CN113592951A - 车路协同中路侧相机外参标定的方法、装置、电子设备 - Google Patents
车路协同中路侧相机外参标定的方法、装置、电子设备 Download PDFInfo
- Publication number
- CN113592951A CN113592951A CN202110797351.XA CN202110797351A CN113592951A CN 113592951 A CN113592951 A CN 113592951A CN 202110797351 A CN202110797351 A CN 202110797351A CN 113592951 A CN113592951 A CN 113592951A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- rotation matrix
- translation vector
- camera
- reference point
- 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 57
- 239000011159 matrix material Substances 0.000 claims abstract description 91
- 238000013519 translation Methods 0.000 claims abstract description 86
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011326 mechanical measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 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
Abstract
本公开公开了一种车路协同中路侧相机外参标定的方法、装置、电子设备，涉及计算机技术领域，具体涉及智能交通、自动驾驶领域。具体实现方案为：获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标；生成所述参考点在参考地图坐标系中的第二坐标；根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量；根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。本公开实施例可以实现根据参考点的第一坐标和第二坐标标定所述第三旋转矩阵、第三平移向量。可以降低车路协同中路侧相机外参标定对于GPS坐标的依赖，提高了计算相机外参的灵活性和准确度。
Description
技术领域
本公开涉及计算机技术领域，具体涉及智能交通、自动驾驶领域，尤其涉一种车路协同中路侧车路协同中路侧相机外参标定的方法、装置、电子设备。
背景技术
近年来自动驾驶技术的发展迅速。所述自动驾驶技术的基础是对车辆周围环境的感知，即识别周围环境的具体状况。已经提出，除了利用车载的传感器装置，如车载激光雷达或者车载相机进行环境感知之外。还可以通过车外的传感器装置(例如，安装在路侧的相机)来获取车辆周围的环境信息，以车路协同的方式支持自动驾驶技术。获取相机视野中点在世界坐标系中的坐标需要标定相机的外参。
现有技术对相机外参的标定依赖于GPS定位，如果GPS定位出现误差则外参标定的精度较低，无法获取相机视野中点在世界坐标系中的准确坐标。这种位置的误差对于自动驾驶是难以接受的。
发明内容
本公开提供了一种车路协同中路侧相机外参标定的方法、装置、电子设备及存储介质。
根据本公开的第一方面，提供了一种车路协同中路侧相机外参标定的方法，包括：
获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标；
生成所述参考点在参考地图坐标系中的第二坐标；
根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量；
根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
可选地，所述参考点不位于同一条直线上，且单个所述相机的视野中所述参考点数量不大于n，所述n为第一参考点数量阈值。
可选地，所述参考点的数量不小于m，所述m为第二参考点数量阈值，且所述m大于n。
可选地，所述根据所述第一坐标和所述第二坐标计算坐标系的第一旋转矩阵和第一平移向量，包括：
利用最小二乘法生成所述第一坐标变换为所述第二坐标所需的所述第一旋转矩阵和所述第一平移向量。
可选地，所述根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量，还包括：
生成所述参考点在相机坐标系中的第三坐标，根据所述第三坐标和所述第一坐标计算所述第二旋转矩阵和第二平移向量。
根据本公开的第二方面，提供了一种车路协同中路侧相机外参标定的装置，包括：
第一坐标生成模块，用于获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标；
第二坐标生成模块，用于生成所述参考点在参考地图坐标系中的第二坐标；
平移旋转量计算模块，用于根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量；
外参标定模块，用于根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
可选地，所述参考点不位于同一条直线上，且单个所述相机的视野中所述参考点数量不大于n，所述n为第一参考点数量阈值。
可选地，所述参考点的数量不小于m，所述m为第二参考点数量阈值，且所述m大于n。
可选地，所述平移旋转量计算模块，包括：
平移旋转量计算子模块，用于利用最小二乘法生成所述第一坐标变换为所述第二坐标所需的所述第一旋转矩阵和所述第一平移向量。
可选地，所述外参标定模块，还包括：
第二外参标定子模块，用于生成所述参考点在相机坐标系中的第三坐标，根据所述第三坐标和所述第一坐标计算所述第二旋转矩阵和第二平移向量。
根据本公开的第三方面，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上述第一方面中任一项所述的方法。
根据本公开的第四方面，提供了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上述第一方面中任一项所述的方法。
根据本公开的第五方面，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根据上述第一方面中任一项所述的方法。
本公开具有以下有益效果：
选取的参考点不共线，且较为分散，可以降低计算外参时的误差，提高计算外参的准确度。
利用所述第一旋转矩阵和所述第一平移向量间接计算相机在参考地图坐标系中的外参，在车路协同中路侧相机外参标定中降低了对于GPS坐标的依赖，提高了计算相机外参的灵活性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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，不构成对本公开的限定。其中：
图1是根据本公开实施例提供的一种车路协同中路侧相机外参标定方法的流程示意图；
图2是根据本公开实施例提供的一种车路协同中路侧相机外参标定装置的结构示意图；
图3是用来实现本公开实施例的车路协同中路侧相机外参标定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
近年来自动驾驶技术的发展迅速。所述自动驾驶技术的基础是对车辆周围环境的感知，即识别周围环境的具体状况。已经提出，除了利用车载的传感器装置，如车载激光雷达或者车载相机进行环境感知之外。还可以通过车外的传感器装置(例如，安装在路侧的相机)来获取车辆周围的环境信息，以更好地支持自动驾驶技术。获取相机视野中点在世界坐标系中的坐标需要标定相机的外参。
现有技术对相机外参的标定依赖于全球定位系统(Global Positioning System，GPS)的定位，如果GPS定位出现误差则外参标定的精度较低，无法获取相机视野中点在世界坐标系中的准确坐标。这种位置的误差对于自动驾驶是难以接受的。
在新基建的大背景下，车用无线通信技术(vehicle to everything，v2x)中的路侧感知系统为车路协同场景中的车提供了超视距的感知信息。相机作为路侧感知系统的最主要的传感器之一，其准确的内、外参(旋转和平移)，对于路侧感知系统的精度和鲁棒性起到至关重要的作用。在地库代客泊车等应用场景中由于地库缺少GPS信号，无法直接使用RTK设备来获得地面标志点的GPS坐标来进行车路协同中路侧相机外参标定。若使用全站仪和RTK配合可以得到地库的地面标志点的高精度的GPS坐标，由于高精地图在地库等场景是保证相对精度10cm，但是绝对精度并不能保证，所以和高精地图可能存在一些偏差。在地库代客泊车等应用场景中应用的是高精地图的相对精度，因此，在地库代客泊车等应用场景中的路侧相机的外参标定是标定相机外参到高精地图。本公开提出了一种依据全站仪和高精地图进行车路协同中路侧相机外参标定的方法。
传统的相机的外参标定需要依赖图像中地面标志角点的GPS坐标，在室外空旷场景，使用高精地图或者RTK(Real-time kinematic，实时动态)载波相位差分技术设备可以准确采集地面标志角点的GPS坐标，但是在地下车库或者隧道场景无法直接使用RTK设备得到。
为了解决上述问题，本公开提供了车路协同中路侧相机外参标定的方法、装置、电子设备及存储介质。
图1是根据本公开实施例提供的一种车路协同中路侧相机外参标定方法的流程示意图，如图1所示，所述车路协同中路侧相机外参标定方法包括：
步骤101，获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标。
相机标定是确定相机内参和外参的过程，其结果精度会直接影响视觉系统后续工作的准确性。为了进行相机标定，必须已知世界坐标系中足够多的三维空间点坐标，找到这些空间点在图像中投影点的二维图像坐标，并建立对应关系。相机标定需要首先设置用于标定的角点，也即参考点。
再利用所述全站仪测量所述参考点的第一坐标。全站仪，即全站型电子测距仪(Electronic Total Station)，是一种集光、机、电为一体的高技术测量仪器，是集水平角、垂直角、距离(斜距、平距)、高差测量功能于一体的测绘仪器系统。与光学经纬仪比较电子经纬仪将光学度盘换为光电扫描度盘，将人工光学测微读数代之以自动记录和显示读数，使测角操作简单化，且可避免读数误差的产生。因其一次安置仪器就可完成该测站上全部测量工作，所以称之为全站仪。广泛用于地上大型建筑和地下隧道施工等精密工程测量或变形监测领域。所述第一坐标为所述参考点在所述全站仪建立的坐标系中的坐标，所述第一坐标为三维坐标。
步骤102，生成所述参考点在参考地图坐标系中的第二坐标。
所述参考地图为高精地图(high definition map，HD Map)，导航地图提供的是一段车道的长度和相关路程的大概路况，精度在5-10米。而所述高精地图提供的是非常详细的道路情况。比如路标，倾斜度，车道线还有车道线所处的位置。这些都会在高精地图上标记。高精地图中连某个交通灯的位置都有高精度的GPS数据标注。所述高精地图的精确度可以达到亚米级精度，在自动驾驶领域有着广泛的应用。
本步骤就是获取所述参考点再高精地图中的三维坐标，也即第二坐标。方便后续步骤利用所述第一坐标和所述第二坐标计算参考点从所述全站仪坐标系转换到所述参考地图坐标系时需要的第一旋转矩阵和第一平移向量。
步骤103，根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量。
本公开利用估计算法来拟合得到所述第一旋转矩阵和第一平移向量，所述算法包括最小二乘法。
步骤104，根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
外参为相机坐标系中坐标转换到世界坐标系中坐标的转换工具，所述相机坐标系为三维坐标系。所述相机外参包括两部分：旋转矩阵R，平移向量T。所述旋转矩阵为3×3的矩阵、所述平移向量为三维向量。在一种可能的实施方式中，Pc为相机坐标系中坐标，Pw为世界坐标系中坐标，则Pc＝RPw+T。
所述相机的所述第二旋转矩阵和第二平移向量根据所述全站仪标定得到，根据全站仪坐标系中参考点的第一坐标和参考点在相机坐标系中的第三坐标即可求解出所述第二旋转矩阵和第二平移向量。
进一步地，根据之前获取的所述第一旋转矩阵和第一平移向量，我们就可以求解出相机坐标系转换到所述参考地图坐标系中所用的第二旋转矩阵和第二平移向量。
可选地，所述参考点不位于同一条直线上，且单个所述相机的视野中所述参考点数量不大于n，所述n为第一参考点数量阈值。
为了提高车路协同中路侧相机外参标定的准确度，参考点的选取十分重要。首先所述参考点不可以全部位于同一条直线上，这样会丧失一部分维度上坐标的畸变信息，降低外参标定的准确度。同时，本公开中需要标定多个相机的外参，为了尽可能的使所述外参符合所有的相机，需要在不同相机的视野范围内选点，本公开设置了第一参考点数量阈值能，单个所述相机的视野中所述参考点数量不大于n。在一种可能的实施例中，n＝3。
可选地，所述参考点的数量不小于m，所述m为第二参考点数量阈值，且所述m大于n。
为了提高所述外参标定的准确度，需要尽量多设置所述参考点，本公开设置了第二参考点数量阈值m，所述参考点的数量不小于m。在一种可能的实施例中，所述m＝6。本公开中有多个相机，所以所述m大于n。
可选地，所述根据所述第一坐标和所述第二坐标计算坐标系的第一旋转矩阵和第一平移向量，包括：
利用最小二乘法生成所述第一坐标变换为所述第二坐标的所述第一旋转矩阵和第一平移向量。
在一种可能的实施例中，所述参考点的第一坐标为
所述参考点的第二坐标为
所述第一旋转矩阵为R_tmp,所述第一平移向量T_tmp，则
利用最小二乘法，将所述参考点两两带入前式，拟合出最适合所述参考点的第一旋转矩阵R_tmp和第一平移向量T_tmp。
可选地，所述根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量，还包括：
生成所述参考点在相机坐标系中的第三坐标，根据所述第三坐标和所述第一坐标计算所述第二旋转矩阵和第二平移向量。
根据所述第三坐标和所述第一坐标即可计算出参考点由相机坐标系转换到所述全站仪坐标系中所用的第二旋转矩阵R1和第二平移向量T1。在一种可能的实施方式中，Pc为相机坐标系中坐标，Pq为全站仪坐标系中坐标，则Pc＝R1Pq+T1。
再根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
由Pc＝R1Pq+T1，Pq＝R_tmpPm+T_tmp可推导出：
Pc＝(R_tmp)-1R1Pm+(Rtmp)-1(T1-T_tmp)，由此可知，所述第三旋转矩阵R2＝(R_tmp)-1R1，进一步可知第三平移向量T2＝(T1-T_tmp。式中Pm为高精地图中参考点坐标，所述R_tmp为第一旋转矩阵,所述T_tmp为第一平移向量。
选取的参考点不共线，且较为分散，可以降低计算外参时的误差，提高计算外参的准确度。
利用所述第一旋转矩阵和所述第一平移向量间接计算相机在参考地图坐标系中的外参，在车路协同中路侧相机外参标定中降低了对于GPS坐标的依赖，提高了计算相机外参的灵活性。
图2是根据本公开实施例提供的一种车路协同中路侧相机外参标定装置的结构示意图，如图2所示，所述车路协同中路侧相机外参标定装置200包括：
第一坐标生成模块210，用于获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标；
相机标定是确定相机内参和外参的过程，其结果精度会直接影响视觉系统后续工作的准确性。为了进行相机标定，必须已知世界坐标系中足够多的三维空间点坐标，找到这些空间点在图像中投影点的二维图像坐标，并建立对应关系。相机标定需要首先设置用于标定的角点，也即参考点。
再利用所述全站仪测量所述参考点的第一坐标。全站仪，即全站型电子测距仪(Electronic Total Station)，是一种集光、机、电为一体的高技术测量仪器，是集水平角、垂直角、距离(斜距、平距)、高差测量功能于一体的测绘仪器系统。与光学经纬仪比较电子经纬仪将光学度盘换为光电扫描度盘，将人工光学测微读数代之以自动记录和显示读数，使测角操作简单化，且可避免读数误差的产生。因其一次安置仪器就可完成该测站上全部测量工作，所以称之为全站仪。广泛用于地上大型建筑和地下隧道施工等精密工程测量或变形监测领域。所述第一坐标为所述参考点在所述全站仪建立的坐标系中的坐标，所述第一坐标为三维坐标。
第二坐标生成模块220，用于生成所述参考点在参考地图坐标系中的第二坐标；
所述参考地图为高精地图(high definition map，HD Map)，导航地图提供的是一段车道的长度和相关路程的大概路况，精度在5-10米。而所述高精地图提供的是非常详细的道路情况。比如路标，倾斜度，车道线还有车道线所处的位置。这些都会在高精地图上标记。高精地图中连某个交通灯的位置都有高精度的GPS数据标注。所述高精地图的精确度可以达到亚米级精度，在自动驾驶领域有着广泛的应用。
本模块就是获取所述参考点再高精地图中的三维坐标，也即第二坐标。方便后续步骤利用所述第一坐标和所述第二坐标计算参考点从所述全站仪坐标系转换到所述参考地图坐标系时需要的第一旋转矩阵和第一平移向量。
平移旋转量计算模块230，用于根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量；
本公开利用估计算法来拟合得到所述第一旋转矩阵和第一平移向量，所述算法包括最小二乘法。
外参标定模块240，用于根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
外参为相机坐标系中坐标转换到世界坐标系中坐标的转换工具，所述相机坐标系为三维坐标系。所述相机外参包括两部分：旋转矩阵R，平移向量T。所述旋转矩阵为3×3的矩阵、所述平移向量为三维向量。在一种可能的实施方式中，Pc为相机坐标系中坐标，Pw为世界坐标系中坐标，则Pc＝RPw+T。
所述相机的所述第二旋转矩阵和第二平移向量根据所述全站仪标定得到，根据全站仪坐标系中参考点的第一坐标和参考点在相机坐标系中的第三坐标即可求解出所述第二旋转矩阵和第二平移向量。
进一步地，根据之前获取的所述第一旋转矩阵和第一平移向量，我们就可以求解出相机坐标系转换到所述参考地图坐标系中所用的第二旋转矩阵和第二平移向量。
可选地，所述参考点不位于同一条直线上，且单个所述相机的视野中所述参考点数量不大于n，所述n为第一参考点数量阈值。
为了提高车路协同中路侧相机外参标定的准确度，参考点的选取十分重要。首先所述参考点不可以全部位于同一条直线上，这样会丧失一部分维度上坐标的畸变信息，降低外参标定的准确度。同时，本公开中需要标定多个相机的外参，为了尽可能的使所述外参符合所有的相机，需要在不同相机的视野范围内选点，本公开设置了第一参考点数量阈值能，单个所述相机的视野中所述参考点数量不大于n。在一种可能的实施例中，n＝3。
可选地，所述参考点的数量不小于m，所述m为第二参考点数量阈值，且所述m大于n。
为了提高所述外参标定的准确度，需要尽量多设置所述参考点，本公开设置了第二参考点数量阈值m，所述参考点的数量不小于m。在一种可能的实施例中，所述m＝6。
可选地，所述根据所述第一坐标和所述第二坐标计算坐标系的第一旋转矩阵和第一平移向量，包括：
利用最小二乘法生成所述第一坐标变换为所述第二坐标的所述第一旋转矩阵和第一平移向量。
在一种可能的实施例中，所述参考点的第一坐标为
所述参考点的第二坐标为
所述第一旋转矩阵为R_tmp,所述第一平移向量T_tmp，则
利用最小二乘法，将所述参考点两两带入前式，拟合出最适合所述参考点的第一旋转矩阵R_tmp和第一平移向量T_tmp。
可选地，所述外参标定模块，还包括：
第二外参标定子模块，用于生成所述参考点在相机坐标系中的第三坐标，根据所述第三坐标和所述第一坐标计算所述第二旋转矩阵和第二平移向量。
根据所述第三坐标和所述第一坐标即可计算出参考点由相机坐标系转换到所述全站仪坐标系中所用的第二旋转矩阵R1和第二平移向量T1。在一种可能的实施方式中，Pc为相机坐标系中坐标，Pq为全站仪坐标系中坐标，则Pc＝R1Pq+T1。
再根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
由Pc＝R1Pq+T1，Pq＝R_tmpPm+T_tmp可推导出：
Pc＝(R_tmp)-1R1Pm+(Rtmp)-1(T1-T_tmp)，由此可知，所述第三旋转矩阵R2＝(R_tmp)-1R1，进一步可知第三平移向量T2＝(T1-T_tmp。式中Pm为高精地图中参考点坐标，所述R_tmp为第一旋转矩阵,所述T_tmp为第一平移向量。
选取的参考点不共线，且较为分散，可以降低计算外参时的误差，提高计算外参的准确度。
利用所述第一旋转矩阵和所述第一平移向量间接计算相机在参考地图坐标系中的外参，在车路协同中路侧相机外参标定中降低了对于GPS坐标的依赖，提高了计算相机外参的灵活性。
根据本公开的实施例，本公开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3示出了可以用来实施本公开的实施例的示例电子设备300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/或者要求的本公开的实现。
如图3所示，设备300包括计算单元301，其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序。在RAM303中，还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口303也连接至总线304。
设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300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301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301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如所述车路协同中路侧相机外参标定方法。例如，在一些实施例中，所述车路协同中路侧相机外参标定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308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的所述车路协同中路侧相机外参标定方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行所述车路协同中路侧相机外参标定方法。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开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。
在本公开的上下文中，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、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、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(阴极射线管)或者LCD(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：局域网(LAN)、广域网(WAN)、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("Virtual Private Server"，或简称"VPS")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。
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，本发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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (13)
1.一种车路协同中路侧相机外参标定的方法，包括：
获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标；
生成所述参考点在参考地图坐标系中的第二坐标；
根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量；
根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
2.根据权利要求1所述的方法，其中，所述参考点不位于同一条直线上，且单个所述相机的视野中所述参考点数量不大于n，所述n为第一参考点数量阈值。
3.根据权利要求2所述的方法，其中，所述参考点的数量不小于m，所述m为第二参考点数量阈值，且所述m大于n。
4.根据权利要求1所述的方法，其中，所述根据所述第一坐标和所述第二坐标计算坐标系的第一旋转矩阵和第一平移向量，包括：
利用最小二乘法生成所述第一坐标变换为所述第二坐标所需的所述第一旋转矩阵和所述第一平移向量。
5.根据权利要求1所述的方法，其中，所述根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量，还包括：
生成所述参考点在相机坐标系中的第三坐标，根据所述第三坐标和所述第一坐标计算所述第二旋转矩阵和第二平移向量。
6.一种车路协同中路侧相机外参标定的装置，包括：
第一坐标生成模块，用于获取相机的参考点，生成所述参考点在全站仪坐标系中的第一坐标；
第二坐标生成模块，用于生成所述参考点在参考地图坐标系中的第二坐标；
平移旋转量计算模块，用于根据所述第一坐标和所述第二坐标计算第一旋转矩阵和第一平移向量；
外参标定模块，用于根据相机的第二旋转矩阵、第二平移向量、所述第一旋转矩阵和所述第一平移向量标定第三旋转矩阵、第三平移向量。
7.根据权利要求6所述的装置，其中，所述参考点不位于同一条直线上，且单个所述相机的视野中所述参考点数量不大于n，所述n为第一参考点数量阈值。
8.根据权利要求7所述的装置，其中，所述参考点的数量不小于m，所述m为第二参考点数量阈值，且所述m大于n。
9.根据权利要求6所述的装置，其中，所述平移旋转量计算模块，包括：
平移旋转量计算子模块，用于利用最小二乘法生成所述第一坐标变换为所述第二坐标所需的所述第一旋转矩阵和所述第一平移向量。
10.根据权利要求6所述的装置，其中，所述外参标定模块，还包括：
第二外参标定子模块，用于生成所述参考点在相机坐标系中的第三坐标，根据所述第三坐标和所述第一坐标计算所述第二旋转矩阵和第二平移向量。
11.一种电子设备，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1-5中任一项所述的方法。
12.一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1-5中任一项所述的方法。
13.一种计算机程序产品，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1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110797351.XA CN113592951A (zh) | 2021-07-14 | 2021-07-14 | 车路协同中路侧相机外参标定的方法、装置、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110797351.XA CN113592951A (zh) | 2021-07-14 | 2021-07-14 | 车路协同中路侧相机外参标定的方法、装置、电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113592951A true CN113592951A (zh) | 2021-11-02 |
Family
ID=78247532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110797351.XA Pending CN113592951A (zh) | 2021-07-14 | 2021-07-14 | 车路协同中路侧相机外参标定的方法、装置、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113592951A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114067002A (zh) * | 2022-01-17 | 2022-02-18 | 江苏中云筑智慧运维研究院有限公司 | 一种双目相机外部参数确定方法和系统 |
| CN114509762A (zh) * | 2022-02-15 | 2022-05-17 | 南京慧尔视智能科技有限公司 | 一种数据处理方法、装置、设备及介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106803273A (zh) * | 2017-01-17 | 2017-06-06 | 湖南优象科技有限公司 | 一种全景摄像机标定方法 |
| CN109087360A (zh) * | 2018-06-20 | 2018-12-25 | 北京云迹科技有限公司 | 一种机器人相机外参的标定方法 |
| CN109215086A (zh) * | 2018-08-24 | 2019-01-15 | 深圳市寒武纪智能科技有限公司 | 相机外参标定方法、设备及系统 |
| CN111815719A (zh) * | 2020-07-20 | 2020-10-23 | 北京百度网讯科技有限公司 | 图像采集设备的外参数标定方法、装置、设备及存储介质 |
| CN112017236A (zh) * | 2020-07-13 | 2020-12-01 | 魔门塔(苏州)科技有限公司 | 一种基于单目相机计算目标物位置的方法及装置 |
| CN112184824A (zh) * | 2019-07-05 | 2021-01-05 | 杭州海康机器人技术有限公司 | 一种相机外参标定方法、装置 |
| CN112288825A (zh) * | 2020-10-29 | 2021-01-29 | 北京百度网讯科技有限公司 | 相机标定方法、装置、电子设备、存储介质和路侧设备 |
| CN112308930A (zh) * | 2020-10-30 | 2021-02-02 | 杭州海康威视数字技术股份有限公司 | 相机外参标定方法、系统及装置 |
| CN112598750A (zh) * | 2020-12-22 | 2021-04-02 | 北京百度网讯科技有限公司 | 路侧相机标定方法、装置、电子设备和存储介质 |
| CN112738487A (zh) * | 2020-12-24 | 2021-04-30 | 北京百度网讯科技有限公司 | 图像投射方法、装置、设备及存储介质 |
| CN112967344A (zh) * | 2021-03-09 | 2021-06-15 | 北京百度网讯科技有限公司 | 相机外参标定的方法、设备、存储介质及程序产品 |
| CN113112551A (zh) * | 2021-04-21 | 2021-07-13 | 阿波罗智联(北京)科技有限公司 | 相机参数的确定方法、装置、路侧设备和云控平台 |
-
2021
- 2021-07-14 CN CN202110797351.XA patent/CN113592951A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106803273A (zh) * | 2017-01-17 | 2017-06-06 | 湖南优象科技有限公司 | 一种全景摄像机标定方法 |
| CN109087360A (zh) * | 2018-06-20 | 2018-12-25 | 北京云迹科技有限公司 | 一种机器人相机外参的标定方法 |
| CN109215086A (zh) * | 2018-08-24 | 2019-01-15 | 深圳市寒武纪智能科技有限公司 | 相机外参标定方法、设备及系统 |
| CN112184824A (zh) * | 2019-07-05 | 2021-01-05 | 杭州海康机器人技术有限公司 | 一种相机外参标定方法、装置 |
| CN112017236A (zh) * | 2020-07-13 | 2020-12-01 | 魔门塔(苏州)科技有限公司 | 一种基于单目相机计算目标物位置的方法及装置 |
| CN111815719A (zh) * | 2020-07-20 | 2020-10-23 | 北京百度网讯科技有限公司 | 图像采集设备的外参数标定方法、装置、设备及存储介质 |
| CN112288825A (zh) * | 2020-10-29 | 2021-01-29 | 北京百度网讯科技有限公司 | 相机标定方法、装置、电子设备、存储介质和路侧设备 |
| CN112308930A (zh) * | 2020-10-30 | 2021-02-02 | 杭州海康威视数字技术股份有限公司 | 相机外参标定方法、系统及装置 |
| CN112598750A (zh) * | 2020-12-22 | 2021-04-02 | 北京百度网讯科技有限公司 | 路侧相机标定方法、装置、电子设备和存储介质 |
| CN112738487A (zh) * | 2020-12-24 | 2021-04-30 | 北京百度网讯科技有限公司 | 图像投射方法、装置、设备及存储介质 |
| CN112967344A (zh) * | 2021-03-09 | 2021-06-15 | 北京百度网讯科技有限公司 | 相机外参标定的方法、设备、存储介质及程序产品 |
| CN113112551A (zh) * | 2021-04-21 | 2021-07-13 | 阿波罗智联(北京)科技有限公司 | 相机参数的确定方法、装置、路侧设备和云控平台 |
Non-Patent Citations (2)
| Title |
|---|
| 熊伟等编著: "《测绘地理信息 带我自动驾驶》", 31 January 2018, 测绘出版社 * |
| 韩慧妍: "基于双目立体视觉的三维模型重建方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114067002A (zh) * | 2022-01-17 | 2022-02-18 | 江苏中云筑智慧运维研究院有限公司 | 一种双目相机外部参数确定方法和系统 |
| CN114509762A (zh) * | 2022-02-15 | 2022-05-17 | 南京慧尔视智能科技有限公司 | 一种数据处理方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11480443B2 (en) | Method for calibrating relative pose, device and medium | |
| CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
| EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
| CN110160542B (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
| CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
| CN107356244B (zh) | 一种路侧单元天线的标定方法及装置 | |
| CN109146938B (zh) | 动态障碍物的位置校准方法、装置、设备及存储介质 | |
| CN108775901B (zh) | 一种实时slam场景地图构建系统、导航系统及方法 | |
| 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 | |
| CN112835085B (zh) | 确定车辆位置的方法和装置 | |
| CN113592951A (zh) | 车路协同中路侧相机外参标定的方法、装置、电子设备 | |
| CN110849363B (zh) | 激光雷达与组合惯导的位姿标定方法、系统及介质 | |
| CN110927762A (zh) | 一种定位修正方法、装置及系统 | |
| CN114119886A (zh) | 高精地图点云重建方法、装置、车辆、设备和存储介质 | |
| CN114111775A (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
| CN114323033A (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
| CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
| CN113554712A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
| CN115760827A (zh) | 点云数据的检测方法、装置、设备以及存储介质 | |
| CN114187357A (zh) | 一种高精地图的生产方法、装置、电子设备及存储介质 | |
| CN112835086B (zh) | 确定车辆位置的方法和装置 | |
| CN114325662A (zh) | 一种车载雷达的外参标定方法、装置、设备及存储介质 | |
| CN114266876A (zh) | 定位方法、视觉地图的生成方法及其装置 | |
| CN110389349B (zh) | 定位方法和装置 | |
| CN110647591A (zh) | 用于测试矢量地图的方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211102 |