CN116385550A - 外参标定方法、装置、计算设备、介质和车辆 - Google Patents
外参标定方法、装置、计算设备、介质和车辆 Download PDFInfo
- Publication number
- CN116385550A CN116385550A CN202211627253.2A CN202211627253A CN116385550A CN 116385550 A CN116385550 A CN 116385550A CN 202211627253 A CN202211627253 A CN 202211627253A CN 116385550 A CN116385550 A CN 116385550A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- external parameter
- coordinate
- coordinates
- calibrated
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000009466 transformation Effects 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000001131 transforming effect Effects 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 15
- 238000009434 installation Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本公开实施例提供一种外参标定方法、装置、计算设备、介质和车辆。外参标定方法包括:获取局部点云并获取预先扫描的参照点云;基于待标定外参的初始值对局部点云进行坐标变换,得到第一变换坐标;基于目标里程计传感器坐标系与参照坐标系的已知转换关系将第一变换坐标变换为第二变换坐标;基于局部点云中检测点的坐标和参照点云中检测点的坐标,确定参照点云中与局部点云配准的子点云,并获取子点云中检测点在参照坐标系中的精准坐标;基于第二变换坐标和精准坐标修正待标定外参的初始值,得到待标定外参的修正值。如此,车辆无需在行驶环境内执行诸如八字绕行等需要占用大量行驶空间的行驶操作,就可以实现外参标定。
Description
技术领域
本公开涉及自动驾驶技术领域,具体涉及一种外参标定方法、装置、计算设备、介质和车辆。
背景技术
在港口、场站等场景下部署自动驾驶车辆时,自动驾驶车辆中会部署多种类型的传感器,以利用多个传感器融合进行车辆位姿感知,其中传感器多为激光雷达和惯性测量单元。而实现激光雷达和惯性测量单元融合定位的前提是确定二者之间的坐标转换关系,即确定两个传感器之间的坐标转换外参。
目前已有的传感器外参标定法包括基于空间刚性的手眼标定方法。基于空间刚性的手眼标定方法在车辆上安装激光雷达和惯性测量单元后,使得车辆在开放空间内执行诸如八字绕行等能够体现各种车辆位姿状态,基于激光雷达数据和惯性测量单元生成对应的里程计数据,并利用两个传感器生成的里程计数据确定坐标转换外参。
但是,由于自动驾驶车辆本身尺寸较大,并且其实际工作场景的可行驶区域有限,无法采用前述八字绕行方法获取车辆的各种位姿状态,进而也就无法采用手眼标定方法基于足够多的数据获取到准确的坐标转换外参。
发明内容
为了解决上述技术问题,本公开实施例提供一种外参标定方法、装置、计算设备和介质。
第一方面,本公开实施例提供一种外参标定方法,包括:
获取激光雷达扫描车辆行驶区域生成的局部点云,以及获取预先扫描所述车辆行驶区域得到的参照点云,其中所述参照点云中各检测点在参照坐标系中的坐标已知;
基于待标定外参的初始值对所述局部点云在激光雷达坐标系中的坐标进行坐标变换,得到第一变换坐标,所述待标定外参为所述激光雷达坐标系与目标里程计传感器坐标系之间的外参;
基于目标里程计传感器坐标系与所述参照坐标系的已知转换关系对所述第一变换坐标进行坐标变换,得到第二变换坐标;
基于所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云,并获取所述子点云中检测点在所述参照坐标系中的精准坐标;
基于所述第二变换坐标和所述精准坐标修正所述待标定外参的初始值,得到所述待标定外参的修正值。
可选的,所述获取激光雷达扫描车辆行驶区域生成的局部点云,包括:
在所述车辆行进至特定标定区域时,控制所述车辆驻车;
在检测到所述车辆驻车并且处在静止的状态下,驱动所述激光雷达扫描所述获取表征所述车辆行驶区域特征的所述局部点云。
可选的,在所述基于待标定外参的初始值对所述局部点云进行坐标变换之前,所述方法还包括:
获取所述激光雷达和所述目标里程计传感器在所述车辆中的安装位姿数据;
根据所述安装位姿数据确定所述待标定外参的初始值;或者,
基于所述安装位姿数据确定可能外参范围,并在所述可能外参范围内随机地确定所述待标定外参的初始值。
可选的,在所述基于待标定外参的初始值对所述局部点云进行坐标变换之前,所述方法还包括:
对所述局部点云进行特征识别,确定表征可移动物体的点云;
删除表征可移动物体的点云,得到过滤后局部点云;
所述基于待标定外参的初始值对所述局部点云进行坐标变换,包括:
基于所述待标定外参的初始值对所述过滤后局部点云进行坐标变换。
可选的,所述对所述局部点云进行特征识别,确定表征可以移动物体的点云,包括:
基于移动物识别网络模型对所述局部点云进行特征识别,确定表征所述可以移动物体的点云。
可选的,所述基于所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云包括:
采用正态分布变换算法或者迭代最近点算法处理所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云。
第二方面,本公开实施例提供一种外参标定装置,包括:
点云获取单元,用于获取激光雷达扫描车辆行驶区域生成的局部点云,以及获取预先扫描所述车辆行驶区域得到的参照点云,其中所述参照点云中各检测点在参照坐标系中的坐标已知;
坐标转换单元,用于基于待标定外参的初始值对所述局部点云进行坐标变换,得到第一变换坐标,以及基于目标里程计传感器坐标系与所述参照坐标系的已知转换关系对所述第一变换坐标进行坐标变换,得到第二变换坐标,所述待标定外参为所述激光雷达坐标系与目标里程计传感器坐标系之间的外参;
点云配准单元,用于基于所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云,并获取所述子点云中检测点在所述参照坐标系中的精准坐标;
外参确定单元,用于基于所述第二变换坐标和所述精准坐标修正所述待标定外参的初始值,得到所述待标定外参的修正值。
第三方面,本公开实施例提供一种计算设备,包括处理器和存储器,所述存储器用于存储计算机程序;所述计算机程序在被所述处理器加载时,使所述处理器执行如前所述的外参标定方法。
第四方面,本公开实施例提供一种计算机可读存储介质,所述存储介质存储有计算机程序,当计算机程序被处理器执行时,使得处理器实现如前所述的外参标定方法。
第五方面,本公开实施例提供一种车辆,包括激光雷达、目标里程计传感器和计算设备;
所述激光雷达和所述目标里程计传感器分别刚性地安装在所述车辆的车体或者车架上;
所述计算设备用于获取所述激光雷达扫描车辆行驶区域生成的局部点云,按照如前所述的外参标定方法确定所述激光雷达和所述目标里程计传感器之间的外参。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供方案,以参照点云和激光雷达扫描得到的局部点云可以实现配准为基点,先利用待标定的外参将局部点云转换到目标里程计传感器坐标系得到第一变换坐标,再利用目标里程计传感器坐标系与参照坐标系之间已知的坐标转换关系得到第二变换坐标,使得用于表征车辆行驶区域的第二变换坐标与待标定外参直接相关。最后基于第二变换坐标和参照点云中精准坐标具有相关关系(或者说具有对应关系)的特点,实现待标定外参的修正,并得到标定后的外参。如此,车辆无需在行驶环境内执行诸如八字绕行等需要占用大量行驶空间的行驶操作,就可以实现外参标定。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图,其中:
图1是本公开实施例提供的外参标定方法流程图;
图2是本公开实施例提供的外参标定装置的结构示意图;
图3是本公开一些实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施例提供一种外参标定方法,将已知参照坐标系坐标的点云作为参照,通过向将待标定的外参作为参数,实现激光雷达采集的局部点云向已知参照坐标系的坐标转换,确定激光雷达坐标系相对于目标传感器坐标系的外参。
图1是本公开实施例提供的外参标定方法流程图。如图1所示,本公开实施例提供的外参标定方法包括S110-S150。
本公开实施例提供的外参标定方法由计算设备执行。计算设备可以是车辆中配置的本地计算设备,也可以是远程服务器,还可以是由本地计算设备和远程服务器组合形成的虚拟设备。
S110:获取激光雷达扫描车辆行驶区域生成的局部点云,以及预先扫描车辆行驶区域得到的参照点云。
本公开实施例中,激光雷达以刚性固定方式安装在车辆中,用于感知车辆行驶区域的雷达。在激光雷达开机工作时,激光雷达通过扫描方式向周围环境发射激光信号并接收周围环境反射的激光信号,采用TOF(time of fly)和感知角度确定反射激光点的空间坐标,以生成局部点云。
参照点云也是采用激光雷达扫描方式得到的点云。但是,参照点云是已知自身坐标系与和参照坐标系转换关系的激光雷达对车辆行驶区域进行特征采集形成的点云。也就是说,参照点云中各个检测点在参照坐标系中的坐标已知。具体实施中,参照点云可以由第三方高精地图车对车辆行驶区域进行特征采集得到的点云,也可以是由已经实现外参标定的自有车辆对车辆行驶区域进行特征采集得到的点云。
S120:基于待标定外参的初始值对局部点云在激光雷达坐标系中的坐标点进行坐标变换,得到第一变换坐标。
前述的待标定外参为激光雷达坐标系与目标里程计传感器坐标系之间的外参,在大多数情况下,待标定外参的初始值并不是真实表征激光雷达坐标系和目标里程计传感器坐标系之间坐标转换关系的数值。具体如何确定待标定外参的初始值在后文中再做分析。
目标里程计传感器是除了前述安装在待标定车辆上的激光雷达之外的其他里程计传感器。例如,目标里程计传感器可以是惯性测量单元(IMU)或者基于卫星导航系统(诸如GPS导航系统或者北斗导航系统)的里程计传感器。在一些特殊应用中,目标里程计传感器还可以是另一激光雷达。
根据前述待标定外参的初始值的解释,可以确定第一变换坐标是局部点云中检测点在目标里程计传感器坐标系中的估计坐标,其并不一定是正确坐标。在具体实施中,基于待标定外参的初始值对局部点云坐标进行坐标转换,可以先根据待标定外参的初始值确定坐标变换矩阵,随后采用坐标变换矩阵对局部点云中检测点的激光雷达坐标系坐标进行变换,得到对应的第一变换坐标。
S130:基于目标里程计传感器坐标系与参照坐标系的已知转换关系对第一变换坐标进行坐标变换,得到第二变换坐标。
本公开实施例中,参照坐标系是除激光雷达坐标系和目标里程计传感器之外的第三个空间坐标系,并且参照坐标系与目标里程计传感器坐标系之间的坐标转换关系已知。因此,可以通过前述已知的坐标转换关系对第一变换坐标进行转换,得到第二变化坐标。根据前述转换关系可知,第二变换坐标为是局部点云中检测点在参照坐标系中的估计坐标。
本公开实施例中,参照坐标系优选采用全局坐标系,例如可以采用地球经纬坐标系或者通用横墨卡托格网系统(Universal Transverse Mercator Grid System,UTM)坐标系。
S140:基于局部点云中检测点的坐标和参照点云中检测点的坐标,确定参照点云中与局部点云配准的子点云,并获取子点云中检测点在参照坐标系中的精准坐标。
局部点云是激光雷达扫描车辆行驶区域得到的点云,参照点云也是扫描车辆行驶区域得到的参照点云,在车辆行驶区域特征固定不变的情况下,局部点云和参照点云是具有相同点云分布特征,因此局部点云可以与参照点云中的至少部分点云配准。基于此,本公开实施例中,计算设备可以对局部点云中检测的坐标和参照点云中检测点的坐标进行分析,以确定参照点云中与局部点云配准的子点云。
在具体实施中,计算设备可以采用正态分布变换(Normal DistributionsTransform,NDT)算法或者迭代最近点(Iterative Closest Point,ICP)算法处理局部点云中检测点的坐标和参照点云中检测点的坐标,确定参照点云中与局部点云配准的子点云。具体如何采用正态分布变换算法或者迭代最近点算法实现参照点云与局部点云的配准,本实施例不再展开表述,具体可以参考相关技术文献。
在确定子点云后,也就可以查询得到子点云中检测点在参照坐标系中的坐标。
S150:基于第二变换坐标和精准坐标修正待标定外参的初始值,得到待标定外参的修正值。
因为精准坐标是表征特定车辆行驶区域特征在参照坐标系的精准位置,第二变换坐标表征特定车辆行驶区域在参考坐标系中的估计位置,并且第二变换坐标的数值与待标定外参的数值直接相关,所以可以通过调整待标定外参的数值,使得第二变换坐标向精准坐标靠近。在待标定外参的初始值为真确值的情况下,前述分析可以采用公式表示plidar×Tguess×Treference=plidar-map,其中plidar为局部点云在激光雷达坐标系中的检测点坐标,Tguess为根据待标的外参的初始值确定的坐标变换矩阵,Treference为目标里程计传感器坐标系与参照坐标系之间的坐标变换矩阵,plidar-map为对应参照点云配准的子点云中对应检测点的坐标。
反向的思考,计算设备可以基于第二变换坐标和精准坐标表征特定车辆行驶区域的差异,实现对待标定外参数值的修正,直至第二变换坐标和精准坐标表征特定车辆环境特征的差异数值最小化,进而得到待标定外参的最终修正值。
具体实施中,计算设备可以分别对第二变换坐标和精准坐标进行聚类分析,确定二者的聚类中心坐标点,随后基于特征配准关系确定对应聚类中心坐标点的坐标差值,并利用坐标差值对标定外参的初始值进行修正,直至坐标差值达到最小值或者满足设定要求。
本公开实施例提供的外参标定方法中,计算设备以参照点云和激光雷达扫描得到的局部点云可以实现配准为基点,先利用待标定的外参将局部点云转换到目标里程计传感器坐标系得到第一变换坐标,再利用目标里程计传感器坐标系与参照坐标系之间已知的坐标转换关系得到第二变换坐标,使得用于表征车辆行驶区域的第二变换坐标与待标定外参直接相关。最后基于第二变换坐标和参照点云中精准坐标具有相关关系(或者说具有对应关系)的特点,实现待标定外参的修正,并得到标定后的外参。
采用本公开实施例提供的外参标定方法,车辆无需在行驶环境内执行诸如八字绕行等需要占用大量行驶空间的行驶操作,就可以实现外参标定。
在一些实施例中,计算设备需要获取激光雷达扫描车辆行驶区域生成的局部点云。由于车辆行驶区域中不同位置处的特征不同,使得后续进行点云配准时的配准精准度和开销并不相同。为了尽可能提高配准精准度并降低开销,需要使得激光雷达扫描车辆行驶区域的典型特征。为实现此目的,计算设备在执行S110时可以包括S111-S112。
S111:在车辆行进至特定标定区域时,控制车辆驻车。
S112:在检测到车辆驻车并且处在静止的状态下,驱动激光雷达扫描获取表征车辆行驶区域特征的局部。
特定标定区域是能够实现激光雷达扫描到车辆行驶区域典型环境特征的区域,例如可以是位于特定形状建筑周围,能够实现对特定建筑物外墙扫描的区域。本公开实施例中,计算设备可以在车辆中部署车载相机,以利用车载相机确定车辆相对于特征标定区域的位置,进而使得车辆在特定标定区域停车。在车辆行驶至特定标定区域后,随后计算设备可以控制车辆驻车停止,进而驱动激光雷达扫描表征车辆行驶区域特定特征的局部点云。
在具体实施中,计算设备需要通过梯度反向传播算法等方法对待标定外参的初始值进行修正,得到待标定外参的修正值。而待标定外参的初始值与精确值越接近,则计算开销相应的会越少。为降低计算开销,计算设备在执行S120之前,还可以执行S160-S170。
S160:获取激光雷达和目标里程计传感器在车辆中的安装位姿数据。
S170:根据安装位姿数据确定待标定外参的初始值。
激光雷达和目标里程计传感器在车辆中的安装位姿数据包括两个传感器在车辆中的安装位置数据和安装朝向角度数据。在获取到安装位姿数据后,计算设备可以安装位姿数据确定两个里程计传感器的理论平移外参和理论旋转外参,并将理论平移外参和理论旋转外参作为待标定外参的初始值。
在另外一些实施例中,计算设备还可以采用S180-S190确定标定外参的初始值。
S180:获取激光雷达和目标里程计传感器在车辆中的安装位姿数据。
S190:基于安装位姿数据确定可能外参范围,并在可能外参范围内随机地确定待标定外参的初始值。
基于安装位姿数据确定可选外参范围是基于理论安装位姿数据和可能的安装误差,确定可能外参范围。随后可以在可能外参范围内随机地选择一组待标定外参的初始值。
在具体实施中,在车辆行驶区域为港口等典型区域的情况下,车辆行驶区域中周围的一些特征物体位置可能随时移动,使得扫描得到的局部点云和参照点云并不能配准。为避免此问题,在一些实施例中,计算设备在执行S120之前,还可以执行如下S200-S210。
S200:对局部点云进行特征识别,确定表征可移动物体的点云。
S210:删除表征可移动物体的点云,得到过滤后局部点云。
在一些实施例中,计算设备对局部点云进行特征识别,是采用已经学习到的经验知识,对局部点云进行聚类,并对聚类后的点云坐标进行特征匹配,得到表征可移动物体的点云,并将此类点云删除。
在另外一些实施例中,计算设备可以采用特定尺寸的滑窗对局部点云进行滑动取样,得到子滑窗,并采用预先训练移动物识别网络模型确定子滑窗内的物体类型,并根据物体类型确定其是否为可移动物体。在确定子滑窗识别得到的物体为可移动物体后,计算设备可以删除此子滑窗内的点云。
在执行S200-S210的情况下,前述的S120具体为基于待标定外参的初始值对过滤后局部点云进行坐标变换。
除了提供前述的外参标定方法外,本公开实施例还提供一种外参标定装置。图2是本公开实施例提供的外参标定装置的结构示意图。如图2所示,外参标定装置200包括点云获取单元201、坐标转换单元202、点云配准单元203和外参确定单元204。
点云获取单元201用于获取激光雷达扫描车辆行驶区域生成的局部点云,以及获取预先扫描车辆行驶区域得到的参照点云,其中参照点云中各检测点在参照坐标系中的坐标已知。
坐标转换单元202用于基于待标定外参的初始值对局部点云进行坐标变换,得到第一变换坐标,以及基于目标里程计传感器坐标系与参照坐标系的已知转换关系对第一变换坐标进行坐标变换,得到第二变换坐标,待标定外参为激光雷达坐标系与目标里程计传感器坐标系之间的外参。
点云配准单元203用于基于局部点云中检测点的坐标和参照点云中检测点的坐标,确定参照点云中与局部点云配准的子点云,并获取子点云中检测点在参照坐标系中的精准坐标。
外参确定单元204用于基于第二变换坐标和精准坐标修正待标定外参的初始值,得到待标定外参的修正值。
在一些实施例中,点云获取单元201在车辆行进至特定标定区域时,控制车辆驻车,并在检测到车辆驻车并且处在静止的状态下,驱动激光雷达扫描获取表征车辆行驶区域特征的局部点云。
在一些实施例中,外参标定装置200还包括安装位姿数据获取单元和初始值确定单元。安装位姿数据获取单元用于获取激光雷达和目标里程计传感器在车辆中的安装位姿数据;初始值确定单元根据安装位姿数据确定待标定外参的初始值,或者基于安装位姿数据确定可能外参范围,并在可能外参范围内随机地确定待标定外参的初始值。
在一些实施例中,外参标定装置200还包括点云属性确定单元和删除单元。点云属性确定单元用于对局部点云进行特征识别,确定表征可移动物体的点云。删除单元用于删除表征可移动物体的点云,得到过滤后局部点云。对应的,坐标转换单元202基于待标定外参的初始值对过滤后局部点云进行坐标变换。
在一些实施例中,点云属性确定单元基于移动物识别网络模型对局部点云进行特征识别,确定表征可以移动物体的点云。
在一些实施例中,点云配准单元203采用正态分布变换算法或者迭代最近点算法处理局部点云中检测点的坐标和参照点云中检测点的坐标,确定参照点云中与局部点云配准的子点云。
本公开实施例还提供一种用于实现前述外参标定方法的计算设备。图3是本公开一些实施例提供的计算设备的结构示意图。下面具体参考图3,其示出了适于用来实现本公开实施例中的计算设备300的结构示意图。图3示出的计算设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,计算设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器ROM302中的程序或者从存储装置308加载到随机访问存储器RAM303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有计算设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出I/O接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、车载相机、麦克风、加速度计、陀螺仪等的输入装置305;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许计算设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的计算设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、计算设备可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述计算设备中所包含的;也可以是单独存在,而未装配入该计算设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该计算设备执行时,使得该计算设备:获取激光雷达扫描车辆行驶区域生成的局部点云,以及获取预先扫描车辆行驶区域得到的参照点云,其中参照点云中各检测点在参照坐标系中的坐标已知;基于待标定外参的初始值对局部点云在激光雷达坐标系中的坐标进行坐标变换,得到第一变换坐标,待标定外参为激光雷达坐标系与目标里程计传感器坐标系之间的外参;基于目标里程计传感器坐标系与参照坐标系的已知转换关系对第一变换坐标进行坐标变换,得到第二变换坐标;基于局部点云中检测点的坐标和参照点云中检测点的坐标,确定参照点云中与局部点云配准的子点云,并获取子点云中检测点在参照坐标系中的精准坐标;基于第二变换坐标和精准坐标修正待标定外参的初始值,得到待标定外参的修正值。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或计算设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,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,可以用执行规定的功能或操作的专用的根据硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括根据一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本公开实施例还提供一种计算机可读存储介质,所述存储介质中存储有计算机程序,当所述计算机程序被处理器执行时可以实现上述任一方法实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
本公开实施例还提供一种车辆,车辆包括激光雷达、目标里程计传感器和计算设备;激光雷达和目标里程计传感器分别刚性地安装在车辆的车体或者车架上;计算设备用于获取激光雷达扫描车辆行驶区域生成的局部点云,按照的外参标定方法确定激光雷达和目标里程计传感器之间的外参。
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“包括一个……”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。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种外参标定方法,其特征在于,包括:
获取激光雷达扫描车辆行驶区域生成的局部点云,以及获取预先扫描所述车辆行驶区域得到的参照点云,其中所述参照点云中各检测点在参照坐标系中的坐标已知;
基于待标定外参的初始值对所述局部点云在激光雷达坐标系中的坐标进行坐标变换,得到第一变换坐标,所述待标定外参为所述激光雷达坐标系与目标里程计传感器坐标系之间的外参;
基于目标里程计传感器坐标系与所述参照坐标系的已知转换关系对所述第一变换坐标进行坐标变换,得到第二变换坐标;
基于所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云,并获取所述子点云中检测点在所述参照坐标系中的精准坐标;
基于所述第二变换坐标和所述精准坐标修正所述待标定外参的初始值,得到所述待标定外参的修正值。
2.根据权利要求1所述的方法,其特征在于,所述获取激光雷达扫描车辆行驶区域生成的局部点云,包括:
在所述车辆行进至特定标定区域时,控制所述车辆驻车;
在检测到所述车辆驻车并且处在静止的状态下,驱动所述激光雷达扫描所述获取表征所述车辆行驶区域特征的所述局部点云。
3.根据权利要求1所述的方法,其特征在于,在所述基于待标定外参的初始值对所述局部点云进行坐标变换之前,所述方法还包括:
获取所述激光雷达和所述目标里程计传感器在所述车辆中的安装位姿数据;
根据所述安装位姿数据确定所述待标定外参的初始值;或者,
基于所述安装位姿数据确定可能外参范围,并在所述可能外参范围内随机地确定所述待标定外参的初始值。
4.根据权利要求1所述的方法,其特征在于,在所述基于待标定外参的初始值对所述局部点云进行坐标变换之前,所述方法还包括:
对所述局部点云进行特征识别,确定表征可移动物体的点云;
删除表征可移动物体的点云,得到过滤后局部点云;
所述基于待标定外参的初始值对所述局部点云进行坐标变换,包括:
基于所述待标定外参的初始值对所述过滤后局部点云进行坐标变换。
5.根据权利要求4所述的方法,其特征在于,所述对所述局部点云进行特征识别,确定表征可以移动物体的点云,包括:
基于移动物识别网络模型对所述局部点云进行特征识别,确定表征所述可以移动物体的点云。
6.根据权利要求1所述的方法,其特征在于,所述基于所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云包括:
采用正态分布变换算法或者迭代最近点算法处理所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云。
7.一种外参标定装置,其特征在于,包括:
点云获取单元,用于获取激光雷达扫描车辆行驶区域生成的局部点云,以及获取预先扫描所述车辆行驶区域得到的参照点云,其中所述参照点云中各检测点在参照坐标系中的坐标已知;
坐标转换单元,用于基于待标定外参的初始值对所述局部点云进行坐标变换,得到第一变换坐标,以及基于目标里程计传感器坐标系与所述参照坐标系的已知转换关系对所述第一变换坐标进行坐标变换,得到第二变换坐标,所述待标定外参为所述激光雷达坐标系与目标里程计传感器坐标系之间的外参;
点云配准单元,用于基于所述局部点云中检测点的坐标和所述参照点云中检测点的坐标,确定所述参照点云中与所述局部点云配准的子点云,并获取所述子点云中检测点在所述参照坐标系中的精准坐标;
外参确定单元,用于基于所述第二变换坐标和所述精准坐标修正所述待标定外参的初始值,得到所述待标定外参的修正值。
8.一种计算设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序;
所述计算机程序在被所述处理器加载时,使所述处理器执行如权利要求1-6任一项所述的外参标定方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,当计算机程序被处理器执行时,使得处理器实现如权利要求1-6任一项所述的外参标定方法。
10.一种车辆,其特征在于,包括激光雷达、目标里程计传感器和计算设备;
所述激光雷达和所述目标里程计传感器分别刚性地安装在所述车辆的车体或者车架上;
所述计算设备用于获取所述激光雷达扫描车辆行驶区域生成的局部点云,按照如权利要求1-6任一项所述的外参标定方法确定所述激光雷达和所述目标里程计传感器之间的外参。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211627253.2A CN116385550A (zh) | 2022-12-16 | 2022-12-16 | 外参标定方法、装置、计算设备、介质和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211627253.2A CN116385550A (zh) | 2022-12-16 | 2022-12-16 | 外参标定方法、装置、计算设备、介质和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385550A true CN116385550A (zh) | 2023-07-04 |
Family
ID=86973695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211627253.2A Pending CN116385550A (zh) | 2022-12-16 | 2022-12-16 | 外参标定方法、装置、计算设备、介质和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385550A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092625A (zh) * | 2023-10-10 | 2023-11-21 | 北京斯年智驾科技有限公司 | 一种雷达与组合惯导系统的外参标定方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
CN113436233A (zh) * | 2021-06-29 | 2021-09-24 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的配准方法、装置、电子设备和车辆 |
CN114636993A (zh) * | 2020-12-16 | 2022-06-17 | 华为技术有限公司 | 一种激光雷达与imu的外参标定方法、装置及设备 |
CN114648471A (zh) * | 2020-12-17 | 2022-06-21 | 上海禾赛科技有限公司 | 点云处理方法、装置、电子设备和系统 |
CN115291197A (zh) * | 2022-08-19 | 2022-11-04 | 广州小鹏自动驾驶科技有限公司 | 激光雷达的标定参数检测方法、装置、车辆及存储介质 |
CN115457152A (zh) * | 2022-10-21 | 2022-12-09 | 中国第一汽车股份有限公司 | 外参标定方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-16 CN CN202211627253.2A patent/CN116385550A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
CN114636993A (zh) * | 2020-12-16 | 2022-06-17 | 华为技术有限公司 | 一种激光雷达与imu的外参标定方法、装置及设备 |
CN114648471A (zh) * | 2020-12-17 | 2022-06-21 | 上海禾赛科技有限公司 | 点云处理方法、装置、电子设备和系统 |
CN113436233A (zh) * | 2021-06-29 | 2021-09-24 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的配准方法、装置、电子设备和车辆 |
CN115291197A (zh) * | 2022-08-19 | 2022-11-04 | 广州小鹏自动驾驶科技有限公司 | 激光雷达的标定参数检测方法、装置、车辆及存储介质 |
CN115457152A (zh) * | 2022-10-21 | 2022-12-09 | 中国第一汽车股份有限公司 | 外参标定方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092625A (zh) * | 2023-10-10 | 2023-11-21 | 北京斯年智驾科技有限公司 | 一种雷达与组合惯导系统的外参标定方法和系统 |
CN117092625B (zh) * | 2023-10-10 | 2024-01-02 | 北京斯年智驾科技有限公司 | 一种雷达与组合惯导系统的外参标定方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3612854B1 (en) | Vehicle navigation system using pose estimation based on point cloud | |
CN110895147B (zh) | 自动驾驶车辆的用相机捕获图像数据的图像数据获取逻辑 | |
CN111461981B (zh) | 点云拼接算法的误差估计方法和装置 | |
CN110988849B (zh) | 雷达系统的标定方法、装置、电子设备及存储介质 | |
CN110197615B (zh) | 用于生成地图的方法及装置 | |
US20220357181A1 (en) | Collecting user-contributed data relating to a navigable network | |
CN110839208B (zh) | 用于校正多路径偏移和确定无线站点位置的方法及装置 | |
EP3904830A1 (en) | Apparatus and method for managing maps | |
JP2021051720A (ja) | カメラをキャリブレーションするための方法及び装置 | |
CN112946609B (zh) | 激光雷达与相机的标定方法、装置、设备及可读存储介质 | |
CN116106870A (zh) | 车辆激光雷达外参的标定方法和装置 | |
JP2020094956A (ja) | 情報処理システム、プログラム、及び情報処理方法 | |
WO2023045224A1 (zh) | 地图生成 | |
CN116385550A (zh) | 外参标定方法、装置、计算设备、介质和车辆 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
CN115083037A (zh) | 用于更新地图路网数据的方法、装置、电子设备和车辆 | |
CN111461980B (zh) | 点云拼接算法的性能估计方法和装置 | |
CN112595330B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
CN114199220A (zh) | 一种无人机空中在线磁罗盘校准方法和装置 | |
US11250275B2 (en) | Information processing system, program, and information processing method | |
JP2019148456A (ja) | 算出装置、自己位置算出方法、およびプログラム | |
US20230184548A1 (en) | Multiple mode learning of absolute altitude of floors of a building | |
CN115201796B (zh) | 一种车辆传感器的外参校正方法 | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 |
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 |