CN112230241A - 基于随机扫描型雷达的标定方法 - Google Patents

基于随机扫描型雷达的标定方法 Download PDF

Info

Publication number
CN112230241A
CN112230241A CN202011148337.9A CN202011148337A CN112230241A CN 112230241 A CN112230241 A CN 112230241A CN 202011148337 A CN202011148337 A CN 202011148337A CN 112230241 A CN112230241 A CN 112230241A
Authority
CN
China
Prior art keywords
coordinate system
point
coordinate
point cloud
cloud set
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
CN202011148337.9A
Other languages
English (en)
Other versions
CN112230241B (zh
Inventor
李博文
马可
钱智明
赵磊
于文义
魏曦
鲁荣荣
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.)
Ecarx Hubei Tech Co Ltd
Original Assignee
Hubei Ecarx Technology 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 Hubei Ecarx Technology Co Ltd filed Critical Hubei Ecarx Technology Co Ltd
Priority to CN202011148337.9A priority Critical patent/CN112230241B/zh
Publication of CN112230241A publication Critical patent/CN112230241A/zh
Application granted granted Critical
Publication of CN112230241B publication Critical patent/CN112230241B/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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明实施例提供了基于随机扫描型雷达的标定方法，涉及光学测量技术领域，可以提高线束型雷达的坐标系与指定坐标系之间的坐标转换关系的准确度。本发明实施例的技术方案包括：获取随机扫描型雷达预设时长内扫描第一场景进行时间积聚生成的致密点云集合，并获取第一线束型雷达扫描第二场景得到的第一稀疏点云集合。然后将第一稀疏点云集合中的每个点与致密点云集合中的点进行匹配，得到随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系。再确定随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，接着基于第一坐标转换关系以及第二坐标转换关系，得到第一线束型雷达的坐标系与指定坐标系之间的第三坐标转换关系。

Description

基于随机扫描型雷达的标定方法
技术领域
本发明涉及光学测量技术领域，特别是涉及一种基于随机扫描型雷达的标定方法。
背景技术
目前，在自动定位技术中，通常采用线束型雷达与其他辅助定位设备结合进行环境融合感知。为了联合两个设备采集的数据，达到相互辅助相互校准的效果，需要获得线束型雷达的坐标系与辅助定位设备的坐标系之间的坐标转换关系，即需要在定位之前对线束型雷达与辅助定位设备进行标定。
在相关技术中，以辅助定位设备为相机为例，对线束型雷达和相机进行标定通常采取的方法是：从线束型雷达采集的点中提取标定点，并从相机拍摄的图片中提取标定点，然后基于标定点在线束型雷达坐标系中的三维坐标，以及标定点在相机坐标系中的二维坐标，得到线束型雷达的坐标系与相机的坐标系之间的坐标转换关系。
然而，受到线束型雷达包括的线数的限制，线束型雷达的扫描覆盖范围较小，即采集的点数量较少。在采集的点数量较少的情况下，若采集的点位置存在误差，会导致从点中提取标定点的准确度低，进而造成标定得到的线束型雷达的坐标系和相机的坐标系之间的坐标转换关系的准确度低。
发明内容
本发明实施例的目的在于提供一种基于随机扫描型雷达的标定方法，以实现提高线束型雷达的坐标系与指定坐标系之间的坐标转换关系的准确度。具体技术方案如下：
第一方面，本发明实施例提供了一种基于随机扫描型雷达的标定方法，所述方法包括：
获取随机扫描型雷达预设时长内扫描第一场景进行时间积聚生成的致密点云集合，并获取第一线束型雷达扫描第二场景得到的第一稀疏点云集合，所述第一场景与所述第二场景的重合区域包括辅助标定物体；
将所述第一稀疏点云集合中的每个点与所述致密点云集合中的点进行匹配，得到所述随机扫描型雷达的坐标系与所述第一线束型雷达的坐标系之间的第一坐标转换关系；
确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系；
基于所述第一坐标转换关系以及所述第二坐标转换关系，得到所述第一线束型雷达的坐标系与所述指定坐标系之间的第三坐标转换关系。
可选的，所述将所述第一稀疏点云集合中的每个点与所述致密点云集合中的点进行匹配，得到所述随机扫描型雷达的坐标系与所述第一线束型雷达的坐标系之间的第一坐标转换关系，包括：
步骤一，基于预设的初始平移参数和初始旋转参数，对第一稀疏点云集合进行坐标变换，针对变换后的第一稀疏点云集合中的每个点，确定该点在所述致密点云集合中对应的点；该点在所述致密点云集合中对应的点为：所述致密点云集合中与该点距离最近的点；
步骤二，将变换后的第一稀疏点云集合中各点与在所述致密点云集合中对应的点之间的距离平均值最小时，第一稀疏点云集合对应的平移参数作为更新后的平移参数，并将此时第一稀疏点云集合对应的旋转参数作为更新后的旋转参数；
步骤三，基于更新后的平移参数和旋转参数，对第一稀疏点云进行坐标变换，并计算变换后的第一稀疏点云集合中各点与在所述致密点云集合中对应的点之间的距离平均值；
步骤四，若计算的距离平均值小于预设阈值，则确定所述第一坐标转换关系为当前的平移参数和旋转参数；
步骤五，若计算的距离平均值不小于所述预设阈值，则基于当前的平移参数和旋转参数，对第一稀疏点云集合进行坐标变换，并重新确定变换后的第一稀疏点云集合中每个点在所述致密点云集合中对应的点，并返回所述步骤二。
可选的，所述指定坐标系为相机的坐标系；所述确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系包括：
获取所述相机拍摄第三场景的照片，所述第三场景与所述第一场景的重合区域包括辅助标定物体；
从所述致密点云集合中筛选出所述辅助标定物体对应的点；
确定筛选出的点中的指定标定点，并获取所述指定标定点在所述随机扫描型雷达的坐标系中的坐标；
从所述照片中提取指定标定点在相机的坐标系中的坐标；
基于所述指定标定点在所述随机扫描型雷达的坐标系中的坐标以及所述指定标定点在相机坐标系中的坐标，确定所述随机扫描型雷达的坐标系与所述相机的坐标系之间的第二坐标转换关系。
可选的，所述从所述致密点云集合中筛选出所述辅助标定物体对应的点，包括：
根据所述致密点云集合中的各点在所述随机扫描型雷达的坐标系中的坐标，筛选出预设坐标范围内的点；
从所述预设坐标范围内的点中，分割出所述第一场景中的各物体对应的点；
针对每个物体对应的点，根据该物体对应的点在所述随机扫描型雷达的坐标系中的坐标，确定该物体的尺寸是否属于预设尺寸范围；
确定属于所述预设尺寸范围的物体为所述辅助标定物体，并获取所述辅助标定物体对应的点。
可选的，所述确定筛选出的点中的指定标定点，包括：
对筛选出的点进行平面拟合，得到拟合平面；
将筛选出的点投影至所述拟合平面，根据投影后的点在所述拟合平面中的位置，确定所述指定标定点。
可选的，所述根据投影后的点在所述拟合平面中的位置，确定所述指定标定点，包括：
根据投影后的点在所述拟合平面中的位置，确定筛选出的点中的边界点；
对属于同一边缘的边界点进行直线拟合，获得拟合直线；
针对每个由四条拟合直线组成的矩形，获得该矩形的角点；
当该矩形的角点满足预设角点条件时，确定该矩形的角点为所述指定标定点。
可选的，所述预设角点条件包括：矩形的四个角点中，任意两个角点之间的距离为指定长度、指定宽度或者指定对角线长度。
可选的，所述指定坐标系为第二线束型雷达的坐标系；所述确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，包括：
获取所述第二线束型雷达扫描第三场景得到的第二稀疏点云集合，所述第三场景与所述第一场景的重合区域包括辅助标定物体；
将所述第二稀疏点云集合中的每个点与所述致密点云集合中的点进行匹配，得到所述随机扫描型雷达的坐标系与所述第二线束型雷达的坐标系之间的第二坐标转换关系。
可选的，所述指定坐标系为世界坐标系；
所述获取随机扫描型雷达预设时长内扫描第一场景进行时间积聚生成的致密点云集合，包括：
基于车用无线通信技术V2X，接收所述致密点云集合；
所述确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，包括：
基于V2X，接收预先标定得到的所述第二坐标转换关系；
在所述基于所述第一坐标转换关系以及所述第二坐标转换关系，得到所述第一线束型雷达的坐标系与所述指定坐标系之间的第三坐标转换关系之后，所述方法还包括：
获取所述第一线束型雷达的坐标系与预设测量设备的坐标系之间的第四坐标转换关系；
基于所述第三坐标转换关系和所述第四坐标转换关系，得到所述预设测量设备的坐标系与所述世界坐标系之间的第五坐标转换关系。
第二方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一所述的基于随机扫描型雷达的标定方法步骤。
本发明实施例的技术方案至少可以带来以下有益效果：能够将第一线束型雷达扫描的第一稀疏点云集合中每个点与随机扫描型雷达扫描的致密点云集合中的点进行匹配，得到随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系。由于随机扫描型雷达在预设时长内扫描获取的点多且覆盖范围广，而且不需要从第一稀疏点云集合中提取标定点，而是直接匹配两个点云集合中的各点，使得第一稀疏点云集合中的每个点都与致密点云集合对应的点进行匹配，避免了从第一稀疏点云集合中提取标定点所带来的误差，提高了确定的随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系的准确度。由此也提高了基于第一坐标转换关系和随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，得到的第一线束型雷达的坐标系与指定坐标系之间的第三坐标转换关系的准确度。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的实施例。
图1为本发明实施例提供的一种基于随机扫描型雷达的标定方法流程图；
图2a为本发明实施例提供的一种随机扫描型雷达扫描的点云示例性示意图；
图2b为本发明实施例提供的一种线束型雷达扫描的点云示例性示意图；
图3为本发明实施例提供的一种点云匹配方法流程图；
图4为本发明实施例提供的一种标定系统的示例性示意图；
图5为本发明实施例提供的一种电子设备的示例性示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了提高线束型雷达的坐标系与指定坐标系之间的坐标转换关系的准确度，本发明实施例提供了一种基于随机扫描型雷达的标定方法，该方法可以应用于电子设备，其中，电子设备可以是计算机或者自动驾驶汽车等具备数据处理能力的设备。如图1所示，该方法包括：
步骤101，获取随机扫描型雷达预设时长内扫描第一场景进行时间积聚生成的致密点云集合，并获取第一线束型雷达扫描第二场景得到的第一稀疏点云集合。其中，第一场景与第二场景的重合区域包括辅助标定物体。线束型雷达也可以称为线束型激光雷达。
在本发明实施例中，随机扫描型雷达用于进行随机扫描，线束型雷达用于进行固定角度的扫描。其中，随机扫描指的是按照一定的扫描频率，获取扫描区域内随机位置的点。例如，扫描频率可以是每秒钟获取500个点。
由于随机扫描型雷达进行随机扫描，即扫描区域内任意位置都可能被扫描，因此随着随机扫描型雷达扫描时长的累计，扫描得到的点云集合包括的点越来越密集，即存在时间累积效应。与稀疏点云相比，随机扫描型雷达在预设时长内扫描获得的致密点云集合包括的点数量较多，且点与点之间的间距较小。
如图2a所示，图2a中的四张图从左往右分别为随着扫描时长的累计，随机扫描型雷达在一个时刻扫描的点，即最左边的图所对应的扫描时长最短，最右边的图所对应的扫描时长最长。其中，白色区域为随机扫描型雷达扫描到的点所在区域，黑色区域为随机扫描型雷达未扫描到的区域。从如2a中可以看出，随着扫描时长的累计，扫描得到的点越来越致密，覆盖区域也越来越大。
可选的，本发明实施例为了获得致密点云集合，可以根据实际情况设置预设时长，例如预设时长为5秒。
由于线束型雷达进行固定角度的扫描，即线束型雷达只能扫描到固定位置，因此线束型雷达扫描得到的第一稀疏点云集合中的点不会随扫描时长累计而变得密集，即不存在时间累计效应。与致密点云相比，线束型雷达获得的第一稀疏点云集合包括的点数量较少，且点与点之间的间距较大。
如图2b所示，图2b中的4张图从左往右分别为随着扫描时长的累计，线束型雷达在一个时刻扫描的点，即最左边的图所对应的扫描时长最短，最右边的图所对应的扫描时长最长。其中，白色区域为线束型雷达扫描到的点所在区域，黑色区域为线束型雷达未扫描到的区域。从如2b中可以看出，由于线束型雷达的扫描方式为重复性扫描，具有固定的发射角度，使得随着扫描时长的累计，线束型雷达扫描的点覆盖区域不变。
可选的，可以获取第一线束型雷达单帧扫描得到的第一稀疏点云集合。其中，单帧扫描为一个扫描周期，例如一个扫描周期为线束型雷达以自身位置为旋转轴旋转扫描360°。
在本发明实施例中，第一场景与第二场景的重合区域包括的辅助标定物体可以是标定板。即随机扫描型雷达的扫描区域内包括标定板A，第一线束型雷达的扫描区域内也包括标定板A。
在此基础上，为了提高标定准确度，还可以设置第一场景和第二场景的重合区域的面积，分别占第一场景或第二场景面积的比例大于预设值。或者还可以设置其他的用于限定第一场景和第二场景的重合区域的条件。
可选的，为提高标定准确度，线束型雷达和随机扫描型雷达可以从同一时刻开始扫描。
步骤102，将第一稀疏点云集合中的每个点与致密点云集合中的点进行匹配，得到随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系。
一种实施方式中，可以利用最近点搜索法(Iterative Closest Point，ICP)，得到第一坐标转换关系。
为了得到更准确的第一坐标转换关系，第一场景和第二场景的重合区域可以包括多种形状的物体，例如包括杆状物和面状物等，面状物可以是标定板。
步骤103，确定随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系。
可选的，指定坐标系可以是相机坐标系、其他线束型雷达的坐标系或者世界坐标系等，本发明实施例对此不作具体限定。基于此，可以根据指定坐标系具体为何种坐标系，确定第二坐标转换关系的获取方式。
步骤104，基于第一坐标转换关系以及第二坐标转换关系，得到第一线束型雷达的坐标系与指定坐标系之间的第三坐标转换关系。
本发明实施例的技术方案至少可以带来以下有益效果：能够将第一线束型雷达扫描的第一稀疏点云集合中每个点与随机扫描型雷达扫描的致密点云集合中的点进行匹配，得到随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系。由于随机扫描型雷达在预设时长内扫描获取的点多且覆盖范围广，而且不需要从第一稀疏点云集合中提取标定点，而是直接匹配两个点云集合中的各点，使得第一稀疏点云集合中的每个点都与致密点云集合对应的点进行匹配，避免了从第一稀疏点云集合中提取标定点所带来的误差，提高了确定的随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系的准确度。由此也提高了基于第一坐标转换关系和随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，得到的第一线束型雷达的坐标系与指定坐标系之间的第三坐标转换关系的准确度。
在本发明实施例中，两个坐标系之间的坐标转换关系指的是：一个坐标系中的点坐标经过平移和旋转，能够得到该点在另一个坐标系中的坐标。因此两个坐标系之间的坐标转换关系包括平移参数和旋转参数。
