CN111638499A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111638499A
CN111638499A CN202010382518.1A CN202010382518A CN111638499A CN 111638499 A CN111638499 A CN 111638499A CN 202010382518 A CN202010382518 A CN 202010382518A CN 111638499 A CN111638499 A CN 111638499A
Authority
CN
China
Prior art keywords
laser radar
camera
point
coordinate system
calibration
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
CN202010382518.1A
Other languages
English (en)
Other versions
CN111638499B (zh
Inventor
裴凌
陶力豪
李涛
邹丹平
郁文贤
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202010382518.1A priority Critical patent/CN111638499B/zh
Publication of CN111638499A publication Critical patent/CN111638499A/zh
Application granted granted Critical
Publication of CN111638499B publication Critical patent/CN111638499B/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
    • 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

Abstract

一种基于激光雷达反射强度点特征的相机‑激光雷达外部参数标定方法，分别①通过基于ArUco现实增强库的提取技术从标定板上采集特征点在相机坐标系的坐标，②通过基于激光雷达反射强度差异从标定板上采集特征点在激光雷达坐标系的坐标，通过迭代最近点算法进行相机‑激光雷达相对外部参数标定并得到变换矩阵，最后通过对变换矩阵进行坐标系统一，得到激光雷达与相机的相对外部参数。本发明能够不用对相机及激光雷达作充分旋转平移等运动即可标定出其准确的相对外部参数。

Description

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
技术领域
本发明涉及的是一种雷达导航领域的技术，具体是一种基于激光雷达反射强度点特征的相机-激光雷达外部参数标定方法。
背景技术
在导航定位领域，标定多传感器之间的相对外参有着重要的意义。现有的标定技术多采用即时定位与地图创建(Simultaneous Localization and Mapping,简称SLAM)算法实现，但多传感器之间的相对外部参数可能会对融合SLAM算法精度及鲁棒性有着较大的影响。如果算法运行起始时刻标定出的多传感器相对外部参数误差较大，算法结果在初始时刻就会有一个比较大的误差，随着时间改变，误差可能无法被算法优化而越来越大，这也会造成算法的精度大幅下降，鲁棒性降低。
发明内容
本发明针对相机与激光雷达之间的外部参数真值获取困难，每一个独立传感器都会有自己的确定坐标系，多传感器相对外部参数即为多个独立坐标系之间的旋转平移关系，但是这个旋转平移关系的真值获取困难。对于新外部参数标定方法的精度评估，真值一般只能通过加入中间传感器，应用有关中间传感器现有成熟外部参数标定算法转换得到等缺陷，提出一种基于激光雷达反射强度点特征的相机-激光雷达外部参数标定方法，可以不用对相机及激光雷达作充分旋转平移等运动即可标定出其准确的相对外部参数。
本发明是通过以下技术方案实现的：
本发明涉及一种基于激光雷达反射强度点特征的相机-激光雷达外部参数标定方法，分别①通过基于ArUco现实增强库的提取技术从标定板上采集特征点在相机坐标系的坐标，②通过基于激光雷达反射强度差异从标定板上采集特征点在激光雷达坐标系的坐标，通过迭代最近点(ICP)算法进行相机-激光雷达相对外部参数标定并得到变换矩阵，最后通过对变换矩阵进行坐标系统一，得到激光雷达与相机的相对外部参数。
所述的标定板上设有ArUco标记和n个PVC黑色胶条制成的点特征Ej(j＝1…n)，其中ArUco标记是指二维码识别领域中已开源的ArUco库的识别标记。
所述的标定板优选为KT板，与PVC黑色胶条有着显著的光反射率差异，激光雷达点散射在这两种不同材料上会有不同的反射强度，这个差异成为了提取激光雷达特征点的基础。
所述的标定板为尺寸形状为1m×1m的正方形，ArUco标记的尺寸形状为0.2m×0.2m的正方形，位于标定板的正中心，n个尺寸为0.6cm×0.6cm的PVC黑色胶条制成的点特征Ej(j＝1…n)均匀分布在ArUco标记的四周。
所述的基于ArUco现实增强库的视觉特征点提取：相机拍摄到含有ArUco标记的图像，相机的内部参数(fx,fy,cx,cy)，ArUco标记的尺寸参数，作为ArUco算法的输入，ArUco算法检测到ArUco标记四个角的位置(按照原始的顺序)以及标定板上标记的编号。通过ArUco库中的estimatePoseSingleMarkers函数计算得到由一个旋转矩阵和一个平移向量组成的变换矩阵T，即描述相机坐标系Wc到ArUco标记坐标系Wb的变换矩阵，其中ArUco标记坐标系Wb由标定板上的ArUco标记确定，根据手动测量的标定板上n个点特征分别在ArUco标记坐标系Wb下的坐标，可计算得到点特征在相机坐标系下的坐标，即视觉特征点的提取。
所述的基于激光雷达反射强度的激光雷达特征点提取是指：散射在标定板上的激光雷达点可按照反射强度分为两类，散射在材料为PVC黑色胶条点特征上的激光雷达点反射强度较小，散射在标定板其余部位的激光雷达点反射强度较大，根据这个差异将散射在点特征上的激光雷达点提取出来，提取出的激光雷达特征点坐标即为点特征在激光雷达坐标系下的坐标。
所述的迭代最近点(ICP)算法的相机-激光雷达相对外部参数标定：选取相机坐标系下n个视觉特征点的坐标和激光雷达坐标系下n个激光雷达特征点的坐标作为ICP算法的输入(t,x,y,z)，通过迭代计算ICP误差：
Figure BDA0002482548470000021
其中：si为在相机坐标系下点特征构成的点云集S中第i个点的位置，gi为si在激光雷达坐标系下点特征构成的点云集G中关联的点，L为参与的点对个数，T(si)为将si通过变换矩阵T2变换到Wc坐标系下的过程，通过设置ICP收敛阈值和T2的初始值，经多次迭代计算得出变换矩阵T2，T2即为激光雷达与相机的相对外部参数。
技术效果
本发明整体解决了由于激光雷达点云的稀疏性，无法直接获取散射在标定板上确定位置激光雷达点的坐标的技术问题。现有关于激光雷达的外参标定算法中，大多为提取散射在标定板边缘激光雷达点进行直线拟合，使用对两条拟合直线求交点的方法计算标定板角点相对于激光雷达坐标系的坐标，也就是用于后续外参计算的激光雷达特征点。标定板边缘激光雷达点提取算法，直线拟合算法，拟合直线交点求解都会引入大的误差，导致激光雷达特征点求解不精确。激光雷达特征点的求解不精确直接导致外参计算的不精确。
本发明通过引入激光雷达反射强度变量实现了激光雷达特征点的精确提取，使用ArUco标记计算出视觉特征点，在此基础上给出了激光雷达-相机精确的外部参数标定方法及结果定量评估方法。
附图说明
图1为本发明流程图；
图2为标定板设计图。
具体实施方式
本实施例涉及一种基于激光雷达反射强度点特征的相机-激光雷达外部参数标定系统，包括：标定板模块、激光雷达特征点提取模块、视觉特征点提取模块和外参计算模块，其中：标定板模块与激光雷达特征点提取模块相连并传输经提取的激光雷达特征点三维坐标信息，标定板模块与视觉特征点提取模块相连并传输经提取的视觉特征点三维坐标信息，外参计算模块与激光雷达特征点提取模块相连并传输激光雷达特征点三维坐标信息，外参计算模块与视觉特征点提取模块相连并传输视觉特征点三维坐标信息。
如图1所示，本实施例基于上述系统的相机-激光雷达外部参数标定方法，包括以下步骤：
步骤1、标定板制作：标定板印有ArUco标记，并贴上了n个材料为PVC黑色胶条的点特征。标定板的材料为KT板，与PVC黑色胶条有着显著的光反射率差异，激光雷达点散射在这两种不同材料上会有不同的反射强度，这个差异成为了提取特征激光雷达点的基础。
步骤2、基于ArUco现实增强库的特征点在相机坐标系下的坐标提取：相机拍摄到含有ArUco标记的图像，相机的内部参数(fx,fy,cx,cy)，ArUco标记的尺寸参数，作为ArUco算法的输入，ArUco算法检测到ArUco标记四个角的位置(按照原始的顺序)以及marker的编号。通过ArUco库中的estimatePoseSingleMarkers函数计算得到由一个旋转矩阵和一个平移向量组成的变换矩阵T，T即为描述相机坐标系Wc到ArUco标记坐标系Wb的变换矩阵，其中ArUco标记坐标系Wb由标定板上的ArUco标记确定，根据手动测量的标定板上n个点特征分别在ArUco标记坐标系Wb下的坐标，可计算得到点特征在相机坐标系下的坐标，即视觉特征点的提取。
步骤3、基于激光雷达反射强度的特征点在激光雷达坐标系下的坐标提取：散射在标定板上的激光雷达点可按照反射强度分为两类，散射在材料为PVC黑色胶条点特征上的激光雷达点反射强度较小，散射在标定板其余部位的激光雷达点反射强度较大，根据这个差异将散射在点特征上的激光雷达点提取出来，提取出的激光雷达特征点坐标即为点特征在激光雷达坐标系下的坐标。
步骤4、基于ICP算法的相机-激光雷达相对外部参数标定：选取相机坐标系下n个视觉特征点及激光雷达坐标系下n个激光雷达特征点构成点云集S和G，作为ICP算法的输入，数据格式为(t,x,y,z)。S为在相机坐标系下标定板n个视觉特征点构成的点云集，G为在激光雷达坐标系下n个激光雷达特征点构成的点云集，ICP的误差方程为：
Figure BDA0002482548470000031
其中：si为S中第i个点的位置，gi为si在G中关联的点；T(si)为将si通过变换矩阵T2变换到Wc坐标系下的过程；L为参与的点对个数。
本实施例优选进一步对相对外部参数标定结果进行验证：变换矩阵T2将激光雷达坐标系WL转换到相机坐标系Wc，在ROS中每个激光雷达会输出一个自身坐标系WL，对该坐标系直接乘变换矩阵T2进行刚体坐标变换，公式为：WL'＝T2×WL，即得到了理论上与相机坐标系Wc相同的坐标系WL′，在ROS中的RVIZ可视化界面中同时观察经坐标变换后的激光雷达点云以及相机图像，通过判断图像中出现的边缘部分与激光雷达点云能否完美契合实现验证，即标定得到的激光雷达-相机相对外部参数T2准确。
本实施例优选进一步对相对外部参数标定结果进行定量评估：将所求得外部参数中的旋转矩阵设为R，平移向量为t(x,y,z)，将旋转矩阵R转化成欧拉角(α,β,γ),分别对应着(yaw,pitch,raw)，取十次标定结果，旋转矩阵(R1,R2…R10)转化成的欧拉角记为(α1,α2…α10)，(β1,β2…β10)，(γ1,γ2…γ10)，平移向量(t1,t2…t10)各分量分别记为(x1,x2…x10)，(y1,y2…y10)，(z1,z2…z10)；通过计算方差
Figure BDA0002482548470000041
其中：均值μ的计算公式为：
Figure BDA0002482548470000042
得到的各分量方差分别为σ2 α，σ2 β，σ2 γ，σ2 x，σ2 y，σ2 z；进一步停过设置收敛评估指标，即欧拉角方差指标为0.003，欧拉角单位为弧度制，平移分量方差指标为0.0001，平移分量单位为米，当同时成立：min(σ2 α,σ2 β,σ2 γ)≤0.003和min(σ2 x,σ2 y,σ2 z)≤0.0001即认为外部参数标定结果收敛，结果准确。
在室内环境下，标定板与激光雷达直线距离1.5米时，使用本发明的方法，激光雷达特征点的提取精度能够达到0.2cm，标定出的相机-激光雷达外参的三轴旋转误差为0.5度，平移误差为0.5cm。
与现有技术相比，本方法独创的标定板及激光雷达特征点提取算法，显著提升了激光雷达特征点提取精度，在此基础上的相机-激光雷达外参标定精度相比现有标定技术也有明显的提升。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (7)

1.一种基于激光雷达反射强度点特征的相机-激光雷达外部参数标定方法，其特征在于，分别①通过基于ArUco现实增强库的提取技术从标定板上采集特征点在相机坐标系的坐标，②通过基于激光雷达反射强度差异从标定板上采集特征点在激光雷达坐标系的坐标，通过迭代最近点算法进行相机-激光雷达相对外部参数标定并得到变换矩阵，最后通过对变换矩阵进行坐标系统一，得到激光雷达与相机的相对外部参数；
所述的标定板上设有ArUco标记和若干PVC黑色胶条制成的点特征；
所述的基于激光雷达反射强度差异从标定板上采集特征点在激光雷达坐标系的坐标是指：散射在标定板上的激光雷达点可按照反射强度分为两类，散射在材料为PVC黑色胶条点特征上的激光雷达点反射强度较小，散射在标定板其余部位的激光雷达点反射强度较大，根据这个差异将散射在点特征上的激光雷达点提取出来，提取出的激光雷达特征点坐标即为点特征在激光雷达坐标系下的坐标。
2.根据权利要求1所述的相机-激光雷达外部参数标定方法，其特征是，所述的标定板为尺寸形状为1m×1m的正方形，ArUco标记的尺寸形状为0.2m×0.2m的正方形，位于标定板的正中心，n个尺寸为0.6cm×0.6cm的PVC黑色胶条制成的点特征Ej(j＝1…n)均匀分布在ArUco标记的四周。
3.根据权利要求1所述的相机-激光雷达外部参数标定方法，其特征是，所述的基于ArUco现实增强库的视觉特征点提取：相机拍摄到含有ArUco标记的图像，相机的内部参数(fx,fy,cx,cy)，ArUco标记的尺寸参数，作为ArUco算法的输入，ArUco算法检测到ArUco标记四个角的位置(按照原始的顺序)以及标定板上标记的编号，通过ArUco库中的estimatePoseSingleMarkers函数计算得到由一个旋转矩阵和一个平移向量组成的变换矩阵T，即描述相机坐标系Wc到ArUco标记坐标系Wb的变换矩阵，其中ArUco标记坐标系Wb由标定板上的ArUco标记确定，根据手动测量的标定板上n个点特征分别在ArUco标记坐标系Wb下的坐标，可计算得到点特征在相机坐标系下的坐标，即视觉特征点的提取。
4.根据权利要求1所述的相机-激光雷达外部参数标定方法，其特征是，所述的迭代最近点算法是指：选取相机坐标系下n个视觉特征点的坐标和激光雷达坐标系下n个激光雷达特征点的坐标作为ICP算法的输入(t,x,y,z)，通过迭代计算ICP误差：
Figure FDA0002482548460000011
其中：si为在相机坐标系下点特征构成的点云集S中第i个点的位置，gi为si在激光雷达坐标系下点特征构成的点云集G中关联的点，L为参与的点对个数，T(si)为将si通过变换矩阵T2变换到Wc坐标系下的过程，通过设置ICP收敛阈值和T2的初始值，经多次迭代计算得出变换矩阵T2，T2即为激光雷达与相机的相对外部参数。
5.根据上述任一权利要求所述的相机-激光雷达外部参数标定方法，其特征是，进一步对相对外部参数标定结果进行验证：变换矩阵T2将激光雷达坐标系WL转换到相机坐标系Wc，在ROS中每个激光雷达会输出一个自身坐标系WL，对该坐标系直接乘变换矩阵T2进行刚体坐标变换，公式为：WL'＝T2×WL，即得到了理论上与相机坐标系Wc相同的坐标系WL′，在ROS中的RVIZ可视化界面中同时观察经坐标变换后的激光雷达点云以及相机图像，通过判断图像中出现的边缘部分与激光雷达点云能否完美契合实现验证，即标定得到的激光雷达-相机相对外部参数T2准确。
6.根据权利要求1～4中任一所述的相机-激光雷达外部参数标定方法，其特征是，进一步对相对外部参数标定结果进行定量评估：将所求得外部参数中的旋转矩阵设为R，平移向量为t(x,y,z)，将旋转矩阵R转化成欧拉角(α,β,γ),分别对应着(yaw,pitch,raw)，取十次标定结果，旋转矩阵(R1,R2…R10)转化成的欧拉角记为(α1,α2…α10)，(β1,β2…β10)，(γ1,γ2…γ10)，平移向量(t1,t2…t10)各分量分别记为(x1,x2…x10)，(y1,y2…y10)，(z1,z2…z10)；通过计算方差
Figure FDA0002482548460000021
其中：均值μ的计算公式为：
Figure FDA0002482548460000022
得到的各分量方差分别为σ2 α，σ2 β，σ2 γ，σ2 x，σ2 y，σ2 z；进一步停过设置收敛评估指标，即欧拉角方差指标为0.003，欧拉角单位为弧度制，平移分量方差指标为0.0001，平移分量单位为米，当同时成立：min(σ2 α,σ2 β,σ2 γ)≤0.003和min(σ2 x,σ2 y,σ2 z)≤0.0001即认为外部参数标定结果收敛，结果准确。
7.一种实现上述任一权利要求所述方法的基于激光雷达反射强度点特征的相机-激光雷达外部参数标定系统，其特征在于，包括：标定板模块、激光雷达特征点提取模块、视觉特征点提取模块和外参计算模块，其中：标定板模块与激光雷达特征点提取模块相连并传输经提取的激光雷达特征点三维坐标信息，标定板模块与视觉特征点提取模块相连并传输经提取的视觉特征点三维坐标信息，外参计算模块与激光雷达特征点提取模块相连并传输激光雷达特征点三维坐标信息，外参计算模块与视觉特征点提取模块相连并传输视觉特征点三维坐标信息。
CN202010382518.1A 2020-05-08 2020-05-08 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 Active CN111638499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010382518.1A CN111638499B (zh) 2020-05-08 2020-05-08 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010382518.1A CN111638499B (zh) 2020-05-08 2020-05-08 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

Publications (2)

Publication Number Publication Date
CN111638499A true CN111638499A (zh) 2020-09-08
CN111638499B CN111638499B (zh) 2024-04-09

Family

ID=72332014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010382518.1A Active CN111638499B (zh) 2020-05-08 2020-05-08 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

Country Status (1)

Country Link
CN (1) CN111638499B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112904317A (zh) * 2021-01-21 2021-06-04 湖南阿波罗智行科技有限公司 一种多激光雷达与gnss_ins系统标定方法
CN113138375A (zh) * 2021-04-27 2021-07-20 北京理工大学 一种联合标定方法、系统及标定板
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
CN114758005A (zh) * 2022-03-23 2022-07-15 中国科学院自动化研究所 激光雷达与相机外参标定方法及装置
CN116068538A (zh) * 2023-04-06 2023-05-05 中汽研（天津）汽车工程研究院有限公司 一种用于批量式车辆激光雷达的可调节标定系统和方法
CN117557999A (zh) * 2023-11-20 2024-02-13 镁佳(北京)科技有限公司 一种图像联合标注方法、计算机设备及介质
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 (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100232728A1 (en) * 2008-01-18 2010-09-16 Leprince Sebastien Ortho-rectification, coregistration, and subpixel correlation of optical satellite and aerial images
CN105758426A (zh) * 2016-02-19 2016-07-13 深圳杉川科技有限公司 移动机器人的多传感器的联合标定方法
CN107976668A (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方法
CN108399643A (zh) * 2018-03-15 2018-08-14 南京大学 一种激光雷达和相机间的外参标定系统和方法
CN108596979A (zh) * 2018-03-27 2018-09-28 深圳市智能机器人研究院 一种用于激光雷达和深度相机的标定装置和方法
CN109100741A (zh) * 2018-06-11 2018-12-28 长安大学 一种基于3d激光雷达及图像数据的目标检测方法
US20190011566A1 (en) * 2017-07-04 2019-01-10 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for identifying laser point cloud data of autonomous vehicle
CN109410256A (zh) * 2018-10-29 2019-03-01 北京建筑大学 基于互信息的点云与影像自动高精度配准方法
CN109920011A (zh) * 2019-05-16 2019-06-21 长沙智能驾驶研究院有限公司 激光雷达与双目摄像头的外参标定方法、装置及设备
CN109949372A (zh) * 2019-03-18 2019-06-28 北京智行者科技有限公司 一种激光雷达与视觉联合标定方法
CN110021046A (zh) * 2019-03-05 2019-07-16 中国科学院计算技术研究所 相机与激光雷达组合传感器的外参数标定方法及系统
CN110349221A (zh) * 2019-07-16 2019-10-18 北京航空航天大学 一种三维激光雷达与双目可见光传感器的融合标定方法
CN110766758A (zh) * 2019-09-12 2020-02-07 浙江大华技术股份有限公司 标定方法、装置、系统及存储装置
CN110865388A (zh) * 2019-11-28 2020-03-06 芜湖汽车前瞻技术研究院有限公司 摄像机与激光雷达的联合标定方法、装置及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100232728A1 (en) * 2008-01-18 2010-09-16 Leprince Sebastien Ortho-rectification, coregistration, and subpixel correlation of optical satellite and aerial images
CN105758426A (zh) * 2016-02-19 2016-07-13 深圳杉川科技有限公司 移动机器人的多传感器的联合标定方法
CN107976668A (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方法
US20190011566A1 (en) * 2017-07-04 2019-01-10 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for identifying laser point cloud data of autonomous vehicle
CN108399643A (zh) * 2018-03-15 2018-08-14 南京大学 一种激光雷达和相机间的外参标定系统和方法
CN108596979A (zh) * 2018-03-27 2018-09-28 深圳市智能机器人研究院 一种用于激光雷达和深度相机的标定装置和方法
CN109100741A (zh) * 2018-06-11 2018-12-28 长安大学 一种基于3d激光雷达及图像数据的目标检测方法
CN109410256A (zh) * 2018-10-29 2019-03-01 北京建筑大学 基于互信息的点云与影像自动高精度配准方法
CN110021046A (zh) * 2019-03-05 2019-07-16 中国科学院计算技术研究所 相机与激光雷达组合传感器的外参数标定方法及系统
CN109949372A (zh) * 2019-03-18 2019-06-28 北京智行者科技有限公司 一种激光雷达与视觉联合标定方法
CN109920011A (zh) * 2019-05-16 2019-06-21 长沙智能驾驶研究院有限公司 激光雷达与双目摄像头的外参标定方法、装置及设备
CN110349221A (zh) * 2019-07-16 2019-10-18 北京航空航天大学 一种三维激光雷达与双目可见光传感器的融合标定方法
CN110766758A (zh) * 2019-09-12 2020-02-07 浙江大华技术股份有限公司 标定方法、装置、系统及存储装置
CN110865388A (zh) * 2019-11-28 2020-03-06 芜湖汽车前瞻技术研究院有限公司 摄像机与激光雷达的联合标定方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
俞德崎 等: "一种基于三维特征点集的激光雷达与相机配准方法" *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112904317A (zh) * 2021-01-21 2021-06-04 湖南阿波罗智行科技有限公司 一种多激光雷达与gnss_ins系统标定方法
CN112904317B (zh) * 2021-01-21 2023-08-22 湖南阿波罗智行科技有限公司 一种多激光雷达与gnss_ins系统标定方法
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
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
CN113138375B (zh) * 2021-04-27 2022-11-29 北京理工大学 一种联合标定方法
CN113138375A (zh) * 2021-04-27 2021-07-20 北京理工大学 一种联合标定方法、系统及标定板
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
CN114758005A (zh) * 2022-03-23 2022-07-15 中国科学院自动化研究所 激光雷达与相机外参标定方法及装置
CN114758005B (zh) * 2022-03-23 2023-03-28 中国科学院自动化研究所 激光雷达与相机外参标定方法及装置
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
CN116068538A (zh) * 2023-04-06 2023-05-05 中汽研（天津）汽车工程研究院有限公司 一种用于批量式车辆激光雷达的可调节标定系统和方法
CN117557999A (zh) * 2023-11-20 2024-02-13 镁佳(北京)科技有限公司 一种图像联合标注方法、计算机设备及介质

Also Published As

Publication number Publication date
CN111638499B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN111638499B (zh) 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
CN112257676B (zh) 一种指针式仪表读数方法、系统以及巡检机器人
de Moraes Frasson et al. Three-dimensional digital model of a maize plant
CN100430690C (zh) 利用单数码相机自由拍摄进行物体三维测量的方法
CN108414238A (zh) 自动泊车功能实车测试系统及测试方法
CN107330927B (zh) 机载可见光图像定位方法
CN112446844B (zh) 一种基于点云特征提取与配准融合方法
CN112801094B (zh) 一种指针式仪表图像倾斜校正方法
US10432915B2 (en) Systems, methods, and devices for generating three-dimensional models
CN113643380A (zh) 一种基于单目相机视觉标靶定位的机械臂引导方法
CN113989366A (zh) 一种托盘定位方法及装置
JP6673504B2 (ja) 情報処理装置、データベース生成装置、方法、プログラム、及び記憶媒体
Bauer et al. Registration strategy of point clouds based on region-specific projections and virtual structures for robot-based inspection systems
Lee et al. Extrinsic calibration of multiple 3D LiDAR sensors by the use of planar objects
CN109785388B (zh) 一种基于双目摄像头的短距离精确相对定位方法
CN114419259B (zh) 一种基于物理模型成像仿真的视觉定位方法及系统
CN108334697B (zh) 用于评估三维重建软件的仿真实验方法
Zins et al. 3d-aware ellipse prediction for object-based camera pose estimation
Bertels et al. Automatic real-time pose estimation of machinery from images
CN114742141A (zh) 基于icp点云的多源信息数据融合研判方法
Jiang et al. Image processing and splicing method for 3D optical scanning surface reconstruction of wood grain
Guerreiro et al. Automatic 2-D LiDAR geometric calibration of installation bias
CN112581544A (zh) 基于参数优化的无公共视场相机标定方法
CN113158387A (zh) 一种基于激光雷达栅格地图耦合的视觉靶点布置方法
CN116593490B (zh) 一种机翼壁板橡胶软模表面缺陷无损检测方法及系统

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