CN115932804A - 激光雷达外参数据的标定方法、装置、设备及存储介质 - Google Patents

激光雷达外参数据的标定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115932804A
CN115932804A CN202211525478.7A CN202211525478A CN115932804A CN 115932804 A CN115932804 A CN 115932804A CN 202211525478 A CN202211525478 A CN 202211525478A CN 115932804 A CN115932804 A CN 115932804A
Authority
CN
China
Prior art keywords
initial
component
target
rotation
translation
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
Application number
CN202211525478.7A
Other languages
English (en)
Inventor
杨振宇
韩旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Weride Technology Co Ltd
Original Assignee
Guangzhou Weride Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Weride Technology Co Ltd filed Critical Guangzhou Weride Technology Co Ltd
Priority to CN202211525478.7A priority Critical patent/CN115932804A/zh
Publication of CN115932804A publication Critical patent/CN115932804A/zh
Pending legal-status Critical Current

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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及激光雷达技术领域，公开了一种激光雷达外参数据的标定方法、装置、设备及存储介质，用于提高激光雷达采集的点云数据的利用率。激光雷达外参数据的标定方法包括：获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵。

Description

激光雷达外参数据的标定方法、装置、设备及存储介质
技术领域
本发明涉及激光雷达技术领域，尤其涉及一种激光雷达外参数据的标定方法、装置、设备及存储介质。
背景技术
激光雷达外参数据的标定是指求解激光雷达测量坐标系相对于其他传感器测量坐标系的相对变换关系，即求出旋转平移矩阵。
在高精地图制作过程中，需要将数据采集车辆采集的点云数据从激光雷达测量坐标系变换至数据采集车辆的车体坐标系，目前，激光雷达外参数据是在数据采集车辆进行采集任务之前完成初始标定，但是在数据采集车辆行驶或运输过程中，由于在长期机械振动或其他外力作用下，导致激光雷达的机械位置发生变换，导致了初始标定的激光雷达外参数据失效，从而导致了激光雷达采集的点云数据的利用率较低。
发明内容
本发明提供了一种激光雷达外参数据的标定方法、装置、设备及存储介质，用于提高激光雷达采集的点云数据的利用率。
本发明第一方面提供了一种激光雷达外参数据的标定方法，包括：获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；对所述惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，生成所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
在一种可行的实施方式中，所述对所述惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，包括：获取待配准点云数据中的第一时间戳和第二时间戳，所述第一时间戳用于指示目标点云的时间戳，所述第二时间戳用于指示源点云的时间戳；基于所述第一时间戳对所述惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵；基于所述第二时间戳对所述惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵。
在一种可行的实施方式中，所述基于所述第一时间戳对所述惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵，包括：获取所述惯性导航数据中第一时刻的第一初始平移分量、第二初始平移分量、第三初始平移分量和第一初始旋转分量；获取所述惯性导航数据中第二时刻的第四初始平移分量、第五初始平移分量、第六初始平移分量和第二初始旋转分量，所述第一时间戳大于所述第一时刻且小于所述第二时刻；基于所述第一时间戳、所述第一时刻、所述第二时刻、所述第一初始平移分量、所述第二初始平移分量、所述第三初始平移分量、所述第四初始平移分量、所述第五初始平移分量、所述第六初始平移分量和预设平移分量公式进行运算，得到所述数据采集车辆的第一目标平移分量；基于所述第一初始旋转分量、所述第二初始旋转分量和预设旋转分量公式进行运算，得到所述数据采集车辆的第一目标旋转分量；基于所述第一目标平移分量和所述第一目标旋转分量，得到第一车体旋转平移矩阵。
在一种可行的实施方式中，所述基于所述第二时间戳对所述惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵，包括：获取所述惯性导航数据中第三时刻的第七初始平移分量、第八初始平移分量、第九初始平移分量和第三初始旋转分量；获取所述惯性导航数据中第四时刻的第十初始平移分量、第十一初始平移分量、第十二初始平移分量和第四初始旋转分量，所述第二时间戳大于所述第三时刻且小于所述第四时刻；基于所述第二时间戳、所述第三时刻、所述第四时刻、所述第七初始平移分量、所述第八初始平移分量、所述第九初始平移分量、所述第十初始平移分量、所述第十一初始平移分量、所述第十二初始平移分量和预设平移分量公式进行运算，得到所述数据采集车辆的第二目标平移分量；基于所述第三初始旋转分量、所述第四初始旋转分量和预设旋转分量公式进行运算，得到所述数据采集车辆的第二目标旋转分量；基于所述第二目标平移分量和所述第二目标旋转分量，得到第二车体旋转平移矩阵。
在一种可行的实施方式中，所述基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，生成所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵，包括：基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，构建激光雷达外参数据的代价函数式；对所述代价函数式进行解算，得到所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
在一种可行的实施方式中，所述获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据，包括：获取所述激光雷达采集的初始点云数据，并对所述初始点云数据进行降采样处理，得到待配准点云数据；对所述待配准点云数据进行关键帧选取，得到目标点云和源点云；基于所述目标点云和所述源点云进行点云配准，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
在一种可行的实施方式中，所述基于所述目标点云和所述源点云进行点云配准，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据，包括：将所述目标点云转换至预设分辨率的初始三维网格，得到目标三维网格，所述目标三维网格中的每个网格包括多个三维点，三维点用于指示目标点云的特征点；基于每个网格的多个三维点计算每个网格对应的均值和协方差；获取所述目标三维网格中的目标三维点，以及目标网格的目标均值和目标协方差，所述目标三维点是由所述源点云的特征点基于初始旋转平移矩阵变换为所述目标点云的特征点；获取所述源点云的特征点数量，并基于所述特征点数量、所述目标三维点、所述目标均值和所述目标协方差，对所述初始旋转平移矩阵进行优化，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
本发明第二方面提供了一种激光雷达外参数据的标定装置，包括：获取模块，用于获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；处理模块，用于对所述惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；生成模块，用于基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，生成所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
在一种可行的实施方式中，所述处理模块包括：获取单元，用于获取待配准点云数据中的第一时间戳和第二时间戳，所述第一时间戳用于指示目标点云的时间戳，所述第二时间戳用于指示源点云的时间戳；第一处理单元，用于基于所述第一时间戳对所述惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵；第二处理单元，用于基于所述第二时间戳对所述惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵。
在一种可行的实施方式中，所述第一处理单元具体用于：获取所述惯性导航数据中第一时刻的第一初始平移分量、第二初始平移分量、第三初始平移分量和第一初始旋转分量；获取所述惯性导航数据中第二时刻的第四初始平移分量、第五初始平移分量、第六初始平移分量和第二初始旋转分量，所述第一时间戳大于所述第一时刻且小于所述第二时刻；基于所述第一时间戳、所述第一时刻、所述第二时刻、所述第一初始平移分量、所述第二初始平移分量、所述第三初始平移分量、所述第四初始平移分量、所述第五初始平移分量、所述第六初始平移分量和预设平移分量公式进行运算，得到所述数据采集车辆的第一目标平移分量；基于所述第一初始旋转分量、所述第二初始旋转分量和预设旋转分量公式进行运算，得到所述数据采集车辆的第一目标旋转分量；基于所述第一目标平移分量和所述第一目标旋转分量，得到第一车体旋转平移矩阵。
在一种可行的实施方式中，所述第二处理单元具体用于：获取所述惯性导航数据中第三时刻的第七初始平移分量、第八初始平移分量、第九初始平移分量和第三初始旋转分量；获取所述惯性导航数据中第四时刻的第十初始平移分量、第十一初始平移分量、第十二初始平移分量和第四初始旋转分量，所述第二时间戳大于所述第三时刻且小于所述第四时刻；基于所述第二时间戳、所述第三时刻、所述第四时刻、所述第七初始平移分量、所述第八初始平移分量、所述第九初始平移分量、所述第十初始平移分量、所述第十一初始平移分量、所述第十二初始平移分量和预设平移分量公式进行运算，得到所述数据采集车辆的第二目标平移分量；基于所述第三初始旋转分量、所述第四初始旋转分量和预设旋转分量公式进行运算，得到所述数据采集车辆的第二目标旋转分量；基于所述第二目标平移分量和所述第二目标旋转分量，得到第二车体旋转平移矩阵。
在一种可行的实施方式中，所述生成模块具体用于：基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，构建激光雷达外参数据的代价函数式；对所述代价函数式进行解算，得到所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
在一种可行的实施方式中，所述获取模块包括：降采样单元，用于获取所述激光雷达采集的初始点云数据，并对所述初始点云数据进行降采样处理，得到待配准点云数据；选取单元，用于对所述待配准点云数据进行关键帧选取，得到目标点云和源点云；配准单元，用于基于所述目标点云和所述源点云进行点云配准，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
在一种可行的实施方式中，所述配准单元具体用于：将所述目标点云转换至预设分辨率的初始三维网格，得到目标三维网格，所述目标三维网格中的每个网格包括多个三维点，三维点用于指示目标点云的特征点；基于每个网格的多个三维点计算每个网格对应的均值和协方差；获取所述目标三维网格中的目标三维点，以及目标网格的目标均值和目标协方差，所述目标三维点是由所述源点云的特征点基于初始旋转平移矩阵变换为所述目标点云的特征点；获取所述源点云的特征点数量，并基于所述特征点数量、所述目标三维点、所述目标均值和所述目标协方差，对所述初始旋转平移矩阵进行优化，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
本发明第三方面提供了一种激光雷达外参数据的标定设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述激光雷达外参数据的标定设备执行上述的激光雷达外参数据的标定方法。
本发明的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中存储有指令，当其在计算机上运行时，使得计算机执行上述的激光雷达外参数据的标定方法。
本发明提供的技术方案中，获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵。本发明实施例中，通过对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，再结合雷达旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵，实现了对激光雷达外参数据的二次标定，以修正激光雷达机械结构改变导致的激光雷达外参数据变化，避免了重新通过激光雷达采集点云数据，提高了点云数据的利用率。
附图说明
图1为本发明实施例中激光雷达外参数据的标定方法的一个实施例示意图；
图2为本发明实施例中激光雷达外参数据的标定方法的另一个实施例示意图；
图3为本发明实施例中激光雷达外参数据的标定装置的一个实施例示意图；
图4为本发明实施例中激光雷达外参数据的标定装置的另一个实施例示意图；
图5为本发明实施例中激光雷达外参数据的标定设备的一个实施例示意图。
具体实施方式
本发明提供了一种激光雷达外参数据的标定方法、装置、设备及存储介质，用于提高激光雷达采集的点云数据的利用率。
本发明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”或“具有”及其任何变形，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。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中激光雷达外参数据的标定方法的一个实施例包括：
101、获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；
可以理解的是，本发明的执行主体可以为激光雷达外参数据的标定装置，还可以是终端，具体此处不做限定。本发明实施例以终端为执行主体为例进行说明。
终端通过对激光雷达采集的初始点云数据进行降采样处理，得到待配准点云数据，再从待配准点云数据中选取目标点云和源点云，对目标点云和源点云进行点云配准，进而得到激光雷达的雷达旋转平移矩阵，其中，激光雷达安装于数据采集车辆，点云配准(Point Cloud Registration)指的是输入两帧点云，分别为：源点云Ps(source)和目标点云Pt(target)，输出一个变换T，使得源点云Ps变换后的T(Ps)和目标点云Pt的重合程度提高，即变换T用于表示雷达旋转平移矩阵。
惯性导航数据是通过惯性导航系统(Inertial Navigation System，INS)所采集的关于数据采集车辆的位姿数据流，位姿数据流包括车辆姿态信息、车辆速度信息和车辆位置信息。INS系统中的惯性测量单元(Inertial Measurement Unit，IMU)是INS系统的主要组成部分，惯性测量单元集成了三轴加速度计和陀螺仪，分别用于测量物体的三轴加速度和三轴角速度，通过对加速度数据和角速度数据进行积分运算，可以解算出物体的姿态信息、速度信息和位置信息，即车辆姿态信息、车辆速度信息和车辆位置信息。
102、对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；
终端通过将待配准点云数据中目标点云的第一时间戳对惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵，并通过将待配准点云数据中源点云的第二时间戳对惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵，第一车体旋转平移矩阵和第二车体旋转平移矩阵均为4*4的矩阵。
103、基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵。
终端基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，构建激光雷达外参数据的代价函数式，并对代价函数式进行解算，得到激光雷达与数据采集车辆之间的目标旋转平移矩阵，终端基于目标旋转平移矩阵将激光雷达采集的点云数据变换至数据采集车辆的车体坐标系。
可以理解的是，生成的目标旋转平移矩阵还可以用于此后的高精地图制作，即可以基于目标旋转平移矩阵将激光雷达采集的点云数据变换至数据采集车辆的车体坐标系，从而避免了由于在长期机械振动或其他外力作用下，导致激光雷达的机械位置发生变换，而导致初始标定的激光雷达外参数据失效的问题，不仅提高了激光雷达采集的点云数据的利用率，而且提高了目标旋转平移矩阵的利用率，即提高了激光雷达外参数据的利用率。
本发明实施例中，通过对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，再结合雷达旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵，实现了对激光雷达外参数据的二次标定，以修正激光雷达机械结构改变导致的激光雷达外参数据变化，避免了重新通过激光雷达采集点云数据，提高了点云数据的利用率。
请参阅图2，本发明实施例中激光雷达外参数据的标定方法的另一个实施例包括：
201、获取激光雷达采集的初始点云数据，并对初始点云数据进行降采样处理，得到待配准点云数据；
终端获取激光雷达采集的初始点云数据，并调用预设规格的体素网格对初始点云数据进行降采样处理，得到待配准点云数据，待配准点云数据包括多帧点云，终端通过初始点云数据的降采样处理，降低了点云数据的密度，进而减少了计算量。
其中，具体的预设规格可以根据实际应用场景进行设置，作为示例而非限定的是，预设规格可以是1.0m*1.0m*1.0m，也可以是0.5m*0.5m*0.5m。
终端将初始点云数据转置于预设规格的体素网格，得到目标体素网格，目标体素网格包括多个立方块，每个立方块包含初始点云数据的多个特征点，将每个立方块的质心点替代每个立方块的多个特征点，得到待配准点云数据，从而降低了点云数据的密度。
202、对待配准点云数据进行关键帧选取，得到目标点云和源点云；
终端将待配准点云数据中在预设时长内的点云合并为一个关键帧，并将预设时长内的中间时刻确定为关键帧的时间戳，其中，具体的预设时长可以根据实际应用场景进行设置，作为示例而非限定的是，预设时长可以是0.1秒，也可以是0.2秒。
需要说明的是，目标点云和源点云是相邻的关键帧，终端将目标点云在预设时长内的中间时刻确定为目标点云的时间戳，终端将源点云在预设时长内的中间时刻确定为源点云的时间戳。
终端将时间戳较早的关键帧作为目标点云，将时间戳较晚的关键帧作为源点云，例如，若两个关键帧的时间戳分别为：0.1秒和0.2秒，则终端将0.1秒的关键帧作为目标点云，并将0.2秒的关键帧作为源点云。
例如，预设时长为1秒，即每个关键帧的时长为1秒，终端对待配准点云数据进行关键帧选取，其中，待配准点云数据是从2秒至10秒，可以选取3秒至4秒的关键帧作为目标点云，目标点云对应的时间戳为3.5秒，并选取4秒至5秒的关键帧作为源点云，源点云对应的时间戳为4.5秒。
203、基于目标点云和源点云进行点云配准，得到激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据；
本实施例是采用正态分布点云算法(Normal Distribution Transform，NDT)进行点云配准，还可以采用其他的点云配准算法，例如，ICP算法(Iterative Closest Point)，此处不作限定。
具体的，(1)终端将目标点云转换至预设分辨率的初始三维网格，得到目标三维网格，目标三维网格中的每个网格包括多个三维点，三维点用于指示目标点云的特征点；(2)终端基于每个网格的多个三维点计算每个网格对应的均值和协方差；(3)终端获取目标三维网格中的目标三维点，以及目标网格的目标均值和目标协方差，目标三维点是由源点云的特征点基于初始旋转平移矩阵变换为目标点云的特征点；(4)终端获取源点云的特征点数量，并基于特征点数量、目标三维点、目标均值和目标协方差，对初始旋转平移矩阵进行优化，得到激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
具体的预设分辨率可以根据实际应用场景进行设置，作为示例而非限定的是，预设分辨率可以是0.1m*0.2m*0.3m，也可以是0.2m*0.3m*0.4m。
例如，预设分辨率为0.1m*0.2m*0.3m，终端将目标点云转换至0.1m*0.2m*0.3m的初始三维网格，得到目标三维网格，目标三维网格中的每个网格包括多个三维点，三维点用于指示目标点云的特征点，终端基于每个网格的多个三维点计算每个网格对应的均值和协方差，其中，均值为三维变量M，
Figure BDA0003972922430000101
Np为每个网格中多个三维点的数量，xi、yi和zi分别为每个三维点的x值、y值和z值，协方差C为3*3的矩阵，
Figure BDA0003972922430000102
其中，Pi用于表示每个网格中的每个三维点，每个三维点具有x值、y值和z值，(Pi-M)T右上角的“T”用于表示(Pi-M)的矩阵转置，假设初始旋转平移矩阵为T_cs，T_cs由一个初始旋转矩阵Rcs和一个初始平移向量tcs构成，终端获取目标三维网格中的目标三维点xk，以及目标网格k的目标均值Mtk和目标协方差Ctk，目标三维点xk是由源点云的特征点xk_src基于初始旋转平移矩阵T_cs变换为目标点云的特征点，目标三维点xk具有x值、y值和z值，终端获取源点云的特征点数量Nsrc，并基于特征点数量Nsrc、目标三维点xk、目标均值Mtk和目标协方差Ctk，对初始旋转平移矩阵T_cs进行优化，得到激光雷达对应的雷达旋转平移矩阵T_ndt，并获取数据采集车辆的惯性导航数据，T_ndt由优化后的Rcs和优化后的tcs构成。
204、获取待配准点云数据中的第一时间戳和第二时间戳，第一时间戳用于指示目标点云的时间戳，第二时间戳用于指示源点云的时间戳；
例如，终端获取待配准点云数据中的第一时间戳t1和第二时间戳t2，第一时间戳t1用于指示目标点云的时间戳，第二时间戳t2用于指示源点云的时间戳。
205、基于第一时间戳对惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵；
具体的，(1)终端获取惯性导航数据中第一时刻的第一初始平移分量、第二初始平移分量、第三初始平移分量和第一初始旋转分量；(2)终端获取惯性导航数据中第二时刻的第四初始平移分量、第五初始平移分量、第六初始平移分量和第二初始旋转分量，第一时间戳大于第一时刻且小于第二时刻；(3)终端基于第一时间戳、第一时刻、第二时刻、第一初始平移分量、第二初始平移分量、第三初始平移分量、第四初始平移分量、第五初始平移分量、第六初始平移分量和预设平移分量公式进行运算，得到数据采集车辆的第一目标平移分量；(4)终端基于第一初始旋转分量、第二初始旋转分量和预设旋转分量公式进行运算，得到数据采集车辆的第一目标旋转分量；(5)终端基于第一目标平移分量和第一目标旋转分量，得到第一车体旋转平移矩阵。
例如，基于步骤204的例子，终端获取惯性导航数据中第一时刻ta的第一初始平移分量xa、第二初始平移分量ya、第三初始平移分量za和第一初始旋转分量qa，即第一时刻ta的惯性导航数据为：[xa，ya，za，qa]，终端获取惯性导航数据中第二时刻tb的第四初始平移分量xb、第五初始平移分量yb、第六初始平移分量zb和第二初始旋转分量qb，第一时间戳t1大于第一时刻ta且小于第二时刻tb，即第二时刻tb的惯性导航数据为：[xb，yb，zb，qb]，假设第一车体旋转平移矩阵为：T_ins_p1，T_ins_p1可分解为第一目标平移分量[x1，y1，z1]和第一目标旋转分量q1，终端基于第一时间戳t1、第一时刻ta、第二时刻tb、第一初始平移分量xa、第二初始平移分量ya、第三初始平移分量za、第四初始平移分量xb、第五初始平移分量yb、第六初始平移分量zb和预设平移分量公式进行运算，得到数据采集车辆的第一目标平移分量，其中，预设平移分量公式包括
Figure BDA0003972922430000111
x1＝r*(xb-xa)、y1＝r*(yb-ya)和z1＝r*(zb-za)，即第一目标平移分量为：[x1，y1，z1]，终端基于第一初始旋转分量qa、第二初始旋转分量qb和预设旋转分量公式进行运算，得到数据采集车辆的第一目标旋转分量，其中，预设旋转分量公式为：
Figure BDA0003972922430000112
其中，
Figure BDA0003972922430000113
theta用于表示第一初始旋转分量qa与第二初始旋转分量qb之间的夹角，即第一目标旋转分量为：q1，终端基于第一目标平移分量[x1，y1，z1]和第一目标旋转分量q1，得到第一车体旋转平移矩阵T_ins_p1，第一车体旋转平移矩阵T_ins_p1为4*4的矩阵，具体的，终端将第一目标旋转分量q1转换为3*3的第一车体旋转矩阵R3*3，将第一目标平移分量[x1，y1，z1]合成为3*1的第一车体平移矩阵t3*1，即第一车体旋转平移矩阵为：
Figure BDA0003972922430000114
其中，第一目标旋转分量q1为一个四元数，包含一个标量分量w和一个向量分量，向量分量包括x1，y1，z1，即q1＝[w，(x1，y1，z1)]，将q1定义为复数，即q1＝w+i*x1+j*y1+k*z1，其中，i，j，k为虚部，对应关系如下：i*j＝k，j*i＝-k；j*k＝i，k*j＝-i；k*i＝j，i*k＝-j，对于i、j、k本身的几何意义可以理解为一种旋转，其中，i旋转代表X轴与Y轴相交平面中X轴正向向Y轴正向的旋转，j旋转代表Z轴与X轴相交平面中Z轴正向向X轴正向的旋转，k旋转代表Y轴与Z轴相交平面中Y轴正向向Z轴正向的旋转，-i、-j、-k分别代表i、j、k旋转的反向旋转，终端将第一目标旋转分量q1转换为3*3的第一车体旋转矩阵R3*3，则
Figure BDA0003972922430000121
第一车体平移矩阵t3*1为：
Figure BDA0003972922430000122
即第一车体旋转平移矩阵为：
Figure BDA0003972922430000123
206、基于第二时间戳对惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵；
具体的，(1)终端获取惯性导航数据中第三时刻的第七初始平移分量、第八初始平移分量、第九初始平移分量和第三初始旋转分量；(2)终端获取惯性导航数据中第四时刻的第十初始平移分量、第十一初始平移分量、第十二初始平移分量和第四初始旋转分量，第二时间戳大于第三时刻且小于第四时刻；(3)终端基于第二时间戳、第三时刻、第四时刻、第七初始平移分量、第八初始平移分量、第九初始平移分量、第十初始平移分量、第十一初始平移分量、第十二初始平移分量和预设平移分量公式进行运算，得到数据采集车辆的第二目标平移分量；(4)终端基于第三初始旋转分量、第四初始旋转分量和预设旋转分量公式进行运算，得到数据采集车辆的第二目标旋转分量；(5)终端基于第二目标平移分量和第二目标旋转分量，得到第二车体旋转平移矩阵。
例如，基于步骤204的例子，该步骤206的执行过程与上述步骤205的执行过程相同，此处不再赘述，其中，第二车体旋转平移矩阵为T_ins_p2，第二车体旋转平移矩阵T_ins_p2为4*4的矩阵。
207、基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，构建激光雷达外参数据的代价函数式；
基于步骤203至步骤206的例子，终端基于雷达旋转平移矩阵T_ndt、第一车体旋转平移矩阵T_ins_p1和第二车体旋转平移矩阵T_ins_p2，构建激光雷达外参数据的代价函数式，代价函数式为：f(T_calib)＝T_ins_p1*T_calib*[T_ins_p1]-1*T_ndt-T_ins_p2*T_calib*[T_ins_p2]-1，其中，T_calib用于表示激光雷达与数据采集车辆之间的目标旋转平移矩阵，T_ins_p1右上角的“-1”用于表示第一车体旋转平移矩阵T_ins_p1的逆矩阵，T_ins_p2右上角的“-1”用于表示第二车体旋转平移矩阵T_ins_p2的逆矩阵。
208、对代价函数式进行解算，得到激光雷达与数据采集车辆之间的目标旋转平移矩阵。
终端对代价函数式进行解算，当f(T_calib)＝T_ins_p1*T_calib*[T_ins_p1]-1*T_ndt-T_ins_p2*T_calib*[T_ins_p2]-1中f(T_calib)等于预设代价函数值时，得到激光雷达与数据采集车辆之间的目标旋转平移矩阵T_calib，具体的预设代价函数值可以根据实际应用场景进行设置，作为示例而非限定的是，预设代价函数值可以是0.1，也可以是0.2，。
本实施例可以通过图优化求解器g2o对代价函数式进行解算，也可以通过其他的优化求解器进行解算，此处不作限定。
在一种可行的实施方式中，获取源点云的特征点数量，并基于特征点数量、目标三维点、目标均值和目标协方差，对初始旋转平移矩阵进行优化，得到激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据，包括：(1)终端获取源点云的特征点数量；(2)终端基于特征点数量、目标三维点、目标均值和目标协方差，构建误差函数式；(3)终端基于误差函数式对初始旋转平移矩阵进行优化，生成目标函数值；(4)当目标函数值小于或等于预设值时，得到激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
例如，基于步骤203的例子，终端获取源点云的特征点数量Nsrc，终端基于特征点数量Nsrc、目标三维点xk、目标均值Mtk和目标协方差Ctk，构建误差函数式，误差函数式为：
Figure BDA0003972922430000131
其中，(xk-Mtk)T右上角的“T”用于表示(xk-Mtk)的矩阵转置，xk＝Rcs*xk_src+tcs，
Figure BDA0003972922430000132
det(∑)的“∑”用于表示协方差C，det(∑)用于表示协方差C的行列式，p0为待配准点云数据的信噪比，即待配准点云数据中噪点与所有特征点的比值，
Figure BDA0003972922430000141
h为预设分辨率，d3＝-log(c2)，d1＝-log(c1+c2)-d3，
Figure BDA0003972922430000142
“exp”用于表示以自然常数e为底的指数函数，“log”用于表示对数，终端基于误差函数式对初始旋转平移矩阵T_cs进行优化，生成目标函数值err_function，当目标函数值小于或等于预设值时，得到激光雷达对应的雷达旋转平移矩阵T_ndt，，并获取数据采集车辆的惯性导航数据，T_ndt由优化后的Rcs和优化后的tcs构成，其中，预设值可以是0.1，也可以是0.2，具体的预设值可以根据实际应用场景进行设置。
本发明实施例中，通过对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，再结合雷达旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵，实现了对激光雷达外参数据的二次标定，以修正激光雷达机械结构改变导致的激光雷达外参数据变化，避免了重新通过激光雷达采集点云数据，提高了点云数据的利用率。
上面对本发明实施例中激光雷达外参数据的标定方法进行了描述，下面对本发明实施例中激光雷达外参数据的标定装置进行描述，请参阅图3，本发明实施例中激光雷达外参数据的标定装置一个实施例包括：
获取模块301，用于获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；
处理模块302，用于对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；
生成模块303，用于基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵。
本发明实施例中，通过对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，再结合雷达旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵，实现了对激光雷达外参数据的二次标定，以修正激光雷达机械结构改变导致的激光雷达外参数据变化，避免了重新通过激光雷达采集点云数据，提高了点云数据的利用率。
请参阅图4，本发明实施例中激光雷达外参数据的标定装置的另一个实施例包括：
获取模块301，用于获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；
处理模块302，用于对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；
生成模块303，用于基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵。
可选的，处理模块302包括：
获取单元3021，用于获取待配准点云数据中的第一时间戳和第二时间戳，第一时间戳用于指示目标点云的时间戳，第二时间戳用于指示源点云的时间戳；
第一处理单元3022，用于基于第一时间戳对惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵；
第二处理单元3023，用于基于第二时间戳对惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵。
可选的，第一处理单元3022具体用于：
获取惯性导航数据中第一时刻的第一初始平移分量、第二初始平移分量、第三初始平移分量和第一初始旋转分量；
获取惯性导航数据中第二时刻的第四初始平移分量、第五初始平移分量、第六初始平移分量和第二初始旋转分量，第一时间戳大于第一时刻且小于第二时刻；
基于第一时间戳、第一时刻、第二时刻、第一初始平移分量、第二初始平移分量、第三初始平移分量、第四初始平移分量、第五初始平移分量、第六初始平移分量和预设平移分量公式进行运算，得到数据采集车辆的第一目标平移分量；
基于第一初始旋转分量、第二初始旋转分量和预设旋转分量公式进行运算，得到数据采集车辆的第一目标旋转分量；
基于第一目标平移分量和第一目标旋转分量，得到第一车体旋转平移矩阵。
可选的，第二处理单元3023具体用于：
获取惯性导航数据中第三时刻的第七初始平移分量、第八初始平移分量、第九初始平移分量和第三初始旋转分量；
获取惯性导航数据中第四时刻的第十初始平移分量、第十一初始平移分量、第十二初始平移分量和第四初始旋转分量，第二时间戳大于第三时刻且小于第四时刻；
基于第二时间戳、第三时刻、第四时刻、第七初始平移分量、第八初始平移分量、第九初始平移分量、第十初始平移分量、第十一初始平移分量、第十二初始平移分量和预设平移分量公式进行运算，得到数据采集车辆的第二目标平移分量；
基于第三初始旋转分量、第四初始旋转分量和预设旋转分量公式进行运算，得到数据采集车辆的第二目标旋转分量；
基于第二目标平移分量和第二目标旋转分量，得到第二车体旋转平移矩阵。
可选的，生成模块303具体用于：
基于雷达旋转平移矩阵、第一车体旋转平移矩阵和第二车体旋转平移矩阵，构建激光雷达外参数据的代价函数式；
对代价函数式进行解算，得到激光雷达与数据采集车辆之间的目标旋转平移矩阵。
可选的，获取模块301包括：
降采样单元3011，用于获取激光雷达采集的初始点云数据，并对初始点云数据进行降采样处理，得到待配准点云数据；
选取单元3012，用于对待配准点云数据进行关键帧选取，得到目标点云和源点云；
配准单元3013，用于基于目标点云和源点云进行点云配准，得到激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
可选的，配准单元3013具体用于：
将目标点云转换至预设分辨率的初始三维网格，得到目标三维网格，目标三维网格中的每个网格包括多个三维点，三维点用于指示目标点云的特征点；
基于每个网格的多个三维点计算每个网格对应的均值和协方差；
获取目标三维网格中的目标三维点，以及目标网格的目标均值和目标协方差，目标三维点是由源点云的特征点基于初始旋转平移矩阵变换为目标点云的特征点；
获取源点云的特征点数量，并基于特征点数量、目标三维点、目标均值和目标协方差，对初始旋转平移矩阵进行优化，得到激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
本发明实施例中，通过对惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，再结合雷达旋转平移矩阵，生成激光雷达与数据采集车辆之间的目标旋转平移矩阵，实现了对激光雷达外参数据的二次标定，以修正激光雷达机械结构改变导致的激光雷达外参数据变化，避免了重新通过激光雷达采集点云数据，提高了点云数据的利用率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的激光雷达外参数据的标定装置进行详细描述，下面从硬件处理的角度对本发明实施例中激光雷达外参数据的标定设备进行详细描述。
图5是本发明实施例提供的一种激光雷达外参数据的标定设备的结构示意图，该激光雷达外参数据的标定设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对激光雷达外参数据的标定设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在激光雷达外参数据的标定设备500上执行存储介质530中的一系列指令操作。
激光雷达外参数据的标定设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的激光雷达外参数据的标定设备结构并不构成对激光雷达外参数据的标定设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种激光雷达外参数据的标定设备，所述激光雷达外参数据的标定设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述激光雷达外参数据的标定方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述激光雷达外参数据的标定方法的步骤。
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。
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，本发明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)执行本发明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(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。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种激光雷达外参数据的标定方法，其特征在于，所述激光雷达外参数据的标定方法包括：
获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；
对所述惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；
基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，生成所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
2.根据权利要求1所述的激光雷达外参数据的标定方法，其特征在于，所述对所述惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵，包括：
获取待配准点云数据中的第一时间戳和第二时间戳，所述第一时间戳用于指示目标点云的时间戳，所述第二时间戳用于指示源点云的时间戳；
基于所述第一时间戳对所述惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵；
基于所述第二时间戳对所述惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵。
3.根据权利要求2所述的激光雷达外参数据的标定方法，其特征在于，所述基于所述第一时间戳对所述惯性导航数据进行线性内插处理，得到第一车体旋转平移矩阵，包括：
获取所述惯性导航数据中第一时刻的第一初始平移分量、第二初始平移分量、第三初始平移分量和第一初始旋转分量；
获取所述惯性导航数据中第二时刻的第四初始平移分量、第五初始平移分量、第六初始平移分量和第二初始旋转分量，所述第一时间戳大于所述第一时刻且小于所述第二时刻；
基于所述第一时间戳、所述第一时刻、所述第二时刻、所述第一初始平移分量、所述第二初始平移分量、所述第三初始平移分量、所述第四初始平移分量、所述第五初始平移分量、所述第六初始平移分量和预设平移分量公式进行运算，得到所述数据采集车辆的第一目标平移分量；
基于所述第一初始旋转分量、所述第二初始旋转分量和预设旋转分量公式进行运算，得到所述数据采集车辆的第一目标旋转分量；
基于所述第一目标平移分量和所述第一目标旋转分量，得到第一车体旋转平移矩阵。
4.根据权利要求2所述的激光雷达外参数据的标定方法，其特征在于，所述基于所述第二时间戳对所述惯性导航数据进行线性内插处理，得到第二车体旋转平移矩阵，包括：
获取所述惯性导航数据中第三时刻的第七初始平移分量、第八初始平移分量、第九初始平移分量和第三初始旋转分量；
获取所述惯性导航数据中第四时刻的第十初始平移分量、第十一初始平移分量、第十二初始平移分量和第四初始旋转分量，所述第二时间戳大于所述第三时刻且小于所述第四时刻；
基于所述第二时间戳、所述第三时刻、所述第四时刻、所述第七初始平移分量、所述第八初始平移分量、所述第九初始平移分量、所述第十初始平移分量、所述第十一初始平移分量、所述第十二初始平移分量和预设平移分量公式进行运算，得到所述数据采集车辆的第二目标平移分量；
基于所述第三初始旋转分量、所述第四初始旋转分量和预设旋转分量公式进行运算，得到所述数据采集车辆的第二目标旋转分量；
基于所述第二目标平移分量和所述第二目标旋转分量，得到第二车体旋转平移矩阵。
5.根据权利要求1-4中任一项所述的激光雷达外参数据的标定方法，其特征在于，所述基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，生成所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵，包括：
基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，构建激光雷达外参数据的代价函数式；
对所述代价函数式进行解算，得到所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
6.根据权利要求1所述的激光雷达外参数据的标定方法，其特征在于，所述获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据，包括：
获取所述激光雷达采集的初始点云数据，并对所述初始点云数据进行降采样处理，得到待配准点云数据；
对所述待配准点云数据进行关键帧选取，得到目标点云和源点云；
基于所述目标点云和所述源点云进行点云配准，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
7.根据权利要求6所述的激光雷达外参数据的标定方法，其特征在于，所述基于所述目标点云和所述源点云进行点云配准，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据，包括：
将所述目标点云转换至预设分辨率的初始三维网格，得到目标三维网格，所述目标三维网格中的每个网格包括多个三维点，三维点用于指示目标点云的特征点；
基于每个网格的多个三维点计算每个网格对应的均值和协方差；
获取所述目标三维网格中的目标三维点，以及目标网格的目标均值和目标协方差，所述目标三维点是由所述源点云的特征点基于初始旋转平移矩阵变换为所述目标点云的特征点；
获取所述源点云的特征点数量，并基于所述特征点数量、所述目标三维点、所述目标均值和所述目标协方差，对所述初始旋转平移矩阵进行优化，得到所述激光雷达对应的雷达旋转平移矩阵，并获取数据采集车辆的惯性导航数据。
8.一种激光雷达外参数据的标定装置，其特征在于，所述激光雷达外参数据的标定装置包括：
获取模块，用于获取激光雷达的雷达旋转平移矩阵和数据采集车辆的惯性导航数据；
处理模块，用于对所述惯性导航数据进行内插处理，得到第一车体旋转平移矩阵和第二车体旋转平移矩阵；
生成模块，用于基于所述雷达旋转平移矩阵、所述第一车体旋转平移矩阵和所述第二车体旋转平移矩阵，生成所述激光雷达与所述数据采集车辆之间的目标旋转平移矩阵。
9.一种激光雷达外参数据的标定设备，其特征在于，所述激光雷达外参数据的标定设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述激光雷达外参数据的标定设备执行如权利要求1-7中任一项所述的激光雷达外参数据的标定方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述激光雷达外参数据的标定方法。
CN202211525478.7A 2022-11-30 2022-11-30 激光雷达外参数据的标定方法、装置、设备及存储介质 Pending CN115932804A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211525478.7A CN115932804A (zh) 2022-11-30 2022-11-30 激光雷达外参数据的标定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211525478.7A CN115932804A (zh) 2022-11-30 2022-11-30 激光雷达外参数据的标定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115932804A true CN115932804A (zh) 2023-04-07

Family

ID=86553329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211525478.7A Pending CN115932804A (zh) 2022-11-30 2022-11-30 激光雷达外参数据的标定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115932804A (zh)

Similar Documents

Publication Publication Date Title
EP3621034B1 (en) Method and apparatus for calibrating relative parameters of collector, and storage medium
CN111812658B (zh) 位置确定方法、装置、系统和计算机可读存储介质
EP3528489B1 (en) Method and system for panoramic video stabilization, and portable terminal
CN113361365B (zh) 定位方法和装置、设备及存储介质
CN116106864A (zh) 点云的运动补偿方法、装置、存储介质及激光雷达
CN113470091B (zh) 轮毂点云配准方法、装置、电子设备和存储介质
CN117788529B (zh) 三维平面点云粗配准方法、系统、介质及设备
CN110956666A (zh) 运动数据标定方法、装置、终端设备及存储介质
CN111612731A (zh) 基于双目显微视觉的测量方法、装置、系统及介质
CN116170689A (zh) 视频生成方法、装置、计算机设备和存储介质
CN114926316A (zh) 距离测量方法、装置、电子设备及存储介质
CN111351487B (zh) 多传感器的时钟同步方法、装置及计算设备
CN115932804A (zh) 激光雷达外参数据的标定方法、装置、设备及存储介质
CN117367458A (zh) 地图的精度验证方法、装置、终端设备及介质
CN114399587B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN115239758A (zh) 时间戳校正方法、装置、设备、介质及计算机程序产品
CN111739102B (zh) 电子设备的内外参标定方法、装置和计算机设备
CN115309630A (zh) 自动驾驶仿真数据的生成方法、装置、设备及存储介质
CN114140508A (zh) 一种三维重建模型生成的方法、系统、设备及可读存储介质
CN115082290A (zh) 激光雷达点云的投影方法、装置、设备及存储介质
EP4109044A1 (en) System and a method for analyzing the motions of a mechanical structure
CN113159197A (zh) 一种纯旋转运动状态判定方法及装置
CN112873280A (zh) 一种用于机器人的传感器的标定方法及设备
Borst Tracker calibration using tetrahedral mesh and tricubic spline models of warp
CN113126058A (zh) 存储器、用于机载激光雷达系统的控制方法及装置

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