CN116740197A - 一种外参的标定方法、装置、存储介质及电子设备 - Google Patents
一种外参的标定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116740197A CN116740197A CN202311010095.0A CN202311010095A CN116740197A CN 116740197 A CN116740197 A CN 116740197A CN 202311010095 A CN202311010095 A CN 202311010095A CN 116740197 A CN116740197 A CN 116740197A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- coordinate system
- plane
- vertex
- specified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 16
- 238000003708 edge detection Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 84
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本说明书公开了一种外参的标定方法、装置、存储介质及电子设备，可以将通过激光雷达在不同位置下采集到的复杂环境下指定目标物的各原始点云数据统一转换到指定坐标系下，从而可以将转换后的点云数据分割为各点云平面，并从各点云平面中筛选出指定目标物对应的点云平面，以过滤掉原始点云数据中的噪声点云，进而可以根据筛选出的指定目标物对应的点云平面，确定出将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参，并且，可以通过确定出的外参将激光雷达采集的原始点云数据与相机采集到图像数据进行融合。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种外参的标定方法、装置、存储介质及电子设备。
背景技术
在无人驾驶、图像处理等领域中，通常会使用通过多个类别的传感器采集到的观测信息相互补充，以得到更加丰富的环境信息来辅助进行路线规划等任务执行，而由于不同类别的传感器所使用的坐标系可能不同，因此，还需要确定出将其他传感器采集到的其他传感器对应的坐标系下的观测信息转换到相机坐标系下所需要的外参，从而可以通过外参将不同类型的传感器采集到的观测信息转换到同一个坐标系中，进而可以对不同类型的传感器采集到的观测信息进行融合。
通常情况下，不同类别的传感器在复杂环境中采集到的观测信息往往存在较多的噪声，从而导致不同类型的传感器在复杂环境中采集到的观测信息难以进行融合。
发明内容
本说明书提供一种外参的标定方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种外参的标定方法，包括：
获取通过激光雷达采集的原始点云数据以及通过相机采集的所述原始点云数据对应的图像数据，所述原始点云数据与所述图像数据中均包含有指定目标物的图像；
将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将所述转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面；
从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面；
确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，并将所述各平面顶点在指定坐标系下的坐标转换到所述激光雷达坐标系下，得到第一顶点坐标；
从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标；
根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，并根据所述外参进行任务执行。
可选地，将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，具体包括：
根据原始加速度计采集的数据，确定在所述激光雷达坐标系下的重力向量，作为第一重力向量；
根据指定坐标系下预设的第二重力向量和所述第一重力向量，确定将所述原始点云数据从所述激光雷达坐标系下转换到指定坐标系下所需的第一转换矩阵；
通过所述第一转换矩阵，将所述原始点云数据从所述激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据。
可选地，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面，具体包括：
针对每个点云平面，根据该点云平面中包含的点的数量，以及预设的单位空间内包含的点的数量的参考值，确定该点云平面的体积，并根据所述指定目标物的厚度，确定该点云平面的面积；
判断所述面积是否满足预设的条件阈值，其中，所述条件阈值是根据所述指定目标物的真实面积确定出的；
若是，则确定该点云平面为所述指定目标物对应的点云平面，并将该点云平面作为目标点云平面。
可选地，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面，具体包括：
针对每个点云平面，将该点云平面与预先根据所述指定目标物确定出的所述指定目标物的标准点云平面模板进行配准，以确定出将该点云平面转换为所述标准点云平面模板所需的第二转换矩阵；
通过所述第二转换矩阵，对该点云平面进行转换，得到该点云平面对应的参考点云平面；
根据各点云平面对应的所述参考点云平面和所述标准点云平面模板之间的相似度，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面。
可选地，确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，具体包括：
根据所述目标点云平面的各边缘点的坐标，确定出所述目标点云平面的初始轮廓图形；
对所述初始轮廓图形进行拟合，以将所述初始轮廓图形规整为指定图形，得到所述目标点云平面对应的轮廓图形，所述指定图形包括：矩形、三角形、多边形中的一种；
根据所述轮廓图形中的各顶点在指定坐标系下的坐标，确定所述目标点云平面的各平面顶点在指定坐标系下的坐标。
可选地，从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标，具体包括：
对所述图像数据进行边缘检测，以确定出所述图像数据包含的各边缘像素点；
对所述各边缘像素点的坐标进行拟合，得到所述图像数据中包含的各多边形，其中，每个多边形用于表征所述图像数据中包含的至少部分图像区域的轮廓；
从所述各多边形中筛选出所述指定目标物对应的多边形，并将所述指定目标物对应的多边形中包含的顶点坐标，作为第二顶点坐标。
可选地，根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，具体包括：
根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的初始外参；
通过所述初始外参，将所述第一顶点坐标从所述激光雷达坐标系转换到所述相机使用的坐标系，得到第一顶点坐标对应的参考顶点坐标；
以最小化所述参考顶点坐标与所述第二顶点坐标之间的偏差为约束，对所述初始外参进行优化，得到将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参。
本说明书提供了一种外参的标定装置，包括：
获取模块，用于获取通过激光雷达采集的原始点云数据以及通过相机采集的所述原始点云数据对应的图像数据，所述原始点云数据与所述图像数据中均包含有指定目标物的图像；
分割模块，用于将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将所述转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面；
筛选模块，用于从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面；
第一确定模块，用于确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，并将所述各平面顶点在指定坐标系下的坐标转换到所述激光雷达坐标系下，得到第一顶点坐标；
第二确定模块，用于从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标；
执行模块，用于根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，并根据所述外参进行任务执行。
本说明书提供了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，所述计算机程序被处理器执行时实现上述外参的标定方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述外参的标定方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的外参的标定方法中，首先获取通过激光雷达采集的原始点云数据以及通过相机采集的原始点云数据对应的图像数据，原始点云数据与图像数据中均包含有指定目标物的图像，将原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面，从各点云平面中筛选出指定目标物对应的点云平面，作为目标点云平面，确定目标点云平面的各平面顶点在指定坐标系下的坐标，并将各平面顶点在指定坐标系下的坐标转换到激光雷达坐标系下，得到第一顶点坐标，从图像数据中确定出指定目标物的顶点坐标，作为第二顶点坐标，根据第一顶点坐标以及第二顶点坐标，确定将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参，并根据外参进行任务执行。
从上述方法可以看出，可以将通过激光雷达在不同位置下采集到的复杂环境下指定目标物的各原始点云数据统一转换到指定坐标系下，从而可以将转换后的点云数据分割为各点云平面，并从各点云平面中筛选出指定目标物对应的点云平面，以过滤掉原始点云数据中的噪声点云，进而可以根据筛选出的指定目标物对应的点云平面，确定出将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参，并且，可以通过确定出的外参将激光雷达采集的原始点云数据与相机采集到图像数据进行融合。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种外参的标定方法的流程示意图；
图2为本说明书中提供的标定板的示意图；
图3为本说明书中提供的外参的标定过程示意图；
图4为本说明书提供的一种外参的标定装置的示意图；
图5为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种外参的标定方法的流程示意图，包括以下步骤：
S101：获取通过激光雷达采集的原始点云数据以及通过相机采集的所述原始点云数据对应的图像数据，所述原始点云数据与所述图像数据中均包含有指定目标物的图像。
在本说明书中，业务平台部署在各无人设备中的控制模块，可以根据部署在无人设备上的多个传感器采集到的观测信息，并可以根据相机的外参，将各传感器采集到的观测信息转换到相机坐标系下进行融合，从而可以根据融合后的信息来执行相应的任务，例如：对无人设备的行驶路径进行规划、控制无人设备执行相应的动作等。
具体地，控制模块可以获取通过部署在无人设备上的激光雷达在不同位置下采集的原始点云数据（即无人设备在不断移动的过程中，激光雷达在无人设备处于不同位置时采集到的各帧原始点云数据）以及通过相机采集的原始点云数据对应的图像数据，其中，原始点云数据与图像数据中均包含有指定目标物的图像。
上述内容中，原始点云数据对应的图像数据可以是指相机在无人设备处于一个位置时所采集到的图像数据，即为激光雷达在无人设备处于这个位置时所采集的一帧原始点云数据所对应的图像数据。
上述的指定目标物可以是指预先布置的垂直于地面放置的标定板，其中，标定板用于辅助对无人设备的激光雷达和相机之间的外参进行标定，标定板如图2所示。
图2为本说明书中提供的标定板的示意图。
结合图2可以看出，在标定板的四个角对称分布四个二维码，并且在四个二维码的内侧对称分布四个圆孔，以便于进行识别。
需要说明的是，上述的在标定板的四个角对称分布的四个二维码为示意性的模拟二维码，在实际应用场景中，设置于标定板的四个角的四个二维码用于在标定过程中确定标定板在原始点云数据对应的图像数据中所占的图像区域时使用。
在本说明书中，用于实现外参的标定方法的执行主体，可以是指服务器等设置于业务平台的指定设备，也可以是指无人设备承载的台式电脑、笔记本电脑等终端设备，为了便于描述，下面仅以终端设备是执行主体为例，对本说明书提供的外参的标定方法进行说明。
S102：将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将所述转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面。
终端设备可以将原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面，其中，这里的指定坐标系可以为世界坐标系。
具体地，终端设备可以根据激光雷达内置的原始加速度计采集的数据，确定在激光雷达坐标系下的重力向量，作为第一重力向量，并可以根据指定坐标系下预设的第二重力向量和第一重力向量，确定将原始点云数据从激光雷达坐标系下转换到指定坐标系下所需的第一转换矩阵。
进一步地，终端设备可以通过确定出的第一转换矩阵，将原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据。
需要说明的是，在转换点云数据中包含有多种不同的平面对应的点云数据，例如：垂直于地面的标定板即为一个平面，地面即为一个平面，路边的墙体即为一个平面等，而这些平面对应的点云数据共同组成了转换点云数据，因此，终端设备可以将转换点云数据拆分为多个点云平面，并针对每个点云平面进行筛选处理，以过滤掉转换点云数据中包含的噪声点云。
其中，上述的点云平面并不是指一个二维平面，而是一个三维的点云区域（即存在长度、宽度、厚度的一个平面）。
S103：从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面。
从上述内容中可以看出，各点云平面中包含有指定目标物对应的点云平面以及其它点云平面，因此，终端设备可以针对每个点云平面，根据该点云平面中包含的点的数量，以及预设的指定目标物的点云数据在单位空间内包含的点的数量的参考值，确定该点云平面的体积，并根据指定目标物的厚度，确定该点云平面的面积，具体可以参考如下公式：
上述公式中，为确定出的第i个点云平面的面积，/>为第i个点云平面，/>为预设的指定目标物的点云数据在单位空间内包含的点的数量的参考值，t为指定目标物的厚度。
通过上述公式可以计算出每个点云平面的面积，进而可以判断计算出的面积是否满足预设的条件阈值，若是，则可以确定该点云平面为指定目标物对应的点云平面，并将该点云平面作为目标点云平面，其中，上述的条件阈值是根据指定目标物的真实面积确定出的。
除此之外，终端设备还可以针对每个点云平面，将该点云平面与预先根据指定目标物确定出的指定目标物的标准点云平面模板进行配准，以确定出将该点云平面转换为标准点云平面模板所需的第二转换矩阵，并通过第二转换矩阵，对该点云平面进行转换，得到该点云平面对应的参考点云平面，并根据各点云平面对应的参考点云平面和标准点云平面模板之间的相似度，从各点云平面中筛选出指定目标物对应的点云平面，作为目标点云平面。
当然，终端设备还可以根据该点云平面对应的参考点云平面与标准点云平面目标之间的偏差，确定该点云平面对应的目标损失值，其中，该点云平面对应的参考点云平面与标准点云平面目标之间的偏差越大，该点云平面对应的目标损失值越大。
进一步地，终端设备可以以最小化该点云平面对应的目标损失值为约束，对确定出的将该点云平面转换为标准点云平面模板所需的第二转换矩阵进行优化，得到优化后第二转换矩阵，以通过优化后第二转换矩阵，将对该点云平面进行转换，得到该点云平面对应的优化后参考点云平面，并根据各点云平面对应的优化后参考点云平面和标准点云平面模板之间的相似度，从各点云平面中筛选出指定目标物对应的点云平面，作为目标点云平面。
值得说明的是，上述的标准点云平面模板的确定方法可以为根据指定目标物的尺寸信息（即宽度、高度、厚度），以及预设的指定目标物的点云数据在单位空间内包含的点的数量的参考值，确定标准点云平面模板中包含的每个点的数量，并确定标准点云平面模板中包含的每个点的坐标。
进一步地，终端设备可以根据确定出的标准点云平面模板中包含的每个点的数量，并确定标准点云平面模板中包含的每个点的坐标，生成标准点云平面模板。
需要说明的是，从上述内容中可以看出，终端设备从各点云平面中筛选出指定目标物对应的点云平面，作为目标点云平面的方法主要有两种，第一种是确定出每个点云平面的面积，进而可以根据指定目标物的面积以及每个点云平面的面积，从各点云平面中筛选出指定目标物对应的点云平面。第二种是根据每个点云平面对应的参考点云平面与标准点云平面目标之间的偏差，从各点云平面中筛选出指定目标物对应的点云平面。其中，上述的两种方法可以单独使用也可以一起使用。
S104：确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，并将所述各平面顶点在指定坐标系下的坐标转换到所述激光雷达坐标系下，得到第一顶点坐标。
终端设备可以根据目标点云平面的各边缘点的坐标，确定出目标点云平面的初始轮廓图形，并可以对初始轮廓图形进行拟合，以将初始轮廓图形规整为指定图形，得到目标点云平面对应的轮廓图形，进而可以根据轮廓图形中的各顶点在指定坐标系下的坐标，确定目标点云平面的各平面顶点在指定坐标系下的坐标，其中，上述的指定图形可以包括：矩形、三角形、多边形中的一种。
