CN115236644A - 一种激光雷达外参标定方法、装置、设备和存储介质 - Google Patents
一种激光雷达外参标定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115236644A CN115236644A CN202210886950.3A CN202210886950A CN115236644A CN 115236644 A CN115236644 A CN 115236644A CN 202210886950 A CN202210886950 A CN 202210886950A CN 115236644 A CN115236644 A CN 115236644A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser radar
- cloud data
- map
- frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005070 sampling Methods 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了一种激光雷达外参标定方法、装置、设备和存储介质,方法包括:获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,第一激光雷达和第二激光雷达扫描的区域存在重叠;根据第一激光雷达采集的多帧点云数据构建地图,得到第一激光雷达的位姿和目标区域的点云地图;基于第一激光雷达的位姿,将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配以获取第二激光雷达的外参标定结果,改善了现有技术在对视野重叠较小的激光雷达标定外参时,存在标定结果精度低的技术问题。
Description
技术领域
本申请涉及激光雷达技术领域,尤其涉及一种激光雷达外参标定方法、装置、设备和存储介质。
背景技术
随着自动驾驶技术的飞速发展,激光雷达具有精度高、测距范围大,以及不受光线影响等特点,被广泛应用于自动驾驶车辆的障碍物检测、定位与地图构建等环境感知方面。
为了使自动驾驶车辆实现全向感知能力,通常会给自动驾驶车辆装备多个激光雷达。当各激光雷达的视野重叠比较大时,直接通过点云配准可以较好的实现激光雷达的外参标定。但对于一些视野重叠比较小的激光雷达,直接使用点云配准方法误差较大,导致标定结果精度较低。
发明内容
本申请提供了一种激光雷达外参标定方法、装置、设备和存储介质,用于改善现有技术在对视野重叠较小的激光雷达标定外参时,存在标定结果精度低的技术问题。
有鉴于此,本申请第一方面提供了一种激光雷达外参标定方法,包括:
获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,所述第一激光雷达和所述第二激光雷达扫描的区域存在重叠;
根据所述第一激光雷达采集的多帧点云数据构建地图,得到所述第一激光雷达的位姿和所述目标区域的点云地图;
基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配以获取所述第二激光雷达的外参标定结果。
可选的,所述获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,之前还包括:
在所述待标定车辆上的多个激光雷达中确定一个第一激光雷达,剩余激光雷达为第二激光雷达;
控制所述待标定车辆在所述目标区域中沿预置路线行驶,使得所述第一激光雷达扫描到完整的所述目标区域。
可选的,所述根据所述第一激光雷达采集的多帧点云数据构建地图,得到所述第一激光雷达的位姿和所述目标区域的点云地图,包括:
将所述第一激光雷达采集的多帧点云数据划分为若干组点云子集;
基于各组所述点云子集,采用多线程并行构建地图,得到所述第一激光雷达的位姿和各组所述点云子集对应的局部点云地图;
将各组所述局部点云地图进行拼接,得到所述目标区域的点云地图。
可选的,所述局部点云地图的构建过程为:
S1、对所述点云子集中的初始帧点云数据进行降采样,得到初始点云地图,将所述初始帧点云数据的下一帧点云数据作为当前帧点云数据;
S2、将当前帧点云数据与所述初始点云地图进行匹配,得到当前帧点云数据的点云位姿,并根据所述点云位姿将当前帧点云数据映射到所述初始点云地图中,得到更新后点云地图;
S3、对所述更新后点云地图中的更新部分进行降采样,将降采样后的更新后点云地图作为所述初始点云地图,并将当前帧点云数据的下一帧点云数据作为当前帧点云数据,返回执行步骤S2,直至当前帧点云数据为最后一帧点云数据,执行步骤S4;
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取所述点云子集对应的局部点云地图。
可选的,所述对所述点云子集中的初始帧点云数据进行降采样,得到初始点云地图,包括:
初始化体素网格的大小,对所述点云子集中的初始帧点云数据进行体素网格化;
对各体素网格中的点云数据进行降采样,得到初始点云地图。
可选的,步骤S4具体包括:
对所述点云子集中的非初始帧点云数据的所述点云位姿进行优化,得到优化后点云位姿;
根据所述优化后点云位姿和所述非初始帧点云数据的时间戳对所述非初始帧点云数据进行去运动畸变,得到优化后点云子集;
根据所述优化后点云子集对所述初始帧点云数据对应的所述初始点云地图进行更新,得到所述点云子集对应的局部点云地图。
可选的,所述对所述点云子集中的非初始帧点云数据的所述点云位姿进行优化,得到优化后点云位姿,包括:
对所述点云子集中的非初始帧点云数据的所述点云位姿进行回环检测,得到回环检测结果;
根据所述回环检测结果,通过图优化方法对所述点云位姿进行全局优化,得到优化后点云位姿。
可选的,所述根据所述优化后点云子集对所述初始帧点云数据对应的所述初始点云地图进行更新,得到所述点云子集对应的局部点云地图,包括:
将所述优化后点云子集中的初始帧优化后点云数作为当前帧点云数据,重复步骤S2-步骤S4,对所述初始帧点云数据对应的所述初始点云地图进行迭代更新,直至迭代次数达到预设最大迭代次数,将所述优化后点云子集中的最后一帧优化后点云数对应的降采样后的更新后点云地图作为所述点云子集对应的局部点云地图。
可选的,相邻两组所述点云子集之间存在重叠点云数据;
所述将各组所述局部点云地图进行拼接,得到所述目标区域的点云地图,包括:
根据相邻两组所述点云子集之间的重叠点云数据对相邻两组所述局部点云地图进行拼接,得到所述目标区域的点云地图。
可选的,所述基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配以获取所述第二激光雷达的外参标定结果,包括:
基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配,得到所述第二激光雷达的标定参数的多帧观测值;
根据所述第二激光雷达的标定参数的多帧观测值获取所述第二激光雷达的外参标定结果。
可选的,所述根据所述第二激光雷达的标定参数的多帧观测值获取所述第二激光雷达的外参标定结果,包括:
计算所述第二激光雷达的标定参数的多帧观测值的平均值,得到所述第二激光雷达的外参标定结果;
或,对所述第二激光雷达的标定参数的多帧观测值进行聚类以去除异常值;
计算去除异常值后的观测值的平均值,得到所述第二激光雷达的外参标定结果。
本申请第二方面提供了一种激光雷达外参标定装置,包括:
获取单元,用于获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,所述第一激光雷达和所述第二激光雷达扫描的区域存在重叠;
构建单元,用于根据所述第一激光雷达采集的多帧点云数据构建地图,得到所述第一激光雷达的位姿和所述目标区域的点云地图;
匹配单元,用于基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配以获取所述第二激光雷达的外参标定结果。
本申请第三方面提供了一种激光雷达外参标定设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的激光雷达外参标定方法。
本申请第四方面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用于存储程序代码,所述程序代码被处理器执行时实现第一方面任一种所述的激光雷达外参标定方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种激光雷达外参标定方法,包括:获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,第一激光雷达和第二激光雷达扫描的区域存在重叠;根据第一激光雷达采集的多帧点云数据构建地图,得到第一激光雷达的位姿和目标区域的点云地图;基于第一激光雷达的位姿,将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配以获取第二激光雷达的外参标定结果。
本申请中,第一激光雷达和第二激光雷达在采集数据时扫描的区域存在重叠,即第一激光雷达和第二激光雷达有采集到相同区域的点云数据,有助于提高点云匹配精度,从而提高激光雷达外参标定结果;并且,根据第一激光雷达采集的多帧点云数据先构建目标区域的点云地图,再将第二激光雷达采集的点云数据与目标区域的点云地图进行点云匹配,有助于改善视野重叠小的激光雷达之间存在的点云匹配误差大的问题,从而提高外参标定结果。
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,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种激光雷达外参标定方法的一个流程示意图;
图2为本申请实施例提供的待标定车辆在十字路口采集点云数据的路线规划示意图;
图3为本申请实施例提供的十字路口的点云地图;
图4为本申请实施例提供的一种激光雷达外参标定装置的一个结构示意图;
图5为本申请实施例提供的一种激光雷达外参标定设备的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
为了便于理解,请参阅图1,本申请实施例提供了一种激光雷达外参标定方法,包括:
步骤101、获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,第一激光雷达和第二激光雷达扫描的区域存在重叠。
在采集点云数据之前,可以先在待标定车辆上的多个激光雷达中确定一个第一激光雷达,剩余激光雷达为第二激光雷达,例如,选择待标定车辆上的前方激光雷达为第一激光雷达,则剩余的如左侧、右侧、后方的激光雷达等为第二激光雷达;再控制待标定车辆在目标区域行驶,使得第一激光雷达和第二激光雷达扫描的区域存在重叠,以提高后续点云配准精度。具体的,可以控制待标定车辆在目标区域中沿预置路线行驶,使得第一激光雷达扫描到完整的目标区域。目标区域可以为十字路口,可以参考图2,控制待标定车辆沿如图2所示的四个直行路线行驶,行驶过程中通过第一激光雷达和第二激光雷达采集十字路口的点云数据。
步骤102、根据第一激光雷达采集的多帧点云数据构建地图,得到第一激光雷达的位姿和目标区域的点云地图。
可以采用现有的点云地图构建方法来构建点云地图。为了提高地图构建速度,可以采用多线程并行处理构建点云地图,具体构建过程可以为:
步骤1021、将第一激光雷达采集的多帧点云数据划分为若干组点云子集;
第一激光雷达采集的多帧点云数据为在某段时间内连续采集的多帧点云数据,在采集点云数据时,还可以记录每帧点云数据中每个点云点的时间戳。可以将第一激光雷达采集的多帧点云数据划分为n组点云子集,为了提高建图质量,相邻两组点云子集之间可以有m帧重叠点云数据。假设,采集的点云数据有15帧,当将其划分为3组时,可以将第0帧到第6帧的点云数据划分为第1组,可以将第5帧到第11帧的点云数据划分为第2组,可以将第10帧到第14帧的点云数据划分为第3组,相邻两组之间有2帧重叠点云数据。
步骤1022、基于各组点云子集,采用多线程并行构建地图,得到第一激光雷达的位姿和各组点云子集对应的局部点云地图;
划分得到n组点云子集,对应采用n个线程,每个线程处理一组点云子集,实现并行构建局部点云地图。在一种实施例中,每个线程可以基于现有技术(如正态分布变换方法、迭代最近点方法等)来构建每组点云子集对应的局部点云地图。
在另一种实施例中,为了进一步提高建图速度和质量,可以对局部点云地图的构建过程进行改进,局部点云地图的具体构建过程包括:
S1、对点云子集中的初始帧点云数据进行降采样,得到初始点云地图,将初始帧点云数据的下一帧点云数据作为当前帧点云数据;
假设点云子集中有N帧连续的点云数据,记为x0,x1,...,xN-1,对点云子集中的初始帧点云数据x0进行降采样,将降采样后的初始点云数据作为初始点云地图。在进行降采样时,先初始化体素网格的大小,再对点云子集中的初始帧点云数据x0进行体素网格化,从而可以确定初始点云数据x0占据了哪些体素网格;然后对各体素网格中的点云数据进行降采样,得到初始点云地图。在确定初始点云地图后,将初始帧点云数据x0的下一帧点云数据x1作为当前帧点云数据xi,此时,i=1。
S2、将当前帧点云数据与初始点云地图进行匹配,得到当前帧点云数据的点云位姿,并根据点云位姿将当前帧点云数据映射到初始点云地图中,得到更新后点云地图;
将当前帧点云数据xi与初始点云地图进行点云匹配,可以获取到当前帧点云数据xi的点云位姿,进而可以根据当前帧点云数据xi的点云位姿将当前帧点云数据xi映射到初始点云地图中,即根据当前帧点云数据xi的点云位姿将当前帧点云数据xi添加到对应的体素网格中,从而得到更新后点云地图,更新后点云地图包括降采样后的初始帧点云数据和最新加入体素网格中的当前帧点云数据xi。
S3、对更新后点云地图中的更新部分进行降采样,将降采样后的更新后点云地图作为初始点云地图,并将当前帧点云数据的下一帧点云数据作为当前帧点云数据,返回执行步骤S2,直至当前帧点云数据为最后一帧点云数据,执行步骤S4;
对更新后点云地图中的更新部分进行降采样,即对最新加入体素网格中的当前帧点云数据xi进行降采样,将降采样后的更新后点云地图作为初始点云地图,并将当前帧点云数据xi的下一帧点云数据xi+1作为当前帧点云数据,即xi=xi+1,然后返回执行步骤S2,将当前帧点云数据xi和初始点云地图(即降采样后的更新后点云地图)进行匹配,以对初始点云地图进行更新,直至当前帧点云数据为最后一帧点云数据,即xi=xN-1,此时已将当前点云子集中的所有帧点云数据都映射到了初始点云地图中,执行步骤S4。
现有技术在采用正态分布变换方法构建地图时,每次进行点云匹配时需要对已经构建的点云地图整体做一次降采样,当点云地图数据量较大时,该降采样过程耗时较长,影响点云标定效率,使得建图速度变慢;而本申请实施例中,每次对点云地图进行点云匹配时,仅需要对点云地图的更新部分(即一帧点云数据的数据量)进行降采样,大大减少了计算量,从而减少了降采样过程的耗时,可以有效提高了地图构建速度。
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取点云子集对应的局部点云地图。
在一种实施例中,当将当前点云子集中的所有帧点云数据都映射到了初始点云地图后,可以直接将当前帧点云数据对应的降采样后的更新后点云地图作为点云子集对应的局部点云地图,即将最后一帧点云数据映射到初始点云地图中后得到的更新点云地图,并对其最新更新部分进行降采样后得到的更新后点云地图作为当前的点云子集对应的局部点云地图,输出所有帧点云数据的点云位姿,得到了第一激光雷达的位姿。
在另一种实施例中,可以根据得到的每帧点云数据的点云位姿对非初始帧点云数据的点云位姿进行优化,进而根据优化后的点云位姿对非初始帧点云数据进行优化,以提高地图质量。步骤S4具体包括:
S41、对点云子集中的非初始帧点云数据的点云位姿进行优化,得到优化后点云位姿;
可以对点云子集中的非初始帧点云数据的点云位姿进行回环检测,得到回环检测结果,其中,点云子集中的非初始帧点云数据为除初始帧点云数据之外的点云数据,即x1,x2,...,xN-1;根据回环检测结果,通过图优化方法对点云位姿进行全局优化,得到优化后点云位姿。通过对非初始帧点云数据的点云位姿进行优化,可以减少点云位姿的漂移,从而提高建图质量。由于本申请是将初始帧点云数据作为初始点云地图,通过将非初始帧点云数据与初始点云地图进行匹配来获取非初始帧点云数据相对于初始帧点云数据的点云位姿,因此,可以不对初始帧点云数据的点云位姿进行优化。需要说明的是,回环检测和图优化方法属于现有技术,在此不对其具体过程进行赘述。
S42、根据优化后点云位姿和非初始帧点云数据的时间戳对非初始帧点云数据进行去运动畸变,得到优化后点云子集;
可以根据优化后点云位姿和非初始帧点云数据的时间戳对非初始帧点云数据进行去运动畸变,得到优化后点云子集。点云数据去运动畸变是根据每帧点云数据中的每个点云点采集时刻的激光雷达位姿,把点云点投影到同一个位姿下,从而让一帧点云数据中的所有点云点都表现出同一时刻采集的样子。可以认为当前帧点云数据的点云位姿就是当前帧点云数据中最后一个点云点采集时激光雷达本身的位姿,通过前述点云匹配过程可以获取到上一帧点云数据和当前帧点云数据的点云位姿,即当前帧点云数据的第一个点云点的点云位姿和最后一个点云点的点云位姿,因此,可以根据非初始帧点云数据中每个点云点的时间戳通过线性插值方式拟合出该点云点采集时的激光雷达位姿,然后根据位姿变化将点云点投影到最后一个点云点时刻的激光雷达坐标系当中,从而实现对非初始帧点云数据的去运动畸变,得到优化后点云子集。
S43、根据优化后点云子集对初始帧点云数据对应的初始点云地图进行更新,得到点云子集对应的局部点云地图。
将优化后点云子集中的初始帧优化后点云数(即点云子集中的原点云数据x1对应的优化后的点云数据)作为当前帧点云数据,重复步骤S2-步骤S4,对初始帧点云数据对应的初始点云地图进行迭代更新,直至迭代次数达到预设最大迭代次数,将优化后点云子集中的最后一帧优化后点云数对应的降采样后的更新后点云地图作为点云子集对应的局部点云地图,所有帧点云数据在最后一次迭代时的优化后点云位姿即构成了第一激光雷达的位姿。
本申请实施例,通过多次迭代优化构建局部点云地图,在迭代优化过程中,对点云匹配得到的点云位姿进行全局优化,减少点云位姿的漂移,再根据点云时间戳和优化后点云位姿对点云数据进行去运动畸变,输入到下一次迭代优化过程中,以获取更准确的点云位姿,通过对点云位姿的迭代优化,获取更准确的点云位姿,从而提高建图质量。
步骤1023、将各组局部点云地图进行拼接,得到目标区域的点云地图。
采用多线程并行处理构建得到各组点云子集对应的局部点云地图后,将各组局部点云地图进行拼接,得到目标区域的完整的点云地图。为了提高建图质量,在划分点云子集时,相邻两组点云子集之间有m帧重叠点云数据,因此,可以根据相邻两组点云子集之间的重叠点云数据对相邻两组局部点云地图进行拼接,得到目标区域的点云地图,输出最后一轮迭代获取的所有帧点云数据的优化后点云位姿,即得到第一激光雷达的位姿。
本申请中,将采集的多帧点云数据划分为若干组点云子集,采用多线程并行处理构建各组点云子集对应的局部点云地图,最后将各组局部点云地图进行拼接,得到完整的点云地图,通过多线程并行构建地图,可以有效提高建图速度,从而改善了现有技术存在的建图速度慢的技术问题。
步骤103、基于第一激光雷达的位姿,将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配以获取第二激光雷达的外参标定结果。
为了提高标定结果的准确性,本申请选取第二激光雷达采集的多帧点云数据与目标区域的点云地图进行点云匹配,获取第二激光雷达的标定参数的多帧观测值。由于是将第二激光雷达采集的多帧点云数据与目标区域的点云地图进行点云匹配,可以得到第二激光雷达采集的每帧点云数据的点云位姿,提取每帧点云数据的点云位姿中的旋转参数和平移参数,也就得到了第二激光雷达的标定参数的多帧观测值,其中,可以采用上述过程中的点云匹配方法将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配。
根据第二激光雷达的标定参数的多帧观测值获取第二激光雷达的外参标定结果。在一种实施例中,可以计算第二激光雷达的标定参数的多帧观测值的平均值,得到第二激光雷达的外参标定结果。
在另一种实施例中,考虑到将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配时,某些帧数据在匹配时得到的位姿数据可能存在偏差,若直接将第二激光雷达的标定参数的多帧观测值的平均值作为最终的标定结果,会影响最终标定结果的精度。为了提高最终外参标定精度,可以对第二激光雷达的标定参数的多帧观测值进行聚类以去除异常值;计算去除异常值后的观测值的平均值,得到第二激光雷达的外参标定结果,即去除小类别的数据,计算最大类别的平均值,得到第二激光雷达的外参标定结果,从而提高了最终外参标定结果的精度。
本申请实施例中,第一激光雷达和第二激光雷达在采集数据时扫描的区域存在重叠,即第一激光雷达和第二激光雷达有采集到相同区域的点云数据,有助于提高点云匹配精度,从而提高激光雷达外参标定结果;并且,根据第一激光雷达采集的多帧点云数据先构建目标区域的点云地图,再将第二激光雷达采集的点云数据与目标区域的点云地图进行点云匹配,有助于改善视野重叠小的激光雷达之间存在的点云匹配误差大的问题,从而提高外参标定结果。
以上为本申请提供的一种激光雷达外参标定方法的一个实施例,一下为本申请提供的一种激光雷达外参标定装置的一个实施例。
请参阅图4,本申请实施例提供的一种激光雷达外参标定装置,包括:
获取单元,用于获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,第一激光雷达和第二激光雷达扫描的区域存在重叠;
构建单元,用于根据第一激光雷达采集的多帧点云数据构建地图,得到第一激光雷达的位姿和目标区域的点云地图;
匹配单元,用于基于第一激光雷达的位姿,将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配以获取第二激光雷达的外参标定结果。
作为进一步地改进,装置还包括:
选择单元,用于在待标定车辆上的多个激光雷达中确定一个第一激光雷达,剩余激光雷达为第二激光雷达;
控制单元,用于控制待标定车辆在目标区域中沿预置路线行驶,使得第一激光雷达扫描到完整的目标区域。
作为进一步地改进,构建单元具体用于:
将第一激光雷达采集的多帧点云数据划分为若干组点云子集;
基于各组点云子集,采用多线程并行构建地图,得到第一激光雷达的位姿和各组点云子集对应的局部点云地图;
将各组局部点云地图进行拼接,得到目标区域的点云地图。
作为进一步地改进,匹配单元具体用于:
基于第一激光雷达的位姿,将第二激光雷达采集的多帧点云数据与点云地图进行点云匹配,得到第二激光雷达的标定参数的多帧观测值;
根据第二激光雷达的标定参数的多帧观测值获取第二激光雷达的外参标定结果。
本申请实施例中,第一激光雷达和第二激光雷达在采集数据时扫描的区域存在重叠,即第一激光雷达和第二激光雷达有采集到相同区域的点云数据,有助于提高点云匹配精度,从而提高激光雷达外参标定结果;并且,根据第一激光雷达采集的多帧点云数据先构建目标区域的点云地图,再将第二激光雷达采集的点云数据与目标区域的点云地图进行点云匹配,有助于改善视野重叠小的激光雷达之间存在的点云匹配误差大的问题,从而提高外参标定结果。
请参考图5,本申请实施例还提供了一种激光雷达外参标定设备,,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述方法实施例中的激光雷达外参标定方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码被处理器执行时实现前述方法实施例中的激光雷达外参标定方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (14)
1.一种激光雷达外参标定方法,其特征在于,包括:
获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,所述第一激光雷达和所述第二激光雷达扫描的区域存在重叠;
根据所述第一激光雷达采集的多帧点云数据构建地图,得到所述第一激光雷达的位姿和所述目标区域的点云地图;
基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配以获取所述第二激光雷达的外参标定结果。
2.根据权利要求1所述的激光雷达外参标定方法,其特征在于,所述获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,之前还包括:
在所述待标定车辆上的多个激光雷达中确定一个第一激光雷达,剩余激光雷达为第二激光雷达;
控制所述待标定车辆在所述目标区域中沿预置路线行驶,使得所述第一激光雷达扫描到完整的所述目标区域。
3.根据权利要求1所述的激光雷达外参标定方法,其特征在于,所述根据所述第一激光雷达采集的多帧点云数据构建地图,得到所述第一激光雷达的位姿和所述目标区域的点云地图,包括:
将所述第一激光雷达采集的多帧点云数据划分为若干组点云子集;
基于各组所述点云子集,采用多线程并行构建地图,得到所述第一激光雷达的位姿和各组所述点云子集对应的局部点云地图;
将各组所述局部点云地图进行拼接,得到所述目标区域的点云地图。
4.根据权利要求3所述的激光雷达外参标定方法,其特征在于,所述局部点云地图的构建过程为:
S1、对所述点云子集中的初始帧点云数据进行降采样,得到初始点云地图,将所述初始帧点云数据的下一帧点云数据作为当前帧点云数据;
S2、将当前帧点云数据与所述初始点云地图进行匹配,得到当前帧点云数据的点云位姿,并根据所述点云位姿将当前帧点云数据映射到所述初始点云地图中,得到更新后点云地图;
S3、对所述更新后点云地图中的更新部分进行降采样,将降采样后的更新后点云地图作为所述初始点云地图,并将当前帧点云数据的下一帧点云数据作为当前帧点云数据,返回执行步骤S2,直至当前帧点云数据为最后一帧点云数据,执行步骤S4;
S4、根据当前帧点云数据对应的降采样后的更新后点云地图获取所述点云子集对应的局部点云地图。
5.根据权利要求4所述的激光雷达外参标定方法,其特征在于,所述对所述点云子集中的初始帧点云数据进行降采样,得到初始点云地图,包括:
初始化体素网格的大小,对所述点云子集中的初始帧点云数据进行体素网格化;
对各体素网格中的点云数据进行降采样,得到初始点云地图。
6.根据权利要求4所述的激光雷达外参标定方法,其特征在于,步骤S4具体包括:
对所述点云子集中的非初始帧点云数据的所述点云位姿进行优化,得到优化后点云位姿;
根据所述优化后点云位姿和所述非初始帧点云数据的时间戳对所述非初始帧点云数据进行去运动畸变,得到优化后点云子集;
根据所述优化后点云子集对所述初始帧点云数据对应的所述初始点云地图进行更新,得到所述点云子集对应的局部点云地图。
7.根据权利要求6所述的激光雷达外参标定方法,其特征在于,所述对所述点云子集中的非初始帧点云数据的所述点云位姿进行优化,得到优化后点云位姿,包括:
对所述点云子集中的非初始帧点云数据的所述点云位姿进行回环检测,得到回环检测结果;
根据所述回环检测结果,通过图优化方法对所述点云位姿进行全局优化,得到优化后点云位姿。
8.根据权利要求6所述的激光雷达外参标定方法,其特征在于,所述根据所述优化后点云子集对所述初始帧点云数据对应的所述初始点云地图进行更新,得到所述点云子集对应的局部点云地图,包括:
将所述优化后点云子集中的初始帧优化后点云数作为当前帧点云数据,重复步骤S2-步骤S4,对所述初始帧点云数据对应的所述初始点云地图进行迭代更新,直至迭代次数达到预设最大迭代次数,将所述优化后点云子集中的最后一帧优化后点云数对应的降采样后的更新后点云地图作为所述点云子集对应的局部点云地图。
9.根据权利要求3所述的激光雷达外参标定方法,其特征在于,相邻两组所述点云子集之间存在重叠点云数据;
所述将各组所述局部点云地图进行拼接,得到所述目标区域的点云地图,包括:
根据相邻两组所述点云子集之间的重叠点云数据对相邻两组所述局部点云地图进行拼接,得到所述目标区域的点云地图。
10.根据权利要求1-9任一项所述的激光雷达外参标定方法,其特征在于,所述基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配以获取所述第二激光雷达的外参标定结果,包括:
基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配,得到所述第二激光雷达的标定参数的多帧观测值;
根据所述第二激光雷达的标定参数的多帧观测值获取所述第二激光雷达的外参标定结果。
11.根据权利要求10所述的激光雷达外参标定方法,其特征在于,所述根据所述第二激光雷达的标定参数的多帧观测值获取所述第二激光雷达的外参标定结果,包括:
计算所述第二激光雷达的标定参数的多帧观测值的平均值,得到所述第二激光雷达的外参标定结果;
或,对所述第二激光雷达的标定参数的多帧观测值进行聚类以去除异常值;
计算去除异常值后的观测值的平均值,得到所述第二激光雷达的外参标定结果。
12.一种激光雷达外参标定装置,其特征在于,包括:
获取单元,用于获取待标定车辆的第一激光雷达和第二激光雷达在目标区域采集的多帧点云数据,所述第一激光雷达和所述第二激光雷达扫描的区域存在重叠;
构建单元,用于根据所述第一激光雷达采集的多帧点云数据构建地图,得到所述第一激光雷达的位姿和所述目标区域的点云地图;
匹配单元,用于基于所述第一激光雷达的位姿,将所述第二激光雷达采集的多帧点云数据与所述点云地图进行点云匹配以获取所述第二激光雷达的外参标定结果。
13.一种激光雷达外参标定设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-11任一项所述的激光雷达外参标定方法。
14.一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用于存储程序代码,所述程序代码被处理器执行时实现权利要求1-11任一项所述的激光雷达外参标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210886950.3A CN115236644A (zh) | 2022-07-26 | 2022-07-26 | 一种激光雷达外参标定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210886950.3A CN115236644A (zh) | 2022-07-26 | 2022-07-26 | 一种激光雷达外参标定方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115236644A true CN115236644A (zh) | 2022-10-25 |
Family
ID=83675613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210886950.3A Pending CN115236644A (zh) | 2022-07-26 | 2022-07-26 | 一种激光雷达外参标定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115236644A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184369A (zh) * | 2023-04-26 | 2023-05-30 | 长沙智能驾驶研究院有限公司 | 激光雷达的外参标定方法、装置、设备、介质及产品 |
CN116452422A (zh) * | 2023-04-24 | 2023-07-18 | 上海几何伙伴智能驾驶有限公司 | 一种4d成像毫米波雷达的回环检测方法 |
CN117036511A (zh) * | 2023-10-08 | 2023-11-10 | 之江实验室 | 多类型传感器的标定方法、装置、计算机设备和存储介质 |
CN117129979A (zh) * | 2023-10-25 | 2023-11-28 | 深圳市迅龙软件有限公司 | 一种基于机器学习模型的激光雷达标定方法及系统 |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648240A (zh) * | 2018-05-11 | 2018-10-12 | 东南大学 | 基于点云特征地图配准的无重叠视场相机姿态标定方法 |
CN109141446A (zh) * | 2018-07-04 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 用于获得地图的方法、装置、设备和计算机可读存储介质 |
CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
CN110221276A (zh) * | 2019-05-31 | 2019-09-10 | 文远知行有限公司 | 激光雷达的标定方法、装置、计算机设备和存储介质 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定系统及其方法 |
CN110741282A (zh) * | 2019-08-21 | 2020-01-31 | 深圳市速腾聚创科技有限公司 | 外参标定方法、装置、计算设备以及计算机存储介质 |
CN111208492A (zh) * | 2018-11-21 | 2020-05-29 | 长沙智能驾驶研究院有限公司 | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 |
CN111220992A (zh) * | 2018-11-26 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 雷达数据融合方法、装置及系统 |
CN111965627A (zh) * | 2020-08-18 | 2020-11-20 | 湖北亿咖通科技有限公司 | 一种车辆的多激光雷达标定方法 |
CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航系统工程研究所 | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 |
CN112017219A (zh) * | 2020-03-17 | 2020-12-01 | 湖北亿咖通科技有限公司 | 一种激光点云配准方法 |
CN112034438A (zh) * | 2020-08-27 | 2020-12-04 | 江苏智能网联汽车创新中心有限公司 | 一种雷达标定方法、装置、电子设备及存储介质 |
CN112347840A (zh) * | 2020-08-25 | 2021-02-09 | 天津大学 | 视觉传感器激光雷达融合无人机定位与建图装置和方法 |
CN112462350A (zh) * | 2020-12-10 | 2021-03-09 | 苏州一径科技有限公司 | 雷达标定方法及装置、电子设备及存储介质 |
CN112731358A (zh) * | 2021-01-08 | 2021-04-30 | 奥特酷智能科技(南京)有限公司 | 一种多激光雷达外参在线标定方法 |
CN112965047A (zh) * | 2021-02-01 | 2021-06-15 | 中国重汽集团济南动力有限公司 | 一种车辆多激光雷达标定方法、系统、终端及存储介质 |
CN113515128A (zh) * | 2021-07-30 | 2021-10-19 | 华东理工大学 | 一种无人车实时路径规划方法及存储介质 |
CN113640778A (zh) * | 2021-08-12 | 2021-11-12 | 东风悦享科技有限公司 | 一种基于无重叠视场的多激光雷达的联合标定方法 |
CN113674399A (zh) * | 2021-08-16 | 2021-11-19 | 杭州图灵视频科技有限公司 | 一种移动机器人室内三维点云地图构建方法及系统 |
CN113724303A (zh) * | 2021-09-07 | 2021-11-30 | 广州文远知行科技有限公司 | 点云与图像匹配方法、装置、电子设备和存储介质 |
CN113819914A (zh) * | 2020-06-19 | 2021-12-21 | 北京图森未来科技有限公司 | 一种地图构建方法及装置 |
WO2021253193A1 (zh) * | 2020-06-15 | 2021-12-23 | 深圳市大疆创新科技有限公司 | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 |
CN113870343A (zh) * | 2020-06-30 | 2021-12-31 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN113888649A (zh) * | 2021-10-18 | 2022-01-04 | 上海振华重工(集团)股份有限公司 | 一种多激光雷达外参标定方法、装置、设备及存储介质 |
CN113902860A (zh) * | 2021-10-10 | 2022-01-07 | 北京工业大学 | 一种基于多线激光雷达点云的多尺度静态地图构建方法 |
CN113933820A (zh) * | 2021-12-16 | 2022-01-14 | 中智行科技有限公司 | 一种无标定物的激光雷达外参标定方法 |
CN114152937A (zh) * | 2022-02-09 | 2022-03-08 | 西南科技大学 | 一种旋转激光雷达的外参标定方法 |
CN114255324A (zh) * | 2021-12-29 | 2022-03-29 | 中山大学 | 一种多激光雷达协同的地图构建方法及其系统 |
CN114612780A (zh) * | 2022-03-14 | 2022-06-10 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 一种多地图切换slam建图方法 |
CN114646932A (zh) * | 2022-05-23 | 2022-06-21 | 深圳元戎启行科技有限公司 | 基于外置雷达的雷达外参标定方法、装置和计算机设备 |
WO2022127532A1 (zh) * | 2020-12-16 | 2022-06-23 | 华为技术有限公司 | 一种激光雷达与imu的外参标定方法、装置及设备 |
WO2022134567A1 (zh) * | 2020-12-25 | 2022-06-30 | 上海商汤临港智能科技有限公司 | 外参标定方法、装置、计算机设备及存储介质 |
-
2022
- 2022-07-26 CN CN202210886950.3A patent/CN115236644A/zh active Pending
Patent Citations (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
CN108648240A (zh) * | 2018-05-11 | 2018-10-12 | 东南大学 | 基于点云特征地图配准的无重叠视场相机姿态标定方法 |
CN109141446A (zh) * | 2018-07-04 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 用于获得地图的方法、装置、设备和计算机可读存储介质 |
CN111208492A (zh) * | 2018-11-21 | 2020-05-29 | 长沙智能驾驶研究院有限公司 | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 |
CN111220992A (zh) * | 2018-11-26 | 2020-06-02 | 长沙智能驾驶研究院有限公司 | 雷达数据融合方法、装置及系统 |
CN110221276A (zh) * | 2019-05-31 | 2019-09-10 | 文远知行有限公司 | 激光雷达的标定方法、装置、计算机设备和存储介质 |
WO2021031157A1 (zh) * | 2019-08-21 | 2021-02-25 | 深圳市速腾聚创科技有限公司 | 外参标定方法、装置、计算设备以及计算机存储介质 |
CN110741282A (zh) * | 2019-08-21 | 2020-01-31 | 深圳市速腾聚创科技有限公司 | 外参标定方法、装置、计算设备以及计算机存储介质 |
CN110596683A (zh) * | 2019-10-25 | 2019-12-20 | 中山大学 | 一种多组激光雷达外参标定系统及其方法 |
CN112017219A (zh) * | 2020-03-17 | 2020-12-01 | 湖北亿咖通科技有限公司 | 一种激光点云配准方法 |
WO2021253193A1 (zh) * | 2020-06-15 | 2021-12-23 | 深圳市大疆创新科技有限公司 | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 |
CN114080547A (zh) * | 2020-06-15 | 2022-02-22 | 深圳市大疆创新科技有限公司 | 多组激光雷达外参的标定方法、标定装置和计算机存储介质 |
CN113819914A (zh) * | 2020-06-19 | 2021-12-21 | 北京图森未来科技有限公司 | 一种地图构建方法及装置 |
CN113870343A (zh) * | 2020-06-30 | 2021-12-31 | 长沙智能驾驶研究院有限公司 | 相对位姿标定方法、装置、计算机设备和存储介质 |
CN111965627A (zh) * | 2020-08-18 | 2020-11-20 | 湖北亿咖通科技有限公司 | 一种车辆的多激光雷达标定方法 |
CN112347840A (zh) * | 2020-08-25 | 2021-02-09 | 天津大学 | 视觉传感器激光雷达融合无人机定位与建图装置和方法 |
CN112034438A (zh) * | 2020-08-27 | 2020-12-04 | 江苏智能网联汽车创新中心有限公司 | 一种雷达标定方法、装置、电子设备及存储介质 |
CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航系统工程研究所 | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 |
CN112462350A (zh) * | 2020-12-10 | 2021-03-09 | 苏州一径科技有限公司 | 雷达标定方法及装置、电子设备及存储介质 |
WO2022127532A1 (zh) * | 2020-12-16 | 2022-06-23 | 华为技术有限公司 | 一种激光雷达与imu的外参标定方法、装置及设备 |
WO2022134567A1 (zh) * | 2020-12-25 | 2022-06-30 | 上海商汤临港智能科技有限公司 | 外参标定方法、装置、计算机设备及存储介质 |
CN112731358A (zh) * | 2021-01-08 | 2021-04-30 | 奥特酷智能科技(南京)有限公司 | 一种多激光雷达外参在线标定方法 |
CN112965047A (zh) * | 2021-02-01 | 2021-06-15 | 中国重汽集团济南动力有限公司 | 一种车辆多激光雷达标定方法、系统、终端及存储介质 |
CN113515128A (zh) * | 2021-07-30 | 2021-10-19 | 华东理工大学 | 一种无人车实时路径规划方法及存储介质 |
CN113640778A (zh) * | 2021-08-12 | 2021-11-12 | 东风悦享科技有限公司 | 一种基于无重叠视场的多激光雷达的联合标定方法 |
CN113674399A (zh) * | 2021-08-16 | 2021-11-19 | 杭州图灵视频科技有限公司 | 一种移动机器人室内三维点云地图构建方法及系统 |
CN113724303A (zh) * | 2021-09-07 | 2021-11-30 | 广州文远知行科技有限公司 | 点云与图像匹配方法、装置、电子设备和存储介质 |
CN113902860A (zh) * | 2021-10-10 | 2022-01-07 | 北京工业大学 | 一种基于多线激光雷达点云的多尺度静态地图构建方法 |
CN113888649A (zh) * | 2021-10-18 | 2022-01-04 | 上海振华重工(集团)股份有限公司 | 一种多激光雷达外参标定方法、装置、设备及存储介质 |
CN113933820A (zh) * | 2021-12-16 | 2022-01-14 | 中智行科技有限公司 | 一种无标定物的激光雷达外参标定方法 |
CN114255324A (zh) * | 2021-12-29 | 2022-03-29 | 中山大学 | 一种多激光雷达协同的地图构建方法及其系统 |
CN114152937A (zh) * | 2022-02-09 | 2022-03-08 | 西南科技大学 | 一种旋转激光雷达的外参标定方法 |
CN114612780A (zh) * | 2022-03-14 | 2022-06-10 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 一种多地图切换slam建图方法 |
CN114646932A (zh) * | 2022-05-23 | 2022-06-21 | 深圳元戎启行科技有限公司 | 基于外置雷达的雷达外参标定方法、装置和计算机设备 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452422A (zh) * | 2023-04-24 | 2023-07-18 | 上海几何伙伴智能驾驶有限公司 | 一种4d成像毫米波雷达的回环检测方法 |
CN116452422B (zh) * | 2023-04-24 | 2024-02-20 | 上海几何伙伴智能驾驶有限公司 | 一种4d成像毫米波雷达的回环检测方法 |
CN116184369A (zh) * | 2023-04-26 | 2023-05-30 | 长沙智能驾驶研究院有限公司 | 激光雷达的外参标定方法、装置、设备、介质及产品 |
CN116184369B (zh) * | 2023-04-26 | 2023-09-12 | 长沙智能驾驶研究院有限公司 | 激光雷达的外参标定方法、装置、设备、介质及产品 |
CN117036511A (zh) * | 2023-10-08 | 2023-11-10 | 之江实验室 | 多类型传感器的标定方法、装置、计算机设备和存储介质 |
CN117036511B (zh) * | 2023-10-08 | 2024-03-26 | 之江实验室 | 多类型传感器的标定方法、装置、计算机设备和存储介质 |
CN117129979A (zh) * | 2023-10-25 | 2023-11-28 | 深圳市迅龙软件有限公司 | 一种基于机器学习模型的激光雷达标定方法及系统 |
CN117129979B (zh) * | 2023-10-25 | 2024-02-13 | 深圳市迅龙软件有限公司 | 一种基于机器学习模型的激光雷达标定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115236644A (zh) | 一种激光雷达外参标定方法、装置、设备和存储介质 | |
CN111536964B (zh) | 机器人定位方法及装置、存储介质 | |
CN109509210B (zh) | 障碍物跟踪方法和装置 | |
Gui et al. | A review of visual inertial odometry from filtering and optimisation perspectives | |
EP3621034A1 (en) | Method and apparatus for calibrating relative parameters of collector, and storage medium | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN111735439B (zh) | 地图构建方法、装置和计算机可读存储介质 | |
CN111210475B (zh) | 一种地图更新方法及装置 | |
US20200292319A1 (en) | Systems and methods for electronic mapping and localization within a facility | |
CN113720324A (zh) | 一种八叉树地图构建方法及系统 | |
CN115953535A (zh) | 三维重建方法、装置、计算设备和存储介质 | |
CN113640756A (zh) | 一种数据标定方法、系统、装置、计算机程序以及存储介质 | |
CN110717141B (zh) | 一种车道线优化方法、装置及存储介质 | |
CN115436920A (zh) | 一种激光雷达标定方法及相关设备 | |
CN111047652A (zh) | 一种快速的多tof相机外参标定方法和装置 | |
CN117178161A (zh) | 计算机程序、模型生成方法、推断方法以及推断装置 | |
CN114581464A (zh) | 边界检测方法、装置、电子设备及计算机可读存储介质 | |
CN114519681A (zh) | 自动标定方法及装置、计算机可读存储介质、终端 | |
CN113837943A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
CN116481513A (zh) | 地图生成方法、装置、电子设备 | |
CN112669196B (zh) | 一种硬件加速引擎中因子图优化数据的方法和设备 | |
CN114814875A (zh) | 一种机器人定位建图方法、装置、可读存储介质及机器人 | |
CN115112134A (zh) | 一种地图构建方法、装置、设备和存储介质 | |
CN116299300B (zh) | 可行驶区域的确定方法、装置、计算机设备及存储介质 |
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 |