CN112785651A - 用于确定相对位姿参数的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于确定相对位姿参数的方法和装置。该用于确定相对位姿参数的方法的一个具体实施方式包括：获取多线激光雷达扫描的预设场景的激光点云数据；其中，预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；获取单目相机拍摄的预设场景的图像；获取激光点云数据中的第一平面信息集合；获取图像中的第二平面信息集合；从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联；基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相对位姿参数。该实施方式可以通过采集一幅图像和一帧点云数据，简洁高效的计算单目相机与激光雷达的相对位姿参数，提高了计算位姿参数的效率。

Description

用于确定相对位姿参数的方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及自动驾驶技术领域，尤其 涉及用于确定相对位姿参数的方法和装置。

背景技术

自动驾驶技术中一个重要的任务是对环境的有效感知。通常感知 系统包含一系列的传感器，如单目相机，立体相机，激光雷达(LIDAR)， GPS等，为在各种环境下的应用提供线索。单目相机提供基于图像的 特征，如纹理、颜色等。激光雷达提供基于距离的信息，如轮廓、形 状信息等。

每个传感器都有自己的优缺点，相机提供了丰富的环境信息但是 视野(FOV)狭窄，激光雷达有着360°的视野范围，但是只能提供相对 稀疏的深度信息。为了整合两者的优点，融合传感器的数据，需要对 相机和激光雷达进行标定。

对于相机和激光雷达的标定，成熟的方法并不多见。大家所熟知 的是Matlab提供的基于棋盘格的相机和单线激光雷达标定的工具箱， 后来又增加了标定多线激光雷达的部分。

在相机和激光雷达标定过程中，需要采集多组图像和对应的点云 数据，逐个进行手动筛选，这个过程中不仅增加了标定工作量，还引 入了人为因素造成的误差，导致校准结果的准确度得不到保证。

发明内容

本申请实施例提供了用于确定相对位姿参数的方法和装置。

第一方面，本申请实施例提供了一种用于确定相对位姿参数的方 法，包括：获取多线激光雷达扫描的预设场景的激光点云数据；其中， 预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标 定板；获取单目相机拍摄的预设场景的图像；获取激光点云数据中的 第一平面信息集合；获取图像中的第二平面信息集合；从第一平面信 息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联； 基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目 相机的相对位姿参数。

在一些实施例中，获取激光点云数据中的第一平面信息集合包括 以下任意一项：对激光点云数据中随机确定的种子点进行区域扩张， 基于扩张的结果，获取第一平面信息集合；对激光点云数据中的激光 点云进行聚类，对聚类的结果进行平面检测，得到第一平面信息集合； 基于人工在激光点云数据中选定的第一区域，拟合第一区域中的激光 点云数据，得到第一平面信息集合。

在一些实施例中，对激光点云数据中随机确定的种子点进行区域 扩张，基于扩张的结果，获取第一平面信息集合包括：基于K最近 邻算法，计算激光点云数据中各个数据点的法向量；随机选择激光点 云数据中的数据点作为种子点；基于各个数据点的法向量，对种子点 进行区域扩张，划分激光点云数据至多个平面；剔除多个平面中面积 小于棋盘格标定板的面积的平面以及平面度过低的平面，得到点云数 据中的第一平面信息集合。

在一些实施例中，获取图像中的第二平面信息集合包括以下任意 一项：对图像中的棋盘格标定板的特征进行亚像素精度优化，并对特 征进行分组，得到对应图像中各组特征的第二平面信息集合；基于人 工在图像中选定的第二区域，拟合第二区域中的像素，得到第二平面 信息集合。

在一些实施例中，对图像中的棋盘格标定板的特征进行亚像素精 度优化，并对特征进行分组，得到对应图像中各组特征的第二平面信 息集合包括：提取图像中的棋盘格标定板的角点；对角点进行亚像素 精度优化，得到优化后的角点；对优化后的角点进行分组，并对分组 后的各组角点进行编号；基于编号后的各组角点，分别确定第二平面 信息，得到第二平面信息集合。

在一些实施例中，提取图像中的棋盘格标定板的角点包括：选择 沿轴向的角滤波器和与轴向形成预定角度夹角的角滤波器，分别对图 像的灰度图进行卷积，得到棋盘格标定板的角点。

在一些实施例中，提取图像中的棋盘格标定板的角点包括：选择 沿轴向的角滤波器和与轴向形成45度夹角的角滤波器，分别对图像的 灰度图进行卷积，得到棋盘格标定板的角点。

在一些实施例中，从第一平面信息集合与第二平面信息集合中， 随机抽取相对应的三组平面进行关联包括以下任意一项：将第一平面 信息集合投影至图像中，得到第三平面信息集合；基于第三平面信息 集合中各平面与第二平面信息集合中各平面的距离或法向量的相似 度，随机抽取相对应的三组平面进行关联；将第二平面信息集合投影 至激光点云数据中，得到第四平面信息集合；基于第四平面信息集合 中各平面与第一平面信息集合中各平面的距离或法向量的相似度，随 机抽取相对应的三组平面进行关联；基于人工操作，从第一平面信息 集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联。

在一些实施例中，方法还包括：根据相对位姿参数，将关联后的 三组平面在相机坐标系的位姿转换至激光雷达坐标系中；响应于转换 至激光雷达坐标系的三个平面与激光点云数据中的三个平面的距离小 于预定距离，确定相对位姿参数正确；或根据相对位姿参数，将关联 后的三组平面在激光雷达坐标系的位姿转换至相机坐标系中；响应于 转换至相机坐标系的三个平面与图像中的三个平面的距离小于预定距 离，确定相对位姿参数正确。

