CN114814750A - 雷达标定及验证方法、装置、计算机设备及存储介质 - Google Patents
雷达标定及验证方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114814750A CN114814750A CN202210371627.2A CN202210371627A CN114814750A CN 114814750 A CN114814750 A CN 114814750A CN 202210371627 A CN202210371627 A CN 202210371627A CN 114814750 A CN114814750 A CN 114814750A
- Authority
- CN
- China
- Prior art keywords
- radar
- point cloud
- cloud data
- calibrated
- coordinate system
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 126
- 238000012795 verification Methods 0.000 title description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 97
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000004590 computer program Methods 0.000 claims abstract description 37
- 238000009826 distribution Methods 0.000 claims description 31
- 238000013507 mapping Methods 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01S7/02—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
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
- G01S7/4082—Means for monitoring or calibrating by simulation of echoes using externally generated reference signals, e.g. via remote reflector or transponder
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种雷达标定方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在基准雷达移动至待标定雷达所在区域的过程中存在至少一个位置以使基准雷达的可视范围包含待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；第一点云数据和第二点云数据均包含反光板反射的点云数据；根据匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，基准坐标系为以基准雷达初始位置为原点所建立的坐标系。本方法可实现同时完成多个待标定雷达的标定工作，大大提高标定效率。
Description
技术领域
本申请涉及激光雷达技术领域，特别是涉及一种雷达标定及验证方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
激光雷达通过向目标发射激光光束并接收从目标反射的光束来探测目标的位置和速度信息。激光雷达可以为无人驾驶提供真实可靠的目标信息。为了增强自动驾驶车辆对周围环境的感知能力和感知范围，通常会单车配置多个激光雷达，通过同时使用多个雷达进行视场拼接可以实现大视场。同时，多雷达也可以提高整个系统的鲁棒性。而由于安装位置的不同，多雷达的坐标系并不统一，这导致了多雷达输出的点云并不能统一到同一个坐标系，因此多激光雷达的外参标定至关重要。
相关技术中，激光雷达的外参标定，通常一次只能标定一个待标定雷达，标定效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高标定效率的雷达标定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种雷达标定方法。所述方法包括：
获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
在其中一个实施例中，在以所述基准雷达所在初始位置为原点，建立基准坐标系之后，还包括：
获取在所述基准坐标系下，所述待标定雷达的初始坐标；
将所述待标定雷达的初始坐标作为所述匹配算法的初始化矩阵参数；
所述根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，包括：
采用具有所述初始化矩阵参数的匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵。
在其中一个实施例中，所述采用具有所述初始化矩阵参数的匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，包括：
根据所述第一点云数据，生成待匹配地图数据；
根据所述待匹配地图数据，得到所述第一点云数据的标准正态分布参数；
根据所述第二点云数据和所述初始化矩阵参数，得到所述第二点云数据的标准正态分布参数；
根据所述第一点云数据的标准正态分布参数和所述第二点云数据的标准正态分布参数，得到所述待标定雷达在所述基准坐标系下的外参矩阵。
在其中一个实施例中，所述根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，包括：
获取所述第一点云数据中采集时间范围与所述第二点云数据的采集时间范围相同的第一子点云数据；
根据匹配算法匹配所述第一子点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵。
在其中一个实施例中，所述反光板包括圆形反光板、三角形反光板和多边形反光板。
第二方面，本申请还提供了一种雷达标定装置。所述装置包括：
点云获取模块，用于获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
点云匹配模块，用于根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
第五方面，本申请还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，该计算机程序被处理器执行时实现以下步骤：
获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
上述雷达标定方法、装置、计算机设备、存储介质和计算机程序产品，通过获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。本申请通过基准雷达沿着预设路线移动的过程中所接收到的全场景的第一点云数据，与同一场景下多个待标定雷达所接收的局部场景的第二点云数据进行匹配，分别得到每个待标定雷达的外参矩阵，可实现同时完成多个待标定雷达的标定工作，大大提高标定效率。同时，不同待标定雷达的可视范围内安装有不同形状的反光板，可使得接收到的点云数据强度更强，使得标定结果更加准确。
第六方面，本申请还提供了一种雷达标定的验证方法。所述方法包括：
获取待验证雷达扫描预设参考平面所接收的第三点云数据；
根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；
根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
第七方面，本申请还提供了一种雷达标定的验证装置。所述装置包括：
第一验证模块，用于获取待验证雷达扫描预设参考平面所接收的第三点云数据；
第二验证模块，用于根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；
第三验证模块，用于根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
第八方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待验证雷达扫描预设参考平面所接收的第三点云数据；
根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；
根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
第九方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待验证雷达扫描预设参考平面所接收的第三点云数据；
根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；
根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
第十方面，本申请还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，该计算机程序被处理器执行时实现以下步骤：
获取待验证雷达扫描预设参考平面所接收的第三点云数据；
根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；
根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
上述雷达标定的验证方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待验证雷达扫描预设参考平面所接收的第三点云数据；根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。本申请通过根据上述雷达标定方法得到的待验证雷达的外参矩阵将各个待验证雷达接收到的第三点云数据转换到同一坐标系中，根据同一坐标系中的点云数据的平整度，判断待验证雷达之间的一致性，以此验证雷达标定结果是否准确，可实现对待验证雷达的准确验证。
附图说明
图1为一个实施例中雷达标定方法的应用环境图；
图2为一个实施例中雷达标定方法的流程示意图；
图3为一个实施例中得到待标定雷达在基准坐标系下的外参矩阵的流程示意图；
图4为一个实施例中步骤204的流程示意图；
图5为一个实施例中雷达标定的验证方法的流程示意图；
图6为一个实施例中雷达标定及验证方法的流程示意图；
图7为一个实施例中雷达标定装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的雷达标定方法，可以应用于如图1所示的应用环境中。其中，基准雷达104安装于或放置于无人叉车102上，无人叉车102可沿着预设路线108移动，预设路线108途经待标定雷达106所在区域以及待标定雷达106的可视范围区域，在待标定雷达106的可视范围区域安装有不同形状的反光板(反光板图中未示出)。无人叉车102还可以替换为其他自动驾驶车辆，实际应用场景可以是工厂或工业园区等大型场景。
计算机设备获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；其中，在基准雷达移动至待标定雷达所在区域的过程中存在至少一个位置以使基准雷达的可视范围包含待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；第一点云数据和第二点云数据均包含反光板反射的点云数据；计算机设备根据匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，基准坐标系为以基准雷达所在初始位置为原点所建立的坐标系。其中，计算机设备可以是终端也可以是服务器，还可以是终端获取第一点云数据和第二点云数据后发送至服务器进行处理。
在一个实施例中，如图2所示，提供了一种雷达标定方法，以该方法应用于服务器为例进行说明，包括以下步骤：
步骤202，获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；其中，在基准雷达移动至待标定雷达所在区域的过程中存在至少一个位置以使基准雷达的可视范围包含待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；第一点云数据和第二点云数据均包含反光板反射的点云数据。
服务器获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据。其中，同一场景是指具有相同的可视范围区域，可以是室内场景，也可以是室外场景，例如在同一个工厂或者同一个工业园区内的场景。本实施例中，基准雷达只有1个，待标定雷达为多个，且多个待标定雷达的位置各不相同，即待标定雷达的可视范围区域也就不相同。在基准雷达移动至待标定雷达所在区域的过程中，存在至少一个位置以使基准雷达的可视范围包含待标定雷达的可视范围，例如，预设路线途经待标定雷达所在区域以及待标定雷达的可视范围区域，可以使得基准雷达的可视范围包含待标定雷达的可视范围，目的是使基准雷达能够扫描到待标定雷达所扫描到的点云数据，且对每个待标定雷达都是如此。同时，在不同的待标定雷达的可视范围内安装有不同形状的反光板，例如在待标定雷达A的可视范围内安装圆形的反光板，待标定雷达B的可视范围内安装有三角形的反光板，在待标定雷达C的可视范围内安装有正方形的反光板，在待标定雷达D的可视范围内安装有五边形的反光板，依此类推。由于不同的待标定雷达的可视范围内安装有不同形状的反光板，待标定雷达能够接收到可视范围内所安装的反光板反射的点云数据，而基准雷达在移动过程中存在基准雷达的可视范围包含待标定雷达的可视范围的情形，即基准雷达能够接收到待标定雷达所接收到可视范围内安装的反光板发射的点云数据，即第一点云数据和第二点云数据均包含有反光板反射的点云数据。
本实施例中，不同待标定雷达固定安装在不同的位置，因此不同待标定雷达的可视范围可以有重叠，也可以完全没有重叠。基准雷达沿着预设路线沿途获取第一点云数据，而待标定雷达获取相应可视范围内的第二点云数据，即第一点云数据包括了所有待标定雷达所接收到的第二点云数据。
步骤204，根据匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，其中，基准坐标系为以基准雷达所在初始位置为原点所建立的坐标系。
服务器根据匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵。其中，匹配算法指的是点云匹配算法，目的是在于比较两者之间的差异，并得到两者之间的关系。点云匹配算法常用的有ICP(Iterative Closest Point，迭代最近点)算法和NDT(Normal Distribution Transform，正态分布变换)算法。基准坐标系是以基准雷达所在初始位置为原点所建立的坐标系。例如，可以以基准雷达所在初始位置为原点，基准雷达所在初始位置可以选择距离任一待标定雷达3-5米范围内的位置，在基准雷达所在水平面上构建基准坐标系中的任意两个坐标轴，如X轴和Y轴。同时使得待标定雷达与基准雷达处于同一水平面上，可以降低匹配过程中的计算复杂度。
上述雷达标定方法，通过获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在基准雷达移动至待标定雷达所在区域的过程中存在至少一个位置以使基准雷达的可视范围包含待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；第一点云数据和第二点云数据均包含反光板反射的点云数据；根据匹配算法匹配第一点云数据和所述第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，基准坐标系为以基准雷达所在初始位置为原点所建立的坐标系。本申请实施例通过基准雷达沿着预设路线的过程中所接收到的全场景的第一点云数据，与同一场景下多个待标定雷达所接收的局部场景的第二点云数据进行匹配，分别得到每个待标定雷达的外参矩阵，可实现同时完成多个待标定雷达的标定工作，大大提高标定效率。同时，不同待标定雷达的可视范围内安装有不同形状的反光板，可使得接收到的点云数据强度更强，使得标定结果更加准确。
在一个实施例中，在以基准雷达所在初始位置为原点，建立基准坐标系之后，还包括：
获取在基准坐标系下待标定雷达的初始坐标。
建立基准坐标系后，可以通过手工测量或者设备测量的方式，得到各待标定雷达在基准坐标系下相对于原点的偏移量，即可得到各待标定雷达的初始坐标。
将待标定雷达的初始坐标作为匹配算法的初始化矩阵参数。
将待标定雷达的初始坐标作为初始距离值，将初始距离值输入至匹配算法中作为初始化外参矩阵参数。
根据匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，包括：
采用具有初始化矩阵参数的匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵。
本实施例通过将获取的待标定雷达的初始坐标作为匹配算法的初始化矩阵参数，有利于提高匹配算法的匹配精度，同时可以提高匹配算法的运算速度。
在一个实施例中，如图3所示，采用具有初始化矩阵参数的匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，包括：
步骤302，根据第一点云数据，生成待匹配地图数据。
将基准雷达在沿着预设路线移动过程中所接收的第一点云数据，使用建图工具生成待匹配地图数据，例如，可以使用SLAM(simultaneous localization and mapping，同步定位与建图)生成待匹配地图数据。
步骤304，根据待匹配地图数据，得到第一点云数据的标准正态分布参数。
本实施例中，可以使用体素网格化方法将待匹配地图数据进行下采样，得到第一目标点云数据，计算每个网格中的第一目标点云数据的标准正态分布，进而得到第一点云数据在每个网格中对应的标准正态分布。其中，网格的大小及网格数量可以根据需求进行设定。
步骤306，根据第二点云数据和初始化矩阵参数，得到第二点云数据的标准正态分布参数。
本实施例中，可以将第二点云数据和初始化矩阵参数的乘积，作为第二点云初始数据，将第二点云初始数据根据体素网格化方法进行下采样，得到第二点云目标数据，计算每个第二点云目标数据落入第一点云数据对应的网格中概率，从而得到第二点云目标数据对应的标准正态分布参数。
步骤308，根据第一点云数据的标准正态分布参数和第二点云数据的标准正态分布参数，得到待标定雷达在基准坐标系下的外参矩阵。
根据体素网格化方法将第一点云数据和第二点云数据分别进行下采样；将第一点云数据所在空间划分多个三维网格，对于每个网格，基于网格内的点云分布计算相应的概率密度函数；针对每个第二点云数据，根据初始化矩阵参数，将每个第二点云数据映射到第一点云数据所在坐标系中，得到对应的映射点；根据网格的第一点云数据的正态分布参数计算每个映射点落在对应的网格中的概率，根据概率得到坐标变换参数对应的分数值；通过不断优化分数值，直至满足预设收敛条件后，得到最优分数值对应的坐标变换参数，即待标定雷达在基准坐标系下的外参矩阵。其中，预设收敛条件可以是预设迭代次数、预设分数值等。例如，预设收敛条件还可以是当分数值达到某一最大值时，后面继续迭代预设次数后得到的分数值均小于该最大值，则停止迭代，并将该最大值对应的坐标变换参数作为待标定雷达在基准坐标系下的外参矩阵。
在一个具体的示例中，使用NDT算法进行第一点云数据和第二点云数据的匹配如下：
(1)根据体素网格化方法将第一点云数据和第二点云数据分别进行下采样。根据体素网格化方法将输入的点云数据创建为一个三维体素栅格，可把体素栅格想象为微小的空间三维立方体的集合，然后在每个体素内，即，三维立方体内，用体素中所有点的重心来近似显示体素中其他点，这样该体素内所有点就用一个重心点最终表示，对于所有体素处理后得到过滤后的点云。即在减少点云的数据量的同时，保持点云的形状特征。
(2)将第一点云数据所在空间划分为多个三维网格，针对每个网格，基于网格内的点云分布计算其概率密度函数。
均值：
其中，
表示一个网格中所有的第一点云数据。
协方差矩阵：
一个网格的概率密度函数为：
(3)针对每个第二点云数据，根据初始化矩阵参数，将每个第二点云数据映射到第一点云数据所在坐标系中，得到对应的映射点；根据网格的正态分布参数计算每个映射点落在对应的网格中的概率
并将每个映射点落在对应网格中的概率之和作为本轮坐标变换参数T的分数值
进行评估。
其中，
代表映射点，n代表映射点对应的网格数，d1和d2代表由标准正态分布进阶到混合正态分布的常数，
为映射点均值向量，∑k为映射点协方差。
NDT算法中三维变换矩阵
可以表示为：
式中，
t＝[tx ty tz]，r＝[rx ry rz]，s＝sinΦ，c＝cosΦ，tx，ty，tz分别代表在x、y、z坐标轴上的位置偏移量，rx，ry，rz分别代表在x、y、z方向上的角度偏移量，Φ为映射点与第一点云之间的夹角。
(4)使用牛顿优化算法对上述的分数值
进行优化，即取
的最小值。牛顿算法也称为快速下降法，其基本公式如下：
HΔp＝-g
g为雅克比矩阵，表达式如下：
H为海森矩阵，公式如下：
(5)不断循环步骤(3)～(4)，直至满足预设收敛条件为止。
在一个实施例中，如图4所示，根据匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，包括：
步骤402，获取第一点云数据中采集时间范围与第二点云数据的采集时间范围相同的第一子点云数据。
由于第一点云数据是基准雷达按照预设路线移动的过程中所接收到的点云数据，即第一点云数据包括了整个预设路线上的可视范围内的点云数据，因此，可以根据采集时间范围，将第一点云数据中，与第二点云数据的采集时间范围相同的第一子点云数据挑选出。即，使得第一子点云数据所对应的可视范围与第二点云数据所对应的可视范围相同，可以提高第一子点云数据和第二点云数据的匹配程度。每个待标定雷达所接收的第二点云数据对应一个第一子点云数据。
步骤404，根据匹配算法匹配第一子点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵。
服务器可以根据匹配算法匹配第二点云数据及对应采集时间范围内的第一子点云数据，得到第二点云数据对应的待标定雷达在基准坐标系下的外参矩阵。
在一个实施例中，反光板包括圆形反光板、三角形反光板和多边形反光板。
本实施例中，不同的待标定雷达的可视范围内安装有不同形状的反光板，反光板包括圆形反光板、三角形反光板、四边形反光板、五边形反光板及其他的多边形反光板。在同一个待标定雷达的可视范围内不限定具体的形状，只需要不同的待标定雷达的可视范围对应不同形状的反光板。具体反光板的大小、材质等根据实际应用场景进行选择，在此不进行进一步限定。不同的待标定雷达的可视范围安装不同形状的反光板，可以使得不同的待标定雷达接收到的第二点云数据之间的强度差异性增大，在使用匹配算法匹配第一点云数据和第二点云数据时，可以提高点云数据匹配的精确度。
在一个实施例中，如图5所示，提供了一种雷达标定的验证方法，以该方法应用于服务器为例进行说明，包括以下步骤：
步骤502，获取待验证雷达扫描预设参考平面所接收的第三点云数据。