参见图3，上述步骤102中，利用ICP算法，得到第一坐标转换关系的方式包括以下步骤。
步骤301，基于初始的平移参数和初始的旋转参数，对第一稀疏点云集合进行坐标变换，针对变换后的第一稀疏点云集合中的每个点，确定该点在致密点云集合中对应的点。
其中，该点在致密点云集合中对应的点为：致密点云集合中与该点距离最近的点。
步骤302，将变换后的第一稀疏点云集合中各点与在致密点云集合中对应的点之间的距离平均值最小时，第一稀疏点云集合对应的平移参数作为更新后的平移参数，并将此时第一稀疏点云集合对应的旋转参数作为更新后的旋转参数。
一种实施方式中，假设第一稀疏点云集合中的点为pi，pi在致密点云集合中对应点qi，求解对第一稀疏点云集合中的点施加何种刚体变换关系，能够使得||pi-qi||最小，该刚体变换关系包括平移参数和旋转参数。
即求解将第一稀疏点云集合中各点做出怎样的平移和旋转，能够使得第一稀疏点云集合中各点与在致密点云集合对应的点之间距离和最小。
步骤303，基于更新后的平移参数和旋转参数，对第一稀疏点云集合进行坐标变换，并计算第一稀疏点云集合中各点与在致密点云集合中对应的点之间的距离平均值。
在本发明实施例中，每次进行坐标变换时，都是基于迭代过程中获得的平移参数和旋转参数，对原本未经过坐标变换的第一稀疏点云集合进行坐标变换。
步骤304，若计算的距离平均值小于预设阈值，则确定第一坐标转换关系为当前的平移参数和旋转参数。
若变换后的第一稀疏点云集合中各点与在致密点云集合中对应的点之间的距离平均值小于预设阈值，则将当前迭代获得的平移参数和旋转参数作为第一线束型雷达的坐标系与随机扫描型雷达的坐标系之间的第一坐标转换关系。
步骤305，若计算的距离平均值不小于预设阈值，则基于当前的平移参数和旋转参数，对第一稀疏点云集合进行坐标变换，并重新确定变换后的第一稀疏点云集合中每个点在致密点云集合中对应的点，并返回步骤302。
本发明实施例的技术方案还可以带来以下有益效果：可以对第一稀疏点云集合中的各点匹配致密点云结合中距离最近的点，即对致密点云集合和第一稀疏点云集合进行整体匹配，避免了从点云集合中提取标定点带来的误差，进而提高了第一坐标转换关系的准确度。
在自动驾驶汽车上，经常需要同时使用线束型雷达和相机进行联合定位，例如线束型雷达的型号可以是Velodyne128。可以利用本发明实施例提供的标定方法，得到更准确的相机坐标系与线束型雷达坐标系之间的坐标转换关系。
基于此，指定坐标系可以是相机的坐标系，上述步骤103确定第二坐标转换关系的方式包括以下步骤一至步骤五。
步骤一，获取相机拍摄第三场景的照片。其中，第三场景与第一场景的重合区域包括辅助标定物体。在这种应用场景下，第一场景、第二场景和第三场景均为静态场景。
步骤二，从致密点云集合中筛选出辅助标定物体对应的点。
在本发明实施例中，辅助标定物体可以为标定板，辅助标定物体对应的点可以是随机扫描型雷达扫描标定板时获得的点。
一种实施方式中，筛选出辅助标定物体对应的点的方式包括步骤(1)至步骤(4)。
步骤(1)，根据致密点云集合中的各点在随机扫描型雷达的坐标系中的坐标，筛选出预设坐标范围内的点。
可选的，预设坐标范围包括：与随机扫描型雷达的水平距离范围、垂直距离范围和高度距离范围中的任意一种或多种范围。
由于已知标定板与随机扫描型雷达的预设坐标范围，可以过滤掉不属于预设坐标范围的点，保留预设坐标范围内的点。即过滤掉与随机扫描型雷达水平距离过远或过近的点、垂直距离过近或过远的点和/或高度距离过远或过近的点。
步骤(2)，从预设坐标范围内的点中，分割出第一场景中的各物体对应的点。
其中，为提高标定准确度，随机扫描型雷达扫描的第一场景内，除了包括辅助标定物体外，还可以包括其他物体。为了确定辅助标定物体，可以对致密点云集合中的点进行分割，得到每个物体对应的点，从而从多个物体中确定出辅助标定物体。
一种实施方式中，可以利用区域增长(region growing)算法，分割得到各物体对应的点。
步骤(3)，针对每个物体对应的点，根据该物体对应的点在随机扫描型雷达的坐标系中的坐标，确定该物体的尺寸是否属于预设尺寸范围。
可选的，由于已知标定板的尺寸范围，针对分割出的每个物体，可以根据该物体对应的各点在随机扫描型雷达的坐标系中的坐标，确定该物体的最小外切长方体，将最小外切长方体的尺寸作为该物体的尺寸。并过滤掉不属于预设尺寸范围的物体对应的点，保留属于预设尺寸范围的物体对应的点。即过滤掉尺寸过大或过小的物体对应的点。
步骤(4)，确定属于预设尺寸范围的物体为辅助标定物体，并获取辅助标定物体对应的点。
步骤三，确定筛选出的点中的指定标定点，并获取指定标定点在随机扫描型雷达的坐标系中的坐标。
可选的，指定标定点可以是标定板的角点在致密点云集合中对应的点，例如标定板的形状为矩形，标定板的角点为矩形的四个直角点，指定标定点为随机扫描型雷达扫描这四个直角点时获得的点。
基于此，一种实施方式中，确定指定标定点的方式包括：对筛选出的点进行平面拟合，得到拟合平面，将筛选出的点投影至拟合平面，根据投影后的点在拟合平面中的位置，确定指定标定点。
可选的，将筛选出的点投影至拟合平面后，可以根据投影后的点在拟合平面中的位置，确定筛选出的点中的边界点，然后对属于同一边缘的边界点进行直线拟合，获得拟合直线。再针对每个由四条拟合直线组成的矩形，获得该矩形的角点。当该矩形的角点满足预设角点条件时，确定该矩形的角点为指定标定点。
其中，预设角点条件包括：矩形的四个角点中，任意两个角点之间的距离为指定长度、指定宽度或者指定对角线长度。
步骤四，从照片中提取指定标定点在相机的坐标系中的坐标。
一种实施方式中，可以通过以下步骤a至步骤d提取指定标定点在相机的坐标系中的坐标。
步骤a，利用Canny边缘检测算子，获取照片中的边缘线。
步骤b，利用Hough变换方法，确定每条边缘线的拟合直线。
步骤c，针对每个由四条拟合直线组成的矩形，获得该矩形的角点。
步骤d，当该矩形的角点满足预设角点条件时，得到指定标定点。其中，预设角点条件包括：矩形的四个角点中，任意两个角点之间的距离为指定长度、指定宽度或者指定对角线长度。
可选的，为了提高标定的准确度，减小由于场景变换而导致的标定误差，随机扫描型雷达和相机可以在同一时刻开始扫描或拍摄，当从致密点云集合中提取指定标定点失败，和/或从照片中提取指定标定点失败时，可以重新获取致密点云集合和照片。
步骤五，基于指定标定点在随机扫描型雷达的坐标系中的坐标以及指定标定点在相机坐标系中的坐标，确定随机扫描型雷达的坐标系与相机的坐标系之间的第二坐标转换关系。
可选的，同一点在随机扫描型雷达的坐标系和相机的坐标系中具有如公式(1)所示的对应关系。
Figure BDA0002740371490000121
其中，Xc为相机坐标系中的点坐标，K为相机预设的内参矩阵，
Figure BDA0002740371490000122
为从随机扫描型雷达的坐标系到相机坐标系的旋转参数，
Figure BDA0002740371490000123
为从随机扫描型雷达的坐标系到相机坐标系的平移参数，Xl0为随机扫描型雷达的坐标系中的点坐标。
在本发明实施例中，可以利用多点透视(perspective-n-point，PNP)算法，求解上述公式(1)，得到
Figure BDA0002740371490000124
和
Figure BDA0002740371490000125
当指定坐标系为相机的坐标系时，同一点在相机坐标系中的坐标与该点在随机扫描型雷达的坐标系中的坐标之间的关系为公式(2)，同一点在随机扫描型雷达的坐标系中的坐标与该点在第一线束型雷达的坐标系中的坐标之间的关系为公式(3)。
在上述步骤104中，可以将公式(3)带入公式(2)，得到公式(4)。
Figure BDA0002740371490000131
Figure BDA0002740371490000132
Figure BDA0002740371490000133
其中，Xc为相机坐标系中的点坐标，Xl0为随机扫描型雷达的坐标系中的点坐标，Xl1为第一线束型雷达的坐标系中的点坐标，
Figure BDA0002740371490000134
为从随机扫描型雷达的坐标系到相机坐标系的旋转参数，
Figure BDA0002740371490000135
为从随机扫描型雷达的坐标系到相机坐标系的平移参数，
Figure BDA0002740371490000136
为从第一线束型雷达的坐标系到随机扫描型雷达的坐标系的旋转参数，
Figure BDA0002740371490000137
为从第一线束型雷达的坐标系到随机扫描型雷达的坐标系的平移参数。
由于公式(4)表示同一个点在相机的坐标系中的坐标与该点在第一线束型雷达的坐标系中的坐标之间的关系，即公式(4)相当于公式(5)。
Figure BDA0002740371490000138
其中，Xc为相机坐标系中的点坐标，Xl1为第一线束型雷达的坐标系中的点坐标，
Figure BDA0002740371490000139
为从第一线束型雷达的坐标系到相机的坐标系的旋转参数，
Figure BDA00027403714900001310
为从第一线束型雷达的坐标系到相机的坐标系的平移参数。
由于公式(4)相当于公式(5)，对比公式(4)和公式(5)可以得到：
Figure BDA00027403714900001311
即得到了从第一线束型雷达的坐标系到相机的坐标系的平移参数和旋转参数，即得到了第三坐标转换关系。
本发明实施例的技术方案还可以带来以下有益效果：本发明实施例中，相机和第一线束型雷达只需要分别与随机扫描型雷达进行标定，即可得到相机坐标系和第一线束型雷达坐标系之间的坐标转换关系，相当于实现了相机和第一线束型雷达的解耦，相机和第一线束型雷达的位置可以不需要满足标定所需的位置条件，减小了相机和第一线束型雷达的安装难度。
在自动驾驶汽车上，通常会在汽车的不同位置安装多个线束型雷达，利用多个线束型雷达共同定位。相关技术中，若安装在汽车上的不同的线束型雷达之间没有共视面，则不能进行标定。其中，两个设备没有共视面指的是两个设备可采集的场景中不存在重合区域。
而利用本发明实施例提供的基于随机扫描型雷达的标定方法，可以对没有共视面的两个线束型雷达进行标定。基于此，上述指定坐标系可以为第二线束型雷达的坐标系。为了标定第一线束型雷达和第二线束型雷达，在上述步骤103中，需要先获取第二线束型雷达扫描第三场景得到的第二稀疏点云集合，其中，第三场景与第一场景的重合区域包括辅助标定物体。然后将第二稀疏点云集合中的每个点与致密点云集合中的点进行匹配，得到随机扫描型雷达的坐标系与第二线束型雷达的坐标系之间的第二坐标转换关系。在这种应用场景下，第一场景、第二场景和第三场景均为静态场景。
在本发明实施例中，如图4所示，第一线束型雷达401扫描的第二场景A和第二线束型雷达402扫描的第三场景B之间没有重合区域，第二场景A和第三场景B分别与随机扫描型雷达403扫描的第一场景C存在重合区域。
一种实施方式中，可以利用ICP算法，匹配致密点云集合与第二稀疏点云集合中的点，得到第二坐标转换关系。具体步骤可参考上述步骤102中得到第一坐标转换关系的方式，此处不再赘述。
当指定坐标系为第二线束型雷达的坐标系时，同一点在第一线束型雷达的坐标系中的坐标与该点在随机扫描型雷达的坐标系中的坐标之间的关系为公式(6)，同一点在随机扫描型雷达的坐标系中的坐标与该点在第二线束型雷达的坐标系中的坐标之间的关系为公式(7)。
在上述步骤104中，可以将公式(7)带入公式(6)，得到公式(8)。
Figure BDA0002740371490000141
Figure BDA0002740371490000142
Figure BDA0002740371490000143
其中，l0为随机扫描型雷达的坐标系中的点坐标，Xl1为第一线束型雷达的坐标系中的点坐标，Xl2为第二线束型雷达的坐标系中的点坐标，
Figure BDA0002740371490000144
为从随机扫描型雷达的坐标系到第一线束型雷达的坐标系的旋转参数，
Figure BDA0002740371490000145
为从随机扫描型雷达的坐标系到第一线束型雷达的坐标系的平移参数，
Figure BDA0002740371490000146
为从第二线束型雷达的坐标系到随机扫描型雷达的坐标系的旋转参数，
Figure BDA0002740371490000147
为从第二线束型雷达的坐标系到随机扫描型雷达的坐标系的平移参数。
由于公式(8)表示同一个点在第一线束型雷达的坐标系中的坐标与该点在第二线束型雷达的坐标系中的坐标之间的关系，即公式(8)相当于公式(9)。
Figure BDA0002740371490000151
其中，Xl1为线束型雷达的坐标系中的点坐标，Xl2为第二线束型雷达的坐标系中的点坐标，
Figure BDA0002740371490000152
为从第二线束型雷达的坐标系到第一线束型雷达的坐标系的旋转参数，
Figure BDA0002740371490000153
为从第二线束型雷达的坐标系到第一线束型雷达的坐标系的平移参数。
由于公式(8)相当于公式(9)，对比公式(8)和公式(9)可以得到：
Figure BDA0002740371490000154
即得到了从第二线束型雷达的坐标系到第一线束型雷达的坐标系的平移参数和旋转参数，即得到了第三坐标转换关系。
本发明实施例的技术方案还可以带来以下有益效果：本发明实施例可以对两个没有共视面的设备进行标定，使得本发明实施例的应用范围更广。
在自动驾驶汽车上还可以安装惯性测量单元(Inertial Measurement Unit，IMU)，相关技术中，为了得到IMU与世界坐标系之间的关系，一般先标定线束型雷达与IMU，得到线束型雷达的坐标系与IMU的坐标系之间的坐标转换关系A，然后通过线束型雷达扫描的点，得到线束型雷达的坐标系和世界坐标系之间的坐标转换关系B，并基于坐标转换关系A和坐标转换关系B，得到IMU的坐标系与世界坐标系之间的坐标转换关系。
然而当汽车位于动态场景中，例如在停车场中，由于存在车辆的进场和离场，使得停车场场景是动态变换的，由于线束型雷达采集的点覆盖范围小，使得移动的物体对线束型雷达扫描的点准确度影响较大，造成得到的线束型雷达的坐标系和世界坐标系之间的坐标转换关系B不准确，进而基于坐标转换关系B得到的IMU的坐标系与世界坐标系之间的坐标转换关系不准确。
本发明实施例提供的标定方法还可以应用于动态场景中，提高IMU的坐标系与世界坐标系之间的坐标转换关系的准确度。在该应用场景下，第一场景和第二场景可以是动态的。
基于此，上述指定坐标系可以是世界坐标系。在本发明实施例中，以动态场景为停车场为例，随机扫描型雷达安装在停车场中，利用车用无线通信技术(vehicle to X，V2X)，在停车场内对随机扫描型雷达扫描的致密点云集合以及随机扫描型雷达与世界坐标系之间的第二坐标转换关系进行局域广播，驶入停车场的自动驾驶汽车上安装的第一线束型雷达扫描停车场得到第一稀疏点云集合，并通过V2X技术接收致密点云集合以及第二坐标转换关系，确定随机扫描型雷达和自动驾驶骑车上安装的第一线束型雷达之间的第一坐标转换关系。其中，第二坐标转换关系基于随机扫描型雷达的安装位置预先标定获得。
在上述步骤104中，得到第一坐标转换关系，即得到公式(10)，也得到了第二坐标转换关系，即得到公式(11)，可以将公式(10)带入公式(11)，得到公式(12)，即得到了第三坐标转换关系。
Figure BDA0002740371490000161
Figure BDA0002740371490000162
Figure BDA0002740371490000163
其中，Xg为世界坐标系中的点坐标，Xl0为随机扫描型雷达的坐标系中的点坐标，Xl1为第一线束型雷达的坐标系中的点坐标，
Figure BDA0002740371490000164
为从随机扫描型雷达的坐标系到世界坐标系的旋转参数，
Figure BDA0002740371490000165
为从随机扫描型雷达的坐标系到世界坐标系的平移参数，
Figure BDA0002740371490000166
为从第一线束型雷达的坐标系到随机扫描型雷达的坐标系的旋转参数，
Figure BDA0002740371490000167
为从第一线束型雷达的坐标系到随机扫描型雷达的坐标系的平移参数。
在上述步骤104之后，还可以获取第一线束型雷达的坐标系与预设测量设备的坐标系之间的第四坐标转换关系，然后基于第三坐标转换关系和第四坐标转换关系，得到预设测量设备的坐标系与世界坐标系之间的第五坐标转换关系。其中，预设测量设备可以是IMU。
可选的，第一线束型雷达的坐标系与预设测量设备的坐标系之间的第四坐标转换关系可以通过预先标定获得。公式(13)表示第四坐标转换关系，将公式(13)带入公式(12)得到公式(14)，即第五坐标转换关系。
Figure BDA0002740371490000168
Figure BDA0002740371490000171
其中，Xg为世界坐标系中的点坐标，Xl0为随机扫描型雷达的坐标系中的点坐标，Xl1为第一线束型雷达的坐标系中的点坐标，Xi为IMU的坐标系中的标定点坐标，
Figure BDA0002740371490000172
为从IMU的坐标系到第一线束型雷达的旋转参数，
Figure BDA0002740371490000173
为从IMU的坐标系到第一线束型雷达的坐标系的平移参数，
Figure BDA0002740371490000174
为从随机扫描型雷达的坐标系到世界坐标系的旋转参数，
Figure BDA0002740371490000175
为从第一线束型雷达的坐标系到随机扫描型雷达的坐标系的旋转参数，
Figure BDA0002740371490000176
为从IMU的坐标系到第一线束型雷达的坐标系的旋转参数，
Figure BDA0002740371490000177
为从随机扫描型雷达的坐标系到第一线束型雷达的坐标系的平移参数，
Figure BDA0002740371490000178
为从随机扫描型雷达的坐标系到世界坐标系的平移参数。
由于公式(14)表示同一个点在世界坐标系中的坐标与该点在IMU的坐标系中的坐标之间的关系，即公式(14)相当于公式(15)。
Figure BDA0002740371490000179
其中，Xg为世界坐标系中的点坐标，Xi为IMU的坐标系中的点坐标，
Figure BDA00027403714900001710
为从IMU的坐标系到世界坐标系的旋转参数，
Figure BDA00027403714900001711
为从IMU的坐标系到世界坐标系的平移参数。
由于公式(14)相当于公式(15)，对比公式(14)和公式(15)可以得到：
Figure BDA00027403714900001712
即得到了从IMU的坐标系到世界坐标系的平移参数和旋转参数，即得到了第五坐标转换关系。
获得第五坐标转换关系后，由于IMU的坐标原点为自身所在车辆的位置，即车辆位置为Xi＝[0 0 0]T，将Xi带入公式(15)即可得到该车辆在世界坐标系下的位置，完成车辆的定位。
本发明实施例的技术方案还可以带来以下有益效果：即使停车场内存在部分车辆的进场和离场，但停车场内大多数车辆的静止的，即随机扫描型雷达扫描的大多数点覆盖的是静态场景，且由于随机扫描型雷达扫描范围广且准确度高，所以部分移动的物体对随机扫描型雷达扫描的点准确度影响较小，致密点云中的大多数点是准确的。而且ICP匹配不需要提取标定点，使得随机扫描型雷达的坐标系与第一线束型雷达的坐标系之间的第一坐标转换关系准确度高。而且预先标定获得的随机扫描型雷达的坐标系和世界坐标系之间的第四坐标转换关系，以及第一线束型雷达的坐标系和IMU的坐标系之间的第二坐标转换关系具有较高的准确度，因此利用第一坐标转换关系、第四坐标转换关系以及第二坐标转换关系，得到的第五坐标转换关系的准确度高。
因此本发明实施例可以减少由于场景变化导致的IMU的坐标系与世界坐标系定位之间的转换关系不准确的问题。即本发明实施例提供的标定方法可以应用在变化的场景中，使得本发明实施例的应用范围更广。
从本发明实施例中可以看出，若相关技术中对线束型雷达和其他设备的标定不准确，可以将随机扫描型雷达作为标定的中间设备，与线束型雷达和其他设备进行分别标定，从而得到更准确的线束型雷达的坐标系和其他设备的坐标系之间的坐标转换关系。即本发明实例的应用场景不仅限于上述三种。
本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现上述方法实施例中的方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一基于随机扫描型雷达的标定方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一基于随机扫描型雷达的标定方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种基于随机扫描型雷达的标定方法，其特征在于，所述方法包括：
获取随机扫描型雷达预设时长内扫描第一场景进行时间积聚生成的致密点云集合，并获取第一线束型雷达扫描第二场景得到的第一稀疏点云集合，所述第一场景与所述第二场景的重合区域包括辅助标定物体；
将所述第一稀疏点云集合中的每个点与所述致密点云集合中的点进行匹配，得到所述随机扫描型雷达的坐标系与所述第一线束型雷达的坐标系之间的第一坐标转换关系；
确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系；
基于所述第一坐标转换关系以及所述第二坐标转换关系，得到所述第一线束型雷达的坐标系与所述指定坐标系之间的第三坐标转换关系。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一稀疏点云集合中的每个点与所述致密点云集合中的点进行匹配，得到所述随机扫描型雷达的坐标系与所述第一线束型雷达的坐标系之间的第一坐标转换关系，包括：
步骤一，基于预设的初始平移参数和初始旋转参数，对第一稀疏点云进行坐标变换，针对变换后的第一稀疏点云集合中的每个点，确定该点在所述致密点云集合中对应的点；该点在所述致密点云集合中对应的点为：所述致密点云集合中与该点距离最近的点；
步骤二，将变换后的第一稀疏点云集合中各点与在所述致密点云集合中对应的点之间的距离平均值最小时，第一稀疏点云集合对应的平移参数作为更新后的平移参数，并将此时第一稀疏点云集合对应的旋转参数作为更新后的旋转参数；
步骤三，基于更新后的平移参数和旋转参数，对第一稀疏点云集合进行坐标变换，并计算变换后的第一稀疏点云集合中各点与在所述致密点云集合中对应的点之间的距离平均值；
步骤四，若计算的距离平均值小于预设阈值，则确定所述第一坐标转换关系为当前的平移参数和旋转参数；
步骤五，若计算的距离平均值不小于所述预设阈值，则基于当前的平移参数和旋转参数，对第一稀疏点云集合进行坐标变换，并重新确定变换后的第一稀疏点云集合中每个点在所述致密点云集合中对应的点，并返回所述步骤二。
3.根据权利要求1所述的方法，其特征在于，所述指定坐标系为相机的坐标系；所述确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系包括：
获取所述相机拍摄第三场景的照片，所述第三场景与所述第一场景的重合区域包括辅助标定物体；
从所述致密点云集合中筛选出所述辅助标定物体对应的点；
确定筛选出的点中的指定标定点，并获取所述指定标定点在所述随机扫描型雷达的坐标系中的坐标；
从所述照片中提取指定标定点在相机的坐标系中的坐标；
基于所述指定标定点在所述随机扫描型雷达的坐标系中的坐标以及所述指定标定点在相机坐标系中的坐标，确定所述随机扫描型雷达的坐标系与所述相机的坐标系之间的第二坐标转换关系。
4.根据权利要求3所述的方法，其特征在于，所述从所述致密点云集合中筛选出所述辅助标定物体对应的点，包括：
根据所述致密点云集合中的各点在所述随机扫描型雷达的坐标系中的坐标，筛选出预设坐标范围内的点；
从所述预设坐标范围内的点中，分割出所述第一场景中的各物体对应的点；
针对每个物体对应的点，根据该物体对应的点在所述随机扫描型雷达的坐标系中的坐标，确定该物体的尺寸是否属于预设尺寸范围；
确定属于所述预设尺寸范围的物体为所述辅助标定物体，并获取所述辅助标定物体对应的点。
5.根据权利要求3或4所述的方法，其特征在于，所述确定筛选出的点中的指定标定点，包括：
对筛选出的点进行平面拟合，得到拟合平面；
将筛选出的点投影至所述拟合平面，根据投影后的点在所述拟合平面中的位置，确定所述指定标定点。
6.根据权利要求5所述的方法，其特征在于，所述根据投影后的点在所述拟合平面中的位置，确定所述指定标定点，包括：
根据投影后的点在所述拟合平面中的位置，确定筛选出的点中的边界点；
对属于同一边缘的边界点进行直线拟合，获得拟合直线；
针对每个由四条拟合直线组成的矩形，获得该矩形的角点；
当该矩形的角点满足预设角点条件时，确定该矩形的角点为所述指定标定点。
7.根据权利要求6所述的方法，其特征在于，所述预设角点条件包括：矩形的四个角点中，任意两个角点之间的距离为指定长度、指定宽度或者指定对角线长度。
8.根据权利要求1所述的方法，其特征在于，所述指定坐标系为第二线束型雷达的坐标系；所述确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，包括：
获取所述第二线束型雷达扫描第三场景得到的第二稀疏点云集合，所述第三场景与所述第一场景的重合区域包括辅助标定物体；
将所述第二稀疏点云集合中的每个点与所述致密点云集合中的点进行匹配，得到所述随机扫描型雷达的坐标系与所述第二线束型雷达的坐标系之间的第二坐标转换关系。
9.根据权利要求1所述的方法，其特征在于，所述指定坐标系为世界坐标系；
所述获取随机扫描型雷达预设时长内扫描第一场景进行时间积聚生成的致密点云集合，包括：
基于车用无线通信技术V2X，接收所述致密点云集合；
所述确定所述随机扫描型雷达的坐标系与指定坐标系之间的第二坐标转换关系，包括：
基于V2X，接收预先标定得到的所述第二坐标转换关系；
在所述基于所述第一坐标转换关系以及所述第二坐标转换关系，得到所述第一线束型雷达的坐标系与所述指定坐标系之间的第三坐标转换关系之后，所述方法还包括：
获取所述第一线束型雷达的坐标系与预设测量设备的坐标系之间的第四坐标转换关系；
基于所述第三坐标转换关系和所述第四坐标转换关系，得到所述预设测量设备的坐标系与所述世界坐标系之间的第五坐标转换关系。
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一项所述的方法步骤。
CN202011148337.9A 2020-10-23 2020-10-23 基于随机扫描型雷达的标定方法 Active CN112230241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011148337.9A CN112230241B (zh) 2020-10-23 2020-10-23 基于随机扫描型雷达的标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011148337.9A CN112230241B (zh) 2020-10-23 2020-10-23 基于随机扫描型雷达的标定方法

Publications (2)

Publication Number Publication Date
CN112230241A true CN112230241A (zh) 2021-01-15
CN112230241B CN112230241B (zh) 2021-07-20

Family

ID=74109280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011148337.9A Active CN112230241B (zh) 2020-10-23 2020-10-23 基于随机扫描型雷达的标定方法

Country Status (1)

Country Link
CN (1) CN112230241B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113268066A (zh) * 2021-07-19 2021-08-17 福勤智能科技（昆山）有限公司 一种检测目标物的方法、装置、计算机设备及存储介质
CN113436279A (zh) * 2021-07-23 2021-09-24 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置及设备
CN114047487A (zh) * 2021-11-05 2022-02-15 深圳市镭神智能系统有限公司 雷达和车体的外参标定方法、装置、电子设备和存储介质
WO2023040137A1 (zh) * 2021-09-16 2023-03-23 上海仙途智能科技有限公司 数据处理

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014068302A1 (en) * 2012-11-05 2014-05-08 The Chancellor Masters And Scholars Of The University Of Oxford Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus
US20170135655A1 (en) * 2014-08-08 2017-05-18 Carestream Health, Inc. Facial texture mapping to volume image
CN108020826A (zh) * 2017-10-26 2018-05-11 厦门大学 多线激光雷达与多路相机混合标定方法
CN109270534A (zh) * 2018-05-07 2019-01-25 西安交通大学 一种智能车激光传感器与相机在线标定方法
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
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
CN110031824A (zh) * 2019-04-12 2019-07-19 杭州飞步科技有限公司 激光雷达联合标定方法及装置
EP3550326A1 (en) * 2018-04-03 2019-10-09 Continental Automotive GmbH Calibration of a sensor arrangement
CN111366908A (zh) * 2020-04-22 2020-07-03 北京国电富通科技发展有限责任公司 一种激光雷达转台及其测量装置和测量方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014068302A1 (en) * 2012-11-05 2014-05-08 The Chancellor Masters And Scholars Of The University Of Oxford Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus
US20170135655A1 (en) * 2014-08-08 2017-05-18 Carestream Health, Inc. Facial texture mapping to volume image
CN108020826A (zh) * 2017-10-26 2018-05-11 厦门大学 多线激光雷达与多路相机混合标定方法
EP3550326A1 (en) * 2018-04-03 2019-10-09 Continental Automotive GmbH Calibration of a sensor arrangement
CN109270534A (zh) * 2018-05-07 2019-01-25 西安交通大学 一种智能车激光传感器与相机在线标定方法
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
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
CN110031824A (zh) * 2019-04-12 2019-07-19 杭州飞步科技有限公司 激光雷达联合标定方法及装置
CN111366908A (zh) * 2020-04-22 2020-07-03 北京国电富通科技发展有限责任公司 一种激光雷达转台及其测量装置和测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JAEHYEON KANG 等: "Automatic targetless camera–LIDAR calibration by aligning edge with Gaussian mixture model", 《JOURNAL OF FIELD ROBOTICS》 *
M. LAMINE TAZIR 等: "CICP: Cluster Iterative Closest Point for sparse-dense point cloud registration", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 *
康国华 等: "基于点云中心的激光雷达与相机联合标定方法研究", 《仪器仪表学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113268066A (zh) * 2021-07-19 2021-08-17 福勤智能科技（昆山）有限公司 一种检测目标物的方法、装置、计算机设备及存储介质
CN113436279A (zh) * 2021-07-23 2021-09-24 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置及设备
WO2023040137A1 (zh) * 2021-09-16 2023-03-23 上海仙途智能科技有限公司 数据处理
CN114047487A (zh) * 2021-11-05 2022-02-15 深圳市镭神智能系统有限公司 雷达和车体的外参标定方法、装置、电子设备和存储介质
CN114047487B (zh) * 2021-11-05 2022-07-26 深圳市镭神智能系统有限公司 雷达和车体的外参标定方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN112230241B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN112230241B (zh) 基于随机扫描型雷达的标定方法
CN112017205B (zh) 一种激光雷达和相机传感器空间位置自动标定方法及系统
CN111383279A (zh) 外参标定方法、装置及电子设备
CN113869268A (zh) 障碍物测距方法、装置、电子设备及可读介质
CN112927306B (zh) 拍摄装置的标定方法、装置及终端设备
CN112348902A (zh) 路端相机的安装偏差角标定方法、装置及系统
CN113421305A (zh) 目标检测方法、装置、系统、电子设备及存储介质
CN112036359B (zh) 一种车道线的拓扑信息获得方法、电子设备及存储介质
CN114067001B (zh) 车载相机角度标定方法、终端及存储介质
CN115376109B (zh) 障碍物检测方法、障碍物检测装置以及存储介质
CN112990151B (zh) 障碍物检测模块的精度检测方法和电子设备
CN114677410A (zh) 一种障碍物测距方法、移动机器人、设备及介质
CN111105465B (zh) 一种摄像装置校准方法、装置、系统电子设备及存储介质
CN111336938A (zh) 一种机器人及其物体距离检测方法和装置
CN116189116A (zh) 一种交通状态感知方法及系统
CN112927276B (zh) 图像配准方法、装置、电子设备及存储介质
CN115222900A (zh) 一种地面点高程确定方法、装置、设备及计算机程序产品
CN115810051A (zh) 一种内参校准方法、装置、电子设备及存储介质
CN111311690A (zh) 一种深度相机的标定方法、装置、终端及计算机存储介质
CN114943954B (zh) 一种车位检测方法、装置和系统
CN113820698B (zh) 障碍物测距方法、装置、电子设备及可读介质
CN113777618B (zh) 障碍物测距方法、装置、电子设备及可读介质
CN117152197B (zh) 一种跟踪对象的确定方法、系统及跟踪方法、系统
CN111369587B (zh) 一种跟踪方法及装置
CN115327532A (zh) 一种用于传感器数据融合的方法和系统

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
TR01 Transfer of patent right

Effective date of registration: 20220316

Address after: 430051 No. b1336, chuanggu startup area, taizihu cultural Digital Creative Industry Park, No. 18, Shenlong Avenue, Wuhan Economic and Technological Development Zone, Hubei Province

Patentee after: Yikatong (Hubei) Technology Co.,Ltd.

Address before: No.c101, chuanggu start up zone, taizihu cultural Digital Industrial Park, No.18 Shenlong Avenue, Wuhan Economic and Technological Development Zone, Hubei Province

Patentee before: HUBEI ECARX TECHNOLOGY Co.,Ltd.