在一些实施例中，转换至激光雷达坐标系的三个平面与点云数据 中的三个平面的距离或转换至相机坐标系的三个平面与图像中的三个 平面的距离经由以下步骤确定：复制图像，将两幅图像中的一幅设定 为参考图像，另一幅设定为待处理图像；将待处理图像中随机选择的 两组棋盘格标定板对应至参考图像中，得到一组平移、旋转和缩放参 数；采用平移、旋转和缩放参数，将待处理图像中的所有棋盘格标定 板投影到参考图像中；计算投影至参考图像中的各个棋盘格标定板与 参考图像中原有的各个棋盘格标定板的投影误差；基于误差最小的一 组平移、旋转和缩放参数，确定相机内部参数；基于相机内部参数， 确定棋盘格标定板的外部参数和法向量；基于法向量与关联后的三组 平面的法向量相似度最高的棋盘格标定板的外部参数，确定关联后的 三组平面分别在相机坐标系中的距离。

在一些实施例中，方法还包括：采用梯度下降法对确定为正确的 位姿参数进行优化，得到位姿参数的最优解。

第二方面，本申请实施例提供了一种用于确定相对位姿参数的装 置，包括：点云获取单元，被配置成获取多线激光雷达扫描的预设场 景的激光点云数据；其中，预设场景包括预设数量的设于不同区域且 规格不完全相同的棋盘格标定板；图像获取单元，被配置成获取单目 相机拍摄的预设场景的图像；第一获取单元，被配置成获取激光点云 数据中的第一平面信息集合；第二获取单元，被配置成获取图像中的 第二平面信息集合；平面关联单元，被配置成从第一平面信息集合与 第二平面信息集合中，随机抽取相对应的三组平面进行关联；参数计 算单元，被配置成基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相对位姿参数。

在一些实施例中，第一获取单元进一步被配置成执行以下任意一 项：对激光点云数据中随机确定的种子点进行区域扩张，基于扩张的 结果，获取第一平面信息集合；对激光点云数据中的激光点云进行聚 类，对聚类的结果进行平面检测，得到第一平面信息集合；基于人工 在激光点云数据中选定的第一区域，拟合第一区域中的激光点云数据， 得到第一平面信息集合。

在一些实施例中，第一获取单元中对激光点云数据中随机确定的 种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合包括： 基于K最近邻算法，计算激光点云数据中各个数据点的法向量；随机 选择激光点云数据中的数据点作为种子点；基于各个数据点的法向量， 对种子点进行区域扩张，划分激光点云数据至多个平面；剔除多个平 面中面积小于棋盘格标定板的面积的平面以及平面度过低的平面，得 到点云数据中的第一平面信息集合。

在一些实施例中，第二获取单元进一步被配置成执行以下任意一 项：对图像中的棋盘格标定板的特征进行亚像素精度优化，并对特征 进行分组，得到对应图像中各组特征的第二平面信息集合；基于人工 在图像中选定的第二区域，拟合第二区域中的像素，得到第二平面信 息集合。

在一些实施例中，第二获取单元中对图像中的棋盘格标定板的特 征进行亚像素精度优化，并对特征进行分组，得到对应图像中各组特 征的第二平面信息集合包括：提取图像中的棋盘格标定板的角点；对 角点进行亚像素精度优化，得到优化后的角点；对优化后的角点进行 分组，并对分组后的各组角点进行编号；基于编号后的各组角点，分 别确定第二平面信息，得到第二平面信息集合。

在一些实施例中，第二获取单元中提取图像中的棋盘格标定板的 角点包括：选择沿轴向的角滤波器和与轴向形成预定角度夹角的角滤 波器，分别对图像的灰度图进行卷积，得到棋盘格标定板的角点。

在一些实施例中，第二获取单元中提取图像中的棋盘格标定板的 角点包括：选择沿轴向的角滤波器和与轴向形成45度夹角的角滤波 器，分别对图像的灰度图进行卷积，得到棋盘格标定板的角点。

在一些实施例中，平面关联单元进一步被配置成执行以下任意一 项：将第一平面信息集合投影至图像中，得到第三平面信息集合；基 于第三平面信息集合中各平面与第二平面信息集合中各平面的距离或 法向量的相似度，随机抽取相对应的三组平面进行关联；将第二平面 信息集合投影至激光点云数据中，得到第四平面信息集合；基于第四 平面信息集合中各平面与第一平面信息集合中各平面的距离或法向量 的相似度，随机抽取相对应的三组平面进行关联；基于人工操作，从 第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平 面进行关联。

在一些实施例中，装置还包括：第一参数验证单元，被配置成根 据相对位姿参数，将关联后的三组平面在相机坐标系的位姿转换至激 光雷达坐标系中；响应于转换至激光雷达坐标系的三个平面与激光点 云数据中的三个平面的距离小于预定距离，确定相对位姿参数正确； 或第二参数验证单元，被配置成根据相对位姿参数，将关联后的三组 平面在激光雷达坐标系的位姿转换至相机坐标系中；响应于转换至相 机坐标系的三个平面与图像中的三个平面的距离小于预定距离，确定 相对位姿参数正确。

在一些实施例中，第一参数验证单元中转换至激光雷达坐标系的 三个平面与点云数据中的三个平面的距离或第二参数验证单元中转换 至相机坐标系的三个平面与图像中的三个平面的距离经由以下步骤确 定：复制图像，将两幅图像中的一幅设定为参考图像，另一幅设定为 待处理图像；将待处理图像中随机选择的两组棋盘格标定板对应至参考图像中，得到一组平移、旋转和缩放参数；采用平移、旋转和缩放 参数，将待处理图像中的所有棋盘格标定板投影到参考图像中；计算 投影至参考图像中的各个棋盘格标定板与参考图像中原有的各个棋盘 格标定板的投影误差；基于误差最小的一组平移、旋转和缩放参数， 确定相机内部参数；基于相机内部参数，确定棋盘格标定板的外部参 数和法向量；基于法向量与关联后的三组平面的法向量相似度最高的 棋盘格标定板的外部参数，确定关联后的三组平面分别在相机坐标系 中的距离。

在一些实施例中，装置还包括：参数优化单元，被配置成采用梯 度下降法对确定为正确的位姿参数进行优化，得到位姿参数的最优解。

第三方面，本申请实施例提供了一种设备，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；当一个或多个程序被一 个或多个处理器执行，使得一个或多个处理器实现如上任一所述的方 法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储 有计算机程序，该程序被处理器执行时实现如上任一所述的方法。

本申请实施例提供的用于确定相对位姿参数的方法和装置，首先 获取多线激光雷达扫描的预设场景的激光点云数据；其中，预设场景 包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；之 后，获取单目相机拍摄的预设场景的图像；之后，获取激光点云数据 中的第一平面信息集合；之后，获取图像中的第二平面信息集合；之 后，从第一平面信息集合与第二平面信息集合中，随机抽取相对应的 三组平面进行关联；最后，基于关联后的三组平面的中心点和法向量， 计算多线激光雷达与单目相机的相对位姿参数。在这一过程中，由于 该方法可以通过采集一幅图像和一帧点云数据，简洁高效的计算单目相机与激光雷达的相对位姿参数，提高了计算位姿参数的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例详细描述，本申 请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请实施例的用于确定相对位姿参数的方法的一个 实施例的流程示意图；

图3是根据本申请实施例的用于确定相对位姿参数的方法的一个 应用场景的示意图；

图4a是根据本申请实施例的用于确定相对位姿参数的方法的又 一个实施例的流程示意图；

图4b示出了图4a中单目相机拍摄的预设场景的图像；

图4c示出了在图4a中获取图像中的第二平面信息集合时提取的 图像中的棋盘格标定板的角点的一个示例性示意图；

图4d示出了在图4c中的棋盘格标定板的角点在进行亚像素精度 优化后得到的角点的一个示例性示意图；

图4e示出了在图4a中随机抽取相对应的三组平面进行关联时将 图像投影至激光点云数据的一个示例性示意图；

图4f示出了在图4a中得到位姿参数的最优解之后得到的将激光 点云数据投影至图像的一个示例性示意图；

图5是本申请的用于确定相对位姿参数的装置的一个实施例的结 构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构 示意图。

具体实施方式

下面结合附图和实施例对本申请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相关发明，而非对该发 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 有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例 中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本 申请。本领域技术人员还将理解的是，虽然本文中可使用用语“第一”、 “第二”、“第三”、“第四”等来描述各种平面信息集合、区域、获取 单元、参数验证单元等，但是这些平面信息集合、区域、获取单元、 参数验证单元不应被这些用语限制。这些用语仅用于将一个平面信息 集合、区域、获取单元、参数验证单元与其它平面信息集合、区域、 获取单元、参数验证单元区分开。

图1示出了可以应用本申请的用于确定相对位姿参数的方法或用 于确定相对位姿参数的装置的实施例的示例性系统架构100。

图1示出了可以应用本申请的用于控制车辆的方法或用于确定相 对位姿参数的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端101、102、103，网络 104和服务器105、106。网络104用以在终端101、102、103和服务 器105、106之间提供通信链路的介质。网络104可以包括各种连接类 型，例如有线、无线通信链路或者光纤电缆等等。

用户110可以使用终端101、102、103通过网络104与服务器105、 106交互，以接收或发送消息等。终端101、102、103上可以安装有 各种通讯客户端应用，例如购物类应用、即时通信工具、邮箱客户端、 社交平台软件、视频播放类应用等。

终端101、102、103可以是硬件，也可以是软件。当终端101、 102、103为硬件时，可以是具有显示屏并且支持网页浏览的各种电子 设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放 器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩 标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV， 动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台 式计算机等等。当终端101、102、103为软件时，可以安装在上述所 列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提 供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105、106可以是提供各种服务的服务器，例如对终端101、 102、103提供支持的后台服务器。后台服务器可以对终端提交的数据 进行分析、存储或计算等处理，并将分析、存储或计算结果推送给终 端。

需要说明的是，在实践中，本申请实施例所提供的用于确定相对 位姿参数的方法可以服务器105、106执行，相应地，用于确定相对位 姿参数的装置一般设置于服务器105、106中。然而，当终端的性能可 以满足该方法的执行条件或该设备的设置条件时，本申请实施例所提 供的用于确定相对位姿参数的方法也可以由终端101、102、103执行， 用于确定相对位姿参数的装置也可以设置于终端101、102、103中。

应该理解，图1中的终端、网络和服务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终端、网络和服务器。

继续参考图2，图2示出了根据本申请的用于确定相对位姿参数 的方法的一个实施例的流程200。该用于确定相对位姿参数的方法， 包括以下步骤：

步骤201，获取多线激光雷达扫描的预设场景的激光点云数据。

在本实施例中，预设场景包括预设数量的设于不同区域且规格不 完全相同的棋盘格标定板。上述用于确定相对位姿参数的方法运行于 其上的执行主体(例如图1所示的终端或服务器)可以获取多线激光 雷达扫描的预设场景的激光点云数据。

在一个具体的示例中，预设场景包括一组棋盘格(格子尺寸相同) 作为标定板，标定板的数量为8-10张，标定板中棋盘格形成的阵列为 8×6、8×12不等。在预设场景中，上述标定板摆放于一个空旷区域。 激光雷达的设置位置，需要确保激光雷达能够完整扫描到每个标定板 的表面。

在预设场景和激光雷达的位置分别设置完成之后，上述执行主体 可以通过多线激光雷达采集一帧激光点云数据。

步骤202，获取单目相机拍摄的预设场景的图像。

在本实施例中，上述用于确定相对位姿参数的方法运行于其上的 执行主体(例如图1所示的终端或服务器)可以获取单目相机拍摄的 预设场景的图像。相机的设置位置，需要确保上述预设场景中的标定 板均处于相机的可视区域中。

在预设场景和相机的位置分别设置完成之后，上述执行主体可以 通过单目相机采集一帧图像。

步骤203，获取激光点云数据中的第一平面信息集合。

在本实施例中，上述执行主体可以采用现有技术或未来发展的技 术中从激光点云数据中获取平面信息集合的方法来从激光点云数据中 获取第一平面信息集合。本申请对此不作限定。

例如，获取激光点云数据中的第一平面信息集合的方法，可以对 激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果， 获取第一平面信息集合。备选地，获取激光点云数据中的第一平面信 息集合的方法，可以对激光点云数据中的激光点云进行聚类，对聚类 的结果进行平面检测，得到第一平面信息集合。备选地，获取激光点 云数据中的第一平面信息集合的方法，可以基于人工在激光点云数据 中选定的第一区域，拟合第一区域中的激光点云数据，得到第一平面 信息集合。

在这里，拟合第一区域中的激光点云数据的方法，可以采用现有 技术或未来发展的技术中的拟合方法，本申请对此不作限定。例如， 拟合方法可以为采用随机抽样一致(RANSAC)算法或最小二乘法来 拟合第一区域中的激光点云数据。

在一个具体的示例中，在对激光点云数据中随机确定的种子点进 行区域扩张，基于扩张的结果，获取第一平面信息集合时，可以基于 K最近邻算法，计算激光点云数据中各个数据点的法向量；之后随机 选择激光点云数据中的数据点作为种子点；之后基于各个数据点的法 向量，对种子点进行区域扩张，划分激光点云数据至多个平面；最后， 剔除多个平面中面积小于棋盘格标定板的面积的平面以及平面度过低 的平面，得到点云数据中的第一平面信息集合。

步骤204，获取图像中的第二平面信息集合。

在本实施例中，上述执行主体可以采用现有技术或未来发展的技 术中获取图像中的平面信息集合的方法来从图像中获取第二平面信息 集合。本申请对此不作限定。

例如，获取图像中的第二平面信息集合的方法，可以包括以下任 意一项：对图像中的棋盘格标定板的特征进行亚像素精度优化，并对 特征进行分组，得到对应图像中各组特征的第二平面信息集合；基于 人工在图像中选定的第二区域，拟合第二区域中的像素，得到第二平 面信息集合。

这里的棋盘格标定板的特征，可以为棋盘格标定板的原始特性或 属性。例如，棋盘格标定板的特征可以为图像中的角点特征或线特征。

在一个具体的示例中，在对图像中的棋盘格标定板的特征进行亚 像素精度优化，并对特征进行分组，得到对应图像中各组特征的第二 平面信息集合时，可以提取图像中的棋盘格标定板的角点；之后对角 点进行亚像素精度优化，得到优化后的角点；之后对优化后的角点进 行分组，并对分组后的各组角点进行编号；最后基于编号后的各组角 点，分别确定第二平面信息，得到第二平面信息集合。

在该示例中，亚像素精度是指相邻两像素之间的细分情况。输入 值通常为二分之一，三分之一或四分之一。这意味着每个像素将被分 为更小的单元从而对这些更小的单元实施插值算法。例如，如果选择 四分之一，就相当于每个像素在横向和纵向上都被当作四个像素来计 算。因此，如果一张5x5像素的图像选择了四分之一的亚像素精度优 化之后，就等于创建了一张16x16的离散点阵，进而对该点阵进行插 值。

进一步地，提取图像中的棋盘格标定板的角点包括：选择沿轴向 的角滤波器和与轴向形成预定角度夹角的角滤波器，分别对图像的灰 度图进行卷积，得到棋盘格标定板的角点。

在这里，沿轴向的角滤波器，是指用于检测沿轴向的角的滤波器。 与轴向形成预定角度夹角的滤波器，是指用于检测与轴向形成预定角 度夹角的滤波器。通过采用这两种滤波器，可以使得滤波器卷积后的 图像特征中需要检测的棋盘格标定板的特征更为显著，以达到后续对 棋盘格标定板的分类、检测等目的。

具体地，提取图像中的棋盘格标定板的角点可以包括：选择沿轴 向的角滤波器和与轴向形成45度夹角的角滤波器，分别对图像的灰度 图进行卷积，得到棋盘格标定板的角点。通过采用沿轴向的角滤波器 和与轴向形成45度夹角的角滤波器，分别对包括棋盘格标定板的图像 的灰度图进行卷积，得到棋盘格标定板的角点，从而获得较优的识别 效果。

步骤205，从第一平面信息集合与第二平面信息集合中，随机抽 取相对应的三组平面进行关联。

在本实施例中，上述执行主体可以采用现有技术或未来发展的技 术中从两个平面信息集合中随机抽取相对应的三组平面进行关联的方 法来从第一平面信息集合与第二平面信息集合中，随机抽取相对应的 三组平面进行关联。本申请对此不作限定。

例如，从第一平面信息集合与第二平面信息集合中，随机抽取相 对应的三组平面进行关联的方法，可以包括：将第一平面信息集合投 影至图像中，得到第三平面信息集合；基于第三平面信息集合中各平 面与第二平面信息集合中各平面的距离或法向量的相似度，随机抽取 相对应的三组平面进行关联。备选地，可以将第二平面信息集合投影 至激光点云数据中，得到第四平面信息集合；基于第四平面信息集合 中各平面与第一平面信息集合中各平面的距离或法向量的相似度，随 机抽取相对应的三组平面进行关联。备选地，可以基于人工操作，从 第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联。

步骤206，基于关联后的三组平面的中心点和法向量，计算多线 激光雷达与单目相机的相对位姿参数。

在本实施例中，在步骤205中关联三组平面之后，可以基于关联 后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相 对位姿参数。

以下结合图3，描述本申请的用于确定相对位姿参数的方法的示 例性应用场景。

如图3所示，图3示出了根据本申请的用于确定相对位姿参数的 方法的一个应用场景的示意性流程图。

如图3所示，用于确定相对位姿参数的方法300运行于电子设备 310中，可以包括：

首先，获取多线激光雷达301扫描的预设场景302的激光点云数 据303；其中，预设场景包括预设数量的设于不同区域且规格不完全 相同的棋盘格标定板。

之后，获取单目相机304拍摄的预设场景302的图像305。

之后，获取激光点云数据303中的第一平面信息集合306。

之后，获取图像305中的第二平面信息集合307。

之后，从第一平面信息集合306与第二平面信息集合307中，随 机抽取相对应的三组平面进行关联。

最后，基于关联后的三组平面308的中心点309和法向量310， 计算多线激光雷达与单目相机的相对位姿参数311。

应当理解，上述图3中所示出的用于确定相对位姿参数的方法的 应用场景，仅为对于用于确定相对位姿参数的方法的示例性描述，并 不代表对该方法的限定。例如，上述图3中示出的各个步骤，可以进 一步采用如图2中所示的更为细节的实现方法。

本申请上述实施例的用于确定相对位姿参数的方法，首先获取多 线激光雷达扫描预设场景的激光点云数据；其中，预设场景包括预设 数量的设于不同区域且规格不完全相同的棋盘格标定板；之后，获取 单目相机拍摄的预设场景的图像；之后，获取激光点云数据中的第一 平面信息集合；之后，获取图像中的第二平面信息集合；之后，从第 一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面 进行关联；最后，基于关联后的三组平面的中心点和法向量，计算多 线激光雷达与单目相机的相对位姿参数。在这一过程中，通过采集一 幅图像和一帧点云数据，就能计算单目相机和激光雷达的外部参数， 简洁高效。

请参考图4a，其示出了根据本申请的用于确定相对位姿参数的方 法的又一个实施例的流程图。

如图4a所示，本实施例的用于确定相对位姿参数的方法的流程 400，可以包括以下步骤：

步骤401，获取多线激光雷达扫描的预设场景的激光点云数据。

步骤402，获取单目相机拍摄的预设场景的图像。

步骤403，获取激光点云数据中的第一平面信息集合。

步骤404，获取图像中的第二平面信息集合。

步骤405，从第一平面信息集合与第二平面信息集合中，随机抽 取相对应的三组平面进行关联。

步骤406，基于关联后的三组平面的中心点和法向量，计算多线 激光雷达与单目相机的相对位姿参数。

本领域技术人员应当理解，上述步骤401至步骤406，分别与图2 中的步骤201至步骤206相对应。因此，上述图2中针对步骤201至 步骤206所描述的操作和特征同样适用于步骤401至步骤406，在此 不在赘述。

步骤407，根据相对位姿参数，将关联后的三组平面在相机坐标 系的位姿转换至激光雷达坐标系中。

在本实施例中，可以根据步骤406中的相对位姿参数，将关联后 的三组平面在相机坐标系的位姿转换之激光雷达坐标系中，以期确定 转换至激光雷达坐标系中的三个平面与激光点云数据中的三个平面的 重合度，从而判断相对位姿参数是否正确。

步骤408，响应于转换至激光雷达坐标系的三个平面与激光点云 数据中的三个平面的距离小于预定距离，确定相对位姿参数正确。

在本实施例中，若确定转换至激光雷达坐标系的三个平面与激光 点云数据中的三个平面的距离小于预定距离，则说明步骤406中确定 的相对位姿参数通过验证，该相对位姿参数的准确度符合要求。

在本实施例的一些可选实现方式中，转换至激光雷达坐标系的三 个平面与点云数据中的三个平面的距离可以经由以下步骤确定：复制 图像，将两幅图像中的一幅设定为参考图像，另一幅设定为待处理图 像；将待处理图像中随机选择的两组棋盘格标定板对应至参考图像中， 得到一组平移、旋转和缩放参数；采用平移、旋转和缩放参数，将待 处理图像中的所有棋盘格标定板投影到参考图像中；计算投影至参考 图像中的各个棋盘格标定板与参考图像中原有的各个棋盘格标定板的 投影误差；基于误差最小的一组平移、旋转和缩放参数，确定相机内 部参数；基于相机内部参数，确定棋盘格标定板的外部参数和法向量； 基于法向量与关联后的三组平面的法向量相似度最高的棋盘格标定板 的外部参数，确定关联后的三组平面的分别在相机坐标系中的距离。

在本实现方式中，通过将图像复制一份，理解为两个距离无限近 的相机得到的图片，选择其中一幅为参考系，在另外一幅图像中，随 机选择两组棋盘格和参考图像中的图像进行对应，得到一组平移，旋 转和缩放的参数。利用这组参数，将图像中的所有棋盘格投影到参考 坐标系中，计算投影误差。选择误差最小的参数作为相机内部参数。 之后，可以基于相机内部参数，来确定棋盘格标定板的外部参数和法 向量。在这里，相机内部参数是与相机自身特性相关的参数，比如相 机的焦距、像素大小等。棋盘格标定板的外部参数是棋盘格标定板在 世界坐标系中的参数，比如棋盘格标定板的位置、旋转方向等。

步骤409，采用梯度下降法对确定为正确的位姿参数进行优化， 得到位姿参数的最优解。

在本实施例中，可以构建优化函数

其中，T_ci为 相机拍摄到的第i个平面转换到激光雷达坐标系下的位姿，其中x为 待优化量，T_li为激光雷达扫描到的第i个平面在激光雷达坐标系下的 位姿。构建好优化函数后，使用梯度下降方法即可求解出x，从而计 算得到相对位姿参数的最优解。

本申请上述实施例的用于确定相对位姿参数的方法，与图2中所 示的实施例相比，可以验证相对位姿参数是否正确，并进一步确定相 对位姿参数的最优解，从而提高了相对位姿参数的准确性。

本领域技术人员应当理解，上述图4a中所述的用于确定相对位姿 参数的方法，仅为用于确定相对位姿参数的方法的一个具体的示例， 并不代表对本申请的限定。例如，上述图4a中所述的用于确定相对位 姿参数的方法中的步骤407和步骤408，可以采用以下备选步骤完成： 根据相机坐标系与激光雷达坐标系的初始外部参数，将关联后的三组 平面在激光雷达坐标系的位姿转换至相机坐标系中；响应于转换至相 机坐标系的三个平面与图像中的三个平面的距离小于预定距离，确定 位姿参数正确。

与步骤407和步骤408采用备选步骤完成相对应，上述转换至相 机坐标系的三个平面与图像中的三个平面的距离可以经由以下步骤确 定：复制图像，将两幅图像中的一幅设定为参考图像，另一幅设定为 待处理图像；将待处理图像中随机选择的两组棋盘格标定板对应至参 考图像中，得到一组平移、旋转和缩放参数；采用平移、旋转和缩放 参数，将待处理图像中的所有棋盘格标定板投影到参考图像中；计算 投影至参考图像中的各个棋盘格标定板与参考图像中原有的各个棋盘 格标定板的投影误差；基于误差最小的一组平移、旋转和缩放参数， 确定相机内部参数；基于相机内部参数，确定棋盘格标定板的外部参 数和法向量；基于法向量与关联后的三组平面的法向量相似度最高的 棋盘格标定板的外部参数，确定关联后的三组平面分别在相机坐标系 中的距离。

应当理解，上述转换至相机坐标系的三个平面与图像中的三个平 面的距离的确定步骤，与上述转换至激光雷达坐标系的三个平面与点 云数据中的三个平面的距离的确定步骤相对应，因此，上述针对转换 至激光雷达坐标系的三个平面与点云数据中的三个平面的距离的确定 步骤所描述的操作和特征，同样适用于上述转换至相机坐标系的三个 平面与图像中的三个平面的距离的确定步骤，在此不在赘述。

对应上述图4a，图4b示出了图4a中单目相机拍摄的预设场景的 图像。

图4c示出了在图4a中获取图像中的第二平面信息集合时提取的 图像中的棋盘格标定板的角点的一个示例性示意图。

图4d示出了在图4c中的棋盘格标定板的角点进行亚像素精度优 化后得到的角点的一个示例性示意图。

图4e示出了在图4a中随机抽取相对应的三组平面进行关联时将 图像投影至激光点云数据的一个示例性示意图。

图4f示出了在图4a中得到位姿参数的最优解之后得到的将激光 点云数据投影至图像的一个示例性示意图。

进一步参考图5，作为对上述各图所示方法的实现，本申请实施 例提供了一种用于确定相对位姿参数的装置的一个实施例，该装置实 施例与图2-图4中所示的方法实施例相对应，该装置具体可以应用于 各种电子设备中。

如图5所示，本实施例的用于确定相对位姿参数的装置500可以 包括：点云获取单元510，被配置成获取多线激光雷达扫描的预设场 景的激光点云数据；其中，预设场景包括预设数量的设于不同区域且 规格不完全相同的棋盘格标定板；图像获取单元520，被配置成获取 单目相机拍摄的预设场景的图像；第一获取单元530，被配置成获取 激光点云数据中的第一平面信息集合；第二获取单元540，被配置成 获取图像中的第二平面信息集合；平面关联单元550，被配置成从第 一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面 进行关联；参数计算单元560，被配置成基于关联后的三组平面的中 心点和法向量，计算多线激光雷达与单目相机的相对位姿参数。

在一些实施例中，第一获取单元530进一步被配置成执行以下任 意一项：对激光点云数据中随机确定的种子点进行区域扩张，基于扩 张的结果，获取第一平面信息集合；对激光点云数据中的激光点云进 行聚类，对聚类的结果进行平面检测，得到第一平面信息集合；基于 人工在激光点云数据中选定的第一区域，拟合第一区域中的激光点云 数据，得到第一平面信息集合。

在一些实施例中，第一获取单元530中对激光点云数据中随机确 定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合 包括：基于K最近邻算法，计算激光点云数据中各个数据点的法向量； 随机选择激光点云数据中的数据点作为种子点；基于各个数据点的法 向量，对种子点进行区域扩张，划分激光点云数据至多个平面；剔除 多个平面中面积小于棋盘格标定板的面积的平面以及平面度过低的平 面，得到点云数据中的第一平面信息集合。

在一些实施例中，第二获取单元540进一步被配置成执行以下任 意一项：对图像中的棋盘格标定板的特征进行亚像素精度优化，并对 特征进行分组，得到对应图像中各组特征的第二平面信息集合；基于 人工在图像中选定的第二区域，拟合第二区域中的像素，得到第二平 面信息集合。

在一些实施例中，第二获取单元540中对图像中的棋盘格标定板 的特征进行亚像素精度优化，并对特征进行分组，得到对应图像中各 组特征的第二平面信息集合包括：提取图像中的棋盘格标定板的角点； 对角点进行亚像素精度优化，得到优化后的角点；对优化后的角点进 行分组，并对分组后的各组角点进行编号；基于编号后的各组角点， 分别确定第二平面信息，得到第二平面信息集合。

在一些实施例中，第二获取单元540中提取图像中的棋盘格标定 板的角点包括：选择沿轴向的角滤波器和与轴向形成预定角度夹角的 角滤波器，分别对图像的灰度图进行卷积，得到棋盘格标定板的角点。

在一些实施例中，第二获取单元540中提取图像中的棋盘格标定 板的角点包括：选择沿轴向的角滤波器和与轴向形成45度夹角的角滤 波器，分别对图像的灰度图进行卷积，得到棋盘格标定板的角点。

在一些实施例中，平面关联单元550进一步被配置成执行以下任 意一项：将第一平面信息集合投影至图像中，得到第三平面信息集合； 基于第三平面信息集合中各平面与第二平面信息集合中各平面的距离 或法向量的相似度，随机抽取相对应的三组平面进行关联；将第二平 面信息集合投影至激光点云数据中，得到第四平面信息集合；基于第 四平面信息集合中各平面与第一平面信息集合中各平面的距离或法向 量的相似度，随机抽取相对应的三组平面进行关联；基于人工操作， 从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组 平面进行关联。

在一些实施例中，装置还包括：第一参数验证单元570，被配置 成根据相对位姿参数，将关联后的三组平面在相机坐标系的位姿转换 至激光雷达坐标系中；响应于转换至激光雷达坐标系的三个平面与激 光点云数据中的三个平面的距离小于预定距离，确定相对位姿参数正 确；或第二参数验证单元580，被配置成根据相对位姿参数，将关联 后的三组平面在激光雷达坐标系的位姿转换至相机坐标系中；响应于 转换至相机坐标系的三个平面与图像中的三个平面的距离小于预定距 离，确定相对位姿参数正确。

在一些实施例中，第一参数验证单元570中转换至激光雷达坐标 系的三个平面与点云数据中的三个平面的距离或第二参数验证单元 580中转换至相机坐标系的三个平面与图像中的三个平面的距离经由 以下步骤确定：复制图像，将两幅图像中的一幅设定为参考图像，另 一幅设定为待处理图像；将待处理图像中随机选择的两组棋盘格标定 板对应至参考图像中，得到一组平移、旋转和缩放参数；采用平移、 旋转和缩放参数，将待处理图像中的所有棋盘格标定板投影到参考图 像中；计算投影至参考图像中的各个棋盘格标定板与参考图像中原有 的各个棋盘格标定板的投影误差；基于误差最小的一组平移、旋转和缩放参数，确定相机内部参数；基于相机内部参数，确定棋盘格标定 板的外部参数和法向量；基于法向量与关联后的三组平面的法向量相 似度最高的棋盘格标定板的外部参数，确定关联后的三组平面分别在 相机坐标系中的距离。

在一些实施例中，装置还包括：参数优化单元590，被配置成采 用梯度下降法对确定为正确的位姿参数进行优化，得到位姿参数的最 优解。

应当理解，装置500中记载的诸单元可以与参考图2-图4描述的 方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同 样适用于装置500及其中包含的单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的 计算机系统600的结构示意图。图6示出的终端或服务器仅仅是一个 示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其 可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608 加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作 和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606； 包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的 输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、 调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如 因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口 605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等， 根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据 需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以 被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程 序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程 序包含用于执行流程图所示的方法的程序代码。在这样的实施例中， 该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从 可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601 执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申 请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读 存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、 装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的 例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算 机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦 式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读 存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适 的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程 序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者 与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基 带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的 程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电 磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还 可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可 读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件 使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可 以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等 等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、 方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点 上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码 的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实 现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实 现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。 例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时 也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是， 框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现， 或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实 现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理 器中，例如，可以描述为：一种处理器包括点云获取单元、图像获取 单元、第一获取单元、第二获取单元、平面关联单元和参数计算单元。 其中，这些单元的名称在某种情况下并不构成对该单元本身的限定， 例如，点云获取单元还可以被描述为“获取多线激光雷达扫描的预设 场景的激光点云数据的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机 可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独 存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多 个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获 取多线激光雷达扫描的预设场景的激光点云数据；其中，预设场景包 括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；获取 单目相机拍摄的预设场景的图像；获取激光点云数据中的第一平面信 息集合；获取图像中的第二平面信息集合；从第一平面信息集合与第 二平面信息集合中，随机抽取相对应的三组平面进行关联；基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相 对位姿参数。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说 明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限 于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离 上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合 而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于) 具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于确定相对位姿参数的方法，包括：

获取多线激光雷达扫描的预设场景的激光点云数据；其中，所述预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；

获取单目相机拍摄的所述预设场景的图像；

获取所述激光点云数据中的第一平面信息集合；

获取所述图像中的第二平面信息集合；

从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联；

基于关联后的三组平面的中心点和法向量，计算所述多线激光雷达与所述单目相机的相对位姿参数。

2.根据权利要求1所述的方法，其中，所述获取所述激光点云数据中的第一平面信息集合包括以下任意一项：

对所述激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合；

对所述激光点云数据中的激光点云进行聚类，对聚类的结果进行平面检测，得到第一平面信息集合；

基于人工在所述激光点云数据中选定的第一区域，拟合所述第一区域中的激光点云数据，得到第一平面信息集合。

3.根据权利要求2所述的方法，其中，对所述激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合包括：

基于K最近邻算法，计算所述激光点云数据中各个数据点的法向量；

随机选择所述激光点云数据中的数据点作为种子点；

基于所述各个数据点的法向量，对所述种子点进行区域扩张，划分所述激光点云数据至多个平面；

剔除所述多个平面中面积小于棋盘格标定板的面积的平面以及平面度过低的平面，得到点云数据中的第一平面信息集合。

4.根据权利要求1所述的方法，其中，所述获取所述图像中的第二平面信息集合包括以下任意一项：

对所述图像中的棋盘格标定板的特征进行亚像素精度优化，并对所述特征进行分组，得到对应所述图像中各组特征的第二平面信息集合；

基于人工在所述图像中选定的第二区域，拟合所述第二区域中的像素，得到第二平面信息集合。

5.根据权利要求4所述的方法，其中，所述对所述图像中的棋盘格标定板的特征进行亚像素精度优化，并对所述特征进行分组，得到对应所述图像中各组特征的第二平面信息集合包括：

提取所述图像中的棋盘格标定板的角点；

对所述角点进行亚像素精度优化，得到优化后的角点；

对所述优化后的角点进行分组，并对分组后的各组角点进行编号；

基于编号后的各组角点，分别确定第二平面信息，得到第二平面信息集合。

6.根据权利要求5所述的方法，其中，所述提取所述图像中的棋盘格标定板的角点包括：

选择沿轴向的角滤波器和与轴向形成预定角度夹角的角滤波器，分别对所述图像的灰度图进行卷积，得到所述棋盘格标定板的角点。

7.根据权利要求5或6任意一项所述的方法，其中，所述提取所述图像中的棋盘格标定板的角点包括：

选择沿轴向的角滤波器和与轴向形成45度夹角的角滤波器，分别对所述图像的灰度图进行卷积，得到所述棋盘格标定板的角点。

8.根据权利要求1所述的方法，其中，所述从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联包括以下任意一项：

将所述第一平面信息集合投影至所述图像中，得到第三平面信息集合；基于所述第三平面信息集合中各平面与所述第二平面信息集合中各平面的距离或法向量的相似度，随机抽取相对应的三组平面进行关联；

将所述第二平面信息集合投影至所述激光点云数据中，得到第四平面信息集合；基于所述第四平面信息集合中各平面与所述第一平面信息集合中各平面的距离或法向量的相似度，随机抽取相对应的三组平面进行关联；

基于人工操作，从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联。

9.根据权利要求1-8任意一项所述的方法，其中，所述方法还包括：

根据所述相对位姿参数，将所述关联后的三组平面在相机坐标系的位姿转换至激光雷达坐标系中；响应于转换至激光雷达坐标系的三个平面与所述激光点云数据中的三个平面的距离小于预定距离，确定所述相对位姿参数正确；或

根据所述相对位姿参数，将所述关联后的三组平面在激光雷达坐标系的位姿转换至相机坐标系中；响应于转换至相机坐标系的三个平面与所述图像中的三个平面的距离小于预定距离，确定所述相对位姿参数正确。

10.根据权利要求9所述的方法，其中，所述转换至激光雷达坐标系的三个平面与点云数据中的三个平面的距离或所述转换至相机坐标系的三个平面与所述图像中的三个平面的距离经由以下步骤确定：

复制所述图像，将两幅所述图像中的一幅设定为参考图像，另一幅设定为待处理图像；

将待处理图像中随机选择的两组棋盘格标定板对应至参考图像中，得到一组平移、旋转和缩放参数；

采用所述平移、旋转和缩放参数，将所述待处理图像中的所有棋盘格标定板投影到参考图像中；

计算投影至所述参考图像中的各个棋盘格标定板与所述参考图像中原有的各个棋盘格标定板的投影误差；

基于误差最小的一组平移、旋转和缩放参数，确定相机内部参数；

基于所述相机内部参数，确定棋盘格标定板的外部参数和法向量；

基于法向量与所述关联后的三组平面的法向量相似度最高的棋盘格标定板的外部参数，确定所述关联后的三组平面分别在相机坐标系中的距离。

11.根据权利要求9所述的方法，其中，所述方法还包括：

采用梯度下降法对确定为正确的位姿参数进行优化，得到位姿参数的最优解。

12.一种用于确定相对位姿参数的装置，包括：

点云获取单元，被配置成获取多线激光雷达扫描的预设场景的激光点云数据；其中，所述预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；

图像获取单元，被配置成获取单目相机拍摄的所述预设场景的图像；

第一获取单元，被配置成获取所述激光点云数据中的第一平面信息集合；

第二获取单元，被配置成获取所述图像中的第二平面信息集合；

平面关联单元，被配置成从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联；

参数计算单元，被配置成基于关联后的三组平面的中心点和法向量，计算所述多线激光雷达与所述单目相机的相对位姿参数。

13.一种服务器，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1-11中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-11中任一所述的方法。

Images