CN114332240A - 一种多传感器联合标定方法及标定装置 - Google Patents
一种多传感器联合标定方法及标定装置 Download PDFInfo
- Publication number
- CN114332240A CN114332240A CN202111595415.4A CN202111595415A CN114332240A CN 114332240 A CN114332240 A CN 114332240A CN 202111595415 A CN202111595415 A CN 202111595415A CN 114332240 A CN114332240 A CN 114332240A
- Authority
- CN
- China
- Prior art keywords
- target
- plane
- laser radar
- pose
- coordinate system
- 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
Links
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请提供了一种多传感器联合标定方法及标定装置,其中多传感器联合标定方法能够根据第一激光雷达和相机之间的相对位置关系,通过点云平面拟合的方法获得靶标平面在第一激光雷达坐标系中的平面实际位姿,又能够根据第一激光雷达和第二激光雷达之间的相对位置关系,获得靶标平面在第二激光雷达坐标系中的平面实际位姿,然后通过最小化法向量误差和平面距离误差的方法,获得相机和第一激光雷达的相对位姿标定结果以及第一激光雷达和第二激光雷达的相对位姿标定结果,实现了相机和激光雷达之间以及不同激光雷达之间的标定,实现了车辆中多传感器的联合标定。
Description
技术领域
本申请涉及车辆技术领域,特别涉及一种多传感器联合标定方法及标定装置。
背景技术
随着汽车行业的快速发展,车辆的自动驾驶技术快速发展起来。车辆的自动驾驶技术是一种通过电脑***实现车辆无人驾驶的技术。
其中,自动驾驶车辆的传感器作为自动驾驶***的重要组成部分,自动驾驶车辆传感器的标定是十分重要的。自动驾驶车辆需融合多个传感器的感知和观测结果,以实现对环境的感知、对车辆自身的定位、规划导航等功能。由于需要多个传感器进行融合和协作,这就需要对各个传感器的自身参数及相互之间的位置姿态参数进行标定。
目前,单个相机的内参标定、相机与相机间的外参标定均有相关已知技术。但是,在现有的标定方法中,激光雷达仅采用点云识别的方法,识别困难,精确度低,无法实现自动驾驶车辆的众多传感器之间的标定,例如相机和激光雷达之间的标定,不同激光雷达之间的标定。
发明内容
鉴于上述问题,本发明提供一种多传感器联合标定方法及标定装置,其能够实现相机和激光雷达之间以及不同激光雷达之间的标定。
第一方面,本发明提供了一种多传感器联合标定方法,其包括如下步骤:
利用相机采集车辆周身的图像数据,同时利用激光雷达采集车辆周身的点云数据;
利用图像数据计算靶标平面在相机坐标系中的位姿;
根据相机和第一激光雷达的相对位置,将靶标平面于相机坐标系下的位姿转换为于第一激光雷达坐标系下的位姿;
根据靶标平面在第一激光雷达坐标系下的位姿在第一激光雷达点云的对应位置,通过点云平面拟合方法获得靶标平面在第一激光雷达坐标系中的平面实际位姿;
根据第一激光雷达和第二激光雷达的相对位置,将靶标平面在第一激光雷达坐标系中的平面实际位姿转换为于第二激光雷达坐标系下的位姿;
根据靶标平面在第二激光雷达坐标系下的位姿于第二激光雷达点云的对应位置,通过点云平面拟合方法获得靶标平面在第二激光雷达坐标系中的平面实际位姿;
根据靶标平面在相机坐标系中的位姿以及靶标平面在第一激光雷达坐标系中的平面实际位姿,通过最小化两者的法向量误差和平面距离误差,以获得相机和第一激光雷达的相对位姿标定结果;根据靶标平面在第一激光雷达坐标系中的平面实际位姿以及靶标平面在第二激光雷达坐标系中的平面实际位姿,通过最小化两者的法向量误差和平面距离误差,以获得第一激光雷达和第二激光雷达的相对位姿标定结果。
在上述技术方案中,该多传感器联合标定方法能够根据第一激光雷达和相机之间的相对位置关系,通过点云平面拟合的方法获得靶标平面在第一激光雷达坐标系中的平面实际位姿,又能够根据第一激光雷达和第二激光雷达之间的相对位置关系,获得靶标平面在第二激光雷达坐标系中的平面实际位姿,然后通过最小化法向量误差和平面距离误差的方法,获得相机和第一激光雷达的相对位姿标定结果以及第一激光雷达和第二激光雷达的相对位姿标定结果,实现了相机和激光雷达之间以及不同激光雷达之间的标定,实现了车辆中多传感器的联合标定。
