CN113759348B - 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
- CN113759348B CN113759348B CN202110075819.4A CN202110075819A CN113759348B CN 113759348 B CN113759348 B CN 113759348B CN 202110075819 A CN202110075819 A CN 202110075819A CN 113759348 B CN113759348 B CN 113759348B
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- plane
- target
- auxiliary
- 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 59
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims description 44
- 238000012216 screening Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种雷达标定方法、装置、设备及存储介质。该方法包括:获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,所述主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;基于所述主点云数据和辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;基于各所述平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于所述目标转换矩阵确定标定点云数据。本发明实施例解决了现有雷达标定过程限制因素较多的问题,扩宽了雷达标定的适用场景。
Description
技术领域
本发明实施例涉及雷达技术领域,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
激光雷达能够帮助机器人准确感知周围环境,常常被配置到不同设备上,如无人车或无人机上。但由于无人车的体积较大,单个激光雷达无论安装在无人车的哪个位置都会存在探测盲区,因此无人车往往会配置一个主激光雷达及多个辅助雷达,以达到信息互补的目的。
由于多个激光雷达都以自身坐标系给出探测的点云坐标,因此雷达标定工作是综合所有激光雷达的探测结果必不可少的步骤。雷达标定是指将基于不同坐标系的相互转换关系,将多个激光雷达各自给出的点云坐标统一到同一激光雷达坐标系中,实现点云数据的融合。常见的雷达标定方法主要是在多个激光雷达采集到的点云形状相近的情况下,对多个激光雷达的重叠区域的点云数据进行标定。
在实现本发明的过程中,发现现有技术中至少存在以下技术问题:
现有的雷达标定方法存在两个限制条件:点云形状相近和需存在较多的重叠区域。因此,对于采用不同类型的多种激光雷达的场景或激光雷达重叠区域较小的场景,现有的雷达标定方法并不适用,进而限制了雷达标定的适用场景。
发明内容
本发明实施例提供了一种雷达标定方法、装置、设备及存储介质,以解决现有激光雷达限制因素较多的问题,扩宽雷达标定的适用场景。
第一方面,本发明实施例提供了一种雷达标定方法,该方法包括:
获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,所述主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;
基于所述主点云数据和辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;
基于各所述平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于所述目标转换矩阵确定标定点云数据。
第二方面,本发明实施例还提供了一种雷达标定装置,该装置包括:
点云数据获取模块,用于获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,所述主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;
平面方程确定模块,用于基于所述主点云数据和辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;
点云数据标定模块,用于基于各所述平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于所述目标转换矩阵确定标定点云数据。
第三方面,本发明实施例还提供了一种电子设备,该电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述所涉及的任一所述的雷达标定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的雷达标定方法。
上述发明中的实施例具有如下优点或有益效果:
本发明实施例通过主雷达和辅助雷达采集两两相交的三个标定平面对应的平面点云数据,基于平面点云数据确定各标定平面的平面方程,并基于平面方程确定主雷达与辅助雷达之间的目标转换矩阵,解决了现有技术雷达标定过程限制因素较多的问题,对雷达之间的安装位置关系和雷达类型均没有限制,从而扩宽了雷达标定的适用场景。
附图说明
图1是本发明实施例一提供的一种雷达标定方法的流程图。
图2是本发明实施例二提供的一种雷达标定方法的流程图。
图3是本发明实施例二提供的一种相交线特征点坐标的示意图。
图4A是本发明实施例二提供的一种确定主特征集合方法的流程图。
图4B是本发明实施例二提供的一种确定辅助特征集合方法的流程图。
图5是本发明实施例三提供的一种雷达标定装置的示意图。
图6是本发明实施例四提供的一种电子设备的结构示意图
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种雷达标定方法的流程图,本实施例可适用于在多雷达导航或定位场景下进行雷达标定情况,该方法可以由雷达标定装置来执行,该装置可采用软件和/或硬件的方式实现。具体包括如下步骤:
S110、获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据。
在本实施例中,在雷达导航或雷达定位场景中可设置至少两个雷达,具体的,可以将任一雷达作为主雷达,将其他雷达作为辅助雷达。
在本实施例中,主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据。其中,具体的,主雷达对应的三个标定平面以及辅助雷达对应的三个标定平面可以是同一组标定平面,也可以是不同组标定平面。示例性的,主雷达采集标定平面1、标定平面2和标定平面3分别对应的平面点云数据,得到主点云数据;辅助雷达采集标定平面4、标定平面5和标定平面6分别对应的平面点云数据,得到辅助点云数据,当然,辅助雷达也可采集标定平面1、标定平面2和标定平面4分别对应的平面点云数据,得到辅助点云数据,其中,标定平面1、标定平面2和标定平面4两两相交。
在一个实施例中,当主雷达对应的标定平面与辅助雷达对应的标定平面不同时,主雷达对应的各标定平面之间的平面角度与辅助雷达对应的各标定平面之间的平面角度相同。其中,具体的,主雷达对应的标定平面与辅助雷达对应的标定平面不同可以是三个标定平面均不同,或部分标定平面不同,部分标定平面相同。示例性的,假设主雷达对应的各标定平面之间的平面角度分别为90°、90°和30°,则辅助雷达对应的各标定平面之间的平面角度分别为90°、90°和30°。
在一个实施例中,可选的,三个标定平面包括两两垂直的标定平面。其中,示例性的,三个标定平面分别为地面、相互垂直且与地面垂直的两个墙面,具体的,标定平面之间的平面角度分别为90°、90°和90°。
在一个实施例中,可选的,根据雷达的扫描方式,获取雷达采集到的点云数据。其中,示例性的,以主雷达为例,当主雷达为机械式旋转激光雷达时,机械式旋转激光雷达的扫描方式为单帧扫描,则将机械式旋转激光雷达采集到的单帧点云数据作为主点云数据。当主雷达为旋镜式激光雷达时,旋镜式激光雷达的扫描方式为非重复扫描,非重复扫描是指即便主雷达处于静止状态,每帧采集到的点云数据也不同。因此,将旋镜式激光雷达采集到的多帧点云进行累加后得到主点云数据。
其中,示例性的,将主点云数据记为P0,将辅助点云数据记为Q0。
S120、基于主点云数据和辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程。
在一个实施例中,可选的,基于主点云数据和辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程,包括:基于预设转换矩阵,对辅助点云数据进行坐标转换,得到预辅助点云数据,并基于主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程。
其中,示例性的,预设转换矩阵可基于主雷达的安装位姿和辅助雷达的安装位姿确定,其中,安装位姿包括安装位置坐标和中心轴角度。
在本实施例中,基于预设转换矩阵对辅助点云数据进行坐标转换,可以将辅助点云数据转换为与主雷达所在坐标系近似的坐标系下,实现主点云数据与预辅助点云数据之间的坐标系相似性,从而保证后续参数设置的一致性,降低算法计算难度。
其中,示例性的,将预辅助点云数据记为Q1。
在一个实施例中,可选的,基于主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程,包括:将主点云数据和预辅助点云数据分别作为目标点云数据;基于目标点云数据对应的第一平面点云数据,确定与第一标定平面对应的第一目标平面方程;基于目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程;其中,参考平面点云数据包括第二平面点云数据和第三平面点云数据。
其中,具体的,第一平面点云数据为与第一标定平面对应的平面点云数据。在一个实施例中,可选的,该方法还包括:基于预设选取数量,选取目标点云数据中纵坐标最小的点云数据,并确定与选取得到的点云数据对应的平均高度;基于平均高度和预设高度差阈值,对目标点云数据进行筛选得到与目标点云数据对应的第一平面点云数据。
在本实施例中,第一标定平面为地面。其中,示例性的,预设选取数量可以为1000个或2000个,预设高度差阈值可以是0.05。举例而言,假设选取目标点云数据中纵坐标最小的1000个点云数据计算平均高度h,将目标点云数据中纵坐标不超过h+α的点云数据作为第一平面点云数据,其中,α表示预设高度差阈值。其中,示例性的,将主点云数据对应的第一平面点云数据记为PG,将辅助点云数据对应的第一平面点云数据记为QG。
其中,示例性的,基于第一平面点云数据确定第一目标平面方程的算法可以为最小二乘法或随机抽样一致(RANSAC)算法。
在一个实施例中,可选的,该方法还包括:基于目标点云数据和与目标点云数据对应的第一目标平面方程,确定与目标点云数据对应的参考平面点云数据;其中,当目标点云数据为主点云数据时第一目标平面方程为第一主平面方程,当目标点云数据为预辅助点云数据时第一目标平面方程为第一辅助平面方程。
其中,具体的,目标点云数据包含三个标定平面对应的平面点云数据,删除目标点云数据中与第一目标平面方程对应的点云数据,即删除目标点云数据中与第一标定平面对应的点云数据,得到参考平面点云数据。其中,示例性的,将与主点云数据对应的参考平面点云数据记为PAB,将与预辅助点云数据对应的参考平面点云数据记为QAB。
在一个实施例中,可选的,基于目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程,包括:基于目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程;基于参考平面点云数据和第二目标平面方程,确定目标点云数据对应的第三平面点云数据;基于第三平面点云数据,确定与第三标定平面对应的第三目标平面方程。
其中,具体的,基于参考平面点云数据确定第二目标平面方程的算法可以是随机抽样一致算法。
其中,具体的,参考平面点云数据包含两个标定平面对应的平面点云数据,删除参考平面点云数据中与第二目标平面方程对应的点云数据,即删除参考平面点云数据中与第二标定平面对应的点云数据,得到第三平面点云数据。
其中,示例性的,基于第三平面点云数据确定第三目标平面方程的算法可以是最小二乘法或随机抽样一致算法。
其中,示例性的,将主点云数据对应的第一主平面方程记为GP,将主点云数据对应的第二主平面方程记为AP,将主点云数据对应的第三主平面方程记为BP,将预辅助点云数据对应的第一辅助平面方程记为GQ,将预辅助点云数据对应的第二辅助平面方程记为AQ,将预辅助点云数据对应的第三辅助平面方程记为BQ。
S130、基于各平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于目标转换矩阵确定标定点云数据。
在一个实施例中,可选的,如果基于预设转换矩阵,对辅助点云数据进行坐标转换,得到预辅助点云数据,并基于主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程,则基于各平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,包括:基于各平面方程,确定主雷达与辅助雷达之间的参考转换矩阵,并基于预设转换矩阵和参考转换矩阵,确定主雷达与辅助雷达之间的目标转换矩阵。
其中,示例性的,将预设转换矩阵记为T1,将参考转换矩阵记为T2,则目标转换矩阵T满足公式:T=T1*T2。
在一个实施例中,可选的,基于各平面方程,确定主雷达与辅助雷达之间的参考转换矩阵,包括:基于主点云数据和预辅助点云数据各自对应的三个平面方程,确定与主点云数据和预辅助点云数据分别对应的特征点坐标;其中,特征点坐标包括平面交点坐标和相交线特征点坐标,平面交点坐标用于表征三个标定平面的交点坐标,相交线特征点坐标用于表征三个标定平面之间的相交线上的特征点坐标;将基于主点云数据对应的特征点坐标生成的主特征集合与基于预辅助点云数据对应的特征点坐标生成的辅助特征集合进行位姿估计操作,得到主雷达与辅助雷达之间的参考转换矩阵。
其中,示例性的,相交线特征点坐标包括标定平面A与标定平面B之间的相交线上的特征点坐标AB、标定平面A与标定平面C之间的相交线上的特征点坐标AC以及标定平面B与标定平面C之间的相交线上的特征点坐标BC。
关于基于平面方程确定特征点坐标的具体实施方式在下述实施例中进行详细解释说明。
在一个实施例中,可选的,位姿估计的算法包括奇异值分解(Singular ValueDecomposition,SVD)算法。
其中,具体的,假设主特征集合为X={x1,x2,...,xn},辅助特征集合为Y={y1,y2,...,yn},则求解得到的参考转换矩阵需使得主特征集合中的特征点坐标经坐标转换后与辅助特征集合中的特征点坐标之间的距离最短,该距离满足公式:
其中,R表示旋转矩阵,t表示平移矩阵。
其中,具体的,计算主特征集合X对应的均值x0以及辅助特征集合Y对应的均值y0,将主特征集合X中的特征点坐标分别减去均值x0,得到xi',辅助特征集合Y中的特征点坐标分别减去均值y0,得到yi',进而得到矩阵H,其中,矩阵H满足公式:
基于奇异值分解算法对矩阵H进行分解,得到使得距离最短的最优旋转矩阵R*满足公式R*=VUT,其中,V和U分别为单位正交矩阵,最优平移矩阵t*满足公式:t*=y0-R*·x0。
其中,具体的,参考转换矩阵T2满足公式:
其中,具体的,基于目标转换矩阵确定标定点云数据,包括:基于目标转换矩阵对主点云数据或辅助点云数据进行坐标转换,得到标定主点云数据或标定辅助点云数据。其中,标定主点云数据与辅助点云数据的所处坐标系相同,或标定辅助点云数据与主点云数据的所处坐标系相同。
本实施例的技术方案,通过主雷达和辅助雷达采集两两相交的三个标定平面对应的平面点云数据,基于平面点云数据确定各标定平面的平面方程,并基于平面方程确定主雷达与辅助雷达之间的目标转换矩阵,解决了现有技术雷达标定过程限制因素较多的问题,对雷达之间的安装位置关系和雷达类型均没有限制,从而扩宽了雷达标定的适用场景。
实施例二
图2是本发明实施例二提供的一种雷达标定方法的流程图,本实施例的技术方案是上述实施例的基础上的进一步细化。可选的,基于目标点云数据和与目标点云数据对应的第一目标平面方程,确定与目标点云数据对应的参考平面点云数据,包括:确定目标点云数据与主雷达中心点之间的参数数据,并将目标点云数据中满足预设参数范围的点云数据作为参考目标点云数据;其中,参数数据包括距离数据和/或偏移角度数据;基于参考目标点云数据和与目标点云数据对应的第一目标平面方程,确定与目标点云数据对应的参考平面点云数据。
本实施例的具体实施步骤包括:
S210、获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据。
S220、将主点云数据和预辅助点云数据分别作为目标点云数据,并基于目标点云数据对应的第一平面点云数据,确定与第一标定平面对应的第一目标平面方程。
S230、确定目标点云数据与主雷达中心点之间的参数数据,并将目标点云数据中满足预设参数范围的点云数据作为参考目标点云数据。
在本实施例中,参数数据包括距离数据和/或偏移角度数据。其中,具体的,偏移角度数据为目标点云数据相对于主雷达中心点的X轴偏转角、Y轴偏转角或Z轴偏转角。
举例而言,假设点云数据的坐标为(x,y,z),主雷达中心点的坐标为(0,0,0),则距离数据L满足公式:X轴偏转角θx满足公式:/>Y轴偏转角θy满足公式:/>Z轴偏转角θz满足公式:/>
其中,示例性的,预设距离范围可以为[0,5m],预设角度范围可以为[0,90°]。其中,预设距离范围和预设角度范围与主雷达相对于三个标定平面之间的位置关系相关,此处对预设距离范围和预设角度范围的具体参数不作限定。
其中,示例性的,将参考主点云数据记为P2,将参考辅助点云数据记为Q2。
S240、基于参考目标点云数据和与目标点云数据对应的第一目标平面方程,确定与目标点云数据对应的参考平面点云数据。
在一个实施例中,可选的,当第一标定平面为XOY平面时偏移角度数据为Z轴偏转角,当第一标定平面为XOZ平面时偏移角度数据为Y轴偏转角,当第一标定平面为YOZ平面时偏移角度数据为X轴偏转角。其中,具体的,当第一标定平面为地面时,偏移角度数据为Z轴偏转角。Z轴偏转角又可称为水平偏转角。
其中,具体的,参考目标点云数据是基于预设距离范围和预设角度范围对目标点云数据进行筛选后得到的点云数据,在本实施例中,理论上,参考目标点云数据包含第二标定平面对应的平面点云数据和第三标定平面对应平面点云数据,但受到筛选精度的影响,参考目标点云数据还包含少量第一标定平面对应的平面点云数据。其中,具体的,删除参考目标点云数据中与第一目标平面方程对应的点云数据,即删除目标点云数据中与第一标定平面对应的少量点云数据,得到参考平面点云数据。
S250、基于目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程。
S260、基于各平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于目标转换矩阵确定标定点云数据。
在上述实施例的基础上,可选的,基于主点云数据和预辅助点云数据各自对应的三个平面方程,确定与主点云数据和预辅助点云数据分别对应的特征点坐标,包括:将主点云数据和预辅助点云数据分别作为目标点云数据;基于目标点云数据对应的三个平面方程,确定与三个标定平面对应的三个目标直线方程,并基于各目标直线方程,确定目标点云数据对应的平面交点坐标;基于平面交点坐标和与各目标直线方程分别对应的预设距离标准,分别确定与各目标直线方程对应的相交线特征点坐标;其中,预设距离标准包括相交线特征点坐标与平面交点坐标的距离满足预设标准距离且相交线特征点坐标与主雷达中心点的距离大于或小于满足预设标准距离的另一特征点坐标与主雷达中心点的距离。
在本实施例中,以主点云数据为例进行解释说明,相应的,预辅助点云数据对应的具体实施方式与主点云数据对应的具体实施方式相似。
其中,具体的,基于主点云数据对应的第一主平面方程GP、第二主平面方程AP和第三主平面方程BP,确定第一标定平面与第二标定平面之间的主直线方程GAP、第一标定平面与第三标定平面之间的主直线方程GBP和第二标定平面与第三标定平面之间的主直线方程ABP,进一步地,基于主直线方程GAP、主直线方程GBP和主直线方程ABP,确定主点云数据对应的平面交点坐标。
其中,相交特征点为主直线方程上的特征点。其中,具体的,不同主直线方程对应的预设距离标准中的预设标准距离可以相同也可以不同,但预设距离标准中的距离大小关系相同,即不同主直线方程对应的预设距离标准均将距离较大的特征点作为相交线特征点坐标或均将距离较小的特征点作为相交特征点坐标。
在一个实施例中,可选的,主直线方程GAP与主直线方程GBP对应的预设距离标准相同。具体的,主直线方程GAP对应的预设距离标准中的预设标准距离与主直线方程GBP对应的预设距离标准中的预设标准距离相同。
图3是本发明实施例二提供的一种相交线特征点坐标的示意图。以主直线方程ABP为例,与主直线方程ABP对应的预设距离标准中的预设标准距离为β,在主直线方程ABP对应的两个方向上分别选取与平面交点坐标距离为β的两个特征点gP1和gP2,分别计算两个特征点坐标与主雷达中心点的距离,并将距离较大的特征点作为相交线特征点或将距离较小的特征点作为相交线特征点。其中,示例性的,β可以是0.5。以主直线方程GAP为例,与主直线方程GAP对应的预设距离标准中的预设标准距离为γ,在主直线方程GAP对应的两个方向上分别选取与平面交点坐标距离为γ的两个特征点bP1和bP2,分别计算两个特征点坐标与主雷达中心点的距离,并将距离较大的特征点作为相交线特征点或将距离较小的特征点作为相交线特征点。其中,示例性的,γ可以是1.0。
其中,具体的,与主直线方程ABP、主直线方程GAP与主直线方程GBP分别对应的相交线特征点分别为gP1、bP1和aP1,或者,与主直线方程ABP、主直线方程GAP与主直线方程GBP分别对应的相交线特征点分别为gP2、bP2和aP2。
其中,示例性的,将主点云数据对应的平面相交点坐标记为oP,将与主直线方程ABP对应的相交线特征点坐标记为gP,将与主直线方程GAP对应的相交线特征点坐标记为bP,将与主直线方程GBP对应的相交线特征点坐标记为aP;将预辅助点云数据对应的平面相交点坐标记为oQ,将与预辅助直线方程ABQ对应的相交线特征点坐标记为gQ,将与预辅助直线方程GAQ对应的相交线特征点坐标记为bQ,将与预辅助直线方程GBQ对应的相交线特征点坐标记为aQ。
在上述实施例的基础上,可选的,该方法还包括:将主点云数据和预辅助点云数据分别作为目标点云数据;基于目标点云数据对应的三个相交线特征点坐标,确定各相交线特征点坐标分别对应的偏移角度数据;基于各偏移角度数据,对各相交线特征点坐标进行排序,得到目标特征集合;当目标点云数据为主点云数据时目标特征集合为主特征集合,当目标点云数据为与预辅助点云数据时目标特征集合为辅助特征集合。
其中,具体的,确定相交线特征点坐标与主雷达中心点之间的偏移角度数据。在一个实施例中,可选的,当第一标定平面为XOY平面时偏移角度数据为Z轴偏转角,当第一标定平面为XOZ平面时偏移角度数据为Y轴偏转角,当第一标定平面为YOZ平面时偏移角度数据为X轴偏转角。
其中,具体的,基于偏移角度数据对相交线特征点坐标进行排序,示例性的,排序的方式可以是从大到小,也可以是从小到大。这样设置的好处在于,由于第二目标平面方程与第三目标平面方程的确定顺序具有随机性,示例性的,假设参考平面点云数据包括标定平面A对应的平面点云数据和标定平面B对应的平面点云数据,基于主点云数据对应的参考平面点云数据确定的第二主平面方程可以是与标定平面A对应的平面方程,也可以是与标定平面B对应的平面方程,同理,基于预辅助点云数据对应的参考平面点云数据确定的第二辅助平面方程可以是与标定平面A对应的平面方程,也可以是与标定平面B对应的平面方程,因此,在生成主特征集合和辅助特征集合时,主特征集合中的bP可能对应的是辅助特征集合中的aQ,进而导致后续经过位姿估计操作得到的参考转换矩阵出现很大的误差。通过基于偏移角度数据对相交线特征点坐标进行排序,可以保证主特征集合与辅助特征集合中相交线特征点坐标的对应顺序的一致性,保证后续经过位姿估计操作得到的参考转换矩阵的准确度。
图4A是本发明实施例二提供的一种确定主特征集合方法的流程图。具体的,获取主雷达采集到的主点云数据P0,基于平均高度和预设高度差阈值确定主点云数据P0中与第一标定平面对应的第一平面点云数据PG,对第一平面点云数据PG进行平面拟合得到第一主平面方程GP。基于预设参数范围对主点云数据P0进行筛选,得到参考主点云数据P2,并删除参考主点云数据P2中第一主平面方程GP对应的点云数据,得到参考平面点云数据PAB,对参考平面点云数据PAB进行平面拟合得到第二主平面方程AP。删除参考平面点云数据PAB中与第二主平面方程AP对应的点云数据得到第三平面点云数据,对第三平面点云数据进行平面拟合得到第三主平面方程BP。基于第一主平面方程GP、第二主平面方程AP、和第三主平面方程BP确定主直线方程GAP、主直线方程GBP和主直线方程ABP,并基于主直线方程GAP、主直线方程GBP和主直线方程ABP,确定相交线特征点坐标aP、相交线特征点坐标bP、相交线特征点坐标gP和平面相交点坐标oP,基于各相交线特征点坐标对应的偏移角度数据,对相交线特征点坐标进行排序,得到主特征集合,示例性的,主特征集合X=[oP,gP,aP,bP]。
图4B是本发明实施例二提供的一种确定辅助特征集合方法的流程图。具体的,获取辅助雷达采集到的辅助点云数据Q0,基于预设转换矩阵对辅助点云数据Q0进行坐标转换,得到预辅助点云数据Q1。基于平均高度和预设高度差阈值确定预辅助点云数据Q1中与第一标定平面对应的第一平面点云数据QG,对第一平面点云数据QG进行平面拟合得到第一辅助平面方程GQ。基于预设参数范围对预辅助点云数据Q1进行筛选,得到参考辅助点云数据Q2,并删除参考辅助点云数据Q2中第一辅助平面方程GQ对应的点云数据,得到参考平面点云数据QAB,对参考平面点云数据QAB进行平面拟合得到第二辅助平面方程AQ。删除参考平面点云数据QAB中与第二辅助平面方程AQ对应的点云数据得到第三平面点云数据,对第三平面点云数据进行平面拟合得到第三辅助平面方程BQ。基于第一辅助平面方程GQ、第二辅助平面方程AQ、和第三辅助平面方程BQ确定辅助直线方程GAQ、辅助直线方程GBQ和辅助直线方程ABQ,并基于辅助直线方程GAQ、辅助直线方程GBQ和辅助直线方程ABQ,确定相交线特征点坐标aQ、相交线特征点坐标bQ、相交线特征点坐标gQ和平面相交点坐标oQ,基于各相交线特征点坐标对应的偏移角度数据,对相交线特征点坐标进行排序,得到辅助特征集合,示例性的,辅助特征集合Y=[oQ,gQ,aQ,bQ]。
本实施例的技术方案,通过确定目标点云数据与主雷达中心点之间的参数数据,并基于预设参数范围对目标点云数据进行筛选,得到参考目标点云数据,基于参考目标点云数据和与目标点云数据对应的第一目标平面方程确定参考平面点云数据,实现了基于两种不同的筛选方式依次对目标点云数据中与第一标定平面对应的平面点云数据进行筛选,解决了参考平面点云数据筛选效果不佳的问题,使得最终筛选得到的参考平面点云数据尽可能的仅包含第二平面点云数据和第三平面点云数据,从而提高了后续平面方程的拟合效果,进而进一步提高了雷达标定结果的准确度。
实施例三
图5是本发明实施例三提供的一种雷达标定装置的示意图。本实施例可适用于在多雷达导航或定位场景下进行雷达标定情况,该装置可采用软件和/或硬件的方式实现。该雷达标定装置包括:点云数据获取模块310、平面方程确定模块320和点云数据标定模块330。
其中,点云数据获取模块310,用于获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;
平面方程确定模块320,用于基于主点云数据和辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程;
点云数据标定模块330,用于基于各平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于目标转换矩阵确定标定点云数据。
本实施例的技术方案,通过主雷达和辅助雷达采集两两相交的三个标定平面对应的平面点云数据,基于平面点云数据确定各标定平面的平面方程,并基于平面方程确定主雷达与辅助雷达之间的目标转换矩阵,解决了现有技术雷达标定过程限制因素较多的问题,对雷达之间的安装位置关系和雷达类型均没有限制,从而扩宽了雷达标定的适用场景。
在上述技术方案的基础上,可选的,平面方程确定模块320包括:
平面方程确定单元,用于基于预设转换矩阵,对辅助点云数据进行坐标转换,得到预辅助点云数据,并基于主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程;
相应的,点云数据标定模块330包括:
参考转换矩阵确定单元,用于基于各平面方程,确定主雷达与辅助雷达之间的参考转换矩阵,并基于预设转换矩阵和参考转换矩阵,确定主雷达与辅助雷达之间的目标转换矩阵。
在上述技术方案的基础上,可选的,平面方程确定单元,包括:
第一目标平面方程确定子单元,用于将主点云数据和预辅助点云数据分别作为目标点云数据;基于目标点云数据对应的第一平面点云数据,确定与第一标定平面对应的第一目标平面方程;
第二目标平面方程确定子单元,用于基于目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程;其中,参考平面点云数据包括第二平面点云数据和第三平面点云数据。
在上述技术方案的基础上,可选的,该装置还包括:
第一平面点云数据确定模块,用于基于预设选取数量,选取目标点云数据中纵坐标最小的点云数据,并确定与选取得到的点云数据对应的平均高度;基于平均高度和预设高度差阈值,对目标点云数据进行筛选得到与目标点云数据对应的第一平面点云数据。
在上述技术方案的基础上,可选的,该装置还包括:
参考平面点云数据确定模块,用于基于目标点云数据和与目标点云数据对应的第一目标平面方程,确定与目标点云数据对应的参考平面点云数据;其中,当目标点云数据为主点云数据时第一目标平面方程为第一主平面方程,当目标点云数据为预辅助点云数据时第一目标平面方程为第一辅助平面方程。
在上述技术方案的基础上,可选的,参考平面点云数据确定模块具体用于:
确定目标点云数据与主雷达中心点之间的参数数据,并将目标点云数据中满足预设参数范围的点云数据作为参考目标点云数据;其中,参数数据包括距离数据和/或偏移角度数据;
基于参考目标点云数据和与目标点云数据对应的第一目标平面方程,确定与目标点云数据对应的参考平面点云数据。
在上述技术方案的基础上,可选的,第二目标平面方程确定子单元具体用于:
基于目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程;基于参考平面点云数据和第二目标平面方程,确定目标点云数据对应的第三平面点云数据;基于第三平面点云数据,确定与第三标定平面对应的第三目标平面方程。
在上述技术方案的基础上,可选的,参考转换矩阵确定单元,包括:
特征点坐标确定子单元,用于基于主点云数据和预辅助点云数据各自对应的三个平面方程,确定与主点云数据和预辅助点云数据分别对应的特征点坐标;其中,特征点坐标包括平面交点坐标和相交线特征点坐标,平面交点坐标用于表征三个标定平面的交点坐标,相交线特征点坐标用于表征三个标定平面之间的相交线上的特征点坐标;
参考转换矩阵确定子单元,用于将基于主点云数据对应的特征点坐标生成的主特征集合与基于预辅助点云数据对应的特征点坐标生成的辅助特征集合进行位姿估计操作,得到主雷达与辅助雷达之间的参考转换矩阵。
在上述技术方案的基础上,可选的,特征点坐标确定子单元具体用于:
将主点云数据和预辅助点云数据分别作为目标点云数据;
基于目标点云数据对应的三个平面方程,确定与三个标定平面对应的三个目标直线方程,并基于各目标直线方程,确定目标点云数据对应的平面交点坐标;
基于平面交点坐标和与各目标直线方程分别对应的预设距离标准,分别确定与各目标直线方程对应的相交线特征点坐标;其中,预设距离标准包括相交线特征点坐标与平面交点坐标的距离满足预设标准距离且相交线特征点坐标与主雷达中心点的距离大于或小于满足预设标准距离的另一特征点坐标与主雷达中心点的距离。
在上述技术方案的基础上,可选的,该装置还包括:
相交线特征点坐标排序模块,用于将主点云数据和预辅助点云数据分别作为目标点云数据;基于目标点云数据对应的三个相交线特征点坐标,确定各相交线特征点坐标分别对应的偏移角度数据;基于各偏移角度数据,对各相交线特征点坐标进行排序,得到目标特征集合;当目标点云数据为主点云数据时目标特征集合为主特征集合,当目标点云数据为与预辅助点云数据时目标特征集合为辅助特征集合。
本发明实施例所提供的雷达标定装置可以用于执行本发明实施例所提供的雷达标定方法,具备执行方法相应的功能和有益效果。
值得注意的是,上述雷达标定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图6是本发明实施例四提供的一种电子设备的结构示意图,本发明实施例为本发明上述实施例的雷达标定方法的实现提供服务,可配置上述实施例中的雷达标定装置。图6示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图6显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、***总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MAC)总线、增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的雷达标定方法。
通过上述电子设备,解决了现有技术雷达标定过程限制因素较多的问题,对雷达之间的安装位置关系和雷达类型均没有限制,从而扩宽了雷达标定的适用场景。
实施例五
本发明实施例五还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种雷达标定方法,该方法包括:
获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;
基于主点云数据和辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程;
基于各平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于目标转换矩阵确定标定点云数据。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的雷达标定方法中的相关操作。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种雷达标定方法,其特征在于,包括:
获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,所述主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;
基于所述主点云数据和辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;
基于各所述平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于所述目标转换矩阵确定标定点云数据;
其中,所述基于所述主点云数据和辅助点云数据各自对应的平面点云数据,确定与各平面点云数据分别对应的平面方程,包括:
基于预设转换矩阵,对所述辅助点云数据进行坐标转换,得到预辅助点云数据,并基于所述主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;
所述基于所述主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程,包括:
将所述主点云数据和预辅助点云数据分别作为目标点云数据;
基于所述目标点云数据对应的第一平面点云数据,确定与第一标定平面对应的第一目标平面方程;
基于所述目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程;其中,所述参考平面点云数据包括第二平面点云数据和第三平面点云数据。
2.根据权利要求1所述的方法,其特征在于,所述基于各所述平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,包括:
基于各所述平面方程,确定主雷达与辅助雷达之间的参考转换矩阵,并基于所述预设转换矩阵和所述参考转换矩阵,确定主雷达与辅助雷达之间的目标转换矩阵。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于预设选取数量,选取所述目标点云数据中纵坐标最小的点云数据,并确定与选取得到的点云数据对应的平均高度;
基于所述平均高度和预设高度差阈值,对所述目标点云数据进行筛选得到与目标点云数据对应的第一平面点云数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标点云数据和与所述目标点云数据对应的第一目标平面方程,确定与所述目标点云数据对应的参考平面点云数据;其中,当所述目标点云数据为主点云数据时所述第一目标平面方程为第一主平面方程,当所述目标点云数据为预辅助点云数据时所述第一目标平面方程为第一辅助平面方程。
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标点云数据和与所述目标点云数据对应的第一目标平面方程,确定与所述目标点云数据对应的参考平面点云数据,包括:
确定所述目标点云数据与主雷达中心点之间的参数数据,并将所述目标点云数据中满足预设参数范围的点云数据作为参考目标点云数据;其中,所述参数数据包括距离数据和/或偏移角度数据;
基于所述参考目标点云数据和与所述目标点云数据对应的第一目标平面方程,确定与所述目标点云数据对应的参考平面点云数据。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程,包括:
基于所述目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程;
基于所述参考平面点云数据和第二目标平面方程,确定所述目标点云数据对应的第三平面点云数据;
基于所述第三平面点云数据,确定与第三标定平面对应的第三目标平面方程。
7.根据权利要求2所述的方法,其特征在于,所述基于各所述平面方程,确定主雷达与辅助雷达之间的参考转换矩阵,包括:
基于所述主点云数据和所述预辅助点云数据各自对应的三个平面方程,确定与所述主点云数据和所述预辅助点云数据分别对应的特征点坐标;其中,所述特征点坐标包括平面交点坐标和相交线特征点坐标,所述平面交点坐标用于表征三个标定平面的交点坐标,所述相交线特征点坐标用于表征三个标定平面之间的相交线上的特征点坐标;
将基于所述主点云数据对应的特征点坐标生成的主特征集合与基于所述预辅助点云数据对应的特征点坐标生成的辅助特征集合进行位姿估计操作,得到主雷达与辅助雷达之间的参考转换矩阵。
8.根据权利要求7所述的方法,其特征在于,所述基于所述主点云数据和所述预辅助点云数据各自对应的三个平面方程,确定与所述主点云数据和所述预辅助点云数据分别对应的特征点坐标,包括:
将所述主点云数据和预辅助点云数据分别作为目标点云数据;
基于所述目标点云数据对应的三个平面方程,确定与所述三个标定平面对应的三个目标直线方程,并基于各所述目标直线方程,确定所述目标点云数据对应的平面交点坐标;
基于所述平面交点坐标和与各所述目标直线方程分别对应的预设距离标准,分别确定与各所述目标直线方程对应的相交线特征点坐标;其中,所述预设距离标准包括相交线特征点坐标与所述平面交点坐标的距离满足预设标准距离且相交线特征点坐标与主雷达中心点的距离大于或小于满足所述预设标准距离的另一特征点坐标与主雷达中心点的距离。
9.根据权利要求7所述的方法,其特征在于,所述方法还包括:
将所述主点云数据和预辅助点云数据分别作为目标点云数据;
基于所述目标点云数据对应的三个相交线特征点坐标,确定各所述相交线特征点坐标分别对应的偏移角度数据;
基于各所述偏移角度数据,对各所述相交线特征点坐标进行排序,得到目标特征集合;当所述目标点云数据为主点云数据时所述目标特征集合为主特征集合,当所述目标点云数据为与预辅助点云数据时所述目标特征集合为辅助特征集合。
10.一种雷达标定装置,其特征在于,包括:
点云数据获取模块,用于获取主雷达和辅助雷达分别采集到的主点云数据和辅助点云数据;其中,所述主点云数据和辅助点云数据各自包括两两相交的三个标定平面分别对应的平面点云数据;
平面方程确定模块,用于基于所述主点云数据和辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;
点云数据标定模块,用于基于各所述平面方程,确定主雷达与辅助雷达之间的目标转换矩阵,并基于所述目标转换矩阵确定标定点云数据;
所述平面方程确定模块包括:
平面方程确定单元,用于基于预设转换矩阵,对所述辅助点云数据进行坐标转换,得到预辅助点云数据,并基于所述主点云数据和预辅助点云数据各自对应的平面点云数据,确定与各所述平面点云数据分别对应的平面方程;
所述平面方程确定单元,包括:
第一目标平面方程确定子单元,用于将所述主点云数据和预辅助点云数据分别作为目标点云数据;基于所述目标点云数据对应的第一平面点云数据,确定与第一标定平面对应的第一目标平面方程;
第二目标平面方程确定子单元,用于基于所述目标点云数据对应的参考平面点云数据,确定与第二标定平面对应的第二目标平面方程以及与第三标定平面对应的第三目标平面方程;其中,所述参考平面点云数据包括第二平面点云数据和第三平面点云数据。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的雷达标定方法。
12.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9中任一所述的雷达标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110075819.4A CN113759348B (zh) | 2021-01-20 | 2021-01-20 | 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 |
---|---|---|---|
CN202110075819.4A CN113759348B (zh) | 2021-01-20 | 2021-01-20 | 一种雷达标定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759348A CN113759348A (zh) | 2021-12-07 |
CN113759348B true CN113759348B (zh) | 2024-05-17 |
Family
ID=78786387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110075819.4A Active CN113759348B (zh) | 2021-01-20 | 2021-01-20 | 一种雷达标定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759348B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114694138B (zh) * | 2022-06-01 | 2022-09-20 | 远峰科技股份有限公司 | 一种应用于智能驾驶的路面检测方法、装置及设备 |
CN115236690B (zh) * | 2022-09-20 | 2023-02-10 | 图达通智能科技(武汉)有限公司 | 用于激光雷达***的数据融合方法、装置及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613543A (zh) * | 2018-12-06 | 2019-04-12 | 深圳前海达闼云端智能科技有限公司 | 激光点云数据的修正方法、装置、存储介质和电子设备 |
CN110031824A (zh) * | 2019-04-12 | 2019-07-19 | 杭州飞步科技有限公司 | 激光雷达联合标定方法及装置 |
CN110148180A (zh) * | 2019-04-22 | 2019-08-20 | 河海大学 | 一种激光雷达与相机融合装置与标定方法 |
CN111815716A (zh) * | 2020-07-13 | 2020-10-23 | 北京爱笔科技有限公司 | 一种参数标定方法及相关装置 |
CN112233182A (zh) * | 2020-12-15 | 2021-01-15 | 北京云测网络科技有限公司 | 一种多激光雷达的点云数据的标注方法和装置 |
-
2021
- 2021-01-20 CN CN202110075819.4A patent/CN113759348B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613543A (zh) * | 2018-12-06 | 2019-04-12 | 深圳前海达闼云端智能科技有限公司 | 激光点云数据的修正方法、装置、存储介质和电子设备 |
CN110031824A (zh) * | 2019-04-12 | 2019-07-19 | 杭州飞步科技有限公司 | 激光雷达联合标定方法及装置 |
CN110148180A (zh) * | 2019-04-22 | 2019-08-20 | 河海大学 | 一种激光雷达与相机融合装置与标定方法 |
CN111815716A (zh) * | 2020-07-13 | 2020-10-23 | 北京爱笔科技有限公司 | 一种参数标定方法及相关装置 |
CN112233182A (zh) * | 2020-12-15 | 2021-01-15 | 北京云测网络科技有限公司 | 一种多激光雷达的点云数据的标注方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113759348A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11480443B2 (en) | Method for calibrating relative pose, device and medium | |
JP6830139B2 (ja) | 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 | |
EP3621034B1 (en) | Method and apparatus for calibrating relative parameters of collector, and storage medium | |
CN111127563A (zh) | 联合标定方法、装置、电子设备及存储介质 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN110095752B (zh) | 定位方法、装置、设备和介质 | |
CN110927708B (zh) | 智能路侧单元的标定方法、装置及设备 | |
US20180306922A1 (en) | Method and apparatus for positioning vehicle | |
CN109543680B (zh) | 兴趣点的位置确定方法、装置设备和介质 | |
CN113759348B (zh) | 一种雷达标定方法、装置、设备及存储介质 | |
CN110764111A (zh) | 雷达坐标与大地坐标的转换方法、装置、***及介质 | |
CN109146938A (zh) | 动态障碍物的位置校准方法、装置、设备及存储介质 | |
CN110849363B (zh) | 激光雷达与组合惯导的位姿标定方法、***及介质 | |
CN112684478A (zh) | 基于双天线的参数标定方法、装置、存储介质及电子设备 | |
CN111272181B (zh) | 构建地图的方法、装置、设备和计算机可读介质 | |
CN111121755B (zh) | 一种多传感器的融合定位方法、装置、设备及存储介质 | |
CN114049401A (zh) | 双目相机标定方法、装置、设备及介质 | |
CN112509135B (zh) | 元素标注方法、装置、设备、存储介质及计算机程序产品 | |
CN111598930B (zh) | 彩色点云生成方法、装置及终端设备 | |
CN109389119B (zh) | 兴趣点区域确定方法、装置、设备和介质 | |
CN117191080A (zh) | 相机与imu外参的标定方法、装置、设备及存储介质 | |
CN110853098A (zh) | 机器人定位方法、装置、设备及存储介质 | |
CN113763457A (zh) | 落差地形的标定方法、装置、电子设备和存储介质 | |
CN111398961B (zh) | 用于检测障碍物的方法和装置 | |
CN111950420A (zh) | 一种避障方法、装置、设备和存储介质 |
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 |