CN115097426B - 车载激光雷达更换后的自动标定方法、存储介质及车辆 - Google Patents

车载激光雷达更换后的自动标定方法、存储介质及车辆 Download PDF

Info

Publication number
CN115097426B
CN115097426B CN202211017523.8A CN202211017523A CN115097426B CN 115097426 B CN115097426 B CN 115097426B CN 202211017523 A CN202211017523 A CN 202211017523A CN 115097426 B CN115097426 B CN 115097426B
Authority
CN
China
Prior art keywords
vehicle
laser radar
point cloud
laser
replacement
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
Application number
CN202211017523.8A
Other languages
English (en)
Other versions
CN115097426A (zh
Inventor
顾嘉俊
邱长伍
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.)
Mengshi Technology Suzhou Co ltd
Original Assignee
Mengshi Technology Suzhou 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 Mengshi Technology Suzhou Co ltd filed Critical Mengshi Technology Suzhou Co ltd
Priority to CN202211017523.8A priority Critical patent/CN115097426B/zh
Publication of CN115097426A publication Critical patent/CN115097426A/zh
Application granted granted Critical
Publication of CN115097426B publication Critical patent/CN115097426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/497—Means for monitoring or calibrating
    • G01S7/4972—Alignment of sensor
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Abstract

本发明涉及一种车载激光雷达更换后的自动标定方法、存储介质及车辆，该车载激光雷达更换后的自动标定方法包括以下步骤：车辆静止，更换故障激光雷达；建立激光雷达坐标系；更换后的新激光雷达扫描车辆周围环境，获得第一激光点云；未更换的原激光雷达扫描车辆周围环境，获得第二激光点云；根据故障激光雷达更换前的标定结果，将第一激光点云转换至第二激光点云坐标系内；通过点云匹配算法，计算得到第一激光点云与第二激光点云间的准确坐标变换关系；根据原激光雷达的标定结果，结合第一激光点云与第二激光点云的坐标变换，获得新激光雷达的标定结果。其优点在于：激光雷达更换过程中可以完成自动标定，操作方便，具有较好的实用性。

Description

车载激光雷达更换后的自动标定方法、存储介质及车辆
技术领域
本发明涉及无人驾驶技术领域，更具体地说，涉及一种车载激光雷达更换后的自动标定方法、存储介质及车辆。
背景技术
随着无人驾驶技术的不断发展，无人驾驶的应用越来越广泛，而激光雷达由于测量精度高、适应性强等优点，被广泛应用于无人驾驶过程中的环境感知等功能。激光雷达通过发送激光脉冲，在接收到反射脉冲后，通过激光的飞行时间估算距离的方式，来获得其周围360度范围内环境三维数据点。在无人驾驶应用中，由于车辆体型等原因，一个激光雷达的测量视野往往受到遮挡，因此需要在根据不同车型，在车辆的不同位置布置多个激光雷达，以获取车辆周围360度的环境信息。因此，需要通过标定方法，获得各激光雷达坐标系与车辆参考坐标系之间的转换关系，才可以将各激光雷达的数据，在车辆参考坐标系内合并处理。
激光雷达故障更换后，其安装位置会发生微小的变动，或者由于碰撞导致激光雷达安装位置的局部结构形变，都会造成原有的标定参数不再适用，需要对激光雷达进行重新标定。
目前，激光雷达的标定方法主要是：
1、通过专用的标定装置，获取激光雷达相对于标定装置的位姿，从而计算与其他激光雷达或车辆间的相对位姿；2、通过预设的标定环境内，获取激光雷达在标定环境内的位姿，从而计算与其他激光雷达或车辆间的相对位姿；3、行驶一段距离，通过激光建图方法获取激光雷达的行驶里程，通过与车辆或其他激光雷达行驶里程的比较，优化获得激光雷达与其他激光雷达或车辆的相对位姿。但是以上方法并不适用于投入实际运营的无人驾驶车辆。
专利文献CN112965047A，公告日2021.06.15，公开了一种车辆多激光雷达标定方法、系统、终端及存储介质，包括：将装有若干个激光雷达的车辆停放在平坦路面上，设置一个所述的激光雷达作为基准激光雷达，除基准雷达之外其他激光雷达作为待标定激光雷达；测量所述基准激光雷达与各个所述待标定激光雷达之间的点云；对待标定的激光雷达手动输入标定参数并利用标定软件进行配准；显示配准后的点云的移动趋势，当所述待标定激光雷达的点云与基准激光雷达的点云无明显偏移旋转和重影时结束标定。
优点在于：本发明在标定过程中可以通过手动输入初始标定参数实现手动微调；利用配准算法，快速实现所需要标定激光雷达与基准激光雷达的点云的快速匹配。但该技术方案中，标定环境为平坦路面，对标定环境要求较高，适应范围较小，同时手动输入初始标定参数效率低下工作量大。
专利文献CN112684432A，公告日2021.04.20，公开了一种激光雷达标定方法、装置、设备及存储介质，该方法包括：获取各激光雷达对地面进行扫描后的地面点云数据；根据每个激光雷达对应的地面点云数据，建立关于对应激光雷达的第一组标定参数方程组；对方程组进行求解，以获得对应激光雷达的第一组标定参数；获取高精度定位装置定位的目标点经纬度信息和各激光雷达采集的目标点坐标信息；根据目标点经纬度信息和目标点坐标信息计算激光雷达的第二组标定参数；根据第一组标定参数和第二组标定参数确定任意两个激光雷达间的标定参数；根据任意两个激光雷达间的标定参数对对应的激光雷达进行标定。
优点在于：提高了多激光雷达的标定效率，并提高了标定准确率。但该技术方案标定过程需要识别地面，及环境中的目标，对标定环境要求较高。
专利文献CN112379353A，公告日2021.02.19，公开了一种多台目标激光雷达间的联合标定方法及系统，使用辅助标定激光雷达进行标定，辅助标定激光雷达采集至少一次视野补全点云数据，视野补全点云数据用于补全多台目标激光雷达间视野盲区内的环境信息，视野盲区的特征在于不存在或仅存在不充分的多台目标激光雷达的目标点云数据。
优点在于：利用环境中的结构化信息进行多台激光雷达间的标定，不需要额外设置标志物或者进行环境测绘。但该技术方案需要除车载传感器之外，还需额外的辅助激光雷达完成标定，进而增加了工作量和标定成本。
综上，亟需一种在激光雷达更换后，能够简单、快速、精确的自动标定的方法，目前还未见相关报道。
发明内容
本发明的目的在于提供一种车载激光雷达更换后的自动标定方法、存储介质及车辆，该车载激光雷达更换后的自动标定方法，激光雷达更换过程中可以完成自动标定，操作方便，具有较好的实用性。
本发明提供一种车载激光雷达更换后的自动标定方法，包括以下步骤：
S1：车辆静止，更换故障激光雷达；
S2：建立激光雷达坐标系；
S3：更换后的新激光雷达扫描车辆周围环境，获得第一激光点云；
S4：未更换的原激光雷达扫描车辆周围环境，获得第二激光点云；
S5：根据故障激光雷达更换前的标定结果，将第一激光点云转换至第二激光点云坐标系内；
S6：通过点云匹配算法，计算得到经步骤S5坐标转换后的第一激光点云与第二激光点云间的准确坐标变换关系；
S7：根据原激光雷达的标定结果，结合第一激光点云与第二激光点云的坐标变换，获得新激光雷达的标定结果。
进一步地，所述步骤S6中的点云匹配算法为ICP点云匹配算法。
进一步地，所述步骤S6中的点云匹配算法为NDT点云匹配算法。
进一步地，所述步骤S2包括以所述车辆后轴中心为原点，所述原点指向车头方向为X轴，所述原点指向所述车辆左侧方向为Y轴，所述车辆高度方向为Z轴，建立车辆坐标系，标定结果为激光雷达坐标系。
进一步地，所述步骤S6包括设定激光雷达相对车辆坐标系的转换关系为T，所述新激光雷达扫描车辆周围环境获得第一激光点云为{P1}，所述原激光雷达扫描车辆周围环境获得第二激光点云为{P2}，所述故障激光雷达更换前的标定结果为T1，所述原激光雷达的标定结果为T2，其中
Figure GDA0003898154420000041
可得
Figure GDA0003898154420000042
可得出T1与T2间的转换关系为
Figure GDA0003898154420000043
进一步地，所述步骤S6中还包括应用ICP算法，以{P1′}与{P2}之间的差异性最小为优化目标，对
Figure GDA0003898154420000044
进行进一步优化。
进一步地，对
Figure GDA0003898154420000045
进行进一步优化的公式为
Figure GDA0003898154420000046
Figure GDA0003898154420000047
且
Figure GDA0003898154420000048
为{P2}中距离
Figure GDA0003898154420000049
最近的数据点。
进一步地，所述步骤S6中还包括基于ICP算法，获得新激光雷达与原激光雷达之间的坐标转换关系为T*，从而可以计算得到新激光雷达的标定结果为
Figure GDA00038981544200000410
本发明还提供一种存储介质，包括计算机程序，所述计算机程序被执行时，执行上述的车载激光雷达更换后的自动标定方法对更换后的车载激光雷达进行自动标定。
本发明还提供一种车辆，所述车辆采用上述的车载激光雷达更换后的自动标定方法对车辆更换后的车载激光雷达进行自动标定。
本发明提供的车载激光雷达更换后的自动标定方法，拆卸更换激光雷达仅需保证与原来的安装位置大概一致，方便实施；标定过程中车辆静止即可，无需按照预设路线行驶，对标定场景也无预设要求；标定过程全自动且快速，可以有效缩短无人驾驶车辆由于激光雷达导致的维修时间，提高车辆出勤率与运输效率。
附图说明
图1为本发明实施例提供的车载激光雷达更换后的自动标定方法的流程示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本实施例提供的车载激光雷达更换后的自动标定方法的应用场景为，同一车辆上激光雷达故障更换后的自动标定。
图1为本发明实施例提供的车载激光雷达更换后的自动标定方法的流程示意图。请参照图1，本发明实施例提供的车载激光雷达更换后的自动标定方法，包括以下步骤：
S1：车辆静止，更换故障激光雷达(更换前后，故障激光雷达与更换后的新激光雷达的安装位置与方向保持大约一致)；
S2：建立激光雷达坐标系；
S3：更换后的新激光雷达扫描车辆周围环境，获得第一激光点云；
S4：未更换的原激光雷达扫描车辆周围环境，获得第二激光点云；
S5：根据故障激光雷达更换前的标定结果，将第一激光点云转换至第二激光点云坐标系内；
S6：由于拆卸并重新安装，造成更换后的新激光雷达的实际位置与方向与更换前的故障激光雷达发生小幅变化，造成第一激光点云与第二激光点云之间存在不匹配；此时通过点云匹配算法(点云匹配算法为ICP点云匹配算法或者NDT点云匹配算法)，计算得到经步骤S5坐标转换后的第一激光点云与第二激光点云间的准确坐标变换关系；
S7：根据原激光雷达的标定结果，结合第一激光点云与第二激光点云的坐标变换，获得新激光雷达的标定结果。
本发明提供的车载激光雷达更换后的自动标定方法，更换过程只需保证激光雷达在更换前后的安装位置、方向基本不变，就可以完成自动标定，操作方便，具有较好的实用性。标定过程车辆无需移动，只需对比更换后的激光雷达扫描数据，与其他车载传感器，例如原激光雷达的数据做对比，就可以自动获得更换后激光雷达的标定结果，对标定环境无额外要求，具有简单易行、标定结果精度高等特点。
需要说明的是，除故障激光雷达外，无人驾驶车辆一般还配备其他传感器，包括激光雷达、摄像头、毫米波雷达等，本发明通过对比与其他传感器的环境扫描数据的对比，实现故障激光雷达更换后的自动标定，以下以与其他激光雷达，即原激光雷达的扫描数据对比为例。
进一步地，步骤S2包括以车辆后轴中心为原点，原点指向所述车头方向为X轴，原点指向车辆左侧方向为Y轴，车辆高度方向为Z轴，建立车辆坐标系，标定结果为激光雷达坐标系。
步骤S6包括设定激光雷达相对车辆坐标系的转换关系为T，所述新激光雷达扫描车辆周围环境获得第一激光点云为{P1}，所述原激光雷达扫描车辆周围环境获得第二激光点云为{P2}，所述故障激光雷达更换前的标定结果为T1，所述原激光雷达的标定结果为T2，其中
Figure GDA0003898154420000061
可得
Figure GDA0003898154420000064
Figure GDA0003898154420000062
进一步得出T1与T2间的转换关系为
Figure GDA0003898154420000063
由于故障激光雷达和更换后的新激光雷达更换前后的安装位置、方向会发生小幅变化，因此{P1′}与{P2}针对车辆周围同一区域的扫描结果将发生不匹配，此时应用ICP算法，以{P1′}与{P2}之间的差异性最小为优化目标，对
Figure GDA0003898154420000071
进行进一步优化，即
Figure GDA0003898154420000072
且
Figure GDA0003898154420000073
为{P2}中距离
Figure GDA0003898154420000074
最近的数据点；
进一步，基于ICP算法，获得新激光雷达与原激光雷达之间的坐标转换关系为T*，从而可以计算得到新激光雷达的标定结果为
Figure GDA0003898154420000075
本发明还提供一种存储介质，包括计算机程序，计算机程序被执行时，执行上述的车载激光雷达更换后的自动标定方法对更换后的车载激光雷达进行自动标定。
本发明还提供一种车辆，车辆采用上述的车载激光雷达更换后的自动标定方法对车辆更换后的车载激光雷达进行自动标定。关于该车辆的其它技术特征，请参见现有技术，在此不再赘述。
实施例2
本实施例提供的车载激光雷达更换后的自动标定方法和实施例1提供的车载激光雷达更换后的自动标定方法基本相同，不同之处在于应用场景的改变。
本实施例提供的车载激光雷达更换后的自动标定方法应用场景为相同型号的新车之间的快速自动标定。
具体地，例如第一台新车上激光雷达的标定结果为A，另一台同型号的新车上激光雷达的标定结果为B，由于两台车位同型号车型，从而可知A和B相近，通过本发明的车载激光雷达更换后的自动标定方法可以快速的完成另一台同型号的新车上激光雷达标定结果B的自动标定。
基于上文的描述可知，本发明优点在于：
本发明提供的车载激光雷达更换后的自动标定方法，更换过程只需保证激光雷达在更换前后的安装位置、方向基本不变，就可以完成自动标定，操作方便，具有较好的实用性。标定过程车辆无需移动，只需对比更换后的激光雷达扫描数据，与其他车载传感器，例如原激光雷达的数据做对比，就可以自动获得更换后激光雷达的标定结果，对标定环境无额外要求，具有简单易行、标定结果精度高等特点。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种车载激光雷达更换后的自动标定方法，其特征在于，包括以下步骤：
S1：车辆静止，更换故障激光雷达；
S2：建立激光雷达坐标系；
S3：更换后的新激光雷达扫描车辆周围环境，获得第一激光点云；
S4：未更换的原激光雷达扫描车辆周围环境，获得第二激光点云；
S5：根据故障激光雷达更换前的标定结果，将第一激光点云转换至第二激光点云坐标系内；
S6：通过点云匹配算法，计算得到经步骤S5坐标转换后的第一激光点云与第二激光点云间的准确坐标变换关系；
S7：根据原激光雷达的标定结果，结合第一激光点云与第二激光点云的坐标变换，获得新激光雷达的标定结果。
2.根据权利要求1所述的车载激光雷达更换后的自动标定方法，其特征在于，所述步骤S6中的点云匹配算法为ICP点云匹配算法。
3.根据权利要求1所述的车载激光雷达更换后的自动标定方法，其特征在于，所述步骤S6中的点云匹配算法为NDT点云匹配算法。
4.根据权利要求1所述的车载激光雷达更换后的自动标定方法，其特征在于，所述步骤S2包括以所述车辆后轴中心为原点，所述原点指向车头方向为X轴，所述原点指向所述车辆左侧方向为Y轴，所述车辆高度方向为Z轴，建立车辆坐标系，标定结果为激光雷达坐标系。
5.根据权利要求4所述的车载激光雷达更换后的自动标定方法，其特征在于，所述步骤S6包括设定激光雷达相对车辆坐标系的转换关系为T，所述新激光雷达扫描车辆周围环境获得第一激光点云为{P1}，所述原激光雷达扫描车辆周围环境获得第二激光点云为{P2}，所述故障激光雷达更换前的标定结果为T1，所述原激光雷达的标定结果为T2，
Figure FDA0003898154410000011
得出
Figure FDA0003898154410000021
得出T1与T2间的转换关系为
Figure FDA0003898154410000022
所述步骤S6中还包括应用ICP算法，以{P′1}与{P2}之间的差异性最小为优化目标，对
Figure FDA0003898154410000023
进行进一步优化。
6.根据权利要求5所述的车载激光雷达更换后的自动标定方法，其特征在于，对
Figure FDA0003898154410000024
进行进一步优化的公式为
Figure FDA0003898154410000025
Figure FDA0003898154410000026
且
Figure FDA0003898154410000027
为{P2}中距离
Figure FDA0003898154410000028
最近的数据点。
7.根据权利要求6所述的车载激光雷达更换后的自动标定方法，其特征在于，所述步骤S6中还包括基于ICP算法，获得新激光雷达与原激光雷达之间的坐标转换关系为T*，从而计算得到新激光雷达的标定结果为
Figure FDA0003898154410000029
8.一种存储介质，其特征在于，包括计算机程序，所述计算机程序被执行时，执行权利要求1至7中任意一项所述的车载激光雷达更换后的自动标定方法对更换后的车载激光雷达进行自动标定。
9.一种车辆，其特征在于，所述车辆采用权利要求1至7中任意一项所述的车载激光雷达更换后的自动标定方法对车辆更换后的车载激光雷达进行自动标定。
CN202211017523.8A 2022-08-24 2022-08-24 车载激光雷达更换后的自动标定方法、存储介质及车辆 Active CN115097426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211017523.8A CN115097426B (zh) 2022-08-24 2022-08-24 车载激光雷达更换后的自动标定方法、存储介质及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211017523.8A CN115097426B (zh) 2022-08-24 2022-08-24 车载激光雷达更换后的自动标定方法、存储介质及车辆

Publications (2)

Publication Number Publication Date
CN115097426A CN115097426A (zh) 2022-09-23
CN115097426B true CN115097426B (zh) 2022-11-29

Family

ID=83301203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211017523.8A Active CN115097426B (zh) 2022-08-24 2022-08-24 车载激光雷达更换后的自动标定方法、存储介质及车辆

Country Status (1)

Country Link
CN (1) CN115097426B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110673115B (zh) * 2019-09-25 2021-11-23 杭州飞步科技有限公司 雷达与组合导航系统的联合标定方法、装置、设备及介质
CN110579754A (zh) * 2019-10-15 2019-12-17 戴姆勒股份公司 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法
US11703577B2 (en) * 2020-08-14 2023-07-18 Baidu Usa Llc Recalibration determination system for autonomous driving vehicles with multiple LiDAR sensors
KR102407425B1 (ko) * 2020-09-28 2022-06-10 고려대학교 산학협력단 라이다 스캐너에서 획득한 점군 정합 방법
CN112965049A (zh) * 2021-03-29 2021-06-15 的卢技术有限公司 一种多固态激光雷达的外参标定方法
CN113552559A (zh) * 2021-07-23 2021-10-26 北京轻舟智航科技有限公司 一种无人驾驶中激光雷达外参的修正方法
CN114413887B (zh) * 2021-12-24 2024-04-02 北京理工大学前沿技术研究院 一种传感器外部参数标定方法、设备及介质
CN114935748A (zh) * 2022-05-14 2022-08-23 中新国际联合研究院 一种基于检测物体的大基线多激光雷达标定的方法及系统

Also Published As

Publication number Publication date
CN115097426A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN109541571B (zh) Eps零偏和多线激光雷达的联合标定方法
EP3633620A1 (en) Method and device for calibrating external parameters of vehicle-mounted sensor
US20100235129A1 (en) Calibration of multi-sensor system
CN112880642B (zh) 测距系统和测距方法
CN110859044A (zh) 自然场景中的集成传感器校准
CN105225241A (zh) 无人机深度图像的获取方法及无人机
CN111913169B (zh) 激光雷达内参、点云数据的修正方法、设备及存储介质
CN112577517A (zh) 一种多元定位传感器联合标定方法和系统
CN111243029B (zh) 视觉传感器的标定方法以及装置
US11908164B2 (en) Automatic extrinsic calibration using sensed data as a target
CN112284416B (zh) 一种自动驾驶定位信息校准装置、方法及存储介质
CN112363167A (zh) 一种基于毫米波雷达与单目相机融合的扩展目标跟踪方法
CN115079143B (zh) 一种用于双桥转向矿卡的多雷达外参快速标定方法及装置
CN111380573A (zh) 用于校准运动的对象传感器的取向的方法
CN110764110B (zh) 路径导航方法、装置及计算机可读存储介质
Heng Automatic targetless extrinsic calibration of multiple 3D LiDARs and radars
CN110579754A (zh) 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法
US11677931B2 (en) Automated real-time calibration
EP4198901A1 (en) Camera extrinsic parameter calibration method and apparatus
CN111538008A (zh) 变换矩阵确定方法、系统及装置
CN115097426B (zh) 车载激光雷达更换后的自动标定方法、存储介质及车辆
CN112255604A (zh) 一种雷达数据准确性的判断方法、装置及计算机设备
EP3699630A1 (en) System and method for compensating a motion of a vehicle component
CN110286366A (zh) 一种视觉与雷达协同感知的车辆运动状态信息提取方法
CN114494466B (zh) 外参标定方法、装置及设备、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
GR01 Patent grant
GR01 Patent grant