CN112446926A - 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 - Google Patents
一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 Download PDFInfo
- Publication number
- CN112446926A CN112446926A CN202011476306.6A CN202011476306A CN112446926A CN 112446926 A CN112446926 A CN 112446926A CN 202011476306 A CN202011476306 A CN 202011476306A CN 112446926 A CN112446926 A CN 112446926A
- Authority
- CN
- China
- Prior art keywords
- calibration
- rectangular pyramid
- fisheye camera
- preset
- eye
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种激光雷达与多目鱼眼相机的相对位置标定方法及装置,该方法包括:通过多目鱼眼相机采集的随机特征点标定板图像,确定多目鱼眼相机的内外参数;分别通过激光雷达和多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定激光雷达与多目鱼眼相机的外参系数。通过利用较强鲁棒性的随机特征点标定算法,同时标定多目鱼眼全景相机中的内外参数,对四棱锥空间平面进行点云平面提取和标识平面提取,优化出雷达和某一鱼眼镜头的相对位置关系,建立起激光雷达与多目鱼眼全景相机相对位置关系,实现激光雷达与多目鱼眼相机的相对位置标定。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种激光雷达与多目鱼眼相机的相对位置标定方法及装置。
背景技术
随着计算机视觉技术的进步与发展,以及高精度多线激光雷达在建图与定位、三维重建等方面的应用普及,人们对真实场景的图像数据、立体三维数据等多维度信息数据的需求日益提高,精准的多目全景相机标定,及其与雷达之间的联合标定显得尤为重要。
标定多目鱼眼全景相机和多线激光雷达组成的系统,涉及到鱼眼相机的内参标定、全景相机系统中的多目鱼眼相机之间的外参标定、鱼眼相机与激光雷达之间的外参标定。
相机的内参标定,主要分为两大类:一种是使用特殊的目标并使用相应的算法进行标定;另一种是相机的内参自标定。在相机内参系数计算中,使用最广泛的就是张正友标定法。
现有技术中的激光雷达和相机标定,通常分为在线标定和离线标定,常用的离线标定方法有三种:棋盘格标定法;特殊几何形状标定法;以及角点检测标定法。现有技术中通过RANSAC算法利用打在标定板边缘的点云拟合出标定板边缘直线的方程,从而计算出标定板的平面方程。该方法利用的是点云的边缘点,但是因为点云的稀疏性,所以拟合出的结果误差较大。现有技术中还提出了一种通过利用张正友教授提出的利用棋盘格在相机坐标系中的外参进行标定的方法,该方法简单易操作,但是无法计算出完整的旋转矩阵。
因此,如何更好的实现激光雷达和相机的标定已经成为业界亟待解决的问题。
发明内容
本发明提供一种激光雷达与多目鱼眼相机的相对位置标定方法,用以解决现有技术中不能有效实现激光雷达和相机标定的问题。
本发明提供一种激光雷达与多目鱼眼相机的相对位置标定方法,包括:
通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;
分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;
其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;
根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
根据本发明提供的激光雷达与多目鱼眼相机的相对位置标定方法,所述随机特征点标定板为:分辨率为800*600分辨率,包含随机特征点的标定板。
根据本发明提供的激光雷达与多目鱼眼相机的相对位置标定方法,所述通过多目鱼眼相机采集的随机特征点标定图像,确定所述多目鱼眼相机的内外参数的步骤,具体包括:
选择多目鱼眼全景相机中的任一台鱼眼镜头作为基准镜头,以所述基准镜头为起点,按顺序依次采集每个鱼眼的随机特征点标定板图像,并在相邻镜头间的重叠区域采集随机特征点标定图像,得到多目鱼眼相机采集的随机特征点标定图像;
根据所述多目鱼眼相机采集的随机特征点标定图像确定多目鱼眼相机各个镜头的内参,以及其它镜头到基准镜头的变换矩阵,得到多目鱼眼相机的内外参数。
根据本发明提供的激光雷达与多目鱼眼相机的相对位置标定方法,所述分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据的步骤,具体包括:
通过激光雷达在所述预设标定四棱锥的正上方进行扫描,得到预设标定四棱锥的雷达点云数据;
选择所述多目鱼眼相机中的任一台鱼眼镜头作为基准镜头,通过所述基准镜头获取标定四棱锥的标识平面数据。
根据本发明提供的激光雷达与多目鱼眼相机的相对位置标定方法,所述根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数的步骤,具体包括:
利用RANSAC算法提取出所述预设标定四棱锥的雷达点云数据中四棱锥的四个平面在雷达坐标系下的平面方程;
根据所述基准镜头获取标定四棱锥的标识平面数据,提取出所述标定四棱锥的四个标识所在的平面,在基准镜头的相机坐标系下的平面方程;
根据所述预设标定四棱锥的雷达点云数据的平面法线方向和所述标定四棱锥的四个标识的编号,对平面方程进行分组,得到分组后的平面方程;
通过G2O算法,对所述分组后的平面方程系数进行请求,得到所述激光雷达与多目鱼眼相机的外参系数。
本发明还提供一种激光雷达与多目鱼眼相机的相对位置标定装置,包括:
确定模块,用于通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;
获取模块,用于分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;
其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;
标定模块,用于根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
根据本发明提供的激光雷达与多目鱼眼相机的相对位置标定装置,所述随机特征点标定板为:分辨率为800*600分辨率,包含随机特征点的标定板。
根据本发明提供的激光雷达与多目鱼眼相机的相对位置标定装置,所述确定模块,具体用于:
选择多目鱼眼全景相机中的任一台鱼眼镜头作为基准镜头,以所述基准镜头为起点,按顺序依次采集每个鱼眼的随机特征点标定板图像,并在相邻镜头间的重叠区域采集随机特征点标定图像,得到多目鱼眼相机采集的随机特征点标定图像;
根据所述多目鱼眼相机采集的随机特征点标定图像确定多目鱼眼相机各个镜头的内参,以及其它镜头到基准镜头的变换矩阵,得到多目鱼眼相机的内外参数。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述激光雷达与多目鱼眼相机的相对位置标定方法的步骤。
本发明还提供一种非暂态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上述任一种所述激光雷达与多目鱼眼相机的相对位置标定方法的步骤。
本发明提供的一种激光雷达与多目鱼眼相机的相对位置标定方法及装置,通过利用较强鲁棒性的随机特征点标定算法,同时标定多目鱼眼全景相机中的内外参数,然后,对互不相关的四棱锥空间平面进行点云平面提取和标识平面提取,进而,利用G2O算法优化出雷达和某一鱼眼镜头的相对位置关系,从而,建立起激光雷达与多目鱼眼全景相机相对位置关系,实现激光雷达与多目鱼眼相机的相对位置标定。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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附图。
图1是本发明提供的激光雷达与多目鱼眼相机的相对位置标定方法的流程示意图;
图2为本发明提供的四棱锥示意图;
图3为本发明提供的标定的流程示意图;
图4为本发明提供的激光雷达与多目鱼眼相机的相对位置标定装置示意图;
图5为本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
图1是本发明提供的激光雷达与多目鱼眼相机的相对位置标定方法的流程示意图,如图1所示,包括:
步骤S1,通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;
具体的,本发明中所描述的随机特征点标定板为:分辨率为800*600分辨率,包含随机特征点的标定板。
该随机特征标定板能够确定物理尺寸和像素间的换算关系;以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,从而实现多目鱼眼相机的内外参数的确定。
步骤S2,分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;
其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;
具体的,本发明中通过增加预设的标定四棱锥,从而使得激光雷达和多目鱼眼相机,拥有能够实现标定的目标,并且本申请中特殊设定的四棱锥,其四个锥面的设计能够保证激光雷达在四棱锥正上方时,能够一次获取到期四个正面的点云数据,从而保证后续能够实现雷达点云数据和标识平面数据的标定。
图2为本发明提供的四棱锥示意图,如图2所示,四棱锥上包括4个等大的AprilTag标识分别布于等腰四棱锥的四个侧面上。这种标定板被已知内参的彩色镜头拍摄时,能根据识别出的AprilTag标识计算出,相机坐标系下标识所共面的平面方程;被多线激光雷达扫描时,能利用RANSAC算法拟合出,雷达坐标系下标识平面对应的点云平面方程,从而依靠平面特征完成雷达与彩色相机的外参标定。
步骤S3根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
具体的,本发明中实现了多线激光雷达与多目鱼眼全景相机相对位置的标定方法,具有可行性和实用性。采用的标定板能方便又有效的从图像和点云中提取到平面特征,在标定时,对空间大小要求不高,标定基准镜头和激光雷达外参时不需要采集大量数据。
本发明通过利用较强鲁棒性的随机特征点标定算法,同时标定多目鱼眼全景相机中的内外参数,然后,对互不相关的四棱锥空间平面进行点云平面提取和标识平面提取,进而,利用G2O算法优化出雷达和某一鱼眼镜头的相对位置关系,从而,建立起激光雷达与多目鱼眼全景相机相对位置关系,实现激光雷达与多目鱼眼相机的相对位置标定。
可选的,所述通过多目鱼眼相机采集的随机特征点标定图像,确定所述多目鱼眼相机的内外参数的步骤,具体包括:
选择多目鱼眼全景相机中的任一台鱼眼镜头作为基准镜头,以所述基准镜头为起点,按顺序依次采集每个鱼眼的随机特征点标定板图像,并在相邻镜头间的重叠区域采集随机特征点标定图像,得到多目鱼眼相机采集的随机特征点标定图像;
根据所述多目鱼眼相机采集的随机特征点标定图像确定多目鱼眼相机各个镜头的内参,以及其它镜头到基准镜头的变换矩阵,得到多目鱼眼相机的内外参数。
具体的,本发明选择多目鱼眼全景相机中的某一台鱼眼镜头作为基准镜头,按序采集每个鱼眼镜头一定数量的随机特征点标定板图像,以及在相邻镜头间重叠区域采集标定板图像,对每幅图像进行特征点检测并在模板平面上查找对应特征点;
通过特征点检测和匹配将拍摄到的标定板图像和生成的标定图像建立联系,利用空间对应平面的单应性通过匹配到的特征点计算出单应矩阵;
分解单应矩阵得到标定板在相机坐标系中下的位置和姿态以及相机的内参。使用最小重投影误差优化相机内参以及标定板的位置和姿态;通过图优化的方法利用相邻相机同时拍到的标定板的位姿完成相机间的外参标定。
本发明通过多目鱼眼相机采集的随机特征点标定图像,从而实现了多目鱼眼相机的内参和外参标定,有利于后续步骤的进行。
可选的,所述分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据的步骤,具体包括:
通过激光雷达在所述预设标定四棱锥的正上方进行扫描,得到预设标定四棱锥的雷达点云数据;
选择所述多目鱼眼相机中的任一台鱼眼镜头作为基准镜头,通过所述基准镜头获取标定四棱锥的标识平面数据。
具体的,本发明中的激光雷达在所述预设标定四棱锥的正上方进行扫描时,要保持雷达与四棱锥的相对静止,在采集过程中,可以通过雷达的实时可视化软件观察,边调整四棱锥和“雷达-全景相机”设备的相对位置,使得多线激光雷达每条线束全部打在四棱锥的侧面上,并保证四棱锥的四个侧面的法线方向与垂直方向的夹角互不相同、四个AprilTag标识在基准镜头视野中清晰可见,得到预设标定四棱锥的雷达点云数据。
选择所述多目鱼眼相机中的任一台鱼眼镜头作为基准镜头,拍摄四棱锥四个面携带清晰AprilTag标识的相片,提取出基准镜头图像数据中的四个AprilTag所在的平面在基准镜头的相机坐标系下的平面方程。
利用RANSAC算法提取出所述预设标定四棱锥的雷达点云数据中四棱锥的四个平面在雷达坐标系下的平面方程;
根据所述基准镜头获取标定四棱锥的标识平面数据,提取出所述标定四棱锥的四个标识所在的平面,在基准镜头的相机坐标系下的平面方程;
根据所述预设标定四棱锥的雷达点云数据的平面法线方向和所述标定四棱锥的四个标识的编号,对平面方程进行分组,得到分组后的平面方程;
通过G2O算法,对所述分组后的平面方程系数进行请求,得到所述激光雷达与多目鱼眼相机的外参系数。
本发明通过利用较强鲁棒性的随机特征点标定算法,同时标定多目鱼眼全景相机中的内外参数,然后,对互不相关的四棱锥空间平面进行点云平面提取和标识平面提取,进而,利用G2O算法优化出雷达和某一鱼眼镜头的相对位置关系,从而,建立起激光雷达与多目鱼眼全景相机相对位置关系,实现激光雷达与多目鱼眼相机的相对位置标定。
图3为本发明提供的标定的流程示意图,如图3所示,首先,构建四棱锥立体标定板,然后在四棱锥的各个侧面分别有内容互不相同的等大AprilTag标识;构建Random特征点的标定板,用多目鱼眼全景相机的特征点提取及确定对应特征点,进行特征点检测,求解鱼眼相机的内外参数以及畸变参数:选取某一镜头为基准相机,基准相机拍摄四棱锥立体标定板,激光雷达扫描四棱锥立体标定板,进行AprilTag检测,然后进行点云平面检测,最后通过G2O算法,求解出基准镜头和雷达的外参系数。
图4为本发明提供的激光雷达与多目鱼眼相机的相对位置标定装置示意图,如图4所示,包括:确定模块410、获取模块420和标定模块430;其中,确定模块410用于通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;其中,获取模块420用于分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;其中,标定模块430用于根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
其中,所述随机特征点标定板为:分辨率为800*600分辨率,包含随机特征点的标定板。
其中,所述确定模块,具体用于:
选择多目鱼眼全景相机中的任一台鱼眼镜头作为基准镜头,以所述基准镜头为起点,按顺序依次采集每个鱼眼的随机特征点标定板图像,并在相邻镜头间的重叠区域采集随机特征点标定图像,得到多目鱼眼相机采集的随机特征点标定图像;
根据所述多目鱼眼相机采集的随机特征点标定图像确定多目鱼眼相机各个镜头的内参,以及其它镜头到基准镜头的变换矩阵,得到多目鱼眼相机的内外参数。
本发明通过利用较强鲁棒性的随机特征点标定算法,同时标定多目鱼眼全景相机中的内外参数,然后,对互不相关的四棱锥空间平面进行点云平面提取和标识平面提取,进而,利用G2O算法优化出雷达和某一鱼眼镜头的相对位置关系,从而,建立起激光雷达与多目鱼眼全景相机相对位置关系,实现激光雷达与多目鱼眼相机的相对位置标定。
图5为本发明提供的电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行激光雷达与多目鱼眼相机的相对位置标定方法,该方法包括:通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的激光雷达与多目鱼眼相机的相对位置标定方法,该方法包括:通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
又一方面,本发明还提供一种非暂态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以执行上述各实施例提供的激光雷达与多目鱼眼相机的相对位置标定方法,该方法包括:通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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精神和范围。
Claims (10)
1.一种激光雷达与多目鱼眼相机的相对位置标定方法,其特征在于,包括:
通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;
分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;
其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;
根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
2.根据权利要求1所述激光雷达与多目鱼眼相机的相对位置标定方法,其特征在于,所述随机特征点标定板为:分辨率为800*600分辨率,包含随机特征点的标定板。
3.根据权利要求2所述激光雷达与多目鱼眼相机的相对位置标定方法,其特征在于,所述通过多目鱼眼相机采集的随机特征点标定图像,确定所述多目鱼眼相机的内外参数的步骤,具体包括:
选择多目鱼眼全景相机中的任一台鱼眼镜头作为基准镜头,以所述基准镜头为起点,按顺序依次采集每个鱼眼的随机特征点标定板图像,并在相邻镜头间的重叠区域采集随机特征点标定图像,得到多目鱼眼相机采集的随机特征点标定图像;
根据所述多目鱼眼相机采集的随机特征点标定图像确定多目鱼眼相机各个镜头的内参,以及其它镜头到基准镜头的变换矩阵,得到多目鱼眼相机的内外参数。
4.根据权利要求1所述激光雷达与多目鱼眼相机的相对位置标定方法,其特征在于,所述分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据的步骤,具体包括:
通过激光雷达在所述预设标定四棱锥的正上方进行扫描,得到预设标定四棱锥的雷达点云数据;
选择所述多目鱼眼相机中的任一台鱼眼镜头作为基准镜头,通过所述基准镜头获取标定四棱锥的标识平面数据。
5.根据权利要求4所述激光雷达与多目鱼眼相机的相对位置标定方法,其特征在于,所述根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数的步骤,具体包括:
利用RANSAC算法提取出所述预设标定四棱锥的雷达点云数据中四棱锥的四个平面在雷达坐标系下的平面方程;
根据所述基准镜头获取标定四棱锥的标识平面数据,提取出所述标定四棱锥的四个标识所在的平面,在基准镜头的相机坐标系下的平面方程;
根据所述预设标定四棱锥的雷达点云数据的平面法线方向和所述标定四棱锥的四个标识的编号,对平面方程进行分组,得到分组后的平面方程;
通过G2O算法,对所述分组后的平面方程系数进行请求,得到所述激光雷达与多目鱼眼相机的外参系数。
6.一种激光雷达与多目鱼眼相机的相对位置标定装置,其特征在于,包括:
确定模块,用于通过多目鱼眼相机采集的随机特征点标定板图像,确定所述多目鱼眼相机的内外参数;
获取模块,用于分别通过激光雷达和所述多目鱼眼相机获取预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据;
其中,四个等大的预设标识设置在所述预设标定四棱锥的四个侧面上;其中,所述预设标识包括所述标定四棱锥的平面特征;
标定模块,用于根据预设标定四棱锥的雷达点云数据和预设标定四棱锥的标识平面数据确定所述激光雷达与多目鱼眼相机的外参系数。
7.根据权利要求6所述激光雷达与多目鱼眼相机的相对位置标定装置,其特征在于,所述随机特征点标定板为:分辨率为800*600分辨率,包含随机特征点的标定板。
8.根据权利要求6所述激光雷达与多目鱼眼相机的相对位置标定装置,其特征在于,所述确定模块,具体用于:
选择多目鱼眼全景相机中的任一台鱼眼镜头作为基准镜头,以所述基准镜头为起点,按顺序依次采集每个鱼眼的随机特征点标定板图像,并在相邻镜头间的重叠区域采集随机特征点标定图像,得到多目鱼眼相机采集的随机特征点标定图像;
根据所述多目鱼眼相机采集的随机特征点标定图像确定多目鱼眼相机各个镜头的内参,以及其它镜头到基准镜头的变换矩阵,得到多目鱼眼相机的内外参数。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述激光雷达与多目鱼眼相机的相对位置标定方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述激光雷达与多目鱼眼相机的相对位置标定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476306.6A CN112446926A (zh) | 2020-12-14 | 2020-12-14 | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476306.6A CN112446926A (zh) | 2020-12-14 | 2020-12-14 | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446926A true CN112446926A (zh) | 2021-03-05 |
Family
ID=74739967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011476306.6A Pending CN112446926A (zh) | 2020-12-14 | 2020-12-14 | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446926A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071431A (zh) * | 2021-11-03 | 2023-05-05 | 北京三快在线科技有限公司 | 一种标定方法、装置、存储介质及电子设备 |
CN116128736A (zh) * | 2023-04-19 | 2023-05-16 | 广东三姆森科技股份有限公司 | 一种扫描成像方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226906A (zh) * | 2017-11-29 | 2018-06-29 | 深圳市易成自动驾驶技术有限公司 | 一种标定方法、装置及计算机可读存储介质 |
CN110736472A (zh) * | 2019-10-10 | 2020-01-31 | 武汉理工大学 | 一种基于车载环视图像与毫米波雷达融合的室内高精地图表征方法 |
CN110853037A (zh) * | 2019-09-26 | 2020-02-28 | 西安交通大学 | 一种基于球面投影的轻量化彩色点云分割方法 |
CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
CN111866467A (zh) * | 2020-07-29 | 2020-10-30 | 浙江大华技术股份有限公司 | 监控视频的三维覆盖空间确定方法、装置及存储介质 |
-
2020
- 2020-12-14 CN CN202011476306.6A patent/CN112446926A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226906A (zh) * | 2017-11-29 | 2018-06-29 | 深圳市易成自动驾驶技术有限公司 | 一种标定方法、装置及计算机可读存储介质 |
CN110853037A (zh) * | 2019-09-26 | 2020-02-28 | 西安交通大学 | 一种基于球面投影的轻量化彩色点云分割方法 |
CN110736472A (zh) * | 2019-10-10 | 2020-01-31 | 武汉理工大学 | 一种基于车载环视图像与毫米波雷达融合的室内高精地图表征方法 |
CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
CN111866467A (zh) * | 2020-07-29 | 2020-10-30 | 浙江大华技术股份有限公司 | 监控视频的三维覆盖空间确定方法、装置及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071431A (zh) * | 2021-11-03 | 2023-05-05 | 北京三快在线科技有限公司 | 一种标定方法、装置、存储介质及电子设备 |
CN116128736A (zh) * | 2023-04-19 | 2023-05-16 | 广东三姆森科技股份有限公司 | 一种扫描成像方法、装置、设备及介质 |
CN116128736B (zh) * | 2023-04-19 | 2023-08-15 | 广东三姆森科技股份有限公司 | 一种扫描成像方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509226B (zh) | 三维点云数据配准方法、装置、设备及可读存储介质 | |
CN110276808B (zh) | 一种单相机结合二维码测量玻璃板不平度的方法 | |
CN107886547B (zh) | 一种鱼眼相机标定方法及系统 | |
CN110956660B (zh) | 定位方法、机器人以及计算机存储介质 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN105654547B (zh) | 三维重建方法 | |
KR102206108B1 (ko) | 체적형 객체 촬영을 위한 다중 rgb-d 카메라 기반의 포인트 클라우드 정합 방법 | |
CN111107337B (zh) | 深度信息补全方法及其装置、监控系统和存储介质 | |
CN111274943A (zh) | 一种检测方法、装置、电子设备及存储介质 | |
CN107507277A (zh) | 三维点云重构方法和装置、服务器及可读存储介质 | |
CN109255818B (zh) | 一种新型标靶及其亚像素级角点的提取方法 | |
CN113192179A (zh) | 一种基于双目立体视觉的三维重建方法 | |
CN112381887B (zh) | 一种多深度相机标定方法、装置、设备和介质 | |
CA3233222A1 (en) | Method, apparatus and device for photogrammetry, and storage medium | |
CN114387347B (zh) | 确定外参标定的方法、装置、电子设备及介质 | |
CN112446926A (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
CN111862193A (zh) | 一种基于形状描述子的电焊焊点双目视觉定位方法及装置 | |
CN112348890A (zh) | 一种空间定位方法、装置及计算机可读存储介质 | |
CN115359130A (zh) | 雷达和相机的联合标定方法、装置、电子设备及存储介质 | |
CN114998447A (zh) | 多目视觉标定方法及系统 | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN115082777A (zh) | 基于双目视觉的水下动态鱼类形态测量方法及装置 | |
CN113112545B (zh) | 基于计算机视觉的手持移动打印装置定位方法 | |
CN113077523B (zh) | 一种标定方法、装置、计算机设备及存储介质 | |
KR101673144B1 (ko) | 부분 선형화 기반의 3차원 영상 정합 방법 |
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 |