CN112051591A - 一种激光雷达与惯性测量单元的检测方法及相关装置 - Google Patents
一种激光雷达与惯性测量单元的检测方法及相关装置 Download PDFInfo
- Publication number
- CN112051591A CN112051591A CN202010901406.2A CN202010901406A CN112051591A CN 112051591 A CN112051591 A CN 112051591A CN 202010901406 A CN202010901406 A CN 202010901406A CN 112051591 A CN112051591 A CN 112051591A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- measurement unit
- cloud data
- laser radar
- 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
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 165
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000009466 transformation Effects 0.000 claims description 50
- 238000013519 translation Methods 0.000 claims description 49
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种激光雷达与惯性测量单元的检测方法及相关装置,该方法包括:获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;关联第一目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的俯仰角和滚转角;关联第二目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的偏航角;基于俯仰角、滚转角和偏航角,计算激光雷达的第二位姿数据。利用具有特征的点云数据获取最优的偏航角、滚转角和俯仰角,避免标定检测过程中对外部辅助装置的依赖,减少处理点云数据的时间损耗,能够提高标定检测的效率。
Description
技术领域
本发明实施例涉及自动驾驶技术,尤其涉及一种激光雷达与惯性测量单元的检测方法及相关装置。
背景技术
随着无人驾驶技术的发展,车载激光雷达和惯性测量单元(InertialMeasurement Unit,IMU)作为车载自动驾驶系统中常用的传感器,用于检测信息进行融合、感知、规划、决策、控制等等。
在车载自动驾驶系统运转过程中,各传感器往往会由于各种原因(如碰撞、硬件拆装、长期颠簸行驶等等)而造成不可避免的位移,相对原有位置发生变化,从而使得原来的标定参数失效。因此,对标定参数进行定期检测就成为了关键一环。
对激光雷达的标定,一般是标定激光雷达与惯性测量单元的相对位姿。现有的激光雷达标定检测技术有:(1)采用手工物理测量,即通过使用量测工具实际物理测量激光雷达到其他传感器之间的相对位置,此方法精度差,效率低,无法实现自动化的标定检测;(2)采用特殊设计的标定装置的方式,比如标定杆等,此方法依赖特殊外部设备,且大多要在特定场地内进行,通用性较差,不利于检测方法的泛用与扩展。
发明内容
本发明提供一种激光雷达与惯性测量单元的检测方法及相关装置,以解决对激光雷达与惯性测量单元联合标定参数的检测效率低下、且检测方法通用性较差的问题。
第一方面,本发明实施例提供了一种激光雷达与惯性测量单元的检测方法,包括:
获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;
关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角;
关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角;
基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据。
第二方面,本发明实施例还提供了一种激光雷达与惯性测量单元的检测装置,该装置包括:
数据获取模块,用于获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;
第一角度获取模块,用于关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角;
第二角度获取模块,用于关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角;
位姿计算模块,用于基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的激光雷达与惯性测量单元的检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的激光雷达与惯性测量单元的检测方法。
本发明通过获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;关联第一目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的俯仰角和滚转角;关联第二目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的偏航角;基于俯仰角、滚转角和偏航角,计算激光雷达的第二位姿数据。通过聚类和特征提取获得表示地面的第一目标点云数据、表示杆状物的第二目标点云数据,避免标定检测过程中对外部辅助装置的依赖,减少处理大量点云数据的时间损耗,将第一目标点云数据、第二目标点云数据与第一位姿数据进行关联,基于点云数据与位姿数据的转换关系,得到激光雷达相对于惯性测量单元的姿态角,并根据预设的优化条件,从多个姿态角中筛选出最优的俯仰角、滚转角和偏航角,可以得到激光雷达相对于惯性测量单元的第二位姿数据,计算过程简单,占用内存较少,可实现对激光雷达与惯性测量单元联合标定参数的自动化检测,提高了检测的效率。
附图说明
图1为本发明实施例提供的无人驾驶车辆的结构示意图;
图2为本发明实施例一提供的一种激光雷达与惯性测量单元的检测方法的流程图;
图3是本发明实施例二提供的一种激光雷达与惯性测量单元的检测方法的流程图;
图4为本发明实施例三提供的一种激光雷达与惯性测量单元的检测装置的结构示意图;
图5为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
获取传感器间的相对位姿(包括相对位置和朝向)的过程即是各个传感器联合标定的过程。通过标定即可将所有传感器信息统一到同一个坐标系下做处理,从而对车辆基于环境的多传感器检测信息进行融合、感知、规划、决策、控制等等。
激光雷达因其高分辨率、360度全方位、三维立体环境感知的能力,在整个车载自动驾驶系统中发挥着重要的作用。
启动车载自动驾驶系统之前,为了融合安装在车辆上的激光雷达与惯性测量单元之间的测量值,需要提前获取激光雷达与惯性测量单元联合标定的位姿,作为测试位姿数据(即待检测的标定参数),在车辆的行驶过程中,基于本发明实施例的检测方法和检测装置可以对该测试位姿数据进行检测,即判定激光雷达与惯性测量单元联合标定参数是否准确。
参见图1,示出了可以应用本发明实施例中激光雷达与惯性测量单元的检测方法、激光雷达与惯性测量单元的检测装置的实施例的无人驾驶车辆100。
如图1所示,无人驾驶车辆100可以包括驾驶控制设备101,车身总线102,ECU(Electronic Control Unit,电子控制单元)103、ECU 104、ECU 105,传感器106、传感器107、传感器108和执行器件109、执行器件110、执行器件111。
驾驶控制设备(又称为车载大脑)101负责整个无人驾驶车辆100的总体智能控制。驾驶控制设备101可以是单独设置的控制器,例如可编程逻辑控制器(ProgrammableLogicController,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。驾驶控制设备可以对从车身总线102上接收到的各个ECU发来的数据和/或各个传感器发来的数据进行分析处理,作出相应的决策,并将决策对应的指令发送到车身总线。
车身总线102可以是用于连接驾驶控制设备101,ECU 103、ECU 104、ECU 105,传感器106、传感器107、传感器108以及无人驾驶车辆100的其他未示出的设备的总线。由于CAN(Controller AreaNetwork,控制器局域网络)总线的高性能和可靠性已被广泛认同,因此目前机动车中常用的车身总线为CAN总线。当然,可以理解的是车身总线也可以是其他类型的总线。
车身总线102可以将驾驶控制设备101发出的指令发送给ECU 103、ECU 104、ECU105,ECU 103、ECU 104、ECU 105再将上述指令进行分析处理后发给相应的执行器件执行。
传感器106、传感器107、传感器108包括但不限于激光雷达、相机、惯性测量单元、毫米波雷达,等等。
激光雷达作为无人驾驶领域常用的传感器,是一种使用激光对物体进行探测和测距的设备,其传感器内部具有一种旋转结构,能够每秒钟向环境发送数百万光脉冲,输出点云数据。
相机一般用于对无人驾驶车辆的周边环境拍摄图片,记录车辆行驶的场景。
惯性测量单元(Inertial Measurement Unit,IMU)是测量物体三轴姿态角(或角速率)以及加速度的装置,能提供车辆在世界坐标系下的精确坐标。一般的,一个惯性测量单元包含了三个单轴的加速度计和三个单轴的陀螺仪,加速度计也叫重力感应器,用于检测物体在载体坐标系统独立三轴的加速度信号,即通过测量组件在某个轴向的受力情况来得到轴向上的加速度大小和方向;而陀螺仪也叫地感器,用于检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态角,姿态角包括航向角、俯仰角和横滚角。有些惯性测量单元中还会集成有磁力计,磁力计也叫地磁、磁感器,可用于测试磁场强度和方向,定位设备的方位。
毫米波雷达(Radio detecting and ranging,Radar)是指工作在毫米波波段探测的雷达,通常毫米波是指长度在1~10mm的电磁波,对应的频率范围为30~300GHz。毫米波雷达可以实现对目标位置、速度等信息的精确测量,且具有全天时、全天候、低成本、低功耗、长寿命的特点。毫米波雷达能分辨识别很小的目标,而且能同时识别多个目标。毫米波雷达的原理是把电磁波(毫米波)发射出去,然后接收回波,根据收发的时间差测得目标的位置数据和相对距离。根据电磁波的传播速度,可以确定目标的距离公式为:s=c*t/2,其中s为目标距离,t为电磁波从雷达发射出去到接收到目标回波的时间,c为光速。毫米波雷达的基本任务是发射电磁波对目标进行照射并接收其回波,由此获得目标至电磁波发射点的探测距离、方向、速度等状态参数。毫米波雷达被广泛地应用在自适应巡航控制(ACC)、前向防撞报警(FCW)、盲点检测(BSD)、辅助停车(PA)、辅助变道(LCA)等车辆驾驶辅助系统中。
需要说明的是,本发明实施例所提供的激光雷达与惯性测量单元的检测方法可以由驾驶控制设备101执行,相应地,激光雷达与惯性测量单元的检测装置一般设置于驾驶控制设备101中。
应该理解,图1中的无人驾驶车辆、驾驶控制设备、车身总线、ECU、执行器件和传感器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的无人驾驶车辆、驾驶控制设备、车身总线、ECU和传感器。
实施例一
图2为本发明实施例一提供的一种激光雷达与惯性测量单元的检测方法的流程图,本实施例可适用于对激光雷达与惯性测量单元进行联合标定、以及对激光雷达在惯性测量单元下的标定参数进行检测的情况,该方法可以由激光雷达与惯性测量单元的检测装置来执行,该检测装置可以由软件和/或硬件实现,可配置在计算机设备中,例如,无人驾驶车辆、机器人、无人飞行器等无人设备,以及,服务器、个人电脑等计算设备,等等,该方法具体包括如下步骤:
S101、获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据。
在本实施例中,激光雷达和惯性测量单元作为车载传感器,可以安装在车辆的任意位置,当车辆行驶时,激光雷达和惯性测量单元会对车辆的周围环境进行信息检测,以获取点云数据和第一位姿数据。
其中,点云数据是激光雷达信号照射到地理环境中物体表面时,物体所反射的携带方位、距离等信息的反射信号,点云数据中可以包括多个点的位置信息和与其对应的反射激光雷达信号的强度信息。
在本实施例中,第一目标点云数据和第二目标点云数据都是点云数据,为了便于区分,第一目标点云数据用于表示地面,第二目标点云数据用于表示杆状物。杆状物即较高而鸟瞰图半径比较小的物体,适用于泛化的场景,提取的杆状物多为车辆行驶环境中的树干、电线杆、石柱等物体,因为表示杆状物的点云数据的特征比较明显,且在过滤表示地面的点云数据后,在三维空间里与表示其他物体的点云数据是分离开的,易通过过滤方法提取得到,一方面了减少计算量,不用把激光雷达扫描到的点云数据都进行后续的优化处理,另一方面,可以在点云数据中减少表示远处的树叶点的点云数据,消除无规则、难以处理、针对移动的物体难以做移动补偿等噪声的影响。
具体的,可以通过密度聚类、特征提取、基于多规则的几何计算等方式,从激光雷达采集到的点云数据中提取表示地面的点云数据,作为第一目标点云数据,从激光雷达采集到的点云数据中提取表示杆状物的点云数据,作为第二目标点云数据。本发明实施例对第一目标点云数据、第二目标点云数据的获取方式不作限定。
在本实施例中,惯性测量单元通过对在车辆行驶的过程中采集得到的姿态角(或角速率)以及加速度进行积分解算,检测得到车辆在整个行驶过程中在世界坐标系下的位姿数据,该位姿数据包括车辆在世界坐标系下的位置坐标和姿态角(航向角、俯仰角、横滚角),将位置坐标与姿态角的融合数据作为惯性测量单元检测的第一位姿数据。
由于激光雷达和惯性测量单元的工作频率不同,加上数据处理、网络传输存在延迟等问题,激光雷达检测的点云数据与惯性测量单元检测的第一位姿数据之间存在数据不同步的问题。因此,需要对点云数据和第一位姿数据进行数据同步。
激光雷达采集的点云数据和惯性测量单元检测的第一位姿数据通常是以帧为单位计量的,分别得到的是点云数据帧序列和位姿数据帧序列,即激光雷达获取到的是多帧点云数据,每一帧点云数据标记有一个采集当前帧时、当前时刻的时间戳,惯性测量单元获取到的也是多帧第一位姿数据,每一帧第一位姿数据也标记有一个采集当前帧时、当前时刻的时间戳,其中,每一帧点云数据中包含多个测量点在以激光雷达为中心的坐标系下的三维空间位置信息,每一帧第一位姿数据中包含当前时刻下车辆在世界坐标系下的三维空间位置信息。
在本实施例中,可以采用帧间同步的方法对点云数据和第一位姿数据进行数据同步。惯性测量单元的数据帧的频率一般比激光雷达的数据帧要高得多,所以帧间同步采用以激光雷达的数据帧为基准的时间序列匹配方式。
示例性的,将激光雷达的数据帧序列与惯性测量单元的数据帧序列各自按照时间戳从小到大排序;对激光雷达的每一帧点云数据,在时间轴上搜索与之最接近的惯性测量单元的一帧第一位姿数据;遍历所有激光雷达的数据帧,为每一帧点云数据找到与之对应的一帧第一位姿数据,从而完成多帧点云数据与多帧第一位姿数据之间的数据同步。
其中,由于第一目标点云数据、第二目标点云数据都是激光雷达采集到的点云数据,将多帧点云数据与多帧第一位姿数据进行数据同步后,第一目标点云数据会匹配到与其同步的第一位姿数据,第二目标点云数据也会匹配到与其同步的第一位姿数据。
S102、关联第一目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的俯仰角和滚转角。
一般定义载体的右、前、上三个方向构成右手系,绕向前的轴旋转就是滚转角,绕向右的轴旋转就是俯仰角,绕向上的轴旋转就是偏航角,对于载体来说,滚转角、俯仰角和偏航角都被称为姿态角。
在本实施例中,获取多帧第一目标点云数据与其匹配的多帧第一位姿数据,将每一帧第一目标点云数据转换到第一位姿数据的坐标系下,基于每一帧数据的位置转换关系,得到每一帧数据下激光雷达相对于惯性测量单元的姿态角,根据预设的优化条件,从获得的多帧姿态角中选取有效的俯仰角和滚转角,作为激光雷达相对于惯性测量单元的俯仰角和滚转角。
S103、关联第二目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的偏航角。
在本实施例中,获取多帧第二目标点云数据与其匹配的多帧第一位姿数据,并结合有效的俯仰角和滚转角的旋转变换关系,将每一帧第二目标点云数据转换到第一位姿数据的坐标系下,基于每一帧数据的位置转换关系,得到每一帧数据下激光雷达相对于惯性测量单元的姿态角,根据预设的优化条件,从获得的多帧姿态角中筛选出有效的偏航角,作为激光雷达相对于惯性测量单元的偏航角。
S104、基于俯仰角、滚转角和偏航角,计算激光雷达的第二位姿数据。
在本实施例中,基于获得的有效的俯仰角、滚转角和偏航角,将这些姿态角组合构建旋转矩阵,以旋转矩阵和第一位姿数据作为初始条件,采用点云配准算法对激光雷达采集到的多帧点云数据(包括第一目标点云数据、第二目标点云数据)进行配准,得到两两帧点云数据之间的位姿变换关系,对该位姿变换关系求取最优解,得到激光雷达相对于惯性测量单元的第二位姿数据。
其中,点云配准是指将两帧点云数据变换到相同的坐标系下,以求取一个两帧点云数据之间的相对位姿变换,该相对位姿变换通常用位姿变换矩阵来表示。点云配准算法可以是基于迭代就近点(Iterative Closest Point,ICP)算法或者正态分布变换(NormalDistributions Transform,NDT)算法,本发明对此不作限定。
利用第二位姿数据可以测量激光雷达与惯性测量单元联合标定参数的偏差,根据偏差的大小,可以获得对激光雷达与惯性测量单元联合标定参数的检测结果。
本发明实施例通过获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;关联第一目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的俯仰角和滚转角;关联第二目标点云数据与第一位姿数据,得到激光雷达相对于惯性测量单元的偏航角;基于俯仰角、滚转角和偏航角,计算激光雷达的第二位姿数据。通过聚类和特征提取获得表示地面的第一目标点云数据、表示杆状物的第二目标点云数据,避免标定检测过程中对外部辅助装置的依赖,减少处理大量点云数据的时间损耗,将第一目标点云数据、第二目标点云数据与第一位姿数据进行关联,基于点云数据与位姿数据的转换关系,得到激光雷达相对于惯性测量单元的姿态角,并根据预设的优化条件,从多个姿态角中筛选出最优的俯仰角、滚转角和偏航角,可以得到激光雷达相对于惯性测量单元的第二位姿数据,计算过程简单,占用内存较少,可实现对激光雷达与惯性测量单元联合标定参数的自动化检测,缩减了检测的时间,提高了检测的效率。
实施例二
图3为本发明实施例二提供的一种激光雷达与惯性测量单元的检测方法的流程图,本实施例以前述实施例为基础,对激光雷达与惯性测量单元的检测方法进行了内容的补充和细化,该方法具体包括如下步骤:
S201、获取激光雷达采集的原始点云数据。
在本实施例中,可以从离线地图库中获取激光雷达采集的原始点云数据,也可以通过现场数据采集获取激光雷达采集的原始点云数据。
因为原始点云数据密度不规则、遮挡等问题,原始点云数据存在离群点、数据量大、噪声等问题,需要对原始点云数据进行过滤操作。例如,可以采用多帧等间距采样的方法对原始点云数据进行过滤,以得到多帧有效的原始点云数据,再计算采样后每一帧原始点云数据中每个点与其邻域范围内的k个点的平均距离,由于原始点云数据中所有点的距离一般遵循高斯分布,基于给定的均值与方差,可将原始点云数据中不满足高斯分布的离群点剔除。本发明实施例对原始点云数据进行过滤操作不作限定,例如,还可以通过条件滤波、统计滤波、高度值滤波等方式对原始点云数据进行过滤。
S202、对原始点云数据进行第一聚类,获得表示地面的原始点云数据、作为第一目标点云数据。
在本实施例中,基于密度和距离对过滤后的原始点云数据进行第一聚类,获得表示地面的原始点云数据、作为第一目标点云数据。
具体的,设定半径阈值为r1和点云密度阈值为k1,对原始点云数据按照距离和密度进行聚类,形成多个簇,每个簇为一个点集,每个簇的点密度为k1,点与点之间的距离小于等于半径阈值r1,通过主成分分析算法(Principal Component Analysis,PCA)计算每个簇的特征值,得到表示地面点云的法向量,设定角度阈值θ,通过余弦公式,过滤法向量与向量夹角大于等于θ的簇。对过滤后的簇采用随机一致性采样算法(Random Sample Consensus,Ransac),得到新的表示地面点云的法向量,再设定更小的半径阈值r2与点云密度阈值k2,通过同样的聚类和PCA方法,筛选与通过Ransac算法得到的新的表示地面点云的法向量小于等于θ的簇,剩下的簇的集合即为第一目标点云数据。
从过滤后的原始点云数据中进一步提取出表示地面的原始点云数据、作为第一目标点云数据,能够进一步剔除一些无效点,对点云数据进行优化,减少计算量。
S203、对原始点云数据进行第二聚类,获得表示杆状物的原始点云数据、作为第二目标点云数据。
在本实施例中,基于密度和距离对过滤后的原始点云数据进行第二聚类,获得表示杆状物的原始点云数据、作为第二目标点云数据。
具体的,设定半径阈值为r3和点云密度阈值为k3,对原始点云数据按照距离和密度进行聚类,形成多个簇,每个簇为一个点集,每个簇的点密度大于等于k3,点与点之间的距离小于等于半径阈值r3。对于每一个簇,将点云数据根据每个点的高度值z的大小进行排序,设置分辨率s,按照分辨率s将簇中的每个点按照高度值z的大小从小到大,放到多个层中,每一层的点云数据的厚度为分辨率s,对每一层的点云数据基于距离再次聚类,剔除离群点,保留直径小于预设的阈值的簇作为第二目标点云数据。
从过滤后的原始点云数据中进一步提取出表示杆状物的原始点云数据、作为第二目标点云数据,有利于后续对点云数据进行优化处理,能够进一步剔除一些无效点,降低计算量,减少耗时。
S204、枚举激光雷达相对于惯性测量单元的俯仰角和滚转角,得到第一位姿变换关系。
枚举是指列出某些有穷序列集中所有元素的操作。
在本实施例中,可以将第一位姿数据作为初值,采用点云配准算法(例如正态分布算法)对多帧第一目标点云数据进行两两帧点云数据的配准,获得多帧第一目标点云数据之间在世界坐标系下的相对位姿(相当于获得激光雷达相对于惯性测量单元联合标定的初始位姿数据,即标定参数),从而得到激光雷达相对于惯性测量单元的多个俯仰角和多个滚转角,确定俯仰角与滚转角一一配对的取值范围,即该取值范围中的每一组俯仰角与滚转角都是出自同一帧位姿数据。
按照预设的选取条件,在取值范围中,针对每一组俯仰角和滚转角,计算得到一个位姿变换矩阵、作为第一位姿变换关系,枚举所有的俯仰角和滚转角,得到多个位姿变换矩阵。
S205、基于第一位姿变换关系,将第一目标点云数据映射至第一位姿数据的坐标系下,得到第一点云地图。
在本实施例中,将与第一位姿变换关系所对应的位姿变换矩阵、与时间同步的惯性测量单元的第一位姿数据结合,得到每一帧第一目标点云数据到世界坐标系的位姿变换矩阵,每一帧第一目标点云数据经过该位姿变换矩阵,旋转变换到同一个世界坐标系(即第一位姿数据的坐标系),对所有帧第一目标点云数据均映射至同一个世界坐标系下,将世界坐标系下的所有帧第一目标点云数据拼接为第一点云地图。
S206、当第一点云地图的厚度为最小值时,使俯仰角和滚转角生效。
当标定参数的俯仰角和滚转角正确时,每一帧激光雷达坐标系下的点云数据经过旋转平移(计算中的表现形式是乘以位姿变换矩阵)变换到世界坐标系下,拼接而成的第一点云地图的厚度是相对比较低的,若标定参数的俯仰角和滚转角不正确时,表示地面的点云数据(即第一目标点云数据)会散开,厚度变大,因此,可以预设一个评分函数,以枚举激光雷达相对于惯性测量单元联合标定参数的俯仰角和滚转角、使得第一点云地图的厚度最低为优化目标,得到最优的俯仰角和滚转角。
在本实施例中,使用三分算法枚举俯仰角和滚转角,将枚举俯仰角和滚转角第n次搜索对应获得的第一点云地图记为Cn,如下公式所示:
预设的评分函数为凸函数,记为S,当第一点云地图的厚度为最小值时,使俯仰角和滚转角生效,如下公式所示:
S(Cn)min=H3i-H1i
其中,3i为第一点云地图中高度处于3/4处的点的高度值,H1i为第一点云地图中高度处于1/4处的点的高度值。
本实施例选取三分算法可以加快对俯仰角和滚转角的搜索速度,把第一点云地图中的点云数据按照高度值升序排序,过滤高度最高和最低各1/4的点云数据,可以消除大量的噪声,将剩余的点的极值作为第一点云地图的厚度的衡量指标,可以过滤部分表示地面的点云厚度的极值,获得更准确的俯仰角和滚转角。
S207、枚举激光雷达相对于惯性测量单元的偏航角,得到第二位姿变换关系。
在本实施例中,可以将第一位姿数据作为初值,采用点云配准算法(例如正态分布算法)对多帧第二目标点云数据进行两两帧点云数据的配准,获得多帧第二目标点云数据之间在世界坐标系下的相对位姿(相当于获得激光雷达相对于惯性测量单元联合标定的初始位姿数据,即标定参数),从而得到激光雷达相对于惯性测量单元的多个偏航角,确定偏航角的取值范围。
按照预设的选取条件(例如设定一个搜索范围和搜索精度),在偏航角的取值范围中,根据已生效的俯仰角和滚转角枚举偏航角,计算得到多个位姿变换矩阵,以位姿变换矩阵作为第二位姿变换关系的表达形式。
S208、基于第二位姿变换关系,将第二目标点云数据映射至第一位姿数据的坐标系下,得到变换后的第二目标点云数据。
在本实施例中,将与第二位姿变换关系所对应的位姿变换矩阵、与时间同步的惯性测量单元的第一位姿数据结合,得到每一帧第二目标点云数据到世界坐标系的位姿变换矩阵,每一帧第二目标点云数据经过该位姿变换矩阵,旋转变换到同一个世界坐标系(即第一位姿数据的坐标系),对所有帧二目标点云数据均映射至同一个世界坐标系下,得到多帧变换后的第二目标点云数据。
S209、将变换后的第二目标点云数据投影在二维空间中,得到激光雷达相对于惯性测量单元的偏航角。
在本实施例中,将变换后的第二目标点云数据投影在二维空间中,在二维空间中,将变换后的第二目标点云数据拼接为网格形式的第二点云地图,统计第二点云地图在网格中的投影点,当投影点占据网格的数量为最小值时,偏航角生效。
如果偏航角不正确,第二点云地图中表示杆状物的点就会散开,比如一颗树会变成模糊的多个树,由此,针对以网格形式表示的第二点云地图,在二维空间中,变换后的第二目标点云数据投影在网格图中的点所占的格子会增加,因此,可以预设一个评分函数,以投影点占据网格的数量为最小值为优化目标,得到最优的偏航角。
具体的,将变换到世界坐标系后的每一帧第二目标点云数据投影到二维空间(即将变换后的第二目标点云数据的高度值设为0),拼接每一帧二维化的第二目标点云数据,得到第二点云地图,将枚举偏航角第t次搜索对应获得的第二点云地图记为Ct,如下公式所示:
第二点云地图以网格形式表示,即存储为一个Nx*Ny的矩阵,该矩阵中每个元素初始值都初始化为0。矩阵中每个格子的大小为N×N,组成x*y个N×N大小排列的网格图,遍历第二点云地图Ct中的每一个点p,其横坐标为px,纵坐标为py,把点p投影到网格上即矩阵[px/N,py/N]这个位置的元素值加一,由此,可以统计有多少个网格上存在投影点,记为G,当投影点占据矩阵中网格的数量为最小值时,得到有效的偏航角,即预设的评分函数为G(Ct)min。
通过统计二维化的第二目标点云中点在网格图中占据的网格点的数量来得得到最优的偏航角,以取得激光雷达相对于惯性测量单元联合标定参数的最优姿态角,用以评估待标定参数的准确程度,方法简单易行,易于扩展,计算简单,适用于较泛化的地理环境,可实现自动化的检测。
S210、将俯仰角、滚转角和偏航角转换为旋转矩阵。
在本实施例中,将先前计算得到的有效的俯仰角、滚转角和偏航角,通过预设的规则转换为三维的旋转矩阵。
S211、基于旋转矩阵,计算激光雷达相对于惯性测量单元的平移量,以平移量和旋转矩阵的组合关系作为激光雷达的第二位姿数据。
在本实施例中,将三维的旋转矩阵与作为未知参量的平移向量计入到用于表示激光雷达相对于惯性测量单元的位姿的位姿变换矩阵中。在本实施例中,依据差分原理对位姿变换矩阵展开化简,得到经典的手眼标定公式,如下公式所示:
其中,T为位姿变换矩阵,R为旋转矩阵,t为平移向量,通过正态分布匹配算法(NDT),可以得到每一帧点云数据相对于其他帧点云数据的位姿变换,NDTi为第i帧点云数据在第0帧点云数据的坐标系下的位姿,NDTj为第j帧点云数据在第0帧点云数据的坐标系下的位姿,IMUi为第i帧惯性测量单元在第0帧惯性测量单元坐标系下的位姿,IMUj为第j帧惯性测量单元在第0帧惯性测量单元坐标系下的位姿。
通过枚举多组点云数据帧对,构建多帧点云数据之间的空间位姿变换和惯性测量单元在其自身坐标系下的位姿数据的空间位姿变换,此时经典的手眼标定公式方程中只有平移量t一个未知量,利用最小二乘法可解出公式(Rimu-I)*t=R*tlidar-timu中的唯一最优解t,其中I为单位矩阵,即得到激光雷达相对于惯性测量单元的平移量。
通过预设的规则将最优的平移量和旋转矩阵,转换为三维的位姿变换矩阵、作为激光雷达相对于惯性测量单元的第二位姿数据,即表示激光雷达相对于惯性测量单元在三维空间中的位姿。
S212、基于第二位姿数据,测量激光雷达与惯性测量单元联合标定参数的偏差。
在不同传感器数据融合的过程中,不同传感器具有各自不同的坐标系,数据在不同坐标系下的转换需要使用两个坐标系之间的标定参数,该标定参数也是两个传感器联合标定的位姿,通常表示为位姿变换矩阵T,也可以表示为旋转矩阵R和平移向量t,其中,旋转矩阵R可以由姿态角(航向角、俯仰角、横滚角)转换得到,旋转矩阵R还可以转换为四元数Q(一种超复量,由实数和虚数组成)。
激光雷达与惯性测量单元联合标定是指将激光雷达的数据帧(点云数据)和惯性测量单元的数据帧(位姿数据)转换为相同坐标系下的数据,其可以是将待标定的激光雷达的数据帧(点云数据)转换为惯性测量单元的数据帧(位姿数据)的坐标系下,也可以是将惯性测量单元的数据帧(位姿数据)转换到待标定的激光雷达的数据帧(点云数据)的坐标系下,还可以是将待标定的激光雷达的数据帧(点云数据)及惯性测量单元的数据帧(位姿数据)转换到第三方坐标系下。
可以通过手工测量方法或其他标定设备,获取激光雷达与惯性测量单元在某一静止时刻下进行联合标定的初始位姿数据,作为测试位姿数据(即待检测的标定参数),该测试位姿数据可以表示为一个位姿变换矩阵T(包括旋转矩阵R和平移向量t)。
在本实施例中,测量激光雷达与惯性测量单元联合标定参数的偏差可通过如下具体步骤:
S2121、获取激光雷达与惯性测量单元联合标定的位姿,作为测试位姿数据;
S2122、计算第二位姿数据与测试位姿数据之间的四元数损失值;
S2123、计算第二位姿数据与测试位姿数据之间的平移损失值;
S2124、融合四元数损失值与平移损失值,得到激光雷达与惯性测量单元联合标定参数的偏差。
其中,四元数损失值的具体计算为:将第二位姿数据转换为第一平移向量和第一四元数;将测试位姿数据转换为第二平移向量和第二四元数;获取第一四元数与第二四元数之间的差值的绝对值;获取第一四元数与第二四元数之间的和值的绝对值;计算差值的绝对值与和值的绝对值之间的最小值,以最小值与预设的第一权值的乘积作为四元数损失值;因为任意的旋转都可以由两个互为相反数的四元数表示,因此‖Q1-Q2‖=min(‖Q1-Q2‖,‖Q1-(-Q2)‖)=min(‖Q1-Q2‖,‖Q1+Q2‖),Q1表示第一四元数,Q2表示第二四元数。
平移损失值的具体计算为:获取第一平移向量与第二平移向量之间的平移偏差,以平移偏差与预设的第二权值的乘积作为平移损失值,如公式‖t1-t2‖所示,t1表示第一平移向量,t2表示第二平移向量。
由于表示三维旋转的四元数和表示三维平移的平移量的量纲不同,因此需要乘以对应的权重,预设的权值可以根据需求进行调整。
可以将四元数损失值与平移损失值分别配置不同的权重值进行加权,得到激光雷达与惯性测量单元联合标定参数的偏差。
S213、基于偏差计算激光雷达与惯性测量单元联合标定参数的质量值。
在回归与相关分析中,因变量值随自变量值的增大(减小)而减小(增大),在这种情况下,因变量和自变量的相关系数为负值,即负相关。
在本实施例中,以负相关的关系将偏差映射为激光雷达与惯性测量单元联合标定参数的质量值,其中,质量值的增长速度与偏差的下降速度负相关。
具体的,可以设计一个评分函数将偏差映射到0-1之间,且满足随着偏差的增大而分手快速下降的条件。如下公式所示,将偏差映射为激光雷达与惯性测量单元联合标定参数的质量值。
其中,预设的第一权值为50,预设的第二权值为1,当偏差越大时,评分函数计算得到的质量值越低,表示激光雷达与惯性测量单元联合标定参数与真实的标定参数相差越大,否则质量值越高,表示激光雷达与惯性测量单元联合标定参数越准确。
实施例三
图4为本发明实施例三提供的一种激光雷达与惯性测量单元的检测装置的结构示意图,该检测装置具体可以包括如下模块:
数据获取模块401,用于获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;
第一角度获取模块402,用于关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角;
第二角度获取模块403,用于关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角;
位姿计算模块404,用于基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据。
在本发明的一个实施例中,所述数据获取模块401包括:
原始点云数据获取子模块,用于获取激光雷达采集的原始点云数据;
第一目标点云数据获取子模块,用于对所述原始点云数据进行第一聚类,获得表示地面的原始点云数据、作为第一目标点云数据;
第二目标点云数据获取子模块,用于对所述原始点云数据进行第二聚类,获得表示杆状物的原始点云数据、作为第二目标点云数据。
在本发明的一个实施例中,所述第一角度获取模块402包括:
第一位姿变换关系获取子模块,用于枚举所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角,得到第一位姿变换关系;
第一点云地图获取子模块,用于基于所述第一位姿变换关系,将所述第一目标点云数据映射至所述第一位姿数据的坐标系下,得到第一点云地图;
滚转角生效子模块,用于当所述第一点云地图的厚度为最小值时,使所述俯仰角和所述滚转角生效。
在本发明的一个实施例中,所述第二角度获取模块403包括:
第二位姿变换关系获取子模块,用于枚举所述激光雷达相对于所述惯性测量单元的偏航角,得到第二位姿变换关系;
目标点云数据变换子模块,用于基于所述第二位姿变换关系,将所述第二目标点云数据映射至所述第一位姿数据的坐标系下,得到变换后的第二目标点云数据;
偏航角获取子模块,用于将所述变换后的第二目标点云数据投影在二维空间中,得到所述激光雷达相对于所述惯性测量单元的偏航角。
在本发明的一个实施例中,所述偏航角获取子模块包括:
投影单元,用于将所述变换后的第二目标点云数据投影在二维空间中;
第二点云地图拼接单元,用于在所述二维空间中,将所述变换后的第二目标点云数据拼接为网格形式的第二点云地图;
投影点统计单元,用于统计所述第二点云地图在所述网格中的投影点;
偏航角生效单元,用于当所述投影点占据所述网格的数量为最小值时,所述偏航角生效。
在本发明的一个实施例中,所述位姿计算模块404包括:
旋转变换子模块,用于将所述俯仰角、所述滚转角和所述偏航角转换为旋转矩阵;
位姿数据获取子模块,用于基于所述旋转矩阵,计算所述激光雷达相对于所述惯性测量单元的平移量,以所述平移量和所述旋转矩阵的组合关系作为所述激光雷达的第二位姿数据。
在本发明的一个实施例中,所述激光雷达与惯性测量单元的检测装置还包括:
偏差测量模块,用于基于所述第二位姿数据,测量所述激光雷达与所述惯性测量单元联合标定参数的偏差;
质量值计算模块,用于基于所述偏差计算所述激光雷达与所述惯性测量单元联合标定参数的质量值。
在本发明的一个实施例中,所述偏差测量模块包括:
测试位姿数据获取子模块,用于获取所述激光雷达与所述惯性测量单元联合标定的位姿,作为测试位姿数据;
四元数损失值获取子模块,用于计算所述第二位姿数据与所述测试位姿数据之间的四元数损失值;
平移损失值获取子模块,用于计算所述第二位姿数据与所述测试位姿数据之间的平移损失值;
偏差获取子模块,用于融合所述四元数损失值与所述平移损失值,得到所述激光雷达与所述惯性测量单元联合标定参数的偏差。
在本发明的一个实施例中,所述四元数损失值获取子模块包括:
第一转换单元,用于将所述第二位姿数据转换为第一平移向量和第一四元数;
第二转换单元,用于将所述测试位姿数据转换为第二平移向量和第二四元数;
差值获取单元,用于获取所述第一四元数与第二四元数之间的差值的绝对值;
和值获取单元,用于获取所述第一四元数与第二四元数之间的和值的绝对值;
四元数损失值获取单元,用于计算所述差值的绝对值与所述和值的绝对值之间的最小值,以所述最小值与预设的第一权值的乘积作为四元数损失值。
在本发明的一个实施例中,所述平移损失值获取子模块包括:
平移损失值获取单元,用于获取所述第一平移向量与所述第二平移向量之间的平移偏差,以所述平移偏差与预设的第二权值的乘积作为平移损失值。
在本发明的一个实施例中,所述质量值计算模块包括:
映射子模块,用于以负相关的关系将所述偏差映射为所述激光雷达与所述惯性测量单元联合标定参数的质量值,所述质量值的增长速度与所述偏差的下降速度负相关。
本发明实施例所提供的激光雷达与惯性测量单元的检测装置可执行本发明任意实施例所提供的激光雷达与惯性测量单元的检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种计算机设备的结构示意图。如图5所示,该计算机设备包括处理器500、存储器501、通信模块502、输入装置503和输出装置504;计算机设备中处理器500的数量可以是一个或多个,图5中以一个处理器500为例;计算机设备中的处理器500、存储器501、通信模块502、输入装置503和输出装置504可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器501作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本实施例中的激光雷达与惯性测量单元的检测方法对应的模块(例如,如图4所示的激光雷达与惯性测量单元的检测装置中的数据获取模块401、第一角度获取模块402、第二角度获取模块403和位姿计算模块404)。处理器500通过运行存储在存储器501中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的激光雷达与惯性测量单元的检测方法。
存储器501可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器501可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器501可进一步包括相对于处理器500远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块502,用于与显示屏建立连接,并实现与显示屏的数据交互。
输入装置503可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。
输出装置504可以包括扬声器等音频设备。
需要说明的是,输入装置503和输出装置504的具体组成可以根据实际情况设定。
处理器500通过运行存储在存储器501中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的激光雷达与惯性测量单元的检测方法。
本实施例提供的计算机设备,可执行本发明任一实施例提供的激光雷达与惯性测量单元的检测方法,具备相应的功能和有益效果。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种激光雷达与惯性测量单元的检测方法,该方法包括:
获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;
关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角;
关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角;
基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的激光雷达与惯性测量单元的检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述激光雷达与惯性测量单元的检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种激光雷达与惯性测量单元的检测方法,其特征在于,包括:
获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;
关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角;
关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角;
基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据。
2.根据权利要求1所述的方法,其特征在于,所述获取激光雷达采集的第一目标点云数据、第二目标点云数据,还包括:
获取激光雷达采集的原始点云数据;
对所述原始点云数据进行第一聚类,获得表示地面的原始点云数据、作为第一目标点云数据;
对所述原始点云数据进行第二聚类,获得表示杆状物的原始点云数据、作为第二目标点云数据。
3.根据权利要求1或2所述的方法,其特征在于,所述关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角,包括:
枚举所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角,得到第一位姿变换关系;
基于所述第一位姿变换关系,将所述第一目标点云数据映射至所述第一位姿数据的坐标系下,得到第一点云地图;
当所述第一点云地图的厚度为最小值时,使所述俯仰角和所述滚转角生效。
4.根据权利要求1或2所述的方法,其特征在于,所述关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角,包括:
枚举所述激光雷达相对于所述惯性测量单元的偏航角,得到第二位姿变换关系;
基于所述第二位姿变换关系,将所述第二目标点云数据映射至所述第一位姿数据的坐标系下,得到变换后的第二目标点云数据;
将所述变换后的第二目标点云数据投影在二维空间中,得到所述激光雷达相对于所述惯性测量单元的偏航角。
5.根据权利要求4所述的方法,其特征在于,所述将所述变换后的第二目标点云数据投影在二维空间中,得到所述激光雷达相对于所述惯性测量单元的偏航角,包括:
将所述变换后的第二目标点云数据投影在二维空间中;
在所述二维空间中,将所述变换后的第二目标点云数据拼接为网格形式的第二点云地图;
统计所述第二点云地图在所述网格中的投影点;
当所述投影点占据所述网格的数量为最小值时,所述偏航角生效。
6.根据权利要求1所述的方法,其特征在于,所述基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据,包括:
将所述俯仰角、所述滚转角和所述偏航角转换为旋转矩阵;
基于所述旋转矩阵,计算所述激光雷达相对于所述惯性测量单元的平移量,以所述平移量和所述旋转矩阵的组合关系作为所述激光雷达的第二位姿数据。
7.根据权利要求1或2或6任一所述的方法,其特征在于,还包括:
基于所述第二位姿数据,测量所述激光雷达与所述惯性测量单元联合标定参数的偏差;
基于所述偏差计算所述激光雷达与所述惯性测量单元联合标定参数的质量值。
8.根据权利要求7所述的方法,其特征在于,所述基于所述第二位姿数据,测量所述激光雷达与所述惯性测量单元联合标定参数的偏差,包括:
获取所述激光雷达与所述惯性测量单元联合标定的位姿,作为测试位姿数据;
计算所述第二位姿数据与所述测试位姿数据之间的四元数损失值;
计算所述第二位姿数据与所述测试位姿数据之间的平移损失值;
融合所述四元数损失值与所述平移损失值,得到所述激光雷达与所述惯性测量单元联合标定参数的偏差。
9.根据权利要求8所述的方法,其特征在于,所述计算所述第二位姿数据与所述测试位姿数据之间的四元数损失值,包括:
将所述第二位姿数据转换为第一平移向量和第一四元数;
将所述测试位姿数据转换为第二平移向量和第二四元数;
获取所述第一四元数与第二四元数之间的差值的绝对值;
获取所述第一四元数与第二四元数之间的和值的绝对值;
计算所述差值的绝对值与所述和值的绝对值之间的最小值,以所述最小值与预设的第一权值的乘积作为四元数损失值;
所述计算所述第二位姿数据与所述测试位姿数据之间的平移损失值,包括:
获取所述第一平移向量与所述第二平移向量之间的平移偏差,以所述平移偏差与预设的第二权值的乘积作为平移损失值。
10.根据权利要求9所述的方法,其特征在于,所述基于所述偏差计算所述激光雷达与所述惯性测量单元联合标定参数的质量值,包括:
以负相关的关系将所述偏差映射为所述激光雷达与所述惯性测量单元联合标定参数的质量值,所述质量值的增长速度与所述偏差的下降速度负相关。
11.一种激光雷达与惯性测量单元的检测装置,其特征在于,包括:
数据获取模块,用于获取激光雷达采集的第一目标点云数据、第二目标点云数据,以及,惯性测量单元检测的第一位姿数据;
第一角度获取模块,用于关联所述第一目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的俯仰角和滚转角;
第二角度获取模块,用于关联所述第二目标点云数据与所述第一位姿数据,得到所述激光雷达相对于所述惯性测量单元的偏航角;
位姿计算模块,用于基于所述俯仰角、所述滚转角和所述偏航角,计算所述激光雷达的第二位姿数据。
12.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的激光雷达与惯性测量单元的检测方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-10中任一所述的激光雷达与惯性测量单元的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010901406.2A CN112051591B (zh) | 2020-08-31 | 2020-08-31 | 一种激光雷达与惯性测量单元的检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010901406.2A CN112051591B (zh) | 2020-08-31 | 2020-08-31 | 一种激光雷达与惯性测量单元的检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051591A true CN112051591A (zh) | 2020-12-08 |
CN112051591B CN112051591B (zh) | 2022-11-29 |
Family
ID=73608318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010901406.2A Active CN112051591B (zh) | 2020-08-31 | 2020-08-31 | 一种激光雷达与惯性测量单元的检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051591B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112629415A (zh) * | 2020-12-29 | 2021-04-09 | 合肥达朴汇联科技有限公司 | 一种粮仓粮食体积测量系统 |
CN112882000A (zh) * | 2021-02-05 | 2021-06-01 | 北京科技大学 | 一种激光雷达的自动标定方法 |
CN113091771A (zh) * | 2021-04-13 | 2021-07-09 | 清华大学 | 一种激光雷达-相机-惯导联合标定方法及系统 |
CN113359141A (zh) * | 2021-07-28 | 2021-09-07 | 东北林业大学 | 一种基于无人机多传感器数据融合的林火定位方法及系统 |
CN113379732A (zh) * | 2021-07-07 | 2021-09-10 | 群周科技(上海)有限公司 | 一种基于机载激光雷达的线缆目标检测方法 |
CN113391300A (zh) * | 2021-05-21 | 2021-09-14 | 中国矿业大学 | 一种基于imu的激光雷达三维点云实时运动补偿方法 |
CN113671453A (zh) * | 2021-08-11 | 2021-11-19 | 南京隼眼电子科技有限公司 | 车载毫米波雷达俯仰角误差校准方法、装置、存储介质及电子设备 |
CN113740817A (zh) * | 2021-08-24 | 2021-12-03 | 珠海格力电器股份有限公司 | 微波雷达控制方法、电子装置、微波雷达及存储介质 |
CN113759906A (zh) * | 2021-08-30 | 2021-12-07 | 广州文远知行科技有限公司 | 一种车辆对位方法、装置、计算机设备和存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106969763A (zh) * | 2017-04-07 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 用于确定无人驾驶车辆的偏航角的方法和装置 |
CN108230379A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 用于融合点云数据的方法和装置 |
WO2018142057A1 (fr) * | 2017-01-31 | 2018-08-09 | Université Clermont Auvergne | Procédé et dispositif pour l'étalonnage d'un système de perception comportant un ensemble de télémètres lidar |
CN109297510A (zh) * | 2018-09-27 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 相对位姿标定方法、装置、设备及介质 |
CN109901138A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
CN110033489A (zh) * | 2018-01-12 | 2019-07-19 | 华为技术有限公司 | 一种车辆定位准确性的评估方法、装置及设备 |
CN110109143A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 多线激光雷达与imu的位姿标定方法及装置 |
CN110456328A (zh) * | 2019-07-24 | 2019-11-15 | 佛山市云展智能科技有限公司 | 多线激光雷达标定系统及标定方法 |
CN110568423A (zh) * | 2019-09-10 | 2019-12-13 | 广州文远知行科技有限公司 | 激光雷达角度标定方法、装置、终端设备及存储介质 |
CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
AU2018282302A1 (en) * | 2018-06-25 | 2020-01-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | Integrated sensor calibration in natural scenes |
US20200041623A1 (en) * | 2018-02-05 | 2020-02-06 | Centre Interdisciplinaire De Developpement En Cartographie Des Oceans (Cidco) | METHOD AND APPARATUS FOR AUTOMATIC CALIBRATION OF MOBILE LiDAR SYSTEMS |
CN111207774A (zh) * | 2020-01-17 | 2020-05-29 | 山东大学 | 一种用于激光-imu外参标定的方法及系统 |
CN111208492A (zh) * | 2018-11-21 | 2020-05-29 | 长沙智能驾驶研究院有限公司 | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 |
CN111398980A (zh) * | 2018-12-29 | 2020-07-10 | 广东瑞图万方科技股份有限公司 | 一种机载LiDAR数据处理的方法及装置 |
-
2020
- 2020-08-31 CN CN202010901406.2A patent/CN112051591B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018142057A1 (fr) * | 2017-01-31 | 2018-08-09 | Université Clermont Auvergne | Procédé et dispositif pour l'étalonnage d'un système de perception comportant un ensemble de télémètres lidar |
CN106969763A (zh) * | 2017-04-07 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 用于确定无人驾驶车辆的偏航角的方法和装置 |
CN108230379A (zh) * | 2017-12-29 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 用于融合点云数据的方法和装置 |
CN110033489A (zh) * | 2018-01-12 | 2019-07-19 | 华为技术有限公司 | 一种车辆定位准确性的评估方法、装置及设备 |
US20200041623A1 (en) * | 2018-02-05 | 2020-02-06 | Centre Interdisciplinaire De Developpement En Cartographie Des Oceans (Cidco) | METHOD AND APPARATUS FOR AUTOMATIC CALIBRATION OF MOBILE LiDAR SYSTEMS |
AU2018282302A1 (en) * | 2018-06-25 | 2020-01-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | Integrated sensor calibration in natural scenes |
CN109297510A (zh) * | 2018-09-27 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 相对位姿标定方法、装置、设备及介质 |
CN111208492A (zh) * | 2018-11-21 | 2020-05-29 | 长沙智能驾驶研究院有限公司 | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 |
CN109901138A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
CN111398980A (zh) * | 2018-12-29 | 2020-07-10 | 广东瑞图万方科技股份有限公司 | 一种机载LiDAR数据处理的方法及装置 |
CN110109143A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 多线激光雷达与imu的位姿标定方法及装置 |
CN110456328A (zh) * | 2019-07-24 | 2019-11-15 | 佛山市云展智能科技有限公司 | 多线激光雷达标定系统及标定方法 |
CN110568423A (zh) * | 2019-09-10 | 2019-12-13 | 广州文远知行科技有限公司 | 激光雷达角度标定方法、装置、终端设备及存储介质 |
CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
CN111207774A (zh) * | 2020-01-17 | 2020-05-29 | 山东大学 | 一种用于激光-imu外参标定的方法及系统 |
Non-Patent Citations (1)
Title |
---|
吴昱晗 等: "一种基于点云匹配的激光雷达/IMU联合标定方法", 《电子技术应用》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112629415A (zh) * | 2020-12-29 | 2021-04-09 | 合肥达朴汇联科技有限公司 | 一种粮仓粮食体积测量系统 |
CN112882000A (zh) * | 2021-02-05 | 2021-06-01 | 北京科技大学 | 一种激光雷达的自动标定方法 |
CN112882000B (zh) * | 2021-02-05 | 2023-02-03 | 北京科技大学 | 一种激光雷达的自动标定方法 |
CN113091771A (zh) * | 2021-04-13 | 2021-07-09 | 清华大学 | 一种激光雷达-相机-惯导联合标定方法及系统 |
CN113391300A (zh) * | 2021-05-21 | 2021-09-14 | 中国矿业大学 | 一种基于imu的激光雷达三维点云实时运动补偿方法 |
CN113391300B (zh) * | 2021-05-21 | 2022-02-01 | 中国矿业大学 | 一种基于imu的激光雷达三维点云实时运动补偿方法 |
CN113379732A (zh) * | 2021-07-07 | 2021-09-10 | 群周科技(上海)有限公司 | 一种基于机载激光雷达的线缆目标检测方法 |
CN113359141B (zh) * | 2021-07-28 | 2021-12-17 | 东北林业大学 | 一种基于无人机多传感器数据融合的林火定位方法及系统 |
CN113359141A (zh) * | 2021-07-28 | 2021-09-07 | 东北林业大学 | 一种基于无人机多传感器数据融合的林火定位方法及系统 |
CN113671453A (zh) * | 2021-08-11 | 2021-11-19 | 南京隼眼电子科技有限公司 | 车载毫米波雷达俯仰角误差校准方法、装置、存储介质及电子设备 |
CN113740817A (zh) * | 2021-08-24 | 2021-12-03 | 珠海格力电器股份有限公司 | 微波雷达控制方法、电子装置、微波雷达及存储介质 |
CN113740817B (zh) * | 2021-08-24 | 2024-04-05 | 珠海格力电器股份有限公司 | 微波雷达控制方法、电子装置、微波雷达及存储介质 |
CN113759906A (zh) * | 2021-08-30 | 2021-12-07 | 广州文远知行科技有限公司 | 一种车辆对位方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112051591B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051591B (zh) | 一种激光雷达与惯性测量单元的检测方法及相关装置 | |
CN112051590B (zh) | 激光雷达与惯性测量单元的检测方法及相关装置 | |
CN112051575B (zh) | 一种毫米波雷达与激光雷达的调整方法及相关装置 | |
CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
CN109598765B (zh) | 基于球形标定物的单目相机与毫米波雷达外参联合标定方法 | |
CN112013877B (zh) | 毫米波雷达与惯性测量单元的检测方法及相关装置 | |
CN110081881B (zh) | 一种基于无人机多传感器信息融合技术的着舰引导方法 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN112379352B (zh) | 一种激光雷达标定方法、装置、设备及存储介质 | |
CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
CN113447923A (zh) | 目标检测方法、装置、系统、电子设备及存储介质 | |
CN110032201A (zh) | 一种基于卡尔曼滤波的imu机载视觉姿态融合的方法 | |
CN112465877B (zh) | 一种基于运动状态估计的卡尔曼滤波视觉追踪稳定方法 | |
CN115451948A (zh) | 一种基于多传感器融合的农业无人车定位里程计方法及系统 | |
Iqbal et al. | Imaging radar for automated driving functions | |
CN114488094A (zh) | 一种车载多线激光雷达与imu外参数自动标定方法及装置 | |
CN114111776A (zh) | 定位方法及相关装置 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
CN114022561A (zh) | 一种基于gps约束和动态校正的城区单目测图方法和系统 | |
CN112034438A (zh) | 一种雷达标定方法、装置、电子设备及存储介质 | |
CN112154480A (zh) | 可移动平台的定位方法、装置、可移动平台及存储介质 | |
CN111351487A (zh) | 多传感器的时钟同步方法、装置及计算设备 | |
CN113759384B (zh) | 一种传感器位姿转换关系确定方法、装置、设备和介质 | |
KR20200032776A (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
CN116664698B (zh) | 车载双目相机与gnss/imu的自动标定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |