CN114994641A - 一种参数标定方法、装置、电子设备及存储介质 - Google Patents

一种参数标定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114994641A
CN114994641A CN202210657664.XA CN202210657664A CN114994641A CN 114994641 A CN114994641 A CN 114994641A CN 202210657664 A CN202210657664 A CN 202210657664A CN 114994641 A CN114994641 A CN 114994641A
Authority
CN
China
Prior art keywords
pose
data
mobile robot
radar data
mileage
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
CN202210657664.XA
Other languages
English (en)
Inventor
韦坤
魏青铜
唐恒博
孙元栋
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.)
Hangzhou Hikrobot Technology Co Ltd
Original Assignee
Hangzhou Hikrobot Technology 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 Hangzhou Hikrobot Technology Co Ltd filed Critical Hangzhou Hikrobot Technology Co Ltd
Priority to CN202210657664.XA priority Critical patent/CN114994641A/zh
Publication of CN114994641A publication Critical patent/CN114994641A/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
    • 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
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请实施例提供了一种参数标定方法、装置、电子设备及存储介质，涉及计算机技术领域，包括：获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据；针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定。应用本申请实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。

Description

一种参数标定方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种参数标定方法、装置、电子设备及存储介质。
背景技术
随着移动机器人技术的快速发展，移动机器人的应用也越来越广泛。例如，在仓储物流场景中，可以利用AGV(Automated Guided Vehicle，无人搬运车)搬运货物。
为实现移动机器人自动导航，需要获得移动机器人的位姿。移动机器人上一般部署有激光雷达和里程传感器，激光雷达可以采集雷达数据，基于上述雷达数据能够获得移动机器人的位姿，里程传感器可以采集里程数据，该里程数据能够反映相邻时刻移动机器人的位姿增量。基于激光雷达相对里程传感器的外参，能够将激光雷达采集的雷达数据与里程传感器采集的里程数据进行融合，基于融合后的数据能够获得移动机器人更为准确的位姿。
相关技术中，在获得激光雷达相对里程传感器的外参时，通常利用预设的标定物标定激光雷达相对里程传感器的外参。上述方案中，标定得到的外参受标定物自身精度的影响较大，容易导致标定得到的外参的准确度较低。
发明内容
本申请实施例的目的在于提供一种参数标定方法、装置、电子设备及存储介质，以提高标定得到的激光雷达参数的准确度。具体技术方案如下：
第一方面，本申请实施例提供了一种参数标定方法，所述方法包括：
获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，所述里程数据用于反映所述移动机器人的位姿增量；
针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿；
计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参。
本申请的一个实施例中，在所述针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿步骤之后，所述方法还包括：
基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据；
针对每一关键雷达数据，从所获得的里程数据中确定采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据；
所述计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，包括：
计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
本申请的一个实施例中，所述基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据，包括：
从所获得的雷达数据中，确定对应的第一位姿相对前一采集时刻采集的雷达数据对应的第一位姿的差异满足预设的差异条件的雷达数据，作为关键雷达数据。
本申请的一个实施例中，所述计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异，包括：
在所确定的关键雷达数据的数量达到第一预设阈值时，计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
本申请的一个实施例中，所述以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参，包括：
以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参和时延进行标定，得到所述激光雷达相对所述里程传感器标定后的外参和时延。
本申请的一个实施例中，所述移动机器人在每一采集时刻的参考位姿为：
基于所获得的该采集时刻的雷达数据解算得到的第一位姿；或
以与该采集时刻相邻的里程数据反映的位姿增量对所述移动机器人在所述标定轨迹中的第一初始位姿进行叠加得到的位姿。
本申请的一个实施例中，所述方法还包括：
利用外参标定后的激光雷达对所述移动机器人进行导航，控制所述移动机器人沿预设的测试轨迹行进，其中，所述测试轨迹中包括多个测试点；
在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，计算所获得的第二位姿相对该测试点的目标位姿之间的偏差；
基于所获得的偏差确定所述激光雷达标定后的外参的准确度。
本申请的一个实施例中，所述基于所获得的偏差确定所述激光雷达标定后的外参的准确度，包括：
在所获得的第二位姿的数量达到第二预设阈值时，从所计算的偏差中统计小于预设偏差阈值的偏差的偏差数量，在所述偏差数量大于等于第三预设阈值时，确定所述激光雷达标定后的外参满足准确度要求，其中，所述第三预设阈值小于等于所述第二预设阈值。
本申请的一个实施例中，所述在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，包括：
在所述移动机器人到达每一测试点时，获得位姿测量传感器采集的位姿数据，基于所获得的位姿数据确定所述移动机器人的第二位姿，其中，所述位姿测量传感器部署于所述移动机器人上。
第二方面，本申请实施例提供了一种参数标定装置，所述装置包括：
数据采集模块，用于获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，所述里程数据用于反映所述移动机器人的位姿增量；
第一位姿获得模块，用于针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿；
目标差异计算模块，用于计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异；
外参标定模块，用于以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参。
本申请的一个实施例中，所述装置还包括：
关键雷达数据确定模块，用于在针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿之后，基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据；
关键里程数据确定模块，用于针对每一关键雷达数据，从所获得的里程数据中确定采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据；
所述目标差异计算模块，具体用于：
计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
本申请的一个实施例中，所述关键雷达数据确定模块，具体用于：
从所获得的雷达数据中，确定对应的第一位姿相对前一采集时刻采集的雷达数据对应的第一位姿的差异满足预设的差异条件的雷达数据，作为关键雷达数据。
本申请的一个实施例中，所述目标差异计算模块，具体用于：
在所确定的关键雷达数据的数量达到第一预设阈值时，计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
本申请的一个实施例中，所述外参标定模块，具体用于：
以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参和时延进行标定，得到所述激光雷达相对所述里程传感器标定后的外参和时延。
本申请的一个实施例中，所述移动机器人在每一采集时刻的参考位姿为：
基于所获得的该采集时刻的雷达数据解算得到的第一位姿；或
以与该采集时刻相邻的里程数据反映的位姿增量对所述移动机器人在所述标定轨迹中的第一初始位姿进行叠加得到的位姿。
本申请的一个实施例中，所述装置还包括：
测试轨迹行进模块，用于利用外参标定后的激光雷达对所述移动机器人进行导航，控制所述移动机器人沿预设的测试轨迹行进，其中，所述测试轨迹中包括多个测试点；
偏差计算模块，用于在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，计算所获得的第二位姿相对该测试点的目标位姿之间的偏差；
准确度确定模块，用于基于所获得的偏差确定所述激光雷达标定后的外参的准确度。
本申请的一个实施例中，所述准确度确定模块，具体用于：
在所获得的第二位姿的数量达到第二预设阈值时，从所计算的偏差中统计小于预设偏差阈值的偏差的偏差数量，在所述偏差数量大于等于第三预设阈值时，确定所述激光雷达标定后的外参满足准确度要求，其中，所述第三预设阈值小于等于所述第二预设阈值。
本申请的一个实施例中，所述偏差计算模块，具体用于：
在所述移动机器人到达每一测试点时，获得位姿测量传感器采集的位姿数据，基于所获得的位姿数据确定所述移动机器人的第二位姿，其中，所述位姿测量传感器部署于所述移动机器人上。
第三方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。
第四方面，本申请实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的参数标定方法。
本申请实施例有益效果：
本申请实施例提供的参数标定方案中，可以获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，里程数据用于反映移动机器人的位姿增量；针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。这样可以基于移动机器人在行进过程中的雷达数据和里程数据，对激光雷达的外参进行标定，无需借助标定物对激光雷达进行标定，所得到的标定结果不受标定物的准确度的影响。由此可见，应用本申请实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本申请实施例提供的一种参数标定方法的流程示意图；
图2为本申请实施例提供的一种里程数据的示意图；
图3为本申请实施例提供的另一种参数标定方法的流程示意图；
图4为本申请实施例提供的又一种参数标定方法的流程示意图；
图5为本申请实施例提供的一种参数标定装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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基于本申请所获得的所有其他实施例，都属于本申请保护的范围。
为了提高标定得到的激光雷达参数的准确度，本申请实施例提供了一种参数标定方法、装置、电子设备及存储介质，下面分别进行详细介绍。
本申请实施例提供了一种参数标定方法，该方法可以应用于计算机、服务器、车载控制器等电子设备，该方法包括：
获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，里程数据用于反映移动机器人的位姿增量；
针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；
计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。
这样可以基于移动机器人在行进过程中的雷达数据和里程数据，对激光雷达的外参进行标定，无需借助标定物对激光雷达进行标定，所得到的标定结果不受标定物的准确度的影响。由此可见，应用上述实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。
下面对参数标定方法进行详细介绍。
参见图1，图1为本申请实施例提供的一种参数标定方法的流程示意图，包括如下步骤S101-S103：
S101，获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据。
其中，里程数据用于反映移动机器人的位姿增量。
上述标定场景可以是实验室、工厂车间、仓库等。
上述标定轨迹为：在上述标定场景中预设的一段行进轨迹，该轨迹可以是直线轨迹、弧线轨迹等，本申请实施例并不对此进行限定。
上述移动机器人部署有激光雷达和里程传感器，激光雷达可以采集雷达数据，基于上述雷达数据能够获得移动机器人的位姿，里程传感器可以采集里程数据，该里程数据能够反映相邻时刻移动机器人的位姿增量。
上述位姿可以包括位置信息、姿态信息等，上述位置信息可以包括前向位移、横向位移等，上述姿态信息指的是移动机器人前进方向偏移的角度，可以包括俯仰角、偏航角、横滚角等。
上述位姿增量指的是：当前时刻移动机器人的位姿，相对上一时刻移动机器人的位姿的变化量，例如，可以包括移动机器人沿前向方向位移的增量、沿横向方向位移的增量、以及行进方向发生倾斜的角度等。
上述里程传感器可以是轮式编码器、激光里程计、视觉里程计等，本申请实施例并不对此进行限定。
具体的，可以控制移动机器人在标定场景中沿预设的标定轨迹行进，在移动机器人行进过程中，移动机器人上所部署的激光雷达可以采集得到雷达数据，并且移动机器人上所部署的里程传感器可以采集得到里程数据，在移动机器人行进的过程中，电子设备从而可以实时获得上述雷达数据、里程数据。
参见图2，图2为本申请实施例提供的一种里程数据的示意图。通过解算里程数据可以得到移动机器人的行进距离增量Δl和行进角度偏移增量Δθ，利用几何约束关系，可以进一步分解出移动机器人在前向方向上的位移增量Δx、在横向方向上的位移增量Δy，可以将上述Δx、Δy、Δθ作为移动机器人的位姿增量。并且，在Fpre表示移动机器人上一时刻的位姿的情况下，利用位姿增量对上述Fpre进行叠加，可以得到移动机器人当前时刻的位姿Fcur。
S102，针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿。
其中，上述栅格地图为：预先建立的、标定场景的二维激光地图。
具体的，针对每一雷达数据，可以将该雷达数据与上述栅格地图相匹配，从而能够解算出移动机器人在该雷达数据的采集时刻的前向位移、横向位移、位移倾角等参数，从而得到移动机器人的位姿，作为第一位姿。
S103，计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。
其中，上述参考位姿指的是：基于激光雷达、或里程传感器、或其他方式确定的移动机器人的位姿，该参考位姿的获得方式后续进行详细介绍。
上述目标差异为：基于激光雷达所采集的雷达数据确定的移动机器人的位姿增量，相对里程传感器采集的里程数据反映的移动机器人的位姿增量之间的差异，该差异是由激光雷达和里程传感器之间安装参数的不同带来的，因此上述差异能够反映激光雷达相对里程传感器的外参。
上述雷达数据的采集时刻、与里程数据的采集时刻可以一一对应，这样基于雷达数据得到的位姿增量、与基于里程数据得到的位姿增量，能够反映相同时间段内移动机器人的位姿的变化量。例如，假设采集得到的雷达数据包括D1、D2，采集得到的里程数据包括L1、L2，其中，D1与L1的采集时刻对应，D2与L2的采集时刻对应，基于D1、D2得到的位姿增量为Z1，基于L1、L2得到的位姿增量为Z2，则上述Z1、Z2能够反映相同时间段内移动机器人的位姿的变化量。
需要说明的是，为使雷达数据的采集时刻、与里程数据的采集时刻一一对应，一种情况下，激光雷达与里程传感器可以同步进行数据采集；
另一种情况下，可以针对每一雷达数据，查找与该雷达数据的采集时刻之间的间隔小于预设的间隔阈值的里程数据，作为采集时刻与该雷达数据对应的里程数据；也可以查找与该雷达数据的采集时刻之间的间隔最小的里程数据，作为采集时刻与该雷达数据对应的里程数据；
或者，针对每一里程数据，查找与该里程数据的采集时刻之间的间隔小于预设的间隔阈值的雷达数据，作为采集时刻与该里程数据对应的雷达数据；也可以查找与该里程数据的采集时刻之间的间隔最小的雷达数据，作为采集时刻与该里程数据对应的雷达数据。
具体的，由于激光雷达和里程传感器的安装位置、朝向不同，从而基于激光雷达确定的移动机器人的位姿，与基于里程传感器确定的机器人的位姿之间存在差异，鉴于此，可以计算相邻采集时刻的雷达数据对应的第一位姿之间的差异，作为基于激光雷达得到的移动机器人的位姿增量，并计算该位姿增量相对里程传感器采集的里程数据反映的位姿增量之间的差异，作为目标差异，然后利用上述目标差异对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行优化，以降低上述目标差异，最终得到优化后的外参，实现对激光雷达相对里程传感器的外参的标定。
后续在对激光雷达采集的雷达数据、里程传感器采集的里程数据进行关联、融合等处理时，可以首先基于上述标定得到的外参，对雷达数据和/或里程数据进行预处理，再对预处理后的雷达数据、里程数据进行关联、融合处理。由于该外参是以降低上述目标差异为目的得到的，因此预处理后的雷达数据、里程数据之间的差异较小，进而对预处理后的雷达数据、里程数据进行关联、融合处理得到的处理结果的准确度较高。
本申请的一个实施例中，上述移动机器人在每一采集时刻的参考位姿可以为：基于所获得的该采集时刻的雷达数据解算得到的第一位姿。
具体的，在参考位姿为第一位姿的情况下，可以利用上述目标差异对移动机器人在每一采集时刻的第一位姿、激光雷达相对里程传感器的外参进行优化，以降低上述目标差异，最终得到优化后的外参，实现对激光雷达相对里程传感器的外参的标定。
另外，上述参考位姿还可以为：以与该采集时刻相邻的里程数据反映的位姿增量对移动机器人在标定轨迹中的第一初始位姿进行叠加得到的位姿。
其中，上述第一初始位姿指的是：移动机器人在沿标定轨迹行进前的位姿，可以是人为设定的位姿，例如，上述第一初始位姿可以是0；或者，上述第一初始位姿可以是利用位姿获得设备测量得到的位姿，上述位姿获得设备可以是激光雷达、GPS设备、视觉位姿传感器等。
采集时刻相邻的里程数据指的是：针对每一雷达数据，采集时刻与该雷达数据的采集时刻之间的时间间隔最小的里程数据，可以是位于雷达数据的采集时刻之前、采集时刻最接近的里程数据，或者是位于雷达数据的采集时刻之后、采集时刻最接近的里程数据，本申请实施例并不对此进行限定。
具体的，可以首先获得移动机器人在沿标定轨迹行进前的第一初始位姿，然后利用所获得的、该采集时刻相邻的里程数据反映的位姿增量对上述第一初始位姿进行叠加，从而得到移动机器人该采集时刻下的位姿，作为参考位姿。然后利用上述目标差异对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行优化，以降低上述目标差异，最终得到优化后的外参，实现对激光雷达相对里程传感器的外参的标定。
本申请的一个实施例中，在进行外参标定时，可以基于雷达数据反映的位姿增量与里程数据反映的位姿增量，计算目标差异，并确定用于对参考位姿、激光雷达相对里程传感器的外参进行优化的梯度函数，基于该梯度函数调整上述参考位姿和外参，从而得到调整后激光雷达相对里程传感器的外参。
上述实施例提供的参数标定方案中，可以获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，里程数据用于反映移动机器人的位姿增量；针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。这样可以基于移动机器人在行进过程中的雷达数据和里程数据，对激光雷达的外参进行标定，无需借助标定物对激光雷达进行标定，所得到的标定结果不受标定物的准确度的影响。由此可见，应用上述实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。
参见图3，图3为本申请实施例提供的另一种参数标定方法的流程示意图，在上述步骤S102解算得到移动机器人的第一位姿步骤之后，还包括如下步骤：
S104，基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据。
S105，针对每一关键雷达数据，从所获得的里程数据中确定采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据。
这样所得到的关键里程数据、与关键雷达数据之间的采集时刻一一对应。这样基于关键雷达数据得到的位姿增量、与基于关键里程数据得到的位姿增量，能够反映相同时间段内移动机器人的位姿的变化量。
相对应地，对于上述步骤S103在计算目标差异，可以：
计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
具体的，针对每一雷达数据，可以计算该雷达数据对应的第一位姿、以及采集时刻与该雷达数据相邻的雷达数据对应的第一位姿之间的差异，基于该差异，判断该雷达数据是否为关键雷达数据，从而能够从多个雷达数据中筛选出关键雷达数据。针对每一关键雷达数据，可以从所获得的里程数据中，查找采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据，这样每一关键雷达数据可以对应一关键里程数据。
在上述方案的基础上，后续在计算目标差异时，可以计算采集时刻相邻的关键雷达数据对应的第一位姿之间的位姿增量、与上述关键雷达数据对应的关键里程数据反映的位姿增量之间的差异，作为目标差异。
本申请的一个实施例中，对于上述步骤S104在确定关键雷达数据时，可以：
从所获得的雷达数据中，确定对应的第一位姿相对前一采集时刻采集的雷达数据对应的第一位姿的差异满足预设的差异条件的雷达数据，作为关键雷达数据。
其中，上述差异条件可以包括以下条件中的任意一个或多个的组合：前向位移的相差距离超过第一距离阈值、纵向位移的相差距离超过第二距离阈值、前进方向倾斜的角度的角度差超过角度阈值。
例如，可以基于移动机器人，在水平面上建立二维坐标系，将初始状态下移动机器人正前方的方向作为X轴的方向，与X轴在水平面上垂直的方向作为Y轴的方向，这种情况下，移动机器人沿X轴方向移动的距离，可以作为前向位移，沿Y轴方向移动的距离，可以作为纵向位移，移动机器人当前正前方的方向与X轴方向之间的夹角，可以作为前进方向倾斜的角度。
具体的，针对每一雷达数据，可以计算该雷达数据对应的第一位姿与前一采集时刻的雷达数据对应的第一位姿之间的差异，判断上述差异是否满足差异条件，若满足，则说明移动机器人在该雷达数据的采集时刻发生了较大的位姿变化，因此可以将该雷达数据作为关键雷达数据。
本申请的一个实施例中，在每确定一关键雷达数据后，可以将该关键雷达数据添加进雷达数据队列，以实现对该关键雷达数据进行存储，便于后续利用该关键雷达数据进行参数标定。
本申请的一个实施例中，在上述步骤S103确定目标差异时，可以在所确定的关键雷达数据的数量达到第一预设阈值时，计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
其中，上述第一预设阈值可以是5、8、13等，本申请实施例并不对此进行限定。
具体的，可以持续确定各个关键雷达数据，在每获得一关键雷达数据的情况下，均可以确定一关键里程数据，可以对已获得的关键雷达数据进行统计，当已获得的关键雷达数据的数量达到第一预设阈值时，则说明关键雷达数据、关键里程数据的数量较为充足，可以基于已获得的关键雷达数据进行参数标定，因此可以计算基于关键雷达数据得到的位姿增量、关键里程数据反映的位姿增量之间的差异，得到目标差异。
本申请的一个实施例中，对于上述步骤S103在进行参数标定时，可以以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参和时延进行标定，得到激光雷达相对里程传感器标定后的外参和时延。
其中，上述时延指的是：激光雷达的系统时钟、与里程传感器的系统时钟之间的差异。
具体的，计算基于关键雷达数据得到的位姿增量、关键里程数据反映的位姿增量之间的差异，得到目标差异，然后对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参、激光雷达相对里程传感器的时延进行优化，以降低上述目标差异，最终得到优化后的外参和时延。这样除了对外参进行标定外，还可以对激光雷达相对里程传感器的时延进行标定，便于后续按照该时延对激光雷达、里程传感器进行时钟同步，或者按照该时延查找同步采集的里程数据及雷达数据。
本申请的一个实施例中，在进行外参标定时，可以利用预设的优化算法进行标定。具体的，可以将基于雷达数据得到的第一位姿、基于里程传感器得到的位姿增量作为已知量，将移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参、激光雷达相对里程传感器的时延作为待优化量，将上述已知量、待优化量输入预设的优化算法中，优化算法可以基于上述已知量计算雷达数据反映的位姿增量、里程数据反映的位姿增量之间的目标差异，以降低该目标差异为原则，优化上述待优化量，最终输出优化后的外参及时延，实现参数标定。其中，上述优化算法可以是非线性最小二乘法等算法，本申请实施例并不对此进行限定。
在上述方案标定得到激光雷达相对里程传感器的外参之后，可以对该外参的准确度进行测试，下面进行详细介绍。
参见图4，图4为本申请实施例提供的一种准确度测试方法的流程示意图，该方法包括如下步骤S401-S403：
S401，利用外参标定后的激光雷达对移动机器人进行导航，控制移动机器人沿预设的测试轨迹行进。
其中，测试轨迹中包括多个测试点。上述测试轨迹可以是标定场景中的一段轨迹，例如，可以是与上述标定轨迹相同的轨迹，也可以是标定场景中的其他轨迹；除此之外，上述测试轨迹也可以是测试场景中的一段轨迹，该测试场景可以是实验室、操场、地下车库等。测试轨迹可以是直线轨迹、弧线轨迹等，本申请实施例并不对此进行限定。
具体的，在上述步骤S103标定得到激光雷达相对里程传感器的外参之后，可以利用标定后的激光雷达对移动机器人进行导航，控制移动机器人沿测试轨迹行进。
S402，在移动机器人到达每一测试点时，获得移动机器人的第二位姿，计算所获得的第二位姿相对该测试点的目标位姿之间的偏差。
其中，每一测试点的目标位姿指的是：人工预先标定得到的该测试点的位置信息、基于测量工具测量得到的移动机器人处于该测试点时的位姿等。
具体的，在利用标定后激光雷达对移动机器人进行导航时，可以控制移动机器人沿上述测试轨迹行进，当基于激光雷达检测到移动机器人行进至测试点时，可以获得此刻移动机器人的位姿，作为第二位姿，计算该第二位姿相对该测试点的目标位姿之间的偏差。
本申请的一个实施例中，在获得移动机器人的第二位姿时，可以在移动机器人到达每一测试点时，获得位姿测量传感器采集的位姿数据，基于所获得的位姿数据确定移动机器人的第二位姿。
其中，位姿测量传感器部署于移动机器人上，该位姿测量传感器可以是视觉传感器、里程传感器等。
具体的，当基于激光雷达确定移动机器人行进至测试点时，可以利用位姿测量传感器采集移动机器人此刻的位姿数据，基于该位姿数据获得此刻移动机器人的位姿，作为第二位姿。
S403，基于所获得的偏差确定激光雷达标定后的外参的准确度。
具体的，针对每一测试点，该测试点对应的第二位姿反映移动机器人达到该测试点时实际的位姿，该测试点对应的目标位姿反映理论上移动机器人到达该测试点时的位姿，因此第二位姿相对目标位姿的偏差，可以反映移动机器人实际的位姿相对期望的位姿的偏差，而由于移动机器人是基于激光雷达导航行进至各个测试点的，因此上述偏差可以反映激光雷达的误差，因此，基于上述偏差，可以确定标定后激光雷达的外参的准确度。
本申请的一个实施例中，为确定激光雷达标定后的外参的准确度，可以在所获得的第二位姿的数量达到第二预设阈值时，从所计算的偏差中统计小于预设偏差阈值的偏差的偏差数量，在偏差数量大于等于第三预设阈值时，确定激光雷达标定后的外参满足准确度要求。
其中，第三预设阈值小于等于第二预设阈值。第二预设阈值的数量可以是5、7、15等，第三预设阈值的数量可以是3、6、12等。
具体的，可以统计所获得的第二位姿的数量，当第二位姿的数量达到第二预设阈值时，说明移动机器人已经经过了第二预设数量个测试点，这种情况下，可以从已获得的偏差中，查找小于预设偏差阈值的偏差，若测试点对应的偏差小于预设偏差阈值，说明在该测试点处移动机器人的位姿接近该测试点对应的目标位姿，进而说明基于标定后激光雷达对移动机器人的定位较为准确，因此可以统计所查找到的偏差的数量，作为偏差数量，判断该偏差数量是否大于等于第三预设阈值，若为是，则说明利用标定后激光雷达对移动机器人进行导航时，能够较为准确地控制移动机器人到达多个测试点，因此可以确定激光雷达标定后的外参满足准确度要求；若为否，则说明利用标定后激光雷达对移动机器人进行导航时，难以准确地控制移动机器人到达多个测试点，因此可以确定激光雷达标定后的外参不满足准确度要求。
除此之外，也可以计算各个测试点对应的偏差的均值，确定该均值的倒数，作为激光雷达标定后外参的准确度。
本申请的一个实施例中，在确定激光雷达标定后的外参不满足准确度要求的情况下，可以返回上述步骤S101，重新对激光雷达相对里程传感器的外参进行标定，直至所得到的外参的准确度满足准确度要求。
上述实施例提供的参数标定方案中，可以获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，里程数据用于反映移动机器人的位姿增量；针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。这样可以基于移动机器人在行进过程中的雷达数据和里程数据，对激光雷达的外参进行标定，无需借助标定物对激光雷达进行标定，所得到的标定结果不受标定物的准确度的影响。由此可见，应用上述实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。
与上述参数标定方法相对应地，本申请实施例还提供了一种参数标定装置，下面进行详细介绍。
参见图5，图5为本申请实施例提供的一种参数标定装置的结构示意图，所述装置包括：
数据采集模块501，用于获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，所述里程数据用于反映所述移动机器人的位姿增量；
第一位姿获得模块502，用于针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿；
目标差异计算模块503，用于计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异；
外参标定模块504，用于以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参。
本申请的一个实施例中，所述装置还包括：
关键雷达数据确定模块，用于在针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿之后，基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据；
关键里程数据确定模块，用于针对每一关键雷达数据，从所获得的里程数据中确定采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据；
所述目标差异计算模块503，具体用于：
计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
本申请的一个实施例中，所述关键雷达数据确定模块，具体用于：
从所获得的雷达数据中，确定对应的第一位姿相对前一采集时刻采集的雷达数据对应的第一位姿的差异满足预设的差异条件的雷达数据，作为关键雷达数据。
本申请的一个实施例中，所述目标差异计算模块503，具体用于：
在所确定的关键雷达数据的数量达到第一预设阈值时，计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
本申请的一个实施例中，所述外参标定模块504，具体用于：
以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参和时延进行标定，得到所述激光雷达相对所述里程传感器标定后的外参和时延。
本申请的一个实施例中，所述移动机器人在每一采集时刻的参考位姿为：
基于所获得的该采集时刻的雷达数据解算得到的第一位姿；或
以与该采集时刻相邻的里程数据反映的位姿增量对所述移动机器人在所述标定轨迹中的第一初始位姿进行叠加得到的位姿。
本申请的一个实施例中，所述装置还包括：
测试轨迹行进模块，用于利用外参标定后的激光雷达对所述移动机器人进行导航，控制所述移动机器人沿预设的测试轨迹行进，其中，所述测试轨迹中包括多个测试点；
偏差计算模块，用于在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，计算所获得的第二位姿相对该测试点的目标位姿之间的偏差；
准确度确定模块，用于基于所获得的偏差确定所述激光雷达标定后的外参的准确度。
本申请的一个实施例中，所述准确度确定模块，具体用于：
在所获得的第二位姿的数量达到第二预设阈值时，从所计算的偏差中统计小于预设偏差阈值的偏差的偏差数量，在所述偏差数量大于等于第三预设阈值时，确定所述激光雷达标定后的外参满足准确度要求，其中，所述第三预设阈值小于等于所述第二预设阈值。
本申请的一个实施例中，所述偏差计算模块，具体用于：
在所述移动机器人到达每一测试点时，获得位姿测量传感器采集的位姿数据，基于所获得的位姿数据确定所述移动机器人的第二位姿，其中，所述位姿测量传感器部署于所述移动机器人上。
上述实施例提供的参数标定方案中，可以获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，里程数据用于反映移动机器人的位姿增量；针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。这样可以基于移动机器人在行进过程中的雷达数据和里程数据，对激光雷达的外参进行标定，无需借助标定物对激光雷达进行标定，所得到的标定结果不受标定物的准确度的影响。由此可见，应用上述实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。
本申请实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现参数标定的方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
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。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一参数标定方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一参数标定方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。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。所述计算机程序产品包括一个或多个计算机指令。在计算机上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本申请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站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
上述实施例提供的参数标定方案中，可以获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，里程数据用于反映移动机器人的位姿增量；针对每一雷达数据，将该雷达数据与标定场景的栅格地图相匹配，解算移动机器人在该雷达数据的采集时刻的第一位姿；计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低目标差异为原则，对移动机器人在各个采集时刻的参考位姿、激光雷达相对里程传感器的外参进行标定，得到激光雷达相对里程传感器标定后的外参。这样可以基于移动机器人在行进过程中的雷达数据和里程数据，对激光雷达的外参进行标定，无需借助标定物对激光雷达进行标定，所得到的标定结果不受标定物的准确度的影响。由此可见，应用上述实施例提供的方案，可以提高标定得到的激光雷达参数的准确度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、计算机可读存储介质实施例、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (13)

1.一种参数标定方法，其特征在于，所述方法包括：
获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，所述里程数据用于反映所述移动机器人的位姿增量；
针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿；
计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参。
2.根据权利要求1所述的方法，其特征在于，在所述针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿步骤之后，所述方法还包括：
基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据；
针对每一关键雷达数据，从所获得的里程数据中确定采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据；
所述计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异，包括：
计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
3.根据权利要求2所述的方法，其特征在于，所述基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据，包括：
从所获得的雷达数据中，确定对应的第一位姿相对前一采集时刻采集的雷达数据对应的第一位姿的差异满足预设的差异条件的雷达数据，作为关键雷达数据。
4.根据权利要求2所述的方法，其特征在于，所述计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异，包括：
在所确定的关键雷达数据的数量达到第一预设阈值时，计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异。
5.根据权利要求1所述的方法，其特征在于，所述以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参，包括：
以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参和时延进行标定，得到所述激光雷达相对所述里程传感器标定后的外参和时延。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述移动机器人在每一采集时刻的参考位姿为：
基于所获得的该采集时刻的雷达数据解算得到的第一位姿；或
以与该采集时刻相邻的里程数据反映的位姿增量对所述移动机器人在所述标定轨迹中的第一初始位姿进行叠加得到的位姿。
7.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法还包括：
利用外参标定后的激光雷达对所述移动机器人进行导航，控制所述移动机器人沿预设的测试轨迹行进，其中，所述测试轨迹中包括多个测试点；
在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，计算所获得的第二位姿相对该测试点的目标位姿之间的偏差；
基于所获得的偏差确定所述激光雷达标定后的外参的准确度。
8.根据权利要求7所述的方法，其特征在于，所述基于所获得的偏差确定所述激光雷达标定后的外参的准确度，包括：
在所获得的第二位姿的数量达到第二预设阈值时，从所计算的偏差中统计小于预设偏差阈值的偏差的偏差数量，在所述偏差数量大于等于第三预设阈值时，确定所述激光雷达标定后的外参满足准确度要求，其中，所述第三预设阈值小于等于所述第二预设阈值。
9.根据权利要求7所述的方法，其特征在于，所述在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，包括：
在所述移动机器人到达每一测试点时，获得位姿测量传感器采集的位姿数据，基于所获得的位姿数据确定所述移动机器人的第二位姿，其中，所述位姿测量传感器部署于所述移动机器人上。
10.一种参数标定装置，其特征在于，所述装置包括：
数据采集模块，用于获得移动机器人在标定场景中沿预设的标定轨迹行进过程中激光雷达采集的雷达数据，并获得里程传感器采集的里程数据，其中，所述里程数据用于反映所述移动机器人的位姿增量；
第一位姿获得模块，用于针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿；
目标差异计算模块，用于计算相邻采集时刻的雷达数据对应的第一位姿之间的位姿增量与所获得的里程数据反映的位姿增量之间的目标差异；
外参标定模块，用于以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参进行标定，得到所述激光雷达相对所述里程传感器标定后的外参。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
关键雷达数据确定模块，用于在针对每一雷达数据，将该雷达数据与所述标定场景的栅格地图相匹配，解算所述移动机器人在该雷达数据的采集时刻的第一位姿之后，基于相邻采集时刻的雷达数据对应的第一位姿之间的差异，从各个雷达数据中确定关键雷达数据；
关键里程数据确定模块，用于针对每一关键雷达数据，从所获得的里程数据中确定采集时刻与该关键雷达数据的采集时刻相邻的里程数据，作为关键里程数据；
所述目标差异计算模块，具体用于：
计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异；
所述关键雷达数据确定模块，具体用于：
从所获得的雷达数据中，确定对应的第一位姿相对前一采集时刻采集的雷达数据对应的第一位姿的差异满足预设的差异条件的雷达数据，作为关键雷达数据；
所述目标差异计算模块，具体用于：
在所确定的关键雷达数据的数量达到第一预设阈值时，计算相邻采集时刻的关键雷达数据对应的第一位姿之间的位姿增量与所确定的关键里程数据反映的位姿增量之间的目标差异；
所述外参标定模块，具体用于：
以降低所述目标差异为原则，对所述移动机器人在各个采集时刻的参考位姿、所述激光雷达相对所述里程传感器的外参和时延进行标定，得到所述激光雷达相对所述里程传感器标定后的外参和时延；
所述移动机器人在每一采集时刻的参考位姿为：
基于所获得的该采集时刻的雷达数据解算得到的第一位姿；或
以与该采集时刻相邻的里程数据反映的位姿增量对所述移动机器人在所述标定轨迹中的第一初始位姿进行叠加得到的位姿；
所述装置还包括：
测试轨迹行进模块，用于利用外参标定后的激光雷达对所述移动机器人进行导航，控制所述移动机器人沿预设的测试轨迹行进，其中，所述测试轨迹中包括多个测试点；
偏差计算模块，用于在所述移动机器人到达每一测试点时，获得所述移动机器人的第二位姿，计算所获得的第二位姿相对该测试点的目标位姿之间的偏差；
准确度确定模块，用于基于所获得的偏差确定所述激光雷达标定后的外参的准确度；
所述准确度确定模块，具体用于：
在所获得的第二位姿的数量达到第二预设阈值时，从所计算的偏差中统计小于预设偏差阈值的偏差的偏差数量，在所述偏差数量大于等于第三预设阈值时，确定所述激光雷达标定后的外参满足准确度要求，其中，所述第三预设阈值小于等于所述第二预设阈值；
所述偏差计算模块，具体用于：
在所述移动机器人到达每一测试点时，获得位姿测量传感器采集的位姿数据，基于所获得的位姿数据确定所述移动机器人的第二位姿，其中，所述位姿测量传感器部署于所述移动机器人上。
12.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一所述的方法步骤。
13.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法步骤。
CN202210657664.XA 2022-06-10 2022-06-10 一种参数标定方法、装置、电子设备及存储介质 Pending CN114994641A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210657664.XA CN114994641A (zh) 2022-06-10 2022-06-10 一种参数标定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210657664.XA CN114994641A (zh) 2022-06-10 2022-06-10 一种参数标定方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114994641A true CN114994641A (zh) 2022-09-02

Family

ID=83034034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210657664.XA Pending CN114994641A (zh) 2022-06-10 2022-06-10 一种参数标定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114994641A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115435816A (zh) * 2022-11-07 2022-12-06 山东大学 在线双舵轮agv内外参标定方法、系统、介质及设备
CN115993089A (zh) * 2022-11-10 2023-04-21 山东大学 基于pl-icp的在线四舵轮agv内外参标定方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115435816A (zh) * 2022-11-07 2022-12-06 山东大学 在线双舵轮agv内外参标定方法、系统、介质及设备
CN115993089A (zh) * 2022-11-10 2023-04-21 山东大学 基于pl-icp的在线四舵轮agv内外参标定方法
CN115993089B (zh) * 2022-11-10 2023-08-15 山东大学 基于pl-icp的在线四舵轮agv内外参标定方法

Similar Documents

Publication Publication Date Title
CN110673115B (zh) 雷达与组合导航系统的联合标定方法、装置、设备及介质
CN114994641A (zh) 一种参数标定方法、装置、电子设备及存储介质
EP2519803B1 (en) Technique for calibrating dead reckoning positioning data
US11486988B2 (en) Method for calibrating the alignment of a moving object sensor
CN113147738A (zh) 一种自动泊车定位方法和装置
CN113721248B (zh) 一种基于多源异构传感器的融合定位方法及系统
CN114943952A (zh) 多相机重叠视域下障碍物融合方法、系统、设备和介质
CN110637209A (zh) 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质
CN115290071A (zh) 相对定位融合方法、装置、设备及存储介质
CN109916417B (zh) 一种地图建立方法、装置、计算机设备及其存储介质
CN113671454B (zh) 一种车载雷达的位置参数标定方法、装置及存储介质
KR20230137439A (ko) 군집 궤적 위치의 정확도를 평가하기 위한 컴퓨터 구현 방법
CN113702927A (zh) 一种车辆传感器标定方法、装置及存储介质
CN111103578B (zh) 一种基于深度卷积神经网络的激光雷达在线标定方法
CN112955715A (zh) 用于确定机动车辆的移动向量的方法、用于确定车辆的速度的方法和相关车辆
CN113503883B (zh) 采集用于构建地图的数据的方法、存储介质及电子设备
JP6819441B2 (ja) 物標位置推定方法及び物標位置推定装置
CN115436918A (zh) 一种激光雷达与无人车的水平角度的校正方法和装置
CN114325662A (zh) 一种车载雷达的外参标定方法、装置、设备及存储介质
CN117367419A (zh) 机器人定位方法、装置和计算可读存储介质
CN114545377A (zh) 一种激光雷达标定方法及装置
CN113884089A (zh) 一种基于曲线匹配的相机杆臂补偿方法及系统
Han et al. Multi-layer VI-GNSS global positioning framework with numerical solution aided MAP initialization
CN113534156B (zh) 一种基于车载毫米波雷达的车辆定位方法、装置及设备
KR20200065144A (ko) 객체 인식을 이용한 정밀 지도 자동 검수 장치 및 방법

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
CB02 Change of applicant information

Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Hikvision Robot Co.,Ltd.

Address before: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information