CN113256728A - Imu设备参数的标定方法及装置、存储介质、电子装置 - Google Patents
Imu设备参数的标定方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN113256728A CN113256728A CN202010091354.7A CN202010091354A CN113256728A CN 113256728 A CN113256728 A CN 113256728A CN 202010091354 A CN202010091354 A CN 202010091354A CN 113256728 A CN113256728 A CN 113256728A
- Authority
- CN
- China
- Prior art keywords
- imu
- motion
- target
- equipment
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims abstract description 250
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 230000004927 fusion Effects 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013519 translation 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种IMU设备参数的标定方法及装置、存储介质、电子装置，该方法，包括：基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定摄像设备相对于目标设备的第一运动轨迹，其中，N是大于1的整数，摄像设备和IMU均设置在目标车辆中；通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹；利用第一运动轨迹和第二运动轨迹，对IMU和摄像设备之间的外部参数进行标定，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。通过本发明，解决了相关技术中对IMU参数无法在线标定的问题，达到准确标定IMU参数的效果。
Description
技术领域
本发明涉及通信领域，具体而言，涉及一种IMU设备参数的标定方法及装置、存储介质、电子装置。
背景技术
自主定位导航是移动机器人和无人驾驶领域的热点，也是移动机器人和无人驾驶技术落地产品化的关键。基于相机和IMU惯性传感器的多传感器融合技术作为稳定可靠的定位导航系统，已经成为高精度地图，移动机器人/无人驾驶自主定位导航等应用方面的关键技术之一。相机可以为移动机器人和无人车提供周围环境的丰富的纹理信息，用于场景的识别以及车体的运动估计；IMU惯性传感器作为视觉里程计系统的关键部分之一，对车体的微小运动敏感，可以体现车体在很短一段时间内的轨迹变化，可以克服相机在短时间内车体快速微小运动轨迹和缺乏纹理信息场景下运动轨迹捕捉方面的缺陷。定位导航技术中一般将相机和IMU组合使用。
相机和IMU之间准确的外参标定结果是相机和IMU两种传感器融合技术的基础，只有获取到准确的相机对IMU外参标定结果，才能做好这两种不同类型传感器之间的数据融合，才能让移动机器人/无人车具有更强的车体姿态识别和自主定位导航能力。
现有技术中，相机对IMU外参标定，大多数都是实验室或者工厂组装阶段的离线标定，需要搭建特定的标定场景(特定的标定靶标，特定的运动轨迹)，而且标定流程一般较为复杂，需要耗费大量的人力物力财力。或者直接使用机械设计尺寸值，由于机械加工和装配误差的影响，导致依赖于机械设计尺寸值的外参值不够准确，容易导致较大偏差的多传感器融合结果。而且，移动机器人/无人车的工作场景一般较为复杂多变，碰撞，和长期的机械振动等外力因素容易导致相机对IMU相对位置关系发生变化，错误的位置关系必然导致错误的车体姿态识别结果，致使移动机器人/无人车丧失正确的环境感知能力。
针对上述技术问题，相关技术中尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种IMU设备参数的标定方法及装置、存储介质、电子装置，以至少解决相关技术中对IMU参数标定无法在线标定的问题。
根据本发明的一个实施例，提供了一种IMU设备参数的标定方法，包括：基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定上述摄像设备相对于上述目标设备的第一运动轨迹，其中，上述N是大于1的整数，摄像设备和IMU均设置在目标车辆中；通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹；利用上述第一运动轨迹和上述第二运动轨迹对上述IMU和上述摄像设备之间的外部参数进行标定，其中，上述外部参数用于确定上述目标车辆中的IMU设备和摄像设备的融合性能。
根据本发明的一个实施例，提供了一种标定设备参数的检查方法，包括：基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定上述摄像设备相对于上述目标设备的第三运动轨迹，其中，上述M是大于1的整数，摄像设备和IMU均设置在目标车辆中；通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；利用上述第三运动轨迹和上述第四运动轨迹对上述IMU和上述摄像设备之间的外部参数的标定结果进行检查，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
根据本发明的另一个实施例，提供了一种IMU设备参数的标定装置，包括：第一确定模块，用于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定上述摄像设备相对于上述目标设备的第一运动轨迹，其中，上述N是大于1的整数，其中，上述摄像设备和上述IMU均设置在上述目标车辆中；第二确定模块，用于通过上述IMU获取上述目标车辆的运动轨迹，得到第二运动轨迹；标定模块，用于利用上述第一运动轨迹和上述第二运动轨迹，对上述IMU和上述摄像设备之间的外部参数进行标定，其中，上述外部参数用于确定上述目标车辆中的上述IMU设备和上述摄像设备的融合性能。
根据本发明的另一个实施例，提供了一种标定设备参数的检查装置，包括：第三确定模块，用于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定上述摄像设备相对于上述目标设备的第三运动轨迹，其中，上述M是大于1的整数，上述摄像设备和上述IMU均设置在目标车辆中；第四确定模块，用于通过上述IMU获取上述目标车辆的运动轨迹，得到第四运动轨迹；第一检查模块，用于利用上述第三运动轨迹和上述第四运动轨迹对上述IMU和上述摄像设备之间的外部参数的标定结果进行检查，其中，上述外部参数用于确定上述目标车辆中的上述IMU设备和上述摄像设备的融合性能。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定摄像设备相对于目标设备的第一运动轨迹，其中，N是大于1的整数，摄像设备和IMU均设置在目标车辆中；通过MU获取目标车辆的运动轨迹，得到第二运动轨迹；利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。因此，可以解决相关技术中对IMU参数无法在线标定的问题，达到准确标定IMU参数的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种IMU设备参数的标定方法的移动终端的硬件结构框图；
图2是根据本发明实施例的IMU设备参数的标定方法的流程图；
图3是根据本发明实施例的IMU设备参数的标定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种IMU设备参数的标定方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的IMU设备参数的标定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种IMU设备参数的标定方法，图2是根据本发明实施例的IMU设备参数的标定方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定摄像设备相对于目标设备的第一运动轨迹，其中，N是大于1的整数，摄像设备和IMU均设置在目标车辆中；
可选地，在本实施例中，由于外部参数中包含11个自由度，第一运动轨迹中至少需要11个姿态信息，即至少需要拍摄11帧目标图像。
可选地，在本实施例中，预设标定精度可以是自定义的精度，也可以是IMU的初始标定精度。
可选地，上述步骤的执行主体可以为终端等，但不限于此。
可选地，在本实施例中，上述IMU设备参数的标定方法可以但不限于应用于需要对参数进行标定的场景中，例如，定位导航、无人驾驶场景中，在该场景中，对导航精度要求较高。
可选地，N帧目标图像包括但不限于是摄像设备在不同的角度拍摄得到的。拍摄设备包括但不限于是可以接收拍摄图片的终端设备，例如，手机、相机等等。
可选地，目标设备包括但不限于是充电桩，例如，无人驾驶的目标车辆到达充电站附近，接收到摄像设备对IMU的外参数标定指令，在靠近充电桩的运动过程中，通过摄像设备不断采集包含充电桩靶标特征的图像数据。以及，目标设备的设置位置固定。充电桩特征包括但不限于平面靶标特征(棋盘格/apriltag/圆形靶标阵列)。通过提取充电桩靶标特征控制点，即可获得每个摄像设备占位和靶标平面之间的相对位置关系，进而得到摄像设备在充电桩靶标坐标系的运动轨迹。
可选地，充电桩靶标特征决定着摄像设备对轮子里程计外参标定结果的准确性，角点个数不应少于16个，为了保证运动过程中摄像设备在充电桩靶标坐标系下的轨迹的精度，充电桩靶标尺寸不易过小，为了保证较近的距离摄像设备可以观测到更多的特征点，结合充电桩实际设计情况，充电桩靶标尺寸又不易太大。即充电桩靶标特征点个数和尺寸需要折中考虑和综合设计。
可选地，由于摄像设备系统一般采用大视野的鱼眼镜头，畸变较大，为了保证运动过程中摄像设备轨迹提取的准确性，一般尽量让充电桩靶标处于图像中心。
步骤S204，通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹；
可选地，IMU设置在目标车辆的车头或者是车尾位置。
可选地，IMU惯性传感器内部一般含有三轴的加速度计和三轴的陀螺仪。其中，加速度计用于输出物体在载体坐标系统中的三个坐标轴方向上的加速度信息，而陀螺仪用于输出载体相对于导航坐标系的三个坐标轴方向上的角速度信息，根据载体在三维空间中的角速度以及加速度值解算出对应的姿态。
可选地，为了获得高精度的摄像设备对IMU外参标定结果，需要IMU输出丰富的运动轨迹(包含直线轨迹和曲线轨迹)，本实施例中的相机对IMU外参标定方法采用“人”字形车体运动轨迹。在移动机器人/无人车靠近充电桩区域之后，即可按照“人”字形车体运动轨迹来预设移动机器人/无人车的运动轨迹，同时采集包含有充电桩靶标特征的图像数据和IMU轨迹数据。
步骤S206，利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
可选地，IMU和摄像设备之间的外部参数是后续多传感器融合算法的基础。
通过上述步骤，由于在通过摄像设备对目标设备进行拍摄得到的N帧目标图像中确定摄像设备相对于目标设备的第一运动轨迹，其中，N是大于1的整数；通过惯性测量单元IMU获取目标车辆的运动轨迹，得到第二运动轨迹，其中，摄像设备和IMU均设置在目标车辆中；利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。因此，可以解决相关技术中对IMU参数无法在线标定的问题，达到准确标定IMU参数的效果。
在一个可选的实施例中，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定摄像设备相对于目标设备的第一运动轨迹，包括：
S1，在目标区域中通过摄像设备对目标设备进行拍摄，得到N帧目标图像，其中，目标车辆在目标区域中处于运动的状态，N帧目标图像中的每帧目标图像中均包括目标设备的标识信息；
S2，从每帧目标图像的标识信息中获取目标设备与摄像设备之间的相对位置关系；
S3：利用相对位置关系确定第一运动轨迹。
可选地，在本实施例中，目标区域包括但不限于是目标车辆行驶至充电站的区域中。在目标设备是充电桩的情况下，目标设备的标识信息可以是充电桩的靶标，例如，设置在充电桩上的二维码信息。N帧目标图像中均包括二维码信息。
可选地，可以利用AprilTag识别算法提取每帧目标图像的标识信息，例如，靶标特征点。根据这些靶标特征点，在已知摄像设备的内参和畸变系数的基础上，利用PnP算法可以求解出靶标坐标系和摄像设备的坐标系之间的相对位置关系，具体公式如下：
其中，R_CW为旋转矩阵，t_CW为平移向量。
在一个可选的实施例中，通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹，包括：
S1，关联IMU和摄像设备；
S2，在摄像设备获取第一运动轨迹时，在目标区域中触发IMU获取目标车辆的运动轨迹，得到第二运动轨迹，其中，目标车辆在目标区域中处于运动的状态，第二运动轨迹满足预设轨迹。
可选地，在本实施例中，可以将IMU设置在摄像设备一边。
在一个可选的实施例中，利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定，包括：
S1，从第一运动轨迹中的摄像设备与目标设备之间的相对位置关系中确定出第一运动轨迹在预设坐标系中的第一轨迹坐标；
S2，确定第二运动轨迹在预设坐标系中的第二轨迹坐标，其中，第一轨迹坐标和第二轨迹坐标均是四元数的形式；
S3，利用预设算法以及第一轨迹坐标、所述第二轨迹坐标对外部参数进行标定。
可选地，在本实施例中，根据摄像设备占位和充电桩靶标平面之间的相对位置关系，即可求取摄像设备在充电桩靶标世界坐标系W下的四元数形式的轨迹表示如下：
已知IMU的输出轨迹表示如下：
根据摄像设备运动轨迹和IMU运动轨迹，利用视觉测量领域经典的手眼标定算法，即可完成摄像设备对IMU外参的标定。
在一个可选的实施例中，在利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定之后，方法还包括：
S1，对所述IMU和摄像设备之间的外部参数的标定结果进行检查。
在一个可选的实施例中，对IMU和摄像设备之间的外部参数的标定结果进行检查，包括：
S1，在通过摄像设备对目标设备进行拍摄得到的M帧目标图像中确定摄像设备相对于目标设备的第三运动轨迹，其中，M是大于1的整数；
S2，通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
S3，利用第三运动轨迹和所述第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查。
在一个可选的实施例中，利用第三运动轨迹和第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查，包括：
S1，以第三运动轨迹为参照，将第四运动轨迹设置在全局坐标系中，得到第五运动轨迹；
S2，将所述第五运动轨迹和所述第三运动轨迹进行轨迹对齐运算，得到第六运动轨迹，其中，所述六运动轨迹设置在所述全局坐标系中；
S3，计算所述第五运动轨迹对应的坐标和所述第六运动轨迹对应的坐标之间的坐标差值；
S4，计算所述第五运动轨迹和所述第六运动轨迹之间的相对位姿；
S5，基于坐标差值和相对位姿对IMU和摄像设备之间的外部参数的标定结果进行检查。
在本实施例中，摄像设备以相机为例进行说明，本实施例中的相机对IMU外参标定结果的检查方法的执行过程简要如下：
在移动机器人/无人车到达充电站附近，一旦接受到相机对IMU外参数标定结果检查的指令，在靠近充电桩的运动过程中，通过相机不断采集包含充电桩靶标特征的图像数据，同时IMU不断采集车体的运动轨迹。充电桩特征包括但不限于平面靶标特征(棋盘格/apriltag/圆形靶标阵列)。通过提取充电桩靶标特征控制点，即可获得每个相机占位和靶标平面之间的相对位置关系，进而得到相机在充电桩靶标坐标系的运动轨迹。在已知同一时间段的IMU运动轨迹和相机对IMU外参的基础上，可以将IMU轨迹转换为以相机坐标系为参考坐标系并在全局坐标系下的轨迹，然后和实际检测到的相机在充电桩靶标坐标系的轨迹按照轨迹对齐算法进行轨迹对齐，即得到两条相机在全局坐标系下的运动轨迹traj_A和traj_B，traj_A由IMU轨迹转换而来，raj_B由相机在靶标坐标系的轨迹转换而来。对轨迹traj_A和traj_B分别进行轨迹绝对值误差评价(ate，absolute trajectory err)和位姿的相对误差评价(rpe,relative pose err)，根据ate和rpe误差评价结果完成相机对IMU外参标定结果的检查。
相机对IMU外参标定结果的检查，根据每个相机占位和充电桩靶标平面之间的相对位置关系，即可求取相机在充电桩靶标世界坐标系W下的四元数形式的轨迹表示如下：
其中，W为充电桩靶标坐标系，C为车载相机坐标系。
IMU的输出轨迹表示如下：
其中，W_I为IMU全局坐标系，I为车载IMU坐标系。
已知车载IMU坐标系I和相机坐标系C之间的变换矩阵T_IC，将IMU轨迹转化为如下：
全局坐标系W I下的相机轨迹traj A：
现已知全局坐标系W_I下的相机轨迹traj_A和充电桩靶标坐标系W下的相机轨迹traj_cam，利用轨迹对齐算法，即可求得全局坐标系W_I和充电桩靶标坐标系W之间的变换矩阵T_WIW，进而将充电桩靶标坐标系W下的相机轨迹traj_cam转为全局坐标系下的相机轨迹traj_B：
对轨迹traj_A和traj_B分别进行轨迹绝对值误差评价(ate，absolutetrajectory err)和位姿的相对误差评价(rpe，relative pose err)，根据ate和rpe误差评价结果完成相机对IMU外参标定结果的检查。
一旦检查到无效的相机对IMU外参标定结果，就需要下达重新标定外参的命令，以便及时更新正确的相机对IMU外参标定结果，如果检测结果有效，则更新检测结果为有效即可。
在本实施例中提供了一种标定IMU设备参数的检查方法，该流程包括如下步骤：
S1，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定摄像设备相对于目标设备的第三运动轨迹，其中，M是大于1的整数，摄像设备和IMU均设置在目标车辆中；
S2，通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
S3，利用第三运动轨迹和第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
可选地，利用第三运动轨迹和第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查，包括：
S1，以第三运动轨迹为参照，将第四运动轨迹设置在全局坐标系中，得到第五运动轨迹；
S2，将所述第五运动轨迹和所述第三运动轨迹进行轨迹对齐运算，得到第六运动轨迹，其中，所述六运动轨迹设置在所述全局坐标系中；
S3，计算所述第五运动轨迹对应的坐标和所述第六运动轨迹对应的坐标之间的坐标差值；
S4，计算所述第五运动轨迹和所述第六运动轨迹之间的相对位姿；
S5，基于坐标差值和相对位姿对IMU和摄像设备之间的外部参数的标定结果进行检查。
在本实施例中，摄像设备以相机为例进行说明，本实施例中的相机对IMU外参标定结果的检查方法的执行过程简要如下：
在移动机器人/无人车到达充电站附近，一旦接受到相机对IMU外参数标定结果检查的指令，在靠近充电桩的运动过程中，通过相机不断采集包含充电桩靶标特征的图像数据，同时IMU不断采集车体的运动轨迹。充电桩特征包括但不限于平面靶标特征(棋盘格/apriltag/圆形靶标阵列)。通过提取充电桩靶标特征控制点，即可获得每个相机占位和靶标平面之间的相对位置关系，进而得到相机在充电桩靶标坐标系的运动轨迹。在已知同一时间段的IMU运动轨迹和相机对IMU外参的基础上，可以将IMU轨迹转换为以相机坐标系为参考坐标系并在全局坐标系下的轨迹，然后和实际检测到的相机在充电桩靶标坐标系的轨迹按照轨迹对齐算法进行轨迹对齐，即得到两条相机在全局坐标系下的运动轨迹traj_A和traj_B，traj_A由IMU轨迹转换而来，raj_B由相机在靶标坐标系的轨迹转换而来。对轨迹traj_A和traj_B分别进行轨迹绝对值误差评价(ate，absolute trajectory err)和位姿的相对误差评价(rpe,relative pose err)，根据ate和rpe误差评价结果完成相机对IMU外参标定结果的检查。
相机对IMU外参标定结果的检查，根据每个相机占位和充电桩靶标平面之间的相对位置关系，即可求取相机在充电桩靶标世界坐标系W下的四元数形式的轨迹表示如下：
其中，W为充电桩靶标坐标系，C为车载相机坐标系。
IMU的输出轨迹表示如下：
其中，W_I为IMU全局坐标系，I为车载IMU坐标系。
已知车载IMU坐标系I和相机坐标系C之间的变换矩阵T_IC，将IMU轨迹转化为如下：
全局坐标系W_I下的相机轨迹traj_A：
现已知全局坐标系W_I下的相机轨迹traj_A和充电桩靶标坐标系W下的相机轨迹traj_cam，利用轨迹对齐算法，即可求得全局坐标系W_I和充电桩靶标坐标系W之间的变换矩阵T_WIW，进而将充电桩靶标坐标系W下的相机轨迹traj_cam转为全局坐标系下的相机轨迹traj_B：
对轨迹traj_A和traj_B分别进行轨迹绝对值误差评价(ate，absolutetrajectory err)和位姿的相对误差评价(rpe，relative pose err)，根据ate和rpe误差评价结果完成相机对IMU外参标定结果的检查。
一旦检查到无效的相机对IMU外参标定结果，就需要下达重新标定外参的命令，以便及时更新正确的相机对IMU外参标定结果，如果检测结果有效，则更新检测结果为有效即可。
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根据上述实施例的方法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，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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。
在本实施例中还提供了一种IMU设备参数的标定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的IMU设备参数的标定装置的结构框图，如图3所示，该装置包括：
第一确定模块32，用于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像中确定所述摄像设备相对于所述目标设备的第一运动轨迹，其中，所述N是大于1的整数，摄像设备和IMU均设置在目标车辆中；
第二确定模块34，用于通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹；
标定模块36，用于利用所述第一运动轨迹和所述第二运动轨迹对所述IMU和所述摄像设备之间的外部参数进行标定，其中，所述外部参数用于确定所述目标车辆中的IMU设备和摄像设备的融合性能。
可选地，上述第一确定模块，包括：
第一确定单元，用于在目标区域中通过摄像设备对目标设备进行拍摄，得到N帧目标图像，其中，目标车辆在目标区域中处于运动的状态，N帧目标图像中的每帧目标图像中均包括目标设备的标识信息；
第一获取单元，用于从每帧目标图像的标识信息中获取目标设备与摄像设备之间的相对位置关系；
第二确定单元，用于利用相对位置关系确定出第一运动轨迹。
可选地，上述第二确定模块，包括：
第一关联单元，用于关联IMU和摄像设备；
第三确定单元，用于在摄像设备获取第一运动轨迹时，在目标区域中触发IMU获取目标车辆的运动轨迹，得到第二运动轨迹，其中，目标车辆在目标区域中处于运动的状态，第二运动轨迹满足预设轨迹。
可选地，上述标定模块，包括：
第四确定单元，用于从第一运动轨迹中的摄像设备与目标设备之间的相对位置关系中确定出第一运动轨迹在预设坐标系中的第一轨迹坐标；
第五确定单元，用于确定第二运动轨迹在预设坐标系中的第二轨迹坐标，其中，第一轨迹坐标和第二轨迹坐标均是四元数的形式；
第一标定单元，用于利用预设算法以及第一轨迹坐标、第二轨迹坐标对外部参数进行标定。
可选地，上述装置还包括：
第二检查模块，用于在利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定之后，对IMU和摄像设备之间的外部参数的标定结果进行检查。
可选地，上述第二检查模块，包括：
第六确定单元，用于在通过摄像设备对目标设备进行拍摄得到的M帧目标图像中确定摄像设备相对于目标设备的第三运动轨迹，其中，M是大于1的整数；
第七确定单元，用于通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
第一检查单元，用于利用第三运动轨迹和第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查。
可选地，上述第一检查单元，包括：
第一确定子单元，用于以第三运动轨迹为参照，将第四运动轨迹设置在全局坐标系中，得到第五运动轨迹；
第二确定子单元，用于将所述第五运动轨迹和所述第三运动轨迹进行轨迹对齐运算，得到第六运动轨迹，其中，所述六运动轨迹设置在所述全局坐标系中；
第一计算子单元，用于计算所述第五运动轨迹对应的坐标和所述第六运动轨迹对应的坐标之间的坐标差值；
第二计算子单元，用于计算所述第五运动轨迹和所述第六运动轨迹之间的相对位姿；
检查子单元，用于基于坐标差值和相对位姿对IMU和摄像设备之间的外部参数的标定结果进行检查。
根据本发明的另一个实施例，提供了一种标定IMU设备参数的检查装置，包括：
第三确定模块，用于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像中确定所述摄像设备相对于所述目标设备的第三运动轨迹，其中，所述M是大于1的整数，摄像设备和IMU均设置在目标车辆中；
第四确定模块，用于通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
第一检查模块，用于利用所述第三运动轨迹和所述第四运动轨迹对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查，其中，外部参数用于确定目标车辆中的IMU设备和所述摄像设备的融合性能。
可选地，上述第一检查模块，包括：
第八确定单元，用于以第三运动轨迹为参照，将第四运动轨迹设置在全局坐标系中，得到第五运动轨迹；
第九确定单元，用于将所述第五运动轨迹和所述第三运动轨迹进行轨迹对齐运算，得到第六运动轨迹，其中，所述六运动轨迹设置在所述全局坐标系中；
第一计算单元，用于计算所述第五运动轨迹对应的坐标和所述第六运动轨迹对应的坐标之间的坐标差值；
第二计算单元，用于计算所述第五运动轨迹和所述第六运动轨迹之间的相对位姿；
第二检查单元，用于基于坐标差值和相对位姿对IMU和摄像设备之间的外部参数的标定结果进行检查。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定摄像设备相对于目标设备的第一运动轨迹，其中，N是大于1的整数，摄像设备和IMU均设置在目标车辆中；
S2，通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹；
S3，利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定摄像设备相对于目标设备的第三运动轨迹，其中，M是大于1的整数，摄像设备和IMU均设置在目标车辆中；
S2，通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
S3，利用第三运动轨迹和第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定摄像设备相对于目标设备的第一运动轨迹，其中，N是大于1的整数，摄像设备和IMU均设置在目标车辆中；
S2，通过IMU获取目标车辆的运动轨迹，得到第二运动轨迹；
S3，利用第一运动轨迹和第二运动轨迹对IMU和摄像设备之间的外部参数进行标定，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定摄像设备相对于目标设备的第三运动轨迹，其中，M是大于1的整数，摄像设备和IMU均设置在目标车辆中；
S2，通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
S3，利用第三运动轨迹和第四运动轨迹对IMU和摄像设备之间的外部参数的标定结果进行检查，其中，外部参数用于确定目标车辆中的IMU设备和摄像设备的融合性能。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (13)
1.一种IMU设备参数的标定方法，其特征在于，包括：
基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定所述摄像设备相对于所述目标设备的第一运动轨迹，其中，所述N是大于1的整数，所述摄像设备和所述IMU均设置在目标车辆中；
通过所述IMU获取所述目标车辆的运动轨迹，得到第二运动轨迹；
利用所述第一运动轨迹和所述第二运动轨迹，对所述IMU和所述摄像设备之间的外部参数进行标定，其中，所述外部参数用于确定所述目标车辆中的所述IMU设备和所述摄像设备的融合性能。
2.根据权利要求1所述的方法，其特征在于，基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定所述摄像设备相对于所述目标设备的第一运动轨迹，包括：
在目标区域中通过所述摄像设备对所述目标设备进行拍摄，得到所述N帧目标图像，其中，所述目标车辆在所述目标区域中处于运动的状态，所述N帧目标图像中的每帧目标图像中均包括所述目标设备的标识信息；
从所述每帧目标图像的标识信息中获取所述目标设备与所述摄像设备之间的相对位置关系；
利用所述相对位置关系确定出所述第一运动轨迹。
3.根据权利要求1所述的方法，其特征在于，通过所述IMU获取所述目标车辆的运动轨迹，得到第二运动轨迹，包括：
关联所述IMU和所述摄像设备；
在所述摄像设备获取所述第一运动轨迹时，在目标区域中触发所述IMU获取所述目标车辆的运动轨迹，得到所述第二运动轨迹，其中，所述目标车辆在所述目标区域中处于运动的状态，所述第二运动轨迹满足预设轨迹。
4.根据权利要求1所述的方法，其特征在于，利用所述第一运动轨迹和所述第二运动轨迹对所述IMU和所述摄像设备之间的外部参数进行标定，包括：
从所述第一运动轨迹中的所述摄像设备与所述目标设备之间的相对位置关系中确定出所述第一运动轨迹在预设坐标系中的第一轨迹坐标；
确定所述第二运动轨迹在所述预设坐标系中的第二轨迹坐标，其中，所述第一轨迹坐标和所述第二轨迹坐标均是四元数的形式；
利用预设算法以及所述第一轨迹坐标、所述第二轨迹坐标对所述外部参数进行标定。
5.根据权利要求1所述的方法，其特征在于，在利用所述第一运动轨迹和所述第二运动轨迹对所述IMU和所述摄像设备之间的外部参数进行标定之后，所述方法还包括：
对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查。
6.根据权利要求5所述的方法，其特征在于，对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查，包括：
在通过所述摄像设备对目标设备进行拍摄得到的M帧目标图像中确定所述摄像设备相对于所述目标设备的第三运动轨迹，其中，所述M是大于1的整数；
通过IMU获取目标车辆的运动轨迹，得到第四运动轨迹；
利用所述第三运动轨迹和所述第四运动轨迹对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查。
7.根据权利要求6所述的方法，其特征在于，利用所述第三运动轨迹和所述第四运动轨迹对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查，包括：
以所述第三运动轨迹为参照，将所述第四运动轨迹设置在全局坐标系中，得到第五运动轨迹；
将所述第五运动轨迹和所述第三运动轨迹进行轨迹对齐运算，得到第六运动轨迹，其中，所述六运动轨迹设置在所述全局坐标系中；
计算所述第五运动轨迹对应的坐标和所述第六运动轨迹对应的坐标之间的坐标差值；
计算所述第五运动轨迹和所述第六运动轨迹之间的相对位姿；
基于所述坐标差值和所述相对位姿对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查。
8.一种标定IMU设备参数的检查方法，其特征在于，包括：
基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定所述摄像设备相对于所述目标设备的第三运动轨迹，其中，所述M是大于1的整数，所述摄像设备和所述IMU均设置在目标车辆中；
通过所述IMU获取所述目标车辆的运动轨迹，得到第四运动轨迹；
利用所述第三运动轨迹和所述第四运动轨迹对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查，其中，所述外部参数用于确定所述目标车辆中的所述IMU设备和所述摄像设备的融合性能。
9.根据权利要求8所述的方法，其特征在于，利用所述第三运动轨迹和所述第四运动轨迹对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查，包括：
以所述第三运动轨迹为参照，将所述第四运动轨迹设置在全局坐标系中，得到第五运动轨迹；
将所述第五运动轨迹和所述第三运动轨迹进行轨迹对齐运算，得到第六运动轨迹，其中，所述六运动轨迹设置在所述全局坐标系中；
计算所述第五运动轨迹对应的坐标和所述第六运动轨迹对应的坐标之间的坐标差值；
计算所述第五运动轨迹和所述第六运动轨迹之间的相对位姿；
基于所述坐标差值和所述相对位姿对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查。
10.一种IMU设备参数的标定装置，其特征在于，包括：
第一确定模块，用于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的N帧目标图像，确定所述摄像设备相对于所述目标设备的第一运动轨迹，其中，所述N是大于1的整数，其中，所述摄像设备和所述IMU均设置在目标车辆中；
第二确定模块，用于通过所述IMU获取所述目标车辆的运动轨迹，得到第二运动轨迹；
标定模块，用于利用所述第一运动轨迹和所述第二运动轨迹，对所述IMU和所述摄像设备之间的外部参数进行标定，其中，所述外部参数用于确定所述目标车辆中的所述IMU设备和所述摄像设备的融合性能。
11.一种标定IMU设备参数的检查装置，其特征在于，包括：
第三确定模块，用于基于待标定参数的惯性测量单元IMU的预设标定精度，通过摄像设备对目标设备进行拍摄得到的M帧目标图像，确定所述摄像设备相对于所述目标设备的第三运动轨迹，其中，所述M是大于1的整数，所述摄像设备和所述IMU均设置在目标车辆中；
第四确定模块，用于通过所述IMU获取所述目标车辆的运动轨迹，得到第四运动轨迹；
第一检查模块，用于利用所述第三运动轨迹和所述第四运动轨迹对所述IMU和所述摄像设备之间的外部参数的标定结果进行检查，其中，所述外部参数用于确定所述目标车辆中的所述IMU设备和所述摄像设备的融合性能。
12.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法，或者，运行时执行所述权利要求8至9任一项中所述的方法。
13.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法，或者，运行时执行所述权利要求8至9任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010091354.7A CN113256728B (zh) | 2020-02-13 | 2020-02-13 | Imu设备参数的标定方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010091354.7A CN113256728B (zh) | 2020-02-13 | 2020-02-13 | Imu设备参数的标定方法及装置、存储介质、电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256728A true CN113256728A (zh) | 2021-08-13 |
| CN113256728B CN113256728B (zh) | 2024-04-12 |
Family
ID=77219903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010091354.7A Active CN113256728B (zh) | 2020-02-13 | 2020-02-13 | Imu设备参数的标定方法及装置、存储介质、电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256728B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113655453A (zh) * | 2021-08-27 | 2021-11-16 | 阿波罗智能技术(北京)有限公司 | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 |
| WO2024041202A1 (zh) * | 2022-08-22 | 2024-02-29 | 华为技术有限公司 | 一种图像处理方法、标定系统及相关设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016087298A1 (en) * | 2014-12-04 | 2016-06-09 | Connaught Electronics Ltd. | Online calibration of a motor vehicle camera system |
| CN107521559A (zh) * | 2017-07-03 | 2017-12-29 | 驭势科技（北京）有限公司 | 转向角标定方法、运动轨迹计算方法和设备和车载设备 |
| CN108932737A (zh) * | 2018-06-15 | 2018-12-04 | 深圳地平线机器人科技有限公司 | 车载相机俯仰角标定方法和装置、电子设备以及车辆 |
| CN109520497A (zh) * | 2018-10-19 | 2019-03-26 | 天津大学 | 基于视觉和imu的无人机自主定位方法 |
| CN110443854A (zh) * | 2019-08-05 | 2019-11-12 | 兰州交通大学 | 基于固定靶标的无公共视场相机间相对位姿标定方法 |
-
2020
- 2020-02-13 CN CN202010091354.7A patent/CN113256728B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016087298A1 (en) * | 2014-12-04 | 2016-06-09 | Connaught Electronics Ltd. | Online calibration of a motor vehicle camera system |
| CN107521559A (zh) * | 2017-07-03 | 2017-12-29 | 驭势科技（北京）有限公司 | 转向角标定方法、运动轨迹计算方法和设备和车载设备 |
| CN108932737A (zh) * | 2018-06-15 | 2018-12-04 | 深圳地平线机器人科技有限公司 | 车载相机俯仰角标定方法和装置、电子设备以及车辆 |
| CN109520497A (zh) * | 2018-10-19 | 2019-03-26 | 天津大学 | 基于视觉和imu的无人机自主定位方法 |
| CN110443854A (zh) * | 2019-08-05 | 2019-11-12 | 兰州交通大学 | 基于固定靶标的无公共视场相机间相对位姿标定方法 |
Non-Patent Citations (5)
| Title |
|---|
| HANBO XU ET AL.: "Online Intelligent Calibration of Cameras and LiDARs for Autonomous Driving Systems", 《2019 IEEE INTELLIGENT TRANSPORTATION SYSTEMS CONFERENCE (ITSC)》 * |
| JURAJ PERŠI´ C ET AL.: "Spatio-Temporal Multisensor Calibration Based on Gaussian Processes Moving Object Tracking", 《ARXIV》 * |
| QINGHAI LIAO ET AL.: "Extrinsic Calibration of Lidar and Camera with Polygon", 《 2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO)》, pages 218 * |
| 李祎承: "面向智能车的道路场景建模与高精度定位研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 杨三永;曾碧;: "基于机器视觉的目标定位与机器人规划系统研究", 计算机测量与控制, no. 12 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113655453A (zh) * | 2021-08-27 | 2021-11-16 | 阿波罗智能技术(北京)有限公司 | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 |
| CN113655453B (zh) * | 2021-08-27 | 2023-11-21 | 阿波罗智能技术(北京)有限公司 | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 |
| WO2024041202A1 (zh) * | 2022-08-22 | 2024-02-29 | 华为技术有限公司 | 一种图像处理方法、标定系统及相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256728B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109887057B (zh) | 生成高精度地图的方法和装置 | |
| US11205283B2 (en) | Camera auto-calibration with gyroscope | |
| Panahandeh et al. | Vision-aided inertial navigation based on ground plane feature detection | |
| CN111380514A (zh) | 机器人位姿估计方法、装置、终端及计算机存储介质 | |
| CN108780577A (zh) | 图像处理方法和设备 | |
| CN110728716B (zh) | 一种标定方法、装置及飞行器 | |
| JP6479296B2 (ja) | 位置姿勢推定装置および位置姿勢推定方法 | |
| CN111279354A (zh) | 图像处理方法、设备及计算机可读存储介质 | |
| CN110470333A (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
| CN111083633B (zh) | 移动终端定位系统及其建立方法、移动终端的定位方法 | |
| CN111383282B (zh) | 位姿信息确定方法及装置 | |
| CN113256728B (zh) | Imu设备参数的标定方法及装置、存储介质、电子装置 | |
| CN107607111A (zh) | 加速度偏置估计方法和装置、视觉惯性里程计及其应用 | |
| CN111489288A (zh) | 一种图像的拼接方法和装置 | |
| CN113252066B (zh) | 里程计设备参数的标定方法及装置、存储介质、电子装置 | |
| CN111025330B (zh) | 一种基于深度图的目标倾斜角检测方法及设备 | |
| CN113052897A (zh) | 定位初始化方法和相关装置、设备、存储介质 | |
| CN104913775A (zh) | 无人机对地高度的测量方法、无人机定位方法及装置 | |
| CN110720113A (zh) | 一种参数处理方法、装置及摄像设备、飞行器 | |
| CN116184430A (zh) | 一种激光雷达、可见光相机、惯性测量单元融合的位姿估计算法 | |
| CN111207688A (zh) | 在载运工具中测量目标对象距离的方法、装置和载运工具 | |
| CN108225316B (zh) | 载体姿态信息的获取方法和装置及系统 | |
| CN112154480B (zh) | 可移动平台的定位方法、装置、可移动平台及存储介质 | |
| CN116952229A (zh) | 无人机定位方法、装置、系统和存储介质 | |
| CN113392909B (zh) | 数据处理方法、数据处理装置、终端及可读存储介质 |
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 |