CN114565682A - 相机的外参自动标定方法及装置 - Google Patents

Abstract

本申请涉及一种相机的外参自动标定方法及装置。该方法包括：获得至少两张满足预置条件下车辆相机拍摄的道路图片；识别道路图片的车道线，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参；按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参；从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参。本申请提供的方案，能够准确标定相机的外参并提高外参的标定效率。

Description

相机的外参自动标定方法及装置

技术领域

本申请涉及智能交通领域，尤其涉及一种相机的外参自动标定方法及装置。

背景技术

相关技术中，在智能交通领域，需要获取相机的外参和内参用于高精地图的制作或自动驾驶的数据采集。内参涉及相机的内存特性，由生产厂家提供或已标定。相机外参涉及相机的在物理空间的位姿，主要包括旋转角度及安装高度等，相机外参受相机安装位置、角度影响，且随道路行车会发生偏差，因此需要定期标定。现有技术中，通常通过人工选取、放置已知大小和位姿的物体，通过识别视频或道路图片中该物体的像素坐标，利用数学方法对外参进行拟合。传统方法的自动化程度不高，工作效率较低，且易引入人为误差。特别地，在普通用户(非专业人士)使用场景下无法达成。

因此，亟需一种相机的外参自动标定方法，用于自动标定相机外参，并提高标定效率。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种相机的外参自动标定方法及装置，能够准确标定相机的外参并提高外参的标定效率。

本申请第一方面，提供一相机的外参自动标定方法，包括：

获得至少两张满足预置条件下车辆相机拍摄的道路图片；

识别道路图片的车道线，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参；

按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参，最优的相机外参为基于预设评估算法获得评分最高的相机外参；

从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参，最优的联合标定外参为基于预设评估算法获得评分最高的联合标定外参。

可选地，预置条件包括：车辆的航向角在预设航向角区间内，车辆的行驶速度在指定速度区间内，车辆的行驶长度大于目标长度。

可选地，识别车道线，还包括：

获取当前道路图片的车道线条数，若车道线交汇于同一灭点的车道线数小于三条，则删除当前道路图片出识别的所有车道线。

可选地，识别道路图片的车道线，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参，包括：

读取每张道路图片中的车道线间隔数据，并建立车道线对应的道路图片坐标系方程；

根据车道线的实际间隔数据，建立车道线对应的世界坐标系方程；

根据车道线对应的道路图片坐标系方程和车道线对应的世界坐标系方程，获得每张道路图片对应的相机外参。

可选地，获得每组道路图片中最优的相机外参，包括：

根据预设评估算法，对每组道路图片的相机外参进行评分，并删除评分结果小于预设评分阈值的相机外参；

选取每组道路图片中评分最高的相机外参为每组道路图片中最优的相机外参。

8、可选地，从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机外参的目标标定外参，包括：

从每组道路图片中任选两组道路图片，且将两组道路图片中最优的相机外参对应的道路图片作为标定道路图片组合；

根据预设组合条件，获取标定道路图片组合中的有效道路图片组合；

提取有效道路图片组合中每张道路图片的车道线间隔数据，并利用有效道路图片组合中的车道线间隔距离与车道线的实际间隔距离，获得有效道路图片组合的联合标定外参；

根据预设评估算法，对所有联合标定外参评分，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参。

可选地，根据预设组合条件，获取标定道路图片组合中的有效道路图片组合，包括：

获得分组中每张道路图片中的车道线总数；

获取分组道路图片中的最大左侧车道线数，和分组道路图片中的最大右侧车道线数；

若任一道路图片中的车道线总数不小于最大左侧车道线数与最大右侧车道线数的和，则舍弃该道路图片组合。

本申请第二方面提供一种高精地图的外参自动标定装置，包括：

一种相机的外参自动标定装置，其特征在于，包括：

第一图像处理单元，用于获得至少两张满足预置条件下车辆相机拍摄的道路图片；

第一图像处理单元，识别道路图片的车道线，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参；

评估单元，用于按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参，最优相机外参为基于预设评估算法获得评分最高的相机外参；

确定单元，用于从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参，最优的联合标定外参为基于预设评估算法获得评分最高的联合标定外参。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上的方法。

