CN114152935A - 一种雷达外参标定精度的评估方法、装置及设备 - Google Patents
一种雷达外参标定精度的评估方法、装置及设备 Download PDFInfo
- Publication number
- CN114152935A CN114152935A CN202111391742.8A CN202111391742A CN114152935A CN 114152935 A CN114152935 A CN 114152935A CN 202111391742 A CN202111391742 A CN 202111391742A CN 114152935 A CN114152935 A CN 114152935A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- radar
- point cloud
- cloud data
- registration
- 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 46
- 238000006073 displacement reaction Methods 0.000 claims abstract description 47
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 92
- 230000009466 transformation Effects 0.000 claims description 49
- 239000013598 vector Substances 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01S7/48—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
本申请公开一种雷达外参标定精度的评估方法、装置及设备。该评估方法包括：基于点云配准获得M台雷达的配准坐标系、第一点云数据和第二点云数据，第一点云数据为每台雷达视场内的N个标定板在配准坐标系中的点云数据，第二点云数据为N个标定板在基准地图坐标系中的点云数据；根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差；至少根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差。在本申请中，计算多台雷达之间的外参标定误差，以指导操作人员进行定量的判断，大大提高自动化效率。
Description
技术领域
本申请涉及激光雷达技术领域，尤其涉及一种雷达外参标定精度的评估方法、装置及设备。
背景技术
激光雷达是一种目标探测技术。使用激光作为信号光源，通过向目标对象发射激光，从而采集目标对象的反射信号，以此获得目标对象的方位、速度等信息。激光雷达具有测量精度高、抗干扰能力强等优点，广泛应用于遥感、测量、智能驾驶、机器人等领域。
目前，为了实现大视场，甚至全视场覆盖，可以采用多雷达的配置。但是由于安装位置的不同，多雷达的坐标系并不统一，需要对多雷达的外参进行标定。
但是，如何对多雷达外参标定的精度进行评估是一个亟待解决的问题。
发明内容
本申请提供了一种雷达外参标定精度的评估方法、装置及设备，以实现在完成外参标定的同时给出标定的精度，用于指导操作人员进行定量的判断，大大提高自动化效率。
第一方面，本申请提供一种雷达外参标定精度的评估方法，包括：基于点云配准获得M个雷达的配准坐标系、第一点云数据和第二点云数据，其中，配准坐标系为基于雷达外参标定得到的基准地图坐标系，第一点云数据为每台雷达视场内的N个标定板在配准坐标系中的点云数据，第二点云数据为N个标定板在基准地图坐标系中的点云数据，M为正整数，N为大于或等于3的整数；根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差；至少根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差。
在一些可能的实施方式中，获得M个雷达的第一点云数据和第二点云数据，包括：采用点云提取算法，提取N个标定板在配准坐标系中的第一点云数据，以及提取N个标定板在基准地图坐标系的点云交叠区域中的第二点云数据；其中，点云重叠区域为基准地图坐标***中点云数据与配准坐标系中点云数据的重叠区域。
在一些可能的实施方式中，根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差，包括：根据每台雷达的第一点云数据，计算N个标定板在配准坐标系中的第一法向量；从每台雷达的第二点云数据，计算N个在基准地图坐标系中的第二法向量；根据第一法向量和第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差。
在一些可能的实施方式中，根据第一法向量和第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差，包括：根据第一法向量和第二法向量，使用最小二乘法计算每台雷达从雷达坐标系到配准坐标系的旋转矩阵与雷达坐标系到基准地图坐标系的旋转矩阵的偏差矩阵，偏差矩阵用于表征雷达从配准坐标系到基准地图坐标系的角度误差。
在一些可能的实施方式中，根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差，包括：根据第一点云数据，获得N个标定板中相交的S个标定板的第一交点数据，S为大于或等于3，且小于或等于N的整数；根据第二点云数据，获得S个标定板在基准地图坐标系中的第二交点数据；第一交点数据和第二交点数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差。
在一些可能的实施方式中，根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，获得M个雷达的外参标定误差，包括：根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算每台雷达从配准坐标系到基准地图坐标系的变换矩阵；将M个雷达中的第m台达确定为基准雷达，m为小于或等于M的正整数；至少根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵和基准雷达从配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差。
在一些可能的实施方式中，至少根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵和基准雷达从配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差，包括：根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵、基准雷达从配准坐标系到基准地图坐标系的变换矩阵和每台雷达雷达坐标系到配准坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差。
第二方面，本申请提供了一种雷达外参标定精度的评估装置，该评估装置可以为激光雷达的外参标定设备或者外参标定设备中的芯片或者片上***，还可以为激光雷达的外参标定设备中用于实现上述各个实施例所述的方法的功能模块。该标定装置可以实现上述各实施例中标定设备所执行的功能，这些功能可以通过硬件执行相应的软件实现。这些硬件或软件包括一个或多个上述功能相应的模块。该评估装置，包括：外参标定模块，用于基于点云配准获得M个雷达的配准坐标系、第一点云数据和第二点云数据，其中，配准坐标系为基于雷达外参标定得到的基准地图坐标系，第一点云数据为每台雷达视场内的N个标定板在配准坐标系中的点云数据，第二点云数据为N个标定板在基准地图坐标系中的点云数据，M为正整数，N为大于或等于3的整数；误差计算模块，用于根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差；至少根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差。
在一些可能的实施方式中，外参标定模块，还用于采用点云提取算法，提取N个标定板在配准坐标系中的第一点云数据，以及提取N个标定板在基准地图坐标系的点云交叠区域中的第二点云数据；其中，点云交叠区域为基准地图坐标***中点云数据与配准坐标系中点云数据的重叠区域。
在一些可能的实施方式中，误差计算模块，用于根据每台雷达的第一点云数据，计算N个标定板在配准坐标系中的第一法向量；从每台雷达的第二点云数据，计算N个在基准地图坐标系中的第二法向量；根据第一法向量和第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差。
在一些可能的实施方式中，误差计算模块，用于根据第一法向量和第二法向量，使用最小二乘法计算每台雷达从雷达坐标系到配准坐标系的旋转矩阵与从雷达坐标系到基准地图坐标系的旋转矩阵的偏差矩阵，偏差矩阵用于表征每台雷达从配准坐标系到基准地图坐标系的角度误差。
在一些可能的实施方式中，误差计算模块，用于根据第一点云数据，获得N个标定板中相交的S个标定板的第一交点数据，S为大于或等于3，且小于或等于N的整数；根据第二点云数据，获得S个标定板在基准地图坐标系中的第二交点数据；根据第一交点数据和第二交点数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差。
在一些可能的实施方式中，误差计算模块，用于根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算每台雷达从配准坐标系到基准地图坐标系的变换矩阵；将M个雷达中的第m台雷达确定为基准雷达，m为小于或等于M的正整数；至少根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵和基准雷达从配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差。
在一些可能的实施方式中，误差计算模块，还用于根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵、基准雷达从配准坐标系到基准地图坐标系的变换矩阵和每台雷达雷达坐标系到配准坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差。
第三方面，本申请提供了一种外参标定设备，包括：存储器，存储有计算机可执行指令；处理器，与存储器相连，用于通过执行计算机可执行指令，以实现如第一方面及其任一可能的实施方式所述的方法。
第四方面，本申请提供了一种激光雷达外参标定***，包括：M台雷达和如第三方面及其任一可能的实施方式所述的外参标定设备；每台雷达的视场内设置N个标定板，M为正整数，N为N为大于或等于3的整数。
第五方面，本申请提供了一种计算机存储介质，计算机存储介质存储有计算机可执行指令，计算机可执行指令被处理器执行后能够实现如第一方面及其任一可能的实施方式所述的方法。
本申请提供的技术方案与现有技术相比存在的有益效果是：
在本申请中，通过在外参标定后，计算多台雷达之间的外参标定误差，如角度误差和平移误差，以此评估多台雷达的外参标定精度，以指导操作人员进行定量的判断，大大提高自动化效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请的保护范围。
附图说明
图1为相关技术中的一种激光雷达的结构示意图；
图2为本申请实施例中的外参标定***的示意图；
图3为本申请实施例中的雷达外参标定精度的一种评估方法的实施流程示意图；
图4为本申请实施例中的各坐标系之间的关系示意图；
图5为本申请实施例中的雷达外参标定精度的另一种评估方法的实施流程示意图；
图6为本申请实施例中的各变换矩阵的关系示意图；
图7为本申请实施例中的雷达外参标定精度的评估装置的一种结构示意图；
图8为本申请实施例中的一种激光雷达的标定设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
激光雷达是一种目标探测技术。激光雷达通过激光器发出激光光束，激光光束遇到目标物体后发生漫反射，通过探测器接收反射回的光束，并根据发射的光束和反射回的光束确定目标物体的距离、方位、高度、速度、姿态、形状等特征量。
激光雷达的应用领域非常广泛。除了运用在军事领域之外，目前还被广泛应用于生活领域，包括但不限于：智能驾驶车辆、智能驾驶飞机、三维(3D)打印、虚拟现实、增强现实、服务机器人等领域。以智能家驾驶技术为例，在智能驾驶车辆中设置激光雷达，激光雷达可通过快速且重复地发射激光束来扫描周围环境，以获取反映周围环境中的一个或多个目标对象的形貌、位置、运动的点云数据等。
需要说明的是，上述智能驾驶技术可以指无人驾驶、自动驾驶、辅助驾驶等技术。
图1为相关技术中的一种激光雷达的结构示意图，参见图1所示，激光雷达10可以包括：光发射装置101、光接收装置102和处理器103。其中，光发射装置101、光接收装置102均与处理器103连接。
其中，上述各器件之间的连接关系可以是电性连接，还可以是光纤连接。更具体的，在光发射装置101和光接收装置102中，还可能分别包括多个光学器件，这些光学器件之间的连接关系还可能是空间光传输连接。
处理器103用于实现对发射装置101和光接收装置102的控制，以使光发射装置101和光接收装置102能够正常工作。示例性的，处理器103可以为光发射装置101和光接收装置102分别提供驱动电压，处理器103还可以为光发射装置101和光接收装置102提供控制信号。
示例性的，处理器103可以是通用处理器，如中央处理器(central processingunit，CPU)、网络处理器(network processor，NP)等；处理器103还可以是数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integratedcircuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
光发射装置101中还包括光源(图1未示出)。可以理解的，上述光源可以指激光器，激光器的数量可以是一个或者多个。可选的，激光器可以具体为脉冲激光二极管(pulsedlaser diode，PLD)、半导体激光器、光纤激光器等。上述光源用于发射激光束。具体的，处理器103可以向光源发送发射控制信号，从而触发光源发射激光束。
可以理解的，上述激光束也可以称为激光脉冲、激光、发射光束等。
下面结合图1所示的激光雷达的结构，简单描述激光雷达对目标物体104的探测过程。
参见图1所示，激光束沿发射方向进行传播，当激光束遇到目标物体104后，在目标物体104的表面发生反射，反射回的光束被激光雷达的光接收装置102接收。这里，可以将激光束被目标物体104反射回的光束称为回波光束(图1中激光束和回波光束采用实线标识)。
光接收装置102接收到回波光束后，对回波光束进行光电转换，即，将回波光束转换为电信号，光接收装置102将回波光束对应的电信号输出至处理器103，处理器103可以根据回波光束的电信号，获取目标物体104的形貌、位置、运动的点云数据等。
在实际应用中，为了实现大视场，甚至全视场覆盖，单个车可以配置多台雷达。但是由于安装位置的不同，多雷达的坐标系并不统一，导致多雷达输出的点云并不能统一到同一个坐标系，因此需要对多雷达的外参进行标定，使其输出同一坐标系下的点云数据。
在相关技术中，通过预先获知标定场景(地图)高精度点云数据的前提下，将多台雷达的雷达坐标系分别配准到地图坐标系下实现多雷达外参标定。如此，实际拼接的点云数据的质量和精度取决于外参标定的精度。但是，如何对多雷达外参标定的精度进行评估是一个亟待解决的问题。
为了解决上述问题，本申请实施例提供一种雷达外参标定精度的评估方法，该方法可以应用于上述激光雷达的外参标定***中。图2为本申请实施例中的外参标定***的示意图，参见图2所示，该外参标定***20可以包括：M台雷达(可以记为雷达1、雷达2、雷达3、…、雷达M(M为正整数)、外参标定设备22和标定板23。其中，M台雷达为需要进行外参标定的雷达；外参标定设备22用于对M台雷达进行外参标定并评估外参标定精度；每一台雷达的视场内设置有N个标定板23(N为正整数，N为大于或等于3的整数)，N个标定板23用于每台雷达的外参标定以及外参标定精度的评估。可选的，N个标定板23至少包括两两相交的S个标定板，S为大于或等于3，且小于或等于N的整数。
需要说明的是，在本申请实施例中，如无特别说明，雷达指激光雷达。
在实际应用中，上述外参标定设备可以为独立设备，也可以与一台雷达集成在一起，本申请实施例对此不做具体限定。
下面结合上述外参标定***，对本申请实施例提供的雷达外参标定精度的评估方法进行说明。
图3为本申请实施例中的雷达外参标定精度的一种评估方法的实施流程示意图，参见图3所示，上述方法可以包括：
S301，获得M个雷达的配准坐标系。
其中，基准地图坐标系为外参标定设备工作时建立的自身坐标系。上述配准坐标系为基于雷达外参标定过程中点云配准得到的。配准坐标系可以理解为基准地图坐标系的测量值，而非基准地图坐标系的真实值。
示例性的，图4为本申请实施例中的各类坐标系之间的关系示意图，参见图4所示，雷达坐标系Oi中的N个向量
通过从Oi到配准坐标系Oguess的旋转矩阵Rguess映射至Oguess，得到对应的N个向量
N个向量
通过从Oi到基准地图坐标系Omap的旋转矩阵Rmap映射至Omap，得到对应的N个向量
可以理解的，外参标定设备可以先对M个雷达进行外参标定，以计算出每台雷达从各自的雷达坐标系到基准地图坐标系的变换矩阵。但是由于计算误差的存在，计算得到的变换矩阵实际为各自的雷达坐标系到配准坐标系的变换矩阵。因此，通过外参标定计算出的变换矩阵得到每台雷达的配准坐标系。
示例性的，对于M台雷达的中的雷达i(即第i台雷达，i＝1、2、…、M)来说，外参标定设备通过外参标定，可以得到雷达i的雷达坐标系Oi到雷达i的配准坐标系Oguess,i的变换矩阵Tguess,i。
在一些可能的实施方式中，外参标定设备可以利用点云配准算法对多台雷达进行外参标定。示例性的，上述点云配准算法可以但不限于包括：迭代最近点算法(iterativeclosest point，ICP)、正态分布变换(normal distribution transform，NDT)。
S302，获得M个雷达的第一点云数据和第二点云数据。
这里，第一点云数据可以为每台雷达视场内的N个标定板在配准坐标系中的点云数据。第二点云数据为每台雷达视场内的N个标定板在基准地图坐标系中的点云数据。其中，第二点云数据也可以理解为上述N个标定板在基准地图坐标系的点云交叠区域中的点云数据。
需要说明的是，点云交叠区域为基准地图坐标***中点云数据与配准坐标系中点云数据的重叠区域，是点云数据的集合。还可以理解为，配准坐标系中的点云数据映射至基准地图坐标系中的点云数据。
在一种可能的实施方式中，上述S302可以包括：采用点云提取算法，提取N个标定板在配准坐标系中的第一点云数据，以及提取N个标定板在基准地图坐标系的点云交叠区域中的第二点云数据。
示例性的，上述点云提取算法可以但不限于包括：随机抽样一致(random sampleconsensus，RANSAC)算法。
举例来说，对于雷达i来说，外参标定设备可以采用RANSAC算法从雷达i的配准坐标系Oguess,i的点云数据中提取标定板(即雷达i视场内的N个标定板，例如N＝3)的点云数据(即第一点云数据)，以及从Omap的点云重叠区域中，提取标定板的点云数据(即第二点云数据)。
S303，根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度(如轴角)误差和位移误差。
在一些可能的实施例中，上述S303可以看做是两个计算过程，即计算每台雷达从配准坐标系到基准地图坐标系的角度误差和计算每台雷达从配准坐标系到基准地图坐标系的位移误差。那么，图5为本申请实施例中的雷达外参标定精度的另一种评估方法的实施流程示意图，参见图5所示，S303可以包括：
S501，根据第一点云数据和第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差；
S502，根据第一点云数据和第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差。
需要说明的是，S501和S502可以顺序执行，如先执行S501再执行S502、先执行S502再执行S501；也可以同时执行。当然，本申请实施例对S501和S502的执行时机不作具体限定。
在一些可能的实施方式中，S501可以包括：根据每台雷达的第一点云数据，计算每台雷达视场内的N个标定板在配准坐标系中的第一法向量，以及根据每台雷达的第二点云数据，计算N个标定板在基准地图坐标系中的第二法向量；根据第一法向量和第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差。
在本申请实施例中，M台雷达中的每台雷达均须执行S501至S502。为了方便描述，下面以M台雷达中的雷达i(i＝1、2、3、…、M)为例，分别对S501和S502进行说明。
可以理解的，对于雷达i来说，在通过S302获得雷达i的第一点云数据和第二点云数据之后，外参标定设备可以根据第一点云数据计算第一法向量，即雷达i视场内的N个标定板在Oguess,i中的法向量Ki(可以记为
)。以及，外参标定设备可以根据第二点云数据计算第二法向量，即雷达i视场内的N个标定板在Omap中的法向量Ji(可以记为
)。
进一步地，外参标定设备可以根据Ki和Ji，使用最小二乘法计算雷达i从Oi到Oguess,i的旋转矩阵Rguess,i与Oi到Omap的旋转矩阵Rmap,i的偏差矩阵Wguess，i。这里，Wguess，i用于表示雷达i从Oguess,i到Omap的角度误差。
示例性的，假设在Oi中，雷达i视场内的N个标定板的法向量可以记为
外参标定设备在获得Ki和Ji之后，可以得到以下公式(1)至(2)，其中Rguess,i为Oi到Oguess,i的旋转矩阵，Rmap,i为Oi到Omap的旋转矩阵。
这里，Rguess,i和Rmap,i的偏差矩阵用Wguess，i表示，则通过公式(1)至(2)，可以得到公式(3)。
进一步地，根据最小二乘法，计算得到偏差矩阵Wguess，i(也可以称为角度偏差矩阵)，如公式(4)所示。
Ki＝Rguess,iPi (1)
Ji＝Rmap,iPi (2)
其中，
为Ki的转置矩阵，
为Ji的转置矩阵，
为
的逆矩阵，
的转置矩阵。
在一些可能的实施方式中，上述Wguess，i还可以按照公式(5)进行奇异值分解(singular value decomposition，SVD)分解，以对Wguess，i进行优化。
其中，Ui为正交矩阵，Di为对角矩阵，Vi为正交矩阵，
为Vi的转置矩阵；SVD()为SVD分解运算，“→”表示公式推导。
在实际应用中，针对每台雷达均执行以上步骤，可以计算得到每台雷达从配准坐标系到基准地图坐标系的角度偏差矩阵，即Wguess，1、Wguess，2、…、Wguess，M。
在一些可能的实施方式中，S502可以包括：根据第一点云数据，获得N个标定板中相交的S个标定板的第一交点数据，S为小于或等于N的正整数(如S＝3)；根据第二点云数据，获得S个标定板在基准地图坐标系中的第二交点数据；第一交点数据和第二交点数据，计算各台雷达从配准坐标系到基准地图坐标系的位移误差。
可以理解的，仍以雷达i为例，在通过S302获得雷达i的第一点云数据和第二点云数据之后，外参标定设备可以根据第一点云数据，获得N个标定板中两两相交的S(如S＝3)个标定板的交点数据(即第一交点数据，可以记为
n为正整数)。以及，外参标定设备可以根据第二点云数据，计算两两相交的S个标定板在Omap中的交点数据(即第二交点数据，可以记为
)。然后，外参标定设备可以按照以下公式(6)，根据
以及
计算雷达i从Oguess,i到Omap的位移误差
在实际应用中，针对每台雷达均执行以上步骤，可以计算得到每台雷达从配准坐标系到基准地图坐标系的位移误差，即
在本申请实施例中，雷达i从Oguess,i到Omap的变换矩阵Ti可以表示为以下公式(7)：
在实际应用中，针对每台雷达，可以计算得到每台雷达从配准坐标系到基准地图坐标系的变换矩阵，即T1、T2、…、Ti、…、TM。
至此，针对每台雷达，外参标定设备通过执行上述S501至S502，能够计算出各台雷达从各自的配准坐标系相对于基准地图坐标系的角度误差和位移误差。
S304，至少根据每台雷达从各自的配准坐标系相对于基准地图坐标系的角度误差和位移误差，获得每台雷达之间的外参标定误差。
可以理解的，通过S301至S303，外参标定设备计算出每台雷达的配准坐标系相对于基准地图坐标系的角度误差和位移误差。在此之后，为了对各台雷达的外参标定精度进行评估，外参标定设备需要进一步计算出各雷达之间的外参标定误差，即将各台雷达的雷达坐标系都统一映射至基准雷达的雷达坐标系下的外参标定误差。那么，S304可以包括：根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算每台雷达从配准坐标系到基准地图坐标系的变换矩阵；将M个雷达中的第m(m为大于或等于3，且小于或等于M的整数)台雷达确定为基准雷达；至少根据每台雷达从各自的配准坐标系到基准地图坐标系的变换矩阵和基准雷达从自身的配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达之间的外参标定误差。这里，每台雷达之间的外参标定误差是指各台雷达相对于基准雷达的角度误差和位移误差。
在一些可能的实施方式中，上述计算每台雷达之间的外参标定误差的步骤可以通过以下方式实现：
示例性的，外参标定设备选取雷达1(即第m台雷达)作为基准雷达。
相应的，参见以下公式(8)和(9)，计算得到雷达i经雷达1配准后的从Oi到Oguess,i的变换矩阵Tguess,1i以及雷达i经雷达1配准后的从Oi到Omap的变换矩阵Tmap,1i。
其中，图6为本申请实施例中的各类变换矩阵的关系示意图，参见图6所示，Tguess,1为从雷达1的雷达坐标系O1到雷达1的配准坐标系Oguess,1的变换矩阵，Tmap,1为从O1到Omap的变换矩阵；Tguess,i为从Oi到Oguess,i的变换矩阵，Tmap,i为从Oi到Omap的变换矩阵，Tguess,1i也可以理解为从O1到Oi的变换矩阵的测量值，Tmap,1i也可以理解为从O1到Oi的变换矩阵的真实值。
进一步地，Tguess,1i与Tmap,1i的偏差矩阵T1i可以参见以下公式(10)所示：
其中，
为Tguess,1i的逆矩阵。
进一步地，可以存在以下公式(11)和(12)：
其中，T1为雷达1由Oguess,1到Omap的变换矩阵，Ti为雷达i由Oguess,i到Omap的变换矩阵。
那么，外参标定设备将公式(8)、(9)、(11)和(12)代入公式(10)，可以得到公式(13)，即Tguess,1i与Tmap,1i的偏差矩阵T1i如下：
其中，W1i为从O1到Oi的角度偏差矩阵，
为从O1到Oi的位移误差。
进一步地，外参标定设备可以根据公式(13)得到雷达i从O1到Oi的角度误差，参见公式(14)：
θ1i＝arccos((Tr(W1i)-1)/2) (14)
其中，Tr()为迹(trace)运算。
在一些可能的实施方式中，W1i可以按照公式(14)进行SVD分解，以对W1i进行优化。
其中，U1i为正交矩阵，D1i为对角矩阵，V1i为正交矩阵，
为V1i的转置矩阵。
在本申请实施例中，每台雷达都执行上述步骤，得到各个雷达的T12、T13…、T1i...、T1M，如此得到雷达间的外参标定误差，即各个雷达相对于雷达1的外参标定角度误差W1i和位移误差
在一些可能的实施方式中，外参标定设备可以多次重复执行上述S301至S304，以得到每台雷达的多个外参标定误差，进而将这些外参标定误差进行统计分析，可以得到如饼图、直方图、误差棒(error bar)等反映外参标定精度的统计分析结果。
至此，便完成了对M台雷达的外参标定精度的评估过程。
在本申请实施例中，通过计算多台雷达由外参标定后的配准坐标系到基准地图坐标系的角度误差和平移误差，评估多台雷达的外参标定精度。
基于相同的发明构思，本申请实施例提供了一种雷达外参标定精度的评估装置，该评估装置可以为激光雷达的外参标定设备或者外参标定设备中的芯片或者片上***，还可以为激光雷达的外参标定设备中用于实现上述各个实施例所述的方法的功能模块。该标定装置可以实现上述各实施例中标定设备所执行的功能，这些功能可以通过硬件执行相应的软件实现。这些硬件或软件包括一个或多个上述功能相应的模块。图7为本申请实施例中的雷达外参标定精度的评估装置的一种结构示意图，参见图7所示，该评估装置700，可以包括：外参标定模块701，用于基于点云配准获得M个雷达的配准坐标系、第一点云数据和第二点云数据，其中，配准坐标系为基于雷达外参标定得到的基准地图坐标系，第一点云数据为每台雷达视场内的N个标定板在配准坐标系中的点云数据，第二点云数据为N个标定板在基准地图坐标系中的点云数据；误差计算模块702，用于根据第一点云数据以及第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差；至少根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差。
在一些可能的实施方式中，外参标定模块701，还用于采用点云提取算法，提取N个标定板在配准坐标系中的第一点云数据，以及提取N个标定板在基准地图坐标系的点云交叠区域中的第二点云数据；其中，点云交叠区域为基准地图坐标***中点云数据与配准坐标系中点云数据的重叠区域。
在一些可能的实施方式中，误差计算模块702，用于根据每台雷达的第一点云数据，计算N个标定板在配准坐标系中的第一法向量；从每台雷达的第二点云数据，计算N个在基准地图坐标系中的第二法向量；根据第一法向量和第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差。
在一些可能的实施方式中，误差计算模块702，用于根据第一法向量和第二法向量，使用最小二乘法计算每台雷达从雷达坐标系到配准坐标系的旋转矩阵与从雷达坐标系到基准地图坐标系的旋转矩阵的偏差矩阵；偏差矩阵用于表征每台雷达从配准坐标系到基准地图坐标系的角度误差。
在一些可能的实施方式中，误差计算模块702，用于根据第一点云数据，获得N个标定板中相交的S个标定板的第一交点数据，S为大于或等于3，且小于或等于N的整数；根据第二点云数据，S个标定板在基准地图坐标系中的第二交点数据；根据第一交点数据和第二交点数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差。
在一些可能的实施方式中，误差计算模块702，还用于根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算每台雷达从配准坐标系到基准地图坐标系的变换矩阵；将M个雷达中的第m台雷达确定为基准雷达，m的取值为1、2、3、…、M；至少根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵和基准雷达从配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差。
在一些可能的实施方式中，误差计算模块702，还用于根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵、基准雷达从配准坐标系到基准地图坐标系的变换矩阵和每台雷达雷达坐标系到配准坐标系的变换矩阵，计算每台雷达相对于基准雷达的角度误差和位移误差。
需要说明的是，上述外参标定模块701和误差计算模块702的具体实现过程可参考图2至图6实施例的详细描述，为了说明书的简洁，这里不再赘述。
本申请实施例中提到的外参标定模块701和误差计算模块702可以为一个或者多个处理器。
基于相同的发明构思，本申请实施例提供一种激光雷达的标定设备，该通标定设备可以为上述一个或者多个实施例中所述的外参标定设备。图8为本申请实施例中的一种激光雷达的外参标定设备的结构示意图，参见图8所示，标定设备800，可以采用通用的计算机硬件，包括处理器801和存储器802。
可选的，处理器801和存储器802可以通过总线803通信。
在一些可能的实施方式中，至少一个处理器801可以构成具有对一个或多个输入执行逻辑运算的电路的任何物理设备。例如，至少一个处理器可以包括一个或多个集成电路(integrated circuit，IC)，包括专用集成电路(application specific integratedcircuit，ASIC)、微芯片、微控制器、微处理器、中央处理单元(central processing unit，CPU)的全部或部分、图形处理单元(graphics processing unit，GPU)、数字信号处理器(digital signal process，DSP)、现场可编程门阵列(field programmable gate array，FPGA)或者适于执行指令或执行逻辑运算的其它电路。由至少一个处理器执行的指令可以例如被预加载到与控制器集成的或嵌入在控制器中的存储器中，或者可以存储在分离的存储器中。存储器可以包括随机存取存储器(random access memory，RAM)、只读存储器(read-only memory，ROM)、硬盘、光盘、磁介质、闪存，其它永久、固定或易失性存储器，或者能够存储指令的任何其它机制。在一些实施例中，至少一个处理器可以包括多于一个处理器。每个处理器可以具有相似的结构，或者处理器可以具有彼此电连接或断开的不同构造。例如，处理器可以是分离的电路或集成在单个电路中。当使用多于一个处理器时，处理器可以被配置为独立地或协作地操作。处理器可以以电、磁、光学、声学、机械或通过允许它们交互的其它手段来耦合。根据本申请的一个实施例，本申请还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行上述标定方法的步骤。存储器802可以包括以易失性和/或非易失性存储器形式的计算机存储媒体，如只读存储器和/或随机存取存储器。存储器802可以存储操作***、应用程序、其他程序模块、可执行代码、程序数据、用户数据等。
此外，上述存储器802中存储有用于实现图7中的外参标定模块701和误差计算模块702的功能的计算机执行指令。图7中的外参标定模块701和误差计算模块702的功能/实现过程均可以通过图8中的处理器801调用存储器802中存储的计算机执行指令来实现，具体实现过程和功能参考上述相关实施例。
基于相同的发明构思，本申请实施例提供一种激光雷达的外参标定设备，包括：存储器，存储有计算机可执行指令；处理器，与存储器相连，用于通过执行计算机可执行指令，并能够实现如上述一个或者多个实施例所述的雷达外参标定精度的评估方法。
基于相同的发明构思，本申请提供一种计算机存储介质，计算机存储介质存储有计算机可执行指令，计算机可执行指令被处理器执行后，能够实现如上述一个或者多个实施例所述的雷达外参标定精度的评估方法。
本领域技术人员可以理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种雷达外参标定精度的评估方法，其特征在于，包括：
基于点云配准获得M台雷达的配准坐标系、第一点云数据和第二点云数据，所述第一点云数据为每台雷达视场内的N个标定板在配准坐标系中的点云数据，所述第二点云数据为所述N个标定板在基准地图坐标系中的点云数据，M为正整数，N为大于或等于3的整数；
根据所述第一点云数据以及所述第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差；
至少根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差。
2.根据权利要求1所述的方法，其特征在于，所述获得M台雷达的第一点云数据和第二点云数据，包括：
采用点云提取算法，提取所述N个标定板在配准坐标系中的所述第一点云数据，以及提取所述N个标定板在基准地图坐标系的点云交叠区域中的所述第二点云数据；
其中，所述点云交叠区域为基准地图坐标***中点云数据与配准坐标系中点云数据的重叠区域。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一点云数据以及所述第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差，包括：
根据每台雷达的所述第一点云数据，计算所述N个标定板在配准坐标系中的第一法向量；
根据每台雷达的所述第二点云数据，计算所述N个标定板在基准地图坐标系中的第二法向量；
根据所述第一法向量和所述第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一法向量和所述第二法向量，计算每台雷达从配准坐标系到基准地图坐标系的角度误差，包括：
根据所述第一法向量和所述第二法向量，使用最小二乘法计算每台雷达从雷达坐标系到配准坐标系的旋转矩阵与从雷达坐标系到基准地图坐标系的旋转矩阵的偏差矩阵，所述偏差矩阵用于表征每台雷达从配准坐标系到基准地图坐标系的角度误差。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一点云数据以及所述第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差，包括：
根据所述第一点云数据，获得所述N个标定板中相交的S个标定板的第一交点数据，S为大于或等于3，且小于或等于N的整数；
根据所述第二点云数据，获得所述S个标定板在基准地图坐标系中的第二交点数据；
根据所述第一交点数据和所述第二交点数据，计算每台雷达从配准坐标系到基准地图坐标系的位移误差。
6.根据权利要求1所述的方法，其特征在于，所述根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差，包括：
根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算每台雷达从配准坐标系到基准地图坐标系的变换矩阵；
将所述M个雷达中的第m台雷达确定为基准雷达，m为小于或等于M的正整数；
至少根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵和所述基准雷达从配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达相对于所述基准雷达的角度误差和位移误差。
7.根据权利要求6所述的方法，其特征在于，所述至少根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵和所述基准雷达从配准坐标系到基准地图坐标系的变换矩阵，计算每台雷达相对于所述基准雷达的角度误差和位移误差，包括：
根据每台雷达从配准坐标系到基准地图坐标系的变换矩阵、所述基准雷达从配准坐标系到基准地图坐标系的变换矩阵和每台雷达雷达坐标系到配准坐标系的变换矩阵，计算每台雷达相对于所述基准雷达的角度误差和位移误差。
8.一种雷达外参标定精度的评估装置，其特征在于，包括：
外参标定模块，用于基于点云配准获得M个雷达的配准坐标系、第一点云数据和第二点云数据，其中，所述配准坐标系为基于雷达外参标定得到的基准地图坐标系，所述第一点云数据为每台雷达视场内的N个标定板在配准坐标系中的点云数据，所述第二点云数据为所述N个标定板在基准地图坐标系中的点云数据，M为正整数，N为大于或等于3的整数；
误差计算模块，用于根据所述第一点云数据以及所述第二点云数据，计算每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差；至少根据每台雷达从配准坐标系到基准地图坐标系的角度误差和位移误差，计算各台雷达之间的外参标定误差。
9.一种外参标定设备，其特征在于，包括：
存储器，存储有计算机可执行指令；
处理器，与所述存储器相连，用于通过执行所述计算机可执行指令，以实现如权利要求1至7任一项所述的方法。
10.一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行后能够实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111391742.8A CN114152935B (zh) | 2021-11-19 | 2021-11-19 | 一种雷达外参标定精度的评估方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111391742.8A CN114152935B (zh) | 2021-11-19 | 2021-11-19 | 一种雷达外参标定精度的评估方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114152935A true CN114152935A (zh) | 2022-03-08 |
| CN114152935B CN114152935B (zh) | 2023-02-03 |
Family
ID=80457397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111391742.8A Active CN114152935B (zh) | 2021-11-19 | 2021-11-19 | 一种雷达外参标定精度的评估方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114152935B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114646932A (zh) * | 2022-05-23 | 2022-06-21 | 深圳元戎启行科技有限公司 | 基于外置雷达的雷达外参标定方法、装置和计算机设备 |
| CN115267813A (zh) * | 2022-07-29 | 2022-11-01 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、设备、存储介质及计算机程序产品 |
| CN116148822A (zh) * | 2023-03-28 | 2023-05-23 | 安徽海博智能科技有限责任公司 | 一种应用于露天矿山无人驾驶的多激光雷达自动标定方法 |
| CN116740197A (zh) * | 2023-08-11 | 2023-09-12 | 之江实验室 | 一种外参的标定方法、装置、存储介质及电子设备 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008281380A (ja) * | 2007-05-09 | 2008-11-20 | Ihi Corp | 三次元センサのデータ補正装置及び方法 |
| US20140300886A1 (en) * | 2013-04-05 | 2014-10-09 | Leica Geosystems Ag | Geodetic referencing of point clouds |
| CN110221275A (zh) * | 2019-05-21 | 2019-09-10 | 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 |
| CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定***及其方法 |
| CN110741282A (zh) * | 2019-08-21 | 2020-01-31 | 深圳市速腾聚创科技有限公司 | 外参标定方法、装置、计算设备以及计算机存储介质 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| US20200150677A1 (en) * | 2018-11-13 | 2020-05-14 | FLIR Belgium BVBA | Extrinsic sensor calibration systems and methods |
| CN111190153A (zh) * | 2020-04-09 | 2020-05-22 | 上海高仙自动化科技发展有限公司 | 外参标定方法及装置、智能机器人及计算机可读存储介质 |
| CN111289957A (zh) * | 2020-03-10 | 2020-06-16 | 上海高仙自动化科技发展有限公司 | 外参标定方法及装置、智能机器人及计算机可读存储介质 |
| CN212055066U (zh) * | 2020-04-03 | 2020-12-01 | 保定准择恒流泵制造有限公司 | 蠕动泵泵头及蠕动泵 |
| CN112233184A (zh) * | 2020-09-08 | 2021-01-15 | 东南大学 | 基于图像配准的激光雷达与相机标定参数校正方法及装置 |
| 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 |
| CN112837383A (zh) * | 2021-03-01 | 2021-05-25 | 东南大学 | 相机与激光雷达重标定方法、装置及计算机可读存储介质 |
| CN113009456A (zh) * | 2021-02-22 | 2021-06-22 | 中国铁道科学研究院集团有限公司 | 车载激光雷达数据校准方法、装置及*** |
| CN113156407A (zh) * | 2021-02-24 | 2021-07-23 | 长沙行深智能科技有限公司 | 车载激光雷达外参数联合标定方法、***、介质及设备 |
| CN113269840A (zh) * | 2021-05-27 | 2021-08-17 | 深圳一清创新科技有限公司 | 一种用于相机和多激光雷达的联合标定方法及电子设备 |
| CN113640778A (zh) * | 2021-08-12 | 2021-11-12 | 东风悦享科技有限公司 | 一种基于无重叠视场的多激光雷达的联合标定方法 |
-
2021
- 2021-11-19 CN CN202111391742.8A patent/CN114152935B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008281380A (ja) * | 2007-05-09 | 2008-11-20 | Ihi Corp | 三次元センサのデータ補正装置及び方法 |
| US20140300886A1 (en) * | 2013-04-05 | 2014-10-09 | Leica Geosystems Ag | Geodetic referencing of point clouds |
| US20200150677A1 (en) * | 2018-11-13 | 2020-05-14 | FLIR Belgium BVBA | Extrinsic sensor calibration systems and methods |
| CN110221275A (zh) * | 2019-05-21 | 2019-09-10 | 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 |
| CN110741282A (zh) * | 2019-08-21 | 2020-01-31 | 深圳市速腾聚创科技有限公司 | 外参标定方法、装置、计算设备以及计算机存储介质 |
| CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定***及其方法 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111289957A (zh) * | 2020-03-10 | 2020-06-16 | 上海高仙自动化科技发展有限公司 | 外参标定方法及装置、智能机器人及计算机可读存储介质 |
| CN212055066U (zh) * | 2020-04-03 | 2020-12-01 | 保定准择恒流泵制造有限公司 | 蠕动泵泵头及蠕动泵 |
| CN111190153A (zh) * | 2020-04-09 | 2020-05-22 | 上海高仙自动化科技发展有限公司 | 外参标定方法及装置、智能机器人及计算机可读存储介质 |
| CN112233184A (zh) * | 2020-09-08 | 2021-01-15 | 东南大学 | 基于图像配准的激光雷达与相机标定参数校正方法及装置 |
| 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 |
| CN113009456A (zh) * | 2021-02-22 | 2021-06-22 | 中国铁道科学研究院集团有限公司 | 车载激光雷达数据校准方法、装置及*** |
| CN113156407A (zh) * | 2021-02-24 | 2021-07-23 | 长沙行深智能科技有限公司 | 车载激光雷达外参数联合标定方法、***、介质及设备 |
| CN112837383A (zh) * | 2021-03-01 | 2021-05-25 | 东南大学 | 相机与激光雷达重标定方法、装置及计算机可读存储介质 |
| CN113269840A (zh) * | 2021-05-27 | 2021-08-17 | 深圳一清创新科技有限公司 | 一种用于相机和多激光雷达的联合标定方法及电子设备 |
| CN113640778A (zh) * | 2021-08-12 | 2021-11-12 | 东风悦享科技有限公司 | 一种基于无重叠视场的多激光雷达的联合标定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 彭湃 等: "基于传感器融合里程计的相机与激光雷达自动重标定方法", 《机械工程学报》 * |
| 方海洋: "基于GPS和激光雷达的无人驾驶策略研究", 《中国优秀硕士学位论文期刊》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114646932A (zh) * | 2022-05-23 | 2022-06-21 | 深圳元戎启行科技有限公司 | 基于外置雷达的雷达外参标定方法、装置和计算机设备 |
| CN115267813A (zh) * | 2022-07-29 | 2022-11-01 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、设备、存储介质及计算机程序产品 |
| CN116148822A (zh) * | 2023-03-28 | 2023-05-23 | 安徽海博智能科技有限责任公司 | 一种应用于露天矿山无人驾驶的多激光雷达自动标定方法 |
| CN116148822B (zh) * | 2023-03-28 | 2023-11-03 | 安徽海博智能科技有限责任公司 | 一种应用于露天矿山无人驾驶的多激光雷达自动标定方法 |
| CN116740197A (zh) * | 2023-08-11 | 2023-09-12 | 之江实验室 | 一种外参的标定方法、装置、存储介质及电子设备 |
| CN116740197B (zh) * | 2023-08-11 | 2023-11-21 | 之江实验室 | 一种外参的标定方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114152935B (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114152935B (zh) | 一种雷达外参标定精度的评估方法、装置及设备 | |
| CN111563923B (zh) | 获得稠密深度图的方法及相关装置 | |
| CN112462350B (zh) | 雷达标定方法及装置、电子设备及存储介质 | |
| CN108445456A (zh) | 光达-雷达相对位姿的校准 | |
| Huang et al. | A novel multi-planar LIDAR and computer vision calibration procedure using 2D patterns for automated navigation | |
| JP2008059569A (ja) | 接触時間算出装置及び接触時間算出方法 | |
| KR101390466B1 (ko) | 이동로봇 및 레이저 스캐너가 고속으로 움직일 때 측정된 스캔 거리 데이터들의 동적 오차 보정 방법 및 이를 이용한 스캔 거리 데이터 측정 장치 | |
| WO2023083198A1 (zh) | 一种回波信号的处理方法、装置、设备及存储介质 | |
| CN111179351B (zh) | 一种参数标定方法及其装置、处理设备 | |
| CN114509744B (zh) | 一种激光雷达的测距检测率的评估方法、装置及设备 | |
| CN112014829B (zh) | 一种激光雷达扫描仪的性能指标测试方法与装置 | |
| CN111982124B (zh) | 基于深度学习的玻璃场景下三维激光雷达导航方法及设备 | |
| Kochi et al. | Introduction of all-around 3D modeling methods for investigation of plants | |
| CN113740876B (zh) | 三维激光雷达光路调节方法、装置和电子设备 | |
| Chen et al. | Heterogeneous multi-sensor calibration based on graph optimization | |
| CN114935747B (zh) | 一种激光雷达的标定方法、装置、设备及存储介质 | |
| CN114755666B (zh) | 点云膨胀的评估方法、装置及设备 | |
| CN115485582A (zh) | 用于识别激光雷达测量中的光晕的方法和装置 | |
| CN105571491A (zh) | 基于双目视觉的汽车底盘数据测量***及其方法 | |
| CN110515060B (zh) | 多线激光雷达反射率标定的方法 | |
| CN116592766A (zh) | 一种基于激光与单目视觉融合的精密三维测量方法和装置 | |
| Kühner et al. | Extrinsic multi sensor calibration under uncertainties | |
| Hu et al. | Highly accurate 3D reconstruction based on a precise and robust binocular camera calibration method | |
| Nguyen et al. | Calibrating setups with a single-point laser range finder and a camera | |
| CN113256734A (zh) | 一种车载感知传感器标定方法、***及电子设备 |
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 |