CN113655453B - 用于传感器标定的数据处理方法、装置及自动驾驶车辆 - Google Patents
用于传感器标定的数据处理方法、装置及自动驾驶车辆 Download PDFInfo
- Publication number
- CN113655453B CN113655453B CN202110996402.1A CN202110996402A CN113655453B CN 113655453 B CN113655453 B CN 113655453B CN 202110996402 A CN202110996402 A CN 202110996402A CN 113655453 B CN113655453 B CN 113655453B
- Authority
- CN
- China
- Prior art keywords
- sensor
- track
- sensing data
- coordinate system
- data
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 230000033001 locomotion Effects 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 21
- 238000010586 diagram Methods 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000013519 translation Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 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
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提供了一种用于传感器标定的数据处理方法、装置及自动驾驶车辆，涉及数据处理领域，尤其涉及自动驾驶领域，可以用于对传感器进行标定。具体实现方案为：获取第一传感器基于第一坐标系采集得到的第一传感数据。获取第二传感器基于第二坐标系采集得到的第二传感数据，第一传感数据和第二传感数据为车辆在同一行驶过程中产生的数据。根据第一传感数据确定第一传感器对应的第一移动轨迹，以及根据第二传感数据确定第二传感器对应的第二移动轨迹。根据第一移动轨迹和第二移动轨迹，确定第一坐标系和第二坐标系之间的目标角度差。从而无需依赖标定台实现传感器标定，有效提升了确定传感器之间的坐标转换关系的灵活性。
Description
技术领域
本公开涉及数据处理领域，尤其涉及一种用于传感器标定的数据处理方法、装置及自动驾驶车辆，可用于自动驾驶。
背景技术
在自动驾驶车辆行驶的过程中，需要多种传感器协同作业来完成车体的定位和感知，因此对传感器进行标定即确定传感器之间的坐标转换关系就显得尤为重要。
目前，现有技术在确定传感器之间的坐标转换关系的时候，通常需要特制的标定台，例如可以将车体固定在标定台上，并利用预先固定好的角反射器，通过对比毫米波雷达坐标系下的角反射器所在的角度以及标定台坐标系下角反射器所在的角度，从而确定毫米波雷达相对于车体的航向角安装偏差。
然而，现有技术的标定实现方式往往都需要特制的标定台，从而会导致确定传感器之间的坐标转换关系的灵活性较差。
发明内容
本公开提供了一种用于传感器标定的数据处理方法、装置及自动驾驶车辆。
根据本公开的第一方面，提供了一种用于传感器标定的数据处理方法，应用于车辆，所述车辆中包括第一传感器和第二传感器，所述方法包括：
获取所述第一传感器基于第一坐标系采集得到的第一传感数据；
获取所述第二传感器基于第二坐标系采集得到的第二传感数据，所述第一传感数据和所述第二传感数据为所述车辆在同一行驶过程中产生的数据；
根据所述第一传感数据确定所述第一传感器对应的第一移动轨迹，以及根据所述第二传感数据确定所述第二传感器对应的第二移动轨迹；
根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差，所述目标角度差用于将所述第一传感器采集得到的传感数据和所述第二传感器采集得到的传感数据转换至相同坐标系。
根据本公开的第二方面，提供了一种用于传感器标定的数据处理装置，应用于车辆，所述车辆中包括第一传感器和第二传感器，所述装置包括：
第一获取模块，用于获取所述第一传感器基于第一坐标系采集得到的第一传感数据；
第二获取模块，用于获取所述第二传感器基于第二坐标系采集得到的第二传感数据，所述第一传感数据和所述第二传感数据为所述车辆在同一行驶过程中产生的数据；
第一确定模块，用于根据所述第一传感数据确定所述第一传感器对应的第一移动轨迹，以及根据所述第二传感数据确定所述第二传感器对应的第二移动轨迹；
第二确定模块，用于根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差，所述目标角度差用于将所述第一传感器采集得到的传感数据和所述第二传感器采集得到的传感数据转换至相同坐标系。
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第一方面所述的方法。
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第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的第六方面，提供了一种自动驾驶车辆，包括如上第三方面所述的电子设备。
根据本公开的技术提升了确定传感器之间的坐标转换关系的灵活性。
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为本公开实施例提供的基于标定台进行传感器标定的实现示意图；
图2为本公开实施例提供的用于传感器标定的数据处理方法的场景示意图；
图3为本公开实施例提供的用于传感器标定的数据处理方法的流程图；
图4为本公开实施例提供的用于传感器标定的数据处理方法的流程图二；
图5为本公开实施例提供的传感器的坐标系的示意图；
图6为本公开实施例提供的点云数据配准的实现示意图；
图7为本公开实施例提供的确定传感器的移动轨迹的实现示意图；
图8为本公开实施例提供的旋转第一移动轨迹的实现示意图；
图9为本公开实施例提供的确定轨迹点之间的距离的实现示意图；
图10为本公开实施例提供的角度对应的误差曲线示意图；
图11为本公开实施例提供的第一移动轨迹和第二移动轨迹对齐的示意图；
图12为本公开实施例的用于传感器标定的数据处理装置的结构示意图；
图13是用来实现本公开实施例的用于传感器标定的数据处理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。
为了更好的理解本公开的技术方案，下面对本公开所涉及的相关技术进行进一步的介绍。
目前在自动驾驶车辆(也可以称为无人车)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，其中多种传感器协同作业的前提是已知传感器之间的坐标转换关系，其中获取各个传感器之间的坐标转换关系也可以理解为需要进行传感器之间的标定。
值得说明的是，传感器标定是自动驾驶的基本需求，良好的标定是多传感器融合的基础，通常在车辆上可以安装有多个传感器，则需要确定各个传感器之间的坐标转换关系。其中，传感器的标定通常可以分为两个部分，分别是内参标定和外参标定，其中内参是决定传感器内部的映射关系，比如摄像头的焦距，偏心和像素横纵比(+畸变系数)，而外参是决定传感器和外部某个坐标系的转换关系，比如姿态参数(旋转和平移6自由度)等等。因此本实施例中所介绍的确定传感器之间的坐标转换关系，实际上是传感器的外参标定。
例如在一种可能的实现方式中，当前在各种无人车平台上，均需进行雷达(radar)与其他传感器的标定来完成更加精确的感知。
目前，相关技术中在进行传感器的外参标定的时候，往往需要使用特制的标定台，例如可以参照图1进行理解，图1为本公开实施例提供的基于标定台进行传感器标定的实现示意图。
如图1所示，例如可以将车体101固定在特制的标定台102上，并且预先固定好角反射器103，其中角反射器又名雷达反射器，它是通过金属板材根椐不同用途做成的不同规格的雷达波反射器。当雷达电磁波扫描到角反射后，电磁波会在金属角上产生折射放大，产生很强的回波信号，并显示出很强的回波目标。
可以理解的是，在车体上安装有毫米波雷达传感器，毫米波雷达传感器对应毫米波雷达坐标系，以及标定台对应有标定台坐标系，之后通过对比毫米波雷达坐标系下的角反射器103所在的角度以及标定台坐标系下角反射器103所在的角度，从而确定毫米波雷达坐标系和标定台坐标系的角度偏差，进而可以确定毫米波雷达的航向角相对于车体的航向角的安装偏差，以实现对毫米波雷达传感器的外参标定。
基于上述介绍的内容可以确定的是，现有技术的实现方案在实现传感器的标定的时候，往往都需要特制的标定台，从而会导致确定传感器之间的坐标转换关系的灵活性较差，同时因为需要依赖特制的标定台进行传感器的外参标定，也会导致传感器标定的成本较高。
针对现有技术中的技术问题，本公开提出了如下技术构思：通过在实际的车辆行驶场景中，通过第一传感器采集的传感器数据得到第一传感器对应的行驶轨迹，以及通过第二传感器采集的传感器数据得到第二传感器对应的行驶轨迹，之后将两个行驶轨迹进行旋转对齐，从而可以根据轨迹旋转的角度确定第一传感器的坐标系和第二传感器的坐标系之间的角度误差，从而可以在不设置标定台的情况下，仅仅依赖实际行驶路况的街景就实现了传感器的外参标定，有效提升了传感器的外餐标定的灵活性，同时降低了操作成本。
在上述介绍的内容的基础上，下面结合具体的实施例对本公开实施例提供的用于传感器标定的数据处理方法进行介绍，首先结合图2对本公开中的用于传感器标定的数据处理方法的应用场景进行说明，图2为本公开实施例提供的用于传感器标定的数据处理方法的场景示意图。
如图2所示，例如可以在实际的道路场景中行驶车辆201，在一种可能的实现方式中，道路场景例如可以选取特征丰富、包含金属物体的街景，在这样的环境中采集得到的传感器数据的数据质量更佳。
其中，在车辆201上例如可以设置有图2所示的第一传感器202以及第二传感器203。
在一种可能的实现方式中，第一传感器202例如可以为毫米波雷达传感器。下面对毫米波雷达传感器进行简单说明，其中毫米波是指工作在毫米波波段(millimeter wave)，工作频率在30～100GHz(吉赫)，波长在1～10mm(毫米)之间的电磁波，例如可以通过向障碍物发射电磁波并接收回波来精确探测目标的方向和距离。具体的，车载毫米波雷达可以通过天线向外发射毫米波，接收目标反射信号，经后方处理后快速准确地获取汽车车身周围的物理环境信息(如汽车与其他物体之间的相对距离、相对速度、角度、运动方向等)，然后根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，最终通过中央处理单元(ECU)进行智能处理等等。
以及，本实施例中的第二传感器例如可以为惯性导航系统(Inertial NavigationSystem，INS)相关的传感器，其中惯性导航系统是一种利用安装在运载体上的陀螺仪和加速度计来测定运载体位置的一个系统。通过陀螺仪和加速度计的测量数据，可以确定运载体在惯性参考坐标系中的运动，同时也能够计算出运载体在惯性参考坐标系中的位置。
其中的陀螺仪和加速度计例如可以理解为第二传感器，具体的，加速度计是一种用来测量物体运动加速度的仪表，一个惯性导航系统包含三个加速度计，每个加速度计能够测量一个方向上的加速度，通常三个方向互相垂直，从而得到三个方向上的加速度。以及在一个惯性导航系统中通常可以包括三个陀螺仪，每个陀螺仪能够测量一个方向上的旋转角度，通常三个方向互相垂直，从而得到三个方向上的旋转角度。不同于其他类型的导航系统，惯性导航系统是完全自主的，它既不向外部发射信号，也不从外部接收信号。
因此惯性导航系统是一个使用加速计和陀螺仪来测量物体的加速度和旋转，并用计算机来连续估算运动物体位置、姿态和速度的辅助导航系统。
上述介绍的是第一传感器和第二传感器的可能的实现方式，在实际实现过程中，第一传感器和第二传感器的具体实现方式，还可以根据实际需求进行选择和设置，本实施例对此不做限制，凡是车辆上的传感器均可以作为本实施例中的第一传感器或者第二传感器，只要第一传感器和第二传感器是车辆上的不同的传感器即可。以及在实际实现过程中，第一传感器和第二传感器的具体设置位置同样可以根据实际需求进行选择。
下面结合具体的实施例对本公开实施例提供的用于传感器标定的数据处理方法进行详细介绍，值得说明的是，本公开中各实施例提供的用于传感器标定的数据处理方法均应用于车辆，在车辆中包括第一传感器和第二传感器，其中第一传感器和第二传感器的实现方式在上述已经进行了介绍，此处不再赘述，本公开中各实施例的执行主体例如可以为车辆中的处理单元，比如说处理器、微处理器等等。
下面首先结合图3进行介绍，图3为本公开实施例提供的用于传感器标定的数据处理方法的流程图。
如图3所示，该方法包括：
S301、获取第一传感器基于第一坐标系采集得到的第一传感数据。
在本实施例中，第一传感器对应第一坐标系，比如说第一传感器为雷达传感器，则第一坐标系例如可以为雷达传感器的坐标系，例如可以在车辆在街景中行驶的过程中，通过第一传感器采集第一传感数据，其中第一传感数据是基于第一坐标系的数据。
比如说第一传感器为雷达传感器，则采集的第一传感数据例如可以为街景中的各个对象的多个返回点的坐标，其中，多个返回点的坐标为第一坐标系下的坐标。
S302、获取第二传感器基于第二坐标系采集得到的第二传感数据，第一传感数据和第二传感数据为车辆在同一行驶过程中产生的数据。
以及，本实施例中的第二传感器对应第二坐标系，比如说第二传感器为惯性导航系统的传感器，则第二坐标系例如可以为惯性坐标系，例如可以在车辆在街景中行驶的过程中，通过第二传感器采集第二传感数据，其中第二传感数据是基于第二坐标系的数据。
比如说第二传感器是惯性导航系统的传感器，则采集的第二传感数据例如可以为搭载所述第二传感器的车辆在惯性坐标系的各个方向上的平移参数以及在惯性坐标系的各个方向上的旋转参数。
可以理解的是，本实施例中的第一传感器和第二传感器均搭载在车辆上，在车辆行驶的过程中，第一传感器和第二传感器同时工作，从而同时采集第一传感数据和第二传感数据，因此本实施例中的第一传感数据和第二传感数据为车辆在同一行驶过程中产生的数据。
同时，在实际实现过程中，第一传感器和第二传感器的具体实现可以根据实际需求进行选择，相应的采集得到的第一传感数据和第二传感数据也可以根据选择的传感器进行适应性的变化，本实施例对此不做限制，只要第一传感数据和第二传感数据是搭载在车辆上的两个不同的传感器各自采集的数据即可。
S303、根据第一传感数据确定第一传感器对应的第一移动轨迹，以及根据第二传感数据确定第二传感器对应的第二移动轨迹。
在确定第一传感数据之后，例如可以根据第一传感数据确定第一传感器对应的第一移动轨迹，可以理解的是，因为第一传感数据是在第一坐标系下采集的数据，因此第一传感器对应的第一移动轨迹也就是在第一坐标系下的数据。
以及在确定第二传感数据之后，例如可以根据第二传感数据确定第二传感器对应的第二移动轨迹，可以理解的是，因为第二传感数据是在第二坐标系下采集的数据，因此第二传感器对应的第二移动轨迹也就是在第二坐标系下的数据。
在根据传感数据确定传感器对应的移动轨迹的可能的实现方式中，例如可以根据传感数据确定传感器在采集数据的各个时间点对应的位置和角度，之后根据各个采集时间点对应的位置和角度确定传感器的移动轨迹。
S304、根据第一移动轨迹和第二移动轨迹，确定第一坐标系和第二坐标系之间的目标角度差，目标角度差用于将第一传感器采集得到的传感数据和第二传感器采集得到的传感数据转换至相同坐标系。
在本实施例中，第一移动轨迹为第一坐标系下的移动轨迹，第二移动轨迹为第二坐标系下的移动轨迹，其中，第一坐标系为第一传感器的坐标系，第二坐标系为第二传感器的坐标系，可以理解的是，第一坐标系和第二坐标系为不同传感器的坐标系，因此当前要确定第一坐标系和第二坐标系之间的坐标转换关系，从而实现传感器之间的标定，在本实施例的一种可能的实现方式中，例如可以确定第一坐标系和第二坐标系之间的角度差。
其中，因为第一移动轨迹是第一传感器在第一坐标系中的移动轨迹，第二移动轨迹是第二传感器在第二坐标系中的移动轨迹，同时，第一移动轨迹和第二移动轨迹都是车辆在同一行驶过程中产生的轨迹，因此可以根据第一移动轨迹和第二移动轨迹，确定第一坐标系和第二坐标系之间的目标角度差，例如可以将第一移动轨迹和第二移动轨迹进行旋转配准，之后将轨迹旋转的角度确定为目标角度差。
其中，目标角度差用于将第一传感器采集得到的传感数据和第二传感器采集得到的传感数据转换至相同坐标系，在坐标转换之后，就可以基于第一传感器的数据和第二传感器的数据协同完成对车体的感知和定位了。
本公开实施例提供的用于传感器标定的数据处理方法，包括：获取第一传感器基于第一坐标系采集得到的第一传感数据。获取第二传感器基于第二坐标系采集得到的第二传感数据，第一传感数据和第二传感数据为车辆在同一行驶过程中产生的数据。根据第一传感数据确定第一传感器对应的第一移动轨迹，以及根据第二传感数据确定第二传感器对应的第二移动轨迹。根据第一移动轨迹和第二移动轨迹，确定第一坐标系和第二坐标系之间的目标角度差，目标角度差用于将第一传感器采集得到的传感数据和第二传感器采集得到的传感数据转换至相同坐标系。通过第一传感器在第一坐标系下采集得到的第一传感器数据，确定第一传感器的第一移动轨迹，以及通过第二传感器在第二坐标系下采集得到的第二传感器数据，确定第二传感器的第二移动轨迹，其中第一移动轨迹和第二移动轨迹是在车辆的同一行驶过程中不同的传感器产生的轨迹，之后基于第一移动轨迹和第二移动轨迹进行配准，确定可以确定第一坐标系和第二坐标系之间的目标角度差，从而就在无需依赖标定台的情况下，确定第一传感器和第二传感器之间的坐标转换关系，有效提升了确定传感器之间的坐标转换关系的灵活性。
在上述实施例的基础上，下面结合图4至图11对本公开提供的用于传感器标定的数据处理方法进行进一步的详细介绍，图4为本公开实施例提供的用于传感器标定的数据处理方法的流程图二，图5为本公开实施例提供的传感器的坐标系的示意图，图6为本公开实施例提供的点云数据配准的实现示意图，图7为本公开实施例提供的确定传感器的移动轨迹的实现示意图，图8为本公开实施例提供的旋转第一移动轨迹的实现示意图，图9为本公开实施例提供的确定轨迹点之间的距离的实现示意图，图10为本公开实施例提供的角度对应的误差曲线示意图，图11为本公开实施例提供的第一移动轨迹和第二移动轨迹对齐的示意图。
如图4所示，该方法包括：
S401、获取第一传感器基于第一坐标系采集得到的第一传感数据。
在本实施例中，例如第一传感器为雷达，其中第一传感数据中包括M个雷达数据，每个雷达数据包括检测对象在雷达坐标系中的坐标，M为大于1的整数，检测对象可以理解为道路中的障碍物，比如说建筑、车辆、路标、行人等等。
在本实施例中，第一传感器在基于第一坐标系采集传感数据的时候，例如可以每间隔预设时长采集一次传感数据，比如说每间隔1秒采集一次雷达数据，从而得到多个雷达数据；或者，还可以在车辆每行驶预设距离时采集一次传感数据，比如说车辆每行驶2米采集一次雷达数据，从而得到多个雷达数据，在实际实现过程中，具体的采集频率可以根据实际需求进行选择，本实施例对此不做限制。
在本实施例中，当第一传感数据为雷达数据的时候，例如雷达(radar)数据为二维数据，仅包含场景中的返回点的x,y坐标，则例如可以针对所有的毫米波返回点，设置z＝0，即可获取包含x、y、z三维坐标的点云数据，由此每帧毫米波雷达数据均可被恢复为三维点云数据，可以理解的是，当前所介绍的x、y、z三维坐标为雷达传感器的坐标系下的坐标，例如可以结合图5理解雷达传感器的雷达坐标系。
参照图5，当前在车辆上设置有第一传感器501，假设第一传感器为雷达传感器，在一种可能的实现方式中，雷达传感器对应的雷达坐标系，例如可以是以雷达传感器所在位置为原点，对应有x轴、y轴和z轴，比如说可以是图5中的503所示的坐标系，则上述介绍的x、y、z三维坐标就是该坐标系下的坐标。
在实际实现过程中，第一传感器以及第一坐标系的具体实现方式可以根据实际需求进行选择，本实施例对此不做限制。
S402、获取第二传感器基于第二坐标系采集得到的第二传感数据，第一传感数据和第二传感数据为车辆在同一行驶过程中产生的数据。
以及在本实施例中，例如第二传感器为惯性导航传感器，第二传感数据中包括M个惯性数据，每个惯性数据包括惯性导航传感器在惯性坐标系中的坐标，以及惯性数据还例如可以包括惯性导航传感器在惯性坐标系中的旋转角度。
在本实施例中，第二传感器在基于第二坐标系采集传感数据的时候，例如可以每间隔预设时长采集一次传感数据，比如说每间隔1秒采集一次惯性数据，从而得到多个惯性数据；或者，还可以在车辆每行驶预设距离时采集一次传感数据，比如说车辆每行驶2米采集一次惯性数据，从而得到多个惯性数据，在实际实现过程中，具体的采集频率可以根据实际需求进行选择，本实施例对此不做限制。
在本实施例中，当第二传感数据为惯性数据的时候，例如惯性数据包括惯性导航传感器在惯性坐标系的xyz三个方向的位移参数，以及惯性导航传感器在惯性坐标系的xyz三个方向的旋转参数，基于位移参数和旋转参数就可以确定惯性导航传感器在当前时刻在惯性坐标系中的位置以及角度，例如可以结合图5理解惯性导航传感器的惯性坐标系。
参照图5，当前在车辆上设置有第二传感器502，假设第二传感器为惯性导航传感器，惯性导航传感器对应惯性坐标系，其中惯性坐标系是为了简化世界坐标系到物体坐标系的转化而产生的。惯性坐标系的原点与物体坐标系的原点重合，惯性坐标系的轴平行于世界坐标系的轴。引入了惯性坐标系之后，物体坐标系转换到惯性坐标系只需旋转，从惯性坐标系转换到世界坐标系只需平移。
例如参照图5，惯性坐标系可以是以第二传感器所在位置为原点，对应有与世界坐标系平行的x轴、y轴和z轴，比如说可以是图5中的504所示的坐标系，在实际实现过程中，第二传感器以及第二坐标系的具体实现方式可以根据实际需求进行选择，本实施例对此不做限制。
S403、根据M个雷达数据，确定每两个相邻雷达数据对应的第一距离差值和第一角度差。
在本实施例中，M个雷达数据为在M个采集传感数据的时间点采集的雷达数据，其也可以理解为M帧数据，其中每一次传感数据采集对应一帧，其中通过雷达传感器采集到的雷达数据包括场景中的各个返回点的xy坐标，以及基于上述介绍可以确定的是，可以针对所有的毫米波返回点，设置z＝0，即可获取包含x、y、z三维坐标的点云数据，由此每帧毫米波雷达数据均可被恢复为三维点云数据，因此当前可以得到M帧的三维点云数据。
在一种可能的实现方式中，例如可以基于M帧的三维点云数据，确定每两个相邻雷达数据对应的第一距离差值和第一角度差。
下面对确定第一距离差值和第一角度差的可能的实现方式进行介绍，基于上述介绍可以确定的是，在惯性数据中是包括惯性导航传感器的位置信息和角度信息的，则例如可以以惯性数据为参考首先对相邻帧之间的雷达数据的位姿进行初始化，其中相邻帧之间的位姿具体包括旋转参数和位移参数，也就是说针对上一帧经过相应的旋转和位移之后可以得到当前帧的数据。
其中，在以惯性数据为参考首先对相邻帧之间的雷达数据的位姿进行初始化的实现方式中，例如可以首先确定惯性坐标系和雷达坐标系的初始化角度差，可以理解的是，惯性坐标系和雷达坐标系的初始化角度差是已知的，例如可以在车辆出厂的时候就确定好，但是这个角度差准确度可能不高。
因为在惯性数据中包括惯性导航传感器在M帧中在惯性坐标系下的位置和角度，则例如可以根据惯性数据确定M帧中的每两帧之间的惯性数据的位姿(包括旋转参数和位移参数)，之后基于所述初始化角度差对所述每两帧之间的惯性数据的位姿进行旋转，从而得到每两帧之间的雷达数据的初始位姿，可以理解的是，雷达传感器和惯性导航传感器实际上都是设置在车辆上跟随车辆一起进行运动的，只是采集的传感数据是不同坐标系下的数据，因此在基于坐标系之间的初始化角度差对惯性数据的位姿进行旋转之后，可以大致得到每两帧之间的雷达数据的初始位姿。
但是因为初始化角度差的准确性不高，比如说初始化角度差为90度，但是当前可能需要精确到90.3度，因此在以惯性数据为参考首先对相邻帧之间的雷达数据的位姿进行初始化之后，还需要根据相邻帧之间的雷达数据的初始化位姿进一步进行处理，从而确定精细化的位姿。
在一种可能的实现方式中，例如可以在相邻帧之间的雷达数据的初始化位姿的基础上，对相邻帧之间的雷达数据，使用迭代最近点(Iterative Closest Point，icp)算法计算两帧之间的雷达数据的精确位姿。
此处对icp算法进行简单介绍：
icp算法能够实现不同坐标的点云数据的配准，例如可以参照图6理解点云数据的配准，参见图6，假设当前上一帧的点云数据为图6中的601所示，当前帧的点云数据为图6中的602所示，为了实现点云数据601和点云数据602之间的配准，则例如可以找到一个可用的变换，将点云数据601经过一定的旋转和位移之后，即可以实现点云数据的配准。
因此icp算法本质上是基于最小二乘法的最优配准方法。该算法重复进行选择对应关系点对，计算最优刚体变换，直到满足正确配准的收敛精度要求。icp算法的目的是要找到待配准点云数据与参考云数据之间的旋转参数R和平移参数T，使得两点数据之间满足某种度量准则下的最优匹配。
假设给两个三维点集X1和X2，icp方法的配准步骤例如可以如下：
第一步，计算X2中的每一个点在X1点集中的对应近点；
第二步，求得使上述对应点对平均距离最小的刚体变换，求得平移参数和旋转参数；
第三步，对X2使用上一步求得的平移和旋转参数，得到新的变换点集；
第四步，如果新的变换点集与参考点集满足两点集的平均距离小于某一给定阈值，则停止迭代计算，否则新的变换点集作为新的X2继续迭代，直到达到目标函数的要求。
基于上述介绍的icp算法的内容，可以理解的是，在icp算法的处理过程中，需要对两帧之间的点云数据进行迭代的位移和旋转，知道达到目标函数的要求，以实现点云数据的配准。同时基于上述介绍还可以确定的是，本实施例中确定了相邻帧之间的雷达数据的初始化位姿，则例如可以基于相邻帧之间的雷达数据的初始化位姿，对各帧中的点云数据首先按照初始化位姿指示的旋转参数和平移参数进行相应的旋转和平移，得到初始化之后的点云数据，之间基于初始化之后的点云数据再执行上述的icp算法的处理流程，因为已经预先进行了旋转和平移，从而可以减少icp算法过程中的处理数据量。并且因为初始化位姿的准确性不高，因此在初始化位姿的基础上再执行icp算法，从而可以有效得到相邻帧之间的雷达数据的准确度较高的精准位姿。
此次还需要说明的是，传统的icp算法由于一般用于处理稠密的点云数据，因此对数据六自由度的位姿均有调整，其中六自由度是指沿x、y、z三个直角坐标轴方向的移动自由度和绕这三个坐标轴的转动自由度。
但是由于雷达数据点较稀疏、z坐标集中、不能保留特征的特性，调整六自由度的位姿往往会使优化问题陷入局部最优，无法鲁棒地估计数据位姿。在此，在本实施例中的icp处理过程中，将对应数据的点点距离作为待优化的残差，同时只将radar的航向角这一个角度作为待优化变量进行优化，也就是说在进行点云配准的时候，只调整雷达数据的航向角，可以理解的是，雷达数据的航向角为围绕雷达坐标系中的z轴旋转的方向角。
在实现雷达数据的配准的过程中，除了上述介绍的icp算法之外，还例如可以利用在航向角方向加窗采样，并选取相邻帧之间radar点点距离最近的一组解的方式获取radar的位姿。本实施例对具体的实现方式不做限制，其可以根据实际需求进行选择。
S404、根据每两个相邻雷达数据对应的第一距离差值和第一角度差，绘制得到第一移动轨迹。
可以理解的是，上述介绍的是针对雷达数据对应的点云数据进行配准，从而确定相邻帧对应的点云数据的距离差值和角度差的实现，其中点云数据是场景中的障碍物，当前要确定的是车辆中的雷达的运动轨迹，因此还需要确定相邻帧中的雷达的距离差和角度差，值得说明的是，点云数据和雷达数据实际上是相同的概念，只是点云数据多了一个z坐标。
同时可以理解的是，实际上上一帧中的点云数据旋转相应的角度以及移动相应的距离之后得到当前帧中的点云数据，对应到雷达的位移上来说，将雷达旋转与点云数据相同的角度，以及将雷达移动与点云数据相同的位置，就实现了得到上一帧点云数据和得到当前帧点云数据的效果，因此可以将上述确定的点云数据的距离差值和角度差，直接确定为相邻帧中的雷达的第一距离差值和第一角度差，从而实现根据每两个相邻雷达数据对应的第一距离差值和第一角度差，确定相邻帧中的雷达的第一距离差值和第一角度差。
在确定相邻帧中的雷达的第一距离差值和第一角度差，就可以绘制出雷达在雷达坐标系下的移动轨迹，例如可以参照图7进行理解。
假设图7中的701为采集雷达数据的第一帧，假设在采集雷达数据的第一帧中雷达的位置为701中的轨迹点a所示的位置，之后假设相邻帧701和702之间的第一距离差值为a1，以及第一角度差为δ1，则可以基于第一距离差值和第一角度差值，确定第二帧702中的雷达的位置，假设为702中的轨迹点b所示的位置，并且基于第一距离差值为a1，以及第一角度差为δ1，例如可以确定702中的轨迹点a和轨迹点b之间的轨迹。
以及，之后假设相邻帧702和703之间的第一距离差值为a2，以及第一角度差为δ2，则可以基于第一距离差值和第一角度差值，确定第三帧703中的雷达的位置，假设为703中的轨迹点c所示的位置，并且基于第一距离差值为a2，以及第一角度差为δ2，例如可以确定703中的轨迹点b和轨迹点c之间的轨迹。
参见图7，针对各个相邻帧依次按照第一距离差值和第一角度差进行处理，从而可以确定图7中的705所示的包括轨迹点a、b、c、d、e的第一移动轨迹，该第一移动轨迹即为雷达在雷达坐标系下的移动轨迹。
S405、根据M个惯性数据，确定每两个相邻惯性数据对应的第二距离差值和第二角度差。
以及在本实施例中，M个惯性数据为在M个采集传感数据的时间点采集的惯性数据，其也可以理解为M帧数据，其中每一次传感数据采集对应一帧，以及基于上述介绍可以确定的是，惯性数据中可以包括惯性导航传感器的在各个采集时间点的位置和角度，则根据M个惯性数据，可以直接确定每两个相邻惯性数据对应的第二距离差值和第二角度差。
S406、根据每两个相邻惯性数据对应的第二距离差值和第二角度差，绘制得到第二移动轨迹。
在确定每两个相邻惯性数据对应的第二距离差值和第二角度差之后，可以根据每两个相邻惯性数据对应的第二距离差值和第二角度差，绘制得到第二移动轨迹，其实现方式与上述S404介绍的确定第一移动轨迹的实现方式类似，此处不再赘述。
在本实施例中，第二移动轨迹为惯性导航传感器在惯性坐标系下的移动轨迹。
S407、针对多个预设角度中的任意一个预设角度，将第一移动轨迹旋转预设角度得到第三移动轨迹。
在确定第一传感器的第一移动轨迹和第二传感器的第二移动轨迹之后，可以在多个预设角度下，分别将第一移动轨迹转动所述预设角度从而得到该预设角度对应的第三移动轨迹，其中多个预设角度的具体设置可以根据实际需求进行选择，比如说可以设置10°、15°、20°、25°、…等等，或者还可以设置1°、2°、3°、4°、5°、…等等，本实施例对此不做限制。
在一种可能的实现方式中，在旋转第一移动轨迹的时候，例如可以首先确定第一移动轨迹对应的旋转点，之后将第一移动轨迹沿着所述旋转点旋转所述预设角度，从而得到当前预设角度对应的第三移动轨迹，在实际实现过程中，旋转点例如可以为第一移动轨迹的重点，或者旋转点还可以为第一移动轨迹的起始点、结束点、任一个轨迹点等等，本实施例对旋转点的具体实现方式不做限制，只要可以确定一个旋转点并围绕该旋转点进行第一移动轨迹的旋转即可。
例如可以结合图8理解将第一移动轨迹旋转预设角度，参见图8中的801，假设初始情况下第一移动轨迹为图8中的801所示，假设当前将第一移动轨迹的重点803确定为第一移动轨迹对应的旋转点，则例如可以将第一移动轨迹沿箭头A的方向顺时针旋转20度，即可得到旋转20度对应的第三移动轨迹，也就是图8中的802中所示的移动轨迹。
在实际实现过程中，第一移动轨迹的旋转的方向可以为顺时针旋转，也可以为逆时针旋转，本实施例对此不做限制，其例如可以为预设的，或者可以是根据相关的配置文件实时确定的，其可以根据实际需求进行选择。
可以理解的是，本实施例中针对每一个预设角度都会执行相应的旋转，从而得到各个预设角度各自对应的第三移动轨迹。
S408、在第三移动轨迹中确定M个第一轨迹点、以及在第二移动轨迹中确定每个第一轨迹点对应的第二轨迹点，M为大于1的整数。
针对任意一个预设角度对应的预设角度，可以在第三移动轨迹中确定M个第一轨迹点，基于上述介绍可以确定的是第一传感器可以每间隔预设时长采集传感数据，则本实施例中的多个第一轨迹点例如可以为第一传感器每间隔预设时长采集的传感数据对应的轨迹点；以及第一传感器还可以在车辆每行驶预设距离的时候采集传感数据，则本实施例中的多个第一轨迹点还例如可以为第一传感器在车辆每行驶预设距离采集的传感数据对应的轨迹点。
以及对应的，在第二估计点包括每个第一轨迹点对应的第二轨迹点，可以理解的是，本实施例中的第一传感器采集第一传感数据和第二传感器采集第二传感数据都是同步进行的，都是每间隔预设时长采集的，或者都是车辆每行驶预设距离采集的，因此实际上采集的第一传感数据和第二传感数据在采集时间点上是一一对应的，则同样的，第一轨迹点和第二轨迹点在采集时间点上也是一一对应的，在第二移动轨迹中同样包括M个轨迹点。
同样的，本实施例中的多个第二轨迹点为第二传感器每间隔预设时长采集的传感数据对应的轨迹点，或者多个第二轨迹点为第二传感器在车辆每行驶预设距离采集的传感数据对应的轨迹点。
S409、获取每个第一轨迹点与其对应的第二轨迹点之间的距离，得到M个轨迹点距离。
在本实施例中，可以确定第三移动轨迹的M个轨迹点以及第二移动轨迹的M个轨迹点，并且这些轨迹点都是相对应的，就存在M组对应的轨迹点，在每组轨迹点中包括第一轨迹点以及与其对应的第二轨迹点。
针对M组轨迹点，分别确定第一轨迹点与其对应的第二轨迹点之间的距离，从而可以得到M个轨迹点距离，可以理解的是，轨迹点之间的距离可以指示当前的轨迹之间的误差。
此处可以结合图9以一个具体的示例进行说明，如图9所示，假设当前的第三移动轨迹901包括5个第一轨迹点，分别是第一轨迹点a1、第一轨迹点a2、第一轨迹点a3、第一轨迹点a4、第一轨迹点a5，以及假设当前的第二移动轨迹902包括5个第二轨迹点，分别是第二轨迹点b1、第二轨迹点b2、第二轨迹点b3、第二轨迹点b4、第二轨迹点b5。
其中，第一轨迹点a1和第二轨迹点b1，则可以确定a1和b1之间的轨迹点距离；以及，第一轨迹点a2和第二轨迹点b2，则可以确定a2和b2之间的轨迹点距离；第一轨迹点a3和第二轨迹点b3，则可以确定a3和b3之间的轨迹点距离；第一轨迹点a4和第二轨迹点b4，则可以确定a4和b4之间的轨迹点距离；第一轨迹点a5和第二轨迹点b5，则可以确定a5和b5之间的轨迹点距离，从而得到5个轨迹点距离。
S410、根据M个轨迹点距离，获取预设角度对应的距离误差。距离误差为对第一移动轨迹或者第二移动轨迹转动预设角度之后，第一移动轨迹与第二移动轨迹之间的距离差值。
在确定M个轨迹点距离之后，例如可以根据M个轨迹点距离获取当前的第三移动轨迹对应的预设角度所对应的距离误差，在本实施例中，距离误差为对第一移动轨迹或者第二移动轨迹转动预设角度之后，第一移动轨迹与第二移动轨迹之间的距离差值。
在一种可能的实现方式中，例如可以将M个轨迹点距离的平均值确定为所述距离误差；或者，还可以按照相应的公式进行处理，从而根据M个轨迹点距离确定所述距离误差，本实施例对此不做限制。
S411、将距离误差最小的预设角度确定为目标角度差。目标角度差用于将第一传感器采集得到的传感数据和第二传感器采集得到的传感数据转换至相同坐标系。
可以理解的是，本实施例中针对多个预设角度中的每一个预设角度都会执行上述操作，从而会确定各个预设角度各自对应的距离误差，例如可以确定图10所示的曲线，该曲线的横轴为多个预设角度，纵轴为各个预设角度对应的第三移动轨迹和第二移动轨迹之间的距离误差，则例如可以将距离误差最小的预设角度确定为目标角度差。
在一种可能的实现方式中，按照最小的预设角度进行相应旋转的实现例如可以参照图11进行理解，如图11所示，假设未经过旋转的第一移动轨迹为图11中的1101中的轨迹m1所示，假设当前将第一移动轨迹m1的重点1103确定为第一移动轨迹对应的旋转点，则例如可以将第一移动轨迹m1沿箭头A的方向顺时针旋转θ度，即可得到旋转θ度对应的第三移动轨迹，也就是图11中的1102中所示的移动轨迹m2。
同时基于图11中的1102可以确定的是，假设当前第三移动轨迹m2和第二移动轨迹n的距离差值为各个旋转角度中的距离差值最小的，则可以将旋转角度θ确定为目标角度差。本实施例中的目标角度差用于将第一传感器采集得到的传感数据和第二传感器采集得到的传感数据转换至相同坐标系。
以及当第一传感器为雷达传感器，第二传感器为惯性导航传感器的时候，目标角度差还可以理解为雷达传感器和惯性导航传感器之间的航向角安装的偏差。
在一种可能的实现方式中，在确定目标角度差之后，例如可以将目标角度差存储在车辆的预设存储空间中，以便于后续直接根据确定的目标角度差进行相应的处理。
以及本实施例中的目标角度差可以指示第一坐标系和第二坐标系之间的坐标转换关系，则在确定目标角度差之后，例如可以在车辆运行的过程中，获取第一传感器基于第一坐标系采集得到的第三传感数据，以及第二传感器基于第二坐标系采集得到的第四传感数据，之后根据目标角度差对第三传感数据进行旋转处理，得到第五传感数据，第五传感数据和第四传感数据为相同坐标系下的传感数据，根据第四传感数据和第五传感数据，对车辆进行控制。从而可以实现基于确定的第一传感器的坐标系和第二传感器的坐标系之间的坐标转换关系，协同第一传感器采集的数据和第二传感器采集的数据来实现对车体的感知和定位。
本公开实施例提供的用于传感器标定的数据处理方法，通过同时采集雷达数据及惯性数据，之后对相邻帧的雷达数据进行配准从而确定雷达的帧间位姿，最终对雷达数据对应的第一移动轨迹以及惯性数据对应的第二移动轨迹通过旋转进行对齐，从而可以基于传感器的移动轨迹实现传感器之间的外参标定，也就是说确定坐标转换关系，在此过程中无需依赖标定台，仅仅是在街景中行驶就实现了对外参关系的确定，从而可以有效提升确定坐标转换关系的灵活性。同时，由于毫米波数据稀疏的特性，在标定问题中天然处于一个退化的状态，无法保证radar数据匹配及轨迹对准的鲁棒性，本实施例中在匹配及轨迹对齐过程中均只调整航向角以确保结果的鲁棒性，在高感知等模块使用的过程中，提供航向角偏差也足够保证数据融合的正常运行。因此本实施例中在icp算法的处理过程中，通过调节航向角一个角度，从而提升了radar位姿计算的鲁棒性，避免了radar数据误匹配的情况出现。同时上述实现过程中通过确定两个移动轨迹中的各个对应的轨迹点之间的距离，从而确定预设角度对应的移动轨迹之间的距离误差，然后将距离误差最小的预设角度确定为目标角度差，从而可以基于旋转的预设角度保证第三移动轨迹和第二移动轨迹之间最大可能的对齐，进而保证的目标角度差的准确性和有效性，也就是说准确有效的确定了传感器之间的外参标定。
图12为本公开实施例的用于传感器标定的数据处理装置的结构示意图。如图12所示，本实施例的用于传感器标定的数据处理装置1200可以包括：第一获取模块1201、第二获取模块1202、第一确定模块1203、第二确定模块1204、处理模块1205。
第一获取模块1201，用于获取所述第一传感器基于第一坐标系采集得到的第一传感数据；
第二获取模块1202，用于获取所述第二传感器基于第二坐标系采集得到的第二传感数据，所述第一传感数据和所述第二传感数据为所述车辆在同一行驶过程中产生的数据；
第一确定模块1203，用于根据所述第一传感数据确定所述第一传感器对应的第一移动轨迹，以及根据所述第二传感数据确定所述第二传感器对应的第二移动轨迹；
第二确定模块1204，用于根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差，所述目标角度差用于将所述第一传感器采集得到的传感数据和所述第二传感器采集得到的传感数据转换至相同坐标系。
一种可能的实现方式中，所述第二确定模块1204具体用于：
获取多个预设角度对应的距离误差，所述距离误差为对所述第一移动轨迹或者第二移动轨迹转动所述预设角度之后，所述第一移动轨迹与所述第二移动轨迹之间的距离差值；
将距离误差最小的预设角度确定为所述目标角度差。
一种可能的实现方式中，针对所述多个预设角度中的任意一个预设角度；所述第二确定模块1204具体用于：
将所述第一移动轨迹旋转所述预设角度得到第三移动轨迹；
在第三移动轨迹中确定M个第一轨迹点、以及在所述第二移动轨迹中确定每个第一轨迹点对应的第二轨迹点，所述M为大于1的整数；
获取每个第一轨迹点与其对应的第二轨迹点之间的距离，得到M个轨迹点距离；
根据所述M个轨迹点距离，获取所述预设角度对应的距离误差。
一种可能的实现方式中，所述多个第一轨迹点为所述第一传感器每间隔预设时长采集的传感数据对应的轨迹点，所述多个第二轨迹点为所述第二传感器每间隔预设时长采集的传感数据对应的轨迹点；或者，
所述多个第一轨迹点为所述第一传感器在所述车辆每行驶预设距离采集的传感数据对应的轨迹点，所述多个第二轨迹点为所述第二传感器在所述车辆每行驶预设距离采集的传感数据对应的轨迹点。
一种可能的实现方式中，所述第二确定模块1204具体用于：
将所述M个轨迹点距离的平均值确定为所述距离误差。
一种可能的实现方式中，所述第二确定模块1204具体用于：
确定所述第一移动轨迹对应的旋转点；
将所述第一移动轨迹沿着所述旋转点旋转所述预设角度，得到所述第三移动轨迹。
一种可能的实现方式中，所述第一传感器为雷达，所述第一传感数据中包括M个雷达数据，每个雷达数据包括检测对象在雷达坐标系中的坐标，所述M为大于1的整数；所述第一确定模块1203具体用于：
根据所述M个雷达数据，确定每两个相邻雷达数据对应的第一距离差值和第一角度差；
根据每两个相邻雷达数据对应的第一距离差值和第一角度差，绘制得到所述第一移动轨迹。
一种可能的实现方式中，所述第二传感器为惯性导航传感器，所述第二传感数据中包括M个惯性数据，每个惯性数据包括所述惯性导航传感器在惯性坐标系中的坐标；所述第一确定模块1203具体用于：
根据所述M个惯性数据，确定每两个相邻惯性数据对应的第二距离差值和第二角度差；
根据每两个相邻惯性数据对应的第二距离差值和第二角度差，绘制得到所述第二移动轨迹。
一种可能的实现方式中，所述装置还包括：处理模块1205；
所述处理模块1205，用于在根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差之后，在所述车辆的预设存储空间中存储所述目标角度差。
一种可能的实现方式中，所述处理模块1205还用于：
在根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差之后，
在所述车辆运行的过程中，获取所述第一传感器基于第一坐标系采集得到的第三传感数据，以及所述第二传感器基于第二坐标系采集得到的第四传感数据；
根据所述目标角度差对所述第三传感数据进行旋转处理，得到第五传感数据，所述第五传感数据和所述第四传感数据为相同坐标系下的传感数据；
根据所述第四传感数据和所述第五传感数据，对所述车辆进行控制。
本公开提供一种用于传感器标定的数据处理方法、装置及自动驾驶车辆，应用于数据处理领域中的自动驾驶，以达到提升确定传感器之间的坐标转换关系的灵活性的目的。
需要说明的是，本实施例中的人头模型并不是针对某一特定用户的人头模型，并不能反映出某一特定用户的个人信息。需要说明的是，本实施例中的二维人脸图像来自于公开数据集。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
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、一种计算机程序产品和一种自动驾驶车辆。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
根据本公开的实施例，本公开还提供了一种自动驾驶车辆，其中自动驾驶车辆包括如上所述的电子设备。
图13示出了可以用来实施本公开的实施例的示例电子设备1300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13所示，设备1300包括计算单元1301，其可以根据存储在只读存储器(ROM)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(RAM)1303中的计算机程序，来执行各种适当的动作和处理。在RAM 1303中，还可存储设备1300操作所需的各种程序和数据。计算单元1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
设备1300中的多个部件连接至I/O接口1305，包括：输入单元1306，例如键盘、鼠标等；输出单元1307，例如各种类型的显示器、扬声器等；存储单元1308，例如磁盘、光盘等；以及通信单元1309，例如网卡、调制解调器、无线通信收发机等。通信单元1309允许设备1300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1301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1301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1301执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理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1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到RAM 1303并由计算单元1301执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。
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)和互联网。
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 (23)
1.一种用于传感器标定的数据处理方法，应用于车辆，所述车辆中包括第一传感器和第二传感器，所述方法包括：
获取所述第一传感器基于第一坐标系采集得到的第一传感数据；
获取所述第二传感器基于第二坐标系采集得到的第二传感数据，所述第一传感数据和所述第二传感数据为所述车辆在同一行驶过程中产生的数据；
根据所述第一传感数据确定所述第一传感器对应的第一移动轨迹，以及根据所述第二传感数据确定所述第二传感器对应的第二移动轨迹；
根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差，所述目标角度差用于将所述第一传感器采集得到的传感数据和所述第二传感器采集得到的传感数据转换至相同坐标系，所述目标角度差为距离误差最小的预设角度，所述距离误差为对所述第一移动轨迹或者第二移动轨迹转动预设角度之后，所述第一移动轨迹与所述第二移动轨迹之间的距离差值。
2.根据权利要求1所述的方法，其中，所述根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差，包括：
获取多个预设角度对应的距离误差；
将距离误差最小的预设角度确定为所述目标角度差。
3.根据权利要求2所述的方法，其中，针对所述多个预设角度中的任意一个预设角度；获取所述预设角度对应的距离误差，包括：
将所述第一移动轨迹旋转所述预设角度得到第三移动轨迹；
在第三移动轨迹中确定M个第一轨迹点、以及在所述第二移动轨迹中确定每个第一轨迹点对应的第二轨迹点，所述M为大于1的整数；
获取每个第一轨迹点与其对应的第二轨迹点之间的距离，得到M个轨迹点距离；
根据所述M个轨迹点距离，获取所述预设角度对应的距离误差。
4.根据权利要求3所述的方法，其中，
所述多个第一轨迹点为所述第一传感器每间隔预设时长采集的传感数据对应的轨迹点，所述多个第二轨迹点为所述第二传感器每间隔预设时长采集的传感数据对应的轨迹点；或者，
所述多个第一轨迹点为所述第一传感器在所述车辆每行驶预设距离采集的传感数据对应的轨迹点，所述多个第二轨迹点为所述第二传感器在所述车辆每行驶预设距离采集的传感数据对应的轨迹点。
5.根据权利要求3或4所述的方法，其中，所述根据所述M个轨迹点距离，获取所述预设角度对应的距离误差，包括：
将所述M个轨迹点距离的平均值确定为所述距离误差。
6.根据权利要求3或4所述的方法，其中，所述将所述第一移动轨迹旋转所述预设角度得到第三移动轨迹，包括：
确定所述第一移动轨迹对应的旋转点；
将所述第一移动轨迹沿着所述旋转点旋转所述预设角度，得到所述第三移动轨迹。
7.根据权利要求1-4任一项所述的方法，其中，所述第一传感器为雷达，所述第一传感数据中包括M个雷达数据，每个雷达数据包括检测对象在雷达坐标系中的坐标，所述M为大于1的整数；所述根据所述第一传感数据确定所述第一传感器对应的第一移动轨迹，包括：
根据所述M个雷达数据，确定每两个相邻雷达数据对应的第一距离差值和第一角度差；
根据每两个相邻雷达数据对应的第一距离差值和第一角度差，绘制得到所述第一移动轨迹。
8.根据权利要求1-4任一项所述的方法，其中，所述第二传感器为惯性导航传感器，所述第二传感数据中包括M个惯性数据，每个惯性数据包括所述惯性导航传感器在惯性坐标系中的坐标；所述根据所述第二传感数据确定所述第二传感器对应的第二移动轨迹，包括：
根据所述M个惯性数据，确定每两个相邻惯性数据对应的第二距离差值和第二角度差；
根据每两个相邻惯性数据对应的第二距离差值和第二角度差，绘制得到所述第二移动轨迹。
9.根据权利要求1-4任一项所述的方法，根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差之后，所述方法还包括：
在所述车辆的预设存储空间中存储所述目标角度差。
10.根据权利要求1-4任一项所述的方法，其中，根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差之后，所述方法还包括：
在所述车辆运行的过程中，获取所述第一传感器基于第一坐标系采集得到的第三传感数据，以及所述第二传感器基于第二坐标系采集得到的第四传感数据；
根据所述目标角度差对所述第三传感数据进行旋转处理，得到第五传感数据，所述第五传感数据和所述第四传感数据为相同坐标系下的传感数据；
根据所述第四传感数据和所述第五传感数据，对所述车辆进行控制。
11.一种用于传感器标定的数据处理装置，应用于车辆，所述车辆中包括第一传感器和第二传感器，所述装置包括：
第一获取模块，用于获取所述第一传感器基于第一坐标系采集得到的第一传感数据；
第二获取模块，用于获取所述第二传感器基于第二坐标系采集得到的第二传感数据，所述第一传感数据和所述第二传感数据为所述车辆在同一行驶过程中产生的数据；
第一确定模块，用于根据所述第一传感数据确定所述第一传感器对应的第一移动轨迹，以及根据所述第二传感数据确定所述第二传感器对应的第二移动轨迹；
第二确定模块，用于根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差，所述目标角度差用于将所述第一传感器采集得到的传感数据和所述第二传感器采集得到的传感数据转换至相同坐标系，所述目标角度差为距离误差最小的预设角度，所述距离误差为对所述第一移动轨迹或者第二移动轨迹转动预设角度之后，所述第一移动轨迹与所述第二移动轨迹之间的距离差值。
12.根据权利要求11所述的装置，其中，所述第二确定模块具体用于：
获取多个预设角度对应的距离误差；
将距离误差最小的预设角度确定为所述目标角度差。
13.根据权利要求12所述的装置，其中，针对所述多个预设角度中的任意一个预设角度；所述第二确定模块具体用于：
将所述第一移动轨迹旋转所述预设角度得到第三移动轨迹；
在第三移动轨迹中确定M个第一轨迹点、以及在所述第二移动轨迹中确定每个第一轨迹点对应的第二轨迹点，所述M为大于1的整数；
获取每个第一轨迹点与其对应的第二轨迹点之间的距离，得到M个轨迹点距离；
根据所述M个轨迹点距离，获取所述预设角度对应的距离误差。
14.根据权利要求13所述的装置，其中，
所述多个第一轨迹点为所述第一传感器每间隔预设时长采集的传感数据对应的轨迹点，所述多个第二轨迹点为所述第二传感器每间隔预设时长采集的传感数据对应的轨迹点；或者，
所述多个第一轨迹点为所述第一传感器在所述车辆每行驶预设距离采集的传感数据对应的轨迹点，所述多个第二轨迹点为所述第二传感器在所述车辆每行驶预设距离采集的传感数据对应的轨迹点。
15.根据权利要求13或14所述的装置，其中，所述第二确定模块具体用于：
将所述M个轨迹点距离的平均值确定为所述距离误差。
16.根据权利要求13或14所述的装置，其中，所述第二确定模块具体用于：
确定所述第一移动轨迹对应的旋转点；
将所述第一移动轨迹沿着所述旋转点旋转所述预设角度，得到所述第三移动轨迹。
17.根据权利要求11-14任一项所述的装置，其中，所述第一传感器为雷达，所述第一传感数据中包括M个雷达数据，每个雷达数据包括检测对象在雷达坐标系中的坐标，所述M为大于1的整数；所述第一确定模块具体用于：
根据所述M个雷达数据，确定每两个相邻雷达数据对应的第一距离差值和第一角度差；
根据每两个相邻雷达数据对应的第一距离差值和第一角度差，绘制得到所述第一移动轨迹。
18.根据权利要求11-14任一项所述的装置，其中，所述第二传感器为惯性导航传感器，所述第二传感数据中包括M个惯性数据，每个惯性数据包括所述惯性导航传感器在惯性坐标系中的坐标；所述第一确定模块具体用于：
根据所述M个惯性数据，确定每两个相邻惯性数据对应的第二距离差值和第二角度差；
根据每两个相邻惯性数据对应的第二距离差值和第二角度差，绘制得到所述第二移动轨迹。
19.根据权利要求11-14任一项所述的装置，所述装置还包括：处理模块；
所述处理模块，用于在根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差之后，在所述车辆的预设存储空间中存储所述目标角度差。
20.根据权利要求11-14任一项所述的装置，其中，所述处理模块还用于：
在根据所述第一移动轨迹和所述第二移动轨迹，确定所述第一坐标系和所述第二坐标系之间的目标角度差之后，
在所述车辆运行的过程中，获取所述第一传感器基于第一坐标系采集得到的第三传感数据，以及所述第二传感器基于第二坐标系采集得到的第四传感数据；
根据所述目标角度差对所述第三传感数据进行旋转处理，得到第五传感数据，所述第五传感数据和所述第四传感数据为相同坐标系下的传感数据；
根据所述第四传感数据和所述第五传感数据，对所述车辆进行控制。
21. 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1-10中任一项所述的方法。
22.一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1-10中任一项所述的方法。
23.一种自动驾驶车辆，包括如权利要求21所述的电子设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110996402.1A CN113655453B (zh) | 2021-08-27 | 2021-08-27 | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110996402.1A CN113655453B (zh) | 2021-08-27 | 2021-08-27 | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113655453A CN113655453A (zh) | 2021-11-16 |
| CN113655453B true CN113655453B (zh) | 2023-11-21 |
Family
ID=78493114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110996402.1A Active CN113655453B (zh) | 2021-08-27 | 2021-08-27 | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113655453B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102021134371A1 (de) * | 2021-12-22 | 2023-06-22 | Jungheinrich Aktiengesellschaft | Verfahren zum Bestimmen einer relativen Anbauposition einer ersten Sensoreinheit in Bezug auf eine zweite Sensoreinheit an einem Flurförderzeug |
| CN114394102B (zh) * | 2022-01-24 | 2023-05-05 | 江苏徐工工程机械研究院有限公司 | 姿态传感器的校准方法和行驶装置 |
| CN116558545A (zh) * | 2022-01-29 | 2023-08-08 | 北京三快在线科技有限公司 | 一种传感器数据的标定方法及装置 |
| 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 |
| CN115049745B (zh) * | 2022-08-16 | 2022-12-20 | 江苏魔视智能科技有限公司 | 一种路侧传感器的标定方法、装置、设备及介质 |
| 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 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10671075B1 (en) * | 2017-12-15 | 2020-06-02 | Zoox, Inc. | Trajectory generation using curvature segments |
| CN111566505A (zh) * | 2019-06-28 | 2020-08-21 | 深圳市大疆创新科技有限公司 | 毫米波雷达组件安装角度的标定方法及系统、可移动平台 |
| CN111693968A (zh) * | 2020-05-29 | 2020-09-22 | 江苏大学 | 一种车载三维激光雷达系统外参的系统化标定方法 |
| WO2020259106A1 (zh) * | 2019-06-24 | 2020-12-30 | 深圳奥比中光科技有限公司 | 相机和惯性测量单元相对姿态的标定方法及装置 |
| CN112180362A (zh) * | 2019-07-05 | 2021-01-05 | 北京地平线机器人技术研发有限公司 | 雷达与相机之间的转换位姿确定方法、装置以及电子设备 |
| CN112272757A (zh) * | 2019-11-22 | 2021-01-26 | 深圳市大疆创新科技有限公司 | 一种探测装置的外参数标定方法、装置及可移动平台 |
| CN112706755A (zh) * | 2021-01-27 | 2021-04-27 | 广州小鹏自动驾驶科技有限公司 | 一种车载相机的调整方法和装置 |
| 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 |
| CN113256728A (zh) * | 2020-02-13 | 2021-08-13 | 纳恩博（北京）科技有限公司 | Imu设备参数的标定方法及装置、存储介质、电子装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7365677B2 (en) * | 2005-10-19 | 2008-04-29 | General Atomics Aeronautical Systems, Inc. | Compact radar test range |
| KR102257610B1 (ko) * | 2019-10-02 | 2021-05-28 | 고려대학교 산학협력단 | 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법 |
-
2021
- 2021-08-27 CN CN202110996402.1A patent/CN113655453B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10671075B1 (en) * | 2017-12-15 | 2020-06-02 | Zoox, Inc. | Trajectory generation using curvature segments |
| WO2020259106A1 (zh) * | 2019-06-24 | 2020-12-30 | 深圳奥比中光科技有限公司 | 相机和惯性测量单元相对姿态的标定方法及装置 |
| CN111566505A (zh) * | 2019-06-28 | 2020-08-21 | 深圳市大疆创新科技有限公司 | 毫米波雷达组件安装角度的标定方法及系统、可移动平台 |
| CN112180362A (zh) * | 2019-07-05 | 2021-01-05 | 北京地平线机器人技术研发有限公司 | 雷达与相机之间的转换位姿确定方法、装置以及电子设备 |
| CN112272757A (zh) * | 2019-11-22 | 2021-01-26 | 深圳市大疆创新科技有限公司 | 一种探测装置的外参数标定方法、装置及可移动平台 |
| CN113256728A (zh) * | 2020-02-13 | 2021-08-13 | 纳恩博（北京）科技有限公司 | Imu设备参数的标定方法及装置、存储介质、电子装置 |
| CN111693968A (zh) * | 2020-05-29 | 2020-09-22 | 江苏大学 | 一种车载三维激光雷达系统外参的系统化标定方法 |
| CN112706755A (zh) * | 2021-01-27 | 2021-04-27 | 广州小鹏自动驾驶科技有限公司 | 一种车载相机的调整方法和装置 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| "Calibration of an IMU Using 3-D Rotation Platform";Rui Zhang等;《IEEE SENSORS JOURNAL,》;第14卷(第6期);1778-1787 * |
| "基于多对点云匹配的三维激光雷达外参数标定";韩栋斌;《激光与光电子学进展》;第55卷;1-8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113655453A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113655453B (zh) | 用于传感器标定的数据处理方法、装置及自动驾驶车辆 | |
| US11506512B2 (en) | Method and system using tightly coupled radar positioning to improve map performance | |
| WO2022127532A1 (zh) | 一种激光雷达与imu的外参标定方法、装置及设备 | |
| US9990726B2 (en) | Method of determining a position and orientation of a device associated with a capturing device for capturing at least one image | |
| EP3264364A1 (en) | Unmanned aerial vehicle depth image acquisition method, device and unmanned aerial vehicle | |
| JP2021516401A (ja) | データ融合方法及び関連装置 | |
| WO2020107038A1 (en) | Method and system for positioning using radar and motion sensors | |
| CN110873883B (zh) | 融合激光雷达和imu的定位方法、介质、终端和装置 | |
| CN110501712B (zh) | 无人驾驶中用于确定位置姿态数据的方法、装置和设备 | |
| CN113748357A (zh) | 激光雷达的姿态校正方法、装置和系统 | |
| 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 | |
| CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
| CN112051575B (zh) | 一种毫米波雷达与激光雷达的调整方法及相关装置 | |
| CN116106864A (zh) | 点云的运动补偿方法、装置、存储介质及激光雷达 | |
| CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
| CN110187337B (zh) | 一种基于ls和neu-ecef时空配准的高机动目标跟踪方法及系统 | |
| CN109029418A (zh) | 一种在封闭区域内对车辆进行定位的方法 | |
| CN113296120B (zh) | 一种障碍物检测方法及终端 | |
| CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
| CN117075099A (zh) | 三维形变测量方法、装置、计算机设备及介质 | |
| CN117387604A (zh) | 基于4d毫米波雷达和imu融合的定位与建图方法及系统 | |
| CN111351487A (zh) | 多传感器的时钟同步方法、装置及计算设备 | |
| CN116047481A (zh) | 矫正点云数据畸变方法、装置、设备及存储介质 | |
| WO2022160879A1 (zh) | 一种转换参数的确定方法和装置 | |
| WO2022256976A1 (zh) | 稠密点云真值数据的构建方法、系统和电子设备 |
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 |