CN110609268A - 一种激光雷达标定方法、装置、***及存储介质 - Google Patents
一种激光雷达标定方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN110609268A CN110609268A CN201811295388.7A CN201811295388A CN110609268A CN 110609268 A CN110609268 A CN 110609268A CN 201811295388 A CN201811295388 A CN 201811295388A CN 110609268 A CN110609268 A CN 110609268A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- determining
- lane line
- laser radar
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明的实施例提供了一种激光雷达标定方法、装置、***和存储介质。上述激光雷达标定的方法包括:从有序的点云数据中提取多个帧的、至少2根线束的点云数据,其中,所提取的点云数据中包括车道线的点云数据;在所述所提取的点云数据中确定所述车道线的点云数据;以及根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参。根据本发明实施例的激光雷达标定方法、装置、***以存储介质,利用常见的车道线即可对激光雷达标定,不需要额外的辅助装置。由此,可以简化激光雷达设计并降低设备成本,尤其适用于汽车的自动驾驶及导航定位等应用场景。
Description
技术领域
本发明涉及激光雷达技术领域,更具体地涉及一种激光雷达标定方法、装置、***及存储介质。
背景技术
激光雷达在工作之前需要对激光雷达的外参数进行标定。激光雷达的外参数标定通常需要利用标定板等辅助装置获取参照信息进行标定。由此,现有的标定技术所需的设备复杂,成本高。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种激光雷达标定方法,包括:
从有序的点云数据中提取多个帧的、至少2根线束的点云数据,其中,所提取的点云数据中包括车道线的点云数据;
在所述所提取的点云数据中确定所述车道线的点云数据;以及
根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参。
示例性地,所述根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参包括:
绕激光雷达Z轴将所述车道线的点云数据旋转不同旋转角度,以得到对应每个旋转角度的旋转后的点云数据,并且,针对每个旋转角度执行如下操作:
将所述旋转后的点云数据转换到同一坐标系,以得到同一坐标系中的点云数据;
对所述同一坐标系中的点云数据进行直线拟合,并根据所得直线确定线宽阈值范围内的点云的数量;
根据所有旋转角度的所述数量确定所述激光雷达的Z轴旋转外参。
示例性地,所述绕激光雷达Z轴将所述车道线的点云数据旋转不同旋转角度包括:以固定步进角度绕激光雷达Z轴将所述车道线的点云数据旋转360度。
示例性地,所述将所述旋转后的点云数据转换到同一坐标系,以得到同一坐标系中的点云数据包括:
针对所述旋转后的点云数据中的每个帧的点云数据,根据该帧的定位信息将该帧转换到同一坐标系,以得到同一坐标系中的点云数据。
示例性地,所述对所述同一坐标系中的点云数据进行直线拟合包括:对所述同一坐标系中的点云数据进行随机抽样一致性直线拟合。
示例性地,所述根据所有旋转角度的所述数量确定所述激光雷达的Z轴旋转外参包括:
确定所有旋转角度的所述数量的最大值;
根据与所述最大值对应的旋转角度确定所述激光雷达的Z轴旋转外参。
示例性地,所述根据与所述最大值对应的旋转角度确定所述激光雷达的Z轴旋转外参包括:对与所述最大值对应的所有旋转角度求均值,以作为所述激光雷达的Z轴旋转外参。
示例性地,所述在所述所提取的点云数据中确定所述车道线的点云数据包括:
根据所述所提取的点云数据确定包括所述车道线的点云数据的感兴趣区域(Region Of Interest,简称ROI);
在所述感兴趣区域中确定所述车道线的点云数据。
示例性地,所述根据所述所提取的点云数据确定包括所述车道线的点云数据的感兴趣区域包括:
根据车道线的第二反射强度阈值范围确定所述所提取的点云数据中的每个帧的车道线的段数;
根据所述每个帧的车道线的段数确定所述感兴趣区域,其中每个帧的、感兴趣区域中的车道线的段数不超过所述所提取的点云数据中包括的线束的数量。
示例性地,所述在所述感兴趣区域中确定所述车道线的点云数据包括:
对所述感兴趣区域中的点云数据进行中值滤波处理;
判断经中值滤波处理的点云数据是否在车道线的第三反射强度阈值范围内,以确定所述车道线的点云数据。
示例性地,所述感兴趣区域是矩形区域。
示例性地,所述从有序的点云数据中提取多个帧的、至少2根线束的点云数据包括:
针对所述至少2根线束,从所述有序的点云数据中分别提取每个帧的点云数据;
根据车道线的第一反射强度阈值范围确定所提取的每个帧的点云数据中是否包括车道线的点云数据,以确定所述多个帧。
示例性地,在所述所提取的点云数据中确定所述车道线的点云数据之前,所述方法还包括:对所述所提取的点云数据进行滤波降噪处理。
示例性地,所述多个帧是连续的多个帧。
示例性地,在所述从有序的点云数据中提取多个帧的、至少2根线束的点云数据之前,所述方法还包括:把无序的点云数据转换为有序的点云数据。
根据本发明另一方面,还提供了一种用于激光雷达标定的装置,包括:
提取模块,用于从有序的点云数据中提取多个帧的、至少2根线束的点云数据,其中,所提取的点云数据中包括车道线的点云数据;
车道线点云确定模块,用于在所述所提取的点云数据中确定所述车道线的点云数据;以及
参数确定模块,用于根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参。
根据本发明再一方面,还提供了一种用于激光雷达标定的***,包括处理器和存储器,其中,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行上述激光雷达标定方法。
根据本发明又一方面,还提供了一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行上述激光雷达标定方法。
根据本发明实施例的激光雷达标定方法、装置、***以存储介质,利用常见的车道线即可对激光雷达标定,不需要额外的辅助装置。由此,可以简化激光雷达设计并降低设备成本,尤其适用于汽车的自动驾驶及导航定位等应用场景。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出了根据本发明一个实施例的激光雷达标定方法的示意性流程图;
图2示出了根据本发明一个实施例的从有序的点云数据中提取多个帧的、至少2根线束的点云数据的示意性流程图;
图3示出了根据本发明一个实施例的在所提取的点云数据中确定车道线的点云数据的示意性流程图;
图4示出了根据本发明一个实施例的根据所提取的点云数据确定包括车道线的点云数据的感兴趣区域的示意性流程图;
图5示出了根据本发明一个实施例的在感兴趣区域中确定车道线的点云数据的示意性流程图;
图6示出了根据本发明一个实施例的根据车道线的点云数据确定激光雷达的Z轴旋转外参的示意性流程图;
图7示出了根据本发明一个实施例的根据所有旋转角度的拟合直线的线宽阈值范围内的点云的数量确定激光雷达的Z轴旋转外参的示意性流程图;
图8示出了根据本发明一个实施例的2根线束的单帧点云数据的示意图;
图9示出了根据本发明一个实施例的包括车道线的单帧点云数据的ROI的示意图;
图10A和图10B示出了根据本发明一个实施例的绕激光雷达Z轴将车道线的点云数据旋转不同旋转角度并且转换到同一坐标系的示意图;
图11示出了根据本发明一个实施例的对同一坐标系中的点云数据进行直线拟合的示意图;
图12示出了根据本发明一个实施例的直线拟合所得直线的线宽阈值范围内的点云的示意图;以及
图13示出了根据本发明一个实施例的用于激光雷达标定的装置2000的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
下面参考图1描述根据本发明实施例的激光雷达标定方法。图1示出了根据本发明一个实施例的激光雷达标定方法1000的示意性流程图。
如图1所示,激光雷达标定方法1000包括如下步骤:
步骤S1100,从有序的点云数据中提取多个帧的、至少2根线束的点云数据,其中,所提取的点云数据中包括车道线的点云数据。
有序的点云数据是指按数据采集时间顺序有序存储的激光雷达点云数据。对于双线激光雷达,直接提取2根线束的点云数据。对于4线、8线、16线、32线、64线等多线激光雷达,可以提取至少2根线束的点云数据,也可以提取更多线束的点云数据,例如3根线束、4根线束或更多根线束。针对每根线束,提取多个帧的点云数据。通过多个帧的点云数据可以获得一段时间内采集的构成车道线段的点云。
从有序的点云数据中提取多个帧的、至少2根线束的点云数据,以得到包括同一时间段里对同一条车道线采集的点云数据。应理解,上述提取方法可以先提取多个帧的点云数据,再从所述多个帧的点云数据中提取至少2根线束的点云数据。也可以先提取至少2根线束的点云数据,再从所述至少2跟线束的点云数据中提取多个帧的点云数据。提取步骤的交换对最终所提取的点云数据结果没有影响。
所提取的点云数据是激光雷达所在环境的点云数据。其中包括车道线的点云数据和非车道线的点云数据。
步骤S1200,在通过步骤S1100所提取的点云数据中确定车道线的点云数据。
可以利用任何现有的技术或未来开发的技术从上述步骤S1100所提取的点云数据中确定车道线的点云数据。例如,可以利用车道线对激光雷达所发射的激光有特定反射强度的特性确定车道线的点云数据。物体对激光的反射强度与物体所形成的点云数据值具有一一对应关系。因此车道线对激光的特定反射强度在点云数据中表示为特定的点云数据值。又例如,可以利用激光雷达回波宽度确定车道线的点云数据。
步骤S1300,根据步骤S1200确定的车道线的点云数据确定激光雷达的Z轴旋转外参。
根据步骤S1200确定的车道线的点云数据包括了至少2根线束在同一时间段里对同一条车道线采集的点云数据。如果激光雷达已经准确标定,即已知激光雷达的Z轴旋转外参,那么激光雷达的多根线束在同一时间段里对同一条车道线采集的点云数据根据Z轴旋转外参进行变换后可以重合为一条直线。利用此特性,可以根据前述步骤S1200确定的车道线的点云数据进行逆向推导,以确定激光雷达的Z轴旋转外参。
由此,不必依赖额外的辅助装置,仅利用常见的车道线即可对激光雷达的Z轴旋转外参进行标定,从而可以简化激光雷达设计并进一步降低设备成本。
图2示出了根据本发明一个实施例的步骤S1100从有序的点云数据中提取多个帧的、至少2根线束的点云数据的示意性流程图。如图2所示,步骤S1100包括以下子步骤:
步骤S1110,针对至少2根线束,从有序的点云数据中分别提取每个帧的点云数据。
针对至少2根线束,从有序的点云数据中分别提取每根线束对应的每个帧的点云数据。图8示出了根据本发明一个实施例的2根线束的单帧点云数据的示意图。如图8所示,线束1和线束2是同一个扫描周期里采集的点云数据。
步骤S1120,根据车道线的第一反射强度阈值范围确定通过步骤S1110所提取的每个帧的点云数据中是否包括车道线的点云数据,以确定上述多个帧。
根据车道线的第一反射强度阈值范围可以确定车道线的第一点云数据值范围。第一反射强度阈值范围例如是12~30。根据该第一点云数据值范围判断当前提取的数据帧中是否包括车道线的点云数据。如果包括,则该帧满足包括车道线的要求,可以作为所需的包括车道线的多个帧的备选帧;否则重新选择备选帧。如图8所示,点云1是线束1中的车道线的点云,点云2是线束2中的车道线的点云,图8示出的数据帧可以作为备选帧。从备选帧中选取所需要的包括有车道线的多个帧。所述多个帧可以是连续的多个帧,例如,连续10个帧的点云数据。所述多个帧是连续的可以便于点云数据处理。所述多个帧也可以是不连续的多个帧。例如,连续20个奇数帧的点云数据,如第1、第3、第5、……、第37、第39帧。又例如,第1、第2、第5、第6、第9、第10、第13、第14帧,共8个帧。
通过首先针对至少2根线束提取每个帧的点云数据,有效减少了数据处理量,提高了数据处理速度。
应理解,上述步骤S1110和步骤S1120可以交换执行顺序。例如,可以先执行步骤S1120先确定所需要的包括有车道线的多个帧,再执行步骤S1110针对至少2根线束从所提取的多个帧中提取对应线束的点云数据。
由此,获得了可以用于激光雷达标定的包括有车道线的点云数据。
示例性地,在执行步骤S1120之前,还可以对所提取的点云数据进行滤波降噪处理。例如,进行极值中值滤波处理。消除噪声干扰,提高信噪比,从而提高激光雷达标定处理的准确度和标定效率。
示例性地,根据本发明一个实施例,可以对无序的激光雷达点云数据进行标定。无序的激光雷达点云数据,例如经过预处理之后不再有序存储的点云数据。对无序的激光雷达数据进行标定时,可以先把无序的点云数据转换为有序的点云数据。再进行后续处理。从而实现对无序的激光雷达点云数据进行标定。
图3示出了根据本发明一个实施例的步骤S1200在所提取的点云数据中确定车道线的点云数据的示意性流程图。如图3所示,步骤S1200包括如下子步骤:
步骤S1210,根据通过步骤S1100所提取的点云数据确定包括车道线的点云数据的感兴趣区域。
通过步骤S1100所提取的点云数据包括了车道线的点云数据。为了精准计算,确定包括车道线的点云数据的ROI。图9示出了根据本发明一个实施例的包括车道线的单帧点云数据的ROI的示意图。如图9所示,ROI包括了车道线的点云1和点云2。由此,后续步骤仅需要对ROI内的点云数据进行处理,从而精简了计算量,避免不必要的计算浪费。
图4示出了根据本发明一个实施例的步骤S1210根据所提取的点云数据确定包括车道线的点云数据的感兴趣区域的示意性流程图。如图4所示,步骤S1210还包括如下子步骤。
步骤S1211,根据车道线的第二反射强度阈值范围确定通过步骤S1100所提取的点云数据中的每个帧的车道线的段数。
因为车道线具有一定宽度,所以通过步骤S1100所提取的点云数据中的每个帧的车道线的点云数据构成了车道线段。图8、图9中的车道线的点云1、点云2由于缩小倍率太高,看起来像一个小黑点。如果放大到足够大的倍率,则看起来将是像一根短线段的车道线,如图11、图12中放大显示的短线段即为车道线。为了准确判断车道线段,可以根据车道线的第二反射强度阈值范围确定车道线段。第二反射强度阈值范围可以设置为和上述第一反射强度阈值范围一样的值,也可以设置为更小的阈值范围,例如是13~25。满足车道线的第二反射强度阈值范围的点云构成了车道线段。由此,可以确定所提取的点云数据中的每个帧的车道线的段数,以用于对激光雷达进行准确标定处理。
步骤S1212,根据所述每个帧的车道线的段数确定所述感兴趣区域,其中每个帧的、ROI中的车道线的段数不超过上述所提取的点云数据中包括的线束的数量。
正常情况下,每个帧中对于每根线束,其包括的车道线的点云构成1段车道线。每个帧的N根线束包括的车道线的点云构成N段车道线,其中N为车道线的数量。如果激光雷达扫描时处于特定的角度位置,例如上坡或下坡过程中生成的激光雷达数据帧,其包括的多根线束扫描到的车道线在激光雷达坐标系中的位置可能重合。例如所提取的点云数据是2根线束的点云数据,某一帧中2根线束扫描到的车道线在激光雷达坐标系中的位置重合在一起,此时,该帧包括的车道线的点云仅构成1段车道线。
综上所述,如果通过步骤S1100所提取的点云数据中包括的线束的数量为N,通过步骤S1211确定的车道线的段数为n,则需满足n≤N。因此,设计包括车道线的ROI也需满足上述要求,即每个帧的、ROI中的车道线的段数不超过上述所提取的点云数据中包括的线束的数量。
如果激光雷达扫描范围内存在类似车道线反射强度的物质,由其生成的点云构成的类似车道线段将被误判为1段车道线。如果n>N,说明该帧中存在类似车道线段,当前确定的ROI范围不合适。可以重新执行步骤S1100,重新提取多个帧的、至少2根线束的点云数据,再执行步骤S1210设计ROI。循环上述过程,直至ROI满足需求。由此,准确确定仅包括真实车道线的ROI,确保基于真实的车道线对激光雷达进行准确标定。
示例性地,上述ROI是矩形区域。矩形区域便于进行数据处理,提高处理效率。ROI也可以是其他形状,例如圆形、椭圆、多边形等其他形状,只需要能够包括车道线的点云即可,本发明对此不做限定。
步骤S1220,在经步骤S1210确定的ROI中确定车道线的点云数据。
通过上述步骤确定ROI后,在ROI中确定车道线的点云数据。可以根据车道线的反射强度,判断属于车道线的点云,从而确定车道线的点云数据。
为了获得更为准确的车道线的点云数据,步骤S1220还包括如下步骤,如图5所示。图5示出了根据本发明一个实施例的在感兴趣区域中确定车道线的点云数据的示意性流程图。
步骤S1221,对ROI中的点云数据进行中值滤波处理。
中值滤波是一种能有效抑制噪声的非线性信号处理技术。对ROI中的点云数据进行中值滤波处理,使得点云的反射强度更接近真实值,消除孤立的噪声点。由此,提高了激光雷达标定的准确度。
步骤S1221,判断经步骤S1221进行中值滤波处理的点云数据是否在车道线的第三反射强度阈值范围内,以确定所述车道线的点云数据。
根据第三反射强度阈值范围判断经步骤S1221进行中值滤波处理的点云数据是否是车道线的点云数据。第三反射强度阈值范围可以设置为和上述第一反射强度阈值范围或第二反射强度阈值范围一样的值,也可以设置为更小的阈值范围,例如是15~19。由此,精准确定了车道线的点云数据,从而确保对激光雷达进行准确标定。
图6示出了根据本发明一个实施例的根据车道线的点云数据确定激光雷达的Z轴旋转外参的示意性流程图。如图6所示,上述步骤S1300根据经步骤S1200确定的车道线的点云数据确定激光雷达的Z轴旋转外参包括如下子步骤。
步骤S1310,绕激光雷达Z轴将经步骤S1200确定的车道线的点云数据旋转不同旋转角度,以得到对应每个旋转角度的旋转后的点云数据,并且,针对每个旋转角度执行如下子步骤操作:
步骤S1311,将所述旋转后的点云数据转换到同一坐标系,以得到同一坐标系中的点云数据。
步骤S1312,对所述同一坐标系中的点云数据进行直线拟合,并根据所得直线确定线宽阈值范围内的点云的数量。
示例性地,根据经验判断激光雷达的Z轴旋转外参在顺时针旋转30度至50度之间,设置30度为初始旋转角度,以0.05度为步进角度,每增加0.05度为一个旋转角度,直至50度为最后一个旋转角度。针对每个旋转角度,将上述车道线的点云数据旋转到该旋转角度,以得到对应该旋转角度的旋转后的点云数据。
然后,执行步骤S1311,将所述旋转后的点云数据转换到同一坐标系,以得到同一坐标系中的点云数据。例如,将所述旋转后的点云数据转换到世界坐标系,以得到世界坐标系下的点云数据。图10A和图10B示出了根据本发明一个实施例的绕激光雷达Z轴将车道线的点云数据旋转不同旋转角度并且转换到同一坐标系的示意图,其中车道线的点云数据从提取的2根线束的、多个帧的点云数据中确定得到。不同旋转角度下,不同线束转换到同一坐标系的车道线的点云数据存在不同的相对位置。从图中可以看出,在图10A示出的旋转角度下,转换到同一坐标系的车道线的点云数据位于两条比较分离的直线上;而在图10B示出的旋转角度下,转换到同一坐标系的车道线的点云数据位于一条直线上。图10A和图10B中为了便于理解,示出了完整的上述所提取的多个帧经旋转不同旋转角度并且转换到同一坐标系的示意图。实际标定过程中,可以对通过步骤S1200确定的车道线的点云数据进行上述绕激光雷达Z轴旋转处理和转换到同一坐标系处理。
接着,执行步骤S1312,对上述同一坐标系中的点云数据进行直线拟合,并根据所得直线确定线宽阈值范围内的点云的数量。直线拟合就是根据离散的点做一条直线,使这条直线穿过尽可能多的点。图11示出了根据本发明一个实施例的对同一坐标系中的点云数据进行直线拟合的示意图。实际的车道线存在一定宽度,根据该宽度设置车道线的线宽阈值范围,例如线宽阈值范围为15厘米,从而使用所得直线模拟实际的车道线。图12示出了根据本发明一个实施例的直线拟合所得直线的线宽阈值范围内的点云的示意图。图中的直线宽度为车道线的线宽阈值范围。确定落在所得直线的线宽阈值范围内的点云的数量,数量越多,说明落在模拟的车道线的范围内的车道线的点云越多,模拟的车道线越接近真实的车道线,旋转角度越接近激光雷达Z轴的旋转外参;反之越偏离真实的车道线,旋转角度越偏离激光雷达Z轴的旋转外参。
在一个示例中,以固定步进角度绕激光雷达Z轴将上述车道线的点云数据旋转360度。例如,从0度开始,以0.1度为固定步进角度,将上述车道线的点云数据旋转0.1度、0.2度、0.3度、……、359.8度、359.9度、360度。共3600个旋转角度,由此,激光雷达Z轴的旋转外参标定可以精确到0.1度。可以理解,固定步进角度越小,激光雷达Z轴的旋转外参标定可以有更高的精确度,当然,也需要更大的计算量。
在步骤S1311的一个实施例中,针对上述旋转后的点云数据中的每个帧的点云数据,根据该帧的定位信息将该帧转换到同一坐标系,以得到同一坐标系中的点云数据。例如,可以根据该帧的全球定位***(Global Positioning System,简称GPS)的定位信息将该帧转换到同一坐标系。GPS是无人驾驶普遍具备的传感器,也是各种导航定位中普遍使用的传感器。由此,利用常见的车道线和方便获取的GPS信息即可对激光雷达进行标定,无需额外的辅助装置,从而简化激光雷达的设计并降低设备成本。可以理解,还可以采用基于其他定位技术的定位信息将该帧转换到同一坐标系。
在步骤S1312的一个实施例中,对上述同一坐标系中的点云数据进行随机抽样一致性(RANdom SAmple Consensus,简称RANSAC)直线拟合。利用RANSAC算法拟合出更接近于真实车道线的直线,从而提高激光雷达标定的准确率。
步骤S1320,根据步骤S1310中所有旋转角度的上述数量确定激光雷达的Z轴旋转外参。如前所述,落在步骤S1310直线拟合所得直线的线宽阈值范围内的点云的数量越多,说明落在模拟的车道线的范围内的车道线的点云越多,模拟的车道线越接近真实的车道线,旋转角度越接近激光雷达Z轴的旋转外参;反之越偏离真实的车道线,旋转角度越偏离激光雷达Z轴的旋转外参。因此,比较所有旋转角度下,直线拟合所得直线的线宽阈值范围内的点云的数量,根据所述数量最多的旋转角度可以确定激光雷达的Z轴旋转外参。由此,不需要辅助额外的辅助装置,通过多个旋转角度尝试可确定激光雷达的Z轴旋转外参。
图7示出了根据本发明一个实施例的根据所有旋转角度的拟合直线的线宽阈值范围内的点云的数量确定激光雷达的Z轴旋转外参的示意性流程图。如图7所示,步骤S1320包括包括以下子步骤。
步骤S1321,确定所有旋转角度的直线拟合所得直线的线宽阈值范围内的点云的数量的最大值。值得注意的是,可能存在多个旋转角度的上述数量具有同一个最大值。例如,旋转角度分别为97.7度、97.8度、97.9度、98.1度、98.2度时,直线拟合所得直线的线宽阈值范围内的点云的数量都具有同一个最大值。
步骤S1322,根据与上述最大值对应的旋转角度确定激光雷达的Z轴旋转外参。可以使用各种统计算法确定激光雷达的Z轴旋转外参,例如求取均值、求取中位数等。可以根据工程实践选取最合适的算法。
示例性地,对具有同一个最大值的旋转角度求取均值,以得到激光雷达的Z轴旋转外参。继续上述示例,对97.7度、97.8度、97.9度、98.1度、98.2度求取均值,得到激光雷达的Z轴旋转外参为97.94度。至此,完成激光雷达的标定。通过对具有同一个最大值的旋转角度求取均值,可以提高标定的准确性。
根据本发明另一方面,还提供了一种用于激光雷达标定的装置。图13示出了根据本发明一个实施例的用于激光雷达标定的装置2000的示意性框图。如图13所示,用于激光雷达标定的装置2000中包括提取模块2100、车道线点云确定模块2200和参数确定模块2300。
提取模块2100,用于从有序的点云数据中提取多个帧的、至少2根线束的点云数据,其中,所提取的点云数据中包括车道线的点云数据。车道线点云确定模块2200,用于在所述所提取的点云数据中确定所述车道线的点云数据。参数确定模块2300,用于根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参。
总之,用于激光雷达标定的装置2000中的各个模块用于具体执行上述激光雷达标定方法中的相应步骤。通过阅读上述关于该方法的描述,本领域普通技术人员可以理解上述用于激光雷达标定的装置2000的具体实现和技术效果。
根据本发明又一方面,还提供了一种用于激光雷达标定***。该***包括处理器和存储器。所述存储器存储用于实现根据本发明实施例的激光雷达标定方法中的各个步骤的计算机程序指令。所述处理器用于运行所述存储器中存储的计算机程序指令,以执行根据本发明实施例的激光雷达标定方法的相应步骤,并且用于实现根据本发明实施例的用于激光雷达标定的装置中的提取模块2100、车道线点云确定模块2200和参数确定模块2300。
此外,根据本发明再一方面,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发明实施例的激光雷达标定方法的相应步骤,并且用于实现根据本发明实施例的用于激光雷达标定的装置中的相应模块。所述存储介质例如可以包括平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的激光雷达标定的装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种激光雷达标定方法,包括:
从有序的点云数据中提取多个帧的、至少2根线束的点云数据,其中,所提取的点云数据中包括车道线的点云数据;
在所述所提取的点云数据中确定所述车道线的点云数据;以及
根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参。
2.如权利要求1所述的方法,其中,所述根据所述车道线的点云数据确定所述激光雷达的Z轴旋转外参包括:
绕激光雷达Z轴将所述车道线的点云数据旋转不同旋转角度,以得到对应每个旋转角度的旋转后的点云数据,并且,针对每个旋转角度执行如下操作:
将所述旋转后的点云数据转换到同一坐标系,以得到同一坐标系中的点云数据;
对所述同一坐标系中的点云数据进行直线拟合,并根据所得直线确定线宽阈值范围内的点云的数量;
根据所有旋转角度的所述数量确定所述激光雷达的Z轴旋转外参。
3.如权利要求1所述的方法,其中,所述绕激光雷达Z轴将所述车道线的点云数据旋转不同旋转角度包括:
以固定步进角度绕激光雷达Z轴将所述车道线的点云数据旋转360度。
4.如权利要求2或3所述的方法,其中,所述将所述旋转后的点云数据转换到同一坐标系,以得到同一坐标系中的点云数据包括:
针对所述旋转后的点云数据中的每个帧的点云数据,根据该帧的定位信息将该帧转换到同一坐标系,以得到同一坐标系中的点云数据。
5.如权利要求2或3所述的方法,其中,所述对所述同一坐标系中的点云数据进行直线拟合包括:
对所述同一坐标系中的点云数据进行随机抽样一致性直线拟合。
6.如权利要求2或3所述的方法,其中,所述根据所有旋转角度的所述数量确定所述激光雷达的Z轴旋转外参包括:
确定所有旋转角度的所述数量的最大值;
根据与所述最大值对应的旋转角度确定所述激光雷达的Z轴旋转外参。
7.如权利要求6所述的方法,其中,所述根据与所述最大值对应的旋转角度确定所述激光雷达的Z轴旋转外参包括:
对与所述最大值对应的所有旋转角度求均值,以作为所述激光雷达的Z轴旋转外参。
8.如权利要求1所述的方法,其中,所述在所述所提取的点云数据中确定所述车道线的点云数据包括:
根据所述所提取的点云数据确定包括所述车道线的点云数据的感兴趣区域;
在所述感兴趣区域中确定所述车道线的点云数据。
9.如权利要求8所述的方法,其中,所述根据所述所提取的点云数据确定包括所述车道线的点云数据的感兴趣区域包括:
根据车道线的第二反射强度阈值范围确定所述所提取的点云数据中的每个帧的车道线的段数;
根据所述每个帧的车道线的段数确定所述感兴趣区域,其中每个帧的、感兴趣区域中的车道线的段数不超过所述所提取的点云数据中包括的线束的数量。
10.如权利要求8或9所述的方法,其中,所述在所述感兴趣区域中确定所述车道线的点云数据包括:
对所述感兴趣区域中的点云数据进行中值滤波处理;
判断经中值滤波处理的点云数据是否在车道线的第三反射强度阈值范围内,以确定所述车道线的点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295388.7A CN110609268B (zh) | 2018-11-01 | 2018-11-01 | 一种激光雷达标定方法、装置、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295388.7A CN110609268B (zh) | 2018-11-01 | 2018-11-01 | 一种激光雷达标定方法、装置、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110609268A true CN110609268A (zh) | 2019-12-24 |
CN110609268B CN110609268B (zh) | 2022-04-29 |
Family
ID=68888825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811295388.7A Active CN110609268B (zh) | 2018-11-01 | 2018-11-01 | 一种激光雷达标定方法、装置、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609268B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988849A (zh) * | 2019-12-25 | 2020-04-10 | 北京万集科技股份有限公司 | 雷达***的标定方法、装置、电子设备及存储介质 |
CN111289957A (zh) * | 2020-03-10 | 2020-06-16 | 上海高仙自动化科技发展有限公司 | 外参标定方法及装置、智能机器人及计算机可读存储介质 |
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*** |
CN112904317A (zh) * | 2021-01-21 | 2021-06-04 | 湖南阿波罗智行科技有限公司 | 一种多激光雷达与gnss_ins***标定方法 |
CN113167885A (zh) * | 2021-03-03 | 2021-07-23 | 华为技术有限公司 | 车道线检测方法和车道线检测装置 |
CN114152937A (zh) * | 2022-02-09 | 2022-03-08 | 西南科技大学 | 一种旋转激光雷达的外参标定方法 |
CN114280582A (zh) * | 2021-12-31 | 2022-04-05 | 中国第一汽车股份有限公司 | 激光雷达的标定校准方法、装置、存储介质及电子设备 |
CN114624683A (zh) * | 2022-04-07 | 2022-06-14 | 苏州知至科技有限公司 | 一种激光雷达外置旋转轴的标定方法 |
WO2022199440A1 (zh) * | 2021-03-26 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 路侧雷达标定方法、装置、计算机设备和存储介质 |
CN117388838A (zh) * | 2023-12-13 | 2024-01-12 | 广州市德赛西威智慧交通技术有限公司 | 应用于车辆驾驶控制的经纬度坐标标定方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866762A (zh) * | 2016-02-26 | 2016-08-17 | 福州华鹰重工机械有限公司 | 激光雷达自动校准方法及装置 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
CN106324618A (zh) * | 2015-06-17 | 2017-01-11 | 百利得汽车主动安全***(苏州)有限公司 | 基于激光雷达检测车道线的***及其实现方法 |
WO2017021473A1 (en) * | 2015-08-03 | 2017-02-09 | Tomtom Global Content B.V. | Methods and systems for generating and using localisation reference data |
CN106463565A (zh) * | 2013-11-22 | 2017-02-22 | 幻影国际有限公司 | 激光雷达扫描仪校准 |
CN107153186A (zh) * | 2017-01-06 | 2017-09-12 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法及激光雷达 |
CN108020826A (zh) * | 2017-10-26 | 2018-05-11 | 厦门大学 | 多线激光雷达与多路相机混合标定方法 |
WO2018101526A1 (ko) * | 2016-11-30 | 2018-06-07 | 네이버 주식회사 | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 |
CN108445496A (zh) * | 2018-01-02 | 2018-08-24 | 北京汽车集团有限公司 | 测距标定装置及方法、测距设备及测距方法 |
-
2018
- 2018-11-01 CN CN201811295388.7A patent/CN110609268B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106463565A (zh) * | 2013-11-22 | 2017-02-22 | 幻影国际有限公司 | 激光雷达扫描仪校准 |
CN106324618A (zh) * | 2015-06-17 | 2017-01-11 | 百利得汽车主动安全***(苏州)有限公司 | 基于激光雷达检测车道线的***及其实现方法 |
WO2017021473A1 (en) * | 2015-08-03 | 2017-02-09 | Tomtom Global Content B.V. | Methods and systems for generating and using localisation reference data |
CN105866762A (zh) * | 2016-02-26 | 2016-08-17 | 福州华鹰重工机械有限公司 | 激光雷达自动校准方法及装置 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
WO2018101526A1 (ko) * | 2016-11-30 | 2018-06-07 | 네이버 주식회사 | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 |
CN107153186A (zh) * | 2017-01-06 | 2017-09-12 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法及激光雷达 |
CN108020826A (zh) * | 2017-10-26 | 2018-05-11 | 厦门大学 | 多线激光雷达与多路相机混合标定方法 |
CN108445496A (zh) * | 2018-01-02 | 2018-08-24 | 北京汽车集团有限公司 | 测距标定装置及方法、测距设备及测距方法 |
Non-Patent Citations (2)
Title |
---|
李宁等: "基于多线激光雷达的非结构化道路感知技术研究", 《车辆与动力技术》 * |
陈贵宾等: "车载三维激光雷达外参数的分步自动标定算法", 《中国激光》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988849A (zh) * | 2019-12-25 | 2020-04-10 | 北京万集科技股份有限公司 | 雷达***的标定方法、装置、电子设备及存储介质 |
CN111289957A (zh) * | 2020-03-10 | 2020-06-16 | 上海高仙自动化科技发展有限公司 | 外参标定方法及装置、智能机器人及计算机可读存储介质 |
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*** |
CN112904317A (zh) * | 2021-01-21 | 2021-06-04 | 湖南阿波罗智行科技有限公司 | 一种多激光雷达与gnss_ins***标定方法 |
CN112904317B (zh) * | 2021-01-21 | 2023-08-22 | 湖南阿波罗智行科技有限公司 | 一种多激光雷达与gnss_ins***标定方法 |
WO2022183408A1 (zh) * | 2021-03-03 | 2022-09-09 | 华为技术有限公司 | 车道线检测方法和车道线检测装置 |
CN113167885A (zh) * | 2021-03-03 | 2021-07-23 | 华为技术有限公司 | 车道线检测方法和车道线检测装置 |
WO2022199440A1 (zh) * | 2021-03-26 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 路侧雷达标定方法、装置、计算机设备和存储介质 |
CN114280582A (zh) * | 2021-12-31 | 2022-04-05 | 中国第一汽车股份有限公司 | 激光雷达的标定校准方法、装置、存储介质及电子设备 |
CN114152937A (zh) * | 2022-02-09 | 2022-03-08 | 西南科技大学 | 一种旋转激光雷达的外参标定方法 |
CN114624683A (zh) * | 2022-04-07 | 2022-06-14 | 苏州知至科技有限公司 | 一种激光雷达外置旋转轴的标定方法 |
CN117388838A (zh) * | 2023-12-13 | 2024-01-12 | 广州市德赛西威智慧交通技术有限公司 | 应用于车辆驾驶控制的经纬度坐标标定方法及装置 |
CN117388838B (zh) * | 2023-12-13 | 2024-03-29 | 广州市德赛西威智慧交通技术有限公司 | 应用于车辆驾驶控制的经纬度坐标标定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110609268B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609268B (zh) | 一种激光雷达标定方法、装置、***及存储介质 | |
CN110673115B (zh) | 雷达与组合导航***的联合标定方法、装置、设备及介质 | |
US10698106B2 (en) | Obstacle detecting method and apparatus, device and storage medium | |
CN112034431B (zh) | 一种雷达和rtk的外参标定方法及装置 | |
CN110673107B (zh) | 基于多线激光雷达的路沿检测方法及装置 | |
JP5464915B2 (ja) | 対象物検出装置及び対象物検出方法 | |
CN110475966A (zh) | 确定风力涡轮机的转子平面的定向 | |
CN112927309B (zh) | 一种车载相机标定方法、装置、车载相机及存储介质 | |
CN110687521B (zh) | 一种车载激光雷达标定的方法 | |
CN114296056A (zh) | 一种激光雷达外参标定方法、装置、设备及存储介质 | |
CN103679167A (zh) | 一种ccd图像处理的方法 | |
CN113111513B (zh) | 传感器配置方案确定方法、装置、计算机设备及存储介质 | |
CN113341401A (zh) | 一种车载激光雷达标定方法、装置、车辆、存储介质 | |
CN106240454B (zh) | 提供车辆碰撞预警的***及车载设备 | |
Rahman et al. | An image based approach to compute object distance | |
EP1939585A1 (en) | Object recognizing device | |
CN114219770A (zh) | 地面检测方法、装置、电子设备及存储介质 | |
CN115643809A (zh) | 点云探测***的信号处理方法和点云探测*** | |
CN116467848B (zh) | 一种毫米波雷达点云仿真的方法和装置 | |
CN111679262B (zh) | 激光点云强度标定方法、装置、设备及存储介质 | |
CN113256483A (zh) | 用于目标识别的点云数据去抖动 | |
CN115236645B (zh) | 激光雷达的姿态确定方法以及姿态确定装置 | |
CN111136655A (zh) | 一种获取巡检点的方法及装置 | |
CN113513988B (zh) | 一种激光雷达标靶检测方法、装置、车辆、存储介质 | |
CN112630798A (zh) | 用于估计地面的方法和装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40011431 Country of ref document: HK |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40019588 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |