CN112164063A - 一种数据处理方法及装置 - Google Patents

一种数据处理方法及装置 Download PDF

Info

Publication number
CN112164063A
CN112164063A CN202011190058.9A CN202011190058A CN112164063A CN 112164063 A CN112164063 A CN 112164063A CN 202011190058 A CN202011190058 A CN 202011190058A CN 112164063 A CN112164063 A CN 112164063A
Authority
CN
China
Prior art keywords
data
point cloud
acquisition
determining
cloud data
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.)
Pending
Application number
CN202011190058.9A
Other languages
English (en)
Inventor
赵明
王兆圣
刘余钱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Lingang Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Priority to CN202011190058.9A priority Critical patent/CN112164063A/zh
Publication of CN112164063A publication Critical patent/CN112164063A/zh
Priority to KR1020227007210A priority patent/KR20220058901A/ko
Priority to PCT/CN2021/102869 priority patent/WO2022088723A1/zh
Priority to JP2022514853A priority patent/JP2023503767A/ja
Pending legal-status Critical Current

Links

Images

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开提供了一种数据处理方法及装置，包括：获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。

Description

一种数据处理方法及装置
技术领域
本公开涉及信息处理技术领域，具体而言，涉及一种数据处理方法及装置。
背景技术
随着信息技术的发展，无人驾驶技术也逐渐得到了广泛的应用。目前，无人驾驶技术主要通过激光雷达采集雷达点云数据，然后基于定位装置(如全球定位***(GlobalPositioning System，GPS)、组合惯导等)确定激光雷达的位置信息，再对点云数据与位置信息进行信息融合，确定无人驾驶装置与障碍物之间的位置关系，从而实现避障，其中，在基于定位装置确定激光雷达的位置信息时，一般是先通过确定定位装置的位置信息，然后经过外参数据，将定位装置的位置信息转换为激光雷达的位置信息，其中，外参数据用于表示定位装置和激光雷达之间的相对位置关系。
相关技术中，在确定外参数据时，需要借助一系列设备对定位装置和激光雷达的位置进行标定，但是无人驾驶装置在使用过程中，定位装置和激光雷达的位置可能会发生变化，因此外参数据需要每隔预设时间更新一次。每次更新过程中，都需要人工借助测量设备重新标定定位装置和激光雷达的位置，再重新确定外参数据，这种方法效率较低。
发明内容
本公开实施例至少提供一种数据处理方法及装置。
第一方面，本公开实施例提供了一种数据处理方法，包括：
获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；
基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；
基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；
基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
通过上述实施方式，可以根据定位装置采集的定位数据以及雷达装置采集的雷达数据，确定表征地面的地面参数信息以及雷达装置的初始位姿数据，然后基于地面参数信息以及雷达装置的初始位姿数据，对外参数据进行调整，由于地面参数信息和雷达装置的初始位姿数据都可以通过数据采集或计算得到，在外参数据的调整过程中，无需由人力借助其他设备对定位装置和雷达装置的位置进行标定，提高了外参数据的调整效率，节省了人力成本。
一种可能的实施方式中，所述点云数据中包括多个雷达扫描点的坐标信息；
所述基于所述点云数据，确定表征地面的地面参数信息，包括：
基于所述点云数据进行平面拟合，得到拟合平面信息；
基于所述点云数据中雷达扫描点的坐标信息，确定每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离；
基于确定的每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离，进行点云数据筛选，并基于筛选后的点云数据，返回基于所述点云数据进行平面拟合的步骤，直到达到预设迭代条件，基于最后筛选后的点云数据，确定所述地面参数信息。
上述实施方式中，通过迭代拟合的方式，对点云数据进行多次筛选，然后再基于最后筛选后的点云数据，确定地面参数信息，提高了地面参数信息的精度。
一种可能的实施方式中，在基于所述点云数据进行平面拟合之前，执行以下至少一种数据筛选过程：
对所述点云数据进行降采样处理，使得所述点云数据中雷达扫描点的分布密度符合预设条件；
根据所述雷达装置的预设安装高度，确定目标坐标范围，并筛选出对应的坐标信息位于所述目标坐标范围内的雷达扫描点。
在基于点云数据进行平面拟合之前，先对点云数据进行数据筛选，一方面可以提高地面参数信息的计算精度，另一方面可以降低平面拟合过程中的计算量，提高计算效率。
一种可能的实施方式中，所述位置数据高度数据；
所述方法还包括：
基于所述位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将所述点云数据划分至多个采集区间。
一种可能的实施方式中，所述基于所述位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将所述点云数据划分至多个采集区间，包括：
对所述高度数据进行过滤，确定过滤后保留的高度数据中的至少一个极值点；
以各个极值点对应的采集时间点作为采集区间的切分点，将所述点云数据进行划分至多个采集区间。
一种可能的实施方式中，所述基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据，包括：
针对每个采集区间，基于该采集区间内的点云数据，确定该采集区间对应的地面参数信息，以及，基于在采集该采集区间内的点云数据时雷达装置的位置数据，确定该采集区间对应的所述雷达装置的初始位姿数据；
所述基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整，包括：
基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
上述实施方式中，增加了对于地面高度信息的考虑，通过将点云数据划分至多个采集区间，并确定不同采集区间分别对应的地面参数信息，再基于不同采集区间分别对应的地面参数信息，以及该采集区间内的初始位姿数据，对外参数据进行调整时，调整的外参更加精确。
一种可能的实施方式中，所述基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整，包括：
基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据；
基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整。
一种可能的实施方式中，基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据，包括：
针对任一个采集区间，基于该采集区间对应的所述地面参数信息、以及所述初始位姿数据，确定使得目标函数的值最小的位姿数据，将使得目标函数的值最小的位姿数据作为该采集区间对应的优化后的位姿数据，其中，所述目标函数为进行位姿数据优化前后的地面参数信息之差的绝对值，与进行位姿数据优化前后的位姿数据之差的绝对值之和。
一种可能的实施方式中，所述基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整，包括：
基于每个采集区间对应的初始位姿数据，及优化后的位姿数据，确定该采集区间内的第一平均位姿变化量；
基于每个采集区间内的所述第一平均位姿变化量，确定所述多个采集区间对应的第二平均位姿变化量；
基于所述第二平均位姿变化量，对所述外参数据进行调整。
由于不同采集区间内的地面参数信息的不同，因此根据不同采集区间的地面参数信息所确定的初始位姿数据对应的优化后的位姿数据更加精确，进而在计算第一平均位姿变化量和第二平均位姿变化量，并基于第二平均位姿变化量对外参数据进行调整时，调整后的外参数据更加精确。
一种可能的实施方式中，所述基于所述第二平均位姿变化量，对所述外参数据进行调整，包括：
将所述第二平均位姿变化量与调整前的外参数据的乘积确定为调整后的外参数据。
一种可能的实施方式中，所述定位数据中包含多个第一采集时间点和在每个第一采集时间点采集的位置数据，所述点云数据中包含多个第二采集时间点和在每个第二采集时间点采集的点云数据；
所述基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据，包括：
针对每一个第二采集时间点，分别确定与该第二采集时间点相隔时间最短的两个第一采集时间点，所述两个第一采集时间点包括在该第二采集时间点之前的一个第一采集时间点和在该第二采集时间点之后的一个第一采集时间点；
基于所述两个第一采集时间点分别对应的位置数据，确定所述雷达装置在该第二采集时间点采集点云数据时的位置数据。
通过上述实施方式，可以确定雷达装置在每个第二采集时间点采集点云数据时的位置数据，避免了雷达装置和定位装置的数据采集频率的不同所带来的干扰。
第二方面，本公开实施例还提供一种数据处理装置，包括：
获取模块，用于获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；
第一确定模块，用于基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；
第二确定模块，用于基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；
调整模块，用于基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
关于上述数据处理装置、计算机设备、及计算机可读存储介质的效果描述参见上述数据处理方法的说明，这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的数据处理方法的流程示意图；
图2示出了本公开实施例所提供的一种第一采集时间点与第二采集时间点的对照示意图；
图3示出了本公开实施例所提供的另一种第一采集时间点与第二采集时间点的对照示意图；
图4示出了本公开实施例所提供的一种基于点云数据，确定表征地面的地面参数信息的方法流程示意图；
图5示出了本公开实施例所提供的一种高度数据极值点确定方法示意图数据极值点确定方法示意图；
图6示出了本公开实施例所提供的一种外参数据调整方法的流程示意图；
图7示出了本公开实施例所提供的一种数据处理装置的架构示意图；
图8示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
一般在自动驾驶车辆出厂前，会借助一系列设备对自动驾驶车辆上的定位装置和雷达装置的位置进行标定，从而确定外参数据，然而由于自动驾驶车辆在使用过程中，定位装置和雷达装置之间的相对位置会发生变化，因此需要对外参数据进行定期更新。
相关技术中，若在对外参数据进行更新时，也采用自动驾驶车辆出厂时的外参数据的确定方法重新确定外参数据，步骤较繁琐，效率较低。
在另外一种方法中，还可以通过手眼标定算法对外参数据进行估计，具体的，可以控制自动驾驶车辆运行一段轨迹，并记录下自动驾驶车辆在运行过程中其上的定位装置采集的定位数据以及雷达装置采集的点云数据，然后分别计算出定位装置和雷达装置的位姿轨迹，再基于手眼标定算法进行外参的求解。
然而这种方法中，对于定位装置和雷达装置的测量精度比较高，且仅能提供三个自由度上的变化参量，但由于外参数据为六个自由度上的参量，因此，通过这种方法确定出的外参误差较大。
