CN109061610A - 一种摄像头与雷达的联合标定方法 - Google Patents
一种摄像头与雷达的联合标定方法 Download PDFInfo
- Publication number
- CN109061610A CN109061610A CN201811058926.0A CN201811058926A CN109061610A CN 109061610 A CN109061610 A CN 109061610A CN 201811058926 A CN201811058926 A CN 201811058926A CN 109061610 A CN109061610 A CN 109061610A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- coordinate system
- radar
- data set
- 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
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
- G01S7/4972—Alignment of sensor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种摄像头和激光雷达的联合标定方法，该方法包括利用参照物标定激光雷达的标定方法，利用视频的自适应摄像头标定方法，分别标定摄像头与激光雷达，得到它们的内参和外参，建立一套坐标系转换关系。本发明简化了传统的摄像头和激光雷达的联合标定方法，提高了标定的准确性。
Description
技术领域
本发明属于车载传感器标定领域，具体涉及到一种摄像头和激光雷达的联合标定方法的实现方法。
背景技术
随着技术的发展，汽车的安全技术渐渐由主动安全技术与被动安全技术转向二者相互融合的一体化安全技术。多种传感器相互配合，能够提高车辆与环境之间的联系，提高汽车的安全性能。在智能驾驶方向，摄像头和激光雷达的相互联系能够大大提高车辆前方目标定位的精确度。然而摄像头与激光雷达分别属于不同的坐标系，因此要使得摄像头与激光雷达能够相互联系，需要分别标定摄像头与激光雷达，得到它们的内参和外参，建立一套坐标系转换关系。
发明内容
本发明针对现有技术的不足，提供了一种摄像头和激光雷达的联合标定方法，该方法利用利用车辆表面选取的若干组对称点，找出车身对称面，依据找出的对称面，利用在车辆正前方20m和30m处放置等腰梯形立体标靶，调整激光雷达所处平面的法向量与车身对称面平行。摄像头标定采用基于实时视频的标定方法。摄像头采集20帧不同的棋盘格图像作为初始图像数据集，通过误差分析，替换更新数据集中的图像。使用最后得到的图像数据集，计算得到摄像头的光轴偏移量、焦距、镜头畸变参数等内参数。然后，在摄像头前设置水平和横向标志物，通过摄像头测量标志物，将摄像头的水平角度和横摆角度调零。采用消失点标定法得到摄像头的安装高度和俯仰角。完成摄像头和雷达的标定后，建立雷达坐标系与摄像头图像坐标系的转换关系，完成联合标定。
为实现上述目的，本发明的技术方案为一种摄像头和激光雷达的联合标定方法，包括以下步骤：
S10，雷达标定，将等腰梯形标靶竖直放置在距离车辆20m和30m处的水平地面上，激光雷达通过扫描等腰梯形的标靶建立俯仰角与安装高度的约束方程，得到雷达的俯仰角与安装高度；调整雷达横摆角度，分别测量两处立体标靶的横向距离，当调整到距离差的绝对值最小时完成雷达标定；
S20，摄像头标定，将摄像头安装在车辆前挡风玻璃处，进行摄像头的标定。
优选地，所述S20摄像头标定具体包括以下步骤：
S21，用摄像头拍摄一段不同距离和角度的棋盘格视频，设图像初始数据集的容量为20；当初始数据集中图像张数为0时，计算视频的当前帧图像的方差，直方图等信息，若信息与棋盘格图像相似，则认为该帧图像为棋盘格图像，并放入数据集中；当初始数据集中图像张数不为0时，将视频的当前帧图像与初始图像数据集中的图像应用感知哈希算法相比较似度；若相似度大于设定的阈值则舍弃该图像，若相似度小于设定的阈值，则将该图像加入图像初始数据集中；重复S21直到图像初始数据集的容量达到设定的大小；
S22，计算现有的图像数据集中每帧图像的误差，得到误差最大的图像和数据集的平均误差；将摄像头获取到的当前帧图像替换误差最大的图像，并计算新的图像数据集中每帧图像的误差，得到误差最大的图像和数据集的平均误差；若平均误差减小，则维持替换；若平均误差加大，则撤销替换；重复S22，直到平均误差小于设定的阈值时完成图像数据集采集过程；
S23，利用得到的图像数据集，采用张正友标定方法，计算得到摄像头的光轴偏移量、焦距、镜头畸变参数等内参数，完成摄像头内参标定；
