CN110349221A - 一种三维激光雷达与双目可见光传感器的融合标定方法 - Google Patents
一种三维激光雷达与双目可见光传感器的融合标定方法 Download PDFInfo
- Publication number
- CN110349221A CN110349221A CN201910639761.4A CN201910639761A CN110349221A CN 110349221 A CN110349221 A CN 110349221A CN 201910639761 A CN201910639761 A CN 201910639761A CN 110349221 A CN110349221 A CN 110349221A
- Authority
- CN
- China
- Prior art keywords
- scaling board
- laser radar
- dimensional
- point
- vertex
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T7/85—Stereo 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种三维激光雷达与双目可见光传感器的融合标定方法。本发明利用激光雷达与双目可见光传感器获取正方形标定板平面顶点的三维坐标,然后对其进行配准,以获得二者坐标系的转换关系。在标定过程中,采用RANSAC算法进行标定板点云的平面拟合,并将点云投影到拟合平面,以减小测量误差对计算顶点坐标的影响。对于双目相机,采用角点对角线拟合方法求解标定板顶点;对于激光雷达,采用距离差值统计方法判断点云在标定板上的边界点。利用得到的标定板顶点坐标,能够精确地对三维激光雷达与双目可见光传感器进行融合标定,获取二者坐标系的旋转矩阵与平移向量,为实现三维点云与二维可见光图像的数据融合奠定基础。
Description
技术领域:
本发明涉及自动驾驶的环境感知技术领域,具体为三维激光雷达与双目可见光传感器的 融合标定方法。
背景技术:
自动驾驶系统中最基本的问题是感知,通过各类车载传感器,实现对环境的建模、系统自身的定位以及目标检测与识别。
激光雷达是以激光为光源进行测距的传感器,它通过向周围发射激光,然后根据发 射到接收的时间间隔确定物体的距离。然后,根据距离及激光束的角度,计算出物体的位置。激光雷达的激光波长一般在600nm~1000nm,所以激光雷达的测距精度很高。目 前的车载激光雷达对道路场景下的车辆等目标的检测距离可达到200米以上,具备较远 距离的探测能力。这些优点使得激光雷达常被用做无人系统的主传感器。
可见光传感器的成本低廉、采集的环境信息丰富、对近距离的物体检测精度很高,可见光图像提供了物体的颜色、纹理及光谱等关键特征,易于进行物体识别、跟踪。但 是,二维图像容易受到环境光照变化影响(如天气变化、光源朝向、夜间错车等因素)。 此外,二维图像不包含深度信息。因此,基于二维图像数据的场景理解稳健性差,且难 以精确地提取目标轮廓、空间位置等关键信息。
与双目测距相比,激光雷达测距精度更高,但存在扫描频率较低、点云稀疏、缺少纹理信息等缺点;而双目测距可以获取稠密点云,但其依赖于立体匹配的准确性,测距 误差较大。实际驾驶环境为典型的非结构化道路场景,并且存在大量交通标志物、障碍 物等,仅靠单一的传感器难以获得好的感知效果,将三维激光雷达和二维可见光图像进 行融合,可以得到大尺度场景的几何结构信息和场景的色彩信息,获得精度较高、信息 丰富、场景多元化的建模效果,以更好地实现复杂环境三维建模与目标识别。
激光雷达和双目可见光传感器的精确标定,包括激光雷达标定、双目相机标定以及 激光雷达和双目相机的联合标定,是实现不同坐标系数据关联的前提。激光雷达在出厂时已经过了标定、校准处理,用户一般不需要再进行标定。相机的标定,是为了获得相 机的内在参数与畸变参数。双目相机的标定,还需要获取两个相机坐标系之间的旋转矩 阵、平移向量,以便后续进行双目测距。激光雷达和相机的联合标定是为了获得激光雷 达坐标系与相机坐标系之间的6自由度运动参数,即旋转矩阵、平移向量。
现有的激光雷达与可见光传感器的融合标定方法,通常利用两传感器获取标定板的 平面方程,然后采用非线性优化的方法,最小化方程参数的重投影误差。这类方法需要采集多组数据,以便非线性优化的迭代计算,标定过程较为复杂。
发明内容:
本发明提出了一种三维激光雷达与双目可见光传感器的融合标定方法,能够精确地 对三维激光雷达与双目可见光传感器进行融合标定,获取二者坐标系的旋转矩阵与平移 向量,以便进行三维点云与二维可见光图像的数据融合。
本发明的关键是利用激光雷达与双目可见光传感器获取标定板平面顶点的三维坐 标,然后对其进行配准,以获得二者坐标系的转换关系,具体步骤如下:
1.搭建融合标定系统,包括三维激光雷达、双目相机与棋盘格标定板,标定板平面为正方形;
2.双目相机的立体标定;
3.双目相机获取标定板顶点的三维坐标;
4.激光雷达获取标定板顶点的三维坐标;
5.将双目相机与激光雷达分别获取的标定板顶点,采用迭代最近点(ICP)算法进行配准,得到两传感器坐标系之间的旋转矩阵、平移向量。
附图说明:
图1:系统流程图
图2:标定板
图3:双目相机获取的标定板点云及顶点
图4:激光雷达获取的标定板点云及顶点
图5:点云配准结果
具体实施方式:
本发明的系统流程图如图1所示,具体实施步骤如下:
1.搭建融合标定系统,包括三维激光雷达、双目相机与棋盘格标定板,标定板为贴有棋盘格图案的不透明亚克力板,标定过程中,将标定板的一个顶点作为悬挂点,则两 条对角线分别与地面垂直和平行,调节标定板高度使其四条边都与激光雷达的扫描线相 交。
2.双目相机的立体标定
首先对左右两个相机分别进行单目相机标定,采用棋盘格标定板以及张正友标定法,改变标定板的位置、角度,采集多组数据,获取左右相机的内参矩阵、畸变系数, 以及每组数据中左、右相机各自的旋转矩阵Rl、Rr与平移向量Tl、Tr,下角标l、r分别 表示左、右相机。然后对左右两个相机进行立体标定,根据T=Tr-RTl,可 以得到两个相机坐标系之间的旋转矩阵R、平移向量T,将多组数据得到结果进行平均 作为初始值,采用Levenberg-Marquardt算法,最小化棋盘格角点在两相机中的重投影误 差,得到最优化的R、T。
3.双目相机获取标定板顶点的三维坐标
根据立体标定的结果,对双目图像进行立体校正,利用三角测量的原理,可以获得棋盘格角点的深度信息:
其中,fx为x方向的像素焦距,Tx为双目相机的基线长度,即平移向量T的x维的 值;d为双目图像中匹配点的像素视差。
然后,根据相机的内参矩阵,可以得到其三维坐标:
采用随机抽样一致性(RANSAC)算法,对标定板点云进行平面拟合。RANSAC算 法的步骤如下:
1)从样本点集中随机选取一个样本子集,使用最小方差估计对该子集计算三维平面模型参数;
2)然后计算所有样本与该模型的偏差,与预设的阈值进行比较,当偏差小于阈值,该样本点属于内点,否则属于外点,记录当前的内点数目;
3)重复上述步骤,将内点数最多的模型作为最佳模型;
4)每次迭代的末尾,根据期望的误差率、当前迭代次数等,判断是否结束迭代。
采用RANSAC算法可以剔除噪声等因素产生的外点的影响,得到全局最优的参数估计。
拟合得到标定板平面方程后,将所有角点投影到拟合平面上。
然后,在拟合平面上,提取标定板对角线上的角点,采用最小二乘法分别进行直线拟合,得到标定板两条对角线的三维直线方程。假设某三维直线的方程为如下形式:
该直线上的一系列点为{(x1,y1,z1),(x2,y2,z2),...(xn,yn,zn)},将其带入直线方程可得:
然后可通过SVD求该方程的最小二乘解,即得到待拟合直线的参数。
标定板的四个顶点分别位于两条对角线上,根据各顶点与其最近角点的距离以及三 维直线方程,求解得到四个顶点的三维坐标。
4.激光雷达获取标定板顶点的三维坐标
从激光点云中分割出标定板的点云,采用RANSAC算法,对标定板点云进行平面 拟合,并将标定板的点云投影到拟合平面上,投影后的标定板点云可用下式计算相邻点 的距离差值:
di=||pi+1-pi|| (6)
其中,pi与pi+1分别为第i个点与第i+1个点的三维坐标,|| ||为计算二范数。
对得到的相邻点的距离差值进行统计得到均值μ与标准差σ,并以μ+kσ为阈值, 大于阈值的点,判断为标定板的边界点,k的取值范围为3~6。
利用提取的四条边的边界点,采用最小二乘法分别进行直线拟合,得到标定板四条 边的三维直线方程,分别求解相邻边的交点,得到标定板的四个顶点的三维坐标。
5.将双目相机与激光雷达分别获取的标定板顶点,采用迭代最近点(ICP)算法进行配准,得到两传感器坐标系之间的旋转矩阵、平移向量。假设通过一次或多次测量得 到的标定板顶点匹配点集分别为:
则匹配的目的是求解一个欧氏变换R,t,使得:
首先构建一个最小二乘问题,求解使得误差平方和最小的R,t:
计算两组点集的质心:
经推导,优化目标函数可简化为:
其中,为去质心坐标。则ICP算法可以分为三个步骤:
1)计算两组点集的质心,并计算其去质心坐标;
2)根据以下优化问题计算旋转矩阵:
3)根据2)所得的R计算t:
t=pc-Rpl (15)
步骤2)是一个典型的优化问题,可以通过SVD求解,定义矩阵:
W是一个3×3的矩阵,对其进行SVD分解,得:
W=UΣVT (17)
则,旋转矩阵为:
R=UVT (18)
为验证上述三维激光雷达与双目可见光传感器的融合标定方法,进行验证实验。实 验中采用的标定板如图2所示,为80cm×80cm×3mm的不透明亚克力板,棋盘格图案为12×12个大小为6cm×6cm的黑白方块,标定板中包含了11×11个角点,棋盘格图案四条 边界距离标定板边界都为4cm;双目相机为小觅双目摄像头MYNT EYE D1200;激光雷 达为八线三维激光雷达Quanergy M8。
采用双目相机获取的标定板顶点如图3所示;采用激光雷达获取的标定板顶点如图 4所示。利用二者获取的顶点进行ICP配准,标定结果如下:
T=[-0.184988 -0.239018 0.129789]T (20)
根据标定结果,将激光雷达的标定板点云转换到双目相机坐标系,如图5所示。
Claims (4)
1.一种三维激光雷达与双目可见光传感器的融合标定方法,其特征在于包括以下步骤:
1)搭建融合标定系统,包括三维激光雷达、双目相机与正方形的棋盘格标定板。
2)双目相机的立体标定
首先对左右两个相机分别进行单目相机标定,采用棋盘格标定板以及张正友标定法,获取左右相机的内参矩阵、畸变系数;然后对左右两个相机进行立体标定,得到两个相机坐标系之间的旋转矩阵R、平移向量T。
3)双目相机获取标定板顶点的三维坐标
根据立体标定的结果,对双目图像进行立体校正,可以获得棋盘格角点的深度信息,进而得到其三维坐标,即得到标定板角点的三维点云。采用RANSAC算法,对标定板点云进行平面拟合,在得到的拟合平面上,提取标定板对角线上的角点,采用最小二乘法分别进行直线拟合,得到标定板两条对角线的三维直线方程,标定板平面的四个顶点分别位于两条对角线上,根据各顶点与其最近角点的距离以及三维直线方程,求解得到四个顶点的三维坐标。
4)激光雷达获取标定板顶点的三维坐标
分割出标定板的三维点云,采用RANSAC算法,对标定板点云进行平面拟合,并将标定板点云投影到拟合平面上,计算相邻点的距离差值,提取四条边的边界点,采用最小二乘拟合,得到标定板四条边的三维直线方程,进而求解相邻边的交点,得到标定板的四个顶点的三维坐标。
5)将双目相机与激光雷达分别获取的标定板顶点,采用迭代最近点(ICP)算法进行配准,得到两传感器坐标系之间的旋转矩阵、平移向量。
2.如权利要求1所述的一种三维激光雷达与双目可见光传感器的融合标定方法,其特征在于:步骤3)与步骤4)中,为减小测量误差的影响,都采用了RANSAC算法对标定板点云进行平面拟合,然后将标定板点云投影到拟合平面上,采用投影后的点云进行直线拟合,这种处理保证了拟合直线在同一平面上,便于求解标定板顶点坐标。
3.如权利要求1所述的一种三维激光雷达与双目可见光传感器的融合标定方法,其特征在于:步骤3)中,在拟合平面上,首先提取标定板对角线上的棋盘格角点,然后用提取的角点进行直线拟合,然后在直线方程约束下,利用各顶点与最近角点的距离关系计算标定板顶点的三维坐标。
4.如权利要求1所述的一种三维激光雷达与双目可见光传感器的融合标定方法,其特征在于:步骤4)中,相邻点的距离差值计算式如下:
di=||pi+1-pi|| (1)
其中,pi与pi+1分别为向拟合平面投影后相邻的第i个点与第i+1个点的坐标,|| ||为计算二范数。
得到各相邻点的距离差值后,可计算距离差值的均值μ与标准差σ,以μ+kσ为阈值,大于阈值的点,即为标定板的边界点,其中,k一般取3~6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639761.4A CN110349221A (zh) | 2019-07-16 | 2019-07-16 | 一种三维激光雷达与双目可见光传感器的融合标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639761.4A CN110349221A (zh) | 2019-07-16 | 2019-07-16 | 一种三维激光雷达与双目可见光传感器的融合标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110349221A true CN110349221A (zh) | 2019-10-18 |
Family
ID=68176501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910639761.4A Pending CN110349221A (zh) | 2019-07-16 | 2019-07-16 | 一种三维激光雷达与双目可见光传感器的融合标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349221A (zh) |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定系统及其方法 |
CN110823252A (zh) * | 2019-11-06 | 2020-02-21 | 大连理工大学 | 一种多线激光雷达和单目视觉的自动标定方法 |
CN110969669A (zh) * | 2019-11-22 | 2020-04-07 | 大连理工大学 | 基于互信息配准的可见光与红外相机联合标定方法 |
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 |
CN111179358A (zh) * | 2019-12-30 | 2020-05-19 | 浙江商汤科技开发有限公司 | 标定方法、装置、设备及存储介质 |
CN111199578A (zh) * | 2019-12-31 | 2020-05-26 | 南京航空航天大学 | 基于视觉辅助激光雷达的无人机三维环境建模方法 |
CN111238382A (zh) * | 2020-01-21 | 2020-06-05 | 北京驭光科技发展有限公司 | 船舶高度测量方法和船舶高度测量装置 |
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 |
CN111413684A (zh) * | 2020-05-07 | 2020-07-14 | 沃行科技(南京)有限公司 | 一种基于多激光雷达数据融合的方法 |
CN111638499A (zh) * | 2020-05-08 | 2020-09-08 | 上海交通大学 | 基于激光雷达反射强度点特征的相机-激光雷达相对外参标定方法 |
CN111815712A (zh) * | 2020-06-24 | 2020-10-23 | 中国地质大学(武汉) | 一种高精度的相机-单激光仪联合标定方法 |
US10859684B1 (en) | 2019-11-12 | 2020-12-08 | Huawei Technologies Co., Ltd. | Method and system for camera-lidar calibration |
CN112162263A (zh) * | 2020-10-26 | 2021-01-01 | 苏州挚途科技有限公司 | 传感器的联合标定方法、装置及电子设备 |
CN112198491A (zh) * | 2020-09-30 | 2021-01-08 | 广州赛特智能科技有限公司 | 一种基于低成本二维激光雷达的机器人三维感知系统及其方法 |
CN112212784A (zh) * | 2020-09-01 | 2021-01-12 | 长春工程学院 | 一种点激光位移传感器与双目相机坐标融合的方法及系统 |
CN112270713A (zh) * | 2020-10-14 | 2021-01-26 | 北京航空航天大学杭州创新研究院 | 标定方法以及装置、存储介质、电子装置 |
CN112348941A (zh) * | 2020-09-17 | 2021-02-09 | 重庆知至科技有限公司 | 一种基于点云与图像数据的实时融合方法及装置 |
CN112697057A (zh) * | 2021-02-01 | 2021-04-23 | 南京耘瞳科技有限公司 | 一种送料皮带厚度检测方法 |
CN112766328A (zh) * | 2020-01-05 | 2021-05-07 | 北京航空航天大学 | 融合激光雷达、双目相机和ToF深度相机数据的智能机器人深度图像构建方法 |
CN112785651A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 用于确定相对位姿参数的方法和装置 |
CN112907681A (zh) * | 2021-02-26 | 2021-06-04 | 北京中科慧眼科技有限公司 | 基于毫米波雷达与双目相机的联合标定方法和系统 |
CN112927302A (zh) * | 2021-02-22 | 2021-06-08 | 山东大学 | 一种多线激光雷达与相机联合标定的标定板及标定方法 |
CN112927298A (zh) * | 2021-02-25 | 2021-06-08 | 上海钛米机器人股份有限公司 | 目标对象的定位方法及装置、电子设备、存储介质 |
CN112991455A (zh) * | 2021-02-01 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN113012238A (zh) * | 2021-04-09 | 2021-06-22 | 南京星顿医疗科技有限公司 | 一种多深度相机快速标定与数据融合的方法 |
CN113012236A (zh) * | 2021-03-31 | 2021-06-22 | 武汉理工大学 | 一种基于交叉式双目视觉引导的机器人智能打磨方法 |
CN113034615A (zh) * | 2021-03-30 | 2021-06-25 | 南方电网电力科技股份有限公司 | 一种用于多源数据融合的设备标定方法及相关装置 |
CN113031582A (zh) * | 2019-12-25 | 2021-06-25 | 北京极智嘉科技股份有限公司 | 机器人、定位方法及计算机可读存储介质 |
CN113050074A (zh) * | 2021-03-16 | 2021-06-29 | 成都信息工程大学 | 无人驾驶环境感知中相机与激光雷达标定系统及标定方法 |
CN113093176A (zh) * | 2019-12-23 | 2021-07-09 | 北京三快在线科技有限公司 | 线状障碍物检测方法、装置、电子设备和存储介质 |
CN113198692A (zh) * | 2021-05-19 | 2021-08-03 | 飓蜂科技(苏州)有限公司 | 一种适用于批量产品的高精度点胶方法及装置 |
CN113269857A (zh) * | 2021-05-28 | 2021-08-17 | 东软睿驰汽车技术(沈阳)有限公司 | 坐标系关系获取方法及装置 |
CN113391298A (zh) * | 2021-04-30 | 2021-09-14 | 深圳市安思疆科技有限公司 | 一种激光雷达的参数标定方法和装置 |
CN113390514A (zh) * | 2021-06-16 | 2021-09-14 | 中国人民解放军军事科学院国防工程研究院 | 一种基于多传感器阵列的三维红外温度测量方法 |
CN113436274A (zh) * | 2021-06-28 | 2021-09-24 | 兰剑智能科技股份有限公司 | 一种移动机器人的校准方法、装置及设备 |
CN113447948A (zh) * | 2021-05-28 | 2021-09-28 | 淮阴工学院 | 一种基于ros机器人的相机与多激光雷达融合方法 |
CN113466834A (zh) * | 2020-03-12 | 2021-10-01 | 华为技术有限公司 | 一种激光雷达参数标定方法及装置 |
CN113674227A (zh) * | 2021-08-02 | 2021-11-19 | 上海工程技术大学 | 一种用于离子推力器栅极组件的层间距检测方法 |
CN113759346A (zh) * | 2020-10-10 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种激光雷达标定方法、装置、电子设备及存储介质 |
CN113759385A (zh) * | 2021-08-12 | 2021-12-07 | 江苏徐工工程机械研究院有限公司 | 一种激光雷达和相机融合测距方法及系统 |
CN114004894A (zh) * | 2021-10-12 | 2022-02-01 | 东南大学 | 基于三个标定板的激光雷达与双目相机空间关系确定方法 |
JP2022514429A (ja) * | 2019-11-19 | 2022-02-10 | 浙江商▲湯▼科技▲開▼▲発▼有限公司 | 画像収集機器のキャリブレーション方法、装置、システム、機器及び記憶媒体 |
CN114205483A (zh) * | 2022-02-17 | 2022-03-18 | 杭州思看科技有限公司 | 扫描仪精度校准方法、装置和计算机设备 |
CN114359891A (zh) * | 2021-12-08 | 2022-04-15 | 华南理工大学 | 一种三维车辆检测方法、系统、装置及介质 |
CN114565616A (zh) * | 2022-03-03 | 2022-05-31 | 湖南大学无锡智能控制研究院 | 一种非结构化道路状态参数估计方法及系统 |
CN114577140A (zh) * | 2022-01-20 | 2022-06-03 | 桂林电子科技大学 | 一种鲁棒的条纹投影系统标定方法 |
WO2022143237A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 一种目标定位的方法、系统及相关设备 |
CN117173342A (zh) * | 2023-11-02 | 2023-12-05 | 中国海洋大学 | 基于水下单双目相机的自然光下移动三维重建装置及方法 |
CN117630892A (zh) * | 2024-01-25 | 2024-03-01 | 北京科技大学 | 可见光相机、红外相机与激光雷达的联合标定方法及系统 |
CN115166701B (zh) * | 2022-06-17 | 2024-04-09 | 清华大学 | 一种rgb-d相机和激光雷达的系统标定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411784A (zh) * | 2011-07-13 | 2012-04-11 | 河南理工大学 | 数字图像中椭圆相关信息的简单快速提取方法 |
CN103837869A (zh) * | 2014-02-26 | 2014-06-04 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
CN107976669A (zh) * | 2016-10-21 | 2018-05-01 | 法乐第(北京)网络科技有限公司 | 一种确定相机与激光雷达之间的外参数的装置 |
CN108828606A (zh) * | 2018-03-22 | 2018-11-16 | 中国科学院西安光学精密机械研究所 | 一种基于激光雷达和双目可见光相机联合测量方法 |
CN109978954A (zh) * | 2019-01-30 | 2019-07-05 | 杭州飞步科技有限公司 | 基于箱体的雷达和相机联合标定的方法和装置 |
-
2019
- 2019-07-16 CN CN201910639761.4A patent/CN110349221A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411784A (zh) * | 2011-07-13 | 2012-04-11 | 河南理工大学 | 数字图像中椭圆相关信息的简单快速提取方法 |
CN103837869A (zh) * | 2014-02-26 | 2014-06-04 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
CN107976669A (zh) * | 2016-10-21 | 2018-05-01 | 法乐第(北京)网络科技有限公司 | 一种确定相机与激光雷达之间的外参数的装置 |
CN108828606A (zh) * | 2018-03-22 | 2018-11-16 | 中国科学院西安光学精密机械研究所 | 一种基于激光雷达和双目可见光相机联合测量方法 |
CN109978954A (zh) * | 2019-01-30 | 2019-07-05 | 杭州飞步科技有限公司 | 基于箱体的雷达和相机联合标定的方法和装置 |
Non-Patent Citations (1)
Title |
---|
王建华,朱元昌,王春平: ""复杂背景下模板自动检测与定位的新方法"", 《中国图像图形学报》 * |
Cited By (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596683B (zh) * | 2019-10-25 | 2021-03-26 | 中山大学 | 一种多组激光雷达外参标定系统及其方法 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定系统及其方法 |
CN110823252B (zh) * | 2019-11-06 | 2022-11-18 | 大连理工大学 | 一种多线激光雷达和单目视觉的自动标定方法 |
CN110823252A (zh) * | 2019-11-06 | 2020-02-21 | 大连理工大学 | 一种多线激光雷达和单目视觉的自动标定方法 |
CN112785651A (zh) * | 2019-11-11 | 2021-05-11 | 北京京邦达贸易有限公司 | 用于确定相对位姿参数的方法和装置 |
CN112785651B (zh) * | 2019-11-11 | 2024-03-01 | 北京京邦达贸易有限公司 | 用于确定相对位姿参数的方法和装置 |
WO2021093240A1 (en) * | 2019-11-12 | 2021-05-20 | Huawei Technologies Co., Ltd. | Method and system for camera-lidar calibration |
US10859684B1 (en) | 2019-11-12 | 2020-12-08 | Huawei Technologies Co., Ltd. | Method and system for camera-lidar calibration |
JP2022514429A (ja) * | 2019-11-19 | 2022-02-10 | 浙江商▲湯▼科技▲開▼▲発▼有限公司 | 画像収集機器のキャリブレーション方法、装置、システム、機器及び記憶媒体 |
CN110969669B (zh) * | 2019-11-22 | 2021-12-03 | 大连理工大学 | 基于互信息配准的可见光与红外相机联合标定方法 |
CN110969669A (zh) * | 2019-11-22 | 2020-04-07 | 大连理工大学 | 基于互信息配准的可见光与红外相机联合标定方法 |
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 |
CN113093176A (zh) * | 2019-12-23 | 2021-07-09 | 北京三快在线科技有限公司 | 线状障碍物检测方法、装置、电子设备和存储介质 |
CN113031582A (zh) * | 2019-12-25 | 2021-06-25 | 北京极智嘉科技股份有限公司 | 机器人、定位方法及计算机可读存储介质 |
CN111179358A (zh) * | 2019-12-30 | 2020-05-19 | 浙江商汤科技开发有限公司 | 标定方法、装置、设备及存储介质 |
CN111179358B (zh) * | 2019-12-30 | 2024-01-05 | 浙江商汤科技开发有限公司 | 标定方法、装置、设备及存储介质 |
CN111199578B (zh) * | 2019-12-31 | 2022-03-15 | 南京航空航天大学 | 基于视觉辅助激光雷达的无人机三维环境建模方法 |
CN111199578A (zh) * | 2019-12-31 | 2020-05-26 | 南京航空航天大学 | 基于视觉辅助激光雷达的无人机三维环境建模方法 |
CN112766328B (zh) * | 2020-01-05 | 2022-08-12 | 北京航空航天大学 | 融合激光雷达、双目相机和ToF深度相机数据的智能机器人深度图像构建方法 |
CN112766328A (zh) * | 2020-01-05 | 2021-05-07 | 北京航空航天大学 | 融合激光雷达、双目相机和ToF深度相机数据的智能机器人深度图像构建方法 |
CN111238382B (zh) * | 2020-01-21 | 2021-01-01 | 北京驭光科技发展有限公司 | 船舶高度测量方法和船舶高度测量装置 |
CN111238382A (zh) * | 2020-01-21 | 2020-06-05 | 北京驭光科技发展有限公司 | 船舶高度测量方法和船舶高度测量装置 |
CN111289957B (zh) * | 2020-03-10 | 2022-08-16 | 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 |
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 |
CN113466834A (zh) * | 2020-03-12 | 2021-10-01 | 华为技术有限公司 | 一种激光雷达参数标定方法及装置 |
CN111413684A (zh) * | 2020-05-07 | 2020-07-14 | 沃行科技(南京)有限公司 | 一种基于多激光雷达数据融合的方法 |
CN111638499A (zh) * | 2020-05-08 | 2020-09-08 | 上海交通大学 | 基于激光雷达反射强度点特征的相机-激光雷达相对外参标定方法 |
CN111638499B (zh) * | 2020-05-08 | 2024-04-09 | 上海交通大学 | 基于激光雷达反射强度点特征的相机-激光雷达相对外参标定方法 |
CN111815712A (zh) * | 2020-06-24 | 2020-10-23 | 中国地质大学(武汉) | 一种高精度的相机-单激光仪联合标定方法 |
CN111815712B (zh) * | 2020-06-24 | 2023-12-15 | 中国地质大学(武汉) | 一种高精度的相机-单激光仪联合标定方法 |
CN112212784A (zh) * | 2020-09-01 | 2021-01-12 | 长春工程学院 | 一种点激光位移传感器与双目相机坐标融合的方法及系统 |
CN112212784B (zh) * | 2020-09-01 | 2022-02-08 | 长春工程学院 | 一种点激光位移传感器与双目相机坐标融合的方法及系统 |
CN112348941A (zh) * | 2020-09-17 | 2021-02-09 | 重庆知至科技有限公司 | 一种基于点云与图像数据的实时融合方法及装置 |
CN112198491A (zh) * | 2020-09-30 | 2021-01-08 | 广州赛特智能科技有限公司 | 一种基于低成本二维激光雷达的机器人三维感知系统及其方法 |
CN112198491B (zh) * | 2020-09-30 | 2023-06-09 | 广州赛特智能科技有限公司 | 一种基于低成本二维激光雷达的机器人三维感知系统及其方法 |
CN113759346A (zh) * | 2020-10-10 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种激光雷达标定方法、装置、电子设备及存储介质 |
CN112270713A (zh) * | 2020-10-14 | 2021-01-26 | 北京航空航天大学杭州创新研究院 | 标定方法以及装置、存储介质、电子装置 |
CN112162263A (zh) * | 2020-10-26 | 2021-01-01 | 苏州挚途科技有限公司 | 传感器的联合标定方法、装置及电子设备 |
WO2022143237A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 一种目标定位的方法、系统及相关设备 |
CN112697057A (zh) * | 2021-02-01 | 2021-04-23 | 南京耘瞳科技有限公司 | 一种送料皮带厚度检测方法 |
CN112991455A (zh) * | 2021-02-01 | 2021-06-18 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN112991455B (zh) * | 2021-02-01 | 2022-06-17 | 武汉光庭信息技术股份有限公司 | 一种点云与图片融合标注的方法及系统 |
CN112927302A (zh) * | 2021-02-22 | 2021-06-08 | 山东大学 | 一种多线激光雷达与相机联合标定的标定板及标定方法 |
CN112927302B (zh) * | 2021-02-22 | 2023-08-15 | 山东大学 | 一种多线激光雷达与相机联合标定的标定板及标定方法 |
CN112927298A (zh) * | 2021-02-25 | 2021-06-08 | 上海钛米机器人股份有限公司 | 目标对象的定位方法及装置、电子设备、存储介质 |
CN112927298B (zh) * | 2021-02-25 | 2024-06-11 | 上海钛米机器人股份有限公司 | 目标对象的定位方法及装置、电子设备、存储介质 |
CN112907681A (zh) * | 2021-02-26 | 2021-06-04 | 北京中科慧眼科技有限公司 | 基于毫米波雷达与双目相机的联合标定方法和系统 |
CN113050074A (zh) * | 2021-03-16 | 2021-06-29 | 成都信息工程大学 | 无人驾驶环境感知中相机与激光雷达标定系统及标定方法 |
CN113050074B (zh) * | 2021-03-16 | 2023-08-25 | 成都信息工程大学 | 无人驾驶环境感知中相机与激光雷达标定系统及标定方法 |
CN113034615A (zh) * | 2021-03-30 | 2021-06-25 | 南方电网电力科技股份有限公司 | 一种用于多源数据融合的设备标定方法及相关装置 |
CN113012236B (zh) * | 2021-03-31 | 2022-06-07 | 武汉理工大学 | 一种基于交叉式双目视觉引导的机器人智能打磨方法 |
CN113012236A (zh) * | 2021-03-31 | 2021-06-22 | 武汉理工大学 | 一种基于交叉式双目视觉引导的机器人智能打磨方法 |
CN113012238A (zh) * | 2021-04-09 | 2021-06-22 | 南京星顿医疗科技有限公司 | 一种多深度相机快速标定与数据融合的方法 |
CN113012238B (zh) * | 2021-04-09 | 2024-04-16 | 南京星顿医疗科技有限公司 | 一种多深度相机快速标定与数据融合的方法 |
CN113391298B (zh) * | 2021-04-30 | 2023-09-22 | 深圳市安思疆科技有限公司 | 一种激光雷达的参数标定方法和装置 |
CN113391298A (zh) * | 2021-04-30 | 2021-09-14 | 深圳市安思疆科技有限公司 | 一种激光雷达的参数标定方法和装置 |
CN113198692A (zh) * | 2021-05-19 | 2021-08-03 | 飓蜂科技(苏州)有限公司 | 一种适用于批量产品的高精度点胶方法及装置 |
CN113269857A (zh) * | 2021-05-28 | 2021-08-17 | 东软睿驰汽车技术(沈阳)有限公司 | 坐标系关系获取方法及装置 |
CN113447948A (zh) * | 2021-05-28 | 2021-09-28 | 淮阴工学院 | 一种基于ros机器人的相机与多激光雷达融合方法 |
CN113390514A (zh) * | 2021-06-16 | 2021-09-14 | 中国人民解放军军事科学院国防工程研究院 | 一种基于多传感器阵列的三维红外温度测量方法 |
CN113436274B (zh) * | 2021-06-28 | 2022-08-23 | 兰剑智能科技股份有限公司 | 一种移动机器人的校准方法、装置及设备 |
CN113436274A (zh) * | 2021-06-28 | 2021-09-24 | 兰剑智能科技股份有限公司 | 一种移动机器人的校准方法、装置及设备 |
CN113674227B (zh) * | 2021-08-02 | 2023-08-08 | 上海工程技术大学 | 一种用于离子推力器栅极组件的层间距检测方法 |
CN113674227A (zh) * | 2021-08-02 | 2021-11-19 | 上海工程技术大学 | 一种用于离子推力器栅极组件的层间距检测方法 |
CN113759385A (zh) * | 2021-08-12 | 2021-12-07 | 江苏徐工工程机械研究院有限公司 | 一种激光雷达和相机融合测距方法及系统 |
CN114004894A (zh) * | 2021-10-12 | 2022-02-01 | 东南大学 | 基于三个标定板的激光雷达与双目相机空间关系确定方法 |
CN114004894B (zh) * | 2021-10-12 | 2024-04-26 | 东南大学 | 基于三个标定板的激光雷达与双目相机空间关系确定方法 |
CN114359891B (zh) * | 2021-12-08 | 2024-05-28 | 华南理工大学 | 一种三维车辆检测方法、系统、装置及介质 |
CN114359891A (zh) * | 2021-12-08 | 2022-04-15 | 华南理工大学 | 一种三维车辆检测方法、系统、装置及介质 |
CN114577140A (zh) * | 2022-01-20 | 2022-06-03 | 桂林电子科技大学 | 一种鲁棒的条纹投影系统标定方法 |
CN114205483A (zh) * | 2022-02-17 | 2022-03-18 | 杭州思看科技有限公司 | 扫描仪精度校准方法、装置和计算机设备 |
CN114205483B (zh) * | 2022-02-17 | 2022-07-29 | 杭州思看科技有限公司 | 扫描仪精度校准方法、装置和计算机设备 |
CN114565616B (zh) * | 2022-03-03 | 2022-12-09 | 湖南大学无锡智能控制研究院 | 一种非结构化道路状态参数估计方法及系统 |
CN114565616A (zh) * | 2022-03-03 | 2022-05-31 | 湖南大学无锡智能控制研究院 | 一种非结构化道路状态参数估计方法及系统 |
CN115166701B (zh) * | 2022-06-17 | 2024-04-09 | 清华大学 | 一种rgb-d相机和激光雷达的系统标定方法及装置 |
CN117173342A (zh) * | 2023-11-02 | 2023-12-05 | 中国海洋大学 | 基于水下单双目相机的自然光下移动三维重建装置及方法 |
CN117630892B (zh) * | 2024-01-25 | 2024-03-29 | 北京科技大学 | 可见光相机、红外相机与激光雷达的联合标定方法及系统 |
CN117630892A (zh) * | 2024-01-25 | 2024-03-01 | 北京科技大学 | 可见光相机、红外相机与激光雷达的联合标定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349221A (zh) | 一种三维激光雷达与双目可见光传感器的融合标定方法 | |
CN104197928B (zh) | 多摄像机协同的无人机检测、定位及跟踪方法 | |
CN107884767A (zh) | 一种双目视觉系统测量船舶距离与高度的方法 | |
CN105203034B (zh) | 一种基于单目摄像头三维测距模型的测高测面积方法 | |
CN103971404B (zh) | 一种高性价比的3d实景复制装置 | |
CN106683070A (zh) | 基于深度相机的身高测量方法及装置 | |
CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
CN106560835B (zh) | 一种路牌识别方法及装置 | |
CN105184857A (zh) | 基于点结构光测距的单目视觉重建中尺度因子确定方法 | |
CN112270713A (zh) | 标定方法以及装置、存储介质、电子装置 | |
CN103047943A (zh) | 基于单投射编码结构光的车门外板形状尺寸检测方法 | |
CN108692656B (zh) | 一种激光扫描数据获取方法及装置 | |
CN113050074B (zh) | 无人驾驶环境感知中相机与激光雷达标定系统及标定方法 | |
CN105547244A (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
CN112365545B (zh) | 基于大平面复合靶标的激光雷达与可见光相机的标定方法 | |
CN113920183A (zh) | 基于单目视觉的车前障碍物测距方法 | |
CN106033614A (zh) | 一种强视差下的移动相机运动目标检测方法 | |
CN106709432B (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN110415286A (zh) | 一种多飞行时间深度相机系统的外参标定方法 | |
Li et al. | Laser scanning based three dimensional measurement of vegetation canopy structure | |
CN115909025A (zh) | 一种小天体表面采样点地形视觉自主检测识别方法 | |
CN114923665A (zh) | 波浪三维高度场的图像重构方法及图像重构试验系统 | |
Higuchi et al. | 3D measurement of large structure by multiple cameras and a ring laser | |
CN114078163A (zh) | 激光雷达与可见光相机的精确标定方法 | |
Sergiyenko et al. | Multi-view 3D data fusion and patching to reduce Shannon entropy in Robotic Vision |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191018 |
|
WD01 | Invention patent application deemed withdrawn after publication |