CN111060881A - 一种毫米波雷达外参数在线标定方法 - Google Patents
一种毫米波雷达外参数在线标定方法 Download PDFInfo
- Publication number
- CN111060881A CN111060881A CN202010026381.6A CN202010026381A CN111060881A CN 111060881 A CN111060881 A CN 111060881A CN 202010026381 A CN202010026381 A CN 202010026381A CN 111060881 A CN111060881 A CN 111060881A
- Authority
- CN
- China
- Prior art keywords
- target
- millimeter wave
- wave radar
- targets
- external parameter
- 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
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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明通过对毫米波雷达及参考传感器进行数据处理,根据全局最近邻算法进行粗估计,根据局部最近邻算法确定目标对应关系,根据目标尺寸信息去除错误对应目标对,重复迭代确定对应关系和去除错误目标对,直到标定结构达到预设精度,从而求解毫米波的外参数。
Description
技术领域
本发明专利涉及智能车辆环境感知领域,特别是关于一种毫米波雷达外参数在线标定方法。
背景技术
实现汽车智能化是汽车行业发展的重要趋势,环境感知技术是智能车辆技术的核心技术之一。环境感知技术通过获取和分析传感器数据,为决策、控制等技术提供环境信息。对于装有多个传感器的智能车辆,首先需要实现传感器空间同步,即把来自不同安装位置传感器获取的数据,从传感器自身传感器下转换到车辆坐标系下。
申请号为CN1910818062.6的专利提出了一种在车辆行驶过程中进行毫米波雷达外参数标定的方法,该方法需要毫米波雷达在车辆行驶过程中获取至少两个时刻下的障碍物数据,将其作为基础数据,并基于车辆位置坐标获取子单元获取对应时刻下的车辆位置坐标。基于两个时刻下的车辆坐标和障碍物坐标,通过初始外参设定值或新的外参设定值将基础数据映射至坐标系中,迭代进行整个过程直至收敛,从而获得毫米波雷达外参数。该方法需要多个时刻的毫米波雷达观察数据,误差函数计算过程误差较大,且需要车辆自身位置坐标,速度较大时误差较大。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种毫米波雷达外参数在线标定方法,本方法原理简洁、步骤简单,易于工程实现;本方法只需对传感器数据进行处理,无需标定场或标定物,且不依赖环境特征。
为实现上述目的,本发明提供了如下技术方案:一种毫米波雷达外参数在线标定方法,其特征在于:包括如下步骤:
步骤一,获取待标定的毫米波雷达以及参考传感器数据,并进行数据预处理;
步骤二,根据目标位置计算粗估计外参数R0,T0,估计外参数R0,T0对毫米波雷达观测进行坐标变换;
步骤三,确定所有毫米波雷达与参考传感器观测目标的对应关系;
步骤四,根据毫米波雷达与参考传感器观测目标的尺寸信息,计算对应目标尺寸误差,标记错误对应目标对,并去除错误对应目标对;
步骤五,计算去除错误对应目标对后,该对应关系下所有目标与其对应目标的位置误差,根据传感器坐标系变换关系和该对应关系下对应点构建方程,计算毫米波雷达安装外参数Rr,Tr;
步骤六,根据外参数Rr,Tr,判断位置误差是否满足设定阈值,若不满足,则以Rr,Tr对目标进行坐标变换,并返回步骤三;满足,则输出外参数。
作为本发明的进一步改进,所述步骤一中数据预处理具体包括原始数据的坐标变换、聚类、滤除噪声、确定数据重叠部分,从而从原始数据获取目标的数量、位置和尺寸信息。
作为本发明的进一步改进,所述步骤一中的毫米波雷达以及参考传感器数据具体包括如下:
毫米波雷达测量的目标位置和尺寸信息集合为:
参考传感器测量的目标位置和尺寸信息集合为:
作为本发明的进一步改进,所述步骤二中外参数R0,T0采用全局最近邻算法计算,具体计算步骤如下:
步骤二一,计算目标的距离矩阵,该目标的距离矩阵为毫米波雷达观测的所有目标与参考传感器观测的所有目标的距离组成的矩阵;
步骤二二,从距离矩阵中选择最优目标组合,使其满足使毫米波雷达与参考传感器的所有目标到其对应目标的距离之和最小;
步骤二三,根据全局最优目标组合,计算粗估计外参数R0,T0;
其中,距离矩阵D为:
其中,d(i,j)表示毫米波雷达观测的目标i与参考传感器观测的目标j之间的欧式距离。
作为本发明的进一步改进,所述步骤二二中的选择最优目标组合的具体步骤如下:
则毫米波雷达与参考传感器的所有目标到其对应目标的距离之和Dsum为:
作为本发明的进一步改进,所述步骤三中采用局部最近邻算法确定目标的对应关系,具体为以毫米波雷达和参考传感器观测目标数据构建k-d树,利用k-d树查询每个毫米波雷达观测目标对应的最近邻参考传感器观测目标,标记为对应目标对ck,最终获得对应目标对集合作为本发明的进一步改进,所述步骤四中的错误对应目标对由对应目标的尺寸误差是否小于设定阈值δs,即的方式判断而出。
作为本发明的进一步改进,所述步骤五中传感器坐标系变换关系为:
其中,R为旋转矩阵、T为平移矩阵T:
目标函数为:
其中,j=1,2…Nr,Nr为目标对数量。
作为本发明的进一步改进,所述步骤六中位置误差为:
本发明的有益效果,1)能够根据毫米波雷达与参考传感器的单帧数据,在线标定毫米波雷达外参数;2)自动化进行数据获取、数据预处理、外参数粗估计、确定目标对应关系、去除对应目标对、迭代求解等过程,整个标定过程无需人工干预;3)不限于特定场景、不需要特定标定物。
附图说明
图1为本发明的毫米波雷达外参数标定流程示意图;
图2为本发明一实施例毫米波雷达与其他传感器安装示意图;
图3为本发明一实施例毫米波雷达和激光雷达坐标系下检测结果;
图4局部最近邻算法寻找最优对应目标对示意图;
图5局部最近邻算法寻找最优对应目标对示意图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
参照图1至5所示,本实施例的一种毫米波雷达外参数在线标定方法,包括如下步骤:
步骤一,获取待标定的毫米波雷达以及参考传感器数据,并进行数据预处理;
步骤二,根据目标位置计算粗估计外参数R0,T0,估计外参数R0,T0对毫米波雷达观测进行坐标变换;
步骤三,确定所有毫米波雷达与参考传感器观测目标的对应关系;
步骤四,根据毫米波雷达与参考传感器观测目标的尺寸信息,计算对应目标尺寸误差,标记错误对应目标对,并去除错误对应目标对;
步骤五,计算去除错误对应目标对后,该对应关系下所有目标与其对应目标的位置误差,根据传感器坐标系变换关系和该对应关系下对应点构建方程,计算毫米波雷达安装外参数Rr,Tr;
步骤六,根据外参数Rr,Tr,判断位置误差是否满足设定阈值,若不满足,则以Rr,Tr对目标进行坐标变换,并返回步骤三;满足,则输出外参数,由此通过步骤一至步骤六的设置,只需通过步骤一获取到的毫米波雷达以及参考传感器数据,而不需要同现有技术中一样,需要多个时刻的观察数据,通过利用步骤四可去除掉错误对应目标对,以此有效的减小了计算过程中因为错误对应目标对导致的误差较大的问题,而且最后还通过了步骤六进行再次验证,使得最终输出的外参数误差能够达到最小,同时整个过程中并不需要车辆自身位置坐标,避免了因为车辆速度对于整体外参数计算的影响。
以下对上述六个步骤中细节部分进行进一步详述。
步骤一中数据预处理具体包括原始数据的坐标变换、聚类、滤除噪声、确定数据重叠部分,从而从原始数据获取目标的数量、位置和尺寸信息,毫米波雷达以及参考传感器数据具体包括如下:
毫米波雷达测量的目标位置和尺寸信息集合为:
参考传感器测量的目标位置和尺寸信息集合为:
步骤二中外参数R0,T0采用全局最近邻算法计算,全局最近邻算法首先计算目标的距离矩阵,目标的距离矩阵为毫米波雷达观测的所有目标与参考传感器观测的所有目标的距离组成的矩阵,然后从距离矩阵中选择最优目标组合,使其满足使毫米波雷达与参考传感器的所有目标到其对应目标的距离之和最小,即Dsum最小,因此其具体计算步骤如下:
步骤二一,计算目标的距离矩阵,该目标的距离矩阵为毫米波雷达观测的所有目标与参考传感器观测的所有目标的距离组成的矩阵;
步骤二二,从距离矩阵中选择最优目标组合,使其满足使毫米波雷达与参考传感器的所有目标到其对应目标的距离之和最小;
步骤二三,根据全局最优目标组合,计算粗估计外参数R0,T0;
其中,距离矩阵D为:
其中,d(i,j)表示毫米波雷达观测的目标i与参考传感器观测的目标j之间的欧式距离;
则毫米波雷达与参考传感器的所有目标到其对应目标的距离之和Dsum为:
步骤二五,通过匈牙利算法等匹配算法,找出使Dsum最小的全局最优目标组合,在本实施例中,对于通过匈牙利算法等匹配算法,找出使Dsum最小的全局最优目标组合,本实施例不限定求解方法,同时对于根据全局最优目标组合,计算粗估计外参数R0,T0,本实施例同样不限求解方法,同时利用估计外参数R0,T0对毫米波雷达观测进行坐标变换即为得到目标粗估计位置
步骤三中采用局部最近邻算法确定目标的对应关系。局部最近邻算法通过寻找距离每个毫米波雷达观测目标最近的参考传感器观测目标作为对应目标,以毫米波雷达和参考传感器观测目标数据构建k-d树,利用k-d树查询每个毫米波雷达观测目标对应的最近邻参考传感器观测目标,标记为对应目标对ck,最终获得对应目标对集合k=1,2…K,K=min(M,N)。
步骤五中,传感器坐标系变换关系为:
其中,R为旋转矩阵、T为平移矩阵T:
目标函数为:
其中,j=1,2…Nr,Nr为目标对数量。本实施例不限求解方法。
步骤六中设定条件为εr<δm,若不满足,说明标定结果未达要求精度;若满足,说明标定结果达到要求精度,以Rr,Tr对目标进行坐标变换,即 得到目标新位置j=1,2…Nr,Nr为目标对数量。综上所述,本实施例的在线标定方法,通过步骤一至步骤六的设置,便可有效的实现对于毫米波雷达外参数的输出,且不需要多个时刻的毫米波雷达数据,也不需要车辆自身位置等信息,以此有效的减少了相应的计算误差。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种毫米波雷达外参数在线标定方法,其特征在于:包括如下步骤:
步骤一,获取待标定的毫米波雷达以及参考传感器数据,并进行数据预处理;
步骤二,根据目标位置计算粗估计外参数R0,T0,估计外参数R0,T0对毫米波雷达观测进行坐标变换;
步骤三,确定所有毫米波雷达与参考传感器观测目标的对应关系;
步骤四,根据毫米波雷达与参考传感器观测目标的尺寸信息,计算对应目标尺寸误差,标记错误对应目标对,并去除错误对应目标对;
步骤五,计算去除错误对应目标对后,该对应关系下所有目标与其对应目标的位置误差,根据传感器坐标系变换关系和该对应关系下对应点构建方程,计算毫米波雷达安装外参数Rr,Tr;
步骤六,根据外参数Rr,Tr,判断位置误差是否满足设定阈值,若不满足,则以Rr,Tr对目标进行坐标变换,并返回步骤三;满足,则输出外参数。
2.根据权利要求1所述的毫米波雷达外参数在线标定方法,其特征在于:所述步骤一中数据预处理具体包括原始数据的坐标变换、聚类、滤除噪声、确定数据重叠部分,从而从原始数据获取目标的数量、位置和尺寸信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010026381.6A CN111060881B (zh) | 2020-01-10 | 2020-01-10 | 一种毫米波雷达外参数在线标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010026381.6A CN111060881B (zh) | 2020-01-10 | 2020-01-10 | 一种毫米波雷达外参数在线标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060881A true CN111060881A (zh) | 2020-04-24 |
CN111060881B CN111060881B (zh) | 2022-05-13 |
Family
ID=70306961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010026381.6A Active CN111060881B (zh) | 2020-01-10 | 2020-01-10 | 一种毫米波雷达外参数在线标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060881B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111708014A (zh) * | 2020-05-26 | 2020-09-25 | 烟台陆地智能科技有限公司 | 一种毫米波雷达的封闭空间内部非合作目标定位及测量方法 |
CN112083441A (zh) * | 2020-09-10 | 2020-12-15 | 湖南大学 | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 |
CN112526470A (zh) * | 2020-12-22 | 2021-03-19 | 北京百度网讯科技有限公司 | 标定雷达参数的方法和装置、电子设备、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360228A (zh) * | 2018-10-18 | 2019-02-19 | 清华大学苏州汽车研究院(吴江) | 单目摄像头与毫米波雷达间的位姿配准方法 |
CN109598765A (zh) * | 2018-12-21 | 2019-04-09 | 浙江大学 | 基于球形标定物的单目相机与毫米波雷达外参联合标定方法 |
WO2019184709A1 (zh) * | 2018-03-29 | 2019-10-03 | 上海智瞳通科技有限公司 | 多传感器融合的数据处理方法、装置与多传感器融合方法 |
CN110517303A (zh) * | 2019-08-30 | 2019-11-29 | 的卢技术有限公司 | 一种基于双目相机和毫米波雷达的融合slam方法及系统 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
-
2020
- 2020-01-10 CN CN202010026381.6A patent/CN111060881B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019184709A1 (zh) * | 2018-03-29 | 2019-10-03 | 上海智瞳通科技有限公司 | 多传感器融合的数据处理方法、装置与多传感器融合方法 |
CN109360228A (zh) * | 2018-10-18 | 2019-02-19 | 清华大学苏州汽车研究院(吴江) | 单目摄像头与毫米波雷达间的位姿配准方法 |
CN109598765A (zh) * | 2018-12-21 | 2019-04-09 | 浙江大学 | 基于球形标定物的单目相机与毫米波雷达外参联合标定方法 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN110517303A (zh) * | 2019-08-30 | 2019-11-29 | 的卢技术有限公司 | 一种基于双目相机和毫米波雷达的融合slam方法及系统 |
Non-Patent Citations (3)
Title |
---|
ZHANG, XINYU ET AL.: "Radar and vision fusion for the real-time obstacle detection and identification", 《INDUSTRIAL ROBOT》 * |
刘鑫等: "航空飞机雷达跟踪目标精度测量仿真", 《计算机仿真》 * |
韩栋斌等: "基于多对点云匹配的三维激光雷达外参数标定", 《激光与光电子学进展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111708014A (zh) * | 2020-05-26 | 2020-09-25 | 烟台陆地智能科技有限公司 | 一种毫米波雷达的封闭空间内部非合作目标定位及测量方法 |
CN112083441A (zh) * | 2020-09-10 | 2020-12-15 | 湖南大学 | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 |
CN112083441B (zh) * | 2020-09-10 | 2023-04-21 | 湖南大学 | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 |
CN112526470A (zh) * | 2020-12-22 | 2021-03-19 | 北京百度网讯科技有限公司 | 标定雷达参数的方法和装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111060881B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111060881B (zh) | 一种毫米波雷达外参数在线标定方法 | |
CN111025250B (zh) | 一种车载毫米波雷达在线标定方法 | |
Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
CN109657686B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN110533726B (zh) | 一种激光雷达场景三维姿态点法向量估计修正方法 | |
CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN114018155B (zh) | 化铣激光刻型轮廓精度检测方法及系统 | |
CN113777593B (zh) | 基于伺服电机辅助运动的多激光雷达外参标定方法和装置 | |
CN115097419A (zh) | 一种激光雷达到imu的外参标定方法及装置 | |
CN111735443B (zh) | 一种基于赋值矩阵的密集目标航迹关联方法 | |
CN114035187A (zh) | 一种自动驾驶系统的感知融合方法 | |
WO2021212319A1 (zh) | 红外图像处理方法、装置、系统及可移动平台 | |
CN117197245A (zh) | 一种位姿修复方法及装置 | |
CN115937325B (zh) | 一种结合毫米波雷达信息的车端摄像头标定方法 | |
CN113702931B (zh) | 一种车载雷达的外参标定方法、装置及存储介质 | |
CN113933798A (zh) | 一种基于相似性原理的全局传感器系统误差分区配准算法 | |
CN115100277A (zh) | 复杂曲面结构零件位姿确定方法 | |
CN112884057A (zh) | 基于点云数据的三维曲面质量分类方法、系统及存储介质 | |
CN117953002B (zh) | 基于Harris角点检测及匹配算法的CAD图纸翻模方法 | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN113643273B (zh) | 一种基于点云数据的缺陷检测方法及装置 | |
CN114972532B (zh) | 激光雷达之间的外参标定方法、装置、设备及存储介质 | |
CN112529021B (zh) | 一种基于尺度不变特征变换算法特征的航拍图像匹配方法 | |
CN116228603B (zh) | 一种挂车周围障碍物的报警系统及装置 | |
CN117148315B (zh) | 一种无人驾驶汽车运行检测方法及系统 |
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 |