CN111369630A - 一种多线激光雷达与相机标定的方法 - Google Patents
一种多线激光雷达与相机标定的方法 Download PDFInfo
- Publication number
- CN111369630A CN111369630A CN202010123279.8A CN202010123279A CN111369630A CN 111369630 A CN111369630 A CN 111369630A CN 202010123279 A CN202010123279 A CN 202010123279A CN 111369630 A CN111369630 A CN 111369630A
- Authority
- CN
- China
- Prior art keywords
- camera
- point
- data
- points
- coordinates
- 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
Images
Classifications
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明公开了一种多线激光雷达与相机标定的方法。采用相机内外参融合后直接求取世界坐标系到像素坐标系的位姿变换矩阵。通过激光雷达照射形状已知且固定的平面板得到的离散的点云坐标，进一步对大量点云数据进行拟合，得到标定平面板所在的空间平面以及边线方程，通过边线的交点得到标定平面板的角点三维坐标后，与相机中角点坐标相对应，进而求解位姿变换矩阵，达到点云和图像融合的目的。本发明充分利用所有点云信息，对连续多帧数据拟合高斯分布大大降低了激光雷达在观测时的不确定度，并可用于任意的相对位姿，实用性高操作性强，可进一步提高标定精度。
Description
技术领域
本发明涉及多传感器标定技术，具体地说，涉及一种多线激光雷达与相机标定的方法。
背景技术
伴随着机器人领域各种技术的快速发展，机器人对环境的感知能力也在逐渐提高，传统的单个传感器往往只能提供单一的外界信息，很多时候已经不足以机器人处理复杂的外界环境。多传感器的信息融合成为必然的趋势。
最常用的信息融合就是激光和视觉的融合，在完成视觉相机和激光雷达的联合标定后，可以将相机获得的视觉信息和激光雷达获得的几何特性进行数据融合，进而实现两种信息的相互补充，达到最有效的利用。
现有的标定方法大多采用相机内外参分开标定，通过棋盘格将3D点云信息和像素的2D坐标联系起来，进而求解位姿变换矩阵。但是在寻找图像和点云可以匹配的对应点时，提取的精度较低，准确性较差，这就造成最后求解变换矩阵的结果准确性不高。
此外，激光雷达在测量时每一帧的数据都有小范围的跳动，这使得点云数据自身的精确度已经存在偏差。
本发明通过特定几何形状的标定平面板和连续采集多帧数据拟合高斯分布，解决了现存的问题，使得标定精度进一步提高。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种新型的多线激光雷达与相机标定的方法。本发明是通过以下技术方案来实现的：
本发明公开了一种多线激光雷达与相机标定的方法，包括以下步骤：
步骤一：根据需要将相机和多线激光雷达固连到一起，在信息融合的前提下保证相机视野和激光雷达的测量范围有重叠。固连完成后保证两者不再发生相对位移，形成激光视觉模块，这样标定后的结果可以一直使用。
步骤二：将标定板依次摆放在多个位置，标定板选择三角板，各个位置之间有平移和旋转的变化，这样可以使标定结果更加准确。
步骤三：对于三角板摆放的每一个位置，记录下与之对应的N帧点云，N帧是一个大量统计的结果，但是因为只是在同一位置获取多帧并不会增加工作量。因为点云在获取的时候会出现以下问题：照射到物体表面的激光点到雷达坐标系原点的距离会有微小的误差，影响最后标定的结果，所以对于每一个位置进行N帧的大量统计，用概率统计的方法可以把误差较大数据剔除。
步骤四：对每一个位置的N帧点云数据进行后期处理。首先将由xyz表示的点云空间坐标转化为球坐标表示，可以发现雷达的激光线在每一帧中的俯仰角和航偏角并不完全相同。以某一帧三角板上每一个的激光点为原始数据，在每一个点的俯仰角和航偏角附近设置筛选范围，然后遍历所有帧的点云，筛选出照射在同一个方向的激光束在N帧点云中所产生的所有数据，筛选出每一个方向的大量数据后，对点云坐标中的ρ(即点到坐标原点的距离)进行正态分布拟合，剔除置信度较低即误差较大的数据。
步骤五：用剩余数据对三角板所在的平面进行RANSAC算法的平面拟合，进一步舍弃误差较大的点，得到较为准确的平面方程，然后将所有点投影到平面上，并对同一个俯仰角的点云进行RANSAC算法的直线拟合，再将已经投影到平面上点再投影到拟合的直线上，此时对左右端点的点，在拟合直线的方向加上一个补偿距离(一般为俯仰角相同的点云平均间距的一半)，得到三角形直角边上的点的坐标，然后利用这些坐标拟合三角形直角边的直线方程，求得两个直角边线的交点即为三角形的直角角点，然后根据已知的直角边方程和已知的直角边的长度，直接可以推算出另外两个角点的空间坐标。对于每一个位置重复上述过程，得到每一个角点的空间坐标。
步骤六：对每一个位置对应的图像信息，直接进行角点识别，得到每一个角点在像素坐标中的2D坐标。
步骤七：将相机内参和相机相对于激光雷达的外参融合在一起，即：
式中：fu和fv分别为水平与垂直方向上的有效焦距长度，u0和v0为图像中心点位置坐标，R与T分别为相机与3D LIDAR间的旋转矩阵和平移矩阵，构成相机的外参矩阵；mij为内外参数联合变换矩阵参数。
进一步的，
是相机的内参矩阵，
是相机的外参矩阵。
一个位置可以得到三角形的三个交点，即三组对应数据，多个位置即，得到的角点数量远大于参数矩阵的未知数的数量。将得到的角点3D坐标数据和2D坐标数据代入，解超静定方程可求得M矩阵。
上述点云均为照射在标定板上的点云数据，其他点云数据均不在考虑和计算范围内。
上述标定板的特点在于，选取不透明的黑色平板，其大小为固定的腰长为1m的等腰直角三角形，且加工精度在0.1mm的误差范围内，厚度为2-3mm防止过厚的厚度对三角板边缘点云的影响。为后面求解三角形角点做准备。
相比传统的标定方法，本发明的有益效果在于：
1、通过采集多帧数据，并进行正态分布的拟合，剔除了测量误差较大的点云数据，避免了只用某一帧数据而可能出现的数据失真的情况，通过概率统计的方法筛选出错误率较低的数据。同时用多帧数据进行拟合，得到的结果也远比用某一帧数据得到的结果更加准确。
2、不采用棋盘格作为标定板，而是创新性的提出采用直角三角形的平面板作为标定板。以三角板的三个角点作为匹配点，通过平面和边线的拟合，求得直角三角形的直角角点，在根据直角三角形已知的形状大小和拟合的边线方程，进一步求得另外两个角点的空间坐标。通过大量数据拟合的方法取代手动对准匹配点的方法，使得标定不在具有很强的随机性，标定的结果也更加准确。
3、很多标定方法并没有考虑到激光雷达在测量时数据会有少量误差，只选取某一时刻的点云数据往往并没有那么可靠。通过拟合多帧的大量电云数据，从概率分布的角度使得数据更加准确，进一步保证了标定结果的准确性，提高了标定的鲁棒性。
附图说明
图1为本发明的流程示意图；
图2为本发明操作示意图；
图3为点云剔除前的效果图；
图4为点云剔除后的效果图；
图5为拟合平面的效果图；
图6为拟合角点的效果图。
具体实施方式：
本发明公开了一种新型的多线激光雷达与相机标定的方法，提供了一种标定的思路，其中的诸多数据例如测量的位置的个数、拟合数据参数的调整以及各个过程的先后顺序都包含其中，下面举出具体实施方式，本发明包含但是不局限于以下方式，下面结合附图进行说明：
如图1所示，一种多线激光雷达与相机标定的方法，包括以下步骤：
步骤一：根据需要将相机和多线激光雷达固连到一起，在信息融合的前提下保证相机视野和多线激光雷达的测量范围有重叠。固连完成后保证两者不再发生相对位移，形成激光视觉模块。
步骤二：将标定板依次先后摆放在九个位置，各个位置之间有平移和旋转的变化，这样可以使标定结果更加准确。标定板的特点在于，选取不透明的黑色平板，其大小为固定的腰长为1m的等腰直角三角形，且加工精度在0.1mm的误差范围内，厚度为2-3mm防止过厚的厚度对三角板边缘点云的影响。为后面求解三角形角点做准备。
步骤三：对于三角板摆放的每一个位置，记录下与之对应的500帧点云。因为点云在获取的时候会出现以下问题：照射到物体表面的激光点到雷达坐标系原点的距离会有微小的误差，影响最后标定的结果，所以对于每一个位置进行500帧的大量统计，用概率统计的方法可以把误差较大数据剔除，如图3和图4是剔除前后的效果。
步骤四：对每一个位置的500帧点云数据进行后期处理。首先将由xyz表示的点云空间坐标转化为球坐标表示，可以发现雷达的激光线在每一帧中的俯仰角和航偏角并不完全相同。以某一帧三角板上每一个的激光点为原始数据，在每一个点的俯仰角正负0.001度和航偏角的正负0.05度的范围内进行筛选，筛选出照射在同一个方向的点在500帧点云中的所有数据，筛选出每一个点的大量数据后，对点云坐标中的ρ(即点到坐标原点的距离)进行正态分布拟合，剔除置信度较低即误差较大的数据。
步骤五：用剩余数据对三角板所在的平面进行RANSAC算法的平面拟合如图5，进一步舍弃误差较大的点，得到较为准确的平面方程，然后将所有点投影到平面上，并对同一个俯仰角的点云进行RANSAC算法的直线拟合，再将已经投影到平面上点再投影到拟合的直线上，此时对左右端点的点在拟合直线的方向加上一个补偿距离，得到三角形直角边上的点的坐标，然后利用这些坐标拟合三角形直角边的直线方程，求得两个直角边线的交点即为三角形的直角角点，然后根据已知的直角边方程和已知的直角边为1m的长度，直接可以推算出另外两个角点的空间坐标。对于每一个位置重复上述过程，得到每一个角点的空间坐标，如图6。
步骤六：对每一个位置对应的图像信息，直接进行角点识别，得到每一个角点在像素坐标中的2D坐标。
步骤七：将相机内参和相机相对于激光雷达的外参融合在一起，即：
其中
是相机的内参矩阵，
是相机的外参矩阵。
一个位置可以得到三角形的三个交点，即三组对应数据，九个位置即，得到的角点数量为27，大于参数矩阵的未知数的数量。将得到的角点3D坐标数据和2D坐标数据代入，解超静定方程可求得M矩阵。
Claims (3)
1.一种多线激光雷达与相机标定的方法，其特征在于，包括以下步骤：
步骤一：根据需要将相机和多线激光雷达固连到一起，在信息融合的前提下保证相机视野和激光雷达的测量范围有重叠，固连完成后保证两者不再发生相对位移，形成激光视觉模块；
步骤二：将标定板依次摆放在多个位置，标定板选择三角板，各个位置之间有平移和旋转的变化，使标定结果更加准确；
步骤三：对于三角板摆放的每一个位置，记录下与之对应的N帧点云；
步骤四：对每一个位置的N帧点云数据进行后期处理；
首先将由xyz表示的点云空间坐标转化为球坐标表示，以某一帧三角板上每一个的激光点为原始数据，在每一个点的俯仰角和航偏角附近设置筛选范围，然后遍历所有帧的点云，筛选出照射在同一个方向的激光束在N帧点云中所产生的所有数据，筛选出每一个方向的大量数据后，对点云坐标中的ρ进行正态分布拟合，所述ρ为点到坐标原点的距离，剔除置信度较低即误差较大的数据；
步骤五：用剩余数据对三角板所在的平面进行RANSAC算法的平面拟合，进一步舍弃误差较大的点，得到较为准确的平面方程，然后将所有点投影到平面上，并对同一个俯仰角的点云进行RANSAC算法的直线拟合，再将已经投影到平面上点再投影到拟合的直线上，此时对左右端点的点在拟合直线的方向加上一个补偿距离，得到三角形直角边上的点的坐标，然后利用这些坐标拟合三角形直角边的直线方程，求得两个直角边线的交点即为三角形的直角角点，然后根据已知的直角边方程和已知的直角边的长度，直接推算出另外两个角点的空间坐标，对于每一个位置重复上述过程，得到每一个角点的空间坐标；
步骤六：对每一个位置对应的图像信息，直接进行角点识别，得到每一个角点在像素坐标中的2D坐标；
步骤七：将相机内参和相机相对于多线激光雷达的外参融合在一起，即：
式中：fu和fv分别为水平与垂直方向上的有效焦距长度，u0和v0为图像中心点位置坐标，R与T分别为相机与3D LIDAR间的旋转矩阵和平移矩阵，构成相机的外参矩阵；mij为内外参数联合变换矩阵参数；S是相机的缩放因数；
进一步的，
是相机的内参矩阵，
是相机的外参矩阵。
一个位置得到三角形的三个交点，即三组相互对应数据，多个位置即得到的角点数量远大于参数矩阵的未知数的数量，将得到的角点3D坐标数据和2D坐标数据代入，解超静定方程可求得M矩阵。
2.如权利要求1所述的一种多线激光雷达与相机标定的方法，其特征在于所述点云均为照射在标定板上的点云数据，其他点云数据均不在考虑和计算范围内。
3.如权利要求1所述的一种多线激光雷达与相机标定的方法，其特征在于所述标定板选取不透明的黑色平板，其大小为固定的腰长为1m的等腰直角三角形，且加工精度在0.1mm的误差范围内，厚度为2-3mm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010123279.8A CN111369630A (zh) | 2020-02-27 | 2020-02-27 | 一种多线激光雷达与相机标定的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010123279.8A CN111369630A (zh) | 2020-02-27 | 2020-02-27 | 一种多线激光雷达与相机标定的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111369630A true CN111369630A (zh) | 2020-07-03 |
Family
ID=71212641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010123279.8A Pending CN111369630A (zh) | 2020-02-27 | 2020-02-27 | 一种多线激光雷达与相机标定的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369630A (zh) |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111842197A (zh) * | 2020-07-20 | 2020-10-30 | 河海大学常州校区 | 一种工件自动排序分拣系统 |
| CN112017248A (zh) * | 2020-08-13 | 2020-12-01 | 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 |
| CN112215896A (zh) * | 2020-09-01 | 2021-01-12 | 深圳市瑞立视多媒体科技有限公司 | 多相机标定的相机帧数据处理方法、装置和计算机设备 |
| CN112233188A (zh) * | 2020-10-26 | 2021-01-15 | 南昌智能新能源汽车研究院 | 一种基于激光雷达的车顶全景相机及其标定方法 |
| CN112230204A (zh) * | 2020-10-27 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 激光雷达和相机的联合标定方法及装置 |
| 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 |
| CN112509062A (zh) * | 2020-12-17 | 2021-03-16 | 广东工业大学 | 一种标定板、标定系统及标定方法 |
| CN112505663A (zh) * | 2020-11-25 | 2021-03-16 | 上海交通大学 | 用于多线激光雷达与相机联合标定的标定方法 |
| CN112581451A (zh) * | 2020-12-21 | 2021-03-30 | 北京科技大学 | 一种基于激光雷达的仓库线卷位置检测系统及方法 |
| CN112669393A (zh) * | 2020-12-31 | 2021-04-16 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
| CN112819903A (zh) * | 2021-03-02 | 2021-05-18 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
| CN112881999A (zh) * | 2021-01-25 | 2021-06-01 | 上海西虹桥导航技术有限公司 | 一种用于多线激光雷达与视觉传感器的半自动标定方法 |
| CN113160330A (zh) * | 2021-04-16 | 2021-07-23 | 上海交通大学 | 基于端到端的相机与激光雷达标定方法、系统及介质 |
| CN113253219A (zh) * | 2021-07-05 | 2021-08-13 | 天津所托瑞安汽车科技有限公司 | 毫米波雷达的无参照物自标定方法、装置、设备和介质 |
| CN113281770A (zh) * | 2021-05-28 | 2021-08-20 | 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 |
| CN113281723A (zh) * | 2021-05-07 | 2021-08-20 | 北京航空航天大学 | 一种基于AR tag的3D激光雷达与相机间结构参数的标定方法 |
| CN113391299A (zh) * | 2021-04-30 | 2021-09-14 | 深圳市安思疆科技有限公司 | 一种扫描面阵激光雷达的参数标定方法和装置 |
| 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 |
| CN113610929A (zh) * | 2021-08-09 | 2021-11-05 | 西安外事学院 | 一种相机与多线激光的联合标定方法 |
| CN113706634A (zh) * | 2021-09-23 | 2021-11-26 | 福建汇川物联网技术科技股份有限公司 | 一种视觉标定方法、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 |
| 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 |
| 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 |
| 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 |
| CN115994955A (zh) * | 2023-03-23 | 2023-04-21 | 深圳佑驾创新科技有限公司 | 相机外参标定方法、装置和车辆 |
| 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 |
-
2020
- 2020-02-27 CN CN202010123279.8A patent/CN111369630A/zh active Pending
Cited By (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111842197A (zh) * | 2020-07-20 | 2020-10-30 | 河海大学常州校区 | 一种工件自动排序分拣系统 |
| CN112017248A (zh) * | 2020-08-13 | 2020-12-01 | 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 |
| 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 |
| CN112215896A (zh) * | 2020-09-01 | 2021-01-12 | 深圳市瑞立视多媒体科技有限公司 | 多相机标定的相机帧数据处理方法、装置和计算机设备 |
| CN112215896B (zh) * | 2020-09-01 | 2024-01-30 | 深圳市瑞立视多媒体科技有限公司 | 多相机标定的相机帧数据处理方法、装置和计算机设备 |
| 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 |
| 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 |
| CN112233188B (zh) * | 2020-10-26 | 2024-03-12 | 南昌智能新能源汽车研究院 | 一种激光雷达和全景相机的数据融合系统的标定方法 |
| CN112233188A (zh) * | 2020-10-26 | 2021-01-15 | 南昌智能新能源汽车研究院 | 一种基于激光雷达的车顶全景相机及其标定方法 |
| CN112230204A (zh) * | 2020-10-27 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 激光雷达和相机的联合标定方法及装置 |
| CN112505663A (zh) * | 2020-11-25 | 2021-03-16 | 上海交通大学 | 用于多线激光雷达与相机联合标定的标定方法 |
| CN112505663B (zh) * | 2020-11-25 | 2022-09-13 | 上海交通大学 | 用于多线激光雷达与相机联合标定的标定方法 |
| CN112509062A (zh) * | 2020-12-17 | 2021-03-16 | 广东工业大学 | 一种标定板、标定系统及标定方法 |
| CN112509062B (zh) * | 2020-12-17 | 2023-09-12 | 广东工业大学 | 一种标定板、标定系统及标定方法 |
| CN112581451A (zh) * | 2020-12-21 | 2021-03-30 | 北京科技大学 | 一种基于激光雷达的仓库线卷位置检测系统及方法 |
| CN112581451B (zh) * | 2020-12-21 | 2024-02-23 | 北京科技大学 | 一种基于激光雷达的仓库线卷位置检测系统及方法 |
| CN112669393A (zh) * | 2020-12-31 | 2021-04-16 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
| CN112669393B (zh) * | 2020-12-31 | 2021-10-22 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
| CN112881999B (zh) * | 2021-01-25 | 2024-02-02 | 上海西虹桥导航技术有限公司 | 一种用于多线激光雷达与视觉传感器的半自动标定方法 |
| CN112881999A (zh) * | 2021-01-25 | 2021-06-01 | 上海西虹桥导航技术有限公司 | 一种用于多线激光雷达与视觉传感器的半自动标定方法 |
| CN112819903B (zh) * | 2021-03-02 | 2024-02-20 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
| CN112819903A (zh) * | 2021-03-02 | 2021-05-18 | 福州视驰科技有限公司 | 基于l型标定板的相机和激光雷达联合标定的方法 |
| CN113160330A (zh) * | 2021-04-16 | 2021-07-23 | 上海交通大学 | 基于端到端的相机与激光雷达标定方法、系统及介质 |
| CN113160330B (zh) * | 2021-04-16 | 2023-04-07 | 上海交通大学 | 基于端到端的相机与激光雷达标定方法、系统及介质 |
| CN113391299A (zh) * | 2021-04-30 | 2021-09-14 | 深圳市安思疆科技有限公司 | 一种扫描面阵激光雷达的参数标定方法和装置 |
| CN113391299B (zh) * | 2021-04-30 | 2023-09-22 | 深圳市安思疆科技有限公司 | 一种扫描面阵激光雷达的参数标定方法和装置 |
| CN113281723A (zh) * | 2021-05-07 | 2021-08-20 | 北京航空航天大学 | 一种基于AR tag的3D激光雷达与相机间结构参数的标定方法 |
| CN113281770A (zh) * | 2021-05-28 | 2021-08-20 | 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 |
| 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 |
| 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 |
| CN113253219A (zh) * | 2021-07-05 | 2021-08-13 | 天津所托瑞安汽车科技有限公司 | 毫米波雷达的无参照物自标定方法、装置、设备和介质 |
| CN113610929B (zh) * | 2021-08-09 | 2023-08-18 | 西安外事学院 | 一种相机与多线激光的联合标定方法 |
| CN113610929A (zh) * | 2021-08-09 | 2021-11-05 | 西安外事学院 | 一种相机与多线激光的联合标定方法 |
| 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 |
| CN113706634A (zh) * | 2021-09-23 | 2021-11-26 | 福建汇川物联网技术科技股份有限公司 | 一种视觉标定方法、装置、电子设备及存储介质 |
| CN113706634B (zh) * | 2021-09-23 | 2024-02-23 | 福建汇川物联网技术科技股份有限公司 | 一种视觉标定方法、装置、电子设备及存储介质 |
| 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 |
| 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 |
| CN115994955A (zh) * | 2023-03-23 | 2023-04-21 | 深圳佑驾创新科技有限公司 | 相机外参标定方法、装置和车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
| WO2022142759A1 (zh) | 一种激光雷达与相机联合标定方法 | |
| CN110146038B (zh) | 筒形件装配转角的分布式单目相机激光测量装置及方法 | |
| CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
| CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
| CN111536902A (zh) | 一种基于双棋盘格的振镜扫描系统标定方法 | |
| CN113205603A (zh) | 一种基于旋转台的三维点云拼接重建方法 | |
| CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
| CN110874854B (zh) | 一种基于小基线条件下的相机双目摄影测量方法 | |
| CN113724337B (zh) | 一种无需依赖云台角度的相机动态外参标定方法及装置 | |
| CN113793270A (zh) | 一种基于无人机姿态信息的航拍图像几何校正方法 | |
| CN114283203A (zh) | 一种多相机系统的标定方法及系统 | |
| CN111854636A (zh) | 一种多相机阵列三维检测系统和方法 | |
| CN112365545A (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 | |
| CN111738971B (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
| CN114998448A (zh) | 一种多约束双目鱼眼相机标定与空间点定位的方法 | |
| CN109506629B (zh) | 一种水下核燃料组件检测装置旋转中心标定的方法 | |
| CN114359365B (zh) | 一种具有高分辨率的汇聚式双目视觉测量方法 | |
| CN112082511A (zh) | 一种基于转台的大物体快速标定测量方法 | |
| 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 | |
| CN112361982B (zh) | 一种大幅面工件三维数据提取方法及系统 | |
| CN115222819A (zh) | 一种基于机场大范围场景下多模信息参照的相机自标定和目标追踪方法 | |
| CN114963981A (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
| CN112330740A (zh) | 一种基于单目视频的伪双目动态测距方法 | |
| CN116797669B (zh) | 一种基于多面工装的多相机阵列标定方法 |
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: 20200703 |
|
| RJ01 | Rejection of invention patent application after publication |