本申请提供的技术方案可以包括以下有益效果：通过选取符合预置条件的道路行车道路图片用于外参自动标定，通过自动识别道路图片中的车道线，并利用道路图片中的车道线间隔数据和实际车道线间隔数据获取相片的外参信息，从而实现对相机的外参标定，该方法不需要人工参与，可以满足多场景的需要，提高标定效率。

另一方面，本发明考虑到标定路况，根据不同车道线的分布情况对道路图片进行分组标定，将满足单一标定条件的道路行车道路图片进行单一标定，对车道线不满足单一标定条件的道路行车道路图片，采用多个道路行车道路图片进行联合标定，从而扩大了标定外参的应用范围，提高了标定的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的相机的外参自动标定方法的流程示意图；

图2是本申请实施例示出的相机的外参自动标定方法的另一流程示意图；

图3是本申请实施例示出的相机的外参自动标定方法的另一流程示意图；

图4是本申请实施例示出的相机的外参自动标定装置的结构示意图；

图5是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

相关技术中，在智能交通领域，需要获取相机外参和内参用于高精土地的制作或自动驾驶的数据采集。内参涉及相机的内存特性，由生产厂家提供或已标定。相机外参涉及相机的在物理空间的位姿，主要包括旋转角度及安装高度等，相机外参受相机安装位置、角度影响，且随道路行车会发生偏差，因此需要定期标定。现有技术中，通常通过人工选取、放置已知大小和位姿的物体，通过识别视频或道路图片中该物体的像素坐标，利用数学方法对外参进行拟合。传统方法的自动化程度不高，工作效率较低，且易引入人为误差。特别地，在普通用户(非专业人士)使用场景下无法达成。

因此，亟需一种高精地图的外参自动标定方法，用于自动标定相机外参，并提高标定效率。

针对上述问题，本申请实施例提供一种高精地图的外参自动标定方法，能够自动标定相机外参并提高相机外参的标定效率。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的一种高精地图的外参自动标定方法的流程示意图。

参见图1，该方法包括步骤S101至步骤S101，具体地：

步骤S101：获得至少两张满足预置条件下车辆相机拍摄的道路图片。

步骤S101中，道路行车道路图片为含有GPS(Global Positioning System，全球定位系统)标识的道路行车道路图片，GPS标识用于识别车辆的行驶环境，还可以用于判断道路行车的状况。本申请获取道路行车道路图片可以根据道路行车视频截取带有GPS标识的道路图片，也可以直接接收含有GPS标识的道路图片。

在步骤S101中，预置条件包括：车辆的航向角在预设航向角区间内，车辆的行驶速度在指定速度区间内，车辆的行驶长度大于目标长度。其中，车道航向角在预设航向角区间内，用于表示装载有相机的车辆在沿直线行驶；车辆的行驶速度在指定速度区间内和车辆的行驶长度大于目标长度，用于表示车辆用在速度区间内的指定速度，在道路上行驶一段大于预设长度的行程。

可选地，判断车辆是否直行还可以根据接收的GPS信号，判断车辆是否直线行驶。

可选地，车辆根据在单位时间内，接收的不同道路图片中通过识别车辆拍摄的不同车道线的位置，分析出车辆的行驶速度和车辆行驶的长度。

步骤S102，识别道路图片的车道线，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参。

车道线包括：导向车道线和可变导向车道线，导向车道线是引导方向的车道标线，用来指示车辆在路口驶入段应按所指方向行驶。在车流大的交通路口一般画有此类标线，目的就是明确行车方向，各行其道，减缓交通压力。在本申请中主要采用导向车道线。其中，实际车道条数据根据GPS标识获取当地车道线间隔数据，在本申请中，车道线采用实际间隔距离为3.5米。

在步骤S102中，识别车道线的后，还需要判断道路图片中的车道线质量，对于图像质量不好的车道线道路图片应该弃用，并不参与后续计算。具体地，在识别道路图片的车道线之后，步骤S102还包括：获取当前道路图片的车道线条数，若车道线交汇于同一灭点的车道线数小于三条，则删除当前道路图片出识别的所有车道线。

具体包括：其中，外参的标定通常采用人工选取、放置已知大小和位姿的物体，通过识别视频或道路图片中该物体的像素坐标，利用数学方法对外参进行拟合。内参涉及相机的内存特性，由生产厂家提供或已标定。相机外参涉及相机的在物理空间的位姿，主要包括旋转角度及安装高度等因素。可以通过像素坐标系和道路坐标系之间的转换关系获取相机的外参。在本申请中相机内参和外参采用矩阵表示。获取单目相机参数包括：构建像素坐标系和道路坐标系之间的变换矩阵，并根据变换矩阵，获取相机的参数矩阵。

在一种实施例中，如图2所示，在步骤S102中，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参，包括：

步骤S201，读取每张道路图片中的车道线间隔数据，并建立车道线对应的道路图片坐标系方程；

步骤S202，根据车道线的实际间隔数据，建立车道线对应的世界坐标系方程；

步骤S203，根据车道线对应的道路图片坐标系方程和车道线对应的世界坐标系方程，获得每张道路图片对应的相机外参。

在一种实施例中，相机外参自动标定主要是求出相机相对参考坐标系的旋转误差角度以及位移量，常用旋转矩阵和平移矩阵表示，利用车道线消失点(平行的车道线在相机图像平面上的交点)进行标定。

具体地，识别车道线延道路方向上的消失点，获取垂直于道路方向上的消失点，利用两个正交的消失点与相机架设高度，可以求取相机的焦距、俯仰角及偏转角。根据相机的焦距、俯仰角及偏转角，获取相机的外参。

在一种实施例中，相机外参的标定，主要是利用将世界坐标系中的坐标转到像素坐标系下，例如可以将世界坐标系中的点云投影到单目相机的图像中进行显示，也可以从中验证标定的准确性。例如，设置外参矩阵camRRoad，获取像素的二维坐标(u，v)，K为单目相机已知的相关系数，P为像素世界坐标系，根据世界坐标系和二维坐标系的转换公式(1)，可以获取外参矩阵。

在一种实施例中，可以利用车道线相互平行、与道路行车方向一致、车道线间隔3.5米等约束，对公式(1)中的相机外参进行拟合求解。其中，去车道线上两个间隔的像素，可以获取他们的实际距离和像素距离，进而对公式(1)进行求解，从而获取外参矩阵。

在一种实施例后，获取外参矩阵后，还需要对外参矩阵进行下一步处理，具体包括：对外参矩阵设置预设指标，若外参矩阵符合预设指标，则该道路图片标定成功，并对该结果进行评分，保存该道路图片的车道分布信息及道路图片的对应评分；否则该道路图片标定失败，并舍弃该道路图片。对于不符合要求的评分结果，应该对此道路图片给予弃用，不然会影响道路图片质量。

可选地，该指标用于获得每组道路图片中最优的相机外参，具体包括，如图3所示：

步骤S301，根据预设评估算法，对每组道路图片的相机外参进行评分，并删除评估结果小于预设评分阈值的相机外参；

步骤S301删除小于预设评分阈值的相机外参，是为了减少不符合质量要求的相机外参影响后续。预设评估算法一般是精度算法，是基于道路图片的像素精度，对道路图片进行评分，可选地，可以根据车道线之间的像素间隔和实际间隔获取道路图片的像素精度，并根据像素精度对道路图片进行评分。

步骤S302，选取每组道路图片中评分最高的相机外参为每组道路图片中最优的相机外参。

在一种实施例中，步骤S302可以将相机外参按照从高到底的顺序进行排序，并在其中选取排序最高的相机外参为最优的相机外参。

步骤S103、按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参，最优的相机外参为基于预设评估算法获得评分最高的相机外参。

预置的规则包括：按照车道分布信息将道路行车道路图片，进行分组，车道分布信息包括：车道线的数量、在道路行车中车道线的左侧分布情况、道路行车中车道线的右侧分布情况、道路行车中车道线的双侧分布情况。

在步骤S103之前还需要，识别道路图片中车道线并记录其车道线布局，具体包括：确定道路图片中心位置，记录道路图片中相对于道路图片中心的水平方向向左的车道线(即左侧车道线)及水平方向向右的车道线(即右侧车道线)，并分别记录左侧车道线和右侧车道线的数量，左侧车道线和右侧车道线之和为该分布的车道条数量。

按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，具体包括：根据车道分布信息对道路行车道路图片分组。

在一种实施例中，获取道路图片的左侧车道线数量和右侧车道线数量，将左侧车道线数量和右侧车道线数量相同的图片分为一组。

在一种实施例中，将道路图片进行分组后，统计每组道路图片在所有道路图片中的权重，只有每组道路图片的权重在预设权重范围，才进行步骤S104对多组图片进行联合标定，若存在一组道路图片的权重大于预设权重范围，选取权重最大的道路图片的最优相机外参为相机的相机外参。

步骤S104、从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参，最优的联合标定外参为基于预设评估算法获得评分最高的联合标定外参。

具体地步骤S104包括：从每组道路图片中任选两组道路图片，且将两组道路图片中最优的相机外参对应的道路图片作为标定道路图片组合；根据预设组合条件，获取标定道路图片组合中的有效道路图片组合；提取有效道路图片组合中每张道路图片的车道线间隔数据，并利用有效道路图片组合中的车道线间隔距离与车道线的实际间隔距离，获得有效道路图片组合的联合标定外参；根据预设评估算法，对所有联合标定外参评分，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参。

其中，根据预设组合条件，获取标定道路图片组合中的有效道路图片组合，包括：获得分组中每张道路图片中的车道线总数；获取分组道路图片中的最大左侧车道线数，和分组道路图片中的最大右侧车道线数；若任一道路图片中的车道线总数不小于最大左侧车道线数与最大右侧车道线数的和，则舍弃该道路图片组合。

在一种实施例中，还需要对联合标定的最优的相机外参进行评分，若评分结果符合预设评分阈值则选用该最优的相机外参，若该评分结果不符合预设评分阈值则舍弃该最优的相机外参，从步骤S103中，在每组道路图片中最优的相机外参选出评分最高的道路图片的相机外参为相机的相机外参。

在一种实施例中，根据道路行车道路图片的数量和每组道路行车道路图片的道路图片数量，确定每组道路行车道路图片权重信息。即获取该标定场景下，每组道路图片出现的概率。根据每组道路行车道路图片权重信息和每组道路行车道路图片外参，确定每组道路行车道路图片与外参之间的联合分布密度函数。具体地，根据道路图片权重和道路图片外参，获取每组道路图片联合分布概率函数。在后续应用过程中，在需要联合分布时，直接根据联合分布函数和道路图片分组，获取道路图片的外参自动标定。

在一种实施例中，对于联合分布函数，可以将联合分布组中的多个道路图片外参进行拟合，以获取该分组下的外参自动标定。联合标定方法与单一道路图片标定方法相似，其区别在于利用多张道路图片对相机外参进行拟合运算。根据每组道路行车道路图片外参和联合分布密度函数，得到联合标定外参。具体地，包括：对于满足指定指标的标定结果，分别记录不同车道分布信息的最高评分结果、最高评分结果道路图片及解算的道路图片总数量中所得不同车道分布信息对应对最高评分结果，若达到或超过指定比例的车道分布信息数量大于一种，则进行不同车道分布信息的联合标定；否则选取最高评分结果作为最终结果。

本申请通过选取符合预置条件的道路行车道路图片用于外参自动标定，通过自动识别道路图片中的车道线，并利用道路图片中的车道线间隔数据和实际车道线间隔数据获取相片的外参信息，从而实现对相机的标定，该方法不需要人工参与，可以满足多场景的需要，提高标定效率。

另一方面，本发明考虑到标定路况，根据不同车道线的分布情况对道路图片进行分组标定，将车道线情况满足单一分组的图片。进行单一标定，对车道线不满足单一分组的，采用多个道路行车道路图片进行联合标定，从而扩大了标定外参的应用范围。

图4是本申请实施例示出的相机的外参自动标定装置的结构示意图。

参见图4，图4包括第一单元图像处理单元401、第二图像处理单元402、评估单元403、确定单元404；

第一图像处理单元401，用于获得至少两张满足预置条件下车辆相机拍摄的道路图片；

第二图像处理单元402，用于识别道路图片的车道线，利用道路图片中的车道线间隔距离与车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参；

评估单元403，用于按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参，最优相机外参为基于预设评估算法获得评分最高的相机外参；

确定单元404，用于用于从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参，最优的联合标定外参为基于预设评估算法获得评分最高的联合标定外参。

第一单元401，用于获取符合预置条件的道路行车道路图片，确定道路行车道路图片外参。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图5是本申请实施例示出的电子设备的结构示意图。

参见图5，电子设备500包括存储器510和处理器520。

处理器520可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器510可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器520或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器510可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器510可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器510上存储有可执行代码，当可执行代码被处理器520处理时，可以使处理器520执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种相机的外参自动标定方法，其特征在于，包括：

获得至少两张满足预置条件下车辆相机拍摄的道路图片；

识别所述道路图片的车道线，利用所述道路图片中的车道线间隔距离与所述车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参；

按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参，所述最优的相机外参为基于预设评估算法获得评分最高的相机外参；

从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参，所述最优的联合标定外参为基于所述预设评估算法获得评分最高的联合标定外参。

2.根据权利要求1所述的方法，其特征在于，所述预置条件包括：车辆的航向角在预设航向角区间内，且车辆的行驶速度在指定速度区间内，且所述车辆的行驶长度大于目标长度。

3.根据权利要求1所述的方法，其特征在于，所述识别所述车道线，还包括：

获取当前道路图片的车道线条数，若所述车道线交汇于同一灭点的车道线数小于三条，则删除当前道路图片识别出的所有车道线。

4.根据权利要求1所述的方法，其特征在于，所述识别所述道路图片的车道线，利用所述道路图片中的车道线间隔距离与所述车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参，包括：

读取每张道路图片中的车道线间隔数据，并建立所述车道线对应的道路图片坐标系方程；

根据车道线的实际间隔数据，建立所述车道线对应的世界坐标系方程；

根据所述车道线对应的道路图片坐标系方程和所述车道线对应的世界坐标系方程，获得每张道路图片对应的相机外参。

5.根据权利要求1所述的方法，其特征在于，所述获得每组道路图片中最优的相机外参，包括：

根据所述预设评估算法，对每组道路图片的相机外参进行评分，并删除评分结果小于预设评分阈值的相机外参；

选取每组道路图片中评分最高的相机外参为每组道路图片中最优的所述相机外参。

6.根据权利要求1所述的方法，其特征在于，所述从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机外参的目标标定外参，包括：

从每组道路图片中任选两组道路图片，且将两组道路图片中最优的相机外参对应的道路图片作为标定道路图片组合；

根据预设组合条件，获取所述标定道路图片组合中的有效道路图片组合；

提取所述有效道路图片组合中每张道路图片的车道线间隔数据，并利用所述有效道路图片组合中的车道线间隔距离与所述车道线的实际间隔距离，获得有效道路图片组合的联合标定外参；

根据所述预设评估算法，对所有所述联合标定外参评分，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参。

7.根据权利要求6所述的方法，其特征在于，所述根据预设组合条件，获取标定道路图片组合中的有效道路图片组合，包括：

获得分组中每张道路图片中的车道线总数；

获取分组道路图片中的最大左侧车道线数，和分组道路图片中的最大右侧车道线数；

若所述任一道路图片中的车道线总数不小于所述最大左侧车道线数与最大右侧车道线数的和，则舍弃该道路图片组合。

8.一种相机的外参自动标定装置，其特征在于，包括：

第一图像处理单元，用于获得至少两张满足预置条件下车辆相机拍摄的道路图片；

第二图像处理单元，识别所述道路图片的车道线，利用所述道路图片中的车道线间隔距离与所述车道线的实际间隔距离，拟合获得每张道路图片对应的相机外参；

评估单元，用于按照预置的规则，根据道路图片中车道线的分布对所获得的道路图片进行分组，且获得每组道路图片中最优的相机外参，所述最优相机外参为基于预设评估算法获得评分最高的相机外参；

确定单元，用于从每组道路图片的最优的相机外参中任选两组最优的相机外参进行联合标定，在所有联合标定外参结果中确定最优的联合标定外参为相机的目标标定外参，所述最优的联合标定外参为基于所述预设评估算法获得评分最高的联合标定外参。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

Images