CN113589243A - 一种雷达标定方法、装置、设备及存储介质 - Google Patents
一种雷达标定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113589243A CN113589243A CN202110874371.2A CN202110874371A CN113589243A CN 113589243 A CN113589243 A CN 113589243A CN 202110874371 A CN202110874371 A CN 202110874371A CN 113589243 A CN113589243 A CN 113589243A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- registration result
- cloud registration
- transformation matrix
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 146
- 230000009466 transformation Effects 0.000 claims abstract description 144
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 230000001131 transforming effect Effects 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013501 data transformation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G01S7/02—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
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
Abstract
本发明提供了一种雷达标定方法、装置、设备及存储介质,其中,方法包括:获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;基于初始变换矩阵对源点云数据与目标点云数据逐帧配准,得到帧级的点云配准结果;基于预设的评价参数对帧级的点云配准结果进行评价,以获得稳定点云配准结果;判断稳定点云配准结果是否收敛,若是,则根据稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,若否,则根据稳定点云配准结果对初始变换矩阵进行更新。通过本发明提供的雷达标定方法及装置可自动确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
Description
技术领域
本发明涉及传感器标定技术领域,尤其涉及一种雷达标定方法、装置、设备及存储介质。
背景技术
在某些应用场景中,需要将辅雷达采集的数据变换至主雷达的坐标系下,比如,在智能驾驶场景,需要利用辅雷达采集汽车周围的环境数据,将采集的数据变换至主雷达的坐标系下,进而将变换至主雷达的坐标系下的数据变换到车体坐标系下,从而根据变换至车体坐标系下的数据对汽车进行控制。
若要将辅雷达采集的数据变换至主雷达的坐标系下,则需要获知将辅雷达采集的数据变换至主雷达的坐标系下的变换矩阵,而如何获得该变换矩阵是目前亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种雷达标定方法、装置、设备及存储介质,用以确定雷达坐标系到车体坐标系的旋转矩阵,其技术方案如下:
一种雷达标定方法,包括:
获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
判断所述稳定点云配准结果是否收敛,若是,则根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,若否,则根据所述稳定点云配准结果对所述初始变换矩阵进行更新。
可选的,所述基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果,包括:
基于初始变换矩阵对所述源点云数据进行变换,得到变换后点云数据;
分别对所述目标点云数据和所述变换后点云数据进行预处理,以得到预处理后的目标点云数据和预处理后的变换后点云数据;
从所述预处理后的目标点云数据中分离出地面点和非地面点,并从所述预处理后的变换后点云数据中分离出地面点和非地面点;
将从所述预处理后的目标点云数据中分离出的地面点与从所述预处理后的变换后点云数据中分离出的地面点逐帧配准,得到帧级的地面点配准结果;
将从所述预处理后的目标点云数据中分离出的非地面点与从所述预处理后的变换后点云数据中分离出的非地面点逐帧配准,得到帧级的非地面点配准结果;
根据所述帧级的地面点配准结果和所述帧级的非地面点配准结果,获得帧级的点云配准结果。
可选的,所述基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果,包括:
在每获得一点云配准结果后,判断基于所述初始变换矩阵获得的点云配准结果的总数量是否大于或等于预设的第一阈值;
若是,则从基于所述初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果,以得到所述初始变换矩阵下的目标点云配准结果;
在初始变换矩阵下的目标点云配准结果的数量达到预设的第二阈值时,计算所述初始变换矩阵下的目标点云配准结果的均值,作为稳定点云配准结果。
可选的,所述从基于所述初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果,包括:
计算基于所述初始变换矩阵获得的点云配准结果的均值和方差;
根据计算得到的均值和方差确定目标范围;
从基于初始变换矩阵获得的点云配准结果中,确定未处于所述目标范围内的点云配准结果作为离群的点云配准结果并剔除。
可选的,所述判断所述稳定点云配准结果是否收敛,包括:
在每获得一稳定点云配准结果后,判断已获得的稳定点云配准结果的数量是否达到预设的第三阈值;
若是,则计算已获得的稳定点云配准结果的均值和方差;
根据已获得的稳定点云配准结果的均值和方差确定目标范围;
判断已获得的稳定点云配准结果是否均处于所述目标范围内;
若是,则判定所述稳定点云配准结果收敛,若否,则判定所述稳定点云配准结果未收敛;
在判定所述稳定点云配准结果未收敛时,所述根据所述稳定点云配准结果对所述初始变换矩阵进行更新,包括:
根据已获得的稳定点云配准结果的均值,对所述初始变换矩阵进行更新;
在判定所述稳定点云配准结果收敛时,所述根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,包括:
根据已获得的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
可选的,所述雷达标定方法还包括:
若已获得的稳定点云配准结果的数量未达到所述第三阈值,则确定已获得的稳定点云配准结果的均值;
根据已获得的稳定点云配准结果的均值,对初始变换矩阵进行更新,并继续基于更新后的初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,继续得到新的稳定点云配准结果。
可选的,所述雷达标定方法还包括:
在已获得的稳定点云配准结果的数量达到预设的第三阈值时,若判定已获得的稳定点云配准结果未收敛,则继续基于更新后的初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,并基于预设的评价参数对获得的点云配准结果进行评价,以获得稳定点云配准结果;
所述雷达标定方法还包括:
若已获得的稳定点云配准结果的数量大于所述第三阈值,则剔除最早获得的稳定点云配准结果,判断剩余的稳定点云配准结果是否收敛;
若是,则根据剩余的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
一种雷达标定装置,包括:数据获取模块、数据配准模块、配准结果评价模块、收敛判断模块、变换矩阵确定模块和变换矩阵更新模块;
所述数据获取模块,用于获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
所述数据配准模块,用于基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
所述配准结果评价模块,用于基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
所述收敛判断模块,用于判断所述稳定点云配准结果是否收敛;
所述变换矩阵确定模块,用于在所述收敛判断模块判定所述稳定点云配准结果收敛时,根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵;
所述变换矩阵更新模块,用于在所述收敛判断模块判定所述稳定点云配准结果未收敛时,根据所述稳定点云配准结果对初始变换矩阵进行更新。
一种雷达标定设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现上述任一项所述的雷达标定方法的各个步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述任一项所述的雷达标定方法的各个步骤。
经由上述方案可知,本发明提供的雷达标定方法雷达标定方法、装置、设备及存储介质,可基于初始变换矩阵对辅雷达采集的点云数据与主雷达采集的点云数据逐帧配准,并可基于预设的评价参数对获得的帧级的点云配准结果进行评价,以获得稳定点云配准结果,在此基础上,可判断稳定点云配准结果是否收敛,并在判定稳定点云配准结果收敛时,可基于稳定点云配准结果确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。可见,本发明提供的雷达标定方法通过对点云数据的配准、对配准结果的评价以及对评价结果的分析判断,可确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,由于本申请中对配准结果的评价以及对评价结果的分析判断都是自动进行的,无人工参与,因此,获得的结果较为客观和准确,即,经由本发明提供的雷达标定方法可自动确定出较为准确的变换矩阵。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的雷达标定方法的流程示意图;
图2为本发明实施例提供的基于初始变换矩阵对源点云数据与目标点云数据逐帧配准,得到帧级的点云配准结果的流程示意图;
图3为本发明实施例提供的基于预设的评价参数对帧级的点云配准结果进行评价,以获得稳定点云配准结果的流程示意图;
图4为本发明实施例提供的判断稳定点云配准结果是否收敛的流程示意图;
图5为本发明实施例提供的雷达标定装置的结构示意图;
图6为本发明实施例提供的雷达标定设备的结构示意图。
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。
为了实现雷达标定,即获得将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,本案发明人进行了研究,在研究的过程中发现:
现有技术中存在一些雷达标定方案,这些方案大多通过人工摆放标志物和布置特殊场景来实现雷达的标定,然而,这些方案十分繁琐和耗时,且标定精度与场景的布置有着极强的联系,存在较大的随机误差,无法满足智能驾驶汽车智能、可靠的特点,另外,这些标定方案的灵活性较差,且标定结果是否可用只能由标定人员通过主观判断,在判断标定结果不可用时,还需要标定人员手动调整,这无疑增加了主观误差和标定结果的不可靠性。
鉴于现有的雷达标定方案存在的问题,本案发明人进一步进行研究,最终提出了一种效果较好的雷达标定方法,该标定方法不需要人工摆放标志物和布置特殊场景,也不需要人工对标定结果进行判断和调整,接下来通过下述实施例对本发明提供的雷达标定方法进行介绍。
请参阅图1,示出了本发明实施例提供的雷达标定方法的流程示意图,该方法可以包括:
步骤S101:获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据。
由于本发明的目的在于,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,因此,本发明将辅雷达采集的点云数据作为源点云数据,将主雷达采集的点云数据作为目标点云数据。
步骤S102:基于初始变换矩阵对源点云数据与目标点云数据逐帧配准,得到帧级的点云配准结果。
具体的,可首先基于初始变换矩阵对源点云数据进行变换,得到变换后点云数据,然后对目标点云数据和变换后点云数据进行预处理,以得到预处理后的目标点云数据和预处理后的变换后点云数据,最后对预处理后的目标点云数据与预处理后的变换后点云数据逐帧配准,得到帧级的点云配准结果。
步骤S103:基于预设的评价参数对帧级的点云配准结果进行评价,以获得稳定点云配准结果。
其中,稳定点云配准结果根据同一变换矩阵下数量满足要求的非离群点云配准结果确定。
步骤S104:判断稳定点云配准结果是否收敛,若稳定点云配准结果收敛,则执行步骤S105a,若稳定点云配准结果未收敛,则执行步骤S105b。
步骤S105a:根据稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
具体的,可根据已获得的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
步骤S105b:根据稳定点云配准结果对初始变换矩阵进行更新。
具体的,可根据已获得的稳定点云配准结果的均值,对初始变换矩阵进行更新。
需要说明的是,若稳定点云配准结果未收敛,则说明需要继续进行标定,此时,根据稳定点云配准结果对初始变换矩阵进行更新,然后基于更新后的初始变换矩阵继续对源点云数据与目标点云数据逐帧配准,继续基于预设的评价参数对帧级的点云配准结果进行评价,并对评价结果进行分析判断。
在本实施例中,可设定一最大样本量阈值,若在稳定点云配准结果的数量达到最大样本量阈值时,若稳定点云配准结果尚未收敛,则结束此次标定,重新进行标定;若在稳定点云配准结果的数量达到最大样本量阈值时,或稳定点云配准结果的数量未达到最大样本量阈值时,稳定点云配准结果收敛,则基于已获得的稳定点云配准结果确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵后,标定结束。需要说明的是,在稳定点云配准结果的数量未达到最大样本量阈值,且稳定点云配准结果未收敛时,上述的配准、评价、矩阵更新过程会不断执行。
本发明实施例提供的雷达标定方法,可基于初始变换矩阵对辅雷达采集的点云数据与主雷达采集的点云数据逐帧配准,并可基于预设的评价参数对获得的帧级的点云配准结果进行评价,以获得稳定点云配准结果,在此基础上,可判断稳定点云配准结果是否收敛,并在判定稳定点云配准结果收敛时,基于稳定点云配准结果确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。可见,本发明实施例提供的雷达标定方法通过对点云数据的配准、对配准结果的评价以及对评价结果的分析判断,可确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,由于本申请中对配准结果的评价以及对评价结果的分析判断都是自动进行的,无人工参与,因此,获得的结果较为客观和准确,即,经由本发明实施例提供的雷达标定方法可自动确定出较为准确的变换矩阵。
接下来首先对上述实施例中的“步骤S102:基于初始变换矩阵对源点云数据与目标点云数据逐帧配准,得到帧级的点云配准结果”的具体实现过程进行介绍。
请参阅图2,示出了基于初始变换矩阵对源点云数据与目标点云数据逐帧配准,得到帧级的点云配准结果的流程示意图,可以包括:
步骤S201:基于初始变换矩阵对源点云数据进行变换,得到变换后点云数据。
其中,初始变换矩阵为一预设的变换矩阵,本实施例以初始变换矩阵为基础,对源点云数据进行变换。基于初始变换矩阵对源点云数据进行变换,可将源点云数据变换到主雷达的坐标系下。
步骤S202:分别对目标点云数据和变换后点云数据进行预处理,以得到预处理后的目标点云数据和预处理后的变换后点云数据。
其中,预处理可以但不限定为包括异常点去除、感兴趣区域获取和降采样处理中的一个或多个。需要说明的是,异常点去除指的是去除噪声点,感兴趣区域获取指的是获取车辆前后指定范围的数据,降采样处理指的是对数据进行降采样,以降低后续的数据运算量。
步骤S203:从预处理后的目标点云数据中分离出地面点和非地面点,并从预处理后的变换后点云数据中分离出地面点和非地面点。
可选的,可采用基于RANSAC的点云分割算法从预处理后的目标点云数据中分离出地面点和非地面点,并从预处理后的变换后点云数据中分离出地面点和非地面点。
步骤S204a:将从预处理后的目标点云数据中分离出的地面点与从预处理后的变换后点云数据中分离出的地面点逐帧配准,得到帧级的地面点配准结果。
具体的,将预处理后的目标点云数据和预处理后的变换后点云数据中对应于同一时间戳的点云帧地面点配准,获得帧级的地面点配准结果。
其中,帧级的地面点配准结果包括x、y、z、yaw、pitch、roll,x、y、z为辅雷达相对于主雷达的三个偏移量,yaw、pitch、roll为辅雷达相对于主雷达的三个姿态角,pitch为俯仰角,yaw为偏航角、roll为翻滚角。
步骤S204b:将从预处理后的目标点云数据中分离出的非地面点与从预处理后的变换后点云数据中分离出的非地面点逐帧配准,得到帧级的非地面点配准结果。
具体的,将预处理后的目标点云数据和预处理后的变换后点云数据中对应于同一时间戳的点云帧非地面点配准,获得帧级的非地面点配准结果。
其中,帧级的非地面点配准结果同样包括x、y、z、yaw、pitch、roll。
步骤S205:根据帧级的地面点配准结果和帧级的非地面点配准结果,获得帧级的点云配准结果。
具体的,将对应于同一时间戳的帧级的地面点配准结果中的z、roll、pitch与帧级的非地面点配准结果中的x、y、yaw组合,组合后的结果作为帧级的点云配准结果。
经由上述过程可获得帧级的点云配准结果,即x、y、z、yaw、pitch、roll这6个参数。
接下来,对上述实施例中的“步骤S103:基于预设的评价参数对帧级的点云配准结果进行评价,以获得稳定点云配准结果”的实现过程进行介绍。
请参阅图3,示出了基于预设的评价参数对帧级的点云配准结果进行评价,以获得稳定点云配准结果的流程示意图,可以包括:
步骤S301:在每获得一点云配准结果后,判断基于初始变换矩阵获得的点云配准结果的总数量是否大于或等于预设的第一阈值,若是,则执行步骤S302。
在本实施例中,每获得一点云配准结果,即对已获得的点云配准结果的数量进行统计,并判断已获得的点云配准结果的数量是否大于或等于预设的第一阈值。其中,第一阈值可根据具体情况设定,比如可设定为100。
需要说明的是,若基于初始变换矩阵获得的点云配准结果的总数量小于预设的第一阈值,则继续获取点云配准结果,直至获得的点云配准结果的总数量大于或等于预设的第一阈值,在获得的点云配准结果的总数量大于或等于第一阈值时,再执行步骤S302及后续步骤。
步骤S302:从基于初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果,以得到初始变换矩阵下的目标点云配准结果。
具体的,从基于初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果的过程包括:
步骤S3021、计算基于初始变换矩阵获得的点云配准结果的均值和方差。
步骤S3022、根据计算得到的均值和方差确定目标范围。
若将计算得到的均值用μ表示,方差用σ表示,则目标范围可以为[μ-2σ,μ+2σ]。
步骤S3023、从基于初始变换矩阵获得的点云配准结果中,确定未处于目标范围内的点云配准结果作为离群的点云配准结果并剔除。
上述实施例提到,点云配准结果包括x、y、z、yaw、pitch、roll六个参数,假设基于初始变换矩阵获得的点云配准结果的总数量为m,则在对m个点云配准结果计算均值和方差时,分别对m个点云配准结果中的六个参数计算均值和方差,即对m个点云配准结果中的x(即m个x)计算均值μx和方差σx,对m个点云配准结果中的y(即m个y)计算均值μy和方差σy,…,对m个点云配准结果中的roll(即m个roll)计算μroll均值和σroll,如此会得到6个均值和6个方差,相应的,会得到6个目标范围[μx-2σx,μx+2σx]、[μy-2σy,μy+2σy]、…、[μroll-2σroll,μroll+2σroll],在对m个点云配准结果进行离群的点云配准结果判别时,针对每个点云配准结果,若该点云配准结果中的六个参数分别处于其对应的目标范围内,即,该点云配准结果中的x处于[μx-2σx,μx+2σx]这一范围内,该点云配准结果中的y处于[μy-2σy,μy+2σy]这一范围内,…,该点云配准结果中的roll处于[μroll-2σroll,μroll+2σroll]这一范围内,则确定该点云配准结果为非离群的点云配准结果,若该点云配准结果中有至少一个参数未处于其对应的目标范围内,则确定该点云配准结果为离群的点云配准结果,将其剔除。
可选的,针对m个点云配准结果可进行参数扩展,比如,针对每个点云配准结果,可扩展出参数即,扩展后,每个点云配准结果中包括x、y、z、yaw、pitch、roll、七个参数,相应的,在对m个点云配准结果计算均值和方差时,除了对m个点云配准结果中的x、y、z、yaw、pitch、roll分别计算均值和方差外,还要针对m个点云配准结果中的扩展参数计算均值μ扩展参数和σ扩展参数,相应的,最终除了会获得分别对应于x、y、z、yaw、pitch、roll这6个参数的目标范围外,还会获得对应于扩展参数的目标范围,在对m个点云配准结果进行离群的点云配准结果判别时,针对每个点云配准结果,若该点云配准结果中的七个参数分别处于其对应的目标范围内,则确定该点云配准结果为非离群的点云配准结果,若该点云配准结果中有至少一个参数未处于其对应的目标范围内,则确定该点云配准结果为离群的点云配准结果,将其剔除。
步骤S303:在初始变换矩阵下的目标点云配准结果的数量达到预设的第二阈值时,计算初始变换矩阵下的目标点云配准结果的均值,作为稳定点云配准结果。
示例性的,预设的第二阈值为100,在初始变换矩阵下的目标点云配准结果的数量达到100时,对这100个目标点云配准结果计算均值,计算得到均值作为稳定点云配准结果。
在获得稳定点云配准结果后,可判断稳定点云配准结果是否收敛,接下来对上述实施例中的“步骤S104:判断稳定点云配准结果是否收敛”的具体实现过程进行介绍。
请参阅图4,示出了判断稳定点云配准结果是否收敛的流程示意图,可以包括:
步骤S401:在每获得一稳定点云配准结果后,判断已获得的稳定点云配准结果的数量是否达到预设的第三阈值,若是,则执行步骤S402。
在本实施例中,每获得一稳定点云配准结果,即对已获得的稳定点云配准结果的数量进行统计,并判断已获得的稳定点云配准结果的数量是否达到预设的第三阈值。其中,第三阈值可根据具体情况设定。
需要说明的是,若已获得的稳定点云配准结果的数量未达到预设的第三阈值,则说明稳定点云配准结果的数量不够,不足以进行收敛评价,此时继续累计稳定点云配准结果数量,即确定已获得的稳定点云配准结果的均值,根据根据已获得的稳定点云配准结果的均值,对初始变换矩阵进行更新,继续基于更新后的初始变换矩阵对源点云数据与目标点云数据逐帧配准,并对帧级点云数据配准结果进行评价,以继续得到新的稳定点云配准结果。
步骤S402:计算已获得的稳定点云配准结果的均值和方差。
步骤S403:根据已获得的稳定点云配准结果的均值和方差确定目标范围。
根据已获得的稳定点云配准结果的均值和方差确定目标范围的方式与上述根据点云配准结果的均值和方差确定目标范围的方式类似,本实施例在此不做赘述。
步骤S404:判断已获得的稳定点云配准结果是否均处于目标范围内,若是,则执行步骤S405a:判定稳定点云配准结果收敛,若否,则执行步骤S405b:判定稳定点云配准结果未收敛。
在判定稳定点云配准结果收敛时,上述实施例中的“步骤S105a:根据稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵”的实现过程可以包括:根据已获得的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
在判定稳定点云配准结果未收敛时,上述实施例中的“步骤S105b:根据稳定点云配准结果对初始变换矩阵进行更新”的实现过程可以包括:根据已获得的稳定点云配准结果的均值,对初始变换矩阵进行更新。
另外,需要说明的是,在已获得的稳定点云配准结果的数量达到预设的第三阈值时,若判定稳定点云配准结果未收敛,则在对初始变换矩阵进行更新后,继续基于更新后的初始变换矩阵对源点云数据与目标点云数据逐帧配准,并基于预设的评价参数对获得的点云配准结果进行评价,以继续获得稳定点云配准结果,在这种情况下,稳定点云配准结果的数量将大于预设的第三阈值,此时,剔除最早获得的稳定点云配准结果,判断剩余的稳定点云配准结果是否收敛,比如第三阈值为5,截至当前已获得6个稳定点云配准结果,则将获得的第1个稳定点云配准结果剔除,判断剩余的5个稳定点云配准结果是否收敛,若是,则根据剩余的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
本发明实施例提供的雷达标定方法,可自动确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,由于不需要人工摆放标志物和布置特殊场景,因此简化了标定流程,由于不需要人工对标定结果进行判断和调整,因此,避免了主观因素对标定结果的影响,即,本发明实施例提供的雷达标定方法较为灵活,适用性较强,经由本发明实施例提供的雷达标定方法可获得较为精准的标定结果。
本发明实施例还提供了一种雷达标定装置,下面对本发明实施例提供的雷达标定装置进行描述,下文描述的雷达标定装置与上文描述的雷达标定方法可相互对应参照。
请参阅图5,示出了本发明实施例提供的雷达标定装置的结构示意图,可以包括:数据获取模块501、数据配准模块502、配准结果评价模块503、收敛判断模块504、变换矩阵确定模块505a和变换矩阵更新模块505b。
数据获取模块501,用于获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
数据配准模块502,用于基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
配准结果评价模块503,用于基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
收敛判断模块504,用于判断所述稳定点云配准结果是否收敛;
变换矩阵确定模块505a,用于在所述收敛判断模块判定所述稳定点云配准结果收敛时,根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵;
变换矩阵更新模块505b,用于在所述收敛判断模块判定所述稳定点云配准结果未收敛时,根据所述稳定点云配准结果对初始变换矩阵进行更新。
可选的,数据配准模块502可以包括:源点云数据变换子模块、点云数据预处理子模块、地面点和非地面点分离子模块、地面点配准子模块、非地面点配准子模块和点云配准结果获取子模块。
所述源点云数据变换子模块,用于基于初始变换矩阵对所述源点云数据进行变换,得到变换后点云数据;
所述点云数据预处理子模块,用于分别对所述目标点云数据和所述变换后点云数据进行预处理,以得到预处理后的目标点云数据和预处理后的变换后点云数据;
所述地面点和非地面点分离子模块,用于从所述预处理后的目标点云数据中分离出地面点和非地面点,并从所述预处理后的变换后点云数据中分离出地面点和非地面点;
所述地面点配准子模块,用于将从所述预处理后的目标点云数据中分离出的地面点与从所述预处理后的变换后点云数据中分离出的地面点逐帧配准,得到帧级的地面点配准结果;
所述非地面点配准子模块,用于将从所述预处理后的目标点云数据中分离出的非地面点与从所述预处理后的变换后点云数据中分离出的非地面点逐帧配准,得到帧级的非地面点配准结果;
所述点云配准结果获取子模块,用于根据所述帧级的地面点配准结果和所述帧级的非地面点配准结果,获得帧级的点云配准结果。
可选的,配准结果评价模块503可以包括:第一判断子模块、离群点剔除子模块、稳定点云配准结果获取子模块。
第一判断子模块,用于在每获得一点云配准结果后,判断基于所述初始变换矩阵获得的点云配准结果的总数量是否大于或等于预设的第一阈值;
离群点剔除子模块,用于当第一判断子模块判定基于所述初始变换矩阵获得的点云配准结果的总数量大于或等于预设的第一阈值时,从基于所述初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果,以得到所述初始变换矩阵下的目标点云配准结果;
稳定点云配准结果获取子模块,用于在初始变换矩阵下的目标点云配准结果的数量达到预设的第二阈值时,计算所述初始变换矩阵下的目标点云配准结果的均值,作为稳定点云配准结果。
可选的,离群点剔除子模块,具体用于计算基于所述初始变换矩阵获得的点云配准结果的均值和方差,根据计算得到的均值和方差确定目标范围,从基于初始变换矩阵获得的点云配准结果中,确定未处于所述目标范围内的点云配准结果作为离群的点云配准结果并剔除。
可选的,收敛判断模块504包括:第二判断子模块、均值和方差计算子模块、目标范围确定子模块和第三判断子模块。
第二判断子模块,用于在每获得一稳定点云配准结果后,判断已获得的稳定点云配准结果的数量是否达到预设的第三阈值;
均值和方差计算子模块,用于在已获得的稳定点云配准结果的数量达到预设的第三阈值时,计算已获得的稳定点云配准结果的均值和方差;
目标范围确定子模块,用于根据已获得的稳定点云配准结果的均值和方差确定目标范围;
第三判断子模块,用于判断已获得的稳定点云配准结果是否均处于所述目标范围内,若是,则判定所述稳定点云配准结果收敛,若否,则判定所述稳定点云配准结果未收敛。
变换矩阵确定模块505a,具体用于在判定所述稳定点云配准结果收敛时,根据已获得的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
变换矩阵更新模块505b,具体用于在判定所述稳定点云配准结果未收敛时,根据已获得的稳定点云配准结果的均值,对所述初始变换矩阵进行更新。
可选的,变换矩阵更新模块505b,还用于在已获得的稳定点云配准结果的数量未达到所述第三阈值时,根据已获得的稳定点云配准结果的均值,对初始变换矩阵进行更新,以便数据配准模块502继续基于更新后的初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,进而配准结果评价模块503继续得到新的稳定点云配准结果。
可选的,数据配准模块502,还用于在已获得的稳定点云配准结果的数量达到预设的第三阈值时,若判定已获得的稳定点云配准结果未收敛,则继续基于更新后的初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,进而配准结果评价模块503继续基于预设的评价参数对获得的点云配准结果进行评价,以获得稳定点云配准结果。
可选的,收敛判断模块504,还用于当已获得的稳定点云配准结果的数量大于所述第三阈值时,剔除最早获得的稳定点云配准结果,判断剩余的稳定点云配准结果是否收敛;
所述变换矩阵确定模块,还用于当收敛判断模块504判定剩余的稳定点云配准结果收敛时,根据剩余的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
本发明实施例提供的雷达标定装置,可自动确定出用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,由于不需要人工摆放标志物和布置特殊场景,因此简化了标定流程,由于不需要人工对标定结果进行判断和调整,因此,避免了主观因素对标定结果的影响,即,本发明实施例提供的雷达标定装置适用性较强,经由本发明实施例提供的雷达标定装置可获得较为精准的标定结果。
本发明实施例还提供了一种雷达标定设备,请参阅图6,示出了该雷达标定设备的结构示意图,该雷达标定设备可以包括:至少一个处理器601,至少一个通信接口602,至少一个存储器603和至少一个通信总线604;
在本发明实施例中,处理器601、通信接口602、存储器603、通信总线604的数量为至少一个,且处理器601、通信接口602、存储器603通过通信总线604完成相互间的通信;
处理器601可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器603可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
判断所述稳定点云配准结果是否收敛,若是,则根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,若否,则根据所述稳定点云配准结果对所述初始变换矩阵进行更新。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本发明实施例还提供一种可读存储介质,该可读存储介质可存储有适于处理器执行的程序,所述程序用于:
获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
判断所述稳定点云配准结果是否收敛,若是,则根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,若否,则根据所述稳定点云配准结果对所述初始变换矩阵进行更新。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、方法、物品或者设备不仅包括那些要素,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、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种雷达标定方法,其特征在于,包括:
获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
判断所述稳定点云配准结果是否收敛,若是,则根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,若否,则根据所述稳定点云配准结果对所述初始变换矩阵进行更新。
2.根据权利要求1所述的雷达标定方法,其特征在于,所述基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果,包括:
基于初始变换矩阵对所述源点云数据进行变换,得到变换后点云数据;
分别对所述目标点云数据和所述变换后点云数据进行预处理,以得到预处理后的目标点云数据和预处理后的变换后点云数据;
从所述预处理后的目标点云数据中分离出地面点和非地面点,并从所述预处理后的变换后点云数据中分离出地面点和非地面点;
将从所述预处理后的目标点云数据中分离出的地面点与从所述预处理后的变换后点云数据中分离出的地面点逐帧配准,得到帧级的地面点配准结果;
将从所述预处理后的目标点云数据中分离出的非地面点与从所述预处理后的变换后点云数据中分离出的非地面点逐帧配准,得到帧级的非地面点配准结果;
根据所述帧级的地面点配准结果和所述帧级的非地面点配准结果,获得帧级的点云配准结果。
3.根据权利要求1所述的雷达标定方法,其特征在于,所述基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果,包括:
在每获得一点云配准结果后,判断基于所述初始变换矩阵获得的点云配准结果的总数量是否大于或等于预设的第一阈值;
若是,则从基于所述初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果,以得到所述初始变换矩阵下的目标点云配准结果;
在初始变换矩阵下的目标点云配准结果的数量达到预设的第二阈值时,计算所述初始变换矩阵下的目标点云配准结果的均值,作为稳定点云配准结果。
4.根据权利要求3所述的雷达标定方法,其特征在于,所述从基于所述初始变换矩阵获得的点云配准结果中剔除离群的点云配准结果,包括:
计算基于所述初始变换矩阵获得的点云配准结果的均值和方差;
根据计算得到的均值和方差确定目标范围;
从基于初始变换矩阵获得的点云配准结果中,确定未处于所述目标范围内的点云配准结果作为离群的点云配准结果并剔除。
5.根据权利要求1所述的雷达标定方法,其特征在于,所述判断所述稳定点云配准结果是否收敛,包括:
在每获得一稳定点云配准结果后,判断已获得的稳定点云配准结果的数量是否达到预设的第三阈值;
若是,则计算已获得的稳定点云配准结果的均值和方差;
根据已获得的稳定点云配准结果的均值和方差确定目标范围;
判断已获得的稳定点云配准结果是否均处于所述目标范围内;
若是,则判定所述稳定点云配准结果收敛,若否,则判定所述稳定点云配准结果未收敛;
在判定所述稳定点云配准结果未收敛时,所述根据所述稳定点云配准结果对所述初始变换矩阵进行更新,包括:
根据已获得的稳定点云配准结果的均值,对所述初始变换矩阵进行更新;
在判定所述稳定点云配准结果收敛时,所述根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵,包括:
根据已获得的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
6.根据权利要求5所述的雷达标定方法,其特征在于,还包括:
若已获得的稳定点云配准结果的数量未达到所述第三阈值,则确定已获得的稳定点云配准结果的均值;
根据已获得的稳定点云配准结果的均值,对初始变换矩阵进行更新,并继续基于更新后的初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,继续得到新的稳定点云配准结果。
7.根据权利要求5所述的雷达标定方法,其特征在于,还包括:
在已获得的稳定点云配准结果的数量达到预设的第三阈值时,若判定已获得的稳定点云配准结果未收敛,则继续基于更新后的初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,并基于预设的评价参数对获得的点云配准结果进行评价,以获得稳定点云配准结果;
所述方法还包括:
若已获得的稳定点云配准结果的数量大于所述第三阈值,则剔除最早获得的稳定点云配准结果,判断剩余的稳定点云配准结果是否收敛;
若是,则根据剩余的稳定点云配准结果的均值,确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵。
8.一种雷达标定装置,其特征在于,包括:数据获取模块、数据配准模块、配准结果评价模块、收敛判断模块、变换矩阵确定模块和变换矩阵更新模块;
所述数据获取模块,用于获取待标定的辅雷达采集的点云数据作为源点云数据,并获取主雷达采集的点云数据作为目标点云数据;
所述数据配准模块,用于基于初始变换矩阵对所述源点云数据与所述目标点云数据逐帧配准,得到帧级的点云配准结果;
所述配准结果评价模块,用于基于预设的评价参数对所述帧级的点云配准结果进行评价,以获得稳定点云配准结果;
所述收敛判断模块,用于判断所述稳定点云配准结果是否收敛;
所述变换矩阵确定模块,用于在所述收敛判断模块判定所述稳定点云配准结果收敛时,根据所述稳定点云配准结果确定用于将辅雷达采集的点云数据变换至主雷达的坐标系下的变换矩阵;
所述变换矩阵更新模块,用于在所述收敛判断模块判定所述稳定点云配准结果未收敛时,根据所述稳定点云配准结果对初始变换矩阵进行更新。
9.一种雷达标定设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~7中任一项所述的雷达标定方法的各个步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1~7中任一项所述的雷达标定方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110874371.2A CN113589243B (zh) | 2021-07-30 | 2021-07-30 | 一种雷达标定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110874371.2A CN113589243B (zh) | 2021-07-30 | 2021-07-30 | 一种雷达标定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113589243A true CN113589243A (zh) | 2021-11-02 |
CN113589243B CN113589243B (zh) | 2023-09-05 |
Family
ID=78252987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110874371.2A Active CN113589243B (zh) | 2021-07-30 | 2021-07-30 | 一种雷达标定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589243B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092566A (zh) * | 2021-11-19 | 2022-02-25 | 连云港杰瑞电子有限公司 | 基于视频多帧自适应优化的雷达数据标定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111220992A (zh) * | 2018-11-26 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 雷达数据融合方法、装置及*** |
US20200342614A1 (en) * | 2019-04-24 | 2020-10-29 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for point cloud registration, and computer readable medium |
CN112462350A (zh) * | 2020-12-10 | 2021-03-09 | 苏州一径科技有限公司 | 雷达标定方法及装置、电子设备及存储介质 |
CN112669359A (zh) * | 2021-01-14 | 2021-04-16 | 武汉理工大学 | 一种三维点云配准方法、装置、设备及存储介质 |
-
2021
- 2021-07-30 CN CN202110874371.2A patent/CN113589243B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111220992A (zh) * | 2018-11-26 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 雷达数据融合方法、装置及*** |
US20200342614A1 (en) * | 2019-04-24 | 2020-10-29 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for point cloud registration, and computer readable medium |
CN112462350A (zh) * | 2020-12-10 | 2021-03-09 | 苏州一径科技有限公司 | 雷达标定方法及装置、电子设备及存储介质 |
CN112669359A (zh) * | 2021-01-14 | 2021-04-16 | 武汉理工大学 | 一种三维点云配准方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092566A (zh) * | 2021-11-19 | 2022-02-25 | 连云港杰瑞电子有限公司 | 基于视频多帧自适应优化的雷达数据标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113589243B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115330767B (zh) | 一种腐蚀箔生产异常识别方法 | |
CN112800986B (zh) | 车载摄像头外参标定方法、装置、车载终端和存储介质 | |
US10902640B2 (en) | Method for identification of characteristic points of a calibration pattern within a set of candidate points derived from an image of the calibration pattern | |
CN111275040B (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN113589243A (zh) | 一种雷达标定方法、装置、设备及存储介质 | |
CN113971653A (zh) | 面向遥感图像的目标检测方法、装置、设备及存储介质 | |
CN111652230A (zh) | 车牌识别方法、电子设备及存储介质 | |
CN112526470A (zh) | 标定雷达参数的方法和装置、电子设备、存储介质 | |
CN113989626B (zh) | 一种基于目标检测模型的多类别垃圾场景区分方法 | |
CN113428177B (zh) | 一种车辆控制方法、装置、设备及存储介质 | |
CN112946612B (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN114581419A (zh) | 变压器绝缘套管缺陷检测方法、相关设备及可读存储介质 | |
JP4225807B2 (ja) | 路面状況判定方法および装置 | |
US20100023263A1 (en) | Position Detection Method And Position Detection Apparatus For A Preceding Vehicle And Data Filtering Method | |
CN112597995A (zh) | 车牌检测模型训练方法、装置、设备及介质 | |
CN115841590B (zh) | 神经网络推理优化方法、装置、设备及可读存储介质 | |
CN107230201B (zh) | 基于样本自标定elm的在轨sar图像变化检测方法 | |
CN113705672A (zh) | 图像目标检测的阈值选取方法、***、装置及存储介质 | |
CN111160339B (zh) | 车牌矫正方法、图像处理设备及具有存储功能的装置 | |
CN109285172B (zh) | 图像中的直线参数计算方法、装置、设备及可读存储介质 | |
CN115270930A (zh) | 基于ds证据理论的目标融合方法、装置、车辆及介质 | |
CN113436120A (zh) | 一种图像模糊值识别方法及装置 | |
CN110378270B (zh) | 一种基于质量维度评估参量的人脸识别设备筛选方法 | |
CN113643265A (zh) | 基于人工智能的质量等级确定方法、装置、设备及介质 |
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 |