CN109901138B - 激光雷达标定方法、装置、设备和存储介质 - Google Patents
激光雷达标定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109901138B CN109901138B CN201811621807.1A CN201811621807A CN109901138B CN 109901138 B CN109901138 B CN 109901138B CN 201811621807 A CN201811621807 A CN 201811621807A CN 109901138 B CN109901138 B CN 109901138B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- calibration
- laser radar
- calibrated
- 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
Images
Classifications
-
- 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
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种激光雷达标定方法、装置、设备和存储介质,终端在预设的标定场景内,获取待标定激光雷达的点云数据帧对,并获取惯性导航系统数据,进而通过标定算法,根据点云数据帧对和惯性导航系统数据,确定待标定激光雷达的标定结果,可以自动确定待标定激光雷达的标定结果,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及了一种激光雷达标定方法、装置、设备和存储介质。
背景技术
随着无人驾驶技术的发展,常常采用车载传感器来获取车辆周围的位置信息,进而根据传感器检测到的信息,对自动驾驶的车辆进行规划、决策或者控制。
通常,车载传感器会使用多个传感器来获取车辆周围的位置信息。但是多个传感器之间的相对位姿(包括相对位置和朝向)之间存在一定的差异,需要通过将多个传感器的相对位姿进行标定,使得多个传感器采集到的车辆周围的位置信息统一到同一个坐标系下,进而根据在同一个坐标系下位置信息,对车辆自动驾驶进行规划、决策或者控制。上述标定的过程指的是获得多个传感器之间的相对位置的过程。激光雷达作为一种常见的传感器,激光雷达的标定方法通常用手工物理测量的方法获得激光雷达与其他传感器的相对位置,根据该相对位置进行标记匹配,来获取激光雷达与其他传感器之间的相对位姿。
采用上述方法,通过手工物理测量对激光雷达进行标定,特别是针对大批量激光雷达的标定,其标定效率低。
发明内容
基于此,有必要针对激光雷达标定效率低的问题,提供一种激光雷达标定方法、装置、设备和存储介质。
第一方面,一种激光雷达标定方法,包括:
在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的两个点云数据;
获取惯性导航系统数据;
通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将待标定激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据。
在其中一个实施例中,所述在预设的标定场景内,获取待标定激光雷达的点云数据帧对,包括:
在所述标定场景内的同一位置处,获取所述待标定激光雷达的第一点云数据和第二点云数据;所述第一点云数据的朝向与所述第二点云数据的朝向不同;
将所述第一点云数据和对应的所述第二点云数据确定为所述点云数据帧对。
在其中一个实施例中,所述通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果,包括:
通过所述标定算法,获取所述点云数据帧对和所述惯性导航系统数据之间的位置转换关系;
根据所述位置转换关系,确定所述待标定激光雷达的标定结果。
在其中一个实施例中,所述通过所述标定算法,获取所述点云数据帧对和所述惯性导航系统数据之间的位置转换关系,包括:
通过所述标定算法,获取所述第一点云数据与所述惯性导航系统数据之间的第一相对位姿;
通过所述标定算法,获取所述第二点云数据和所述惯性导航系统数据之间的第二相对位姿;
根据所述第一相对位姿和所述第二相对位姿,确定所述位置转换关系。
在其中一个实施例中,所述通过所述标定算法,获取所述点云数据帧对和所述惯性导航系统数据之间的位置转换关系,还包括:
对所述第一点云数据和所述第二点云数据进行拼接,获取所述第一点云数据和所述第二点云数据之间的第三相对位姿;
根据所述第一相对位姿、所述第二相对位姿和所述第三相对位姿确定所述位置转换关系。
在其中一个实施例中,所述根据所述位置转换关系,确定所述待标定激光雷达的标定结果,包括:
根据所述位置转换关系,将所述点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得所述待标定激光雷达的标定结果。
在其中一个实施例中,若所述标定结果包括多个标定参数,则所述方法还包括:
对所述多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
在其中一个实施例中,所述根据所述位置转换关系,确定所述待标定激光雷达的标定结果之后,所述方法还包括:
通过所述待标定激光雷达获得的点云数据验证所述待标定激光雷达的标定结果。
第二方面,一种激光雷达标定装置,所述装置包括:
第一获取模块,用于在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的两个点云数据;
第二获取模块,用于获取惯性导航系统数据;
标定模块,用于通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据。
第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行上述激光雷达标定方法所述的方法步骤。
第四方面,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激光雷达标定方法所述的方法步骤。
上述激光雷达标定方法、装置、设备和存储介质,终端在预设的标定场景内,获取待标定激光雷达的点云数据帧对,并获取惯性导航系统数据,进而通过标定算法,根据点云数据帧对和惯性导航系统数据,确定待标定激光雷达的标定结果。本实施例中,终端通过获取待标定激光雷达的点云数据帧对和惯性导航系统数据,通过标点算法,将待标定激光雷达的点云数据与惯性导航系统数据转换到同一坐标系下的数据,自动确定待标定激光雷达的标定结果,使得获取待标定激光雷达的标定结果是通过标定算法自动获得的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
附图说明
图1为一个实施例提供的激光雷达标定应用环境的示意图;
图2为一个实施例中激光雷达标定方法的流程示意图;
图3为另一个实施例中激光雷达标定方法的流程示意图;
图4为另一个实施例中激光雷达标定方法的流程示意图;
图5为另一个实施例中激光雷达标定方法的流程示意图;
图6为另一个实施例中激光雷达标定方法的流程示意图;
图7为一个实施例提供的激光雷达标定装置的结构示意图;
图8为另一个实施例提供的激光雷达标定装置的结构示意图;
图9为另一个实施例提供的激光雷达标定装置的结构示意图;
图10为另一个实施例提供的激光雷达标定装置的结构示意图;
图11为一个实施例提供的计算结设备的内部结构图。
具体实施方式
本申请提供的激光雷达标定方法、装置、设备和存储介质,旨在解决标定效率低的问题。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
需要说明的是,本申请实施例提供的激光雷达标定的方法,不仅可以应用于无人驾驶的场景中,还可以应用于机器人导航的场景中,本申请实施例对具体的应用场景不做限制。
本实施例提供的激光雷达标定方法,可以适用于如图1所示的应用环境中。如图1所示,激光雷达10和惯性导航系统20可以安装在车辆的任意位置,通过标定算法通过获取激光雷达10与惯性导航系统20之间的相对位置信息,来确定激光雷达的标定结果。
需要说明的是,本申请实施例提供的激光雷达标定方法,其执行主体可以是激光雷达标定的装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为激光雷达标定的计算机设备的部分或者全部。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
图2为一个实施例中激光雷达标定方法的流程示意图,本实施例涉及的是通过标定算法,根据待标定激光雷达的点云数据帧对和惯性导航系统,自动确定待标定激光雷达的标定结果的具体过程。如图2所示,该方法包括以下步骤:
S101、在预设的标定场景内,获取待标定激光雷达的点云数据帧对;点云数据帧对包括待标定激光雷达在同一位置上的不同朝向的两个点云数据。
具体地,预设的标定场景可以是包含使激光雷达形成良好点云成像特性的典型目标,又能使得惯性导航系统正常定位的场景,其可以是路边带有连续、平直墙面的室外十字路口;路边带有连续、平直墙面的L形路线;路边有整齐建筑的室外十字路口;路边有整齐建筑的L形路线;路边有符合要求典型目标的要非垂直路口或L形路线;路边有符合求典型目标的停车场或空地中的任一种,或是多种场景形成的组合场景。例如,预设的标定场景可以包括是一条平直、连续的路牙,且惯性导航系统能正常的连接全球定位系统(GlobalPositioning System,GPS),使得惯性导航系统能够正常定位的场景。点云数据可以是激光雷达信号照射到物体表面时,所反射的携带方位、距离等信息的反射信号,点云数据中可以包括多个点的位置信息和与其对应的反射激光雷达信号的强度信息。点云数据帧对可以是待标定激光雷达在同一位置上的不同朝向的两个点云数据。
在具体的在预设的标定场景内,获取待标定激光雷达的点云数据帧对时,可以使激光雷达的载体沿着两个不同的方向行驶,以获得不同朝向的点云数据。例如,在待标定激光雷达的点云数据的采集过程中,使车辆沿着两个不同的相差较大的朝向来回行驶一趟,分别采集四趟的数据,其可以是将待标定激光雷达所在的载体,处于停止状态时,获得待标定激光雷达的点云数据,其中待标定激光雷达所在的载体可以在一趟行驶过程中,多次处于静止状态,以获得多帧待标定激光雷达的点云数据;也可以是上述载体在缓慢行驶状态时,获得多帧待标定激光雷达的点云数据;本申请实施例对此不做限制。上述载体可以是自动驾驶车辆、辅助驾驶车辆或机器人,本申请实施例对此不做限制。在获得待标定激光雷达的点云数据后,选取同一位置上的不同朝向的两个点云数据为点云数据帧对。待标定激光雷达的点云数据帧对可以是多个点云数据帧对。
S102、获取惯性导航系统数据。
具体地,惯性导航系统数据,可以是通过惯性导航系统获得的速度、偏航角和位置等数据,还可以是通过惯性导航系统与GPS连接,对上述速度、偏航角和位置等数据进行修正获得更加准确的数据,本申请实施例对此不做限制。在具体的获取惯性导航系统数据的过程,可以是通过待标定激光雷达和惯性导航系统所在的载体,缓慢行驶获得的惯性导航系统数据,也可以是通过待标定激光雷达和惯性导航系统所在的载体,处于静止状态时,获得的惯性导航系统数据。
S103、通过标定算法,根据点云数据帧对和惯性导航系统数据,确定待标定激光雷达的标定结果;标定算法用于将待标定激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据。
具体地,标定算法可以用于将点云数据帧对和惯性导航系统数据转换为相同坐标系下的数据,其可以是将待标定激光雷达的点云数据帧对转换为惯性导航系统数据对应的坐标系下的数据的算法,也可是将惯性导航系统数据转化为待标定激光雷达的点云数据帧对对应的坐标系下的数据的算法,还可以是将待标定激光雷达的点云数据帧对及惯性导航系统数据转换到第三方坐标系下的数据的算法,本申请实施例对此不做限制。在上述实施例的基础上,可以通过建立待标定激光雷达的点云数据帧对中上述典型目标的位置信息,和惯性导航系统数据中的典型目标的位置信息之间的转换关系,确定待标定激光雷达的标定结果。
上述激光雷达标定方法,终端通过获取待标定激光雷达的点云数据帧对和惯性导航系统数据,通过标点算法,将待标定激光雷达的点云数据与惯性导航系统数据转换到同一坐标系下的数据,自动确定待标定激光雷达的标定结果,使得获取待标定激光雷达的标定结果是通过标定算法自动获得的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
上述实施例重点描述了终端获取待标定激光雷达的点云数据帧对和惯性导航系统数据,进而通过标定算法,自动确定待标定激光雷达的标定结果,下面通过图3所示实施例来详细说明终端如何获取待标定激光雷达的点云数据帧对。
图3为另一个实施例中激光雷达标定方法的流程示意图,本实施例涉及的是终端获取待标定激光雷达的点云数据帧对的具体过程,如图3所示,上述S101“在预设的标定场景内,获取待标定激光雷达的点云数据帧对”一种可能的实现方式包括以下步骤:
S201、在标定场景内的同一位置处,获取待标定激光雷达的第一点云数据和第二点云数据;第一点云数据的朝向与第二点云数据的朝向不同。
具体地,获取待标定激光雷达的第一点云数据和第二点云数据,可以是通过上述待标定激光雷达的载体在同一位置处,朝向不同的方向,分别获得第一点云数据和第二点云数据,也可以是待标定激光雷达的载体在通过不同朝向运动获得多个点云数据,从多个点云数据中选取在同一位置处,且朝向不同的两个点云数据,分别为第一点云数据和第二点云数据,本申请实施例对此不做限制。例如,当待标定激光雷达的载体是车辆时,可以通过车辆沿标定场景中的一条路牙来回行驶,假设为向左行驶和向右行驶,获得向左行驶的多个第一点云数据和向右行驶的多个第二点云数据。
S202、将第一点云数据和对应的第二点云数据确定为点云数据帧对。
具体地,在上述实施例的基础上,获得第一点云数据和第二点云数据,可以将第一点云数据和其位置对应的第二点云数据确定为点云数据帧对。继续以上述通过车辆沿标定场景中的一条路牙来回行驶为例,进一步地假设,共获得了向左行驶的5个第一点云数据和向右行驶的5个第二点云数据,其中5个第一点云数据分别为在位置1、位置2、位置3、位置4和位置5获得的,第一点云数据1、第一点云数据2、第一点云数据3、第一点云数据4和第一点云数据5;5个第二点云数据分别为在位置1、位置2、位置3、位置4和位置5获得的,第二点云数据1、第二点云数据2、第二点云数据3、第二点云数据4和第二点云数据5。其中,与第一点云数据1对应的第二点云数据为在位置1获取的第二点云数据1,与第一点云数据2对应的第二点云数据为在位置2获取的第二点云数据2,与第一点云数据3对应的第二点云数据为在位置3获取的第二点云数据3,与第一点云数据4对应的第二点云数据为在位置4获取的第二点云数据4,与第一点云数据5对应的第二点云数据为在位置5获取的第二点云数据5。将第一点云数据1和第二点云数据1确定为点云数据帧对,第一点云数据2和第二点云数据2确定为点云数据帧对,第一点云数据3和第二点云数据3确定为点云数据帧对,第一点云数据4和第二点云数据4确定为点云数据帧对,第一点云数据5和第二点云数据5确定为点云数据帧对。
上述激光雷达标定方法,终端通过在标定场景内的同一位置,获取待标定激光雷达的第一点云数据和第二点云数据,并将第一点云数据和对应的第二点云数据确定为点云数据帧对,使得终端在通过标定算法,自动获得待标定激光雷达的标定结果,由于是根据第一点云数据和对应的第二点云数据形成的点云数据帧对,提高了待标定激光雷达的标定结果的准确度。
图4为另一个实施例激光雷达标定方法的流程示意图,本实施例涉及的是终端通过标定算法,确定待标定激光雷达的标定结果的具体过程,如图4所示,上述S103“通过标定算法,根据点云数据帧对和惯性导航系统数据,确定待标定激光雷达的标定结果”一种可能的实现方式包括以下步骤:
S301、通过标定算法,获取点云数据帧对和惯性导航系统数据之间的位置转换关系。
具体地,在上述实施例的基础上,可以通过典型目标在待标定激光雷达的点云数据帧对中的位置,和该典型目标在惯性导航系统数据中的位置,确定待标定激光雷达坐标系与惯性导航系统坐标系之间的位置转换关系。具体的,可以是列举坐标系转换方程,确定位置转换关系;也可以是通过列举多个坐标转换方程,选取目标坐标转换方程,确定位置转换关系;本申请实施例对此不做限制。
S302、根据位置转换关系,确定待标定激光雷达的标定结果。
具体地,可以是通过典型目标在待标定激光雷达的点云数据帧对中的位置,和该典型目标在惯性导航系统数据中的位置,确定待标定激光雷达坐标系与惯性导航系统坐标系之间的位置转换关系,确定为待标定激光雷达的标定结果;也可以对上述位置转换关系进行可视化处理,获得可视化处理后的转换关系为待标定激光雷达的标定结果;本申请实施例对此不做限制。
上述激光雷达标定方法,终端通过标定算法获取点云数据帧对和惯性导航系统数据之间的位置转换关系,并根据位置转换关系,自动确定待标定激光雷达的标定结果,使得待标定激光雷达的标定结果是通过标定算法自动获取的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
图4所示实施例详细描述了终端通过标定算法,获取点云数据帧对和惯性导航数据之间的位置转换关系,进而根据位置转换关系,确定待标定激光雷达的标定结果。下面通过图5所示实施例来详细描述终端如何获取点云数据帧对和惯性导航数据之间的位置转换关系。
图5为另一个实施例激光雷达标定方法的流程示意图,本实施例涉及的是获取点云数据帧对和惯性导航数据之间的位置转换关系的具体过程,如图5所示,上述S301“通过标定算法,获取点云数据帧对和惯性导航系统数据之间的位置转换关系”一种可能的实现方式包括以下步骤:
S401、通过标定算法,获取第一点云数据与惯性导航系统数据之间的第一相对位姿。
具体地,第一相对位姿可以是表示第一点云数据与惯性导航系统数据之间的位置转换关系,其可以是通过标定算法,获取第一点云数据和惯性导航系统数据之间的第一相对位姿。例如,可以通过列举第一点云数据和惯性导航系统数据之间的坐标系转换方程,确定第一相对位姿;也可以是通过列举多个第一点云数据和惯性导航系统数据之间的坐标系转换方程,选取误差最小的坐标系转换方程为第一相对位姿;本申请实施例对此不做限制。
S402、通过标定算法,获取第二点云数据和惯性导航系统数据之间的第二相对位姿。
具体地,第二相对位姿可以是表示第二点云数据与惯性导航系统数据之间的位置转换关系,其可以是通过标定算法,获取第二点云数据和惯性导航系统数据之间的第二相对位姿。具体获取第二相对位姿的过程可以与上述第一相对位姿的获取过程类似,在此不再赘述。
S403、根据第一相对位姿和第二相对位姿,确定位置转换关系。
具体地,在上述实施例的基础上,终端获取了第一相对位姿和第二相对位姿时,可以根据第一相对位姿和第二相对位姿确定位置转换关系。第一相对位姿可以是第一点云数据和与惯性导航系统之间的位置转换关系,第二相对位姿是第二点云数据和惯性导航系统之间的位置转换关系。第一点云数据和第二点云数据是同一位置不同朝向获得的待标定激光雷达的点云数据。也就是说,将典型目标在第一点云数据对应的坐标系中的位置数据,和该典型目标在第二点云数据对应的坐标系的位置数据,通过第一相对位姿和第二相对位姿统一至一个坐标系中,即得到上述位置转换关系。例如,典型目标A在第一点云数据中的位置为A1,在第二点云数据中的位置为A2,通过获取第一点云数据和惯性导航系统数据的第一相对位姿T1,获得第一点云数据中典型目标A在惯性导航系统中的位置信息为A1+T1;通过获取第二点云数据和惯性导航系统数据的第二相对位姿T2,获得第二点云数据中典型目标A在惯性导航系统中的位置信息为A2+T2;其中,位置信息A1+T1与位置信息A2+T2相同,则可以根据位置信息A1+T1与位置信息A2+T2相同,确定第一点云数据A1和第二点云数据A2之间的转换关系,即为该位置转换关系。
上述激光雷达标定方法,终端通过标定算法,获取第一点云数据与惯性导航系统数据之间的第一相对位姿,并通过标定算法,获取第二点云数据和惯性导航系统数据之间的第二相对位姿,进而根据第一相对位姿和第二相对位姿,确定位置转换关系。本实施例中,终端通过标定算法自动获取第一相对位姿和第二相对位姿,进而根据第一相对位姿和第二相对位姿自动确定位置转换关系,使得待标定激光雷达的标定结果是通过标定算法自动获取的,避免了手工测量获得激光雷达的标定结果的过程,进而提高了激光雷达的标定效率。
在上述实施例的基础上,还可以根据第一相对位姿、第二相对位姿和第一点云数据和第二点云数据之间的第三相对位姿确定位置转换关系,下面通过图6所示实施例来详细描述。
图6为另一个实施例激光雷达标定方法的流程示意图,本实施例涉及的是终端根据第一相对位姿、第二相对位姿和第一点云数据和第二点云数据之间的第三相对位姿确定位置转换关系的具体过程,如图6所示,该方法还包括以下步骤:
S501、对第一点云数据和第二点云数据进行拼接,获取第一点云数据和第二点云数据之间的第三相对位姿。
具体地,可以将第一点云数据和第二点云数据进行拼接,以获得拼接后的点云数据,拼接后的点云数据中可以包括同一典型目标的两个相对位置信息,则可以根据该同一典型目标确定第一点云数据和第二点云数据之间的相对位置关系,确定第一点云数据和第二点云数据之间的预测转换关系,即为第三相对位姿。
S502、根据第一相对位姿、第二相对位姿和第三相对位姿确定位置转换关系。
具体地,在上述实施例的基础上,终端获取了第一相对位姿、第二相对位姿和第三相对位姿后,可以先根据第三相对位姿,即第一点云数据和第二点云数据之间的预测转换关系,确定第一点云数据和第二点云数据之间的预测转换关系,再根据上述第一相对位姿、第二相对位姿,和,第一点云数据与第二点云数据之间的预测转换关系,确定位置转换关系。具体的转换过程与上述实施例中描述的根据第一相对位姿和第二相对位姿确定位置转换关系的过程类似,此处不再赘述。
上述激光雷达的标定方法,终端通过对第一点云数据和第二电源数据进行拼接,获得第三相对位姿,进而根据第一相对位姿、第二相对位姿和第三相对位姿确定位置转换关系,在根据位置转换关系,自动确定待标定激光雷达的标定结果,使得在自动通过第一相对位姿和第二相对位姿确定位置转换关系之前,终端先获得第一点云数据和第二点云数据之间的预测转换关系,使得自动获取的待标定激光雷达的标定结果更加准确。
在上述实施例的基础上,终端可以将待标定激光雷达的点云数据转换到惯性导航系统中坐标系下,来获得待标定激光雷达的标定结果。
可选地,上述S302“根据位置转换关系,确定待标定激光雷达的标定结果”一种可能的实现方法包括:根据位置转换关系,将点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得待标定激光雷达的标定结果。
具体地,在上述是实施例的基础上,在根据位置转换关系,获得待标定激光雷达的标定结果时,可以将点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,使得通过待标定激光雷达的获得的数据以惯性导航系统的坐标系来表示的,获得待标定激光雷达的标定结果。
进一步地,当标定结果包括多个标定参数时,还可以根据多个标定参数获得目标标定参数,根据目标标定参数来确定待标定激光雷达的标定结果。可选地,上述S302“根据位置转换关系,确定待标定激光雷达的标定结果”一种可能的实现方法包括:对多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
具体地,在上述实施例的基础上,可以根据待标定激光雷达的点云数据帧对和惯性导航系统数据列举多个坐标转换方程,每个坐标转换方程对应一个标定参数,则可以获取多个标定参数。进而可以通过搜索出多个对应的坐标转换方程中的标定参数,再枚举出多个坐标转换方程中误差小的一部分坐标转换方程,进而对误差小的一部分坐标转换方程进行拟合处理,获得目标标定参数。
在上述实施例的基础上,当终端获得待标定激光雷达的标定结果之后,还可以通过点云数据来验证该待标定激光雷达的标定结果的准确性。可选地,在根据位置转换关系,确定待标定激光雷达的标定结果之后,该激光雷达标定方法还包括:通过待标定激光雷达获得的点云数据验证待标定激光雷达的标定结果。
具体地,在上述实施例的基础上,终端可以通过获取一组待标定激光雷达的点云数据来验证上述标定结果的准确度,其可以是获取一个点云数据对标定结果进行验证,也可以是获取一组点云数据帧对来对标定结果进行验证,还可以是获取多个点云数据对标定结果进行验证,本申请实施例对此不做限制。若验证结果不通过,则可以重新通过标定算法,并根据点云数据帧对和惯性导航系统数据,重新确定待标定激光雷达的标定结果。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图7为一个实施例提供的激光雷达标定装置的结构示意图。如图7所示,激光雷达标定装置,包括:第一获取模块10、第二获取模块20和标定模块30,其中:
第一获取模块10,用于在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的两个点云数据;
第二获取模块20,用于获取惯性导航系统数据;
标定模块30,用于通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据。
本申请实施例提供的激光雷达标定装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图8为另一个实施例提供的激光雷达标定装置的结构示意图,在图7所示实施例的基础上,第一获取模块10包括:获取单元101和第一确定单元102,其中:
获取单元101用于在所述标定场景内的同一位置处,获取所述待标定激光雷达的第一点云数据和第二点云数据;所述第一点云数据的朝向与所述第二点云数据的朝向不同;
第一确定单元102用于将所述第一点云数据和对应的所述第二点云数据确定为所述点云数据帧对。
本申请实施例提供的激光雷达标定装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图9为另一个实施例提供的激光雷达标定装置的结构示意图,在图7或图8所示实施例的基础上,标定模块30包括转换单元301和第二确定单元302,其中:
转换单元301用于通过所述标定算法,获取所述点云数据帧对和所述惯性导航系统数据之间的位置转换关系;
第二确定单元302用于根据所述位置转换关系,确定所述待标定激光雷达的标定结果。
在一个实施例中,转换单元301具体用于通过所述标定算法,获取所述第一点云数据与所述惯性导航系统数据之间的第一相对位姿;通过所述标定算法,获取所述第二点云数据和所述惯性导航系统数据之间的第二相对位姿;根据所述第一相对位姿和所述第二相对位姿,确定所述位置转换关系。
在一个实施例中,转换单元301具体用于对所述第一点云数据和所述第二点云数据进行拼接,获取所述第一点云数据和所述第二点云数据之间的第三相对位姿;根据所述第一相对位姿、所述第二相对位姿和所述第三相对位姿确定所述位置转换关系。
在一个实施例中,第二确定单元302具体用于根据所述位置转换关系,将所述点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得所述待标定激光雷达的标定结果。
在一个实施例中,标定模块30具体用于对所述多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
本申请实施例提供的激光雷达标定装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图10为另一个实施例提供的激光雷达标定装置的结构示意图,在图7-9任一项所示实施例的基础上,激光雷达标定装置还包括:验证模块40,其中:
验证模块40用于通过所述待标定激光雷达获得的点云数据验证所述待标定激光雷达的标定结果。
本申请实施例提供的激光雷达标定装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于一种激光雷达标定装置的具体限定可以参见上文中对于激光雷达标定方法的限定,在此不再赘述。上述激光雷达标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备被处理器执行时以实现一种激光雷达标定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的两个点云数据;
获取惯性导航系统数据;
通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将待标定激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在所述标定场景内的同一位置处,获取所述待标定激光雷达的第一点云数据和第二点云数据;所述第一点云数据的朝向与所述第二点云数据的朝向不同;将所述第一点云数据和对应的所述第二点云数据确定为所述点云数据帧对。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过所述标定算法,获取所述点云数据帧对和所述惯性导航系统数据之间的位置转换关系;根据所述位置转换关系,确定所述待标定激光雷达的标定结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过所述标定算法,获取所述第一点云数据与所述惯性导航系统数据之间的第一相对位姿;通过所述标定算法,获取所述第二点云数据和所述惯性导航系统数据之间的第二相对位姿;根据所述第一相对位姿和所述第二相对位姿,确定所述位置转换关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对所述第一点云数据和所述第二点云数据进行拼接,获取所述第一点云数据和所述第二点云数据之间的第三相对位姿;根据所述第一相对位姿、所述第二相对位姿和所述第三相对位姿确定所述位置转换关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据所述位置转换关系,将所述点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得所述待标定激光雷达的标定结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对所述多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过所述待标定激光雷达获得的点云数据验证所述待标定激光雷达的标定结果。
本实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的两个点云数据;
获取惯性导航系统数据;
通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将待标定激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在所述标定场景内的同一位置处,获取所述待标定激光雷达的第一点云数据和第二点云数据;所述第一点云数据的朝向与所述第二点云数据的朝向不同;将所述第一点云数据和对应的所述第二点云数据确定为所述点云数据帧对。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过所述标定算法,获取所述点云数据帧对和所述惯性导航系统数据之间的位置转换关系;根据所述位置转换关系,确定所述待标定激光雷达的标定结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过所述标定算法,获取所述第一点云数据与所述惯性导航系统数据之间的第一相对位姿;通过所述标定算法,获取所述第二点云数据和所述惯性导航系统数据之间的第二相对位姿;根据所述第一相对位姿和所述第二相对位姿,确定所述位置转换关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对所述第一点云数据和所述第二点云数据进行拼接,获取所述第一点云数据和所述第二点云数据之间的第三相对位姿;根据所述第一相对位姿、所述第二相对位姿和所述第三相对位姿确定所述位置转换关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据所述位置转换关系,将所述点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得所述待标定激光雷达的标定结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对所述多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过所述待标定激光雷达获得的点云数据验证所述待标定激光雷达的标定结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种激光雷达标定方法,其特征在于,所述方法包括:
在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的第一点云数据和第二点云数据;
获取惯性导航系统数据;
通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将待标定激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据;
所述通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果,包括:
通过所述标定算法,获取所述第一点云数据与所述惯性导航系统数据之间的第一相对位姿;
通过所述标定算法,获取所述第二点云数据和所述惯性导航系统数据之间的第二相对位姿;
对所述第一点云数据和所述第二点云数据进行拼接,获取所述第一点云数据和所述第二点云数据之间的第三相对位姿;
根据所述第一相对位姿、所述第二相对位姿和所述第三相对位姿确定位置转换关系;
根据所述位置转换关系,确定所述待标定激光雷达的标定结果。
2.根据权利要求1所述方法,其特征在于,所述在预设的标定场景内,获取待标定激光雷达的点云数据帧对,包括:
在所述标定场景内的同一位置处,获取所述待标定激光雷达的第一点云数据和第二点云数据;所述第一点云数据的朝向与所述第二点云数据的朝向不同;
将所述第一点云数据和对应的所述第二点云数据确定为所述点云数据帧对。
3.根据权利要求1所述方法,其特征在于,所述根据所述位置转换关系,确定所述待标定激光雷达的标定结果,包括:
根据所述位置转换关系,将所述点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得所述待标定激光雷达的标定结果。
4.根据权利要求1-3任一项所述方法,其特征在于,若所述标定结果包括多个标定参数,则所述方法还包括:
对所述多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
5.根据权利要求1-3任一项所述方法,其特征在于,所述根据所述位置转换关系,确定所述待标定激光雷达的标定结果之后,所述方法还包括:
通过所述待标定激光雷达获得的点云数据验证所述待标定激光雷达的标定结果。
6.一种激光雷达标定装置,其特征在于,所述装置包括:
第一获取模块,用于在预设的标定场景内,获取待标定激光雷达的点云数据帧对;所述点云数据帧对包括所述待标定激光雷达在同一位置上的不同朝向的第一点云数据和第二点云数据;
第二获取模块,用于获取惯性导航系统数据;
标定模块,用于通过标定算法,根据所述点云数据帧对和所述惯性导航系统数据,确定待标定激光雷达的标定结果;所述标定算法用于将激光雷达的点云数据与惯性导航系统数据转换为同一坐标系下的数据;
其中,所述标定模块包括:
转换单元,用于通过所述标定算法,获取所述第一点云数据与所述惯性导航系统数据之间的第一相对位姿;通过所述标定算法,获取所述第二点云数据和所述惯性导航系统数据之间的第二相对位姿;对所述第一点云数据和所述第二点云数据进行拼接,获取所述第一点云数据和所述第二点云数据之间的第三相对位姿;根据所述第一相对位姿、所述第二相对位姿和所述第三相对位姿确定位置转换关系;
第二确定单元,用于根据所述位置转换关系,确定所述待标定激光雷达的标定结果。
7.根据权利要求6所述装置,其特征在于,所述第一获取模块包括:
获取单元,用于在所述标定场景内的同一位置处,获取所述待标定激光雷达的第一点云数据和第二点云数据;所述第一点云数据的朝向与所述第二点云数据的朝向不同;
第一确定单元,用于将所述第一点云数据和对应的所述第二点云数据确定为所述点云数据帧对。
8.根据权利要求6所述装置,其特征在于,所述第二确定单元,还用于根据所述位置转换关系,将所述点云数据帧对从激光雷达坐标系中转换到惯性导航系统坐标系下,获得所述待标定激光雷达的标定结果。
9.根据权利要求6-8任一项所述装置,其特征在于,所述标定模块,还用于在所述标定结果包括多个标定参数时,对所述多个标定参数进行搜索、枚举和拟合处理,获得目标标定参数。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述方法的步骤。
11.一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权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811621807.1A CN109901138B (zh) | 2018-12-28 | 2018-12-28 | 激光雷达标定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811621807.1A CN109901138B (zh) | 2018-12-28 | 2018-12-28 | 激光雷达标定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109901138A CN109901138A (zh) | 2019-06-18 |
CN109901138B true CN109901138B (zh) | 2023-07-04 |
Family
ID=66943535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811621807.1A Active CN109901138B (zh) | 2018-12-28 | 2018-12-28 | 激光雷达标定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901138B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110673115B (zh) * | 2019-09-25 | 2021-11-23 | 杭州飞步科技有限公司 | 雷达与组合导航系统的联合标定方法、装置、设备及介质 |
CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
CN110849363B (zh) * | 2019-12-03 | 2021-09-21 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
CN110940358B (zh) * | 2019-12-31 | 2023-07-25 | 徐州治鼎环境科技有限公司 | 一种激光雷达和惯导联合标定的装置及标定方法 |
CN113532311B (zh) * | 2020-04-21 | 2023-06-09 | 广东博智林机器人有限公司 | 点云拼接方法、装置、设备和存储设备 |
CN113870343B (zh) * | 2020-06-30 | 2024-05-28 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN111844035B (zh) * | 2020-07-17 | 2022-04-15 | 炬星科技(深圳)有限公司 | 机器人标定方法、设备及存储介质 |
CN112051591B (zh) * | 2020-08-31 | 2022-11-29 | 广州文远知行科技有限公司 | 一种激光雷达与惯性测量单元的检测方法及相关装置 |
CN114440922A (zh) * | 2020-10-30 | 2022-05-06 | 阿里巴巴集团控股有限公司 | 一种评测激光标定的方法、装置、相关设备及存储介质 |
CN112965047B (zh) * | 2021-02-01 | 2023-03-14 | 中国重汽集团济南动力有限公司 | 一种车辆多激光雷达标定方法、系统、终端及存储介质 |
CN112964291B (zh) * | 2021-04-02 | 2023-07-14 | 清华大学 | 一种传感器标定的方法、装置、计算机存储介质及终端 |
CN113534110B (zh) * | 2021-06-24 | 2023-11-24 | 香港理工大学深圳研究院 | 一种多激光雷达系统静态标定方法 |
CN113848541B (zh) * | 2021-09-22 | 2022-08-26 | 深圳市镭神智能系统有限公司 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
CN114413887B (zh) * | 2021-12-24 | 2024-04-02 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN115655331A (zh) * | 2022-10-18 | 2023-01-31 | 杭州海康机器人股份有限公司 | 一种基于十字激光的传感器标定方法、装置及机器人 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717500A (zh) * | 2016-02-24 | 2016-06-29 | 深圳乐行天下科技有限公司 | 一种激光雷达及其数据修正方法 |
CN107092021A (zh) * | 2017-04-05 | 2017-08-25 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
CN107153186A (zh) * | 2017-01-06 | 2017-09-12 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法及激光雷达 |
CN108226883A (zh) * | 2017-11-28 | 2018-06-29 | 深圳市易成自动驾驶技术有限公司 | 测试毫米波雷达性能的方法、装置及计算机可读存储介质 |
CN108230379A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 用于融合点云数据的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032167A1 (en) * | 2011-04-01 | 2014-01-30 | Physical Sciences, Inc. | Multisensor Management and Data Fusion via Parallelized Multivariate Filters |
US10254395B2 (en) * | 2013-12-04 | 2019-04-09 | Trimble Inc. | System and methods for scanning with integrated radar detection and image capture |
-
2018
- 2018-12-28 CN CN201811621807.1A patent/CN109901138B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717500A (zh) * | 2016-02-24 | 2016-06-29 | 深圳乐行天下科技有限公司 | 一种激光雷达及其数据修正方法 |
CN107153186A (zh) * | 2017-01-06 | 2017-09-12 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法及激光雷达 |
CN107092021A (zh) * | 2017-04-05 | 2017-08-25 | 天津珞雍空间信息研究院有限公司 | 车载激光雷达三维扫描方法、地物分类方法及系统 |
CN108226883A (zh) * | 2017-11-28 | 2018-06-29 | 深圳市易成自动驾驶技术有限公司 | 测试毫米波雷达性能的方法、装置及计算机可读存储介质 |
CN108230379A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 用于融合点云数据的方法和装置 |
Non-Patent Citations (4)
Title |
---|
"3D Lidar-IMU Calibration Based on Upsampled Preintegrated Measurements for Motion Distortion Correction";Cedric Le Gentil等;《2018 IEEE International Conference on Robotics and Automation (ICRA)》;20180913;2149-2155 * |
"Super-sensor for 360-degree environment perception: Point cloud segmentation using image features";Robert Varga等;《2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC)》;20180315;1-8 * |
"基于手眼模型的三维激光雷达外参数标定";韩栋斌等;《光电工程》;20170815;正文第2-7页 * |
"车载激光雷达外参数的标定方法";程金龙等;《光电工程》;20131231;89-94 * |
Also Published As
Publication number | Publication date |
---|---|
CN109901138A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901138B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
CN109901139B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
US10659925B2 (en) | Positioning method, terminal and server | |
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
US9273971B2 (en) | Apparatus and method for detecting traffic lane using wireless communication | |
CN108235736B (zh) | 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品 | |
CN111339802B (zh) | 实时相对地图的生成方法及装置、电子设备和存储介质 | |
CN111311902B (zh) | 一种数据处理方法、装置、设备和机器可读介质 | |
CN112086010B (zh) | 地图生成方法、装置、设备及存储介质 | |
CN114111775B (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
EP4170581A1 (en) | Method, device and system for cooperatively constructing point cloud map | |
CN111176270A (zh) | 使用动态地标的定位 | |
CN111536990A (zh) | 在传感器之间的在线外参误标定检测 | |
CN116486377B (zh) | 可行驶区域的生成方法及装置 | |
CN112146682A (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN111207761A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN109029418A (zh) | 一种在封闭区域内对车辆进行定位的方法 | |
US20150168155A1 (en) | Method and system for measuring a vehicle position indoors | |
CN114862956B (zh) | 一种适用于隧洞施工的扫描设备移动定位方法及系统 | |
EP4446701A1 (en) | High-definition road map generation method, apparatus and device, and storage medium | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
CN114755663A (zh) | 车辆传感器的外参校准方法、装置及计算机可读存储介质 | |
CN116134488A (zh) | 点云标注方法、装置、计算机设备和存储介质 | |
US20240140437A1 (en) | Object based vehicle localization |
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 |