CN114937089A - 传感器参数在线标定方法、装置、设备及存储介质 - Google Patents
传感器参数在线标定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114937089A CN114937089A CN202210441968.2A CN202210441968A CN114937089A CN 114937089 A CN114937089 A CN 114937089A CN 202210441968 A CN202210441968 A CN 202210441968A CN 114937089 A CN114937089 A CN 114937089A
- Authority
- CN
- China
- Prior art keywords
- sensor
- parameters
- parameter
- optimization
- variance
- 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
Images
Classifications
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请公开了一种传感器参数在线标定方法、装置、设备及存储介质。本申请提供的技术方案,包括:基于传感数据和传感器初始参数构建优化模型,对优化模型进行解算得到传感器优化参数,传感器优化参数为优化模型的最优解;确定传感器优化参数是否满足预设的收敛条件;响应于满足收敛条件的判断结果,将传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。通过上述技术手段,解决了现有技术中传感器参数在线标定时收敛速度慢的问题,提高在线标定效率。
Description
技术领域
本申请涉及参数校准技术领域,尤其涉及一种传感器参数在线标定方法、装置、设备及存储介质。
背景技术
在根据多传感器采集的传感数据重建三维地图时,可根据各个传感器的内参以及各个传感器之间的外参,确定传感数据的实际尺度和实际位姿,因此多传感器的外参和内参会影响地图的重建精度。虽然多传感器在出厂时会进行出厂标定,但由于标定覆盖面、工艺控制以及标定建模精度等因素影响,出厂标定结果与真实观测值仍然存在差异。
目前通过在线标定多传感器的内参和外参,以解决出厂标定与真实观测存在差异的问题。在线标定的过程为:通过对各个传感器采集的传感数据的物理过程以及各个传感器之间的时空关系构建在线标定模型,通过将在线标定模型参与到状态估计的残差模型的构建中,解算出误差最小且符合传感数据的标定结果。由于在线标定模型的加入,增加了残差模型的状态向量维数,使得多帧数据才能解算出收敛的标定结果,即标定结果需要较长时间进行收敛。
发明内容
本申请提供一种传感器参数在线标定方法、装置、设备及存储介质,解决了现有技术中对多传感器的内参和外参进行在线标定时收敛速度慢的问题,提高在线标定效率。
第一方面,本申请提供了一种传感器参数在线标定方法,包括:
基于传感数据和传感器初始参数构建优化模型,对所述优化模型进行解算得到传感器优化参数,所述传感器优化参数为所述优化模型的最优解;
确定所述传感器优化参数是否满足预设的收敛条件;
响应于满足所述收敛条件的判断结果,将所述传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
第二方面,本申请提供了一种传感器参数在线标定装置,包括:
第一优化模块,被配置为基于传感数据和传感器初始参数构建优化模型,对所述优化模型进行解算得到传感器优化参数,所述传感器优化参数为所述优化模型的最优解;
第一判断模块,被配置为确定所述传感器优化参数是否满足预设的收敛条件;
第一设置模块,被配置为响应于满足所述收敛条件的判断结果,将所述传感器优化参数设置为后续在线标定时对应优化模型的传感器初始参数和先验约束,以进行参数的在线标定。
第三方面,本申请提供了一种传感器参数在线标定设备,包括:
一个或多个处理器;存储器,存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的传感器参数在线标定方法。
第四方面,本申请提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的传感器参数在线标定方法。
本申请通过传感数据和上一次在线标定得到的传感器参数构建优化模型,并解算优化模型得到优化后的传感器参数,通过多次构建并解算优化模型可得到精确确定传感器当前的传感器参数,实现对传感器参数的精确标定,保证三维地图的构建精度。每次得到优化后的传感器参数后,确定优化会的传感器参数是否收敛,当传感器参数收敛时可确定该传感器参数已近似于真实值,可将传感器参数收敛作为标定结束的判断条件,准确获取传感器当前的传感器参数,避免每次采集到新的传感数据后就对传感器参数进行校正优化,导致三维地图无法快速稳定导出。将收敛的传感器参数作为传感器下次在线标定的传感器初始参数和先验约束值,以在下次在线标定时根据该收敛的传感器参数构建优化模型,并在该收敛的传感器参数的有限范围内确定优化后的传感器参数。由于先验约束的存在,会加速传感器参数的收敛,快速准确确定当前传感器的传感器参数,提高了在线标定效率。
附图说明
图1是本申请实施例提供的一种传感器参数在线标定方法的流程图;
图2是本申请实施例提供的确定传感器优化参数满足收敛条件的流程图;
图3是本申请实施例提供的计算优化参数的均值和方差的流程图;
图4是本申请实施例提供的计算参数方差的均值和方差的流程图;
图5是本申请实施例提供的对传感器参数进行后续在线标定的流程图;
图6是本申请实施例提供的基于先验约束进行快速在线标定的流程图;
图7是本申请实施例提供的一种传感器参数在线标定装置的结构示意图;
图8是本申请实施例提供的一种传感器参数在线标定设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。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内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
本实施例中提供的传感器参数在线标定方法可以由传感器参数在线标定设备执行,该传感器参数在线标定设备可以通过软件和/或硬件的方式实现,该传感器参数在线标定设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。例如传感器参数在线标定设备可以是装配有传感器的智能设备如无人设备等,也可以是智能设备的处理器。其中,无人设备是指无人机等可基于预设任务自动执行的设备。
传感器参数在线标定设备安装有至少一类操作系统,传感器参数在线标定设备可以基于操作系统安装至少一个应用程序,应用程序可以为操作系统自带的应用程序,也可以为从第三方设备或者服务器中下载的应用程序。在该实施例中,传感器参数在线标定设备至少有可以执行传感器参数在线标定方法的应用程序,因此,传感器参数在线标定设备也可以是应用程序本身。
为便于理解,本实施例以无人机为执行传感器参数在线标定方法的主体为例,进行描述。
在一实施例中,无人设备装配有多种传感器,如相机、3D激光雷达和IMU/GPS等,无人设备通过多种传感器采集对应的传感数据,如相机采集图像数据、3D激光雷达采集点云数据,IMU/GPS采集无人设备的位姿数据。传感器参数包括各个传感器自身的内参以及各个传感器之间的外参,如相机的内参包括焦距和畸变参数等,各个传感器之间的外参包括各个传感器之间的位姿转换矩阵和采集时延,如相机与激光雷达之间的相对位姿和采集时间差。无人设备可通过多种传感器实时采集的传感数据,并基于多种传感数据和传感器参数,确定各种传感数据的实际尺度和实际位姿,并基于实际尺度和实际位姿重建传感数据对应的三维地图。传感器参数会影响地图的重建精度,在重建三维地图时刻对传感器参数进行在线标定,以精确获取各个传感器的内参和各个传感器之间的外参。在该实施例中,传统的在线标定是:通过对各个传感器采集传感数据的物理过程以及各个传感器之间的时空关系构建在线标定模型,其中时空关系可理解为各个传感器之间的相对位姿和采集时延,也即初始的传感器参数中的外参。通过将在线标定模型参与到状态估计的残差模型的构建中,解算出误差最小且符合传感数据的标定结果,该标定结果是指基于传感数据对初始的传感器参数进行优化后得到的传感器参数。由于在线标定模型的加入,增加了残差模型的状态向量维数,使得多传感器要采集到帧数远大于残差模型的状态向量维数的传感数据才能解算出收敛的标定结果。例如待估计状态为10个位姿,换算到残差模型为60维的状态向量维度,在线标定模型中内参和外参的状态向量维数为10,加入在线标定模型后的残差模型的状态向量维数增加到了70,使得多传感器要连续采集到远大于70帧的传感数据后传感器参数才能收敛,即近似于真实的内参和外参。因此传统在线标定方法获取准确到标定结果需要较长时间,导致地图重建速度慢,无法满足实时导出重建结果的需求。当加入在线标定的标定结果进行实时建图时,由于标定结果收敛速度较慢导致三维地图无法快速导出,而且在线标定在每次优化后可能会发生较大的变化,导致不同时刻基于不同标定结果导出的三维地图不一致,三维地图出现分层现象,建图效果较差。
为解决上述问题,本实施例提供了一种传感器参数在线标定方法,以提高在线标定效率。
图1给出了本申请实施例提供的一种传感器参数在线标定方法的流程图。
参考图1,该传感器参数在线标定方法具体包括:
S110、基于传感数据和传感器初始参数构建优化模型,对优化模型进行解算得到传感器优化参数,传感器优化参数为优化模型的最优解。
其中,传感数据是指无人机在进行本次在线标定时在当前架次中通过多传感器采集到的所有帧传感数据。传感器初始参数可理解为当前各个传感器的内参和各个传感器之间的外参。示例性的,如果传感器参数在出厂标定后还未进行标定,则传感器初始参数为出厂标定参数;如果传感器参数在当前架次、其他架次或其他标定场所已经进行过标定,则传感器初始参数是上一次标定得到的传感器参数。
在一实施例中,无人机在进行在线标定前,优先判断本地是否存储有先验约束值。如果本地存储有先验约束值则获取先验约束值,并根据先验约束值、传感器初始参数和传感数据构建优化模型,如果本地未存储有先验约束值,则根据传感器初始参数和传感数据构建优化模型。其中,优化模型可用于根据传感数据对传感器初始参数进行优化输出传感器优化参数。
在该实施例中,根据传感器初始参数和传感数据构建的优化模型可以是加入在线标定模型后的残差模型,即传统在线标定中的用于解算内参和外参的残差模型。示例性的,基于当前架次多传感器采集到的所有帧传感数据、当前各个传感器的内参和各个传感器之间的外参,以及其他待估计的状态参数如各个传感器等参数,构建出残差模型。需要说明的,残差模型可只基于待标定的传感器参数进行构建,例如只想对相机的内参以及相机和IMU的外参进行标定,则可根据相机采集的图像帧和IMU采集的位姿数据以及相机当前的内参和外参,构建对应残差模型,后续求解该残差模型后可得到优化后的相机内参和外参。本实施例可根据实际的标定需求灵活构建残差模型,对于一些标定参数不容易发生变化的传感器可不进行在线标定,以降低残差模型的维度,提高在线标定速度。
