CN112558044A - 一种车载激光雷达俯仰角自动矫正方法 - Google Patents
一种车载激光雷达俯仰角自动矫正方法 Download PDFInfo
- Publication number
- CN112558044A CN112558044A CN202011353527.4A CN202011353527A CN112558044A CN 112558044 A CN112558044 A CN 112558044A CN 202011353527 A CN202011353527 A CN 202011353527A CN 112558044 A CN112558044 A CN 112558044A
- Authority
- CN
- China
- Prior art keywords
- pitch angle
- laser radar
- ground
- strategy
- vehicle
- 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
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
- 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
本发明提供一种车载激光雷达俯仰角自动矫正方法,包括依据去噪策略筛选并得到激光雷达打在地面上的点;对地面上的点依照地面拟合策略计算激光雷达的当前俯仰角;采用更新策略修正当前俯仰角。本发明通过对数据去噪处理后的点云点地面数据依照地面拟合策略进行直线拟合,并估计求得当前俯仰角,运算量较小,占用的运算资源较少。
Description
技术领域
本发明涉及车辆环境感知技术领域,具体涉及一种车载激光雷达俯仰角自动矫正方法。
背景技术
随着深度学***面做x_y平面,以竖直方向做z轴建立3D坐标系,因此基于深度学习的lidar3D检测算对雷达的俯仰角较为敏感。过大的俯仰角会导致目标在z轴上分布较为分散,从而导致模型检测率大幅下降。
目前常见的车载激雷达的外参标定,通常会在车辆出厂前在标定车间完成标定。标定后参数将会被固定下来,随车发出后参数将不再自动更新。一方面,现有技术中需要固定的标定场地;另一方面,无法克服激光雷达在使用过程中出现的角度变化以及路面起伏不平的地面场景。然而,在现实的车载应用场景下导致激光雷达和地平面存在角度的原因有多个,诸如:1、雷达安装引入的角度。2、雷达在实际的使用过程中雷达安装角度变动。3、缓慢的地面起伏。
因此,需要一种车载激光雷达俯仰角自动矫正方法,对由于以上原因导致的雷达俯仰角变化进行修正。
发明内容
有鉴于此,本发明要解决的问题是提供一种车载激光雷达俯仰角自动矫正方法。
为解决上述技术问题,本发明采用的技术方案是:一种车载激光雷达俯仰角自动矫正方法,包括以下步骤:
依据去噪策略筛选并得到激光雷达打在地面上的点;
对地面上的点依照地面拟合策略计算激光雷达的当前俯仰角;
采用更新策略修正当前俯仰角。
在本发明中,优选地,所述去噪策略具体包括以下步骤:
通过激光雷达采集得到点云点原始数据;
选取ROI区域;
在所述ROI区域内选取n个点云点地面数据,分别得到n个点云点地面数据的横纵坐标。
在本发明中,优选地,所述ROI区域设置为x∈(0,15),y∈(-0.5,0.5)。
在本发明中,优选地,所述地面拟合策略具体包括以下步骤:
根据点云点地面数据建立俯仰角线性方程y=kx+b,其中k表示点云点地面数据拟合直线的斜率,b表示激光雷达与地面的距离;
在本发明中,优选地,所述更新策略具体包括以下步骤:
对当前俯仰角依照误差计量策略计算求得偏差俯仰角gt;
根据kt=β1kt-1+(1-β1)gt得到更新俯仰角kt,其中,β1表示学习率。
在本发明中,优选地,所述误差计量策略为对当前俯仰角与上一时刻俯仰角作差gt=k-kt-1,其中,k表示当前俯仰角,kt-1表示上一时刻俯仰角。
在本发明中,优选地,所述更新策略中的β1设置为0.99。
在本发明中,优选地,更新当前俯仰角之后对点云数据进行矫正步骤。
在本发明中,优选地,所述矫正步骤为将点云点原始数据投射到斜率为零的平面上。
本发明具有的优点和积极效果是:首先,通过激光雷达采集得到的点云点原始数据为三维点云点原始数据,将三维点云点原始数据投影到地面得到二维点云点数据,对地面上的点依照地面拟合策略计算激光雷达的当前俯仰角,对当前俯仰角依照误差计量策略计算并求取偏差俯仰角,利用更新策略得到更新俯仰角,对当前俯仰角进行修正,最终通过将点云点原始数据投射到斜率为零的平面上实现对激光雷达采集的所有点云点原始数据的矫正操作,通过选取ROI区域以及基于此设置对车速的下限进行设置,能够有效减少非路面区域带来的数据干扰;此外,通过对数据去噪处理后的点云点地面数据依照地面拟合策略进行直线拟合,并估计求得当前俯仰角,运算量较小,占用的运算资源较少;通过更新策略能够解决车辆出厂后由于激光雷达位置移动导致的俯仰角变化,使得基于深度学习的lidar3D检测算法对处理后的俯仰角的测算目标在z轴上的分布变得集中,从而解决模型检测率大幅下降的问题。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的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:
图1是本发明的一种车载激光雷达俯仰角自动矫正方法的整体结构图;
图2是本发明的一种车载激光雷达俯仰角自动矫正方法的去噪策略的流程示意图;
图3是本发明的一种车载激光雷达俯仰角自动矫正方法的激光雷达地面拟合策略的示意图;
图4是本发明的一种车载激光雷达俯仰角自动矫正方法的矫正前的激光雷达获取的点云点数据分布示意图;
图5是本发明的一种车载激光雷达俯仰角自动矫正方法的矫正后的点云点数据分布示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1至图5所示,本发明提供一种车载激光雷达俯仰角自动矫正方法,包括以下步骤:
依据去噪策略筛选并得到激光雷达打在地面上的点;
对地面上的点依照地面拟合策略计算激光雷达的当前俯仰角;
采用更新策略修正当前俯仰角。
激光雷达现场捕获的点云点原始数据包含大量噪声数据,造成目标点云不完整、点云无规律以及不均匀的离散性,目标在三维成像现场中可能出现与其它物体产生的干扰点云信息纠缠或出现自身角度变化造成自遮挡问题。由于雷达安装引入的角度、雷达在实际的使用过程中安装角度变动以及缓慢地面起伏带来的影响,导致激光雷达采集到的点云点原始数据很难都打在地面上,也就是说,车辆特征点在真实空间的位置并没有位于路面坐标系上,而是相距地面存在一定高度,且不同车辆特征点所在位置不同,不同类型的车辆本身的车身高度差异较大,真实坐标系需要根据车辆特征点相对应的平面上,不应直接建立在地面上,如果直接将路面坐标系作为车辆特征点在空间中的坐标系,则造成俯仰角的存在巨大偏差,精度难以保证。因此,需要对激光雷达采集的点云点原始数据进行筛选,得到激光雷达打在地面上的点。
当车辆的行进速度大于40km/h时,车辆正前方的区域即为地面区域,此时我们依照去噪策略筛选得到激光雷达打在地面上的点,进而将激光雷达打在地面上的点作为参考数据实时估计激光雷达的俯仰角。
在本实施例中,进一步地,去噪策略具体包括以下步骤:
通过激光雷达采集得到点云点原始数据;
选取ROI区域;
在ROI区域内选取n个点云点地面数据,分别得到n个点云点地面数据的横纵坐标。
在本实施例中,进一步地,ROI区域设置为x∈(0,15),y∈(-0.5,0.5),当车辆的行进速度大于40km/h时,车辆正前方的区域即为地面区域,此时我们依照去噪策略筛选得到激光雷达打在地面上的点,为此我们选取x∈(0,15),y∈(-0.5,0.5)作为ROI感兴趣区域,从中选取的点云点地面数据为隶属于x∈(0,15),y∈(-0.5,0.5)范围内的n个点云点原始数据,分别得到n个点云点原始数据对应的坐标数据(x1,y1),(x2,y2)……(xn,yn)。
在本实施例中,进一步地,地面拟合策略具体包括以下步骤:
根据点云点地面数据建立俯仰角线性方程y=kx+b,其中k表示点云点地面数据拟合直线的斜率,b表示激光雷达与地面的距离;
在本实施例中,进一步地,更新策略具体包括以下步骤:
对当前俯仰角依照误差计量策略计算求得偏差俯仰角gt;
根据kt=β1kt-1+(1-β1)gt得到更新俯仰角kt,其中,β1表示学习率,学习率能够减小错误估计的比重,从而削弱出现估计错误带来的不良影响。
在本实施例中,进一步地,误差计量策略为对当前俯仰角与上一时刻俯仰角作差gt=k-kt-1,其中,k表示当前俯仰角,kt-1表示上一时刻俯仰角。
在本实施例中,进一步地,更新策略中的β1设置为0.99。
在本实施例中,进一步地,更新当前俯仰角之后对点云数据进行矫正步骤。
在本实施例中,进一步地,矫正步骤具体是将激光雷达采集到的所有点云点原始数据投射到斜率为零的平面上。
激光雷达工作时是通过向目标方向发射脉冲光,接触到目标后经过反射或散射后有部分测量光返回至传感器,通过测量光返回传感器需要的时间长度来推算目标到激光雷达的距离,三维成像是对物体进行映射并以x、y和z坐标系的形式对其进行描述成为点云。相较于二维成像***而言,激光雷达提供的三维成像具有能够分析得到目标的几何特征以及绝对尺度信息的优势,激光雷达与观测物的距离通过公式表示,其中,L表示传感器到观测物上某一点的距离,c表示光速,t表示激光飞行时间,由于激光的脉宽能够达到亚纳秒量级,因此能够实现分米精度的距离分辨率。
本发明的工作原理和工作过程如下:激光雷达采集得到的点云点原始数据为三维点云点原始数据,将三维点云点原始数据投影到地面得到二维点云点数据,对地面上的点依照地面拟合策略计算激光雷达的当前俯仰角,这里的地面拟合策略采用的最小二乘法,具体如图3所示,拟合斜率其中,表示分别求得n个点云点地面数据的横坐标与纵坐标的乘积,再对n个乘积求平均值,表示先对n个点云点地面数据的横坐标求平均值,同时对n个点云点地面数据的纵坐标求平均值,再将这两个平均值相乘,表示对n个点云点地面数据的横坐标的平方求平均值,表示对n个点云点地面数据的横坐标先求平均值再平方,求解得到当前俯仰角k,然后对当前俯仰角k依照误差计量策略计算并求取偏差俯仰角gt,这里的误差计量策略具体指的是对当前俯仰角与上一时刻俯仰角作差,根据公式kt=β1kt-1+(1-β1)gt得到更新俯仰角kt,其中,β1表示学***面上实现对激光雷达采集的所有点云点原始数据的矫正操作,解决了车辆出厂前完成标定之后,激光雷达的俯仰角参数就被固定下来,随着车辆出厂之后该参数不再改变,进而使得激光雷达的俯仰角由于初始安装或地面崎岖颠簸不平造成较大俯仰角差异时,导致基于深度学***面上,从而完成矫正过程。
以上对本发明的实施例进行了详细说明,但内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (9)
1.一种车载激光雷达俯仰角自动矫正方法,其特征在于,包括以下步骤:
依据去噪策略筛选并得到激光雷达打在地面上的点;
对地面上的点依照地面拟合策略计算激光雷达的当前俯仰角;
采用更新策略修正当前俯仰角。
2.根据权利要求1所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,所述去噪策略具体包括以下步骤:
通过激光雷达采集得到点云点原始数据;
选取ROI区域;
在所述ROI区域内选取n个点云点地面数据,分别得到n个点云点地面数据的横纵坐标。
3.根据权利要求2所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,所述ROI区域设置为x∈(0,15),y∈(-0.5,0.5)。
5.根据权利要求1所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,所述更新策略具体包括以下步骤:
对当前俯仰角依照误差计量策略计算求得偏差俯仰角gt;
根据kt=β1kt-1+(1-β1)gt得到更新俯仰角kt,其中,β1表示学习率。
6.根据权利要求5所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,所述误差计量策略为对当前俯仰角与上一时刻俯仰角作差gt=k-kt-1,其中,k表示当前俯仰角,kt-1表示上一时刻俯仰角。
7.根据权利要求5所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,所述更新策略中的β1设置为0.99。
8.根据权利要求1所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,更新当前俯仰角之后对点云数据进行矫正步骤。
9.根据权利要求8所述的一种车载激光雷达俯仰角自动矫正方法,其特征在于,所述矫正步骤为将点云点原始数据投射到斜率为零的平面上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353527.4A CN112558044A (zh) | 2020-11-26 | 2020-11-26 | 一种车载激光雷达俯仰角自动矫正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353527.4A CN112558044A (zh) | 2020-11-26 | 2020-11-26 | 一种车载激光雷达俯仰角自动矫正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112558044A true CN112558044A (zh) | 2021-03-26 |
Family
ID=75046913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011353527.4A Pending CN112558044A (zh) | 2020-11-26 | 2020-11-26 | 一种车载激光雷达俯仰角自动矫正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112558044A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625237A (zh) * | 2021-08-11 | 2021-11-09 | 南京隼眼电子科技有限公司 | 车载毫米波雷达俯仰角误差校准方法、装置及电子设备 |
CN115079128A (zh) * | 2022-08-23 | 2022-09-20 | 深圳市欢创科技有限公司 | 一种激光雷达点云数据去畸变的方法、装置及机器人 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717498A (zh) * | 2016-02-04 | 2016-06-29 | 杭州南江机器人股份有限公司 | 激光测距仪俯仰角测量与校正***及方法 |
CN109696663A (zh) * | 2019-02-21 | 2019-04-30 | 北京大学 | 一种车载三维激光雷达标定方法和*** |
CN111060131A (zh) * | 2019-11-27 | 2020-04-24 | 四川阿泰因机器人智能装备有限公司 | 一种基于激光雷达的机器人精确姿态矫正方法及装置 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
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 |
-
2020
- 2020-11-26 CN CN202011353527.4A patent/CN112558044A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717498A (zh) * | 2016-02-04 | 2016-06-29 | 杭州南江机器人股份有限公司 | 激光测距仪俯仰角测量与校正***及方法 |
CN109696663A (zh) * | 2019-02-21 | 2019-04-30 | 北京大学 | 一种车载三维激光雷达标定方法和*** |
CN111060131A (zh) * | 2019-11-27 | 2020-04-24 | 四川阿泰因机器人智能装备有限公司 | 一种基于激光雷达的机器人精确姿态矫正方法及装置 |
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 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625237A (zh) * | 2021-08-11 | 2021-11-09 | 南京隼眼电子科技有限公司 | 车载毫米波雷达俯仰角误差校准方法、装置及电子设备 |
CN115079128A (zh) * | 2022-08-23 | 2022-09-20 | 深圳市欢创科技有限公司 | 一种激光雷达点云数据去畸变的方法、装置及机器人 |
CN115079128B (zh) * | 2022-08-23 | 2022-12-09 | 深圳市欢创科技有限公司 | 一种激光雷达点云数据去畸变的方法、装置及机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109001711B (zh) | 多线激光雷达标定方法 | |
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 | |
CN107632308B (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
CN110796728B (zh) | 一种基于扫描式激光雷达的非合作航天器三维重建方法 | |
CN108509972A (zh) | 一种基于毫米波和激光雷达的障碍物特征提取方法 | |
US20100235129A1 (en) | Calibration of multi-sensor system | |
CN112558044A (zh) | 一种车载激光雷达俯仰角自动矫正方法 | |
CN113327296B (zh) | 基于深度加权的激光雷达与相机在线联合标定方法 | |
CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
CN112098960A (zh) | 确定用于道路车辆雷达自动对准控制器的雷达传感器的对准角度的方法 | |
CN112711027B (zh) | 一种基于激光雷达点云数据的隧道内横向定位方法 | |
US11677931B2 (en) | Automated real-time calibration | |
CN115079143B (zh) | 一种用于双桥转向矿卡的多雷达外参快速标定方法及装置 | |
CN112710339A (zh) | 用于校准车辆传感器的方法和设备 | |
CN113935904A (zh) | 激光里程计误差修正方法、***、存储介质及计算设备 | |
JP7137464B2 (ja) | カメラキャリブレーション装置、カメラキャリブレーション方法、およびプログラム | |
DE102022108712A1 (de) | Gemeinsame Schätzung und Korrektur eines Ausrichtungsfehlers einer LIDAR-Mittelachse und eines Lokalisierungsfehlers eines Trägerfahrzeugs | |
US20220187832A1 (en) | Sensor fusion in agricultural vehicle steering | |
Jeong et al. | LiDAR intensity calibration for road marking extraction | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN113296120B (zh) | 一种障碍物检测方法及终端 | |
US20130057658A1 (en) | Method for Detection of Targets in Stereoscopic Images | |
CN114442073A (zh) | 激光雷达的标定方法、装置、车辆及存储介质 | |
EP3624064A1 (en) | Vehicle-mounted environment recognition device | |
CN112835029A (zh) | 面向无人驾驶的多传感器障碍物探测数据融合方法及*** |
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 |