S24，用摄像头拍摄车辆正前方20m和30m处放置的垂直立体标靶和水平放置的立体标靶，调零摄像头的水平角和横摆角；
S25，用摄像头拍摄车辆前方互相平行的车道线，利用车道线延长线的交点即消失点，标定摄像头的安装高度和俯仰角。
优选地，所述相似度比较算法包括以下步骤：
S211，将RGB图像转换为灰度图像；
S212，将图像resize到固定尺寸为8*8；
S213，计算图像的平均灰度值；
S214，比较图像各像素值与平均灰度值的大小，若大于则记为1，小于则记为0，按一定的顺序排列成64位二进制编码；
S215，比较两幅图像的二进制编码来计算相似度。
优选地，所述S20后，还包括建立雷达投影坐标系Oxrwyrwzrw与摄像头投影坐标系Oxcwycwzcw，图像坐标系Oxpyp，其中xrw,xcw,xp指向车身右侧， yrw,ycw指向车辆前进方向，zrw,zcw为竖直朝上方向，yp为竖直朝下方向；原点分别为雷达探测中心点在地面上的投影点和摄像头光心在地面的投影点，图像坐标系的原点在图像的左上角，摄像头坐标系为Oxcyczc；并根据小孔成像原理，得到摄像头坐标系与图像坐标系之间的关系，通过平移和旋转，得到摄像头坐标系与摄像头投影坐标系之间的转换关系；再根据两者关系，得到图像坐标系到摄像头投影坐标系之间的转换公式；通过平移得到雷达投影坐标系和摄像头投影坐标系之间的关系；由上述关系，得到雷达投影坐标系中任意一点转换到图像坐标系中的转换关系，完成摄像头与雷达的联合标定。
本发明的有益效果如下：
实现了一种摄像头和激光雷达的联合标定方法，通过采用立体标靶标定激光雷达，采用视频自适应方式标定摄像头，并建立两套坐标系的映射关系。利用参照物标定激光雷达的标定方法，利用视频的自适应摄像头标定方法，分别标定摄像头与激光雷达，得到它们的内参和外参，建立一套坐标系转换关系，简化了传统的摄像头和激光雷达的联合标定方法，提高了标定的准确性。
附图说明
图1为本发明实施例的摄像头和激光雷达的联合标定方法的步骤流程图；
图2为本发明实施例的摄像头和激光雷达的联合标定方法中S20的具体步骤流程图；
图3为本发明实施例的摄像头和激光雷达的联合标定方法中S21的具体步骤流程图；
图4为本发明实施例的摄像头和激光雷达的联合标定方法中S10中等腰梯形立体标靶图；
图5为本发明实施例的摄像头和激光雷达的联合标定方法中雷达投影坐标系、摄像头坐标系和图像坐标系结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
参见图1-3，为本发明实施例的本发明的技术方案为摄像头和激光雷达的联合标定方法的步骤流程图，包括以下步骤：
S10，雷达标定，将等腰梯形标靶竖直放置在距离车辆20m和30m处的水平地面上，激光雷达通过扫描等腰梯形的标靶建立俯仰角与安装高度的约束方程，得到雷达的俯仰角与安装高度；调整雷达横摆角度，分别测量两处立体标靶的横向距离，当调整到距离差的绝对值最小时完成雷达标定；
S20，摄像头标定，将摄像头安装在车辆前挡风玻璃处，进行摄像头的标定。
S20的具体步骤为S21，用摄像头拍摄一段不同距离和角度的棋盘格视频，设图像初始数据集的容量为20；当初始数据集中图像张数为0时，计算视频的当前帧图像的方差，直方图等信息，若信息与棋盘格图像相似，则认为该帧图像为棋盘格图像，并放入数据集中；当初始数据集中图像张数不为0时，将视频的当前帧图像与初始图像数据集中的图像应用感知哈希算法相比较似度；相似度比较算法包括以下步骤：
S211，将RGB图像转换为灰度图像；
S212，将图像resize到固定尺寸为8*8；
S213，计算图像的平均灰度值；
S214，比较图像各像素值与平均灰度值的大小，若大于则记为1，小于则记为0，按一定的顺序排列成64位二进制编码；
S215，比较两幅图像的二进制编码来计算相似度。
若相似度大于设定的阈值则舍弃该图像，若相似度小于设定的阈值，则将该图像加入图像初始数据集中；重复S21直到图像初始数据集的容量达到设定的大小；
S22，计算现有的图像数据集中每帧图像的误差，得到误差最大的图像和数据集的平均误差；将摄像头获取到的当前帧图像替换误差最大的图像，并计算新的图像数据集中每帧图像的误差，得到误差最大的图像和数据集的平均误差；若平均误差减小，则维持替换；若平均误差加大，则撤销替换；重复S22，直到平均误差小于设定的阈值时完成图像数据集采集过程；
S23，利用得到的图像数据集，采用张正友标定方法，计算得到摄像头的光轴偏移量、焦距、镜头畸变参数等内参数，完成摄像头内参标定；
S24，用摄像头拍摄车辆正前方20m和30m处放置的垂直立体标靶和水平放置的立体标靶，调零摄像头的水平角和横摆角；
S25，用摄像头拍摄车辆前方互相平行的车道线，利用车道线延长线的交点即消失点，标定摄像头的安装高度和俯仰角。
在具体实施例中，在S20后，还包括建立雷达投影坐标系Oxrwyrwzrw与摄像头投影坐标系Oxcwycwzcw，图像坐标系Oxpyp，其中xrw,xcw,xp指向车身右侧，yrw,ycw指向车辆前进方向，zrw,zcw为竖直朝上方向，yp为竖直朝下方向；原点分别为雷达探测中心点在地面上的投影点和摄像头光心在地面的投影点，图像坐标系的原点在图像的左上角，摄像头坐标系为Oxcyczc；并根据小孔成像原理，得到摄像头坐标系与图像坐标系之间的关系，通过平移和旋转，得到摄像头坐标系与摄像头投影坐标系之间的转换关系；再根据两者关系，得到图像坐标系到摄像头投影坐标系之间的转换公式；通过平移得到雷达投影坐标系和摄像头投影坐标系之间的关系；由上述关系，得到雷达投影坐标系中任意一点转换到图像坐标系中的转换关系，完成摄像头与雷达的联合标定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种摄像头和激光雷达的联合标定方法，其特征在于，包括以下步骤：
S10，雷达标定，将等腰梯形标靶竖直放置在距离车辆20m和30m处的水平地面上，激光雷达通过扫描等腰梯形的标靶建立俯仰角与安装高度的约束方程，得到雷达的俯仰角与安装高度；调整雷达横摆角度，分别测量两处立体标靶的横向距离，当调整到距离差的绝对值最小时完成雷达标定；
S20，摄像头标定，将摄像头安装在车辆前挡风玻璃处，进行摄像头的标定。
2.根据权利要求1所述的方法，其特征在于，所述S20摄像头标定具体包括以下步骤：
S21，用摄像头拍摄一段不同距离和角度的棋盘格视频，设图像初始数据集的容量为20；当初始数据集中图像张数为0时，计算视频的当前帧图像的方差，直方图等信息，若信息与棋盘格图像相似，则认为该帧图像为棋盘格图像，并放入数据集中；当初始数据集中图像张数不为0时，将视频的当前帧图像与初始图像数据集中的图像应用感知哈希算法相比较似度；若相似度大于设定的阈值则舍弃该图像，若相似度小于设定的阈值，则将该图像加入图像初始数据集中；重复S21直到图像初始数据集的容量达到设定的大小；
S22，计算现有的图像数据集中每帧图像的误差，得到误差最大的图像和数据集的平均误差；将摄像头获取到的当前帧图像替换误差最大的图像，并计算新的图像数据集中每帧图像的误差，得到误差最大的图像和数据集的平均误差；若平均误差减小，则维持替换；若平均误差加大，则撤销替换；重复S22，直到平均误差小于设定的阈值时完成图像数据集采集过程；
S23，利用得到的图像数据集，采用张正友标定方法，计算得到摄像头的光轴偏移量、焦距、镜头畸变参数等内参数，完成摄像头内参标定；
S24，用摄像头拍摄车辆正前方20m和30m处放置的垂直立体标靶和水平放置的立体标靶，调零摄像头的水平角和横摆角；
S25，用摄像头拍摄车辆前方互相平行的车道线，利用车道线延长线的交点即消失点，标定摄像头的安装高度和俯仰角。
3.根据权利要求2所述的方法，其特征在于，所述相似度比较算法包括以下步骤：
S211，将RGB图像转换为灰度图像；
S212，将图像resize到固定尺寸为8*8；
S213，计算图像的平均灰度值；
S214，比较图像各像素值与平均灰度值的大小，若大于则记为1，小于则记为0，按一定的顺序排列成64位二进制编码；
S215，比较两幅图像的二进制编码来计算相似度。
4.根据权利要求1所述的方法，其特征在于，所述S20后，还包括建立雷达投影坐标系与摄像头投影坐标系图像坐标系其中xrw,xcw,xp指向车身右侧，yrw,ycw指向车辆前进方向，zrw,zcw为竖直朝上方向，yp为竖直朝下方向；原点分别为雷达探测中心点在地面上的投影点和摄像头光心在地面的投影点，图像坐标系的原点在图像的左上角，摄像头坐标系为并根据小孔成像原理，得到摄像头坐标系与图像坐标系之间的关系，通过平移和旋转，得到摄像头坐标系与摄像头投影坐标系之间的转换关系；再根据两者关系，得到图像坐标系到摄像头投影坐标系之间的转换公式；通过平移得到雷达投影坐标系和摄像头投影坐标系之间的关系；由上述关系，得到雷达投影坐标系中任意一点转换到图像坐标系中的转换关系，完成摄像头与雷达的联合标定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811058926.0A CN109061610A (zh) | 2018-09-11 | 2018-09-11 | 一种摄像头与雷达的联合标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811058926.0A CN109061610A (zh) | 2018-09-11 | 2018-09-11 | 一种摄像头与雷达的联合标定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109061610A true CN109061610A (zh) | 2018-12-21 |