服务器获取待验证雷达扫描预设参考平面所接收的第三点云数据。其中，待验证雷达包括多个，多个待验证雷达是基于同一基准雷达进行标定的。预设参考平面可以是任意一个平面，例如，可以是一块平坦的地面或者墙面。在一个可能的实现方式中，可以获取多个待验证雷达同时扫描预设参考平面所接收的第三点云数据。
步骤504，根据待验证雷达的外参矩阵将各待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；其中，外参矩阵为根据上述雷达标定方法得到。
根据上述雷达标定方法得到待验证雷达的外参矩阵，外参矩阵表征待标定雷达的坐标系与世界坐标系之间的转换关系。服务器根据待验证雷达的外参矩阵可以将所有待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据。
步骤506，根据第四点云数据的平整度，以确定雷达标定结果是否准确。
将需要进行验证的待验证雷达接收到的第三点云数据转换到同一坐标系中，得到需要进行验证的待验证雷达接收到的第三点云数据对应的第四点云数据，根据第四点云数据的平整度，确定雷达标定结果是否准确。其中，雷达标定结果通常可以是待验证雷达对应的外参矩阵。若第四点云数据的平整度大于平整度阈值，则确定雷达标定结果准确；若第四点云数据的平整度小于平整度阈值，则确定雷达标定结果不准确。
在一个可能的实现方式中，可以根据同一坐标系中的第四点云数据在同一坐标轴上的坐标所在的范围大小，确定第四点云数据的平整度。例如，若第四点云数据在X轴和Y轴上的坐标范围均大于Z轴上的坐标范围，则根据Z轴上的坐标范围，确定第四点云数据的平整度，Z轴上的坐标范围越小，第四点云数据的平整度越好；或者，可以建立一个标准参考平面，该标准参考平面与X轴、Y轴所在平面相平行，也可以是X轴和Y轴所在平面，计算各第四点云数据到该标准参考平面的距离，根据各第四点云数据到该标准参考平面的距离范围，确定第四点云数据的平整度，若第四点云数据到该标准参考平面的距离范围越小，则第四点云数据的平整度越好。
在另一个可能的实现方式中，分别计算各个待验证雷达对应的第四点云数据的正态分布(Normal distribution)，比较各待验证雷达对应的第四点云数据的正态分布之间的差异，根据正态分布之间的差异，确定第四点云数据的平整度。正态分布之间的差异越小，第四点云数据的平整度越好。
上述雷达标定的验证方法，通过获取待验证雷达扫描预设参考平面所接收的第三点云数据；根据待验证雷达的外参矩阵将各待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；外参矩阵为根据上述雷达标定方法得到；根据第四点云数据的平整度，以确定雷达标定结果是否准确。本实施例通过根据上述雷达标定方法得到的待验证雷达的外参矩阵将各个待验证雷达接收到的第三点云数据转换到同一坐标系中，根据同一坐标系中的点云数据的平整度，判断待验证雷达之间的一致性，以此验证雷达标定结果是否准确，可实现对待验证雷达的准确验证。
在一个实施例中，如图6所示，提供了一种雷达标定及验证方法，包括以下步骤：
步骤602，获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；其中，在基准雷达移动至待标定雷达所在区域的过程中存在至少一个位置以使基准雷达的可视范围包含待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；第一点云数据和第二点云数据均包含反光板反射的点云数据。
第一点云数据为基准雷达按照预设路线移动过程中所扫描到的点云数据，第二点云数据为同一场景下待标定雷达扫描到的点云数据，预设路线途经待标定雷达所在区域以及待标定雷达的可视范围区域，以使得基准雷达的可视范围包含待标定雷达的可视范围。同时，不同待标定雷达的可视范围内安装有不同形状的反光板，例如在待标定雷达A的可视范围内安装圆形的反光板，待标定雷达B的可视范围内安装有三角形的反光板，在待标定雷达C的可视范围内安装有正方形的反光板，在待标定雷达D的可视范围内安装有五边形的反光板，依此类推。
步骤604，根据NDT匹配算法匹配第一点云数据和第二点云数据，得到待标定雷达在基准坐标系下的外参矩阵，其中，基准坐标系为以基准雷达所在初始位置为原点所建立的坐标系。
外参矩阵用于表征待标定雷达的坐标系与基准坐标系之间的变换关系。基准坐标系是以基准雷达所在初始位置为原点所建立的坐标系。例如，可以以基准雷达所在初始位置为原点，基准雷达所在初始位置可以选择距离任一待标定雷达3-5米范围内的位置。
步骤606，获取待验证雷达扫描预设参考平面所接收的第三点云数据。
服务器获取待验证雷达扫描预设参考平面所接收的第三点云数据。其中，待验证雷达包括多个，多个待验证雷达是基于同一基准雷达进行标定的。本实施例中，可以将步骤602至步骤604中的待标定雷达作为待验证雷达进行标定结果的准确性验证。
步骤608，根据待验证雷达的外参矩阵将各待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；其中，外参矩阵为根据上述雷达标定方法得到。
根据上述雷达标定方法得到待验证雷达的外参矩阵后，根据待验证雷达的外参矩阵将各待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据。
步骤610，根据第四点云数据的平整度，以确定雷达标定结果是否准确。
通过设置平整度阈值，若第四点云数据的平整度大于平整度阈值，则确定雷达标定结果准确；若第四点云数据的平整度小于平整度阈值，则确定雷达标定结果不准确。
上述雷达标定及验证方法，通过雷达标定方法可以实现同时对多个待标定雷达进行标定，而且可以得到精度较高的标定结果，即各个待标定雷达对应的外参矩阵，然后再通过雷达标定的验证方法对前面得到的标定结果进行验证，实现对雷达标定结果的准确验证。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的雷达标定方法的雷达标定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个雷达标定装置实施例中的具体限定可以参见上文中对于雷达标定方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种雷达标定装置，包括：点云获取模块702和点云匹配模块704，其中：
点云获取模块702，用于获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
点云匹配模块704，用于根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
在一个实施例中，雷达标定装置还包括初始化模块，用于：
获取在所述基准坐标系下，所述待标定雷达的初始坐标；
将所述待标定雷达的初始坐标作为所述匹配算法的初始化矩阵参数；
所述点云匹配模块704，还用于：
采用具有所述初始化矩阵参数的匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵。
在一个实施例中，所述点云匹配模块704，还用于：
根据所述第一点云数据，生成待匹配地图数据；
根据所述待匹配地图数据，得到所述第一点云数据的标准正态分布参数；
根据所述第二点云数据和所述初始化矩阵参数，得到所述第二点云数据的标准正态分布参数；
根据所述第一点云数据的标准正态分布参数和所述第二点云数据的标准正态分布参数，得到所述待标定雷达在所述基准坐标系下的外参矩阵。
在其中一个实施例中，点云匹配模块704，还用于：
获取所述第一点云数据中采集时间范围与所述第二点云数据的采集时间范围相同的第一子点云数据；
根据匹配算法匹配所述第一子点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的雷达标定的验证方法的雷达标定的验证装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个雷达标定装置实施例中的具体限定可以参见上文中对于雷达标定的验证方法的限定，在此不再赘述。
在一个实施例中，提供了一种雷达标定的验证装置，包括：
第一验证模块，用于获取待验证雷达扫描预设参考平面所接收的第三点云数据；
第二验证模块，用于根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据上述雷达标定方法得到；
第三验证模块，用于根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
上述雷达标定装置或者雷达标定的验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储点云数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种雷达标定方法或者一种雷达标定的验证方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例中雷达标定方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中雷达标定方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例中雷达标定方法的步骤。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例中雷达标定的验证方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中雷达标定的验证方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例中雷达标定的验证方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种雷达标定方法，其特征在于，所述方法包括：
获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
2.根据权利要求1所述的方法，其特征在于，在以所述基准雷达所在初始位置为原点，建立基准坐标系之后，还包括：
获取在所述基准坐标系下，所述待标定雷达的初始坐标；
将所述待标定雷达的初始坐标作为所述匹配算法的初始化矩阵参数；
所述根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，包括：
采用具有所述初始化矩阵参数的匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵。
3.根据权利要求2所述的方法，其特征在于，所述采用具有所述初始化矩阵参数的匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，包括：
根据所述第一点云数据，生成待匹配地图数据；
根据所述待匹配地图数据，得到所述第一点云数据的标准正态分布参数；
根据所述第二点云数据和所述初始化矩阵参数，得到所述第二点云数据的标准正态分布参数；
根据所述第一点云数据的标准正态分布参数和所述第二点云数据的标准正态分布参数，得到所述待标定雷达在所述基准坐标系下的外参矩阵。
4.根据权利要求1所述的方法，其特征在于，所述根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，包括：
获取所述第一点云数据中采集时间范围与所述第二点云数据的采集时间范围相同的第一子点云数据；
根据匹配算法匹配所述第一子点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵。
5.根据权利要求1所述的方法，其特征在于，所述反光板包括圆形反光板、三角形反光板和多边形反光板。
6.一种雷达标定的验证方法，其特征在于，所述方法包括：
获取待验证雷达扫描预设参考平面所接收的第三点云数据；
根据所述待验证雷达的外参矩阵将各所述待验证雷达接收到的第三点云数据转换到同一坐标系中，得到第四点云数据；所述外参矩阵为根据权利要求1至5任一所述的雷达标定方法得到；
根据所述第四点云数据的平整度，以确定雷达标定结果是否准确。
7.一种雷达标定装置，其特征在于，所述装置包括：
点云获取模块，用于获取基准雷达按照预设路线移动过程中所接收的第一点云数据，以及同一场景下待标定雷达所接收的第二点云数据；在所述基准雷达移动至所述待标定雷达所在区域的过程中存在至少一个位置以使所述基准雷达的可视范围包含所述待标定雷达的可视范围；不同待标定雷达的可视范围内安装有不同形状的反光板；所述第一点云数据和所述第二点云数据均包含所述反光板反射的点云数据；
点云匹配模块，用于根据匹配算法匹配所述第一点云数据和所述第二点云数据，得到所述待标定雷达在基准坐标系下的外参矩阵，所述基准坐标系为以所述基准雷达所在初始位置为原点所建立的坐标系。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210371627.2A CN114814750A (zh) | 2022-04-11 | 2022-04-11 | 雷达标定及验证方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210371627.2A CN114814750A (zh) | 2022-04-11 | 2022-04-11 | 雷达标定及验证方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114814750A true CN114814750A (zh) | 2022-07-29 |
Family
ID=82534091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210371627.2A Pending CN114814750A (zh) | 2022-04-11 | 2022-04-11 | 雷达标定及验证方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114814750A (zh) |
-
2022
- 2022-04-11 CN CN202210371627.2A patent/CN114814750A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110031824B (zh) | 激光雷达联合标定方法及装置 | |
| US10402998B2 (en) | Position estimation apparatus and position estimation method | |
| CN112132972A (zh) | 一种激光与图像数据融合的三维重建方法及系统 | |
| CN109977466B (zh) | 一种三维扫描视点规划方法、装置及计算机可读存储介质 | |
| CN112884902B (zh) | 一种面向点云配准的标靶球位置优化方法 | |
| CN111179274B (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
| Vasquez-Gomez et al. | Hierarchical ray tracing for fast volumetric next-best-view planning | |
| CN111913169B (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
| CN111856499B (zh) | 基于激光雷达的地图构建方法和装置 | |
| CN109146990B (zh) | 一种建筑轮廓的计算方法 | |
| CN111982124B (zh) | 基于深度学习的玻璃场景下三维激光雷达导航方法及设备 | |
| Kawashima et al. | Finding the next-best scanner position for as-built modeling of piping systems | |
| CN112197773A (zh) | 基于平面信息的视觉和激光定位建图方法 | |
| Li et al. | Registration‐free point cloud generation technique using rotating mirrors | |
| CN113822892B (zh) | 仿真雷达的评测方法、装置、设备及计算机存储介质 | |
| CN117590362A (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
| CN117075171B (zh) | 激光雷达的位姿信息确定方法、装置、设备及存储介质 | |
| CN114814750A (zh) | 雷达标定及验证方法、装置、计算机设备及存储介质 | |
| CN111598941A (zh) | 一种杆塔倾斜度测量方法、装置、设备及存储介质 | |
| CN114935748B (zh) | 一种基于检测物体的大基线多激光雷达标定的方法及系统 | |
| CN112734677B (zh) | 一种机载LiDAR点云空洞内插方法和系统 | |
| CN113487485B (zh) | 一种基于类灰度图像的八叉树地图空洞补全方法 | |
| CN113762310B (zh) | 一种点云数据分类方法、装置、计算机存储介质及系统 | |
| Haffner et al. | Making a map for mobile robot using laser rangefinder | |
| CN115166702A (zh) | 一种基于高精度定位信息的激光雷达到车体坐标系的自动标定方法及装置 |
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 |