CN115855117B - 相机和惯性测量单元相对车体安装姿态的联合标定方法 - Google Patents
相机和惯性测量单元相对车体安装姿态的联合标定方法 Download PDFInfo
- Publication number
- CN115855117B CN115855117B CN202310120278.1A CN202310120278A CN115855117B CN 115855117 B CN115855117 B CN 115855117B CN 202310120278 A CN202310120278 A CN 202310120278A CN 115855117 B CN115855117 B CN 115855117B
- Authority
- CN
- China
- Prior art keywords
- vector
- imu
- vehicle
- data
- vehicle body
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Navigation (AREA)
Abstract
本申请涉及相机和惯性测量单元相对车体安装姿态的联合标定方法，包括分别获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据、在加速行驶状态下的IMU加速度计数据、在转弯和直线行驶状态下的IMU加速度计数据；将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；通过运动激励设置第一预设条件和第二预设条件获取目标数据；基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。本申请具有提高标定精度，减少实施成本的效果。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其是涉及相机和惯性测量单元相对车体安装姿态的联合标定方法。
背景技术
为了使车载相机采集的数据准确，一般需要对车载相机进行标定，以确定车载相机的内外参数等，再基于车载相机采集的数据进行融合，应用于无人驾驶技术。
常用的相机和IMU相对车体的旋转外参的标定方法包括：
IMU与车体间旋转外参的标定：将车辆静止在平面上，通过IMU的加速度计数值和假定的车体坐标系下重力的方向向量计算旋转外参，但该方法车辆在平面运动自由度欠约束，无法计算航向角，难以准确得到IMU和车体三自由度的旋转外参；
相机与车体间旋转外参的标定：将车辆静止在平面上，通过拍摄人工摆放的标靶计算相机与车体间的旋转外参，但该方法车辆在平面运动自由度欠约束，难以准确得到相机与车体间的旋转外参，且依赖人工标靶，需要特殊布置场景，实施成本较高。
针对上述中的相关技术，发明人发现现有的相机和IMU相对车体安装姿态的标定方法存在有精度低、实施成本高的问题。
发明内容
为了提高相机和IMU相对车体安装姿态的标定精度，减少实施成本，本申请提供了相机和惯性测量单元相对车体安装姿态的联合标定方法。
第一方面，本申请提供一种相机和惯性测量单元相对车体安装姿态的联合标定方法。
本申请是通过以下技术方案得以实现的：
一种相机和惯性测量单元相对车体安装姿态的联合标定方法，包括以下步骤，
获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值，若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；
将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；
基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
本申请在一较佳示例中可以进一步配置为：所述获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据的步骤包括，
采集前后相邻两帧的车速数据，依次对前后相邻两帧的车速数据做差；
若前后相邻两帧的车速数据的差值的绝对值小于预设的第三阈值，则记录相应时间的IMU加速度计数据和IMU陀螺仪数据，作为车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据。
本申请在一较佳示例中可以进一步配置为：将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基的步骤前，还包括，
对获取的车辆在匀速或静止状态下的相应时间的IMU加速度计数据进行归一化；
令归一化的所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基。
本申请在一较佳示例中可以进一步配置为：所述获取车辆在加速行驶状态下的IMU加速度计数据的步骤包括，
采集前后相邻两帧的车速数据，依次比较前后相邻两帧车速数据的大小；
若后一帧车速数据大于前一帧车速数据，则记录相应连续时间的IMU加速度计数据作为车辆在加速行驶状态下的IMU加速度计数据。
本申请在一较佳示例中可以进一步配置为：所述取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量的步骤前，还包括，
对取出的模长最大的所述前向加速度向量进行归一化；
令归一化的所述前向加速度向量作为IMU坐标系下的车辆的前向加速度单位向量。
本申请在一较佳示例中可以进一步配置为：所述判断点乘的结果是否为正值的步骤后，还包括，
若点乘的结果为负值，则令所述运动加速度向量乘上-1，替换所述前向加速度向量。
本申请在一较佳示例中可以进一步配置为：对应时间的前后两帧图像上的单位平移量的获取步骤包括，
获取对应时间的前后两帧图像上的特征点匹配关系；
基于所述特征点匹配关系，得到本质矩阵；
通过视觉SfM算法，分解所述本质矩阵，得到对应时间的前后两帧图像上的单位平移量。
本申请在一较佳示例中可以进一步配置为：所述获取对应时间的前后两帧图像上的视觉角速度的步骤包括，
通过视觉SfM算法，分解所述本质矩阵，得到对应时间的前后两帧图像之间的旋转矩阵；
将所述旋转矩阵转换为李代数形式向量；
基于所述李代数形式向量，结合对应时间的前后两帧图像之间的时间间隔，得到对应时间的前后两帧图像上的视觉角速度。
本申请在一较佳示例中可以进一步配置为：所述基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参的步骤包括，
基于所述P1向量基和所述P2向量基，结合列文伯格-马夸尔特算法，计算得到IMU和车体间的初始的第二旋转外参；
基于所述P3向量基和所述P5向量基，结合列文伯格-马夸尔特算法，计算得到相机和IMU间的初始的第一旋转外参；
基于初始的第一旋转外参和初始的第二旋转外参，根据所述P1向量基、所述P2向量基、所述P3向量基、所述P4向量基和所述P5向量基，通过列文伯格-马夸尔特算法计算相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
第二方面，本申请提供一种相机和惯性测量单元相对车体安装姿态的联合标定装置。
本申请是通过以下技术方案得以实现的：
一种相机和惯性测量单元相对车体安装姿态的联合标定装置，包括，
初始数据采集模块，用于获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
第一数据模块，用于将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
加速数据采集模块，用于获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
转弯和直线数据采集模块，用于获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
第二数据模块，用于若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值；若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；
第三数据模块，用于将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
第四数据模块，用于将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
第五数据模块，用于令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；
标定模块，用于基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
第三方面，本申请提供一种计算机设备。
本申请是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种相机和惯性测量单元相对车体安装姿态的联合标定方法的步骤。
第四方面，本申请提供一种计算机可读存储介质。
本申请是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种相机和惯性测量单元相对车体安装姿态的联合标定方法的步骤。
综上所述，与现有技术相比，本申请提供的技术方案带来的有益效果至少包括：
分别获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据、在加速行驶状态下的IMU加速度计数据、在转弯和直线行驶状态下的IMU加速度计数据，以增加车辆在平面运动的自由度约束，有利于准确得到相机和IMU相对车体安装姿态的旋转外参；将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏，以去除高频噪声对数据求解结果的影响，有利于提高相机和IMU相对车体安装姿态的旋转外参的标定精度；通过运动激励设置第一预设条件和第二预设条件获取目标数据，使得获取的数据更精确；基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参，联合优化求解，以获得较准确的相机和IMU相对车体安装姿态估计，提高了相机和IMU相对车体安装姿态的标定精度，且无需布置场景和依赖人工标靶，减少实施成本。
附图说明
图1为本申请一个示例性实施例提供的一种相机和惯性测量单元相对车体安装姿态的联合标定方法的流程示意图。
图2为本申请又一个示例性实施例提供的一种相机和惯性测量单元相对车体安装姿态的联合标定装置的结构框图。
具体实施方式
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，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作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。
另外，本文中术语“和/或”，仅仅是一种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：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
参照图1，本申请实施例提供一种相机和惯性测量单元相对车体安装姿态的联合标定方法，所述方法的主要步骤描述如下。
S1:获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
S2:将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
S3:获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
S4:获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
S5:若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值，若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；其中，第一预设条件可以为所述运动加速度向量的模值大于所述第一阈值；
S6:将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
S7:将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
S8:令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；其中，第二预设条件可以为所述车辆角速度的模值大于所述第二阈值；
S9:基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参；其中，非线性优化方式可以为一阶梯度法、二阶梯度法等；IMU即惯性测量单元，本实施例中，IMU包括IMU加速度计和IMU陀螺仪。
在一实施例中，所述获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据的步骤包括，
采集前后相邻两帧的车速数据，依次对前后相邻两帧的车速数据做差；
若前后相邻两帧的车速数据的差值的绝对值小于预设的第三阈值，则记录相应时间的IMU加速度计数据和IMU陀螺仪数据，作为车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据。
在一实施例中，将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基的步骤前，还包括，
对获取的车辆在匀速或静止状态下的相应时间的IMU加速度计数据进行归一化；
令归一化的所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基。
在一实施例中，所述获取车辆在加速行驶状态下的IMU加速度计数据的步骤包括，
采集前后相邻两帧的车速数据，依次比较前后相邻两帧车速数据的大小；
若后一帧车速数据大于前一帧车速数据，则记录相应连续时间的IMU加速度计数据作为车辆在加速行驶状态下的IMU加速度计数据。
在一实施例中，所述取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量的步骤前，还包括，
对取出的模长最大的所述前向加速度向量进行归一化；
令归一化的所述前向加速度向量作为IMU坐标系下的车辆的前向加速度单位向量。
在一实施例中，所述判断点乘的结果是否为正值的步骤后，还包括，
若点乘的结果为负值，则令所述运动加速度向量乘上-1，替换所述前向加速度向量。
在一实施例中，对应时间的前后两帧图像上的单位平移量的获取步骤包括，
获取对应时间的前后两帧图像上的特征点匹配关系；
基于所述特征点匹配关系，得到本质矩阵；
通过视觉SfM算法，分解所述本质矩阵，得到对应时间的前后两帧图像上的单位平移量。
在一实施例中，所述获取对应时间的前后两帧图像上的视觉角速度的步骤包括，
通过视觉SfM算法，分解所述本质矩阵，得到对应时间的前后两帧图像之间的旋转矩阵；
将所述旋转矩阵转换为李代数形式向量；
基于所述李代数形式向量，结合对应时间的前后两帧图像之间的时间间隔，得到对应时间的前后两帧图像上的视觉角速度。
在一实施例中，所述基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参的步骤包括，
基于所述P1向量基和所述P2向量基，结合列文伯格-马夸尔特算法，计算得到IMU和车体间的初始的第二旋转外参；
基于所述P3向量基和所述P5向量基，结合列文伯格-马夸尔特算法，计算得到相机和IMU间的初始的第一旋转外参；
基于初始的第一旋转外参和初始的第二旋转外参，根据所述P1向量基、所述P2向量基、所述P3向量基、所述P4向量基和所述P5向量基，通过列文伯格-马夸尔特算法计算相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
上述各个实施例的具体描述如下。
在城市或乡村道路上，其路边有明显纹理场景，如花草树木、建筑等，采集自车在水平道路上静止初始化、直线加减速行驶和转弯的数据，并通过设置运动激励获取目标数据，再结合联合优化方式进行求解，即可标定出相机-imu-车体间的旋转外参，对场景要求低。
场景（一）令自车在水平路面上静止30s，完成初始化。
依次对前后相邻两帧车速数据做差，若差值的绝对值小于预设的阈值，则认为车体处于匀速或静止状态，记录相应时间的IMU加速度计数据，用于求解重力加速度的测量值，记录相应时间的IMU陀螺仪数据wt，用于求解陀螺仪零偏的测量值。其中，车速数据可通过CAN总线读取油门踏板位置信号获取。
当记录的IMU加速度计数据和IMU陀螺仪数据达到设定个数n后，对采集的IMU加速度计数据求均值，得到IMU坐标系下重力向量g，对采集的IMU陀螺仪数据求均值，得到IMU陀螺仪零偏b_g。通过对IMU加速度计数据和IMU陀螺仪数据求均值的方式，去除高频噪声对数据求解结果的影响。
即输入数据：匀速或静止状态的IMU加速度计数据at 
at+n、IMU陀螺仪数据wt/>
wt+n、车速数据Vt/>
Vt+n；
输出数据：IMU坐标系下重力向量g、陀螺仪零偏b_g、重力加速度在IMU坐标系和车体坐标系下的一组P1向量基。
进一步地，n可以为1000，使得后续的数据求解结果更精准。
进一步地，对采集的IMU加速度计数据进行归一化，得到归一化向量，将每个归一化向量和预先规定的车体坐标系下的单位重力方向构成一对向量基B，即第一向量基，集合所有向量基B构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基。通过归一化IMU加速度计数据的方式，保留向量的方向信息，去掉其模长的影响，使得计算结果更简便。
场景（二）令自车在水平路面上进行加速行驶。
依次比较前后相邻两帧车速数据，若后一帧数据速度大于前一帧，则认为车体处于加速状态，记录相应连续时间的IMU加速度计数据。
将记录的每个IMU加速度数据减去IMU坐标系下重力向量g，得到估计的前向加速度，并取前向加速度的模长最大的向量作为IMU坐标系下车体前向加速度单位向量af。
即输入数据：加速状态的IMU加速度计数据at 
at+n、车速数据Vt/>
Vt+n、IMU坐标系下重力向量g；
输出数据：IMU坐标系下车体前向加速度单位向量af。
进一步地，将获得的前向加速度的模长最大的向量进行归一化，令归一化的所述前向加速度向量作为IMU坐标系下车体前向加速度单位向量af，通过归一化前向加速度向量，保留向量的方向信息，去掉其模长的影响，使得后续的计算结果更简便。
场景（三）令自车在水平路面上进行转弯和直线行驶。
将转弯或直线行驶状态下的IMU加速度计数据at减去IMU坐标系下重力向量g后，得到车辆的运动加速度ap。
若运动加速度ap的模值大于预设阈值，则认为运动激励充分，将运动加速度ap与IMU坐标系下车体前向加速度单位向量af点乘；
若值为负数，则此时为减速过程，将运动加速度ap乘上-1,得到前向加速度；
若值为正值，则运动加速度ap不变，将运动加速度ap归一化后的向量a’与预设的车体坐标系下车辆运动方向向量构成一对向量基C，即第二向量基，集合所有向量基C构成一组P2向量基。
将归一化后的向量a’和对应时间的单位平移量t构成一对向量基D，即第三向量基，集合所有向量基D构成一组P3向量基。
将单位平移量t与预设的车体坐标系下的车辆运动方向向量构成一对向量基E，即第四向量基，集合所有向量基E构成一组P4向量基。
令已记录的IMU陀螺仪数据wt减去陀螺仪零偏b_g后，得到车辆的角速度wp，若角速度wp的模值大于预设阈值，则认为运动激励充分，通过视觉SfM得到对应时刻的视觉角速度wv，将wp归一化得到wp’,将wv归一化得到wv’,wp’和wv’构成一对向量基F，即第五向量基，集合所有向量基F构成一组P5向量基。
即输入数据：图像数据It 
It+n、IMU加速度计数据at/>
at+n、IMU陀螺仪数据wt/>
wt+n、车速数据Vt/>
Vt+n、IMU坐标系下重力向量g，陀螺仪零偏b_g、IMU坐标系下车体向前加速度单位向量af；
输出数据：车辆运动方向向量在IMU和车辆坐标系下的一组P2向量基,车辆运动方向向量在IMU和相机坐标系下的一组P3向量基，车辆运动方向向量在相机和车辆坐标系下的一组P4向量基,车辆旋转角速度方向在相机和IMU坐标系下的一组P5向量基。
进一步地，单位平移量t通过视觉SfM算法得到，基于前后两帧图像上的特征点匹配关系，求取本质矩阵，通过分解本质矩阵得到两帧之间的单位平移量t。
进一步地，通过视觉SfM算法得到对应时刻的视觉角速度wv，先获取前后两帧图像上的特征点匹配关系，以求取本质矩阵，再通过分解本质矩阵得到两帧之间的旋转矩阵，将旋转矩阵转换成李代数形式的向量r，假设车辆在两帧之间是匀角速度运动，r除以两帧图像之间的时间间隔则可得到视觉角速度wv。
最后，基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参R1，以及IMU和车体间的第二旋转外参R2。
基于所述P1向量基和所述P2向量基，结合列文伯格-马夸尔特算法，计算得到IMU和车体间的初始的第二旋转外参R2’；
基于所述P3向量基和所述P5向量基，结合列文伯格-马夸尔特算法，计算得到相机和IMU间的初始的第一旋转外参R1’；
基于初始的第一旋转外参R1’和初始的第二旋转外参R2’，根据所述P1向量基、所述P2向量基、所述P3向量基、所述P4向量基和所述P5向量基，通过列文伯格-马夸尔特算法计算相机和IMU间的第一旋转外参R1，以及IMU和车体间的第二旋转外参R2。
具体地，IMU和车体间的初始的第二旋转外参R2’的优化方式包括，
给定任意R2矩阵，定义P1Imu i表示P1数据中第i个IMU向量，P1Body i表示P1数据中第i个Body向量，构造P1的代价函数e1=∑n i||P1Imu i-R2*P1Body i||2,（∑n i表示求和，|| P1Imu i-R2*P1Body i||2表示P1Imu i-R2*P1Body i的二范数），同理构造P2的代价函数e2=∑n i||P2Imu iR2*P2Body i||2,e=e1+e2。通过列文伯格-马夸尔特算法，将e值优化到最小时得到的R2矩阵即为R2’。采用列文伯格-马夸尔特算法能够减少异常数值的影响，计算结果更精准。
进一步地，相机和IMU间的初始的第一旋转外参R1’的优化方式包括，
给定任意R1矩阵，定义P3Imu i表示P3数据中第i个IMU向量，P3Camera i表示P3数据中第i个Camera向量，构造P3的代价函数e3=∑n i||P3Camera i-R1*P3Imu i||2,（∑n i表示求和，||P3Camera i-R1*P3Imu i||2表示P3Camera i-R1*P3Imu i的二范数）,同理构造P5的代价函数e5=∑n i||P5Camera i-R1*P5Imu i||2,e=e3+e5。通过列文伯格-马夸尔特算法，将e值优化到最小时得到的R1矩阵即为R1’。采用列文伯格-马夸尔特算法能够减少异常数值的影响，使得计算结果更精准。
最后，相机和IMU间的第一旋转外参R1，以及IMU和车体间的第二旋转外参R2的优化方式包括，
基于上述构造的P1的代价函数、P2的代价函数、P3的代价函数和P5的代价函数，定义P4Camera i表示P4数据中第i个Camera向量，P4Body i表示P4数据中第i个Body
向量，构造P4的代价函数e4=∑n i||P4Camera i-R1*R2*P4Body i||2,（∑n i表示求和，||P4Camera i-R1*R2*P4Body i||2表示P4Camera i-R1*R2*P4Body i的二范数）,e=e1+e2+e3+e4+e5。通过列文伯格-马夸尔特算法，将e值优化到最小时，得到R1矩阵和R2矩阵，以得到相机和IMU间的第一旋转外参R1，以及IMU和车体间的第二旋转外参R2，为后续相关自动驾驶算法提供数据支持。
综上所述，一种相机和惯性测量单元相对车体安装姿态的联合标定方法作为通用场景的标定方法，可应用于白天道路上车辆的旋转外参标定，通过分别获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据、在加速行驶状态下的IMU加速度计数据、在转弯和直线行驶状态下的IMU加速度计数据，以增加车辆在平面运动的自由度约束，有利于准确得到相机和IMU相对车体安装姿态的旋转外参；将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏，以去除高频噪声对数据求解结果的影响，有利于提高相机和IMU相对车体安装姿态的旋转外参的标定精度；通过运动激励设置第一预设条件和第二预设条件获取目标数据，使得获取的数据更精确；基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参，联合优化求解，以获得较准确的相机和IMU相对车体安装姿态估计，提高了相机和IMU相对车体安装姿态的标定精度，且无需布置场景和依赖人工标靶，可以在普通的路况下，通过车辆一些简单的运动激励，标定出相机、IMU和车体两两之间的旋转外参，实施成本低。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
参照图2，本申请实施例还提供一种相机和惯性测量单元相对车体安装姿态的联合标定装置，该一种相机和惯性测量单元相对车体安装姿态的联合标定装置与上述实施例中一种相机和惯性测量单元相对车体安装姿态的联合标定方法一一对应。该一种相机和惯性测量单元相对车体安装姿态的联合标定装置包括，
初始数据采集模块，用于获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
第一数据模块，用于将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
加速数据采集模块，用于获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
转弯和直线数据采集模块，用于获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
第二数据模块，用于若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值；若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；
第三数据模块，用于将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
第四数据模块，用于将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
第五数据模块，用于令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；
标定模块，用于基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
关于一种相机和惯性测量单元相对车体安装姿态的联合标定装置的具体限定可以参见上文中对于一种相机和惯性测量单元相对车体安装姿态的联合标定方法的限定，在此不再赘述。上述一种相机和惯性测量单元相对车体安装姿态的联合标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任意一种相机和惯性测量单元相对车体安装姿态的联合标定方法。
在一个实施例中，提供了一种计算机可读存储介质，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，处理器执行计算机程序时实现以下步骤：
获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值，若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；
将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；
基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
Claims (10)
1.一种相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，包括以下步骤，
获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值，若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；
将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；
基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
2.根据权利要求1所述的相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，所述获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据的步骤包括，
采集前后相邻两帧的车速数据，依次对前后相邻两帧的车速数据做差；
若前后相邻两帧的车速数据的差值的绝对值小于预设的第三阈值，则记录相应时间的IMU加速度计数据和IMU陀螺仪数据，作为车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据。
3.根据权利要求1所述的相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，所述获取车辆在加速行驶状态下的IMU加速度计数据的步骤包括，
采集前后相邻两帧的车速数据，依次比较前后相邻两帧车速数据的大小；
若后一帧车速数据大于前一帧车速数据，则记录相应连续时间的IMU加速度计数据作为车辆在加速行驶状态下的IMU加速度计数据。
4.根据权利要求1所述的相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，所述判断点乘的结果是否为正值的步骤后，还包括，
若点乘的结果为负值，则令所述运动加速度向量乘上-1，替换所述前向加速度向量。
5.根据权利要求1所述的相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，对应时间的前后两帧图像上的单位平移量的获取步骤包括，
获取对应时间的前后两帧图像上的特征点匹配关系；
基于所述特征点匹配关系，得到本质矩阵；
通过视觉SfM算法，分解所述本质矩阵，得到对应时间的前后两帧图像上的单位平移量。
6.根据权利要求5所述的相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，所述获取对应时间的前后两帧图像上的视觉角速度的步骤包括，
通过视觉SfM算法，分解所述本质矩阵，得到对应时间的前后两帧图像之间的旋转矩阵；
将所述旋转矩阵转换为李代数形式向量；
基于所述李代数形式向量，结合对应时间的前后两帧图像之间的时间间隔，得到对应时间的前后两帧图像上的视觉角速度。
7.根据权利要求1-6任意一项所述的相机和惯性测量单元相对车体安装姿态的联合标定方法，其特征在于，所述基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参的步骤包括，
基于所述P1向量基和所述P2向量基，结合列文伯格-马夸尔特算法，计算得到IMU和车体间的初始的第二旋转外参；
基于所述P3向量基和所述P5向量基，结合列文伯格-马夸尔特算法，计算得到相机和IMU间的初始的第一旋转外参；
基于初始的第一旋转外参和初始的第二旋转外参，根据所述P1向量基、所述P2向量基、所述P3向量基、所述P4向量基和所述P5向量基，通过列文伯格-马夸尔特算法计算相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
8.一种相机和惯性测量单元相对车体安装姿态的联合标定装置，其特征在于，包括，
初始数据采集模块，用于获取车辆在匀速或静止状态下的相应时间的IMU加速度计数据和IMU陀螺仪数据，将求均值后的IMU加速度计数据和求均值后的IMU陀螺仪数据分别作为IMU坐标系下的重力向量和陀螺仪零偏；
第一数据模块，用于将所述IMU加速度计数据和预设的车体坐标系下的车辆的单位重力方向向量组成第一向量基，集合所有第一向量基构成重力加速度在IMU坐标系和车体坐标系下的一组P1向量基；
加速数据采集模块，用于获取车辆在加速行驶状态下的IMU加速度计数据，基于所述重力向量，得到前向加速度向量，并取出模长最大的所述前向加速度向量，作为IMU坐标系下的车辆的前向加速度单位向量；
转弯和直线数据采集模块，用于获取车辆在转弯和直线行驶状态下的IMU加速度计数据，基于所述重力向量，得到运动加速度向量，将所述运动加速度向量的模值与预设的第一阈值进行比较；
第二数据模块，用于若满足第一预设条件，将所述运动加速度向量与所述前向加速度单位向量点乘，并判断点乘的结果是否为正值；若点乘的结果为正值，则将归一化后的运动加速度向量与预设的车体坐标系下的车辆的运动方向向量组成第二向量基，集合所有第二向量基构成运动加速度在IMU坐标系和车体坐标系下的一组P2向量基；
第三数据模块，用于将归一化后的运动加速度向量与获取的对应时间的前后两帧图像上的单位平移量组成第三向量基，集合所有第三向量基构成一组P3向量基；
第四数据模块，用于将所述单位平移量与预设的车体坐标系下的车辆的运动方向向量组成第四向量基，集合所有第四向量基构成一组P4向量基；
第五数据模块，用于令所述IMU陀螺仪数据减去所述陀螺仪零偏，得到车辆角速度，并将所述车辆角速度与预设的第二阈值进行比较，若满足第二预设条件，获取对应时间的前后两帧图像上的视觉角速度，将归一化的车辆角速度和归一化的视觉角速度组成第五向量基，集合所有第五向量基构成一组P5向量基；
标定模块，用于基于P1向量基、P2向量基、P3向量基、P4向量基和P5向量基，采用非线性优化方式标定相机和IMU间的第一旋转外参，以及IMU和车体间的第二旋转外参。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现权利要求1至7任意一项所述方法的步骤。
10.一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存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310120278.1A CN115855117B (zh) | 2023-02-16 | 2023-02-16 | 相机和惯性测量单元相对车体安装姿态的联合标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310120278.1A CN115855117B (zh) | 2023-02-16 | 2023-02-16 | 相机和惯性测量单元相对车体安装姿态的联合标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115855117A CN115855117A (zh) | 2023-03-28 |
| CN115855117B true CN115855117B (zh) | 2023-06-02 |
Family
ID=85658134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310120278.1A Active CN115855117B (zh) | 2023-02-16 | 2023-02-16 | 相机和惯性测量单元相对车体安装姿态的联合标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115855117B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104748751A (zh) * | 2013-12-29 | 2015-07-01 | 刘进 | 姿态矩阵的计算方法及基于姿态矩阵的定位导航方法 |
| CN109764880A (zh) * | 2019-02-19 | 2019-05-17 | 中国科学院自动化研究所 | 紧耦合车辆轮子编码器数据的视觉惯性测程方法及系统 |
| CN109798891A (zh) * | 2019-01-25 | 2019-05-24 | 上海交通大学 | 基于高精度动作捕捉系统的惯性测量单元标定系统 |
| WO2019157925A1 (zh) * | 2018-02-13 | 2019-08-22 | 视辰信息科技(上海)有限公司 | 视觉惯性里程计的实现方法及系统 |
| CN111595333A (zh) * | 2020-04-26 | 2020-08-28 | 武汉理工大学 | 视觉惯性激光数据融合的模块化无人车定位方法及系统 |
| CN112484725A (zh) * | 2020-11-23 | 2021-03-12 | 吉林大学 | 一种基于多传感器融合的智能汽车高精度定位与时空态势安全方法 |
| CN113763479A (zh) * | 2021-07-19 | 2021-12-07 | 长春理工大学 | 一种折反射全景相机与imu传感器的标定方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11187719B2 (en) * | 2019-01-08 | 2021-11-30 | Qualcomm Incorporated | In-motion initialization of accelerometer for accurate vehicle positioning |
-
2023
- 2023-02-16 CN CN202310120278.1A patent/CN115855117B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104748751A (zh) * | 2013-12-29 | 2015-07-01 | 刘进 | 姿态矩阵的计算方法及基于姿态矩阵的定位导航方法 |
| WO2019157925A1 (zh) * | 2018-02-13 | 2019-08-22 | 视辰信息科技(上海)有限公司 | 视觉惯性里程计的实现方法及系统 |
| CN109798891A (zh) * | 2019-01-25 | 2019-05-24 | 上海交通大学 | 基于高精度动作捕捉系统的惯性测量单元标定系统 |
| CN109764880A (zh) * | 2019-02-19 | 2019-05-17 | 中国科学院自动化研究所 | 紧耦合车辆轮子编码器数据的视觉惯性测程方法及系统 |
| CN111595333A (zh) * | 2020-04-26 | 2020-08-28 | 武汉理工大学 | 视觉惯性激光数据融合的模块化无人车定位方法及系统 |
| CN112484725A (zh) * | 2020-11-23 | 2021-03-12 | 吉林大学 | 一种基于多传感器融合的智能汽车高精度定位与时空态势安全方法 |
| CN113763479A (zh) * | 2021-07-19 | 2021-12-07 | 长春理工大学 | 一种折反射全景相机与imu传感器的标定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘振彬 ; 危双丰 ; 庞帆 ; 师现杰 ; .基于单目及惯导的同步定位与建图方案.测绘科学.2020,(第09期),90-99. * |
| 孙楠 ; 裴信彪 ; 王春军 ; 李继辉 ; 彭程 ; 白越 ; .基于立体视觉――惯导SLAM的四旋翼无人机导航算法.微电子学与计算机.2020,(第05期),37-42，46. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115855117A (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108731670B (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
| CN107111879B (zh) | 通过全景环视图像估计车辆自身运动的方法和设备 | |
| JP4814669B2 (ja) | ３次元座標取得装置 | |
| CN109059907B (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
| CN112347205A (zh) | 一种车辆误差状态的更新方法和装置 | |
| CN114217665B (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
| CN114550042B (zh) | 一种道路消失点提取方法、车载传感器标定方法及装置 | |
| CN115797454B (zh) | 一种鸟瞰图视角下多摄像机融合感知方法及装置 | |
| KR20210013526A (ko) | 관성 위치를 사용한 지형 참조 항법을 위한 장치 및 방법 | |
| US20220073084A1 (en) | Travel amount estimation apparatus | |
| CN114248778B (zh) | 移动设备的定位方法和定位装置 | |
| CN110243364A (zh) | 无人机航向确定方法、装置、无人机及存储介质 | |
| CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
| CN110989619B (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
| CN111998870B (zh) | 一种相机惯导系统的标定方法和装置 | |
| CN115436917A (zh) | Lidar视轴对准误差和主车辆定位误差的协同估计和校正 | |
| CN113763481B (zh) | 一种移动场景中多相机视觉三维地图构建与自标定方法 | |
| CN114638897A (zh) | 基于无重叠视域的多相机系统的初始化方法、系统及装置 | |
| CN115855117B (zh) | 相机和惯性测量单元相对车体安装姿态的联合标定方法 | |
| CN113870367B (zh) | 相机外参的生成方法、装置、设备、存储介质和程序产品 | |
| CN113034538B (zh) | 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备 | |
| CN111811501B (zh) | 一种基于树干特征的无人机定位方法、无人机及存储介质 | |
| CN114370872A (zh) | 车辆姿态确定方法和车辆 | |
| CN114677448A (zh) | 车载相机的外参校正方法、装置及电子设备、存储介质 | |
| CN111829552B (zh) | 一种视觉惯性系统的误差修正方法和装置 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Floor 25, Block A, Zhongzhou Binhai Commercial Center Phase II, No. 9285, Binhe Boulevard, Shangsha Community, Shatou Street, Futian District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Youjia Innovation Technology Co.,Ltd. Address before: 518051 401, building 1, Shenzhen new generation industrial park, No. 136, Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong Province Patentee before: SHENZHEN MINIEYE INNOVATION TECHNOLOGY Co.,Ltd. |