需要说明的是，上述的指定图形可以根据指定目标物的实际形状确定，例如：假设指定目标物为矩形的标定板，则上述的指定图形可以为矩形，目标点云平面的各平面顶点即为矩形的四个顶点。
其中，终端设备可以以目标点云平面对应的轮廓图形的左上角顶点为起始点、顺时针的方向对四个顶点坐标排序，得到目标点云平面的各平面顶点组成的第一顶点坐标集合。
除此之外，从上述内容中可以看出，终端设备在将原始点云数据转换到指定坐标系下后，在指定坐标系中确定出各目标点云平面对应的各平面顶点，因此，还需要通过将原始点云数据从激光雷达坐标系下转换到指定坐标系下所需的第一转换矩阵，将各平面顶点在指定坐标系下的坐标转换回激光雷达坐标系下，得到第一顶点坐标。
S105：从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标。
进一步地，终端设备可以对图像数据进行边缘检测，以确定出图像数据包含的各边缘像素点，并对各边缘像素点的坐标进行拟合，得到图像数据中包含的各多边形，其中，每个多边形用于表征图像数据中包含的至少部分图像区域的轮廓。进而可以从各多边形中筛选出指定目标物对应的多边形，并将指定目标物对应的多边形中包含的顶点坐标，作为第二顶点坐标，其中，终端设备对图像数据进行边缘检测的方法可以为诸如：坎尼Canny边缘检测算法、拉普拉斯Laplacian边缘检测算法、索贝尔Sobel边缘检测算法。
在实际应用中，为了减少从图像数据中确定出第二顶点坐标所需的计算量，终端设备还可以对图像数据中包含的二维码对应的图像进行识别，以预估出图像数据中所包含的指定目标物对应的图像所在的图像区域，作为目标图像区域，并可以对目标图像区域进行扩展，得到扩展后目标图像区域，其中，扩展的范围可以根据实际需求确定，例如：将目标图像区域的长和宽扩展为原来的1.5倍。
进一步地，终端设备可以针对扩展后目标图像区域进行边缘检测，以确定出扩展后目标图像区域中包含的各边缘像素点，并对各边缘像素点的坐标进行拟合，得到扩展后目标图像区域中包含的各多边形，其中，每个多边形用于表征扩展后目标图像区域中包含的至少部分图像区域的轮廓。进而可以从各多边形中筛选出指定目标物对应的多边形，并将指定目标物对应的多边形中包含的顶点坐标，作为第二顶点坐标。
其中，终端设备可以指定目标物对应的多边形左上角顶点为起始点、顺时针的方向对四个顶点坐标排序，得到各第二顶点组成的第二顶点坐标集合。
需要说明的是，终端设备从各多边形中筛选出指定目标物对应的多边形的方法可以为针对每个多边形，判断该多边形的顶点的数量是否与指定目标物对应的指定图形所包含的顶点的数量一致，若是，则判断该多边形的顶点间的距离是否大于预设的目标距离，若是，则确定该多边形为指定目标物对应的多边形，其中，上述的目标距离是根据指定目标物中包含的四个二维码的中心点之间的距离确定的。
S106：根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，并根据所述外参进行任务执行。
终端设备可以根据第一顶点坐标集合中包含的各第一顶点坐标、第二顶点坐标集合中包含的各第二顶点坐标，确定将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参，并根据外参进行任务执行，具体如图3所示。
图3为本说明书中提供的外参的标定过程示意图。
结合图3可以看出，终端设备可以根据第一顶点坐标、第二顶点坐标以及相机内参，确定将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的初始外参，进而可以通过初始外参，将第一顶点坐标从激光雷达坐标系转换到相机使用的坐标系，得到第一顶点坐标对应的参考顶点坐标，从而可以以最小化参考顶点坐标与第二顶点坐标之间的偏差为约束，对初始外参进行优化，得到将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参。
进一步地，终端设备可以根据确定出的将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参进行任务执行。例如：根据确定出的将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参，将通过布置在无人机上的激光雷达采集的点云数据与通过布置在无人机上的相机采集的图像数据进行融合，得到融合后数据，并根据融合后数据确定无人机的迫降点。
从上述方法可以看出，终端设备可以将通过激光雷达在不同位置下采集到的复杂环境下指定目标物的各原始点云数据统一转换到指定坐标系下，从而可以将转换后的点云数据分割为各点云平面，并从各点云平面中筛选出指定目标物对应的点云平面，以过滤掉原始点云数据中的噪声点云，进而可以根据筛选出的指定目标物对应的点云平面，确定出将原始点云数据从激光雷达坐标系转换到相机使用的坐标系下的外参，并且，可以通过确定出的外参将激光雷达采集的原始点云数据与相机采集到图像数据进行融合。
以上为本说明书的一个或多个实施外参的标定方法，基于同样的思路，本说明书还提供了相应的外参的标定装置，如图4所示。
图4为本说明书提供的一种外参的标定装置的示意图，包括：
获取模块401，用于获取通过激光雷达采集的原始点云数据以及通过相机采集的所述原始点云数据对应的图像数据，所述原始点云数据与所述图像数据中均包含有指定目标物的图像；
分割模块402，用于将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将所述转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面；
筛选模块403，用于从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面；
第一确定模块404，用于确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，并将所述各平面顶点在指定坐标系下的坐标转换到所述激光雷达坐标系下，得到第一顶点坐标；
第二确定模块405，用于从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标；
执行模块406，用于根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，并根据所述外参进行任务执行。
可选地，所述分割模块402具体用于，根据原始加速度计采集的数据，确定在所述激光雷达坐标系下的重力向量，作为第一重力向量；根据指定坐标系下预设的第二重力向量和所述第一重力向量，确定将所述原始点云数据从所述激光雷达坐标系下转换到指定坐标系下所需的第一转换矩阵；通过所述第一转换矩阵，将所述原始点云数据从所述激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据。
可选地，所述筛选模块403具体用于，针对每个点云平面，根据该点云平面中包含的点的数量，以及预设的单位空间内包含的点的数量的参考值，确定该点云平面的体积，并根据所述指定目标物的厚度，确定该点云平面的面积；判断所述面积是否满足预设的条件阈值，其中，所述条件阈值是根据所述指定目标物的真实面积确定出的；若是，则确定该点云平面为所述指定目标物对应的点云平面，并将该点云平面作为目标点云平面。
可选地，所述筛选模块403具体用于，针对每个点云平面，将该点云平面与预先根据所述指定目标物确定出的所述指定目标物的标准点云平面模板进行配准，以确定出将该点云平面转换为所述标准点云平面模板所需的第二转换矩阵；通过所述第二转换矩阵，对该点云平面进行转换，得到该点云平面对应的参考点云平面；根据各点云平面对应的所述参考点云平面和所述标准点云平面模板之间的相似度，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面。
可选地，所述第一确定模块404具体用于，根据所述目标点云平面的各边缘点的坐标，确定出所述目标点云平面的初始轮廓图形；对所述初始轮廓图形进行拟合，以将所述初始轮廓图形规整为指定图形，得到所述目标点云平面对应的轮廓图形，所述指定图形包括：矩形、三角形、多边形中的一种；根据所述轮廓图形中的各顶点在指定坐标系下的坐标，确定所述目标点云平面的各平面顶点在指定坐标系下的坐标。
可选地，所述第二确定模块405具体用于，对所述图像数据进行边缘检测，以确定出所述图像数据包含的各边缘像素点；对所述各边缘像素点的坐标进行拟合，得到所述图像数据中包含的各多边形，其中，每个多边形用于表征所述图像数据中包含的至少部分图像区域的轮廓；从所述各多边形中筛选出所述指定目标物对应的多边形，并将所述指定目标物对应的多边形中包含的顶点坐标，作为第二顶点坐标。
可选地，所述执行模块406具体用于，根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的初始外参；通过所述初始外参，将所述第一顶点坐标从所述激光雷达坐标系转换到所述相机使用的坐标系，得到第一顶点坐标对应的参考顶点坐标；以最小化所述参考顶点坐标与所述第二顶点坐标之间的偏差为约束，对所述初始外参进行优化，得到将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种外参的标定方法。
本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的外参的标定方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（ProgrammableLogic Device, PLD）（例如现场可编程门阵列（Field Programmable Gate Array，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（HardwareDescription Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（AdvancedBoolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（JavaHardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby HardwareDescription Language）等，目前最普遍使用的是VHDL（Very-High-Speed IntegratedCircuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书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。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书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。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种外参的标定方法，其特征在于，包括：
获取通过激光雷达采集的原始点云数据以及通过相机采集的所述原始点云数据对应的图像数据，所述原始点云数据与所述图像数据中均包含有指定目标物的图像；
将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将所述转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面；
从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面；
确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，并将所述各平面顶点在指定坐标系下的坐标转换到所述激光雷达坐标系下，得到第一顶点坐标；
从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标；
根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，并根据所述外参进行任务执行。
2.如权利要求1所述的方法，其特征在于，将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，具体包括：
根据原始加速度计采集的数据，确定在所述激光雷达坐标系下的重力向量，作为第一重力向量；
根据指定坐标系下预设的第二重力向量和所述第一重力向量，确定将所述原始点云数据从所述激光雷达坐标系下转换到指定坐标系下所需的第一转换矩阵；
通过所述第一转换矩阵，将所述原始点云数据从所述激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据。
3.如权利要求1所述的方法，其特征在于，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面，具体包括：
针对每个点云平面，根据该点云平面中包含的点的数量，以及预设的单位空间内包含的点的数量的参考值，确定该点云平面的体积，并根据所述指定目标物的厚度，确定该点云平面的面积；
判断所述面积是否满足预设的条件阈值，其中，所述条件阈值是根据所述指定目标物的真实面积确定出的；
若是，则确定该点云平面为所述指定目标物对应的点云平面，并将该点云平面作为目标点云平面。
4.如权利要求1所述的方法，其特征在于，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面，具体包括：
针对每个点云平面，将该点云平面与预先根据所述指定目标物确定出的所述指定目标物的标准点云平面模板进行配准，以确定出将该点云平面转换为所述标准点云平面模板所需的第二转换矩阵；
通过所述第二转换矩阵，对该点云平面进行转换，得到该点云平面对应的参考点云平面；
根据各点云平面对应的所述参考点云平面和所述标准点云平面模板之间的相似度，从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面。
5.如权利要求1所述的方法，其特征在于，确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，具体包括：
根据所述目标点云平面的各边缘点的坐标，确定出所述目标点云平面的初始轮廓图形；
对所述初始轮廓图形进行拟合，以将所述初始轮廓图形规整为指定图形，得到所述目标点云平面对应的轮廓图形，所述指定图形包括：矩形、三角形、多边形中的一种；
根据所述轮廓图形中的各顶点在指定坐标系下的坐标，确定所述目标点云平面的各平面顶点在指定坐标系下的坐标。
6.如权利要求1所述的方法，其特征在于，从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标，具体包括：
对所述图像数据进行边缘检测，以确定出所述图像数据包含的各边缘像素点；
对所述各边缘像素点的坐标进行拟合，得到所述图像数据中包含的各多边形，其中，每个多边形用于表征所述图像数据中包含的至少部分图像区域的轮廓；
从所述各多边形中筛选出所述指定目标物对应的多边形，并将所述指定目标物对应的多边形中包含的顶点坐标，作为第二顶点坐标。
7.如权利要求1所述的方法，其特征在于，根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，具体包括：
根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的初始外参；
通过所述初始外参，将所述第一顶点坐标从所述激光雷达坐标系转换到所述相机使用的坐标系，得到第一顶点坐标对应的参考顶点坐标；
以最小化所述参考顶点坐标与所述第二顶点坐标之间的偏差为约束，对所述初始外参进行优化，得到将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参。
8.一种外参的标定装置，其特征在于，包括：
获取模块，用于获取通过激光雷达采集的原始点云数据以及通过相机采集的所述原始点云数据对应的图像数据，所述原始点云数据与所述图像数据中均包含有指定目标物的图像；
分割模块，用于将所述原始点云数据从激光雷达坐标系下转换到指定坐标系下，得到转换后点云数据，并将所述转换后点云数据中包含的不同平面对应的点云数据进行分割，得到各点云平面；
筛选模块，用于从所述各点云平面中筛选出所述指定目标物对应的点云平面，作为目标点云平面；
第一确定模块，用于确定所述目标点云平面的各平面顶点在指定坐标系下的坐标，并将所述各平面顶点在指定坐标系下的坐标转换到所述激光雷达坐标系下，得到第一顶点坐标；
第二确定模块，用于从所述图像数据中确定出所述指定目标物的顶点坐标，作为第二顶点坐标；
执行模块，用于根据所述第一顶点坐标以及所述第二顶点坐标，确定将所述原始点云数据从所述激光雷达坐标系转换到所述相机使用的坐标系下的外参，并根据所述外参进行任务执行。
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，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311010095.0A CN116740197B (zh) | 2023-08-11 | 2023-08-11 | 一种外参的标定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311010095.0A CN116740197B (zh) | 2023-08-11 | 2023-08-11 | 一种外参的标定方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116740197A true CN116740197A (zh) | 2023-09-12 |
| CN116740197B CN116740197B (zh) | 2023-11-21 |
Family
ID=87901545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311010095.0A Active CN116740197B (zh) | 2023-08-11 | 2023-08-11 | 一种外参的标定方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116740197B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109920011A (zh) * | 2019-05-16 | 2019-06-21 | 长沙智能驾驶研究院有限公司 | 激光雷达与双目摄像头的外参标定方法、装置及设备 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111652926A (zh) * | 2020-04-30 | 2020-09-11 | 南京理工大学 | 基于稀疏点云数据的实时三维目标检测方法 |
| WO2020233443A1 (zh) * | 2019-05-21 | 2020-11-26 | 菜鸟智能物流控股有限公司 | 一种激光雷达与相机之间的标定方法和装置 |
| CN112578369A (zh) * | 2020-12-29 | 2021-03-30 | 上海商汤临港智能科技有限公司 | 一种不确定性的估计方法、装置、电子设备及存储介质 |
| CN113269840A (zh) * | 2021-05-27 | 2021-08-17 | 深圳一清创新科技有限公司 | 一种用于相机和多激光雷达的联合标定方法及电子设备 |
| CN114152935A (zh) * | 2021-11-19 | 2022-03-08 | 苏州一径科技有限公司 | 一种雷达外参标定精度的评估方法、装置及设备 |
| CN114646932A (zh) * | 2022-05-23 | 2022-06-21 | 深圳元戎启行科技有限公司 | 基于外置雷达的雷达外参标定方法、装置和计算机设备 |
| WO2022127532A1 (zh) * | 2020-12-16 | 2022-06-23 | 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 |
| WO2022126427A1 (zh) * | 2020-12-16 | 2022-06-23 | 深圳市大疆创新科技有限公司 | 点云处理方法、点云处理装置、可移动平台和计算机存储介质 |
| CN114676789A (zh) * | 2022-04-11 | 2022-06-28 | 广州赛特智能科技有限公司 | 一种点云融合方法、装置、计算机设备和存储介质 |
| CN115661262A (zh) * | 2022-10-19 | 2023-01-31 | 南方科技大学 | 内外参标定方法、装置及电子设备 |
| CN115661735A (zh) * | 2022-08-30 | 2023-01-31 | 浙江大华技术股份有限公司 | 一种目标物检测方法、装置和计算机可读存储介质 |
| CN116105772A (zh) * | 2023-02-22 | 2023-05-12 | 广州市中海达测绘仪器有限公司 | 一种激光雷达与imu的标定方法、装置及存储介质 |
| CN116128886A (zh) * | 2023-04-18 | 2023-05-16 | 深圳市其域创新科技有限公司 | 一种点云数据分割方法、装置、电子设备及存储介质 |
| CN116184357A (zh) * | 2023-03-07 | 2023-05-30 | 之江实验室 | 一种地面点云数据处理方法、装置、电子装置和存储介质 |
-
2023
- 2023-08-11 CN CN202311010095.0A patent/CN116740197B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109920011A (zh) * | 2019-05-16 | 2019-06-21 | 长沙智能驾驶研究院有限公司 | 激光雷达与双目摄像头的外参标定方法、装置及设备 |
| WO2020233443A1 (zh) * | 2019-05-21 | 2020-11-26 | 菜鸟智能物流控股有限公司 | 一种激光雷达与相机之间的标定方法和装置 |
| CN111127563A (zh) * | 2019-12-18 | 2020-05-08 | 北京万集科技股份有限公司 | 联合标定方法、装置、电子设备及存储介质 |
| CN111652926A (zh) * | 2020-04-30 | 2020-09-11 | 南京理工大学 | 基于稀疏点云数据的实时三维目标检测方法 |
| WO2022127532A1 (zh) * | 2020-12-16 | 2022-06-23 | 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 |
| WO2022126427A1 (zh) * | 2020-12-16 | 2022-06-23 | 深圳市大疆创新科技有限公司 | 点云处理方法、点云处理装置、可移动平台和计算机存储介质 |
| CN112578369A (zh) * | 2020-12-29 | 2021-03-30 | 上海商汤临港智能科技有限公司 | 一种不确定性的估计方法、装置、电子设备及存储介质 |
| CN113269840A (zh) * | 2021-05-27 | 2021-08-17 | 深圳一清创新科技有限公司 | 一种用于相机和多激光雷达的联合标定方法及电子设备 |
| CN114152935A (zh) * | 2021-11-19 | 2022-03-08 | 苏州一径科技有限公司 | 一种雷达外参标定精度的评估方法、装置及设备 |
| CN114676789A (zh) * | 2022-04-11 | 2022-06-28 | 广州赛特智能科技有限公司 | 一种点云融合方法、装置、计算机设备和存储介质 |
| CN114646932A (zh) * | 2022-05-23 | 2022-06-21 | 深圳元戎启行科技有限公司 | 基于外置雷达的雷达外参标定方法、装置和计算机设备 |
| CN115661735A (zh) * | 2022-08-30 | 2023-01-31 | 浙江大华技术股份有限公司 | 一种目标物检测方法、装置和计算机可读存储介质 |
| CN115661262A (zh) * | 2022-10-19 | 2023-01-31 | 南方科技大学 | 内外参标定方法、装置及电子设备 |
| CN116105772A (zh) * | 2023-02-22 | 2023-05-12 | 广州市中海达测绘仪器有限公司 | 一种激光雷达与imu的标定方法、装置及存储介质 |
| CN116184357A (zh) * | 2023-03-07 | 2023-05-30 | 之江实验室 | 一种地面点云数据处理方法、装置、电子装置和存储介质 |
| CN116128886A (zh) * | 2023-04-18 | 2023-05-16 | 深圳市其域创新科技有限公司 | 一种点云数据分割方法、装置、电子设备及存储介质 |
Non-Patent Citations (7)
| Title |
|---|
| INIAN MOORTHY ET AL.: "Extracting tree crown properties from ground-based scanning laser data", 《2007 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》, pages 2830 - 2832 * |
| SENWEI XIANG ET AL.: "A Multi-stage Precision Landing Method for Autonomous eVTOL Based on Multi-marker Joint Localization", 《2022 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO)》, pages 2015 - 2020 * |
| 叶珏磊;周志峰;王立端;庞正雅;: "一种多线激光雷达与GNSS/INS系统标定方法", 激光与红外, no. 01, pages 30 - 36 * |
| 康国华等: "基于点云中心的激光雷达与相机联合标定方法研究", 《仪器仪表学报》, no. 12, pages 118 - 126 * |
| 朱晨昊: "基于SINS/单目视觉/激光雷达组合定位方法研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 01, pages 136 - 115 * |
| 王世强等: "激光雷达与相机融合标定技术研究进展", 《红外与激光工程》, vol. 52, no. 08, pages 119 - 132 * |
| 王洋等: "基于最小平方中值的点云平面拟合算法", 《激光与光电子学进展》, vol. 60, no. 4, pages 0410019 - 1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116740197B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111311709B (zh) | 一种生成高精地图的方法及装置 | |
| CN111238450B (zh) | 视觉定位方法及装置 | |
| CN111882611B (zh) | 一种地图构建方法及装置 | |
| CN113887608B (zh) | 一种模型训练的方法、图像检测的方法及装置 | |
| CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
| CN111797711A (zh) | 一种模型训练的方法及装置 | |
| CN114440903A (zh) | 一种高精地图构建方法、装置、存储介质及电子设备 | |
| CN116309823A (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
| CN117197781B (zh) | 一种交通标志识别的方法、装置、存储介质及电子设备 | |
| CN111476729B (zh) | 一种目标识别的方法及装置 | |
| CN112818968A (zh) | 一种目标物分类方法及装置 | |
| CN115880685B (zh) | 一种基于votenet模型的三维目标检测方法和系统 | |
| CN116740197B (zh) | 一种外参的标定方法、装置、存储介质及电子设备 | |
| CN113887351B (zh) | 一种用于无人驾驶的障碍物检测方法及障碍物检测装置 | |
| CN112184901B (zh) | 一种深度图确定方法及装置 | |
| CN116012483A (zh) | 一种图像渲染的方法、装置、存储介质及电子设备 | |
| CN114863206A (zh) | 一种模型训练的方法、目标检测的方法及装置 | |
| CN112329547A (zh) | 一种数据处理方法及装置 | |
| CN114332201A (zh) | 一种模型训练、目标检测的方法以及装置 | |
| CN114549579A (zh) | 一种目标物跟踪方法及装置 | |
| CN116558545A (zh) | 一种传感器数据的标定方法及装置 | |
| CN114332189A (zh) | 一种高精地图构建方法、装置、存储介质及电子设备 | |
| CN116721118B (zh) | 一种基于点云的飞行器安全降落点的选择方法及装置 | |
| CN116740114B (zh) | 一种基于凸包检测的目标物边界拟合方法及装置 | |
| CN111104908A (zh) | 一种道路边沿确定方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |