CN111383287A - 一种车载传感器的外参标定方法及装置 - Google Patents
一种车载传感器的外参标定方法及装置 Download PDFInfo
- Publication number
- CN111383287A CN111383287A CN202010095077.7A CN202010095077A CN111383287A CN 111383287 A CN111383287 A CN 111383287A CN 202010095077 A CN202010095077 A CN 202010095077A CN 111383287 A CN111383287 A CN 111383287A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target obstacle
- target
- sensor
- mounted sensors
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000008859 change Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 abstract description 9
- 230000009466 transformation Effects 0.000 description 23
- 230000006870 function Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 101100028900 Caenorhabditis elegans pcs-1 gene Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车载传感器的外参标定方法及装置,该方法包括确定多个车载传感器检测到的目标障碍物的起点位置;从目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹;针对目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹;基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。本发明实施例可以大大提高车载传感器的外参标定的精确度及稳定性,且外参标定过程不要求车辆位于固定场地或特殊环境,可操作性强。
Description
技术领域
本发明涉及高级辅助驾驶及自动驾驶技术领域,特别是涉及一种车载传感器的外参标定方法及装置。
背景技术
随着高级辅助驾驶技术以及自动驾驶技术的发展,车载传感器的种类和数量都在不断增加,同时单一传感器单一功能的工作方式逐步演变为多个传感器融合协同的工作方式以实现更复杂的功能,多传感器融合协同工作的前提是,所有传感器都工作在同一坐标系下,即保证所有传感器输出的相同目标的信息尽可能一致。因此,需要通过外参标定确定任意两个车载传感器之间的旋转平移关系。例如包括毫米波雷达与毫米波雷达,毫米波雷达与激光雷达,毫米波雷达与相机的旋转平移关系。
一般情况下,不同车载传感器与车辆后轴中心的相对位置关系是出厂前就标定好的,其旋转平移关系是已知的,因此不同车载传感器之间的旋转平移关系也是已知的。但是随着车辆的使用,传感器位置会有微小变动,同时性能也会发生不同情况的衰减,如果不对传感器的平移旋转变换关系进行重新标定更新,多传感器融合的效果就会下降。同时毫米波雷达由于输出目标不稳定的原因,很难利用常规的特征提取方法进行标定,比如常用的多相机外参标定原理就无法直接应用于毫米波雷达与其他传感器的外参标定。又比如现有技术中的毫米波雷达与相机标定方法采用类纵向与横向参数分别标定的方法,而且所标定外参仅通过一组标定数据计算得到,其鲁棒性及准确性存在问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的车载传感器的外参标定方法及装置。
依据本发明实施例的一方面,提供了一种车载传感器的外参标定方法,包括:
确定多个车载传感器检测到的目标障碍物的起点位置;
从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹;
针对所述目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹;
基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
可选地,确定多个车载传感器检测到的目标障碍物的起点位置,包括:
自各车载传感器分别检测到目标障碍物时刻起,确定之后连续N帧检测数据中是否存在M帧检测数据检测到目标障碍物,其中,M不大于N;
若连续N帧检测数据中存在M帧检测数据检测到目标障碍物,将连续N帧检测数据中第一帧检测数据的目标障碍物的位置作为对应车载传感器检测的目标障碍物的起点位置。
可选地,从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹,包括:
以车辆初始位置时每个车载传感器的中心位置分别为传感器坐标系原点定义多个车载传感器分别对应的传感器坐标系,以车辆后轴中心位置为车辆坐标系原点定义车辆坐标系,将所述目标障碍物的起点位置对应时刻的车辆坐标系定义为世界坐标系;
从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置,分别确定多个车载传感器的每一帧检测数据中目标障碍物的位置在对应传感器坐标系下的坐标值;
将目标障碍物的位置在对应传感器坐标系下的坐标值转换为目标障碍物的位置在车辆坐标系下的坐标值,并将目标障碍物的位置在车辆坐标系下的坐标值转换为目标障碍物的位置在世界坐标系下的坐标值;
基于所述目标障碍物的位置在世界坐标系下的坐标值生成对应车载传感器检测的目标障碍物在世界坐标系下的目标轨迹。
可选地,针对所述目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹,包括:
针对所述目标轨迹采用三次样条插值法确定对应车载传感器检测的目标障碍物的点迹,其中,多个车载传感器检测的目标障碍物的点迹中包含相同的点数。
可选地,基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定,包括:
针对多个车载传感器检测到的目标障碍物的点迹,在各点迹中的点对应的坐标值中分别增加一维数据;
基于增加一维数据后的任意两个车载传感器检测的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
可选地,基于增加一维数据后的任意两个车载传感器检测的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定,包括:
对于任意两个车载传感器以其中一个车载传感器检测的目标障碍物的点迹作为主点迹;
利用最近点迭代算法依据所述主点迹中的点和另一车载传感器检测的目标障碍物点迹中的点,计算另一车载传感器检测的目标障碍物的点迹与所述主点迹的变化矩阵;
将所述变化矩阵作为所述任意两个车载传感器中一车载传感器检测的目标障碍物的传感器坐标系下的坐标值转换至另一车载传感器的传感器坐标系下的坐标值的外参关系以实现对车载传感器的外参标定。
依据本发明实施例的另一方面,还提供了一种车载传感器的外参标定装置,包括:
第一确定模块,适于确定多个车载传感器检测到的目标障碍物的起点位置;
生成模块,适于从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹;
第二确定模块,适于针对所述目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹;
标定模块,适于基于多个车载传感器中任意两个车载传感器检测的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
依据本发明实施例的再一方面,还提供了一种电子设备,包括:处理器;存储有计算机程序代码的存储器;当所述计算机程序代码被所述处理器运行时,导致所述电子设备执行上文任意实施例的车载传感器的外参标定方法。
依据本发明实施例的又一方面,还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行上文任意实施例的车载传感器的外参标定方法。
本发明实施例的车载传感器的外参标定过程对车载传感器所在车辆的场地和环境没有限制,能够实时的进行外参标定,可操作性强。另外,相比于目前采用的类纵向与横向参数分别标定的方法所存在的鲁棒性及准确性差的问题,本发明实施例充分考虑了一些车载传感器的输出结果分辨率低、抖动及丢帧的特点,采用车载传感器检测到的多帧检测数据生成目标障碍物的目标轨迹,通过目标障碍物的目标轨迹确定任意两个车载传感器检测的目标障碍物的点迹,以根据点迹确定任意两个车载传感器间的外参关系,从而大大提高了外参标定的精确度及稳定性。
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。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的车载传感器的外参标定方法的流程示意图;
图2示出了根据本发明一个实施例的车载传感器的外参标定装置的结构示意图;
图3示出了根据本发明另一个实施例的车载传感器的外参标定装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为解决上述技术问题,本发明实施例提供了一种车载传感器的外参标定方法。图1示出了根据本发明一个实施例的车载传感器的外参标定方法的流程示意图。参见图1,该方法至少包括步骤S102至步骤S108。
步骤S102,确定多个车载传感器检测到的目标障碍物的起点位置。
本发明实施例的车载传感器可以采用车载毫米波雷达、车载激光雷达、车载相机或其他包含摄像头的车载设备等等。
步骤S104,从目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹。
步骤S106,针对目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹。
本本发明实施例的插值算法可以采用三次样条插值法,当然,还可以采用其他算法,本发明实施例对此不做具体的限定。
步骤S108,基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
本发明实施例的车载传感器的外参标定过程对车载传感器所在车辆的场地和环境没有限制,能够实时的进行外参标定,可操作性强。另外,相比于目前采用的类纵向与横向参数分别标定的方法所存在的鲁棒性及准确性差的问题,本发明实施例充分考虑了一些车载传感器的输出结果分辨率低、抖动及丢帧的特点,采用车载传感器检测到的多帧检测数据生成目标障碍物的目标轨迹,通过目标障碍物的目标轨迹确定任意两个车载传感器检测的目标障碍物的点迹,以根据点迹确定任意两个车载传感器间的外参关系,从而大大提高了外参标定的精确度及稳定性。
参见上文步骤S102,在本发明一实施例中,在确定多个车载传感器检测到的目标障碍物的起点位置时,具体可以自各车载传感器分别检测到目标障碍物时刻起,确定之后连续N帧检测数据中是否存在M帧检测数据检测到目标障碍物,其中,M不大于N。若连续N帧检测数据中存在M帧检测数据检测到目标障碍物,将连续N帧检测数据中第一帧检测数据的目标障碍物的位置作为对应车载传感器检测的目标障碍物的起点位置。
例如,M和N分别为95帧和100帧,若车载毫米波雷达检测到目标障碍物时刻为T0时刻,且从T0时刻起连续的100帧检测数据中存在95帧检测数据检测到目标障碍物,那么将这100帧检测数据中的第一帧检测数据的目标障碍物的位置作为车载毫米波雷达检测的目标障碍物的起点位置。同理,对于其他车载传感器也是按照同样的方法确定检测到的目标障碍物的起点位置,此处不再赘述。
参见上文步骤S104,在本发明一实施例中,车载传感器输出的检测数据中包含目标障碍物的位置信息。生成对应车载传感器检测到的目标障碍物的目标轨迹的过程具体可以包含步骤1041至步骤1044。
步骤1041,以车辆初始位置时每个车载传感器的中心位置分别为传感器坐标系原点定义多个车载传感器分别对应的传感器坐标系,以车辆后轴中心位置为车辆坐标系原点定义车辆坐标系,将目标障碍物的起点位置对应时刻的车辆坐标系定义为世界坐标系。
例如车载传感器a在i时刻检测到目标obj在传感器坐标系的坐标值表示为(xai,yai,1),车载传感器a在i时刻检测到的目标障碍物obj在车辆坐标系的坐标值表示为(xavi,yavi,1),v表示车辆坐标系。本发明实施例中的坐标系将省略z轴的取值,并以1替代,本发明实施例中涉及的标定过程以平行于地面的xy坐标平面得到的标定数据精度已经足够满足***应用要求。对于采用三维坐标系进行标定的方法,同样可以通过本发明方案扩展得到。
在该实施例中,假设多个车载传感器包含车载毫米波雷达、车载相机、车载激光雷达。车载毫米波雷达对应的世界坐标系中以车载毫米波雷达的中心位置为坐标系原点,定义x方向为车载毫米波雷达的法线方向,车载毫米波雷达的法线方向指的是垂直于毫米波雷达上的天线发射面的方向,世界坐标系为右手坐标系(右手坐标系中右手拇指指向x轴的正方向,食指方向为y轴的正方向)。车载相机对应的世界坐标系中以车载相机的中心位置为坐标系原点,定义x方向为车载相机的法线方向,这里车载相机的法线方向指的是垂直于车载相机上的感光元器件平面的方向,世界坐标系为右手坐标系。车载激光雷达对应的世界坐标系中以车载激光雷达的中心位置为坐标系原点,定义x方向为车辆前面的方向,y方向为车辆左边的方向。
步骤1042,从目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置,分别确定多个车载传感器的每一帧检测数据中目标障碍物的位置在对应传感器坐标系下的坐标值。
在该实施例中,若多个车载传感器包含车载毫米波雷达、车载相机、车载激光雷达。来自车载毫米波雷达的每一帧检测数据中目标障碍物的位置在对应世界坐标系下的坐标值用Pri(xri,yri)表示,其中,P表示目标障碍物位置,x和y分别表示目标障碍物的横坐标和纵坐标,r表示车载毫米波雷达,i表示第i帧检测数据。其中,目标障碍物的起点位置对应的坐标值可以表示为Pr0=(xr0,yr0)。
来自车载相机的每一帧检测数据中目标障碍物的位置在对应世界坐标系下的坐标值用Pci(xci,yci)表示,其中,P表示目标障碍物位置,x和y分别表示目标障碍物的横坐标和纵坐标,c表示车载相机,i表示第i帧检测数据。其中,目标障碍物的起点位置对应的坐标值可以表示为Pc0=(xc0,yc0)。
来自车载激光雷达的每一帧检测数据中目标障碍物的位置在对应世界坐标系下的坐标值用Pli(xli,yli)表示,其中,P表示目标障碍物位置,x和y分别表示目标障碍物的横坐标和纵坐标,l表示车载激光雷达,i表示第i帧检测数据。其中,目标障碍物的起点位置对应的坐标值可以表示为Pl0=(xl0,yl0)。
步骤1043,将目标障碍物的位置在对应传感器坐标系下的坐标值转换为目标障碍物的位置在车辆坐标系下的坐标值,并将目标障碍物的位置在车辆坐标系下的坐标值转换为目标障碍物的位置在世界坐标系下的坐标值。
该实施例中,传感器坐标系与车辆坐标系的旋转平移关系在车辆出厂时已确定,旋转平移关系可以利用对应变换矩阵表示。例如,车载传感器a的传感器坐标系与车辆坐标系的变换矩阵可以用SVRTa表示,其中,SVRT表示变换矩阵。若车载传感器a的传感器坐标系原点在车辆坐标系的位置为(xao,yao),车载传感器a的传感器坐标系的x轴与车辆坐标系x轴的夹角为θao,这里SVRTa可以表示车载传感器a的传感器坐标系是车辆坐标系沿车辆坐标系x轴正方向平移xao,沿y轴正方向平移yao,然后绕平移后坐标系原点逆时针旋转θao后得到。车载传感器a的传感器坐标系坐标值转化到车辆坐标系坐标值的变换矩阵SVRTa表示为:cos表示余弦函数,sin表示正弦函数。
参考前文车载传感器a检测到的目标障碍物obj,目标障碍物obj在车载传感器a的传感器坐标系下坐标值(xai,yai,1)和目标障碍物obj在车辆坐标系下坐标值(xavi,yavi,1)的变换关系可以表示为:也可以表示为其中,SVRTa-1表示SVRTa的逆矩阵,v表示车辆坐标系。
本发明实施例中,世界坐标系即检测到目标障碍物的起点位置对应时刻的车辆坐标系。车载传感器a在i时刻检测到的目标障碍物obj在世界坐标系的坐标值可以表示为(xawi,yawi,1),w表示世界坐标系。
本发明实施例的车辆坐标系与世界坐标系的旋转平移关系随时间变化,可以通过计算每一时刻车辆自身位置变化确定,一种常用的方法是里程计计算法,该计算方法可以利用车辆自身传感器(例如车载轮速计、车载惯性导航设备等)每一时刻的输入给出对应时刻的车辆相对于起点的位置和车身与世界坐标系的夹角,具体包含车辆位置,车辆位置坐标值用(xei,yei)表示,对应时刻车辆坐标系x轴与世界坐标系x轴的夹角yawei,其中,e表示自身车辆,i表示i时刻,该实施例的车辆位置坐标值(xei,yei)表示车辆坐标系在i时刻的具***置是世界坐标系沿世界坐标系x轴正方向平移xei,沿世界坐标系y轴正方向平移yei,然后绕平移后坐标系原点逆时针旋转yawei。由车辆坐标系坐标值转化到世界坐标系的坐标值的变换矩阵可以用VWRTi表示:
利用变换矩阵VWRTi(i表示i时刻)和车载传感器a检测到的目标障碍物obj在车载传感器a坐标系的坐标值可以计算目标障碍物在世界坐标系的坐标值(xawi,yawi,1),其中,
步骤1044,基于目标障碍物的位置在世界坐标系下的坐标值生成对应车载传感器检测的目标障碍物在世界坐标系下的目标轨迹。
在本发明实施例中,在生成车载传感器检测的目标障碍物的目标轨迹之前,需要保证目标障碍物为运动状态,本发明实施例可以通过获取车辆的自身速度,并根据车辆的自身速度确定目标障碍物相对车辆的速度是否为0,若目标障碍物相对车辆的速度不是0,则确定障碍物为运动状态。
该实施例中,通常目标障碍物的目标轨迹是针对一段时间检测数据中的目标障碍物的目标轨迹,因此,可以假设目标障碍物的起点位置对应时刻为T0时刻,在T0时刻到T0+Δt时刻这一段时间内每个车载传感器检测到的每一帧数据中均包含有目标障碍物,即不存在丢失目标障碍物的情况,那么车载毫米波雷达检测的目标障碍物的目标轨迹可以表示为Tr=(Pr0,Pr1,…,Prn),车载相机检测的目标障碍物的目标轨迹可以表示为Tc=(Pc0,Pc1,…,Pcn),车载激光雷达检测的目标障碍物的目标轨迹可以表示为Tl=(Pl0,Pl1,…,Pln)。其中,r表示车载毫米波雷达,c表示车载相机,l表示车载激光雷达,n表示第n帧检测数据。
此外,若T0时刻到T0+Δt时刻这一段时间内来自车载传感器的某一帧或某几帧检测数据中未检测到目标障碍物,那么还可以通过状态估计的方式,如通过卡尔曼滤波算法计算出未检测到目标障碍物的某一帧或某几帧检测数据中的目标位置信息。
参见上文步骤S106,在本发明一实施例中,插值算法可以采用三次样条插值法,当然,还可以采用其他插值算法,此处不作具体限定。在针对目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹时,可以针对目标轨迹采用三次样条插值法确定对应车载传感器检测的目标障碍物的点迹。例如,车载传感器检测到20帧检测数据,每帧检测数据中目标障碍物的位置对应一个坐标值,生成的目标障碍物的目标轨迹中包含有20个坐标值,设定期望的点迹中的点数为40(即期望得到40个坐标值),将20个坐标值、期望的点数值40作为三次样条插值法的已知参数,根据三次样条插值法计算得到目标障碍物的点迹,点迹包含40个坐标值。在本发明实施例中,多个车载传感器检测的目标障碍物的点迹中包含相同的点数sn。通常情况下,期望的点迹的坐标值数量多于目标轨迹的坐标值数量,即根据三次样条插值法计算得到目标障碍物的点迹包含的坐标值数量多于目标轨迹的坐标值数量,因此,采用三次样条插值法确定的车载传感器检测到的目标障碍物的点迹是相比于上文中的目标障碍物的目标轨迹更为平滑的轨迹。
经过插值算法计算得到的车载毫米波雷达检测到的目标障碍物的点迹可以表示为Trs=[Prs0(xrs0,yrs0),Prs1(xrs1,yrs1),…,Prsn(xrsn,yrsn)],其中,P表示目标障碍物位置,r表示车载毫米波雷达,x和y分别表示目标障碍物的横坐标和纵坐标,sn表示目标障碍物的点迹中的点数。
经过插值算法计算得到的车载相机检测到的目标障碍物的点迹可以表示为Tcs=[Pcs0(xcs0,ycs0),Pcs1(xcs1,ycs1),…,Pcsn(xcsn,ycsn)],其中,P表示目标障碍物位置,c表示车载相机,x和y分别表示目标障碍物的横坐标和纵坐标,sn表示目标障碍物的点迹中的点数。
经过插值算法计算得到的车载激光雷达检测到的目标障碍物的点迹可以表示为Tls=[Pls0(xls0,yls0),Pls1(xls1,yls1),…,Plsn(xlsn,ylsn)],其中,P表示目标障碍物位置,l表示车载激光雷达,x和y分别表示目标障碍物的横坐标和纵坐标,sn表示目标障碍物的点迹中的点数。
参见上文步骤S108,在本发明一实施例中,基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定任意两个车载传感器间的外参关系以实现对车载传感器的外参标定的时候,还可以针对多个车载传感器检测到的目标障碍物的点迹,在各点迹中的点对应的坐标值中分别增加一维数据。进而基于增加一维数据后的任意两个车载传感器检测的目标障碍物的点迹,确定任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
车载毫米波雷达对应的目标障碍物的点迹中增加一维数据后为Trs=[Prs0(xrs0,yrs0,1),Prs1(xrs1,yrs1,1),…,Prsn(xrsn,yrsn,1)],其中,P表示目标障碍物位置,r表示车载毫米波雷达,x和y分别表示目标障碍物的横坐标和纵坐标,sn表示目标障碍物的点迹中的点数。
车载相机对应的目标障碍物的点迹中增加一维数据后为Tcs=[Pcs0(xcs0,ycs0,1),Pcs1(xcs1,ycs1,1),…,Pcsn(xcsn,ycsn,1)],其中,P表示目标障碍物位置,c表示车载相机,x和y分别表示目标障碍物的横坐标和纵坐标,sn表示目标障碍物的点迹中的点数。
车载激光雷达对应的目标障碍物的点迹中增加一维数据后为Tls=[Pls0(xls0,yls0,1),Pls1(xls1,yls1,1),…,Plsn(xlsn,ylsn,1)],其中,P表示目标障碍物位置,l表示车载激光雷达,x和y分别表示目标障碍物的横坐标和纵坐标,sn表示目标障碍物的点迹中的点数。
在本发明实施例中,基于增加一维数据后的任意两个车载传感器检测的目标障碍物的点迹,确定任意两个车载传感器间的外参关系以实现对车载传感器的外参标定的具体过程如下。
首先,对于任意两个车载传感器以其中一个车载传感器检测的目标障碍物的点迹作为主点迹。
然后,利用最近点迭代算法依据主点迹中的点和另一车载传感器检测的目标障碍物点迹中的点,计算另一车载传感器检测的目标障碍物的点迹与主点迹的变化矩阵。本发明实施例,在目标障碍物的点迹中的点对应的坐标值中增加一维数据,目的是方便变化矩阵的数学计算。假设主点迹对应的主车载传感器为车载传感器a,另一车载传感器为车载传感器b,那么车载传感器b检测的目标障碍物的点迹与车载传感器a检测的目标障碍物的主点迹的变化矩阵可以表示为RTab。
最后,将变化矩阵作为任意两个车载传感器中一车载传感器检测的目标障碍物对应的传感器坐标系下的坐标值转换至另一车载传感器对应的传感器坐标系下的坐标值的外参关系以实现对车载传感器的外参标定。
在本发明实施例中,例如,i时刻目标障碍物obj被车载传感器b检测到,目标障碍物obj在车载传感器b坐标系的坐标值为(xbi,ybi,1),目标障碍物obj在车辆坐标系的坐标值为(xbvi,ybvi,1),目标障碍物obj在世界坐标系的坐标值(xbwi,ybwi,1),这三个坐标系下的坐标值满足关系:其中,v表示车辆坐标系,w表示世界坐标系,SVRTb为车载传感器b坐标系坐标值转化到车辆坐标系坐标值的变换矩阵。
对于刚出厂的车辆,i时刻目标障碍物obj在a传感器的传感器坐标系的坐标值变换到车辆坐标系的坐标值与b传感器的传感器坐标系的坐标值变换到车辆坐标系的坐标值相等a传感器和b传感器各自的传感器坐标系转换到的车辆坐标系的坐标值分别转换到世界坐标系的坐标值也相等,因此,任意两个车载传感器之间的出厂外参关系extRTab(其中,ext表示出厂外参,RT表示旋转平移变换关系,a表示车载传感器a,b表示车载传感器b)可以通过SVRTa的逆矩阵与SVRTb相乘得到,表示为extRTab=SVRTa-1*SVRTb,其中,SVRTa-1表示SVRTa的逆矩阵,SVRTa为车载传感器a坐标系坐标值转化到车辆坐标系坐标值的变换矩阵。
利用外参关系extRTab可以将车载传感器b检测的目标障碍物obj的坐标值与车载传感器a的传感器坐标系的坐标值建立等式关系,表示为:其中,a表示车载传感器a,b表示车载传感器b,SVRTa-1表示SVRTa的逆矩阵,SVRTa表示车载传感器a坐标系坐标值转化到车辆坐标系坐标值的变换矩阵。
由于传感器长期使用的原因,无法满足上述车载传感器b检测的目标障碍物obj的坐标值与车载传感器a的传感器坐标系的坐标值建立等式关系,对依赖于两个传感器检测结果的其他应用会产生影响,具体影响是i时刻目标障碍物obj在车载传感器a及车载传感器b各自坐标系的坐标值变换到车辆坐标系的坐标值,进而由各车载传感器坐标系的坐标值转换的车辆坐标系下的坐标值再转换至世界坐标系下的坐标值不再相等,即其中,a表示车载传感器a,b表示车载传感器b,v表示车辆坐标系,w表示世界坐标系。
通过本发明实施例求得的RTab可以将点迹b通过变换与点迹a重合,具体的,在i时刻车载传感器a和车载传感器b检测到的目标障碍物obj的车辆坐标系的坐标值建立等式关系其中,VWRTi表示车辆坐标系坐标值转化到世界坐标系的坐标值的变换矩阵,VWRTi-1表示VWRTi的逆矩阵,RTab表示车载传感器b检测的目标障碍物的点迹与车载传感器a检测的目标障碍物的主点迹的变化矩阵,v表示车辆坐标系,w表示世界坐标系。并且,在各车载传感器坐标系的坐标值转换的车辆坐标系下的坐标值再转换至世界坐标系下的坐标值建立等式关系其中,RTab表示车载传感器b检测的目标障碍物的点迹与车载传感器a检测的目标障碍物的主点迹的变化矩阵,v表示车辆坐标系,w表示世界坐标系。进而,根据NextRTab=SVRTa-1*VWRT-1*RTab*VWRT*SVRTb可以得到标定后的外参关系NextRTab,其中,SVRTa为车载传感器坐标系坐标值转化到车辆坐标系坐标值的变换矩阵,SVRTa-1表示SVRTa的逆矩阵,VWRT表示车辆坐标系坐标值转化到世界坐标系的坐标值的变换矩阵,VWRT-1表示VWRT的逆矩阵。
在本发明实施例中,利用标定后的外参关系NextRTab可以在车载传感器b检测的目标障碍物obj的坐标值与车载传感器a坐标系坐标值之间建立等式关系,表示为:
其中,a表示车载传感器a,b表示车载传感器b,SVRTa-1表示a传感器的传感器坐标系与车辆坐标系的变换矩阵的逆矩阵,SVRTb表示b传感器的传感器坐标系与车辆坐标系的变换矩阵的逆矩阵,VWRT表示车辆坐标系坐标值转化到世界坐标系的坐标值的变换矩阵,VWRT-1表示VWRT的逆矩阵,RTab表示车载传感器a检测的目标障碍物的点迹与车载传感器b检测的目标障碍物的点迹的变化矩阵。
在该实施例中,例如,任意两个车载传感器为车载毫米波雷达和车载相机,以车载毫米波雷达检测的目标障碍物的点迹Trs作为主点迹,利用最近点迭代算法依据车载毫米波雷达的点迹Trs中的点和车载相机的点迹Tcs中的点计算得到Tcs与Trs的变化矩阵RTcr,三者之间满足Trs=RTcr*Tcs的关系,可选地,变化矩阵RTcr可以为3×3矩阵。由此,变化矩阵RTcr为车载相机对应的传感器坐标系下的坐标值转换到车载毫米波雷达对应的传感器坐标系下的坐标值的外参关系,这里的变化矩阵也可称为外参矩阵。变化矩阵RTcr的逆矩阵为车载毫米波雷达对应的传感器坐标系下的坐标值转换到车载相机对应的传感器坐标系下的坐标值的外参关系。
又例如,任意两个车载传感器为车载毫米波雷达和车载激光雷达,以车载毫米波雷达检测的目标障碍物的点迹Trs作为主点迹,利用最近点迭代算法依据车载毫米波雷达的点迹Trs中的点和车载激光雷达的点迹Tls中的点计算得到Tls与Trs的变化矩阵RTlr,三者之间满足Trs=RTlr*Tls的关系,可选地,变化矩阵RTlr可以为3×3矩阵。由此,变化矩阵RTlr为车载激光雷达对应的传感器坐标系下的坐标值转换到车载毫米波雷达对应的传感器坐标系下的坐标值的外参关系,这里的变化矩阵也可称为外参矩阵。变化矩阵RTlr的逆矩阵为车载毫米波雷达对应的传感器坐标系下的坐标值转换到车载激光雷达对应的传感器坐标系下的坐标值的外参关系。
再例如,任意两个车载传感器为车载激光雷达和车载相机,以车载激光雷达检测到的目标障碍物的点迹Tls作为主点迹,利用最近点迭代算法依据车载激光雷达的点迹Tls中的点和车载相机的点迹Tcs中的点计算得到Tcs与Tls的变化矩阵RTcl,三者之间满足Tls=RTcl*Tcs的关系,可选地,变化矩阵RTcl可以为3×3矩阵。由此,变化矩阵RTcl为车载相机对应的传感器坐标系下的坐标值转换到车载激光雷达对应的传感器坐标系下的坐标值的外参关系,这里的变化矩阵也可称为外参矩阵。变化矩阵RTcl的逆矩阵为车载激光雷达对应的传感器坐标系下的坐标值转换到车载相机对应的传感器坐标系下的坐标值的外参关系。
本发明实施例可以通过车载传感器实时检测目标障碍物,并基于计算得到的任意两个车载传感器检测到的目标障碍物的点迹,确定任意两个车载传感器间的外参关系,不同时间确定出的外参关系有可能不同,因此,通过将后确定的外参矩阵与之前的外参矩阵进行比较,当两者的偏差大于一定阈值时,利用新的外参矩阵替换之前的外参矩阵,从而可以达到实时校正外参矩阵的目的。通常认为各车载传感器之间是刚体连接关系,即各车载传感器在车辆上的位置是不会有明显变化,但是允许存在微小位移。本发明实施例通过及时完成车载传感器的外参标定以实时校正外参矩阵,解决了车载传感器由于复杂使用环境导致的车载传感器位置微小变化引起的目标障碍物的检测数据的偏差的问题。
基于同一发明构思,本发明实施例还提供了一种车载传感器的外参标定装置。图3示出了根据本发明一个实施例的车载传感器的外参标定装置的结构示意图。参见图3,车载传感器的外参标定装置包括第一确定模块310、生成模块320、第二确定模块330及标定模块340。
现介绍本发明实施例的车载传感器的外参标定装置的各组成或器件的功能以及各部分间的连接关系:
第一确定模块310,适于确定多个车载传感器检测到的目标障碍物的起点位置;
生成模块320,与第一确定模块310耦合,适于从目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹;
第二确定模块330,与生成模块320耦合,适于针对目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹;
标定模块340,与第二确定模块330耦合,适于基于多个车载传感器中任意两个车载传感器检测的目标障碍物的点迹,确定任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
基于同一发明构思,本发明实施例还提供了一种电子设备,包括:处理器;存储有计算机程序代码的存储器;当计算机程序代码被处理器运行时,导致电子设备执行上文任意实施例中的车载传感器的外参标定方法。
基于同一发明构思,本发明实施例还提供了一种计算机存储介质,计算机存储介质存储有计算机程序代码,当计算机程序代码在计算设备上运行时,导致计算设备执行上文任意实施例中的车载传感器的外参标定方法。
根据上述任意一个优选实施例或多个优选实施例的组合,本发明实施例能够达到如下有益效果:
本发明实施例的车载传感器的外参标定过程对车载传感器所在车辆的场地和环境没有限制,能够实时的进行外参标定,可操作性强。另外,相比于目前采用的类纵向与横向参数分别标定的方法所存在的鲁棒性及准确性差的问题,本发明实施例充分考虑了一些车载传感器的输出结果分辨率低、抖动及丢帧的特点,采用车载传感器检测到的多帧检测数据生成目标障碍物的目标轨迹,通过目标障碍物的目标轨迹确定任意两个车载传感器检测的目标障碍物的点迹,以根据点迹确定任意两个车载传感器间的外参关系,从而大大提高了外参标定的精确度及稳定性。
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,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面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,并不应将该公开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,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。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。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,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车载传感器的外参标定装置中的一些或者全部部件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设备或者装置程序(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。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (9)
1.一种车载传感器的外参标定方法,包括:
确定多个车载传感器检测到的目标障碍物的起点位置;
从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹;
针对所述目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹;
基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
2.根据权利要求1所述的方法,其中,确定多个车载传感器检测到的目标障碍物的起点位置,包括:
自各车载传感器分别检测到目标障碍物时刻起,确定之后连续N帧检测数据中是否存在M帧检测数据检测到目标障碍物,其中,M不大于N;
若连续N帧检测数据中存在M帧检测数据检测到目标障碍物,将连续N帧检测数据中第一帧检测数据的目标障碍物的位置作为对应车载传感器检测的目标障碍物的起点位置。
3.根据权利要求2所述的方法,其中,从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹,包括:
以车辆初始位置时每个车载传感器的中心位置分别为传感器坐标系原点定义多个车载传感器分别对应的传感器坐标系,以车辆后轴中心位置为车辆坐标系原点定义车辆坐标系,将所述目标障碍物的起点位置对应时刻的车辆坐标系定义为世界坐标系;
从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置,分别确定多个车载传感器的每一帧检测数据中目标障碍物的位置在对应传感器坐标系下的坐标值;
将目标障碍物的位置在对应传感器坐标系下的坐标值转换为目标障碍物的位置在车辆坐标系下的坐标值,并将目标障碍物的位置在车辆坐标系下的坐标值转换为目标障碍物的位置在世界坐标系下的坐标值;
基于所述目标障碍物的位置在世界坐标系下的坐标值生成对应车载传感器检测的目标障碍物在世界坐标系下的目标轨迹。
4.根据权利要求3所述的方法,其中,针对所述目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹,包括:
针对所述目标轨迹采用三次样条插值法确定对应车载传感器检测的目标障碍物的点迹,其中,多个车载传感器检测的目标障碍物的点迹中包含相同的点数。
5.根据权利要求4所述的方法,其中,基于多个车载传感器中任意两个车载传感器检测到的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定,包括:
针对多个车载传感器检测到的目标障碍物的点迹,在各点迹中的点对应的坐标值中分别增加一维数据;
基于增加一维数据后的任意两个车载传感器检测的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
6.根据权利要求5所述的方法,其中,基于增加一维数据后的任意两个车载传感器检测的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定,包括:
对于任意两个车载传感器以其中一个车载传感器检测的目标障碍物的点迹作为主点迹;
利用最近点迭代算法依据所述主点迹中的点和另一车载传感器检测的目标障碍物点迹中的点,计算另一车载传感器检测的目标障碍物的点迹与所述主点迹的变化矩阵;
将所述变化矩阵作为所述任意两个车载传感器中一车载传感器检测的目标障碍物的传感器坐标系下的坐标值转换至另一车载传感器的传感器坐标系下的坐标值的外参关系以实现对车载传感器的外参标定。
7.一种车载传感器的外参标定装置,包括:
第一确定模块,适于确定多个车载传感器检测到的目标障碍物的起点位置;
生成模块,适于从所述目标障碍物的起点位置对应时刻起,基于来自多个车载传感器的每一帧检测数据中目标障碍物的位置生成对应车载传感器检测到的目标障碍物的目标轨迹;
第二确定模块,适于针对所述目标轨迹采用插值算法确定对应车载传感器检测到的目标障碍物的点迹;
标定模块,适于基于多个车载传感器中任意两个车载传感器检测的目标障碍物的点迹,确定所述任意两个车载传感器间的外参关系以实现对车载传感器的外参标定。
8.一种电子设备,包括:处理器;存储有计算机程序代码的存储器;当所述计算机程序代码被所述处理器运行时,导致所述电子设备执行权利要求1-6任一项所述的车载传感器的外参标定方法。
9.一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行权利要求1-6任一项所述的车载传感器的外参标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095077.7A CN111383287B (zh) | 2020-02-13 | 2020-02-13 | 一种车载传感器的外参标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095077.7A CN111383287B (zh) | 2020-02-13 | 2020-02-13 | 一种车载传感器的外参标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111383287A true CN111383287A (zh) | 2020-07-07 |
CN111383287B CN111383287B (zh) | 2021-06-29 |
Family
ID=71219702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010095077.7A Active CN111383287B (zh) | 2020-02-13 | 2020-02-13 | 一种车载传感器的外参标定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111383287B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111982532A (zh) * | 2020-08-07 | 2020-11-24 | 湖北亿咖通科技有限公司 | 一种自动泊车性能评价方法 |
CN112649013A (zh) * | 2020-12-29 | 2021-04-13 | 天津天瞳威势电子科技有限公司 | 一种可通行区域的确定方法、装置及电子设备 |
CN112781893A (zh) * | 2021-01-04 | 2021-05-11 | 重庆长安汽车股份有限公司 | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 |
CN113361544A (zh) * | 2021-06-11 | 2021-09-07 | 广东省大湾区集成电路与***应用研究院 | 图像采集设备及其外参修正方法、装置及存储介质 |
WO2022061725A1 (zh) * | 2020-09-25 | 2022-03-31 | 华为技术有限公司 | 交通元素的观测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339240A (zh) * | 2008-08-26 | 2009-01-07 | 中国人民解放军海军工程大学 | 基于双层预测机制的无线传感器网络目标跟踪方法 |
US20180088228A1 (en) * | 2016-09-23 | 2018-03-29 | Baidu Online Network Technology (Beijing) Co., Ltd. | Obstacle detection method and apparatus for vehicle-mounted radar system |
CN109507652A (zh) * | 2018-11-29 | 2019-03-22 | 驭势(上海)汽车科技有限公司 | 一种车载雷达标定方法、装置、车载设备及存储介质 |
CN110673115A (zh) * | 2019-09-25 | 2020-01-10 | 杭州飞步科技有限公司 | 雷达与组合导航***的联合标定方法、装置、设备及介质 |
-
2020
- 2020-02-13 CN CN202010095077.7A patent/CN111383287B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339240A (zh) * | 2008-08-26 | 2009-01-07 | 中国人民解放军海军工程大学 | 基于双层预测机制的无线传感器网络目标跟踪方法 |
US20180088228A1 (en) * | 2016-09-23 | 2018-03-29 | Baidu Online Network Technology (Beijing) Co., Ltd. | Obstacle detection method and apparatus for vehicle-mounted radar system |
CN109507652A (zh) * | 2018-11-29 | 2019-03-22 | 驭势(上海)汽车科技有限公司 | 一种车载雷达标定方法、装置、车载设备及存储介质 |
CN110673115A (zh) * | 2019-09-25 | 2020-01-10 | 杭州飞步科技有限公司 | 雷达与组合导航***的联合标定方法、装置、设备及介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111982532A (zh) * | 2020-08-07 | 2020-11-24 | 湖北亿咖通科技有限公司 | 一种自动泊车性能评价方法 |
CN111982532B (zh) * | 2020-08-07 | 2021-07-20 | 湖北亿咖通科技有限公司 | 一种自动泊车性能测试方法 |
WO2022061725A1 (zh) * | 2020-09-25 | 2022-03-31 | 华为技术有限公司 | 交通元素的观测方法和装置 |
CN112649013A (zh) * | 2020-12-29 | 2021-04-13 | 天津天瞳威势电子科技有限公司 | 一种可通行区域的确定方法、装置及电子设备 |
CN112781893A (zh) * | 2021-01-04 | 2021-05-11 | 重庆长安汽车股份有限公司 | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 |
CN112781893B (zh) * | 2021-01-04 | 2022-09-06 | 重庆长安汽车股份有限公司 | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 |
CN113361544A (zh) * | 2021-06-11 | 2021-09-07 | 广东省大湾区集成电路与***应用研究院 | 图像采集设备及其外参修正方法、装置及存储介质 |
CN113361544B (zh) * | 2021-06-11 | 2024-04-19 | 广东省大湾区集成电路与***应用研究院 | 图像采集设备及其外参修正方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111383287B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111383287B (zh) | 一种车载传感器的外参标定方法及装置 | |
CN112051590B (zh) | 激光雷达与惯性测量单元的检测方法及相关装置 | |
CN111812658B (zh) | 位置确定方法、装置、***和计算机可读存储介质 | |
CN106476728B (zh) | 用于车载的车辆传感器的运动补偿 | |
US20200206945A1 (en) | Robot pose estimation method and apparatus and robot using the same | |
CN110873883B (zh) | 融合激光雷达和imu的定位方法、介质、终端和装置 | |
CN110554376A (zh) | 用于运载工具的雷达测程法 | |
CN113432553B (zh) | 一种挂车夹角的测量方法、装置及车辆 | |
US20240053475A1 (en) | Method, apparatus, and system for vibration measurement for sensor bracket and movable device | |
US20160344973A1 (en) | Method and device for producing a masking instruction, as well as for masking image information from a camera | |
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 | |
CN112781893B (zh) | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 | |
CN114089316A (zh) | 一种激光雷达-惯导的联合标定***、方法及介质 | |
CN113494910B (zh) | 一种基于uwb定位的车辆定位方法、装置及存储介质 | |
CN108961337B (zh) | 车载相机航向角标定方法和装置、电子设备以及车辆 | |
CN116448146A (zh) | 一种惯性导航***自标定方法、装置、设备及存储介质 | |
CN114019954B (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
CN114419118A (zh) | 三维点云配准方法、移动设备及存储介质 | |
CN115848404A (zh) | 一种铰接式车辆控制方法及铰接式车辆 | |
CN112506190A (zh) | 一种机器人定位方法、机器人定位装置及机器人 | |
CN113030504B (zh) | 车辆测速方法、装置、车载计算机设备和存储介质 | |
CN111488419A (zh) | 室内机器人地图的创建方法、装置、电子设备和存储介质 | |
CN115876239A (zh) | 传感器的标定方法、装置、介质、设备和车辆 | |
CN115829879B (zh) | 面向敏捷卫星的姿态四元数处理方法、装置、设备 | |
JP7409037B2 (ja) | 推定装置、推定方法、推定プログラム |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220321 Address after: 430051 No. b1336, chuanggu startup area, taizihu cultural Digital Creative Industry Park, No. 18, Shenlong Avenue, Wuhan Economic and Technological Development Zone, Wuhan, Hubei Province Patentee after: Yikatong (Hubei) Technology Co.,Ltd. Address before: No.c101, chuanggu start up area, taizihu cultural Digital Industrial Park, No.18 Shenlong Avenue, Wuhan Economic Development Zone, Hubei Province Patentee before: HUBEI ECARX TECHNOLOGY Co.,Ltd. |