CN114966632A - 激光雷达标定方法、装置及电子设备、存储介质 - Google Patents

Abstract

本申请公开了一种激光雷达标定方法、装置及电子设备、存储介质，其中所述方法包括初始化激光雷达，至少得到激光雷达标定的第一YAW角；根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；根据所述YAW角误差参数，标定激光雷达。本申请中的激光雷达标定方法，简单易用，更符合实际使用情况。本申请可对激光雷达进行动态标定。

Description

激光雷达标定方法、装置及电子设备、存储介质

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种激光雷达标定方法、装置及电子设备、存储介质。

背景技术

随着自动驾驶技术的发展，很多自动驾驶车辆都安装激光雷达作为主要的感知传感器，通过对激光雷达产生的点云进行分类、分割等处理，提取出可视范围内的车辆、行人等目标的位置、大小等信息，为后续控制和局部规划提供可靠的先验信息。

目前，主流的激光雷达标定是在专用的标定车间或者标定场中，使用专业的标定设备或者人工调试去标定。

在标定车间或者标定场需建立在特定区域，成本高。并且人工调试精度有限，并且需要耗费大量的人力。如果采用专业的标定设备价格昂贵，也会有安装误差等影响，进一步影响标定精度。

发明内容

本申请实施例提供了激光雷达标定方法、装置及电子设备、存储介质，以降低激光标定的误差。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种激光雷达标定方法，其中，所述方法包括：初始化激光雷达，至少得到激光雷达标定的第一YAW角；根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；根据所述YAW角误差参数，标定激光雷达。

第二方面，本申请实施例还提供一种激光雷达标定装置，其中，所述装置包括：初始化模块，用于初始化激光雷达，至少得到激光雷达标定的第一YAW角；第一获取模块，用于根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；第二获取模块，用于获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；匹配模块，用于根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；根据所述YAW角误差参数，标定激光雷达。

第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

通过建立预设标定场以及采集板，对初标定的激光雷达中的YAW角进行修正，修正包括通过高精地图与采集板中的特征点的匹配结果。通过修正后得到YAW角误差参数，标定激光雷达。此外，还能够通过自适应的方式对激光雷达进行标定。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中激光雷达标定方法流程示意图；

图2为本申请实施例中激光雷达标定装置结构示意图；

图3为本申请实施例中激光雷达标定方法的标定场示意图；

图4为本申请实施例中一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

发明人发现，相关技术中对激光雷达进行初标定后的YAW角仍然存在较大的误差，且如果YAW角存在1度的误差，就会导致前方100米处的物体产生1.7米左右的横向偏差，如果在高速行驶的道路上，会导致自动驾驶车辆出现错误的减速、变道等行为。

针对上述缺陷，本申请提供了一种激光雷达标定方法，提供自适应的动态标定方式。

以下结合附图，详细说明本申请各实施例提供的技术方案。

本申请实施例提供了一种激光雷达标定方法，如图1所示，提供了本申请实施例中激光雷达标定方法流程示意图，所述方法至少包括如下的步骤S110至步骤S160：

步骤S110，初始化激光雷达，至少得到激光雷达标定的第一YAW角。

对于激光雷达可以使用相关技术中的手段进行初标定，即初始化激光雷达后得到激光雷达标定的第一YAW角。此外，除了YAW角，初标定还能标定出Pitch角、Roll角以及x_offset、y_offset等参数。但本申请主要关注YAW角。

步骤S120，根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧。

根据预设标定场中的特殊的采集板，获取激光雷达采集的点云数据。采集板位于车道的任意一侧，或者说，车道的两侧均可。

优选地，可以让自动驾驶车辆在预设标定场中正向行驶。比如，可以将两个采集板(反射板/反光板)分别放到两条车道线左、右两侧，且长边分别与其最近的车道线重合。

如图3所示，选用采集板，可以设定自动驾驶车辆行驶路线，即设定一条与两侧车道线平行的直线行驶路线，路线长度可设定为200米，其中正向行驶起点距离采集板中心(A或B)100米左右，反向行驶起点距离采集板中心(A或B)100米左右。

步骤S130，获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据。

同时，还需要获取在预设标定场所在区域内的高精地图数据。可以理解，这些高精地图数据中至少需要包括车道线数据。车道线数据需要作为下述匹配的参考。

步骤S140，根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角。

自车坐标系是一个二维的坐标系，根据所述车道线数据与所述采集板的点云数据在自车坐标系中点云数据的匹配结果，确定第二YAW角。

可以理解，第二YAW角是包括多个的时刻的，或者说每个时刻均包括第二YAW角。

步骤S150，根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数。

进一步根据所述第一YAW角与所述第二YAW角的差值，即可得到所述YAW角误差参数。

优选地，可以让自动驾驶车辆在之前的预设标定场中反向行驶，再次计算得到，多个时刻的YAW角误差参数。

步骤S160，根据所述YAW角误差参数，标定激光雷达。

根据YAW角误差参数(可以是均值或者动态变化值)标定激光雷达，得到优化的激光雷达的标定结果。

在本申请的一个实施例中，所述采集板至少包括两个，两个所述采集板相对设置于所述车道的两侧，根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角，包括：根据两个所述采集板，分割得到对应的第一点云数据；将所述第一点云数据投影至所述自车坐标系并提取目标边界的点云数据；在匹配所述目标边界的点云数据与所述车道线数据的过程中，调节YAW角来改变所述目标边界的点云数据的位置，以使所述目标边界的点云数据与所述车道线数据重合；根据重合位置的结果，确定所述第二YAW角。

具体实施时，为了更好地采集点云数据，所述采集板至少包括两个，两个所述采集板相对设置于所述车道的两侧。

根据两个所述采集板，分割得到对应的第一点云数据，然后将所述第一点云数据投影至所述自车坐标系并提取目标边界的点云数据，在匹配所述目标边界的点云数据与所述车道线数据的过程中，调节YAW角改变所述目标边界的点云数据的位置，也就是说由于仅考虑YAW角误差，所以匹配时优化项可设定为YAW角一项，通过不断改变YAW的值，可以进一步改变采集板长边点云的位置，直到点云与车道线重合度最高。以使所述目标边界的点云数据与所述车道线数据重合；根据重合位置的结果，确定所述第二YAW角。

在本申请的一个实施例中，所述根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数，包括：在目标车道上正向行驶，得到第K时刻对应的所述第二YAW角；在目标车道上反向行驶，得到第N时刻对应的所述第二YAW角；根据所述K时刻对应的所述第二YAW角、所述N时刻对应的所述第二YAW角，得到YAW角误差参数，其中所述K、N为自然数，所述误差值符合正态分布并将平均值作为所述YAW角误差参数。

具体实施时，K时刻的所述第二YAW角、N时刻的所述第二YAW角之间的误差值即作为YAW角误差参数。优选地，所述误差值符合正态分布并将平均值作为所述YAW角误差参数。通常为了不失一般性，可正向、反向行驶多次，根据大数原理，统计得到的YAW角误差符合正态分布，且其中的均值即为YAW角误差。

在本申请的一个实施例中，所述目标边界的点云数据包括所述采集板上的长边的点云数据，所述长边与预设标定场中的车道线重合。

具体实施时，长边的点云数据即是与预设标定场中的车道线重合的点云数据。由于获取的是高精地图数据，故高精地图中提供的车道线数据与点云数据的匹配结果，能够对长边的点云数据的位置造成影响，即调节第二YAW角直到点云与车道线重合度最高。此外，调节后的第二YAW角，会再与第一YAW角进行差值计算，从而实现了动态更新所述YAW角误差参数。

在本申请的一个实施例中，所述根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧，包括：根据所述自车当前位置与朝向、所述激光雷达的初始粗标定参数以及预设误差区间对当前时刻所述激光雷达识别到的点云数据进行分割。

具体实施时，以上述两个采集板为例，比如，对K时刻激光雷达识别到的点云做处理，分离出两个采集板的点云数据，可根据自车当前的位置与朝向、激光雷达的初始粗标定参数以及设定的误差区间进行分割。

需要注意的是，分割的过程为本领域的技术人员公知的，在此不再赘述。

在本申请的一个实施例中，所述获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据，还包括：判断预设标定场所在区域的离线高精地图数据是否更新；如果判断预设标定场所在区域的离线高精地图数据未更新，则根据所述激光雷达采集的点云数据更新所述车道线数据。

具体实施时，对于离线高精地图数据，在匹配之前判断预设标定场所在区域的离线高精地图数据是否更新。如果判断预设标定场所在区域的离线高精地图数据未更新，根据所述激光雷达采集的点云数据(当前采集的或者时间早于离线历史版本的)更新所述车道线数据。由于经过了YAW角误差参数的动态调整对激光雷达进行标定，激光雷采集的点云数据比之前的高精地图的数据更加精准。

在本申请的一个实施例中，还包括：动态标定所述激光雷达的步骤：根据视觉传感器识别到的多组车辆数据以及预先加载的高精地图数据，实时调整所述激光雷达的YAW角误差参数，以使车辆行驶在目标车道内，其中所述多组车辆数据用于作为激光雷达采集的点云数据对应的标志物。

具体实施时，除了上述静态标定方式，还可以动态标定所述激光雷达。即根据视觉传感器识别到的多组车辆数据(作为标识)以及预先加载的高精地图数据(提供高精车道线)，实时调整所述激光雷达的YAW角误差参数，动态标定雷达的结果即根据YAW角误差参数的调整结果而定。

需要注意的是，所述多组车辆数据用于作为激光雷达采集的点云数据对应的标志物集。

本申请实施例还提供了激光雷达标定装置200，如图2所示，提供了本申请实施例中激光雷达标定装置的结构示意图，所述激光雷达标定装置200至少包括：初始化模块210、第一获取模块220、第二获取模块230、匹配模块240、差值计算模块250、以及标定模块260，其中：

初始化模块210，用于初始化激光雷达，至少得到激光雷达标定的第一YAW角；

第一获取模块220，用于根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；

第二获取模块230，用于获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；

匹配模块240，用于根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；

差值计算模块250，用于根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；

标定模块260，用于根据所述YAW角误差参数，标定激光雷达。

在本申请的一个实施例中，所述初始化模块210具体用于：对于激光雷达可以使用相关技术中的手段进行初标定，即初始化激光雷达后得到激光雷达标定的第一YAW角。此外，除了YAW角，初标定能标定Pitch角、Roll角以及x_offset、y_offset等参数。但在本申请主要关注YAW角。

在本申请的一个实施例中，所述第一获取模块220具体用于：根据预设标定场中的特殊的采集板，获取激光雷达采集的点云数据。采集板位于车道的任意一侧，或者说，车道的两侧均可。

优选地，可以让自动驾驶车辆在预设标定场中正向行驶。比如，可以将两个采集板(反射板/反光板)分别放到两条车道线左、右两侧，且长边分别与车道线重合。

如图3所示，可以设定自动驾驶车辆行驶路线，即设定一条与两侧车道线平行的直线行驶路线，长度可设定为200米，其中正向行驶起点距离采集板100米左右，反向行驶起点距离采集板100米左右。

在本申请的一个实施例中，所述第二获取模块230具体用于：同时，还需要获取在预设标定场所在区域内的高精地图数据。可以理解，这些高精地图数据中至少需要包括车道线数据。车道线数据需要作为下述匹配的参考。

在本申请的一个实施例中，所述匹配模块240具体用于：自车坐标系是一个二维的坐标系，根据所述车道线数据与所述采集板的点云数据在自车坐标系中点云数据的匹配结果，确定第二YAW角。

可以理解，第二YAW角是包括多个的时刻的，或者说每个时刻均包括第二YAW角。

在本申请的一个实施例中，所述差值计算模块250具体用于：进一步根据所述第一YAW角与所述第二YAW角的差值，即可得到所述YAW角误差参数。

优选地，可以让自动驾驶车辆在之前的预设标定场中反向行驶，再次计算得到多个时刻的YAW角误差参数。

在本申请的一个实施例中，所述标定模块260具体用于：根据YAW角误差参数(可以是均值或者动态变化值)标定激光雷达，得到优化的激光雷达的标定结果。

能够理解，上述激光雷达标定装置，能够实现前述实施例中提供的激光雷达标定装方法的各个步骤，关于激光雷达标定方法的相关阐释均适用于激光雷达标定装置，此处不再赘述。

图4是本申请的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成激光雷达标定装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

初始化激光雷达，至少得到激光雷达标定的第一YAW角；

根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；

获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；

根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；

根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；

根据所述YAW角误差参数，标定激光雷达。

上述如本申请图1所示实施例揭示的激光雷达标定装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1中激光雷达标定装置执行的方法，并实现激光雷达标定装置在图1所示实施例的功能，本申请实施例在此不再赘述。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中激光雷达标定装置执行的方法，并具体用于执行：

初始化激光雷达，至少得到激光雷达标定的第一YAW角；

根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；

获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；

根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；

根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；

根据所述YAW角误差参数，标定激光雷达。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种激光雷达标定方法，其中，所述方法包括：

初始化激光雷达，至少得到激光雷达标定的第一YAW角；

根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；

获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；

根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；

根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；

根据所述YAW角误差参数，标定激光雷达。

2.如权利要求1所述方法，其中，所述采集板至少包括两个，两个所述采集板相对设置于所述车道的两侧，根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角，包括：

根据两个所述采集板的位置，对点云数据进行分割，得到对应的第一点云数据；

将所述第一点云数据投影至所述自车坐标系并提取目标边界的点云数据；

在匹配所述目标边界的点云数据与所述车道线数据的过程中，调节YAW角来改变所述目标边界的点云数据的位置，以使所述目标边界的点云数据与所述车道线数据重合；

根据调整到重合位置的，确定所述第二YAW角。

3.如权利要求2所述方法，其中，所述根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数，包括：

在目标车道上正向行驶，得到第K时刻对应的所述第二YAW角；

在目标车道上反向行驶，得到第N时刻对应的所述第二YAW角；

根据所述第K时刻对应的所述第二YAW角、所述第N时刻对应的所述第二YAW角，得到YAW角误差参数，其中所述K、N为自然数，将多个时刻的YAW角误差参数的平均值作为所述YAW角误差参数。

4.如权利要求2所述方法，其中，所述目标边界的点云数据包括所述采集板上的长边的点云数据，所述长边与预设标定场中的车道线的一部分重合。

5.如权利要求1所述方法，其中，所述根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧，包括：

根据所述自车当前位置与朝向、所述激光雷达的初始粗标定参数以及预设误差区间对当前时刻所述激光雷达识别到的点云数据进行分割。

6.如权利要求1所述方法，其中，所述获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据，还包括：

判断预设标定场所在区域的离线高精地图数据是否更新；

如果判断预设标定场所在区域的离线高精地图数据未更新，则根据所述激光雷达采集的点云数据更新所述车道线数据。

7.如权利要求1所述方法，其中，还包括：动态标定所述激光雷达的步骤：

根据视觉传感器识别到的多组车辆数据以及预先加载的高精地图数据，实时调整所述激光雷达的YAW角误差参数，以使车辆行驶在目标车道内，其中所述多组车辆数据用于作为激光雷达采集的点云数据对应的标志物。

8.一种激光雷达标定装置，其中，所述装置包括：

初始化模块，用于初始化激光雷达，至少得到激光雷达标定的第一YAW角；

第一获取模块，用于根据预设标定场，获取激光雷达采集的点云数据，其中所述预设标定场至少包括采集板，所述采集板位于车道的任意一侧；

第二获取模块，用于获取所述预设标定场所在区域的高精地图数据，其中所述高精地图数据包括车道的车道线数据；

匹配模块，用于根据所述车道线数据与所述采集板的点云数据在自车坐标系的匹配结果，确定第二YAW角；

差值计算模块，用于根据所述第一YAW角与所述第二YAW角的差值，得到YAW角误差参数；

标定模块，用于根据所述YAW角误差参数，标定激光雷达。

9.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。

Images