CN111913169B - 激光雷达内参、点云数据的修正方法、设备及存储介质 - Google Patents
激光雷达内参、点云数据的修正方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111913169B CN111913169B CN201910388571.XA CN201910388571A CN111913169B CN 111913169 B CN111913169 B CN 111913169B CN 201910388571 A CN201910388571 A CN 201910388571A CN 111913169 B CN111913169 B CN 111913169B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- curved surface
- distance difference
- cloud data
- difference model
- 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
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本公开提供一种激光雷达内参、点云数据的修正方法、设备及存储介质。方法包括:获取多线激光雷达扫描特定曲面的点云数据;根据点云数据、特定曲面,确定点云数据中的点与特定曲面之间的第二距离差模型;获取点云数据中的单线激光数据;根据第二距离差模型、单线激光数据确定单线激光对应的修正值,并根据修正值对雷达内部参数进行修正。本公开提供的方案,在无需建设校验场,也无需其他辅助标定仪器配合的情况下,就能够确定出雷达内部参数的修正值。
Description
技术领域
本公开涉及雷达标定技术,尤其涉及一种激光雷达内参、点云数据的修正方法、设备及存储介质。
背景技术
随着无人驾驶技术的发展,雷达的需求量也越来越大。无人驾驶车辆需要依靠雷达感知周围环境,才能够实现平稳驾驶。因此,基于雷达获取周围环境数据的准确性,是无人驾驶车辆正常行驶的基础。
现有技术中,为了保证雷达的精准度,需要对雷达内部的参数进行标定。采用的主要方法是建立校验场,在校验场中布置多个标靶点,用全站仪测定各标靶点的三维坐标,然后用雷达对校验场进行扫描,根据全站仪对标靶的测定结果计算雷达的内部参数。
但是,这种对雷达的标定方式需要预先建立校验场,还需要全站仪的配合,造成现有技术中对雷达进行标定的方法不便于实施,且成本较高。
发明内容
本公开提供一种激光雷达内参、点云数据的修正方法、设备及存储介质,以解决现有技术中对雷达进行标定的方法不便于实施,且成本较高的技术问题。
本公开的第一个方面是提供一种激光雷达内部参数的修正方法,包括:
获取多线激光雷达扫描特定曲面的点云数据;
根据所述点云数据、所述特定曲面,确定所述点云数据中的点与所述特定曲面之间的第二距离差模型;
获取所述点云数据中的单线激光数据;
根据所述第二距离差模型、所述单线激光数据确定所述单线激光对应的修正值,并用所述修正值对雷达内部参数进行修正,得到修正后的内部参数。
本公开的又一个方面是提供一种激光雷达内部参数的修正设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如上述第一方面所述的激光雷达内部参数的修正方法。
本公开的又一个方面是提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如上述第一方面所述的激光雷达内部参数的修正方法。
本公开提供的激光雷达内参、点云数据的修正方法、设备及存储介质的技术效果是:
本公开提供的激光雷达内参、点云数据的修正方法、设备及存储介质,包括:获取多线激光雷达扫描特定曲面的点云数据;根据点云数据、特定曲面,确定点云数据中的点与特定曲面之间的第二距离差模型;获取点云数据中的单线激光数据;根据第二距离差模型、单线激光数据确定单线激光对应的修正值,并用修正值对雷达内部参数进行修正,得到修正后的内部参数。本公开提供的方法、设备及可读存储介质,可以根据多线雷达对特定曲面进行扫描得到的点云数据确定点云数据与该曲面之间的第二距离差模型,无需采用其他测量设备对特定曲面进行测量就能够得到这一模型。并且,还可以基于确定出的模型,以及每个激光束扫描得到的单束激光数据,确定每个激光束的修正值,从而在无需建设校验场,也无需其他辅助标定仪器配合的情况下,就能够确定出雷达内部参数的修正值,且结果准确,能够提高对雷达进行标定的可行性,还能够降低雷达标定的成本。
附图说明
图1为本发明一示例性实施例示出的激光雷达内部参数的修正方法的流程图;
图1A为本发明一示例性实施例示出的多线激光雷达扫描圆柱形曲面的示意图;
图1B为本发明一示例性实施例示出的多线激光雷达扫描球形曲面的示意图;
图2为本发明另一示例性实施例示出的激光雷达内部参数的修正方法的流程图;
图2A为本发明一示例性实施例示出的对极坐标与三维坐标的关系示意图;
图3为本发明一示例性实施例示出的点云数据的修正方法的流程图;
图3A为一示例性实施例示出的修正前多线激光雷达扫描结果;
图3B为本发明一示例性实施例示出的修正后多线激光雷达扫描结果;
图4为本发明一示例性实施例示出的激光雷达内部参数的修正装置的结构图;
图5为本发明另一示例性实施例示出的激光雷达内部参数的修正装置的结构图;
图6为本发明一示例性实施例示出的电子设备的结构图。
具体实施方式
无人驾驶车辆上一般都会设置有雷达,用于感知周围环境,为车辆平稳行驶提供数据基础。为了降低无人驾驶车辆的制造成本,通常会在车辆上设置价格相对较低的消费级多线激光雷达。这些多线激光雷达由于结构设计、装配制造工艺及运输震动都会引起各线激光的相对发射点偏离设计位置,产生旋转与平移误差,从而导致各线扫描的数据无法很好的叠合在一起。
因此,为了保证设置在车辆上的雷达扫描精准度,需要对雷达内部参数进行标定。然后,现有技术中对雷达进行标定的方式需要建设校验场,还需要全站仪等仪器配合,成本较高。
本发明实施例提供的方法,通过多线激光雷达扫描特定曲面,得到多线雷达对应的点云数据,再根据这些点云数据拟合得到点云与特定曲面之间的距离模型。可以将拟合得到的距离模型作为点云数据与该特定曲面的真实距离模型。基于该真实模型,再确定每个单线激光数据对应的修正值。
图1为本发明一示例性实施例示出的激光雷达内部参数的修正方法的流程图。
如图1所示,本实施例提供的激光雷达内部参数的修正方法包括:
步骤101,获取多线激光雷达扫描特定曲面的点云数据。
其中,本实施例提供的方法可以用来确定雷达参数修正值,从而可以基于该修正值对雷达扫描结果进行修正。
具体的,本实施例提供的方法可以由具备计算能力的电子设备来执行,例如计算机。该电子设备可以与多线激光雷达连接,例如有线连接,还可以是无线连接,从而使电子设备能够获取雷达扫描数据,并根据扫描结果确定雷达对应的修正值。
进一步的,可以使用多线激光雷达扫描特定曲面,例如可以是球形曲面,还可以是圆柱形曲面。
图1A为本发明一示例性实施例示出的多线激光雷达扫描圆柱形曲面的示意图。
图1B为本发明一示例性实施例示出的多线激光雷达扫描球形曲面的示意图。
如图1A、1B所示,可以将多线激光雷达固定在一位置,并使用该多线激光雷达扫描特定曲面,从而得到该特定曲面的点云数据。为了使结果较为准确,在雷达发射的光束到达特定曲面之间,不应当存在障碍物。多线激光雷达能够向目标发射多条激光束,还能够接收到从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数。
点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个采样点的空间坐标后,得到的是点的集合,称之为“点云”(PointCloud)。例如,激光雷达向特定曲面发射激光束,并基于激光束遇到特定曲面反射回来的信号能够得到一个点相对于雷达的位置信息,该位置信息就可以是一个点的数据,而多个点的数据可以构成点云数据。
执行本实施例提供的方法的电子设备,可以获取雷达扫描特定曲面得到的点云数据,该点云数据中可以至少包括各个点的位置信息,例如,可以是点相对于激光雷达间的距离。
步骤102,根据点云数据、特定曲面,确定点云数据中的点与特定曲面之间的第二距离差模型。
其中,可以预先设置特定曲面对应的通用模型。该模型可以是特定曲面本身的模型,即用于描述该特定曲面的模型,例如,用于描述圆柱体表面的模型,用于描述球形表面的模型。在这种实施方式中,可以根据该通用模型确定点云上的点落在特定曲面上的点面模型。
再根据该点云上的点落在特定曲面上的点面模型以及点云数据确定第二距离差模型。其中,该第二距离差模型中设置有未知参数,该未知参数决定了特定曲面的大小、尺寸等信息。该未知参数也存在与通用模型中。
具体的,为了便于预先设置特定曲面对应的通用模型,可以设置较为规整的特定曲面,例如圆柱面、球面、圆锥面等。该通用模型中可以设置多个未知参数,这些未知参数决定曲面具体的尺寸等信息。
若雷达扫描结果非常准确,那么点云数据应当与特定曲面重合,例如雷达扫描得到一点A,该点A应当在特定曲面上,因此,点A与特定曲面的距离应当为0。但是,由于激光雷达的内参存在一定误差,会导致点A与特定曲面不重合,从而导致点A与特定曲面之间存在一定的距离。可以根据雷达扫描得到的点云数据,对第二距离差模型进行拟合,估计其中包括的未知参数,从而得到实际的第二距离差模型。具体可以将点云数据带入第二距离差模型中,并确定出未知参数值,使得该第二距离差模型的结果为最小值,具体可以认为是模型结果的绝对值为最小值。
其中,通用第二距离差模型可以是多个点云到特定曲面的距离平方和。在这种实施方式中,可以将各个点云的位置坐标带入第二距离差模型中,并确定其中的未知参数,使得第二距离差模型的结果为最小值。若第二距离差模型是距离平方和的模型,那么其结果为大于等于0的值,此时,可以直接确定未知参数的值,使得模型结果为最小值。再使用确定的未知参数值替代第二距离差模型中的未知参数,进而得到第二距离差模型。
在执行本步骤之前,还可以将点云数据转换为适于第二距离差模型的数据,并将每个点云的数据带入该模型,从而确定第二距离差模型中的未知参数。例如,可以将点云数据转换为三维坐标数据,再将每个三维坐标数据带入第二距离差模型中,计算第二距离差模型中的未知参数,从而确定出实际的第二距离差模型。
本实施例提供的方法中,通过雷达扫描得到的点云数据确定点云与特定曲面之间的第二距离差模型,无需其他测量设备的配合,就能够得到该第二距离差模型,便于用户确定多束激光雷达参数的修正值。
步骤103,获取点云数据中的单线激光数据。
其中,点云数据中包括激光雷达中多线激光束进行扫描得到的数据,因此,我们可以从中提取出每一束激光进行扫描得到的数据,即单线激光数据。
激光雷达基于各个激光束进行扫描采集的数据确定扫描结果,因此,每个激光束的精度都会对最终的扫描结果产生影响,本实施例提供的方法中,可以基于单线激光数据确定每个激光束对应的修正值。
具体的,对于每一束激光来说,都可以具有多个激光数据。例如,通过电机驱动激光发射器在纵向转向,使该激光束扫描到纵向多个点的数据,此时,该单线激光数据有可能是该激光束在纵向移动进行扫描得到的一列点的数据。
步骤103与步骤102的时序可以不做限制。
步骤104,根据第二距离差模型、单线激光数据确定单线激光对应的修正值,并用所述修正值对雷达内部参数进行修正,得到修正后的内部参数。
进一步的,可以认为确定出的第二距离差模型就是用于确定激光雷达扫描特定曲面得到的所有点与该特定曲面的距离的模型。若激光雷达扫描的结果是准确的,那么每个激光束扫描出的点应当在特定曲面的表面上,这些点与特定曲面的距离应当为0,也就是将每个激光束扫描出的点的位置输入第二距离差模型中,模型的结果应当趋向于最小值。
但是,由于种种原因,可能导致激光雷达的相对发射点偏离设计位置,进而导致将每个激光束扫描的点的位置输入第二距离差模型中时,其结果不趋向于最小值。因此,可以通过修正值对激光束的扫描结果进行修正,使得将修正后的点位置输入第二距离差模型时,其结果趋向于最小值。。
实际应用时,可以设置未知的修正参数,例如距离修正值、水平角修正值、垂直角修正值等。并基于未知修正参数对单线激光数据进行修正,再将修正后的单线激光数据输入第二距离差模型中,并确定当第二距离差模型最小时的未知参数值,进而确定出修正值。
其中,还可以将修正后的单束激光数据转换为适于第二距离差模型的数据,并将每个点的修正数据带入该模型,从而确定出未知修正参数的值。例如,可以将修正数据转换为三维坐标数据,再将每个三维坐标数据带入第二距离差模型模型中,计算出未知修正参数的值。
具体的,还可以分别将不同的激光束扫描到的点位置信息输入第二距离差模型,从而确定各个激光束对应的修正值。
在确定出每个激光束的修正值后,可以基于该修正值矫正激光雷达扫描的点云数据,从而使得雷达扫描结果更加精确。例如,可以使用一激光束的修正值修正该激光束的扫描结果。
具体的,可以使用修正值对激光雷达内部的参数进行修正,得到修正后的内部参数,再使用该修正后的内部参数确定雷达扫描结果,从而达到提高雷达扫描准确度的目的。
本实施例提供的方法用于修正激光雷达内部的参数,该方法由设置有本实施例提供的方法的设备执行,该设备通常以硬件和/或软件的方式来实现。
本实施例提供的确定雷达参数修正值的方法,包括:获取多线激光雷达扫描特定曲面的点云数据;根据点云数据、特定曲面,确定点云数据中的点与特定曲面之间的第二距离差模型;获取点云数据中的单线激光数据;根据第二距离差模型、单线激光数据确定单线激光对应的修正值,并用修正值对雷达内部参数进行修正,得到修正后的内部参数。本实施例提供的方法,可以根据多线雷达对特定曲面进行扫描得到的点云数据确定点云数据与该曲面之间的第二距离差模型,无需采用其他测量设备对特定曲面进行测量就能够得到这一第二距离差模型。并且,还可以基于确定出的距第二距离差模型,以及每个激光束扫描得到的单束激光数据,确定每个激光束的修正值,从而在无需建设校验场,也无需其他辅助标定仪器配合的情况下,就能够确定出雷达内部参数的修正值,且结果准确,能够提高对雷达进行标定的可行性,还能够降低雷达标定的成本。
图2为本发明另一示例性实施例示出的激光雷达内部参数的修正方法的流程图。
如图2所示,本实施例提供的确定雷达参数修正值的方法,包括:
步骤201,获取多线激光雷达扫描特定曲面的点云数据。
步骤201与步骤101的具体原理和实现方式类似,此处不再赘述。
步骤202,根据多线激光雷达的内部参数将点云数据对应的极坐标转换为第一三维坐标。
其中,激光雷达扫描所得到的每个点的数据是极坐标形式,具体是指空间极坐标。对于任意点M,其可以具有三个位置坐标(ρ,α,θ),其中,ρ是点M相对于原点的距离,α是激光束的设计垂直角,θ是激光束的水平角观测值。通过这三个坐标,能够在空间中定位出点M相对于原点的位置。可以预先设定雷达的原点,例如,可以将雷达设备的中心位置确定为原点。
具体的,例如由激光束j扫描特定曲面的k位置,得到点i的极坐标,可以基于下式对点i的极坐标进行转换,得到点i的第一三维坐标:
图2A为本发明一示例性实施例示出的对极坐标与三维坐标的关系示意图。
以图2A为例,详细说明上述极坐标向三维坐标的转换过程。
如图2A所示,可以认为原点为O,通过一束激光对特定曲面进行扫描,得到点i,其极坐标为(ρ,α,θ)。将OC方向视为激光扫描仪水平度盘起始零度方向,OB是激光扫描仪旋转的自转轴,OA垂直于平面BOC。对应的三维坐标系中,x轴指的是OC方向,y轴指的是OA方向,z轴指的是OB方向。水平角观测值θ指的是Oi在平面AOC上的投影与OC的夹角。垂直角α指的是Oi在平面AOC上的投影与OM的夹角。Oi的长度是ρ。
步骤203,根据第一三维坐标、特定曲面确定点云与特定曲面之间的第二距离差模型。
其中,可以预先设置特定曲面对应的通用模型。该模型可以是特定曲面本身的模型,即用于描述该特定曲面的模型,例如,用于描述圆柱体表面的模型,用于描述球形表面的模型。在这种实施方式中,可以根据该通用模型确定特定曲面与点云之间的通用距离模型。
通用模型是相同曲面可以共用的模型,可以根据特定曲面获取对应的通用模型,再根据第一三维坐标及曲面的通用模型,确定点云数据中的点落在特定曲面上时对应的点面模型。其中,该通用模型中设置有未知参数,该未知参数决定了特定曲面的大小、尺寸等信息。
其中,可以将点云数据带入通用模型中,从而确定通用模型中未知参数的值,进而得到点面模型。
具体的,可以将第一三维坐标输入第二距离差模型中;采用非线性最小二乘法拟合得到第二距离差模型中包括的未知参数的值。
进一步的,确定的点面模型是激光雷达扫描得到的曲面模型。
实际应用时,可以根据点面模型确定点云中的点到特定曲面的第一距离差模型。
其中,第一距离差模型是指用于确定点云中单个点到点面模型对应的曲面的距离的模型,该模型用于计算点到曲面的距离。针对不同的特定曲面,其对应的第一距离差模型也不同。
具体的,可以根据所述第一距离差模型确定所述第二距离差模型,所述第二距离差模型中包括未知参数。
进一步的,第一距离差模型是单个点到曲面的距离差模型,还可以根据单个点与曲面的距离差,确定一第二距离差模型,该第二距离差模型用于衡量全部点云中的点到曲面的距离差值。例如,第二距离差模型可以是点云中全部点到曲面的距离平方和。
实际应用时,本实施例提供的方法还可以包括确定所述未知参数的值的步骤。具体可以是:
将第一三维坐标输入第二距离差模型中;
采用非线性最小二乘法拟合得到第二距离差模型中包括的未知参数的值。
进一步的,可以将第一三维坐标输入该通第二距离差模型,并对模型进行拟合得到未知参数的值。具体可以将第一三维坐标输入第二距离差模型后,确定出能够使得该模型结果值最小的未知参数的值。
实际应用时,可以认为激光雷达扫描到的点都应当在该特定曲面上,但是,由于激光雷达精准度的问题,可能有一些点的结果不在特定曲面中,因此,可以用采集到的大量点云进行拟合,估计出第二距离差模型中未知参数的值,使得通过该模型确定的点云与特定曲面的距离最小,即点云与特定曲面更近。
具体的,由于点应当在特定曲面上,因此,可以认为将第一三维坐标输入第二距离差模型后,该模型的结果应当趋向于最小值,基于此,可以确定出满足要求的未知参数。。
进一步的,可以采用非线性最小二乘法,估计出第二距离差模型中包括的未知参数的值。
一种实施方式中,第二距离差模型可以是多个点到点面模型对应的曲面的距离平方和。在这种实施方式中,可以将每个点的第一三维坐标带入第二距离差模型中,得到这些点到曲面的距离平方和的函数,再基于这一函数确定未知参数的值。。
实际应用时,第二距离差模型中设置有未知参数,通过改变未知参数,可以调整该模型的属性,例如尺寸等。在本实施例提供的方法中,不需要预先测量特定曲面的信息,可以基于曲面的通用模型、点云数据确定点云到特定曲面的第二距离差模型,具体通过确定第二距离差模型中的未知参数,得到该第二距离差模型。
其中,若特定曲面是圆柱形曲面,则第二距离差模型可以是:
其中,i表示点云中的点i,j用于表示激光束的标识,例如第j束激光,k表示激光扫描特定曲面时的位置。xijk、yijk、zijk分别用于表示使用第j束激光扫描k位置时,得到的点i的第一三维坐标数据,具体分别是在x轴位置、y轴位置、z轴位置的坐标。N是点云中点的数量,δ是N个点到圆柱面的距离平方和。可以将每个点的第一三维坐标都带到上述模型中,从而确定出这N个点到圆柱形曲面的距离平方和。
具体的,Xq、Yq、rq、Ωq、φq是通用模型中的未知参数,Xq、Yq分别是圆柱面q的轴与XOY平面交点在XOY平面上的两个平移值,rq是圆柱面的半径。Ωq、φq分别是圆柱面q关于Y轴、X轴的旋转值。在第一三维坐标中X、Y的方向可以参照图2A。
具体的,若特定曲面是球形曲面,则第二距离差模型可以是:
进一步的,N是点云中点的数量,δ是N个点到球形曲面的距离平方和。i表示点云中的点i,j用于表示激光束的标识,例如第j束激光,k表示激光扫描特定曲面时的位置。xijk、yijk、zijk分别用于表示使用第j束激光扫描k位置时,得到的点i的第一三维坐标数据,具体分别是在x轴位置、y轴位置、z轴位置的坐标。
实际应用时,ap、bp、cp分别是球心的坐标,rq是球的半径。可以认为这四个值是模型中的未知参数。其中,可以将生产球形曲面时的设计半径作为rq的初始迭代值,再根据生产球形曲面时的施工精度确定rq的取值范围,进而能够在该范围内估计出较准确的半径值。该通用模型是N个点到球形曲面的距离平方和的模型,即可以将每个点的第一三维坐标都带到上述模型中,从而确定出这N个点到球形曲面的距离平方和。
步骤204,获取点云数据中的单线激光数据。
步骤204与步骤103的具体原理和实现方式类似,此处不再赘述。
步骤205,根据单线激光数据、未知修正参数确定单线激光束对应的第二三维坐标。
其中,可以认为通过大量的点云数据确定出的第二距离差模型,是激光雷达扫描的点到达特定曲面的实际距离模型。单个激光束扫描的点应当在特定曲面的表面,因此,其距离特定曲面的距离应当趋近于最小值。
但是,由于种种原因,导致激光束扫描结果不准确,进而造成通过第二距离差模型确定的激光束扫描的点到特定曲面的距离不趋近于最小值。因此,可以通过未知的修正参数修正单线激光数据,再基于修正后的单线激光数据,使用第二距离差模型计算单数激光扫描的点到达特定曲面的距离,并估计未知参数的值,使得该距离趋近于最小值。
具体的,可以先设定未知修正参数,并根据单线激光数据、未知修正参数确定单线激光束对应的第二三维坐标。使得该第二三维坐标中包括未知的修正参数,再根据第二距离差模型确定出未知修正参数的值。
进一步的,激光雷达通过扫描得到的点云数据中,可以包括每个点对应的极坐标(ρ,α,θ),因此,可以设置这三个参数对应的未知修正参数,分别为Δρ、Δα、Δθ,从基于该未知修正参数对每个点的极坐标进行修正,具体可以是:将ρ修正为(ρ+Δρ),将α修正为(α+Δα),将θ修正为(θ+Δθ),并可以根据修正后的极坐标确定每个点的第二三维坐标。具体的转换原理与确定第一三维坐标的方式类似。
例如,对于由激光束扫描k位置处得到的点i的第二三维坐标可以是:
步骤206,根据第二三维坐标、第二距离差模型,确定与单线激光对应的未知修正参数对应的值。
实际应用时,可以认为每个雷达扫描到的点都在特定曲面上,因此,通过第二距离差模型计算的每个点到曲面的距离都应当趋近于最小值。由于激光雷达的精度问题,可能有些点与不在特定曲面上,这就导致点与曲面之间存在一定的距离值,因此,在原始坐标中添加了修正参数,能够使得修正后的点位置与曲面的距离趋近于最小值。
其中,可以将第二三维坐标输入第二距离差模型中,从而确定出与该单线激光对应的距离函数。并根据距离函数确定未知修正参数对应的值。例如,可以通过计算,确定满足该距离函数值最小的未知参数值。具体可以采用非线性最小二乘法拟合得到第二距离差模型中包括的未知修正参数对应的值。
实际应用时,若第二距离差模型是多个点到特定曲面的距离平方和,则可以将单线激光束对应的第二三维坐标均输入该模型,并得到一个距离平方和的函数。可以认为这些坐标对应的点在曲面上,因此,给距离平方和的结果应当趋近于最小值,从而确定出第二距离差模型中包括的未知修正参数的值。
通过本实施例提供的方法,能够得到每个激光束对应的修正值。
步骤207,用修正值对雷达内部参数进行修正,得到修正后的内部参数。
步骤207与步骤104中对雷达内部参数进行修正的具体原理和实现方式类似,此处不再赘述。
图3为本发明一示例性实施例示出的点云数据的修正方法的流程图。
如图3所示,本实施例提供的点云数据的修正方法包括:
步骤301,获取通过多线激光雷达扫描得到的点云数据;
步骤302,根据如图1-2所示的实施例确定的修正后的内部参数对点云数据进行修正。
具体的,在利用如图1或2所示的实施例得到修正后的内部参数以后,还可以执行本实施例提供的方法,用于对采用该激光雷达扫描得到的数据进行修正,例如,对激光扫描得到的三维坐标数据进行修正。
进一步的,若修正值中包括多个值,则可以用每个值对其对应的雷达内部参数进行修正,例如,若修正值为Δρ、Δα、Δθ,则可以用这三个修正值分别修正内部参数(ρ,α,θ)的值。从而使用修正后的雷达参数计算点云的三维坐标。
实际应用时,针对每个激光束都可以确定出对应的修正值,因此,可以采用激光束对应的修正值,校准该激光束扫描得到的数据。
具体可以根据多线激光雷达的内部参数、单线激光对应的修正值,确定数据中的由单线激光扫描得到的极坐标对应的三维坐标。对于以多线激光雷达中的单线激光束,其可以扫描得到多个点云,可以根据多线激光雷达的内部参数、以及该单线激光束对应的修正值,来计算其扫描得到的点云的三维坐标。也就是将点云的极坐标转换为三维坐标,并将三维坐标作为雷达最终扫描的结果,使得雷达输出的扫描结果更加准确。
图3A为一示例性实施例示出的修正前多线激光雷达扫描结果。
图3B为本发明一示例性实施例示出的修正后多线激光雷达扫描结果。
如图3A、3B所示,其中颜色深度相同的点代表同一个激光束的扫描结果。从图中可以看出,对激光雷达参数修正前,不同激光束之间的扫描结果重合度较差,对激光雷达参修正后,不同激光束之间的扫描结果重合度较好,因此,采用本实施例提供的方法,能够准确的对多线激光雷达的扫描参数进行修正。
图4为本发明一示例性实施例示出的激光雷达内部参数的修正装置的结构图。
如图4所示,本实施例提供的激光雷达内部参数的修正装置,包括:
获取模块41,用于获取多线激光雷达扫描特定曲面的点云数据;
模型确定模块42,用于根据所述点云数据、所述特定曲面,确定所述点云数据中的点与所述特定曲面之间的第二距离差模型;
所述获取模块41还用于获取所述点云数据中的单线激光数据;
修正值确定模块43,用于根据所述第二距离差模型、所述单线激光数据确定所述单线激光对应的修正值,并用所述修正值对雷达内部参数进行修正,得到修正后的内部参数。
本实施例提供的激光雷达内部参数的修正装置,包括获取模块,用于获取多线激光雷达扫描特定曲面的点云数据;模型确定模块,用于根据点云数据、特定曲面,确定点云数据中的点与特定曲面之间的第二距离差模型;获取模块还用于获取点云数据中的单线激光数据;修正值确定模块,用于根据第二距离差模型、单线激光数据确定单线激光对应的修正值,并用修正值对雷达内部参数进行修正,得到修正后的内部参数。本实施例提供的装置,可以根据多线雷达对特定曲面进行扫描得到的点云数据确定点云数据与该曲面之间的第二距离差模型,无需采用其他测量设备对特定曲面进行测量就能够得到这一模型。并且,还可以基于确定出的第二距离差模型,以及每个激光束扫描得到的单束激光数据,确定每个激光束的修正值,从而在无需建设校验场,也无需其他辅助标定仪器配合的情况下,就能够确定出雷达内部参数的修正值,且结果准确,能够提高对雷达进行标定的可行性,还能够降低雷达标定的成本。
本实施例提供的确定雷达参数修正值的装置的具体原理和实现方式均与图1所示的实施例类似,此处不再赘述。
图5为本发明另一示例性实施例示出的激光雷达内部参数的修正装置的结构图。
如图5所示,在上述实施例的基础上,本实施例提供的激光雷达内部参数的修正装置,可选的,所述模型确定模块42,包括:
转换单元421,用于根据所述多线激光雷达的内部参数将所述点云数据对应的极坐标转换为第一三维坐标;
确定单元422,用于根据所述第一三维坐标、所述特定曲面确定所述点云与所述特定曲面之间的第二距离差模型。
可选的,所述确定单元422具体用于:
根据所述第一三维坐标及曲面的通用模型,确定所述点云数据中的点落在所述特定曲面上时对应的点面模型;
根据所述点面模型确定所述点云中的点到所述特定曲面的第一距离差模型;
根据所述第一距离差模型确定所述第二距离差模型,所述第二距离差模型中包括未知参数。
所述确定单元422还具体用于:
将所述第一三维坐标输入所述第二距离差模型中;
采用非线性最小二乘法拟合得到所述第二距离差模型中包括的未知参数的值。
可选的,所述修正值确定模块43,包括:
坐标确定单元431,用于根据所述单线激光数据、未知修正参数确定单线激光束对应的第二三维坐标;
修正参数确定单元432,用于根据所述第二三维坐标、所述第二距离差模型,确定与单线激光对应的所述未知修正参数对应的值。
可选的,所述修正参数确定单元432具体用于,将所述第二三维坐标及所述未知参数的值输入所述第二距离差模型中;
采用非线性最小二乘法拟合得到所述第二距离差模型中包括的未知修正参数对应的值。
本实施例提供的确定雷达参数修正值的装置的具体原理和实现方式均与图2所示的实施例类似,此处不再赘述。
图6为本发明一示例性实施例示出的电子设备的结构图。
如图6所示,本实施例提供的电子设备包括:
存储器61;
处理器62;以及
计算机程序;
其中,所述计算机程序存储在所述存储器61中,并配置为由所述处理器52执行以实现如图1或2所述的任一种激光雷达内部参数的修正方法,或者实现如图3所示的点云数据的修正方法。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,
所述计算机程序被处理器执行以实现如图1或2所述的任一种激光雷达内部参数的修正方法,或者实现如图3所示的点云数据的修正方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种激光雷达内部参数的修正方法,其特征在于,包括:
获取多线激光雷达扫描特定曲面的点云数据;
根据所述点云数据、所述特定曲面,确定所述点云数据中的点与所述特定曲面之间的第二距离差模型;
获取所述点云数据中的单线激光数据;
根据所述第二距离差模型、所述单线激光数据确定所述单线激光对应的修正值,并用所述修正值对雷达内部参数进行修正,得到修正后的内部参数;
所述根据所述点云数据、所述特定曲面,确定所述点云与所述特定曲面之间的第二距离差模型,包括:
根据所述多线激光雷达的内部参数将所述点云数据对应的极坐标转换为第一三维坐标;
根据所述第一三维坐标、所述特定曲面确定所述点云与所述特定曲面之间的第二距离差模型;
所述根据所述第一三维坐标、所述特定曲面确定所述点云与所述特定曲面之间的第二距离差模型,包括:
根据所述第一三维坐标及曲面的通用模型,确定所述点云数据中的点落在所述特定曲面上时对应的点面模型;
根据所述点面模型确定所述点云中的点到所述特定曲面的第一距离差模型;
根据所述第一距离差模型确定所述第二距离差模型,所述第二距离差模型中包括未知参数;
还包括确定所述未知参数的值:
将所述第一三维坐标输入所述第二距离差模型中;
采用非线性最小二乘法拟合得到所述第二距离差模型中包括的未知参数的值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二距离差模型、所述单线激光数据确定所述单线激光对应的修正值,包括:
根据所述单线激光数据、未知修正参数确定单线激光束对应的第二三维坐标;
根据所述第二三维坐标、所述第二距离差模型,确定与单线激光对应的所述未知修正参数对应的值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第二三维坐标、所述第二距离差模型,确定与单线激光对应的所述未知修正参数对应的值,包括:
将所述第二三维坐标及所述未知参数的值输入所述第二距离差模型中;
采用非线性最小二乘法拟合得到所述第二距离差模型中包括的未知修正参数对应的值。
4.一种点云数据的修正方法,其特征在于,包括:
获取通过多线激光雷达扫描的点云数据,并根据如权利要求1-3任一项所述的方法确定的修正后的内部参数对所述点云数据进行修正。
5.根据权利要求4所述的方法,其特征在于,根据修正后的内部参数对所述点云数据进行修正,包括:
根据所述修正后的内部参数将所述点云数据中单线激光扫描得到的极坐标,转换为三维坐标。
6.一种电子设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并配置为由所述处理器执行以实现如权利要求1-3所述的任一种激光雷达内部参数的修正方法,或如权利要求4、5任一种所述的点云数据的修正方法。
7.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,
所述计算机程序被处理器执行以实现如权利要求1-3所述的任一种激光雷达内部参数的修正方法,或如权利要求4、5任一种所述的点云数据的修正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910388571.XA CN111913169B (zh) | 2019-05-10 | 2019-05-10 | 激光雷达内参、点云数据的修正方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910388571.XA CN111913169B (zh) | 2019-05-10 | 2019-05-10 | 激光雷达内参、点云数据的修正方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111913169A CN111913169A (zh) | 2020-11-10 |
CN111913169B true CN111913169B (zh) | 2023-08-22 |
Family
ID=73242676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910388571.XA Active CN111913169B (zh) | 2019-05-10 | 2019-05-10 | 激光雷达内参、点云数据的修正方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111913169B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022059330A1 (zh) * | 2020-09-16 | 2022-03-24 | ||
CN113109792A (zh) * | 2021-03-30 | 2021-07-13 | 深圳市优必选科技股份有限公司 | 一种激光雷达标定方法、激光雷达标定装置及智能设备 |
CN113608170B (zh) * | 2021-07-07 | 2023-11-14 | 云鲸智能(深圳)有限公司 | 雷达标定方法、雷达、机器人、介质及计算机程序产品 |
CN117716255A (zh) * | 2021-07-30 | 2024-03-15 | 深圳市速腾聚创科技有限公司 | 一种激光雷达的姿态标定方法、相关装置、以及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142157A (zh) * | 2013-05-06 | 2014-11-12 | 北京四维图新科技股份有限公司 | 一种标定方法、装置及设备 |
CN104424655A (zh) * | 2013-09-10 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | 点云曲面重构系统及方法 |
CN107153186A (zh) * | 2017-01-06 | 2017-09-12 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法及激光雷达 |
CN107167788A (zh) * | 2017-03-21 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 获取激光雷达校准参数、激光雷达校准的方法及系统 |
CN107247268A (zh) * | 2017-05-16 | 2017-10-13 | 深圳市速腾聚创科技有限公司 | 多线激光雷达系统及其水平安装角度的校正方法 |
CN107479065A (zh) * | 2017-07-14 | 2017-12-15 | 中南林业科技大学 | 一种基于激光雷达的林窗立体结构量测方法 |
CN107703499A (zh) * | 2017-08-22 | 2018-02-16 | 北京航空航天大学 | 一种基于自制地基激光雷达对准误差的点云误差校正方法 |
CN107833244A (zh) * | 2017-11-02 | 2018-03-23 | 南京市测绘勘察研究院股份有限公司 | 一种基于车载激光雷达数据的行道树属性自动识别方法 |
CN107976669A (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装置 |
CN109001711A (zh) * | 2018-06-05 | 2018-12-14 | 北京智行者科技有限公司 | 多线激光雷达标定方法 |
CN109186491A (zh) * | 2018-09-30 | 2019-01-11 | 南京航空航天大学 | 基于单应性矩阵的平行多线激光测量系统及测量方法 |
CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
CN109300162A (zh) * | 2018-08-17 | 2019-02-01 | 浙江工业大学 | 一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法 |
CN109521403A (zh) * | 2017-09-19 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 多线激光雷达的参数标定方法及装置、设备及可读介质 |
CN109725303A (zh) * | 2018-12-04 | 2019-05-07 | 北京万集科技股份有限公司 | 坐标系的修正方法及装置、存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI353561B (en) * | 2007-12-21 | 2011-12-01 | Ind Tech Res Inst | 3d image detecting, editing and rebuilding system |
CN103177254A (zh) * | 2011-12-26 | 2013-06-26 | 鸿富锦精密工业(深圳)有限公司 | 量测元素提取系统及方法 |
CA2819956C (en) * | 2013-07-02 | 2022-07-12 | Guy Martin | High accuracy camera modelling and calibration method |
-
2019
- 2019-05-10 CN CN201910388571.XA patent/CN111913169B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142157A (zh) * | 2013-05-06 | 2014-11-12 | 北京四维图新科技股份有限公司 | 一种标定方法、装置及设备 |
CN104424655A (zh) * | 2013-09-10 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | 点云曲面重构系统及方法 |
CN107976669A (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装置 |
CN107153186A (zh) * | 2017-01-06 | 2017-09-12 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法及激光雷达 |
CN107167788A (zh) * | 2017-03-21 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 获取激光雷达校准参数、激光雷达校准的方法及系统 |
CN107247268A (zh) * | 2017-05-16 | 2017-10-13 | 深圳市速腾聚创科技有限公司 | 多线激光雷达系统及其水平安装角度的校正方法 |
CN107479065A (zh) * | 2017-07-14 | 2017-12-15 | 中南林业科技大学 | 一种基于激光雷达的林窗立体结构量测方法 |
CN107703499A (zh) * | 2017-08-22 | 2018-02-16 | 北京航空航天大学 | 一种基于自制地基激光雷达对准误差的点云误差校正方法 |
CN109521403A (zh) * | 2017-09-19 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 多线激光雷达的参数标定方法及装置、设备及可读介质 |
CN107833244A (zh) * | 2017-11-02 | 2018-03-23 | 南京市测绘勘察研究院股份有限公司 | 一种基于车载激光雷达数据的行道树属性自动识别方法 |
CN109001711A (zh) * | 2018-06-05 | 2018-12-14 | 北京智行者科技有限公司 | 多线激光雷达标定方法 |
CN109300162A (zh) * | 2018-08-17 | 2019-02-01 | 浙江工业大学 | 一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法 |
CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
CN109186491A (zh) * | 2018-09-30 | 2019-01-11 | 南京航空航天大学 | 基于单应性矩阵的平行多线激光测量系统及测量方法 |
CN109725303A (zh) * | 2018-12-04 | 2019-05-07 | 北京万集科技股份有限公司 | 坐标系的修正方法及装置、存储介质 |
Non-Patent Citations (1)
Title |
---|
基于空间球的三维激光扫描仪标定算法;汪霖;曹建福;韩崇昭;;西安交通大学学报(第04期);79-85 * |
Also Published As
Publication number | Publication date |
---|---|
CN111913169A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN107340522B (zh) | 一种激光雷达定位的方法、装置及系统 | |
CN107290734B (zh) | 一种基于自制地基激光雷达垂直度误差的点云误差校正方法 | |
CN110501712B (zh) | 无人驾驶中用于确定位置姿态数据的方法、装置和设备 | |
CN111208493B (zh) | 一种车载激光雷达在整车坐标系下的快速标定方法 | |
CN104007444A (zh) | 一种基于中心投影的地面激光雷达反射强度图像的生成方法 | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN112258590B (zh) | 一种基于激光的深度相机外参标定方法、设备及其存储介质 | |
WO2022001325A1 (zh) | 点云数据的融合方法、装置、电子设备、存储介质和计算机程序 | |
CN110940966B (zh) | 一种基于激光测高卫星足印影像的激光足印平面定位方法 | |
EP3989168A1 (en) | Dynamic self-calibrating of auxiliary camera of laser scanner | |
CN115164724A (zh) | 一种地面三维激光扫描仪轴系误差模型及标定方法 | |
CN107727118B (zh) | 大型飞行器中的gnc分系统设备姿态测量系统标定方法 | |
CN112699436A (zh) | 基于三维激光扫描建模的建筑结构逆向工程分析方法 | |
Boehm et al. | Accuracy of exterior orientation for a range camera | |
EP4198901A1 (en) | Camera extrinsic parameter calibration method and apparatus | |
US20230386085A1 (en) | Calibrating system for colorizing point-clouds | |
CN115859445A (zh) | 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法 | |
CN113777592B (zh) | 方位角标定方法和装置 | |
WO2022160879A1 (zh) | 一种转换参数的确定方法和装置 | |
CN114004949A (zh) | 机载点云辅助的移动测量系统安置参数检校方法及系统 | |
CN110058211B (zh) | 一种车载LiDAR测量系统检校初值的获取方法及装置 | |
CN115407302A (zh) | 激光雷达的位姿估计方法、装置和电子设备 | |
Liu et al. | Multiple natural features fusion for on-site calibration of LiDAR boresight angle misalignment | |
CN115097426B (zh) | 车载激光雷达更换后的自动标定方法、存储介质及车辆 |
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 |