CN113640756B - 一种数据标定方法、系统、装置、计算机程序以及存储介质 - Google Patents

一种数据标定方法、系统、装置、计算机程序以及存储介质 Download PDF

Info

Publication number
CN113640756B
CN113640756B CN202110916837.0A CN202110916837A CN113640756B CN 113640756 B CN113640756 B CN 113640756B CN 202110916837 A CN202110916837 A CN 202110916837A CN 113640756 B CN113640756 B CN 113640756B
Authority
CN
China
Prior art keywords
point cloud
cloud data
radar sensor
normal vector
coordinates
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.)
Active
Application number
CN202110916837.0A
Other languages
English (en)
Other versions
CN113640756A (zh
Inventor
朱保华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Voyager Technology Co Ltd
Original Assignee
Beijing Voyager Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Voyager Technology Co Ltd filed Critical Beijing Voyager Technology Co Ltd
Priority to CN202110916837.0A priority Critical patent/CN113640756B/zh
Publication of CN113640756A publication Critical patent/CN113640756A/zh
Application granted granted Critical
Publication of CN113640756B publication Critical patent/CN113640756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开提供了一种数据标定方法、系统、装置、计算机程序以及存储介质，其中，该方法包括：获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于第一点云数据进行预标定，得到第一雷达传感器的预标定参数；获取目标车辆上安装的第二雷达传感器采集到的第二点云数据；基于所述预标定参数对第一点云数据进行拟合处理，得到第一平面法向量；并对第二点云数据进行拟合处理，得到第二平面法向量；对第一平面法向量和第二平面法向量进行对齐处理，得到对齐处理结果，并确定第一雷达传感器和第二雷达传感器之间的标定参数。

Description

一种数据标定方法、系统、装置、计算机程序以及存储介质
技术领域
本公开涉及自动驾驶技术领域，具体而言，涉及一种数据标定方法、系统、装置、计算机程序以及存储介质。
背景技术
随着自动驾驶领域的发展，对自动驾驶安全系数的要求也越来越高，在现有的自动驾驶方案中，通常都是采用多雷达传感器来进行实时定位和感知。在通过多个雷达传感器进行定位和感知的过程中，需要对多个雷达传感器进行标定。现有的数据标定方式通常是提取从多个雷达传感器之间的特征，然后根据提取到的特征确定多个雷达传感器之间的标定参数。然而，现有的数据标定方式的标定结果误差较大，且标定效率较低，无法很好地保障自动驾驶的安全系数。
发明内容
本公开实施例至少提供一种数据标定方法、系统、装置、计算机程序以及存储介质。
第一方面，本公开实施例提供了一种数据标定方法，包括：获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据；基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
一种可选的实施方式中，所述第一点云数据包含多帧点云数据；所述基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数，包括：将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，其中，所述第一坐标系为所述第二雷达传感器所在坐标系；基于所述转换坐标对每帧点云数据进行拼接，得到第一拼接点云数据；确定所述第一拼接点云数据的厚度信息；基于所述厚度信息确定所述第一雷达传感器的预标定参数。
一种可选的实施方式中，所述将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，包括：将每帧点云数据中的点云坐标转换为第二坐标系中的坐标，其中，所述第二坐标系为所述目标车辆上的所安装的惯性导航系统的坐标系；将所述第二坐标系中的坐标转换为所述第一坐标系中的坐标，得到所述转换坐标。
一种可选的实施方式中，所述确定所述第一拼接点云数据的厚度信息，包括：对所述第一拼接点云数据进行网格化处理，得到多个目标网格；基于所述转换坐标，确定位于每个目标网格中的每个点云的高度坐标；基于所述高度坐标，确定每个所述目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对所述多个子厚度信息进行计算，得到所述第一拼接点云数据的厚度信息。
一种可选的实施方式中，所述基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量，包括：基于所述预标定参数，对所述第一点云数据进行拼接，得到第二拼接点云数据；提取所述第二拼接点云数据中的地面点云，得到第一地面点云数据；对所述第一地面点云数据进行平面拟合，得到所述第一平面法向量。
一种可选的实施方式中，所述对所述第二点云数据进行拟合处理，得到第二平面法向量，包括：提取所述第二点云数据中的地面点云，得到第二地面点云数据；对所述第二地面点云数据进行平面拟合，得到所述第二平面法向量。
一种可选的实施方式中，所述对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，包括：计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵；对所述旋转矩阵进行分解处理，得到分解处理结果，并将所述分解处理结果确定为所述对齐处理结果。
一种可选的实施方式中，所述计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵，包括：计算所述第一平面法向量和所述第二平面法向量之间的向量外积；计算所述第一平面法向量和所述第二平面法向量之间的旋转角度；基于所述向量外积和所述旋转角度，计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵。
一种可选的实施方式中，在同一采集时刻，所述第一雷达传感器采集到的第一点云数据小于所述第二雷达传感器采集到的第二点云数据。
第二方面，本公开实施例还提供一种数据标定系统包括：第一雷达传感器、第二雷达传感器和控制器，其中，所述第一雷达传感器和所述第二雷达传感器分别安装在目标车辆的不同位置上，且所述第一雷达传感器和所述第二雷达传感器与所述控制器通信连接；所述第一雷达传感器，被配置成采集对应驾驶场景内的点云数据，得到第一点云数据；所述第二雷达传感器，被配置成采集对应驾驶场景内的点云数据，得到第二点云数据；所述控制器，被配置成基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；以及，对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
一种可选的实施方式中，所述第一雷达传感器为激光雷达传感器，且所述第二雷达传感器为激光雷达传感器。
一种可选的实施方式中，所述第一雷达传感器安装在所述目标车辆的车身两侧位置上，所述第二雷达传感器安装在所述目标车辆的车顶位置上。
第三方面，本公开实施例还提供一种数据标定装置，包括：第一获取模块，用于获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；第二获取模块，用于获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据；拟合模块，用于基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；对齐模块，用于对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
第四方面，一种计算机程序产品，包括计算机程序/指令，所述计算机指令被处理器执行时实现上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
第五方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
本公开实施例提供的一种数据标定方法、系统、装置、计算机程序以及存储介质。本公开实施例，首先通过获取第一雷达传感器采集到的第一点云数据，以及获取第二雷达传感器采集到的第二点云数据，并对该第一点云数据进行拟合处理，得到第一平面法向量，以及对第二点云数据进行拟合处理，得到第二平面法向量，进而，对第一平面法向量和第二平面法向量进行对齐处理，从而根据对齐处理结果确定标定参数，进而实现对第一雷达传感器以及第二雷达传感器进行数据标定。
本公开实施例中，通过基于第一点云数据确定的第一平面法向量，以及基于第二点云数据确定的第二平面法向量进行对齐处理，从而对第一雷达传感器和第二雷达传感器进行标定的方式，可以实现提高数据标定的精度和标定效率，进而提高了自动驾驶的安全系数。
为使本公开的上述目的、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公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1示出了本公开实施例所提供的一种数据标定方法的流程图；
图2示出了本公开实施例所提供的数据标定方法中，第一雷达传感器以及第二雷达传感器在车身上安装位置的示意图；
图3示出了本公开实施例所提供的数据标定方法中，针对每帧点云数据进行拼接后得到的第一点云数据的示意图
图4示出了本公开实施例所提供的数据标定方法中，网格化处理之后的第一拼接点云数据的示意图；
图5示出了本公开实施例所提供的数据标定方法中，提取到的地面点云的示意图；
图6示出了本公开实施例所提供的一种数据标定系统的示意图；
图7示出了本公开实施例所提供的一种数据标定装置的示意图；
图8示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现，现有的在线数据标定的方式通常是提取从多个雷达传感器之间的特征，然后根据提取到的特征确定多个雷达传感器之间的标定参数。然而，现有的数据标定方式的标定结果误差较大，且标定效率较低，无法很好地保障自动驾驶的安全系数。
基于上述研究，本公开提供了一种数据标定方法、系统、装置、计算机程序以及存储介质。本公开实施例中，通过基于第一点云数据确定的第一平面法向量，以及基于第二点云数据确定的第二平面法向量进行对齐处理，从而对第一雷达传感器和第二雷达传感器进行标定的方式，可以实现提高数据标定的精度和标定效率，进而提高了自动驾驶的安全系数。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种数据标定方法进行详细介绍。在一些可能的实现方式中，该数据标定方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示，为本公开实施例提供的一种数据标定方法的流程图，所述方法包括步骤S101～S107，其中：
S101：获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数。
具体的，上述目标车辆可以为机动车，非机动车等能够支持自动驾驶的车辆。例如，该目标车辆可以为大型汽车、小型汽车、电车等。
在本公开实施例中，目标车辆的车身上的不同位置分别安装有第一雷达传感器以及第二雷达传感器，其中，第一雷达传感器以及第二雷达传感器分别用于采集目标车辆行驶过程中不同范围的行驶环境的点云数据。
这里，第一雷达传感器的数量至少为一个，和/或，第二雷达传感器的数量至少为一个。在第一雷达传感器为多个的情况下，每个第一雷达传感器可以安装在目标车辆的相同或者相应的位置上，例如，每个第二雷达传感器安装在目标车辆的车身一侧，或者车身两侧。在第二雷达传感器为多个的情况下，每个第二雷达传感器可以安装在目标车辆的相同的位置上，例如，每个第二雷达传感器安装在目标车辆的顶端。
具体的，在上述第一雷达传感器采集到第一点云数据后，还可以基于第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数，其中，该预标定参数可以为该第一雷达传感器的外参数中的参数。
应理解的是，该外参数可以为该第一雷达传感器位置参数和姿参数态，具体的，该外参数可以表示为多维向量的形式。例如，该外参数可以为包含位置参数和姿态参数的六维向量T＝[x,y,z,roll,pitch,yaw]。其中，(x,y,z)为位置参数，(roll,pitch,yaw)为姿态参数。
需要说明的是，上述预标定参数可以为姿态参数中的参数，例如，该预标定参数可以为pitch(俯仰角)和roll(滚动角)。
S103：获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据。
在本公开实施例中，上述第二雷达传感器所的采集范围与上述第一雷达传感器的采集范围可以为不同的。
在一种可选的实施方式中，如图2所示，上述第一雷达传感器的安装位置可以为目标车辆的车身两侧，上述第二雷达传感器的安装位置可以为目标车辆的车顶位置。因此，上述第一点云数据可以为在目标车辆的行驶过程中，对位于目标车辆的车身两侧的第一行驶环境区域内进行采集得到的点云数据，上述第二点云数据可以为在目标车辆的行驶过程中，对位于目标车辆正前方的第二行驶环境区域内进行采集得到的点云数据。
S105：基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量。
在本公开实施例中，可以对上述第一点云数据以及第二点云数据分别进行拟合处理，从而分别得到第一点云数据对应的第一平面法向量，以及第二点云数据对应的第二平面法向量。
在一种可选的实施方式中，在进行拟合处理时，可以通过分别建立第一点云数据以及第二点云数据所对应的空间平面方程，并对该空间平面方程进行拟合的方式，得到第一平面法向量以及第二平面法向量。
例如，在确定出上述空间平面方程为Ax+By+Cz+D＝0后，就可以确定出该空间平面方程对应的平面法向量，该平面法向量可以表示为n＝(A,B,C)。其中，若在上述空间平面方程Ax+By+Cz+D＝0为上述第一点云数据的空间平面方程，则该空间平面方程应满足：将该第一点云数据中的任意点云数据的位置坐标点P(x,y,z)代入到该空间平面方程中后，Ax+By+Cz+D＝0均成立。
S107：对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
在本公开实施例中，若确定出的上述第一平面法向量为nside＝(A1,B1,C1)，第二平面法向量为nmain＝(A2,B2,C2)，那么就可以针对nside和nmain进行对齐处理。
这里，在对第一平面法向量和第二平面法向量进行对齐处理时，可以通过计算nside和nmain之间的旋转矩阵，并对该旋转矩阵进行分解的方式，确定出第一雷达传感器和第二雷达传感器之间的标定参数。其中，该标定参数可以为上述第一雷达传感器和第二雷达传感器之间的外参数中的部分参数，例如，上述标定参数可以为pitch(俯仰角)和roll(滚动角)。
本公开实施例中，通过基于第一点云数据确定的第一平面法向量，以及基于第二点云数据确定的第二平面法向量进行对齐处理，从而对第一雷达传感器和第二雷达传感器进行标定的方式，可以实现提高数据标定的精度和标定效率，进而提高了自动驾驶的安全系数。
在本公开实施例中，上述第一雷达传感器和第二雷达传感器在采集上述第一点云数据以及第二点云数据时，可以按照预定的采集周期进行采集。
在一种可选的实施方式中，在同一个采集周期内，若第一雷达传感器在每次执行扫描之后，采集到的点云数据比较稀疏，那么，可以设置在一个采集周期内第一雷达传感器扫描多次，每次扫描得到一帧点云数据，多次扫描之后可以得到多帧点云数据。在得到多帧点云数据之后，就可以基于多帧点云数据确定第一点云数据，从而使得第一点云数据中包含较为密集的点云数据。
例如，若上述预定的采集周期为500ms，上述第一雷达传感器的扫描周期为100ms，那么在一个采集周期内，第一雷达传感器可以执行5次扫描操作，每次扫描结束之后得到一帧点云数据，此时上述第一点云数据可以包含5帧点云数据。
另外的，由于第二雷达传感器的采集范围和第一雷达传感器的采集范围不相同，此时，可以设置第二雷达传感器在同一个采集周期内的扫描次数可以少于第一雷达传感器的扫描次数。例如，在同一个采集周期内，上述第二雷达传感器可以扫描一次，得到包含单帧点云数据的第二点云数据；除此之外，还可以设置在同一个采集周期内，第二雷达传感器可以扫描一次，得到包含两帧点云数据的第二点云数据。
在第一点云数据包含多帧点云数据的情况下，上述步骤S101，基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数，具体包括如下过程：
步骤S1011，将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，其中，所述第一坐标系为所述第二雷达传感器所在坐标系。
在本公开实施例中，在确定第一雷达传感器的预标定参数时，可以首先将每帧点云数据中的点云坐标转换为第一坐标系中的坐标。
具体的，上述第一坐标系可以为该第二雷达传感器所在的坐标系，也可以为针对该第二雷达传感器所建立的坐标系。
这里，可以通过坐标转换矩阵将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，从而得到转换坐标。
步骤S1012，基于所述转换坐标对每帧点云数据进行拼接，得到第一拼接点云数据。
在本公开实施例中，在基于坐标转换矩阵将上述每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标后，就可以基于转换坐标对每帧点云数据进行拼接，从而得到相对密集的第一拼接点云数据。具体的，如图3所示为基于转换坐标对每帧点云数据进行拼接后得到的第一拼接点云数据的示意图。
步骤S1013，确定所述第一拼接点云数据的厚度信息。
在本公开实施例中，由于上述第一点云数据中包含多帧点云数据，因此，该第一点云数据对应相应的厚度信息，其中，该厚度信息可以理解为多帧点云数据之间的重叠点云所对应的厚度信息。具体的，上述多帧点云数据由于采集周期较短，因此点云数据之间存在较高的重叠度。在确定出用于表征多帧点云数据之间的重叠部分的厚度信息后，就可以针对多帧点云数据中的重叠部分，对上述多帧点云数据进行拼接，得到第一拼接点云数据。此时，拼接后得到的第一拼接点云数据也应当包含上述厚度信息。
步骤S1014，基于所述厚度信息确定所述第一雷达传感器的预标定参数。
在本公开实施例中，上述预标定参数可以为pitch和roll。
通过上述描述可知，在本公开实施例中，在上述第一点云数据包含多帧点云数据的情况下，就可以基于该多帧点云数据进行拼接得到的第一拼接点云数据确定出第一雷达传感器的预标定参数，从而提高确定标定参数的准确性。
在本公开实施例中，步骤S1011，将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，具体包括如下过程：
(1)、将每帧点云数据中的点云坐标转换为第二坐标系中的坐标，其中，所述第二坐标系为所述目标车辆上的所安装的惯性导航系统的坐标系。
(2)、将所述第二坐标系中的坐标转换为所述第一坐标系中的坐标，得到所述转换坐标。
在本公开实施例中，在将每帧点云数据中的点云坐标转换为第一坐标系中的坐标时，可以通过坐标转换矩阵将每帧点云数据中的点云坐标转换为目标车辆上所安装的惯性导航系统(Inertial Navigation System，以下简称INS)的坐标系(即，第二坐标系)下的坐标，得到中间转换坐标。然后，将中间转换坐标转换为第一坐标系中的坐标。
具体的，假设表示第ti时刻采集到的对应帧点云数据中的点云坐标转换到INS的坐标系(第二坐标系)下的坐标(也即，上述中间转换坐标)。
那么，pti可以表示为其中，表示将每帧点云数据中的点云坐标转换到INS的坐标系下的坐标转换矩阵，pitch和roll为上述预标定参数，pl为第ti时刻采集到的对应帧点云数据中的点云数据的位置坐标，即第ti帧点云数据的位置坐标。具体的，该位置坐标可以为第ti帧点云数据中的任一点云数据在第一坐标系下的位置坐标，例如pl＝(x1,y1,z1)。scan_time＝ti用于表征上述对应帧点云数据的采集时刻为第ti时刻。
这里，在得到上述ti时刻采集到的对应帧点云数据中的点云坐标转换到INS的坐标系下的坐标后，就可以将上述中间转换坐标转换为第一坐标系中的坐标Ωp。
具体的，其中，/>表示INS的坐标系下的点云坐标转换到第一坐标系中的坐标转换矩阵，n是第一点云数据中的点云数据帧数，si是第i帧点云数据的点云数量，/>为第ti帧点云数据中的第j个点云数据的位置坐标，例如，/>
通过上述描述可知，在本公开实施例中，可以通过INS的坐标系将第一点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，通过上述处理方式，无需增加其他数据就可以实现坐标转换，在加快了坐标转换速度的同时，提高了坐标转换的准确性。
在本公开实施例中，上述步骤S1013，确定所述第一拼接点云数据的厚度信息，具体包括如下过程：
(1)、对所述第一拼接点云数据进行网格化处理，得到多个目标网格。
(2)、基于所述转换坐标，确定位于每个目标网格中的每个点云的高度坐标。
(3)、基于所述高度坐标，确定每个所述目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对所述多个子厚度信息进行计算，得到所述第一拼接点云数据的厚度信息。
在本公开实施例中，在确定上述第一拼接点云数据所对应的厚度信息时，可以首先对该第一拼接点云数据进行网格化处理，处理得到多个目标网格，之后，可以确定每个目标网格中的点云的高度坐标，从而基于该每个目标网格中的点云的高度坐标确定上述第一拼接点云数据对应的厚度信息。
如图4所示为网格化处理之后的第一拼接点云数据，这里，可以通过Gi表示第i个目标网格内的全部点云。具体的，在计算第一拼接点云数据的厚度信息时，可以为第一拼接点云数据定义优化代价度量函数Cost，其中，第i个目标网格的优化代价度量函数为Costi。
这里，首先确定第i个目标网格内的全部点云的高度坐标。然后，计算第i个目标网格内的全部点云的高度坐标的平均值，得到平均高度。
在本公开实施例中，可以通过以下公式计算第i个目标网格内的全部点云的高度坐标的平均值，具体包括：
其中，Zmean为表征第i个目标网格内的全部点云高度坐标的平均值，即平均高度，Zp为第i个目标网格内的每个点云的高度坐标，p∈Gi用于表征点云p为第i个目标网格内的任意点云。
在按照上述所描述的公式计算得到平均高度之后，就可以基于平均高度Zp，以及每个目标网格内所包含的点云的数量，为第i个目标网格的优化代价度量函数为Costi，具体公式描述如下：
这里，Costi可以理解为第i个目标网格中所包含点云的厚度信息，即子厚度信息。
应理解的是，第一坐标系中的坐标Ωp＝∪Gi。
在得到每个目标网格的优化代价度量函数Costi后，就可以对该进行求平均值操作，从而得到第一拼接点云数据的优化代价度量函数Cost。
具体的，其中，nG为目标网格的数量。
其中，该优化代价度量函数Cost的值为每个目标网格的子厚度信息Costi的平均值，然后，就可以将该优化代价度量函数Cost确定为上述第一拼接点云数据的厚度信息。
通过上述描述可知，在本公开实施例中，可以通过根据位于每个目标网格中的每个点云的高度坐标的方式，确定出每个目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对多个子厚度信息进行计算，得到第一拼接点云数据的厚度信息，从而优化了厚度信息确定的方式，降低了厚度不均对计算标定参数造成的误差。
在本公开实施例中，步骤S103，基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量，具体包括如下过程：
(1)、基于所述预标定参数，对所述第一点云数据进行拼接，得到第二拼接点云数据。
(2)、提取所述第二拼接点云数据中的地面点云，得到第一地面点云数据。
(3)、对所述第一地面点云数据进行平面拟合，得到所述第一平面法向量。
在本公开实施例中，在确定出上述预标定参数后，就可以基于该预标定参数，对第一点云数据中包含的多帧点云数据进行拼接，得到第二拼接点云数据。
其中，在得到第二拼接点云数据后，首先可以对该第二拼接点云数据进行预处理，通过对第二拼接点云数据进行预处理，可以减少平面拟合时的噪声影响。
具体的，该预处理过程可以为按照预设条件对该第二拼接点云数据进行筛选，其中，该预设条件可以为范围条件，和/或，状态条件。
这里，上述范围条件用于表征提取第二拼接点云数据中的地面点云的提取范围，例如，该提取范围可以为距离目标车辆距离范围在1米-4米之间。上述状态条件用于表征点云所对应物体的运动状态。例如，可以基于范围条件和状态条件，根据距离目标车辆距离范围在1米-4米之间的行驶环境中处于移动状态的物体，对地面上的点云数据进行过滤，从而得到地面点云。这里，地面点云可以为距离目标车辆距离范围在1米-4米之间的行驶环境中处于移动状态的物体所对应的点云。如图5所示即为提取到的地面点云的示意图。
在确定出上述地面点云后，就可以将该地面数据确定为第一地面点云数据。然后，对该第一地面点云数据进行平面拟合，得到表征该第一地面点云数据的空间平面方程。具体的，该平面拟合的方法可以为通过开源pcl库进行平面拟合，需要说明的是，任意可以实现本公开中的平面拟合得到平面法向量的方式都属于本公开的保护范围。
具体的，设空间平面方程可以表示为A1x+B1y+C1z+D＝0。在该空间平面方程中若存在任意一三维点(x1,y1,z1)，使得该空间平面方程满足A1x+B1y+C1z+D＝0。那么，该第一地面点云数据的第一平面法向量可以为nside＝(A1,B1,C1)，D为常数。
通过上述描述可知，在本公开实施例中，可以通过对第二拼接点云数据进行预处理的方式，从而减少上述平面拟合过程中的噪声干扰。
在本公开实施例中，步骤S103，对所述第二点云数据进行拟合处理，得到第二平面法向量，具体包括如下过程：
(1)、提取所述第二点云数据中的地面点云，得到第二地面点云数据。
(2)、对所述第二地面点云数据进行平面拟合，得到所述第二平面法向量。
在本公开实施例中，首先可以对第二点云数据进行筛选，从而得到第二点云数据中的地面点云，具体的，可以按照上述对第二拼接点云数据进行筛选的预设条件进行筛选，预设条件可以为范围条件，和/或，状态条件；除此之外，也可以根据实际使用需求设置该第二点云数据的筛选条件。
然后，在确定出上述地面点云后，就可以将该地面点云确定为第二地面点云数据。然后，对该第二地面点云数据进行平面拟合，得到表征该地面点云数据的空间平面方程。具体的，该平面拟合的方法可以为通过开源pcl库进行平面拟合，需要说明的是，任意可以实现本公开中的平面拟合得到平面法向量的方式都属于本公开的保护范围。
具体的，设空间平面方程可以表示为A2x+B2y+C2z+D＝0。在该空间平面方程中若存在任意一三维点(x2,y2,z2)，使得该空间平面方程满足A2x+B2y+C2z+D＝0。那么，该第二地面点云数据的第二平面法向量可以为nmain＝(A2,B2,C2)。
通过上述描述可知，在本公开实施例中，可以通过对第二点云数据进行预处理的方式，从而减少平面拟合过程中的噪声干扰。
在本公开实施例中，步骤S107，对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，具体包括如下过程：
步骤S1071，计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵。
步骤S1072，对所述旋转矩阵进行分解处理，得到分解处理结果，并将所述分解处理结果确定为所述对齐处理结果。
在本公开实施例中，可以计算第一平面法向量和所述第二平面法向量之间的旋转矩阵，并在通过上述第一平面法向量和第二平面法向量计算出旋转矩阵之后，就可以对该旋转矩阵进行分解处理，从而得到包含上述第一雷达传感器和第二雷达传感器之间的标定参数的对齐处理结果。
具体的，上述旋转矩阵R可以表示为：R＝cosθI+(1-cosθ)nnT+sinθn^。
其中，n可以为表征着第一雷达所对应的第一平面法向量与第二雷达所对应的第二平面法向量的旋转轴，θ可以为上述第一平面法向量与第二平面法向量之间的旋转角度。
另外的，上述分解处理所采用的分解方式可以为欧拉角分解，分解处理得到的标定参数可以为pitch和roll。需要说明的是，任意可以实现本公开中的分解处理得到标定参数的方式都属于本公开的保护范围
通过上述描述可知，在本公开实施例中，可以通过计算第一平面法向量和第二平面法向量之间的旋转矩阵，并对该旋转矩阵进行分解处理的方式得到分解处理结果，其中，该分解处理方式可以为多种分解方式，从而提高了本公开的适用性。
在本公开实施例中，计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵，具体包括如下过程：
(1)、计算所述第一平面法向量和所述第二平面法向量之间的向量外积。
(2)、计算所述第一平面法向量和所述第二平面法向量之间的旋转角度。
(3)、基于所述向量外积和所述旋转角度，计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵。
在本公开实施例中，在确定上述第一平面法向量和第二平面法向量之间的旋转矩阵时，首先可以计算第一平面法向量和第二平面法向量之间的向量外积。
具体的，该向量外积n可以表示为其中，nside可以为上述第一平面法向量，nmain可以为上述第二平面法向量。
然后，还可以计算上述第一平面法向量和第二平面法向量之间的旋转角度θ。
具体的，该旋转角度θ可以表示为
在确定出上述向量外积n和旋转角度θ后，就可以基于该向量外积n和旋转角度θ计算得到上述第一平面法向量和所述第二平面法向量之间的旋转矩阵R。
通过上述描述可知，在本公开实施例中，可以基于第一平面法向量和第二平面法向量之间的旋转角度θ以及向量外积n来确定旋转矩阵R，从而提高确定该旋转矩阵R的准确性。
应理解的是，在本公开实施例中，在同一采集时刻，所述第一雷达传感器采集到的第一点云数据应当小于所述第二雷达传感器采集到的第二点云数据。
具体的，上述第一雷达传感器以及第二雷达传感器在采集点云数据时，应当按照预设的采集周期，进行周期性采集。其中，上述第一雷达传感器采集到的第一点云数据可以为稀疏点云数据，即该第一点云数据中的点云数量较少。因此，在每个采集周期内，上述第一雷达传感器可以进行多次采集，得到包含多帧点云数据的第一点云数据。然后，对第一点云数据中的每帧点云数据进行拼接，从而得到满足密集度要求的第一拼接点云数据。
需要说明的是，上述第二雷达传感器采集到的第二点云数据可以为密集点云数据，即该第二点云数据中的点云数量较多。因此，在每个采集周期内，上述第二雷达传感器可以进行单次采集，即上述采集到的第二点云数据为单帧点云数据。
通过上述描述可知，在本公开实施例中，上述第一点云数据为中包含的点云数据应当小于第二雷达传感器采集到的第二点云数据，从而使得上述第一雷达传感器可以用于采集目标车辆行驶环境中障碍物较少，即点云数据稀疏方位的点云，提高了本方案的适用性。
综上，在本公开实施例中，采用分别通过第一雷达传感器以及第二雷达传感器采集第一点云数据以及第二点云数据的方式，对该第一点云数据所对应的第一平面法向量，以及第二点云数据所对应的第二平面法向量进行对齐处理，从而确定标定参数，以便对第一雷达传感器以及第二雷达传感器进行数据标定，从而提高了在线数据标定的精度以及标定效率，进而提高了自动驾驶的安全系数。
基于同一发明构思，在本公开实施例还提供了一种数据标定系统，如图6所示，该系统包括：第一雷达传感器61、第二雷达传感器62和控制器63，其中，所述第一雷达传感器和所述第二雷达传感器分别安装在目标车辆的不同位置上，且所述第一雷达传感器和所述第二雷达传感器与所述控制器通信连接。
所述第一雷达传感器，被配置成采集对应驾驶场景内的点云数据，得到第一点云数据；
所述第二雷达传感器，被配置成采集对应驾驶场景内的点云数据，得到第二点云数据；
所述控制器，被配置成基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；以及，对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
在本公开实施例中，所述第一雷达传感器为激光雷达传感器，且所述第二雷达传感器为激光雷达传感器。
在本公开实施例中，第一雷达传感器安装在所述目标车辆的车身两侧位置上，所述第二雷达传感器安装在所述目标车辆的车顶位置上。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与数据标定方法对应的数据标定装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述数据标定方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图7所示，为本公开实施例提供的一种数据标定装置的示意图，所述装置包括：第一获取模块71、第二获取模块72、拟合模块73、对齐模块74；其中，
第一获取模块71，用于获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；
第二获取模块72，用于获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据；
拟合模块73，用于基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；
对齐模块74，用于对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
通过基于第一点云数据确定的第一平面法向量，以及基于第二点云数据确定的第二平面法向量进行对齐处理，从而对第一雷达传感器和第二雷达传感器进行标定的方式，可以实现提高数据标定的精度和标定效率，进而提高了自动驾驶的安全系数。
一种可能的实施方式中，第一获取模块71，所述第一点云数据包含多帧点云数据；所述基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数，还用于：将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，其中，所述第一坐标系为所述第二雷达传感器所在坐标系；基于所述转换坐标对每帧点云数据进行拼接，得到第一拼接点云数据；确定所述第一拼接点云数据的厚度信息；基于所述厚度信息确定所述第一雷达传感器的预标定参数。
一种可能的实施方式中，第一获取模块71，还用于：将每帧点云数据中的点云坐标转换为第二坐标系中的坐标，其中，所述第二坐标系为所述目标车辆上的所安装的惯性导航系统的坐标系；将所述第二坐标系中的坐标转换为所述第一坐标系中的坐标，得到所述转换坐标。
一种可能的实施方式中，第一获取模块71，还用于：对所述第一拼接点云数据进行网格化处理，得到多个目标网格；基于所述转换坐标，确定位于每个目标网格中的每个点云的高度坐标；基于所述高度坐标，确定每个所述目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对所述多个子厚度信息进行计算，得到所述第一拼接点云数据的厚度信息。
一种可能的实施方式中，拟合模块73，还包括：基于所述预标定参数，对所述第一点云数据进行拼接，得到第二拼接点云数据；提取所述第二拼接点云数据中的地面点云，得到第一地面点云数据；对所述第一地面点云数据进行平面拟合，得到所述第一平面法向量。
一种可能的实施方式中，拟合模块73，还包括：提取所述第二点云数据中的地面点云，得到第二地面点云数据；对所述第二地面点云数据进行平面拟合，得到所述第二平面法向量。
一种可能的实施方式中，对齐模块74，还用于：计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵；对所述旋转矩阵进行分解处理，得到分解处理结果，并将所述分解处理结果确定为所述对齐处理结果。
一种可能的实施方式中，对齐模块74，还用于：计算所述第一平面法向量和所述第二平面法向量之间的向量外积；计算所述第一平面法向量和所述第二平面法向量之间的旋转角度；基于所述向量外积和所述旋转角度，计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵。
一种可能的实施方式中，该装置还包括：在同一采集时刻，所述第一雷达传感器采集到的第一点云数据小于所述第二雷达传感器采集到的第二点云数据。
对应于图1中的数据标定方法，本公开实施例还提供了一种电子设备800，如图8所示，为本公开实施例提供的电子设备800结构示意图，包括：
处理器81、存储器82、和总线83；存储器82用于存储执行指令，包括内存821和外部存储器822；这里的内存821也称内存储器，用于暂时存放处理器81中的运算数据，以及与硬盘等外部存储器822交换的数据，处理器81通过内存821与外部存储器822进行数据交换，当所述电子设备800运行时，所述处理器81与所述存储器82之间通过总线83通信，使得所述处理器81执行以下指令：
获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据；基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的数据标定方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的数据标定方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开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电子设备(可以是个人计算机，服务器，或者网络设备等)执行本公开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(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、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：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (13)

1.一种数据标定方法，其特征在于，包括：
获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；
获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据；
基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；
对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数；
其中，所述第一点云数据包含多帧点云数据；所述基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数，包括：
将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，其中，所述第一坐标系为所述第二雷达传感器所在坐标系；
基于所述转换坐标对每帧点云数据进行拼接，得到第一拼接点云数据；
对所述第一拼接点云数据进行网格化处理，得到多个目标网格；
基于所述转换坐标，确定位于每个目标网格中的每个点云的高度坐标；
基于所述高度坐标，确定每个所述目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对所述多个子厚度信息进行计算，得到所述第一拼接点云数据的厚度信息；
基于所述厚度信息确定所述第一雷达传感器的预标定参数，所述预标定参数包括俯仰角和滚动角。
2.根据权利要求1所述的方法，其特征在于，所述将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，包括：
将每帧点云数据中的点云坐标转换为第二坐标系中的坐标，其中，所述第二坐标系为所述目标车辆上的所安装的惯性导航系统的坐标系；
将所述第二坐标系中的坐标转换为所述第一坐标系中的坐标，得到所述转换坐标。
3.根据权利要求1所述的方法，其特征在于，所述基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量，包括：
基于所述预标定参数，对所述第一点云数据进行拼接，得到第二拼接点云数据；
提取所述第二拼接点云数据中的地面点云，得到第一地面点云数据；
对所述第一地面点云数据进行平面拟合，得到所述第一平面法向量。
4.根据权利要求1所述的方法，其特征在于，所述对所述第二点云数据进行拟合处理，得到第二平面法向量，包括：
提取所述第二点云数据中的地面点云，得到第二地面点云数据；
对所述第二地面点云数据进行平面拟合，得到所述第二平面法向量。
5.根据权利要求1所述的方法，其特征在于，所述对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，包括：
计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵；
对所述旋转矩阵进行分解处理，得到分解处理结果，并将所述分解处理结果确定为所述对齐处理结果。
6.根据权利要求5所述的方法，其特征在于，所述计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵，包括：
计算所述第一平面法向量和所述第二平面法向量之间的向量外积；
计算所述第一平面法向量和所述第二平面法向量之间的旋转角度；
基于所述向量外积和所述旋转角度，计算所述第一平面法向量和所述第二平面法向量之间的旋转矩阵。
7.根据权利要求1所述的方法，其特征在于，在同一采集时刻，所述第一雷达传感器采集到的第一点云数据小于所述第二雷达传感器采集到的第二点云数据。
8.一种数据标定系统，其特征在于，包括：第一雷达传感器、第二雷达传感器和控制器，其中，所述第一雷达传感器和所述第二雷达传感器分别安装在目标车辆的不同位置上，且所述第一雷达传感器和所述第二雷达传感器与所述控制器通信连接；
所述第一雷达传感器，被配置成采集对应驾驶场景内的点云数据，得到第一点云数据；
所述第二雷达传感器，被配置成采集对应驾驶场景内的点云数据，得到第二点云数据；
所述控制器，被配置成基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；以及，对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数；
其中，所述第一点云数据包含多帧点云数据；所述基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数，包括：
将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，其中，所述第一坐标系为所述第二雷达传感器所在坐标系；
基于所述转换坐标对每帧点云数据进行拼接，得到第一拼接点云数据；
对所述第一拼接点云数据进行网格化处理，得到多个目标网格；
基于所述转换坐标，确定位于每个目标网格中的每个点云的高度坐标；
基于所述高度坐标，确定每个所述目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对所述多个子厚度信息进行计算，得到所述第一拼接点云数据的厚度信息；
基于所述厚度信息确定所述第一雷达传感器的预标定参数，所述预标定参数包括俯仰角和滚动角。
9.根据权利要求8所述的系统，其特征在于，所述第一雷达传感器为激光雷达传感器，且所述第二雷达传感器为激光雷达传感器。
10.根据权利要求8所述的系统，其特征在于，所述第一雷达传感器安装在所述目标车辆的车身两侧位置上，所述第二雷达传感器安装在所述目标车辆的车顶位置上。
11.一种数据标定装置，其特征在于，包括：
第一获取模块，用于获取目标车辆上安装的第一雷达传感器采集到的第一点云数据，并基于所述第一点云数据进行预标定，得到所述第一雷达传感器的预标定参数；
第二获取模块，用于获取所述目标车辆上安装的第二雷达传感器采集到的第二点云数据；
拟合模块，用于基于所述预标定参数对所述第一点云数据进行拟合处理，得到第一平面法向量；并对所述第二点云数据进行拟合处理，得到第二平面法向量；
对齐模块，用于对所述第一平面法向量和所述第二平面法向量进行对齐处理，得到对齐处理结果，并根据所述对齐处理结果确定所述第一雷达传感器和所述第二雷达传感器之间的标定参数；
所述第一获取模块进一步用于：
将每帧点云数据中的点云坐标转换为第一坐标系中的坐标，得到转换坐标，其中，所述第一坐标系为所述第二雷达传感器所在坐标系；
基于所述转换坐标对每帧点云数据进行拼接，得到第一拼接点云数据；
对所述第一拼接点云数据进行网格化处理，得到多个目标网格；
基于所述转换坐标，确定位于每个目标网格中的每个点云的高度坐标；
基于所述高度坐标，确定每个所述目标网格中所包含点云的厚度信息，得到多个子厚度信息，并对所述多个子厚度信息进行计算，得到所述第一拼接点云数据的厚度信息；
基于所述厚度信息确定所述第一雷达传感器的预标定参数，所述预标定参数包括俯仰角和滚动角。
12.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至7任意一项所述的数据标定方法的步骤。
13.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任意一项所述的数据标定方法的步骤。
CN202110916837.0A 2021-08-11 2021-08-11 一种数据标定方法、系统、装置、计算机程序以及存储介质 Active CN113640756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110916837.0A CN113640756B (zh) 2021-08-11 2021-08-11 一种数据标定方法、系统、装置、计算机程序以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110916837.0A CN113640756B (zh) 2021-08-11 2021-08-11 一种数据标定方法、系统、装置、计算机程序以及存储介质

Publications (2)

Publication Number Publication Date
CN113640756A CN113640756A (zh) 2021-11-12
CN113640756B true CN113640756B (zh) 2024-05-17

Family

ID=78420680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110916837.0A Active CN113640756B (zh) 2021-08-11 2021-08-11 一种数据标定方法、系统、装置、计算机程序以及存储介质

Country Status (1)

Country Link
CN (1) CN113640756B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114646932B (zh) * 2022-05-23 2022-10-21 深圳元戎启行科技有限公司 基于外置雷达的雷达外参标定方法、装置和计算机设备
CN115439561B (zh) * 2022-10-25 2023-03-10 杭州华橙软件技术有限公司 机器人的传感器标定方法、机器人及存储介质
CN116148823B (zh) * 2023-04-12 2023-09-19 北京集度科技有限公司 一种外参数的标定方法、装置、车辆及计算机程序产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111190153A (zh) * 2020-04-09 2020-05-22 上海高仙自动化科技发展有限公司 外参标定方法及装置、智能机器人及计算机可读存储介质
WO2021031157A1 (zh) * 2019-08-21 2021-02-25 深圳市速腾聚创科技有限公司 外参标定方法、装置、计算设备以及计算机存储介质
KR20210051555A (ko) * 2019-10-30 2021-05-10 (주)코어센스 다중 2d 라이다 센서를 이용한 스마트 안전펜스 시스템
CN112946591A (zh) * 2021-02-26 2021-06-11 商汤集团有限公司 外参标定方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102257610B1 (ko) * 2019-10-02 2021-05-28 고려대학교 산학협력단 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021031157A1 (zh) * 2019-08-21 2021-02-25 深圳市速腾聚创科技有限公司 外参标定方法、装置、计算设备以及计算机存储介质
KR20210051555A (ko) * 2019-10-30 2021-05-10 (주)코어센스 다중 2d 라이다 센서를 이용한 스마트 안전펜스 시스템
CN111190153A (zh) * 2020-04-09 2020-05-22 上海高仙自动化科技发展有限公司 外参标定方法及装置、智能机器人及计算机可读存储介质
CN112946591A (zh) * 2021-02-26 2021-06-11 商汤集团有限公司 外参标定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113640756A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN113640756B (zh) 一种数据标定方法、系统、装置、计算机程序以及存储介质
CN108732582B (zh) 车辆定位方法和装置
CN107340522B (zh) 一种激光雷达定位的方法、装置及系统
CN106407947B (zh) 用于无人驾驶车辆的目标物体识别方法和装置
US8817093B2 (en) Photogrammetric networks for positional accuracy
CN110470333B (zh) 传感器参数的标定方法及装置、存储介质和电子装置
Stal et al. Assessment of handheld mobile terrestrial laser scanning for estimating tree parameters
DE102021104764A1 (de) Radarkalibrierung
CN116449392B (zh) 一种地图构建方法、装置、计算机设备及存储介质
CN110989619B (zh) 用于定位对象的方法、装置、设备和存储介质
CN115183762A (zh) 一种机场仓库内外建图方法、系统、电子设备及介质
CN114488094A (zh) 一种车载多线激光雷达与imu外参数自动标定方法及装置
CN116358486A (zh) 基于单目相机的目标测距方法、装置及介质
CN116681776B (zh) 一种双目相机的外参标定方法和系统
CN112733971A (zh) 扫描设备的位姿确定方法、装置、设备及存储介质
US20230304802A1 (en) Passive combined indoor positioning system and method based on intelligent terminal sensor
CN111898552A (zh) 一种判别人员关注目标物的方法、装置及计算机设备
CN114862953A (zh) 一种基于视觉特征和3d激光的移动机器人重定位方法及装置
CN113776517B (zh) 地图生成方法、装置、系统、存储介质及电子设备
CN113516772B (zh) 三维场景重建方法及装置、bim模型的优化方法及装置
CN111736137B (zh) LiDAR外部参数标定方法、系统、计算机设备及可读存储介质
CN113340310A (zh) 一种移动机器人台阶地形识别定位方法及相关装置
CN113029166B (zh) 定位方法、装置、电子设备及存储介质
CN113759384A (zh) 一种传感器位姿转换关系确定方法、装置、设备和介质
CN116698046B (zh) 一种物业室内服务机器人建图定位和回环检测方法及系统

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