CN114966576A - 基于先验地图的雷达外参标定方法、装置和计算机设备 - Google Patents
基于先验地图的雷达外参标定方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN114966576A CN114966576A CN202210490635.9A CN202210490635A CN114966576A CN 114966576 A CN114966576 A CN 114966576A CN 202210490635 A CN202210490635 A CN 202210490635A CN 114966576 A CN114966576 A CN 114966576A
- Authority
- CN
- China
- Prior art keywords
- radar
- point cloud
- registration
- point
- matched
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
本申请涉及一种基于先验地图的雷达外参标定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取先验地图以及待标定雷达的点云数据,先验地图通过目标雷达得到,待标定雷达包括第一雷达和第二雷达;对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。采用本方法能够通过先验地图来创造待标定雷达中雷达之间的视场重叠区域,提高雷达外参标定精度。
Description
技术领域
本申请涉及智能驾驶技术领域,特别是涉及一种基于先验地图的雷达外参标定方法、装置和计算机设备。
背景技术
雷达外参标定是指对安装在车辆上的雷达进行外参标定,是智能驾驶领域非常重要的一个环节,智能驾驶领域中定位和感知均需要依赖精确的外参,这里的外参标定是指雷达之间的相对位置关系,包括平移和旋转。
传统技术中,雷达外参标定的方式为,依赖多个雷达的视场(FOV)之间存在的视场重叠区域来进行标定。但对于固态雷达而言,其视场相对较小,可能不具有足够的视场重叠,难以具体依赖视场重叠来进行标定,依据传统标定方法对固态雷达进行标定,准确度可能较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高雷达外参标定精度的基于先验地图的雷达外参标定方法、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,本申请提供了一种基于先验地图的雷达外参标定方法。所述方法包括:
获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;
根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
在其中一个实施例中,对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系包括:
对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果;
基于点云配准结果,得到目标雷达和第一雷达之间的至少两个变换关系。
在其中一个实施例中,基于点云配准结果,得到目标雷达和第一雷达之间的至少两个变换关系包括:
基于点云配准结果,将每帧点云分别配准至先验地图,得到每帧点云各自相匹配的配准点云;
根据每帧点云各自相匹配的配准点云,得到与点云配准结果相匹配的点云配准评估参数,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩中的至少一种;
基于点云配准评估参数对相匹配的点云配准结果进行评估,得到目标雷达和第一雷达之间的至少两个变换关系。
在其中一个实施例中,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩;
根据每帧点云各自相匹配的配准点云,得到与点云配准结果对应的点云配准评估参数包括:
根据每帧点云各自相匹配的配准点云,确定配准点云上与第一配准点相匹配的第二配准点,第一配准点与每帧点云中的点相匹配,第二配准点与先验地图中的点相匹配;
基于第一配准点和相匹配的第二配准点之间的配准点距离,确定一致性配准点以及点云配准对应点;
根据一致性配准点和配准点云中第一配准点的数量,得到点云重叠率,并根据一致性配准点和点云配准对应点,得到一致点平均距离;
基于点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩。
在其中一个实施例中,基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果包括:
基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参,并基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和第二雷达之间的第二外参;
基于第一外参和第二外参,得到雷达外参标定结果。
在其中一个实施例中,基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和第二雷达之间的第二外参包括:
基于与至少两个变换关系各自相匹配的虚拟雷达点云和第二雷达的点云数据,分别构建与虚拟雷达点云相匹配的迭代最近点距离函数;
基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解虚拟雷达点云和第二雷达的点云数据之间的目标变换;
根据目标变换,得到第一雷达和第二雷达之间的第二外参。
第二方面,本申请还提供了一种基于先验地图的雷达外参标定装置。所述装置包括:
获取模块,用于获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
点云配准模块,用于对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;
投影模块,用于根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
标定模块,用于基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
