CN114791610A - 一种转换参数的确定方法和装置 - Google Patents

一种转换参数的确定方法和装置 Download PDF

Info

Publication number
CN114791610A
CN114791610A CN202110102230.9A CN202110102230A CN114791610A CN 114791610 A CN114791610 A CN 114791610A CN 202110102230 A CN202110102230 A CN 202110102230A CN 114791610 A CN114791610 A CN 114791610A
Authority
CN
China
Prior art keywords
coordinate system
vehicle
equation coefficient
total station
calibration body
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.)
Pending
Application number
CN202110102230.9A
Other languages
English (en)
Inventor
胡烜
石现领
黄志臻
龚稼学
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202110102230.9A priority Critical patent/CN114791610A/zh
Priority to PCT/CN2021/131608 priority patent/WO2022160879A1/zh
Publication of CN114791610A publication Critical patent/CN114791610A/zh
Pending legal-status Critical Current

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • 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

Abstract

本申请公开一种转换参数的确定方法和装置，可以应用于自动驾驶或者智能驾驶领域。所述方法包括：获取利用激光雷达坐标系表示的平面定标体的点云坐标集，所述点云坐标集中包括所述平面定标体的特征点形成的点云坐标。对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，并获取第二方程系数。根据第一方程系数和第二方程系数得到所述激光雷达坐标系与车辆坐标系的转换参数，所述转换参数用于将激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。本方法降低了激光雷达测距抖动和角度分辨率低对激光雷达外参标定精度的影响。

Description

一种转换参数的确定方法和装置
技术领域
本申请涉及自动驾驶技术领域，尤其是涉及一种转换参数的确定方法和装置。
背景技术
激光雷达(Laser Radar，LiDAR)是自动驾驶领域中的一种重要传感器。它能感知周围环境，探测周围环境中的物体，并将探测到的物体以三维坐标，比如点云的形式在显示界面上呈现，其中被探测到的物体的三维坐标或者点云通常利用LiDAR所建立的激光雷达(LiDAR)坐标系来表示。
参见图1，在自动驾驶解决方案中，需要获得车辆坐标系中某一物体的位置和大小，该物体的位置和大小受限于以LiDAR坐标系下的点云坐标图形勾勒，然后再将LiDAR坐标系下的点云三维坐标转换到车辆坐标系中表示，从而便于在路径规划时，基于测量物体的位置和大小对车辆的行驶路线进行规划。在规划过程中，需要将LiDAR坐标系中标定“物体”的点云坐标转换到以车辆坐标系下的点云坐标，即获得LiDAR坐标系与车辆坐标系之间的转换参数是标定过程中的重要环节，该过程又称为外部参数标定过程，简称“外参标定”。
目前，对于LiDAR坐标系下的外参标定方法，一般是基于车载传感器采集的特征点信息，将描述物体轮廓的特征点坐标分别通过LiDAR坐标系和车辆坐标系来表示，然后基于两组特征点的坐标在最小二乘法准则下获得LiDAR坐标系到车辆坐标系的转换参数。该方法中，由于激光器扫描物体，并通过LiDAR坐标系标定物体特征点的精度有限，且测距时会发生抖动，所以在LiDAR坐标系下的特征点坐标的精度只能达到5cm量级。在此情况下，利用5cm量级的LiDAR坐标系在做坐标系转换的外参标定时，计算的角度会存在误差，比如图2示出了被测物体的某一直角平面在LiDAR坐标系下的点云坐标，可以看出，受到LiDAR坐标系的分辨率精度限制以及点云坐标的抖动，使得提取的该直角平面的4个角点的坐标不准确，从而计算获得的角度仅能达到以“度”为单位的量级，难以达到比如0.1°等更小量级的精度需求，所以目前的外参标定方法无法满足自动驾驶解决方案的高精度要求。
发明内容
本申请提供了一种转换参数的确定方法和装置，该方法用于提高了激光雷达坐标系的外参标定的精确度，进而满足自动驾驶的高精度要求。具体地，本申请公开了以下技术方案：
第一方面，本申请提供了一种转换参数的确定方法，可以应用于自动驾驶或者智能驾驶领域，该方法包括：获取利用激光雷达坐标系表示的平面定标体的点云坐标集，所述点云坐标集中包括所述平面定标体的特征点形成的点云坐标；对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，所述第一方程系数为所述平面定标体在所述激光雷达坐标系中的方程系数；获取第二方程系数，所述第二方程系数为所述平面定标体在车辆坐标系的方程系数；根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数，所述转换参数用于将所述激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
本方面，利用点云分割和平面拟合的方法对获取的点云坐标集进行处理，基于统计平均，得到定标体在激光雷达LiDAR坐标系中的方程系数，并利用该方程系数对定标体在车辆坐标系中的位置做标定。本方法分割后的点云经过平面拟合处理后，会将LiDAR坐标系外参标定的精度提升一个数量级，同时降低测距抖动带来的影响。
另外，通过将平面定标体的至少一个特征点分别在LiDAR坐标系和车辆坐标系中标定，进而能够获得从该LiDAR坐标系到车辆坐标系之间的转换参数，即LiDAR的外参，并利用该LiDAR的外参实现激光雷达的点云坐标到车辆坐标系中的点云坐标的转换。该方法可避免采用“四轮定位系统”辅助办法获得特征点在车辆坐标系下的坐标，减少了4S店或汽修店对车辆外部物体做标定的成本，同时还提高了在车辆坐标系中标定的精确度。
结合第一方面，在第一方面的一种可能的实现方式中，所述获取第二方程系数，包括：获取第三方程系数，和，全站仪坐标系与所述车辆坐标系之间的转换参数，其中所述第三方程系数为所述平面定标体在全站仪坐标系中的方程系数；根据所述全站仪坐标系与所述车辆坐标系之间的转换参数，将所述第三方程系数转换成所述第二方程系数。
结合第一方面，在第一方面的另一种可能的实现方式中，所述获取第三方程系数，包括：获得所述平面定标体在定标体坐标系中的方程系数；根据所述全站仪坐标系与所述定标体坐标系之间的转换参数，将所述平面定标体在定标体坐标系中的方程系数转换为在所述全站仪坐标系中的方程系数，得到所述第三方程系数。
结合第一方面，在第一方面的又一种可能的实现方式中，获取所述全站仪坐标系与所述车辆坐标系之间的转换参数，包括：获取车辆上的n个特征点，以及每个所述特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，n≥1且为正整数；根据所述n个特征点中的每个特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，得到所述全站仪坐标系与所述车辆坐标系之间的转换参数。
其中，所述n个特征点包括：a1、a1u、a2、a2u、a3、a3u、a4、a4u；进一步地，a1为车辆右侧后轮的中心，a1u为车辆右侧后轮轮毂的最高点，a2为车辆左侧后轮的中心，a2u为车辆左侧后轮轮毂的最高点，a3为车辆右侧前轮的中心，a3u为车辆右侧前轮轮毂的最高点，a4为车辆左侧前轮的中心，a4u为车辆左侧前轮轮毂的最高点。
第二方面，本申请提供了一种转换参数确定装置，该装置包括：获取单元，用于获取利用激光雷达坐标系表示的平面定标体的点云坐标集，所述点云坐标集中包括所述平面定标体的特征点形成的点云坐标；处理单元，用于对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，所述第一方程系数为所述平面定标体在所述激光雷达坐标系中的方程系数；所述获取单元，还用于获取第二方程系数，所述第二方程系数为所述平面定标体在车辆坐标系的方程系数；所述处理单元，还用于根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数，所述转换参数用于将激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
结合第二方面，在第二方面的一种可能的实现方式中，所述处理单元，还用于获取第三方程系数，和，全站仪坐标系与所述车辆坐标系之间的转换参数，其中所述第三方程系数为所述平面定标体在全站仪坐标系中的方程系数；所述获取单元，还用于根据所述全站仪坐标系与所述车辆坐标系之间的转换参数，将所述第三方程系数转换成所述第二方程系数。
结合第二方面，在第二方面的另一种可能的实现方式中，所述获取单元，还用于获得所述平面定标体在定标体坐标系中的方程系数；根据所述全站仪坐标系与所述定标体坐标系之间的转换参数，将所述平面定标体在定标体坐标系中的方程系数转换为在所述全站仪坐标系中的方程系数，得到所述第三方程系数。
结合第二方面，在第二方面的又一种可能的实现方式中，所述获取单元，还用于获取车辆上的n个特征点，以及每个所述特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，n≥1且为正整数，根据所述n个特征点中的每个特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，得到所述全站仪坐标系与所述车辆坐标系之间的转换参数。
