CN116309856A - 不同载重下相机外参的估计方法、装置及无人驾驶卡车 - Google Patents

Abstract

本申请实施例涉及无人驾驶技术领域，公开了一种不同载重下相机外参的估计方法、装置及无人驾驶卡车。所述方法包括：标定多种载重下的相机外参和空载时的相机外参；计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值；对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型；利用所述估计模型，估计在目标载重下的相机外参。本申请可以保证不同载重下的相机外参的精度，保证无人驾驶卡车的安全运行，且计算简便，时效性强，当载重被放置在无人驾驶卡车时，新的目标相机外参直接生效，不会影响无人码头的运输效率，无人工干预。

Description

不同载重下相机外参的估计方法、装置及无人驾驶卡车

技术领域

本申请实施例涉及无人驾驶技术领域，尤其涉及一种不同载重下相机外参的估计方法、装置及无人驾驶卡车。

背景技术

近年来，自动化码头开始逐渐批量建设，无人驾驶卡车对提高港口物流运输效率和降低成本上展现巨大潜力，无人驾驶卡车采用的是无人驾驶技术。

无人驾驶卡车上设有相机，通过相机获取周边环境。而在无人驾驶应用中，相机的外参极为重要，相机的外参是指相机坐标系相对于车体坐标系的旋转角度和平移量，相机的外参对无人车的定位和周围环境感知产生决定性影响，因此，在无人驾驶应用中，相机外参的计算一直都是研究的热点问题。

本申请发明人在实现本申请实施例的过程中，发现：对于无人驾驶卡车来说，相机外参的计算相比于普通无人驾驶汽车而言更具挑战性，其主要挑战点在于相机外参在车体运行过程中的变化，除了车体运动时本身的抖动带来相机位置和姿态变化外，无人驾驶卡车还会经常运载不同重量的货物，不同的载重将对车体的结构造成不同程度的形变，而这些形变带来的相机外参的变化是巨大且无法忽略的。

现有的相机外参的计算方法大多计算相机的静态外参，而实际应用中，也大多数使用的是相机的静态外参，且假设相机的静态外参不会在车体运动中发生变化。由于无人驾驶卡车经常会运载不同重量的货物的缘故，不同载重带来的外参变化远远大于车体运行过程中由抖动导致的变化，因此不同载重下的无人驾驶卡车的相机外参显然是会发生变化的，而现有技术中却无法解决无人驾驶卡车在不同载重下不同相机外参的问题。

发明内容

本申请实施例的目的是提供一种不同载重下相机外参的估计方法、装置及无人驾驶卡车，实现对无人驾驶卡车不同载重下不同相机外参的估计，从而保证无人驾驶卡车的安全运行。

为解决上述技术问题，本申请实施例采用以下技术方案：

第一方面，本申请实施例中提供给了一种不同载重下相机外参的估计方法，所述方法包括：

标定多种载重下的相机外参和空载时的相机外参；

计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值；

对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型；

利用所述估计模型，估计在目标载重下的相机外参。

在一些实施例中，所述计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括相机坐标系相对于车体坐标系的平移量变化值和旋转角度变化值，包括：

根据所述多种载重下的相机外参和所述空载时的相机外参计算车体坐标系在多种载重下相对于空载时的车体坐标系变化量；

根据所述车体坐标系变化量计算所述外参变化量。

在一些实施例中，所述对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型的步骤包括：

利用三阶多项式对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型。

在一些实施例中，所述三阶多项式的公式为：

f(x,y)＝p₀₀+p₁₀x+p₀₁y+p₂₀x²+p₁₁xy+p₀₂y²+p₃₀x³+p₂₁x²y+p₁₂xy²+p₀₃x³；

其中，f(x,y)表示待拟合的变量的值，分别为所述平移量变化值和所述旋转角度变化值，x表示车辆前侧载重的值，y表示车辆后侧载重的值，p₀₀，p₁₀，……，p₁₂，p₀₃均为待确定系数。

