CN113848541B - 一种标定的方法、装置、无人机及计算机可读存储介质 - Google Patents
一种标定的方法、装置、无人机及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113848541B CN113848541B CN202111105763.9A CN202111105763A CN113848541B CN 113848541 B CN113848541 B CN 113848541B CN 202111105763 A CN202111105763 A CN 202111105763A CN 113848541 B CN113848541 B CN 113848541B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- shot image
- data
- laser radar
- 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
Images
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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种标定的方法、装置、无人机及计算机可读存储介质，方法包括：对无人机上的组合惯导模块与激光雷达进行标定；获取激光雷达获取的地图数据以及相机的拍摄图像；其中，地图数据与图像中均包括至少四个预设的共面特征点；基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；根据单应性矩阵得到地图数据在拍摄图像上的映射平面；结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；基于旋转平移矩阵完成激光雷达与相机的标定。本方案通过无人机本身的传感器实现自动标定，提升了标定的效率，且能保证标定的精度。
Description
技术领域
本公开的实施例涉及标定技术领域，尤其涉及一种标定的方法、装置、无人机及计算机可读存储介质。
背景技术
目前，无人机的应用特别广泛，无人机上现在一般搭载有相机，有些还搭载有激光雷达，以此提供更好的拍摄服务。
但是相机与激光雷达若需要协同工作，需要进行标定，目前的标定方式很大程度依赖人工手动调节，费时费力，而由于无人机的不同，调节方式也有所不同，此外，依赖人工的方式一则过度依赖人的经验与操作，且目前人工调节的精度无法满足现在日益精确的标定需要。
由此，现在需要有一种更好的方案来解决现有技术中的问题。
发明内容
有鉴于此，本公开提出了一种标定的方法、装置、无人机及计算机可读存储介质，用于实现自动标定，相较于人工标定的方式，提升了标定的效率，且能保证标定的精度。
第一方面，根据本公开的一些实施例，提出了一种标定方法，应用于设置有组合惯导模块、相机和激光雷达的无人机；该方法包括：
对无人机上的组合惯导模块与激光雷达进行标定；
获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；
基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；
根据单应性矩阵得到地图数据在拍摄图像上的映射平面；
结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；
基于旋转平移矩阵完成激光雷达与相机的标定。
例如，在一些实施方式中，所述“对无人机上的组合惯导模块与激光雷达进行标定”，包括：
基于组合惯导模块控制所述无人机沿着预设轨迹来回飞行，同时通过激光雷达获取点云数据；
判断第一点云数据与第二点云数据是否重合，若第一点云数据与第二点云数据重合，则完成组合惯导模块与激光雷达的标定；所述第一点云数据为第一次飞行得到的点云数据；所述第二点云数据为第二次飞行得到的点云数据。
例如，在一些实施方式中，所述“对无人机上的组合惯导模块与激光雷达进行标定”还包括以下内容：
在通过激光雷达获取点云数据的同时，通过组合惯导模块获取惯导数据；
若第一点云数据与第二点云数据不重合，则基于所述点云数据与惯导数据得到使所述第一点云数据与所述第二点云数据两者对应的轨迹重合的位姿标定参数；基于位姿标定参数对组合惯导模块与激光雷达进行标定。
例如，在一些实施方式中，所述“判断第一点云数据与第二点云数据是否重合”包括以下内容：
提取第一点云数据在参考物上的数据；
提取第二点云数据在参考物上的数据；
比较第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征是否相同。
例如，在一些实施方式中，所述“第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征”至少包括以下任一要素：
参照物的长度；
参照物的宽度；
参照物的高度；
参照物的法向量；
参照物的坐标。
例如，在一些实施方式中，所述“结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵”包括以下内容：
通过计算映射平面的第一法向量和拍摄图像的第二法向量的夹角，确保映射平面与拍摄图像彼此平行；
通过映射平面的共面特征点与拍摄图像的共面特征点，确保映射平面与拍摄图像彼此重合，并以此得到映射平面关于拍摄图像的旋转平移矩阵。
第二方面，根据本公开的一些实施例，还提出了一种标定装置，应用于设置有组合惯导模块、相机和激光雷达的无人机；包括：
第一标定模块，用于对无人机上的组合惯导模块与激光雷达进行标定；
获取模块，用于获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；
第一计算模块，用于基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；
处理模块，用于根据单应性矩阵得到地图数据在拍摄图像上的映射平面；
第二计算模块，用于结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；
第二标定模块，用于基于旋转平移矩阵完成激光雷达与相机的标定。
例如，在一些实施方式中，所述第一标定模块，用于：基于组合惯导模块控制所述无人机沿着预设轨迹来回飞行，同时通过激光雷达获取点云数据；判断第一点云数据与第二点云数据是否重合，若第一点云数据与第二点云数据重合，则完成组合惯导模块与激光雷达的标定；所述第一点云数据为第一次飞行得到的点云数据；所述第二点云数据为第二次飞行得到的点云数据。
第三方面，根据本公开的一些实施例，还提出了一种无人机，包括存储器以及处理器，所述存储器存储有计算机程序，所述处理器运行所述计算机程序以使所述无人机执行上述任一的标定方法。
第四方面，根据本公开的一些实施例，还提出了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述任一的标定方法。
以此，本公开的一些实施例提出了一种标定的方法、装置、无人机及计算机可读存储介质，应用于设置有组合惯导模块、相机和激光雷达的无人机；该方法包括：对无人机上的组合惯导模块与激光雷达进行标定；获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；根据单应性矩阵得到地图数据在拍摄图像上的映射平面；结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；基于旋转平移矩阵完成激光雷达与相机的标定。本公开通过无人机本身的传感器实现自动标定，解决了人工标定方式在效率和精度上的问题，提升了标定的效率，且能保证标定的精度。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本公开的一些实施例提出的一种标定的方法的流程示意图；
图2示出了本公开的一些实施例提出的一种标定的装置的结构示意图；
图3示出了本公开的一些实施例提出的一种无人机的结构示意图；
图4示出了本公开的一些实施例提出的一种计算机可读存储介质的示意图。
图例说明：
201-第一标定模块；202-获取模块；203-第一计算模块；204-处理模块；205-第二计算模块；206-第二标定模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明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发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，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，都属于本发明保护的范围。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
实施例1
本发明实施例1公开了一种标定的方法，应用于设置有组合惯导模块、相机和激光雷达(英文全称Laser Radar，英文简称lidar)的无人机；如图1所示，该方法包括以下步骤：
步骤S101、对无人机上的组合惯导模块与激光雷达进行标定；
具体的，在进行激光雷达与相机的标定之前，先进行组合惯导模块与激光雷达的标定；
激光雷达是以发射激光束探测物体位置的雷达系统，本方案中可以为单线激光雷达；组合惯导模块可以是指由至少两个具有定位功能的单元或系统等组合而成，例如，可以由惯性测量单元(Inertial measurement unit，IMU)、惯性导航系统(InertialNavigationSystem，INS)中的至少一个，以及全球定位系统(Global PositioningSystem，GPS)和北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)中的至少一个组合而成。本方案由多个具有定位功能的单元或系统组合而成的组合惯导模块的定位精度相比于单独的定位单元或系统更高。具体的激光雷达和组合惯导模块刚性连接。
组合惯导模块与激光雷达的标定方式有多种。
在本方案中，为了充分利用传感器自身来进行标定，步骤S101中对无人机上的组合惯导模块与激光雷达进行标定，包括：基于组合惯导模块控制所述无人机沿着预设轨迹来回飞行，同时通过激光雷达获取点云数据；判断第一点云数据与第二点云数据是否重合，若第一点云数据与第二点云数据重合，则完成组合惯导模块与激光雷达的标定；所述第一点云数据为第一次飞行得到的点云数据；所述第二点云数据为第二次飞行得到的点云数据。
具体的，控制无人机来回飞某一场景，场景中可以包含路边，路灯杆、房屋等固定参照物。提取来回飞该场景得到的点云数据，分别为第一点云数据与第二点云数据，若第一点云数据与第二点云数据重合，即完成组合惯导模块与激光雷达的标定。
此外，该方法还包括：在通过激光雷达获取点云数据的同时，通过组合惯导模块获取惯导数据；具体的，惯导数据是组合惯导模块采集的表征刚性连接的激光雷达和组合惯导模块构成的刚体结构的位置和姿态的数据集，包括：经度、纬度、高度、横滚角、俯仰角、航向角等。
由此，若第一点云数据与第二点云数据不重合，则基于所述点云数据与惯导数据得到使所述第一点云数据与所述第二点云数据两者对应的轨迹重合的位姿标定参数；基于位姿标定参数对组合惯导模块与激光雷达进行标定。
进一步的，上述步骤中所述“判断第一点云数据与第二点云数据是否重合”包括以下内容：提取第一点云数据在参考物上的数据；提取第二点云数据在参考物上的数据；比较第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征是否相同。
具体的，所述“第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征”至少包括以下任一要素：参照物的长度；参照物的宽度；参照物的高度；参照物的法向量；参照物的坐标。
具体的，由此仍以上述为例，当来回飞行某个场景，例如具体为马路场景时，确定马路场景中特定参考物，例如可以是场景中的房屋或路灯等；计算参照物的物理特征，例如物料特征是法向量，然后用过迭代的方法保证法相夹角最小、且来回重合区域尽可能完全重叠，从而完成标定。
来回飞同一场景，假如得到同一参照物的两个法向量，如果两个法向量重合，则所求向量夹角最小。参考公式A*B＝|A|*|B|cosθ，A表示第一趟飞行所求参照物的法向量，B表示第二趟飞行所求参照物的法向量；θ表示夹角，夹角最小代表夹角为0度或180度。来回尽可能重叠，可以理解为第一次飞行得到的点云与第二次飞行点云，这两者之间的距离尽可能小。可以从第一点云数据中取一个点并计算其与第二点云数据最近的点(并计算距离)，然后再求第一点云数据中的第二个点并计算其与第二点云数据中最近的点(并计算其距离)，所有距离相加最小(最小为0)。即可认为第一点云数据与第二点云数据重合。
步骤S102、获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；
具体的，仍以上述场景为马路为例来进行说明，可以获取某一段时间内的激光雷达的地图数据(体现为点云)，和某一时刻的图像数据(相机拍摄得到)，且地图数据和拍摄图像中都能看到马路中指定的共面四个点。
步骤S103、基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；
具体的，以上述为例来进行说明，例如共面特征点有4个，分别为特征点1、特征点2、特征点3与特征点4，这四个特征点都可以在地图数据与拍摄图像中看到，基于这4个特征点，可得到关于拍摄图像的单应性矩阵。
步骤S104、根据单应性矩阵得到地图数据在拍摄图像上的映射平面；
在得到了拍摄图像的单应性矩阵后，基于单应性矩阵可以确定地图数据在拍摄图像上的映射平面，也即地图数据在拍摄图像上的投影面。
步骤S105、结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；
具体的，步骤S105中的所述“结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵”包括以下内容：通过计算映射平面的第一法向量和拍摄图像的第二法向量的夹角，确保映射平面与拍摄图像彼此平行；通过映射平面的共面特征点与拍摄图像的共面特征点，确保映射平面与拍摄图像彼此重合，并以此得到映射平面关于拍摄图像的旋转平移矩阵。
步骤S106、基于旋转平移矩阵完成激光雷达与相机的标定。
在确定了旋转平移矩阵之后，则可以基于此确定激光雷达与相机之间的相对位置关系，从而完成激光雷达与相机的标定。
由此，相较于人工标定的方式，本方案通过无人机本身的传感器即可实现自动标定，提升了标定的效率，且能保证标定的精度。
实施例2
为了对本发明进行进一步的说明，本发明实施例2还公开了一种标定的装置，应用于设置有组合惯导模块、相机和激光雷达的无人机；如图2所示，该装置包括：
第一标定模块201，用于对无人机上的组合惯导模块与激光雷达进行标定；
获取模块202，用于获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；
第一计算模块203，用于基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；
处理模块204，用于根据单应性矩阵得到地图数据在拍摄图像上的映射平面；
第二计算模块205，用于结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；
第二标定模块206，用于基于旋转平移矩阵完成激光雷达与相机的标定。
在一个具体的实施例中，所述第一标定模块201，用于：基于组合惯导模块控制所述无人机沿着预设轨迹来回飞行，同时通过激光雷达获取点云数据；判断第一点云数据与第二点云数据是否重合，若第一点云数据与第二点云数据重合，则完成组合惯导模块与激光雷达的标定；所述第一点云数据为第一次飞行得到的点云数据；所述第二点云数据为第二次飞行得到的点云数据。
在一个具体的实施例中，所述第一标定模块201，还用于：在通过激光雷达获取点云数据的同时，通过组合惯导模块获取惯导数据；若第一点云数据与第二点云数据不重合，则基于所述点云数据与惯导数据得到使所述第一点云数据与所述第二点云数据两者对应的轨迹重合的位姿标定参数；基于位姿标定参数对组合惯导模块与激光雷达进行标定。
所述第一标定模块201“判断第一点云数据与第二点云数据是否重合”包括以下内容：提取第一点云数据在参考物上的数据；提取第二点云数据在参考物上的数据；比较第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征是否相同。
所述“第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征”至少包括以下任一要素：
参照物的长度；
参照物的宽度；
参照物的高度；
参照物的法向量；
参照物的坐标。
所述第二计算模块205，用于：通过计算映射平面的第一法向量和拍摄图像的第二法向量的夹角，确保映射平面与拍摄图像彼此平行；通过映射平面的共面特征点与拍摄图像的共面特征点，确保映射平面与拍摄图像彼此重合，并以此得到映射平面关于拍摄图像的旋转平移矩阵。
实施例3
本发明实施例还公开了一种无人机，如图3所示，包括存储器以及处理器，所述存储器存储有计算机程序，所述处理器运行所述计算机程序以使所述无人机执行实施例1中所述任一标定的方法。
实施例4
本发明实施例4还公开了一种计算机可读存储介质，如图4所示，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行实施例1中所述任一标定的方法。
以此，本发明实施例提出了一种标定的方法、装置、无人机及计算机存储介质，应用于设置有组合惯导模块、相机和激光雷达的无人机；该方法包括：对无人机上的组合惯导模块与激光雷达进行标定；获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；基于地图数据的共面特征点和拍摄图像的共面特征点，得到关于拍摄图像的单应性矩阵；根据单应性矩阵得到地图数据在拍摄图像上的映射平面；结合映射平面的第一法向量、拍摄图像的第二法向量和关于映射平面和拍摄图像的共面特征点，得到映射平面关于拍摄图像的旋转平移矩阵；基于旋转平移矩阵完成激光雷达与相机的标定。本方案通过无人机本身的传感器实现自动标定，相较于人工标定的方式，提升了标定的效率，且能保证标定的精度。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也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，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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，以执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种标定方法，其特征在于，应用于设置有组合惯导模块、相机和激光雷达的无人机；该方法包括：
对无人机上的组合惯导模块与激光雷达进行标定；
获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；
基于地图数据的至少四个预设的共面特征点和拍摄图像的至少四个预设的共面特征点，得到关于拍摄图像的单应性矩阵；
根据单应性矩阵得到地图数据在拍摄图像上的映射平面；
通过计算映射平面的第一法向量和拍摄图像的第二法向量的夹角，确保映射平面与拍摄图像彼此平行；
通过映射平面的共面特征点与拍摄图像的共面特征点，确保映射平面与拍摄图像彼此重合，并以此得到映射平面关于拍摄图像的旋转平移矩阵；
基于旋转平移矩阵完成激光雷达与相机的标定。
2.如权利要求1所述的标定方法，其特征在于，所述“对无人机上的组合惯导模块与激光雷达进行标定”，包括：
基于组合惯导模块控制所述无人机沿着预设轨迹来回飞行，同时通过激光雷达获取点云数据；
判断第一点云数据与第二点云数据是否重合，若第一点云数据与第二点云数据重合，则完成组合惯导模块与激光雷达的标定；所述第一点云数据为第一次飞行得到的点云数据；所述第二点云数据为第二次飞行得到的点云数据。
3.如权利要求2所述的标定方法，其特征在于，所述“对无人机上的组合惯导模块与激光雷达进行标定”还包括以下内容：
在通过激光雷达获取点云数据的同时，通过组合惯导模块获取惯导数据；
若第一点云数据与第二点云数据不重合，则基于所述点云数据与惯导数据得到使所述第一点云数据与所述第二点云数据两者对应的轨迹重合的位姿标定参数；基于位姿标定参数对组合惯导模块与激光雷达进行标定。
4.如权利要求2或3所述的标定方法，其特征在于，所述“判断第一点云数据与第二点云数据是否重合”包括以下内容：
提取第一点云数据在参考物上的数据；
提取第二点云数据在参考物上的数据；
比较第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征是否相同。
5.如权利要求4所述的标定方法，其特征在于，所述“第一点云数据在参考物上的数据所体现物理特征和第二点云数据在参考物上的数据所体现物理特征”至少包括以下任一要素：
参照物的长度；
参照物的宽度；
参照物的高度；
参照物的法向量；
参照物的坐标。
6.一种标定装置，其特征在于，应用于设置有组合惯导模块、相机和激光雷达的无人机；包括：
第一标定模块，用于对无人机上的组合惯导模块与激光雷达进行标定；
获取模块，用于获取激光雷达获取的地图数据以及相机的拍摄图像；其中，所述地图数据与所述图像中均包括至少四个预设的共面特征点；
第一计算模块，用于基于地图数据的至少4个预设的共面特征点和拍摄图像的至少4个预设的共面特征点，得到关于拍摄图像的单应性矩阵；
处理模块，用于根据单应性矩阵得到地图数据在拍摄图像上的映射平面；
第二计算模块，用于通过计算映射平面的第一法向量和拍摄图像的第二法向量的夹角，确保映射平面与拍摄图像彼此平行；通过映射平面的共面特征点与拍摄图像的共面特征点，确保映射平面与拍摄图像彼此重合，并以此得到映射平面关于拍摄图像的旋转平移矩阵；
第二标定模块，用于基于旋转平移矩阵完成激光雷达与相机的标定。
7.如权利要求6所述的装置，其特征在于，所述第一标定模块，用于基于组合惯导模块控制所述无人机沿着预设轨迹来回飞行，同时通过激光雷达获取点云数据；判断第一点云数据与第二点云数据是否重合，若第一点云数据与第二点云数据重合，则完成组合惯导模块与激光雷达的标定；所述第一点云数据为第一次飞行得到的点云数据；所述第二点云数据为第二次飞行得到的点云数据。
8.一种无人机，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述处理器运行所述计算机程序以使所述无人机执行如权利要求1-5中任一项所述的标定方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行权利要求1-5中任一项所述的标定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111105763.9A CN113848541B (zh) | 2021-09-22 | 2021-09-22 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111105763.9A CN113848541B (zh) | 2021-09-22 | 2021-09-22 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113848541A CN113848541A (zh) | 2021-12-28 |
| CN113848541B true CN113848541B (zh) | 2022-08-26 |
Family
ID=78975038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111105763.9A Active CN113848541B (zh) | 2021-09-22 | 2021-09-22 | 一种标定的方法、装置、无人机及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113848541B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114820953B (zh) * | 2022-06-29 | 2022-10-04 | 深圳市镭神智能系统有限公司 | 一种数据处理方法、装置、设备以及存储介质 |
| CN116958271B (zh) * | 2023-06-06 | 2024-07-16 | 阿里巴巴（中国）有限公司 | 标定参数确定方法以及装置 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399643A (zh) * | 2018-03-15 | 2018-08-14 | 南京大学 | 一种激光雷达和相机间的外参标定系统和方法 |
| CN109270534A (zh) * | 2018-05-07 | 2019-01-25 | 西安交通大学 | 一种智能车激光传感器与相机在线标定方法 |
| CN109297510A (zh) * | 2018-09-27 | 2019-02-01 | 百度在线网络技术（北京）有限公司 | 相对位姿标定方法、装置、设备及介质 |
| CN109901138A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
| CN109901139A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
| CN110264416A (zh) * | 2019-05-28 | 2019-09-20 | 深圳大学 | 稀疏点云分割方法及装置 |
| CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
| CN110780285A (zh) * | 2019-10-24 | 2020-02-11 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
| CN110837080A (zh) * | 2019-10-28 | 2020-02-25 | 武汉海云空间信息技术有限公司 | 激光雷达移动测量系统的快速标定方法 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111325801A (zh) * | 2020-01-23 | 2020-06-23 | 天津大学 | 一种激光雷达和相机的联合标定方法 |
| CN111612845A (zh) * | 2020-04-13 | 2020-09-01 | 江苏大学 | 一种基于移动标定板的激光雷达与相机联合标定方法 |
| CN111965624A (zh) * | 2020-08-06 | 2020-11-20 | 北京百度网讯科技有限公司 | 激光雷达与相机的标定方法、装置、设备和可读存储介质 |
| CN112446927A (zh) * | 2020-12-18 | 2021-03-05 | 广东电网有限责任公司 | 激光雷达和相机的联合标定方法、装置、设备及存储介质 |
| CN112484746A (zh) * | 2020-11-26 | 2021-03-12 | 上海电力大学 | 一种基于地平面的单目视觉辅助激光雷达里程计方法 |
| CN112584116A (zh) * | 2021-02-24 | 2021-03-30 | 深圳市火乐科技发展有限公司 | 投影校正方法、装置、存储介质和电子设备 |
| CN112577517A (zh) * | 2020-11-13 | 2021-03-30 | 上汽大众汽车有限公司 | 一种多元定位传感器联合标定方法和系统 |
| CN112946609A (zh) * | 2021-02-02 | 2021-06-11 | 中国汽车技术研究中心有限公司 | 激光雷达与相机的标定方法、装置、设备及可读存储介质 |
| CN113269827A (zh) * | 2020-02-14 | 2021-08-17 | 北京京东乾石科技有限公司 | 一种实现自动化标定的方法和计算装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102890828B (zh) * | 2012-06-15 | 2015-04-29 | 北京理工大学 | 基于法向夹角的点云数据精简方法 |
| US9875557B2 (en) * | 2012-11-05 | 2018-01-23 | The Chancellor Masters And Scholars Of The University Of Oxford | Extrinsic calibration of imaging sensing devices and 2D LIDARs mounted on transportable apparatus |
| CN107516077B (zh) * | 2017-08-17 | 2020-09-08 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
| US11782141B2 (en) * | 2018-02-05 | 2023-10-10 | Centre Interdisciplinaire De Developpement En Cartographie Des Oceans (Cidco) | Method and apparatus for automatic calibration of mobile LiDAR systems |
| CN109299739A (zh) * | 2018-09-26 | 2019-02-01 | 速度时空信息科技股份有限公司 | 基于法向量的曲面拟合对车载激光点云滤波的方法 |
| CN110940358B (zh) * | 2019-12-31 | 2023-07-25 | 徐州治鼎环境科技有限公司 | 一种激光雷达和惯导联合标定的装置及标定方法 |
| CN111429521B (zh) * | 2020-03-05 | 2021-12-21 | 深圳市镭神智能系统有限公司 | 相机与激光雷达的外参标定方法、装置、介质及电子设备 |
-
2021
- 2021-09-22 CN CN202111105763.9A patent/CN113848541B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399643A (zh) * | 2018-03-15 | 2018-08-14 | 南京大学 | 一种激光雷达和相机间的外参标定系统和方法 |
| CN109270534A (zh) * | 2018-05-07 | 2019-01-25 | 西安交通大学 | 一种智能车激光传感器与相机在线标定方法 |
| CN109297510A (zh) * | 2018-09-27 | 2019-02-01 | 百度在线网络技术（北京）有限公司 | 相对位姿标定方法、装置、设备及介质 |
| CN109901138A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
| CN109901139A (zh) * | 2018-12-28 | 2019-06-18 | 文远知行有限公司 | 激光雷达标定方法、装置、设备和存储介质 |
| CN110264416A (zh) * | 2019-05-28 | 2019-09-20 | 深圳大学 | 稀疏点云分割方法及装置 |
| CN110686704A (zh) * | 2019-10-18 | 2020-01-14 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
| CN110780285A (zh) * | 2019-10-24 | 2020-02-11 | 深圳市镭神智能系统有限公司 | 激光雷达与组合惯导的位姿标定方法、系统及介质 |
| CN110837080A (zh) * | 2019-10-28 | 2020-02-25 | 武汉海云空间信息技术有限公司 | 激光雷达移动测量系统的快速标定方法 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111325801A (zh) * | 2020-01-23 | 2020-06-23 | 天津大学 | 一种激光雷达和相机的联合标定方法 |
| CN113269827A (zh) * | 2020-02-14 | 2021-08-17 | 北京京东乾石科技有限公司 | 一种实现自动化标定的方法和计算装置 |
| CN111612845A (zh) * | 2020-04-13 | 2020-09-01 | 江苏大学 | 一种基于移动标定板的激光雷达与相机联合标定方法 |
| CN111965624A (zh) * | 2020-08-06 | 2020-11-20 | 北京百度网讯科技有限公司 | 激光雷达与相机的标定方法、装置、设备和可读存储介质 |
| CN112577517A (zh) * | 2020-11-13 | 2021-03-30 | 上汽大众汽车有限公司 | 一种多元定位传感器联合标定方法和系统 |
| CN112484746A (zh) * | 2020-11-26 | 2021-03-12 | 上海电力大学 | 一种基于地平面的单目视觉辅助激光雷达里程计方法 |
| CN112446927A (zh) * | 2020-12-18 | 2021-03-05 | 广东电网有限责任公司 | 激光雷达和相机的联合标定方法、装置、设备及存储介质 |
| CN112946609A (zh) * | 2021-02-02 | 2021-06-11 | 中国汽车技术研究中心有限公司 | 激光雷达与相机的标定方法、装置、设备及可读存储介质 |
| CN112584116A (zh) * | 2021-02-24 | 2021-03-30 | 深圳市火乐科技发展有限公司 | 投影校正方法、装置、存储介质和电子设备 |
| CN113365040A (zh) * | 2021-02-24 | 2021-09-07 | 深圳市火乐科技发展有限公司 | 投影校正方法、装置、存储介质和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| "基于点云中心的激光雷达与相机联合标定方法研究;康国华等;《仪器仪表学报》;20191231;正文第1节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113848541A (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102463176B1 (ko) | 위치 추정 장치 및 방법 | |
| EP3454008B1 (en) | Survey data processing device, survey data processing method, and survey data processing program | |
| KR20200044420A (ko) | 위치 추정 방법 및 장치 | |
| US11029707B2 (en) | Moving object, moving object control method, moving object control system, and moving object control program | |
| CN113848541B (zh) | 一种标定的方法、装置、无人机及计算机可读存储介质 | |
| EP2818957A1 (en) | System and method for UAV landing | |
| CN112912811A (zh) | 一种无人机路径规划方法、装置及无人机 | |
| US11866167B2 (en) | Method and algorithm for flight, movement, autonomy, in GPS, communication, degraded, denied, obstructed non optimal environment | |
| US7408629B2 (en) | Passive measurement of terrain parameters | |
| US20150234055A1 (en) | Aerial and close-range photogrammetry | |
| US10732298B2 (en) | Operating device, operating method, operating system, and operating program | |
| KR102660497B1 (ko) | 차량의 위치 정보 측위 시스템 | |
| CN112712558A (zh) | 一种无人驾驶设备的定位方法及装置 | |
| CN111552757B (zh) | 生成电子地图的方法、装置、设备及存储介质 | |
| RU2584368C1 (ru) | Способ определения контрольных значений параметров пространственно-угловой ориентации самолёта на трассах и приаэродромных зонах при лётных испытаниях пилотажно-навигационного оборудования и система для его осуществления | |
| US11651598B2 (en) | Lane mapping and localization using periodically-updated anchor frames | |
| US10642272B1 (en) | Vehicle navigation with image-aided global positioning system | |
| CN112612291A (zh) | 一种用于油田测绘的无人机的航线规划方法及装置 | |
| Andert et al. | Optical-aided aircraft navigation using decoupled visual SLAM with range sensor augmentation | |
| WO2020088399A1 (zh) | 信息处理装置、飞行控制方法以及飞行控制系统 | |
| Andert et al. | Improving monocular SLAM with altimeter hints for fixed-wing aircraft navigation and emergency landing | |
| CN110794434B (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
| CN117308915A (zh) | 一种测绘工程中特殊地形的测绘系统 | |
| KR101911353B1 (ko) | Ｇｎｓｓ 신호 손실시 자율 비행 방법 및 이를 위한 무인 비행체 | |
| CN111486837B (zh) | 基于图结构的交通工具位置估计方法和使用其的交通工具 |
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 |