CN115840196B - 基于实体标定间的激光雷达间标定方法及装置 - Google Patents

Abstract

本发明提供了一种基于实体标定间的激光雷达间标定方法及装置，基于实体标定间的真实点云数据，将各激光雷达的点云数据与该真实点云数据进行配准，然后根据各激光雷达到实体标定间的外参，可以确定两个激光雷达之间的外参，该方案基于实体标定间的真实点云数据，实体标定间已具备易于识别的特征，且不要求各激光雷达的视野重合，可以直接获取各个雷达之间的外参信息，整体标定速度更快。

Description

基于实体标定间的激光雷达间标定方法及装置

技术领域

本发明涉及激光雷达标定技术领域，具体而言，涉及一种基于实体标定间的激光雷达间标定方法及装置。

背景技术

在自动驾驶技术中，激光雷达扮演着重要的角色，其通过反射光的时间计算来实时获取周围环境的3D信息，可以构建自动驾驶的高精度地图，定位、障碍物检测、跟踪和预测。

由于单个激光雷达通常无法覆盖汽车周围区域，或者无法满足盲点监控的需要，在一辆车上通常会有多个激光雷达以增加可视范围（Field of View，FOV）。而多个激光雷达的数据融合，需要对多个激光雷达的坐标系进行外参标定，获得每个坐标系的精确旋转和平移参数，以便后续数据处理。

在现有的自动激光雷达标定过程中，要求两个激光雷达的视野重合，且要求有比较良好的特征可供参考，因此存在很大的应用限制。同时，若两个激光雷达之间视野重合部分的信息不足，则难以获得相对准确的外参信息，标定精度低。在标定过程中，一次外参配准只能处理两个雷达之间的数据，导致整体速度缓慢。

发明内容

本发明解决的问题是现有激光雷达标定方案，存在应用限制、标定精度低、速度慢的问题。

为解决上述问题，本发明提供一种基于实体标定间的激光雷达间标定方法，所述方法包括：获取多个待标定的激光雷达在实体标定间内采集的点云数据；所述待标定的激光雷达包括第一激光雷达及第二激光雷达；将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参；根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参。

可选地，激光雷达采集的点云数据包括多次采集的点云数据；所述将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参包括：将所述第一激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第一激光雷达到所述实体标定间的n个第一外参；以及，将所述第二激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第二激光雷达到所述实体标定间的n个第二外参；

所述根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参，包括：根据扫描范围将所述n个第一外参与n个第二外参配对，一一对应分别计算得到所述第二激光雷达到所述第一激光雷达的n个第三外参；对所述n个第三外参计算平均值，得到所述第二激光雷达到所述第一激光雷达的最终外参。

可选地，所述方法还包括：若i个所述第三外参与所述最终外参的偏差大于预设条件，则将该偏差大于预设条件的第三外参剔除。

可选地，所述方法还包括：若i个所述第三外参与所述最终外参的偏差大于预设条件，则判定所述i个第三外参对应的所述第一激光雷达和所述第二激光雷达扫描的实体标定间被扫描范围为异常；获取历史标定信息，若k组所述第一激光雷达和所述第二激光雷达扫描的实体标定间被扫描范围被判定为异常的次数大于阈值，则将实体标定间被扫描范围对应k组点云数据剔除；基于剩余的n-k组第一激光雷达和第二激光雷达计算所述第三外参，再计算平均值得到更新后的最终外参。

可选地，基于以下公式计算多个外参的平均值：

其中，R为统一初始化方式的旋转矩阵，T为平移矩阵，为旋转矩阵平均值，为平移矩阵平均值，/>为点云数据采集次数，/>为第i次采集的点云数据计算得到外参的旋转矩阵，/>为第i次采集的点云数据计算得到外参的平移矩阵。

可选地，所述根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参，包括：将所述第一激光雷达到所述实体标定间的外参的逆变换，与所述第二激光雷达到所述实体标定间的外参，相乘得到所述第二激光雷达到所述第一激光雷达的外参。

可选地，所述第一激光雷达为主雷达，所述第二激光雷达为补盲雷达。

可选地，所述方法还包括：保存各所述激光雷达的点云数据所述根据所述最终外参进行雷达点云转换得到的验证点云。

本发明提供一种基于实体标定间的激光雷达间标定装置，所述装置包括：点云数据获取模块，用于获取多个待标定的激光雷达在实体标定间内采集的点云数据；所述待标定的激光雷达包括第一激光雷达及第二激光雷达；点云数据配准模块，用于将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参；雷达标定模块，用于根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参。

可选地，所述待标定的激光雷达采集的点云数据包括多次采集的点云数据；所述点云数据配准模块，具体用于：将所述第一激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第一激光雷达到所述实体标定间的n个第一外参；以及，将所述第二激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第二激光雷达到所述实体标定间的n个第二外参；所述雷达标定模块，具体用于：根据扫描范围将所述n个第一外参与n个第二外参配对，一一对应分别计算得到所述第二激光雷达到所述第一激光雷达的n个第三外参；对所述n个第三外参计算平均值，得到所述第二激光雷达到所述第一激光雷达的最终外参。

本发明实施例基于实体标定间的真实点云数据，将各激光雷达的点云数据与该真实点云数据进行配准，然后根据各激光雷达到实体标定间的外参，可以确定两个激光雷达之间的外参，该方案基于实体标定间的真实点云数据，实体标定间已具备易于识别的特征，且不要求各激光雷达的视野重合，可以直接获取各个雷达之间的外参信息，整体标定速度更快。

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的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种基于实体标定间的激光雷达间标定方法的示意性流程图；

图2为本发明实施例提供的主雷达采集点云的示意图；

图3为本发明实施例提供的主雷达采集点云的配准结果示意图；

图4为本发明实施例提供的其他雷达采集点云的配准结果示意图；

图5为本发明实施例提供的基于补盲雷达到主雷达的外参进行雷达点云转换的结果示意图；

图6为本发明实施例提供的另一种基于实体标定间的激光雷达间标定方法的示意性流程图；

图7为本发明实施例中一种基于实体标定间的激光雷达间标定装置的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

传统的雷达配准中通常包括一个主雷达（基准雷达）以及多个副雷达（待标定雷达）)，分别将各副雷达对齐到主雷达，得到副雷达到主雷达的外参，从而实现激光雷达配准。其中，副雷达到主雷达的外参是指将某点从副雷达坐标系下转换到主雷达坐标系下的变换关系。通过雷达外参配准，可以将同一区域内以不同雷达扫描所获得的数据的地理坐标的匹配。

在传统的雷达外参配准过程中，一般有以下三种方式：

Manual calibration：即手动调参，根据车体设计由人工一点一点地进行手动调参，使两个激光雷达的点云公共部分能重合在一起。这种方式需要对每一辆车都一一手动调整，费时费力之外，还要求有较大的重合点云来进行配准，完全无法应用到工业的大批量生产中。

Target-less calibration：即无目标自动调参，是一种比较通用的自动调参方式。基础的方法是利用 ICP（IterativeClosest Point，迭代最近点）、GICP（Generalized-ICP，广义ICP）、NDT（Normal Distribution Transform，正态分布变换）或其他点云配准方法来进行点云配准。在实际使用中，通常要求两个雷达之间有较大的重合FOV，以便使得雷达之间有足够的共同特征。因为此方法要求环境相对不变，所以所有雷达数据必须同步采集。一些变种的优化方案因为利用了更多“自然特征”，而对环境有较高的要求，比如不能有视野遮挡，点云中地面点是最多的等。这些都是阻碍这种方法大规模使用的问题。

Target-based calibration：即基于目标的校准，基于某一第三方目标/设施，对各个雷达分别进行点云配准。此类方法通常要求雷达必须采集到明显的易于识别的目标target的特征，一旦某个雷达没有采集到足够的特征，就无法确定出雷达相对Target的精准位置。

本发明实施例利用实体标定间的真值雷达扫描数据，建立了一个可信的完整的第三方点云对象，并分别将各个雷达采集的数据，与该真值雷达扫描数据进行配准，获得每个雷达到实体标定间的外参，从而计算得到两雷达之间的外参。进一步，还设计了一种平均仿射变换的策略，通过多次测量获得一个可信的中间值，提高外参的准确性。上述整个流程全自动化，避免手动筛选和调参，可以实现在全自动的情况下获取车载激光雷达之间的外参。

图1是本发明实施例提供的一种基于实体标定间的激光雷达间标定方法的示意性流程图。图1的方法可以应用于激光雷达标定设备；上述方法包括：

S102，获取多个待标定的激光雷达在实体标定间内采集的点云数据。

其中，待标定的激光雷达通常有多个，示例性地，至少包括第一激光雷达及第二激光雷达。上述待标定的激光雷达均布设于标定间内，各激光雷达的FOV可以具有重合部分，也可以无重合部分，均可以实现后续标定目的。以车载激光雷达为例，上述待标定的激光雷达包括一个主雷达和多个补盲雷达，主雷达采集方向为车辆前方，各补盲雷达的采集方向为车辆的四周。

S104，将各激光雷达的点云数据与实体标定间的真实点云数据进行点云配准，得到各激光雷达到实体标定间的外参。

预先基于设置于实体标定间的雷达获取标定间的真实点云数据，该真实点云数据为标定间的准确点云数据，其误差满足预设精度要求。具体地，可以预先建立一个标定间，并通过高精度雷达构建标定间的准确点云数据，并以此作为基准对比数据。

由于上述激光雷达均是在实体标定间内进行点云数据采集，实体标定间内具有多个明显易于识别的特征且环境信息保持不变，且上述激光雷达均与实体标定间的真实点云数据进行点云配准，因此不要求多个激光雷达同时采集雷达数据，可以依次分别采集激光雷达数据，只需要保证采集时各激光雷达相对位置不变即可。

基于上述设置方式，各激光雷达采集的点云数据的FOV均落在标定间的真实点云数据的FOV内，满足点云配准的需求，不要求各激光雷达采集的点云数据具有重合的FOV。

各激光雷达采集的点云数据均与上述标定间的真实点云数据进行点云配准，可以得到各激光雷达到实体标定间的外参。由于均是与真实点云数据配准，各激光雷达的配准过程可以同时进行。示例性地，可以采用上述GICP点云配准方法，本实施例对此不作限定。

S106，根据第一激光雷达到实体标定间的外参、第二激光雷达到实体标定间的外参，确定第二激光雷达到第一激光雷达的外参。

在得到第一激光雷达到实体标定间的外参、第二激光雷达到实体标定间的外参，通过逆变换运算，可以计算得到第二激光雷达到第一激光雷达的外参。示例性地，将第一激光雷达到实体标定间的外参的逆变换，与第二激光雷达到实体标定间的外参，相乘得到第二激光雷达到第一激光雷达的外参。

在得到多个激光雷达到实体标定间的外参后，可以同步进行多组两两激光雷达之间的标定，提高了整体标定速度。

本发明实施例提供的激光雷达间标定方法，基于实体标定间的真实点云数据，将各激光雷达的点云数据与该真实点云数据进行配准，然后根据各激光雷达到实体标定间的外参，可以确定两个激光雷达之间的外参，该方案基于实体标定间的真实点云数据，实体标定间已具备易于识别的特征，且不要求各激光雷达的视野重合，可以直接获取各个雷达之间的外参信息，整体标定速度更快。

即使在实体标定间内已加入了很多易于识别的判断特征，也很难保证这些特征会被采集到，如果某一次某个雷达没有采集到有足够特征的数据，则这次雷达的配准结果就会相对不准确。通常，这种问题需要人工进行检查，并筛选出合理的正确的配准结果，但为了让整个工作流程自动化，本发明实施例采取多次采集取平均的方法，消除特征不足时的配准误差。基于此，每个激光雷达均可以多次采集点云数据。

若待标定的激光雷达采集的点云数据包括多次采集的点云数据，以第一激光雷达多次采集点云数据为例，上述步骤可以按照以下方式执行：

首先，将第一激光雷达的n次采集的点云数据与上述实体标定间的真实点云数据进行点云配准，得到第一激光雷达到实体标定间的n个第一外参；以及，将第二激光雷达的n次采集的点云数据与实体标定间的真实点云数据进行点云配准，得到第二激光雷达到实体标定间的n个第二外参。

其次，根据扫描范围将n个第一外参，与n个第二外参配对，一一对应分别计算得到第二激光雷达到第一激光雷达的n个第三外参。此处，第一激光雷达与第二激光雷达均采集了多次点云数据，其相对于实体标定间的采集位置或者采集角度是对应的，即：第一激光雷达在某个采集位置进行点云数据采集的情况下保持位置不变第二激光雷达也进行点云数据采集，或者，第一激光雷达在某个采集角度进行点云数据采集的情况下保持角度不变第二激光雷达也进行点云数据采集。

基于上述对应关系，将第一外参与第二外参一一对应分别计算得到第二激光雷达到第一激光雷达的n个第三外参。

然后，对多个上述n个第三外参计算平均值，得到第二激光雷达到第一激光雷达的最终外参。

考虑到实体标定间的设计及布置过程中受到空间、结构等因素的限制，实体标定间内不一定均能具有良好的特征信息，在某些位置激光雷达采集点云数据计算得到的第三外参存在误差较大的情况，为提高标定精度，本实施例还提供了自动剔除误差较大的第三外参的方法。基于此，上述方法还可以包括以下步骤：

若i个上述第三外参与最终外参的差值大于预设条件，则将该偏差大于预设偏条件的第三外参剔除，再对剩余的n-i个第三外参计算平均值得到更新后的最终外参。示例性地，该预设条件可以是与基于经验数值确定的阈值比较，若大于该阈值则表示大于预设条件，本实施例对此不作限定。在剔除上述偏差较大的第三外参后，再将剩余的第三外参重新进行平均值计算，得到的更新后的最终外参，其标定精度更高。例如，各激光雷达均采用每旋转15°采集一次的方式，在某些实体标定间被扫描范围或实体标定间被采集角度对应的第一激光雷达与第二激光雷达采集的点云数据基于上述方法计算得到的第三外参，与上述最终外参的差值较大，则剔除该实体标定间被扫描范围或采集角度计算得到的第三外参后再取平均值得到更新后的最终外参。

针对多组不同的激光雷达进行标定的情况，可能在某个角度或者位置（例如对应于实体标定间的某个扫描范围，在该扫描范围内特征信息不足）出现误差较大的第三外参，因此也可以基于上述情况出现的总次数进行数据剔除，以提高标定精度。基于此，上述方法还可以包括以下步骤：

首先，若i个上述第三外参与最终外参的差值大于预设偏差阈值，则确定该i个第三外参对应的第一激光雷达和第二激光雷达扫描的实体标定间被扫描范围为异常。

然后，获取历史标定信息。该历史标定信息包括第一激光雷达和第二激光雷达采集的点云数据计算得到的第三外参，以上述外参对应的实体标定间被扫描范围是否异常。若k组第一激光雷达与第二激光雷达的实体标定间被扫描范围被判定为异常的次数大于阈值，则将实体标定间被扫描范围对应k组点云数据剔除；基于剩余的n-k组第一激光雷达和第二激光雷达计算所述第三外参，再计算平均值得到更新后的最终外参。

其中，上述k组激光雷达中的一组激光雷达可以是有相同或者重叠的被扫描区域的第一激光雷达、第二激光雷达。上述k组激光雷达可以是不同车辆上的激光雷达进行标定，也可以是同一车辆的激光雷达进行多次重复标定。

示例性地，若基于上述方法计算得到的实体标定间被扫描范围被判定为异常的次数大于阈值，则表明在实体标定间的该被扫描范围可能缺少适合标定的特征，因此需要将上述点云数据剔除后再计算上述第三外参，进而计算平均值。上述剔除操作既适用于已进行过平均值计算的各组激光雷达，其可以对最终外参进行更新；也适用于未来需要进行上述标定的某组激光雷达（例如未进行过标定的车辆），其可以预先对上述被扫描范围对应的点云数据进行剔除，再进行第三外参及平均值计算。

本发明实施例中还设计了一种计算外参平均的方法，通过对旋转矩阵和平移矩阵分别求平均得到。示例性地，基于以下公式计算多个外参的平均值：

其中，R为统一初始化方式的旋转矩阵，T为平移矩阵，为旋转矩阵平均值，为平移矩阵平均值，/>为点云数据采集次数，/>为第i次采集的点云数据计算得到外参的旋转矩阵，/>为第i次采集的点云数据计算得到外参的平移矩阵。

基于上述平均操作，可以降低误差，并抹除个别特征数据不足导致匹配位置不准的影响，实现全流程无人工参与。

示例性地，上述第一激光雷达为主雷达，第二激光雷达为补盲雷达。

以下实施例以车辆的车载雷达外参配准为例进行说明。本发明实施例提供了一种新的Target-based的雷达外参配准方法：

首先，建立一个标定间并通过高精度雷达构建标定间的准确点云数据，并以此作为基准对比数据。

其次，将需要标定的车辆在标定间中采集雷达的点云数据。该过程无需全部激光雷达在某个位置同时采集雷达数据，各个激光雷达可以依次分别采集点云数据，只需要保证采集时车辆位置不变即可。具体地，车辆可以旋转，各个激光雷达分别多次采集点云数据。例如，每旋转15°采集一次，旋转一周即采集24次数据。图2示出了主雷达采集点云的示意图。

然后，将主雷达的数据与上述标定间的点云数据进行配准。由于标定间属于固定的环境，没有移动或可变的物体，并且在构造时，就有相对丰富的环境信息，因此可以非常方便的使用 GICP 等配准方法获得相对房间的外参结果。主雷达到标定间的外参变换记为，其中，/>为标定间坐标系下位置，/>为主雷达到标定间的外参矩阵，/>为主雷达坐标系下位置。图3示出了主雷达采集点云的配准结果示意图。

然后，对其他雷达做同样的配准操作。此时，利用车身设计时的位参为初值，获取其他雷达到房间的配准结果。变换记为，其中，/>为该其他雷达坐标系下位置。图4示出了其他雷达采集点云的配准结果示意图。

然后，根据上两步的外参结果，可以求出补盲雷达到主雷达的外参，记为。重复此步骤可以获得各个雷达之间的外参。

但是，在target-base的方法中，即便标定间设计时就已经加入了很多判断特征，也很难保证这些特征会被采集到，那么如果某一次雷达没有采集到有足够特征的数据，则这次雷达的配准结果就会相对不准确。本实施例中采取（至少5次）采集取平均的方法，然而，实际上学术界并没有一种现成的取旋转平均的方法，因此，本实施例设计了表达多次仿射变换平均情况的计算式，表达为：

其中，R为统一初始化方式的旋转矩阵，T为平移矩阵。

经过实测，这种方法可以获得很好的平均效果，从而降低误差，并抹除个别特征数据不足导致匹配位置不准的情况所带来的影响，实现全流程无人工参与。

最终利用该方法获得的外参（包括上述旋转矩阵R与平移矩阵T）进行雷达点云转换，图5示出了基于补盲雷达到主雷达的外参进行雷达点云转换的结果示意图。

图6是本发明实施例提供的另一种基于实体标定间的激光雷达间标定方法的示意性流程图，该方法包括：

S601，主雷达扫描得到点云数据。

S602，补盲雷达扫描得到点云数据。

S603，使用GICP方法将主雷达扫描得到点云数据与标定间真实点云配准。该标定间真实点云可以通过瑞格Riegl激光扫描雷达获得。该步骤得到主雷达到标定间的外参。

S604，使用GICP方法或NDT方法将补盲雷达扫描得到点云数据与标定间真实点云配准。该步骤得到补盲雷达到标定间的外参。

S605，主雷达到标定间的逆变换*补盲雷达到标定间的变换，得到单次补盲雷达到主雷达的外参。

S606，多次补盲雷达到主雷达的外参取平均。该步骤得到补盲雷达到主雷达的外参。

本实施例提供的上述激光雷达间标定方法具有以下优点：

1、基于标定间的真实点云数据，一次性直接获取各个雷达之间的外参信息，执行流程完全自动化，无需人工参与和挑选检查；

2、不要求各个雷达之间有重合的FOV。

3、不要求各个雷达必须同时进行点云数据采集。

4、环境信息统一，因此没有严格的环境特征要求。

5、通过本身优良的逻辑设计和算法优化，整体运行时间十分迅速。5 个雷达进行15 次数据采集及雷达配准 + 求取相对外参 + 保存验证点云的时间可以控制在10分钟内。

经过实车测试和点云图合成，雷达之间的外参非常精确，可以满足自动驾驶的要求。

图7是本发明实施例中一种基于实体标定间的激光雷达间标定装置的结构示意图，所述装置包括：

点云数据获取模块701，用于获取多个待标定的激光雷达在实体标定间内采集的点云数据；所述待标定的激光雷达包括第一激光雷达及第二激光雷达；

点云数据配准模块702，用于将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参；

雷达标定模块703，用于根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参。

本发明实施例提供的激光雷达间标定装置，基于实体标定间的真实点云数据，将各激光雷达的点云数据与该真实点云数据进行配准，然后根据各激光雷达到实体标定间的外参，可以确定两个激光雷达之间的外参，该方案基于实体标定间的真实点云数据，实体标定间已具备易于识别的特征，且不要求各激光雷达的视野重合，可以直接获取各个雷达之间的外参信息，整体标定速度更快。

作为一个实施例，所述待标定的激光雷达采集的点云数据包括多次采集的点云数据；所述点云数据配准模块，具体用于：将所述第一激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第一激光雷达到所述实体标定间的n个第一外参；以及，将所述第二激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第二激光雷达到所述实体标定间的n个第二外参；

所述雷达标定模块，具体用于：根据扫描范围将所述n个第一外参与n个第二外参配对，一一对应分别计算得到所述第二激光雷达到所述第一激光雷达的n个第三外参；对所述n个第三外参计算平均值，得到所述第二激光雷达到所述第一激光雷达的最终外参。

作为一个实施例，所述装置还包括雷达标定平均模块，用于：若i个所述第三外参与所述最终外参的偏差大于预设条件，则将该偏差大于预设条件的第三外参剔除。

作为一个实施例，所述雷达标定平均模块，还用于：若i个所述第三外参与所述最终外参的偏差大于预设条件，则判定所述i个第三外参对应的所述第一激光雷达和所述第二激光雷达扫描的实体标定间被扫描范围为异常；获取历史标定信息，若k组所述第一激光雷达和所述第二激光雷达扫描的实体标定间被扫描范围被判定为异常的次数大于阈值，则将实体标定间被扫描范围对应k组点云数据剔除；基于剩余的n-k组第一激光雷达和第二激光雷达计算所述第三外参，再计算平均值得到更新后的最终外参。

作为一个实施例，基于以下公式计算多个外参的平均值：

其中，R为统一初始化方式的旋转矩阵，T为平移矩阵，为旋转矩阵平均值，为平移矩阵平均值，/>为点云数据采集次数，/>为第i次采集的点云数据计算得到外参的旋转矩阵，/>为第i次采集的点云数据计算得到外参的平移矩阵。

作为一个实施例，所述雷达标定模块，具体用于：将所述第一激光雷达到所述实体标定间的外参的逆变换，与所述第二激光雷达到所述实体标定间的外参，相乘得到所述第二激光雷达到所述第一激光雷达的外参。

作为一个实施例，所述第一激光雷达为主雷达，所述第二激光雷达为补盲雷达。

作为一个实施例，所述装置还包括验证点云保存模块，用于：保存各所述激光雷达的点云数据所述根据所述最终外参进行雷达点云转换得到的验证点云。

本领域技术人员可以理解实现上述实施例的全部或部分流程，是可以通过计算机程度来指令控制装置来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述实施例的流程，其中所述的存储介质可为存储器、磁盘、光盘等。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于实体标定间的激光雷达间标定方法，其特征在于，所述方法包括：

获取多个待标定的激光雷达在实体标定间内采集的点云数据；所述待标定的激光雷达包括第一激光雷达及第二激光雷达；

将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参；

根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参；

所述待标定的激光雷达采集的点云数据包括多次采集的点云数据；所述将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参包括：

将所述第一激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第一激光雷达到所述实体标定间的n个第一外参；以及，将所述第二激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第二激光雷达到所述实体标定间的n个第二外参；

所述根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参，包括：

根据扫描范围将所述n个第一外参与n个第二外参配对，一一对应分别计算得到所述第二激光雷达到所述第一激光雷达的n个第三外参；

对所述n个第三外参计算平均值，得到所述第二激光雷达到所述第一激光雷达的最终外参。

2.根据权利要求1所述的激光雷达间标定方法，其特征在于，所述方法还包括：

若i个所述第三外参与所述最终外参的偏差大于预设条件，则将该偏差大于预设条件的第三外参剔除。

3.根据权利要求1所述的激光雷达间标定方法，其特征在于，所述方法还包括：

若i个所述第三外参与所述最终外参的偏差大于预设条件，则判定所述i个第三外参对应的所述第一激光雷达和所述第二激光雷达扫描的实体标定间被扫描范围为异常；

获取历史标定信息，若k组所述第一激光雷达和所述第二激光雷达扫描的实体标定间被扫描范围被判定为异常的次数大于阈值，则将实体标定间被扫描范围对应k组点云数据剔除；

基于剩余的n-k组第一激光雷达和第二激光雷达计算所述第三外参，再计算平均值得到更新后的最终外参。

4.根据权利要求1所述的激光雷达间标定方法，其特征在于，基于以下公式计算多个外参的平均值：

其中，R为统一初始化方式的旋转矩阵，T为平移矩阵，为旋转矩阵平均值，/>为平移矩阵平均值，/>为点云数据采集次数，/>为第i次采集的点云数据计算得到外参的旋转矩阵，/>为第i次采集的点云数据计算得到外参的平移矩阵。

5.根据权利要求1-4任一项所述的激光雷达间标定方法，其特征在于，所述根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参，包括：

将所述第一激光雷达到所述实体标定间的外参的逆变换，与所述第二激光雷达到所述实体标定间的外参，相乘得到所述第二激光雷达到所述第一激光雷达的外参。

6.根据权利要求1-4任一项所述的激光雷达间标定方法，其特征在于，所述第一激光雷达为主雷达，所述第二激光雷达为补盲雷达。

7.根据权利要求1-4任一项所述的激光雷达间标定方法，其特征在于，所述方法还包括：

保存各所述激光雷达的点云数据和根据所述最终外参进行雷达点云转换得到的验证点云。

8.一种基于实体标定间的激光雷达间标定装置，其特征在于，所述装置包括：

点云数据获取模块，用于获取多个待标定的激光雷达在实体标定间内采集的点云数据；所述待标定的激光雷达包括第一激光雷达及第二激光雷达；

点云数据配准模块，用于将各所述激光雷达的点云数据与所述实体标定间的真实点云数据进行点云配准，得到各所述激光雷达到所述实体标定间的外参；

雷达标定模块，用于根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参；

所述待标定的激光雷达采集的点云数据包括多次采集的点云数据；所述点云数据配准模块，具体用于：

将所述第一激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第一激光雷达到所述实体标定间的n个第一外参；以及，将所述第二激光雷达的n次采集的点云数据与所述实体标定间的真实点云数据进行点云配准，得到所述第二激光雷达到所述实体标定间的n个第二外参；

所述根据所述第一激光雷达到所述实体标定间的外参、所述第二激光雷达到所述实体标定间的外参，确定所述第二激光雷达到所述第一激光雷达的外参，包括：

根据扫描范围将所述n个第一外参与n个第二外参配对，一一对应分别计算得到所述第二激光雷达到所述第一激光雷达的n个第三外参；

对所述n个第三外参计算平均值，得到所述第二激光雷达到所述第一激光雷达的最终外参。