CN113436278A - 标定方法、标定装置、测距***及计算机可读存储介质 - Google Patents

标定方法、标定装置、测距***及计算机可读存储介质 Download PDF

Info

Publication number
CN113436278A
CN113436278A CN202110832916.3A CN202110832916A CN113436278A CN 113436278 A CN113436278 A CN 113436278A CN 202110832916 A CN202110832916 A CN 202110832916A CN 113436278 A CN113436278 A CN 113436278A
Authority
CN
China
Prior art keywords
calibration
point cloud
point
normal vector
determining
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
CN202110832916.3A
Other languages
English (en)
Inventor
任仲超
辛明
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.)
Autel Intelligent Technology Corp Ltd
Original Assignee
Autel Intelligent Automobile Corp 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 Autel Intelligent Automobile Corp Ltd filed Critical Autel Intelligent Automobile Corp Ltd
Priority to CN202110832916.3A priority Critical patent/CN113436278A/zh
Publication of CN113436278A publication Critical patent/CN113436278A/zh
Pending legal-status Critical Current

Links

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
    • G01S7/48—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
    • 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
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

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)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请公开了一种标定方法，包括：获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；提取所述标定图像中的角点，根据所述角点计算第一法向量；获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；计算所述第一法向量与所述第二法向量之间的夹角；根据所述夹角对所述摄像装置及所述激光雷达进行标定。本申请还提出一种标定装置、测距***以及一种计算机可读存储介质。本申请解决了现有技术中无法自动标定且标定结果验证不便的技术问题。

Description

标定方法、标定装置、测距***及计算机可读存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种标定方法、标定装置、测距***及计算机可读存储介质。
背景技术
目前，随着互联网技术的发展，工业与技术的进步，单纯的摄像装置检测不能满足无人驾驶车辆对于障碍物尺度信息的检测，只用雷达也不能满足智能车对障碍物类别检测的要求，所以多传感器融合势在必得，相应的第一步需要进行外参的标定。然而，本申请的发明人在实施本发明时发现，传统的方法采用人工标注的定位棋盘格在激光雷达坐标系中的法向量，人工标注的方法存在一定的***误差，使得外参标定准确率低。此外，测试结果难以量化。根据人工标注的结果不能对检测结果进行复核，需要很昂贵的仪器进行重新验证，这增加了标定的成本。
发明内容
本申请提供一种标定方法、标定装置、测距***及计算机可读存储介质，其主要目的在于解决现有技术中难以进行自动化标注，且标注的技术问题。
为实现上述目的，本申请提供一种标定方法，所述方法包括：
获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；
提取所述标定图像中的角点，根据所述角点计算第一法向量；
获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；
根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；
计算所述第一法向量与所述第二法向量之间的夹角；
根据所述夹角对所述摄像装置及所述激光雷达进行标定。
可选地，所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：将预设窗口分别沿着所述标定图像的横向和纵向移动；获取每次移动后，预设窗口内部的像素值变化量；根据所述像素值变化量确定角点响应函数；当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征。
可选地，所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：提取所述标定图像中的至少三个角点；确定所述至少三个角点所在的角点平面；根据所述至少三个角点确定所述角点平面的所述第一法向量。
可选地，所述根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，包括：确定所述点云集合中的一组随机子集为假设局内点集；根据所述假设局内点集确定目标模型的参数；将所述点云集合中除所述假设局内点外集的其它数据带入所述目标模型，得到适用点；所述适用点为所述其它数据中适用所述目标模型的点；将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集；根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。
可选地，所述根据所述夹角对所述摄像装置及所述激光雷达进行标定，包括：根据所述夹角确定旋转矩阵；获取摄像装置的摄像内参及摄像外参的物理尺度关系；根据所述点云集合获取所述激光雷达确定的目标长度；根据所述物理尺度关系及所述目标长度，确定平移矩阵；根据所述旋转矩阵及所述平移矩阵对所述所述摄像装置及所述激光雷达进行标定。
此外，为实现上述目的，本申请还提供一种标定装置，该装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的标定***，所述标定***被所述处理器执行时实现如下步骤：
获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；
提取所述标定图像中的角点，根据所述角点计算第一法向量；
获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；
根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；
计算所述第一法向量与所述第二法向量之间的夹角；
根据所述夹角对所述摄像装置及所述激光雷达进行标定。
可选地，所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：将预设窗口分别沿着所述标定图像的横向和纵向移动；获取每次移动后，预设窗口内部的像素值变化量；根据所述像素值变化量确定角点响应函数；当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征。
可选地，所述根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，包括：确定所述点云集合中的一组随机子集为假设局内点集；根据所述假设局内点集确定目标模型的参数；将所述点云集合中除所述假设局内点外集的其它数据带入所述目标模型，得到适用点；所述适用点为所述其它数据中适用所述目标模型的点；将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集；根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。
此外，为实现上述目的，本申请还提供一种测距***，所述测距***包括激光雷达及摄像装置；所述测距***还包括所述的标定装置。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有标定程序，所述标定程序可被至少一个处理器执行，以实现所述标定方法的步骤。
本申请提出的标定方法、标定装置、测距***及计算机可读存储介质，通过获取标定图像，提取所述标定图像中的角点，根据所述角点计算第一法向量，并获取所述标定图案的点云集合，根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，计算所述第一法向量与所述第二法向量之间的夹角，从而根据所述夹角对所述摄像装置及所述激光雷达进行标定，本申请通过上述方式实现了激光雷达及摄像装置的法向量的自动计算，自动标定，减少了***误差；同时标定结果可量化，便于验证。
附图说明
图1为本申请标定方法较佳实施例的示意图；
图2为本申请标定方法一实施例中标定图案示意图；
图3为本申请标定装置较佳实施例的示意图；
图4为本申请标定装置一实施例中标定***的模块示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种标定方法，该标定方法应用于标定装置中，该标定装置可以是测距***中的标定装置。该测距***包括激光雷达及摄像装置，该标定装置也可以是激光雷达或摄像装置中的控制模块。参照图1所示，为本申请标定方法较佳实施例的流程图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，标定方法包括：
步骤S10，获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片。
其中，摄像装置采集带有标定图案的照片，得到标定图像。图2示出了本申请实施例中标定图案示意图，本发明实施例中标定图案为棋盘格，该棋盘格设置在棋盘格标定板上。本发明实施例中，摄像装置可以获取多个棋盘格标定板在多个位置、角度及姿态下的多组标定图像，用于后续对从不同位置、角度及姿态下获取的标定图像进行处理，以进行多次标定，从而使得标定结果更加准确。
步骤S20，提取所述标定图像中的角点，根据所述角点计算第一法向量。
本发明实施例中，在获取标定图像后，提取标定图案中的角点。其中，角点是两条边缘的交点，它表示两条边方向改变的地方，所以角点在任意一个方向上做微小移动，都会引起该区域的梯度图的方向和幅值发生很大变化。也就是一阶导数(即灰度图的梯度)中的局部最大所对应的像素点就是角点。本发明实施例中，通过设定一个预设窗口来实现角点的检测。具体地，将预设窗口分别沿着所述标定图像的横向(x方向)和纵向移动(y方向)，获取每次移动后，预设窗口内部的像素值变化量；根据所述像素值变化量确定角点响应函数；当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征，从而确定该窗口中存在角点，确定该角点在摄像装置的相机坐标系中对应的角点坐标。其中，至少需要确定三个角点坐标，从而能够确定角点所在平面，也即角点平面。具体地，提取所述标定图像中的至少三个角点；确定所述至少三个角点所在的角点平面；根据所述至少三个角点确定所述角点平面的所述第一法向量。如图2所示，其中，A(1，1)、B(2，1)、C(1，2)分别为确定出的三个角点，对应的采用A、B和C三个点计算第一法向量的过程为：
计算向量AB：AB＝B(2，1)-A(1，1)；以及向量AC：AC＝A(1，1)-C(1，2)；
在得到向量AB及向量AC后，根据平面与法向量的垂直关系，从而计算得到角平面ABC的法向量u(x0，y0，z0)。
步骤S30，获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到。
其中，通过激光雷达采集标定图案的点云集合，该采集过程可与上述摄像装置采集标定图像的过程同时进行，通过激光雷达也可以采集多次不同位置、角度及姿态下的多个点云集合，以为后续标定过程准备足够多的标定数据，使得标定结果更加准确。
步骤S40，根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量。
本发明实施例中，具体通过以下步骤确定点云平面：
首先，确定所述点云集合中的一组随机子集为假设局内点集。对于标定图案的点云集合，从其中随机选出若干点云，作为假设局内点集，假设局内点集内的点云为假设局内点。然后，根据所述假设局内点集确定目标模型的参数。本发明实施例中，预先设定一个目标模型，该目标模型为参数未知的平面方程，由于平面的一般表达方式为：Ax+By+Cz+D＝0，因此可以根据假设局内点拟合出目标模型的参数。在得到该目标模型的参数后，则将点云集合中除所述假设局内点外集的其它数据带入所述目标模型，进一步修正模型的参数，同时得到适用点，该适用点为所述其它数据中适用所述目标模型的点，将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集。再根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，并重新更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。也就是说，当点云集合中属于的假设局内点集的点云数量足够多且目标模型对于点云集合中点云的计算错误率足够小时，确定得到最终的目标模型，点云平面拟合完成，将最终的目标模型确定为点云平面的表达方程。
其中，在得到点云平面后，根据平面与法向量的关系，从而确定点云平面对应的第二法向量。
步骤S50，计算所述第一法向量与所述第二法向量之间的夹角。
本发明实施例中，在确定了第一法向量和第二法向量后，根据线与线之间的夹角计算原理，从而可以得到第一法向量与第二法向量之间的夹角，此处不再赘述。
步骤S60，根据所述夹角对所述摄像装置及所述激光雷达进行标定。
其中，该第一法向量与第二法向量之间的夹角为雷达坐标系的X轴与相机坐标轴X轴之间旋转的角度，从而根据所述夹角确定旋转矩阵。其中，获取摄像装置的内参与外参标定数据，该摄像装置的内参与外参标定数据为预先标定后获取的。
进一步地，获取摄像装置的摄像内参及摄像外参的物理尺度关系，由于该摄像装置的内参与外参标定数据已经预先标定，因此标定图像与真实物理长度之间的关系是已知的。根据所述点云集合可以获取激光雷达确定的目标长度，因此根据相机内外参的物理尺度关系及激光雷达测量的目标长度，确定平移矩阵。最终，根据该旋转矩阵及该平移矩阵实现对所述所述摄像装置及所述激光雷达的标定。
上述实施例提出的标定方法，通过获取标定图像，提取所述标定图像中的角点，根据所述角点计算第一法向量，并获取所述标定图案的点云集合，根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，计算所述第一法向量与所述第二法向量之间的夹角，从而根据所述夹角对所述摄像装置及所述激光雷达进行标定，本申请通过上述方式实现了激光雷达及摄像装置法向量的自动计算，自动标定，减少了***误差；同时标定结果可量化，便于验证。
本申请提供一种标定装置。参照图3所示，为本申请标定装置较佳实施例的示意图。
在本实施例中，标定装置可以是PC(Personal Computer，个人电脑)，也可以是测距设备，还可以是汽车上的控制设备等终端设备。
该标定装置包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是标定装置的内部存储单元，例如该标定装置的硬盘。存储器11在另一些实施例中也可以是标定装置的外部存储设备，例如标定装置上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。进一步地，存储器11还可以既包括标定装置的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于标定装置的应用软件及各类数据，例如标定***的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行标定***的功能等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置与其他电子设备之间建立通信连接。
图3仅示出了具有组件11-14以及标定***的标定装置，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该装置还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在标定装置中处理的信息以及用于显示可视化的用户界面。
在图3所示的装置实施例中，存储器11中存储有标定***；处理器12执行存储器11中存储的标定***的功能时实现如下步骤：
A、获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片。
其中，摄像装置采集带有标定图案的照片，得到标定图像。图2示出了本申请实施例中标定图案示意图，本发明实施例中标定图案为棋盘格，该棋盘格设置在棋盘格标定板上。本发明实施例中，摄像装置可以获取多个棋盘格标定板在多个位置、角度及姿态下的多组标定图像，用于后续对从不同位置、角度及姿态下获取的标定图像进行处理，以进行多次标定，从而使得标定结果更加准确。
B、提取所述标定图像中的角点，根据所述角点计算第一法向量。
本发明实施例中，在获取标定图像后，提取标定图案中的角点。其中，角点是两条边缘的交点，它表示两条边方向改变的地方，所以角点在任意一个方向上做微小移动，都会引起该区域的梯度图的方向和幅值发生很大变化。也就是一阶导数(即灰度图的梯度)中的局部最大所对应的像素点就是角点。本发明实施例中，通过设定一个预设窗口来实现角点的检测。具体地，将预设窗口分别沿着所述标定图像的横向(x方向)和纵向移动(y方向)，获取每次移动后，预设窗口内部的像素值变化量；根据所述像素值变化量确定角点响应函数；当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征，从而确定该窗口中存在角点，确定该角点在摄像装置的相机坐标系中对应的角点坐标。其中，至少需要确定三个角点坐标，从而能够确定角点所在平面，也即角点平面。具体地，提取所述标定图像中的至少三个角点；确定所述至少三个角点所在的角点平面；根据所述至少三个角点确定所述角点平面的所述第一法向量。如图2所示，其中，A(1，1)、B(2，1)、C(1，2)分别为确定出的三个角点，对应的采用A、B和C三个点计算第一法向量的过程为：
计算向量AB：AB＝B(2，1)-A(1，1)；以及向量AC：AC＝A(1，1)-C(1，2)；
在得到向量AB及向量AC后，根据平面与法向量的垂直关系，从而计算得到角平面ABC的法向量u(x0，y0，z0)。
C、获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到。
其中，通过激光雷达采集标定图案的点云集合，该采集过程可与上述摄像装置采集标定图像的过程同时进行，通过激光雷达也可以采集多次不同位置、角度及姿态下的多个点云集合，以为后续标定过程准备足够多的标定数据，使得标定结果更加准确。
D、根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量。
本发明实施例中，具体通过以下步骤确定点云平面：
首先，确定所述点云集合中的一组随机子集为假设局内点集。对于标定图案的点云集合，从其中随机选出若干点云，作为假设局内点集，假设局内点集内的点云为假设局内点。然后，根据所述假设局内点集确定目标模型的参数。本发明实施例中，预先设定一个目标模型，该目标模型为参数未知的平面方程，由于平面的一般表达方式为：Ax+By+Cz+D＝0，因此可以根据假设局内点拟合出目标模型的参数。在得到该目标模型的参数后，则将点云集合中除所述假设局内点外集的其它数据带入所述目标模型，进一步修正模型的参数，同时得到适用点，该适用点为所述其它数据中适用所述目标模型的点，将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集。再根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，并重新更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。也就是说，当点云集合中属于的假设局内点集的点云数量足够多且目标模型对于点云集合中点云的计算错误率足够小时，确定得到最终的目标模型，点云平面拟合完成，将最终的目标模型确定为点云平面的表达方程。
其中，在得到点云平面后，根据平面与法向量的关系，从而确定点云平面对应的第二法向量。
E、计算所述第一法向量与所述第二法向量之间的夹角。
本发明实施例中，在确定了第一法向量和第二法向量后，根据线与线之间的夹角计算原理，从而可以得到第一法向量与第二法向量之间的夹角，此处不再赘述。
F、根据所述夹角对所述摄像装置及所述激光雷达进行标定。
其中，该第一法向量与第二法向量之间的夹角为雷达坐标系的X轴与相机坐标轴X轴之间旋转的角度，从而根据所述夹角确定旋转矩阵。其中，获取摄像装置的内参与外参标定数据，该摄像装置的内参与外参标定数据为预先标定后获取的。
进一步地，获取摄像装置的摄像内参及摄像外参的物理尺度关系，由于该摄像装置的内参与外参标定数据已经预先标定，因此标定图像与真实物理长度之间的关系是已知的。根据所述点云集合可以获取激光雷达确定的目标长度，因此根据相机内外参的物理尺度关系及激光雷达测量的目标长度，确定平移矩阵。最终，根据该旋转矩阵及该平移矩阵实现对所述所述摄像装置及所述激光雷达的标定。
上述实施例提出的标定装置，通过获取标定图像，提取所述标定图像中的角点，根据所述角点计算第一法向量，并获取所述标定图案的点云集合，根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，计算所述第一法向量与所述第二法向量之间的夹角，从而根据所述夹角对所述摄像装置及所述激光雷达进行标定，本申请通过上述方式实现了激光雷达及摄像装置法向量的自动计算，自动标定，减少了***误差；同时标定结果可量化，便于验证。
可选地，在其他的实施例中，标定***还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行，以完成本申请，本申请所称的模块是指能够完成特定功能的一系列计算机程序指令段。例如，参照图4所示，为本申请标定装置一实施例中的标定***的模块示意图，该实施例中，标定***可以被分割为第一获取模块10、第一计算模块20、第二获取模块30、第二计算模块40、夹角计算模块50以及标定模块60，示例性地：
第一获取模块10用于获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；
第一计算模块20用于提取所述标定图像中的角点，根据所述角点计算第一法向量；
第二获取模块30用于获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；
第二计算模块40用于根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；
夹角计算模块50用于计算所述第一法向量与所述第二法向量之间的夹角；
标定模块60用于根据所述夹角对所述摄像装置及所述激光雷达进行标定。
上述第一获取模块10、第一计算模块20、第二获取模块30、第二计算模块40、夹角计算模块50以及标定模块60被执行所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本申请实施例还提供一种测距***，该测距***包括激光雷达及摄像装置，还包括上述实施例所述的标定装置，该标定装置用于对激光雷达及摄像装置。该标定装置的具体工作过程与上述实施例的具体过程大体一致，此处不再赘述。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有标定程序，所述标定程序可被一个或多个处理器执行，以实现如下操作：
获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；
提取所述标定图像中的角点，根据所述角点计算第一法向量；
获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；
根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；
计算所述第一法向量与所述第二法向量之间的夹角；
根据所述夹角对所述摄像装置及所述激光雷达进行标定。
进一步地，所述标定程序被处理器执行时还实现如下操作：
所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：将预设窗口分别沿着所述标定图像的横向和纵向移动；获取每次移动后，预设窗口内部的像素值变化量；根据所述像素值变化量确定角点响应函数；当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征。
进一步地，所述标定程序被处理器执行时还实现如下操作：
所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：提取所述标定图像中的至少三个角点；确定所述至少三个角点所在的角点平面；根据所述至少三个角点确定所述角点平面的所述第一法向量。
进一步地，所述标定程序被处理器执行时还实现如下操作：
所述根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，包括：确定所述点云集合中的一组随机子集为假设局内点集；根据所述假设局内点集确定目标模型的参数；将所述点云集合中除所述假设局内点外集的其它数据带入所述目标模型，得到适用点；所述适用点为所述其它数据中适用所述目标模型的点；将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集；根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。
进一步地，所述标定程序被处理器执行时还实现如下操作：
所述根据所述夹角对所述摄像装置及所述激光雷达进行标定，包括：根据所述夹角确定旋转矩阵；获取摄像装置的摄像内参及摄像外参的物理尺度关系；根据所述点云集合获取所述激光雷达确定的目标长度；根据所述物理尺度关系及所述目标长度，确定平移矩阵；根据所述旋转矩阵及所述平移矩阵对所述所述摄像装置及所述激光雷达进行标定。
本申请计算机可读存储介质具体实施方式与上述标定装置和方法各实施例基本相同，在此不作累述。
需要说明的是，上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种标定方法，其特征在于，所述方法包括：
获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；
提取所述标定图像中的角点，根据所述角点计算第一法向量；
获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；
根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；
计算所述第一法向量与所述第二法向量之间的夹角；
根据所述夹角对所述摄像装置及所述激光雷达进行标定。
2.根据权利要求1所述的方法，其特征在于，所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：
将预设窗口分别沿着所述标定图像的横向和纵向移动；
获取每次移动后，预设窗口内部的像素值变化量；
根据所述像素值变化量确定角点响应函数；
当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征。
3.根据权利要求1所述的方法，其特征在于，所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：
提取所述标定图像中的至少三个角点；
确定所述至少三个角点所在的角点平面；
根据所述至少三个角点确定所述角点平面的所述第一法向量。
4.根据权利要求1所述的方法，其特征在于，所述根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，包括：
确定所述点云集合中的一组随机子集为假设局内点集；
根据所述假设局内点集确定目标模型的参数；
将所述点云集合中除所述假设局内点外集的其它数据带入所述目标模型，得到适用点；所述适用点为所述其它数据中适用所述目标模型的点；
将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集；
根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述夹角对所述摄像装置及所述激光雷达进行标定，包括：
根据所述夹角确定旋转矩阵；
获取摄像装置的摄像内参及摄像外参的物理尺度关系；
根据所述点云集合获取所述激光雷达确定的目标长度；
根据所述物理尺度关系及所述目标长度，确定平移矩阵；
根据所述旋转矩阵及所述平移矩阵对所述所述摄像装置及所述激光雷达进行标定。
6.一种标定装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的标定***，所述标定***被所述处理器执行时实现如下步骤：
获取标定图像；所述标定图像为摄像装置采集到的标定图案的照片；
提取所述标定图像中的角点，根据所述角点计算第一法向量；
获取所述标定图案的点云集合；所述点云集合为根据所述激光雷达采集得到；
根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量；
计算所述第一法向量与所述第二法向量之间的夹角；
根据所述夹角对所述摄像装置及所述激光雷达的外参进行标定。
7.根据权利要求6所述的装置，其特征在于，所述提取所述标定图像中的角点，根据所述角点计算第一法向量，包括：
将预设窗口分别沿着所述标定图像的横向和纵向移动；
获取每次移动后，预设窗口内部的像素值变化量；
根据所述像素值变化量确定角点响应函数；
当所述角点响应函数大于预设阈值时，确定所述角点响应函数为角点特征。
8.根据权利要求6所述的装置，其特征在于，所述根据所述点云集合确定点云平面，并求解所述点云平面的第二法向量，包括：
确定所述点云集合中的一组随机子集为假设局内点集；
根据所述假设局内点集确定目标模型的参数；
将所述点云集合中除所述假设局内点外集的其它数据带入所述目标模型，得到适用点；所述适用点为所述其它数据中适用所述目标模型的点；
将所述适用点添加至所述假设局内点集中，得到更新后的假设局内点集；
根据所述更新后的假设局内点集更新所述目标模型的参数，并重新计算适用点，更新所述目标模型的参数，直至所述更新后的假设局内点集中假设局内点集的数量大于预设阈值，且所述目标模型的错误率达到预设阈值，得到点云平面。
9.一种测距***，其特征在于，所述测距***包括激光雷达及摄像装置；所述测距***还包括如权利要求6-8任一项所述的标定装置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有标定程序，所述标定程序可被至少一个处理器执行，以实现如权利要求1-5任一项所述标定方法的步骤。
CN202110832916.3A 2021-07-22 2021-07-22 标定方法、标定装置、测距***及计算机可读存储介质 Pending CN113436278A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110832916.3A CN113436278A (zh) 2021-07-22 2021-07-22 标定方法、标定装置、测距***及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110832916.3A CN113436278A (zh) 2021-07-22 2021-07-22 标定方法、标定装置、测距***及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN113436278A true CN113436278A (zh) 2021-09-24

Family

ID=77761455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110832916.3A Pending CN113436278A (zh) 2021-07-22 2021-07-22 标定方法、标定装置、测距***及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113436278A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508845A (zh) * 2018-04-23 2018-09-07 南京航空航天大学 一种基于几何自适应的复杂曲面快速数控雕铣方法
WO2019242174A1 (zh) * 2018-06-21 2019-12-26 华南理工大学 基于激光雷达的建筑结构自动测量及3d模型生成方法
CN111862224A (zh) * 2019-04-17 2020-10-30 杭州海康威视数字技术股份有限公司 确定相机与激光雷达之间外参的方法和装置
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
WO2020233443A1 (zh) * 2019-05-21 2020-11-26 菜鸟智能物流控股有限公司 一种激光雷达与相机之间的标定方法和装置
CN112180362A (zh) * 2019-07-05 2021-01-05 北京地平线机器人技术研发有限公司 雷达与相机之间的转换位姿确定方法、装置以及电子设备
CN112446927A (zh) * 2020-12-18 2021-03-05 广东电网有限责任公司 激光雷达和相机的联合标定方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508845A (zh) * 2018-04-23 2018-09-07 南京航空航天大学 一种基于几何自适应的复杂曲面快速数控雕铣方法
WO2019242174A1 (zh) * 2018-06-21 2019-12-26 华南理工大学 基于激光雷达的建筑结构自动测量及3d模型生成方法
CN111862224A (zh) * 2019-04-17 2020-10-30 杭州海康威视数字技术股份有限公司 确定相机与激光雷达之间外参的方法和装置
WO2020233443A1 (zh) * 2019-05-21 2020-11-26 菜鸟智能物流控股有限公司 一种激光雷达与相机之间的标定方法和装置
CN112180362A (zh) * 2019-07-05 2021-01-05 北京地平线机器人技术研发有限公司 雷达与相机之间的转换位姿确定方法、装置以及电子设备
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
CN112446927A (zh) * 2020-12-18 2021-03-05 广东电网有限责任公司 激光雷达和相机的联合标定方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JING LI;LIUZHI YU;JUNZHENG WANG;: "Simplified Method for Joint Calibration of 3D Ladar and Monocular Camera", JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY, no. 03, 15 September 2018 (2018-09-15), pages 5 - 11 *
陈驰;杨必胜;田茂;李健平;邹响红;吴唯同;宋易恒;: "车载MMS激光点云与序列全景影像自动配准方法", 测绘学报, no. 02, 15 February 2018 (2018-02-15), pages 85 - 94 *

Similar Documents

Publication Publication Date Title
US11422261B2 (en) Robot relocalization method and apparatus and robot using the same
CN108537834B (zh) 一种基于深度图像的体积测量方法、***及深度相机
CN109544629B (zh) 摄像头位姿确定方法和装置以及电子设备
CN107976669B (zh) 一种确定相机与激光雷达之间的外参数的装置
CN107976668B (zh) 一种确定相机与激光雷达之间的外参数的方法
CN111815713A (zh) 自动标定相机外参的方法及***
CN110988849A (zh) 雷达***的标定方法、装置、电子设备及存储介质
CN111735439A (zh) 地图构建方法、装置和计算机可读存储介质
CN111080682A (zh) 点云数据的配准方法及装置
CN112683169A (zh) 物体尺寸测量方法、装置、设备及存储介质
CN113436233A (zh) 自动驾驶车辆的配准方法、装置、电子设备和车辆
CN109712197B (zh) 一种机场跑道网格化标定方法及***
CN114758005A (zh) 激光雷达与相机外参标定方法及装置
CN116778458B (zh) 车位检测模型构建方法、车位检测方法、设备及存储介质
CN112967347A (zh) 位姿标定方法、装置、机器人及计算机可读存储介质
CN113554712A (zh) 自动驾驶车辆的配准方法、装置、电子设备和车辆
CN110207842B (zh) 亚像素级边缘效应的修正方法及终端设备
CN113436278A (zh) 标定方法、标定装置、测距***及计算机可读存储介质
CN115100285B (zh) 风电传感器安装方法、装置、设备及可读存储介质
CN115511977A (zh) 一种基于标定模板的外参标定方法及装置
CN113379668B (zh) 光伏板拼接方法及装置、电子设备及存储介质
CN113112551B (zh) 相机参数的确定方法、装置、路侧设备和云控平台
CN114862963A (zh) 贴合定位方法、装置、设备及存储介质
CN110930455A (zh) 定位方法、装置、终端设备及存储介质
CN111145268A (zh) 一种视频注册方法及装置

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
CB02 Change of applicant information

Address after: 518000 401, Building B1, Nanshan Zhiyuan, No. 1001, Xueyuan Avenue, Changyuan Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong

Applicant after: Shenzhen Saifang Technology Co.,Ltd.

Address before: 518000 room 701, building B1, Nanshan wisdom garden, 1001 Xueyuan Avenue, Changyuan community, Taoyuan Street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Daotong Intelligent Automobile Co.,Ltd.

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20240514

Address after: 518000, 2nd Floor, Rainbow Technology Building, No. 36 North Gaoxin Road, Songpingshan Community, Xili Street, Nanshan District, Shenzhen, Guangdong Province

Applicant after: AUTEL INTELLIGENT TECHNOLOGY Corp.,Ltd.

Country or region after: China

Address before: 518000 401, Building B1, Nanshan Zhiyuan, No. 1001, Xueyuan Avenue, Changyuan Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong

Applicant before: Shenzhen Saifang Technology Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right