Family
ID=64760271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811058926.0A Pending CN109061610A (zh) | 2018-09-11 | 2018-09-11 | 一种摄像头与雷达的联合标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109061610A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949372A (zh) * | 2019-03-18 | 2019-06-28 | 北京智行者科技有限公司 | 一种激光雷达与视觉联合标定方法 |
| CN110310339A (zh) * | 2019-07-04 | 2019-10-08 | 厦门金龙联合汽车工业有限公司 | 一种标定装置及一种雷达与摄像头联合标定方法及系统 |
| CN110322519A (zh) * | 2019-07-18 | 2019-10-11 | 天津大学 | 一种用于激光雷达与相机联合标定的标定装置及标定方法 |
| CN110389041A (zh) * | 2019-07-03 | 2019-10-29 | 华人运通(上海)自动驾驶科技有限公司 | 车辆的环视与超声波的集成系统的测试系统及方法 |
| CN110490936A (zh) * | 2019-07-15 | 2019-11-22 | 杭州飞步科技有限公司 | 车辆摄像头的标定方法、装置、设备及可读存储介质 |
| CN110703230A (zh) * | 2019-10-15 | 2020-01-17 | 西安电子科技大学 | 激光雷达与摄像头之间的位置标定方法 |
| CN111223150A (zh) * | 2020-01-15 | 2020-06-02 | 电子科技大学 | 一种基于双消失点的车载摄像头外参数标定方法 |
| 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 |
| CN111507916A (zh) * | 2020-04-15 | 2020-08-07 | 南京富尔登科技发展有限公司 | 一种流水线上物品对象稳定图像获取方法 |
| CN111627066A (zh) * | 2019-02-27 | 2020-09-04 | 南京地平线机器人技术有限公司 | 一种摄像头的外参数调整方法及装置 |
| CN112255623A (zh) * | 2020-10-29 | 2021-01-22 | 广东杜尼智能机器人工程技术研究中心有限公司 | 扫地车多线激光雷达自动标定方法 |
| WO2021057612A1 (zh) * | 2019-09-25 | 2021-04-01 | 华为技术有限公司 | 传感器的标定方法和装置 |
| CN113256734A (zh) * | 2021-05-20 | 2021-08-13 | 东风汽车集团股份有限公司 | 一种车载感知传感器标定方法、系统及电子设备 |
| WO2021226774A1 (zh) * | 2020-05-11 | 2021-11-18 | 深圳中科飞测科技有限公司 | 转换关系的获取方法、检测设备及检测方法 |
| CN114399558A (zh) * | 2022-01-11 | 2022-04-26 | 南京慧尔视软件科技有限公司 | 一种球机的标定方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1619593A (zh) * | 2004-12-09 | 2005-05-25 | 上海交通大学 | 基于多特征信息融合的视频运动目标自适应跟踪方法 |
| CN106570546A (zh) * | 2016-10-18 | 2017-04-19 | 网易（杭州）网络有限公司 | 一种编码图案的生成、识别方法及装置 |
| CN107993264A (zh) * | 2017-11-17 | 2018-05-04 | 广州市安晓科技有限责任公司 | 一种汽车环视全景的标定方法 |
| CN108268811A (zh) * | 2018-01-15 | 2018-07-10 | 深圳市易成自动驾驶技术有限公司 | 图像处理方法、装置及计算机可读存储介质 |
-
2018
