CN115239821B - 参数信息确定方法、装置、车辆、电子设备及存储介质 - Google Patents
参数信息确定方法、装置、车辆、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115239821B CN115239821B CN202210833816.7A CN202210833816A CN115239821B CN 115239821 B CN115239821 B CN 115239821B CN 202210833816 A CN202210833816 A CN 202210833816A CN 115239821 B CN115239821 B CN 115239821B
- Authority
- CN
- China
- Prior art keywords
- information
- radar
- parameter information
- target
- determining
- 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
Images
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
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提出一种参数信息确定方法、装置、车辆、电子设备及存储介质,应用于车辆,车辆包括:摄像组件和雷达,方法包括:获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息。通过本公开,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
Description
技术领域
本公开涉及车辆技术领域,尤其涉及一种参数信息确定方法、装置、车辆、电子设备及存储介质。
背景技术
相关技术中,针对自动驾驶车辆的激光雷达外参标定方案,通常需要预先建立稠密的标定间点云地图,于标定间墙壁上设置相机识别标靶,以获取雷达和摄像组件的参数信息。
这种方式下,雷达和摄像组件的参数信息确定流程较为繁琐,影响参数信息确定效率,所得到的参数信息的准确性不高。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
本公开的目的在于提出一种参数信息确定方法、装置、车辆、电子设备、存储介质及计算机程序产品,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
本公开第一方面实施例提出的参数信息确定方法,应用于车辆,车辆包括:摄像组件和雷达,方法包括:获取初始点云数据,其中,初始点云数据由雷达检测得到;获取车辆所处场景中靶标的参考靶标信息;根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息;根据雷达参数信息,确定摄像组件的摄像参数信息。
本公开第一方面实施例提出的参数信息确定方法,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
本公开第二方面实施例提出的参数信息确定装置,应用于车辆,车辆包括:摄像组件和雷达,装置包括:第一获取模块,用于获取初始点云数据,其中,初始点云数据由雷达检测得到;第二获取模块,用于获取车辆所处场景中靶标的参考靶标信息;第一确定模块,用于根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息;第二确定模块,用于根据雷达参数信息,确定摄像组件的摄像参数信息。
本公开第二方面实施例提出的参数信息确定装置,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
本公开第三方面实施例提出的车辆,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为:实现本公开第一实施例提出的任一项参数信息确定方法的步骤。
本公开第四方面实施例提出的电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如本公开第一方面实施例提出的参数信息确定方法。
本公开第五方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开第一方面实施例提出的参数信息确定方法。
本公开第六方面实施例提出了一种计算机程序产品,当计算机程序产品中的指令由处理器执行时,执行如本公开第一方面实施例提出的参数信息确定方法。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本公开一实施例提出的参数信息确定方法的流程示意图;
图2是本公开另一实施例提出的参数信息确定方法的流程示意图;
图3是本公开实施例中的第一参数信息确定流程图;
图4是本公开另一实施例提出的参数信息确定方法的流程示意图;
图5是本公开实施例中的第二参数信息确定流程示意图;
图6是本公开另一实施例提出的参数信息确定方法的流程示意图;
图7是本公开实施例中的摄像参数信息确定流程示意图;
图8是本公开一实施例提出的参数信息确定装置的结构示意图;
图9是本公开另一实施例提出的参数信息确定装置的结构示意图;
图10是本公开一实施例提出的车辆的结构示意图;
图11示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本公开,而不能理解为对本公开的限制。相反,本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本公开一实施例提出的参数信息确定方法的流程示意图。
其中,需要说明的是,本实施例的参数信息确定方法的执行主体为参数信息确定装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在终端设备中、或者也可以配置在车载设备中,对此不做限制。
本公开实施例的参数信息确定方法可以应用于车辆,车辆包括:摄像组件和雷达,其中,摄像组件和雷达布局在车辆外周,雷达为激光雷达,雷达可以包括主激光雷达和多个其他激光雷达,该参数信息确定方法可以应用于在标定间对雷达和摄像组件进行参数标定的场景下,雷达可以用于扫描标定间以获取对应的点云数据,对此不做限制。
如图1所示,该参数信息确定方法,包括:
S101:获取初始点云数据,其中,初始点云数据由雷达检测得到。
其中,雷达,是指设置于车辆外周的激光雷达装置,该激光雷达装置可以包括顶置激光雷达、前置远距离激光雷达以及多个其他激光雷达。
其中,初始点云数据,是指由雷达对标定间进行检测扫描得到的点云数据,该初始点云数据可以保存为激光雷达默认采集数据的二进制文件。
本公开实施例中,可以由雷达对车辆所处的标定间进行扫描检测,以采集到标定间的点云数据,并将采集到的点云数据保存为激光雷达默认采集数据的二进制文件,将采集到的点云数据作为初始点云数据。
S102:获取车辆所处场景中靶标的参考靶标信息。
其中,车辆所处场景可以为标定间,标定间中设置有N(N小于6)个高反射率矩形靶标,靶标可以用于确定雷达的参数信息。
其中,参考靶标信息,是指车辆所处场景中的靶标的中心点坐标位置信息和靶标的顶点坐标位置信息,参考靶标信息还可以为场景中的靶标的点云位姿地图。
本公开实施例中,在获取车辆所处场景中靶标的参考靶标信息时,可以基于全站仪对车辆所处场景中的靶标进行多次不同角度的观测,以获取不同角度下的靶标对应的点云地图,根据观测得到的点云地图对靶标的位置进行推算,以得到中心点坐标位置信息和顶点坐标位置信息,将中心点坐标位置信息和顶点坐标位置信息作为车辆所处场景中靶标的参考靶标信息,该参考靶标信息可以作为场景中的靶标的位置真值信息,参考标靶信息可以用于辅助确定雷达的雷达参数信息,具体可见后续实施例。
S103:根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息。
其中,雷达参数信息,是指雷达相对于车辆运动中心的旋转角度以及位移数据信息。
本公开实施例在上述获取初始点云数据和车辆所处场景中靶标的参考靶标信息之后,可以根据初始点云数据和和参考靶标信息,确定雷达的雷达参数信息。
本公开实施例中,在根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息时,可以对初始点云数据进行数据转换处理,将原始的二进制文件格式的初始点云数据格式转换为可以对其进行点云匹配等数据处理的点云数据,得到数据格式转换后的点云数据,而后可以从处理后的点云数据中筛选出靶标对应的点云数据,从筛选后的点云数据中确定靶标的中心点,而后可以将获取到的中心点与参考靶标信息中的靶标的中心点进行匹配处理,利用近点迭代算法(Iterative Closest Point,ICP)进行点到点的匹配求解,以得到雷达的相对于车辆运动中心的旋转角度数据信息和位移数据信息,将旋转角度数据信息和位移数据信息作为雷达的雷达参数信息。
可选地,一些实施例中,雷达包括:第一雷达和第二雷达,在根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息时,可以根据初始点云数据和参考靶标信息,确定第一雷达的第一参数信息,根据第一参数信息,确定第二雷达的第二参数信息,将第一参数信息和第二参数信息作为雷达参数信息,从而可以根据初始点云数据和参考靶标信息对第一雷达进行标定,得到第一雷达的第一参数信息,基于第一雷达对第二雷达进行标定,以获取第二雷达的第二参数信息,从而可以避免预先建立稠密的标定间点云进行所有雷达的标定处理,有效减少了数据计算量,有效提升了参数信息确定效率。
其中,第一雷达,是指车辆的顶置主雷达和前置远距离激光雷达。
其中,第一参数信息,是指第一雷达相对于车辆运动中心的旋转角度以及位移数据信息。
其中,第二雷达,是指除车辆的顶置主雷达和前置远距离激光雷达之外的其他激光雷达。
其中,第二参数信息,是指第二雷达相对于车辆运动中心的旋转角度以及位移数据信息,第一参数信息和第二参数信息可以作为雷达参数信息。
本公开实施例中,在根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息时,可以根据初始点云数据和参考靶标信息,确定第一雷达的第一参数信息,可以将初始点云数据转换为可以对其进行点云匹配等数据处理的点云数据,从处理后的点云数据中筛选出靶标对应的点云数据,从筛选后的点云数据中确定靶标的中心点,而后可以将获取到的中心点与参考靶标信息中的靶标的中心点进行ICP匹配求解处理,以得到第一雷达相对于车辆运动中心的旋转角度数据信息和位移数据信息,将该旋转角度数据信息和位移数据信息作为第一雷达的第一参数信息,而后可以根据第一参数信息,确定第二雷达的第二参数信息,可以首先确定第二雷达相对于第一雷达的外参信息,而后计算第二雷达相对于第一雷达的外参信息与第一参数信息的乘积,将计算后的参数信息作为第二雷达的第二参数信息,并将第一参数信息和第二参数信息作为雷达参数信息。
S104:根据雷达参数信息,确定摄像组件的摄像参数信息。
其中,摄像组件,是指布局在车辆外周的摄像头。
其中,摄像参数信息,是指摄像组件相对于车辆运动中心的旋转角度以及位移数据信息。
本公开实施例在上述根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息之后,可以根据雷达参数信息,确定摄像组件的摄像参数信息。
本公开实施例中,在根据雷达参数信息,确定摄像组件的摄像参数信息时,可以控制摄像组件对车辆所处场景中的靶标进行拍摄处理,以得到对应的靶标图像,而后可以确定靶标图像的靶标中心,并将靶标图像中的靶标中心与上述从靶标点云数据中确定的靶标中心点进行ICP匹配处理,以得到摄像组件相对于雷达的参数信息,而后可以计算摄像组件相对于雷达的参数信息与雷达参数信息的乘积,计算得到的乘积结果即为摄像组件相对于车辆运动中心的旋转角度以及位移数据信息,并将摄像组件相对于车辆运动中心的旋转角度以及位移数据信息作为摄像组件的摄像参数信息,以实现根据雷达参数信息,确定摄像组件的摄像参数信息。
本实施例中,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
图2是本公开另一实施例提出的参数信息确定方法的流程示意图。
如图2所示,该参数信息确定方法,包括:
S201:获取初始点云数据,其中,初始点云数据由雷达检测得到。
S202:获取车辆所处场景中靶标的参考靶标信息。
针对S201和S202的描述说明可以具体参见上述实施例,在此不再赘述。
S203:确定初始点云数据中包含的靶标点云数据。
其中,靶标点云数据,是指初始点云数中靶标对应的部分点云数据,靶标点云的可以有N簇,分别为N个靶标平面对应的点云数据。
本公开实施例中,初始点云数据为第一雷达对车辆所处的标定间进行扫描检测得到的点云数据,初始点云数据中包含有靶标对应的部分点云数据和非靶标部分的点云数据,在确定初始点云数据中包含的靶标点云数据时,可以对初始点云数据进行数据格式转换处理,对处理后的点云数据进行欧式聚类处理,以得到靶标所在平面区域的点云数据,而后可以获取靶标的尺寸数据,根据靶标的尺寸数据对聚类处理后的点云数据进行进一步的提取,以得到N个靶标对应的N簇点云数据,对N簇点云进行随机一致抽样(RANdom SAmpleConsensus,RANSAC)处理,以去除N簇点云中不属于靶标的点云数据,将处理后的点云数据作为靶标点云数据,以实现确定初始点云数据中包含的靶标点云数据。
S204:根据靶标点云数据和参考靶标信息,确定第一雷达的第一参数信息。
本公开实施例在上述获取车辆所处场景中靶标的参考靶标信息并确定初始点云数据中包含的靶标点云数据之后,可以根据靶标点云数据和参考靶标信息,确定第一雷达的第一参数信息。
本公开实施例中,在根据靶标点云数据和参考靶标信息,确定第一雷达的第一参数信息时,可以从标靶点云数据中提取出靶标的中心点,将从从标靶点云数据中提取出的中心点与参考靶标信息中的中心点进行ICP匹配计算处理,以计算得到第一雷达相对于车辆运动中心的旋转角度信息和位移信息,并将计算得到的旋转角度信息和位移信息作为第一雷达的第一参数信息。
可选地,一些实施例中,在根据靶标点云数据和参考靶标信息,确定第一雷达的第一参数信息时,可以处理靶标点云数据,生成靶标对应的目标靶标信息,根据目标靶标信息和参考靶标信息,确定第一雷达的第一参数信息,从而可以对靶标点云数据进行处理以得到靶标对应的中心点和顶点的相关位置信息作为目标靶标信息,根据目标靶标信息和参考靶标信息中的靶标中心点进行匹配计算,确定第一雷达的第一参数信息,从而可以有效提升第一雷达的标定准确性,有效提升第一参数信息的准确性。
其中,目标靶标信息,是指从靶标点云数据中提取的中心点位置信息和顶点位置信息。
本公开实施例中,在处理靶标点云数据,生成靶标对应的目标靶标信息时,可以对靶标点云数据进行协方差计算,以获得靶标点云数据对应的靶标平面的主方向,而后可以根据计算得到的主方向和靶标点云数据计算靶标的包围盒,根据该靶标对应的包围盒计算靶标的中心点位置信息和顶点位置信息,并将计算到的中心点位置信息和顶点位置信息作为靶标对应的目标靶标信息。
本公开实施例在上述处理靶标点云数据,生成靶标对应的目标靶标信息之后,可以根据目标靶标信息和参考靶标信息,确定第一雷达的第一参数信息,可以将目标靶标信息中靶标的中心点和顶点与参考靶标信息中靶标的中心点和顶点进行对应ICP匹配计算处理,以得到第一雷达相对于车辆运动中心的旋转角度信息和位移信息,将该旋转角度信息和位移信息作为第一雷达的第一参数信息。
可选地,一些实施例中,根据目标靶标信息和参考靶标信息,确定第一雷达的第一参数信息,可以对目标靶标信息和参考靶标信息进行匹配处理,得到第一雷达的第一位姿信息,根据第一位姿信息和参考靶标信息,确定匹配残差信息,根据匹配残差信息和残差检验条件,确定第一参数信息,从而可以根据残差校验条件对计算得到的第一雷达的位姿信息的残差进行校验处理,有效保证了计算得到的位姿信息的残差在预期设置范围内,有效保证了确定得到的第一位姿信息的准确性。
其中,第一位姿信息,可以指第一雷达相对于车辆运动中心的角度信息以及距离位置信息。
其中,匹配残差信息,是指对目标靶标信息和参考靶标信息进行匹配处理得到第一位姿信息时的计算误差数据信息。
其中,残差检验条件,是指预先设置的用于对匹配残差信息进行校验的检验条件,该残差检验条件例如可以设置对计算得到的匹配残差小于预先设置的残差阈值,或者可以适应性的针对匹配残差信息设置残差检验条件,对此不做限制。
本公开实施例中,在根据目标靶标信息和参考靶标信息,确定第一雷达的第一参数信息时,可以将目标靶标信息中靶标的中心点和顶点与参考靶标信息中靶标的中心点和顶点进行对应ICP匹配计算处理,以计算得到第一雷达相对于车辆运动中心的角度信息以及距离位置信息作为第一位姿信息,而后可以根据参考靶标信息对第一位姿信息进行残差校验处理,根据残差计算函数进行残差计算处理,以计算出此次位姿信息计算的误差信息作为匹配残差信息,将计算得到的数据信息作为匹配残差信息。
本公开实施例在上述对目标靶标信息和参考靶标信息进行匹配处理,得到第一雷达的第一位姿信息,根据第一位姿信息和参考靶标信息,确定匹配残差信息之后,可以根据匹配残差信息和残差检验条件,确定第一参数信息,可以将对匹配残差信息是否满足残差检验条件进行判断,根据判断结果,确定第一参数信息,如果匹配残差信息满足残差检验条件,则可以将第一雷达的第一位姿信息作为第一雷达的第一参数信息。
可选地,一些实施例中,根据匹配残差信息和残差检验条件,确定第一参数信息,如果匹配残差信息满足残差检验条件,则将第一位姿信息作为第一参数信息,如果匹配残差信息不满足残差检验条件,则重新对目标靶标信息和参考靶标信息进行匹配,直至重匹配所得位姿信息和参考靶标信息间的匹配残差信息满足残差检验条件,将重匹配所得位姿信息作为第一参数信息,从而可以在匹配残差信息满足残差检验条件时,将匹配残差信息对应的第一位姿信息作为第一参数信息,从而可以保证获取到的第一参数信息的准确性。
本公开实施例中,在根据匹配残差信息和残差检验条件,确定第一参数信息时,可以对匹配残差信息是否满足残差检验条件进行判断,根据判断结果确定第一参数信息,如果匹配残差信息满足残差检验条件,则将第一位姿信息作为第一参数信息,如果匹配残差信息不满足残差检验条件,则重新对目标靶标信息和参考靶标信息进行匹配,并重新计算匹配残差信息,将计算得到的匹配残差信息是否满足残差检验条件进行判断,直至重匹配所得位姿信息和参考靶标信息间的匹配残差信息满足残差检验条件,将重匹配所得位姿信息作为第一参数信息。
举例而言,如图3所示,图3是本公开实施例中的第一参数信息确定流程图,首先在标定间内放置N(N小于6)个高反射率矩形靶标,用于对第一雷达进行第一参数信息的确定,使用全站仪获取所述N个矩形靶标的中心点信息及顶点位置信息作为参考靶标信息,该参考靶标信息可以作为先验信息用于确定第一参数信息,可以利用第一雷达对标定间进行检测扫描处理,以获取Pcap格式得到初始点云数据,并将其进行数据格式转换处理,以得到PCAD格式的点云数据,对格式转换处理后的点云数据进行进行欧式聚类处理,以提取到靶标所在区域,根据靶标尺寸对应的点云数量对欧式聚类处理后的点云数据进行进一步筛选提取,对筛选后的点云进行随机一致性算法平面提取,依照提取后点云数量,对点云进行过滤,得到靶标平面所在的靶标点云数据,根据靶标点云数据对上述靶标的平面点进行协方差计算,获得主方向,而后计算靶标所在的包围盒,根据包围盒推算N个靶标的中心点位置信息及顶点位置信息,并将该中心点位置信息和顶点位置信息作为目标靶标信息,而后可以对目标靶标信息中的中心点和顶点与参考靶标信息中的中心点和顶点进行点到点的ICP求解以获得第一位姿信息,并对第一位姿信息对应的匹配残差信息和残差检验条件进行残差校验处理,如果匹配残差信息满足残差检验条件,则将第一位姿细腻作为第一雷达的第一参数信息,如果匹配残差信息不满足残差检验条件,则再次进行ICP匹配求解,在规定求解次数内,匹配残差信息不满足残差检验条件,会进行二次求解直至匹配残差信息满足残差检验条件,将重匹配所得位姿信息作为第一参数信息。
S205:根据第一参数信息,确定第二雷达的第二参数信息。
S206:将第一参数信息和第二参数信息作为雷达参数信息。
针对S205和S206的描述说明可以具体参见上述实施例,在此不再赘述。
S207:确定摄像组件相对于第一雷达的参考外参信息。
其中,参考外参信息,是指摄像组件相对于第一雷达的旋转角度信息和位移信息,参考外参信息可以用于确定摄像组件的摄像参数信息。
本公开实施例中,在确定摄像组件相对于第一雷达的参考外参信息时,可以控制摄像组件对车辆所处场景中的靶标进行拍摄处理,以得到对应的靶标图像,而后可以确定靶标图像的靶标中心,并将靶标图像中的靶标中心与上述从靶标点云数据中确定的靶标中心点进行ICP匹配处理,以得到摄像组件相对于第一雷达的旋转角度信息和位移信息,并将旋转角度信息和位移信息作为参考外参信息。
S208:根据参考外参信息和第一参数信息,确定摄像组件的摄像参数信息。
本公开实施例在上述确定摄像组件相对于第一雷达的参考外参信息之后,可以根据参考外参信息和第一参数信息,确定摄像组件的摄像参数信息。
本公开实施例中,在根据参考外参信息和第一参数信息,确定摄像组件的摄像参数信息时,可以计算对参考外参信息和第一参数信息进行乘积计算处理,将计算得到的乘积结果作为摄像组件的摄像参数信息。
本实施例中,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性,通过处理靶标点云数据,生成靶标对应的目标靶标信息,根据目标靶标信息和参考靶标信息,确定第一雷达的第一参数信息,从而可以对靶标点云数据进行处理以得到靶标对应的中心点和顶点的相关位置信息作为目标靶标信息,根据目标靶标信息和参考靶标信息中的靶标中心点进行匹配计算,确定第一雷达的第一参数信息,从而可以有效提升第一雷达的标定准确性,有效提升第一参数信息的准确性,通过对目标靶标信息和参考靶标信息进行匹配处理,得到第一雷达的第一位姿信息,根据第一位姿信息和参考靶标信息,确定匹配残差信息,根据匹配残差信息和残差检验条件,确定第一参数信息,从而可以根据残差校验条件对计算得到的第一雷达的位姿信息的残差进行校验处理,有效保证了计算得到的位姿信息的残差在预期设置范围内,有效保证了确定得到的第一位姿信息的准确性。
图4是本公开另一实施例提出的参数信息确定方法的流程示意图。
如图4所示,该参数信息确定方法,包括:
S401:获取初始点云数据,其中,初始点云数据由雷达检测得到。
S402:获取车辆所处场景中靶标的参考靶标信息。
S403:根据初始点云数据和参考靶标信息,确定第一雷达的第一参数信息。
针对S401和S402的描述说明可以具体参见上述实施例,在此不再赘述。
S404:确定第二雷达相对于第一雷达的相对外参信息。
其中,相对外参信息,是指第二雷达相对于第一雷达的旋转角度信息以及位移信息。
本公开实施例中,在确定第二雷达相对于第一雷达的相对外参信息时,可以控制第二雷达对标定间进行扫描检测,并对扫描得到的点云数据进行提取,以获得靶标所在位置的点云数据,对第二雷达和第一雷达点云分别进行正态分布变化(NormalDistributions Transform,NDT)匹配和最近迭代点ICP匹配,以得到第二雷达相对于第一雷达的旋转角度信息和位移信息,将该旋转角度信息和位移信息作为第二雷达相对于第一雷达的相对外参信息。
可选地,一些实施例中,确定第二雷达相对于第一雷达的相对外参信息,可以获取第一雷达的第一约束位置信息和第二约束位置信息,其中,第一约束位置信息用于描述第一雷达相对于地面的安装位置情况,第二约束位置信息描述第一雷达相对于墙面安装位置情况,获取第二雷达的第三约束位置信息和第四约束位置信息,其中,第三约束位置信息描述第二雷达相对于地面的安装位置情况,第四约束位置信息描述第二雷达相对于墙面的安装位置情况,根据第一约束位置信息、第二约束位置信息、第三约束位置信息,以及第四约束位置信息确定相对外参信息,从而可以对第二雷达和第一雷达进行墙面检测和地面检测处理,获取到对应的约束位置信息,从而可以获取较为丰富的约束位置信息用于确定第二雷达相对于第一雷达的相对外参信息,保证计算得到的相对外参信息的准确性。
其中,第一约束位置信息用于描述第一雷达相对于地面的安装位置情况,该第一约束位置信息可以为第一雷达的安装俯仰角Roll、安装侧偏角Pitch和安装高度Z。
其中,第二约束位置信息描述第一雷达相对于墙面安装位置情况,该第二约束位置信息例如可以为第一雷达的横向安装位置X、纵向安装位置Y和安装横摆角Yaw。
其中,第三约束位置信息描述第二雷达相对于地面的安装位置情况,该第三约束位置信息可以为第二雷达的安装俯仰角Roll、安装侧偏角Pitch和安装高度Z。
其中,第四约束位置信息描述第二雷达相对于墙面的安装位置情况,该第四约束位置信息例如可以为第二雷达的横向安装位置X、纵向安装位置Y和安装横摆角Yaw。
本公开实施例中,可以分别对第一雷达和第二雷达进行地面检测处理,以获取第一雷达的安装俯仰角Roll、安装侧偏角Pitch和安装高度Z作为第一约束位置信息,获取第二雷达的安装俯仰角Roll、安装侧偏角Pitch和安装高度Z作为第三约束位置信息,分别对第一雷达和第二雷达进行墙面检测处理,以获取第一雷达的横向安装位置X、纵向安装位置Y和安装横摆角Yaw作为第二约束位置信息,获取第二雷达的横向安装位置X、纵向安装位置Y和安装横摆角Yaw作为第四约束位置信息,而后可以根据第一约束位置信息、第二约束位置信息、第三约束位置信息,以及第四约束位置信息对第一雷达和第二雷达进行正态分布变化NDT匹配和最近迭代点ICP匹配处理,以得到匹配计算结果,将该计算结果作为第二雷达相对于第一雷达的相对外参信息。
举例而言,如图5所示,图5是本公开实施例中的第二参数信息确定流程示意图,可以采用随机一致性算法进行标定间地平面的提取,其中,雷达1至雷达i为第二雷达,主雷达为第一雷达,可以对第一雷达和第二雷达分别进行墙面地面检测,可以利用距离优化公式对第二雷达距离地平面的距离进行优化,其中A、B、C和D为平面方程的四个参数,xi为当前计算点云点云的横向位置、yi为当前计算点云点云的纵向位置、zi为当前计算点云的高度位置,以得到第二雷达的约束安装俯仰角Roll、安装侧偏角Pitch和安装高度Z作为第三约束信息,并对第一雷达装置进行地面检测,得到第一雷达的约束安装俯仰角Roll、安装侧偏角Pitch和安装高度Z作为第一约束信息,而后可以对第一雷达和第二雷达进行墙面检测,通过对第一雷达和第二雷达的点云数据进行n*n m3的栅格化投影n(通常设置为1),计算其协方差,通过协方差分析其主项量,对于主项量与最小方向向量相差超过k的方格,k通常可以取100,则认为此方格内点云为同一平面点云,进而对第二雷达和第一雷达的墙面进行上示公式的点到面的距离d进行优化,从而分别得到第一雷达和第二的横向安装位置X、纵向安装位置Y和安装横摆角Yaw作为第二约束位置信息和第四约束位置信息,而后可以根据第一约束位置信息、第二约束位置信息、第三约束位置信息,以及第四约束位置信息对第一雷达和第二雷达进行正态分布变化NDT匹配和最近迭代点ICP匹配处理,以得到匹配计算结果,将该计算结果作为第二雷达相对于第一雷达的相对外参信息,计算相对外参信息和第一外参信息的乘积,将乘积结果作为第二雷达的第二参数信息,第二参数信息为第二雷达相对于车辆运动中心的参数信息。
S405:根据相对外参信息和第一参数信息,确定第二雷达的第二参数信息。
本公开实施例在上述确定第二雷达相对于第一雷达的相对外参信息之后,可以根据相对外参信息和第一参数信息,确定第二雷达的第二参数信息。
本公开实施例中,在根据相对外参信息和第一参数信息,确定第二雷达的第二参数信息时,可以计算相对外参信息和第一参数信息的乘积,将计算得到的乘积结果作为第二雷达的第二参数信息。
S406:将第一参数信息和第二参数信息作为雷达参数信息。
S407:根据雷达参数信息,确定摄像组件的摄像参数信息。
针对S406和S407的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性,通过获取第一雷达的第一约束位置信息和第二约束位置信息,获取第二雷达的第三约束位置信息和第四约束位置信息,根据第一约束位置信息、第二约束位置信息、第三约束位置信息,以及第四约束位置信息确定相对外参信息,从而可以对第二雷达和第一雷达进行墙面检测和地面检测处理,获取到对应的约束位置信息,从而可以获取较为丰富的约束位置信息用于确定第二雷达相对于第一雷达的相对外参信息,保证计算得到的相对外参信息的准确性。
图6是本公开另一实施例提出的参数信息确定方法的流程示意图。
如图6所示,该参数信息确定方法,包括:
S601:获取初始点云数据,其中,初始点云数据由雷达检测得到。
S602:获取车辆所处场景中靶标的参考靶标信息。
S603:根据初始点云数据和参考靶标信息,确定第一雷达的第一参数信息。
S604:根据第一参数信息,确定第二雷达的第二参数信息。
S605:将第一参数信息和第二参数信息作为雷达参数信息。
针对S601-S605的描述说明可以具体参见上述实施例,在此不再赘述。
S606:确定摄像组件相对于第一雷达的外参初始信息。
其中,外参初始信息,是指根据靶标图像和靶标点云数据进行初步匹配处理得到的摄像组件相对于第一雷达的参数信息。
本公开实施例中,在确定摄像组件相对于第一雷达的外参初始信息时,可以控制摄像组件对车辆所处场景中的靶标进行拍摄处理,以得到对应的靶标图像,而后可以确定靶标图像的靶标中心,并将靶标图像中的靶标中心与上述从靶标点云数据中确定的靶标中心点进行ICP匹配处理,以得到摄像组件相对于第一雷达的外参初始信息。
可选地,一些实施例中,在确定摄像组件相对于第一雷达的外参初始信息,时,可以控制摄像组件拍摄靶标,得到靶标图像,处理靶标图像,得到靶标图像中靶标的中心位置信息,根据靶标对应的目标靶标信息和中心位置信息,确定外参初始信息。
其中,中心位置信息,是指靶标图像中的靶标在世界坐标系下的坐标位置信息。
本公开实施例中,在确定摄像组件相对于第一雷达的外参初始信息时,可以控制摄像组件拍摄靶标,得到靶标图像,而后可以处理靶标图像,得到靶标图像中靶标的中心位置信息,可以对靶标图像进行相机畸变去除处理,而后乘以相机内参获得靶标图像中的像素点在世界坐标系下的点,对靶标图像中的像素点进行角点检测处理,以检测到角点在世界坐标系下的位置,而后根据靶标的尺寸大小数据(靶标的尺寸大小数据为已知数据)获取靶标中心点位置信息作为中心位置信息,而后可以获取如上述实施例方法中提取到的第一雷达检测到的目标靶标信息,根据中心位置信息和目标靶标信息,对靶标中心点进行ICP匹配得到外参初始信息。
S607:确定灰度误差特征。
其中,灰度误差特征,是指靶标图像的灰度梯度特征与第一雷达点云数据的灰度梯度特征之间的灰度差值特征。
本公开实施例中,在确定灰度误差特征时,可以对靶标图像进行灰度梯度特征提取处理,以得到靶标图像对应的灰度特征,而后可以对第一雷达检测到的靶标点云数据的灰度梯度特征,计算靶标图像的与靶标点云数据的灰度梯度差值特征,将该差值特征作为灰度误差特征。
可选地,一些实施例中,在确定灰度误差特征时,可以获取靶标图像的图像灰度特征,根据靶标点云数据的反射率信息,确定参考灰度特征,其中,靶标点云数据是基于初始点云数据确定,确定图像灰度特征和参考灰度特征之间的差值灰度特征,并将差值灰度特征作为灰度误差特征,由于基于灰度特征确定摄像组件的摄像参数信息,从而避免预先推演靶标位置,减少了参数确定过程中的数据计算量,有效提升参数信息生成效率,由于灰度误差特征可以用于对外参初始信息进行处理,以得到参考外参信息,从而以有效提升获取到的参考外参信息的准确性。
其中,图像灰度特征,是指对靶标图像的像素进行灰度特征提取处理后得到的数据特征。
其中,参考灰度特征,是指对根据靶标点云数据的反射率信息提取到的靶标点云数据的灰度特征,靶标点云数据是基于初始点云数据确定的。
本公开实施例中,在确定灰度误差特征时,可以提取靶标图像的像素点的灰度值,以获取靶标图像的图像灰度特征,而后根据靶标点云数据的反射率信息,确定参考灰度特征,并计算图像灰度特征和参考灰度特征之间的差值灰度特征,并将差值灰度特征作为灰度误差特征。
S608:根据灰度误差特征处理外参初始信息,并将处理所得信息作为参考外参信息。
本公开实施例在上述确定灰度误差特征之后,可以根据灰度误差特征处理外参初始信息,并将处理所得信息作为参考外参信息。
本公开实施例中,在根据灰度误差特征处理外参初始信息时,可以对灰度误差特征进行最小化优化处理,将最小化优化处理后的灰度误差特征对应的外参初始信息作为参考外参信息。
举例而言,如图7所示,图7是本公开实施例中的摄像参数信息确定流程示意图,在确定摄像组件的摄像参数信息时,可以获取摄像组件相对于第一雷达的参考外参信息,而后计算参考外参信息和第一雷达的第一参数信息的乘积,将计算得到的乘积结果作为摄像组件的摄像参数信息,可以控制摄像组件拍摄靶标,得到靶标图像,而后可以对靶标图像进行相机畸变去除处理,而后乘以相机内参获得靶标图像中的像素点在世界坐标系下的点,对靶标图像中的像素点进行角点检测处理,以检测到角点在世界坐标系下的位置,而后根据靶标的尺寸大小数据获取靶标中心点位置信息作为中心位置信息,而后可以获取如上述实施例方法中提取到的第一雷达检测到的目标靶标信息,根据中心位置信息和目标靶标信息,对靶标中心点进行ICP匹配得到外参初始信息,而后对靶标图像进行灰度梯度特征提取处理,以得到靶标图像对应的灰度特征,而后可以对第一雷达检测到的靶标点云数据的灰度梯度特征,计算靶标图像的与靶标点云数据的灰度梯度差值特征,将该差值特征作为灰度误差特征,对灰度误差特征进行最小化优化处理,根据最小化优化处理后的灰度误差特征处理外参初始信息,以得到摄像组件相对于第一雷达的参考外参信息,参考外参信息乘积第一雷达的第一参数信息即可以得到摄像组件相对于车辆运动中心的参数信息,即摄像组件的摄像参数信息。
S609:根据参考外参信息和第一参数信息,确定摄像组件的摄像参数信息。
针对S609的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性,通过获取靶标图像的图像灰度特征,根据靶标点云数据的反射率信息,确定参考灰度特征,确定图像灰度特征和参考灰度特征之间的差值灰度特征,并将差值灰度特征作为灰度误差特征,由于基于灰度特征确定摄像组件的摄像参数信息,从而避免预先推演靶标位置,减少了参数确定过程中的数据计算量,有效提升参数信息生成效率,由于灰度误差特征可以用于对外参初始信息进行处理,以得到参考外参信息,从而以有效提升获取到的参考外参信息的准确性。
图8是本公开一实施例提出的参数信息确定装置的结构示意图。
如图8所示,该参数信息确定装置,包括:
第一获取模块801,用于获取初始点云数据,其中,初始点云数据由雷达检测得到;
第二获取模块802,用于获取车辆所处场景中靶标的参考靶标信息;
第一确定模块803,用于根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息;
第二确定模块804,用于根据雷达参数信息,确定摄像组件的摄像参数信息。
在本公开的一些实施例中,雷达包括:第一雷达和第二雷达;其中,第一确定模块803,具体用于:
根据初始点云数据和参考靶标信息,确定第一雷达的第一参数信息;
根据第一参数信息,确定第二雷达的第二参数信息;
将第一参数信息和第二参数信息作为雷达参数信息。
在本公开的一些实施例中,其中,第一确定模块,还用于:
确定初始点云数据中包含的靶标点云数据;
根据靶标点云数据和参考靶标信息,确定第一雷达的第一参数信息。
在本公开的一些实施例中,其中,第一确定模块,还用于:
处理靶标点云数据,生成靶标对应的目标靶标信息;
根据目标靶标信息和参考靶标信息,确定第一雷达的第一参数信息。
在本公开的一些实施例中,其中第一确定模块,还用于:
对目标靶标信息和参考靶标信息进行匹配处理,得到第一雷达的第一位姿信息;
根据第一位姿信息和参考靶标信息,确定匹配残差信息;
根据匹配残差信息和残差检验条件,确定第一参数信息。
在本公开的一些实施例中,其中第一确定模块,还用于:
如果匹配残差信息满足残差检验条件,则将第一位姿信息作为第一参数信息;
如果匹配残差信息不满足残差检验条件,则重新对目标靶标信息和参考靶标信息进行匹配,直至重匹配所得位姿信息和参考靶标信息间的匹配残差信息满足残差检验条件,将重匹配所得位姿信息作为第一参数信息。
在本公开的一些实施例中,其中第一确定模块,还用于:
确定第二雷达相对于第一雷达的相对外参信息;
根据相对外参信息和第一参数信息,确定第二雷达的第二参数信息。
在本公开的一些实施例中,其中第一确定模块,还用于:
获取第一雷达的第一约束位置信息和第二约束位置信息,其中,第一约束位置信息用于描述第一雷达相对于地面的安装位置情况,第二约束位置信息描述第一雷达相对于墙面安装位置情况;
获取第二雷达的第三约束位置信息和第四约束位置信息,其中,第三约束位置信息描述第二雷达相对于地面的安装位置情况,第四约束位置信息描述第二雷达相对于墙面的安装位置情况;
根据第一约束位置信息、第二约束位置信息、第三约束位置信息,以及第四约束位置信息确定相对外参信息。
在本公开的一些实施例中,如图9所示,图9是本公开另一实施例提出的参数信息确定装置的结构示意图,其中,第二确定模块804,包括:
第一确定子模块8041,用于确定摄像组件相对于第一雷达的参考外参信息;
第二确定子模块8042,用于根据参考外参信息和第一参数信息,确定摄像组件的摄像参数信息。
在本公开的一些实施例中,其中,第一确定子模块8041,具体用于:
确定摄像组件相对于第一雷达的外参初始信息;
确定灰度误差特征;
根据灰度误差特征处理外参初始信息,并将处理所得信息作为参考外参信息。
在本公开的一些实施例中,其中,第一确定子模块8041,还用于:
控制摄像组件拍摄靶标,得到靶标图像;
处理靶标图像,得到靶标图像中靶标的中心位置信息;
根据靶标对应的目标靶标信息和中心位置信息,确定外参初始信息。
在本公开的一些实施例中,其中,第一确定子模块8041,还用于:
获取靶标图像的图像灰度特征;
根据靶标点云数据的反射率信息,确定参考灰度特征,其中,靶标点云数据是基于初始点云数据确定;
确定图像灰度特征和参考灰度特征之间的差值灰度特征,并将差值灰度特征作为灰度误差特征。
与上述图1至图7实施例提供的参数信息确定方法相对应,本公开还提供一种参数信息确定装置,由于本公开实施例提供的参数信息确定装置与上述图1至图7实施例提供的参数信息确定方法相对应,因此在参数信息确定方法的实施方式也适用于本公开实施例提供的参数信息确定装置,在本公开实施例中不再详细描述。
本实施例中,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
图10是本公开一实施例提出的车辆的结构示意图。
如图10所示,该车辆100,包括:
处理器1001;
用于存储处理器1001可执行指令的存储器1002;
其中,处理器1001被配置为:
实现上述实施例中任一项参数信息确定方法的步骤。
需要说明的是,前述对参数信息确定方法的解释说明也适用于本实施例的车辆100,此处不再赘述。
本实施例中,通过获取初始点云数据,其中,初始点云数据由雷达检测得到,获取车辆所处场景中靶标的参考靶标信息,根据初始点云数据和参考靶标信息,确定雷达的雷达参数信息,根据雷达参数信息,确定摄像组件的摄像参数信息,能够确定雷达的参数信息并基于雷达参数信息确定摄像组件的摄像参数信息,从而有效简化雷达和摄像组件的参数确定流程,提升参数信息确定效率,有效提升确定得到的参数信息的准确性。
图11示出了适于用来实现本公开实施方式的示例性电子设备的框图。
图11显示的计算机设备12仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图11未显示,通常称为“硬盘驱动器”)。
尽管图11中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得人体能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及参数信息确定,例如实现前述实施例中提及的参数信息确定方法。
为了实现上述实施例,本公开还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开前述实施例提出的参数信息确定方法。
为了实现上述实施例,本公开还提出一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行如本公开前述实施例提出的参数信息确定方法。
需要说明的是,在本公开的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本公开各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种参数信息确定方法,其特征在于,应用于车辆,所述车辆包括:摄像组件和雷达,所述方法包括:
获取初始点云数据,其中,所述初始点云数据由所述雷达检测得到;
获取所述车辆所处场景中靶标的参考靶标信息;
根据所述初始点云数据和所述参考靶标信息,确定所述雷达的雷达参数信息;
根据所述雷达参数信息,确定所述摄像组件的摄像参数信息;
其中,所述雷达包括:第一雷达和第二雷达,所述第一雷达为车辆的顶置主雷达和前置远距离激光雷达;所述第二雷达为车辆的顶置主雷达和前置远距离激光雷达之外的其他激光雷达;所述根据所述初始点云数据和所述参考靶标信息,确定所述雷达的雷达参数信息,包括:
根据所述初始点云数据和所述参考靶标信息,确定所述第一雷达的第一参数信息;所述第一参数信息包括所述第一雷达相对于车辆运动中心的旋转角度以及位移数据信息;
根据所述第一参数信息,确定所述第二雷达的第二参数信息;所述第二参数信息为所述第二雷达相对于车辆运动中心的旋转角度以及位移数据信息;
将所述第一参数信息和所述第二参数信息作为所述雷达参数信息。
2.如权利要求1所述的方法,其特征在于,所述根据所述初始点云数据和所述参考靶标信息,确定所述第一雷达的第一参数信息,包括:
确定所述初始点云数据中包含的靶标点云数据;
根据所述靶标点云数据和所述参考靶标信息,确定所述第一雷达的第一参数信息。
3.如权利要求2所述的方法,其特征在于,所述根据所述靶标点云数据和所述参考靶标信息,确定所述第一雷达的第一参数信息,包括:
处理所述靶标点云数据,生成所述靶标对应的目标靶标信息;
根据所述目标靶标信息和所述参考靶标信息,确定所述第一雷达的第一参数信息。
4.如权利要求3所述的方法,其特征在于,所述根据所述目标靶标信息和所述参考靶标信息,确定所述第一雷达的第一参数信息,包括:
对所述目标靶标信息和所述参考靶标信息进行匹配处理,得到所述第一雷达的第一位姿信息;
根据所述第一位姿信息和所述参考靶标信息,确定匹配残差信息;
根据所述匹配残差信息和残差检验条件,确定所述第一参数信息。
5.如权利要求4所述的方法,其特征在于,根据所述匹配残差信息和残差检验条件,确定所述第一参数信息,包括:
如果所述匹配残差信息满足所述残差检验条件,则将所述第一位姿信息作为所述第一参数信息;
如果所述匹配残差信息不满足所述残差检验条件,则重新对所述目标靶标信息和所述参考靶标信息进行匹配,直至重匹配所得位姿信息和所述参考靶标信息间的匹配残差信息满足所述残差检验条件,将所述重匹配所得位姿信息作为所述第一参数信息。
6.如权利要求1所述的方法,其特征在于,所述根据所述第一参数信息,确定所述第二雷达的第二参数信息,包括:
确定所述第二雷达相对于所述第一雷达的相对外参信息;
根据所述相对外参信息和所述第一参数信息,确定所述第二雷达的第二参数信息。
7.如权利要求6所述的方法,其特征在于,所述确定所述第二雷达相对于所述第一雷达的相对外参信息,包括:
获取所述第一雷达的第一约束位置信息和第二约束位置信息,其中,所述第一约束位置信息用于描述第一雷达相对于地面的安装位置情况,所述第二约束位置信息描述所述第一雷达相对于墙面安装位置情况;
获取所述第二雷达的第三约束位置信息和第四约束位置信息,其中,所述第三约束位置信息描述所述第二雷达相对于地面的安装位置情况,所述第四约束位置信息描述所述第二雷达相对于墙面的安装位置情况;
根据所述第一约束位置信息、所述第二约束位置信息、所述第三约束位置信息,以及所述第四约束位置信息确定所述相对外参信息。
8.如权利要求1所述的方法,其特征在于,所述根据所述雷达参数信息,确定所述摄像组件的摄像参数信息,包括:
确定所述摄像组件相对于所述第一雷达的参考外参信息;
根据所述参考外参信息和所述第一参数信息,确定所述摄像组件的摄像参数信息。
9.如权利要求8所述的方法,其特征在于,确定所述摄像组件相对于所述第一雷达的参考外参信息,包括:
确定所述摄像组件相对于所述第一雷达的外参初始信息;
确定灰度误差特征;
根据所述灰度误差特征处理所述外参初始信息,并将处理所得信息作为所述参考外参信息。
10.如权利要求9所述的方法,其特征在于,所述确定所述摄像组件相对于所述第一雷达的外参初始信息,包括:
控制所述摄像组件拍摄所述靶标,得到靶标图像;
处理所述靶标图像,得到所述靶标图像中所述靶标的中心位置信息;
根据所述靶标对应的目标靶标信息和所述中心位置信息,确定所述外参初始信息。
11.如权利要求10所述的方法,其特征在于,所述确定灰度误差特征,包括:
获取所述靶标图像的图像灰度特征;
根据所述靶标点云数据的反射率信息,确定参考灰度特征,其中,所述靶标点云数据是基于所述初始点云数据确定;
确定所述图像灰度特征和所述参考灰度特征之间的差值灰度特征,并将所述差值灰度特征作为所述灰度误差特征。
12.一种参数信息确定装置,其特征在于,应用于车辆,所述车辆包括:摄像组件和雷达,所述装置包括:
第一获取模块,用于获取初始点云数据,其中,所述初始点云数据由所述雷达检测得到;
第二获取模块,用于获取所述车辆所处场景中靶标的参考靶标信息;
第一确定模块,用于根据所述初始点云数据和所述参考靶标信息,确定所述雷达的雷达参数信息;
第二确定模块,用于根据所述雷达参数信息,确定所述摄像组件的摄像参数信息;
其中,所述雷达包括:第一雷达和第二雷达,所述第一雷达为车辆的顶置主雷达和前置远距离激光雷达;所述第二雷达为车辆的顶置主雷达和前置远距离激光雷达之外的其他激光雷达;所述第一确定模块,具体用于:根据所述初始点云数据和所述参考靶标信息,确定所述第一雷达的第一参数信息;所述第一参数信息包括所述第一雷达相对于车辆运动中心的旋转角度以及位移数据信息;根据所述第一参数信息,确定所述第二雷达的第二参数信息;所述第二参数信息为所述第二雷达相对于车辆运动中心的旋转角度以及位移数据信息;
将所述第一参数信息和所述第二参数信息作为所述雷达参数信息。
13.一种车辆,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为:
实现权利要求1-11中任一项所述参数信息确定方法的步骤。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,其中,所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的方法。
15.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210833816.7A CN115239821B (zh) | 2022-07-15 | 2022-07-15 | 参数信息确定方法、装置、车辆、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210833816.7A CN115239821B (zh) | 2022-07-15 | 2022-07-15 | 参数信息确定方法、装置、车辆、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115239821A CN115239821A (zh) | 2022-10-25 |
CN115239821B true CN115239821B (zh) | 2023-03-31 |
Family
ID=83673706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210833816.7A Active CN115239821B (zh) | 2022-07-15 | 2022-07-15 | 参数信息确定方法、装置、车辆、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239821B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188713B (zh) * | 2023-04-25 | 2023-08-15 | 煤炭科学研究总院有限公司 | 基于点云镜像模型的煤矿三维场景动态生成方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108828606A (zh) * | 2018-03-22 | 2018-11-16 | 中国科学院西安光学精密机械研究所 | 一种基于激光雷达和双目可见光相机联合测量方法 |
CN108872942A (zh) * | 2018-06-15 | 2018-11-23 | 西安电子科技大学 | 基于基准点的主动主反射面天线理想形面实时保持方法 |
CN112034431A (zh) * | 2020-09-25 | 2020-12-04 | 新石器慧拓(北京)科技有限公司 | 一种雷达和rtk的外参标定方法及装置 |
CN113409279A (zh) * | 2021-06-24 | 2021-09-17 | 北京车和家信息技术有限公司 | 激光雷达清洗系统的效果评估方法、装置、设备和介质 |
CN114419564A (zh) * | 2021-12-24 | 2022-04-29 | 北京百度网讯科技有限公司 | 车辆位姿检测方法、装置、设备、介质及自动驾驶车辆 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837869B (zh) * | 2014-02-26 | 2016-06-01 | 北京工业大学 | 基于向量关系的单线激光雷达和ccd相机标定方法 |
CN112241989A (zh) * | 2019-08-22 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 外参标定方法、装置、计算机设备和存储介质 |
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 |
CN112414310A (zh) * | 2020-11-13 | 2021-02-26 | 浙江汉振智能技术有限公司 | 三维激光跟踪测距装置及方法 |
CN112560972B (zh) * | 2020-12-21 | 2021-10-08 | 北京航空航天大学 | 基于毫米波雷达先验定位和视觉特征融合的目标检测方法 |
-
2022
- 2022-07-15 CN CN202210833816.7A patent/CN115239821B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108828606A (zh) * | 2018-03-22 | 2018-11-16 | 中国科学院西安光学精密机械研究所 | 一种基于激光雷达和双目可见光相机联合测量方法 |
CN108872942A (zh) * | 2018-06-15 | 2018-11-23 | 西安电子科技大学 | 基于基准点的主动主反射面天线理想形面实时保持方法 |
CN112034431A (zh) * | 2020-09-25 | 2020-12-04 | 新石器慧拓(北京)科技有限公司 | 一种雷达和rtk的外参标定方法及装置 |
CN113409279A (zh) * | 2021-06-24 | 2021-09-17 | 北京车和家信息技术有限公司 | 激光雷达清洗系统的效果评估方法、装置、设备和介质 |
CN114419564A (zh) * | 2021-12-24 | 2022-04-29 | 北京百度网讯科技有限公司 | 车辆位姿检测方法、装置、设备、介质及自动驾驶车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN115239821A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
US10880541B2 (en) | Stereo correspondence and depth sensors | |
CN110298298B (zh) | 目标检测及目标检测网络的训练方法、装置及设备 | |
US9135710B2 (en) | Depth map stereo correspondence techniques | |
CN108230292B (zh) | 物体检测方法和神经网络的训练方法、装置及电子设备 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
EP2385496A1 (en) | Extraction of 2D surfaces from a 3D point cloud | |
EP2078286A1 (en) | Method and apparatus for detecting objects from terrestrial based mobile mapping data | |
CN113592957B (zh) | 一种多激光雷达和多相机联合标定方法及系统 | |
CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN115239821B (zh) | 参数信息确定方法、装置、车辆、电子设备及存储介质 | |
CN116433737A (zh) | 一种激光雷达点云与图像配准的方法、装置及智能终端 | |
WO2021081958A1 (zh) | 地形检测方法、可移动平台、控制设备、系统及存储介质 | |
CN114758005A (zh) | 激光雷达与相机外参标定方法及装置 | |
WO2022147655A1 (zh) | 定位方法、空间信息获取方法、装置、拍摄设备 | |
CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
CN112184809A (zh) | 相对位姿的估计方法、装置、电子设备及介质 | |
CN113589263B (zh) | 一种多个同源传感器联合标定方法及系统 | |
CN114578341A (zh) | 雷达追踪方法、噪声消除方法、装置和设备 | |
CN113763457A (zh) | 落差地形的标定方法、装置、电子设备和存储介质 | |
CN115877348B (zh) | 基于多维数据空间进行点云数据动态补偿的方法及系统 | |
CN114842084B (zh) | 一种地图构建方法、装置及移动探测设备 | |
CN117308967B (zh) | 一种目标对象位置信息的确定方法、装置及设备 | |
CN115953443A (zh) | 基于边缘特征的图像配准方法、装置、用户终端及介质 | |
AU2019275236B2 (en) | System and method for sensor pointing control |
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 |