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:
获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;
根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
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:
获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;
根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
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:
获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;
根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
上述基于先验地图的雷达外参标定方法、装置、计算机设备、存储介质和计算机程序产品,通过获取先验地图以及包括第一雷达和第二雷达的待标定雷达的点云数据,对先验地图和第一雷达的点云数据进行点云配准,能够得到目标雷达和第一雷达之间的至少两个变换关系,进而可以根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与待标定雷达存在视场重叠区域的、与至少两个变换关系各自相匹配的虚拟雷达点云,进而可以基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果,整个过程,能够通过先验地图来创造待标定雷达中雷达之间的视场重叠区域,提高雷达外参标定精度。
附图说明
图1为一个实施例中基于先验地图的雷达外参标定方法的应用环境图;
图2为一个实施例中基于先验地图的雷达外参标定方法的流程示意图;
图3为另一个实施例中基于先验地图的雷达外参标定方法的流程示意图;
图4为一个实施例中估计车辆坐标系到第一雷达的外参的流程示意图;
图5为一个实施例中估计第二雷达到第一雷达外参的流程示意图;
图6为一个实施例中基于先验地图的雷达外参标定装置的结构框图;
图7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基于先验地图的雷达外参标定方法,可以应用于如图1所示的应用环境中。其中,先验地图可以通过安装于第一车辆102上的目标雷达所采集的雷达数据来生成,待标定雷达安装于第二车辆104上,在进行雷达外参标定时,服务器106获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达,对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系,根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云,基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。其中,服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现,也可以为区块链上的节点。
在一个实施例中,如图2所示,提供了一种基于先验地图的雷达外参标定方法,以该方法应用于图1中的服务器106为例进行说明,包括以下步骤:
步骤202,获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达。
其中,先验地图是指在进行雷达外参标定之前,通过除待标定雷达之外的目标雷达所得到的点云地图。比如,先验地图具体可以为在进行雷达外参标定之前,通过除待标定雷达之外的机械雷达所采集的雷达数据生成的点云地图。举例说明,如图1所示,先验地图可以通过安装于第一车辆102上的目标雷达所采集的雷达数据来生成,待标定雷达安装于第二车辆104上。进一步举例说明,本实施例中的目标雷达具体可以是指可360度旋转的雷达,基于该目标雷达可以得到广视场角的先验地图。
其中,待标定雷达是指车辆上需要标定外参的雷达。比如,待标定雷达具体可以是指车辆上需要标定外参的固态雷达。待标定雷达的点云数据是指待标定雷达所获取到的点云图形。比如,待标定雷达的点云数据具体可以是指待标定雷达所获取到的至少一帧点云。需要说明的是,待标定雷达通常包括至少两个雷达。
其中,第一雷达是指从待标定雷达中挑选出的基准雷达,用于与先验地图进行点云配准,以便将先验地图转换至第一雷达所在的坐标系下。第二雷达是指待标定雷达中除基准雷达以外的其他雷达。进一步的,在从待标定雷达中挑选出第一雷达时,会获取待标定雷达中所有雷达的视场角参数,以基于视场角参数从待标定雷达中选取视野相对好、视场角相对大的雷达作为第一雷达。举例说明,第一雷达具体可以为安装于车辆顶部的雷达,安装于车辆顶部的雷达的视野较好。
具体的,在对任意车辆上的待标定雷达进行雷达外参标定时,服务器会获取先验地图以及待标定雷达的点云数据,其中,先验地图为通过目标雷达得到的点云地图,可以通过与任意车辆位置相邻的其他车辆上的目标雷达获取,待标定雷达包括被挑选为基准雷达的第一雷达和作为非基准雷达的第二雷达。需要说明的是,在获取待先验地图后,通常需要先对先验地图进行预处理,删除先验地图中的动态物体,以提高标定的精度和鲁棒性。本实施例中不对删除先验地图中的动态物体的方式进行具体限定,只要能够删除动态物体即可。举例说明,可以采用手动删除的方式,由用户直接操作删除先验地图中的动态物体。又举例说明,也可以采用机器学习的方式来识别并删除先验地图中的动态物体。
步骤204,对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系。
其中,点云配准是指输入两幅点云,输出一个变换,使得两幅点云的重合程度尽可能高。变换可以是刚性的,也可以不是,若只考虑刚性变换,即变换只包括旋转、平移。点云配准通常可以分为粗配准和精配准两步。粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准,目的主要是为精配准提供较好的变换初值,精配准则是给定一个初始变换,进一步优化得到更精确的变换。目标雷达和第一雷达之间的变换关系是指使得先验地图和第一雷达的点云数据的重合程度尽可能高的变换关系,即基于点云配准所得到的变换关系。需要说明的是,在第一雷达的点云数据中通常包括至少两帧点云,因此在进行点云配准时,会得到目标雷达和第一雷达之间的至少两个变换关系。
具体的,在进行点云配准时,服务器会对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果,再对与每帧点云各自相匹配的点云配准结果进行评估,挑选出使得点云重合程度高的目标点云配准结果,将目标点云配准结果作为目标雷达和第一雷达之间的变换关系,得到目标雷达和第一雷达之间的至少两个变换关系。
步骤206,根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云。
其中,虚拟雷达点云是指在基于变换关系将先验地图投影至第一雷达所在的坐标系后所得到的点云。由于先验地图为广视场角的点云地图,在将先验地图投影至第一雷达所在的坐标系后,所得到的虚拟雷达点云和待标定雷达中雷达之间都会存在视场重叠区域。
具体的,服务器会根据至少两个变换关系,分别将先验地图中每个点云投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云。
步骤208,基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
其中,雷达外参标定结果是指通过标定所得到的雷达之间的相对变换关系以及雷达所对应的坐标系与车辆坐标系之间的相对变换关系。比如,雷达外参标定结果具体可以是指通过标定所得到的雷达之间的旋转平移变换矩阵以及雷达所对应的坐标系与车辆坐标系之间的旋转平移变换矩阵。
具体的,在得到与至少两个变换关系各自相匹配的虚拟雷达点云后,由于虚拟雷达点云与待标定雷达中雷达之间会存在视场重叠区域,服务器就可以直接基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。其中,在进行外参标定时,服务器会基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参,以将第一雷达所对应的第一坐标系和车辆坐标系对齐,再估计第一雷达和第二雷达之间的第二外参,以将第一雷达所对应的第一坐标系和第二雷达所对应的第二坐标系对齐,最后基于第一外参和第二外参,将第二坐标系与车辆坐标系对齐,完成外参标定,得到雷达外参标定结果。
需要说明的是,发明人认为,若只采用与一个变换关系相匹配的虚拟雷达点云进行外参标定,可能出现退化场景,而本实施例中,通过基于与至少两个变换关系各自相匹配的虚拟雷达点云进行外参标定,能够避免退化场景的出现,提高雷达外参标定精度。
上述基于先验地图的雷达外参标定方法,通过获取先验地图以及包括第一雷达和第二雷达的待标定雷达的点云数据,对先验地图和第一雷达的点云数据进行点云配准,能够得到目标雷达和第一雷达之间的至少两个变换关系,进而可以根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与待标定雷达存在视场重叠区域的、与至少两个变换关系各自相匹配的虚拟雷达点云,进而可以基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果,整个过程,能够通过先验地图来创造待标定雷达中雷达之间的视场重叠区域,提高雷达外参标定精度。
在一个实施例中,对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系包括:
对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果;
基于点云配准结果,得到目标雷达和第一雷达之间的至少两个变换关系。
具体的,服务器会先对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果,再对与每帧点云各自相匹配的点云配准结果进行评估,挑选出使得点云重合程度高的目标点云配准结果,将目标点云配准结果作为目标雷达和第一雷达之间的变换关系,得到目标雷达和第一雷达之间的至少两个变换关系。
其中,在对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准时,可以采用迭代最近点算法(ICP)、各种变种的迭代最近点算法(如GIPC(generalized ICP,广义迭代最近点算法)、VGICP(voxelized generalized ICP)、正态分布变换算法(NDT)等进行点云配准,本实施例在此处不做具体限定。
下面以采用迭代最近点算法对先验地图和第一雷达的点云数据中一帧点云进行点云配准为例,对本实施例中的点云配准进行举例说明。
其中,迭代最近点算法多用于三维空间内点云配准,不仅适用于平面场景,还适用于曲线和曲面等场景。当点云配准的结果未满足理想精度的要求,通过迭代最近点算法,在不断地迭代中降低误差,从而实现理想的精度值。初始的粗略匹配为之后的精准匹配提供了较好的初始位置,而迭代最近点算法的作用是把误差进一步的缩小,以无限接近理想精度值。迭代最近点算法的核心在于不断地迭代,通过点与点之间的配准来进行旋转和平移,它的衡量标准基于最小二乘法,且点与点的距离要满足在一定的阈值范围内。
在采用迭代最近点算法对先验地图和第一雷达的点云数据中一帧点云进行点云配准时,服务器首先会利用获取到的初始变换参数,对一帧点云进行变换,得到一个临时的变换点云,再将临时的变换点云和先验地图进行比较,找出一帧点云中每一个点在先验地图中的最近邻点,计算一帧点云中每一个点与其在先验地图中的最近邻点的距离误差,并通过优化算法来优化初始变换参数,基于优化后的初始变换参数进行迭代计算,不断优化初始变换参数,直到迭代满足预设迭代停止条件为止,停止迭代,最终优化后的变换参数,即为点云配准结果。其中,距离误差中的距离具体可以为欧式距离、马氏距离、点到平面的距离等,本实施例在此处不做具体限定,举例说明,当距离为马氏距离时,对应的距离误差可以通过协方差矩阵计算。
其中,初始变换参数包括旋转矩阵和平移矩阵,初始变换矩阵可以按照需要自行设置,也可以基于先验地图和一帧点云进行粗配准得到,本实施例在此处不作具体限定,其中进行粗配准的方式可以为基于目标雷达和第一雷达之间的相对位置关系进行配准。预设迭代停止条件可按照需要自行设置,举例说明,预设迭代停止条件具体可以为欧式距离误差小于预设误差阈值。最近邻点是指在先验地图中与一帧点云中的点距离最近的点,可以通过计算临时的变换点云中每个点和先验地图中每个点之间的距离得到,临时的变换点云中每个点是与一帧点云中每个点一一对应的。
本实施例中,能够基于对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到目标雷达和第一雷达之间的变换关系。
在一个实施例中,基于点云配准结果,得到目标雷达和第一雷达之间的至少两个变换关系包括:
基于点云配准结果,将每帧点云分别配准至先验地图,得到每帧点云各自相匹配的配准点云;
根据每帧点云各自相匹配的配准点云,得到与点云配准结果相匹配的点云配准评估参数,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩中的至少一种;
基于点云配准评估参数对相匹配的点云配准结果进行评估,得到目标雷达和第一雷达之间的至少两个变换关系。
其中,点云重叠率是指配准点云中一致性配准点的数量和相匹配的每帧点云中第一配准点的数量的比值。一致性配准点是指在配准点云中与相匹配的第二配准点之间的配准点距离小于预设距离阈值的第一配准点,其中的预设距离阈值可按照需要自行设置。第一配准点为配准点云中与每帧点云中的点相匹配的点,第二配准点为配准点云中与先验地图中的点相匹配的点,第一配准点相匹配的第二配准点是指在配准点云中与第一配准点距离最近的点。
其中,一致点平均距离是指配准点云中一致性配准点到点云配准对应点的距离的平均值,点云配准对应点是指一致性配准点中距离第二配准点最近的点。配准优化矩阵是指在使用优化算法时,每个迭代步骤都需要求解的方程中的矩阵。比如,每个迭代步骤都需要求解的方程具体可以为:A*dx=r,其中dx是待求解量的增量(与优化后的变化参数相关),r是残差,A是配准优化矩阵,举例说明,A具体可以为海森矩阵(Hessian Matrix)或者雅克比矩阵(jacobi matrix)的乘积J`*J(即J的转置乘以J,J表示雅克比矩阵)。
具体的,服务器会基于点云配准结果,将每帧点云分别配准至先验地图,得到每帧点云各自相匹配的配准点云,在配准点云中包括与每帧点云中的点相匹配的第一配准点,以及与先验地图中的点相匹配的第二配准点。在得到每帧点云各自相匹配的配准点云后,服务器会根据每帧点云各自相匹配的配准点云,确定配准点云上与第一配准点相匹配的第二配准点,基于第一配准点和第二配准点之间的配准点距离,计算点云重叠率以及一致点平均距离,并基于点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩。
具体的,在得到点云配准评估参数后,服务器会基于点云配准评估参数对相匹配的点云配准结果进行评估,以确定出目标点云配准结果,将其作为目标雷达和第一雷达之间的变换关系,得到至少两个变换关系。其中,对相匹配的点云配准结果进行评估的方式可以为,服务器会先对点云配准评估参数进行归一化处理,并对归一化处理后的点云配准评估参数进行加权求和,以此得到与点云配准结果对应的分数,基于此分数对点云配准结果进行评估,将分数大于预设分数阈值的点云配准结果作为目标点云配准结果,其中的预设分数阈值可按照需要自行设置。
本实施例中,通过基于点云配准结果,将每帧点云分别配准至先验地图,能够得到每帧点云各自相匹配的配准点云,进而可以根据每帧点云各自相匹配的配准点云,得到与点云配准结果相匹配的点云配准评估参数,从而可以利用点云配准评估参数对相匹配的点云配准结果进行评估,得到目标雷达和第一雷达之间的至少两个变换关系。
在一个实施例中,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩;
根据每帧点云各自相匹配的配准点云,得到与点云配准结果对应的点云配准评估参数包括:
根据每帧点云各自相匹配的配准点云,确定配准点云上与第一配准点相匹配的第二配准点,第一配准点与每帧点云中的点相匹配,第二配准点与先验地图中的点相匹配;
基于第一配准点和相匹配的第二配准点之间的配准点距离,确定一致性配准点以及点云配准对应点;
根据一致性配准点和配准点云中第一配准点的数量,得到点云重叠率,并根据一致性配准点和点云配准对应点,得到一致点平均距离;
基于点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩。
具体的,在得到每帧点云各自相匹配的配准点云后,服务器会计算配准点云上第一配准点和第二配准点之间的距离,以此确定配准点云上与第一配准点相匹配的第二配准点,进而基于第一配准点和相匹配的第二配准点之间的配准点距离,确定与相匹配的第二配准点之间的配准距离小于预设距离阈值的第一配准点为一致性配准点,并从一致性配准点中确定与相匹配的第二配准点距离最近的第一配准点作为点云配准对应点。
具体的,在得到一致性配准点和点云配准对应点后,服务器会计算一致性配准点和对应的配准点云中第一配准点的数量的比值,将该比值作为点云重叠率,以确定每帧点云与先验地图之间的点重叠率,并计算一致性配准点到点云配准对应点的距离的平均值,将该平均值作为一致点平均距离。同时,服务器会基于点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩。其中,点云配准结果相匹配的配准优化矩阵即是指在使用优化算法时,最后一次进行迭代优化时所使用的配准优化矩阵,可以以该配准优化矩阵的秩作为评估点云配准结果的参数之一。举例说明,配准优化矩阵具体可以为海森矩阵。需要说明的是,利用配准优化矩阵的秩进行评估主要是为了防止退化场景的出现,若雷达只扫描到一个平面,那么配准时是没办法准确求出旋转和平移的,就会出现退化场景,其所对应的点云配准结果也就会是不合适的。
本实施例中,通过根据每帧点云各自相匹配的配准点云,确定配准点云上与第一配准点相匹配的第二配准点,能够利用第一配准点以及与其相匹配的第二配准点,计算出点云重叠率以及一致点平均距离,同时,基于点云配准结果相匹配的配准优化矩阵,能够得到配准优化矩阵的秩,从而实现对点云配准评估参数的获取。
在一个实施例中,基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果包括:
基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参,并基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和第二雷达之间的第二外参;
基于第一外参和第二外参,得到雷达外参标定结果。
其中,第一外参用于表征第一雷达所对应的第一坐标系和车辆坐标系之间的变换关系。第二外参用于表征第一雷达所对应的第一坐标系和第二雷达所对应的第二坐标系之间的变换关系。
服务器会基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参,以将第一雷达所对应的第一坐标系和车辆坐标系对齐,再估计第一雷达和第二雷达之间的第二外参,以将第一雷达所对应的第一坐标系和第二雷达所对应的第二坐标系对齐,最后基于第一外参和第二外参,将第二坐标系与车辆坐标系对齐,完成外参标定,得到雷达外参标定结果。其中,在估计第一雷达和车辆之间的第一外参时,服务器可以先获取车辆位姿,再基于车辆位姿和与至少两个变换关系各自相匹配的虚拟雷达点云,使用车辆到雷达外参的鲁棒估计算法来计算第一雷达与车辆之间的第一外参,本实施例中不对此处车辆到雷达外参的鲁棒估计算法进行限定,只要能够实现外参估计即可。
举例说明,本实施例中所涉及的车辆到雷达外参的鲁棒估计算法的核心是,确定同一时刻相匹配的车辆位姿以及虚拟雷达点云,基于不同时刻的虚拟雷达点云,来构建虚拟雷达点云到虚拟雷达点云之间的迭代最近点距离函数,利用不同时刻的虚拟雷达点云以及不同时刻车辆位姿之间的对应关系,对迭代最近点距离函数进行联合优化求解,得到第一雷达与车辆之间的第一外参。
本实施例中,通过基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参,并基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和第二雷达之间的第二外参,能够基于第一外参和第二外参,实现对雷达的外参标定,得到雷达外参标定结果。
在一个实施例中,基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和第二雷达之间的第二外参包括:
基于与至少两个变换关系各自相匹配的虚拟雷达点云和第二雷达的点云数据,分别构建与虚拟雷达点云相匹配的迭代最近点距离函数;
基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解虚拟雷达点云和第二雷达的点云数据之间的目标变换;
根据目标变换,得到第一雷达和第二雷达之间的第二外参。
具体的,服务器会基于与至少两个变换关系各自相匹配的虚拟雷达点云和第二雷达的点云数据,分别构建与虚拟雷达点云相匹配的迭代最近点距离函数,这里的迭代最近点距离函数是指同一时刻对应的虚拟雷达点云和第二雷达的点云数据中点云之间的迭代最近点距离函数,基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解虚拟雷达点云和第二雷达的点云数据之间的目标变换,根据目标变换,得到第一雷达和第二雷达之间的第二外参。
其中,在基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解虚拟雷达点云和第二雷达的点云数据之间的目标变换时,可以采用雷达到雷达外参的鲁棒估计算法进行求解,雷达到雷达外参的鲁棒估计算法的核心是在构建每个同一时刻对应的虚拟雷达点云到第二雷达的点云数据中点云的迭代最近点距离函数之后,基于迭代最近点距离函数进行线性化计算残差和配准优化矩阵,基于第二雷达的点云数据中每帧点云以及虚拟雷达点云等多帧信息分别对残差和配准优化矩阵进行叠加,利用叠加后的残差和配准优化矩阵,构建优化方程A*dx=r,其中r是叠加后的残差,A是叠加后的配准优化矩阵,迭代计算x的增量,逐步迭代直到收敛,得到虚拟雷达点云和第二雷达的点云数据之间的目标变换。
其中,本实施例中不对配准优化矩阵进行具体限定,只要能够实现配准优化即可,举例说明,配准优化矩阵具体可以为海森矩阵。同时,本实施例中也不对收敛条件进行限定,收敛条件可按照需要自行设置,举例说明,收敛条件具体可以为迭代次数达到迭代次数阈值,迭代次数阈值可按照需要自行设置。又举例说明,收敛条件具体也可以为叠加后的残差小于预设残差阈值,预设残差阈值可按照需要自行设置。
本实施例中,通过基于与至少两个变换关系各自相匹配的虚拟雷达点云和第二雷达的点云数据,分别构建与虚拟雷达点云相匹配的迭代最近点距离函数,能够基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解得到虚拟雷达点云和第二雷达的点云数据之间的目标变换,进而可以根据目标变换,得到第一雷达和第二雷达之间的第二外参。
在一个实施例中,如图3所示,通过一个流程示意图来说明本申请的基于先验地图的雷达外参标定方法,该基于先验地图的雷达外参标定方法具体包括以下步骤:
步骤302,获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
步骤304,对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果;
步骤306,基于点云配准结果,将每帧点云分别配准至先验地图,得到每帧点云各自相匹配的配准点云;
步骤308,根据每帧点云各自相匹配的配准点云,确定配准点云上与第一配准点相匹配的第二配准点,第一配准点与每帧点云中的点相匹配,第二配准点与先验地图中的点相匹配;
步骤310,基于第一配准点和相匹配的第二配准点之间的配准点距离,确定一致性配准点以及点云配准对应点;
步骤312,根据一致性配准点和配准点云中第一配准点的数量,得到点云重叠率,并根据一致性配准点和点云配准对应点,得到一致点平均距离;
步骤314,基于点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩;
步骤316,基于点云配准评估参数对相匹配的点云配准结果进行评估,得到目标雷达和第一雷达之间的至少两个变换关系,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩;
步骤318,根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
步骤320,基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参;
步骤322,基于与至少两个变换关系各自相匹配的虚拟雷达点云和第二雷达的点云数据,分别构建与虚拟雷达点云相匹配的迭代最近点距离函数;
步骤324,基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解虚拟雷达点云和第二雷达的点云数据之间的目标变换;
步骤326,根据目标变换,得到第一雷达和第二雷达之间的第二外参;
步骤328,基于第一外参和第二外参,得到雷达外参标定结果。
在一个实施例中,本申请中基于先验地图的雷达外参标定方法,所用到的坐标系包括车辆坐标系和多个雷达坐标系,核心问题其实是将多个雷达坐标系和车辆坐标系对齐,基于此,可以在待标定雷达中选择一个雷达作为第一雷达,即基准雷达,从而可以将核心问题拆分为两个部分,一是估计车辆坐标系到第一雷达的外参,二是估计第二雷达(即除基准雷达之外的雷达)到第一雷达的外参。
其中,估计车辆坐标系到第一雷达的外参的流程示意图如图4所示。
服务器会获取先验地图以及第一雷达(即基准雷达)的点云数据,先验地图为已知的通过目标雷达得到的点云地图,利用获取到的车辆坐标系相匹配的车辆位姿以及外参初始值对第一雷达的点云数据进行去畸变,以去除畸变的点云,将去除畸变的点云后的第一雷达的点云数据中每帧点云分别与先验地图进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系,根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云,再基于与至少两个变换关系各自相匹配的虚拟雷达点云和车辆位姿,利用车辆到雷达外参的鲁棒估计算法,得到车辆到第一雷达的外参,即车辆到基准雷达的外参。其中,外参初始值通常可以基于CAD(计算机辅助设计)模型或者手工测量得到。
其中,估计第二雷达到第一雷达外参的流程示意图如图5所示,此处假设第二雷达的数量为不止一个(包括图5中的雷达1、…、雷达n-1)。
首先,服务器会获取先验地图以及第一雷达(即基准雷达)的点云数据,先验地图为已知的通过目标雷达得到的点云地图,利用获取到的车辆坐标系相匹配的车辆位姿以及雷达之间的外参初始值对第一雷达和第二雷达的点云数据进行去畸变,以去除畸变的点云,将去除畸变的点云后的第一雷达的点云数据中每帧点云分别与先验地图进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系,根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云,再基于与至少两个变换关系各自相匹配的虚拟雷达点云和去畸变后的第二雷达的点云数据,利用雷达到雷达间外参的鲁棒估计算法,得到第二雷达到第一雷达的外参,即雷达到基准雷达的外参。其中,外参初始值通常可以基于CAD(计算机辅助设计)模型或者手工测量得到。
进一步的,如图5所示,在得到雷达到基准雷达的外参之后,服务器也可以基于该雷达到基准雷达的外参、雷达之间的外参初始值以及车辆位姿,继续对基准雷达(即第一雷达)以及第二雷达进行去畸变,以再次去除畸变后的点云再次估计雷达到基准雷达的外参,即通过迭代估计提高估计精度。同时,在进行去畸变时,也可以同时参考估计得到的车辆到基准雷达的外参进行去畸变,以进一步提高估计的精度。
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基于先验地图的雷达外参标定方法的基于先验地图的雷达外参标定装置。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基于先验地图的雷达外参标定装置实施例中的具体限定可以参见上文中对于基于先验地图的雷达外参标定方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种基于先验地图的雷达外参标定装置,包括:获取模块602、点云配准模块604、投影模块608和标定模块610,其中:
获取模块602,用于获取先验地图以及待标定雷达的点云数据,先验地图为通过目标雷达得到的点云地图,待标定雷达包括第一雷达和第二雷达;
点云配准模块604,用于对先验地图和第一雷达的点云数据进行点云配准,得到目标雷达和第一雷达之间的至少两个变换关系;
投影模块606,用于根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与至少两个变换关系各自相匹配的虚拟雷达点云;
标定模块608,用于基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果。
上述基于先验地图的雷达外参标定装置,通过获取先验地图以及包括第一雷达和第二雷达的待标定雷达的点云数据,对先验地图和第一雷达的点云数据进行点云配准,能够得到目标雷达和第一雷达之间的至少两个变换关系,进而可以根据至少两个变换关系,分别将先验地图投影至第一雷达所在的坐标系,得到与待标定雷达存在视场重叠区域的、与至少两个变换关系各自相匹配的虚拟雷达点云,进而可以基于与至少两个变换关系各自相匹配的虚拟雷达点云,对第一雷达和第二雷达进行外参标定,得到雷达外参标定结果,整个过程,能够通过先验地图来创造待标定雷达中雷达之间的视场重叠区域,提高雷达外参标定精度。
在一个实施例中,点云配准模块还用于对先验地图和第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果,基于点云配准结果,得到目标雷达和第一雷达之间的至少两个变换关系。
在一个实施例中,点云配准模块还用于基于点云配准结果,将每帧点云分别配准至先验地图,得到每帧点云各自相匹配的配准点云,根据每帧点云各自相匹配的配准点云,得到与点云配准结果相匹配的点云配准评估参数,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩中的至少一种,基于点云配准评估参数对相匹配的点云配准结果进行评估,得到目标雷达和第一雷达之间的至少两个变换关系。
在一个实施例中,点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩;点云配准模块还用于根据每帧点云各自相匹配的配准点云,确定配准点云上与第一配准点相匹配的第二配准点,第一配准点与每帧点云中的点相匹配,第二配准点与先验地图中的点相匹配,基于第一配准点和相匹配的第二配准点之间的配准点距离,确定一致性配准点以及点云配准对应点,根据一致性配准点和配准点云中第一配准点的数量,得到点云重叠率,并根据一致性配准点和点云配准对应点,得到一致点平均距离,基于点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩。
在一个实施例中,标定模块还用于基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和车辆之间的第一外参,并基于与至少两个变换关系各自相匹配的虚拟雷达点云,估计第一雷达和第二雷达之间的第二外参,基于第一外参和第二外参,得到雷达外参标定结果。
在一个实施例中,标定模块还用于基于与至少两个变换关系各自相匹配的虚拟雷达点云和第二雷达的点云数据,分别构建与虚拟雷达点云相匹配的迭代最近点距离函数,基于迭代最近点距离函数,利用与至少两个变换关系各自相匹配的虚拟雷达点云,联合求解虚拟雷达点云和第二雷达的点云数据之间的目标变换,根据目标变换,得到第一雷达和第二雷达之间的第二外参。
上述基于先验地图的雷达外参标定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7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。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先验地图和待标定雷达的点云数据等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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基于先验地图的雷达外参标定方法。
本领域技术人员可以理解,图7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,还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各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的数据(包括但不限于用于分析的数据、存储的数据等),均为经用户授权或者经过各方充分授权的数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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)
1.一种基于先验地图的雷达外参标定方法,其特征在于,所述方法包括:
获取先验地图以及待标定雷达的点云数据,所述先验地图为通过目标雷达得到的点云地图,所述待标定雷达包括第一雷达和第二雷达;
对所述先验地图和所述第一雷达的点云数据进行点云配准,得到所述目标雷达和所述第一雷达之间的至少两个变换关系;
根据所述至少两个变换关系,分别将所述先验地图投影至所述第一雷达所在的坐标系,得到与所述至少两个变换关系各自相匹配的虚拟雷达点云;
基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,对所述第一雷达和所述第二雷达进行外参标定,得到雷达外参标定结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述先验地图和所述第一雷达的点云数据进行点云配准,得到所述目标雷达和所述第一雷达之间的至少两个变换关系包括:
对所述先验地图和所述第一雷达的点云数据中每帧点云分别进行点云配准,得到与每帧点云各自相匹配的点云配准结果;
基于所述点云配准结果,得到所述目标雷达和所述第一雷达之间的至少两个变换关系。
3.根据权利要求2所述的方法,其特征在于,所述基于所述点云配准结果,得到所述目标雷达和所述第一雷达之间的至少两个变换关系包括:
基于所述点云配准结果,将每帧点云分别配准至所述先验地图,得到每帧点云各自相匹配的配准点云;
根据所述每帧点云各自相匹配的配准点云,得到与所述点云配准结果相匹配的点云配准评估参数,所述点云配准评估参数包括点云重叠率、一致点平均距离以及配准优化矩阵的秩中的至少一种;
基于所述点云配准评估参数对相匹配的点云配准结果进行评估,得到所述目标雷达和所述第一雷达之间的至少两个变换关系。
4.根据权利要求3所述的方法,其特征在于,所述点云配准评估参数包括所述点云重叠率、所述一致点平均距离以及所述配准优化矩阵的秩;
所述根据所述每帧点云各自相匹配的配准点云,得到与所述点云配准结果对应的点云配准评估参数包括:
根据所述每帧点云各自相匹配的配准点云,确定所述配准点云上与第一配准点相匹配的第二配准点,所述第一配准点与所述每帧点云中的点相匹配,所述第二配准点与所述先验地图中的点相匹配;
基于所述第一配准点和相匹配的第二配准点之间的配准点距离,确定一致性配准点以及点云配准对应点;
根据所述一致性配准点和所述配准点云中第一配准点的数量,得到点云重叠率,并根据所述一致性配准点和所述点云配准对应点,得到一致点平均距离;
基于所述点云配准结果相匹配的配准优化矩阵,得到配准优化矩阵的秩。
5.根据权利要求1所述的方法,其特征在于,所述基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,对所述第一雷达和所述第二雷达进行外参标定,得到雷达外参标定结果包括:
基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,估计所述第一雷达和车辆之间的第一外参,并基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,估计所述第一雷达和所述第二雷达之间的第二外参;
基于所述第一外参和所述第二外参,得到雷达外参标定结果。
6.根据权利要求5所述的方法,其特征在于,所述基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,估计所述第一雷达和所述第二雷达之间的第二外参包括:
基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云和所述第二雷达的点云数据,分别构建与所述虚拟雷达点云相匹配的迭代最近点距离函数;
基于所述迭代最近点距离函数,利用所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,联合求解所述虚拟雷达点云和所述第二雷达的点云数据之间的目标变换;
根据所述目标变换,得到第一雷达和所述第二雷达之间的第二外参。
7.一种基于先验地图的雷达外参标定装置,其特征在于,所述装置包括:
获取模块,用于获取先验地图以及待标定雷达的点云数据,所述先验地图为通过目标雷达得到的点云地图,所述待标定雷达包括第一雷达和第二雷达;
点云配准模块,用于对所述先验地图和所述第一雷达的点云数据进行点云配准,得到所述目标雷达和所述第一雷达之间的至少两个变换关系;
投影模块,用于根据所述至少两个变换关系,分别将所述先验地图投影至所述第一雷达所在的坐标系,得到与所述至少两个变换关系各自相匹配的虚拟雷达点云;
标定模块,用于基于所述与所述至少两个变换关系各自相匹配的虚拟雷达点云,对所述第一雷达和所述第二雷达进行外参标定,得到雷达外参标定结果。
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 |
---|---|---|---|
CN202210490635.9A CN114966576A (zh) | 2022-05-07 | 2022-05-07 | 基于先验地图的雷达外参标定方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210490635.9A CN114966576A (zh) | 2022-05-07 | 2022-05-07 | 基于先验地图的雷达外参标定方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114966576A true CN114966576A (zh) | 2022-08-30 |
Family
ID=82980486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210490635.9A Pending CN114966576A (zh) | 2022-05-07 | 2022-05-07 | 基于先验地图的雷达外参标定方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114966576A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116148823A (zh) * | 2023-04-12 | 2023-05-23 | 北京集度科技有限公司 | 一种外参数的标定方法、装置、车辆及计算机程序产品 |
-
2022
- 2022-05-07 CN CN202210490635.9A patent/CN114966576A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116148823A (zh) * | 2023-04-12 | 2023-05-23 | 北京集度科技有限公司 | 一种外参数的标定方法、装置、车辆及计算机程序产品 |
CN116148823B (zh) * | 2023-04-12 | 2023-09-19 | 北京集度科技有限公司 | 一种外参数的标定方法、装置、车辆及计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kukelova et al. | Real-time solution to the absolute pose problem with unknown radial distortion and focal length | |
Zhang | Determining the epipolar geometry and its uncertainty: A review | |
Kukelova et al. | Polynomial Eigenvalue Solutions to the 5-pt and 6-pt Relative Pose Problems. | |
CN114646932B (zh) | 基于外置雷达的雷达外参标定方法、装置和计算机设备 | |
CN108759788B (zh) | 无人机影像定位定姿方法及无人机 | |
CN111724465B (zh) | 基于平面约束优选虚拟控制点的卫星影像平差方法及装置 | |
CN113436238A (zh) | 点云配准精度的评估方法、装置和电子设备 | |
Sturm et al. | Focal length calibration from two views: method and analysis of singular cases | |
Du et al. | New iterative closest point algorithm for isotropic scaling registration of point sets with noise | |
Ravari et al. | Reconstruction of B-spline curves and surfaces by adaptive group testing | |
CN114529615B (zh) | 雷达标定方法、装置及存储介质 | |
CN114966576A (zh) | 基于先验地图的雷达外参标定方法、装置和计算机设备 | |
US6771810B1 (en) | System and method for estimating the epipolar geometry between images | |
CN114758005A (zh) | 激光雷达与相机外参标定方法及装置 | |
CN111915681A (zh) | 多组3d相机群的外参标定方法、装置、存储介质及设备 | |
Aravkin et al. | Student's t robust bundle adjustment algorithm | |
Feng et al. | A Robust Method for Estimating the Fundamental Matrix. | |
CN109448031B (zh) | 基于高斯场约束和流形正则化的图像配准方法及系统 | |
CN117058008A (zh) | 遥感影像几何与辐射一体化校正方法、装置、设备及介质 | |
CN114966578A (zh) | 基于拍摄设备的雷达外参标定方法、装置和计算机设备 | |
CN115511926A (zh) | 一种基于拟牛顿优化的点云匹配方法和装置 | |
CN115311336A (zh) | 多相机的图像配准方法、装置、设备及存储介质 | |
Yang et al. | Estimating the fundamental matrix based on least absolute deviation | |
CN114463429A (zh) | 机器人、地图创建方法、定位方法及介质 | |
CN114881850A (zh) | 点云超分辨率方法、装置、电子设备及存储介质 |
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 |