CN112379352B - 一种激光雷达标定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种激光雷达标定方法、装置、设备及存储介质，该方法包括：获取激光雷达照射在标定体上的点云数据，标定体包含标定面、至少两个与标定面相交的非标定面，标定面与非标定面的交线相交并设置有目标点；将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据；依据第一目标点云数据与第二目标点云数据之间的相交关系，计算目标点在激光雷达的坐标系下的三维坐标。基于表征不同非标定面的第二目标点云数据与表征标定面的第一目标点云数据之间的相交关系，确定标定体在激光雷达坐标系下的三维空间坐标位置，计算出目标点在激光雷达坐标系中的三维坐标，不会引入拟合误差，能够提高标定精度，标定流程简单。

Description

一种激光雷达标定方法、装置、设备及存储介质

技术领域

本发明实施例涉及传感器标定技术，尤其涉及一种激光雷达标定方法、装置、设备及存储介质。

背景技术

随着无人驾驶技术的发展，车载激光雷达作为车载自动驾驶系统中常用的传感器，通常会将车载激光雷达采集的数据与其他传感器采集的数据进行融合，用于辅助自动驾驶系统的感知、决策、控制等等。

由于激光雷达与其他传感器各自的坐标系不同，激光雷达所采集的点云数据与其他传感器采集的数据无法直接进行融合，需要预先对传感器进行标定，比如将激光雷达与毫米波雷达进行标定、将激光雷达与惯性测量单元进行标定、将激光雷达与相机进行标定，等等。获取激光雷达的坐标系与其他传感器的坐标系之间的坐标转换关系，即旋转平移矩阵(位置变换矩阵)，也称传感器的标定外参。

以激光雷达与相机进行联合标定为例，在现有的关于激光雷达与相机的外参标定方法中，主要是基于普通相机标定板(张正友棋盘格或开源软件中的二维码标定板)进行标定的，或者，在具有不同反射强度的贴纸的标定板上进行标定。然而，上述方法由于点云的稀疏性，根据点云数据直接拟合往往会随着距离的变化误差较大，从而导致标定存在一定的误差。

发明内容

本发明提供一种激光雷达标定方法、装置、设备及存储介质，以解决现有标定技术中存在标定精度较低、对标定距离敏感的问题。

第一方面，本发明实施例提供了一种激光雷达标定方法，所述方法包括：

获取激光雷达照射在标定体上的点云数据，所述标定体包含标定面、至少两个与所述标定面相交的非标定面，所述标定面与所述非标定面的交线相交并设置有目标点；

将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

第二方面，本发明实施例还提供了一种激光雷达标定装置，所述装置包括：

数据获取模块，用于获取激光雷达照射在标定体上的点云数据，所述标定体包含标定面、至少两个与所述标定面相交的非标定面，所述标定面与所述非标定面的交线相交并设置有目标点；

点云数据分割模块，用于将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

三维坐标计算模块，用于依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

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；

存储装置，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标定方法。

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标定方法。

本发明通过获取激光雷达照射在标定体上的点云数据，其中，标定体包含标定面、至少两个与标定面相交的非标定面，标定面与非标定面的交线相交并设置有目标点，将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据，依据第一目标点云数据与第二目标点云数据之间的相交关系，计算目标点在激光雷达的坐标系下的三维坐标。基于标定体中标定面(包含用于定位的目标点)和与之相交的至少两个非标定面之间的相交关系，可以确定表征不同非标定面的第二目标点云数据与表征标定面的第一目标点云数据之间在三维空间中的相交关系，进一步可以确定标定体在激光雷达坐标系下的三维空间坐标位置，即能计算出目标点在激光雷达的坐标系下的三维坐标。避免现有激光雷达标定方法(使用棋盘格或二维码标定板标定)中存在对标定板所平行的两条边拟合不准确的情况，无需单独对表征标定板边缘的点云数据进行直线拟合，不会引入拟合误差，能够准确的确定标定面中的目标点在激光雷达坐标系中的三维坐标，可以降低激光雷达的标定误差，提高标定精度，且上述技术方案实现简单，对标定体的摆放位置要求不高，标定流程简单，普适性强，易于操作。

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标定方法的流程图；

图3A为本发明实施例二提供的一种激光雷达标定方法的流程图；

图3B为本发明实施例二提供的一种标定体的结构示意图；

图3C为本发明实施例二提供的一种标定体的结构示意图；

图3D为本发明实施例二提供的如图3B所示标定体的剖视图；

图4为本发明实施例三提供的一种激光雷达标定装置的结构示意图；

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)的过程即为各个传感器联合标定的过程。通过标定即可将所有传感器采集到的感知数据统一到同一个坐标系下，从而对多传感器检测信息进行融合，辅助车载自动驾驶系统中的感知、规划、决策、控制等功能。

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相机之间的测量值，需要对激光雷达与相机进行联合标定，获得激光雷达相对于相机的位姿数据，作为外参。

参见图1，示出了可以应用本发明实施例中激光雷达标定方法、激光雷达标定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。

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，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。

需要说明的是，本发明实施例所提供的激光雷达标定方法可以由驾驶控制设备101执行，相应地，激光雷达标定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。

本发明所提出的激光雷达标定方法是通过获取由多个平面所组成的标定体的初始点云数据，其中，选定一个平面为用于定位参考的标定面，保证至少两个非标定面与标定面相交且交线存在交点，标定面内设计有固定位置的目标点，对获取的初始点云数据提取表征不同平面的目标点云数据，对表征不同平面的目标点云数据进行平面拟合，基于不同平面之间的相交关系，可以得到表征标定面边沿(交线)的目标点云数据，由于两两平面相交可以确定一相交线，只要平面拟合准确，则根据两两平面方程所计算得到的交线必然精准，再由于两两相交直线可以确定一交点，根据表征标定面边沿线的目标点云数据确定交点(标定面顶点)在激光雷达坐标系下的三维空间坐标，从而确定标定面与激光雷达坐标系的坐标映射关系，进一步构建标定面中的目标点与点云数据之间的三维关系，以此构建相机与激光雷达之间的坐标转换关系，得到激光雷达与相机进行联合标定的外参。

实施例一

图2为本发明实施例一提供的一种激光雷达标定方法的流程图，本实施例可适用于对激光雷达传感器与相机进行标定的情况，该方法可以由激光雷达标定装置来执行，该标定装置可以由软件和/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、获取激光雷达照射在标定体上的点云数据。

在本实施例中，标定体包含至少三个平面，一个平面为标定面，至少两个平面为非标定面，标定面中设置有用于定位参考的目标点，标定体中存在至少两个非标定面与标定面相交，且非标定面与标定面的交线相交。

其中，点云数据是指激光雷达发出的信号照射到物体表面时，物体所反射的携带方位、距离等信息的反射信号，点云数据中包括物体反射表面多个点在激光雷达坐标系下的三维位置信息和与物体材质相关的多个点的反射强度信息。

在本实施例中，激光雷达作为车载传感器，可以安装在车辆的任意位置，将标定体摆放在满足激光雷达能够照射到标定面和至少两个与标定面相交的非标定面的位置，且非标定面与标定面的交线相交，获取激光雷达照射在标定体上的点云数据，该点云数据包括激光雷达照射到标定面上的点云数据和照射到非标定面上的点云数据。

需要说明的是，至少两个非标定面与标定面相交，若这两个非标定面相邻，则非标定面与标定面相交于至少两条交线，这两条交线必然相交，存在交点；若这两个非标定面不相邻，则其各自与标定面的交线所在直线应满足相交关系，即标定体中存在至少两个非标定面与标定面相交于至少两条交线，其中一条交线所在的直线与另一条交线所在的直线相交。

S102、将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据。

在本实施例中，可以通过点云聚类、点云特征提取、计算点云的几何关系、比较点云的反射强度等方式，从激光雷达采集到的点云数据中提取表示标定面的点云数据，作为第一目标点云数据，提取表示非标定面的点云数据，作为第二目标点云数据。本发明实施例对从点云数据中提取、分割第一目标点云数据和第二目标点云数据的具体方式不作限定。

需要说明的是，由于标定体包括至少两个与标定面相交的非标定面，因此会分割得到多个第二目标点云数据，不同的第二目标点云数据对应不同的非标定面，本实施例中分割得到的第二目标点云数据是已经与各个非标定面确定对应匹配关系的不同的第二目标点云数据。

对于本发明而言，将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据，使得激光雷达坐标系中的第一目标点云数据与第二目标点云数据与标定体中的标定面、非标定面分别确认对应关系，进而根据标定面与非标定面在标定体中的相交关系，可以确定表征标定面的第一目标点云数据与表征非标定面的第二目标点云数据之间的相交关系，基于这个相交关系可以进一步确定标定体在激光雷达坐标系中的三维空间位置。

在本实施例的一个示例中，以比较点云反射强度的方式获取第一目标点云数据和第二目标点云数据，具体步骤如下：

确定激光雷达照射在标定体上的反射强度，基于反射强度将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据。

在本示例中，标定体在设计时所采用的非标定面和标定面的材质均不同，非标定面相互之间的材质不同，标定面的材质与任一非标定面的材质均不相同，不同材质对应不同数值区间的反射强度。因此，激光雷达照射在标定体上所获取的点云数据的反射强度不同，可以依据不同的反射强度对表征标定面的点云数据和表征非标定面的点云数据进行区分。

具体的，获取激光雷达照射在标定体上的点云数据的反射强度，计算标定面的材质与点云数据的反射强度对应的第一数值关系，该第一数值关系为标定面的材质与反射强度之间的匹配关系，按照第一数值关系从点云数据中划分出与标定面相对应的点云数据，作为第一目标点云数据；计算非标定面的材质与点云数据的反射强度对应的第二数值关系，该第二数值关系为非标定面的材质与反射强度之间的匹配关系，按照第二数值关系从点云数据中划分出与非标定面相对应的点云数据，作为第二目标点云数据。

例如，若标定面的材质为金属，该金属对应的反射强度的数值区间为[a1,a2]，可以从获取到的点云数据中查询反射强度在该数值区间中的点云数据，从而确定点云数据的反射强度与标定面材质的匹配关系，作为第一数值关系；若非标定面的材质为黑色胶带，其对应的反射强度的数值区间为[b1,b2]，可以从获取到的点云数据中查询反射强度在该数值区间中的点云数据，从而确定点云数据的反射强度与非标定面材质的匹配关系，作为第二数值关系。基于第一数值关系和第二数值关系，即可将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据。

需要说明的是，由于存在多个非标定面，标定体在设计时采用不同的材质制作各个非标定面，使得各个非标定面与点云数据的反射强度都能确定唯一对应的第二数值关系，基于多个不同的第二数值关系，即能从点云数据中划分出与不同的非标定面所对应的第二目标点云数据。

在本实施例的另一个示例中，以计算点云几何关系的方式获取第一目标点云数据和第二目标点云数据，具体步骤如下：

确定标定体中标定面与非标定面之间的第一夹角，基于第一夹角将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据。

在本示例中，标定体在设计时可以使得标定面与其相邻的非标定面均相交，且该标定面与任一非标定面之间的夹角均不同。由于标定面与非标定面之间的夹角不同，根据不同的夹角大小则可以确定各个非标定面之间的区别，进一步可以对多个第二目标点云数据进行区分，确定表征不同的非标定面的第二目标点云数据。例如，非标定面A与标定面M之间的夹角为α，非标定面B与标定面M之间的夹角为β，非标定面C与标定面M之间的夹角为γ，α、β、γ这三个夹角均不相同，则通过计算多个第二目标点云数据与同一第一目标点云数据之间的夹角，按照夹角α、β、γ之间的区别即能确定第二目标点云数据分别表征的不同非标定面。

具体的，获取标定体的设计参数，从设计参数中确定标定面与各个非标定面之间的第一夹角，对激光雷达照射在标定体上所采集到的点云数据进行多次平面拟合，得到表示非标定面和标定面的多个点云数据，均作为目标参考点云数据；由于初始获取的点云数据是无序且杂乱的，通过拟合只能将初始获取的点云数据分割为表征一个个平面的多个点云数据(即目标参考点云数据)，为了进一步对拟合后得到的目标参考点云数据进行区分，计算目标参考点云数据相互之间的第二夹角，记录不同目标参考点云数据相互之间的第二夹角，在第二夹角中分别查找与每个第一夹角匹配的目标参考点云数据，得到表示不同非标定面的第二目标点云数据；从目标参考点云数据中剔除所有的第二目标点云数据，得到表示标定面的第一目标点云数据。其中，对点云数据进行平面点云拟合的方式有很多，比如随机采样一致性算法、对点云的法向量进行聚类，等等，本发明实施例对拟合的方式不作限定。

在本示例中，具体的实现方式还可以是：在拟合获取到多个目标参考点云数据之后，获取标定面实际边长的数值大小，基于该数值大小对目标参考点云数据映射在平面坐标系下的数值范围进行筛选，从而优先从多个目标参考点云数据中确定出表示标定面的第一目标点云数据，从目标参考点云数据中剔除第一目标点云数据，再分别计算剩余的多个目标参考点云数据与第一目标点云数据之间的第二夹角，在第二夹角中分别查找与每个第一夹角匹配的目标参考点云数据，得到表示不同非标定面的第二目标点云数据。

上述两个示例都可以单独作为将点云数据分割成第一目标点云数据和第二目标点云数据的一种具体实现方式，也可以结合在一起使用，基于上述两个示例，在本实施例的又一个示例中，具体步骤如下：

在本示例中，若标定体中的标定面的材质与其他非标定面的材质不同，但非标定面之间的材质相同，标定面与各个相交的非标定面之间的第一夹角均不同。此时，确定激光雷达照射在标定体上的反射强度，基于反射强度从点云数据中分割出表示标定面的第一目标点云数据，确定标定体中标定面与非标定面之间的第一夹角，基于第一夹角将剩余的点云数据分割成表示不同非标定面的第二目标点云数据。

需要说明的是，上述示例均为优选的示例，其操作简单，可用性高，可扩展性强，同时，本实施例中基于标定体获取到的表征平面的目标点云数据的数据量大、在拟合获取平面信息时所产生的偏差可以忽略不计，在后续方案步骤中，该拟合偏差也不会影响标定的精度。本发明实施例对将点云数据分割表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据的实现方式不作限定。

S103、依据第一目标点云数据与第二目标点云数据之间的相交关系，计算目标点在激光雷达的坐标系下的三维坐标。

在本实施例中，由于第一目标点云数据表征标定面，第二目标点云数据表征与标定面相交的非标定面，依据第一目标点云数据与第二目标点云数据之间的相交关系，则可以确定标定面与各个非标定面之间的相交线在三维空间中所对应的直线方程，同时，标定面与非标定面的交线相交存在交点，对直线方程求取交点即可定位标定体中的标定面在激光雷达坐标系中的空间位置坐标，进一步能确定标定面的二维平面与三维空间中的第一目标点云数据之间的第一映射关系，在这个第一映射关系下能够计算出目标点在激光雷达的坐标系下的三维坐标。

在本实施例中，S103具体包括如下步骤：

S1031、确定第一目标点云数据拟合时的平面方程，作为表示标定面的第一平面方程。

在本实施例中，可以对第一目标点云数据中每个点提取几何特征，计算每个点的法向量，对法向量进行筛选后确定表征标定面的平面点的目标法向量范围，对在目标法向量范围内的法向量进行聚类，得到目标法向量，根据平面方程计算公式，求解得到目标法向量所对应的第一平面方程。

S1032、确定第二目标点云数据拟合时的平面方程，作为表示非标定面的第二平面方程。

在本实施例中，可以通过随机采样一致性算法确定第二目标点云数据拟合时的平面方程，作为表示非标定面的第二平面方程。本实施例对第一目标点云数据、第二目标点云数据分别拟合得到平面方程的具体方式不作限定。

S1033、对第一平面方程与第二平面方程联立求解，得到表示标定面与非标定面相交的至少两个直线方程。

在本实施例中，对第一平面方程与每个第二平面方程联立求解，得到表征标定面与每个非标定面相交的交线所在直线的直线方程，该直线方程为空间直线方程，对所有第二平面方程求解非标定面与标定面相交线所在直线的空间直线方程，得到表示标定面与非标定面相交的至少两个直线方程。其中，非标定面与标定面的每条相交线即为标定面的边界线，由于标定体中存在至少两个非标定面与标定面的交线相交，则求解得到的全部直线方程中至少存在两个表示交线所在直线相交、存在交点的直线方程。

S1034、基于直线方程，计算目标点在激光雷达的坐标系下的三维坐标。

在本实施例中，标定面包括顶点，顶点为标定面中相交的两条边界线的交点，顶点的数量取决于标定面的具体形状，例如，若标定面为三角形，则该标定面包括三个顶点；若标定面为矩形，则该标定面包括四个顶点；若标定面为五边形，则该标定面包括五个顶点；本发明实施例对标定面的具体形状和顶点个数不作限定，但需要说明的是，非标定面的数量至少与构成标定面的边的数量相同，且相邻的非标定面之间相交。

在具体实现中，可以通过获取标定体的设计图纸确定顶点在标定面的坐标系下的二维坐标，或者，确定标定面在标定体中的平面坐标系，例如，可以选取任意一个顶点为原点建立标定面的二维坐标系，计算标定面的各个顶点在平面坐标系下的二维坐标，若以某个顶点为原点，则其他顶点距离原点的坐标位置可以基于构成标定面的各个边长的数值确定，标定面的边长信息可以由标定体的设计图纸确定，进而获取顶点在标定面的坐标系下的二维坐标；确定顶点在直线方程中的坐标，得到顶点在激光雷达的坐标系下的三维坐标；计算顶点的三维坐标与顶点的二维坐标之间的坐标转换关系，作为第一映射关系；基于第一映射关系计算目标点在激光雷达的坐标系下的三维坐标。

在本实施例的一个具体示例中，可以通过如下具体方式确定顶点在直线方程中的坐标，得到顶点在激光雷达的坐标系下的三维坐标：从直线方程中筛选出表示标定面与非标定面的交线所在直线相交的直线方程，作为目标直线方程，求解目标直线方程之间的交点，得到顶点在激光雷达的坐标系下的三维坐标。

在本示例中，筛选得到至少两个目标直线方程，多个目标直线方程构成目标直线集合，该集合均由可构成相交关系、存在交点的目标直线方程组合，存在相交关系的两个目标直线方程必然可以求解得到一个交点，若存在交点的两个目标直线方程表征的是相邻的两个非标定面与标定面之间的交线在激光雷达坐标系下的空间位置，则这两个目标直线方程求解得到的交点即为标定面的顶点在激光雷达的坐标系下的三维坐标；若标定体中的非标定面与标定面的交线不相邻、且交线不会相接形成标定面的顶点、但交线所在直线的延长线存在交点，由于标定面的顶点位于交线中，则顶点在激光雷达的坐标系下的位置也应满足表征非标定面与标定面的交线所在直线的目标直线方程，因此，根据求解目标直线的交点的空间坐标，结合标定面的边长设计信息，也可以进一步解算出标定面的顶点在该目标直线中的空间坐标，得到顶点在激光雷达的坐标系下的三维坐标。

在一个具体示例中，基于第一映射关系计算目标点在激光雷达的坐标系下的三维坐标的具体实现方式如下：确定目标点在标定面中距离顶点的位置关系，基于位置关系，计算目标点在标定面的平面坐标系下的二维坐标，或者，获取标定面在标定体中的设计图纸信息，通过图纸中给出的设计参数，确定目标点在标定面的坐标系下的二维坐标，将目标点的二维坐标按照第一映射关系进行坐标转换，得到目标点在激光雷达的坐标系下的三维坐标，作为目标点在激光雷达的坐标系下的三维坐标。

本实施例的技术方案，通过获取激光雷达照射在标定体上的点云数据，其中，标定体包含标定面、至少两个与标定面相交的非标定面，标定面与非标定面的交线相交并设置有目标点，将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据，依据第一目标点云数据与第二目标点云数据之间的相交关系，计算目标点在激光雷达的坐标系下的三维坐标。其工作原理在于：基于标定体中标定面(包含用于定位的目标点)和与之相交的至少两个非标定面之间的相交关系，可以确定表征不同非标定面的第二目标点云数据与表征标定面的第一目标点云数据之间在三维空间中的相交关系，即能够得到各个表征非标定面的第二目标点云数据与第一目标点云数据之间表征相交线的空间直线方程，通过空间直线方程可以求解得到标定面的顶点在激光雷达坐标系下的三维坐标位置，在标定体设计时已有顶点在标定面上的二维坐标位置的先验信息，基于顶点的三维坐标位置与二维坐标位置的对应关系，可以求解得到标定面的二维空间位置与激光雷达坐标系之间的坐标转换关系，进而计算得到目标点在激光雷达的坐标系下的三维坐标。上述技术方案可以避免现有激光雷达标定方法(使用棋盘格或二维码标定板标定)中存在对标定板所平行的两条边拟合不准确的情况，无需单独对表征标定板边缘的点云数据进行直线拟合，不会引入拟合误差，能够准确的确定标定面中的目标点在激光雷达坐标系中的三维坐标，可以降低激光雷达的标定误差，提高标定精度，且上述技术方案实现简单，对标定体的摆放位置要求不高，对标定距离没有限制，标定流程简单，普适性强，易于操作。

实施例二

图3A为本发明实施例二提供的一种激光雷达标定方法的流程图，本实施例以前述实施例为基础，以激光雷达与相机进行联合标定为例来进一步阐述该标定方法，该方法具体包括如下步骤：

S201、获取激光雷达照射在标定体上的点云数据。

其中，标定体包含标定面、至少两个与该标定面相交的非标定面，标定面与非标定面的交线相交并设置有目标点。

在本实施例中，图3B和图3C均为标定体的两个具体示例，本发明对标定体中标定面的形状、非标定面的形状均不作限定，对标定面中的目标点也不作限定。

S202、从点云数据中提取表征标定面的点云数据和表征非标定面的点云数据，分别得到第一目标点云数据和第二目标点云数据。

在本实施例的一个示例中，如图3B所示，标定体甲由A、B、C、D四个非标定面和1个标定面311构成，每个非标定面与标定面311相交且相邻，相邻的两个非标定面相交，标定面311为矩形，标定面311中包括多个图像标识，该图像标识为二维码，每个二维码的图案均不相同，二维码的四个角点即为标定面中用于定位的目标点。

其中，标定体甲的四个非标定面的材质与标定面311的材质均相同，即激光雷达照射在非标定面、标定面311上所获得的反射强度相同，但非标定面A、B、C、D分别和标定面311的夹角各不相同，定义非标定面A与标定面311的夹角为角A，非标定面B与标定面311的夹角为角B，非标定面C与标定面311的夹角为角C，非标定面D与标定面311的夹角为角D。如图3D所示，图3D为图3B中的标定体甲沿MM’方向进行剖切得到的剖视图，图3D展示了非标定面B与标定面311的夹角312，非标定面D与标定面311的夹角313。

在本示例中，确定标定体甲中标定面311与非标定面之间的第一夹角(角A、角B、角C、角D)，基于第一夹角将点云数据分割成表示标定面311的第一目标点云数据和表示非标定面的第二目标点云数据。

在本实施例的另一个示例中，如图3C所示，标定体乙由E、F、G、H四个非标定面和1个标定面构成，每个非标定面与标定面相交且相邻，相邻的两个非标定面相交，标定面为矩形，标定面中包括多个图像标识，该图像标识为二维码，每个二维码的图案均不相同，每个二维码的四个角点即为标定面中用于定位的目标点。

其中，标定体乙的四个非标定面相互之间的材质不同，标定面的材质与任一非标定面的材质均不相同，即激光雷达照射在非标定面、标定面上所获得的反射强度均不同，非标定面E、F、G、H分别和标定面的夹角均相同。

在本示例中，确定激光雷达照射在标定体乙上的反射强度，基于反射强度将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据。

S203、基于第一目标点云数据和第二目标点云数据之间的相交关系，计算目标点在激光雷达坐标系下的三维坐标。

S204、获取相机对标定体拍摄的图像数据。

在本实施例中，图像数据是指用数值表示的各个像素的灰度值的集合。

其中，相机作为车载传感器，可以安装在车辆的任意位置，将标定体摆放在相机能够拍摄到标定面的位置，获取相机对标定体拍摄的图像数据，该图像数据中包括用于定位参考的目标点的像素信息。

S205、计算目标点在图像数据中的像素坐标，作为目标像素坐标。

在本实施例中，可以通过目标识别算法、特征提取算法、像素遍历等图像处理方法，从图像数据中识别出目标点，并计算目标点在图像数据中的像素坐标，作为目标像素坐标。目标像素坐标即目标点在像素坐标系下的二维坐标，可表示为p_i＝(u,v)。

S206、构建目标点的三维坐标与目标像素坐标之间的第二映射关系，得到激光雷达相对于相机的外参。

在本实施例中，S206具体包括如下步骤：

S2061、将目标点的三维坐标转换到相机的坐标系下，得到目标点在相机的坐标系下的三维坐标，作为目标点的相机坐标。

S2061、构建目标点的相机坐标与目标像素坐标之间的反投影函数关系，作为第二映射关系。

在本实施例的一个具体的示例中，获取相机的内参和畸变参数；确定由内参组成的内参矩阵；采用畸变参数对目标点的相机坐标进行校正，得到目标点的校正坐标；将目标点的校正坐标经内参矩阵转换后与目标像素坐标对应，以构建目标点的相机坐标与目标像素坐标之间的反投影函数关系，作为第二映射关系。

在本示例中，定义目标点的相机坐标P_C为(X_C,Y_C,Z_C),目标点的目标像素坐标的齐次坐标为(u，v，1)，以针孔相机模型为例，构建目标点的相机坐标与目标点的目标像素坐标之间的反投影函数关系，如下公式所示：

其中，相机的内参为f_x，f_y，c_x，c_y，内参矩阵为

需要说明的是，上述公式中所用到的相机坐标P_C在归一化平面坐标系中的坐标

是默认已经经过校正计算后的坐标。

在本示例中，可以通过五个畸变参数k₁，k₂，k₃，p₁，p₂，对目标点的相机坐标在归一化平面上的平面坐标(x，y，1)进行校正，得到目标点在图像坐标系下的校正坐标(x_corrected，y_corrected，1)，校正公式如下所示：

S2061、基于第二映射关系，计算激光雷达相对于相机的外参。

在具体实现中，计算目标点的相机坐标在第二映射关系下转换得到的二维坐标，作为目标点的参考坐标；对每个目标点，计算目标像素坐标与参考像素坐标之间的偏差；对偏差的模值求和，得到全部目标点的总体偏差；对总体偏差求取最小值，得到激光雷达相对于相机的旋转矩阵和平移向量，作为激光雷达相对于相机的外参。

在本实施例中，可以依据目标点在激光雷达坐标系下的三维坐标P_i＝(X_L，Y_L，Z_L)与目标点在像素坐标系下的二维坐标p_i＝(u，v)之间的第二映射关系，根据如下代价函数(即构造全部可观测到的目标点在相机坐标系中的反投射残差平方和)，得到激光雷达相对于相机的外参(旋转平移矩阵)，包括旋转矩阵R和平移向量t，具体可见如下公式：

其中，n表示目标点的个数，f()表示第二映射关系，具体表示为使用相机内参和畸变参数将目标点在相机坐标系下的三维坐标(即目标点的相机坐标)反投影到相机像素坐标系u-v平面的函数，使用已知的开源技术Ceres或g2o等非线性求解优化工具，即可完成对上述代价函数的优化，并求解出R和t。

一般情况下，可以从不同照射角度获取激光雷达和相机对本发明标定体采样的点云数据、图形数据，例如，可以将多次获取到的标定体的点云数据和图像数据经过本发明技术方案处理后、均放入上述代价函数中，构建具有更丰富目标点数量的代价函数(即n的取值会很大)，以此求得更为精确的外参。

实施例三

图4为本发明实施例三提供的一种激光雷达标定装置的结构示意图，该装置具体可以包括如下模块：

数据获取模块401，用于获取激光雷达照射在标定体上的点云数据，所述标定体包含标定面、至少两个与所述标定面相交的非标定面，所述标定面与所述非标定面的交线相交并设置有目标点；

点云数据分割模块402，用于将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

三维坐标计算模块403，用于依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

在本发明的一个实施例中，所述点云数据分割模块402包括：

反射强度确定子模块，用于确定所述激光雷达照射在所述标定体上的反射强度；

第一分割子模块，用于基于所述反射强度将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

和/或，

夹角确定子模块，用于确定所述标定体中所述标定面与所述非标定面之间的第一夹角；

第二分割子模块，用于基于所述第一夹角将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据。

在本发明的一个实施例中，所述非标定面相互之间的材质不同，所述标定面的材质与任一所述非标定面的材质均不相同；所述第一分割子模块包括：

第一数值关系计算单元，用于计算所述标定面的所述材质与所述反射强度对应的第一数值关系；

第一数值划分单元，用于按照所述第一数值关系从所述点云数据中划分出与所述标定面相对应的点云数据，作为第一目标点云数据；

第二数值关系计算单元，用于计算所述非标定面的所述材质与所述反射强度对应的第二数值关系；

第二数值划分单元，用于按照所述第二数值关系从所述点云数据中划分出与所述非标定面相对应的点云数据，作为第二目标点云数据。

在本发明的一个实施例中，所述标定面与任一所述非标定面之间的夹角均不同；所述第二分割子模块包括：

目标参考点云数据确定单元，用于对所述点云数据进行平面拟合，得到表示所述非标定面和所述标定面的点云数据，作为目标参考点云数据；

夹角计算单元，用于计算所述目标参考点云数据相互之间的第二夹角；

夹角匹配单元，用于在所述第二夹角中查找与所述第一夹角匹配的所述目标参考点云数据，得到表示不同所述非标定面的第二目标点云数据；

点云数据确定单元，用于从所述目标参考点云数据中剔除所述第二目标点云数据，得到表示所述标定面的第一目标点云数据。

在本发明的一个实施例中，所述三维坐标计算模块403包括：

第一平面方程确定子模块，用于确定所述第一目标点云数据拟合时的平面方程，作为表示所述标定面的第一平面方程；

第二平面方程确定子模块，用于确定所述第二目标点云数据拟合时的平面方程，作为表示所述非标定面的第二平面方程；

直线方程计算子模块，用于对所述第一平面方程与所述第二平面方程联立求解，得到表示所述标定面与所述非标定面相交的至少两个直线方程；

目标点计算子模块，用于基于所述直线方程，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

在本发明的一个实施例中，所述标定面包括顶点，所述顶点为所述标定面与所述非标定面的交线相交的交点；所述目标点计算子模块包括：

顶点二维坐标确定单元，用于获取所述顶点在所述标定面的坐标系下的二维坐标；

顶点三维坐标确定单元，用于确定所述顶点在所述直线方程中的坐标，得到所述顶点在所述激光雷达的坐标系下的三维坐标；

第一映射关系确定单元，用于计算所述顶点的所述三维坐标与所述顶点的所述二维坐标之间的坐标转换关系，作为第一映射关系；

目标点三维坐标计算单元，用于基于所述第一映射关系计算所述目标点在所述激光雷达的坐标系下的三维坐标。

在本发明的一个实施例中，所述顶点三维坐标确定单元包括：

目标直线方程确定子单元，用于从所述直线方程中筛选出表示所述标定面与所述非标定面的交线相交的直线方程，作为目标直线方程；

顶点三维坐标确定子单元，用于求解所述目标直线方程之间的交点，得到所述顶点在所述激光雷达的坐标系下的三维坐标。

在本发明的一个实施例中，所述目标点三维坐标计算单元包括：

目标点二维坐标确定子单元，用于确定所述目标点在所述标定面的坐标系下的二维坐标；

目标点三维坐标确定子单元，将所述目标点的所述二维坐标按照所述第一映射关系进行坐标转换，得到所述目标点在所述激光雷达的坐标系下的三维坐标。

在本实施例中，该装置还包括：

图像数据获取模块，用于获取相机对所述标定体拍摄的图像数据；

二维坐标计算模块，用于计算所述目标点在所述图像数据中的像素坐标，作为目标像素坐标；

外参计算模块，用于构建所述目标点的所述三维坐标与所述目标像素坐标之间的第二映射关系，得到所述激光雷达相对于所述相机的外参。

在本发明的一个实施例中，所述外参计算模块包括：

目标点的相机坐标获取子模块，用于将所述目标点的所述三维坐标转换到所述相机的坐标系下，得到所述目标点在所述相机的坐标系下的三维坐标，作为所述目标点的相机坐标；

第二映射关系确定子模块，用于构建所述目标点的所述相机坐标与所述目标像素坐标之间的反投影函数关系，作为第二映射关系；

外参计算子模块，用于基于所述第二映射关系，计算所述激光雷达相对于所述相机的外参。

在本发明的一个实施例中，所述第二映射关系确定子模块包括：

相机参数获取单元，用于获取所述相机的内参和畸变参数；

内参矩阵确定单元，用于确定由所述内参组成的内参矩阵；

校正坐标计算单元，用于采用所述畸变参数对所述目标点的所述相机坐标进行校正，得到所述目标点的校正坐标；

第二映射关系确定单元，用于将所述目标点的所述校正坐标经所述内参矩阵转换后与所述目标像素坐标对应，以构建所述目标点的所述相机坐标与所述目标点的所述二维坐标之间的反投影函数关系，作为第二映射关系。

在本发明的一个实施例中，所述外参计算子模块包括：

目标点的参考坐标计算单元，用于计算所述目标点的所述相机坐标在所述第二映射关系下转换得到的坐标，作为所述目标点的参考像素坐标；

偏差计算单元，用于对每个所述目标点，计算所述目标像素坐标与所述参考像素坐标之间的偏差；

总体偏差计算单元，用于对所述偏差的模值求和，得到全部所述目标点的总体偏差；

外参确定单元，用于对所述总体偏差求取最小值，得到所述激光雷达相对于所述相机的旋转矩阵和平移向量，作为所述激光雷达相对于所述相机的外参。

本发明实施例所提供的激光雷达标定装置可执行本发明任意实施例所提供的激光雷达标定方法，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标定方法对应的模块(例如，如图4所示的激光雷达标定装置中的数据获取模块401、点云数据分割模块402和三维坐标计算模块403)。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标定方法。

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标定方法。

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标定方法，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标定方法，该方法包括：

获取激光雷达照射在标定体上的点云数据，所述标定体包含标定面、至少两个与所述标定面相交的非标定面，所述标定面与所述非标定面的交线相交并设置有目标点；

将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

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标定方法中的相关操作。

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，上述搜索装置的实施例中，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 (15)

1.一种激光雷达标定方法，其特征在于，包括：

获取激光雷达照射在标定体上的点云数据，所述标定体包含标定面、至少两个与所述标定面相交的非标定面，所述标定面与所述非标定面的交线相交并设置有目标点，所述标定面与所述非标定面为不同的平面；

基于所述激光雷达照射在所述标定体上的反射强度和/或所述标定体中所述标定面与所述非标定面之间的第一夹角将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据，其中，不同的所述第二目标点云数据对应不同的所述非标定面；

依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

2.根据权利要求1所述的方法，其特征在于，所述将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据，包括：

基于所述反射强度将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

和/或，

基于所述第一夹角将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据。

3.根据权利要求2所述的方法，其特征在于，所述非标定面相互之间的材质不同，所述标定面的材质与任一所述非标定面的材质均不相同；

所述基于所述反射强度将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据，包括：

计算所述标定面的所述材质与所述反射强度对应的第一数值关系；

按照所述第一数值关系从所述点云数据中划分出与所述标定面相对应的点云数据，作为第一目标点云数据；

计算所述非标定面的所述材质与所述反射强度对应的第二数值关系；

按照所述第二数值关系从所述点云数据中划分出与所述非标定面相对应的点云数据，作为第二目标点云数据。

4.根据权利要求2所述的方法，其特征在于，所述标定面与任一所述非标定面之间的夹角均不同；

所述基于所述第一夹角将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据，包括：

对所述点云数据进行平面拟合，得到表示所述非标定面和所述标定面的点云数据，作为目标参考点云数据；

计算所述目标参考点云数据相互之间的第二夹角；

在所述第二夹角中查找与所述第一夹角匹配的所述目标参考点云数据，得到表示不同所述非标定面的第二目标点云数据；

从所述目标参考点云数据中剔除所述第二目标点云数据，得到表示所述标定面的第一目标点云数据。

5.根据权利要求1-4任一所述的方法，其特征在于，所述依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标，包括：

确定所述第一目标点云数据拟合时的平面方程，作为表示所述标定面的第一平面方程；

确定所述第二目标点云数据拟合时的平面方程，作为表示所述非标定面的第二平面方程；

对所述第一平面方程与所述第二平面方程联立求解，得到表示所述标定面与所述非标定面相交的至少两个直线方程；

基于所述直线方程，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

6.根据权利要求5所述的方法，其特征在于，所述标定面包括顶点，所述顶点为所述标定面与所述非标定面的交线相交的交点；

所述基于所述直线方程，计算所述目标点在所述激光雷达的坐标系下的三维坐标，包括：

获取所述顶点在所述标定面的坐标系下的二维坐标；

确定所述顶点在所述直线方程中的坐标，得到所述顶点在所述激光雷达的坐标系下的三维坐标；

计算所述顶点的所述三维坐标与所述顶点的所述二维坐标之间的坐标转换关系，作为第一映射关系；

基于所述第一映射关系计算所述目标点在所述激光雷达的坐标系下的三维坐标。

7.根据权利要求6所述的方法，其特征在于，所述确定所述顶点在所述直线方程中的坐标，得到所述顶点在所述激光雷达的坐标系下的三维坐标，包括：

从所述直线方程中筛选出表示所述标定面与所述非标定面的交线相交的直线方程，作为目标直线方程；

求解所述目标直线方程之间的交点，得到所述顶点在所述激光雷达的坐标系下的三维坐标。

8.根据权利要求6所述的方法，其特征在于，所述基于所述第一映射关系计算所述目标点在所述激光雷达的坐标系下的三维坐标，包括：

确定所述目标点在所述标定面的坐标系下的二维坐标；

将所述目标点的所述二维坐标按照所述第一映射关系进行坐标转换，得到所述目标点在所述激光雷达的坐标系下的三维坐标。

9.根据权利要求1或2或3或4或6或7或8所述的方法，其特征在于，还包括：

获取相机对所述标定体拍摄的图像数据；

计算所述目标点在所述图像数据中的像素坐标，作为目标像素坐标；

构建所述目标点的所述三维坐标与所述目标像素坐标之间的第二映射关系，得到所述激光雷达相对于所述相机的外参。

10.根据权利要求9所述的方法，其特征在于，所述构建所述目标点的所述三维坐标与所述目标像素坐标之间的第二映射关系，得到所述激光雷达相对于所述相机的外参，包括：

将所述目标点的所述三维坐标转换到所述相机的坐标系下，得到所述目标点在所述相机的坐标系下的三维坐标，作为所述目标点的相机坐标；

构建所述目标点的所述相机坐标与所述目标像素坐标之间的反投影函数关系，作为第二映射关系；

基于所述第二映射关系，计算所述激光雷达相对于所述相机的外参。

11.根据权利要求10所述的方法，其特征在于，所述构建所述目标点的所述相机坐标与所述目标像素坐标之间的反投影函数关系，作为第二映射关系，包括：

获取所述相机的内参和畸变参数；

确定由所述内参组成的内参矩阵；

采用所述畸变参数对所述目标点的所述相机坐标进行校正，得到所述目标点的校正坐标；

将所述目标点的所述校正坐标经所述内参矩阵转换后与所述目标像素坐标对应，以构建所述目标点的所述相机坐标与所述目标像素坐标之间的反投影函数关系，作为第二映射关系。

12.根据权利要求10所述的方法，其特征在于，所述基于所述第二映射关系，计算所述激光雷达相对于所述相机的外参，包括：

计算所述目标点的所述相机坐标在所述第二映射关系下转换得到的坐标，作为所述目标点的参考像素坐标；

对每个所述目标点，计算所述目标像素坐标与所述参考像素坐标之间的偏差；

对所述偏差的模值求和，得到全部所述目标点的总体偏差；

对所述总体偏差求取最小值，得到所述激光雷达相对于所述相机的旋转矩阵和平移向量，作为所述激光雷达相对于所述相机的外参。

13.一种激光雷达标定装置，其特征在于，包括：

数据获取模块，用于获取激光雷达照射在标定体上的点云数据，所述标定体包含标定面、至少两个与所述标定面相交的非标定面，所述标定面与所述非标定面的交线相交并设置有目标点，所述标定面与所述非标定面为不同的平面；

点云数据分割模块，用于将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据，其中，不同的所述第二目标点云数据对应不同的所述非标定面；

所述点云数据分割模块包括：

反射强度确定子模块，用于确定所述激光雷达照射在所述标定体上的反射强度；

第一分割子模块，用于基于所述反射强度将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

和/或，

夹角确定子模块，用于确定所述标定体中所述标定面与所述非标定面之间的第一夹角；

第二分割子模块，用于基于所述第一夹角将所述点云数据分割成表示所述标定面的第一目标点云数据和表示所述非标定面的第二目标点云数据；

三维坐标计算模块，用于依据所述第一目标点云数据与所述第二目标点云数据之间的相交关系，计算所述目标点在所述激光雷达的坐标系下的三维坐标。

14.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储装置，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1-12中任一所述的标定方法。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-12中任一所述的标定方法。

Images