CN116203542B - 激光雷达畸变的测试标定方法 - Google Patents

激光雷达畸变的测试标定方法 Download PDF

Info

Publication number
CN116203542B
CN116203542B CN202211740713.2A CN202211740713A CN116203542B CN 116203542 B CN116203542 B CN 116203542B CN 202211740713 A CN202211740713 A CN 202211740713A CN 116203542 B CN116203542 B CN 116203542B
Authority
CN
China
Prior art keywords
camera
coordinates
laser radar
distortion
image
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
Application number
CN202211740713.2A
Other languages
English (en)
Other versions
CN116203542A (zh
Inventor
汪时涛
陈木海
陈繁荣
高停
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.)
Zhongshan Boceda Electronic Technology Co ltd
Original Assignee
Zhongshan Boceda Electronic 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 Zhongshan Boceda Electronic Technology Co ltd filed Critical Zhongshan Boceda Electronic Technology Co ltd
Priority to CN202211740713.2A priority Critical patent/CN116203542B/zh
Publication of CN116203542A publication Critical patent/CN116203542A/zh
Application granted granted Critical
Publication of CN116203542B publication Critical patent/CN116203542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种测试标定精度高、测试标定快速可靠、且实现自动测试标定的激光雷达畸变的测试标定方法。本发明中，通过若干个棋盘格照片计算得到激光雷达相机镜头的外在参数和内在参数，使用激光雷达相机镜头的外部参数将世界点转换为相机坐标，使用激光雷达相机镜头的内在参数将相机坐标映射到图像平面，从而建立从棋盘格图片的三维世界坐标到二维图像坐标的关系，利用上述步骤建立的从棋盘格图片的三维世界坐标到二维图像坐标的关系，最终通过下面的等式将真实的扭曲坐标(u”,v”)与理想的扭曲坐标(u,v)联系起来，实现相机畸变的标定与计算。本发明可应用于激光技术领域。

Description

激光雷达畸变的测试标定方法
技术领域
本发明涉及激光技术领域，尤其涉及一种激光雷达畸变的测试标定方法。
背景技术
激光雷达在生产阶段由于物料和组装工艺的差别所采集图片存在一定的畸变，为保证激光雷达产品在汽车上能呈现稳定可靠的识别性能，需要对激光雷达镜头和图像采集单元进行相机畸变的计算和标定，并修正存在的畸变值。
目前国内在激光雷达相机畸变标定上没有有效简单的标定方式，大多数采用实测的方式进行激光雷达产品的图像采集性能的判定。但这种方式较为繁杂，且需要依赖操作人员的熟练程度，还很难保证标定的精确度和快速性。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供一种测试标定精度高、测试标定快速可靠、且实现自动测试标定的激光雷达畸变的测试标定方法。
本发明所述激光雷达畸变的测试标定方法所采用的技术方案是：本发明方法中，基于Scaramuzza鱼眼相机模型，使用全向相机处理模型，通过激光雷达畸变测试机台上的成像系统来获取激光雷达镜头的成像图片，该方法将激光雷达畸变测试机台上的成像系统视为紧凑系统，该方法包括以下步骤：
步骤a、通过若干个棋盘格照片计算得到激光雷达相机镜头的外在参数和内在参数；
步骤b、使用激光雷达相机镜头的外部参数将世界点转换为相机坐标；
步骤c、使用激光雷达相机镜头的内在参数将相机坐标映射到图像平面，从而建立从棋盘格图片的三维世界坐标到二维图像坐标的关系；
步骤d、利用步骤c建立的从棋盘格图片的三维世界坐标到二维图像坐标的关系，最终通过下面的等式将真实的扭曲坐标(u”,v”)与理想的扭曲坐标(u,v)联系起来，实现相机畸变的标定与计算，
其中为激光雷达相机镜头的拉伸矩阵，/>为扭曲中心坐标。
所述步骤a中，激光雷达相机镜头的外部参数由旋转R和平移t组成，相机坐标系的原点位于其光学中心，其x轴和y轴定义图像平面，棋盘外部的相机，原点位于左上角四个方框的交点处，Extrinsics[Rt]变换将原点定位在相机中心。
所述步骤b中，利用以下公式实现世界点到相机点的转换：
其中，w为世界点坐标的比例因子，[x,y,1]为图像点，P为相机矩阵，[x,y,z,1]为世界坐标点，K为相机内在矩阵，为相机的外部参数中的旋转R和平移t组成的矩阵。
所述步骤c中，对于鱼眼相机模型，激光雷达相机镜头的内在参数包括投影函数的多项式映射系数，对齐系数与传感器对齐以及从传感器平面到相机图像平面中的像素位置的转换有关，通过以下等式将图像点映射到其对应的三维矢量，
其中，
(u，v)是真实世界点的理想图像投影；
λ表示一个标量因子；
α0,α2,α3α4是由Scaramuzza模型描述的多项式系数,其中α1＝0；
ρ是(u,v)的函数，仅取决于点到图像中心的距离
本发明的有益效果是：本发明基于Scaramuzza鱼眼相机模型，使用全向相机处理模型，通过激光雷达畸变测试机台上的成像系统来获取激光雷达镜头的成像图片，该方法将激光雷达畸变测试机台上的成像系统视为紧凑系统，该方法的步骤为：通过若干个棋盘格照片计算得到激光雷达相机镜头的外在参数和内在参数，使用激光雷达相机镜头的外部参数将世界点转换为相机坐标，使用激光雷达相机镜头的内在参数将相机坐标映射到图像平面，从而建立从棋盘格图片的三维世界坐标到二维图像坐标的关系，利用上述步骤建立的从棋盘格图片的三维世界坐标到二维图像坐标的关系，最终通过下面的等式将真实的扭曲坐标(u”,v”)与理想的扭曲坐标(u,v)联系起来，实现相机畸变的标定与计算；由此可见，与现有技术中大多数采用实测的方式进行激光雷达产品的图像采集性能的判定的方式相比，本发明方法利用棋盘格图片来建立世界点坐标到二维图像坐标之间的关系，提高了测试标定精度，还使得测试标定快速可靠，且利用激光雷达畸变测试机台实现自动测试标定，极大地解放了操作人员的劳动强度，进一步提高了测试标定的智能化程度。
附图说明
图1是激光雷达相机镜头中的外在参数中由世界点到相机点的转换示意图；
图2是激光雷达相机镜头中的内在参数中由真实的扭曲坐标到立项的扭曲坐标转换的示意图；
图3是本发明方法中应用到的棋盘格照片的示意图。
具体实施方式
本发明方法是基于Scaramuzza鱼眼相机模型，使用全向相机处理模型，通过激光雷达畸变测试机台上的成像系统来获取激光雷达镜头的成像图片，该方法将激光雷达畸变测试机台上的成像系统视为紧凑系统，该方法包括以下步骤：
步骤a、通过若干个棋盘格照片计算得到激光雷达相机镜头的外在参数和内在参数，在本实施例中，棋盘格照片不少于6幅；
步骤b、使用激光雷达相机镜头的外部参数将世界点转换为相机坐标；
步骤c、使用激光雷达相机镜头的内在参数将相机坐标映射到图像平面，从而建立从棋盘格图片的三维世界坐标到二维图像坐标的关系；
步骤d、利用步骤c建立的从棋盘格图片的三维世界坐标到二维图像坐标的关系，最终通过下面的等式将真实的扭曲坐标(u”,v”)与理想的扭曲坐标(u,v)联系起来，实现相机畸变的标定与计算，
其中为激光雷达相机镜头的拉伸矩阵，/>为扭曲中心坐标。
所述步骤a中，激光雷达相机镜头的外部参数由旋转R和平移t组成，相机坐标系的原点位于其光学中心，其x轴和y轴定义图像平面，棋盘外部的相机，原点位于左上角四个方框的交点处，Extrinsics[Rt]变换将原点定位在相机中心。
所述步骤b中，利用以下公式实现世界点到相机点的转换：
其中，w为世界点坐标的比例因子，[x,y,1]为图像点，P为相机矩阵，[x,y,z,1]为世界坐标点，K为相机内在矩阵，为相机的外部参数中的旋转R和平移t组成的矩阵。
所述步骤c中，对于鱼眼相机模型，激光雷达相机镜头的内在参数包括投影函数的多项式映射系数，对齐系数与传感器对齐以及从传感器平面到相机图像平面中的像素位置的转换有关，通过以下等式将图像点映射到其对应的三维矢量，
其中，
(u，v)是真实世界点的理想图像投影；
λ表示一个标量因子；
α0,α2,α3α4是由Scaramuzza模型描述的多项式系数,其中α1＝0；
ρ是(u,v)的函数，仅取决于点到图像中心的距离
内在参数也解释了拉伸和变形。拉伸矩阵补偿传感器到镜头的失准，失真向量调整图像平面的(0,0)位置。
具体地，本发明方法通过Matlab实现的代码如下：
本发明在具体实施时，用到的硬件参数如下：
微控制器采用的是内核32位-M4处理器，具有高速的时钟频率；
微控制器的SPI接口连接到2个数模转换器的通信接口，数模转换器的输出端连接到到连接器；
传感器芯片采用9*9感光单元，具有高精度和高分辨率的数据采集；
数据传输支持UART协议；
8通道同时采集数据。
最后需要强调的是，以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种变化和更改，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种激光雷达畸变的测试标定方法，其特征在于，该方法中，基于Scaramuzza鱼眼相机模型，使用全向相机处理模型，通过激光雷达畸变测试机台上的成像系统来获取激光雷达镜头的成像图片，该方法将激光雷达畸变测试机台上的成像系统视为紧凑系统，该方法包括以下步骤：
步骤a、通过若干个棋盘格照片计算得到激光雷达相机镜头的外在参数和内在参数；
步骤b、使用激光雷达相机镜头的外在参数将世界坐标点转换为相机坐标；
步骤c、使用激光雷达相机镜头的内在参数将相机坐标映射到图像平面，从而建立从棋盘格照片的三维世界坐标到二维图像坐标的关系；
步骤d、利用步骤c建立的从棋盘格照片的三维世界坐标到二维图像坐标的关系，最终通过下面的等式将真实的扭曲坐标(u”,v”)与理想的扭曲坐标(u,v)联系起来，实现相机畸变的标定与计算，
其中为激光雷达相机镜头的拉伸矩阵，/>为扭曲中心坐标。
2.根据权利要求1所述的激光雷达畸变的测试标定方法，其特征在于，所述步骤a中，激光雷达相机镜头的外在参数由旋转R和平移t组成，相机坐标系的原点位于其光学中心，其x轴和y轴定义图像平面，棋盘外部的相机，原点位于左上角四个方框的交点处，Extrinsics[Rt]变换将原点定位在相机中心。
3.根据权利要求2所述的激光雷达畸变的测试标定方法，其特征在于，所述步骤b中，利用以下公式实现世界坐标点到相机坐标点的转换：W[x y 1]＝[X Y Z 1]P，
其中，w为世界坐标点的比例因子，[x,y,1]为图像点，P为相机矩阵，[x,y,z,1]为世界坐标点，K为相机内在矩阵，为相机的外在参数中的旋转R和平移t组成的矩阵。
4.根据权利要求2所述的激光雷达畸变的测试标定方法，其特征在于，所述步骤c中，对于Scaramuzza鱼眼相机模型，激光雷达相机镜头的内在参数包括投影函数的多项式映射系数，对齐系数与传感器对齐以及从传感器平面到相机图像平面中的像素位置的转换有关，通过以下等式将图像点映射到其对应的三维矢量，
其中，
(u，v)是真实世界坐标点的理想图像投影；
λ表示一个标量因子；
α0,α2,α3α4是由Scaramuzza鱼眼相机模型描述的多项式系数,其中α1＝0；ρ是(u,v)的函数，仅取决于点到图像中心的距离
CN202211740713.2A 2022-12-31 2022-12-31 激光雷达畸变的测试标定方法 Active CN116203542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211740713.2A CN116203542B (zh) 2022-12-31 2022-12-31 激光雷达畸变的测试标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211740713.2A CN116203542B (zh) 2022-12-31 2022-12-31 激光雷达畸变的测试标定方法

Publications (2)

Publication Number Publication Date
CN116203542A CN116203542A (zh) 2023-06-02
CN116203542B true CN116203542B (zh) 2023-10-03

Family

ID=86508689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211740713.2A Active CN116203542B (zh) 2022-12-31 2022-12-31 激光雷达畸变的测试标定方法

Country Status (1)

Country Link
CN (1) CN116203542B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198223A (zh) * 2018-01-29 2018-06-22 清华大学 一种激光点云与视觉图像映射关系快速精确标定方法
CN109003311A (zh) * 2018-08-22 2018-12-14 上海庄生晓梦信息科技有限公司 一种鱼眼镜头的标定方法
CN111145269A (zh) * 2019-12-27 2020-05-12 武汉大学 一种鱼眼相机与单线激光雷达的外方位元素的标定方法
US10838049B1 (en) * 2019-12-17 2020-11-17 The Boeing Company Calibration procedure for establishing an extrinsic relationship between lidar and camera sensors
CN112233188A (zh) * 2020-10-26 2021-01-15 南昌智能新能源汽车研究院 一种基于激光雷达的车顶全景相机及其标定方法
CN115393448A (zh) * 2022-08-03 2022-11-25 同济大学 一种激光雷达与相机外参在线标定方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198223A (zh) * 2018-01-29 2018-06-22 清华大学 一种激光点云与视觉图像映射关系快速精确标定方法
CN109003311A (zh) * 2018-08-22 2018-12-14 上海庄生晓梦信息科技有限公司 一种鱼眼镜头的标定方法
US10838049B1 (en) * 2019-12-17 2020-11-17 The Boeing Company Calibration procedure for establishing an extrinsic relationship between lidar and camera sensors
CN111145269A (zh) * 2019-12-27 2020-05-12 武汉大学 一种鱼眼相机与单线激光雷达的外方位元素的标定方法
CN112233188A (zh) * 2020-10-26 2021-01-15 南昌智能新能源汽车研究院 一种基于激光雷达的车顶全景相机及其标定方法
CN115393448A (zh) * 2022-08-03 2022-11-25 同济大学 一种激光雷达与相机外参在线标定方法、装置及存储介质

Also Published As

Publication number Publication date
CN116203542A (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN110276808B (zh) 一种单相机结合二维码测量玻璃板不平度的方法
US10764559B2 (en) Depth information acquisition method and device
CN111243033B (zh) 一种优化双目相机外参数的方法
CN105716542B (zh) 一种基于柔性特征点的三维数据拼接方法
US11606542B2 (en) Projection image automatic correction method and system based on binocular vision
CN108520537B (zh) 一种基于光度视差的双目深度获取方法
TW201808000A (zh) 投影機的影像校正方法及影像校正系統
CN109242779B (zh) 一种相机成像模型的构建方法、装置及汽车自动驾驶系统
CN111461963B (zh) 一种鱼眼图像拼接方法及装置
CN111311682A (zh) 一种led屏校正过程中的位姿估计方法、装置及电子设备
CN114627249B (zh) 三维扫描系统及三维扫描方法
CN105374067A (zh) 一种基于pal相机的三维重建方法及其重建系统
CN111854636A (zh) 一种多相机阵列三维检测系统和方法
CN112991533A (zh) 基于激光三角法的旋转水下物体三维重建方法
CN116026252A (zh) 一种点云测量方法及系统
CN116051659A (zh) 一种线阵相机与2d激光扫描仪联合标定方法
CN116203542B (zh) 激光雷达畸变的测试标定方法
WO2024021654A1 (zh) 一种用于线结构光3d相机的误差校正方法以及装置
CN112116703A (zh) 一种3d相机及点云与彩色纹理对齐的红外光扫描算法
CN112652019A (zh) 一种双目视觉三维定位方法
CN116381712A (zh) 一种基于线阵相机与地面激光雷达组合装置的测量方法
CN114359365B (zh) 一种具有高分辨率的汇聚式双目视觉测量方法
CN115880369A (zh) 线结构光3d相机和线阵相机联合标定的装置、系统及方法
CN112361982B (zh) 一种大幅面工件三维数据提取方法及系统
Tang et al. Fast and accuracy camera calibration based on Tsai two-step method

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