其中，所述n个特征点包括但不限于：a1、a1u、a2、a2u、a3、a3u、a4、a4u；进一步地，a1为车辆右侧后轮的中心，a1u为车辆右侧后轮轮毂的最高点，a2为车辆左侧后轮的中心，a2u为车辆左侧后轮轮毂的最高点，a3为车辆右侧前轮的中心，a3u为车辆右侧前轮轮毂的最高点，a4为车辆左侧前轮的中心，a4u为车辆左侧前轮轮毂的最高点。
第三方面，本申请还提供了一种转换参数确定装置，该装置包括至少一个处理器和接口电路，其中，所述接口电路，用于为所述至少一个处理器提供指令和/或数据；所述至少一个处理器，用于执行所述指令，以实现前述第一方面及第一方面各种实现方式中的方法。
此外，所述终端中还包括存储器，所述存储器用于存储所述指令，和/或，数据。
可选的，所述至少一个处理器和所述接口电路可以集成在一个处理芯片或者芯片电路中。
可选的，所述转换参数确定装置为一种终端，所述终端包括但不限于车辆、激光雷达、机器人或PC。
第四方面，本申请还提供了一种计算机可读存储介质，该存储介质中存储有指令，使得当指令在计算机或处理器上运行时，可以用于执行前述第一方面以及第一方面各种实现方式中的方法。
另外，本申请还提供了一种计算机程序产品，该计算机程序产品包括计算机指令，当该指令被计算机或处理器执行时，可实现前述第一方面以及第一方面各种实现方式中的方法。
第五方面，本申请还提供了一种终端，所述终端包括前述第二方面以及第二方面各种实现方式中的装置，或者，包括前述第三方面中的装置，用于实现前述第一方面以及第一方面各种实现方式中的方法。
可选的，所述终端包括但不限于车辆、机器人、激光雷达或PC。
需要说明的是，上述第二方面至第五方面的各种实现方式的技术方案所对应的有益效果与前述第一方面以及第一方面的各种实现方式的有益效果相同，具体参见上述第一方面以及第一方面的各种实现方式中的有益效果描述，不再赘述。
附图说明
图1为本申请提供的一种LiDAR坐标系和车辆坐标系的示意图；
图2为本申请提供的一种在LiDAR坐标系下表示的直角平面的点云坐标的示意图；
图3为本申请实施例提供的一种定位系统的结构示意图；
图4为本申请实施例提供的一种转换参数的确定方法的流程图；
图5为本申请实施例提供的一种获取第二方程系数的方法流程图；
图6为本申请实施例提供的一种车辆上特征点的示意图；
图7A为本申请实施例提供的一种外参的角度量估计误差的示意图；
图7B为本申请实施例提供的一种外参的位置量估计误差的示意图；
图8为本申请实施例提供的一种实验室环境下的外参标定结果的示意图；
图9为本申请实施例提供的一种转换参数确定装置的结构示意图；
图10为本申请实施例提供的一种终端的结构示意图。
具体实施方式
下面结合附图对本申请实施例中的技术方案作详细的说明。在对本申请实施例的技术方案说明之前，首先结合附图对本申请实施例的应用场景进行说明。
本申请的技术方案可应用于自动驾驶领域的应用场景，具体涉及一种激光雷达坐标系到车辆坐标系的外参离线标定的方法。该方法可应用于一种定位系统或者参数标定系统，该系统包括：第一装置、车辆、激光器或激光扫描仪、定标(calibration)体和全站仪。此外，还可以包括其他设备或者仪器，本实施例对此不作限定。
其中，所述第一装置可用是一种终端，比如智能手机、智慧屏电视(TV)、笔记本电脑、平板电脑、个人计算机(personal computer，PC)、个人数字助理(personal digitalassistant，PDA)，可折叠终端、车辆、机器人、无人机、激光雷达、具备无线通讯功能的可穿戴设备(例如智能手表或手环)、用户设备(user device)或用户设备(user equipment，UE)、以及增强现实(augmented reality，AR)或者虚拟现实(virtual reality，VR)设备等。本申请的实施例对终端的具体设备形态不做限定。另外，上述各种终端中包括但不限于搭载苹果(IOS)、安卓(Android)和微软(Microsoft)等。
参见图3，为本实施例提供的一种定位系统的结构示意图。该系统包括：车辆、平面定标体1至平面定标体5、参考定标体、全站仪1和全站仪2，以及第一装置。其中，车辆中包括车机处理器、各种传感器，比如陀螺仪传感器、加速度传感器、转轴传感器等。在图3中，终端未示出。可选的，所述终端可以设置在车辆中，比如安装在车辆上的一个PC。
另外，车辆上还设置有激光器或激光扫描仪，用于向外发射激光，扫描外部环境，以及根据扫描的外部环境建立激光雷达坐标系，简称“LiDAR坐标系”。可选的，该激光器或激光扫描仪可被安装在车顶的某一位置。
为了便于说明本实施例的技术方案，首先对上述各个器件的功能，以及每个器件所建立的坐标系进行描述。
本实施例对车辆外部环境和内部组件的标定和定位过程可通过以下坐标系来表示，比如包括：车辆坐标系、LiDAR坐标系、全站仪坐标系和定标体坐标系。具体地，结合图3，各个坐标系的符号表示和功能介绍如下：
A：表示车辆坐标系，该车辆坐标系可由车机处理器建立，用于表征车辆内部组件及外部物体位置关系的坐标系。可选的，该车辆坐标系A的坐标原点为车辆后轴中心，三个坐标轴分别表示为XA，YA，ZA，其中，XA轴沿车辆后轴向右，ZA轴垂直于车辆底盘向上。
B：表示激光雷达(LiDAR)坐标系，该LiDAR坐标系可以由激光器或激光扫描仪建立，用于测量车辆外部环境。激光器或激光扫描仪将产生的一束光脉冲打在某一物体上并反射回来，最终被接收器所接收，接收器准确地测量光脉冲从发射到被反射回的传播时间，然后再基于光速和传播时间得到测量距离。最后，结合激光器的高度以及激光扫描角度就可以准确地计算出测量区域内每个物体的坐标，测量精度可达到厘米级，测量距离可达到道路两旁300m范围。在LiDAR坐标系B中，坐标原点可以为激光器或激光扫描仪的中心，三个坐标轴分别表示为XB，YB，ZB。
C：表示全站仪坐标系，该全站仪坐标系是由全站仪建立的坐标系，该坐标系的三个坐标轴可分别表示为XC，YC，ZC。
全站仪，又称全站型电子测距仪(Electronic Total Station)，是一种集光、机、电为一体的高技术测量仪器，是集水平角、垂直角、距离(斜距、平距)、高差等测量功能于一体的测绘仪器系统。全站仪被广泛用于地上大型建筑和地下隧道施工等精密工程测量或变形监测领域。因其一次安置仪器就可完成该测站上全部测量工作，所以称之为全站仪。
本实施例中，包含两个全站仪，分别位于车辆两面的车门侧。其中，将位于车辆右侧车门位置的全站仪称为“全站仪1”，该全站仪1所建立的坐标系为全站仪坐标系C1，对应的全站仪坐标系C1的三个坐标轴分别为XC1，YC1，ZC1。同理地，位于车辆左侧车门位置的全站仪称为“全站仪2”，该全站仪2所建立的坐标系为全站仪坐标系C2，对应的全站仪坐标系C2的三个坐标轴分别为XC2，YC2，ZC2。
D：表示定标体坐标系，所述定标体坐标系是以参考定标体上特征点为基准建立的坐标系。该定标体坐标系用于标定至少一个定标体，比如二维的平面定标体或者三维的参考定标体。该定标体坐标系D的坐标原点可设定为参考定标体上某一平面中心，三个坐标轴分别表示为XD，YD，ZD。
另外，二维的平面定标体又可称为“定标平面”，用作外参标定的靶标。可选的，所述二维的平面定标体包括但不限于金属平板、漫反射板等。三维的参考定标体用于建立定标体坐标系D，一般地，参考定标体为长方体。
本实施例中，将平面定标体1的至少一个特征点(feature)在定标体坐标系D中表示为“FeaD1_D”,类似的，平面定标体2的至少一个特征点在定标体坐标系D中表示为“FeaD2_D”,平面定标体3的至少一个特征点在定标体坐标系D中表示为“FeaD3_D”,平面定标体4的至少一个特征点在定标体坐标系D中表示为“FeaD4_D”,平面定标体5的至少一个特征点在定标体坐标系D中表示为“FeaD5_D”。
参考定标体包含多个二维平面，其中的一个二维平面上的至少一个特征点在定标体坐标系D中表示为“FeaD_D”。
其中，在上述坐标系A至坐标系D中，车辆坐标系A和激光雷达坐标系B均为右手坐标系。
为了解决上述在LiDAR坐标系下标定直角平面的点云坐标精度较低的问题，本实施例提供了一种转换参数的确定方法，参见图4，该方法包括：
首先，激光器或激光扫描仪建立激光雷达坐标系B，并且激光器或激光扫描仪将扫描的定标体的至少一个特征点通过该LiDAR坐标系B表示。
本实施例中扫描的定标体包括平面定标体1至5，且每个平面定标体的位置固定，每个平面定标体中包含至少一个特征点，这些特征点可通过三维坐标点云的方式表示。比如平面定标体1的至少一个特征点通过LiDAR坐标系B表示为点云坐标集1，平面定标体2的至少一个特征点通过LiDAR坐标系B表示为点云坐标集2，以此类推。
激光器或激光扫描仪将标定的所有定标体的点云坐标集发送给第一装置，所述第一装置可以是一种转换参数确定装置，用于执行本实施例提供的转换参数的确定方法，具体地，该方法包括以下步骤：
101：获得利用激光雷达坐标系表示的平面定标体的点云坐标集。所述点云坐标集中包括所述平面定标体的特征点形成的点云坐标，比如上述的点云坐标系1～5中的一个或多个。
102：对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，所述第一方程系数为所述平面定标体在所述激光雷达坐标系中的方程系数。
其中，第一装置对点云坐标集进行分割又简称“点云分割”，点云分割是根据空间，几何和纹理等特征对点云进行划分，使得同一划分内的点云拥有相似的特征。一种可能的点云分割方式是，基于点云切片的特征边界提取，利用点云密度作为阈值，将不同的连续特征曲线点云分割开，然后再对分割后的不同点集数据做平面拟合处理。
比如，可以利用一种稳健的点云数据平面拟合方法，该方法以特征值法为基础，通过利用一定的准则删除点云数据中的差异值，从而获得稳健的平面参数估计值，在具体实验中，可分别利用最小二乘法、特征值法和稳健特征值法对点云数据进行平面拟合处理，从而得到可靠的平面参数方程系数，即获得所述第一方程系数。本实施例对点云分割和平面拟合处理的具体过程不做限制。
103：获取第二方程系数，所述第二方程系数为所述平面定标体在车辆坐标系的方程系数。
具体地，一种获取第二方程系数的方法，如图5所示，包括：
103-1：获取第三方程系数，和，全站仪坐标系C与车辆坐标系A之间的转换参数。其中，第三方程系数为所述平面定标体在全站仪坐标系C中的方程系数。
可选的，所述全站仪坐标系C与车辆坐标系A之间的转换参数又称为“转换矩阵”。
具体地，一种获取该第三方程系数的实施方式，包括：第一装置获得利用定标体坐标系D表示的所述平面定标体的方程系数，具体地，该方程系数为所述平面定标体的至少三个特征点所在的平面在定标体坐标系D中的方程系数，然后，根据全站仪坐标系C与定标体坐标系D之间的转换参数，将所述平面定标体在定标体坐标系D中的方程系数转换为在所述全站仪坐标系C中的方程系数，得到该平面定标体在全站仪坐标系C中的方程系数，即所述第三方程系数。
其中，第一装置获得所述平面定标体在定标体坐标系D的方程系数时，需要预先获得全站仪坐标系C与定标体坐标系D之间的转换参数，然后将所述平面定标体在全站仪坐标系C中方程系数转换为其在定标体坐标系D中表示的方程系数，即所述平面定标体在定标体坐标系D的方程系数。其中，平面定标体上的每个特征点的坐标可以通过定标体坐标系D表示，比如，平面定标体1中的特征点在定标体坐标系D中表示如图3的“FeaD1_D”。
另外，获取所述平面定标体在全站仪坐标系C中的方程系数的具体实施方式，包括：以全站仪1为例，全站仪1建立全站仪坐标系C1，扫描的平面定标体1～5上的所有特征点，然后将扫描的平面定标体1～5上所有特征点通过全站仪坐标系C1标定，基于平面拟合方法得到平面定标体1～5在全站仪坐标系C1中的方程系数，所述平面拟合方法包括但不限于最小二乘法、特征值法和稳健特征值法等；最后，全站仪1将该得到所述平面定标体1～5在全站仪坐标系C1中的方程系数上报给所述第一装置，相应的，第一装置接收全站仪1发送的所述平面定标体1～5在全站仪坐标系C1中的方程系数。
在步骤103-1中，获得所述全站仪坐标系C与所述车辆坐标系A之间的转换参数，一种可能的实现方式是，利用车辆上的至少一个特征点来获得该转换参数。具体地，如图6所示，获取车辆上的n个特征点，n≥1且为正整数。且所述n个特征点中包括：a1、a1u、a2、a2u、a3、a3u、a4、a4u。
其中a1为车辆右侧后轮的中心，a1u为车辆右侧后轮轮毂的最高点，a2为车辆左侧后轮的中心，a2u为车辆左侧后轮轮毂的最高点，a3为车辆右侧前轮的中心，a3u为车辆右侧前轮轮毂的最高点，a4为车辆左侧前轮的中心，a4u为车辆左侧前轮轮毂的最高点。
应理解，上述n个特征点包括不局限于上述举例，还可以选择车辆上的其他点作为特征点。
将上述车辆的至少一个特征点a1、......、a4u分别在车辆坐标系A和全站仪坐标系C标定。具体包括：全站仪1标定车辆右侧的特征点a1、a1u、a3、a3u在全站仪坐标系C1中的坐标，并将这些坐标值上报给第一装置。同理地，全站仪2标定车辆左侧的特征点a2、a2u、a4、a4u在全站仪坐标系C2中的坐标，并将这些坐标值上报给该第一装置。第一装置接收全站仪1和全站仪2上报的车辆的所有特征点a1、......、a4u在全站仪坐标系C中的坐标。另外，第一装置还获取车辆的所有特征点a1、......、a4u在车辆坐标系A中的坐标，最后，第一装置根据所有这些特征点分别在车辆坐标系A和全站仪坐标系C中的坐标，得到全站仪坐标系C与车辆坐标系A之间的转换参数。
另外，在上述“获得全站仪坐标系C与定标体坐标系D之间的转换参数”的过程中，可通过“参考定标体”的至少一个特征点得到这两个坐标系的转换参数。具体地，全站仪1观测参考定标体，并获得该参考定标体中每个平面在全站仪坐标系C1中的坐标，全站仪1向第一装置发送该参考定标体的特征点的坐标集，第一装置接收全站仪1发送的所述坐标集。另外，该第一装置还获得该参考定标体的特征点在定标体坐标系D中的坐标。其中，该参考定标体中的特征点在定标体坐标系D中的坐标为已知量，可预先标定和获得。第一装置根据该参考定标体的特征点分别在全站仪坐标系C1和定标体坐标系D中的坐标获得全站仪坐标系C1与定标体坐标系D之间的转换参数。
同理地，按照该方法还可以获得全站仪坐标系C2与定标体坐标系D之间的转换参数，本实施例对获取全站仪坐标系C2与定标体坐标系D之间的转换参数的过程不再赘述。
需要说明的是，本实施例中的全站仪还可以由其他可测量特征点三维坐标的仪器或者装置来替代，比如三维坐标测量仪等，本实施例对予不做限制。
103-2：根据所述全站仪坐标系C与所述车辆坐标系A之间的转换参数，将所述第三方程系数转换成所述第二方程系数。该第二方程系数为平面定标体在车辆坐标系A的方程系数。
104：根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数，所述转换参数用于将激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
其中，所述激光雷达坐标系B与所述车辆坐标系A的转换参数又称为“LiDAR的外参”。
具体地，在一示例中，LiDAR的外参计算算法如下：
平面定标体的至少一个特征点在车辆坐标系A中的定标平面方程(1)：
Figure BDA0002916054820000071
其中，M、N、O和P表示平面方程系数，即前述的第二方程系数，XA，YA，ZA分别表示车辆坐标系A的三个坐标轴。
平面定标体的至少一个特征点在LiDAR坐标系中的定标平面方程(2)：
Figure BDA0002916054820000072
其中，M′、N′、O′和P′表示平面方程系数，即前述的第一方程系数，XB，YB，ZB分别表示LiDAR坐标系B的三个坐标轴。
LiDAR坐标系B到车辆坐标系A的转换关系为方程(3)：
Figure BDA0002916054820000073
其中，R表示旋转矩阵，T表示平移矩阵。可选的，R是一个3×3的矩阵，T是一个3×1的矩阵，比如：
Figure BDA0002916054820000081
将(3)式代入(1)式得到平面定标体在LiDAR坐标系中平面方程(4)：
Figure BDA0002916054820000082
基于(2)式和(4)式得到LiDAR坐标系和车辆坐标系中所述平面定标体的方程系数的关系式(5)：
Figure BDA0002916054820000083
基于(5)式，外参求解可等效为以下最优化解，见式(6)：
Figure BDA0002916054820000084
其中，arg min表示后面的式子达到最小值时的变量M、N、O、P的取值，k表示第k个平面定标体，本实施例中k∈[0,5]。R*,T*表示LiDAR坐标系B与车辆坐标系A的转换参数，即LiDAR的外参。
本实施例中，利用点云分割和平面拟合的方法对获取的点云坐标集进行处理，基于统计平均，得到定标体在LiDAR坐标系中的方程系数，并利用该方程系数对定标体在车辆坐标系中的位置做标定。本方法分割后的点云经过平面拟合处理后，会将LiDAR坐标系外参标定的精度提升一个数量级，同时降低测距抖动带来的影响。
另外，通过将平面定标体的至少一个特征点分别在LiDAR坐标系和车辆坐标系中标定，进而能够获得从该LiDAR坐标系到车辆坐标系之间的转换参数，即LiDAR的外参，并利用该LiDAR的外参实现激光雷达的点云坐标到车辆坐标系中的点云坐标的转换。该方法可避免采用“四轮定位系统”辅助办法获得特征点在车辆坐标系下的坐标，减少了4S店或汽修店对车辆外部物体做标定的成本，同时还提高了在车辆坐标系中标定的精确度。
下面从“实验仿真计算”和“实际数据测量”两个维度对本方法提高外参标定的精确度进行说明。
利用上述LiDAR的外参进行仿真得到外参的角度量估计误差，如图7A所示，和外参的位置量估计误差，如图7B所示。在图7A所示的仿真结果中，横坐标表示测距抖动标准差，符号表示为Err_B，单位是：米(m)。纵坐标表示外参的角度估计误差，符号表示为Err_Ang，单位是：度(°)。图7A中包含3个角度估计误差，分别是Arfa(α)、Beta(β)和Gama(γ)。其中，在LiDAR测距抖动标准差小于0.02m时，外参的角度估计误差小于0.1°，如图7A中，在Line1的横坐标值为0.02m，角度估计误差Err_Arfa、Err_Beta、Err_Gama的值(见Line2对应的纵坐标)都位于0.1°以下。
类似的，在图7B中，横坐标表示测距抖动标准差，符号表示为Err_B，单位是：米(m)；纵坐标表示位置量估计误差，符号表示为Err_T，单位是：米(m)。图7B中包含3种位置量估计误差，分别是Err_X、Err_Y和Err_Z。其中，在Line3的横坐标值为0.02m时，位置量估计误差Err_X、Err_Y和Err_Z的值(见Line4对应的纵坐标)均小于0.025m。
由上述图7A和图7B的仿真结果可以看出，在LiDAR测距抖动标准差(Err_B)小于0.02m时，外参的角度估计误差(Err_Ang)和位置量估计误差(Err_T)均在较小的范围内，因此能够满足自动驾驶方案的高精度要求。
本实施例中，还利用上述步骤104中的LiDAR的外参进行实际数据测量，得到两组实际数据的测量结果，参见图8所示，为实验室环境下的外参标定结果，分别是实验数据1和实验数据2。其中，在实验数据1中得到Gama估计值为124.92577875158723°，可约等于124.93°。并且在实验室环境下，Gama外参的真值已知，在实验数据1中，真值为125°，则可计算出实验得到的Gama估计值与真值之差，Δ1＝125°-124.93°＝0.07°，该角度估计误差小于0.1°。
同理地，在实验数据2中，Gama估计值为93.89807604536011°，可约等于93.90°，且实验室条件下的真值为94°，则可计算出估计值与真值之差，Δ2＝94°-93.90°＝0.1°，该角度估计误差为0.1°。所以根据上述实验数据1和2可得，采用本申请上述实施例中的方法得到外参标定值与真值之间的误差不超过0.1°，所以评估标定方法的精度较高。
另外，需要说明的是，本实施例提供的转换参数的确定方法还可以应用于其他三维坐标传感器到车辆的外参标定，其基本思路和操作流程可完全采用上述方法实施例中的技术方案。
图9为本申请实施例提供的一种转换参数确定装置的结构示意图。所述装置可以是一种前述实施例中的第一装置，该装置可以实现前述实施例中转换参数的确定方法。
具体地，如图9所示，该装置可以包括：获取单元901和处理单元902。此外，所述装置还可以包括存储模块、发送模块等其他的单元或模块。
其中，获取单元901，用于获取利用激光雷达坐标系表示的平面定标体的点云坐标集，所述点云坐标集中包括所述平面定标体的至少三个特征点形成的点云坐标；处理单元902，用于对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，所述第一方程系数为所述平面定标体在所述激光雷达坐标系中的方程系数。
获取单元901，还用于获取第二方程系数，所述第二方程系数为所述平面定标体在车辆坐标系的方程系数；处理单元902，还用于根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数，所述转换参数用于将激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
可选的，在本实施例的一种可能的实施方式中，处理单元902还用于获取第三方程系数，和，全站仪坐标系与所述车辆坐标系之间的转换参数，其中所述第三方程系数为所述平面定标体在全站仪坐标系中的方程系数；获取单元901还用于根据所述全站仪坐标系与所述车辆坐标系之间的转换参数，将所述第三方程系数转换成所述第二方程系数。
可选的，在本实施例的另一种可能的实施方式中，获取单元901还用于获得所述平面定标体在定标体坐标系中的方程系数；根据所述全站仪坐标系与所述定标体坐标系之间的转换参数，将所述平面定标体在定标体坐标系中的方程系数转换为在所述全站仪坐标系中的方程系数，得到所述第三方程系数。
可选的，在本实施例的又一种可能的实施方式中，获取单元901还用于获取车辆上的n个特征点，以及每个所述特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，n≥1且为正整数，根据所述n个特征点中的每个特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，得到所述全站仪坐标系与所述车辆坐标系之间的转换参数。
其中，所述n个特征点包括：a1、a1u、a2、a2u、a3、a3u、a4、a4u；进一步地，a1为车辆右侧后轮的中心，a1u为车辆右侧后轮轮毂的最高点，a2为车辆左侧后轮的中心，a2u为车辆左侧后轮轮毂的最高点，a3为车辆右侧前轮的中心，a3u为车辆右侧前轮轮毂的最高点，a4为车辆左侧前轮的中心，a4u为车辆左侧前轮轮毂的最高点。
应理解，本实施例中还可以选择其他特征点作为车辆上的特征点，本实施例对此不予限制。
可选的，所述转换参数确定装置可以是一个包含运算功能的控制模块，比如微控制单元(Microcontroller Unit，MCU)，集成在终端中。
图10示出了又一种转换参数确定装置的结构示意图，该装置可以包括：至少一个处理器11和接口电路12，此外，可选的，还包括存储器13。
其中，至少一个处理器11为转换参数确定装置的控制中心，可用于完成前述实施例中的转换参数的确定方法。
可选的，至少一个处理器11可以由集成电路(Integrated Circuit，IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器可以包括中央处理器(central processing unit，CPU)或数字信号处理器(digital signal processor，DSP)等。
此外，上述处理器还可以包括硬件芯片，所述该硬件芯片可以是一种逻辑电路，专用集成电路(application specific integrated circuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。
存储器13用于存储和交换各类指令、数据和/或软件，该存储器13中可以包含多个存储介质，其中至少一个存储介质可用于存储各个坐标系的参数以及平面方程系数等。此外，至少一个存储介质还可以用于存储计算机程序或代码。
具体地，上述存储器13可以包括易失性存储器(volatile memory)，例如随机存取内存(random access memory，RAM)；还可以包括非易失性存储器(non-volatile memory)，例如快闪存储器(flash memory)，硬盘(hard sisk drive，HDD)或固态硬盘(Solid-StateDrive，SSD)，或者，存储器还可以包括上述种类的存储器的组合。
可选的，存储器13既可以作为存储介质集成在至少一个处理器11中，还可以被配置在处理器之外，本实施例对此不予限制。
接口电路12包括但不限于收发接口和/或收发器，所述收发接口用于所述至少一个处理器收发数据和/或信息，所述收发器用于所述转换参数确定装置与其它设备或通信网络通信，如以太网，无线接入网、WLAN等。
本申请实施例还提供了一种终端，该终端可以包括前述实施例中的任一转换参数确定装置。进一步地，所述终端可以为车辆、机器人、激光雷达或者PC。
进一步可选的，所述终端还可以包括移动通信模块、无线通信模块等中的至少一个。其中，移动通信模块可以提供包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。在一些实施例中，所述移动通信模块的至少部分功能模块可以被设置于至少一个处理器11中。另外，所述无线通信模块可以提供无线局域网(wireless local area networks，WLAN)(如WiFi网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigationsatellite system，GNSS)等无线通信的解决方案。
应理解，上述终端中还可以包括其他更多或更少的部件，比如显示屏、扬声器、摄像头、传感器等，本申请实施例示意的结构并不构成对终端的具体限定。并且图10所示的部件可以以硬件，软件、固件或者其任意组合的方式来实现。
当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。例如，在前述图9所示的转换参数确定装置中的获取单元901和处理单元902的功能可以由至少一个处理器11，或者由至少一个处理器11和存储器13来实现，存储单元的功能可以由存储器13实现。
具体地，至少一个处理器11，用于获取利用激光雷达坐标系表示的平面定标体的点云坐标集，对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，获取第二方程系数，并根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数；以及基于所述转换参数将激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
本实施例提供的装置，在标定精度和成本上均有所改进。其中，采用平面方程系数对匹配的方案，基于统计平均，将LiDAR坐标系外参标定的精确度提高一个数量级，避免了激光雷达的角分辨率和测距抖动带来的误差。另外，通过全站仪多次坐标转换的方案，获得了车辆坐标系下的平面方程系数，在标定时间增加有限的情况下，规避了外参标定方案对四轮工位的需求，节约了外参标定成本。
另外，本实施例还提供了一种外参标定系统，该系统的结构可以与前述图3所示的结构相同，所述系统包括：转换参数确定装置、车辆、激光器或激光扫描仪、平面定标体1～5和全站仪等中的至少一个。
其中，激光器或激光扫描仪，用于扫描平面定标体1～5，并将扫描的平面定标体1～5所获得的点云用LiDAR坐标系表示，将通过LiDAR坐标系表示平面定标体1～5的点云坐标发送给转换参数确定装置。
所述转换参数确定装置接收激光器或激光扫描仪发送的平面定标体1～5的点云坐标，并执行前述图4所示的步骤101至105，得到激光雷达坐标系与车辆坐标系的转换参数，并基于该转换参数将激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
另外，全站仪用于建立全站仪坐标系C，利用全站仪坐标系C标定平面定标体1～5上所有特征点，基于平面拟合方法得到平面定标体1～5在全站仪坐标系C中的方程系数，以及，将该得到所述方程系数上报给所述转换参数确定装置，使得转换参数确定装置获得平面定标体1～5的至少一个特征点在全站仪坐标系C中方程系数。
此外，全站仪还用于将车辆上的至少一个特征点的坐标，通过全站仪坐标系C表示，并将这些车辆的特征点坐标发送给转换参数确定装置，以使所述转换参数确定装置根据该车辆的特征点在全站仪坐标系C中的坐标得到全站仪坐标系C与车辆坐标系A之间的转换参数。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括一个或多个计算机程序指令。在计算机加载和执行所述计算机程序指令时，全部或部分地产生按照上述各个实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
所述计算机程序指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网络节点、计算机、服务器或数据中心通过有线或无线方式向另一个节点进行传输。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或多于两个。另外，为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。

Claims (14)

1.一种转换参数的确定方法，其特征在于，所述方法包括：
获取利用激光雷达坐标系表示的平面定标体的点云坐标集，所述点云坐标集中包括所述平面定标体的特征点形成的点云坐标；
对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，所述第一方程系数为所述平面定标体在所述激光雷达坐标系中的方程系数；
获取第二方程系数，所述第二方程系数为所述平面定标体在车辆坐标系的方程系数；
根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数，所述转换参数用于将所述激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
2.根据权利要求1所述的方法，其特征在于，所述获取第二方程系数，包括：
获取第三方程系数，和，全站仪坐标系与所述车辆坐标系之间的转换参数，其中所述第三方程系数为所述平面定标体在全站仪坐标系中的方程系数；
根据所述全站仪坐标系与所述车辆坐标系之间的转换参数，将所述第三方程系数转换成所述第二方程系数。
3.根据权利要求1或2所述的方法，其特征在于，所述获取第三方程系数，包括：
获得所述平面定标体在定标体坐标系中的方程系数；
根据所述全站仪坐标系与所述定标体坐标系之间的转换参数，将所述平面定标体在定标体坐标系中的方程系数转换为在所述全站仪坐标系中的方程系数，得到所述第三方程系数。
4.根据权利要求2所述的方法，其特征在于，获取所述全站仪坐标系与所述车辆坐标系之间的转换参数，包括：
获取车辆上的n个特征点，以及每个所述特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，n≥1且为正整数；
根据所述n个特征点中的每个特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，得到所述全站仪坐标系与所述车辆坐标系之间的转换参数。
5.根据权利要求4所述的方法，其特征在于，所述n个特征点包括：a1、a1u、a2、a2u、a3、a3u、a4、a4u；
其中，a1为车辆右侧后轮的中心，a1u为车辆右侧后轮轮毂的最高点，a2为车辆左侧后轮的中心，a2u为车辆左侧后轮轮毂的最高点，a3为车辆右侧前轮的中心，a3u为车辆右侧前轮轮毂的最高点，a4为车辆左侧前轮的中心，a4u为车辆左侧前轮轮毂的最高点。
6.一种转换参数确定装置，其特征在于，所述装置包括：
获取单元，用于获取利用激光雷达坐标系表示的平面定标体的点云坐标集，所述点云坐标集中包括所述平面定标体的特征点形成的点云坐标；
处理单元，用于对所述点云坐标集进行分割和平面拟合处理得到第一方程系数，所述第一方程系数为所述平面定标体在所述激光雷达坐标系中的方程系数；
所述获取单元，还用于获取第二方程系数，所述第二方程系数为所述平面定标体在车辆坐标系的方程系数；
所述处理单元，还用于根据所述第一方程系数和所述第二方程系数得到所述激光雷达坐标系与所述车辆坐标系的转换参数，所述转换参数用于将所述激光雷达坐标系中的点云坐标转换成所述车辆坐标系中的点云坐标。
7.根据权利要求6所述的装置，其特征在于，
所述处理单元，还用于获取第三方程系数，和，全站仪坐标系与所述车辆坐标系之间的转换参数，其中所述第三方程系数为所述平面定标体在全站仪坐标系中的方程系数；
所述获取单元，还用于根据所述全站仪坐标系与所述车辆坐标系之间的转换参数，将所述第三方程系数转换成所述第二方程系数。
8.根据权利要求6或7所述的装置，其特征在于，
所述获取单元，还用于获得所述平面定标体在定标体坐标系中的方程系数；根据所述全站仪坐标系与所述定标体坐标系之间的转换参数，将所述平面定标体在定标体坐标系中的方程系数转换为在所述全站仪坐标系中的方程系数，得到所述第三方程系数。
9.根据权利要求7所述的装置，其特征在于，
所述获取单元，还用于获取车辆上的n个特征点，以及每个所述特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，n≥1且为正整数，根据所述n个特征点中的每个特征点在所述车辆坐标系和所述全站仪坐标系中的坐标，得到所述全站仪坐标系与所述车辆坐标系之间的转换参数。
10.根据权利要求9所述的装置，其特征在于，所述n个特征点包括：a1、a1u、a2、a2u、a3、a3u、a4、a4u；
其中，a1为车辆右侧后轮的中心，a1u为车辆右侧后轮轮毂的最高点，a2为车辆左侧后轮的中心，a2u为车辆左侧后轮轮毂的最高点，a3为车辆右侧前轮的中心，a3u为车辆右侧前轮轮毂的最高点，a4为车辆左侧前轮的中心，a4u为车辆左侧前轮轮毂的最高点。
11.一种转换参数确定装置，其特征在于，包括至少一个处理器和接口电路，
所述接口电路，用于为所述至少一个处理器提供指令和/或数据；
所述至少一个处理器，用于执行所述指令，以实现如权利要求1至5中任一项所述的方法。
12.一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中存储有计算机程序指令，当所述计算机程序指令被运行时，实现如权利要求1至5中任一项所述的方法。
13.一种终端，其特征在于，所述终端包括如权利要求6至10中任一项所述的装置，或者如权利要求11所述的装置。
14.根据权利要求13所述的终端，其特征在于，所述终端为车辆、机器人、激光雷达或个人计算机PC。
CN202110102230.9A 2021-01-26 2021-01-26 一种转换参数的确定方法和装置 Pending CN114791610A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110102230.9A CN114791610A (zh) 2021-01-26 2021-01-26 一种转换参数的确定方法和装置
PCT/CN2021/131608 WO2022160879A1 (zh) 2021-01-26 2021-11-19 一种转换参数的确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110102230.9A CN114791610A (zh) 2021-01-26 2021-01-26 一种转换参数的确定方法和装置

Publications (1)

Publication Number Publication Date
CN114791610A true CN114791610A (zh) 2022-07-26

Family

ID=82459593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110102230.9A Pending CN114791610A (zh) 2021-01-26 2021-01-26 一种转换参数的确定方法和装置

Country Status (2)

Country Link
CN (1) CN114791610A (zh)
WO (1) WO2022160879A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994955B (zh) * 2023-03-23 2023-07-04 深圳佑驾创新科技有限公司 相机外参标定方法、装置和车辆

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103711050B (zh) * 2013-12-31 2016-04-06 中交第二公路勘察设计研究院有限公司 一种激光雷达道路改扩建勘测设计方法
CN105203023B (zh) * 2015-07-10 2017-12-05 中国人民解放军信息工程大学 一种车载三维激光扫描系统安置参数的一站式标定方法
CN109696663B (zh) * 2019-02-21 2021-02-09 北京大学 一种车载三维激光雷达标定方法和系统
CN110221603B (zh) * 2019-05-13 2020-08-14 浙江大学 一种基于激光雷达多帧点云融合的远距离障碍物检测方法
US11727272B2 (en) * 2019-06-19 2023-08-15 Nvidia Corporation LIDAR-based detection of traffic signs for navigation of autonomous vehicles
CN112068108A (zh) * 2020-08-11 2020-12-11 南京航空航天大学 一种基于全站仪的激光雷达外部参数标定方法

Also Published As

Publication number Publication date
WO2022160879A1 (zh) 2022-08-04

Similar Documents

Publication Publication Date Title
CN108921947B (zh) 生成电子地图的方法、装置、设备、存储介质以及采集实体
CN110308457B (zh) 一种基于无人机的输电线路巡检系统
US20160063717A1 (en) Point cloud position data processing device, point cloud position data processing system, point cloud position data processing method, and program therefor
CN110988849B (zh) 雷达系统的标定方法、装置、电子设备及存储介质
CN111563450B (zh) 数据处理方法、装置、设备及存储介质
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
CN113074727A (zh) 基于蓝牙与slam的室内定位导航装置及其方法
CN110873883A (zh) 融合激光雷达和imu的定位方法、介质、终端和装置
CN111913169B (zh) 激光雷达内参、点云数据的修正方法、设备及存储介质
CN115144825A (zh) 一种车载雷达的外参标定方法与装置
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
CN114488099A (zh) 一种激光雷达系数标定方法、装置、电子设备及存储介质
WO2020258217A1 (zh) 可移动平台状态估计方法、系统、可移动平台及存储介质
CN113281777A (zh) 一种货物体积动态测量方法及其测量装置
CN114623823B (zh) 一种融合里程计的uwb多模态定位系统、方法及装置
CN113419235A (zh) 一种基于毫米波雷达的无人机定位方法
CN115436920A (zh) 一种激光雷达标定方法及相关设备
WO2022160879A1 (zh) 一种转换参数的确定方法和装置
CN113592951A (zh) 车路协同中路侧相机外参标定的方法、装置、电子设备
CN113495281B (zh) 可移动平台的实时定位方法及装置
CN114199220A (zh) 一种无人机空中在线磁罗盘校准方法和装置
CN116047481A (zh) 矫正点云数据畸变方法、装置、设备及存储介质
WO2022037370A1 (zh) 一种运动估计方法及装置
CN115655305A (zh) 外参标定方法、装置、计算设备、存储介质和车辆
CN112556596B (zh) 三维变形测量系统、方法、装置和存储介质

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