在一实施例中,通过递推最小二乘法求解优化模型得到优化模型的最优解,并将优化模型的最优解作为本次在线标定后的传感器优化参数。传感器优化参数可理解为,通过在线标定对当前各个传感器的内参和各个传感器之间的外参进行优化后得到的内参和外参。由于优化模型是基于当前观测到的所有帧传感数据构建的,优化模型的最优解会满足所有帧传感数据的物理状态,因此传感器优化参数会比对应的传感器初始参数更接近传感器参数的真实值,即传感器优化参数可看作当前传感器的内参和外参。
S120、确定传感器优化参数是否满足预设的收敛条件。
其中,收敛条件可看作传感器参数处于收敛状态时满足的条件。当传感器参数处于收敛状态后,再对传感器参数进行优化得到的传感器参数在较小范围内稳定波动,该波动不会影响传感器参数精度和地图构建精度,处于收敛状态下的传感器参数可近似为传感器的真实内参和外参。示例性的,当传感器优化参数满足收敛条件时,可确定该传感器优化参数为传感器的真实内参和外参,进而结束在线标定并基于该传感器优化参数构建三维地图,避免每次采集到新的传感数据后就对传感器参数进行校正优化,导致三维地图无法快速稳定导出。相反的,当传感器优化参数不满足收敛条件时,可确定该传感器优化参数与传感器的真实内参和外参存在较大的误差,该误差会影响传感器参数精度和地图构建精度,进而可通过下一次在线标定以进一步该传感器优化参数,直至传感器优化参数满足收敛条件。
在一实施例中,将传感器优化参数与对应的传感器初始参数作差,将两者的差值与预设差值阈值进行比较,如果该差值小于预设差值阈值则确定传感器优化参数满足收敛条件。其中,预设差值阈值可理解为传感器参数处于收敛状态下的最大波动值,即当传感器参数处于收敛状态下时再根据新加入的传感数据对传感器参数进行优化时,传感器参数在最大波动值内变化,该变化不会影响传感器参数精度和地图构建精度。因此当传感器优化参数与对应的传感器初始参数的差值小于该最大波动值时,传感器优化参数已处于收敛状态。
在另一实施例中,根据历史优化参数和历史参数方差,以及传感器优化参数和传感器参数方差,确定传感器优化参数是否满足收敛条件,传感器参数方差解算对应优化模型时得到。其中,传感器参数方差是指优化模型的最优解与优化模型中各个方程式的解的方差,其在解算优化模型时即可算得。传感器参数方差可表征对应传感器优化参数的估计精度,传感器参数方差越小则表明当前传感器优化参数满足残差模型中越多的方程式,估计精度越高。历史优化参数是指在当前架次中在本次在线标定之前的固定时间窗口内进行在线标定得到的传感器优化参数,历史参数方差是指在当前架次中在本次在线标定之前的固定时间窗口内进行在线标定得到的传感器参数方差。本实施例利用统计特性,统计一段时间内在线标定得到的传感器优化参数的数值波动情况和传感器参数方差的数值波动情况,确定本次在线标定得到的传感器优化参数是否达到收敛条件。
在该实施例中,图2是本申请实施例提供的确定传感器优化参数满足收敛条件的流程图。如图2所示,该确定传感器优化参数满足收敛条件的步骤具体包括S1201-S1203:
S1201、根据历史优化参数和传感器优化参数,计算对应优化参数的均值和方差。
图3是本申请实施例提供的计算优化参数的均值和方差的流程图。如图3所示,该计算优化参数的均值和方差的步骤具体包括S12011-S12012:
S12011、将传感器优化参数存入预设的历史参数队列中,若历史参数队列的长度超过预设长度,则将历史参数队列中最先存储的优化参数删除。
其中,历史参数队列用于存储传感器优化参数,历史参数队列的预设长度等同于固定时间窗口内可进行在线标定的次数加一,通过历史参数队列可存储本次在线标定和在此之前固定时间窗口内在线标定的传感器优化参数。示例性的,假设历史参数队列的预设长度为10,当历史参数队列已存储有10个优化参数,再加上本次在线标定得到的传感器优化参数,则超出了历史参数队列的长度。可先将历史参数队列中最先存储的优化参数从队列中删除,再将本次在线标定得到的传感器优化参数存储至历史参数队列中。在该实施例中,由于队列遵循先进先出的原则,历史参数队列中最先存储的优化参数位于队列的头部,可将历史参数队列头部的数据删除,历史参数队列所有的数据往头部移动,并将本次在线标定得到的传感器优化参数存入队列的尾部。
S12012、根据历史参数队列中存储的每一优化参数,计算优化参数的均值和方差。
其中,优化参数的均值为本次在线标定的传感器优化参数和对应固定时间窗口内的传感器优化参数的均值。优化参数的方差是指本次在线标定的传感器优化参数和对应固定时间窗口内的传感器优化参数的方差。示例性的,假设历史参数队列中的优化参数为x1,x2,…,xn,则优化参数的均值为 优化参数的方差为n为历史参数队列的长度。
S1202、根据历史参数方差和传感器参数方差,计算对应参数方差的均值和方差。
图4是本申请实施例提供的计算参数方差的均值和方差的流程图。如图4所示,该计算参数方差的均值和方差的步骤具体包括S12021-S12022:
S12021、将传感器参数方差存入预设的历史方差队列中,若历史方差队列的长度超过预设长度,则将历史方差队列中最先存储的参数方差删除。
其中,历史方差队列用于存储传感器参数方差,历史方差队列的预设长度等同于固定时间窗口内可进行在线标定的次数加一,通过历史参数队列可存储本次在线标定和在此之前固定时间窗口内在线标定的传感器参数方差。历史方差队列的存储规则与历史参数队列同理,当历史方差队列已存储有预设长度的参数方差,再加上本次在线标定得到的传感器参数方差,则超出了历史方差队列的预设长度。可先将历史参数队列中最先存储的参数方差从队列中删除,再将本次在线标定得到的传感器参数方差存储至历史方差队列中。
S12022、根据历史方差队列中存储的每一参数方差,计算参数方差的均值和方差。
其中,参数方差的均值为本次在线标定和对应固定时间窗口内的传感器参数方差的均值。参数方差的方差是指本次在线标定的传感器参数方差和对应固定时间窗口内的参数方差的方差。示例性的,假设历史方差队列中的参数方差为y1,y2,…,ym,则优化参数的均值为优化参数的方差为m为历史方差队列的长度,m=n。
S1203、当参数方差的方差小于第一预设阈值、参数方差的均值小于第二预设阈值、优化参数的方差小于第三预设阈值以及优化参数的均值满足预设范围,确定传感器优化参数满足收敛条件。
其中,第一预设阈值可理解为当本次在线标定的传感器优化参数达到收敛状态时,对应时间段内在线标定的传感器优化参数的估计精度的最大波动值。对应时间段内的在线标定包括本次在线标定和在此之前的固定时间窗口内的在线标定。参数方差的方差可表征对应多次在线标定的传感器优化参数的估计精度的波动情况,对应多次在线标定包括本次在线标定和在此之前的固定时间窗口内的在线标定。因此当参数方差的方差小于第一预设阈值时,则可确定对应时间段内在线标定的传感器优化参数的估计精度的波动情况满足收敛状态下的估计精度的波动需求,即对应时间段内的估计精度的波动情况较为稳定。在该实施例中,第一预设阈值可设置为收敛状态下的噪声值。
其中,第二预设阈值可理解为当本次在线标定的传感器优化参数达到收敛状态时,对应时间段内在线标定的传感器优化参数的估计精度的最小平均值。由于参数方差的均值可表征对应多次在线标定的传感器优化参数的估计精度的均值,其中参数方差的均值越大则估计均值的精度越低。因此当参数方差的均值小于第二预设阈值,也即估计精度的均值大于收敛状态下估计精度的最小平均值时,则可确定对应时间段内在线标定的传感器优化参数的估计精度的均值满足收敛状态下的估计精度的均值需求,即对应时间段内的估计精度较大。在该实施例中,第二预设阈值可根据经验数据进行设置。
其中,第三预设阈值可理解为当本次在线标定的传感器优化参数达到收敛状态时,对应时间段内在线标定的传感器优化参数的最大波动值。由于优化参数的方差可表征对应多次在线标定得到的传感器优化参数的波动情况。因此当参数方差的方差小于第三预设阈值时,则可确定对应时间段内在线标定的传感器优化参数的波动情况满足收敛状态下的传感器优化参数的波动需求,即对应时间段内的传感器优化参数的波动情况较为稳定。在该实施例中,第三预设阈值可根据经验数据进行设置。
其中,预设范围可理解为收敛状态下的对应时间段内的传感器优化参数的最大平均值和最小平均值所形成的平均值范围。当优化参数的均值小于最大平均值且大于最小平均值时,则可确定优化参数的均值满足收敛状态下的传感器优化参数的均值需求。在该实施例中,预设范围可根据经验数据进行设置。
示例性的,当上述各种收敛状态下的参数阈值或范围均被满足时,可确定本次在线标定的传感器优化参数和估计精度处于收敛的有效范围内且优化参数的波动和估计精度的波动足够稳定,此时可确定传感器优化参数满足收敛条件。
需说明的,相比于通过预设差值阈值判断传感器参数是否处于收敛状态的实施例,本实施例关注的时间窗口更长,以确定出更加稳定的传感器参数,以获取到更接近真实值的传感器参数,提高标定准确性。
S130、响应于满足收敛条件的判断结果,将传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
示例性的,当本次在线标定的传感器优化参数满足收敛条件时,可将该传感器优化参数设置为下一次在线标定的残差模型的先验约束值和传感器初始参数。由于满足收敛条件的传感器优化参数可近似为传感器参数的真实值,将传感器优化参数设置为下一次在线标定的残差模型的先验约束值,相当于提供一个真实值的约束,能够对残差模型的解算过程提供较为准确的变化范围,等同于降低残差模型的状态向量维度。例如,70个状态向量维度的残差模型中有状态向量维数为10的传感器参数,当残差模型添加了传感器参数的真实值约束后,相当于残差模型中的10个状态向量维度为已知量,则可求解剩余60个状态参数即可,此时残差模型的状态向量维度降低,使得解算时间减少,有效提高每次在线标定的速度。而且由于残差模型的状态向量维度越高,需要越多的传感数据才能保证传感器参数达到收敛状态,而如果在有效时间内采集到的传感数据不足以保证传感器参数达到收敛状态,则需要延长采集传感数据的时间一直采集新的传感数据直至传感器参数达到收敛状态。因此当残差模型的状态向量维度降低时,所需的传感数据也随之减少,使得有效时间内采集到的传感数据即可保证传感器参数达到收敛状态,无需延长采集传感数据的实际,整体提高了传感器参数的收敛速度。
在一实施例中,当传感器优化参数不满足收敛条件时,表明传感器优化参数与真实值还存在误差,可通过后续在线标定继续优化当前传感器参数。其中,当传感器优化参数不满足收敛条件时,对应的后续在线标定可理解为无人机在当前架次执行的下一次在线标定。图5是本申请实施例提供的对传感器参数进行后续在线标定的流程图。如图5所示,该对传感器优化参数进行后续在线标定步骤具体包括S140-S150:
S140、响应于不满足收敛条件的判断结果,将传感器优化参数与预设范围进行比较。
一般情况下,传感器优化参数因加入了新采集的传感数据的约束,使得传感器优化参数比对应的传感器初始参数更接近真实值,此时可根据该传感器优化参数和下次在线标定时新采集到的传感数据构建对应的残差模型,并解算该残差模型以得到更加接近真实值的传感器优化参数,直至传感器优化参数满足收敛条件。但也有特殊情况存在,如新采集的传感数据出现误差,导致传感器优化参数发散,即传感器优化参数比对应的传感器初始参数更远离真实值,在此种特殊情况如果使用该传感器优化参数,会导致优化方向偏离,严重降低在线标定的收敛速度。基于此,在进行下一次在线标定时,将传感器优化参数与有效范围进行比较;如果传感器优化参数超出该有效范围,可确定传感器优化参数的优化方向正确;如果传感器优化参数处于该有效范围内,可确定传感器优化参数的优化方向偏离。
S150、根据传感器优化参数与预设范围的比较结果,设置后续在线标定的传感器初始参数,以进行后续在线标定。
在该实施例中,响应于传感器优化参数超出预设范围的比较结果,将传感器初始参数设置为后续在线标定的传感器初始参数,以继续对上一次在线标定的传感器初始参数进行优化,避免优化方向偏离,提高在线标定效率。相反的,响应于传感器优化参数处于预设范围的比较结果,将传感器优化参数设置为后续在线标定的传感器初始参数,以正确的优化方向继续对传感器优化参数进行优化,直至传感器优化参数满足收敛条件。
在一实施例中,当传感器参数满足收敛条件时,对应的后续在线标定可以是无人机在当前架次执行的下一次在线标定,也可以是无人机在下一次架次执行的在线标定。在该实施例中,当无人机在下一次架次执行第一次在线标定之前,确定本地存储有上一架次保留的先验约束值,则基于该先验约束值进行快速在线标定。示例性的,图6是本申请实施例提供的基于先验约束值进行快速在线标定的流程图。如图6所示,该基于先验约束值进行快速在线标定的步骤具体包括S160-S190:
S160、基于传感数据、传感器初始参数和先验约束值构建对应的优化模型,对优化模型进行解算得到传感器优化参数。
在该实施例中,基于传感数据、传感器初始参数和先验约束值构建对应的优化模型,涵盖了根据传感数据和传感器初始参数构建的残差模型以及根据先验约束值生成约束方程。示例性的,基于传感数据和传感器初始参数构建残差模型HX=0,其中H为残差模型的状态矩阵,X为待求解的状态参数其包括传感器参数x。根据先验约束值生成对应的约束方程,例如先验约束值为P,约束方程为x=P。联合残差模型和约束方程,得到优化模型,优化模型的表达式如下所示:
对该优化模型进行解算,得到对应的传感器优化参数。由于残差模型中添加了x=P的方程,使得残差模型解算出的传感器参数在P的有限范围内变化,可快速解算出残差模型的最优解,提高解算效率。
S170、确定传感器优化参数是否满足预设的收敛条件。
示例性的,步骤S170可对应参考步骤S120。
S180、响应于不满足收敛条件的判断结果,将先验约束值和传感器优化参数分别设置为后续在线标定的先验约束值和传感器初始参数,以进行后续在线标定。
示例性的,先验约束值的作用为将残差模型解算出的传感器参数约束在先验约束值的有限范围内,以加快传感器参数的收敛,因此后续在线标定的先验约束值与本次在线标定的先验约束相同。除此之外,由于先验约束的存在,使得传感器参数的优化前后不会发生大幅度变化,保证了三维地图的前后一致性,避免三维地图出现分层现象。
S190、响应于满足收敛条件的判断结果,将传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
示例性的,步骤S190可对应参考步骤S130。收敛后的传感器优化参数可作为下一次在线标定的先验约束值,以便后续在线标定根据该先验约束值进行快速在线标定。
在一实施例中,在传感器优化参数满足收敛条件后,将传感器优化参数发送至服务端,以使服务端根据多个接收到的传感器优化参数确定未出厂标定传感器的传感器初始参数。其中,服务端可以是云端服务器等计算能力较强的设备。本实施例可通过云端服务器将多个无人机在线标定得到的传感器优化参数进行整合,为其它无人机配置的未进行出厂标定的多传感器提供一般的传感器参数,解决因缺乏出厂标定的传感器参数而影响在线标定精度的问题。
综上,本申请实施例提供的传感器参数在线标定方法,通过传感数据和上一次在线标定得到的传感器参数构建优化模型,并解算优化模型得到优化后的传感器参数,通过多次构建并解算优化模型可得到精确确定传感器当前的传感器参数,实现对传感器参数的精确标定,保证三维地图的构建精度。每次得到优化后的传感器参数后,确定优化会的传感器参数是否收敛,当传感器参数收敛时可确定该传感器参数已近似于真实值,可将传感器参数收敛作为标定结束的判断条件,准确获取传感器当前的传感器参数,避免每次采集到新的传感数据后就对传感器参数进行校正优化,导致三维地图无法快速稳定导出。将收敛的传感器参数作为传感器下次在线标定的传感器初始参数和先验约束值,以在下次在线标定时根据该收敛的传感器参数构建优化模型,并在该收敛的传感器参数的有限范围内确定优化后的传感器参数。由于先验约束的存在,会加速传感器参数的收敛,快速准确确定当前传感器的传感器参数,提高了在线标定效率,进而可以提高地图重建效率,实现实时重建三维地图。
在上述实施例的基础上,图7为本申请实施例提供的一种传感器参数在线标定装置的结构示意图。参考图7,本实施例提供的传感器参数在线标定装置具体包括:第一优化模块21、第一判断模块22和第一设置模块23。
其中,第一优化模块,被配置为基于传感数据和传感器初始参数构建优化模型,对优化模型进行解算得到传感器优化参数,传感器优化参数为优化模型的最优解;
第一判断模块,被配置为确定传感器优化参数是否满足预设的收敛条件;
第一设置模块,被配置为响应于满足收敛条件的判断结果,将传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
在上述实施例的基础上,传感器参数在线标定装置还包括:比较模块,被配置为响应于不满足收敛条件的判断结果,将传感器优化参数与预设范围进行比较;第二设置模块,根据传感器优化参数与预设范围的比较结果,设置后续在线标定的传感器初始参数,以进行后续在线标定。
在上述实施例的基础上,第二设置模块包括:第一设置单元,被配置为响应于传感器优化参数超出预设范围的比较结果,将传感器初始参数设置为后续在线标定的传感器初始参数;第二设置单元,被配置为响应于传感器优化参数处于预设范围的比较结果,将传感器优化参数设置为后续在线标定的传感器初始参数。
在上述实施例的基础上,传感器参数在线标定装置还包括:第二优化模块,被配置为基于传感数据、传感器初始参数和先验约束值构建对应的优化模型,对优化模型进行解算得到传感器优化参数;第二判断模块,被配置为确定传感器优化参数是否满足预设的收敛条件;第三设置模块,被配置为响应于不满足收敛条件的判断结果,将先验约束值和传感器优化参数分别设置为后续在线标定的先验约束值和传感器初始参数,以进行后续在线标定;第四设置模块,被配置为响应于满足收敛条件的判断结果,将传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
在上述实施例的基础上,第二优化模块包括:残差模型构建单元,被配置为基于传感数据和传感器初始参数构建残差模型;约束方程生成单元,被配置为根据先验约束值生成对应的约束方程;优化模型生成单元,被配置为联合残差模型和约束方程组,得到优化模型。
在上述实施例的基础上,第一判断模块或第二判断模块包括:判断子模块,被配置为根据历史优化参数和历史参数方差,以及传感器优化参数和传感器参数方差,确定传感器优化参数是否满足收敛条件,传感器参数方差解算对应优化模型时得到。
在上述实施例的基础上,判断子模块包括:第一计算单元,被配置为根据历史优化参数和传感器优化参数,计算对应优化参数的均值和方差;第二计算单元,被配置为根据历史参数方差和传感器参数方差,计算对应参数方差的均值和方差;判断单元,被配置为当参数方差的方差小于第一预设阈值、参数方差的均值小于第二预设阈值、优化参数的方差小于第三预设阈值以及优化参数的均值满足预设范围,确定传感器优化参数满足收敛条件。
在上述实施例的基础上,第一计算单元包括:第一存储子单元,被配置为将传感器优化参数存入预设的历史参数队列中,若历史参数队列的长度超过预设长度,则将历史参数队列中最先存储的优化参数删除;第一计算子单元,被配置为根据历史参数队列中存储的每一优化参数,计算优化参数的均值和方差。
在上述实施例的基础上,第二计算单元包括:第二存储子单元,被配置为将传感器参数方差存入预设的历史方差队列中,若历史方差队列的长度超过预设长度,则将历史方差队列中最先存储的参数方差删除;第二计算子单元,被配置为根据历史方差队列中存储的每一参数方差,计算参数方差的均值和方差。
在上述实施例的基础上,传感器参数在线标定装置还包括:参数上传模块,被配置为将传感器优化参数发送至服务端,以使服务端根据多个接收到的传感器优化参数确定未出厂标定传感器的传感器初始参数。
上述,本申请实施例提供的传感器参数在线标定装置,通过传感数据和上一次在线标定得到的传感器参数构建优化模型,并解算优化模型得到优化后的传感器参数,通过多次构建并解算优化模型可得到精确确定传感器当前的传感器参数,实现对传感器参数的精确标定,保证三维地图的构建精度。每次得到优化后的传感器参数后,确定优化会的传感器参数是否收敛,当传感器参数收敛时可确定该传感器参数已近似于真实值,可将传感器参数收敛作为标定结束的判断条件,准确获取传感器当前的传感器参数,避免每次采集到新的传感数据后就对传感器参数进行校正优化,导致三维地图无法快速稳定导出。将收敛的传感器参数作为传感器下次在线标定的传感器初始参数和先验约束值,以在下次在线标定时根据该收敛的传感器参数构建优化模型,并在该收敛的传感器参数的有限范围内确定优化后的传感器参数。由于先验约束的存在,会加速传感器参数的收敛,快速准确确定当前传感器的传感器参数,提高了在线标定效率,进而可以提高地图重建效率,实现实时重建三维地图。
本申请实施例提供的传感器参数在线标定装置可以用于执行上述实施例提供的传感器参数在线标定方法,具备相应的功能和有益效果。
图8是本申请实施例提供的一种传感器参数在线标定设备的结构示意图,参考图8,该传感器参数在线标定设备包括:处理器31、存储器32、通信装置33、输入装置34及输出装置35。该传感器参数在线标定设备中处理器31的数量可以是一个或者多个,该传感器参数在线标定设备中的存储器32的数量可以是一个或者多个。该传感器参数在线标定设备的处理器31、存储器32、通信装置33、输入装置34及输出装置35可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例的传感器参数在线标定方法对应的程序指令/模块(例如,传感器参数在线标定装置中的第一优化模块21、第一判断模块22和第一设置模块23)。存储器32可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置33用于进行数据传输。
处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的传感器参数在线标定方法。
输入装置34可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的传感器参数在线标定设备可用于执行上述实施例提供的传感器参数在线标定方法,具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种传感器参数在线标定方法,该传感器参数在线标定方法包括:基于传感数据和传感器初始参数构建优化模型,对优化模型进行解算得到传感器优化参数,传感器优化参数为优化模型的最优解;确定传感器优化参数是否满足预设的收敛条件;响应于满足收敛条件的判断结果,将传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的传感器参数在线标定方法,还可以执行本申请任意实施例所提供的传感器参数在线标定方法中的相关操作。
上述实施例中提供的传感器参数在线标定装置、存储介质及传感器参数在线标定设备可执行本申请任意实施例所提供的传感器参数在线标定方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的传感器参数在线标定方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (13)
1.一种传感器参数在线标定方法,其特征在于,包括:
基于传感数据和传感器初始参数构建优化模型,对所述优化模型进行解算得到传感器优化参数,所述传感器优化参数为所述优化模型的最优解;
确定所述传感器优化参数是否满足预设的收敛条件;
响应于满足所述收敛条件的判断结果,将所述传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
2.根据权利要求1所述的传感器参数在线标定方法,其特征在于,所述方法还包括:
响应于不满足所述收敛条件的判断结果,将所述传感器优化参数与预设范围进行比较;
根据所述传感器优化参数与预设范围的比较结果,设置后续在线标定的传感器初始参数,以进行后续在线标定。
3.根据权利要求2所述的传感器参数在线标定方法,其特征在于,所述根据所述传感器优化参数与预设范围的比较结果,设置后续在线标定的传感器初始参数,包括:
响应于所述传感器优化参数超出预设范围的比较结果,将所述传感器初始参数设置为后续在线标定的传感器初始参数;
响应于所述传感器优化参数处于预设范围的比较结果,将所述传感器优化参数设置为后续在线标定的传感器初始参数。
4.根据权利要求1所述的传感器参数在线标定方法,其特征在于,所述方法还包括:
基于所述传感数据、所述传感器初始参数和所述先验约束值构建对应的优化模型,对所述优化模型进行解算得到传感器优化参数;
确定所述传感器优化参数是否满足预设的收敛条件;
响应于不满足所述收敛条件的判断结果,将所述先验约束值和所述传感器优化参数分别设置为后续在线标定的先验约束值和传感器初始参数,以进行后续在线标定;
响应于满足所述收敛条件的判断结果,将所述传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
5.根据权利要求4所述的传感器参数在线标定方法,其特征在于,所述基于所述传感数据、传感器初始参数和先验约束值构建对应的优化模型,包括:
基于所述传感数据和所述传感器初始参数构建残差模型;
根据所述先验约束值生成对应的约束方程;
联合所述残差模型和所述约束方程,得到所述优化模型。
6.根据权利要求1-5任一所述的传感器参数在线标定方法,其特征在于,所述确定所述传感器优化参数是否满足预设的收敛条件,包括:
根据历史优化参数和历史参数方差,以及所述传感器优化参数和传感器参数方差,确定所述传感器优化参数是否满足所述收敛条件,所述传感器参数方差解算对应优化模型时得到。
7.根据权利要求6所述的传感器参数在线标定方法,其特征在于,所述根据历史优化参数和历史参数方差,以及所述传感器优化参数和传感器参数方法,确定所述传感器优化参数是否满足所述收敛条件,包括:
根据所述历史优化参数和所述传感器优化参数,计算对应优化参数的均值和方差;
根据所述历史参数方差和所述传感器参数方差,计算对应参数方差的均值和方差;
当所述参数方差的方差小于第一预设阈值、所述参数方差的均值小于第二预设阈值、所述优化参数的方差小于第三预设阈值以及所述优化参数的均值满足预设范围,确定所述传感器优化参数满足所述收敛条件。
8.根据权利要求7所述的传感器参数在线标定方法,其特征在于,所述根据所述历史优化参数和所述传感器优化参数,计算对应优化参数的均值和方差,包括:
将所述传感器优化参数存入预设的历史参数队列中,若所述历史参数队列的长度超过预设长度,则将所述历史参数队列中最先存储的优化参数删除;
根据所述历史参数队列中存储的每一优化参数,计算所述优化参数的均值和方差。
9.根据权利要求7所述的传感器参数在线标定方法,其特征在于,所述根据所述历史参数方差和所述传感器参数方差,计算对应参数方差的均值和方差,包括:
将所述传感器参数方差存入预设的历史方差队列中,若所述历史方差队列的长度超过预设长度,则将所述历史方差队列中最先存储的参数方差删除;
根据所述历史方差队列中存储的每一参数方差,计算所述参数方差的均值和方差。
10.根据权利要求1-5任一所述的传感器参数在线标定方法,其特征在于,在所述响应于满足所述收敛条件的判断结果之后,还包括:
将所述传感器优化参数发送至服务端,以使所述服务端根据多个接收到的传感器优化参数确定未出厂标定传感器的传感器初始参数。
11.一种传感器参数在线标定装置,其特征在于,包括:
第一优化模块,被配置为基于传感数据和传感器初始参数构建优化模型,对所述优化模型进行解算得到传感器优化参数,所述传感器优化参数为所述优化模型的最优解;
第一判断模块,被配置为确定所述传感器优化参数是否满足预设的收敛条件;
第一设置模块,被配置为响应于满足所述收敛条件的判断结果,将所述传感器优化参数设置为后续在线标定的传感器初始参数和先验约束值,以进行后续在线标定。
12.一种传感器参数在线标定设备,其特征在于,包括:一个或多个处理器;存储器,存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10任一所述的传感器参数在线标定方法。
13.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10任一所述的传感器参数在线标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210441968.2A CN114937089A (zh) | 2022-04-25 | 2022-04-25 | 传感器参数在线标定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210441968.2A CN114937089A (zh) | 2022-04-25 | 2022-04-25 | 传感器参数在线标定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114937089A true CN114937089A (zh) | 2022-08-23 |
Family
ID=82861566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210441968.2A Pending CN114937089A (zh) | 2022-04-25 | 2022-04-25 | 传感器参数在线标定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114937089A (zh) |
-
2022
- 2022-04-25 CN CN202210441968.2A patent/CN114937089A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111536964B (zh) | 机器人定位方法及装置、存储介质 | |
CN112270251B (zh) | 一种基于互信息的自适应多传感器数据融合方法及系统 | |
CN111982137B (zh) | 生成路线规划模型的方法、装置、设备和存储介质 | |
CN112285676A (zh) | 激光雷达与imu外参标定方法及装置 | |
WO2021097983A1 (zh) | 定位的方法、装置、设备及存储介质 | |
CN114013449B (zh) | 针对自动驾驶车辆的数据处理方法、装置和自动驾驶车辆 | |
CN111862214A (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN111507132A (zh) | 一种定位方法、装置及设备 | |
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 | |
CN114862932A (zh) | 基于bim全局定位的位姿修正方法及运动畸变矫正方法 | |
CN111709984B (zh) | 位姿深度预测方法、视觉里程计方法、装置、设备及介质 | |
WO2019128496A1 (zh) | 控制设备运动 | |
CN115457510A (zh) | 一种基于变分贝叶斯的自适应协同目标跟踪方法 | |
CN114882307A (zh) | 分类模型训练和图像特征提取方法及装置 | |
CN110989619A (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
CN117392241B (zh) | 自动驾驶中的传感器标定方法、装置及电子设备 | |
CN110515060B (zh) | 多线激光雷达反射率标定的方法 | |
US11662731B2 (en) | Systems and methods for controlling a robot | |
CN114937089A (zh) | 传感器参数在线标定方法、装置、设备及存储介质 | |
CN116358525A (zh) | 基于激光雷达的建图与定位方法、系统及工程车辆 | |
WO2020018140A1 (en) | Ballistic estimnation of vehicle data | |
CN114723917A (zh) | 激光里程计的位姿优化方法、装置、介质及设备 | |
CN114882119A (zh) | 相机外参标定方法、装置、计算机设备和存储介质 | |
CN112652018B (zh) | 外参确定方法、外参确定装置及电子设备 | |
CN112180382A (zh) | 基于恒速模型的自适应3d-lslam定位方法、装置和系统 |
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 |