基于此，本公开提供了一种数据处理方法，可以根据定位装置采集的定位数据以及雷达装置采集的雷达数据，确定表征地面的地面参数信息以及雷达装置的初始位姿数据，然后基于地面参数信息以及雷达装置的初始位姿数据，对外参数据进行调整，由于地面参数信息和雷达装置的初始位姿数据都可以通过数据采集或计算得到，在外参数据的调整过程中，无需由人力借助其他设备对定位装置和雷达装置的位置进行标定，提高了外参数据的调整效率，节省了人力成本；另外本方案中是基于位姿变化量对外参数据进行调整，由于位姿数据为六个自由度上的数据，因此，在对外参数据进行调整时，可以对外参数据的六个量都进行调整，从而提高了外参数据的调整精度。
针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
下面将结合本公开中附图，对本公开中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种数据处理方法进行详细介绍，本公开实施例所提供的数据处理方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)等。在一些可能的实现方式中，该数据处理方法可以通过安装在自动驾驶装置上的处理器进行处理。
下面以执行主体为安装在自动驾驶装置上的处理器为例对本公开实施例提供的数据处理方法加以说明，其中需要说明的是，定位装置和雷达装置分别与处理器连接，其连接方式包括但不仅限于有线连接、无线连接，其中，无线连接方式例如可以为蓝牙连接、无线局域网连接等。
参见图1所示，为本公开实施例提供的数据处理方法的流程示意图，包括以下几个步骤：
步骤101、获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上。
步骤102、基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据。
步骤103、基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据。
步骤104、基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
通过上述实施方法，可以根据定位装置采集的定位数据以及雷达装置采集的雷达数据，确定表征地面的地面参数信息以及雷达装置的初始位姿数据，然后基于地面参数信息以及雷达装置的初始位姿数据，对外参数据进行调整，由于地面参数信息和雷达装置的初始位姿数据都可以通过数据采集或计算得到，在外参数据的调整过程中，无需由人力借助其他设备对定位装置和雷达装置的位置进行标定，提高了外参数据的调整效率，节省了人力成本。
以下是针对步骤101～步骤104的详细说明。
针对步骤101：
定位装置和雷达装置都可以是安装在同一车辆上，且定位装置和雷达装置的安装位置不同。定位装置例如可以为全球定位***(Global Positioning System，GPS)，或者组合惯导***，组合惯导***为GPS与惯性传感器组合的***。
针对步骤102、
实际应用中，在同一时间段内，雷达装置和定位装置的数据采集频率是不同的。定位装置在采集位置数据时，可以在数据采集时间内，按照GPS卫星设置的采集频率对位置数据进行采集；雷达装置在采集点云数据时，可以按照设定频率发射无线电光束，以该设定频率进行点云数据的采集。实际应用中，GPS卫星设置的采集频率比雷达装置对应的设定频率高。
定位装置采集的定位数据中包括多个第一采集时间点和在每个第一采集时间点采集的位置数据，其中，每个第一采集时间点采集的位置数据包括经纬度数据、以及高度数据，所述高度数据为相对于海平面的高度；点云数据中包含多个第二采集时间点和在每个第二采集时间点采集的点云数据，其中，每个第二采集时间点采集的点云数据包括多个雷达扫描点的坐标信息。
需要说明的是，定位装置输出的定位数据为基于表征定位装置和雷达装置之间的相对位置关系的外参数据进行调整后的定位数据，即定位装置输出的定位数据为雷达装置的定位数据。
由于雷达装置采集雷达数据的频率与定位装置采集定位数据的频率不同，因此需要基于定位数据和雷达数据，确定雷达装置在定位装置采集定位数据时的位置数据，即确定雷达装置在每个第二采集时间点采集点云数据时对应的位置数据。
具体的，针对每一个第二采集时间点，可以先检测是否存在与该第二采集时间点对应的第一采集时间点，若该第二采集时间点有对应的第一采集时间点，则将该第二采集时间点对应的第一采集时间点的位置数据，确定为雷达装置在采集该第二采集时间点的点云数据时的位置数据，若在该第二采集时间点没有对应的第一采集时间点，则基于第一采集时间点与第二采集时间点之间的时间间隔，计算雷达装置在该第二采集时间点采集点云数据时的位置数据。
在一种可能的实施方式中，在计算雷达装置在第二采集时间点采集点云数据时的位置数据时，针对每一个第二采集时间点，可以先分别确定与该第二采集时间点相隔时间最短的两个第一采集时间点，两个第一采集时间点包括在该第二采集时间点之前的一个第一采集时间点和在该第二采集时间点之后的一个第一采集时间点，然后基于两个第一采集时间点分别对应的位置数据，确定雷达装置在该第二采集时间点采集点云数据时的位置数据。
具体的，在基于两个第一采集时间点分别对应的数据位置，确定雷达装置在该第二采集时间点采集点云数据时的位置数据时，如第一采集时间点和第二采集时间点是均匀分布的，则可以将与第二时间点间隔时间最短的两个第一采集时间点的位置数据的均值确定为雷达装置在该第二采集时间点采集点云数据时的位置数据。
示例性的，如图2所示，图2中横线上方的点a1、b1、c1、d1、e1、f1、g1均表示第一采集时间点，每个第一采集时间点都有对应的位置数据，横向下方的a2、b2、c2、d2、e2均表示第二采集时间点，每个第二采集时间点都有对应的点云数据，对于第一采集时间点a1、d1、g1均有对应的第二采集时间点，具体的对应关系为a1→a2、d1→c2、g1→e2，则将a1对应的位置数据确定为雷达装置在a2采集点云数据时的位置数据，将d1对应的位置数据确定为雷达装置在c2采集点云数据时的位置数据，将g1对应的位置数据确定为雷达装置在e2采集点云数据时的位置数据；而对于没有对应的第一采集时间点的第二采集时间点，如b2，则选择与b2距离最近的第一采集时间点b1和c1，然后将b1和c1分别对应的位置数据的均值，确定为雷达装置在b2采集点云数据时的位置数据，以此类推，计算雷达装置在d2采集点云数据时的位置数据。
其中，在计算两个第一采集时间点的位置数据的均值时，可以将位置数据的所包含的每一项数据求均值，例如，位置数据包括经度、纬度、以及高度，则可以分别计算经度的均值、纬度的均值、以及高度的均值，然后将经度的均值、纬度的均值、以及高度的均值作为求均值之后的位置数据。
在基于两个第一采集时间点分别对应的数据位置，确定雷达装置在该第二采集时间点采集点云数据时的位置数据时，若第一采集时间点和第二采集时间点不是均匀分布的，则在计算雷达装置在没有对应的第一采集时间的第二采集时间点采集点云数据时的位置数据时，可以基于两个第一时间点与第二采集时间点之间的间距进行确定。
示例性的，如图3所示，图3中，点a和点b为第一采集时间点，点c为第二采集时间点，则在确定雷达装置在点c采集点云数据时的位置数据时，可以根据点a与点c之间的距离、点b与点c之间的距离，分别确定点a的位置数据对应的权重和点b的位置数据对应的权重，然后将点a的位置数据和点b的位置数据按照各自对应的权重进行加权求和，得到雷达装置在点c采集点云数据时的位置数据。
通过上述实施方式，可以确定雷达装置在每个第二采集时间点采集点云数据时的位置数据，避免了雷达装置和定位装置的数据采集频率的不同所带来的干扰。
针对步骤103：
表征地面的地面参数信息包括法向量和截距。具体在基于点云数据，确定表征地面的地面参数信息时，可以参照图4所示的方法，包括以下几个步骤：
步骤401、基于所述点云数据进行平面拟合，得到拟合平面信息。
其中，在基于点云数据进行平面拟合时，可以基于随机抽样一致算法(Randomsample consensus，RANSAC)进行平面拟合。具体的，可以从点云数据中随机选取预设比例的点云数据，并基于随机选取的点云数据进行平面拟合。
步骤402、基于所述点云数据中雷达扫描点的坐标信息，确定每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离。
步骤403、基于确定的每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离，进行点云数据筛选。
确定地面参数信息时，需要根据点云数据拟合出地面，因此，在进行点云数据筛选时，是将不在地面上的雷达扫描点过滤掉。具体的，在基于确定的每一个雷达扫描点与拟合平面信息所指示的平面之间的距离，进行点云数据筛选时，可以将与拟合信息所指示的平面之间的距离超过预设距离范围的雷达扫描点过滤掉。
步骤404、判断是否满足预设迭代条件。
若满足预设迭代条件，则执行步骤405；
若不满足预设迭代条件，则基于筛选后的点云数据，返回执行步骤401。
其中，预设迭代条件可以是达到预设的迭代次数，或者在步骤403中进行点云数据筛选时，所有的雷达扫描点与拟合平面信息所指示的平面之间的距离均在预设距离范围内。
步骤405、基于最后筛选后的点云数据，确定地面参数信息。
上述方式中，通过迭代拟合的方式，对点云数据进行多次筛选，然后再基于最后筛选后的点云数据，确定地面参数信息，提高了地面参数信息的精度。
在基于最后筛选的点云数据，确定地面参数信息时，可以是基于最后筛选的点云数据再次进行平面拟合，然后确定拟合后的平面的地面参数信息，其中地面参数信息包括法向量和截距。
在一种可能的实施方式中，为了提高数据筛选的效率，在基于点云数据进行平面拟合之前，还可以执行以下至少一种数据筛选过程：
1、对点云数据进行降采样处理，使得点云数据中雷达扫描点的分布密度符合预设条件；
其中，由于点云数据的密度会对平面拟合的效率产生影响，因此可以通过对点云数据进行降采样处理，从而提高点云数据筛选的效率，进而提高地面参数信息的确定效率。示例性的，可以通过体素滤波法对点云数据进行降采样处理。
2、根据雷达装置的预设安装高度，确定目标坐标范围，并筛选出对应的坐标信息位于目标坐标范围内的雷达扫描点。
雷达装置的预设安装高度为雷达装置距离地面的高度，在建立世界坐标系时，可以以雷达装置所在的位置点为Z轴的起点，然后根据雷达装置的预设安装高度，确定目标坐标范围，该目标坐标范围可以用于表示位于地面的雷达扫描点在Z轴的高度范围，通过筛选出对应的坐标信息位于目标坐标范围内的雷达扫描点，可以对于点云数据进行粗略的筛选，进而可以提高点云数据筛选的效率，进而提高地面参数信息的确定效率。
雷达装置的位姿数据除了包括雷达装置在建立的世界坐标系中的坐标、还包括俯仰角、航偏角、以及翻滚角中的至少一种。在基于雷达装置在每个第二采集时间点采集点云数据时的位置数据，确定雷达装置的初始位姿数据时，由于位置数据中包括经纬度和高度，因此，雷达装置在三维空间中的位置是确定的，因此对三维空间建立世界坐标系之后，雷达装置在世界坐标系中的位姿数据也是确定的。
考虑到在数据采集过程中，自动驾驶装置可能并不行驶在同一地平面中，因此，不同地平面之间的地面参数信息可能并不相同，因此，本申请另外一实施例中，还可以根据位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将点云数据划分至多个采集区间，每个采集区间包括多个第二采集时间点，在每个采集区间内可以看作车辆行驶在同一地平面上。
在一种可能的实施方式中，在根据位置数据中的高度数据，将点云数据划分至多个采集区间时，可以基于高度数据在各个第二采集时间点的高度值，对高度数据进行过滤处理，然后确定经过过滤处理后保留的高度数据中的至少一个极值点，然后以各个极值点对应的采集时间点作为采集区间的切分点，将点云数据划分至多个采集区间。
考虑到自动驾驶装置在行驶过程中所采集的高度数据，可能会受到地面障碍物的影响，例如障碍物引起的颠簸等，因此，可以先对自动驾驶装置采集的高度数据进行过滤处理。具体的，可以将高度值波动频率高于设定频率或波动幅度小于设定幅度的高度值过滤掉。
示例性的，如图5所示，图5中的坐标图中，横坐标为第二采集时间点，纵坐标为每个第二采集时间点对应的位置数据中的高度数据，折线图中的点为极值点，每两个极值点之间的第二采集时间点为一个采集区间，每个采集区间中，包括多个第二采集时间点，同理也包括多帧点云图像。
在将点云数据划分至多个采集区间之后，针对每个采集区间，可以基于该采集区间内的点云数据，确定该采集区间对应的地面参数信息，以及，基于在采集该采集区间内的点云数据时雷达装置的位置数据，确定该采集区间对应的所述雷达装置的初始位姿数据。
在确定每个采集区间的地面参数信息、以及该采集区间对应的雷达装置的初始位姿数据之后，可以基于每个所述采集区间分别对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
在一种可能的实施方式中，在基于每个所述采集区间分别对应的所述地面参数信息和所述初始位姿数据，对外参数据进行调整时，可以参照图6所示的外参数据调整方法，包括以下几个步骤：
步骤601、基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据。
具体的，在基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据时，针对任一个采集区间，可以基于该采集区间对应的地面参数信息、以及初始位姿数据，确定使得目标函数的值最小的优化后的位姿数据，并将使得目标函数的值最小的位姿数据作为该采集区间对应的优化后的位姿数据，其中，目标函数为进行位姿数据优化前后的地面参数信息之差的绝对值，与进行位姿数据优化前后的位姿数据之差的绝对值之和。
示例性的，目标函数可以为如下公式所示：
Figure BDA0002752492460000171
其中，
Figure BDA0002752492460000172
表示第i帧点云图像的初始位姿数据，
Figure BDA0002752492460000173
表示第i帧点云图像的初始位姿数据对应的待计算的优化后的位姿数据，
Figure BDA0002752492460000174
表示计算优化前的地面参数信息，即基于在该采集区间内的点云数据，确定出的地面参数信息，
Figure BDA0002752492460000175
表示优化后的地面参数信息，N表示在该采集区间内的点云数据中的所包含的点云图像的个数，即在该采集区间内的第二采集时间点的个数。
针对任一采集区间，在该采集区间的每一个第二采集时间点，都会采集一组点云数据，该组点云数据可以构成一帧点云图像，在数据采集过程中，包括多个第二采集时间点，对应多组点云数据，每一组点云数据都对应一帧点云图像，对于每一组点云数据，都计算该组点云数据对应的初始位姿数据，并带入上述公式中，通过最小二乘法求解该公式，可以得到每一帧点云图像的初始位姿数据对应的优化后的位姿数据。
另外，通过求解上述方程，还可以得到优化后的地面参数信息，但优化后的地面参数信息与调整外参数据无关。
示例性的，若N＝3，则上述公式可以展开为：
Figure BDA0002752492460000181
通过最小二乘法，可以分别计算出第一帧点云图像对应的优化后的位姿数据
Figure BDA0002752492460000182
第二帧点云图像对应的优化后的位姿数据
Figure BDA0002752492460000183
第三帧点云图像对应的优化后的位姿数据
Figure BDA0002752492460000184
以及优化后的地面参数信息
Figure BDA0002752492460000185
需要说明的是，
Figure BDA0002752492460000186
和
Figure BDA0002752492460000187
可以是六维向量，向量中各元素分别表示雷达装置在世界坐标系中的坐标x、y、z、俯仰角、航偏角、以及翻滚角，
Figure BDA0002752492460000188
和
Figure BDA0002752492460000189
可以是四维向量，向量中各元素分别表示法向量的值和截距，法向量为三维向量。
步骤602、基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整。
具体的，在基于每个采集区间对应的初始位姿数据、以及优化后的位姿数据，对外参数据进行调整时，可以先基于每个采集区间对应的初始位姿数据，以及优化后的位姿数据，确定该采集区间内的第一平均位姿变化量；然后基于每个采集区间内的第一平均位姿变化量，确定多个采集区间对应的第二平均位姿变化量；再基于第二平均位姿变化量，对外参数据进行调整。
在一种可能的实施方式中，在确定任一采集区间的第一平均位姿变化量时，针对该采集区间内的点云数据对应的每一帧点云图像，可以确定该帧点云图像对应的初始位姿数据与优化后的位姿数据之间的位姿变化量，然后基于点云数据对应的多帧点云图像的位姿变化量，计算所述第一平均位姿变化量。
针对任一帧点云图像，在计算该帧点云图像对应的初始位姿数据与优化后的位姿数据之间的位姿变化量时，可以分别计算初始位姿数据中的经纬度和高度、与优化后的位姿数据中的经纬度和高度对应的变化量。
在一种可能的实施方式中，在基于第二平均位姿变化量，对外参数据进行调整时，可以将第二平均位姿变化量与调整前的外参数据之间的乘积确定为调整后的外参数据。
通过上述方法，可以根据定位装置采集的定位数据以及雷达装置采集的雷达数据，确定地面参数信息、以及雷达装置的初始位姿数据，然后基于地面参数信息、以及雷达装置的初始位姿数据，对外参数据进行调整，在外参数据的调整过程中，无需借助其他设备对定位装置和雷达装置的相对位置进行标定，提高了外参数据的精度和调整效率，进而在确定雷达装置的位姿数据时效率和精度更高。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与数据处理方法对应的数据处理装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述数据处理方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图7所示，为本公开实施例提供的一种数据处理装置的架构示意图，所述装置包括：获取模块701、第一确定模块702、第二确定模块703、调整模块704；其中，
获取模块701，用于获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；
第一确定模块702，用于基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；
第二确定模块703，用于基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；
调整模块704，用于基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
在一种可能的实施方式中，所述点云数据中包括多个雷达扫描点的坐标信息；
所述第二确定模块703，在基于所述点云数据，确定表征地面的地面参数信息时，用于：
基于所述点云数据进行平面拟合，得到拟合平面信息；
基于所述点云数据中雷达扫描点的坐标信息，确定每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离；
基于确定的每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离，进行点云数据筛选，并基于筛选后的点云数据，返回基于所述点云数据进行平面拟合的步骤，直到达到预设迭代条件，基于最后筛选后的点云数据，确定所述地面参数信息。
在一种可能的实施方式中，所述第二确定模块703，还用于在基于所述点云数据进行平面拟合之前，执行以下至少一种数据筛选过程：
对所述点云数据进行降采样处理，使得所述点云数据中雷达扫描点的分布密度符合预设条件；
根据所述雷达装置的预设安装高度，确定目标坐标范围，并筛选出对应的坐标信息位于所述目标坐标范围内的雷达扫描点。
在一种可能的实施方式中，所述位置数据高度数据；
所述第二确定模块703，还用于：
基于所述位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将所述点云数据划分至多个采集区间。
在一种可能的实施方式中，所述第二确定模块703，在基于所述位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将所述点云数据划分至多个采集区间时，用于：
对所述高度数据进行过滤，确定过滤后保留的高度数据中的至少一个极值点；
以各个极值点对应的采集时间点作为采集区间的切分点，将所述点云数据进行划分至多个采集区间。
在一种可能的实施方式中，所述第二确定模块703，在基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据时，用于：
针对每个采集区间，基于该采集区间内的点云数据，确定该采集区间对应的地面参数信息，以及，基于在采集该采集区间内的点云数据时雷达装置的位置数据，确定该采集区间对应的所述雷达装置的初始位姿数据；
所述调整模块704，在基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整时，用于：
基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
在一种可能的实施方式中，所述调整模块704，在基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整时，用于：
基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据；
基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整。
在一种可能的实施方式中，所述调整模块704，在基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据时，用于：
针对任一个采集区间，基于该采集区间对应的所述地面参数信息、以及所述初始位姿数据，确定使得目标函数的值最小的位姿数据，将使得目标函数的值最小的位姿数据作为该采集区间对应的优化后的位姿数据，其中，所述目标函数为进行位姿数据优化前后的地面参数信息之差的绝对值，与进行位姿数据优化前后的位姿数据之差的绝对值之和。
在一种可能的实施方式中，所述调整模块704，在基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整时，用于：
基于每个采集区间对应的初始位姿数据，及优化后的位姿数据，确定该采集区间内的第一平均位姿变化量；
基于每个采集区间内的所述第一平均位姿变化量，确定所述多个采集区间对应的第二平均位姿变化量；
基于所述第二平均位姿变化量，对所述外参数据进行调整。
在一种可能的实施方式中，所述调整模块704，在基于所述第二平均位姿变化量，对所述外参数据进行调整时，用于：
将所述第二平均位姿变化量与调整前的外参数据的乘积确定为调整后的外参数据。
在一种可能的实施方式中，所述定位数据中包含多个第一采集时间点和在每个第一采集时间点采集的位置数据，所述点云数据中包含多个第二采集时间点和在每个第二采集时间点采集的点云数据；
所述第一确定模块702，在基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据时，用于：
针对每一个第二采集时间点，分别确定与该第二采集时间点相隔时间最短的两个第一采集时间点，所述两个第一采集时间点包括在该第二采集时间点之前的一个第一采集时间点和在该第二采集时间点之后的一个第一采集时间点；
基于所述两个第一采集时间点分别对应的位置数据，确定所述雷达装置在该第二采集时间点采集点云数据时的位置数据。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图8所示，为本公开实施例提供的计算机设备的结构示意图，包括处理器801、存储器802、和总线803。其中，存储器802用于存储执行指令，包括内存8021和外部存储器8022；这里的内存8021也称内存储器，用于暂时存放处理器801中的运算数据，以及与硬盘等外部存储器8022交换的数据，处理器801通过内存8021与外部存储器8022进行数据交换，当计算机设备800运行时，处理器801与存储器802之间通过总线803通信，使得处理器801在执行以下指令：
获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；
基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；
基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；
基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
其中，处理器801执行的具体处理过程可参照上述方法实施例中的描述，这里不再展开说明。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的数据处理方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的数据处理方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的数据处理方法的步骤。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和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。在本公开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。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，又例如，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通信接口，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，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，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。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (14)

1.一种数据处理方法，其特征在于，包括：
获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；
基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；
基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；
基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
2.根据权利要求1所述的方法，其特征在于，所述点云数据中包括多个雷达扫描点的坐标信息；
所述基于所述点云数据，确定表征地面的地面参数信息，包括：
基于所述点云数据进行平面拟合，得到拟合平面信息；
基于所述点云数据中雷达扫描点的坐标信息，确定每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离；
基于确定的每一个雷达扫描点与所述拟合平面信息所指示的平面之间的距离，进行点云数据筛选，并基于筛选后的点云数据，返回基于所述点云数据进行平面拟合的步骤，直到达到预设迭代条件，基于最后筛选后的点云数据，确定所述地面参数信息。
3.根据权利要求2所述的方法，其特征在于，在基于所述点云数据进行平面拟合之前，执行以下至少一种数据筛选过程：
对所述点云数据进行降采样处理，使得所述点云数据中雷达扫描点的分布密度符合预设条件；
根据所述雷达装置的预设安装高度，确定目标坐标范围，并筛选出对应的坐标信息位于所述目标坐标范围内的雷达扫描点。
4.根据权利要求1所述的方法，其特征在于，所述位置数据高度数据；
所述方法还包括：
基于所述位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将所述点云数据划分至多个采集区间。
5.根据权利要求4所述的方法，其特征在于，所述基于所述位置数据中的高度数据，以及位置数据和点云数据之间的对应关系，将所述点云数据划分至多个采集区间，包括：
对所述高度数据进行过滤，确定过滤后保留的高度数据中的至少一个极值点；
以各个极值点对应的采集时间点作为采集区间的切分点，将所述点云数据进行划分至多个采集区间。
6.根据权利要求4所述的方法，其特征在于，所述基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据，包括：
针对每个采集区间，基于该采集区间内的点云数据，确定该采集区间对应的地面参数信息，以及，基于在采集该采集区间内的点云数据时雷达装置的位置数据，确定该采集区间对应的所述雷达装置的初始位姿数据；
所述基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整，包括：
基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
7.根据权利要求6所述的方法，其特征在于，所述基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整，包括：
基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据；
基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整。
8.根据权利要求7所述的方法，其特征在于，基于每个采集区间对应的所述地面参数信息和所述初始位姿数据，确定每个采集区间对应的优化后的位姿数据，包括：
针对任一个采集区间，基于该采集区间对应的所述地面参数信息、以及所述初始位姿数据，确定使得目标函数的值最小的位姿数据，将使得目标函数的值最小的位姿数据作为该采集区间对应的优化后的位姿数据，其中，所述目标函数为进行位姿数据优化前后的地面参数信息之差的绝对值，与进行位姿数据优化前后的位姿数据之差的绝对值之和。
9.根据权利要求7所述的方法，其特征在于，所述基于每个采集区间对应的所述初始位姿数据、以及优化后的位姿数据，对所述外参数据进行调整，包括：
基于每个采集区间对应的初始位姿数据，及优化后的位姿数据，确定该采集区间内的第一平均位姿变化量；
基于每个采集区间内的所述第一平均位姿变化量，确定所述多个采集区间对应的第二平均位姿变化量；
基于所述第二平均位姿变化量，对所述外参数据进行调整。
10.根据权利要求9所述的方法，其特征在于，所述基于所述第二平均位姿变化量，对所述外参数据进行调整，包括：
将所述第二平均位姿变化量与调整前的外参数据的乘积确定为调整后的外参数据。
11.根据权利要求1所述的方法，其特征在于，所述定位数据中包含多个第一采集时间点和在每个第一采集时间点采集的位置数据，所述点云数据中包含多个第二采集时间点和在每个第二采集时间点采集的点云数据；
所述基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据，包括：
针对每一个第二采集时间点，分别确定与该第二采集时间点相隔时间最短的两个第一采集时间点，所述两个第一采集时间点包括在该第二采集时间点之前的一个第一采集时间点和在该第二采集时间点之后的一个第一采集时间点；
基于所述两个第一采集时间点分别对应的位置数据，确定所述雷达装置在该第二采集时间点采集点云数据时的位置数据。
12.一种数据处理装置，其特征在于，包括：
获取模块，用于获取定位装置采集的定位数据、雷达装置采集的点云数据；其中，所述定位装置和所述雷达装置部署在同一车辆上；
第一确定模块，用于基于所述定位数据和所述点云数据，确定所述雷达装置在所述定位装置采集所述定位数据时的位置数据；
第二确定模块，用于基于所述点云数据，确定表征地面的地面参数信息，以及，基于所述位置数据，确定所述雷达装置的初始位姿数据；
调整模块，用于基于所述地面参数信息、以及所述初始位姿数据，对表征所述定位装置与所述雷达装置之间的相对位置关系的外参数据进行调整。
13.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至11任一所述的数据处理方法的步骤。
14.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至11任意一项所述的数据处理方法的步骤。
CN202011190058.9A 2020-10-30 2020-10-30 一种数据处理方法及装置 Pending CN112164063A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202011190058.9A CN112164063A (zh) 2020-10-30 2020-10-30 一种数据处理方法及装置
KR1020227007210A KR20220058901A (ko) 2020-10-30 2021-06-28 데이터 처리 방법 및 장치
PCT/CN2021/102869 WO2022088723A1 (zh) 2020-10-30 2021-06-28 一种数据处理方法及装置
JP2022514853A JP2023503767A (ja) 2020-10-30 2021-06-28 データの処理方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011190058.9A CN112164063A (zh) 2020-10-30 2020-10-30 一种数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN112164063A true CN112164063A (zh) 2021-01-01

Family

ID=73865259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011190058.9A Pending CN112164063A (zh) 2020-10-30 2020-10-30 一种数据处理方法及装置

Country Status (4)

Country Link
JP (1) JP2023503767A (zh)
KR (1) KR20220058901A (zh)
CN (1) CN112164063A (zh)
WO (1) WO2022088723A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112835007A (zh) * 2021-01-07 2021-05-25 北京百度网讯科技有限公司 点云数据转换方法、装置、电子设备和存储介质
CN112946591A (zh) * 2021-02-26 2021-06-11 商汤集团有限公司 外参标定方法、装置、电子设备及存储介质
CN112946612A (zh) * 2021-03-29 2021-06-11 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
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
WO2022088723A1 (zh) * 2020-10-30 2022-05-05 上海商汤临港智能科技有限公司 一种数据处理方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10866101B2 (en) * 2017-06-13 2020-12-15 Tusimple, Inc. Sensor calibration and time system for ground truth static scene sparse flow generation
CN111208492B (zh) * 2018-11-21 2022-04-19 长沙智能驾驶研究院有限公司 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
CN110443786B (zh) * 2019-07-25 2021-12-07 深圳一清创新科技有限公司 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN111435163B (zh) * 2020-03-18 2023-06-30 深圳市镭神智能***有限公司 地面点云数据过滤方法、装置、探测***及存储介质
CN112164063A (zh) * 2020-10-30 2021-01-01 上海商汤临港智能科技有限公司 一种数据处理方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022088723A1 (zh) * 2020-10-30 2022-05-05 上海商汤临港智能科技有限公司 一种数据处理方法及装置
CN112835007A (zh) * 2021-01-07 2021-05-25 北京百度网讯科技有限公司 点云数据转换方法、装置、电子设备和存储介质
CN112835007B (zh) * 2021-01-07 2023-04-18 北京百度网讯科技有限公司 点云数据转换方法、装置、电子设备和存储介质
CN112946591A (zh) * 2021-02-26 2021-06-11 商汤集团有限公司 外参标定方法、装置、电子设备及存储介质
CN112946612A (zh) * 2021-03-29 2021-06-11 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
CN112946612B (zh) * 2021-03-29 2024-05-17 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
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

Also Published As

Publication number Publication date
KR20220058901A (ko) 2022-05-10
WO2022088723A1 (zh) 2022-05-05
JP2023503767A (ja) 2023-02-01

Similar Documents

Publication Publication Date Title
CN112164063A (zh) 一种数据处理方法及装置
CN108519615B (zh) 基于组合导航和特征点匹配的移动机器人自主导航方法
CN110146909B (zh) 一种定位数据处理方法
AU2012328156B2 (en) Identification and analysis of aircraft landing sites
CN105973145B (zh) 移动式三维激光扫描***及移动式三维激光扫描方法
CN113050116B (zh) 机器人定位方法、装置、机器人和可读存储介质
US8818722B2 (en) Rapid lidar image correlation for ground navigation
US8213956B2 (en) Method of tracking a state of a mobile electronic device
CN102831646A (zh) 一种基于扫描激光的大尺度三维地形建模方法
US8560280B2 (en) Method for calculating a navigation phase in a navigation system involving terrain correlation
CN108090956B (zh) 一种几何校正方法及***
CN115451948A (zh) 一种基于多传感器融合的农业无人车定位里程计方法及***
CN112164138A (zh) 一种点云数据筛选方法及装置
CN109769206B (zh) 一种室内定位融合方法、装置、存储介质及终端设备
CN110989619B (zh) 用于定位对象的方法、装置、设备和存储介质
CN116399324A (zh) 建图方法、装置及控制器、无人驾驶车辆
CN114077249B (zh) 一种作业方法、作业设备、装置、存储介质
EP3862721A1 (en) Information processing device
CN113822944B (zh) 一种外参标定方法、装置、电子设备及存储介质
KR102130687B1 (ko) 다중 센서 플랫폼 간 정보 융합을 위한 시스템
CN109945864B (zh) 室内行车定位融合方法、装置、存储介质及终端设备
CN110794434A (zh) 一种位姿的确定方法、装置、设备及存储介质
CN116429090A (zh) 基于线激光的同步定位和建图方法、装置、移动机器人
CN114199220A (zh) 一种无人机空中在线磁罗盘校准方法和装置
CN113340310A (zh) 一种移动机器人台阶地形识别定位方法及相关装置

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: 40038862

Country of ref document: HK