CN113554712A - 自动驾驶车辆的配准方法、装置、电子设备和车辆 - Google Patents
自动驾驶车辆的配准方法、装置、电子设备和车辆 Download PDFInfo
- Publication number
- CN113554712A CN113554712A CN202110727800.3A CN202110727800A CN113554712A CN 113554712 A CN113554712 A CN 113554712A CN 202110727800 A CN202110727800 A CN 202110727800A CN 113554712 A CN113554712 A CN 113554712A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- curve
- detection
- track
- pose
- 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 81
- 238000001514 detection method Methods 0.000 claims abstract description 149
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 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
- 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
- G01C21/1656—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 passive imaging devices, e.g. cameras
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30204—Marker
-
- 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
-
- 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
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Abstract
本申请公开了一种自动驾驶车辆的配准方法、装置、电子设备和车辆,涉及自动驾驶、智能交通等领域。具体实现方案为:根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线,并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线,以根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。由此,按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐,根据对齐结果将车载相机和车载定位设备进行配准,可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况,提升标定结果的准确性。
Description
技术领域
本申请涉及自动驾驶、智能交通等AI(Artificial Intelligence,人工智能)领域,尤其涉及自动驾驶车辆的配准方法、装置、电子设备和车辆。
背景技术
在自动驾驶车辆行驶过程中,需要多种传感器协同作业来完成车体的感知和定位,其中,利用多种传感器协同作业的前提是已知各传感器之间的坐标转换关系,各传感器之间的坐标转换关系可以预先标定得到。比如,当前各种无人车平台上,可以通过相机与定位设备(比如IMU(Inertial Measurement Unit,惯性测量装置)),来完成更加精确地定位与感知,因此,如何对相机与定位设备进行标定是非常重要的。
发明内容
本申请提供了一种用于自动驾驶车辆的配准方法、装置、电子设备和车辆。
根据本申请的一方面,提供了一种自动驾驶车辆的配准方法,包括:
根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线;
根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线;
根据各所述第一检测位姿和各所述第二检测位姿,对齐所述第一轨迹曲线和所述第二轨迹曲线;
根据对齐的所述第一轨迹曲线和所述第二轨迹曲线,将所述车载相机和所述车载定位设备配准。
根据本申请的另一方面,提供了一种自动驾驶车辆的配准装置,包括:
第一生成模块,用于根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线;
第二生成模块,用于根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线;
对齐模块,用于根据各所述第一检测位姿和各所述第二检测位姿,对齐所述第一轨迹曲线和所述第二轨迹曲线;
配准模块,用于根据对齐的所述第一轨迹曲线和所述第二轨迹曲线,将所述车载相机和所述车载定位设备配准。
根据本申请的又一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请上述一方面提出的自动驾驶车辆的配准方法。
根据本申请的再一方面,提供了一种计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请上述一方面提出的自动驾驶车辆的配准方法。
根据本申请的还一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本申请上述一方面提出的自动驾驶车辆的配准方法。
根据本申请的还一方面,提供了一种自动驾驶车辆,包括本申请上述又一方面提出的电子设备。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例一所提供的自动驾驶车辆的配准方法的流程示意图;
图2为本申请实施例二所提供的自动驾驶车辆的配准方法的流程示意图;
图3为本申请实施例三所提供的自动驾驶车辆的配准方法的流程示意图;
图4为本申请实施例四所提供的自动驾驶车辆的配准方法的流程示意图;
图5为本申请实施例五所提供的自动驾驶车辆的配准方法的流程示意图;
图6为本申请实施例中地图中的车道线示意图;
图7为本申请实施例六所提供的自动驾驶车辆的配准装置的结构示意图;
图8示出了可以用来实施本申请的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
相关技术中,相机与定位设备的标定过程为:使用视觉定位技术,生成相机的运动轨迹,将相机的运动轨迹与定位设备的时间最近邻轨迹点对齐,从而实现相机与定位设备的标定。
然而,视觉定位技术由于其特征提取鲁棒性、视野问题造成的定位维度退化及尺度模糊等问题,得到的运动轨迹往往并不准确,从而导致标定效果较差。并且,相机与定位设备的数据往往并非同步触发获取,只使用时间最近邻的定位设备轨迹点与相机轨迹点进行对齐的方式,并未考虑时间差带来的轨迹变化,因此使用这样的轨迹与定位设备进行轨迹对齐也难以得到良好的标定参数。
因此针对上述存在的问题,本申请提出一种自动驾驶车辆的配准方法、装置、电子设备和车辆。
下面参考附图描述本申请实施例的自动驾驶车辆的配准方法、装置、电子设备和车辆。
图1为本申请实施例一所提供的自动驾驶车辆的配准方法的流程示意图。
本申请实施例以该自动驾驶车辆的配准方法被配置于自动驾驶车辆的配准装置中来举例说明,该配准装置可以应用于任一电子设备中,以使该电子设备可以执行配准功能。
其中,电子设备可以为任一具有计算能力的设备,例如可以为个人电脑(PersonalComputer,简称PC)、移动终端、服务器等,移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示,该自动驾驶车辆的配准方法可以包括以下步骤:
步骤101,根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线。
在本申请实施例中,第一检测位姿,是指车载相机在世界坐标系下的位姿。其中,位姿可以包括坐标位置和/或姿态。
在本申请实施例中,各第一时刻的第一检测位姿,可以根据车载相机在对应时刻采集的图像确定。后续实施例将对此进行详细说明,在此不做赘述。
在本申请实施例中,可以对车载相机在多个第一时刻的第一检测位姿进行曲线拟合,得到该车载相机对应的第一轨迹曲线。
步骤102,根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线。
在本申请实施例中,车载定位设备是指能够实现定位、测量位置、测量姿态的传感器,比如,车载定位设备可以为IMU。
在本申请实施例中,第二检测位姿是指车载定位设备检测到的位姿。
在本申请实施例中,可以对车载定位设备在多个第二时刻的第二检测位姿进行曲线拟合,得到该车载定位设备对应的第二轨迹曲线。
步骤103,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线。
在本申请实施例中,可以根据车载相机对应的第一检测位姿,以及车载定位设备对应的第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线。例如,针对每个第一检测位姿,可以确定与该第一检测位姿匹配的第二检测位姿,比如该匹配的第二检测位姿可以为与第一检测位姿最相似的位姿,根据第一检测位姿以及与该第一检测位姿匹配的第二检测位姿,将第一轨迹曲线和第二轨迹曲线进行对齐。
步骤104,根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。
在本申请实施例中,可以根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。由此,按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐,根据对齐结果将车载相机和车载定位设备进行配准,可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况,提升标定结果的准确性。
本申请实施例的自动驾驶车辆的配准方法,通过根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线,并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线,以根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。由此,按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐,根据对齐结果将车载相机和车载定位设备进行配准,可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况,提升标定结果的准确性。
为了清楚说明上述实施例中是如何对第一轨迹曲线和第二轨迹曲线进行对齐的,本申请提供了另一种自动驾驶车辆的配准方法。
图2为本申请实施例二所提供的自动驾驶车辆的配准方法的流程示意图。
如图2所示,该自动驾驶车辆的配准方法可以包括以下步骤:
步骤201,根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线。
步骤202,根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线。
步骤201至202的执行过程可以参见本申请任一实施例的执行过程,在此不做赘述。
步骤203,根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿,查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿,以得到匹配的第一检测位姿和第二检测位姿。
在本申请实施例中,针对第一轨迹曲线中的每个第一轨迹点,可以将该第一轨迹点对应的第一检测位姿,与第二轨迹曲线中各第二轨迹点对应的第二检测位姿进行匹配,确定与该第一轨迹点对应的第一检测位姿匹配度最高的第二检测位姿,将上述第一检测位姿,以及与该第一检测位姿匹配度最高的第二检测位姿作为匹配的第一检测位姿和第二检测位姿。
步骤204,根据匹配的第一检测位姿和第二检测位姿,确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