在一些实施例提供的多传感器联合标定方法中,在计算靶标平面在相机坐标系中的位姿的同时对相机的内部参数及畸变参数进行标定。
在一些实施例提供的多传感器联合标定方法中,计算靶标平面在相机坐标系中的位姿以及对相机的内部参数及畸变参数标定的步骤为:
在图像数据中检测和识别靶标,获取靶标的靶标轮廓线及内部特征点在靶标图像中的坐标位置;
根据靶标轮廓及内部特征点的坐标位置标定相机的内部参数和畸变参数。
在一些实施例提供的多传感器联合标定方法中,获取靶标图像及靶标的内部特征点在靶标图像中的坐标位置的方法为:
通过边缘提取与轮廓提取获取靶标图像的候选区域;
剔除非靶标图像的轮廓,以获得靶标轮廓;
提取靶标图像的内部特征点,以获取靶标图像的内部特征点在靶标图像中的坐标位置。
在一些实施例提供的多传感器联合标定方法中,在获取靶标图像的候选区域之前对图像数据进行二值化处理,以将靶标图像转换为黑白二值图像。
在一些实施例提供的多传感器联合标定方法中,在对图像数据进行二值化处理之前,对图像数据进行滤波。
在一些实施例提供的多传感器联合标定方法中,在获得相对位姿标定结果之前,对靶标平面在相机坐标系中的位姿、靶标平面在第一激光雷达坐标系中的平面实际位姿和靶标平面在第二激光雷达坐标系中的平面实际位姿进行筛选。
第二方面,本发明提供了一种多传感器联合标定装置,其包括:
车辆旋转机构,车辆旋转机构旋转设置于地面上,用于承载车辆;
多个靶标件,多个靶标件绕设于车辆旋转机构外侧的地面上,靶标件包括平面靶标和靶标支架,设有靶标图案的平面靶标角度可调地连接于靶标支架上。
在上述实施例中,车辆置于车辆旋转机构中转动时,车辆中的传感器对车辆旋转机构外侧的多个靶标件进行信息采集,以将采集的信息用于传感器的标定。
在一些实施例提供的多传感器联合标定装置中,靶标支架包括支撑杆、转动杆和安装平面,支撑杆立于地面,转动杆转动连接于支撑杆,安装平面转动连接于转动杆,平面靶标连接于安装平面。
在一些实施例提供的多传感器联合标定装置中,靶标图案包括靶标轮廓线和多个内部特征点,多个内部特征点布置于靶标轮廓线内侧。
本发明公开的实施例提供的技术方案至少带来以下有益效果:
本发明提供一种多传感器联合标定方法,该多传感器联合标定方法能够根据第一激光雷达和相机之间的相对位置关系,通过点云平面拟合的方法获得靶标平面在第一激光雷达坐标系中的平面实际位姿,又能够根据第一激光雷达和第二激光雷达之间的相对位置关系,获得靶标平面在第二激光雷达坐标系中的平面实际位姿,然后通过最小化法向量误差和平面距离误差的方法,获得相机和第一激光雷达的相对位姿标定结果以及第一激光雷达和第二激光雷达的相对位姿标定结果,实现了相机和激光雷达之间以及不同激光雷达之间的标定,实现了车辆中多传感器的联合标定。
本发明还提供一种多传感器联合标定装置,该多传感器联合标定装置包括车辆旋转机构和多个靶标件,用于承载车辆的车辆旋转机构旋转设置于地面,多个靶标件绕设于车辆旋转机构外侧,使得车辆跟随车辆旋转机构旋转时,能够采集周围的多个靶标件的信息用于后续的标定,方便了对靶标件信息的采集,有利于降低标定成本,节省标定时间。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为一些实施例的多传感器联合标定装置的俯视图;
图2是一些实施例的多传感器联合标定装置的靶标支架的结构示意图;
图3是一些实施例的多传感器联合标定装置的平面靶标的结构示意图;
图4是一些实施例的多传感器联合标定方法的流程图;
图5是图4中S2的流程图;
图6是图5中S21的流程图。
具体实施方式中的附图标号如下:
1、车辆旋转机构;
2、靶标件;21、平面靶标;211、靶标轮廓线;212、内部特征点;22、靶标支架;221、支撑杆;222、转动杆;223、安装平面。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
需要注意的是,除非另有说明,本申请实施例使用的技术术语或者科学术语应当为本申请实施例所属领域技术人员所理解的通常意义。
在本申请实施例的描述中,技术术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请实施例的限制。
此外,技术术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在本申请实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本申请实施例的描述中,除非另有明确的规定和限定,技术术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;也可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请实施例中的具体含义。
在本申请实施例的描述中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
目前,从市场形势的发展来看,车辆的自动化、智能化已经成为发展趋势,自动驾驶车辆将会被越来越广泛地得到应用。其中,自动驾驶车辆的正常运行离不开车辆中的传感器对外界环境的感知,特别是多个传感器对外界环境的综合感知。而为了保证传感器的正常工作以及准确性,传感器的标定对传感器的意义十分重大。
车辆传感器通常有相机和激光雷达,在现有技术中,对车辆传感器通常进行的是相机的标定,而由于激光雷达由于存在点云中特征点识别困难、精确度较低的问题,无法进行自动驾驶车辆的多传感器的标定,而采用人工标定的方法又使得过程繁琐。
为了解决车辆中多传感器的联合标定,申请人研究发现,发明了一种多传感器联合标定方法,该多传感器联合标定方法可以通过激光雷达和相机之间的相对位置关系,通过点云平面拟合的方法获得靶标平面在激光雷达坐标系中的平面实际位姿的方式准确识别点云中的特征点,使得激光雷达在点云中特征点识别准确,能够实现相机和激光雷达之间以及不同激光雷达之间的标定,从而实现自动驾驶车辆的众多传感器之间的标定。
本申请实施例公开的多传感器联合标定方法可以但不限用于车辆、船舶或飞行器等装置中。可以使用于具备通过本申请公开的多传感器联合标定方法标定的传感器的装置或***,这样,能够实现相机和激光雷达之间的标定以及不同激光雷达之间的标定,从而实现了多传感器之间的标定,避免了使用人工标定的方法,有利于简化标定过程,节省人力成本。
本申请实施例提供一种多传感器联合标定方法及标定装置,该多传感器联合标定方法及标定装置可以用于车辆、机器人、轮船、航天器和电动玩具等等。车辆可以是燃油汽车、燃气汽车或新能源汽车,新能源汽车可以是纯电动汽车、混合动力汽车或增程式汽车等;航天器包括飞机、火箭、航天飞机和宇宙飞船等等;电动玩具包括固定式或移动式的电动玩具,例如,电动汽车玩具、电动轮船玩具和电动飞机玩具等等。本申请实施例对上述使用多传感器联合标定方法的装置不做特殊限制。
下面结合附图并通过具体实施方式对发明所提供的一种多传感器联合标定方法及标定装置进行进一步说明。
本发明提供一种多传感器联合标定装置,如图1所示,该多传感器联合标定装置包括车辆旋转机构1和多个靶标件2,车辆旋转机构1旋转设置于地面上,用于承载车辆,车辆旋转机构1能够承载车辆转动,多个靶标件2绕设于车辆旋转机构1外侧的地面上,使得车辆在随车辆旋转机构1转动时,能够在多个靶标件2之间转动,以便车辆中的传感器能够完成地采集多个靶标件2的信息。在一些实施例中,多个靶标件2以不同的远近距离绕设于车辆旋转机构1外侧的地面上,也就是说多个靶标件2距车辆旋转机构1的距离各不相同,以便车辆中的传感器能够采集到不同距离的靶标件2的信息,便于为后续传感器的标定提供充足的数据信息。
通过上述结构,该多传感器联合标定装置能够采集周围的多个靶标件2的信息用于后续的标定,方便了对靶标件2信息的采集,有利于降低标定成本,节省标定时间
在一些实施例中,如图2-图3所示,靶标件2包括平面靶标21和靶标支架22,平面靶标21上设有靶标图案,平面靶标21连接于靶标支架22上,靶标支架22立于地面上对平面靶标21进行支撑,车辆中的传感器能够对靶标支架22上的平面靶标21中的靶标图案进行信息采集。
优选地,平面靶标21角度可调地连接于靶标支架22上,使得平面靶标21能够以不同的角度姿态安装于靶标支架22上,使得车辆中的传感器能够对靶标支架22上的平面靶标21进行不同角度姿态的信息采集,便于为后续传感器的标定提供充足的数据信息。
具体地,如图2所示,靶标支架22包括支撑杆221、转动杆222和安装平面223,支撑杆221立于地面,转动杆222转动连接于支撑杆221,安装平面223转动连接于转动杆222,平面靶标21安装于安装平面223上。由于转动杆222转动连接于支撑杆221,转动杆222上的安装平面223能够随转动杆222绕支撑杆221转动,同时安装平面223能够相对于转动杆222转动,使得安装平面223上的平面靶标21能够进行多自由度的姿态调节,使得平面靶标21的姿态调节方便。
进一步地,支撑杆221上设有转轴,转动杆222通过转轴转动连接于支撑杆221上,使得转动杆222相对于支撑杆221转动顺畅。转动杆222用于连接安装平面223的端部设有铰支座,安装平面223通过铰支座转动连接于转动杆222上,使得安装平面223能够相对于转动杆222转动。通过上述结构,安装于安装平面223上的平面靶标21能够随安装平面223一起进行多自由度的姿态调节,使得平面靶标21的姿态调节方便。
在一些实施例中,靶标支架22还包括支座,支座连接于支撑杆221的底部,支撑杆221能够通过支座立于地面上。优选地,支座的底面上设有滚轮,使得靶标支架22能够通过滚轮方便地移动,便于该靶标件2的移动和布置。
在本实施例中,如图3所示,靶标图案包括靶标轮廓线211和多个内部特征点212,靶标轮廓线211为首尾相连的封闭线框,多个内部特征点212布置于靶标轮廓线211内侧,靶标轮廓线211和多个内部特征点212共同构成平面靶标21内部的视觉特征,便于后续传感器采集和识别平面靶标21内部的视觉特征。
具体地,本实施例中的靶标轮廓线211为矩形,便于传感器进行数据采集和识别。可以理解地,靶标轮廓线211还可以为圆形、椭圆形、三角形、多边形等形状,本领域技术人员可以根据实际情况对靶标轮廓线211的形状进行选择。内部特征点212可以为圆形的圆心、棋盘格的角点或二维码的角点,本领域技术人员可以根据实际情况对内部特征点212的形状进行选择,只要内部特征点212便于被传感器采集和识别即可。进一步地,内部特征点212呈横竖方向的阵列排布,便于内部特征点212在靶标轮廓线211中的布置。
可以理解的是,车辆旋转机构1包括转台和驱动部件,转台转动设置于地面上,用于承载车辆,驱动部件与转台传动连接,驱动部件能够带动转台转动。驱动部件可以是电动机、内燃机、液压马达等动力输出部件,本领域技术人员可以根据实际情况进行选择。
本发明提供一种多传感器联合标定方法,如图4所示,该多传感器联合标定方法包括如下步骤:
S1.利用相机采集车辆周身的图像数据,同时利用激光雷达采集车辆周身的点云数据。
也就是说,车辆置于转台上后,在车辆随车辆旋转机构1转动的过程中,车辆上的传感器相机采集车辆周身的图像数据,车辆上的传感器激光雷达采集车辆周身的点云数据。
S2.利用图像数据计算靶标平面在相机坐标系中的位姿,同时对相机的内部参数及畸变参数进行标定。
也就是说,对采集到的图像数据进行处理和计算,在得到靶标平面在相机坐标系中的位姿的同时对相机的内部参数及畸变参数进行标定。如图5所示,具体步骤如下:
S21.在图像数据中检测和识别靶标,获取靶标轮廓线211及内部特征点212在靶标图像中的坐标位置。
也就是说。在相机采集到的图像数据中检测识别出靶标图案的图像作为靶标图像,然后获取靶标轮廓线211及内部特征点212在靶标图像中的坐标位置。如图6所示,具体方法为:
S211.对图像数据进行滤波。
也就是说,对相机采集的图像数据进行滤波,是实现对图像的噪点的平滑处理。
S212.对图像数据进行二值化处理,以将靶标图像转换为黑白二值图像。
即,对图像数据进行二值化处理,将图像中的灰度值设置为0或255,以将靶标图像转换为只有黑或白的二值图像。
S213.通过边缘提取与轮廓提取获取靶标图像的候选区域。
也就是说,先对获得的靶标图案的边缘和轮廓进行提取,以获取靶标图像的候选区域。
S214.剔除非靶标图像的轮廓,以获得靶标轮廓。
也就是说,通过人工筛选的方式对靶标图像的轮廓进行筛选,剔除非靶标图像的轮廓,最终获得多个靶标轮廓。可以理解的是,靶标图像的轮廓进行筛选也可以由计算机按照预设规则进行,本领域技术人员可以根据实际情况对具体的筛选方式进行选择。
S215.提取靶标图像的内部特征点212,以获取靶标的内部特征点212在靶标图像中的坐标位置。
也就是说,获得靶标轮廓后再对靶标图像的内部特征点212进行检测提取,以获得靶标图像的内部特征点212在靶标图像中的坐标位置。
S22.根据多个靶标轮廓及内部特征点212的坐标位置,计算靶标平面在相机坐标系中的位姿,同时标定相机的内部参数和畸变参数。
也就是说,根据多个靶标轮廓以及靶标轮廓内侧的内部特征点212的坐标位置,计算靶标平面在相机坐标系中的位姿,同时对相机的内部参数和畸变参数进行标定。
S3.根据相机和第一激光雷达的相对位置,将靶标平面于相机坐标系下的位姿转换为于第一激光雷达坐标系下的位姿。
也就是说,根据车辆安装制造时获得的相机和第一激光雷达的相对位置,将靶标平面于相机坐标系下的位姿转换为于第一激光雷达坐标系下的位姿。
S4.根据靶标平面在第一激光雷达坐标系下的位姿在第一激光雷达点云中的对应位置,通过点云平面拟合方法获得靶标平面在第一激光雷达坐标系中的平面实际位姿。
即,依据靶标平面在第一激光雷达坐标系下的位姿在第一激光雷达点云中的对应位置坐标,通过点云平面拟合的方法拟合得到靶标平面在第一激光雷达坐标系中的平面实际位姿。
S5.根据第一激光雷达和第二激光雷达的相对位置,将靶标平面于第一激光雷达坐标系中的平面实际位姿转换为于第二激光雷达坐标系下的位姿。
也就是说,根据车辆安装制造时获得的第一激光雷达和第二激光雷达的相对位置,将靶标平面于第一激光雷达坐标系下的位姿转换为于第二激光雷达坐标系下的位姿。
S6.根据靶标平面在第二激光雷达坐标系下的位姿在第二激光雷达点云中的对应位置,通过点云平面拟合方法获得靶标平面在第二激光雷达坐标系中的平面实际位姿。
即,依据靶标平面在第二激光雷达坐标系下的位姿在第二激光雷达点云中的对应位置坐标,通过点云平面拟合的方法拟合得到靶标平面在第二激光雷达坐标系中的平面实际位姿。
S7.对靶标平面在相机坐标系中的位姿、靶标平面在第一激光雷达坐标系中的平面实际位姿和靶标平面在第二激光雷达坐标系中的平面实际位姿进行筛选。
也就是说,通过人工筛选的方式对靶标平面在相机坐标系中的位姿、靶标平面在第一激光雷达坐标系中的平面实际位姿和靶标平面在第二激光雷达坐标系中的平面实际位姿进行筛选,以将不准确的位姿在相应的坐标系中去除,以保证后续标定结果的准确性。优选地,在进行人工筛选之前,可以通过图像可视化界面和点云可视化界面将靶标平面在相机中的标识别结果和靶标平面在激光雷达中的标识别结果实时显示。
S8.根据靶标平面在相机坐标系中的位姿以及靶标平面在第一激光雷达坐标系中的平面实际位姿,通过最小化两者的法向量误差和平面距离误差,以获得相机和第一激光雷达的相对位姿标定结果;根据靶标平面在第一激光雷达坐标系中的平面实际位姿以及靶标平面在第二激光雷达坐标系中的平面实际位姿,通过最小化两者的法向量误差和平面距离误差,以获得第一激光雷达和第二激光雷达的相对位姿标定结果。
即,分别获得靶标平面在相机坐标系中的位姿的法向量、靶标平面在第一激光雷达坐标系中的平面实际位姿的法向量、靶标平面在相机坐标系中的位姿与在第一激光雷达坐标系中的平面实际位姿之间的平面距离,通过对两者法向量误差和平面距离误差的最小化处理(以两者法向量误差最小、平面距离误差最小为目的),获得相机和第一激光雷达的相对位姿标定结果;分别获得靶标平面在第一激光雷达坐标系中的平面实际位姿的法向量、靶标平面在第二激光雷达坐标系中的平面实际位姿的法向量、靶标平面在第一激光雷达坐标系中的平面实际位姿与在第二激光雷达坐标系中的平面实际位姿之间的平面距离,通过对两者法向量误差和平面距离误差的最小化处理(以两者法向量误差最小、平面距离误差最小为目的),获得第一激光雷达和第二激光雷达的相对位姿标定结果。
需要说明的是,本实施例中的法向量误差最小为两个法向量的乘积为1,平面距离误差最小为两个平面距离为0。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例技术方案的范围,其均应涵盖在本申请的权利要求和说明书的范围当中。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本申请并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种多传感器联合标定方法,其特征在于,包括:
利用相机采集车辆周身的图像数据,同时利用激光雷达采集所述车辆周身的点云数据;
利用所述图像数据计算靶标平面在相机坐标系中的位姿;
根据所述相机和第一激光雷达的相对位置,将所述靶标平面于所述相机坐标系下的位姿转换为于第一激光雷达坐标系下的位姿;
根据所述靶标平面在所述第一激光雷达坐标系下的位姿在所述第一激光雷达点云的对应位置,通过点云平面拟合方法获得所述靶标平面在所述第一激光雷达坐标系中的平面实际位姿;
根据所述第一激光雷达和第二激光雷达的相对位置,将所述靶标平面在所述第一激光雷达坐标系中的平面实际位姿转换为于第二激光雷达坐标系下的位姿;
根据所述靶标平面在所述第二激光雷达坐标系下的位姿于所述第二激光雷达点云的对应位置,通过点云平面拟合方法获得所述靶标平面在所述第二激光雷达坐标系中的平面实际位姿;
根据所述靶标平面在所述相机坐标系中的位姿以及所述靶标平面在所述第一激光雷达坐标系中的平面实际位姿,通过最小化两者的法向量误差和平面距离误差,以获得所述相机和所述第一激光雷达的相对位姿标定结果;根据所述靶标平面在所述第一激光雷达坐标系中的平面实际位姿以及所述靶标平面在所述第二激光雷达坐标系中的平面实际位姿,通过最小化两者的法向量误差和平面距离误差,以获得所述第一激光雷达和所述第二激光雷达的相对位姿标定结果。
2.根据权利要求1所述的多传感器联合标定方法,其特征在于,在计算所述靶标平面在所述相机坐标系中的位姿的同时对所述相机的内部参数及畸变参数进行标定。
3.根据权利要求2所述的多传感器联合标定方法,其特征在于,计算所述靶标平面在所述相机坐标系中的位姿以及对所述相机的内部参数及畸变参数标定的步骤为:
在所述图像数据中检测和识别靶标,获取所述靶标的靶标轮廓线(211)及内部特征点(212)在靶标图像中的坐标位置;
根据所述靶标轮廓及所述内部特征点(212)的坐标位置标定所述相机的所述内部参数和所述畸变参数。
4.根据权利要求3所述的多传感器联合标定方法,其特征在于,获取所述靶标图像及所述靶标的内部特征点(212)在所述靶标图像中的坐标位置的方法为:
通过边缘提取与轮廓提取获取所述靶标图像的候选区域;
剔除非所述靶标图像的轮廓,以获得所述靶标轮廓;
提取所述靶标图像的内部特征点(212),以获取所述靶标图像的内部特征点(212)在所述靶标图像中的坐标位置。
5.根据权利要求4所述的多传感器联合标定方法,其特征在于,在获取所述靶标图像的候选区域之前对所述图像数据进行二值化处理,以将所述靶标图像转换为黑白二值图像。
6.根据权利要求5所述的多传感器联合标定方法,其特征在于,在对所述图像数据进行二值化处理之前,对所述图像数据进行滤波。
7.根据权利要求1所述的多传感器联合标定方法,其特征在于,在获得相对位姿标定结果之前,对所述靶标平面在所述相机坐标系中的位姿、所述靶标平面在所述第一激光雷达坐标系中的平面实际位姿和所述靶标平面在所述第二激光雷达坐标系中的平面实际位姿进行筛选。
8.一种标定装置,其特征在于,用于实现如权利要求1至7中任一项所述的多传感器联合标定方法,该标定装置包括:
车辆旋转机构(1),所述车辆旋转机构(1)旋转设置于地面上,用于承载车辆;
多个靶标件(2),多个所述靶标件(2)绕设于所述车辆旋转机构(1)外侧的地面上,所述靶标件(2)包括平面靶标(21)和靶标支架(22),设有靶标图案的所述平面靶标(21)角度可调地连接于所述靶标支架(22)上。
9.根据权利要求8所述的标定装置,其特征在于,所述靶标支架(22)包括支撑杆(221)、转动杆(222)和安装平面(223),所述支撑杆(221)立于地面,所述转动杆(222)转动连接于所述支撑杆(221),所述安装平面(223)转动连接于所述转动杆(222),所述平面靶标(21)连接于所述安装平面(223)。
10.根据权利要求8所述的标定装置,其特征在于,所述靶标图案包括靶标轮廓线(211)和多个内部特征点(212),多个所述内部特征点(212)布置于所述靶标轮廓线(211)内侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111595415.4A CN114332240A (zh) | 2021-12-23 | 2021-12-23 | 一种多传感器联合标定方法及标定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111595415.4A CN114332240A (zh) | 2021-12-23 | 2021-12-23 | 一种多传感器联合标定方法及标定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332240A true CN114332240A (zh) | 2022-04-12 |
Family
ID=81012569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111595415.4A Pending CN114332240A (zh) | 2021-12-23 | 2021-12-23 | 一种多传感器联合标定方法及标定装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332240A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024149170A1 (zh) * | 2023-01-09 | 2024-07-18 | 合众新能源汽车股份有限公司 | 一种激光标定的方法、装置、***、设备及介质 |
-
2021
- 2021-12-23 CN CN202111595415.4A patent/CN114332240A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024149170A1 (zh) * | 2023-01-09 | 2024-07-18 | 合众新能源汽车股份有限公司 | 一种激光标定的方法、装置、***、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110370286B (zh) | 基于工业机器人和单目相机的定轴运动刚体空间位置识别方法 | |
CN109100741B (zh) | 一种基于3d激光雷达及图像数据的目标检测方法 | |
EP3435282B1 (en) | Laser speckle system for an aircraft | |
CN110148185B (zh) | 确定成像设备坐标系转换参数的方法、装置和电子设备 | |
EP1903303B1 (en) | Surveying method, surveying system and surveying data processing program | |
CN101839692B (zh) | 单相机测量物体三维位置与姿态的方法 | |
CN103065323B (zh) | 一种基于单应性变换矩阵的分段空间对准方法 | |
CN106625673A (zh) | 狭小空间装配***及装配方法 | |
CN113155047B (zh) | 长距离孔距测量装置、方法、存储介质、设备及轨道车辆 | |
JP4132068B2 (ja) | 画像処理装置及び三次元計測装置並びに画像処理装置用プログラム | |
WO2021081958A1 (zh) | 地形检测方法、可移动平台、控制设备、***及存储介质 | |
CN114332240A (zh) | 一种多传感器联合标定方法及标定装置 | |
EP3924794B1 (en) | Autonomous mobile aircraft inspection system | |
CN114488094A (zh) | 一种车载多线激光雷达与imu外参数自动标定方法及装置 | |
CN113702384A (zh) | 一种回转构件表面缺陷检测装置、检测方法及标定方法 | |
CN114754779B (zh) | 一种定位与建图方法、装置及电子设备 | |
CN111275770A (zh) | 基于一维靶标旋转运动的四目立体视觉***全局标定方法 | |
CN114862908A (zh) | 一种基于深度相机的动态目标追踪方法与*** | |
CN114723184A (zh) | 一种基于视觉感知的风力发电机测量方法、装置以及设备 | |
CN115267756A (zh) | 一种基于深度学习目标检测的单目实时测距方法 | |
EP3060879B1 (en) | Optical device and method for wheel alignment | |
CN113910265A (zh) | 巡检机器人智能巡检方法及*** | |
CN111815560A (zh) | 光伏电站故障检测方法、装置、便携检测设备及存储介质 | |
US20230145082A1 (en) | System and method for automated extrinsic calibration of lidars, cameras, radars and ultrasonic sensors on vehicles and robots | |
CN116664698B (zh) | 车载双目相机与gnss/imu的自动标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |