导航***的类型和所述目标参照物的类型确定的场景。
10.一种激光雷达标定装置,其特征在于,所述装置包括:
第一获取模块,用于在预设的标定场景内,获取待标定激光雷达的点云数据及惯性导航***数据;所述标定场景中具有目标参照物;
第二获取模块,用于获取所述标定场景对应的地图数据;
转换模块,用于根据所述待标定激光雷达的点云数据、所述惯性导航***数据和所述地图数据,通过第一标定算法获取所述激光雷达和所述惯性导航***的位置转换关系;所述第一标定算法用于将所述点云数据和所述地图数据进行坐标系匹配后,将匹配结果与惯性导航***数据转换为相同坐标系下的数据;
标定模块,用于根据所述位置转换关系,确定激光雷达的标定结果。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-9中任一项所述方法的步骤。
12.一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,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623241.6A CN109901139B (zh) | 2018-12-28 | 2018-12-28 | 激光雷达标定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623241.6A CN109901139B (zh) | 2018-12-28 | 2018-12-28 | 激光雷达标定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109901139A true CN109901139A (zh) | 2019-06-18 |
CN109901139B CN109901139B (zh) | 2023-07-04 |
Family
ID=66943512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811623241.6A Active CN109901139B (zh) | 2018-12-28 | 2018-12-28 | 激光雷达标定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901139B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能***有限公司 | 激光雷达与组合惯导的位姿标定方法、***及介质 |
CN110837080A (zh) * | 2019-10-28 | 2020-02-25 | 武汉海云空间信息技术有限公司 | 激光雷达移动测量***的快速标定方法 |
CN111060132A (zh) * | 2019-11-29 | 2020-04-24 | 苏州智加科技有限公司 | 行车定位坐标的标定方法和装置 |
CN111161353A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 车辆定位方法、装置、可读存储介质和计算机设备 |
CN111390911A (zh) * | 2020-04-03 | 2020-07-10 | 东莞仕达通自动化有限公司 | 一种机械手位置标定***及标定方法 |
CN111427026A (zh) * | 2020-02-21 | 2020-07-17 | 深圳市镭神智能***有限公司 | 激光雷达的标定方法、装置、存储介质及自移动设备 |
CN111427060A (zh) * | 2020-03-27 | 2020-07-17 | 深圳市镭神智能***有限公司 | 一种基于激光雷达的二维栅格地图构建方法和*** |
CN111458721A (zh) * | 2020-03-31 | 2020-07-28 | 江苏集萃华科智能装备科技有限公司 | 一种暴露垃圾的识别定位方法、装置及*** |
CN112034431A (zh) * | 2020-09-25 | 2020-12-04 | 新石器慧拓(北京)科技有限公司 | 一种雷达和rtk的外参标定方法及装置 |
CN112068108A (zh) * | 2020-08-11 | 2020-12-11 | 南京航空航天大学 | 一种基于全站仪的激光雷达外部参数标定方法 |
CN112146682A (zh) * | 2020-09-22 | 2020-12-29 | 福建牧月科技有限公司 | 智能汽车的传感器标定方法、装置、电子设备及介质 |
CN112285676A (zh) * | 2020-10-22 | 2021-01-29 | 知行汽车科技(苏州)有限公司 | 激光雷达与imu外参标定方法及装置 |
CN112379353A (zh) * | 2020-11-10 | 2021-02-19 | 上海交通大学 | 多台目标激光雷达间的联合标定方法及*** |
CN112414444A (zh) * | 2019-08-22 | 2021-02-26 | 阿里巴巴集团控股有限公司 | 一种数据标定方法、计算机设备、存储介质 |
WO2021057612A1 (zh) * | 2019-09-25 | 2021-04-01 | 华为技术有限公司 | 传感器的标定方法和装置 |
CN112684432A (zh) * | 2019-10-18 | 2021-04-20 | 北京万集科技股份有限公司 | 激光雷达标定方法、装置、设备及存储介质 |
CN112731358A (zh) * | 2021-01-08 | 2021-04-30 | 奥特酷智能科技(南京)有限公司 | 一种多激光雷达外参在线标定方法 |
CN112965047A (zh) * | 2021-02-01 | 2021-06-15 | 中国重汽集团济南动力有限公司 | 一种车辆多激光雷达标定方法、***、终端及存储介质 |
CN112964291A (zh) * | 2021-04-02 | 2021-06-15 | 清华大学 | 一种传感器标定的方法、装置、计算机存储介质及终端 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能***有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
CN113534110A (zh) * | 2021-06-24 | 2021-10-22 | 香港理工大学深圳研究院 | 一种多激光雷达***静态标定方法 |
CN113767264A (zh) * | 2020-03-05 | 2021-12-07 | 深圳市大疆创新科技有限公司 | 参数标定方法、装置、***和存储介质 |
WO2021253193A1 (zh) * | 2020-06-15 | 2021-12-23 | 深圳市大疆创新科技有限公司 | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 |
CN113848541A (zh) * | 2021-09-22 | 2021-12-28 | 深圳市镭神智能***有限公司 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
CN113870343A (zh) * | 2020-06-30 | 2021-12-31 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN113933820A (zh) * | 2021-12-16 | 2022-01-14 | 中智行科技有限公司 | 一种无标定物的激光雷达外参标定方法 |
CN114413887A (zh) * | 2021-12-24 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
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 |
WO2023103290A1 (zh) * | 2021-12-09 | 2023-06-15 | 上海禾赛科技有限公司 | 标定方法、标定设备、标定***和可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6608913B1 (en) * | 2000-07-17 | 2003-08-19 | Inco Limited | Self-contained mapping and positioning system utilizing point cloud data |
CN104794743A (zh) * | 2015-04-27 | 2015-07-22 | 武汉海达数云技术有限公司 | 一种车载激光移动测量***彩色点云生产方法 |
CN105719284A (zh) * | 2016-01-18 | 2016-06-29 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及终端 |
CN107204037A (zh) * | 2016-03-17 | 2017-09-26 | 中国科学院光电研究院 | 基于主被动三维成像***的三维影像生成方法 |
CN107421507A (zh) * | 2017-04-28 | 2017-12-01 | 上海华测导航技术股份有限公司 | 街景数据采集测量方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
US9870624B1 (en) * | 2017-01-13 | 2018-01-16 | Otsaw Digital Pte. Ltd. | Three-dimensional mapping of an environment |
CN107688184A (zh) * | 2017-07-24 | 2018-02-13 | 宗晖(上海)机器人有限公司 | 一种定位方法以及*** |
CN107796370A (zh) * | 2016-08-30 | 2018-03-13 | 北京四维图新科技股份有限公司 | 用于获取转换参数的方法、装置及移动测图*** |
CN108594245A (zh) * | 2018-07-04 | 2018-09-28 | 北京国泰星云科技有限公司 | 一种目标物运动监测***及方法 |
-
2018
- 2018-12-28 CN CN201811623241.6A patent/CN109901139B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6608913B1 (en) * | 2000-07-17 | 2003-08-19 | Inco Limited | Self-contained mapping and positioning system utilizing point cloud data |
CN104794743A (zh) * | 2015-04-27 | 2015-07-22 | 武汉海达数云技术有限公司 | 一种车载激光移动测量***彩色点云生产方法 |
CN105719284A (zh) * | 2016-01-18 | 2016-06-29 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及终端 |
CN107204037A (zh) * | 2016-03-17 | 2017-09-26 | 中国科学院光电研究院 | 基于主被动三维成像***的三维影像生成方法 |
CN107796370A (zh) * | 2016-08-30 | 2018-03-13 | 北京四维图新科技股份有限公司 | 用于获取转换参数的方法、装置及移动测图*** |
US9870624B1 (en) * | 2017-01-13 | 2018-01-16 | Otsaw Digital Pte. Ltd. | Three-dimensional mapping of an environment |
CN107421507A (zh) * | 2017-04-28 | 2017-12-01 | 上海华测导航技术股份有限公司 | 街景数据采集测量方法 |
CN107688184A (zh) * | 2017-07-24 | 2018-02-13 | 宗晖(上海)机器人有限公司 | 一种定位方法以及*** |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
CN108594245A (zh) * | 2018-07-04 | 2018-09-28 | 北京国泰星云科技有限公司 | 一种目标物运动监测***及方法 |
Non-Patent Citations (1)
Title |
---|
韩栋斌 等: "基于多对点云匹配的三维激光雷达外参数标定", 《激光与光电子学进展》, no. 02 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112414444B (zh) * | 2019-08-22 | 2023-05-30 | 阿里巴巴集团控股有限公司 | 一种数据标定方法、计算机设备、存储介质 |
CN112414444A (zh) * | 2019-08-22 | 2021-02-26 | 阿里巴巴集团控股有限公司 | 一种数据标定方法、计算机设备、存储介质 |
WO2021057612A1 (zh) * | 2019-09-25 | 2021-04-01 | 华为技术有限公司 | 传感器的标定方法和装置 |
CN112684432B (zh) * | 2019-10-18 | 2024-04-16 | 武汉万集光电技术有限公司 | 激光雷达标定方法、装置、设备及存储介质 |
CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能***有限公司 | 激光雷达与组合惯导的位姿标定方法、***及介质 |
CN112684432A (zh) * | 2019-10-18 | 2021-04-20 | 北京万集科技股份有限公司 | 激光雷达标定方法、装置、设备及存储介质 |
CN110837080A (zh) * | 2019-10-28 | 2020-02-25 | 武汉海云空间信息技术有限公司 | 激光雷达移动测量***的快速标定方法 |
CN110837080B (zh) * | 2019-10-28 | 2023-09-05 | 武汉海云空间信息技术有限公司 | 激光雷达移动测量***的快速标定方法 |
CN111060132A (zh) * | 2019-11-29 | 2020-04-24 | 苏州智加科技有限公司 | 行车定位坐标的标定方法和装置 |
CN111161353A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 车辆定位方法、装置、可读存储介质和计算机设备 |
CN111161353B (zh) * | 2019-12-31 | 2023-10-31 | 深圳一清创新科技有限公司 | 车辆定位方法、装置、可读存储介质和计算机设备 |
CN111427026A (zh) * | 2020-02-21 | 2020-07-17 | 深圳市镭神智能***有限公司 | 激光雷达的标定方法、装置、存储介质及自移动设备 |
CN113767264A (zh) * | 2020-03-05 | 2021-12-07 | 深圳市大疆创新科技有限公司 | 参数标定方法、装置、***和存储介质 |
CN111427060B (zh) * | 2020-03-27 | 2023-03-07 | 深圳市镭神智能***有限公司 | 一种基于激光雷达的二维栅格地图构建方法和*** |
CN111427060A (zh) * | 2020-03-27 | 2020-07-17 | 深圳市镭神智能***有限公司 | 一种基于激光雷达的二维栅格地图构建方法和*** |
CN111458721A (zh) * | 2020-03-31 | 2020-07-28 | 江苏集萃华科智能装备科技有限公司 | 一种暴露垃圾的识别定位方法、装置及*** |
CN111390911A (zh) * | 2020-04-03 | 2020-07-10 | 东莞仕达通自动化有限公司 | 一种机械手位置标定***及标定方法 |
CN114080547A (zh) * | 2020-06-15 | 2022-02-22 | 深圳市大疆创新科技有限公司 | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 |
WO2021253193A1 (zh) * | 2020-06-15 | 2021-12-23 | 深圳市大疆创新科技有限公司 | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 |
CN113870343A (zh) * | 2020-06-30 | 2021-12-31 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN113870343B (zh) * | 2020-06-30 | 2024-05-28 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN112068108A (zh) * | 2020-08-11 | 2020-12-11 | 南京航空航天大学 | 一种基于全站仪的激光雷达外部参数标定方法 |
CN112146682A (zh) * | 2020-09-22 | 2020-12-29 | 福建牧月科技有限公司 | 智能汽车的传感器标定方法、装置、电子设备及介质 |
CN112034431A (zh) * | 2020-09-25 | 2020-12-04 | 新石器慧拓(北京)科技有限公司 | 一种雷达和rtk的外参标定方法及装置 |
CN112034431B (zh) * | 2020-09-25 | 2023-09-12 | 新石器慧通(北京)科技有限公司 | 一种雷达和rtk的外参标定方法及装置 |
CN112285676B (zh) * | 2020-10-22 | 2024-02-09 | 知行汽车科技(苏州)股份有限公司 | 激光雷达与imu外参标定方法及装置 |
CN112285676A (zh) * | 2020-10-22 | 2021-01-29 | 知行汽车科技(苏州)有限公司 | 激光雷达与imu外参标定方法及装置 |
CN112379353A (zh) * | 2020-11-10 | 2021-02-19 | 上海交通大学 | 多台目标激光雷达间的联合标定方法及*** |
CN112731358B (zh) * | 2021-01-08 | 2022-03-01 | 奥特酷智能科技(南京)有限公司 | 一种多激光雷达外参在线标定方法 |
CN112731358A (zh) * | 2021-01-08 | 2021-04-30 | 奥特酷智能科技(南京)有限公司 | 一种多激光雷达外参在线标定方法 |
CN112965047A (zh) * | 2021-02-01 | 2021-06-15 | 中国重汽集团济南动力有限公司 | 一种车辆多激光雷达标定方法、***、终端及存储介质 |
CN112965047B (zh) * | 2021-02-01 | 2023-03-14 | 中国重汽集团济南动力有限公司 | 一种车辆多激光雷达标定方法、***、终端及存储介质 |
CN112964291A (zh) * | 2021-04-02 | 2021-06-15 | 清华大学 | 一种传感器标定的方法、装置、计算机存储介质及终端 |
CN113484843A (zh) * | 2021-06-02 | 2021-10-08 | 福瑞泰克智能***有限公司 | 一种激光雷达与组合导航间外参数的确定方法及装置 |
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 |
CN113534110B (zh) * | 2021-06-24 | 2023-11-24 | 香港理工大学深圳研究院 | 一种多激光雷达***静态标定方法 |
CN113534110A (zh) * | 2021-06-24 | 2021-10-22 | 香港理工大学深圳研究院 | 一种多激光雷达***静态标定方法 |
CN113848541B (zh) * | 2021-09-22 | 2022-08-26 | 深圳市镭神智能***有限公司 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
CN113848541A (zh) * | 2021-09-22 | 2021-12-28 | 深圳市镭神智能***有限公司 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
WO2023103290A1 (zh) * | 2021-12-09 | 2023-06-15 | 上海禾赛科技有限公司 | 标定方法、标定设备、标定***和可读存储介质 |
CN113933820A (zh) * | 2021-12-16 | 2022-01-14 | 中智行科技有限公司 | 一种无标定物的激光雷达外参标定方法 |
CN114413887A (zh) * | 2021-12-24 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN114413887B (zh) * | 2021-12-24 | 2024-04-02 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109901139B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901139A (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
CN111208492B (zh) | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 | |
CN109975773A (zh) | 毫米波雷达标定方法、装置、设备和存储介质 | |
CN109901138A (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
CN113870343B (zh) | 相对位姿标定方法、装置、计算机设备和存储介质 | |
CN109085608A (zh) | 车辆周围障碍物检测方法及装置 | |
CN110930495A (zh) | 基于多无人机协作的icp点云地图融合方法、***、装置及存储介质 | |
CN111650598A (zh) | 一种车载激光扫描***外参标定方法和装置 | |
CN109900298A (zh) | 一种车辆定位校准方法及*** | |
CN110501712A (zh) | 用于确定位置姿态数据的方法、装置、设备和介质 | |
CN108326845B (zh) | 基于双目相机和激光雷达的机器人定位方法、装置及*** | |
CN109946701A (zh) | 一种点云坐标转换方法及装置 | |
CN108061555A (zh) | 一种车辆定位误差矫正方法及装置 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN109978954A (zh) | 基于箱体的雷达和相机联合标定的方法和装置 | |
CN110579754A (zh) | 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法 | |
CN106060781A (zh) | 基于BIM与Zigbee技术融合的空间定位方法 | |
US11423573B2 (en) | System and methods for calibrating cameras with a fixed focal point | |
CN114485698A (zh) | 一种交叉路口引导线生成方法及*** | |
CN115272452A (zh) | 一种目标检测定位方法、装置、无人机及存储介质 | |
CN115685153A (zh) | 一种激光雷达标定方法、装置、设备及存储介质 | |
CN107270890B (zh) | 一种无人机上tof距离传感器的测距方法及*** | |
CN102052925A (zh) | 基于空间关系约束的适配区景象匹配方法 | |
CN117075158A (zh) | 基于激光雷达的无人变形运动平台的位姿估计方法及*** | |
CN112762936B (zh) | 一种运用于长航时无人机载荷的多源定位信息融合方法 |
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 |