在本申请实施例中,可以根据匹配的第一检测位姿和第二检测位姿,确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。即,可以将匹配的第一检测位姿和第二检测位姿分别对应的第一轨迹点和第二轨迹点进行对齐,得到第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
步骤205,根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。
步骤205的执行过程可以参见本申请任一实施例的执行过程,在此不做赘述。
本申请实施例的自动驾驶车辆的配准方法,通过根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿,查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿,以得到匹配的第一检测位姿和第二检测位姿;根据匹配的第一检测位姿和第二检测位姿,确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。由此,可以实现根据位姿对第一轨迹曲线中的第一轨迹点和第二轨迹曲线中第二轨迹点进行对齐,从而后续可以根据对齐结果,对车载相机和车载定位设备进行标定,可以避免出现按时间对齐而造成标定效果较差的情况,提升标定结果的准确性。
为了清楚说明上述实施例中是如何对车载相机和车载定位设备进行配准的,本申请提供了另一种自动驾驶车辆的配准方法。
图3为本申请实施例三所提供的自动驾驶车辆的配准方法的流程示意图。
如图3所示,该自动驾驶车辆的配准方法可以包括以下步骤:
步骤301,根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线。
步骤302,根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线。
步骤303,根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿,查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿,以得到匹配的第一检测位姿和第二检测位姿。
步骤304,根据匹配的第一检测位姿和第二检测位姿,确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
步骤301至304的执行过程可以参见本申请任一实施例的执行过程,在此不做赘述。
步骤305,根据第一轨迹曲线中至少一第一轨迹点在世界坐标系中的位置,与第二轨迹曲线中对应的第二轨迹点在世界坐标系中的位置之间的差异,确定车载相机相对车载定位设备的外参。
在本申请实施例中,可以根据对齐关系,确定第二轨迹曲线中与第一轨迹曲线中各第一轨迹点对应的第二轨迹点,根据至少一个第一轨迹点在世界坐标系中三维的位置,以及与该第一轨迹点对应的第二轨迹点在世界坐标系中三维的位置之间的差异,确定车载相机相对车载定位设备的外参。
作为一种示例,可以将各第一轨迹点在世界坐标系中的位置,以及与各第一轨迹点对应的第二轨迹点在世界坐标系中的位置,带入下述公式(1),得到多个方程:
外参*第一轨迹点在世界坐标系中的位置*外参的逆矩阵=第二轨迹点在世界坐标系中的位置;(1)
也就是说,本申请中,可以设置初始的外参,针对每个第一轨迹点,可以将该第一轨迹点在世界坐标系中的位置,以及与该第一轨迹点对应的第二轨迹点在世界坐标系中的位置带入公式(1),得到一个方程,从而可以将多个方程的左右分别做差,即可得到一个关于外参的非线性优化问题,求解该非线性优化问题即可得到修正后的外参。
步骤306,采用外参将车载相机和车载定位设备配准。
在本申请实施例中,在确定车载相机相对车载定位设备的外参后,即可采用上述外参将车载相机和车载定位设备配准。
本申请实施例的自动驾驶车辆的配准方法,通过根据第一轨迹曲线中至少一第一轨迹点在世界坐标系中的位置,与第二轨迹曲线中对应的第二轨迹点在世界坐标系中的位置之间的差异,确定车载相机相对车载定位设备的外参;采用外参将车载相机和车载定位设备配准。由此,根据对齐的第一轨迹点和对应的第二轨迹点在世界坐标系中位置之间的差异,确定车载相机相对车载定位设备的外参,可以提升外参确定结果的准确性,从而采用准确度较高的外参将车载相机和车载定位设备配准,可以进一步提升标定结果的准确性。
在本申请实施例的一种可能的实现方式中,为了提升车载相机对应的第一检测位姿确定结果的准确性,本申请中,可以采用地图中的地物,求取车载相机在各第一时刻的第一检测位姿。下面结合实施例四,对上述过程进行详细说明。
图4为本申请实施例四所提供的自动驾驶车辆的配准方法的流程示意图。
如图4所示,该自动驾驶车辆的配准方法可以包括以下步骤:
步骤401,从地图中获取标线的标记位置。
在本申请实施例中,标线可以交通标线,比如可以为车道线。
在本申请实施例中,车辆在道路上行驶的过程中,可以从高精度的地图中,获取位于车辆周围的标线的标记位置。
步骤402,根据标记位置进行曲线拟合,得到标线在世界坐标系中的拟合曲线。
在本申请实施例中,可以对标线的标记位置进行曲线拟合,得到标线在世界坐标中的拟合曲线。比如,可以根据标记位置对标线进行二次曲线的拟合,得到标线在三维空间中的拟合曲线或曲线方程。
步骤403,在世界坐标系中,根据车载相机在多个第一时刻的估计位姿,将拟合曲线投影至车载相机的图像坐标系中,得到多个第一时刻对应的第一平面曲线。
在本申请实施例中,车载相机在各第一时刻的估计位姿,是根据对应时刻车载相机采集的图像确定的,即估计位姿是根据视觉定位方式,确定的粗略位姿。
在本申请实施例中,可以根据世界坐标系和图像坐标系之间的关系,以及根据车载相机在多个第一时刻的估计位姿,将标线在世界坐标系中的拟合曲线投影至车载相机的图像坐标系中,得到多个第一时刻对应的第一平面曲线。其中,第一平面曲线为二维的曲线方程。
步骤404,根据多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异,修正对应的第一时刻的估计位姿,以得到各第一时刻的第一检测位姿。
在本申请实施例中,车辆中的车道线感知单元还可以称为车道线感知模块,该车道线感知单元用于检测车道线对应的曲线方程,输出车道线对应的第二平面曲线。其中,第二平面曲线也为二维的曲线方程。
在本申请实施例中,针对每个第一时刻,可以根据该第一时刻对应的第一平面曲线和车道线感知单元在对应时刻输出的第二平面曲线之间的差异,修正该第一时刻的估计位姿,将修正后的估计位姿,作为该第一时刻的第一检测位姿。
步骤405,根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线。
步骤406,根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线。
步骤407,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线。
步骤408,根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。
步骤405至408的执行过程可以参见上述任一实施例的执行过程,在此不做赘述。
本申请实施例的自动驾驶车辆的配准方法,通过基于高精度地图中的标线,来确定车载相机的位姿,相较于传统方案使用图像关键点的方式(视觉定位方式)确定车载相机的位姿,鲁棒性较高,轨迹求取更加准确,从而可以得到更精准的标定参数。
为了清楚说明上述实施例中是如何对各第一时刻的估计位姿进行修正的,本申请还提供一种自动驾驶车辆的配准方法。
图5为本申请实施例五所提供的自动驾驶车辆的配准方法的流程示意图。
如图5所示,该自动驾驶车辆的配准方法可以包括以下步骤:
步骤501,从地图中获取标线的标记位置。
步骤502,根据标记位置进行曲线拟合,得到标线在世界坐标系中的拟合曲线。
步骤503,在世界坐标系中,根据车载相机在多个第一时刻的估计位姿,将拟合曲线投影至车载相机的图像坐标系中,得到多个第一时刻对应的第一平面曲线。
步骤501至503的执行过程可以参见上述任一实施例的执行过程,在此不做赘述。
步骤504,对任一第一时刻,确定对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异。
在本申请实施例中,针对任意一个第一时刻,可以确定该第一时刻对应的第一平面曲线与车道线感知单元在该第一时刻输出的第二平面曲线之间的差异。
步骤505,根据各第一时刻的差异,调整对应的第一时刻的估计位姿,以得到使得差异最小化的第一检测位姿。
在本申请实施例中,针对任意一个第一时刻,可以根据该第一时刻对应的差异,调整该第一时刻的估计位姿,以使上述差异最小化,从而可以将使得差异最小化的调整后的估计位姿,作为该第一时刻的第一检测位姿。
在本申请实施例的一种可能的实现方式中,针对任意一个第一时刻,可以采用非线性优化算法,根据该第一时刻的差异,调整该第一时刻的估计位姿,以使上述差异最小化,从而可以将使得差异最小化的调整后的估计位姿,作为该第一时刻的第一检测位姿。
作为一种示例,针对任意一个第一时刻,可以对该第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线这两组二维的曲线方程的参数构建残差,得到车载相机在世界坐标系中位姿的非线性优化问题,求解该非线性优化问题,可以得到车载相机在世界坐标系下的精确位姿,将该精确位姿作为该第一时刻的第一检测位姿。
在本申请实施例的另一种可能的实现方式中,针对任意一个第一时刻,还可以根据该第一时刻的估计位置,在设定范围内进行位姿调整,以将调整后的位姿中使得差异最小化的位姿,作为该第一时刻的第一检测位姿。
其中,设定范围为较小的取值范围。
由此,不仅可以使用非线性优化的方式,获取车载相机在世界坐标系下的第一检测位姿,还可以通过对车载相机的估计位姿附近加窗并采样的方式,获取车载相机在世界坐标系下的第一检测位姿,可以提升该方法的灵活性和适用性。
步骤506,根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线。
步骤507,根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线。
步骤508,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线。
步骤509,根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。
步骤506至509的执行过程可以参见上述任一实施例的执行过程,在此不做赘述。
作为一种示例,以标线为车道线进行示例性说明,地图中的车道线可以如图6所示。车载相机和车载定位设备之间的标定过程可以包括以下步骤:
1、当车辆在道路上行驶过程中,可以查询车辆周围的地物标注信息,提取车辆周围的车道线的标注位置,并根据车道线的标注位置,对车道线进行二次曲线的拟合,得到车道线在三维空间中的曲线方程(本申请中记为拟合曲线)。
2、使用预先标定好的车载相机内参,并查询车端实时检测的车道线的方程(本申请中记为第二平面曲线),利用车载相机内参及车载相机在世界坐标系中的估计位姿,获取高精度地图中三维的车道线的曲线方程投影至图像坐标系中二维的曲线方程(本申请中记为第一平面曲线)。
3、对高精度地图中车道线方程投影结果(即第一平面曲线)及车端实时检测的车道线的方程(即第二平面曲线)构建残差,得到一个有关车载相机在世界坐标系中位姿的非线性优化问题。
4、求解上述非线性优化问题,得到车载相机在世界坐标系下的精确位姿(本申请中记为第一检测位姿)。
5、对于车载定位设备检测的第二检测位姿,可以对离散的第二检测位姿进行拟合,得到车载定位设备对应的时间连续的轨迹方程(本申请中记为第二轨迹曲线);
6、对于第4步中求取的各个第一检测位姿,查询第5步中第二轨迹方程中与该第一检测位姿对齐的第二检测位姿,根据公式(1),可得一系列方程;
7、对第6步中一系列方程的左右分别做差,即可得到一个关于外参的非线性优化问题,求解该非线性优化问题即可得到修正后的车载相机相对于车载定位设备的外参信息。
由此,可以充分利用高精度地图中标注过的信息,更精确地获取车载相机的位姿,同时,根据位姿,对车载相机的轨迹和车载定位设备的轨迹进行对齐,可以避免出现按时间对齐而造成的标定效果差的情况。
本申请实施例的自动驾驶车辆的配准方法,通过根据各第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异,调整对应的第一时刻的估计位姿,以得到使得差异最小化的第一检测位姿。由此,根据第一平面曲线和第二平面曲线之间的差异,调整车载相机的估计位姿,可以得到准确率较高的第一检测位姿,从而根据准确率较高的第一检测位姿执行标定过程,可以提升标定结果的准确性。
与上述图1至图5实施例提供的自动驾驶车辆的配准方法相对应,本申请还提供一种自动驾驶车辆的配准装置,由于本申请实施例提供的自动驾驶车辆的配准装置与上述图1至图5实施例提供的自动驾驶车辆的配准方法相对应,因此在自动驾驶车辆的配准方法的实施方式也适用于本申请实施例提供的自动驾驶车辆的配准装置,在本申请实施例中不再详细描述。
图7为本申请实施例六所提供的自动驾驶车辆的配准装置的结构示意图。
如图7所示,该自动驾驶车辆的配准装置700可以包括:第一生成模块710、第二生成模块720、对齐模块730以及配准模块740。
其中,第一生成模块710,用于根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线。
第二生成模块720,用于根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线。
对齐模块730,用于根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线。
配准模块740,用于根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。
在本申请实施例的一种可能的实现方式中,对齐模块730,具体用于:根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿,查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿,以得到匹配的第一检测位姿和第二检测位姿;根据匹配的第一检测位姿和第二检测位姿,确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
在本申请实施例的一种可能的实现方式中,配准模块740,具体用于:根据第一轨迹曲线中至少一第一轨迹点在世界坐标系中的位置,与第二轨迹曲线中对应的第二轨迹点在世界坐标系中的位置之间的差异,确定车载相机相对车载定位设备的外参;采用外参将车载相机和车载定位设备配准。
在本申请实施例的一种可能的实现方式中,该配准装置700还可以包括:
获取模块,用于从地图中获取标线的标记位置。
拟合模块,用于根据标记位置进行曲线拟合,得到标线在世界坐标系中的拟合曲线。
投影模块,用于在世界坐标系中,根据车载相机在多个第一时刻的估计位姿,将拟合曲线投影至车载相机的图像坐标系中,得到多个第一时刻对应的第一平面曲线。
修正模块,用于根据多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异,修正对应的第一时刻的估计位姿,以得到各第一时刻的第一检测位姿。
在本申请实施例的一种可能的实现方式中,修正模块,可以包括:
确定单元,用于对任一第一时刻,确定对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异。
调整单元,用于根据各第一时刻的差异,调整对应的第一时刻的估计位姿,以得到使得差异最小化的第一检测位姿。
在本申请实施例的一种可能的实现方式中,调整单元,具体用于:采用非线性优化算法,根据各第一时刻的差异,调整对应的第一时刻的估计位姿,以得到使得差异最小化的第一检测位姿;或者,根据任一第一时刻的估计位姿,在设定范围内进行位姿调整,以将调整后的位姿中使得差异最小化的位姿作为对应第一时刻的第一检测位姿。
本申请实施例的自动驾驶车辆的配准装置,通过根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线,并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线,以根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。由此,按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐,根据对齐结果将车载相机和车载定位设备进行配准,可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况,提升标定结果的准确性。
为了实现上述实施例,本申请还提供一种电子设备,该电子设备可以包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请上述任一实施例提出的自动驾驶车辆的配准方法。
为了实现上述实施例,本申请还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本申请上述任一实施例提出的自动驾驶车辆的配准方法。
为了实现上述实施例,本申请还提供一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序在被处理器执行时实现本申请上述任一实施例提出的自动驾驶车辆的配准方法。
为了实现上述实施例,本申请还提供一种自动驾驶车辆,其中,该自动驾驶车辆包括本申请上述实施例提出的电子设备。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本申请的实施例的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)802中的计算机程序或者从存储单元807加载到RAM(Random AccessMemory,随机访问/存取存储器)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。I/O(Input/Output,输入/输出)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如上述自动驾驶车辆的配准方法。例如,在一些实施例中,上述自动驾驶车辆的配准方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的自动驾驶车辆的配准方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述自动驾驶车辆的配准方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode-Ray Tube,阴极射线管)或者LCD(Liquid Crystal Display,液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(VirtualPrivate Server,虚拟专用服务器)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本申请实施例的技术方案,通过根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线,并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线,根据各第一检测位姿和各第二检测位姿,对齐第一轨迹曲线和第二轨迹曲线,以根据对齐的第一轨迹曲线和第二轨迹曲线,将车载相机和车载定位设备配准。由此,按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐,根据对齐结果将车载相机和车载定位设备进行配准,可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况,提升标定结果的准确性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种自动驾驶车辆的配准方法,包括:
根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线;
根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线;
根据各所述第一检测位姿和各所述第二检测位姿,对齐所述第一轨迹曲线和所述第二轨迹曲线;
根据对齐的所述第一轨迹曲线和所述第二轨迹曲线,将所述车载相机和所述车载定位设备配准。
2.根据权利要求1所述的方法,其中,所述根据各所述第一检测位姿和各所述第二检测位姿,对齐所述第一轨迹曲线和所述第二轨迹曲线,包括:
根据所述第一轨迹曲线中各第一轨迹点对应的第一检测位姿,查询所述第二轨迹曲线中各第二轨迹点对应的第二检测位姿,以得到匹配的第一检测位姿和第二检测位姿;
根据所述匹配的第一检测位姿和第二检测位姿,确定所述第一轨迹曲线中的第一轨迹点与所述第二轨迹曲线中的第二轨迹点之间的对齐关系。
3.根据权利要求2所述的方法,其中,所述根据对齐的所述第一轨迹曲线和所述第二轨迹曲线,将所述车载相机和所述车载定位设备配准,包括:
根据所述第一轨迹曲线中至少一所述第一轨迹点在世界坐标系中的位置,与所述第二轨迹曲线中对应的第二轨迹点在所述世界坐标系中的位置之间的差异,确定所述车载相机相对所述车载定位设备的外参;
采用所述外参将所述车载相机和所述车载定位设备配准。
4.根据权利要求1-3任一项所述的方法,其中,所述根据车载相机在多个所述第一时刻的第一检测位姿,生成第一轨迹曲线之前,还包括:
从地图中获取标线的标记位置;
根据所述标记位置进行曲线拟合,得到所述标线在世界坐标系中的拟合曲线;
在所述世界坐标系中,根据所述车载相机在多个第一时刻的估计位姿,将所述拟合曲线投影至所述车载相机的图像坐标系中,得到多个所述第一时刻对应的第一平面曲线;
根据所述多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异,修正对应的第一时刻的估计位姿,以得到各所述第一时刻的所述第一检测位姿。
5.根据权利要求4所述的方法,其中,所述根据所述多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异,修正对应的第一时刻的估计位姿,以得到各所述第一时刻的所述第一检测位姿,包括:
对任一所述第一时刻,确定对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异;
根据各所述第一时刻的所述差异,调整对应的第一时刻的估计位姿,以得到使得所述差异最小化的第一检测位姿。
6.根据权利要求5所述的方法,其中,所述根据各所述第一时刻的所述差异,调整对应的第一时刻的估计位姿,以得到使得所述差异最小化的第一检测位姿,包括:
采用非线性优化算法,根据各所述第一时刻的所述差异,调整对应的第一时刻的估计位姿,以得到使得所述差异最小化的第一检测位姿;
或者,根据任一所述第一时刻的估计位姿,在设定范围内进行位姿调整,以将调整后的位姿中使得所述差异最小化的位姿作为对应第一时刻的第一检测位姿。
7.一种自动驾驶车辆的配准装置,包括:
第一生成模块,用于根据车载相机在多个第一时刻的第一检测位姿,生成第一轨迹曲线;
第二生成模块,用于根据车载定位设备在多个第二时刻的第二检测位姿,生成第二轨迹曲线;
对齐模块,用于根据各所述第一检测位姿和各所述第二检测位姿,对齐所述第一轨迹曲线和所述第二轨迹曲线;
配准模块,用于根据对齐的所述第一轨迹曲线和所述第二轨迹曲线,将所述车载相机和所述车载定位设备配准。
8.根据权利要求7所述的装置,其中,所述对齐模块,具体用于:
根据所述第一轨迹曲线中各第一轨迹点对应的第一检测位姿,查询所述第二轨迹曲线中各第二轨迹点对应的第二检测位姿,以得到匹配的第一检测位姿和第二检测位姿;
根据所述匹配的第一检测位姿和第二检测位姿,确定所述第一轨迹曲线中的第一轨迹点与所述第二轨迹曲线中的第二轨迹点之间的对齐关系。
9.根据权利要求8所述的装置,其中,所述配准模块,具体用于:
根据所述第一轨迹曲线中至少一所述第一轨迹点在世界坐标系中的位置,与所述第二轨迹曲线中对应的第二轨迹点在所述世界坐标系中的位置之间的差异,确定所述车载相机相对所述车载定位设备的外参;
采用所述外参将所述车载相机和所述车载定位设备配准。
10.根据权利要求7-9任一项所述的装置,其中,所述装置还包括:
获取模块,用于从地图中获取标线的标记位置;
拟合模块,用于根据所述标记位置进行曲线拟合,得到所述标线在世界坐标系中的拟合曲线;
投影模块,用于在所述世界坐标系中,根据所述车载相机在多个第一时刻的估计位姿,将所述拟合曲线投影至所述车载相机的图像坐标系中,得到多个所述第一时刻对应的第一平面曲线;
修正模块,用于根据所述多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异,修正对应的第一时刻的估计位姿,以得到各所述第一时刻的所述第一检测位姿。
11.根据权利要求10所述的装置,其中,所述修正模块,包括:
确定单元,用于对任一所述第一时刻,确定对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异;
调整单元,用于根据各所述第一时刻的所述差异,调整对应的第一时刻的估计位姿,以得到使得所述差异最小化的第一检测位姿。
12.根据权利要求11所述的装置,其中,所述调整单元,具体用于:
采用非线性优化算法,根据各所述第一时刻的所述差异,调整对应的第一时刻的估计位姿,以得到使得所述差异最小化的第一检测位姿;
或者,根据任一所述第一时刻的估计位姿,在设定范围内进行位姿调整,以将调整后的位姿中使得所述差异最小化的位姿作为对应第一时刻的第一检测位姿。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的自动驾驶车辆的配准方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的自动驾驶车辆的配准方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的自动驾驶车辆的配准方法。
16.一种自动驾驶车辆,包括如权利要求13所述的电子设备。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110727800.3A CN113554712A (zh) | 2021-06-29 | 2021-06-29 | 自动驾驶车辆的配准方法、装置、电子设备和车辆 |
US17/809,358 US20220327740A1 (en) | 2021-06-29 | 2022-06-28 | Registration method and registration apparatus for autonomous vehicle |
EP22181594.7A EP4047556A3 (en) | 2021-06-29 | 2022-06-28 | Registration method and registration apparatus for autonomous vehicle, electronic device |
KR1020220079656A KR20220100813A (ko) | 2021-06-29 | 2022-06-29 | 자율주행 차량 정합 방법, 장치, 전자 기기 및 차량 |
JP2022104121A JP2022130588A (ja) | 2021-06-29 | 2022-06-29 | 自動運転車両の位置合わせ方法、装置、電子機器及び車両 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110727800.3A CN113554712A (zh) | 2021-06-29 | 2021-06-29 | 自动驾驶车辆的配准方法、装置、电子设备和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113554712A true CN113554712A (zh) | 2021-10-26 |
Family
ID=78102533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110727800.3A Pending CN113554712A (zh) | 2021-06-29 | 2021-06-29 | 自动驾驶车辆的配准方法、装置、电子设备和车辆 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220327740A1 (zh) |
EP (1) | EP4047556A3 (zh) |
JP (1) | JP2022130588A (zh) |
KR (1) | KR20220100813A (zh) |
CN (1) | CN113554712A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140538A (zh) * | 2021-12-03 | 2022-03-04 | 禾多科技(北京)有限公司 | 车载相机位姿调整方法、装置、设备和计算机可读介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115257807B (zh) * | 2022-07-27 | 2024-01-30 | 武汉大学 | 基于知识图谱的城区路上场景自动驾驶决策方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195315A1 (en) * | 2004-09-28 | 2008-08-14 | National University Corporation Kumamoto University | Movable-Body Navigation Information Display Method and Movable-Body Navigation Information Display Unit |
CN109345596A (zh) * | 2018-09-19 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 多传感器标定方法、装置、计算机设备、介质和车辆 |
CN110033489A (zh) * | 2018-01-12 | 2019-07-19 | 华为技术有限公司 | 一种车辆定位准确性的评估方法、装置及设备 |
CN112304321A (zh) * | 2019-07-26 | 2021-02-02 | 北京初速度科技有限公司 | 一种基于视觉和imu的车辆融合定位方法及车载终端 |
CN112348903A (zh) * | 2021-01-06 | 2021-02-09 | 智道网联科技(北京)有限公司 | 行车记录仪外参数标定方法、装置及电子设备 |
CN112789655A (zh) * | 2019-09-23 | 2021-05-11 | 北京航迹科技有限公司 | 用于标定惯性测试单元和相机的系统和方法 |
-
2021
- 2021-06-29 CN CN202110727800.3A patent/CN113554712A/zh active Pending
-
2022
- 2022-06-28 US US17/809,358 patent/US20220327740A1/en active Pending
- 2022-06-28 EP EP22181594.7A patent/EP4047556A3/en not_active Withdrawn
- 2022-06-29 JP JP2022104121A patent/JP2022130588A/ja not_active Ceased
- 2022-06-29 KR KR1020220079656A patent/KR20220100813A/ko unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195315A1 (en) * | 2004-09-28 | 2008-08-14 | National University Corporation Kumamoto University | Movable-Body Navigation Information Display Method and Movable-Body Navigation Information Display Unit |
CN110033489A (zh) * | 2018-01-12 | 2019-07-19 | 华为技术有限公司 | 一种车辆定位准确性的评估方法、装置及设备 |
CN109345596A (zh) * | 2018-09-19 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 多传感器标定方法、装置、计算机设备、介质和车辆 |
CN112304321A (zh) * | 2019-07-26 | 2021-02-02 | 北京初速度科技有限公司 | 一种基于视觉和imu的车辆融合定位方法及车载终端 |
CN112789655A (zh) * | 2019-09-23 | 2021-05-11 | 北京航迹科技有限公司 | 用于标定惯性测试单元和相机的系统和方法 |
CN112348903A (zh) * | 2021-01-06 | 2021-02-09 | 智道网联科技(北京)有限公司 | 行车记录仪外参数标定方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140538A (zh) * | 2021-12-03 | 2022-03-04 | 禾多科技(北京)有限公司 | 车载相机位姿调整方法、装置、设备和计算机可读介质 |
CN114140538B (zh) * | 2021-12-03 | 2022-09-27 | 禾多科技(北京)有限公司 | 车载相机位姿调整方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
US20220327740A1 (en) | 2022-10-13 |
JP2022130588A (ja) | 2022-09-06 |
KR20220100813A (ko) | 2022-07-18 |
EP4047556A3 (en) | 2023-04-19 |
EP4047556A2 (en) | 2022-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
US20180306922A1 (en) | Method and apparatus for positioning vehicle | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN110879400A (zh) | 激光雷达与imu融合定位的方法、设备及存储介质 | |
CN112560680A (zh) | 车道线处理方法、装置、电子设备及存储介质 | |
US20220327740A1 (en) | Registration method and registration apparatus for autonomous vehicle | |
CN111415387A (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN114179825B (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
CN113759349B (zh) | 激光雷达与定位设备的标定方法、设备及自动驾驶车辆 | |
CN114323033B (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
CN112147632A (zh) | 车载激光雷达感知算法的测试方法、装置、设备和介质 | |
CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN111721305A (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
CN113219505B (zh) | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 | |
CN113592951A (zh) | 车路协同中路侧相机外参标定的方法、装置、电子设备 | |
CN113029136A (zh) | 定位信息处理的方法、设备、存储介质及程序产品 | |
CN115900697B (zh) | 对象运动轨迹信息处理方法、电子设备以及自动驾驶车辆 | |
CN115908581A (zh) | 一种车载相机俯仰角标定方法、装置、设备及存储介质 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN113566847B (zh) | 导航校准方法和装置、电子设备、计算机可读介质 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN114443679A (zh) | 一种地图数据更新方法、装置、设备以及存储介质 | |
CN115147561A (zh) | 位姿图生成方法、高精地图生成方法和装置 |
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 |