CN115436920A - 一种激光雷达标定方法及相关设备 - Google Patents
一种激光雷达标定方法及相关设备 Download PDFInfo
- Publication number
- CN115436920A CN115436920A CN202211199980.3A CN202211199980A CN115436920A CN 115436920 A CN115436920 A CN 115436920A CN 202211199980 A CN202211199980 A CN 202211199980A CN 115436920 A CN115436920 A CN 115436920A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- rotation matrix
- translation vector
- target
- 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
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
本发明公开了一种激光雷达标定方法及相关设备。该方法包括:获取每个激光雷达在目标区域的多组点云数据,其中,激光雷达的数量至少为两个,每组点云数据包括上述目标区域内的同一段平整路面和至少一个相同的标志性物体;对每组点云数据进行预处理以获取待处理点云数据;利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的第一旋转矩阵和第一平移向量对所述待处理点云数据进行转换;根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达。
Description
技术领域
本说明书涉及激光雷达领域,更具体地说,本发明涉及一种激光雷达标定方法及相关设备。
背景技术
自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向。环境感知是自动驾驶的关键技术主之一。目前应用于自动驾驶汽车环境感知的车载传感器主要有摄像头、激光雷达、毫米波雷达、超声波雷达、惯性导航等。激光雷达是一种激光测距系统,具有:分辨率高、精度高,抗有源干扰能力强,获取的信息量丰富的特点。随着商用GPS和IMU的发展,通过激光雷达从移动平台上获得高精度的数据已成为现实并被广泛应用。
各车载传感器都以一定的角度和位置安装在车辆上,在多个激光雷达传感器存在的情况下,为了实现激光点云数据的有效融合,需要将各激光雷达之间的相对外参进行标定,将各激光雷达转换到统一的时空坐标系下,以便于后续的数据处理分析。当前,多激光雷达标定技术得到了一定的发展,但也仍然存在一些不足:一些标定方法需要配置复杂的标定环境,并借助定制靶标或全站仪等辅助设备,理论上精度较高,但同时受到操作人员技术熟练程度的影响较大。且此方法耗时耗力,且自动化程度低,难以满足自动驾驶的实际需求。另一些方法中,直接利用点云配准获取坐标转换参数并通过迭代收敛得到最优解的方法,容易陷入局部收敛而导致标定结果不佳。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
第一方面,本发明提出一种激光雷达标定方法,上述方法包括:
获取每个激光雷达在目标区域的多组点云数据,其中,上述激光雷达的数量至少为两个,每组上述点云数据包括上述目标区域内的同一段平整路面和至少一个相同的标志性物体;
对每组上述点云数据进行预处理以获取待处理点云数据,其中,上述预处理包括阈值筛选和下采样操作;
利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的上述第一旋转矩阵和上述第一平移向量对上述待处理点云数据进行转换,其中,上述待处理点云数据包括地面点云数据和非地面点云数据;
根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;
基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达。
可选的,上述对每组上述点云数据进行预处理以获取待处理点云数据,包括:
基于预设阈值对每组上述点云数据进行数据裁剪以获取包括上述平整路面和上述标志性物体在内的裁剪点云数据;
对上述裁剪点云数据进行下采样以获取上述待处理点云数据。
可选的,上述方法还包括:
利用上述待处理点云数据基于RANSAC平面检测方法提取上述地面点云数据和上述非地面点云数据;
拟合上述地面点云数据获取拟合平面法向量。
可选的,上述利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的上述第一旋转矩阵和上述第一平移向量对上述待处理点云数据进行转换,包括:
根据上述地面点云数据、上述拟合平面法向量获取第一旋转矩阵;
求取每组上述点云数据在垂直地面方向的平均值作为第一平移向量;
基于上述第一旋转矩阵、上述第一平移向量对上述点云数据进行水平校准。
可选的,上述根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量,包括:
以每个激光雷达对上述标志性物体的大致估算位置关系作为旋转平移参数初始值;
利用上述旋转平移参数初始值、上述非地面点云数据通过ICP算法进行迭代计算,将满足预设精度要求的旋转矩阵和平移向量作为上述第二旋转矩阵和上述第二平移向量。
可选的,上述利用上述旋转平移参数初始值、上述非地面点云数据通过ICP算法进行迭代计算,将满足预设精度要求的旋转矩阵和平移向量作为上述第二旋转矩阵和上述第二平移向量,包括:
以一组上述非地面点云数据作为目标点云,其余上述非地面点云数据作为待配准点云,并确定目标对应点;
基于上述目标对应点采用最小二乘法迭代求取旋转矩阵和平移向量;
在点云均方误差小于预设阈值的情况下,将当前求取的旋转矩阵和平移矩阵确定为上述第二旋转矩阵和上述第二平移向量。
可选的,上述基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达,包括:
将上述第一旋转矩阵右乘上述第二旋转矩阵的结果作为上述目标旋转矩阵;
将上述第一平移向量右乘所述第二旋转矩阵的结果和上述第二平移向量之和确定为上述目标平移向量;
基于上述目标旋转矩阵和上述目标平移向量标定上述激光雷达。
第二方面,本发明还提出一种激光雷达标定装置,包括:
第一获取单元,用于获取每个激光雷达在目标区域的多组点云数据,其中,上述激光雷达的数量至少为两个,每组上述点云数据包括上述目标区域内的同一段平整路面和至少一个相同的标志性物体;
第二获取单元,用于对每组上述点云数据进行预处理以获取待处理点云数据,其中,上述预处理包括阈值筛选和下采样操作;
第三获取单元,利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的上述第一旋转矩阵和上述第一平移向量对上述待处理点云数据进行转换,其中,上述待处理点云数据包括地面点云数据和非地面点云数据;
第四获取单元,用于根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;
标定单元,用于基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达。
第三方面,一种电子设备,包括:存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器用于执行存储器中存储的计算机程序时实现如上述的第一方面任一项的激光雷达标定方法的步骤。
第四方面,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现第一方面上述任一项的激光雷达标定方法。
综上,本申请实施例的激光雷达标定方法包括:获取每个激光雷达在目标区域的多组点云数据,其中,上述激光雷达的数量至少为两个,每组上述点云数据包括上述目标区域内的同一段平整路面和至少一个相同的标志性物体;对每组上述点云数据进行预处理以获取待处理点云数据,其中,上述预处理包括阈值筛选和下采样操作;利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的第一旋转矩阵和第一平移向量对待处理点云数据进行转换,其中,上述待处理点云数据包括地面点云数据和非地面点云数据;根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达。本申请实施例提供的激光雷达标定方法,通过分步标定的形式,通过在平整路面采集到的点云数据,提取出地面点云并作水平校准得到相应的第一旋转矩阵和第一平移向量,再利第一旋转矩阵和第一平移向量对非地面点云进行坐标转换后,基于ICP点云配准算法进行迭代求解,得到第二旋转矩阵和第二平移向量,基于两次所得坐标转换参数可最终获取所需目标旋转矩阵和目标平移向量。本申请提出的激光雷达标定方法操作简单,不需要设置复杂的标定环境,不需要其他额外的辅助设备,只需选择一个合适的场景采集数据后,利用本申请提供的快速标定方法进行操作和计算即可得到有效的标定参数。
本发明的激光雷达标定方法,本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本说明书的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例提供的一种激光雷达标定方法流程示意图;
图2为本申请实施例提供的一种激光雷达标定的坐标系示意图;
图3为本申请实施例提供的一种激光雷达标定模型结构示意图;
图4为本申请实施例提供的一种激光雷达标定装置结构示意图;
图5为本申请实施例提供的一种激光雷达标定电子设备结构示意图。
具体实施方式
本申请实施例提供的激光雷达标定方法,通过分步标定的形式,通过在平整路面采集到的点云数据,提取出地面点云并作水平校准得到相应的第一旋转矩阵和第一平移向量,再利第一旋转矩阵和第一平移向量对非地面点云进行坐标转换后,基于ICP点云配准算法进行迭代求解,得到第二旋转矩阵和第二平移向量,基于两次所得坐标转换参数可最终获取所需目标旋转矩阵和目标平移向量。本申请提出的激光雷达标定方法操作简单,不需要设置复杂的标定环境,不需要其他额外的辅助设备,只需选择一个合适的场景采集数据后,利用本申请提供的快速标定方法进行操作和计算即可得到有效的标定参数。
本申请的说明书和权利要求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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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。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。
请参阅图1,为本申请实施例提供的一种激光雷达标定方法流程示意图,具体可以包括:
S110、获取每个激光雷达在目标区域的多组点云数据,其中,上述激光雷达的数量至少为两个,每组上述点云数据包括上述目标区域内的同一段平整路面和至少一个相同的标志性物体;
示例性的,随着车辆智能化程度提升,车辆会安装多个激光雷达传感器,各激光雷达传感器在安装过程中,由于受到实际操作环境的限制、以及操作人员的技术熟练度等的影响,其安装位置和角度与理想状态都会有一定程度的偏离。因此需要在出厂时,或者长时间使用后对传感器进行校准。以图2所示的车辆为例,三个激光雷达分别安装于车身顶部前方中间位置以及左右后视镜附近位置,分别为中部主激光雷达、左翼激光雷达和右翼激光雷达。对于常规的小汽车,由于车身高度有限,三个激光雷达基本都是尽量保持与车身平行;但对于自动驾驶小巴或中巴,由于车辆本身有一定高度,为了能够更有效地进行数据采集,需要将中部激光雷达向地面调整合适的角度(即pitch横滚角),此时pitch角不再是接近于0的数,具体情况视激光雷达和车辆情况而定。
以图2中的车辆为例,TXOY定义坐标原点为中间主激光雷达中心点正下方在地面的投影点,X轴为指向中间主激光雷达前方且平行于地面,Y轴为指向中间主激光雷达左侧(垂直于X轴),且平行于地面,Z轴为垂直于X轴Y轴且符合右手法则。TXOY为标定的目标坐标系,MXOY为中部主激光雷达原始坐标系,LXOY和RXOY分别表示左翼和右翼激光雷达原始坐标系。需要说明的是,本申请实施例只是为了举例说明,具体的激光雷达不限于三个,其安装位置也不做限制。
在进行激光雷达标定时,需要在在一个路面平整、且有标志性地物或目标的场景内进行数据采集;将采集车开至目标地点,静止状态下开始采集数据,多个激光雷达获取的数据中同时包含同一块平整地面和一定数量的相同的标志性物体,标志性物体可以为路牌,路旁的建筑物等,中部、左部和右部的激光雷达采集的三组点云数据为可以命名为cloud_middle、cloud_left、cloud_right。
S120、对每组上述点云数据进行预处理以获取待处理点云数据,其中,上述预处理包括阈值筛选和下采样操作;
示例性的,多激光雷达系统中,可能出现不同类型和规格的激光雷达,其获取的数据在数据形式及点云密度上均可能存在差异,为了提高标定精度并加快处理速度,需首先进行点云子集提取和降采样处理,从而获取待处理点云数据。
S130、利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的第一旋转矩阵和第一平移向量对待处理点云数据进行转换,其中,上述待处理点云数据包括地面点云数据和非地面点云数据;
示例性的,对待处理点云数据采用相应的算法分割可以获取地面点云数据和非地面点云数据,对地面点云数据进行水平校准可以获取第一旋转矩阵和第一平移向量,并利用获取的第一旋转矩阵和第一平移向量对待处理点云数据进行转换。在标定的过程中,需要对x、y、z三个方向上的位置和绕三个轴的旋转做出标定,在进行水平校准后,z方向上的平移,绕x轴的旋转roll,绕y轴的旋转pitch的校准已经完成。
S140、根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;
示例性的,对于水平校准后的非地面点云数据采用ICP算法对x、y方向上的平移和绕z的旋转进行标定。需要说明的是,ICP(Iterative Closest Point,迭代最近点)算法是基于数据配准法,利用最近点搜索法通过寻找对应点进行旋转和平移优化。
S150、基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达。
示例性的,根据水平校准得到的第一旋转矩阵和第一平移向量,以及采用ICP算法获取的第二平移向量和第二旋转矩阵可以确定每个激光雷达对应的目标旋转矩阵和目标平移向量,从而完成各个激光雷达的标定。
综上,本申请实施例提供的激光雷达标定方法,通过分步标定的形式,通过在平整路面采集到的点云数据,提取出地面点云并作水平校准得到相应的第一旋转矩阵和第一平移向量,再利第一旋转矩阵和第一平移向量对非地面点云进行坐标转换后,基于ICP点云配准算法进行迭代求解,得到第二旋转矩阵和第二平移向量,基于两次所得坐标转换参数可最终获取所需目标旋转矩阵和目标平移向量。本申请提出的激光雷达标定方法操作简单,不需要设置复杂的标定环境,不需要其他额外的辅助设备,只需选择一个合适的场景采集数据后,利用本申请提供的快速标定方法进行操作和计算即可得到有效的标定参数。
在一些示例中,上述对每组上述点云数据进行预处理以获取待处理点云数据,包括:
基于预设阈值对每组上述点云数据进行数据裁剪以获取包括上述平整路面和上述标志性物体在内的裁剪点云数据;
对上述裁剪点云数据进行下采样以获取上述待处理点云数据。
示例性的,对于激光雷达获取的各组点云数据,选择合适的预设阈值进行数据剪裁,剔除多余的环境信息,提取包含地面点云及地物目标点云在内的点云子集(subCloud_m、subCloud_l、subCloud_r),同时基于VoxelGrid方法对高点云密度点云数据进行下采样,使各组点云数据量在同一数量级,便于后续处理。
综上,本申请实施例提供的激光雷达标定方法,通过对不同激光雷达获取的点云数据进行预处理,使其拥有相同的等级的数据量,可以使得不同类型的激光雷达数据有效融合,互相标定。
在一些示例中,上述方法还包括:
利用上述待处理点云数据基于RANSAC平面检测方法提取上述地面点云数据和上述非地面点云数据;
拟合上述地面点云数据获取拟合平面法向量。
示例性的,地面点云分割及拟合平面的法向量计算:对于经过阈值处理和下采样处理后的待处理点云数据,分别基于RANSAC的平面检测方法提取地面点云(pc_ground_m、pc_ground_l、pc_ground_r),拟合点云平面并获取法向量(NormV_m、NormV_l、NormV_r),点云子集的其他点云则为非地面点云(pc_NonGround_m、pc_NonGround_l、pc_NonGround_r)。需要说明的是,RANSAC算法(随机抽样一致算法)假设数据中包含正确数据和异常数据。同时RANSAC也假设,给定一组正确的数据,存在可以计算出符合这些数据的模型参数的方法。该算法核心思想就是随机性和假设性,随机性是根据正确数据出现概率去随机选取抽样数据,根据大数定律,随机性模拟可以近似得到正确结果。假设性是假设选取出的抽样数据都是正确数据,然后用这些正确数据通过问题满足的模型,去计算其他点,然后对这次结果进行一个评分,从而提取地面点云、拟合点云平面并获取法向量并提出非地面点云。
综上,本申请实施例提供的激光雷达标定方法,通过RANSAC将地面与非地面点云数据有效提取,利用地面数据进行水平标定,从而获取水平标定后的第一旋转矩阵和第一平移向量。
在一些示例中,上述利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的上述第一旋转矩阵和上述第一平移向量对上述待处理点云数据进行转换,包括:
根据上述地面点云数据、上述拟合平面法向量获取第一旋转矩阵;
求取每组上述点云数据在垂直地面方向的平均值作为第一平移向量;
基于上述第一旋转矩阵、上述第一平移向量对上述点云数据进行水平校准。
示例性的,地面点云水平校准的旋转矩阵计算:对于获取的三组地面点云,根据三个拟合平面的法向量与水平面的法向量(0,0,1)计算旋转矩阵(Rmat1_m、Rmat1_l、Rmat1_r),基于此可实现各组地面点云和非地面点云的水平校准。令上述拟合平面的法向量NormVm,NormVl,NormVr分别为: 水平面的法向量为: 则依据已知法向量,可分别求出旋转至的旋转矩阵,以为例:
同理可得左翼右翼激光雷达旋转矩阵Rmat1l、Rmat1r。
对地面点云平面获取统一的平移参数:经过水平校准的各组地面点云拟合于不同的水平面,并对各组地面点云Z坐标值分别计算Z值平均值(arvZm,arvZl,arvZr),依据各平均值获取Z方向平移参数,基于此实现各激光雷达地面点云Z坐标值统一。此时各平移向量V1_transm、V1_transl、V1_transr为:
V1_transm=(0,0,―arvZm)
V1_transl=(0,0,―arvZl)
V1_transr=(0,0,―arvZr)
多组激光点云的水平校准:基于前面两步的旋转矩阵和平移参数,分别对地面点云和非地面点云进行坐标转换。(完成水平校准和Z坐标值统一的地面点云为ground_trans1_m、ground_trans1_l、ground_trans1_r;完成两步操作的非地面点云为pc_NonGround_trans1_m、pc_NonGround_trans1_l、pc_NonGround_trans1_r。其中:
pc_NonGround_trans1_m=Rmat1m·pc_NonGround_m+V1_transm
pc_NonGround_trans1_l=Rmat1l·pc_NonGround_l+V1_transl
pc_NonGround_trans1_r=Rmat1r·pc_NonGround_r+V1_transr
综上,本申请提出的激光雷达标定方法,通过激光点云水平校准可有效保证水平方向的准确性和精确度,在激光点云配准过程中由于多组点云数据不完全相同容易陷入局部收敛而导致结果错误,本申请提出的基于地面点云水平校准的分步标定的方法可有效的解决此问题。
在一些示例中,上述根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量,包括:
以每个激光雷达对上述标志性物体的大致估算位置关系作为旋转平移参数初始值;
利用上述旋转平移参数初始值、上述非地面点云数据通过ICP算法进行迭代计算,将满足预设精度要求的旋转矩阵和平移向量作为上述第二旋转矩阵和上述第二平移向量。
示例性的,对于经过水平校准后的非地面点云,只考虑点云XOY平面内的转换情况,可通过对点云的可视化,直接目视分析标志性物体得到其水平方向旋转角度及平移参数,作为初值。以中部主激光雷达的点云为目标点云,左翼和右翼激光点云为待配准点云即源点云,利用上一步骤中所得的初值,基于ICP算法进行点云配准,并进行迭代计算获得转换参数最优解,包括旋转矩阵Rmat2m、Rmat2l、Rmat2r和平移参数V2_transm、V2_transl、V2_transr,其中Rmat2m为单位阵,V2_transm=(0,0,0)T。需要说明的是,可以以任意一个激光雷达的点云为目标点云,其余的点云数据为待配准点云。
综上,本申请提出的激光雷达标定方法,在进行水平校准后通过ICP算法可以将剩余的参数进行标定,从而通过分步的方式完成激光雷达6参数的标定工作。
在一些示例中,上述利用上述旋转平移参数初始值、上述非地面点云数据通过ICP算法进行迭代计算,将满足预设精度要求的旋转矩阵和平移向量作为上述第二旋转矩阵和上述第二平移向量,包括:
以一组上述非地面点云数据作为目标点云,其余上述非地面点云数据作为待配准点云,并确定目标对应点;
基于上述目标对应点采用最小二乘法迭代求取旋转矩阵和平移向量;
在点云均方误差小于预设阈值的情况下,将当前求取的旋转矩阵和平移矩阵确定为上述第二旋转矩阵和上述第二平移向量。
示例性的,通过ICP算法进行迭代计算的具体过程可以包括步骤S210至步骤S230:
S210、寻找源点云与目标点云对应点。以pc_NonGround_trans1_m(用Pm表示)为目标点云,将源点云pc_NonGround_trans1_l(用Pl表示),基于标志性物体的估算位置关系作为旋转平移参数初始值进行坐标转换,将变换后的点云Pl’与目标点云Pm进行对比,当点云之间的距离值小于设定阈值即为对应点;
S220、坐标转换参数优化。待求参数的自由度为6,结合步骤S210中确定的对应点,采用最小二乘法进行解算,优化坐标转换参数;
S230、迭代求解得到坐标转换参数最优解。利用S220中得到的优化参数重新寻找对应点并进行最小二乘求解坐标转换参数,循环迭代步骤S210和S220直至满足点云均方误差小于阈值。目标函数为:
其中Np为对应点总数,在f(R2,V2)小于阈值时对应的R2l和V2l,即为求得最优解Rmat2l、V2_transl。右翼激光雷达坐标转换参数Rmat2r、V2_transr同理可得。
在一些示例中,上述基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达,包括:
将上述第一旋转矩阵右乘上述第二旋转矩阵的结果作为上述目标旋转矩阵;
将上述第一平移向量右乘所述第二旋转矩阵的结果和上述第二平移向量之和确定为上述目标平移向量;
基于上述目标旋转矩阵和上述目标平移向量标定上述激光雷达。
示例性的,将上述第一旋转矩阵Rmat1右乘上述第二旋转矩阵Rmat2的结果作为上述目标旋转矩阵Rmat;将上述第一平移向量V1_trans右乘上述第二旋转矩阵Rmat2的结果和上述第二平移向量V2_trans之和确定为上述目标平移向量V_trans,具体如下式所示:
Rmatm=Rmat2m·Rmat1m
Rmatl=Rmat2l·Rmat1l
Rmatr=Rmat2r·Rmat1r
V_transm=Rmat2m·V1_transm+V2_transm
V_transl=Rmat2l·V1_transl+V2_transl
V_transr=Rmat2r·V1_transr+V2_transr
其中,上式中的下角标m代表中部主激光雷达、l代表左翼激光雷达、r代表右翼激光雷达,同时,可依据所需数据格式要求,通过数据转换输出旋转矩阵、四元数、欧拉角RPY(roll、pitch、yaw)等。
在一些示例中,请参阅图3,为本申请实施例提供的一种激光雷达标定模型结构示意图,通过数据采集模块获取多个传感器的多组激光点云数据,将激光点云数据利用数据预处理模块进行阈值筛选和下采样获得待处理点云数据,将待处理点云数据通过基于平面检测的激光点云水平校准模块,基于RANSAC法将点云分割,获得地面点云和非地面点云,对于地面点云采用基于法向量的地面点云水平校准,并将多组地面点云平面统一化处理,从而获取旋转参数1(即第一旋转矩阵)和平移参数1(即第一平移向量),并通过基于ICP算法的点云配准模块,针对非地面点云利用旋转参数1和平移参数1获取坐标转换后的非地面点云,确定配准的坐标转换初值,对进行坐标转换后的非地面点云基于ICP算法进行点云配准从而获取旋转参数2(即第二旋转矩阵)和平移参数2(即第二平移向量),通过标定参数确定模块,根据第一旋转矩阵和第二旋转矩阵确定目标旋转矩阵,再根据第一平移向量和第二平移向量并结合第二旋转矩阵确定目标平移向量,基于激光雷达标定外参的数据格式进行数据转换,从而完成激光雷达的标定工作。
请参阅图4,本申请实施例中激光雷达标定装置的一个实施例,可以包括:
第一获取单元21,用于获取每个激光雷达在目标区域的多组点云数据,其中,上述激光雷达的数量至少为两个,每组上述点云数据包括上述目标区域内的同一段平整路面和至少一个相同的标志性物体;
第二获取单元22,用于对每组上述点云数据进行预处理以获取待处理点云数据,其中,上述预处理包括阈值筛选和下采样操作;
第三获取单元23,利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的第一旋转矩阵和第一平移向量对待处理点云数据进行转换,其中,上述待处理点云数据包括地面点云数据和非地面点云数据;
第四获取单元24,用于根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;
标定单元25,用于基于根据上述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定上述激光雷达。
如图5所示,本申请实施例还提供一种电子设备300,包括存储器310、处理器320及存储在存储器320上并可在处理器上运行的计算机程序311,处理器320执行计算机程序311时实现上述激光雷达标定的任一方法的步骤。
由于本实施例所介绍的电子设备为实施本申请实施例中一种激光雷达标定装置所采用的设备,故而基于本申请实施例中所介绍的方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍,只要本领域所属技术人员实施本申请实施例中的方法所采用的设备,都属于本申请所欲保护的范围。
在具体实施过程中,该计算机程序311被处理器执行时可以实现图1对应的实施例中任一实施方式。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行如图1对应实施例中的激光雷达标定的流程。
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计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。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。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计算机可读存储介质传输,例如,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(digital subscriber line,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。计算机可读存储介质可以是计算机能够存储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。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。
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,上述描述的系统,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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,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,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。
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。
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,包括若干指令用以使得一台计算机设备(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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,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 (10)
1.一种激光雷达标定方法,其特征在于,包括:
获取每个激光雷达在目标区域的多组点云数据,其中,所述激光雷达的数量至少为两个,每组所述点云数据包括所述目标区域内的同一段平整路面和至少一个相同的标志性物体的点云数据;
对每组所述点云数据进行预处理以获取待处理点云数据,其中,所述预处理包括阈值筛选和下采样操作;
利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的所述第一旋转矩阵和所述第一平移向量对所述待处理点云数据进行转换,其中,所述待处理点云数据包括地面点云数据和非地面点云数据;
根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;
基于根据所述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定所述激光雷达。
2.如权利要求1所述的方法,其特征在于,所述对每组所述点云数据进行预处理以获取待处理点云数据,包括:
基于预设阈值对每组所述点云数据进行数据裁剪以获取包括所述平整路面和所述标志性物体在内的裁剪点云数据;
对所述裁剪点云数据进行下采样以获取所述待处理点云数据。
3.如权利要求1所述的方法,其特征在于,还包括:
利用所述待处理点云数据基于RANSAC平面检测方法提取所述地面点云数据和所述非地面点云数据;
拟合所述地面点云数据获取拟合平面法向量。
4.如权利要求3所述的方法,其特征在于,所述利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的所述第一旋转矩阵和所述第一平移向量对所述待处理点云数据进行转换,包括:
根据所述地面点云数据、所述拟合平面法向量获取第一旋转矩阵;
求取每组所述点云数据在垂直地面方向的平均值作为第一平移向量;
基于所述第一旋转矩阵、所述第一平移向量对所述点云数据进行水平校准。
5.如权利要求1所述的方法,其特征在于,所述根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量,包括:
以每个激光雷达对所述标志性物体的大致估算位置关系作为旋转平移参数初始值;
利用所述旋转平移参数初始值、所述非地面点云数据通过ICP算法进行迭代计算,将满足预设精度要求的旋转矩阵和平移向量作为所述第二旋转矩阵和所述第二平移向量。
6.如权利要求5所述的方法,其特征在于,所述利用所述旋转平移参数初始值、所述非地面点云数据通过ICP算法进行迭代计算,将满足预设精度要求的旋转矩阵和平移向量作为所述第二旋转矩阵和所述第二平移向量,包括:
以一组所述非地面点云数据作为目标点云,其余所述非地面点云数据作为待配准点云,并确定目标对应点;
基于所述目标对应点采用最小二乘法迭代求取旋转矩阵和平移向量;
在点云均方误差小于预设阈值的情况下,将当前求取的旋转矩阵和平移矩阵确定为所述第二旋转矩阵和所述第二平移向量。
7.如权利要求1所述的方法,其特征在于,所述基于根据所述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定所述激光雷达,包括:
将所述第一旋转矩阵右乘所述第二旋转矩阵的结果作为所述目标旋转矩阵;
将所述第一平移向量右乘所述第二旋转矩阵的结果和所述第二平移向量之和确定为所述目标平移向量;
基于所述目标旋转矩阵和所述目标平移向量标定所述激光雷达。
8.一种激光雷达标定装置,其特征在于,包括:
第一获取单元,用于获取每个激光雷达在目标区域的多组点云数据,其中,所述激光雷达的数量至少为两个,每组所述点云数据包括所述目标区域内的同一段平整路面和至少一个相同的标志性物体;
第二获取单元,用于对每组所述点云数据进行预处理以获取待处理点云数据,其中,所述预处理包括阈值筛选和下采样操作;
第三获取单元,利用地面点云数据进行水平校准以获取第一旋转矩阵和第一平移向量,并利用获取的所述第一旋转矩阵和所述第一平移向量对所述待处理点云数据进行转换,其中,所述待处理点云数据包括地面点云数据和非地面点云数据;
第四获取单元,用于根据水平校准后的非地面点云数据基于ICP算法获取第二旋转矩阵和第二平移向量;
标定单元,用于基于根据所述第一旋转矩阵、第二旋转矩阵、第一平移向量和第二平移向量确定每个激光雷达的目标旋转矩阵和目标平移向量以标定所述激光雷达。
9.一种电子设备,包括:存储器和处理器,其特征在于,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述的激光雷达标定方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的激光雷达标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211199980.3A CN115436920A (zh) | 2022-09-29 | 2022-09-29 | 一种激光雷达标定方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211199980.3A CN115436920A (zh) | 2022-09-29 | 2022-09-29 | 一种激光雷达标定方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115436920A true CN115436920A (zh) | 2022-12-06 |
Family
ID=84251146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211199980.3A Pending CN115436920A (zh) | 2022-09-29 | 2022-09-29 | 一种激光雷达标定方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115436920A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116381632A (zh) * | 2023-06-05 | 2023-07-04 | 南京隼眼电子科技有限公司 | 雷达横滚角的自标定方法、装置及存储介质 |
CN116523973A (zh) * | 2023-01-10 | 2023-08-01 | 北京长木谷医疗科技股份有限公司 | 骨骼配准方法及装置 |
-
2022
- 2022-09-29 CN CN202211199980.3A patent/CN115436920A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523973A (zh) * | 2023-01-10 | 2023-08-01 | 北京长木谷医疗科技股份有限公司 | 骨骼配准方法及装置 |
CN116381632A (zh) * | 2023-06-05 | 2023-07-04 | 南京隼眼电子科技有限公司 | 雷达横滚角的自标定方法、装置及存储介质 |
CN116381632B (zh) * | 2023-06-05 | 2023-08-18 | 南京隼眼电子科技有限公司 | 雷达横滚角的自标定方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3629057B1 (en) | Method and apparatus for calibrating relative pose and medium | |
KR102126724B1 (ko) | 포인트 클라우드 데이터를 복구하기 위한 방법 및 장치 | |
EP3875907B1 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
CN107481292B (zh) | 车载摄像头的姿态误差估计方法和装置 | |
CN104833370B (zh) | 用于映射、定位和位姿校正的系统和方法 | |
CN110609290B (zh) | 激光雷达匹配定位方法及装置 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
EP3435029A1 (en) | Resolution adaptive mesh for performing 3-d metrology of an object | |
CN115436920A (zh) | 一种激光雷达标定方法及相关设备 | |
CN112179330A (zh) | 移动设备的位姿确定方法及装置 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113748357A (zh) | 激光雷达的姿态校正方法、装置和系统 | |
CN112733812A (zh) | 三维车道线检测方法、装置及存储介质 | |
WO2022179094A1 (zh) | 车载激光雷达外参数联合标定方法、系统、介质及设备 | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
CN113267761B (zh) | 激光雷达目标检测识别方法、系统及计算机可读存储介质 | |
CN112154448A (zh) | 目标检测方法、设备及可移动平台 | |
EP3842836A1 (en) | Method, apparatus and storage medium for positioning object | |
CN114485698B (zh) | 一种交叉路口引导线生成方法及系统 | |
CN111469781B (zh) | 用于输出信息的方法和装置 | |
CN115097419A (zh) | 一种激光雷达到imu的外参标定方法及装置 | |
CN112219225A (zh) | 定位方法、系统及可移动平台 | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
CN113421217A (zh) | 可行驶区域检测方法和装置 | |
CN112433193B (zh) | 一种基于多传感器的模位置定位方法及系统 |
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 |