CN111060898B - 场端多线束激光雷达内参标定方法 - Google Patents

场端多线束激光雷达内参标定方法 Download PDF

Info

Publication number
CN111060898B
CN111060898B CN201911327633.2A CN201911327633A CN111060898B CN 111060898 B CN111060898 B CN 111060898B CN 201911327633 A CN201911327633 A CN 201911327633A CN 111060898 B CN111060898 B CN 111060898B
Authority
CN
China
Prior art keywords
point
laser radar
point cloud
frame
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.)
Active
Application number
CN201911327633.2A
Other languages
English (en)
Other versions
CN111060898A (zh
Inventor
余长松
骆沛
倪凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN201911327633.2A priority Critical patent/CN111060898B/zh
Publication of CN111060898A publication Critical patent/CN111060898A/zh
Application granted granted Critical
Publication of CN111060898B publication Critical patent/CN111060898B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种场端多线束激光雷达内参标定方法，包括：在标定场地中使激光雷达每静态采集一帧点云后向前移动预设距离；将采集的点云的坐标统一至同一坐标系，而后叠加成一帧点云作为三维场景模型；将激光雷达放置在三维场景模型的中心位置，并在每静态采集一帧点云后偏转预设的俯仰角度；将激光雷达在各个位置点采集的点云数据和激光雷达在三维场景模型中采集的点云数据统一至同一坐标系；建立统一坐标系后的各个位置点的点云数据与激光雷达在三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用目标函数A标定激光雷达的内参。其提高了标定结果的精度，同时避免了高精度扫描仪的使用，以及租用场地，降低了激光雷达内参标定的成本。

Description

场端多线束激光雷达内参标定方法
技术领域
本发明涉及自动驾驶汽车技术领域，尤其涉及一种应用于场端多线束激光雷达内参标定方法。
背景技术
目前激光雷达内参标定主要是以无监督式为主，在此前提下，又分为有标定场景假设和无标定场景假设两种，这里的场景假设是指利用高精度扫描仪对场地扫描所建立的模型。其中，在无标定场景假设中，优化的参考平面是激光雷达自身拟合的平面，然后通过优化相邻光束扫描到的点云的平整性，该方法的缺点是优化结果容易受到噪音影响呈现发散状态，难以收敛。在有标定场景假设中，优化的参考平面是扫描仪所提供的高精度平面，然后通过优化相邻光束扫描到的点云的平整性，这一方法虽然使得优化结果更为准确，但是因为需要高精度扫描仪器和专用的标定场，所以成本非常高昂，除此之外，因为要保证被优化的每个激光发射器所发射的点的数量都是均衡的，所以该方法对激光雷达摆放角度也有较高的要求，否则结果偏差较大。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种场端多线束激光雷达内参标定方法，提高了标定结果的精度，同时避免了高精度扫描仪的使用，以及租用场地，降低了激光雷达内参标定的成本。
为实现上述目的和一些其他的目的，本发明采用如下技术方案：
一种场端多线束激光雷达内参标定方法，包括以下步骤：
S1、采集场景模型数据：将待标定的激光雷达放置在标定场地中，并使所述激光雷达每静态采集一帧点云后向前移动预设的距离，共采集预定帧数；
S2、建立三维场景模型：将采集的所有点云的坐标统一至同一坐标系下，而后将统一坐标系的点云叠加成一帧点云，并以叠加的一帧点云作为三维场景模型；
S3、采集内参标定场景数据：将所述激光雷达放置在所述三维场景模型的中心位置，并使所述激光雷达每静态采集一帧点云后偏转预设的俯仰角度，共采集预定帧数；
S4、将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下；
S5、内参标定：建立S4中统一坐标系后的各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用所述目标函数A标定所述激光雷达的内参；所述匹配点指：所述激光雷达在所述三维场景模型中采集的点云中距离所述S4中统一坐标系后的各个位置点的点云最近的点；
其中，所述目标函数A的公式如下：
Figure BDA0002328790860000021
其中，N为S3中采集内参标定场景数据的帧数；M为每帧点云数据中点云的数量；pij为S4中统一坐标系后的各个位置点的点云数据；mij为匹配点；wij为统一坐标系后的各个位置点的点云数据和匹配点周围拟合的平面法向量；
S6、重复S2-S5，直至所述目标函数的值小于预设的阈值。
优选的是，所述的场端多线束激光雷达内参标定方法中，S2中将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下。
优选的是，所述的场端多线束激光雷达内参标定方法中，将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下的方法为：从所述激光雷达采集的第二帧点云开始，利用求解每帧点云与第一帧点云的相对位置，利用所述相对位置将除第一帧点云外的其他帧点云统一至第一帧点云所在的坐标系。
优选的是，所述的场端多线束激光雷达内参标定方法中，所述相对位置为通过最小二乘法不断迭代优化得到的目标函数B，所述目标函数B的公式如下：
Figure BDA0002328790860000022
其中，R为三维旋转矩阵；T为平移向量；
Figure BDA0002328790860000023
为目标点对；
Figure BDA0002328790860000024
为对应点对；Np为对应点总数。
优选的是，所述的场端多线束激光雷达内参标定方法中，将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下包括：将各位置点采集的点云数据与所述三维场景模型中对应的位置点对齐至同一坐标系下。
本发明至少包括以下有益效果：
本发明的场端多线束激光雷达内参标定方法中，通过激光雷达位置以及俯仰角度的调整收集不同的点云数据进行内参标定，避免了高精度扫描仪器的使用，从而在保证了高精度标定的基础上，有效降低了内参标定的成本，且该内参标定方法实施方法简单，便于操作。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
具体实施方式
下面对本发明做详细说明，以令本领域普通技术人员参阅本说明书后能够据以实施。
一种场端多线束激光雷达内参标定方法，包括以下步骤：
S1、采集场景模型数据：将待标定的激光雷达放置在标定场地中，并使所述激光雷达每静态采集一帧点云后向前移动预设的距离，共采集预定帧数；
S2、建立三维场景模型：将采集的所有点云的坐标统一至同一坐标系下，而后将统一坐标系的点云叠加成一帧点云，并以叠加的一帧点云作为三维场景模型；
S3、采集内参标定场景数据：将所述激光雷达放置在所述三维场景模型的中心位置，并使所述激光雷达每静态采集一帧点云后偏转预设的俯仰角度，共采集预定帧数；
S4、将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下；
S5、内参标定：建立S4中统一坐标系后的各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用所述目标函数A标定所述激光雷达的内参；所述匹配点指：所述激光雷达在所述三维场景模型中采集的点云中距离所述S4中统一坐标系后的各个位置点的点云最近的点；
其中，所述目标函数A的公式如下：
Figure BDA0002328790860000031
其中，N为S3中采集内参标定场景数据的帧数；M为每帧点云数据中点云的数量；pij为S4中统一坐标系后的各个位置点的点云数据；mij为匹配点；wij为统一坐标系后的各个位置点的点云数据和匹配点周围拟合的平面法向量；
S6、重复S2-S5，直至所述目标函数的值小于预设的阈值。
在上述方案中，通过激光雷达位置以及俯仰角度的调整收集不同的点云数据进行内参标定，避免了高精度扫描仪器的使用，从而在保证了高精度标定的基础上，有效降低了内参标定的成本，且该内参标定方法实施方法简单，便于操作。
另外，因点云的数据均在标定场地内进行采集，因而不论通过水平移动激光雷达采集的点云数据还是通过调整激光雷达的俯仰角度采集的点云数据均处于同一区域范围内，因而点云内的特征均可以对应，仅是坐标系位置不一致，通过采用Super4PCS点云粗配准算法即可实现点云数据的全局匹配，即使得所述内参标定方法便于实施。
一个优选方案中，S2中将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下。
一个优选方案中，将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下的方法为：从所述激光雷达采集的第二帧点云开始，利用求解每帧点云与第一帧点云的相对位置，利用所述相对位置将除第一帧点云外的其他帧点云统一至第一帧点云所在的坐标系。
在上述方案中，通过对点云的坐标统一便于建立各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A。
一个优选方案中，所述相对位置为通过最小二乘法不断迭代优化得到的目标函数B，所述目标函数B的公式如下：
Figure BDA0002328790860000041
其中，R为三维旋转矩阵；T为平移向量；
Figure BDA0002328790860000042
为目标点对；
Figure BDA0002328790860000043
为对应点对；Np为对应点总数。
一个优选方案中，将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下包括：将各位置点采集的点云数据与所述三维场景模型中对应的位置点对齐至同一坐标系下。
另外，为进一步提高采用本申请场端多线束激光雷达内参标定方法进行内参标定的精度，在三维场景模型建立后，还可以利用KDTree对每个点求领域，然后对每个领域做SVD平面检测，以去除三维场景模型中非平面的点，例如场景中的花花草草、树、墙角以及严重脱离平面的噪声点。
同样，在将采集的内参标定场景数据匹配至所述三维场景模型前，也可以采用SVD对采集的内参标定场景数据进行上述处理，进而可以保证S3中每一帧点云与S2的三维场景模型可以精准的匹配，在此基础上做内参标定可以得到更高的精度。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (5)

1.一种场端多线束激光雷达内参标定方法，其中，包括以下步骤：
S1、采集场景模型数据：将待标定的激光雷达放置在标定场地中，并使所述激光雷达每静态采集一帧点云后向前移动预设的距离，共采集预定帧数；
S2、建立三维场景模型：将采集的所有点云的坐标统一至同一坐标系下，而后将统一坐标系的点云叠加成一帧点云，并以叠加的一帧点云作为三维场景模型；
S3、采集内参标定场景数据：将所述激光雷达放置在所述三维场景模型的中心位置，并使所述激光雷达每静态采集一帧点云后偏转预设的俯仰角度，共采集预定帧数；
S4、将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下；
S5、内参标定：建立S4中统一坐标系后的各个位置点的点云数据与所述激光雷达在所述三维场景模型中采集的点云数据中的匹配点间的目标函数A；利用所述目标函数A标定所述激光雷达的内参；所述匹配点指：所述激光雷达在所述三维场景模型中采集的点云中距离所述S4中统一坐标系后的各个位置点的点云最近的点；
其中，所述目标函数A的公式如下：
Figure FDA0003094401770000011
其中，N为S3中采集内参标定场景数据的帧数；M为每帧点云数据中点云的数量；pij为S4中统一坐标系后的各个位置点的点云数据；mij为匹配点；wij为统一坐标系后的各个位置点的点云数据和匹配点周围拟合的平面法向量；
S6、重复S2-S5，直至所述目标函数的值小于预设的阈值。
2.如权利要求1所述的场端多线束激光雷达内参标定方法，其中，S2中将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下。
3.如权利要求2所述的场端多线束激光雷达内参标定方法，其中，将采集的所有点云的坐标统一至所述激光雷达采集第一帧点云时的坐标系下的方法为：从所述激光雷达采集的第二帧点云开始，利用求解每帧点云与第一帧点云的相对位置，利用所述相对位置将除第一帧点云外的其他帧点云统一至第一帧点云所在的坐标系。
4.如权利要求3所述的场端多线束激光雷达内参标定方法，其中，所述相对位置为通过最小二乘法不断迭代优化得到的目标函数B，所述目标函数B的公式如下：
Figure FDA0003094401770000021
其中，R为三维旋转矩阵；T为平移向量；
Figure FDA0003094401770000022
为目标点对；
Figure FDA0003094401770000023
为对应点对；Np为对应点总数。
5.如权利要求1所述的场端多线束激光雷达内参标定方法，其中，将S1中所述激光雷达在各个位置点采集的点云数据和S3中所述激光雷达在所述三维场景模型中采集的点云数据统一至同一坐标系下包括：将各位置点采集的点云数据与所述三维场景模型中对应的位置点对齐至同一坐标系下。
CN201911327633.2A 2019-12-20 2019-12-20 场端多线束激光雷达内参标定方法 Active CN111060898B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911327633.2A CN111060898B (zh) 2019-12-20 2019-12-20 场端多线束激光雷达内参标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911327633.2A CN111060898B (zh) 2019-12-20 2019-12-20 场端多线束激光雷达内参标定方法

Publications (2)

Publication Number Publication Date
CN111060898A CN111060898A (zh) 2020-04-24
CN111060898B true CN111060898B (zh) 2021-07-23

Family

ID=70302601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911327633.2A Active CN111060898B (zh) 2019-12-20 2019-12-20 场端多线束激光雷达内参标定方法

Country Status (1)

Country Link
CN (1) CN111060898B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017248B (zh) * 2020-08-13 2022-04-01 河海大学常州校区 一种基于点线特征的2d激光雷达相机多帧单步标定方法
CN114384496B (zh) * 2020-10-22 2023-03-21 北京一径科技有限公司 激光雷达角度的标定方法和系统
CN112180348B (zh) * 2020-11-27 2021-03-02 深兰人工智能(深圳)有限公司 车载多线激光雷达的姿态标定方法和装置
CN113109791B (zh) * 2021-03-15 2022-11-22 上海交通大学 一种车载激光雷达标定结果评价系统及方法
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
CN117523105B (zh) * 2023-11-24 2024-05-28 哈工大郑州研究院 激光雷达和多相机数据融合的三维场景重建方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104656097A (zh) * 2015-01-28 2015-05-27 武汉理工大学 基于旋转式二维激光三维重构系统的标定装置及方法
CN107167790A (zh) * 2017-05-24 2017-09-15 北京控制工程研究所 一种基于标定场的激光雷达两步标定方法
CN109100707A (zh) * 2018-08-21 2018-12-28 百度在线网络技术（北京）有限公司 雷达传感器的标定方法、装置、设备及存储介质
WO2019135869A1 (en) * 2018-01-08 2019-07-11 Uber Technologies, Inc. Lidar intensity calibration
CN110007293A (zh) * 2019-04-24 2019-07-12 禾多科技（北京）有限公司 场端多线束激光雷达的在线标定方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101698303B (zh) * 2009-09-11 2011-02-02 大连理工大学 一种三维激光和单目视觉间的自动标定方法
CN106228537A (zh) * 2016-07-12 2016-12-14 北京理工大学 一种三维激光雷达与单目摄像机的联合标定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104656097A (zh) * 2015-01-28 2015-05-27 武汉理工大学 基于旋转式二维激光三维重构系统的标定装置及方法
CN107167790A (zh) * 2017-05-24 2017-09-15 北京控制工程研究所 一种基于标定场的激光雷达两步标定方法
WO2019135869A1 (en) * 2018-01-08 2019-07-11 Uber Technologies, Inc. Lidar intensity calibration
CN109100707A (zh) * 2018-08-21 2018-12-28 百度在线网络技术（北京）有限公司 雷达传感器的标定方法、装置、设备及存储介质
CN110007293A (zh) * 2019-04-24 2019-07-12 禾多科技（北京）有限公司 场端多线束激光雷达的在线标定方法

Also Published As

Publication number Publication date
CN111060898A (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
CN111060898B (zh) 场端多线束激光雷达内参标定方法
CN112396664B (zh) 一种单目摄像机与三维激光雷达联合标定及在线优化方法
CN107167788A (zh) 获取激光雷达校准参数、激光雷达校准的方法及系统
CN109794963B (zh) 一种面向曲面构件的机器人快速定位方法
CN110823252B (zh) 一种多线激光雷达和单目视觉的自动标定方法
CN112017248B (zh) 一种基于点线特征的2d激光雷达相机多帧单步标定方法
CN112837383B (zh) 相机与激光雷达重标定方法、装置及计算机可读存储介质
CN114399554A (zh) 一种多相机系统的标定方法及系统
CN107862716A (zh) 机械臂定位方法及定位机械臂
CN109465830B (zh) 机器人单目立体视觉标定系统及方法
CN108447100B (zh) 一种机载三线阵ccd相机的偏心矢量和视轴偏心角标定方法
CN111429571B (zh) 一种基于时空图像信息联合相关的快速立体匹配方法
CN110595374B (zh) 基于传递像机的大型结构件实时形变监测方法
CN112837314B (zh) 基于2D-LiDAR和Kinect的果树冠层参数检测系统和方法
CN115546216B (zh) 一种托盘检测方法、装置、设备及存储介质
Jiang et al. A vision system based crop rows for agricultural mobile robot
CN115100287A (zh) 外参标定方法及机器人
CN115409897A (zh) 基于背景点云精细化处理的激光雷达与相机联合标定方法
CN114283193A (zh) 一种栈板三维视觉定位方法及系统
CN114724111A (zh) 一种基于deepstream的智能叉车识别避障方法
CN112785647A (zh) 一种三目立体图像检测方法和系统
CN113237484A (zh) 基于slam的相机和imu的外部旋转参数求解方法
CN113253293B (zh) 一种激光点云畸变的消除方法和计算机可读存储介质
CN115994854B (zh) 一种标志物点云和图像配准的方法和系统
CN117388831B (zh) 相机和激光雷达联合标定方法、装置、电子设备及介质

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100089 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Internal parameter calibration method for field end multi bundle LiDAR

Granted publication date: 20210723

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: Heduo Technology (Guangzhou) Co.,Ltd.

Registration number: Y2024980009891