- 2018-09-11 CN CN201811058926.0A patent/CN109061610A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1619593A (zh) * | 2004-12-09 | 2005-05-25 | 上海交通大学 | 基于多特征信息融合的视频运动目标自适应跟踪方法 |
| CN106570546A (zh) * | 2016-10-18 | 2017-04-19 | 网易（杭州）网络有限公司 | 一种编码图案的生成、识别方法及装置 |
| CN107993264A (zh) * | 2017-11-17 | 2018-05-04 | 广州市安晓科技有限责任公司 | 一种汽车环视全景的标定方法 |
| CN108268811A (zh) * | 2018-01-15 | 2018-07-10 | 深圳市易成自动驾驶技术有限公司 | 图像处理方法、装置及计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 李京如等: "基于变换域的纹理防伪标签自动识别技术", 《知识产权出版社》 * |
| 罗逍等: "一种毫米波雷达和摄像头联合标定方法", 《清华大学学报（自然科学版）》 * |
| 陈滨等: "基于视频的摄像头实时标定算法", 《兵工自动化》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627066A (zh) * | 2019-02-27 | 2020-09-04 | 南京地平线机器人技术有限公司 | 一种摄像头的外参数调整方法及装置 |
| CN109949372A (zh) * | 2019-03-18 | 2019-06-28 | 北京智行者科技有限公司 | 一种激光雷达与视觉联合标定方法 |
| CN110389041A (zh) * | 2019-07-03 | 2019-10-29 | 华人运通(上海)自动驾驶科技有限公司 | 车辆的环视与超声波的集成系统的测试系统及方法 |
| CN110310339A (zh) * | 2019-07-04 | 2019-10-08 | 厦门金龙联合汽车工业有限公司 | 一种标定装置及一种雷达与摄像头联合标定方法及系统 |
| CN110310339B (zh) * | 2019-07-04 | 2021-05-04 | 厦门金龙联合汽车工业有限公司 | 一种标定装置及一种雷达与摄像头联合标定方法及系统 |
| CN110490936A (zh) * | 2019-07-15 | 2019-11-22 | 杭州飞步科技有限公司 | 车辆摄像头的标定方法、装置、设备及可读存储介质 |
| CN110490936B (zh) * | 2019-07-15 | 2021-09-07 | 杭州飞步科技有限公司 | 车辆摄像头的标定方法、装置、设备及可读存储介质 |
| CN110322519A (zh) * | 2019-07-18 | 2019-10-11 | 天津大学 | 一种用于激光雷达与相机联合标定的标定装置及标定方法 |
| CN110322519B (zh) * | 2019-07-18 | 2023-03-31 | 天津大学 | 一种用于激光雷达与相机联合标定的标定装置及标定方法 |
| WO2021057612A1 (zh) * | 2019-09-25 | 2021-04-01 | 华为技术有限公司 | 传感器的标定方法和装置 |
| CN110703230A (zh) * | 2019-10-15 | 2020-01-17 | 西安电子科技大学 | 激光雷达与摄像头之间的位置标定方法 |
| CN110703230B (zh) * | 2019-10-15 | 2023-05-19 | 西安电子科技大学 | 激光雷达与摄像头之间的位置标定方法 |
| CN111223150A (zh) * | 2020-01-15 | 2020-06-02 | 电子科技大学 | 一种基于双消失点的车载摄像头外参数标定方法 |
| 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 |
| CN111507916A (zh) * | 2020-04-15 | 2020-08-07 | 南京富尔登科技发展有限公司 | 一种流水线上物品对象稳定图像获取方法 |
| WO2021226774A1 (zh) * | 2020-05-11 | 2021-11-18 | 深圳中科飞测科技有限公司 | 转换关系的获取方法、检测设备及检测方法 |
| CN112255623A (zh) * | 2020-10-29 | 2021-01-22 | 广东杜尼智能机器人工程技术研究中心有限公司 | 扫地车多线激光雷达自动标定方法 |
| CN112255623B (zh) * | 2020-10-29 | 2024-01-09 | 广东杜尼智能机器人工程技术研究中心有限公司 | 扫地车多线激光雷达自动标定方法 |
| CN113256734A (zh) * | 2021-05-20 | 2021-08-13 | 东风汽车集团股份有限公司 | 一种车载感知传感器标定方法、系统及电子设备 |
| CN114399558A (zh) * | 2022-01-11 | 2022-04-26 | 南京慧尔视软件科技有限公司 | 一种球机的标定方法、装置、设备及存储介质 |
| CN114399558B (zh) * | 2022-01-11 | 2024-03-26 | 南京慧尔视软件科技有限公司 | 一种球机的标定方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109061610A (zh) | 一种摄像头与雷达的联合标定方法 | |
| US11170466B2 (en) | Dense structure from motion | |
| US11062155B2 (en) | Monocular cued detection of three-dimensional structures from depth images | |
| CN106228110B (zh) | 一种基于车载双目相机的障碍物及可行驶区域检测方法 | |
| US9311542B2 (en) | Method and apparatus for detecting continuous road partition | |
| CN108597009B (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
| CN103177439A (zh) | 一种基于黑白格角点匹配的自动标定方法 | |
| CN105551020B (zh) | 一种检测目标物尺寸的方法及装置 | |
| CN110174088A (zh) | 一种基于单目视觉的目标测距方法 | |
| US7623700B2 (en) | Stereoscopic image processing apparatus and the method of processing stereoscopic images | |
| CN109214982B (zh) | 一种基于双圆柱投影模型的三维点云成像方法 | |
| CN105718865A (zh) | 一种自动驾驶中基于双目摄像头的道路安全检测系统及其方法 | |
| KR101478258B1 (ko) | 차선 인식 방법 및 그 시스템 | |
| CN111443704B (zh) | 用于自动驾驶系统的障碍物定位方法及装置 | |
| CN112115889B (zh) | 基于视觉的智能车运动目标检测方法 | |
| CN103996173A (zh) | 一种基于变长轴椭圆拟合的鱼眼图像校正方法 | |
| JP5501084B2 (ja) | 平面領域検出装置及びステレオカメラシステム | |
| Ma et al. | An all-weather lane detection system based on simulation interaction platform | |
| CN114719873B (zh) | 一种低成本精细地图自动生成方法、装置及可读介质 | |
| CN109703491A (zh) | 一种安全泊车方法 | |
| EP3067826A1 (en) | Imaging system, image processing system, and object detection method | |
| CN111311658B (zh) | 双光成像系统图像配准方法及相关装置 | |
| KR20170016143A (ko) | 광계카메라를 이용한 차선 인식 시스템 및 방법 | |
| CN112884845B (zh) | 一种基于单摄像机室内机器人障碍物定位的方法 | |
| CN115841517A (zh) | 一种基于dic双圆交比的结构光标定方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
| RJ01 | Rejection of invention patent application after publication |