CN111427028A - 参数监测方法、装置、设备和存储介质 - Google Patents

参数监测方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111427028A
CN111427028A CN202010203026.1A CN202010203026A CN111427028A CN 111427028 A CN111427028 A CN 111427028A CN 202010203026 A CN202010203026 A CN 202010203026A CN 111427028 A CN111427028 A CN 111427028A
Authority
CN
China
Prior art keywords
radars
variation
radar
point cloud
parameters
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
Application number
CN202010203026.1A
Other languages
English (en)
Other versions
CN111427028B (zh
Inventor
崔伟
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.)
Neolithic Shaoxing Autonomous Vehicle Technology Co ltd
Original Assignee
Neolix Technologies 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 Neolix Technologies Co Ltd filed Critical Neolix Technologies Co Ltd
Priority to CN202010203026.1A priority Critical patent/CN111427028B/zh
Publication of CN111427028A publication Critical patent/CN111427028A/zh
Application granted granted Critical
Publication of CN111427028B publication Critical patent/CN111427028B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/48—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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种参数监测方法、装置、设备和存储介质，所述终端可以为无人驾驶的车辆，所述方法包括：分别获取标定在终端上的多个雷达的点云数据和已标定参数；基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据；根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息。本申请实现了对安装在无人车上的多线雷达进行实时的参数监测，提升了无人驾驶的安全系数。

Description

参数监测方法、装置、设备和存储介质
技术领域
本申请涉及无人驾驶技术领域，具体而言，涉及一种参数监测方法、装置、设备和存储介质。
背景技术
目前，激光雷达被广泛用于自动驾驶领域，特别是许多无人车上安装了不止一个多线激光雷达，由于无人车出厂之前要进行传感器标定，所以激光雷达在车上的具体位置是已知的。
可是，在车辆行驶过程中，不可避免的会有车身晃动，容易造成激光雷达的位置发生微小变动，标定参数失效，影响车辆的自身驾驶状态，所以说激光雷达在车上的位置又是可变的。
为了保证无人车良好的运行状态，需要有一种方法能够检测多线激光雷达外参是否准确，将结果反馈给系统，来判断是否需要重新标定。
发明内容
本申请实施例的目的在于提供一种参数监测方法、装置、设备和存储介质，用以实现对安装在无人车上的多线雷达进行实时的参数监测。
本申请实施例第一方面提供了一种参数监测方法，包括：分别获取标定在终端上的多个雷达的点云数据和已标定参数；基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据；根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息。
于一实施例中，所述基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据，包括：去除每帧所述点云数据中表征地面特征的点云，生成滤波后的点云；分别基于每个所述雷达的所述已标定参数，将对应于每个所述雷达的所述滤波后的点云转换至预设坐标系下；基于所述预设坐标系，提取所述滤波后的点云在水平面上的所述投影数据。
于一实施例中，所述根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息，包括：根据每个所述雷达对应的所述投影数据，对多个所述雷达分别两两进行配准处理，生成两个目标雷达之间的变换参数；解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量。
于一实施例中，在解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量之后，还包括：判断所述角度变化量是否小于角度阈值；若所述角度变化量大于或等于所述角度阈值，则提示所述两个目标雷达的外参非正常。
于一实施例中，在所述判断所述角度变化量是否小于角度阈值之后，还包括：若所述角度变化量小于所述角度阈值，则判断所述位移变化量是否小于位移阈值；若所述位移变化量小于所述位移阈值，则提示所述两个目标雷达外参正常。
于一实施例中，在所述若所述角度变化量小于所述角度阈值，则判断所述位移变化量是否小于位移阈值之后，还包括：若所述位移变化量大于或等于所述位移阈值，则提示所述两个目标雷达的外参非正常。
本申请实施例第二方面提供了一种参数监测装置，包括：获取模块，用于分别获取标定在终端上的多个雷达的点云数据和已标定参数；提取模块，用于基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据；解析模块，用于根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息。
于一实施例中，所述提取模块用于：去除每帧所述点云数据中表征地面特征的点云，生成滤波后的点云；分别基于每个所述雷达的所述已标定参数，将对应于每个所述雷达的所述滤波后的点云转换至预设坐标系下；基于所述预设坐标系，提取所述滤波后的点云在水平面上的所述投影数据。
于一实施例中，所述解析模块用于：根据每个所述雷达对应的所述投影数据，对多个所述雷达分别两两进行配准处理，生成两个目标雷达之间的变换参数；解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量。
于一实施例中，还包括：第一判断模块，用于在解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量之后，判断所述角度变化量是否小于角度阈值；提示模块，用于若所述角度变化量大于或等于所述角度阈值，则提示所述两个目标雷达的外参非正常。
于一实施例中，还包括：第二判断模块，用于若所述角度变化量小于所述角度阈值，则判断所述位移变化量是否小于位移阈值；所述提示模块还用于若所述位移变化量小于所述位移阈值，则提示所述两个目标雷达外参正常；以及所述提示模块还用于若所述位移变化量大于或等于所述位移阈值，则提示所述两个目标雷达的外参非正常。
本申请实施例第三方面提供了一种电子设备，包括：存储器，用以存储计算机程序；处理器，用以执行本申请实施例第一方面及其任一实施例的方法，以对标定在终端上的多个雷达的参数进行监测。
本申请实施例第四方面提供了一种非暂态电子设备可读存储介质，包括：程序，当其藉由电子设备运行时，使得所述电子设备执行本申请实施例第一方面及其任一实施例的方法。
本申请提供的参数监测方法、装置、设备和存储介质，通过实时获取终端上已标定的多个雷达的点云数据以及已标定参数，然后分别对每个雷达的点云数据进行处理，从中提取点云数据在预设平面内的投影数据，最后基于投影数据，可以解析出两个雷达之间的差异关系，即变化信息，进而实时输出变化信息，以供参考该变化信息来确定是否需要对雷达进行重新标定，实现了实时对已标定的多个雷达进行参数监控。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例的电子设备的结构示意图；
图2为本申请一实施例的应用场景的示意图；
图3为本申请一实施例的参数监测方法的流程示意图；
图4为本申请一实施例的参数监测方法的流程示意图；
图5为本申请一实施例的参数监测装置的结构示意图。
具体实施方式
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描述。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图1中以一个处理器为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程，以对标定在终端上的多个雷达的参数进行监测。
于一实施例中，如图2所示，本实施例提供一种多个雷达210与终端的应用场景，终端可以是无人驾驶的车辆200、飞行器或者船舶等，雷达210可以是多线激光雷达。以车辆200为例，车辆200上可以安装多组多线雷达210，在车辆200的无人驾驶过程中，多线雷达210可以实时为车辆200扫描障碍物，并参与生成环境地图，以引导车辆200行驶。电子设备1可以是设置在车辆200上的车载设备，电子设备1可以连接多线雷达210，并可以与多线雷达210进行信息传输，以使电子设备1可以实时湖区多线雷达210的采集数据。
请参看图3，其为本申请一实施例的参数监测方法，该方法可由图1所示的电子设备1来执行，并可以应用于图2所示的无人驾驶车辆200的应用场景中，以实现对标定在车辆200上的多个雷达210的参数进行监测。该方法包括如下步骤：
步骤301：分别获取标定在终端上的多个雷达210的点云数据和已标定参数。
在本步骤中，终端以无人驾驶的车辆200为例，车辆200上安装有多组多线雷达210，多组多线雷达210已经被标定在车辆200上的特定位置，并被设置了对应的已标定参数，可以直接读取每个雷达210的已标定参数文件来获取已标定参数。在雷达210工作工程中，可以同步采集多组多线激光雷达210的单帧点云数据。
步骤302：基于已标定参数，分别提取每个雷达210的点云数据在预设平面内的投影数据。
在本步骤中，雷达210扫描的三维空间的点云数据，会根据三维空间的实际场景的不同而变化，往往出现多个雷达210的点云数据对某一个方向上的场景描述不一致的情况，与这个方向垂直的平面就是预设平面，为了提高数据的计算精度，可以将每个雷达210的点云数据沿着这个方向进行投影，并提取出在预设平面内的投影数据。预设平面可以是水平面。
步骤303：根据投影数据，分别解析多个雷达210中两两雷达210之间的变化信息，并输出变化信息。
在本步骤中，每个雷达210分别具有对应的点云投影数据，对于多组多线激光雷达210，可以分别基于各自的投影数据解析两两雷达210之间的变化信息，变化信息是指一个雷达210扫描的空间信息与另一个雷达210扫描的空间信息之间的差异量，可以表征两个雷达210之间的标定参数的变化量，并且将该变化信息输出，以供根据该变化信息确定当前的两个雷达210的已标定参数是否准确。
上述参数监测方法，通过实时获取无人驾驶车辆200上已标定的多个雷达210的点云数据以及已标定参数，然后分别对每个雷达210的点云数据进行处理，从中提取点云数据在预设平面内的投影数据，最后基于投影数据，可以解析出两个雷达210之间的差异关系，即变化信息，进而实时输出变化信息，以供参考该变化信息来确定是否需要对雷达210进行重新标定，实现了实时对已标定的多个雷达210进行参数监控。
请参看图4，其为本申请一实施例的参数监测方法，该方法可由图1所示的电子设备1来执行，并可以应用于图2所示的无人驾驶车辆200的应用场景中，以实现对标定在车辆200上的多个雷达210的参数进行监测。该方法包括如下步骤：
步骤401：分别获取标定在终端上的多个雷达210的点云数据和已标定参数。详细参见上述实施例中对步骤301的描述。
步骤402：去除每帧点云数据中表征地面特征的点云，生成滤波后的点云。
在本步骤中，为了提高数据计算的简洁化，可以首先对每帧点云数据进行预处理操作。在实际应用中，由于每组多线激光雷达210扫到的点云数据，对场景的描述在水平方向上存在不一致性，比如，两组雷达210没法保证扫到了周边树干上的同一点。而多线激光雷达210能够扫到地面，为避免这种不一致性带来的数据偏差，可以结合雷达210的安装高度，滤掉扫到地面上的点云，生成滤波后的点云。
步骤403：分别基于每个雷达210的已标定参数，将对应于每个雷达210的滤波后的点云转换至预设坐标系下。
在本步骤中，预设坐标系可以是车辆200设置的车体坐标系，具体可以基于车辆200在实际应用的场景进行设定，比如，以xy平面表示水平面，以z轴表示竖直方向，建立笛卡尔坐标系。对于每个雷达210的滤波后的点云，可以分别基于各自的已标定参数，将滤波后的点云转换至车体坐标系下。
于一实施例中，也可以先对点云数据进行坐标系转换，再进行滤波处理，即步骤403也可以在步骤402的前面执行，二者顺序可以根据实际情况调整，并不固定。
步骤404：基于预设坐标系，提取滤波后的点云在水平面上的投影数据。
在本步骤中，在实际应用中，虽然每组多线激光雷达210扫到的点云数据，对场景的描述在水平方向上存在不一致性，但是，两组雷达210的点云在俯视图上的对应性还是可以保证的。所以，假设预设坐标系为步骤403中的笛卡尔坐标系，可以将每组雷达210滤波后的点云向z＝0的水平面投影，得到点云在水平面上的投影数据。
步骤405：根据每个雷达210对应的投影数据，对多个雷达210分别两两进行配准处理，生成两个目标雷达210之间的变换参数。
在本步骤中，一辆车辆200上标定有多个雷达210，为了对每一个雷达210进行参数监测，可以基于每个雷达210的点云在水平面内的投影数据，对多个雷达210分别依次两两进行配准处理，可以采用ICP(Iterative Closest Point，迭代最近点)算法进行配准，得到一组变换参数，变换参数可以采用两个雷达210空间的三维直角坐标系之间的变换矩阵表示。比如，以标定在车辆200左侧的左侧雷达210i和顶端的雷达210j的配准为例，可以外用矩阵Tij表示雷达210i和雷达210j进行配准得到的外参，其中Tij可以包括旋转矩阵R和平移向量t。如此，即使雷达210的点云数据因遮挡出现小部分缺失，依然能够进行配准，起到检验的效果。
于一实施例中，如果雷达210的点云数据出现大部分缺失的情况，可以适当截取覆盖区域广的雷达210数据，选择两组雷达210重合区域的部分进行配准验证。
步骤406：解析变换参数，生成两个目标雷达210之间的角度变化量和位移变化量。
在本步骤中，可以对步骤405中得到的变换参数Tij进行分解，得到两个目标雷达210i和雷达210j之间的旋转矩阵R和平移向量t，再藉由罗德里格斯变换求出旋转矩阵R对应的角度变化量Δθ，为了进一步增加阈值限定，可以进一步求出雷达210i和雷达210j位移变化量Δt。
步骤407：判断角度变化量是否小于角度阈值。如果是，进入步骤408，否则进入步骤410。
在本步骤中，角度阈值可以基于在实际场景中雷达210标定历史数据确定，角度阈值表征角度变化量被允许的变化区间，可通过对历史数据进行分析，确定较为准确的角度阈值。角度变化量越小，雷达210越准确，比如，角度阈值为1°。因此，首先判断是否满足角度变化量Δθ＜1°，即判断雷达210i和雷达210j之间的角度变化量是否在被允许的变化范围内。
步骤408：判断位移变化量是否小于位移阈值。若是，进入步骤409，否则进入步骤410。
在本步骤中，若角度变化量Δθ＜1°，说明雷达210i和雷达210j之间的角度变化量在被允许的变化范围内，为了进一步准确判定两个雷达210之间的参数是否有效，可以进一步判断雷达210i和雷达210j之间位移变化量是否小于位移阈值。同样的，位移阈值也可以基于历史标定数据分析得出，比如位移阈值可以是5cm。也就是当角度变化量Δθ＜1°时，进一步判断是否满足位移变化量Δt＜5cm。
步骤409：提示两个目标雷达210外参正常。
在本步骤中，若角度变化量Δθ＜1°，并且位移变化量Δt＜5cm，则说明当前雷达210i和雷达210j的外参的标定结果在被允许的误差范围内，因此依然有效，可以继续使用，则可以发出提示信息，以供参考。
步骤410：提示两个目标雷达210的外参非正常。
在本步骤中，若角度变化量Δθ≥1°或者虽然度变化量Δθ＜1°但是移变化量Δt≥5cm，则说明当前雷达210i和雷达210j的外参的标定结果已经超出在被允许的误差范围，则提示两个目标雷达210的外参非正常，并将变化信息输出，以供根据提示结果，及时对雷达210i和雷达210j的参数进行重新标定，保证无人驾驶车辆200安全准确的运行。
于一实施例中，角度阈值和位移阈值的判断，顺序不分先后，可以根据实际情况调整顺序，即步骤408也可以在步骤407的前面执行。
请参看图5，其为本申请一实施例的参数监测装置500，该装置可应用于图1所示的电子设备1，并可应用于图2所示的无人驾驶车辆200的应用场景中，以实现对标定在车辆200上的多个雷达210的参数进行监测。该装置包括：获取模块501、提取模块502和解析模块503，各个模块的原理关系如下：
获取模块501，用于分别获取标定在终端上的多个雷达210的点云数据和已标定参数。详细参见上述实施例中对步骤301的描述。
提取模块502，用于基于已标定参数，分别提取每个雷达210的点云数据在预设平面内的投影数据。详细参见上述实施例中对步骤302的描述。
解析模块503，用于根据投影数据，分别解析多个雷达210中两两雷达210之间的变化信息，并输出变化信息。详细参见上述实施例中对步骤303的描述。
于一实施例中，提取模块502用于：去除每帧点云数据中表征地面特征的点云，生成滤波后的点云。分别基于每个雷达210的已标定参数，将对应于每个雷达210的滤波后的点云转换至预设坐标系下。基于预设坐标系，提取滤波后的点云在水平面上的投影数据。详细参见上述实施例中对步骤402至步骤404的描述。
于一实施例中，解析模块503用于：根据每个雷达210对应的投影数据，对多个雷达210分别两两进行配准处理，生成两个目标雷达210之间的变换参数。解析变换参数，生成两个目标雷达210之间的角度变化量和位移变化量。详细参见上述实施例中对步骤405至步骤406的描述。
于一实施例中，还包括：第一判断模块504，用于在解析变换参数，生成两个目标雷达210之间的角度变化量和位移变化量之后，判断角度变化量是否小于角度阈值。提示模块505，用于若角度变化量大于或等于角度阈值，则提示两个目标雷达210的外参非正常。详细参见上述实施例中对步骤407和步骤410的描述。
于一实施例中，还包括：第二判断模块506，用于若角度变化量小于角度阈值，则判断位移变化量是否小于位移阈值。提示模块505还用于若位移变化量小于位移阈值，则提示两个目标雷达210外参正常。以及提示模块505还用于若位移变化量大于或等于位移阈值，则提示两个目标雷达210的外参非正常。详细参见上述实施例中对步骤408至步骤410的描述。
上述参数监测装置500的详细描述，请参见上述实施例中相关方法步骤的描述。
本发明实施例还提供了一种非暂态电子设备可读存储介质，包括：程序，当其在电子设备上运行时，使得电子设备可执行上述实施例中方法的全部或部分流程。其中，存储介质可为磁盘、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等。存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (13)

1.一种参数监测方法，其特征在于，包括：
分别获取标定在终端上的多个雷达的点云数据和已标定参数；
基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据；
根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息。
2.根据权利要求1所述的方法，其特征在于，所述基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据，包括：
去除每帧所述点云数据中表征地面特征的点云，生成滤波后的点云；
分别基于每个所述雷达的所述已标定参数，将对应于每个所述雷达的所述滤波后的点云转换至预设坐标系下；
基于所述预设坐标系，提取所述滤波后的点云在水平面上的所述投影数据。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息，包括：
根据每个所述雷达对应的所述投影数据，对多个所述雷达分别两两进行配准处理，生成两个目标雷达之间的变换参数；
解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量。
4.根据权利要求3所述的方法，其特征在于，在解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量之后，还包括：
判断所述角度变化量是否小于角度阈值；
若所述角度变化量大于或等于所述角度阈值，则提示所述两个目标雷达的外参非正常。
5.根据权利要求4所述的方法，其特征在于，在所述判断所述角度变化量是否小于角度阈值之后，还包括：
若所述角度变化量小于所述角度阈值，则判断所述位移变化量是否小于位移阈值；
若所述位移变化量小于所述位移阈值，则提示所述两个目标雷达外参正常。
6.根据权利要求5所述的方法，其特征在于，在所述若所述角度变化量小于所述角度阈值，则判断所述位移变化量是否小于位移阈值之后，还包括：
若所述位移变化量大于或等于所述位移阈值，则提示所述两个目标雷达的外参非正常。
7.一种参数监测装置，其特征在于，包括：
获取模块，用于分别获取标定在终端上的多个雷达的点云数据和已标定参数；
提取模块，用于基于所述已标定参数，分别提取每个所述雷达的所述点云数据在预设平面内的投影数据；
解析模块，用于根据所述投影数据，分别解析多个所述雷达中两两所述雷达之间的变化信息，并输出所述变化信息。
8.根据权利要求7所述的装置，其特征在于，所述提取模块用于：
去除每帧所述点云数据中表征地面特征的点云，生成滤波后的点云；
分别基于每个所述雷达的所述已标定参数，将对应于每个所述雷达的所述滤波后的点云转换至预设坐标系下；
基于所述预设坐标系，提取所述滤波后的点云在水平面上的所述投影数据。
9.根据权利要求7或8所述的装置，其特征在于，所述解析模块用于：
根据每个所述雷达对应的所述投影数据，对多个所述雷达分别两两进行配准处理，生成两个目标雷达之间的变换参数；
解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量。
10.根据权利要求9所述的装置，其特征在于，还包括：
第一判断模块，用于在解析所述变换参数，生成所述两个目标雷达之间的角度变化量和位移变化量之后，判断所述角度变化量是否小于角度阈值；
提示模块，用于若所述角度变化量大于或等于所述角度阈值，则提示所述两个目标雷达的外参非正常。
11.根据权利要求10所述的装置，其特征在于，还包括：
第二判断模块，用于若所述角度变化量小于所述角度阈值，则判断所述位移变化量是否小于位移阈值；
所述提示模块还用于若所述位移变化量小于所述位移阈值，则提示所述两个目标雷达外参正常；
以及所述提示模块还用于若所述位移变化量大于或等于所述位移阈值，则提示所述两个目标雷达的外参非正常。
12.一种电子设备，其特征在于，包括：
存储器，用以存储计算机程序；
处理器，用以执行如权利要求1至6中任一项所述的方法，以对标定在终端上的多个雷达的参数进行监测。
13.一种非暂态电子设备可读存储介质，其特征在于，包括：程序，当其藉由电子设备运行时，使得所述电子设备执行权利要求1至6中任一项所述的方法。
CN202010203026.1A 2020-03-20 2020-03-20 参数监测方法、装置、设备和存储介质 Active CN111427028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010203026.1A CN111427028B (zh) 2020-03-20 2020-03-20 参数监测方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010203026.1A CN111427028B (zh) 2020-03-20 2020-03-20 参数监测方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111427028A true CN111427028A (zh) 2020-07-17
CN111427028B CN111427028B (zh) 2022-03-25

Family

ID=71553531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010203026.1A Active CN111427028B (zh) 2020-03-20 2020-03-20 参数监测方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111427028B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946612A (zh) * 2021-03-29 2021-06-11 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
CN113050660A (zh) * 2021-06-01 2021-06-29 新石器慧通（北京）科技有限公司 误差补偿方法、装置、计算机设备及存储介质
CN113340334A (zh) * 2021-07-29 2021-09-03 新石器慧通（北京）科技有限公司 用于无人车的传感器标定方法、装置及电子设备
WO2022134567A1 (zh) * 2020-12-25 2022-06-30 上海商汤临港智能科技有限公司 外参标定方法、装置、计算机设备及存储介质
WO2022179094A1 (zh) * 2021-02-24 2022-09-01 长沙行深智能科技有限公司 车载激光雷达外参数联合标定方法、系统、介质及设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9494940B1 (en) * 2015-11-04 2016-11-15 Zoox, Inc. Quadrant configuration of robotic vehicles
CN109581338A (zh) * 2019-01-14 2019-04-05 中国科学院计算技术研究所 一种标定多激光雷达外参数的系统及其方法
CN109781163A (zh) * 2018-12-18 2019-05-21 北京百度网讯科技有限公司 标定参数有效性检验方法、装置、设备及存储介质
CN109903341A (zh) * 2019-01-25 2019-06-18 东南大学 一种车载摄像机外参动态自标定方法
CN109919893A (zh) * 2019-03-20 2019-06-21 湖北亿咖通科技有限公司 点云修正方法、装置和可读存储介质
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
CN110390697A (zh) * 2019-07-11 2019-10-29 浙江大学 一种基于lm算法的毫米波雷达与摄像头联合标定方法
CN110470333A (zh) * 2019-08-16 2019-11-19 北京致行慕远科技有限公司 传感器参数的标定方法及装置、存储介质和电子装置
CN110501036A (zh) * 2019-08-16 2019-11-26 北京致行慕远科技有限公司 传感器参数的标定检查方法及装置
CN110579754A (zh) * 2019-10-15 2019-12-17 戴姆勒股份公司 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9494940B1 (en) * 2015-11-04 2016-11-15 Zoox, Inc. Quadrant configuration of robotic vehicles
CN109781163A (zh) * 2018-12-18 2019-05-21 北京百度网讯科技有限公司 标定参数有效性检验方法、装置、设备及存储介质
CN109581338A (zh) * 2019-01-14 2019-04-05 中国科学院计算技术研究所 一种标定多激光雷达外参数的系统及其方法
CN109903341A (zh) * 2019-01-25 2019-06-18 东南大学 一种车载摄像机外参动态自标定方法
CN109919893A (zh) * 2019-03-20 2019-06-21 湖北亿咖通科技有限公司 点云修正方法、装置和可读存储介质
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
CN110390697A (zh) * 2019-07-11 2019-10-29 浙江大学 一种基于lm算法的毫米波雷达与摄像头联合标定方法
CN110470333A (zh) * 2019-08-16 2019-11-19 北京致行慕远科技有限公司 传感器参数的标定方法及装置、存储介质和电子装置
CN110501036A (zh) * 2019-08-16 2019-11-26 北京致行慕远科技有限公司 传感器参数的标定检查方法及装置
CN110579754A (zh) * 2019-10-15 2019-12-17 戴姆勒股份公司 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法
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

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134567A1 (zh) * 2020-12-25 2022-06-30 上海商汤临港智能科技有限公司 外参标定方法、装置、计算机设备及存储介质
WO2022179094A1 (zh) * 2021-02-24 2022-09-01 长沙行深智能科技有限公司 车载激光雷达外参数联合标定方法、系统、介质及设备
CN112946612A (zh) * 2021-03-29 2021-06-11 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
CN112946612B (zh) * 2021-03-29 2024-05-17 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
CN113050660A (zh) * 2021-06-01 2021-06-29 新石器慧通（北京）科技有限公司 误差补偿方法、装置、计算机设备及存储介质
CN113340334A (zh) * 2021-07-29 2021-09-03 新石器慧通（北京）科技有限公司 用于无人车的传感器标定方法、装置及电子设备

Also Published As

Publication number Publication date
CN111427028B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN111427028B (zh) 参数监测方法、装置、设备和存储介质
CN109949372B (zh) 一种激光雷达与视觉联合标定方法
CN107481292B (zh) 车载摄像头的姿态误差估计方法和装置
CN111160302A (zh) 基于自动驾驶环境的障碍物信息识别方法和装置
CN110936959B (zh) 车辆感知系统在线诊断和预测
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
CN110609290A (zh) 激光雷达匹配定位方法及装置
CN112083441A (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
CN111580116A (zh) 一种车载系统的目标检测性能的评价方法和电子设备
CN115151954A (zh) 可行驶区域检测的方法和装置
CN110426714B (zh) 一种障碍物识别方法
US12130390B2 (en) Aggregation-based LIDAR data alignment
EP3671123A1 (en) Positioning method, positioning apparatus of mobile device and electronic device
CN114001706B (zh) 航向角估计方法、装置、电子设备和存储介质
CN117590362B (zh) 一种多激光雷达外参标定方法、装置和设备
CN115097419A (zh) 一种激光雷达到imu的外参标定方法及装置
CN116129669B (zh) 一种基于激光雷达的车位测评方法、系统、设备及介质
CN113643355A (zh) 一种目标车辆位置和朝向的检测方法、系统及存储介质
US20230059883A1 (en) Identification of planar points in lidar point cloud obtained with vehicle lidar system
CN115631143A (zh) 激光点云数据检测方法及装置、可读存储介质、终端
US11166003B1 (en) Dynamic vibration sensor optics distortion prediction
CN113837385B (zh) 一种数据处理方法、装置、设备、介质及产品
CN113075668B (zh) 一种动态障碍物对象识别方法和装置
CN117433511B (zh) 一种多传感器融合定位方法
CN117129979B (zh) 一种基于机器学习模型的激光雷达标定方法及系统

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
TR01 Transfer of patent right

Effective date of registration: 20240912

Address after: Room 103, 1st Floor, Building 2, Qingfeng Village, Qianqing Street, Keqiao District, Shaoxing City, Zhejiang Province, 312000

Patentee after: Neolithic (Shaoxing) Autonomous Vehicle Technology Co.,Ltd.

Country or region after: China

Address before: 102200 Beijing science and technology city Changping District two North Street two Anshan Iron and Steel Research Institute No. 122 hospital

Patentee before: NEOLIX TECHNOLOGIES Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right