CN116184369A - 激光雷达的外参标定方法、装置、设备、介质及产品 - Google Patents
激光雷达的外参标定方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN116184369A CN116184369A CN202310464282.XA CN202310464282A CN116184369A CN 116184369 A CN116184369 A CN 116184369A CN 202310464282 A CN202310464282 A CN 202310464282A CN 116184369 A CN116184369 A CN 116184369A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- track
- point
- cloud data
- external parameters
- 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.)
- Granted
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
-
- 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
- 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
本申请提供一种激光雷达的外参标定方法、装置、设备、介质及产品,方法包括在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据;从第二点云数据中提取位于轨道的两侧钢轨平面的轨道特征点;根据轨道特征点,构建待优化外参的第一残差函数;基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。这样,将车辆停放在轨道上,从安装于车辆上的激光雷达采集到的点云数据中提取轨道特征点,基于轨道特征点设计残差优化求解得到激光雷达的目标外参,无需借助特定的标定装置或标定场景即可实现外参标定,降低了外参标定的局限性,适用性更广。
Description
技术领域
本申请属于智能驾驶技术领域,尤其涉及一种激光雷达的外参标定方法、装置、设备、介质及产品。
背景技术
激光雷达传感器是智能驾驶领域十分重要的一类传感器,通常被安装在车辆的头顶部,并设计一定的安装角度来获取合理覆盖范围内的激光点云数据。激光雷达在安装过程中不可避免会引入细小误差,为保证激光雷达与车辆之间的相对位姿更符合结构设计位姿,激光雷达的外参标定至关重要。然而目前激光雷达的外参标定往往需要借助特定的标定装置或标定场景进行,具有一定局限性,导致适用性较差。
发明内容
本申请实施例提供一种激光雷达的外参标定方法、装置、设备、介质及产品,以解决激光雷达的外参标定方法适用性较差的技术问题。
第一方面,本申请实施例提供一种激光雷达的外参标定方法,包括:
在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;
根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据;
从第二点云数据中提取轨道特征点,轨道特征点包括位于轨道的两侧钢轨平面的点云点;
根据轨道特征点,构建待优化外参的第一残差函数;
基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
第二方面,本申请实施例提供了一种激光雷达的外参标定装置,包括:
采集模块,用于在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;
转化模块,用于根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据;
提取模块,用于从第二点云数据中提取轨道特征点,轨道特征点包括位于轨道的两侧钢轨平面的点云点;
构建模块,用于根据轨道特征点,构建待优化外参的第一残差函数;
优化模块,用于基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
第三方面,本申请实施例提供了一种电子设备,设备包括:
处理器以及存储有程序或指令的存储器;
处理器执行程序或指令时实现上述的方法。
第四方面,本申请实施例提供了一种机器可读存储介质,机器可读存储介质上存储有程序或指令,程序或指令被处理器执行时实现上述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行上述方法。
本申请实施例的激光雷达的外参标定方法、装置、设备、介质及产品,能够在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据;从第二点云数据中提取轨道特征点,轨道特征点包括位于轨道的两侧钢轨平面的点云点;根据轨道特征点,构建待优化外参的第一残差函数;基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
这样,将车辆停放在轨道上,从安装于车辆上的激光雷达采集到的点云数据中提取轨道特征点,基于轨道特征点设计残差优化求解得到激光雷达的目标外参,无需借助特定的标定装置或标定场景即可实现外参标定,有效降低了外参标定的局限性,适用性更广。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的激光雷达的外参标定方法中激光雷达坐标系与车辆坐标系的示意图;
图2是本申请一个实施例提供的激光雷达的外参标定方法的流程示意图;
图3是本申请实施例提供的激光雷达的外参标定方法中的一种轨道的示意图;
图4是本申请实施例提供的激光雷达的外参标定方法中的另一种轨道的示意图;
图5是本申请另一个实施例提供的激光雷达的外参标定装置的结构示意图;
图6是本申请又一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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……”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。
为了解决现有技术问题,本申请实施例提供了一种激光雷达的外参标定方法、装置、设备、介质及产品。下面首先对本申请实施例所提供的激光雷达的外参标定方法进行介绍。
可以理解的是,如图1所示,图(a)为轨道的主视图,图(b)为轨道的左视图,图(c)为轨道的俯视图,其中,激光雷达坐标系L可以以激光雷达正前方向为X轴正方向,垂直向左方向为Y轴正方向,垂直向上方向为Z轴正方向,如图1中虚线坐标轴所示。车辆坐标系O的坐标原点可以处于轨道中心线上,以车辆的行进方向为X轴,车辆的宽度方向为Y轴,车辆的高度方向为Z轴,如图1中实线坐标轴所示。
根据激光雷达坐标系L和车辆坐标系O的定义,激光雷达坐标系L相对车辆坐标系O的旋转角度R和位移T即为激光雷达相对车辆的标定外参,其中旋转角度R可以包括翻滚角roll、俯仰角pitch和偏航角yaw,位移T可以包括Y轴方向的位移y和Z轴方向的位移z。
基于此,本申请的一个实施例还提供了一种激光雷达的外参标定的方法。图2示出了本申请一个实施例提供的激光雷达的外参标定方法的流程示意图。如图2所示,激光雷达的外参标定方法可以包括如下步骤:
步骤201,在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据。
在步骤201中,车辆可以包括火车、高铁、地铁、云巴等列车,可以将安装有激光雷达的车辆静止停放在轨道上,其中轨道可以为平直轨道,保障车辆前方有平直轨道被激光点云覆盖到。可以通过激光雷达采集激光雷达坐标系下的第一点云数据。
步骤202,根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据。
在步骤202中,待优化外参可以是预先设定的,也可以是在优化过程中确定的。例如在本实施例中,初始时可以使用激光雷达安装到车辆上的结构外参作为待优化外参,在不断优化过程中,可以按照预设外参调整规则来对待优化外参进行调整优化,或者可以使用迭代优化的方式,将上一轮优化后得到的外参作为当前的待优化外参。
根据待优化外参,可以将激光雷达坐标系L下的第一点云数据,转化至车辆坐标系O下,得到车辆坐标系O下的第二点云数据,其中第二点云数据可以记为P。
步骤203,从第二点云数据中提取轨道特征点,轨道特征点包括位于轨道的两侧钢轨平面的点云点。
在步骤203中,可以从第二点云数据P中提取轨道特征点。示例地,对于车辆所停放的平直轨道而言,其一般具有一定特性,例如对于常规地面轨道,其两侧钢轨的点云满足直线性,而对于空中云巴轨道,其两侧钢轨的点云满足平面性等。
基于平直轨道的这些特性,可以从第二点云数据P中,提取出轨道所属的,且能够反映其特性的轨道特征点。示例地,轨道特征点可以包括位于轨道的两侧钢轨平面的点云点。
步骤204,根据轨道特征点,构建待优化外参的第一残差函数。
在步骤204中,可以根据轨道特征点,考虑轨道的特性,构建待优化外参的第一残差函数。示例地,针对轨道的特性,对于位于轨道的两侧钢轨平面的点云点而言,轨道特征点可以满足以下客观事实:
两侧钢轨平面的点云理论上处于同一平面,则在车辆坐标系O下,该部分轨道特征点到XOY面的距离为每个点的Z轴坐标的绝对值,基于此,可以设计残差为距离的平方,以此建立第一残差函数。
步骤205,基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
在步骤205中,基于第一残差函数,可以使用正交三角分解法优化求解出激光雷达坐标系L到车辆坐标系O的转换关系,即旋转外参R和位移外参T。在一些示例中,若优化后的旋转外参R和位移外参T满足优化条件(如对应的第一残差收敛),则可以将该旋转外参R和位移外参T确定为激光雷达标定后的目标外参。
在本申请实施例中,激光雷达的外参标定方法能够在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据;从第二点云数据中提取轨道特征点,轨道特征点包括位于轨道的两侧钢轨平面的点云点;根据轨道特征点,构建待优化外参的第一残差函数;基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
这样,将车辆停放在轨道上,从安装于车辆上的激光雷达采集到的点云数据中提取轨道特征点,基于轨道特征点设计残差优化求解得到激光雷达的目标外参,无需借助特定的标定装置或标定场景即可实现外参标定,有效降低了外参标定的局限性,适用性更广。
在一些示例中,上述步骤205可以包括如下步骤:
在第一残差函数不满足收敛条件的情况下,执行迭代运算,其中,在迭代运算中,将第i-1个迭代周期优化后得到的外参作为第i个迭代周期对应的待优化外参,i为大于1的整数;
在第i个迭代周期对应的待优化外参的第一残差函数满足收敛条件的情况下,将第i个迭代周期优化后得到的外参确定为激光雷达的目标外参。
在本实施例中,在第一残差函数不满足收敛条件的情况下,执行迭代运算,即可以上一轮优化后得到的外参作为当前的待优化外参,直至第一残差函数满足收敛条件,则整个优化程序结束。
例如,初始时可以将激光雷达安装到车辆上的结构外参作为待优化外参,以此结构外参将第一点云数据转化为车辆坐标系下的第二点云数据,并提取轨道特征点,构建第一残差函数,优化该结构外参,得到优化后的外参,判断第一残差函数是否满足收敛条件。若满足,则可以将优化后的外参作为激光雷达的目标外参。若不满足,则再将该优化后的外参作为待优化外参,以此优化后的外参将第一点云数据转化为车辆坐标系下的第二点云数据,并继续提取轨道特征点,构建第一残差函数,再次优化得到进一步优化后的外参,以此迭代循环,直至第一残差函数满足收敛条件为止。
可以理解的是,判断第一残差函数是否满足收敛条件,可以是在相邻两次迭代周期中,第一残差值之间的变化小于预设的第一阈值时,确定第一残差函数满足收敛条件。也可以是在相邻两次迭代周期中,优化后的外参之间的变化小于预设的第二阈值时,确定第一残差函数满足收敛条件。具体判断标准可以根据实际需求进行设定,此处不作具体限定。其中,第一阈值和第二阈值的取值也可以根据实际需求进行设定,此处亦不作具体限定。
这样,可以通过迭代的方式不断优化调整激光雷达的外参,以提高外参标定的准确性。
在一些实施例中,在轨道的单侧钢轨宽度大于或等于预设阈值的情况下,轨道特征点还可以包括位于轨道的两侧钢轨侧面的点云点,上述步骤204可以包括如下步骤:
根据两侧钢轨平面的点云点,构建待优化外参的第一残差函数;
根据两侧钢轨侧面的点云点,构建待优化外参的第二残差函数;
上述步骤205可以包括如下步骤:
基于第一残差函数和第二残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
在本实施例中,若轨道的单侧钢轨宽度W大于或等于预设阈值,其中预设阈值可以根据实际需求设定,例如15~30cm,则可以认为该轨道为宽钢轨轨道,如空中云巴轨道,此时该轨道的轨道特征点为平面点。基于此,轨道特征点可以包括位于轨道的两侧钢轨平面的点云点和位于轨道的两侧钢轨侧面的点云点。
针对轨道的特性,对于位于轨道的两侧钢轨侧面的点云点而言,轨道特征点还可以满足以下客观事实:
在车辆坐标系O下,两侧钢轨侧面的点云分别到XOZ平面的距离理论上相等,基于此,可以设计残差为两个距离差的平方,以此建立第二残差函数。
由此,可以根据两侧钢轨平面的点云点,构建待优化外参的第一残差函数,并根据两侧钢轨侧面的点云点,构建待优化外参的第二残差函数。可以结合第一残差函数和第二残差函数优化外参。例如,目标残差可以为以上两个残差函数之和,经过优化可求解出旋转外参R和位移外参T,若优化后的旋转外参R和位移外参T对应的目标残差收敛,则可以将该旋转外参R和位移外参T确定为激光雷达标定后的目标外参。
这样,结合第一残差函数和第二残差函数优化外参,充分考虑了轨道的特性,以使求解的目标外参结果更准确。
在一些实施例中,第一残差函数用于指示两侧钢轨平面的点云点至车辆的停放平面的距离,第二残差函数用于指示两侧钢轨侧面的点云点至车辆沿宽度方向的中心线截面的距离。
如上文所言,轨道特征点可以满足两个事实:
其一为两侧钢轨平面的点云理论上处于同一平面,则在车辆坐标系O下,若车辆的停放平面为XOY平面,则该部分轨道特征点到XOY面的距离为每个点的Z轴坐标的绝对值。
其二为在车辆坐标系O下,若车辆沿宽度方向的中心线截面为XOZ平面,则两侧钢轨侧面的点云分别到XOZ平面的距离理论上相等。
基于此,第一残差函数可以用于指示两侧钢轨平面的点云点至车辆的停放平面的距离。记p i (x i ,y i ,z i )为位于轨道的两侧钢轨平面的任意一个点云点,则第一残差函数可以如公式(1)所示:
其中,车辆的停放平面为车辆坐标系下的XOY平面,p i (x i ,y i ,z i )为位于轨道的两侧钢轨平面的任意一个点云点,z i 表示p i (x i ,y i ,z i )至XOY平面的距离。
同理地,第二残差函数可以用于指示两侧钢轨侧面的点云点至车辆沿宽度方向的中心线截面的距离。记p j (x j ,y j ,z j ) 、p k (x k ,y k ,z k )分别为位于轨道的两侧钢轨侧面的任意一个点云点,则第二残差函数可以如公式(2)所示:
其中,车辆沿宽度方向的中心线截面为车辆坐标系下的XOZ平面,p j (x j ,y j ,z j )为位于轨道的其中一侧钢轨侧面的任意一个点云点,y j 表示p j (x j ,y j ,z j )至XOZ平面的距离,p k (x k ,y k ,z k )为位于轨道的另一侧钢轨侧面的任意一个点云点,y k 表示p k (x k ,y k ,z k )至XOZ平面的距离。
可以结合上文公式(1)所示的第一残差函数以及公式(2)所示的第二差函数,经过优化可求解出旋转外参R和位移外参T。
在一些实施例中,车辆坐标系的坐标原点位于轨道的中心线上,X轴朝向车辆的行进方向,Y轴朝向车辆的宽度方向,且Z轴朝向车辆的高度方向,上述步骤203还可以包括如下步骤:
将第二点云数据中Y轴坐标值大于0的点云点确定为第三点云数据,并将Y轴坐标值小于0的点云点确定为第四点云数据;
从第三点云数据中提取第一特征点和第二特征点,其中第一特征点为第三点云数据中位于轨道的钢轨平面的点云点,第二特征点为第三点云数据中位于轨道的钢轨侧面的点云点;
从第四点云数据中提取第三特征点和第四特征点,其中第三特征点为第四点云数据中位于轨道的钢轨平面的点云点,第四特征点为第四点云数据中位于轨道的钢轨侧面的点云点;
相应地,上述根据两侧钢轨平面的点云点,构建待优化外参的第一残差函数,可以包括如下步骤:
根据第一特征点和第三特征点,构建待优化外参的第一残差函数;
上述根据两侧钢轨侧面的点云点,构建待优化外参的第二残差函数,可以包括如下步骤:
根据第二特征点和第四特征点,构建待优化外参的第二残差函数。
在本实施例中,对于宽钢轨轨道,如空中云巴轨道而言,如图3所示,可以以坐标原点O位于轨道的中心线上,X轴朝向车辆的行进方向,Y轴朝向车辆的宽度方向,且Z轴朝向车辆的高度方向,建立车辆坐标系。
基于此,可以将第二点云数据P中Y轴坐标值大于0的点云点确定为第三点云数据P l ,并将Y轴坐标值小于0的点云点确定为第四点云数据P r 。可以使用随机抽样一致性算法(RANSAC)设置平面模型,从第三点云数据P l 中提取位于轨道的钢轨平面301的第一特征点,以及位于轨道的钢轨侧面302的第二特征点/>。
由于第一特征点和第三特征点/>属于轨道的钢轨平面301的平面点,因此第一特征点/>和第三特征点/>位于XOY平面,则可以记p i (x i ,y i ,z i )为第一特征点/>和第三特征点/>中的任意一点,根据该事实,p i (x i ,y i ,z i )到XOY平面的距离为|z i |,为了实现求导迭代优化,可以设计残差为距离的平方,构建如公式(1)所示的第一残差函数。
由于第二特征点和第四特征点/>分别属于轨道的两侧钢轨侧面302的平面点,因此第二特征点/>到XOZ平面的距离与第四特征点/>到XOZ平面的距离相等,则可以记p j (x j ,y j ,z j ) 为第二特征点/>中的任意一点,p k (x k ,y k ,z k ) 为第四特征点/>中的任意一点,根据该事实,p j (x j ,y j ,z j )到XOZ平面的距离为y i ,p k (x k ,y k ,z k ) 到XOZ平面的距离为-y k ,可以设计残差为两个距离差的平方,构建如公式(2)所示的第二残差函数。
这样,可以基于第一特征点、第二特征点、第三特征点和第四特征点来构建第一残差函数和第二残差函数来优化外参,一方面这些轨道特征点是使用随机抽样一致性算法从激光雷达本身采集到的点云数据转换提取的,避免了其他标定误差,提高了外参标定的精度,另一方面,基于轨道特征点设计残差函数来实现外参的整体优化,提高了外参标定的鲁棒性。
在一些实施例中,在轨道的单侧钢轨宽度小于预设阈值的情况下,轨道特征点为位于轨道的两侧钢轨中心线上的点云点。
在本实施例中,如图4所示,若轨道的单侧钢轨宽度小于预设阈值,则可以认为该轨道为窄钢轨轨道,如常规地面轨道,此时由于单侧钢轨足够窄,可以使用已有的直线拟合算法,拟合在钢轨正中间的直线,即钢轨中心线,并位于两侧钢轨中心线上的点云作为该轨道的轨道特征点。
换而言之,位于轨道的两侧钢轨中心线上的点云点即可以认为是位于轨道的钢轨平面的点云点。可以基于该两侧钢轨中心线上的点云点构建待优化外参的第一残差函数。
在一些实施例中,上述步骤204可以包括如下步骤:
根据两侧钢轨中心线上的点云点,构建待优化外参的第一残差函数;
并根据两侧钢轨中心线上的点云点,构建待优化外参的第二残差函数;
上述步骤205可以包括如下步骤:
基于第一残差函数和第二残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
在本实施例中,对于窄钢轨轨道而言,如上文所言,位于轨道的两侧钢轨中心线上的点云点即可以认为是位于轨道的钢轨平面的点云点,基于此,两侧钢轨中心线上的点云点也可以满足:在车辆坐标系O下,两侧钢轨中心线上的点云点到XOY面的距离为每个点的Z轴坐标的绝对值,因此,可以根据两侧钢轨中心线上的点云点,构建如公式(1)所示的第一残差函数。
另外两侧钢轨中心线上的点云点还可以满足:在车辆坐标系O下,两侧钢轨中心线上的点云分别到XOZ平面的距离理论上相等,因此,可以根据两侧钢轨中心线上的点云点,构建如公式(2)所示的第二残差函数。
可以结合上文公式(1)所示的第一残差函数以及公式(2)所示的第二差函数,经过优化可求解出旋转外参R和位移外参T。
在一些实施例中,车辆坐标系的坐标原点位于轨道的中心线上,X轴朝向车辆的行进方向,Y轴朝向车辆的宽度方向,且Z轴朝向车辆的高度方向,上述步骤203还可以包括如下步骤:
将第二点云数据中Y轴坐标值大于0的点云点确定为第三点云数据,并将Y轴坐标值小于0的点云点确定为第四点云数据;
从第三点云数据中提取第五特征点,且从第四点云数据中提取第六特征点,其中第五特征点为第三点云数据中位于钢轨中心线上的点云点,第六特征点为第四点云数据中位于钢轨中心线上的点云点;
相应地,上述根据两侧钢轨中心线上的点云点,构建待优化外参的第一残差函数,可以包括如下步骤:
根据第五特征点和第六特征点,构建待优化外参的第一残差函数;
上述根据两侧钢轨中心线上的点云点,构建待优化外参的第二残差函数,可以包括如下步骤:
根据第五特征点和第六特征点,构建待优化外参的第二残差函数。
在本实施例中,对于窄钢轨轨道,如地面常规轨道而言,如图4所示,可以以坐标原点O位于轨道的中心线上,X轴朝向车辆的行进方向,Y轴朝向车辆的宽度方向,且Z轴朝向车辆的高度方向,建立车辆坐标系。
示例地,可以将第二点云数据P中Y轴坐标值大于0的点云点确定为第三点云数据P l ,并将Y轴坐标值小于0的点云点确定为第四点云数据P r 。可以使用随机抽样一致性算法(RANSAC)设置直线模型,从第三点云数据P l 中提取一侧钢轨中心线上的第五特征点,从第四点云数据P r 中提取另一侧钢轨中心线上的第六特征点/>。
由于钢轨中心线位于XOY平面,因此第五特征点和第六特征点/>位于XOY平面,则可以记p i (x i ,y i ,z i )为第五特征点/>和第六特征点/>中的任意一点,根据该事实,p i (x i , y i ,z i )到XOY平面的距离为|z i |,为了实现求导迭代优化,可以设计残差为距离的平方,构建如公式(1)所示的第一残差函数。
由于第五特征点和第六特征点/>分别两侧钢轨中心线上的点云,因此第五特征点/>到XOZ平面的距离与第六特征点/>到XOZ平面的距离相等,则可以记p j (x j ,y j ,z j ) 为第五特征点/>中的任意一点,p k (x k ,y k ,z k ) 为第六特征点/>中的任意一点,根据该事实,p j (x j ,y j ,z j )到XOZ平面的距离为y i ,p k (x k ,y k ,z k ) 到XOZ平面的距离为-y k ,可以设计残差为两个距离差的平方,构建如公式(2)所示的第二残差函数。
这样,可以基于第五特征点和第六特征点来构建第一残差函数和第二残差函数来优化外参,一方面这些轨道特征点是使用随机抽样一致性算法从激光雷达本身采集到的点云数据转换提取的,避免了其他标定误差,提高了外参标定的精度,另一方面,基于轨道特征点设计残差函数来实现外参的整体优化,提高了外参标定的鲁棒性。
图5示出了本申请另一个实施例提供的激光雷达的外参标定装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,激光雷达的外参标定装置500可以包括:
采集模块501,用于在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;
转化模块502,用于根据待优化外参,将第一点云数据转化为车辆坐标系下的第二点云数据;
提取模块503,用于从第二点云数据中提取轨道特征点,轨道特征点包括位于轨道的两侧钢轨平面的点云点;
构建模块504,用于根据轨道特征点,构建待优化外参的第一残差函数;
优化模块505,用于基于第一残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
在一些实施例中,在轨道的单侧钢轨宽度大于或等于预设阈值的情况下,轨道特征点还包括位于轨道的两侧钢轨侧面的点云点,
构建模块504可以包括:
第一构建单元,用于根据两侧钢轨平面的点云点,构建待优化外参的第一残差函数;
第二构建单元,用于根据两侧钢轨侧面的点云点,构建待优化外参的第二残差函数;
优化模块505还可以用于:
基于第一残差函数和第二残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
在一些实施例中,第一残差函数用于指示两侧钢轨平面的点云点至车辆的停放平面的距离,第二残差函数用于指示两侧钢轨侧面的点云点至车辆沿宽度方向的中心线截面的距离。
在一些实施例中,车辆坐标系的坐标原点位于轨道的中心线上,X轴朝向车辆的行进方向,Y轴朝向车辆的宽度方向,且Z轴朝向车辆的高度方向;
提取模块503还可以用于:
将第二点云数据中Y轴坐标值大于0的点云点确定为第三点云数据,并将Y轴坐标值小于0的点云点确定为第四点云数据;
从第三点云数据中提取第一特征点和第二特征点,其中第一特征点为第三点云数据中位于轨道的钢轨平面的点云点,第二特征点为第三点云数据中位于轨道的钢轨侧面的点云点;
从第四点云数据中提取第三特征点和第四特征点,其中第三特征点为第四点云数据中位于轨道的钢轨平面的点云点,第四特征点为第四点云数据中位于轨道的钢轨侧面的点云点;
第一构建单元可以用于:
根据第一特征点和第三特征点,构建待优化外参的第一残差函数;
第二构建单元可以用于:
根据第二特征点和第四特征点,构建待优化外参的第二残差函数。
在一些实施例中,在轨道的单侧钢轨宽度小于预设阈值的情况下,轨道特征点为位于轨道的两侧钢轨中心线上的点云点。
在一些实施例中,构建模块504可以包括:
第三构建单元,用于根据两侧钢轨中心线上的点云点,构建待优化外参的第一残差函数;
第四构建单元,用于并根据两侧钢轨中心线上的点云点,构建待优化外参的第二残差函数;
优化模块505还可以用于:
基于第一残差函数和第二残差函数,对待优化外参进行优化,得到激光雷达的目标外参。
在一些实施例中,车辆坐标系的坐标原点位于轨道的中心线上,X轴朝向车辆的行进方向,Y轴朝向车辆的宽度方向,且Z轴朝向车辆的高度方向;
提取模块503还可以用于:
将第二点云数据中Y轴坐标值大于0的点云点确定为第三点云数据,并将Y轴坐标值小于0的点云点确定为第四点云数据;
从第三点云数据中提取第五特征点,且从第四点云数据中提取第六特征点,其中第五特征点为第三点云数据中位于钢轨中心线上的点云点,第六特征点为第四点云数据中位于钢轨中心线上的点云点;
第三构建单元可以用于:根据第五特征点和第六特征点,构建待优化外参的第一残差函数;
第四构建单元可以用于:根据第五特征点和第六特征点,构建待优化外参的第二残差函数。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,与本申请方法实施例基于同一构思,是与上述激光雷达的外参标定方法对应的装置,上述方法实施例中所有实现方式均适用于该装置的实施例中,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
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,即将装置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。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图6示出了本申请又一个实施例提供的电子设备的硬件结构示意图。
设备可以包括处理器601以及存储有程序或指令的存储器602。
处理器601执行程序时实现上述任意各个方法实施例中的步骤。
示例性的,程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器602中,并由处理器601执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列程序指令段,该指令段用于描述程序在设备中的执行过程。
具体地,上述处理器601可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器602可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器602可在综合网关容灾设备的内部或外部。在特定实施例中,存储器602是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)机器可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器601通过读取并执行存储器602中存储的程序或指令,以实现上述实施例中的任意一种方法。
在一个示例中,电子设备还可包括通信接口603和总线604。其中,处理器601、存储器602、通信接口603通过总线604连接并完成相互间的通信。
通信接口603,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线604包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线604可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的方法,本申请实施例可提供一种机器可读存储介质来实现。该机器可读存储介质上存储有程序或指令;该程序或指令被处理器执行时实现上述实施例中的任意一种方法。该机器可读存储介质可以被如计算机等机器读取。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例提供一种计算机程序产品,该程序产品被存储在机器可读存储介质中,该程序产品被至少一个处理器执行以实现如上述方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网格被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序或指令实现。这些程序或指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,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,上述描述的系统、模块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。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (11)
1.一种激光雷达的外参标定方法,其特征在于,包括:
在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;
根据待优化外参,将所述第一点云数据转化为车辆坐标系下的第二点云数据;
从所述第二点云数据中提取轨道特征点,所述轨道特征点包括位于所述轨道的两侧钢轨平面的点云点;
根据所述轨道特征点,构建所述待优化外参的第一残差函数;
基于所述第一残差函数,对所述待优化外参进行优化,得到激光雷达的目标外参。
2.根据权利要求1所述的方法,其特征在于,在所述轨道的单侧钢轨宽度大于或等于预设阈值的情况下,所述轨道特征点还包括位于所述轨道的两侧钢轨侧面的点云点,
所述根据所述轨道特征点,构建所述待优化外参的第一残差函数,包括:
根据所述两侧钢轨平面的点云点,构建所述待优化外参的第一残差函数;
根据所述两侧钢轨侧面的点云点,构建所述待优化外参的第二残差函数;
所述基于所述第一残差函数,对所述待优化外参进行优化,得到激光雷达的目标外参,包括:
基于所述第一残差函数和所述第二残差函数,对所述待优化外参进行优化,得到激光雷达的目标外参。
3.根据权利要求2所述的方法,其特征在于,所述第一残差函数用于指示所述两侧钢轨平面的点云点至所述车辆的停放平面的距离,所述第二残差函数用于指示所述两侧钢轨侧面的点云点至所述车辆沿宽度方向的中心线截面的距离。
4.根据权利要求2或3所述的方法,其特征在于,所述车辆坐标系的坐标原点位于所述轨道的中心线上,X轴朝向所述车辆的行进方向,Y轴朝向所述车辆的宽度方向,且Z轴朝向所述车辆的高度方向;
所述从所述第二点云数据中提取轨道特征点,包括:
将所述第二点云数据中Y轴坐标值大于0的点云点确定为第三点云数据,并将Y轴坐标值小于0的点云点确定为第四点云数据;
从所述第三点云数据中提取第一特征点和第二特征点,其中所述第一特征点为所述第三点云数据中位于所述轨道的钢轨平面的点云点,所述第二特征点为所述第三点云数据中位于所述轨道的钢轨侧面的点云点;
从所述第四点云数据中提取第三特征点和第四特征点,其中所述第三特征点为所述第四点云数据中位于所述轨道的钢轨平面的点云点,所述第四特征点为所述第四点云数据中位于所述轨道的钢轨侧面的点云点;
所述根据所述两侧钢轨平面的点云点,构建所述待优化外参的第一残差函数,包括:
根据所述第一特征点和所述第三特征点,构建所述待优化外参的第一残差函数;
所述根据所述两侧钢轨侧面的点云点,构建所述待优化外参的第二残差函数,包括:
根据所述第二特征点和所述第四特征点,构建所述待优化外参的第二残差函数。
5.根据权利要求1所述的方法,其特征在于,在所述轨道的单侧钢轨宽度小于预设阈值的情况下,所述轨道特征点为位于所述轨道的两侧钢轨中心线上的点云点。
6.根据权利要求5所述的方法,其特征在于,所述根据所述轨道特征点,构建所述待优化外参的第一残差函数,包括:
根据所述两侧钢轨中心线上的点云点,构建所述待优化外参的第一残差函数;
并根据所述两侧钢轨中心线上的点云点,构建所述待优化外参的第二残差函数;
所述基于所述第一残差函数,对所述待优化外参进行优化,得到激光雷达的目标外参,包括:
基于所述第一残差函数和所述第二残差函数,对所述待优化外参进行优化,得到激光雷达的目标外参。
7.根据权利要求6所述的方法,其特征在于,所述车辆坐标系的坐标原点位于所述轨道的中心线上,X轴朝向所述车辆的行进方向,Y轴朝向所述车辆的宽度方向,且Z轴朝向所述车辆的高度方向;
所述从所述第二点云数据中提取轨道特征点,包括:
将所述第二点云数据中Y轴坐标值大于0的点云点确定为第三点云数据,并将Y轴坐标值小于0的点云点确定为第四点云数据;
从所述第三点云数据中提取第五特征点,且从所述第四点云数据中提取第六特征点,其中所述第五特征点为所述第三点云数据中位于钢轨中心线上的点云点,所述第六特征点为所述第四点云数据中位于钢轨中心线上的点云点;
所述根据所述两侧钢轨中心线上的点云点,构建所述待优化外参的第一残差函数,包括:
根据所述第五特征点和所述第六特征点,构建所述待优化外参的第一残差函数;
所述根据所述两侧钢轨中心线上的点云点,构建所述待优化外参的第二残差函数,包括:
根据所述第五特征点和所述第六特征点,构建所述待优化外参的第二残差函数。
8.一种激光雷达的外参标定装置,其特征在于,包括:
采集模块,用于在车辆停放在轨道上的情况下,采集激光雷达坐标系下的第一点云数据;
转化模块,用于根据待优化外参,将所述第一点云数据转化为车辆坐标系下的第二点云数据;
提取模块,用于从所述第二点云数据中提取轨道特征点,所述轨道特征点包括位于所述轨道的两侧钢轨平面的点云点;
构建模块,用于根据所述轨道特征点,构建所述待优化外参的第一残差函数;
优化模块,用于基于所述第一残差函数,对所述待优化外参进行优化,得到激光雷达的目标外参。
9.一种电子设备,其特征在于,所述设备包括:处理器以及存储有程序或指令的存储器;
所述处理器执行所述程序或指令时实现如权利要求1-7任意一项所述的方法。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有程序或指令,所述程序或指令被处理器执行时实现如权利要求1-7任意一项所述的方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310464282.XA CN116184369B (zh) | 2023-04-26 | 2023-04-26 | 激光雷达的外参标定方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310464282.XA CN116184369B (zh) | 2023-04-26 | 2023-04-26 | 激光雷达的外参标定方法、装置、设备、介质及产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116184369A true CN116184369A (zh) | 2023-05-30 |
CN116184369B CN116184369B (zh) | 2023-09-12 |
Family
ID=86452579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310464282.XA Active CN116184369B (zh) | 2023-04-26 | 2023-04-26 | 激光雷达的外参标定方法、装置、设备、介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116184369B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3629292A1 (en) * | 2018-09-27 | 2020-04-01 | Continental Automotive GmbH | Reference point selection for extrinsic parameter calibration |
CN111208492A (zh) * | 2018-11-21 | 2020-05-29 | 长沙智能驾驶研究院有限公司 | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 |
CN114063046A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 参数标定方法、装置、计算机设备和存储介质 |
CN114299160A (zh) * | 2021-12-28 | 2022-04-08 | 江苏集萃智能光电系统研究所有限公司 | 基于视觉与激光雷达融合的受电弓运行状态动态检测方法 |
CN114565616A (zh) * | 2022-03-03 | 2022-05-31 | 湖南大学无锡智能控制研究院 | 一种非结构化道路状态参数估计方法及系统 |
CN115236644A (zh) * | 2022-07-26 | 2022-10-25 | 广州文远知行科技有限公司 | 一种激光雷达外参标定方法、装置、设备和存储介质 |
WO2022246826A1 (zh) * | 2021-05-28 | 2022-12-01 | 深圳市大疆创新科技有限公司 | 外参标定方法、装置、可移动平台和存储介质 |
CN115656991A (zh) * | 2022-10-31 | 2023-01-31 | 驭势科技(北京)有限公司 | 车辆外参标定方法、装置、设备以及存储介质 |
-
2023
- 2023-04-26 CN CN202310464282.XA patent/CN116184369B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3629292A1 (en) * | 2018-09-27 | 2020-04-01 | Continental Automotive GmbH | Reference point selection for extrinsic parameter calibration |
CN111208492A (zh) * | 2018-11-21 | 2020-05-29 | 长沙智能驾驶研究院有限公司 | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 |
CN114063046A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 参数标定方法、装置、计算机设备和存储介质 |
WO2022246826A1 (zh) * | 2021-05-28 | 2022-12-01 | 深圳市大疆创新科技有限公司 | 外参标定方法、装置、可移动平台和存储介质 |
CN114299160A (zh) * | 2021-12-28 | 2022-04-08 | 江苏集萃智能光电系统研究所有限公司 | 基于视觉与激光雷达融合的受电弓运行状态动态检测方法 |
CN114565616A (zh) * | 2022-03-03 | 2022-05-31 | 湖南大学无锡智能控制研究院 | 一种非结构化道路状态参数估计方法及系统 |
CN115236644A (zh) * | 2022-07-26 | 2022-10-25 | 广州文远知行科技有限公司 | 一种激光雷达外参标定方法、装置、设备和存储介质 |
CN115656991A (zh) * | 2022-10-31 | 2023-01-31 | 驭势科技(北京)有限公司 | 车辆外参标定方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
GUAN XU 等: "An optimization solution of a laser plane in vision measurement with the distance object between global origin and calibration points", 《SCIENTIFIC REPORTS》, pages 1 - 16 * |
贾晓辉 等: "固态激光雷达与相机间外参标定方法研究", 《激光杂志》, vol. 43, no. 08, pages 30 - 36 * |
Also Published As
Publication number | Publication date |
---|---|
CN116184369B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113536883B (zh) | 障碍物检测方法、车辆、设备及计算机存储介质 | |
CN106156752B (zh) | 一种基于逆投影三视图的车型识别方法 | |
CN112748421A (zh) | 一种基于直行路段自动驾驶的激光雷达校准方法 | |
CN116184369B (zh) | 激光雷达的外参标定方法、装置、设备、介质及产品 | |
CN112284267A (zh) | 一种接触线磨耗检测方法及系统 | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN115761682A (zh) | 基于激光感知的可行驶区域的识别方法、装置、智能矿卡 | |
CN115690064A (zh) | 对准方法、装置、电子设备及计算机可读存储介质 | |
CN109084697B (zh) | 感应板廓形检测方法和结构 | |
CN110212498B (zh) | 一种高压直流输电系统逆变站保护方法 | |
CN117289296A (zh) | 一种基于激光雷达的矿区反坡检测方法及系统 | |
Miao | License plate character segmentation algorithm based on variable-length template matching | |
Song et al. | Research on Target Tracking Algorithm Using Millimeter‐Wave Radar on Curved Road | |
CN116416589A (zh) | 一种基于铁轨数据与几何性质的轨道点云提取方法 | |
CN108037731B (zh) | 一种相位积分运算变换的频差干涉信号高分辨细分系统 | |
CN112380956B (zh) | 一种车道判断方法 | |
CN115147813A (zh) | 基于物体空间特征的稀疏点云处理方法、系统、设备及介质 | |
CN114858119B (zh) | 边距测量方法、装置、设备及计算机存储介质 | |
CN113888713A (zh) | 一种车载激光点云数据恢复路面缺失点的方法 | |
CN116224301A (zh) | 雷达标定方法及其装置 | |
CN106023247A (zh) | 一种基于时空跟踪的光条中心提取跟踪方法 | |
CN118070122A (zh) | 轨迹预测方法及轨迹预测装置 | |
CN103530905A (zh) | 一种针对等高线平三角区域的消除方法 | |
CN116736327B (zh) | 定位数据优化方法、装置、电子设备和可读存储介质 | |
Liu et al. | A parking-lines recognition algorithm based on Freeman Chain Code |
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 |