CN113077523B - 一种标定方法、装置、计算机设备及存储介质 - Google Patents
一种标定方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113077523B CN113077523B CN202110347822.7A CN202110347822A CN113077523B CN 113077523 B CN113077523 B CN 113077523B CN 202110347822 A CN202110347822 A CN 202110347822A CN 113077523 B CN113077523 B CN 113077523B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- cloud data
- point cloud
- external parameters
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 238000000926 separation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本公开提供了一种标定方法、装置、计算机设备及存储介质，该方法包括：获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；基于参考图像中像素点的取值，确定参考图像中的待匹配图像，其中，待匹配图像为目标空间区域对应的图像；以及，基于初始外参，确定点云数据中各个雷达扫描点在图像采集装置对应的像素坐标系下的二维坐标，并基于各个雷达扫描点的二维坐标，从点云数据中筛选出所述目标空间区域对应的目标点云数据；基于多个待筛选外参，将待匹配图像和目标点云数据进行匹配，并基于匹配结果，从多个待筛选外参中确定目标外参。
Description
技术领域
本公开涉及相机标定技术领域，具体而言，涉及一种标定方法、装置、计算机设备及存储介质。
背景技术
在环境感知中，为了提高***的稳健性和测量的准确性，多采取激光雷达和摄像头融合的方案。在点云数据和图像融合的过程中，激光雷达和相机的外参的准确性决定了环境感知的准确性，而在实际应用中，由于激光雷达和相机的位置及朝向经常发生变化，因此每次发生变化就需重新标定激光雷达和相机的外参。
现有技术中，一般是通过人工手动对雷达和相机的外参进行标定的。然而这种标定方式，一方面受限于人力成本，导致外参标定的效率较低；另一方面，受限于不同标定人员的标定水平，使得外参标定的精度可能较低。
发明内容
本公开实施例至少提供一种标定方法、装置、计算机设备及存储介质。
第一方面，本公开实施例提供了一种标定方法，包括：
获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；
基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像；以及，
基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据；
基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参。
一种可能的实施方式中，基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，包括：
对所述参考图像进行二值化处理，得到所述参考图像对应的二值化图像；
针对所述二值化图像中的每一行，将该行中像素值取值为第一预设值的像素点的个数确定为第一个数；所述第一预设值为255或0；
基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像。
一种可能的实施方式中，所述基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像，包括：
将对应的第一个数及所在位置满足第一预设条件的第一目标行作为所述二值化图像的分割线，并基于所述分割线将所述二值化图像分割成两个区域图像；
将所述两个区域图像中，像素值取值为255的像素点个数较多的区域图像作为所述待匹配图像。
一种可能的实施方式中，所述基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，包括：
基于所述初始外参，将所述各个雷达扫描点在雷达坐标系下的第一位置坐标转化至，以所述图像采集装置为坐标原点的世界坐标系下，得到各个雷达扫描点的第二位置坐标；
基于所述图像采集装置的内参，将所述各个雷达扫描点的第二位置坐标转换至所述图像采集装置对应的图像坐标系下，得到所述雷达扫描点的第三位置坐标；
基于所述雷达扫描点的第三位置坐标，确定各个雷达扫描点在所述像素坐标系下的二维坐标。
一种可能的实施方式中，所述基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据，包括：
基于所述各个雷达扫描点的二维坐标，确定各个雷达扫描点在所述点云数据的二维投影图像中对应的行；
针对所述二维投影图像的每一行，将该行中的雷达扫描点的个数确定为第二个数；
基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
一种可能的实施方式中，所述基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据，包括：
将对应的第二个数及所述位置满足第二预设条件的第二目标行作为所述二维投影图像的分割线，并基于所述分割线，将所述点云数据分割为两部分点云数据；
将所述两部分点云数据中，点云个数较少的部分点云数据作为所述目标点云数据。
一种可能的实施方式中，所述方法还包括根据以下步骤确定所述多个待筛选外参：
根据预设的调整尺度，对所述初始外参进行多次调整，每次对所述初始外参调整后得到一个待筛选外参。
一种可能的实施方式中，所述基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参，包括：
针对任一待筛选外参，基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素坐标系下的二维坐标；
基于所述目标雷达扫描点的二维坐标，将所述目标雷达扫描点投影至所述待匹配图像，确定位于像素值取值为第二预设值的像素点所构成的目标位置区域的目标雷达扫描点的目标个数；所述第二预设值为255或0；
基于所述多个待筛选外参对应的目标个数，从所述多个待筛选外参中确定目标外参。
第二方面，本公开实施例还提供一种标定装置，包括：
获取模块，用于获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；
第一确定模块，用于基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像；
第二确定模块，用于基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据；
匹配模块，用于基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参。
一种可能的实施方式中，所述第一确定模块，在基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像时，用于：
对所述参考图像进行二值化处理，得到所述参考图像对应的二值化图像；
针对所述二值化图像中的每一行，将该行中像素值取值为第一预设值的像素点的个数确定为第一个数；所述第一预设值为255或0；
基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像。
一种可能的实施方式中，所述第一确定模块，在所述基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像时，用于：
将对应的第一个数及所在位置满足第一预设条件的第一目标行作为所述二值化图像的分割线，并基于所述分割线将所述二值化图像分割成两个区域图像；
将所述两个区域图像中，像素值取值为255的像素点个数较多的区域图像作为所述待匹配图像。
一种可能的实施方式中，所述第二确定模块，在所述基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标时，用于：
基于所述初始外参，将所述各个雷达扫描点在雷达坐标系下的第一位置坐标转化至，以所述图像采集装置为坐标原点的世界坐标系下，得到各个雷达扫描点的第二位置坐标；
基于所述图像采集装置的内参，将所述各个雷达扫描点的第二位置坐标转换至所述图像采集装置对应的图像坐标系下，得到所述雷达扫描点的第三位置坐标；
基于所述雷达扫描点的第三位置坐标，确定各个雷达扫描点在所述像素坐标系下的二维坐标。
一种可能的实施方式中，所述第二确定模块，在所述基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据时，用于：
基于所述各个雷达扫描点的二维坐标，确定各个雷达扫描点在所述点云数据的二维投影图像中对应的行；
针对所述二维投影图像的每一行，将该行中的雷达扫描点的个数确定为第二个数；
基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
一种可能的实施方式中，所述第二确定模块，在所述基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据时，用于：
将对应的第二个数及所述位置满足第二预设条件的第二目标行作为所述二维投影图像的分割线，并基于所述分割线，将所述点云数据分割为两部分点云数据；
将所述两部分点云数据中，点云个数较少的部分点云数据作为所述目标点云数据。
一种可能的实施方式中，所述匹配模块，还用于根据以下步骤确定所述多个待筛选外参：
根据预设的调整尺度，对所述初始外参进行多次调整，每次对所述初始外参调整后得到一个待筛选外参。
一种可能的实施方式中，所述匹配模块，在所述基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参时，用于：
针对任一待筛选外参，基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素坐标系下的二维坐标；
基于所述目标雷达扫描点的二维坐标，将所述目标雷达扫描点投影至所述待匹配图像，确定位于像素值取值为第二预设值的像素点所构成的目标位置区域的目标雷达扫描点的目标个数；所述第二预设值为255或0；
基于所述多个待筛选外参对应的目标个数，从所述多个待筛选外参中确定目标外参。
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。
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一种标定方法的流程图；
图2示出了本公开实施例所提供的标定方法中，确定参考图像中的待匹配图像的具体方法的流程图；
图3示出了本公开实施例所提供的标定方法中，参考图像对应的二值化图像的示意图；
图4示出了本公开实施例所提供的标定方法中，基于第一个数确定参考图像中的待匹配图像的具体方法的流程图；
图5示出了本公开实施例所提供的标定方法中，待匹配图像的示意图；
图6示出了本公开实施例所提供的标定方法中，确定雷达扫描点在像素坐标系下的二维坐标的具体方法的流程图；
图7示出了本公开实施例所提供的标定方法中，从点云数据中筛选出目标点云数据的具体方法的流程图；
图8示出了本公开实施例所提供的标定方法中，基于第二个数从点云数据中筛选出目标点云数据的具体方法的流程图；
图9示出了本公开实施例所提供的标定方法中，从多个待筛选外参中确定目标外参的具体方法的流程图；
图10示出了本公开实施例所提供的一种标定装置的示意图；
图11示出了本公开实施例所提供的一种计算机设备的示意图。
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。
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。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现，现有的外参标定中，一般是通过人工手动雷达相机的联合外参进行标定的。然而手动进行外参的标定，一方面受限于人力成本，导致外参标定的效率低下；另一方面，受限于不同标定人员的标定水平，使得外参标定的效果参差不齐，无法达到统一的外参标定效果。
基于上述研究，本公开提供了一种标定方法、装置、计算机设备及存储介质，在获取到点云数据和参考图像之后，可以分别对点云数据进行筛选，和对参考图像进行处理，得到目标空间区域对应的目标点云数据和待匹配图像，然后在不同待筛选外参下，将对应同一目标空间区域的目标点云数据和待匹配图像进行匹配，并基于匹配结果确定目标外参，通过这种方式，可以自动对激光雷达和图像采集装置的外参进行标定，节省了人力成本，在提高外参标定的效率的同时，提高了外参标定的精度。
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标定方法进行详细介绍，本公开实施例所提供的标定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、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该标定方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例提供的标定方法的流程图，所述方法包括S101～S104，其中：
S101：获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像。
S102：基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像。
S103：基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
S104：基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参。
下面将对本公开实施例中各个步骤及对应的实施方法进行详细说明。
针对S101，一种可能的实施方式中，为了确保外参标定的准确性，需要同时采集激光雷达采集的点云数据和图像采集装置采集的参考图像，可以将所述激光雷达和图像采集装置部署在同一车辆上，在车辆的行驶过程中，可以控制所述激光雷达和图像采集装置同时开始采集数据。
其中，所述图像采集装置可以是相机、摄像机等具有图像采集功能的装置。所述图像采集装置可以实时采集图像；所述激光雷达可以按照设定频率发射激光脉冲，并接收反射的激光脉冲，从而得到所述点云数据。
为保证图像采集装置采集的参考图像是在激光雷达采集点云数据时采集的，可以记录激光雷达接收到反射的激光脉冲的时间，并将记录的时间作为点云数据对应的获取时间，然后获取图像采集装置采集的图像中与该获取时间对应的参考图像。
激光雷达在接收到反射的激光脉冲之后，会生成反射位置对应的点云数据；物体的体积越大，反射的激光光束越多，生成的点云数据中的雷达扫描点的个数越多。因此，对于马路等反射激光光束较多的物体，其对应点云数据中的雷达扫描点较稠密，后续若直接基于激光雷达采集的点云数据和图像采集装置采集的参考图像进行匹配，不同待筛选外参下的匹配结果可能相差不大，因此为了突出不同待筛选外参下的匹配结果之间的差别，可以先对参考图像和点云数据进行筛选，筛选出目标空间区域对应的目标点云数据和待匹配图像，然后基于目标点云数据和待匹配图像再去进行匹配。
其中，所述目标空间区域可以包括第一区域和第二区域，其中第一区域为存在物体能够反射激光脉冲的区域，第二区域为无法反射激光脉冲的区域。
具体实施中，在获取激光雷达采集的点云数据，以及所述激光雷达在采集点云数据时，图像采集装置采集的参考图像之后，可以根据S102确定所述参考图像中的待匹配图像，同时根据S103确定所述点云数据中的目标点云数据，所述待匹配图像是目标空间区域对应的图像，所述目标点云数据是目标空间区域对应的点云数据，下面将分别对S102和S103进行具体描述。
S102：基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像。
一种可能的实施方式中，在基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像时，参见图2所示，可以通过以下三个步骤：
S201、对所述参考图像进行二值化处理，得到所述参考图像对应的二值化图像。
这里，所述二值化处理指的是将所述参考图像中的像素点的灰度值设置为0(最小值)或255(最大值)，处理后的显示效果为灰度值为0的像素点颜色为白色，灰度值为255的像素点颜色为黑色。
具体的，可以通过设置灰度值阈值，对所述参考图像中的像素点进行识别，将其中灰度值小于所述灰度值阈值的像素点的灰度值设置为0，将其中灰度值大于所述灰度值阈值的像素点的灰度值设置为255。
示例性的，所述参考图像对应的二值化图像可以如图3所示，图3中，黑色区域内各像素点的灰度值均为0，白色区域内各像素点的灰度值均为255，且完整保留了图像中各物体的轮廓。
S202、针对所述二值化图像中的每一行，将该行中像素值取值为第一预设值的像素点的个数确定为第一个数；所述第一预设值为255或0。
这里，当所述第一预设值为255时，对应的像素点的颜色即为白色；当所述第一预设值为0时，对应的像素点的颜色即为黑色。
具体实施中，可以从下到上或者从上到下，依次对所述二值化图像进行识别，确定每一行中对应的像素值为255的像素点的个数，并将确定出的个数作为该行对应的第一个数；或者，也可以确定每一行中对应的像素值为0的像素点的个数，并将确定出的个数作为该行对应的第一个数。
S203、基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像。
这样，通过对所述参考图像进行二值化处理，可以精确确定参考图像中目标空间区域对应的待匹配图像，后续基于待匹配图像进行匹配之后，确定出的目标参数精度更高。
一种可能的实施方式中，在所述基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像时，参见图4所示，可以通过以下两个步骤：
S401、将对应的第一个数及所在位置满足第一预设条件的第一目标行作为所述二值化图像的分割线，并基于所述分割线将所述二值化图像分割成两个区域图像。
这里，当所述第一预设值为255时，所述第一预设条件可以是距离所述二值化图像底部最近，且对应的第一个数大于第一预设个数；或者是，距离所述二值化图像顶部最远，且对应的第一个数大于第一预设个数。
此外，当所述第一预设值为0时，所述第一预设条件可以是距离所述二值化图像底部最近，且对应的第一个数小于第一预设个数；或者是，距离所述二值化图像顶部最远，且对应的第一个数小于第一预设个数。
具体实施中，可以对所述二值化图像中的每一行进行判断，从而确定出所述分隔线。
示例性的，以所述第一预设值为0，所述第一预设条件为距离所述二值化图像底部最近，且对应的第一个数小于第一预设个数为例，所述二值化图像中各行对应的所述第一个数依次为：
其中，矩阵中从上到下的数值依次代表了该行对应的所述第一个数的数值。可以通过设置第一预设个数55，从而确定小于所述第一预设个数且离所述二值化图像底部最近的第四行(对应的所述第一个数为50)表示所述分隔线。
一种可能的实施方式中，还可以针对第一比例和第一预设比例设置所述第一预设条件，从而确定所述分隔线，所述第一比例可以通过所述第一个数除以所在行的像素点总个数得到。
当所述第一预设值为255时，所述第一预设条件可以是距离所述二值化图像底部最近，且对应的第一比例大于第一预设比例；或者是，距离所述二值化图像顶部最远，且对应的第一比例大于第一预设比例。
此外，当所述第一预设值为0时，所述第一预设条件可以是距离所述二值化图像底部最近，且对应的第一比例小于第一预设比例；或者是，距离所述二值化图像顶部最远，且对应的第一比例小于第一预设比例。
S402、将所述两个区域图像中，像素值取值为255的像素点个数较多的区域图像作为所述待匹配图像。
在一种可能的应用场景中，所述分隔线可以是地平线，即地面上的物体与天空的分隔线，由于天空中的物体相对于地面的物体较少，因此在该应用场景下，所述像素值取值为255的像素点个数较多的区域图像一般为分隔线以上的图像区域。
示例性的，所述待匹配图像可以如图5所示，图5中，保留了图3中分割线以上的区域。
具体的，在激光雷达进行点云数据采集时，地面由于有马路等物体的反射，使得采集到的雷达数据中，地面的雷达扫描点相较于没有太多物体的天空，采集到的雷达扫描点往往更稠密，而过于稠密的雷达扫描点对于有较高精度需求的外参标定具有干扰性，使得其无法准确的确定需要标注的外参，因此需要通过上述步骤对所述雷达扫描点分布稠密的区域的点云数据(比如分隔线以下的点云数据)进行清除，只保留分布较为分散的点云数据(比如分隔线以上的点云数据)作为目标点云数据，从而提高匹配的精确度，进而提高了最终确定的目标外参的精确度。
具体实施中，在执行上述S102的同时，可以同时执行S103，由于执行所述S102和S103的先后顺序对最终的标定结果没有影响，故本实施例对此不做限定。
S103：基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
一种可能的实施方式中，在基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标时，参见图6所示，可以通过以下三个步骤：
S601、基于所述初始外参，将所述各个雷达扫描点在雷达坐标系下的第一位置坐标转化至，以所述图像采集装置为坐标原点的世界坐标系下，得到各个雷达扫描点的第二位置坐标。
示例性的，以张正友标定法为例，该步骤中可以使用刚体变换矩阵，将所述各个雷达扫描点在雷达坐标系下的第一位置坐标转化至，以所述图像采集装置为坐标原点的世界坐标系下，得到各个雷达扫描点的第二位置坐标。
其中，张正友标定法转换公式为：
从左到右依次对公式中各个标量进行介绍：
表示未知的尺度因子；
u和v则分别表示在像素坐标系下的横坐标和纵坐标；
即为图像采集装置的内参矩阵，其中f表示该图像采集装置的焦距，/>表示使用像素来描述x轴方向焦距的长度，/>表示使用像素来描述y轴方向焦距的长度，u0和v0表示主点的实际位置；
即为刚体变换矩阵，其中R3×3为正交旋转矩阵，T3×1为平移矩阵；
Xw、Yw、Zw依次为雷达坐标系下的第一位置坐标中的X轴、Y轴、Z轴上的坐标值；
K3×3即为上述内参矩阵。
基于上述公式，使用所述第一位置坐标对应的矩阵乘以刚体变换矩阵即可得到所述第二位置坐标对应的矩阵，再通过对应关系，转换成所述第二位置坐标。
S602、基于所述图像采集装置的内参，将所述各个雷达扫描点的第二位置坐标转换至所述图像采集装置对应的图像坐标系下，得到所述雷达扫描点的第三位置坐标。
承接上步，在得到所述第二位置坐标后，使用所述第二位置坐标对应的矩阵乘以透视投影矩阵得到所述第三位置坐标对应的矩阵，再通过对应关系，转换成所述第三位置坐标。
S603、基于所述雷达扫描点的第三位置坐标，确定各个雷达扫描点在所述像素坐标系下的二维坐标。
承接上步，在得到所述第三位置坐标的基础上，乘以图像采集装置的内参矩阵即可得到各个雷达扫描点在所述像素坐标系下的二维坐标。其中，所述像素坐标系的距离单位是像素，主要用来确定图像中各个像素的位置，比如是(3，2)，代表的是第三行第二列的像素。
这样，通过上述转换过程，可以将各个雷达扫描点从三维坐标转换至像素坐标系下的二维坐标，在所述像素坐标系下，才可以更方便的筛选出处于目标空间区域的雷达扫描点。
一种可能的实施方式中，在基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据时，参见图7所示，可以通过以下三个步骤：
S701、基于所述各个雷达扫描点的二维坐标，确定各个雷达扫描点在所述点云数据的二维投影图像中对应的行。
这里，所述二维投影图像可以是将采集雷达扫描点的场景投影到像素坐标系中得到的，雷达扫描点在投影后可以为所述二维投影图像中的像素点，所述各个雷达扫描点的二维坐标即为在像素坐标系下的UV坐标，根据对应的纵坐标，即可找到对应的行，比如四个雷达扫描点的UV坐标依次为(1,2)、(2,2)、(1,1)、(2,1)，则可以确定(1,2)和(2,2)对应的雷达扫描点都在第二行，(1,1)和(2,1)对应的雷达扫描点都在第一行，也即将雷达扫描点对应的纵坐标作为各个行划分的依据，所有纵坐标相同的雷达扫描点即视为同一行，根据纵坐标的大小从上到下对各行进行排序，可以得到具体行的序列号，从而可以确定各个雷达扫描点在所述点云数据的二维投影图像中对应的行。
S702、针对所述二维投影图像的每一行，将该行中的雷达扫描点的个数确定为第二个数。
具体实施中，可以从下到上或者从上到下，依次对所述二维投影图像进行识别，确定其每一行中雷达扫描点的个数为所述第二个数。
S703、基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
这样，通过上述步骤对所述雷达扫描点分布稠密的区域的点云数据(分隔线以下的点云数据)进行清除，只保留分布较为分散的点云数据(分隔线以上的点云数据)作为目标点云数据，这样，在基于目标点云数据与待匹配图像进行匹配时，可以突出不同待筛选外参下的匹配结果之间的差别，进而提高确定的目标外参的精度。
一种可能的实施方式中，在基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据时，参见图8所示，可以通过以下两个步骤：
S801、将对应的第二个数及所述位置满足第二预设条件的第二目标行作为所述二维投影图像的分割线，并基于所述分割线，将所述点云数据分割为两部分点云数据。
这里，所述第二预设条件可以是距离所述二维投影图像底部最近，且对应的第二个数小于第二预设个数；或者是，距离所述二维投影图像顶部最远，且对应的第二个数小于第二预设个数。
具体实施中，可以对所述二维投影图像中的每一行进行判断。
示例性的，以所述第二预设条件为距离所述二维投影图像底部最近，且对应的第二个数小于第二预设个数为例，所述二维投影图像中各行对应的所述第二个数依次为：
其中，矩阵中从上到下的数值依次代表了该行对应的所述第二个数的数值。可以通过设置第二预设个数55，从而确定小于所述第二预设个数且离所述二维投影图像底部最近的第四行(对应的所述第二个数为50)为所述第二目标行。
S802、将所述两部分点云数据中，点云个数较少的部分点云数据作为所述目标点云数据。
这里，类似于上述步骤S402，可以将点云个数较少的部分点云数据作为所述目标点云数据，从而使得最终进行匹配的目标点云数据和待匹配图像均对应同一空间区域，即都对应目标空间区域。
一种可能的实施方式中，在确定所述第一个数的数值和第二个数的数值时，可以从下到上依次进行确定，在确定任一行的第一个数(或第二个数)之后，可以判断确定的第一个数(或第二个数)是否满足预设条件，当得到的第一个数(或第二个数)满足预设条件时，可以将当前行确定为所述第一目标行(或第二目标行)，并停止后续的第一个数(或第二个数)统计操作；若不满足预设条件，则确定下一行的第一个数(或第二个数)，以此类推，直至确定第一目标行(或第二目标行)。
这样，在确定第一个数(或第二个数)的同时执行判断过程，可以避免无效的第一个数(或第二个数)的统计，从而节约计算时间，提高了计算效率。
具体实施中，在执行上述S102和S103之后，可以根据S104确定目标外参，下面将对S104进行具体描述。
S104：基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参。
一种可能的实施方式中，可以根据以下方法确定所述多个待筛选外参：
根据预设的调整尺度，对所述初始外参进行多次调整，每次对所述初始外参调整后得到一个待筛选外参。
具体的，所述初始外参包括俯仰角、偏航角、旋转角、在世界坐标系的三个坐标轴分别对应的距离，共计六个数值，包括三个角度和三个长度。针对性的，可以对每个角度预设角度调整尺度，对每个距离预设长度调整尺度。
示例性的，可以预设所述角度调整尺度为6度，所述长度调整尺度为1米，并在该调整尺度下进行调整，每次对所述初始外参调整后得到一个待筛选外参，从而可以得到多个所述待筛选外参。
这样，可以使得***自动按照预设的调整尺度生成对应的待筛选外参，使得整个过程在设置好所述调整尺度后就不需要再进行手动操作，将复杂的计算和匹配过程交给计算机去完成，从而使得整个标定参数的过程更自动化，效率也更高。
一种可能的实施方式中，在基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参时，参见图9所示，可以通过以下三个步骤：
S901、针对任一待筛选外参，基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素点坐标系下的二维坐标。
这里，所述基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素点坐标系下的二维坐标的具体过程，参见上述图6中的三个步骤，由于具体转换步骤与图6中所述S601、S602、S603高度相似，故在此不做赘述。
S902、基于所述目标雷达扫描点的二维坐标，将所述目标雷达扫描点投影至所述待匹配图像，确定位于像素值取值为第二预设值的像素点所构成的目标位置区域的目标雷达扫描点的目标个数；所述第二预设值为255或0。
这里，所述第二预设值可以与所述第一预设值相同，当所述第一预设值为255时，所述第二预设值也可以是255，所述目标雷达扫描点在基于所述待筛选外参的投影后，可以经过上述操作统计出多个所述目标个数，由于其中每个所述目标个数都与一个所述待筛选外参存在一一对应的关系，因此通过对比目标个数的大小，就可以确定各个所述待筛选外参，与当前的所述激光雷达以及图像采集装置之间的匹配程度。
S903、基于所述多个待筛选外参对应的目标个数，从所述多个待筛选外参中确定目标外参。
承接上步，当所述第二预设值为0时，在确定所述雷达扫描点对应的目标个数后，可以找到其中的最大值，也即对应的匹配程度最高的所述待筛选外参，将其确定为所述目标外参；当所述第二预设值为255时，在确定所述雷达扫描点对应的目标个数后，可以找到其中的最小值，将其确定为所述目标外参。
这样，通过比较对应的所述目标个数，对所述多个待筛选外参进行筛选，使得最终确定的所述目标外参更符合现实需要，具有较高的精确度，同时整个实施过程中自动化程度较高，提高了外参确定和标定的效率。
需要说明的是，上述步骤中，所述的点云数据是指一帧点云数据。在另外一种可能的实施方式中，可以获取多帧点云数据，以及每一帧点云数据对应的参考图像，然后基于上述S101～S104，确定每一帧点云数据对应的目标外参，再基于确定的多个目标外参求均值，作为最终确定的目标外参。
通过这种方法，可以避免单一帧点云数据，对于目标外参的精度的影响，提升了最终确定的外参的精度。
本公开实施例提供的标定方法，在获取到点云数据和参考图像之后，可以分别对点云数据进行筛选，和对参考图像进行处理，得到目标空间区域对应的目标点云数据和待匹配图像，然后在不同待筛选外参下，将对应同一目标空间区域的目标点云数据和待匹配图像进行匹配，并基于匹配结果确定目标外参，通过这种方式，可以自动对激光雷达和图像采集装置的外参进行标定，节省了人力成本，在提高外参标定的效率的同时，提高了外参标定的精度。
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标定方法对应的标定装置，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标定方法相似，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10所示，为本公开实施例提供的一种标定装置的示意图，所述装置包括：获取模块1001、第一确定模块1002、第二确定模块1003、匹配模块1004；其中，
获取模块1001，用于获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；
第一确定模块1002，用于基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像；
第二确定模块1003，用于基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据；
匹配模块1004，用于基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参。
一种可能的实施方式中，所述第一确定模块1002，在基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像时，用于：
对所述参考图像进行二值化处理，得到所述参考图像对应的二值化图像；
针对所述二值化图像中的每一行，将该行中像素值取值为第一预设值的像素点的个数确定为第一个数；所述第一预设值为255或0；
基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像。
一种可能的实施方式中，所述第一确定模块1002，在所述基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像时，用于：
将对应的第一个数及所在位置满足第一预设条件的第一目标行作为所述二值化图像的分割线，并基于所述分割线将所述二值化图像分割成两个区域图像；
将所述两个区域图像中，像素值取值为255的像素点个数较多的区域图像作为所述待匹配图像。
一种可能的实施方式中，所述第二确定模块1003，在所述基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标时，用于：
基于所述初始外参，将所述各个雷达扫描点在雷达坐标系下的第一位置坐标转化至，以所述图像采集装置为坐标原点的世界坐标系下，得到各个雷达扫描点的第二位置坐标；
基于所述图像采集装置的内参，将所述各个雷达扫描点的第二位置坐标转换至所述图像采集装置对应的图像坐标系下，得到所述雷达扫描点的第三位置坐标；
基于所述雷达扫描点的第三位置坐标，确定各个雷达扫描点在所述像素坐标系下的二维坐标。
一种可能的实施方式中，所述第二确定模块1003，在所述基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据时，用于：
基于所述各个雷达扫描点的二维坐标，确定各个雷达扫描点在所述点云数据的二维投影图像中对应的行；
针对所述二维投影图像的每一行，将该行中的雷达扫描点的个数确定为第二个数；
基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
一种可能的实施方式中，所述第二确定模块1003，在所述基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据时，用于：
将对应的第二个数及所述位置满足第二预设条件的第二目标行作为所述二维投影图像的分割线，并基于所述分割线，将所述点云数据分割为两部分点云数据；
将所述两部分点云数据中，点云个数较少的部分点云数据作为所述目标点云数据。
一种可能的实施方式中，所述匹配模块1004，还用于根据以下步骤确定所述多个待筛选外参：
根据预设的调整尺度，对所述初始外参进行多次调整，每次对所述初始外参调整后得到一个待筛选外参。
一种可能的实施方式中，所述匹配模块1004，在所述基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参时，用于：
针对任一待筛选外参，基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素坐标系下的二维坐标；
基于所述目标雷达扫描点的二维坐标，将所述目标雷达扫描点投影至所述待匹配图像，确定位于像素值取值为第二预设值的像素点所构成的目标位置区域的目标雷达扫描点的目标个数；所述第二预设值为255或0；
基于所述多个待筛选外参对应的目标个数，从所述多个待筛选外参中确定目标外参。
本公开实施例提供的标定装置，在获取到点云数据和参考图像之后，可以分别对点云数据进行筛选，和对参考图像进行处理，得到目标空间区域对应的目标点云数据和待匹配图像，然后在不同待筛选外参下，将对应同一目标空间区域的目标点云数据和待匹配图像进行匹配，并基于匹配结果确定目标外参，通过这种方式，可以自动对激光雷达和图像采集装置的外参进行标定，节省了人力成本，在提高外参标定的效率的同时，提高了外参标定的精度。
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。
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11所示，为本公开实施例提供的计算机设备1100的结构示意图，包括处理器1101、存储器1102、和总线1103。其中，存储器1102用于存储执行指令，包括内存11021和外部存储器11022；这里的内存11021也称内存储器，用于暂时存放处理器1101中的运算数据，以及与硬盘等外部存储器11022交换的数据，处理器1101通过内存11021与外部存储器11022进行数据交换，当计算机设备1100运行时，处理器1101与存储器1102之间通过总线1103通信，使得处理器1101在执行以下指令：
获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；
基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像；以及，
基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据；
基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参。
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标定方法的步骤。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。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，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标定方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述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 (10)
1.一种标定方法，其特征在于，包括：
获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；
基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像；以及，
基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据；
基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参；
其中，所述基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参，包括：
针对任一待筛选外参，基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素坐标系下的二维坐标；基于所述目标雷达扫描点的二维坐标，将所述目标雷达扫描点投影至所述待匹配图像，确定位于像素值取值为第二预设值的像素点所构成的目标位置区域的目标雷达扫描点的目标个数；所述第二预设值为255或0；基于所述多个待筛选外参对应的目标个数，从所述多个待筛选外参中确定目标外参。
2.根据权利要求1所述的方法，其特征在于，基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，包括：
对所述参考图像进行二值化处理，得到所述参考图像对应的二值化图像；
针对所述二值化图像中的每一行，将该行中像素值取值为第一预设值的像素点的个数确定为第一个数；所述第一预设值为255或0；
基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像。
3.根据权利要求2所述的方法，其特征在于，所述基于所述二值化图像中每一行对应的第一个数，确定所述参考图像中的待匹配图像，包括：
将对应的第一个数及所在位置满足第一预设条件的第一目标行作为所述二值化图像的分割线，并基于所述分割线将所述二值化图像分割成两个区域图像；
将所述两个区域图像中，像素值取值为255的像素点个数较多的区域图像作为所述待匹配图像。
4.根据权利要求1所述的方法，其特征在于，所述基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，包括：
基于所述初始外参，将所述各个雷达扫描点在雷达坐标系下的第一位置坐标转化至以所述图像采集装置为坐标原点的世界坐标系下，得到各个雷达扫描点的第二位置坐标；
基于所述图像采集装置的内参，将所述各个雷达扫描点的第二位置坐标转换至所述图像采集装置对应的图像坐标系下，得到所述雷达扫描点的第三位置坐标；
基于所述雷达扫描点的第三位置坐标，确定各个雷达扫描点在所述像素坐标系下的二维坐标。
5.根据权利要求1或4所述的方法，其特征在于，所述基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据，包括：
基于所述各个雷达扫描点的二维坐标，确定各个雷达扫描点在所述点云数据的二维投影图像中对应的行；
针对所述二维投影图像的每一行，将该行中的雷达扫描点的个数确定为第二个数；
基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据。
6.根据权利要求5所述的方法，其特征在于，所述基于所述二维投影图像中每一行对应的第二个数，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据，包括：
将对应的第二个数及位置满足第二预设条件的第二目标行作为所述二维投影图像的分割线，并基于所述分割线，将所述点云数据分割为两部分点云数据；
将所述两部分点云数据中，点云个数较少的部分点云数据作为所述目标点云数据。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括根据以下步骤确定所述多个待筛选外参：
根据预设的调整尺度，对所述初始外参进行多次调整，每次对所述初始外参调整后得到一个待筛选外参。
8.一种标定装置，其特征在于，包括：
获取模块，用于获取雷达和图像采集装置分别针对同一场景同步采集的点云数据和参考图像；
第一确定模块，用于基于所述参考图像中像素点的取值，确定所述参考图像中的待匹配图像，其中，所述待匹配图像为目标空间区域对应的图像；
第二确定模块，用于基于初始外参，确定所述点云数据中各个雷达扫描点在所述图像采集装置对应的像素坐标系下的二维坐标，并基于所述各个雷达扫描点的二维坐标，从所述点云数据中筛选出所述目标空间区域对应的目标点云数据；
匹配模块，用于基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参；其中，所述匹配模块，在基于多个待筛选外参，将所述待匹配图像和所述目标点云数据进行匹配，并基于匹配结果，从所述多个待筛选外参中确定目标外参时，用于：
针对任一待筛选外参，基于该待筛选外参，确定所述目标点云数据中目标雷达扫描点在该待筛选外参下，在所述像素坐标系下的二维坐标；基于所述目标雷达扫描点的二维坐标，将所述目标雷达扫描点投影至所述待匹配图像，确定位于像素值取值为第二预设值的像素点所构成的目标位置区域的目标雷达扫描点的目标个数；所述第二预设值为255或0；基于所述多个待筛选外参对应的目标个数，从所述多个待筛选外参中确定目标外参。
9.一种计算机设备，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7任一项所述的标定方法的步骤。
10.一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7任一项所述的标定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110347822.7A CN113077523B (zh) | 2021-03-31 | 2021-03-31 | 一种标定方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110347822.7A CN113077523B (zh) | 2021-03-31 | 2021-03-31 | 一种标定方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113077523A CN113077523A (zh) | 2021-07-06 |
| CN113077523B true CN113077523B (zh) | 2023-11-24 |
Family
ID=76614193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110347822.7A Active CN113077523B (zh) | 2021-03-31 | 2021-03-31 | 一种标定方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113077523B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115439561B (zh) * | 2022-10-25 | 2023-03-10 | 杭州华橙软件技术有限公司 | 机器人的传感器标定方法、机器人及存储介质 |
| CN115840196B (zh) * | 2023-02-24 | 2023-07-21 | 新石器慧通（北京）科技有限公司 | 基于实体标定间的激光雷达间标定方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104142157A (zh) * | 2013-05-06 | 2014-11-12 | 北京四维图新科技股份有限公司 | 一种标定方法、装置及设备 |
| CN109521403A (zh) * | 2017-09-19 | 2019-03-26 | 百度在线网络技术（北京）有限公司 | 多线激光雷达的参数标定方法及装置、设备及可读介质 |
| CN110021039A (zh) * | 2018-11-15 | 2019-07-16 | 山东理工大学 | 序列图像约束的多视角实物表面点云数据初始配准方法 |
| CN110456330A (zh) * | 2019-08-27 | 2019-11-15 | 中国人民解放军国防科技大学 | 一种相机与激光雷达之间外参无目标自动标定方法及*** |
| CN111965624A (zh) * | 2020-08-06 | 2020-11-20 | 北京百度网讯科技有限公司 | 激光雷达与相机的标定方法、装置、设备和可读存储介质 |
| CN112085801A (zh) * | 2020-09-08 | 2020-12-15 | 清华大学苏州汽车研究院（吴江） | 基于神经网络的三维点云和二维图像融合的校准方法 |
| WO2020259506A1 (zh) * | 2019-06-27 | 2020-12-30 | 华为技术有限公司 | 一种确定摄像头的畸变参数的方法及装置 |
| KR20210022016A (ko) * | 2019-08-02 | 2021-03-02 | 네이버랩스 주식회사 | 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템 |
-
2021
- 2021-03-31 CN CN202110347822.7A patent/CN113077523B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104142157A (zh) * | 2013-05-06 | 2014-11-12 | 北京四维图新科技股份有限公司 | 一种标定方法、装置及设备 |
| CN109521403A (zh) * | 2017-09-19 | 2019-03-26 | 百度在线网络技术（北京）有限公司 | 多线激光雷达的参数标定方法及装置、设备及可读介质 |
| CN110021039A (zh) * | 2018-11-15 | 2019-07-16 | 山东理工大学 | 序列图像约束的多视角实物表面点云数据初始配准方法 |
| WO2020259506A1 (zh) * | 2019-06-27 | 2020-12-30 | 华为技术有限公司 | 一种确定摄像头的畸变参数的方法及装置 |
| KR20210022016A (ko) * | 2019-08-02 | 2021-03-02 | 네이버랩스 주식회사 | 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템 |
| CN110456330A (zh) * | 2019-08-27 | 2019-11-15 | 中国人民解放军国防科技大学 | 一种相机与激光雷达之间外参无目标自动标定方法及*** |
| CN111965624A (zh) * | 2020-08-06 | 2020-11-20 | 北京百度网讯科技有限公司 | 激光雷达与相机的标定方法、装置、设备和可读存储介质 |
| CN112085801A (zh) * | 2020-09-08 | 2020-12-15 | 清华大学苏州汽车研究院（吴江） | 基于神经网络的三维点云和二维图像融合的校准方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于点云中心的激光雷达与相机联合标定方法研究;康国华;张琪;张晗;徐伟证;张文豪;;仪器仪表学报(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113077523A (zh) | 2021-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
| JP6722323B2 (ja) | 撮像装置のモデリングおよび校正のためのシステムおよびその方法 | |
| CN110689581B (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
| CN111062378B (zh) | 图像处理方法、模型训练方法、目标检测方法及相关装置 | |
| Kersten et al. | Image-based low-cost systems for automatic 3D recording and modelling of archaeological finds and objects | |
| JP3983573B2 (ja) | ステレオ画像特性検査システム | |
| CN113592989B (zh) | 一种三维场景的重建***、方法、设备及存储介质 | |
| CN111383279B (zh) | 外参标定方法、装置及电子设备 | |
| CN107077743A (zh) | 用于阵列相机的动态校准的***和方法 | |
| WO2021098448A1 (zh) | 传感器标定方法及装置、存储介质、标定***和程序产品 | |
| CN105654547B (zh) | 三维重建方法 | |
| CN113077523B (zh) | 一种标定方法、装置、计算机设备及存储介质 | |
| CN111566437A (zh) | 三维测量***以及三维测量方法 | |
| CN112816949B (zh) | 传感器的标定方法及装置、存储介质、标定*** | |
| WO2022217988A1 (zh) | 传感器配置方案确定方法、装置、计算机设备、存储介质及程序 | |
| CN115359130B (zh) | 雷达和相机的联合标定方法、装置、电子设备及存储介质 | |
| CN111144349A (zh) | 一种室内视觉重定位方法及*** | |
| CN113160328A (zh) | 一种外参标定方法、***、机器人和存储介质 | |
| CN110738703A (zh) | 定位方法及装置、终端、存储介质 | |
| CN112927307A (zh) | 一种标定方法、装置、电子设备及存储介质 | |
| Wenzel et al. | High-resolution surface reconstruction from imagery for close range cultural Heritage applications | |
| JP7432793B1 (ja) | 三次元点群に基づくマッピング方法、装置、チップ及びモジュール機器 | |
| US8818124B1 (en) | Methods, apparatus, and systems for super resolution of LIDAR data sets | |
| CN112446926A (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
| CN117392237A (zh) | 一种鲁棒的激光雷达-相机自标定方法 |
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 |