CN113687336A

CN113687336A - 一种雷达标定方法、装置、电子设备和介质

Info

Publication number: CN113687336A
Application number: CN202111056632.6A
Authority: CN
Inventors: 刘鹤云
Original assignee: Beijing Sinian Zhijia Technology Co ltd
Current assignee: Beijing Sinian Zhijia Technology Co ltd
Priority date: 2021-09-09
Filing date: 2021-09-09
Publication date: 2021-11-23

Abstract

本申请提供一种雷达标定方法、装置、电子设备和介质，其中，所述雷达标定方法包括：获取第一外参信息、雷达点云信息和地图点云信息；根据所述雷达点云信息和所述地图点云信息，获得第二外参信息；根据自适应卡尔曼滤波算法对所述第一外参信息和所述第二外参信息进行处理，获得目标外参信息。通过应用自适应卡尔曼滤波算法的方式，基于激光雷达所采集点云数据和地图所估计点云数据对外参计算过程中的噪声进行动态调整，以完成无人集装箱卡车上的激光雷达的外参的实时校准，使激光雷达对应的外参能随激光雷达的位置偏移进行动态调整，提高了无人集装箱卡车的作业效率。

Description

一种雷达标定方法、装置、电子设备和介质

技术领域

本申请涉及无人驾驶技术领域，具体涉及一种雷达标定方法、装置、电子设备和介质。

背景技术

无人集装箱卡车体型巨大，其上设置有激光雷达，激光雷达所采集的点云数据主要通过外参投影于以车体为中心的车体坐标系中。

一般来说，在无人集装箱卡车出厂前，会通过眼手标定等离线方式确定上述外参，但在实际应用中，激光雷达与车体之间为非刚体连接，受车体震动和集装箱箱体冲击等因素的影响，激光雷达会出现安装偏移的情况，即无人集装箱卡车出厂时所确定的外参与激光雷达实际的外参存在较大偏差，这会干扰目标感知和路径规划等下游任务的作业。

目前主要通过停止作业，并再次进行离线标定的方式来重新确定激光雷达对应的外参，即无人集装箱卡车在自动化作业一段时间后便需停止作业，待重新确定激光雷达对应的外参以后，才能继续前述自动化作业，这降低了无人集装箱卡车的作业效率。

发明内容

本申请的目的在于提供一种雷达标定方法、装置、电子设备和介质，用于提高无人集装箱卡车的作业效率。

第一方面，本申请实施例提供一种雷达标定方法，包括：

获取第一外参信息、雷达点云信息和地图点云信息；

根据所述雷达点云信息和所述地图点云信息，获得第二外参信息；

根据自适应卡尔曼滤波算法对所述第一外参信息和所述第二外参信息进行处理，获得目标外参信息。

第二方面，本申请实施例提供一种雷达标定装置，包括

第一获取模块，用于获取第一外参信息、雷达点云信息和地图点云信息；

第二获取模块，用于根据所述雷达点云信息和所述地图点云信息，获得第二外参信息；

标定模块，用于根据自适应卡尔曼滤波算法对所述第一外参信息和所述第二外参信息进行处理，获得目标外参信息。

第三方面，本申请实施例提供了一种电子设备，所述电子设备包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的雷达标定方法的步骤。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序包括程序指令，该程序指令被处理器执行时实现如第一方面所述的雷达标定方法的步骤。

本申请提供一种雷达标定方法，通过应用自适应卡尔曼滤波算法的方式，对无人集装箱卡车上的激光雷达的外参进行实时校准，使激光雷达对应的外参能随激光雷达的位置偏移进行动态调整，保障了上述外参的准确性，提高了无人集装箱卡车的作业效率。

附图说明

图1是本申请实施例提供的一种雷达标定方法的流程示意图；

图2是本申请实施例提供的一种目标外参信息的误差变化图；

图3是本申请实施例提供的一种雷达标定装置的结构示意图；

图4是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

请参见图1，图1是本申请实施例提供的一种雷达标定方法的流程示意图，如图1所示，该雷达标定方法包括以下步骤：

步骤101、获取第一外参信息、雷达点云信息和地图点云信息。

步骤102、根据所述雷达点云信息和所述地图点云信息，获得第二外参信息。

步骤103、根据自适应卡尔曼滤波算法对所述第一外参信息和所述第二外参信息进行处理，获得目标外参信息。

本申请实施例所提供雷达标定方法，通过应用自适应卡尔曼滤波算法的方式，基于激光雷达所采集点云数据和地图所估计点云数据对外参计算过程中的噪声进行动态调整，以完成无人集装箱卡车上的激光雷达的外参的实时校准，使激光雷达对应的外参能随激光雷达的位置偏移进行动态调整，即进一步提升卡尔曼滤波对噪声的估计精度，同时提供更加稳定的车体运动位姿信息，提高了无人集装箱卡车的作业效率。

无人集装箱卡车体型巨大，一般包括车头、拖挂和箱体三部分，为实现对车身周边的全覆盖感知，通常会在车头上安装多个激光雷达(通常情况下为三个激光雷达，根据安装位置将三个激光雷达分别称为顶雷达、左雷达和右雷达)，在激光雷达安装完成后，在无人集装箱卡车出厂前，工作人员会基于手工测量和最近点迭代算法(Iterative ClosestPoint，ICP)获得每个激光雷达对应的外参，举例来说，若左雷达在t时刻所采集的点云为P_t，左雷达对应的外参为T^e＝[x，y，z，roll，pitch，yaw]，则投影到车体的中心坐标系中的点云为P_tT^e，其中，x、y、z为左雷达到惯导中心(车体中心)在三维空间的偏移量，roll、pitch、yaw分别为左雷达安装到车体坐标系三个坐标轴的偏差角。实际中，也可以采用正态分布变换算法(Normal Distributions Transform，NDT)来替换上述最近点迭代算法。

在获得各个激光雷达所对应的外参时，若存在车体惯性导航系统(以下简称惯导)，则优选将顶雷达投影至车体惯导的中心坐标系中，再将左雷达和右雷达分别投影至顶雷达对应的坐标系中；若不存在上述惯导，则将顶雷达所在坐标系设定为车体的中心坐标系，并将左雷达和右雷达分别投影至该中心坐标系中。

在上述雷达标定方法的启动阶段，上述第一外参信息为初始外参，即在无人集装箱卡车出厂前，通过离线方式所获得的激光雷达对应的外参；在上述雷达标定方法的作业阶段，上述第一外参信息为前一时刻的目标外参信息。需要说明的是，上述第一外参信息包括不同激光雷达所分别对应的不同外参，举例来说，若无人集装箱卡车上述安装有顶雷达、左雷达和右雷达，且顶雷达对应的外参为T₁，左雷达对应的外参为T₂，右雷达对应的外参为T₃，则上述第一外参信息包括T₁、T₂和T₃。

另外，上述雷达点云信息为激光雷达所采集的点云数据，上述地图点云信息为基于同步定位与建图(simultaneous localization and mapping，SLAM)技术所估计的点云数据。

需要强调的是，在应用上述雷达标定方法确定外参的过程中，需经过多次迭代处理后，才能获得准确性较高的目标外参信息，在迭代处理过程中，t-1时刻所获得的目标外参信息为t时刻的第一外参信息，如图2所示，随着迭代次数的增加，所获得目标外参信息的误差将逐渐收敛，对于安装于同一车体上述的不同激光雷达来说，通过应用上述雷达标定方法，可以消除不同激光雷达所采集点云数据投影至车体的中心坐标系时的重影问题。

另外，在上述雷达标定方法的启动阶段，优选设置无人集装箱卡车原地等待一段时间，例如20秒，以使车体的中控系统能采集足量的点云数据(基于同步定位与建图技术完成地图构建)。

可选的，所述根据所述雷达点云信息和所述地图点云信息，获得第二外参信息，包括：

根据所述雷达点云信息，获得多个第一线特征信息；

根据所述地图点云信息，获得多个第二线特征信息；

对所述多个第一线特征信息和所述多个第二线特征信息进行相似度匹配，获得多个线特征相似对；

根据所述多个线特征相似对，获得所述第二外参信息。

通过将雷达点云信息简化为第一线特征信息，将地图点云信息简化为第二线特征信息，在保障自适应卡尔曼滤波算法所输出结果的准确性的前提，降低自适应卡尔曼滤波算法所需处理的数据量，提高自适应卡尔曼滤波算法的计算效率。

可选的，所述根据所述雷达点云信息，获得多个第一线特征信息，包括：

根据第一过滤条件对所述雷达点云信息进行过滤，获得过滤后的雷达点云信息；

根据过滤后的雷达点云信息，获得多个第一拟合平面；

根据所述多个第一拟合平面，获得所述多个第一线特征信息，所述第一线特征信息包括相邻的两个第一拟合平面的相交直线；

所述根据所述地图点云信息，获得多个第二线特征信息，包括：

根据第二过滤条件对所述地图点云信息进行过滤，获得过滤后的地图点云信息；

根据过滤后的地图点云信息，获得多个第二拟合平面；

根据所述多个第二拟合平面，获得所述多个第二线特征信息，所述第二线特征信息包括相邻的两个第二拟合平面的相交直线。

上述根据第一过滤条件对所述雷达点云信息进行过滤，获得过滤后的雷达点云信息的过程可以为：在激光雷达的感兴趣区域(Region of Interest，ROI)中进行体素空间分割，以获得第一目标区域内的点云数据；其中，感兴趣区域可以为[-30，70，-40，40，-5，5]，单位为米，第一目标区域可以为感兴趣区域中边长为20米的立方体区域。

上述根据第二过滤条件对所述地图点云信息进行过滤，获得过滤后的地图点云信息的过程可以为：在基于SLAM所构建的全局点云地图中获取局部子图，以及局部子图内的点云数据，该局部子图的选取范围为当前位置的前后100m，左右100m范围。

需要说明的是，上述感兴趣区域的范围、第一目标区域的边长和形状、以及局部子图的范围划分，均可以基于实际需求进行适应性调整，本申请实施例对此并不加以限定。

所述根据过滤后的雷达点云信息，获得多个第一拟合平面，并根据所述多个第一拟合平面，获得所述多个第一线特征信息的过程可以为：

根据随机抽样一致算法(Random sample consensus，RANSAC)对过滤后的雷达点云信息进行平面拟合，以获得所分割体素空间中的多个第一拟合平面；随后根据根据多个第一拟合平面获得若干个第一线特征信息，每一线特征信息均包括两个相邻的第一拟合平面的相交直线，以及对应该相交直线的多个数据点(指数据点与该相交直线的距离小于第一距离阈值，例如，第一距离阈值可以为0.3米)。

同样的，也可以根据上述随机抽样一致算法对过滤后的地图点云信息进行平面拟合，以获得所述多个第二拟合平面，并根据所述多个第二拟合平面，获得所述多个第二线特征信息，其中，每一第二线特征信息均包括两个相邻的第二拟合平面的相交直线，以及对应该相交直线的多个数据点。

通过体素空间分隔、平面拟合以及线特征提取等方式的综合应用，能在保留点云信息的主体特征的前提下(即通过多个线特征来表征无人集装箱卡车的箱体部分和拖挂部分)，有效降低自适应卡尔曼滤波算法所需处理的数据量，提高自适应卡尔曼滤波算法的计算效率。

需要说明的是，上述相交直线所对应的相邻的两个第一拟合平面/第二拟合平面之间的法向夹角优选为30°～150°，即通过滤除法向夹角小于30°的相邻的两个第一拟合平面/第二拟合平面，滤除法向夹角大于150°的相邻的两个第一拟合平面/第二拟合平面，来确保所获得相交直线的准确性。实际应用中，也可以适应性调整相交直线所对应的相邻的两个第一拟合平面/第二拟合平面之间的法向夹角数值，本申请实施例对此并不加以限定。

基于余弦定理可求得相邻的两个第一拟合平面/第二拟合平面的法向夹角。

举例来说，若相邻的两个第一拟合平面为：

上述两个第一拟合平面所分别对应的法向量为：

A＝[a1，b1，c1]；

B＝[a2，b2，c2]；

则上述两个第一拟合平面的法向夹角(即theta)为：

theta＝arc cos|A||B|/|AB|。

可选的，所述雷达点云信息包括多个雷达数据点；位于所述第一拟合平面内的雷达数据点的数量大于或等于第一数量阈值；

所述地图点云信息包括多个地图数据点；位于所述第二拟合平面内的地图数据点的数量大于或等于第二数量阈值。

通过上述设置(即滤除拟合的错误平面——非实际存在的平面)，在保障所获得第一拟合平面和第二拟合平面的准确性的前提下，降低所获得第一拟合平面和第二拟合平面的数量，使平面的拟合效率得到进一步提高。

实际应用中，上述第一数量阈值和第二数量阈值均可以设置为200，也可以基于实际需求进行适应性调整，本申请实施例对此并不加以限定。

可选的，所述根据所述多个线特征相似对，获得所述第二外参信息，包括：

根据所述多个线特征相似对，获得与所述多个线特征相似对一一对应的多个备选外参信息；

对所述多个备选外参信息进行均值估计，获得所述第二外参信息。

上述多个线特征相似对的获取可以为：

获取第一线特征信息P^L；

获取第二线特征信息P^M；

基于第一线特征信息P^L在第二线特征信息P^M中进行近邻搜索，并通过法向约束完成相似度匹配，获得上述多个线特征相似对{P^L(n),P^M(n)}。

在获得多个线特征相似对以后，应用最近点迭代算法计每一个线特征相似对的配准外参(以P^M(n)作为基准)，配准结果如下所示：

T₁＝ICP(P^L(n₁)，P^M(n₁)，T_1c)，T_1c＝T₁；

T₂＝ICP(P^L(n₂)，P^M(n₂)，T_2c)，T_2c＝T₂；

…

T_x＝ICP(P^L(n_x)，P^M(n_x)，T_xc)，T_xc＝T_x；

随后利用随机一致性采样算法剔除T_x中的离群值，之后基于均值估计最终的外参矩阵T_f＝Mean(Ransac(T₁，T₂，…，T_x))，所示T_f即为第二外参信息。在获得所述第二外参信息以后，可以基于T_f将当前帧点云投影到全局地图，更新全局地图信息，并估算里程变化。

请参照图3，图3是本申请实施例提供的一种雷达标定装置200，所述雷达标定装置200包括：

第一获取模块201，用于获取第一外参信息、雷达点云信息和地图点云信息；

第二获取模块202，用于根据所述雷达点云信息和所述地图点云信息，获得第二外参信息；

标定模块203，用于根据自适应卡尔曼滤波算法对所述第一外参信息和所述第二外参信息进行处理，获得目标外参信息。

可选的，所述第二获取模块202包括：

第一获取单元，用于根据所述雷达点云信息，获得多个第一线特征信息；

第二获取单元，用于根据所述地图点云信息，获得多个第二线特征信息；

匹配单元，用于对所述多个第一线特征信息和所述多个第二线特征信息进行相似度匹配，获得多个线特征相似对；

第三获取单元，用于根据所述多个线特征相似对，获得所述第二外参信息。

可选的，所述第一获取单元包括：

根据过滤后的雷达点云信息，获得多个第一拟合平面；

所述第二获取单元包括：

根据过滤后的地图点云信息，获得多个第二拟合平面；

可选的，第三获取单元包括：

需要说明的是，本申请实施例中的雷达标定装置可以是装置，也可以是电子设备中的部件、集成电路或芯片。

请参见图4，图4是本申请实施例提供的一种电子设备的结构图，如图4所示，电子设备300包括：存储器301、处理器302及存储在所述存储器301上并可在所述处理器302上运行的程序或者指令，所述程序或者指令被所述处理器302执行时实现上述雷达标定方法中的步骤。

本申请实施例还提供的一种可读介质，其可以采用一个或多个计算机可读的介质的任意组合。该可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读存储介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献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可读存储介质(如ROM或RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims

1.一种雷达标定方法，其特征在于，包括：

获取第一外参信息、雷达点云信息和地图点云信息；

2.根据权利要求1所述的雷达标定方法，其特征在于，所述根据所述雷达点云信息和所述地图点云信息，获得第二外参信息，包括：

根据所述雷达点云信息，获得多个第一线特征信息；

根据所述地图点云信息，获得多个第二线特征信息；

根据所述多个线特征相似对，获得所述第二外参信息。

3.根据权利要求2所述的雷达标定方法，其特征在于，所述根据所述雷达点云信息，获得多个第一线特征信息，包括：

根据过滤后的雷达点云信息，获得多个第一拟合平面；

根据过滤后的地图点云信息，获得多个第二拟合平面；

4.根据权利要求3所述的雷达标定方法，其特征在于，所述雷达点云信息包括多个雷达数据点；位于所述第一拟合平面内的雷达数据点的数量大于或等于第一数量阈值；

5.根据权利要求2所述的雷达标定方法，其特征在于，所述根据所述多个线特征相似对，获得所述第二外参信息，包括：

6.一种雷达标定装置，其特征在于，包括：

7.根据权利要求6所述的雷达标定装置，其特征在于，所述第二获取模块包括：

8.根据权利要求7所述的雷达标定装置，其特征在于，所述第一获取单元包括：

根据过滤后的雷达点云信息，获得多个第一拟合平面；

所述第二获取单元包括：

根据过滤后的地图点云信息，获得多个第二拟合平面；

9.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现权利要求1-5中任一项所述方法的步骤。

10.一种可读介质，其特征在于，所述可读介质上存储有程序或指令，所述程序或指令被处理器执行时实现权利要求1-5中任一项所述的方法的步骤。