CN115082570B - 一种激光雷达与全景相机的标定方法 - Google Patents
一种激光雷达与全景相机的标定方法 Download PDFInfo
- Publication number
- CN115082570B CN115082570B CN202210773703.2A CN202210773703A CN115082570B CN 115082570 B CN115082570 B CN 115082570B CN 202210773703 A CN202210773703 A CN 202210773703A CN 115082570 B CN115082570 B CN 115082570B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- dimensional
- point cloud
- panoramic camera
- cloud data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种激光雷达与全景相机的标定方法,包括在标定场景内布置与全景相机的相机数量相同的棋盘格,采用三维激光扫描仪采集整个标定场景的三维点云数据,之后将待标定的激光雷达和由多镜头组合式全景相机移入标定场景,同步采集全景相机和激光雷达的多幅可见光影像数据及点云数据;基于全景相机采集的影像数据和三维激光扫描仪采集的三维点云数据,计算出相机和三维激光扫描仪之间的第一相对位姿;基于激光雷达的点云数据和三维激光扫描仪采集的数据,计算得到激光雷达和三维激光扫描仪之间的第二相对位姿;根据第一相对位姿和第二相对位姿,计算得到激光雷达和全景相机之间的第三相对位姿。本发明提出了一种标定场景布置要求低且可避免多次变换的累计误差的激光雷达与全景相机的标定方案。
Description
技术领域
本发明属于空间环境感知技术领域,具体涉及一种激光雷达与全景相机的标定方法。
背景技术
激光雷达获得的距离信息和相机获得的纹理信息具有良好的互补性。这两种信息的融合可以很好的对环境全面感知。配备多个激光雷达和全景相机的移动测量系统被广泛应用于自主驾驶、机器人导航、航拍测量和三维场景重建等领域。相机和激光雷达之间外参标定的精度直接决定了颜色和距离信息融合的准确性。
现有的激光雷达与组合式全景相机的联合标定方法,主要分为两类。一种是将整个系统拆分为多个部分,依次计算两两之间的相对位姿,最后统一到某一坐标系下,这种方法存在多次变换后的累计误差,导致标定精度的退化;另一种为Yuanfan Xie等在文献(Xie,Yuanfan,Rui Shao,Popo Guli,Bo Li,and Liang Wang."Infrastructure basedcalibration of a multi-camera and multi-LiDAR system using apriltags."In2018IEEE Intelligent Vehicles Symposium(IV),pp.605-610.IEEE,2018.)提出一个基于基础设施的解决方案,在一个类似车库房间的多面墙壁上,放置一系列规整的AprilTags(四月标签)靶标图案,构建标定场景。通过扫描仪获取AprilTags靶标的角点空间坐标信息,通过PnP(Perspective-n-Point,是求解3D到2D点对运动的方法)算法估计各相机的位姿,通过类ICP(Iterative Closest Point,迭代最近点算法)算法估计各激光雷达的位姿,但是该方法提出的标定场景需要AprilTags靶标在墙壁上规整的排列,设计该标定场景需要的加工制造成本相对较高。
因此,如何提供一种可解决现有激光雷达和相机之间标定的标定场景布置要求低、可避免多次坐标变换的累计误差等问题的标定方案,这是当前需要解决的问题。
发明内容
本发明的主要目的在于提供一种激光雷达与全景相机的标定方法,从而克服现有技术的不足。
为实现前述发明目的,本发明采用的技术方案包括:一种激光雷达与全景相机的标定方法,包括:
S0,用张氏标定法计算出组合式全景相机各相机的内参;
S1,选择标定场景,在场景内布置与相机数量相同的棋盘格,并使每个棋盘格位于对应相机视野的中心;
S2,采用三维激光扫描仪采集整个所述标定场景的三维点云数据和全景图,之后将待标定的激光雷达和由多镜头组合式全景相机移入所述标定场景,并使所述激光雷达的位置与所述三维激光扫描仪的采集位置一致,且标定时全景相机的每个镜头画面内对应存在一个完整的所述棋盘格,激光雷达至少扫描到三个线性不相关的平面,同步采集组合式全景相机可见光影像数据和激光雷达的点云数据;
S3,基于所述全景相机采集的数据和所述三维激光扫描仪采集的数据,计算出所述相机和所述三维激光扫描仪的第一相对位姿;
S4,基于所述激光雷达的点云数据和所述三维激光扫描仪采集的数据,计算得到所述激光雷达和所述三维激光扫描仪的第二相对位姿;
S5,根据所述第一相对位姿和所述第二相对位姿,计算得到所述激光雷达和所述全景相机的第三相对位姿。
在一优选实施例中,所述S3包括:
S31,对全景相机采集到的图片做角点检测,得到棋盘格每个角点在图片中的二维坐标;
S32,从三维激光扫描仪采集的所述三维点云数据中找到对应角点的三维坐标;
S33,基于所述二维坐标和所述三维坐标,计算出所述第一相对位姿。
在一优选实施例中,所述S31中,先对全景相机采集到的多幅图片做去畸变处理,包括采用步骤S0中相机的内参,通过OpenCV的接口函数,对图片进行去畸变处理。
在一优选实施例中,所述S33中,基于所述二维坐标和所述三维坐标,采用PnP算法,计算出所述第一相对位姿。
在一优选实施例中,所述S4包括:
S41,对所述三维激光扫描仪采集的三维点云数据和所述激光雷达的点云数据分别提取平面特征;
S42,在点云数据中,随机选取N个点,采用随机抽样一致算法进行平面拟合,获得三个平面方程的系数及三个平面的交点;
S43,根据三维激光扫描仪点云数据中的平面法向量和激光雷达获取的点云数据中的平面法向量,得到激光雷达的旋转矩阵。
在一优选实施例中,所述平面方程的系数通过求解以下公式的最小二乘拟合问题获取:
其中,fi(pn)=|β(i,0)xn+β(i,1)yn+β(i,2)zm+β(i,3)|是点云数据中的任意一点pn=[xn,yn,zn]T到平面Πi的距离,Πi为第i个平面,βi=[β(i,0),β(i,1),β(i,2),β(i,3)]T为平面方程的系数,即为βi *。
在一优选实施例中,所述三个平面的交点通过求解以下公式获取:
其中,β1,β2,β3分别是三个平面方程的系数,为三个平面的交点。
在一优选实施例中,所述激光雷达的旋转矩阵通过以下公式求解:
其中,表示三维激光扫描仪点云数据中的平面法向量[β(i,0),β(i,1),β(i,2)]T;/>表示激光雷达点云数据中的平面法向量;
所述激光雷达的平移向量通过以下公式求解:
其中,表示三维激光扫描仪采集的点云数据中提取的三个平面的交点,/>表示激光雷达采集的点云数据中提取的三个平面的交点。
在一优选实施例中,所述第三相对位姿通过以下公式求解:
其中,TL_S表示为第二相对位姿,TC_S表示为第一相对位姿。
与现有技术相比较,本发明的有益效果至少在于:
1、本发明由算法计算的结果直接基于同一坐标系,避免多次变换的累计误差。
2、本发明标定场景布置要求低,仅需要若干棋盘格标定板和空旷房间,且对布置的位置精度没有过多要求,只需在完整出现相机镜头画面内。
3、本发明支持没有共视场的相机间的标定。
附图说明
为了更清楚地说明本发明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发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施方式中方法的流程示意图;
图2是本发明一实施方式中全景相机的结构示意图;
图3是本发明一实施方式中标定场景的结构示意图;
图4是本发明一实施方式中全景相机与棋盘格的相对位置示意图;
图5是本发明一实施方式中标定原理示意图。
具体实施方式
通过应连同所附图式一起阅读的以下具体实施方式将更完整地理解本发明。本文中揭示本发明的详细实施例;然而,应理解,所揭示的实施例仅具本发明的示范性,本发明可以各种形式来体现。因此,本文中所揭示的特定功能细节不应解释为具有限制性,而是仅解释为权利要求书的基础且解释为用于教示所属领域的技术人员在事实上任何适当详细实施例中以不同方式采用本发明的代表性基础。
本发明所揭示的一种激光雷达与全景相机的标定方法,属于空间环境感知技术领域,具体涉及到三维激光雷达与视觉系统之间的跨模态数据融合,特别涉及到激光雷达与多镜头组合式的全景相机之间的高精度联合标定方法。
如图1所示,本发明实施例所揭示的一种激光雷达与全景相机的标定方法,具体包括以下步骤:
S0,用张氏标定法计算出组合式全景相机各相机的内参。
S1,选择标定场景,在场景内布置与相机数量相同的若干个棋盘格,并确每个棋盘格位于对应相机视野的中心。
具体地,本实施例中,全景相机为多镜头组合式全景相机,如图3和4所示,选择一个空旷的房间作为标定场景,在房间的墙面上布置5个棋盘格(chessboard),每个棋盘格对应一个全景相机的一个相机,且尽量保证每个棋盘格位于对应相机视野的中心。
S2,采用三维激光扫描仪采集整个标定场景的三维点云数据和全景图,之后将待标定的激光雷达和由多镜头组合式全景相机移入标定场景,并使激光雷达的位置与三维激光扫描仪的采集位置一致,且标定时全景相机的每个镜头画面内对应存在一个完整的棋盘格。激光雷达至少扫描到三个线性不相关的平面(plane1、plane2、plane3),同步采集组合式全景相机可见光影像数据和激光雷达的点云数据。
具体地,首先先用三维激光扫描仪扫描整个房间,得到房间的三维点云数据和全景图,测试使用的三维激光扫描仪的型号具体为Z+F IMGAGER 5010C。
之后将三维激光扫描仪移出房间,将待标定的激光雷达和由多个镜头组合形成的全景相机移入房间,并使激光雷达的位置与三维激光扫描仪的采集位置一致,避免视角不一致带来的误差,全景相机如图2所示。且保证在标定时全景相机的每个镜头画面内对应存在一个完整的棋盘格,且棋盘格尽量位于影像的中心位置,因为中心位置图像的畸变较小,且选择的相机的分辨率要尽可能的高。激光雷达需要至少扫描到三个线性不相关的平面,可以适当设置一些几何物体如纸箱等,提高激光雷达标定时各方向上的约束。
本实施例中,待标定的激光雷达为Velodyne VLP-16激光雷达,全景相机由5个工业相机组合构成,与5个棋盘格相对应,每个棋盘格对应一个工业相机,也就是说,5个工业相机也呈360°均匀分布,相邻两个工业相机之间的角度为72°。本实施例中,工业相机采用Hikvision MV-CB120-10UC-S工业相机。
之后,在与三维激光扫描仪的同样的位置,采用全景相机和激光雷达同步分别采集组合式全景相机可见光影像数据和激光雷达的点云数据。若缺少同步触发器或者无法保证采集同步,需要确保采集过程中待标定的设备(即激光雷达和全景相机)位姿保持不动,如图3所示。
S3,基于全景相机采集的数据和三维激光扫描仪采集的数据,计算出相机和三维激光扫描仪的第一相对位姿TC_S。
具体地,所述S3具体包括以下步骤:
S31,对全景相机采集到的图片做角点检测,得到棋盘格每个角点在图片中的二维坐标。
本实施例中,首先对全景相机采集到的多幅图片先做去畸变处理,包括采用步骤S0中相机的内参,通过OpenCV的接口函数,对图片进行去畸变处理。对处理好的图片作角点检测,得到棋盘格每个角点在画面中的二维坐标。
S32,从三维激光扫描仪采集的三维点云数据中找到对应角点的三维坐标。
S33,基于所述二维坐标和所述三维坐标,计算出所述第一相对位姿。
本实施例中,具体采用PnP(Perspective-n-Point,是求解3D到2D点对运动的方法)算法解算出相机和三维激光扫描仪的第一相对位姿TC_S(即TCameras_Scanner)。
S4,基于激光雷达的点云数据和三维激光扫描仪采集的数据,计算得到激光雷达和三维激光扫描仪的第二相对位姿TL_S(即TLiDAR_Scanner)。
具体地,所述S4具体包括以下步骤:
S41,对三维激光扫描仪采集的点云数据和激光雷达的点云数据分别提取平面特征。
S42,在点云数据中,随机选取N个点,采用随机抽样一致算法进行平面拟合,获得三个平面方程的系数及三个平面的交点。
具体地,将第i个平面记为Πi,其平面方程的系数记为βi=[β(i,0),β(i,1),β(i,2),β(i,3)]T,点云中一点pn=[xn,yn,zn]T到平面Πi的距离记为fi(pn)=|β(i,0)xn+β(i,1)yn+β(i,2)zm+β(i,3)|。在点云中,随机选取N个点,采用随机抽样一致算法(RANSAC算法)进行平面拟合,平面的系数可以通过求解(1)式的最小二乘拟合问题获取:
将获取的三个平面方程的系数分别记为β1,β2和β3。则三个平面的交点可由(2)式求解:
S43,根据三维激光扫描仪点云数据中的平面法向量和激光雷达获取的点云数据中的平面法向量,得到激光雷达的旋转矩阵。
具体地,将三维激光扫描仪点云数据中的平面法向量[β(i,0),β(i,1),β(i,2)]T记为将激光雷达获取的稀疏点云数据中的平面法向量记为/>则激光雷达的旋转矩阵可以通过(3)式求解:
平移向量可以通过(4)式求解:
其中,表示三维激光扫描仪采集的点云数据中提取的三个平面的交点,/>表示激光雷达采集的点云数据中提取的三个平面的交点。
S5,根据所述第一相对位姿和所述第二相对位姿,计算得到所述激光雷达和所述全景相机的第三相对位姿TL_C(即TLiDAR_Scanner)。
具体地,如图5所示,第三相对位姿通过以下公式求解:
本发明具有以下优点:1、本发明由算法计算的结果直接基于同一坐标系,避免多次变换的累计误差。2、本发明标定场景布置要求低,仅需要若干棋盘格标定板和空旷房间,且对布置的位置精度没有过多要求,只需在完整出现相机镜头画面内。3、本发明支持没有共视场的相机间的标定。
本发明的各方面、实施例、特征及实例应视为在所有方面为说明性的且不打算限制本发明,本发明的范围仅由权利要求书界定。在不背离所主张的本发明的精神及范围的情况下,所属领域的技术人员将明了其它实施例、修改及使用。
在本发明案中标题及章节的使用不意味着限制本发明;每一章节可应用于本发明的任何方面、实施例或特征。
Claims (9)
1.一种激光雷达与全景相机的标定方法,其特征在于,所述标定方法包括:
S0,用张氏标定法计算出组合式全景相机各相机的内参;
S1,选择标定场景,在场景内布置与相机数量相同的棋盘格,并使每个棋盘格位于对应相机视野的中心;
S2,采用三维激光扫描仪采集整个所述标定场景的三维点云数据和全景图,之后将待标定的激光雷达和由多镜头组合式全景相机移入所述标定场景,并使所述激光雷达的位置与所述三维激光扫描仪的采集位置一致,且标定时全景相机的每个镜头画面内对应存在一个完整的所述棋盘格,激光雷达至少扫描到三个线性不相关的平面,同步采集组合式全景相机可见光影像数据和激光雷达的点云数据;
S3,基于所述全景相机采集的数据和所述三维激光扫描仪采集的数据,计算出所述相机和所述三维激光扫描仪的第一相对位姿;
S4,基于所述激光雷达的点云数据和所述三维激光扫描仪采集的数据,计算得到所述激光雷达和所述三维激光扫描仪的第二相对位姿;
S5,根据所述第一相对位姿和所述第二相对位姿,计算得到所述激光雷达和所述全景相机的第三相对位姿。
2.根据权利要求1所述的一种激光雷达与全景相机的标定方法,其特征在于:所述S3包括:
S31,对全景相机采集到的图片做角点检测,得到棋盘格每个角点在图片中的二维坐标;
S32,从三维激光扫描仪采集的三维点云数据中找到对应角点的三维坐标;
S33,基于所述二维坐标和所述三维坐标,计算出所述第一相对位姿。
3.根据权利要求2所述的一种激光雷达与全景相机的标定方法,其特征在于:所述S31中,先对全景相机采集到的多幅图片做去畸变处理,包括采用步骤S0中相机的内参,通过OpenCV的接口函数,对图片进行去畸变处理。
4.根据权利要求2所述的一种激光雷达与全景相机的标定方法,其特征在于:所述S33中,基于所述二维坐标和所述三维坐标,采用PnP算法,计算出所述第一相对位姿。
5.根据权利要求1所述的一种激光雷达与全景相机的标定方法,其特征在于:所述S4包括:
S41,对所述三维激光扫描仪采集的三维点云数据和所述激光雷达的点云数据分别提取平面特征;
S42,在点云数据中,随机选取N个点,采用随机抽样一致算法进行平面拟合,获得三个平面方程的系数及三个平面的交点;
S43,根据三维激光扫描仪点云数据中的平面法向量和激光雷达获取的点云数据中的平面法向量,得到激光雷达的旋转矩阵。
6.根据权利要求5所述的一种激光雷达与全景相机的标定方法,其特征在于:所述平面方程的系数通过求解以下公式的最小二乘拟合问题获取:
其中,fi(pn)=|β(i,0)xn+β(i,1)yn+β(i,2)zm+β(i,3)|是点云数据中的任意一点pn=[xn,yn,zn]T到平面Πi的距离,Πi为第i个平面,βi=[β(i,0),β(i,1),β(i,2),β(i,3)]T为平面方程的系数,即为βi *。
7.根据权利要求5所述的一种激光雷达与全景相机的标定方法,其特征在于:所述三个平面的交点通过求解以下公式获取:
其中,β1,β2,β3分别是三个平面方程的系数,为三个平面的交点。
8.根据权利要求5所述的一种激光雷达与全景相机的标定方法,其特征在于:
所述激光雷达的旋转矩阵通过以下公式求解:
其中,表示三维激光扫描仪点云数据中的平面法向量[β(i,0),β(i,1),β(i,2)]T;/>表示激光雷达点云数据中的平面法向量;
所述激光雷达的平移向量通过以下公式求解:
其中,表示三维激光扫描仪采集的点云数据中提取的三个平面的交点,/>表示激光雷达采集的点云数据中提取的三个平面的交点。
9.根据权利要求8所述的一种激光雷达与全景相机的标定方法,其特征在于:所述第三相对位姿通过以下公式求解:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210773703.2A CN115082570B (zh) | 2022-07-01 | 2022-07-01 | 一种激光雷达与全景相机的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210773703.2A CN115082570B (zh) | 2022-07-01 | 2022-07-01 | 一种激光雷达与全景相机的标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115082570A CN115082570A (zh) | 2022-09-20 |
CN115082570B true CN115082570B (zh) | 2024-03-19 |
Family
ID=83258560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210773703.2A Active CN115082570B (zh) | 2022-07-01 | 2022-07-01 | 一种激光雷达与全景相机的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082570B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111505606A (zh) * | 2020-04-14 | 2020-08-07 | 武汉大学 | 多相机与激光雷达系统相对位姿检校方法及装置 |
CN112669393A (zh) * | 2020-12-31 | 2021-04-16 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
CN113589261A (zh) * | 2021-07-16 | 2021-11-02 | 杭州环峻科技有限公司 | 一种全景环带相机与激光雷达联合标定的方法 |
CN114078163A (zh) * | 2020-08-10 | 2022-02-22 | 中国科学院宁波材料技术与工程研究所 | 激光雷达与可见光相机的精确标定方法 |
CN114419147A (zh) * | 2021-11-16 | 2022-04-29 | 新兴际华集团有限公司 | 一种救援机器人智能化远程人机交互控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297510B (zh) * | 2018-09-27 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 相对位姿标定方法、装置、设备及介质 |
-
2022
- 2022-07-01 CN CN202210773703.2A patent/CN115082570B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111505606A (zh) * | 2020-04-14 | 2020-08-07 | 武汉大学 | 多相机与激光雷达系统相对位姿检校方法及装置 |
CN114078163A (zh) * | 2020-08-10 | 2022-02-22 | 中国科学院宁波材料技术与工程研究所 | 激光雷达与可见光相机的精确标定方法 |
CN112669393A (zh) * | 2020-12-31 | 2021-04-16 | 中国矿业大学 | 一种激光雷达与相机联合标定方法 |
CN113589261A (zh) * | 2021-07-16 | 2021-11-02 | 杭州环峻科技有限公司 | 一种全景环带相机与激光雷达联合标定的方法 |
CN114419147A (zh) * | 2021-11-16 | 2022-04-29 | 新兴际华集团有限公司 | 一种救援机器人智能化远程人机交互控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
张星 ; 张双星 ; .基于Point-to-Plane ICP的点云与影像数据自动配准.计算机与数字工程.2017,(第12期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115082570A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615652B (zh) | 一种深度信息获取方法及装置 | |
CN107316325B (zh) | 一种基于图像配准的机载激光点云与影像配准融合方法 | |
KR101666959B1 (ko) | 카메라로부터 획득한 영상에 대한 자동보정기능을 구비한 영상처리장치 및 그 방법 | |
CN112132906B (zh) | 一种深度相机与可见光相机之间的外参标定方法及系统 | |
TWI555379B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
CN111750820B (zh) | 影像定位方法及其系统 | |
CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
CN114399554B (zh) | 一种多相机系统的标定方法及系统 | |
WO2021139176A1 (zh) | 基于双目摄像机标定的行人轨迹跟踪方法、装置、计算机设备及存储介质 | |
CN110728715A (zh) | 一种智能巡检机器人像机角度自适应调整方法 | |
CN111461963B (zh) | 一种鱼眼图像拼接方法及装置 | |
CN113841384B (zh) | 校准装置,用于校准的图表和校准方法 | |
CN114283203B (zh) | 一种多相机系统的标定方法及系统 | |
CN111145269B (zh) | 一种鱼眼相机与单线激光雷达的外方位元素的标定方法 | |
CN110874854B (zh) | 一种基于小基线条件下的相机双目摄影测量方法 | |
CN113253246B (zh) | 一种激光雷达和相机的标定方法 | |
CN113884519B (zh) | 自导航x射线成像系统及成像方法 | |
KR20130121290A (ko) | 회전식 라인 카메라로 획득한 실내 전방위 영상의 지오레퍼런싱 방법 | |
CN115830103A (zh) | 一种基于单目彩色的透明物体定位方法、装置及存储介质 | |
CN116778288A (zh) | 一种多模态融合目标检测系统及方法 | |
CN113281723A (zh) | 一种基于AR tag的3D激光雷达与相机间结构参数的标定方法 | |
CN111739103A (zh) | 一种基于单点标定物的多相机标定系统 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN115082570B (zh) | 一种激光雷达与全景相机的标定方法 | |
CN114078163A (zh) | 激光雷达与可见光相机的精确标定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |