CN115980680A - 标定方法和装置 - Google Patents

Abstract

本公开涉及一种标定方法和装置，涉及工程机械技术领域。其中，标定方法包括：获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的所述标定场景下的第二点云数据，所述标定场景中设有多个标定物；根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数；根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标；根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。通过以上方法，能够提高多传感器标定的精度，提高标定的可操作性，降低标定成本。

Description

标定方法和装置

技术领域

本公开涉及工程机械技术领域，特别涉及一种标定方法和装置。

背景技术

自动驾驶主要是依靠设备搭载的多个传感器对外界环境进行检测，然后机利用算法处理传感器数据，进而辅助设备自动运作。矿区中的自动驾驶需求主要体现在挖掘机、矿卡、宽体车等机械设备。

在自动驾驶中，需要机械设备搭载的多个传感器能够准确检测外界环境信息。其中，首先要做的是多传感器到机械设备的外参标定。例如针对挖掘机上的激光雷达和毫米波雷达进行标定。

发明内容

本公开提出了一种标定方法和装置。

根据本公开的第一方面，提供了一种标定方法，包括：获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的所述标定场景下的第二点云数据，所述标定场景中设有多个标定物，所述第一点云数据包括地面的点云数据和标定物的点云数据，所述第二点云数据包括标定物的点云数据；根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数；根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标；根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。

在一些实施例中，所述第一车载雷达到车体的标定参数包括旋转标定参数，所述旋转标定参数包括第一车载雷达到车体的滚转角、俯仰角和偏航角，所述根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体坐标系的标定参数包括：根据第一点云数据中的地面的点云数据，确定第一车载雷达到车体的滚转角和俯仰角；根据第一点云数据中的标定物的点云数据，确定第一车载雷达到车体的偏航角。

在一些实施例中，所述根据第一点云数据中的标定物的点云数据，确定第一车载雷达到车体的偏航角包括：根据第一点云数据中至少一个标定物的点云数据，确定所述至少一个标定物的质心坐标；根据所述至少一个标定物的质心坐标，确定第一车载雷达到车体的偏航角。

在一些实施例中，所述至少一个标定物为所述多个标定物中的中心标定物，所述中心标定物为位于车辆正前方的标定物。

在一些实施例中，所述根据第一点云数据中的地面的点云数据，确定第一车载雷达到车体的滚转角和俯仰角包括：根据第一点云数据中的地面的点云数据进行平面拟合，确定拟合出的平面的法向量；根据拟合出的地面的法向量，确定第一车载雷达到车体的滚转角和俯仰角。

在一些实施例中，所述车体坐标系下多个标定物的坐标为标定物的质心坐标，所述根据第一车载雷达到车体坐标系的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标包括：根据第一点云数据中的标定物的点云数据，确定第一雷达坐标系下多个标定物的质心坐标；根据第一车载雷达到车体的标定参数、以及第一雷达坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的质心坐标。

在一些实施例中，所述车体坐标系下多个标定物的坐标为标定物的质心坐标，所述根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数包括：根据第二点云数据中的标定物的点云数据，确定第二雷达坐标系下多个标定物的二维坐标；根据车体坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的二维坐标分量；根据第二雷达坐标系下多个标定物的二维坐标、以及车体坐标系下多个标定物的二维坐标分量，构建多个二维坐标组；根据所述多个二维坐标组，对标定参数计算模型进行求解，以得到第二车载雷达到车体的标定参数。

在一些实施例中，所述多个标定物的数量大于或等于3，且所述多个标定物交错排列、互不遮挡。

在一些实施例中，还包括：根据所述第一车载雷达到车体的标定参数、所述第二车载雷达到车体的标定参数，对标定效果进行评估，其中：在所述标定效果评估值不符合预设条件的情况下，重新获取第一车载雷达、以及第二车载雷达采集的标定场景下的点云数据，并基于所述标定场景下的点云数据进行第一车载雷达、第二车载雷达到车体的标定；在所述标定效果评估值符合预设条件的情况下，结束标定。

在一些实施例中，所述根据所述第一车载雷达到车体的标定参数、所述第二车载雷达到车体的标定参数，对标定效果进行评估包括：利用所述第一车载雷达到车体的标定参数，将第一雷达坐标系下的多个标定物的坐标转换至车体坐标系，以得到车体坐标系下的第一点集；利用所述第二车载雷达到车体的标定参数，将第二雷达坐标下的多个标定物的坐标转换车体坐标系，以得到车体坐标系下的第二点集；根据最近点搜索算法，计算第一点集和第二点集的重合程度，并将所述重合程度作为标定效果评估值。

在一些实施例中，所述第一车载雷达到车体的标定参数还包括平移标定参数，所述标定方法还包括：根据第一车载雷达的安装位置，确定第一车载雷达到车体的平移标定参数。

在一些实施例中，所述第一车载雷达为激光雷达，所述第二车载雷达为毫米波雷达。

根据本公开的第二方面，提出了一种标定装置，包括：获取模块，被配置为获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的所述标定场景下的第二点云数据，所述标定场景中设有多个标定物，所述第一点云数据包括地面的点云数据和标定物的点云数据，所述第二点云数据包括标定物的点云数据；第一标定模块，被配置为根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数；确定模块，被配置为根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标；第二标定模块，被配置为根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。

根据本公开的第三方面，提供了一种标定装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行如上所述的标定方法。

根据本公开的第四方面，提供了一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如上所述的标定方法。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1是示出根据本公开一些实施例的标定方法的流程示意图；

图2是示出根据本公开一些实施例的标定场景示意图；

图3是示出根据本公开一些实施例的确定第一车载雷达到车体的部分标定参数的原理示意图；

图4是示出根据本公开另一些实施例的标定方法的流程示意图；

图5a是示出根据本公开一些实施例的激光雷达和毫米波雷达扫描到的标定物数据的示意图；

图5b是示出根据本公开一些实施例的对标定效果进行评估的原理示意图；

图6是示出根据本公开一些实施例的标定装置的框图；

图7是示出根据本公开另一些实施例的标定装置的框图；

图8是示出用于实现本公开一些实施例的计算机系统的框图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

相关技术中，借助角反射器对激光雷达和毫米波雷达进行联合标定，包括：通过移动角反射器，获取角反射器不同位置在激光雷达坐标系和毫米波雷达坐标系下的多组坐标数据，基于多组坐标数据确定激光雷达和毫米波雷达的坐标变换关系。

相关技术中的激光雷达和毫米波雷达联合标定方法存在以下问题：(1)低精度：一组激光雷达和毫米波雷达的对应数据只有一个，缺少多点约束，使得解算结果的精度差、鲁棒性不足；(2)高成本：标定辅助工具角反射器的成本较高，且需要人工移动角反射器进行多次测量，人力、物力成本高；(3)可操作性差：采集数据时，需要使角反射器的感光单元位于激光雷达扫描线上，可操作性差；而且，在实现激光雷达和毫米波雷达之间的标定之后，还需要进行雷达至车体的标定。

鉴于此，本公开提出了一种标定方法和装置，能够提高标定精度，降低标定成本，提高标定可操作性。

图1是示出根据本公开一些实施例的标定方法的流程示意图。

如图1所示，本公开实施例的标定方法包括：

步骤S110：获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的标定场景下的第二点云数据。

其中，标定场景包括多个标定物。例如，多个标定物为多根立杆，或者多个其他形式的标定物。

在一些实施例中，标定物的数量大于或等于3，且多个标定物交错排列、互不遮挡。例如，将5根立杆按照预设规则，垂直设置于地面上。比如，将这5根立杆分为两排，且令这5根立杆交错排列、相互不遮挡，以保证第一车载雷达和第二车载雷达都能同时扫描到这5根立杆；并且，令这5根立杆中的一根立杆为中心标定物，即设置在车辆正前方的标定物，以便于在后续标定计算过程中能够利用中心标定物的点云数据，减少标定计算量。

其中，第一点云数据包括地面的点云数据和标定物的点云数据，第二点云数据包括标定物的点云数据。

在一些实施例中，第一车载雷达为激光雷达、第二车载雷达为毫米波雷达。第一点云数据为激光雷达采集的点云数据，其包括地面的点云数据和标定物的点云数据；第二点云数据为毫米波雷达采集的点云数据，其包括标定物的点云数据。

此外，在不影响本公开实施的情况下，第一车载雷达、第二车载雷达还可以为其他雷达。例如，第一车载雷达为激光雷达、第二车载雷达也为激光雷达。

在一些实施例中，在步骤S110之前，还包括构建标定场景。例如，选取一块平整的地面，在该平整地面设置多个标定物，以及，令地面区域与车体坐标系中的一个坐标平面平行。比如，基于右手定则创建车体坐标系，首先确定车体坐标系的坐标原点o，令车体坐标原点的正前方为车体坐标系的x轴、令车体坐标原点的左侧方向为车体坐标系的y轴，车体坐标原点的正上方为车体坐标系的z轴，令地面区域与车体坐标系中的xoy平面平行。

步骤S120：根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数。

在一些实施例中，第一车载雷达到车体的标定参数包括旋转标定参数，旋转标定参数包括第一车载雷达到车体的滚转角、俯仰角和偏航角。在这些实施例中，步骤S120包括：根据第一点云数据中的地面的点云数据，确定第一车载雷达到车体的滚转角和俯仰角；根据第一点云数据中的标定物的点云数据，确定第一车载雷达到车体的偏航角。

在一些实施例中，在步骤S120中，根据如下方式确定第一车载雷达到车体的滚转角和俯仰角：根据第一点云数据中的地面的点云数据进行平面拟合，确定拟合出的平面的法向量；根据拟合出的地面的法向量，确定第一车载雷达到车体的滚转角和俯仰角。

例如，在地面区域为与车体坐标系中的xoy平面平行的平面时，地面所在平面的法向量可表示为(Normal_x，Normal_y，Normal_z)，计算第一车载雷达到车体的滚转角和俯仰角的公式可表示为：

式中，roll为第一车载雷达到车体的滚转角，将法向量投影到yoz平面，可得到第一车载雷达到车体的滚转角；pitch为第一车载雷达到车体的俯仰角，将法向量投影到xoz平面，可得到第一车载雷达到车体的俯仰角。

在一些实施例中，在步骤S120中，根据如下方式确定第一车载雷达到车体的偏航角：根据第一点云数据中至少一个标定物的点云数据，确定至少一个标定物的质心坐标；根据至少一个标定物的质心坐标，确定第一车载雷达到车体的偏航角。

例如，在步骤S120中，根据第一点云数据中的中心标定物的点云数据，确定中心标定物的质心坐标；根据中心坐标系的质心坐标，确定第一车载雷达到车体的偏航角。

进一步，在地面区域为与车体坐标系中的xoy平面平行的平面时，可根据如下公式计算第一车载雷达到车体的偏航角：

式中，yaw为第一车载雷达到车体的偏航角，red_y、red_x为中心标定物的质心坐标中的两个坐标分量。

在本公开实施例中，第一车载雷达测量的第一点云数据中包括多个标定物的点云数据，而每个标定物的点云数据包括多个点云点，进而每个标定物有多个坐标点。通过选用标定物的质心坐标确定第一车载雷达至车体的偏航角，能够提高标定结果的准确性；进一步，通过选用位于车体正前方的中心标定物的质心坐标来确定第一车载雷达到车体的偏航角，能够简化标定参数计算过程，进一步提高标定结果的准确性。

例如，在步骤S120中，根据第一点云数据中的多个标定物的点云数据，确定多个标定物的质心坐标；根据多个标定物中每个标定物的质心坐标，确定第一车载雷达到车体的偏航角的初始值；对多个偏航角的初始值取平均，以得到最终的第一车载雷达到车体的偏航角。

在本公开实施例中，通过选用多个标定物的质心坐标确定第一车载雷达至车体的偏航角，能够减小标定误差，进一步提高得到的标定结果的准确性。

在一些实施例中，第一车载雷达到车体的标定参数还包括平移标定参数，标定方法还包括：根据第一车载雷达的安装位置，确定第一车载雷达到车体的平移标定参数。例如，通过激光测距仪等工具测量第一车载雷达到车体的平移标定参数。

步骤S130：根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标。

在一些实施例中，车体坐标系下多个标定物的坐标为标定物的质心坐标，步骤S130包括：根据第一点云数据中的标定物的点云数据，确定第一雷达坐标系下多个标定物的质心坐标；根据第一车载雷达到车体的标定参数、以及第一雷达坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的质心坐标。

在本公开实施例中，通过利用第一车载雷达到车体的标定参数，对第一雷达坐标系下的多个标定物的质心坐标进行坐标变换，以得到车体坐标系下的多个标定物的质心坐标，有助于后续与第二车载雷达采集的标定物的坐标组成多个更为精准的二维坐标组，进而提高确定的第二车载雷达到车体的标定参数的精度。

步骤S140：根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。

在一些实施例中，车体坐标系下的多个标定物的坐标为标定物的质心坐标，步骤S140包括：根据第二点云数据中的标定物的点云数据，确定第二雷达坐标系下多个标定物的二维坐标；根据车体坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的二维坐标分量；根据第二雷达坐标系下多个标定物的二维坐标、以及车体坐标系下多个标定物的二维坐标分量，构建多个二维坐标组；根据多个二维坐标组，对标定参数计算模型进行求解，以得到第二车载雷达到车体的标定参数。

在本公开实施例中，通过以上步骤能够实现第一车载雷达到车体的标定、第二车载雷达到车体的标定。与相关技术相比，本公开提供的标定流程的标定精度高，利用多组第一车载雷达、第二车载雷达采集的数据确定标定参数，使得标定结果的精度高、鲁棒性强；标定成本低，只需在标定场景中设置多个诸如立杆的标定物，利用雷达采集点云数据即可，无需人为反复移动角反射器进行多次测量，降低标定所需的人力、物力成本；标定过程的可操作性强、实用性强，标定场景创建方便、快速，降低了标定难度，提高了标定效率。

图2是示出根据本公开一些实施例的标定场景示意图。如2所示，机械设备201上设置有第一车载雷达202、以及第二车载雷达203。

在一些实施例中，机械设备201为挖掘机，在挖掘机上设置的第一车载雷达202为激光雷达，在挖掘机上设置的第二车载雷达203为毫米波雷达。

在一些实施例中，选取一块平整的地面区域，并在地面区域上设置多个标定物204。令挖掘机行驶至该地面区域，通过第一车载雷达和第二车载雷达扫描获取第一点云数据和第二点云数据，利用第一点云数据和第二点云数据确定第一车载雷达到车体的标定参数、以及第二车载雷达到车体的标定参数。

例如，根据如下方式选取平整的地面区域：调度中心根据实时更新的地图，自动选择与纬度平行的地面区域。此外，本公开也可采取其他方式选取平整的地面区域。

在选取出平整的地面区域之后，调度中心根据选择出的平整地面区域和挖掘机所在位置，规划挖掘机的行驶路径，并将规划出的行驶路径发送至挖掘机，以令挖掘机按照该行驶路径自动行驶至该平整的地面区域。此外，在选取出平整的地面区域之后，也可以由挖掘机操作人员或标定人员控制挖掘机行驶至该平整的地面区域。

在一些实施例中，地面区域上设置的标定物204为立杆。例如，在选取的地面区域上，垂直设置5根立杆。其中，这5根立杆分为两排设置，且相互不遮挡，以保证第一车载雷达和第二车载雷达都能同时扫描到这5根立杆；而且，这5根立杆中的其中一根设置在挖掘机车体的正前方、正中间的位置，以便后续根据该立杆的点云数据简化后续部分标定参数的计算过程。此外，考虑到激光雷达的分辨率随着距离的增加而减少，建议将立杆设置在距离激光雷达预设范围(比如15米)内。

在挖掘机行驶至该平整的地面区域，并设置多个标定物之后，启动第一车载雷达和第二车载雷达，开始采集点云数据。其中，第一车载雷达采集的第一点云数据包括地面的点云数据和标定物的点云数据205，第二车载雷达采集的第二点云数据包括标定物的点云数据205。

在一些实施例中，使用机器人操作系统(Robot Operating System，ros)以及与雷达配套的ros版本的雷达驱动程序启动雷达。之后，判断第一车载雷达和第二车载雷达是否都能扫描到立杆数据；若第一车载雷达和第二车载雷达都能扫描到立杆数据，开始接收第一点云数据和第二点云数据；否则，对第一车载雷达和第二车载雷达进行检查、维修等处理，再次判断第一车载雷达和第二车载雷达是否都能扫描到立杆数据。

例如，根据如下方式判断第一车载雷达和第二车载雷达是否都能扫描到立杆数据：利用ros系统中的可视化工具(rviz)判断第一车载雷达以及第二车载雷达是否都能扫描到立杆数据。其中，ros系统中的可视化工具，可在获取到立杆数据和地面数据时，通过3D视图显示区显示根据获取数据生成的立杆和地面，因此，可通过3D视图显示区的显示信息判断第一车载雷达以及第二车载雷达是否都能扫描到立杆数据。

例如，根据如下方式判断第一车载雷达和第二车载雷达是否都能扫描到立杆数据：发送启动控制指令至第一车载雷达和第二车载雷达，根据第一车载雷达和第二车载雷达反馈的状态信息(该状态信息包括是否能够扫描到立杆数据的指示信息)，判断第一车载雷达和第二车载雷达是否都能够扫描到立杆数据。

在得到第一点云数据和第二点云数据之后，可根据第一点云数据和第二点云数据确定标定参数。

在本公开实施例中，只需在平整的地面上按照预设规则设定多个标定物，就可以完成标定场景的构建，这种标定场景特别适用于矿区空旷的环境，而且标定场景创建方便、快速、可操作性强、实用性强，在一定程度上提升了标定工作的效率。

图3是示出根据本公开一些实施例的确定第一车载雷达到车体的部分标定参数的原理示意图。在图3中，是以第一车载雷达为激光雷达为例，对确定第一车载雷达到车体的旋转标定参数进行说明说明。

如图3所示，可先根据激光雷达采集得到的第一点云数据中的地面点云数据来拟合地面所在平面，进而求解出地面所在平面的法向量(Normal_x，Normal_y，Normal_z)，然后根据地面所在平面的法向量确定激光雷达到车体的滚转角和俯仰角，根据第一点云数据中的标定物的点云数据确定激光雷达到车体的偏航角。

例如，当地面所在平面与车体坐标系中的xoy平面平行时，根据如下公式确定第一车载雷达到车体的旋转标定参数：

式中，roll为第一车载雷达到车体的滚转角，将法向量投影到yoz平面，可得到第一车载雷达到车体的滚转角；pitch为第一车载雷达到车体的俯仰角，将法向量投影到xoz平面，可得到第一车载雷达到车体的俯仰角；yaw为第一车载雷达到车体的偏航角，red_y、red_x为中心标定物的质心坐标中的两个坐标分量。

图4是示出根据本公开另一些实施例的标定方法的流程示意图。如图4所示，本公开实施例的标定方法包括：

步骤S410：获取激光雷达采集的标定场景下的第一点云数据、以及毫米波雷达采集的标定场景下的第二点云数据。

其中，标定场景包括多个标定物。例如，多个标定物为多根立杆，或者多个其他形式的标定物。

第一点云数据包括地面的点云数据和标定物的点云数据，第二点云数据包括标定物的点云数据。

步骤S420：根据第一点云数据中的地面的点云数据和标定物的点云数据，确定激光雷达到车体的标定参数。

在一些实施例中，激光雷达到车体的标定参数包括旋转标定参数，旋转标定参数包括第一车载雷达到车体的滚转角、俯仰角和偏航角。在步骤S420中，根据如下方式确定激光雷达到车体的标定参数：根据第一点云数据中的地面的点云数据，确定激光雷达到车体的滚转角和俯仰角；根据第一点云数据中的标定物的点云数据，确定激光雷达到车体的偏航角。

在一些实施例中，激光雷达到车体的标定参数还包括平移标定参数。在这些实施例中，标定方法还包括：根据激光雷达的安装位置，确定激光雷达到车体的平移标定参数。例如，通过激光测距仪等工具测量激光雷达到车体的平移标定参数。

步骤S430：根据激光雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标。

在一些实施例中，根据第一点云数据中多个标定物的点云数据，计算出第一雷达坐标系(在本公开实施例中，第一雷达坐标系为激光雷达坐标系)下的多个标定物的质心坐标，利用步骤S420得到的激光雷达到车体的标定参数，将第一雷达坐标系下的多个标定物的质心坐标转换到车体坐标系下，以得到车体坐标系下多个标定物的坐标。

步骤S440：根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定毫米波雷达到车体的标定参数。

在一些实施例中，车体坐标系下多个标定物的坐标为标定物的质心坐标，步骤S440包括：根据第二点云数据中的标定物的点云数据，确定第二雷达坐标系(在本公开实施例中，第二雷达坐标系为毫米波雷达坐标系)下多个标定物的二维坐标；根据车体坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的二维坐标分量；根据第二雷达坐标系下多个标定物的二维坐标、以及车体坐标系下多个标定物的二维坐标分量，构建多个二维坐标组；根据多个二维坐标组，对毫米波雷达到车体的标定参数计算模型进行求解，以得到毫米波雷达到车体的标定参数。

例如，当标定场景中设置5根立杆作为标定物时，根据步骤S430得到的车体坐标系下的5根立杆的质心坐标中的二维坐标分量、以及毫米波雷达采集的5根立杆的二维坐标，构建5组二维坐标，利用这5组二维坐标对毫米波雷达到车体的标定参数计算模型进行求解，以得到毫米波雷达到车体的标定参数。

例如，毫米波雷达到车体的标定参数计算模型为：

式中，x₂、y₂为车体坐标系下激光雷达扫描的标定物的二维坐标分量，x₁、y₁为毫米波雷达扫描的标定物的二维坐标，Δx、Δy为毫米波雷达到车体的平移标定参数，α为毫米波雷达到车体的旋转标定参数，具体为毫米波雷达到车体的偏航角。

在本公开实施例中，通过对现有的四参数坐标转换模型进行改进，以得到如上所述运行速度快、精度高的标定参数计算模型，并基于多组标定物的二维坐标组求解该标定参数计算模型，能够快速、精准地得到毫米波雷达到车体坐标系的标定参数。

步骤S450：根据激光雷达到车体的标定参数、毫米波雷达到车体的标定参数，对标定效果进行评估。

在一些实施例中，步骤S450包括：利用激光雷达到车体的标定参数，将第一雷达坐标系下的多个标定物的坐标转换至车体坐标系，以得到车体坐标系下的第一点集；利用毫米波雷达到车体的标定参数，将第二雷达坐标下的多个标定物的坐标转换车体坐标系，以得到车体坐标系下的第二点集；根据最近点搜索(Iterative Closest Point，简称ICP)算法，计算第一点集和第二点集的重合程度，并将该重合程度作为标定效果评估值。

步骤S460：判断效果评估值是否符合预设条件。

在一些实施例中，当第一点集和第二点集的重合程度大于或等于预设阈值时，确定标定效果评估值符合预设条件；当第一点集和第二点集的重合程度小于预设阈值时，确定标定效果评估值不符合预设条件。

在效果评估值符合预设条件的情况下，执行步骤S470；在效果评估值不符合预设条件的情况下，再次执行步骤S410至步骤S450，直至效果评估值符合预设条件。

在本公开实施例中，通过利用步骤S450和步骤S460对标定效果进行评估，构建了激光雷达到车体坐标系的标定参数、以及毫米波雷达到车体坐标系的标定参数的校验机制，有助于进一步提升标定精度。

步骤S470：结束标定。

在本公开实施例中，通过以上步骤实现了第一车载雷达到车体的标定、第二车载雷达到车体的标定。与相关技术相比，本公开能够提高多传感器标定的精度，提高标定的可操作性，降低标定成本。

图5a是示出根据本公开一些实施例的激光雷达和毫米波雷达扫描到的标定物数据的示意图。图5b是示出根据本公开一些实施例的对标定效果进行评估的原理示意图。以下结合图5a和图5b对评估标定效果的流程进行示例性说明。

在图5a和图5b所示实施例中，以标定物为5根立杆为例，对车辆上设置的激光雷达和毫米波雷达进行标定。

如图5a所示，利用标定得到的激光雷达到车体的标定参数，将激光雷达坐标系下的5根立杆的坐标转换到车体坐标系中，以得到第一点集；利用标定得到的毫米波雷达到车体的标定参数，将毫米波雷达坐标系下的5根立杆的坐标转换到车体坐标系中，以得到第二点集。

如图5b所示，利用最近点搜索(Iterative Closest Point，简称ICP)算法，计算第一点集和第二点集的重合程度。在第一点集和第二点集的重合程度大于或等于预设阈值的情况下，确定标定成功；在第一点集和第二点集的重合程度小于预设阈值的情况下，重新进行激光雷达到车体的标定、以及毫米波雷达到车体的标定。

图6是示出根据本公开一些实施例的标定装置的框图。如图6所示，本公开实施例的标定装置600包括获取模块610、第一标定模块620、确定模块630、第二标定模块640。

获取模块610，被配置为获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的所述标定场景下的第二点云数据。

其中，标定场景中设有多个标定物。例如，多个标定物为多根立杆，或者多个其他形式的标定物。

在一些实施例中，标定物的数量大于或等于3，且多个标定物交错排列、互不遮挡。例如，将5根立杆按照预设规则，垂直设置于地面上。比如，将这5根立杆分为两排，且令这5根立杆交错排列、相互不遮挡，以保证第一车载雷达和第二车载雷达都能同时扫描到这5根立杆；并且，令这5根立杆中的一根立杆为中心标定物，即设置在车辆正前方的标定物，以便于在后续标定计算过程中能够利用中心标定物的点云数据，减少标定计算量。

其中，第一点云数据包括地面的点云数据和标定物的点云数据，第二点云数据包括标定物的点云数据。

在一些实施例中，第一车载雷达为激光雷达、第二车载雷达为毫米波雷达。第一点云数据为激光雷达采集的点云数据，其包括地面的点云数据和标定物的点云数据；第二点云数据为毫米波雷达采集的点云数据，其包括标定物的点云数据。

第一标定模块620，被配置为根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数。

确定模块630，被配置为根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标。

第二标定模块640，被配置为根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。

在本公开实施例中，通过以上装置实现了第一车载雷达到车体的标定、第二车载雷达到车体的标定。与相关技术相比，本公开能够提高多传感器标定的精度，提高标定的可操作性，降低标定成本。

图7是示出根据本公开另一些实施例的标定装置的框图。

如图7所示，标定装置700包括存储器710；以及耦接至该存储器710的处理器720。存储器710用于存储执行标定方法对应实施例的指令。处理器720被配置为基于存储在存储器710中的指令，执行本公开中任意一些实施例中的标定方法。

图8是示出用于实现本公开一些实施例的计算机系统的框图。如图8所示，计算机系统800可以通用计算设备的形式表现。计算机系统800包括存储器810、处理器820和连接不同系统组件的总线830。

存储器810例如可以包括系统存储器、非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。系统存储器可以包括易失性存储介质，例如随机存取存储器(RAM)和/或高速缓存存储器。非易失性存储介质例如存储有执行标定方法中的至少一种的对应实施例的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。

处理器820可以用通用处理器、数字信号处理器(DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地，诸如获取模块、第一标定模块、确定模块、第二标定模块中的每个模块，可以通过中央处理器(CPU)运行存储器中执行相应步骤的指令来实现，也可以通过执行相应步骤的专用电路来实现。

总线830可以使用多种总线结构中的任意总线结构。例如，总线结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、外围组件互连(PCI)总线。

计算机系统800还可以包括输入输出接口840、网络接口850、存储接口860等。这些接口840、850、860以及存储器810和处理器820之间可以通过总线830连接。输入输出接口840可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口850为各种联网设备提供连接接口。存储接口860为软盘、U盘、SD卡等外部存储设备提供连接接口。

这里，参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个框以及各框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器，以产生一个机器，使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。

这些计算机可读程序指令也可存储在计算机可读存储器中，这些指令使得计算机以特定方式工作，从而产生一个制造品，包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。

本公开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。

通过上述实施例中的标定方法和装置，能够提高标定精度，降低标定成本，提高标定可操作性。

至此，已经详细描述了根据本公开的标定方法和装置。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

Claims (15)

1.一种标定方法，包括：

获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的所述标定场景下的第二点云数据，所述标定场景中设有多个标定物，所述第一点云数据包括地面的点云数据和标定物的点云数据，所述第二点云数据包括标定物的点云数据；

根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数；

根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标；

根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。

2.根据权利要求1所述的标定方法，其中，所述第一车载雷达到车体的标定参数包括旋转标定参数，所述旋转标定参数包括第一车载雷达到车体的滚转角、俯仰角和偏航角，所述根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体坐标系的标定参数包括：

根据第一点云数据中的地面的点云数据，确定第一车载雷达到车体的滚转角和俯仰角；

根据第一点云数据中的标定物的点云数据，确定第一车载雷达到车体的偏航角。

3.根据权利要求2所述的标定方法，其中，所述根据第一点云数据中的标定物的点云数据，确定第一车载雷达到车体的偏航角包括：

根据第一点云数据中至少一个标定物的点云数据，确定所述至少一个标定物的质心坐标；

根据所述至少一个标定物的质心坐标，确定第一车载雷达到车体的偏航角。

4.根据权利要求3所述的标定方法，其中，所述至少一个标定物为所述多个标定物中的中心标定物，所述中心标定物为位于车辆正前方的标定物。

5.根据权利要求3所述的标定方法，其中，所述根据第一点云数据中的地面的点云数据，确定第一车载雷达到车体的滚转角和俯仰角包括：

根据第一点云数据中的地面的点云数据进行平面拟合，确定拟合出的平面的法向量；

根据拟合出的地面的法向量，确定第一车载雷达到车体的滚转角和俯仰角。

6.根据权利要求1所述的标定方法，其中，所述车体坐标系下多个标定物的坐标为标定物的质心坐标，所述根据第一车载雷达到车体坐标系的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标包括：

根据第一点云数据中的标定物的点云数据，确定第一雷达坐标系下多个标定物的质心坐标；

根据第一车载雷达到车体的标定参数、以及第一雷达坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的质心坐标。

7.根据权利要求1所述的标定方法，其中，所述车体坐标系下多个标定物的坐标为标定物的质心坐标，所述根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数包括：

根据第二点云数据中的标定物的点云数据，确定第二雷达坐标系下多个标定物的二维坐标；

根据车体坐标系下多个标定物的质心坐标，确定车体坐标系下多个标定物的二维坐标分量；

根据第二雷达坐标系下多个标定物的二维坐标、以及车体坐标系下多个标定物的二维坐标分量，构建多个二维坐标组；

根据所述多个二维坐标组，对标定参数计算模型进行求解，以得到第二车载雷达到车体的标定参数。

8.根据权利要求1所述的标定方法，其中，所述多个标定物的数量大于或等于3，且所述多个标定物交错排列、互不遮挡。

9.根据权利要求1所述的标定方法，还包括：

根据所述第一车载雷达到车体的标定参数、所述第二车载雷达到车体的标定参数，对标定效果进行评估，其中：

在所述标定效果评估值不符合预设条件的情况下，重新获取第一车载雷达、以及第二车载雷达采集的标定场景下的点云数据，并基于所述标定场景下的点云数据进行第一车载雷达、第二车载雷达到车体的标定；

在所述标定效果评估值符合预设条件的情况下，结束标定。

10.根据权利要求9所述的标定方法，其中，所述根据所述第一车载雷达到车体的标定参数、所述第二车载雷达到车体的标定参数，对标定效果进行评估包括：

利用所述第一车载雷达到车体的标定参数，将第一雷达坐标系下的多个标定物的坐标转换至车体坐标系，以得到车体坐标系下的第一点集；

利用所述第二车载雷达到车体的标定参数，将第二雷达坐标下的多个标定物的坐标转换车体坐标系，以得到车体坐标系下的第二点集；

根据最近点搜索算法，计算第一点集和第二点集的重合程度，并将所述重合程度作为标定效果评估值。

11.根据权利要求2所述的标定方法，所述第一车载雷达到车体的标定参数还包括平移标定参数，所述标定方法还包括：

根据第一车载雷达的安装位置，确定第一车载雷达到车体的平移标定参数。

12.根据权利要求1至11任一所述的标定方法，其中，所述第一车载雷达为激光雷达，所述第二车载雷达为毫米波雷达。

13.一种标定装置，包括：

获取模块，被配置为获取第一车载雷达采集的标定场景下的第一点云数据、以及第二车载雷达采集的所述标定场景下的第二点云数据，所述标定场景中设有多个标定物，所述第一点云数据包括地面的点云数据和标定物的点云数据，所述第二点云数据包括标定物的点云数据；

第一标定模块，被配置为根据第一点云数据中的地面的点云数据和标定物的点云数据，确定第一车载雷达到车体的标定参数；

确定模块，被配置为根据第一车载雷达到车体的标定参数、第一点云数据中的标定物的点云数据，确定车体坐标系下多个标定物的坐标；

第二标定模块，被配置为根据第二点云数据中的标定物的点云数据、以及车体坐标系下多个标定物的坐标，确定第二车载雷达到车体的标定参数。

14.一种标定装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行如权利要求1至12任一所述的标定方法。

15.一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1至12任一所述的标定方法。

Images