CN113310505A - 传感器系统的外参标定方法、装置及电子设备 - Google Patents
传感器系统的外参标定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113310505A CN113310505A CN202110663429.9A CN202110663429A CN113310505A CN 113310505 A CN113310505 A CN 113310505A CN 202110663429 A CN202110663429 A CN 202110663429A CN 113310505 A CN113310505 A CN 113310505A
- Authority
- CN
- China
- Prior art keywords
- calibration
- sensor
- sub
- attitude
- calibration sensor
- 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 119
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 10
- 230000036544 posture Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Manufacturing & Machinery (AREA)
- Position Input By Displaying (AREA)
Abstract
本发明提供了一种传感器系统的外参标定方法、装置及电子设备,获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据后,从待标定传感器中确定第一标定传感器及第二标定传感器;然后基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定二者之间的外参初值;基于外参初值及姿态数据,进一步确定二者之间的标定外参,然后继续确定第一标定传感器及第二标定传感器,直至确定传感器系统中,所有的待标定传感器之间的标定外参。该方式通过对传感器系统中,传感器的部分姿态数据进行初步标定,在基于全部姿态数据对初步标定参数进一步优化,从而提高了传感器系统的外参的标定精度。
Description
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种传感器系统的外参标定方法、装置及电子设备。
背景技术
相关技术中,通常采用基于目标的标定方法或基于无目标的标定方法对传感器之间的外参进行标定。基于目标的标定方法通过选用具有几何特征的标定物作为信息采集的目标,这种方式导致外参的准确性在很大程度上取决于传感器的参数或环境的结构,且消耗人力成本,缺乏泛化能力。基于无目标的标定方法主要通过最大化传感器交互信息的方式,但是不同的传感器依据不同的原理,拥有不同的帧率,传感器之间的视野可能没有共视区,环境信息具有多变性且较为冗杂,容易对计算带来干扰,使得标定精度较低。
发明内容
有鉴于此,本发明的目的在于提供一种传感器系统的外参标定方法、装置及电子设备,以提高传感器系统的外参的标定精度。
第一方面,本发明实施例提供了一种传感器系统的外参标定方法,传感器系统包括多个待标定传感器;传感器系统设置于刚性物体;方法包括:获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据;姿态数据包括设定时间内,多个时刻对应的子姿态;从待标定传感器中确定第一标定传感器及第二标定传感器;基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值;基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参,继续执行从待标定传感器中确定第一标定传感器及第二标定传感器的步骤,直至确定传感器系统中,所有的待标定传感器之间的标定外参。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,从待标定传感器中确定第一标定传感器及第二标定传感器之前,上述方法还包括:对姿态数据进行滤波处理,得到滤波数据;将滤波数据确定为姿态数据。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,从待标定传感器中确定第一标定传感器及第二标定传感器的步骤,包括:判断当前传感器是否为最后的待标定传感器;如果否,将当前传感器确定为第一标定传感器,按照设定顺序将当前传感器之后的待标定传感器确定为第二标定传感器;将第二标定传感器确定为当前传感器。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,从待标定传感器中确定第一标定传感器及第二标定传感器之后,上述方法还包括:对第一标定传感器的姿态数据,以及第二标定传感器的姿态数据进行时间对齐处理,得到对齐数据;将对齐数据确定为姿态数据;针对第一标定传感器的姿态数据中每一个子姿态,计算子姿态与第一标定传感器的其他子姿态之间的第一内积;当第一内积大于预设的第一阈值时,删除子姿态;将第一标定传感器的姿态数据中的剩余子姿态的集合确定为第一标定传感器的姿态数据;针对第二标定传感器的姿态数据中每一个子姿态,计算子姿态与第二标定传感器的其他子姿态之间的第二内积;当第二内积大于预设的第一阈值时,删除子姿态;将第二标定传感器的姿态数据中的剩余子姿态的集合确定为第二标定传感器的姿态数据。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值的步骤,包括:随机从第一标定传感器的姿态数据中选取设定数量的子姿态,确定为第一子姿态;从第二标定传感器的姿态数据中,选取与第一子姿态的时刻相对应的子姿态,确定为第二子姿态;判断第一子姿态与对应的第二子姿态的旋转角度量是否一致;如果不一致,继续执行随机从第一标定传感器的姿态数据中选取设定数量的子姿态的步骤;如果一致,基于第一子姿态及第二子姿态,采用外参标定算法计算第一标定传感器及第二标定传感器之间的第一旋转矩阵及第一平移参数,将第一旋转矩阵及第一平移参数确定为第一标定传感器及第二标定传感器之间的外参初值,迭代次数加一;迭代次数为预先设置的参数变量,初始值为零。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参的步骤,包括:基于外参初值,将第二标定传感器的姿态参数转换为第一标定传感器对应的姿态转换参数;计算第一标定传感器的姿态参数及姿态转换参数之间的误差数据;判断误差数据是否小于预设的第一误差阈值;如果小于第一误差阈值,将外参初值确定为第一标定传感器及第二标定传感器之间的备选标定外参,参数计算次数加一;如果大于或等于第一误差阈值,判断迭代次数是否等于预设的代数阈值;如果不等于代数阈值,基于误差数据及预设的第二误差阈值,更新第一子姿态及第二子姿态;基于更新后的第一子姿态及第二子姿态,更新第一标定传感器及第二标定传感器之间的外参初值,继续执行基于外参初值将第二标定传感器的姿态参数转换为第一标定传感器对应的姿态转换参数的步骤;如果等于代数阈值,将外参初值确定为第一标定传感器及第二标定传感器之间的备选标定外参,参数计算次数加一;判断参数计算次数是否等于预设的次数阈值;参数计算次数为预先设置的参数变量,初始值为零;如果不等于次数阈值,继续执行随机从第一标定传感器的姿态数据中选取设定数量的子姿态,确定为第一子姿态的步骤;如果等于次数阈值,基于第一标定传感器及第二标定传感器之间的备选标定外参,确定第一标定传感器及第二标定传感器之间的标定外参。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,上述误差阈值包括多个子误差;子误差对应于第一标定传感器的子姿态;基于误差数据及预设的第二误差阈值,更新第一子姿态及第二子姿态的步骤,包括:针对于每个子误差,判断子误差是否小于预设的第二误差阈值;如果小于,将子误差对应子姿态确定为新增数据;将新增数据及第一子姿态的集合确定为更新后的第一子姿态;将更新后的第一子姿态对应的第二标定传感器的子姿态确定为更新后的第二子姿态。
第二方面,本发明实施例还提供一种传感器系统的外参标定装置,传感器系统包括多个待标定传感器;传感器系统设置于刚性物体;该装置包括:数据获取模块,用于获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据;姿态数据包括设定时间内,多个时刻对应的子姿态;传感器确定模块,用于从待标定传感器中确定第一标定传感器及第二标定传感器;外参初值确定模块,用于基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值;标定外参参数模块,用于基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参,继续执行从待标定传感器中确定第一标定传感器及第二标定传感器的步骤,直至确定传感器系统中,所有的待标定传感器之间的标定外参。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的机器可执行指令,处理器执行机器可执行指令以实现上述方法。
第四方面,本发明实施例还提供一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现上述方法。
本发明实施例带来了以下有益效果:
本发明实施例提供了一种传感器系统的外参标定方法、装置及电子设备,获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据后,从待标定传感器中确定第一标定传感器及第二标定传感器;然后基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值;基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参,然后继续确定第一标定传感器及第二标定传感器,直至确定传感器系统中,所有的待标定传感器之间的标定外参。该方式通过对传感器系统中,传感器的部分姿态数据进行初步标定,在基于全部姿态数据对初步标定参数进一步优化,从而提高了传感器系统的外参的标定精度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域技术护工来讲,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为本发明实施例提供的一种传感器系统的外参标定方法的流程图;
图2为本发明实施例提供的另一种传感器系统的外参标定方法的流程图;
图3为本发明实施例提供的另一种传感器系统的外参标定方法的流程图;
图4为本发明实施例提供的另一种传感器系统的外参标定方法中,基于初始外参进行迭代计算过程的流程图;
图5为本发明实施例提供的一种传感器系统的外参标定方法中,组合激光姿态的角速度模值数据示意图;
图6为本发明实施例提供的一种传感器系统的外参标定方法中,组合惯导姿态的角速度模值数据示意图;
图7为本发明实施例提供的一种传感器系统的外参标定方法中,时间对齐前的姿态数据示意图;
图8为本发明实施例提供的一种传感器系统的外参标定方法中,参数转换前的姿态数据示意图;
图9为本发明实施例提供的一种传感器系统的外参标定方法中,参数转换后的姿态数据示意图;
图10为本发明实施例提供的一种传感器系统的外参标定装置的结构示意图;
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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,本领域技术护工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。
在自动驾驶汽车和机器人平台中利用各种传感器收集的信息在环境中导航。融合互补的传感器数据信息提高了系统中许多方面的可靠性和准确性,如感知,自主导航,建图和定位。对于传感器融合而言,在静态条件下,只需要进行传感器之间的空间变换。但当传感器处于运动状态(或环境发生变化)时,传感器之间的时间关系也是必要的。最理想的时间同步方法是通过硬件的支持把各传感器的时钟源统一,建立统一的时间系统,进行数据采集时可以通过外部触发的方式进行激活多个传感器,从而得到同一个时间点上的环境信息。当没有硬件支持时,通过软件支持的时间同步可以通过NTP(Network Time Protocol)等算法学习时钟的对应关系。通过这种映射解析与共同时钟相关的设备时间戳。尤其随着传感器融合精度要求的不断提高,时间偏移量作为多传感器数据处理过程中确定性误差的来源越来越受到重视。现有的多传感器之间的时间同步方法大多通过硬件支撑,需要专门的硬件,增加了集成的复杂性,且有些设备的工作频率也不一致,无法做到严格的硬时间同步。通过软件支撑的时间同步需要在每个设备上提供软件支持,但很少有现成的传感器提供这种支持。
对于传感器的外参标定,大致分为基于目标的标定方法与无目标的标定方法两类。这两类标定方法大部分属于离线标定。基于目标的标定方法中,大多数选用具有几何特征的标定物作为信息采集的目标,从而获取传感器数据中的特征进行匹配计算;然而,该方式需要特定的场景和依赖于人工标记,导致外参的准确性在很大程度上取决于传感器的参数或环境的结构,且劳动强度大,操作流程复杂,消耗人力成本,缺乏泛化能力,效率低下。
无目标的标定方法通常会利用自然场景下的环境信息进行求解,而不需要使用特制的标定目标,例如通过最大化传感器互信息的方式求解传感器之间的空间关系。基于无目标的标定方式主要通过最大化传感器互信息的方式,但是传感器依据不同的原理,拥有不同的帧率,传感器之间的视野可能没有共视区,环境信息具有多变性且较为冗杂,容易对计算带来干扰并影响标定精度,实现方式复杂繁琐,很难实现在线或动态标定。在相机运动过程中传感器位姿会产生漂移,使得离线标定提供的外参有效性也会随之降低。只适用于少部分特定的传感器,且实现方式复杂繁琐。
总而言之,现有的标定方法无法在线修正外参变化,无法满足实时需求,鲁棒性差,具有下述缺点:
1.通过硬件的时间同步方法需要专门的硬件,集成复杂,且很难确保精度,缺乏泛化能力;
2.通过软件的时间同步方法需要在每个设备上提供软件支持,操作复杂;
3.基于目标的外参标定需要特定的场景和依赖于人工标记,劳动强度大,操作流程复杂,效率低下;
4.基于无目标的标定方法,只适用于少部分特定的传感器,且实现方式复杂繁琐;
基于此,本发明实施例提供的一种传感器系统的外参标定方法、装置以及电子设备,可以应用于各种设置在刚性物体上的传感器系统的外参标定过程。
为便于对本实施例进行理解,首先对本发明实施例所公开的传感器系统的外参标定方法进行详细介绍。
本发明实施例提供了一种传感器系统的外参标定方法,传感器系统包括多个待标定传感器;传感器系统设置于刚性物体;如图1所示,该方法包括以下步骤:
步骤S100,获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据;姿态数据包括设定时间内,多个时刻对应的子姿态。
上述传感器系统中的每个待标定传感器均设置在同一个刚性物体上,在刚性物体的运动过程中,每个待标定传感器同时检测该刚性物体的姿态数据。在获取到姿态数据后,可以对姿态数据进行滤波处理,得到滤波数据,在后续标定过程中可以将滤波数据作为标定使用的姿态数据,以减小误差及不必要的计算。
步骤S102,从待标定传感器中确定第一标定传感器及第二标定传感器。
在对传感器系统进行外参标定时,主要是要得到任意两个传感器之间的平面位置关系及旋转位置关系。需要从传感器系统中选取两个传感器进行标定,具体而言,可以判断当前传感器是否为最后的待标定传感器;如果不是,可以将当前传感器确定为第一标定传感器,按照设定顺序将当前传感器之后的待标定传感器确定为第二标定传感器,然后将第二标定传感器确定为当前传感器。在对第一标定传感器和第二标定传感器进行了外参标定后,再重复判断当前传感器是否为最后的待标定传感器的步骤,如果为最后的待标定传感器,结束对传感器系统的标定。此外,在确定了第一标定传感器及第二标定传感器之后,还可以对二者的姿态数据进行时间对齐,内积计算等处理,以获得适合用于标定的姿态数据。
步骤S104,基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值。
在该过程中可以采用手眼标定等外参标定方法计算得到第一标定传感器及第二标定传感器之间的旋转矩阵及平移矩阵,将旋转矩阵及平移矩阵作为第一标定传感器及第二标定传感器之间的外参初值。
步骤S106,基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参,继续执行从待标定传感器中确定第一标定传感器及第二标定传感器的步骤,直至确定传感器系统中,所有的待标定传感器之间的标定外参。
在得到外参初值后,可以基于该外参初值对将第一标定传感器及第二标定传感器的姿态数据归一化至同一个坐标系中,然后基于归一化的多对对子姿态计算误差,当误差小于预设的误差阈值时,则认为外参初值适用于这些子姿态,这些子姿态可以用于进一步更新外参初值中。如果针对于所有姿态数据,总误差小于预设的总误差阈值时,或对外参初值的更新次数达到预设的次数阈值之后,可以将更新的外参初值据确定为备选标定外参。采用上述方法得到多个备选标定外参后,可以选取对应的总误差最小的备选标定外参作为标定外参。
本发明实施例提供了一种传感器系统的外参标定方法,获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据后,从待标定传感器中确定第一标定传感器及第二标定传感器;然后基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值;基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参,然后继续确定第一标定传感器及第二标定传感器,直至确定传感器系统中,所有的待标定传感器之间的标定外参。该方式通过对传感器系统中,传感器的部分姿态数据进行初步标定,在基于全部姿态数据对初步标定参数进一步优化,从而提高了传感器系统的外参的标定精度。
本发明实施例还提供了另一种传感器系统的外参标定方法,该方法在图1所示的方法基础上实现。该方法具体描述了确定第一标定传感器及第二标定传感器之间的外参初值的过程,以及基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参的过程。如图2所示,该方法包括以下步骤:
步骤S200,对第一标定传感器的姿态数据,以及第二标定传感器的姿态数据进行时间对齐处理,得到对齐数据。
在对齐过程中,可以基于两组字条数据计算对应的两组角速度模值数据。然后计算两组角速度模值数据代表的信号相关度,相关度越高代表着越有可能是同一实际时间,选取最大相关度索引,计算出第一标定传感器及第二标定传感器之间的时间延迟。假设姿态数据中有M个子姿态,设两传感器中高频的周期为T,传感器1的第i帧的角速度模值为传感器2的第i帧的角速度模值则时间延迟td可以按如下方式估计:
即可基于时间延迟调整第一标定传感器及第二标定传感器的姿态数据,得到对齐数据。
步骤S202,将对齐数据确定为姿态数据。
此外,还可以针对第一标定传感器的姿态数据中每一个子姿态,计算子姿态与第一标定传感器的其他子姿态之间的第一内积,当第一内积大于预设的第一阈值时,删除子姿态,将姿态数据中的剩余子姿态的集合确定为第一标定传感器的姿态数据。
针对第二标定传感器的姿态数据中每一个子姿态,计算子姿态与第二标定传感器的其他子姿态之间的第二内积,当第二内积大于预设的第一阈值时,删除子姿态,将姿态数据中的剩余子姿态的集合确定为第二标定传感器的姿态数据。该方式可以去除一些在刚体运动过程中没有产生姿态变化时测得的数据,减少不必要的计算。
步骤S204,随机从第一标定传感器的姿态数据中选取设定数量的子姿态,确定为第一子姿态。上述设定数量可以为至少为2个,可以为3个及以上。
步骤S206,从第二标定传感器的姿态数据中,选取与第一子姿态的时刻相对应的子姿态,确定为第二子姿态。此时,第一子姿态和第二子姿态测量的是刚体的同一时刻的姿态。
步骤S208,判断第一子姿态与对应的第二子姿态的旋转角度量是否一致;如果不一致,执行步骤S204;如果一致,执行步骤S210。由于第一子姿态和第二子姿态测量的是刚体的同一时刻的姿态,则二者的旋转角度量之间的误差应在一定范围内,即一致,如不一致,则说明其中一个测量误差过大,不适合用于外参的标定。
步骤S210,基于第一子姿态及第二子姿态,采用外参标定算法计算第一标定传感器及第二标定传感器之间的第一旋转矩阵及第一平移参数,将第一旋转矩阵及第一平移参数确定为第一标定传感器及第二标定传感器之间的外参初值,迭代次数加一;迭代次数为预先设置的参数变量,初始值为零。
具体而言,可以采用手眼标定算法,计算外参初值。令Ai和Bi分别是第一标定传感器和第二标定传感器第i帧到第i+1帧的姿态,X是第一标定传感器和第一标定传感器之间的外参,那么外参可以通过AiX=XBi获得,分解旋转和平移关系如下:
P=RQ (4)
使用SVD(奇异值)分解求解上式即可得到旋转矩阵,在代入(2)求最小二乘解可得到平移参数,于是可得整个外参初值X。
步骤S212,判断迭代次数是否等于预设的代数阈值;如果不等于代数阈值,执行步骤S214;如果等于代数阈值,执行步骤S224。
步骤S214,基于外参初值,将第二标定传感器的姿态参数转换为第一标定传感器对应的姿态转换参数。
步骤S216,计算第一标定传感器的姿态参数及姿态转换参数之间的误差数据。
步骤S218,判断误差数据是否小于预设的第一误差阈值;如果小于第一误差阈值,执行步骤S224;如果大于或等于第一误差阈值,执行步骤S220。
步骤S220,基于误差数据及预设的第二误差阈值,更新第一子姿态及第二子姿态。
上述误差阈值包括多个子误差;子误差对应于第一标定传感器的子姿态;在更新第一子姿态和第二子姿态时,可以针对于每个子误差,判断子误差是否小于预设的第二误差阈值;如果小于,将子误差对应子姿态确定为新增数据;将新增数据及第一子姿态的集合确定为更新后的第一子姿态;将更新后的第一子姿态对应的第二标定传感器的子姿态确定为更新后的第二子姿态。
步骤S222,基于更新后的第一子姿态及第二子姿态,更新第一标定传感器及第二标定传感器之间的外参初值,执行步骤S212。
步骤S224,将外参初值确定为第一标定传感器及第二标定传感器之间的备选标定外参,参数计算次数加一。
步骤S226,判断参数计算次数是否等于预设的次数阈值;参数计算次数为预先设置的参数变量,初始值为零;如果不等于次数阈值,执行步骤S204,如果等于次数阈值,执行步骤S228。
步骤S228,基于第一标定传感器及第二标定传感器之间的备选标定外参,确定第一标定传感器及第二标定传感器之间的标定外参。具体而言,可以选取误差较小的备选标定外参为第一标定传感器及第二标定传感器之间的标定外参。
上述方法以两个传感器之间的外参标定为例,说明了由姿态数据确定外参初值,然后由外参初值逐渐确定标定外参的过程,该方式提高了传感器系统外参标定的精度。
本发明实施例还提供了另一种传感器系统的外参标定方法,该方法再图1所示的方法的基础上实现。该方法中不需要复杂的硬件集成,也不需要特定的场景或者装置,且操作流程简单。该方法无需传感器的外参初值,相较于以前的方法更加灵活,实用性强,尤其适用于多数传感器的标定与时间同步,尤其是可以提供姿态的传感器,比如惯导、GPS(Global Positioning System,全球定位系统,)数据。该方法在进行标定外参前先进行时间同步,进一步提高了标定的精度。具体而言,可以在手眼标定的基础上进行不同的滤波方法,处理噪声数据,提高了结果的精度以及算法的鲁棒性。上述方法不仅可以适用于离线标定,同样也适用于在线标定。
该方法获取不同传感器的姿态后先进行时间同步估计,估算出不同传感器之间的延迟时间并对齐轨迹,最后进行外参标定。不失一般性,以两个传感器之间的标定作为案例进行说明,流程图如图3所示,具体步骤如下:
(1)输入传感器原始数据。
(2)对相机进行视觉姿态估计,对激光进行激光姿态估计,对惯导进行惯导姿态估计,并对其他传感器得到其他传感器姿态。如果是针对与两个传感器,则对两传感器的数据分别进行姿态估计,获取相应的姿态数据(无需进行时间对齐)。
获取不同传感器的姿态数据。
针对相机,如果能提供target板则通过提取标定板特征信息得到较高精度的姿态;如果不方便提供标定板(比如在线场景),则根据图像数据使用orbslam算法在线估计姿态。
针对激光雷达,可以根据LeGo-Loam算法通过点云处理估计激光姿态。
针对组合惯导(GNSS+IMU)等传感器则可以通过卡尔曼滤波等方法获取姿态相关数据。
(3)对传感器姿态,两两进行同步标定计算。
(4)对姿态数据计算角速度量,并进行相关滤波处理。
根据获取到的姿态数据,对低频率的数据进行插值处理,然后计算相应姿态数据对应的角速度模值。对得到的每一组角速度模值数据进行幅值滤波处理。令百分之九十分位数值为δ90,大于δ90就取δ90,然后进行滤波处理。
(5)时间同步对齐:角速度量计算相关度信息,估计时间延迟量,并对传感器姿态数据估计的时间延迟进行同步对齐。
(6)得到的同步对齐的姿态进行过滤处理,确定RANSAC手眼标定算法初始样本。具体而言,对同步后的姿态数据,进行过滤处理,降低后续算法计算量。对两个传感器姿态数据,分别计算每个时刻和其他时刻旋转轴之间的内积,当内积大于一定阈值时表明旋转轴平行度较高,过滤不参与后续步骤计算。
(7)对步骤(6)得到的初始样本,使用手眼标定算法计算外参初值(也称为初始外参),并通过该外参对所有姿态区分内点和外点,过滤外点后重新计算外参和rmse。
如图4所示,上述步骤首先对过滤后的姿态数据,随机选择3对姿态(每一对姿态包含两个传感器这个时刻的姿态)作为样本,判断每对姿态数据对应的旋转角度量是否一致,若不一致则过滤掉。若样本量小于2,则重新选择3对姿态做样本,重复该步骤过程。具体手眼标定过程如公式(1)~(4)所示,在此不作赘述。
然后使用这个外参初值对所有的姿态对进行转换评价并计算RMSE(root-mean-square error均方根误差),区分出所有姿态属于内点还是外点,将所有属于内点的姿态加入到样本里,对扩充后样本的所有姿态再次使用手眼标定算法计算得到更精确的外参。
(8)重复步骤(6)和步骤(7)的过程直至收敛,输出结果。最后使用优化后的外参对所有的姿态进行评价,并给出该次迭代的RMSE。
具体而言,不断重复步骤(6)和步骤(7),当达到设定迭代步数或是rmse小于设定阈值后,终止迭代,选择rmse最小的那组外参作为最终的外参结果。
这里以激光和组合惯导的同步和标定为例说明本发明实验结果。激光选用禾塞40线激光雷达,帧率是10HZ,采用LeGo-Loam估计激光姿态,而组合惯导帧率是100HZ,直接使用组合惯导输出的姿态。
1、首先对组合惯导姿态求角速度模值,并按照第四部分的步骤(2)进行滤波处理,效果如图5,其中,左侧图为滤波前的角速度模值(Agular Velocities BeforeFilitering),右侧图为滤波后的角速度模值(Agular Velocities after Filitering)。再对激光姿态求角速度模值,并进行滤波,如图6所示,其中,左侧图为滤波前的角速度模值,右侧图为滤波后的角速度模值。
2、然后按照四部分的步骤(5)进行时间同步计算,计算时间延迟,效果如图7。虚线代表惯导(IMU)角速度模值,实线为是激光(Iidar)角速度模值数据,左边是未进行对齐的数据(Before Time Alignment),右边是对齐后的数据(After Time Alignment),中间是两数据相关度结果(Correlation Result),信号最大值代表两数据对齐。计算出的时间延迟为4.8442秒,从图中的最左边和最右边部分对比,可以明显看到时间同步后的效果。
3、然后按照四部分的步骤(6)~(8)计算两传感器之间的外参,两条轨迹未进行转换时如图8。然后使用外参将两轨迹都转换到激光坐标系下对齐,如下图9所示。可以看到轨迹对齐效果很好,标定出的外参精度是比较高的,与真值对比欧拉角误差在0.5度以内。
本发明实施例提供的方法通过算法对不同传感器数据进行同步,避免了硬件和软件上复杂的操作,而且精度更高;该方法基于传感器姿态的手眼标定算法,可以动态估计外参,不依赖特定场景设定,对于任何可以计算姿态的传感器都可以标定外参,不受传感器共视等条件的限制,灵活性强;并且在进行标定外参前做了更精确的时间同步,使得结果更精确;在使用标定外参时RANSAC机制是得算法整体鲁棒性更强。上述方法对于可以实时估计姿态的传感器,可以实时在线估计外参,可以对传感器使用过程中因振动或是温度变化等引起的外参变化进行补偿。
对应于上述方法实施例,本发明实施例还提供一种传感器系统的外参标定装置,传感器系统包括多个待标定传感器;传感器系统设置于刚性物体;如图10所示,该装置包括:
数据获取模块1000,用于获取在刚性物体运动过程中,传感器系统的每个待标定传感器的对应的姿态数据;姿态数据包括设定时间内,多个时刻对应的子姿态;
传感器确定模块1002,用于从待标定传感器中确定第一标定传感器及第二标定传感器;
外参初值确定模块1004,用于基于第一标定传感器的设定数量的子姿态,以及第二标定传感器的设定数量的子姿态,确定第一标定传感器及第二标定传感器之间的外参初值;
标定外参参数模块1006,用于基于外参初值及姿态数据,确定第一标定传感器及第二标定传感器之间的标定外参,继续执行从待标定传感器中确定第一标定传感器及第二标定传感器的步骤,直至确定传感器系统中,所有的待标定传感器之间的标定外参。
本发明实施例提供的传感器系统的外参标定装置,与上述实施例提供的传感器系统的外参标定方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供了一种电子设备,参见图11所示,该电子设备包括处理器130和存储器131,该存储器131存储有能够被处理器130执行的机器可执行指令,该处理器130执行机器可执行指令以实现上述传感器系统的外参标定方法。
进一步地,图11所示的电子设备还包括总线132和通信接口133,处理器130、通信接口133和存储器131通过总线132连接。
其中,存储器131可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口133(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线132可以是ISA总线、PCI总线或EISA总线等。所述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11中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器130可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器131,处理器130读取存储器131中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种机器可读存储介质,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,该机器可执行指令促使处理器实现上述传感器系统的外参标定方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的传感器系统的外参标定方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以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,网关电子设备,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。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种传感器系统的外参标定方法,其特征在于,所述传感器系统包括多个待标定传感器;所述传感器系统设置于刚性物体;所述方法包括:
获取在所述刚性物体运动过程中,所述传感器系统的每个所述待标定传感器的对应的姿态数据;所述姿态数据包括设定时间内,多个时刻对应的子姿态;
从所述待标定传感器中确定第一标定传感器及第二标定传感器;
基于所述第一标定传感器的设定数量的子姿态,以及所述第二标定传感器的设定数量的子姿态,确定所述第一标定传感器及所述第二标定传感器之间的外参初值;
基于所述外参初值及所述姿态数据,确定所述第一标定传感器及所述第二标定传感器之间的标定外参,继续执行从所述待标定传感器中确定第一标定传感器及第二标定传感器的步骤,直至确定所述传感器系统中,所有的待标定传感器之间的标定外参。
2.根据权利要求1所述的方法,其特征在于,从所述待标定传感器中确定第一标定传感器及第二标定传感器之前,所述方法还包括:
对所述姿态数据进行滤波处理,得到滤波数据;
将滤波数据确定为姿态数据。
3.根据权利要求1所述的方法,其特征在于,从所述待标定传感器中确定第一标定传感器及第二标定传感器的步骤,包括:
判断当前传感器是否为最后的待标定传感器;
如果否,将当前传感器确定为第一标定传感器,按照设定顺序将当前传感器之后的待标定传感器确定为第二标定传感器;
将所述第二标定传感器确定为当前传感器。
4.根据权利要求3所述的方法,其特征在于,从所述待标定传感器中确定第一标定传感器及第二标定传感器之后,所述方法还包括:
对所述第一标定传感器的姿态数据,以及所述第二标定传感器的姿态数据进行时间对齐处理,得到对齐数据;
将所述对齐数据确定为姿态数据;
针对所述第一标定传感器的姿态数据中每一个子姿态,计算所述子姿态与所述第一标定传感器的其他子姿态之间的第一内积;
当所述第一内积大于预设的第一阈值时,删除所述子姿态;
将所述第一标定传感器的姿态数据中的剩余子姿态的集合确定为所述第一标定传感器的姿态数据;
针对所述第二标定传感器的姿态数据中每一个子姿态,计算所述子姿态与所述第二标定传感器的其他子姿态之间的第二内积;
当所述第二内积大于预设的第一阈值时,删除所述子姿态;
将所述第二标定传感器的姿态数据中的剩余子姿态的集合确定为所述第二标定传感器的姿态数据。
5.根据权利要求1所述的方法,其特征在于,基于所述第一标定传感器的设定数量的子姿态,以及所述第二标定传感器的设定数量的子姿态,确定所述第一标定传感器及所述第二标定传感器之间的外参初值的步骤,包括:
随机从所述第一标定传感器的姿态数据中选取设定数量的子姿态,确定为第一子姿态;
从所述第二标定传感器的姿态数据中,选取与所述第一子姿态的时刻相对应的子姿态,确定为第二子姿态;
判断所述第一子姿态与对应的所述第二子姿态的旋转角度量是否一致;
如果不一致,继续执行随机从所述第一标定传感器的姿态数据中选取设定数量的子姿态的步骤;
如果一致,基于所述第一子姿态及所述第二子姿态,采用外参标定算法计算所述第一标定传感器及所述第二标定传感器之间的第一旋转矩阵及第一平移参数,将所述第一旋转矩阵及第一平移参数确定为所述第一标定传感器及所述第二标定传感器之间的外参初值,迭代次数加一;所述迭代次数为预先设置的参数变量,初始值为零。
6.根据权利要求5所述的方法,其特征在于,基于所述外参初值及所述姿态数据,确定所述第一标定传感器及所述第二标定传感器之间的标定外参的步骤,包括:
基于所述外参初值,将所述第二标定传感器的姿态参数转换为所述第一标定传感器对应的姿态转换参数;
计算所述第一标定传感器的姿态参数及姿态转换参数之间的误差数据;
判断所述误差数据是否小于预设的第一误差阈值;
如果小于第一误差阈值,将所述外参初值确定为所述第一标定传感器及所述第二标定传感器之间的备选标定外参,参数计算次数加一;
如果大于或等于第一误差阈值,判断所述迭代次数是否等于预设的代数阈值;
如果不等于代数阈值,基于所述误差数据及预设的第二误差阈值,更新所述第一子姿态及所述第二子姿态;
基于更新后的所述第一子姿态及所述第二子姿态,更新所述第一标定传感器及所述第二标定传感器之间的外参初值,继续执行基于所述外参初值将所述第二标定传感器的姿态参数转换为所述第一标定传感器对应的姿态转换参数的步骤;
如果等于代数阈值,将所述外参初值确定为所述第一标定传感器及所述第二标定传感器之间的备选标定外参,参数计算次数加一;
判断所述参数计算次数是否等于预设的次数阈值;所述参数计算次数为预先设置的参数变量,初始值为零;
如果不等于次数阈值,继续执行随机从所述第一标定传感器的姿态数据中选取设定数量的子姿态,确定为第一子姿态的步骤;
如果等于次数阈值,基于所述第一标定传感器及所述第二标定传感器之间的备选标定外参,确定所述第一标定传感器及所述第二标定传感器之间的标定外参。
7.根据权利要求6所述的方法,其特征在于,所述误差阈值包括多个子误差;所述子误差对应于所述第一标定传感器的子姿态;
基于所述误差数据及预设的第二误差阈值,更新所述第一子姿态及所述第二子姿态的步骤,包括:
针对于每个子误差,判断所述子误差是否小于预设的第二误差阈值;
如果小于,将所述子误差对应子姿态确定为新增数据;
将所述新增数据及所述第一子姿态的集合确定为更新后的第一子姿态;
将更新后的第一子姿态对应的第二标定传感器的子姿态确定为更新后的第二子姿态。
8.一种传感器系统的外参标定装置,其特征在于,所述传感器系统包括多个待标定传感器;所述传感器系统设置于刚性物体;所述装置包括:
数据获取模块,用于获取在所述刚性物体运动过程中,所述传感器系统的每个所述待标定传感器的对应的姿态数据;所述姿态数据包括设定时间内,多个时刻对应的子姿态;
传感器确定模块,用于从所述待标定传感器中确定第一标定传感器及第二标定传感器;
外参初值确定模块,用于基于所述第一标定传感器的设定数量的子姿态,以及所述第二标定传感器的设定数量的子姿态,确定所述第一标定传感器及所述第二标定传感器之间的外参初值;
标定外参参数模块,用于基于所述外参初值及所述姿态数据,确定所述第一标定传感器及所述第二标定传感器之间的标定外参,继续执行从所述待标定传感器中确定第一标定传感器及第二标定传感器的步骤,直至确定所述传感器系统中,所有的待标定传感器之间的标定外参。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1-7任一项所述的方法。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663429.9A CN113310505B (zh) | 2021-06-15 | 2021-06-15 | 传感器系统的外参标定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663429.9A CN113310505B (zh) | 2021-06-15 | 2021-06-15 | 传感器系统的外参标定方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113310505A true CN113310505A (zh) | 2021-08-27 |
CN113310505B CN113310505B (zh) | 2024-04-09 |
Family
ID=77378892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110663429.9A Active CN113310505B (zh) | 2021-06-15 | 2021-06-15 | 传感器系统的外参标定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113310505B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114413887A (zh) * | 2021-12-24 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN115235527A (zh) * | 2022-07-20 | 2022-10-25 | 上海木蚁机器人科技有限公司 | 传感器外参标定方法、装置以及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096806A1 (zh) * | 2013-12-29 | 2015-07-02 | 刘进 | 智能机姿态测定、全景影像生成及目标识别方法 |
CN106969767A (zh) * | 2017-03-30 | 2017-07-21 | 西安交通大学 | 一种动平台传感器系统偏差的估计方法 |
CN111044082A (zh) * | 2020-01-15 | 2020-04-21 | 北京航空航天大学 | 一种基于星敏感器辅助的陀螺误差参数在轨快速标定方法 |
CN111415388A (zh) * | 2020-03-17 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种视觉定位方法及终端 |
CN111650598A (zh) * | 2019-02-19 | 2020-09-11 | 北京京东尚科信息技术有限公司 | 一种车载激光扫描系统外参标定方法和装置 |
CN111708033A (zh) * | 2020-06-17 | 2020-09-25 | 北京百度网讯科技有限公司 | 坐标系标定方法、装置、电子设备及存储介质 |
WO2020237574A1 (zh) * | 2019-05-30 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 相机的内参及相对姿态的标定方法、装置、无人机和存储装置 |
CN112082574A (zh) * | 2020-09-04 | 2020-12-15 | 中国科学院微小卫星创新研究院 | 星敏感器的校正方法及系统 |
WO2020253260A1 (zh) * | 2019-06-21 | 2020-12-24 | 上海商汤临港智能科技有限公司 | 时间同步处理方法、电子设备及存储介质 |
CN112461224A (zh) * | 2020-11-10 | 2021-03-09 | 武汉大学 | 一种基于已知姿态角的磁力计标定方法 |
US20210095959A1 (en) * | 2019-01-24 | 2021-04-01 | Dalian University Of Technology | 3D measurement model and spatial calibration method based on 1D displacement sensor |
CN112902988A (zh) * | 2021-03-12 | 2021-06-04 | Oppo广东移动通信有限公司 | 参数标定方法、装置、终端和存储介质 |
-
2021
- 2021-06-15 CN CN202110663429.9A patent/CN113310505B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096806A1 (zh) * | 2013-12-29 | 2015-07-02 | 刘进 | 智能机姿态测定、全景影像生成及目标识别方法 |
CN106969767A (zh) * | 2017-03-30 | 2017-07-21 | 西安交通大学 | 一种动平台传感器系统偏差的估计方法 |
US20210095959A1 (en) * | 2019-01-24 | 2021-04-01 | Dalian University Of Technology | 3D measurement model and spatial calibration method based on 1D displacement sensor |
CN111650598A (zh) * | 2019-02-19 | 2020-09-11 | 北京京东尚科信息技术有限公司 | 一种车载激光扫描系统外参标定方法和装置 |
WO2020237574A1 (zh) * | 2019-05-30 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 相机的内参及相对姿态的标定方法、装置、无人机和存储装置 |
WO2020253260A1 (zh) * | 2019-06-21 | 2020-12-24 | 上海商汤临港智能科技有限公司 | 时间同步处理方法、电子设备及存储介质 |
CN111044082A (zh) * | 2020-01-15 | 2020-04-21 | 北京航空航天大学 | 一种基于星敏感器辅助的陀螺误差参数在轨快速标定方法 |
CN111415388A (zh) * | 2020-03-17 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种视觉定位方法及终端 |
CN111708033A (zh) * | 2020-06-17 | 2020-09-25 | 北京百度网讯科技有限公司 | 坐标系标定方法、装置、电子设备及存储介质 |
CN112082574A (zh) * | 2020-09-04 | 2020-12-15 | 中国科学院微小卫星创新研究院 | 星敏感器的校正方法及系统 |
CN112461224A (zh) * | 2020-11-10 | 2021-03-09 | 武汉大学 | 一种基于已知姿态角的磁力计标定方法 |
CN112902988A (zh) * | 2021-03-12 | 2021-06-04 | Oppo广东移动通信有限公司 | 参数标定方法、装置、终端和存储介质 |
Non-Patent Citations (2)
Title |
---|
XUEDONG LI: "Noise analysis and external parameters calibration for binocular fisheye cameras", PROCEEDINGS OF THE 30TH CHINESE CONTROL CONFERENCE, pages 5017 - 5022 * |
李晶: "基于Rodrigues参数的多线阵CCD外姿态测量系统的姿态解算", 光学精密工程, vol. 20, no. 04, pages 858 - 863 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114413887A (zh) * | 2021-12-24 | 2022-04-29 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN114413887B (zh) * | 2021-12-24 | 2024-04-02 | 北京理工大学前沿技术研究院 | 一种传感器外部参数标定方法、设备及介质 |
CN115235527A (zh) * | 2022-07-20 | 2022-10-25 | 上海木蚁机器人科技有限公司 | 传感器外参标定方法、装置以及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113310505B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10852139B2 (en) | Positioning method, positioning device, and robot | |
CN111007530B (zh) | 激光点云数据处理方法、装置及系统 | |
Kelly et al. | A general framework for temporal calibration of multiple proprioceptive and exteroceptive sensors | |
CN110570449B (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
WO2019201022A1 (zh) | 移动机器人的雷达数据补偿方法、设备和存储介质 | |
CN113310505A (zh) | 传感器系统的外参标定方法、装置及电子设备 | |
CN112285676A (zh) | 激光雷达与imu外参标定方法及装置 | |
CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
CN107941212B (zh) | 一种视觉与惯性联合定位方法 | |
CN111080682A (zh) | 点云数据的配准方法及装置 | |
CN111890373A (zh) | 车载机械臂的感知定位方法 | |
CN112325880A (zh) | 分布式平台相对定位方法、装置、计算机设备和存储介质 | |
CN114442133A (zh) | 无人机定位方法、装置、设备及存储介质 | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN111123323B (zh) | 一种提高便携设备定位精度的方法 | |
CN112633043B (zh) | 一种车道线确定方法、装置、电子设备及存储介质 | |
CN114323007A (zh) | 一种载体运动状态估计方法及装置 | |
CN113124906A (zh) | 基于在线标定的测距方法、装置及电子设备 | |
CN113884089A (zh) | 一种基于曲线匹配的相机杆臂补偿方法及系统 | |
CN111435244B (zh) | 一种回环闭合方法、装置及机器人 | |
Petersen et al. | Video-based realtime IMU-camera calibration for robot navigation | |
CN114322996A (zh) | 一种多传感器融合定位系统的位姿优化方法和装置 | |
CN117433511B (zh) | 一种多传感器融合定位方法 | |
CN115077467B (zh) | 清洁机器人的姿态估计方法、装置及清洁机器人 |
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 |