在一些实施例中，所述利用所述估计模型，估计在目标载重下的相机外参，包括：

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标旋转角度变化值；

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标平移量变化值；

根据所述目标旋转角度变化值、所述目标平移量变化值以及所述空载时的相机外参，计算目标载重下相机外参。

在一些实施例中，所述方法还包括：

将所述目标载重下的相机外参保存在关系对应表中。

在一些实施例中，在所述获得估计模型之后，所述方法还包括：

利用测试数据对所述估计模型进行拟合精度测试。

第二方面，本申请还提供一种不同载重下相机外参的估计装置，所述装置包括：

标定模块，用于标定多种载重下的相机外参和空载时的相机外参；

计算模块，用于计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值；

拟合模块，用于对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型；

预测模块，用于利用所述估计模型，估计在目标载重下的相机外参。

第三方面，本申请还提供一种无人驾驶卡车，所述无人驾驶卡车包括：

至少一个相机；

至少一个处理器，以及

存储器，所述存储器与所述处理器通信连接，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现如上第一方面所述的不同载重下相机外参的估计方法的步骤。

第四方面，本申请还提供一种非易失性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可执行指令，当所述计算机可执行指令被无人驾驶卡车执行时，以实现如上第一方面所述的不同载重下相机外参的估计方法的步骤。

本申请实施例的有益效果：区别于现有技术的情况，本申请实施例提供的不同载重下相机外参的估计方法、装置及无人驾驶卡车，首先标定多种载重下的相机外参和空载时的相机外参，计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值，从而确定相机外参随载重变化的规律。对外参变化量的平移量变化值和旋转角度变化值进行曲面拟合，获得估计模型，利用估计模型，估计在目标载重下的相机外参，从而实现对无人驾驶卡车在不同载重下灵活估计相机外参的目的。

本申请的估计模型可以保证目标载重下的相机外参与无载重时的相机外参具有一样的精度，保证无人驾驶卡车的安全运行，且计算简便，时效性强，当载重被放置在无人驾驶卡车时，新的目标相机外参直接生效，不会影响无人码头的运输效率。再者，该估计方法在需要新的相机外参时，无人工干预，避免人工干预计算不同载重下的相机外参而导致的低效率及出错率高的问题。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本申请相机坐标系相对于车体坐标系的关系示意图；

图2是本申请不同载重下相机外参的估计方法的一个实施例的流程示意图；

图3是本申请估计模型的平面示意图；

图4是本申请不同载重下相机外参的估计装置的一个实施例的结构示意图；

图5是本申请无人驾驶卡车的一个实施例中控制器的硬件结构示意图。

具体实施方式

下面结合具体实施例对本申请进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本申请，但不以任何形式限制本申请。应当指出的是，对本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进。这些都属于本申请的保护范围。

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，如果不冲突，本申请实施例中的各个特征可以相互结合，均在本申请的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。

除非另有定义，本说明书所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本说明书中在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本申请。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

此外，下面所描述的本申请各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本申请实施例提供的不同载重下相机外参的估计方法和装置可以应用于无人驾驶卡车，本申请的无人驾驶卡车为无人驾驶应用中的一种，无人驾驶卡车通过相机获取周边环境的信息，便于无人驾驶卡车安全运行。

如图1所示，相机外参为相机坐标系相对于车体坐标系的旋转角度R和平移量t，图1左边为相机坐标系，图1右边为车体坐标系，由图1可知，平移量t包括x轴、y轴、z轴的平移量，z是外参t中的z轴方向的平移量，鉴于空载时车体坐标系base_link坐标系建立在地平面上z＝0，所以平移量实际上是相机的高度值z。

请参见图2，图2为应用于本申请的不同载重下相机外参的估计方法的实施例的流程示意图，所述方法可以由无人驾驶卡车100中的控制器执行，该方法包括步骤S201-步骤S204。

S201：标定多种载重下的相机外参和空载时的相机外参。

相机外参包括相机坐标系相对于车体坐标系的平移量t和旋转角度R。

标定时，在一个无人驾驶卡车上放置多种不同的载重，且记录该无人驾驶卡车在各个不同载重下的相机外参和空载时的相机外参，从而获得不同载重下的相机外参及标定载重组合。

标定载重组合包括具体载重、与具体载重对应的相机外参，即不同载重下的相机坐标系相对于车体坐标系的平移量t和旋转角度R。

并且，为了减少标定工作量，可以将标定载重组合简化。假设无人驾驶卡车的前侧和后侧的最大载重均为x吨，根据实验可知，4吨以内的载重变化对车体造成的形变较小，因此，可以假设以4吨为一个步长，即车体前侧和后侧分别可能的载重数据个数为x/4个，当然，如果x/4在计算的时候有余数，则加1，例如，当x＝24时，前侧和后侧分别需要的载重数据均为6个；当x＝30时，则前侧和后侧分别需要的载重数据均为8个，所以，标定载重组合有

种。类似的，在估计目标载重的相机外参的时候的载重组合同样与无人驾驶卡车的最大载重和步长相关。

在本实施例中，标定过程只需要一次，标定的相机外参不能作为不同载重下的其他类型的相机外参，是因为每辆车的机械结构不同，相机的安装位置也不同，因此，标定的相机外参不能直接使用。但是因为不同无人驾驶卡车都是按照同样的设计图生产的，因此可以假设车体在不同载重下发生的刚性形变相同。

S202：计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值。

在其中一些实施方式中，计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值，可以包括：

根据所述多种载重下的相机外参和所述空载时的相机外参计算车体坐标系在多种载重下相对于空载时的车体坐标系变化量；

根据所述车体坐标系变化量计算所述外参变化量。

具体地，为了计算不同载重下的相机外参相对于空载时的相机外参的外参变化量，需要确定相机外参随载重变化的规律。按照常识而言，载重放在无人驾驶卡车的车体的前后端将会分别导致前侧和后侧的高度降低，对于固定在车头和车尾的相机来说，会导致相机相对于车体的高度降低，且旋转角度对应的角度会发生相应的变化。假设车体是理想刚体，即车体本身不会发生形变，相机与车体之间的相对位置不变，即车体本身只是由于载重导致的不同程度的倾斜会使得车体发生刚性变化。那么，可以通过预测车体的刚性变化来计算相机外参。

因此，计算所述多种载重下的相机外参相对于空载时的相机外参的外参变化量的时候，由于刚体假设空载时不会发生形变，因此空载的时候相机相对于车体的位置不变，只有车体坐标系在变化，那么空载时的相机外参则为已知量，用空载时的相机外参乘以多种载重下相对于空载时的车体坐标系变化量，获得未知载重下的目标相机外参值，如以下公

式1所示：

其中，

表示多种载重下的相机外参值，/>

表示车体坐标系在多种载重下相对于空载时的车体坐标系变化量；/>

表示空载时的相机外参，即空载时车体坐标系为bas_link坐标系时的相机外参，且/>

为一个4×4的实数矩阵，b表示空载时的车体坐标系，cam0表示空载时的相机。

因此，通过公式1，求出车体坐标系在多种载重下相对于空载时的车体坐标系变化量

由于在标定的时候，标定多种载重下的相机外参和空载时的相机外参，那么，已知多种载重下的外参值

和空载时的外参值/>

计算车体坐标系在多种载重下相对于空载时的车体坐标系的变化量/>

采用以下公式2：

其中，

表示多种载重的相机外参，x表示不同载重，/>

且

并且，利用公式1，即车体坐标系变化量/>

乘以一种载重下的相机外参值

从而可以获得一种载重的外参变化量，载重可以是多个，从而获得多种载重下的相机外参相对于所述空载时的相机外参的外参变化量。相机外参变化量同样为一个4×4的矩阵：

S203：对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型。

通过步骤S202计算获得的相机外参变化量可以作为拟合估计模型的数据来源。

在其中一些实施方式中，对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型的步骤包括：

利用三阶多项式对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型。

所述三阶多项式的公式为以下公式3：

f(x,y)＝p₀₀+p₁₀x+p₀₁y+p₂₀x²+p₁₁xy+p₀₂y²+p₃₀x³+p₂₁x²y+p₁₂xy²+p₀₃x³ 公式3；

其中，f(x,y)表示待拟合的变量的值，分别为所述平移量变化值和所述旋转角度变化值，x表示车辆前侧载重的值，y表示车辆后侧载重的值；p₀₀，p₁₀，……，p₁₂，p₀₃均为待确定系数。

X和y为三阶多项式函数中的自变量，待拟合变量是在不同载重下相机外参中的高度z值和Pitch角度这两个量相对于空载时的变化量。如载重为车体前侧重20吨，后侧重20吨时，相机外参的高度z比空载时降低了5cm。那么公式3所计算出的f(20,20)＝-0.05，此时的f(x,y)是相机高度z的变化。类似的，当载重为车体前侧重20吨，后侧重20吨时，相机的pitch角度相对于无载重时变化了-30度。那么f(20,20)＝-30，且此时的f(x,y)是pitch角度的变化。

需要说明的是，在曲面拟合的时候，是利用matlab的cftool工具自动生成的拟合代码进行三阶多项式的曲面拟合，生成可视化外参变化拟合的平面结果，如图3所示，拟合的顺序为cam0的pitch角度，cam2的pitch角度，cam0的z，cam2的z。cam0表示车体前侧载重，cam2表示车体后侧载重。

在图3中，通过曲面拟合，可以看到估计模型明显摆脱了个别异常数据点的影响，使得曲面整体更符合预想的变化规律，因此，选择三阶多项式拟合来模拟车体的刚性变化。

通过曲面拟合，可以让人们很容易理解相机外参的pitch和z是如何受到载重变化影响的。当车体前侧载重逐渐增大，前侧相机将会逐渐被下压，相机外参的pitch值会增大，可以理解的是，拟合出来的pitch值增大而不是减小是由于pitch值是旋转量，在旋转的时候，逆时针旋转是角度正向增大的过程，因此前侧载重变重，而相机外参的pitch角度逆时针旋转，pitch数值则会变大，z轴高度值会减小。

当增加车体后侧载重，前侧相机会被车体杠杆翘起，因此，pitch值会减小，z轴高度值会增大。

在其中一些实施方式中，在获得估计模型之后，所述方法还包括：

利用测试数据对所述估计模型进行拟合精度测试。

具体地，在获得估计模型后，可以测试估计模型的准确度，可以利用测试数据对估计模型进行拟合精度测试，从而可以可视化模型平面和测试数据的分布来确定拟合精度，当然，也可以单独可视化一些差值计算结构来看拟合效果，实现对拟合精度的测试。

经过测试发现，本申请的估计模型的精度足够，在不同载重下采用对应的相机外参，可以保证无人驾驶卡车的安全运行。

S204：利用所述估计模型，估计在目标载重下的相机外参。

在其中一些实施方式中，利用所述估计模型，估计在目标载重下的相机外参，可以包括：

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标旋转角度变化值；

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标平移量变化值；

根据所述目标旋转角度变化值、所述目标平移量变化值以及所述空载时的相机外参，计算目标载重下相机外参。

具体地，当在无人驾驶卡车上放置载重时，利用估计模型，估计在目标载重下的相机外参，已知目标载重为估计某个载重组合下的相机外参的过程中，那么可以利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标旋转角度变化值和目标平移量变化值，，目标旋转角度变化值为cam0 pitch的变化量，进一步地，可以参考公式2，基于所述目标旋转角度变化值，反推所述目标旋转角度变化值所在的载重组合，用

表示。再根据所述目标旋转角度变化值、所述目标平移量变化值以及所述空载时的相机外参，计算目标载重下相机外参，具体根据公式1，将所述载重组合中的车体坐标系变化量乘以空载时的相机外参，获得目标载重下的相机外参值，基于相机外参值确定目标载重对应的偏移量变化值；计算偏移量变化值与空载时在z轴上的值的和，获得目标载重下相机坐标系相对于车体坐标系在Z轴方向上的目标平移量变化值；基于所述目标平移量变化值和旋转角度变化值，获得目标载重下的相机外参，目标载重可以是不同载重，从而估计在目标载重下的相机外参。

在其中一些实施方式中，所述方法还包括：

将所述目标载重下的相机外参保存在关系对应表中。

具体地，在获得目标无人驾驶卡车在不同载重下的相机外参后，将不同载重下的相机外参保存在关系对应表中，方便用户查看。

本申请的实施例，首先标定多种载重下的相机外参和空载时的相机外参，计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值，从而确定相机外参随载重变化的规律。对外参变化量的平移量变化值和旋转角度变化值进行曲面拟合，获得估计模型，利用估计模型，估计在目标载重下的相机外参，从而实现对无人驾驶卡车在不同载重下灵活估计相机外参的目的。

本申请的估计模型可以保证目标载重下的相机外参与无载重时的相机外参具有一样的精度，保证无人驾驶卡车的安全运行，且计算简便，时效性强，当载重被放置在无人驾驶卡车时，新的目标相机外参直接生效，不会影响无人码头的运输效率。再者，该估计方法在需要新的相机外参时，无人工干预，避免人工干预计算不同载重下的相机外参而导致的低效率及出错率高的问题。

本申请实施例还提供了一种不同载重下相机外参的估计装置，应用于无人驾驶卡车，请参阅图4，其示出了本申请实施例提供的一种不同载重下相机外参的估计装置的结构，该不同载重下相机外参的估计装置400包括：

标定模块401，用于标定多种载重下的相机外参和空载时的相机外参；

计算模块402，用于计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值；

拟合模块403，用于对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型；

预测模块404，用于利用所述估计模型，估计在目标载重下的相机外参。

本申请的实施例，首先标定多种载重下的相机外参和空载时的相机外参，计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值，从而确定相机外参随载重变化的规律。对外参变化量的平移量变化值和旋转角度变化值进行曲面拟合，获得估计模型，利用估计模型，估计在目标载重下的相机外参，从而实现对无人驾驶卡车在不同载重下灵活估计相机外参的目的。

本申请的估计模型可以保证目标载重下的相机外参与无载重时的相机外参具有一样的精度，保证无人驾驶卡车的安全运行，且计算简便，时效性强，当载重被放置在无人驾驶卡车时，新的目标相机外参直接生效，不会影响无人码头的运输效率。再者，该估计方法在需要新的相机外参时，无人工干预，避免人工干预计算不同载重下的相机外参而导致的低效率及出错率高的问题。

在一些实施例中，计算模块402，还用于：

根据所述多种载重下的相机外参和所述空载时的相机外参计算车体坐标系在多种载重下相对于空载时的车体坐标系变化量；

根据所述车体坐标系变化量计算所述外参变化量。

在一些实施例中，拟合模块403，还用于：

利用三阶多项式对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型。

在一些实施例中，所述三阶多项式的公式为：

f(x,y)＝p₀₀+p₁₀x+p₀₁y+p₂₀x²+p₁₁xy+p₀₂y²+p₃₀x³+p₂₁x²y+p₁₂xy²+p₀₃x³；

其中，f(x,y)表示待拟合的变量的值，分别为所述平移量变化值和所述旋转角度变化值，x表示车辆前侧载重的值，y表示车辆后侧载重的值，p₀₀，p₁₀，……，p₁₂，p₀₃均为待确定系数。

在一些实施例中，预测模块404，还用于：

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标旋转角度变化值；

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标平移量变化值；

根据所述目标旋转角度变化值、所述目标平移量变化值以及所述空载时的相机外参，计算目标载重下相机外参。

在一些实施例中，不同载重下相机外参的估计装置400包括：

保存模块405，用于：

将所述目标载重下的相机外参保存在关系对应表中。

在一些实施例中，不同载重下相机外参的估计装置400包括：

测试模块406，用于：

利用测试数据对所述估计模型进行拟合精度测试。

需要说明的是，上述装置可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在装置实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

图5为无人驾驶卡车的一个实施例中无人驾驶卡车100的控制器的硬件结构示意图，如图5所示，控制器包括：

一个或多个处理器111、存储器112。图5中以一个处理器111、一个存储器112为例。

处理器111、存储器112可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器112作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的不同载重下相机外参的估计方法对应的程序指令/模块(例如，附图4所示的标定模块401、计算模块402、拟合模块403、预测模块404、保存模块405、测试模块406)。处理器111通过运行存储在存储器112中的非易失性软件程序、指令以及模块，从而执行控制器的各种功能应用以及数据处理，即实现上述方法实施例的不同载重下相机外参的估计方法。

存储器112可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据人员进出检测装置的使用所创建的数据等。此外，存储器112可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器112可选包括相对于处理器111远程设置的存储器，这些远程存储器可以通过网络连接至无人驾驶卡车。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器112中，当被所述一个或者多个处理器111执行时，执行上述任意方法实施例中的不同载重下相机外参的估计方法，例如，执行以上描述的图2中的方法步骤S201至步骤S204；实现图4中的模块401-406的功能。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例提供了一种非易失性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可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图5中的一个处理器111，可使得上述一个或多个处理器可执行上述任意方法实施例中的不同载重下相机外参的估计方法，例如，执行以上描述的图2中的方法步骤S201至步骤S204；实现图4中的模块401-406的功能。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施例的描述，本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；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范围。

Claims (10)

1.一种不同载重下相机外参的估计方法，其特征在于，所述方法包括：

标定多种载重下的相机外参和空载时的相机外参；

计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值；

对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型；

利用所述估计模型，估计在目标载重下的相机外参。

2.根据权利要求1所述的方法，其特征在于，所述计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括相机坐标系相对于车体坐标系的平移量变化值和旋转角度变化值，包括：

根据所述多种载重下的相机外参和所述空载时的相机外参计算车体坐标系在多种载重下相对于空载时的车体坐标系变化量；

根据所述车体坐标系变化量计算所述外参变化量。

3.根据权利要求1所述的方法，其特征在于，所述对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型的步骤包括：

利用三阶多项式对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型。

4.根据权利要求3所述的方法，其特征在于，所述三阶多项式的公式为：

f(x,y)＝p₀₀+p₁₀x+p₀₁y+p₂₀x²+p₁₁xy+p₀₂y²+p₃₀x³+p₂₁x²y+p₁₂xy²+p₀₃x³；

其中，f(x,y)表示待拟合的变量的值，分别为所述平移量变化值和所述旋转角度变化值，x表示车辆前侧载重的值，y表示车辆后侧载重的值，p₀₀，p₁₀，……，p₁₂，p₀₃均为待确定系数。

5.根据权利要求1所述的方法，其特征在于，所述利用所述估计模型，估计在目标载重下的相机外参，包括：

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标旋转角度变化值；

利用所述估计模型估计目标载重下相机外参相对于所述空载时的相机外参的目标平移量变化值；

根据所述目标旋转角度变化值、所述目标平移量变化值以及所述空载时的相机外参，计算目标载重下相机外参。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述目标载重下的相机外参保存在关系对应表中。

7.根据权利要求1所述的方法，其特征在于，在所述获得估计模型之后，所述方法还包括：

利用测试数据对所述估计模型进行拟合精度测试。

8.一种不同载重下相机外参的估计装置，其特征在于，所述装置包括：

标定模块，用于标定多种载重下的相机外参和空载时的相机外参；

计算模块，用于计算所述多种载重下的相机外参相对于所述空载时的相机外参的外参变化量，所述外参变化量包括平移量变化值和旋转角度变化值；

拟合模块，用于对所述平移量变化值和所述旋转角度变化值进行曲面拟合，获得估计模型；

预测模块，用于利用所述估计模型，估计在目标载重下的相机外参。

9.一种无人驾驶卡车，其特征在于，所述无人驾驶卡车包括：

至少一个相机；

至少一个处理器，以及

存储器，所述存储器与所述处理器通信连接，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现如权利要求1至7任一项所述的方法的步骤。

10.一种非易失性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可执行指令，当所述计算机可执行指令被无人驾驶卡车执行时，以实现如权利要求1至7任一项所述的方法的步骤。

Images