CN117148295A - 雷达标定可视化校验方法、装置、计算机设备及存储介质 - Google Patents
雷达标定可视化校验方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117148295A CN117148295A CN202311127353.3A CN202311127353A CN117148295A CN 117148295 A CN117148295 A CN 117148295A CN 202311127353 A CN202311127353 A CN 202311127353A CN 117148295 A CN117148295 A CN 117148295A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- radar
- calibration
- point cloud
- cloud data
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012795 verification Methods 0.000 title claims abstract description 55
- 230000015654 memory Effects 0.000 claims description 28
- 238000012800 visualization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101000595182 Homo sapiens Podocan Proteins 0.000 description 1
- 102100036036 Podocan Human genes 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening 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
- G06T7/50—Depth or shape recovery
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- 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
Abstract
本发明涉及自动驾驶技术领域,公开了雷达标定可视化校验方法、装置、计算机设备及存储介质,该方法包括:获取标定车辆的车载雷达采集到的标定工具的点云数据;标定工具位于车载雷达的正前方,且车载雷达正前方设有刻度尺;根据外参标定结果,将点云数据转换至可视化图像的坐标系中,并在可视化图像中标识图像坐标所对应的位置;根据图像坐标所对应的位置与实际距离值之间的匹配程度确定车载雷达的外参标定结果是否准确;其中,实际距离值为根据标定工具在刻度尺上的位置所测量的。本发明可以对车载雷达的外参标定结果进行校验,可有效保证外参标定结果比较准确,能够辅助提高外参标定结果的准确性;校验过程简单,成本低且易操作。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及雷达标定可视化校验方法、装置、计算机设备及存储介质。
背景技术
随着自动驾驶技术的逐步发展,自动驾驶相关功能已经广泛应用于各类车辆上,同时各式车载传感器在自动驾驶功能中也起着举足轻重的作用,例如使用车载传感器来检测自身车辆周边环境的障碍物距离和位置信息,并基于传感器检测数据进行进一步的规划控制以及决策的相关算法计算。在各类传感器中,雷达的应用范围较广;例如,毫米波雷达由于其较宽的带宽、波束窄、全天候特性、体积小以及成本低等优点而被广泛应用于各个自动驾驶功能中,车载毫米波雷达也是最早应用于自动驾驶量产的传感器。特别是辅助驾驶功能,基本都需要通过车载毫米波雷达获取感知数据。
由于毫米波雷达等雷达的自身坐标系与车辆的车体位置不在同一个坐标系下,所以需要通过对雷达进行相对位姿参数的标定,以保证雷达测量的数据与车体在相同的坐标系下。
目前存在多种雷达标定的方法,例如人工标定或多传感器标定的方法等,但目前的标定方法所得到的外参标定结果可能存在错误,如果外参标定结果有错误很难及时发现,从而可能造成返工,增加标定成本,影响效率。
发明内容
有鉴于此,本发明提供了一种雷达标定可视化校验方法、装置、计算机设备及存储介质,以解决外参标定结果容易存在错误的问题。
第一方面,本发明提供了一种雷达标定可视化校验方法,包括:
获取标定车辆的车载雷达采集到的标定工具的点云数据;所述标定工具位于所述车载雷达的正前方,且所述车载雷达正前方设有沿所述车载雷达法线方向放置的刻度尺;
根据所述车载雷达待校验的外参标定结果,将所述点云数据转换为在可视化图像的坐标系中的图像坐标,并在所述可视化图像中标识所述图像坐标所对应的位置;
确定所述图像坐标所对应的位置与实际距离值之间的匹配程度,根据所述匹配程度确定所述车载雷达的外参标定结果是否准确;其中,所述实际距离值为根据所述标定工具在所述刻度尺上的位置所测量的,所述标定工具与所述车载雷达之间的距离。
本发明实施例提供的雷达标定可视化校验方法,在车载雷达正前方设置标定工具,基于该车载雷达采集得到标定工具的位置,且利用刻度尺也可测量与标定工具位置有关的实际距离值,通过比较点云数据图像坐标所对应的位置与实际距离值之间的匹配程度,即可方便地确定车载雷达的外参标定结果是否准确。该方法可以对车载雷达的外参标定结果进行校验,可有效保证后续所使用的外参标定结果比较准确,能够辅助提高外参标定结果的准确性;标定工具所对应的位置展示在可视化图像中,方便标定人员以可视化的形式实现校验,且校验过程中主要使用标定工具和刻度尺,校验过程简单,成本低且易操作。
在一种可选的实施方式中,所述获取标定车辆的车载雷达采集到的标定工具的点云数据,包括:在所述标定工具沿所述刻度尺移动的情况下,分别获取所述车载雷达采集到的所述标定工具的多个点云数据;不同的所述点云数据对应不同的位置。
通过移动标定工具来获取标定工具位于不同位置时的点云数据,可以提高对外参标定结果校验的准确性。
在一种可选的实施方式中,该方法还包括:根据匹配程度确定有效点云数据;所述有效点云数据转换得到的图像坐标所对应的位置,与相应的实际距离值之间相匹配;
所述根据所述匹配程度确定所述车载雷达的外参标定结果是否准确,包括:根据所述有效点云数据的数量或占比,确定所述车载雷达的外参标定结果是否准确;所述占比为所述有效点云数据的数量与点云数据总数量的比值。
通过从多个点云数据中识别出有效点云数据,基于有效点云数据的数量或占比,可以综合确定车载雷达的外参标定结果是否准确,校验结果更具有可靠性。
在一种可选的实施方式中,所述分别获取所述车载雷达采集到的所述标定工具的多个点云数据,包括:分别获取所述车载雷达采集到的所述标定工具逐渐远离所述车载雷达时的多个点云数据。
通过控制标定工具逐渐远离车载雷达,可以尽量降低环境对车载雷达采集点云数据时的影响,保证点云数据的准确性。
在一种可选的实施方式中,所述分别获取所述车载雷达采集到的所述标定工具的多个点云数据,还包括:首先获取所述车载雷达采集到的所述标定工具接触所述车载雷达时的点云数据。
在标定工具接触车载雷达时获取车载雷达的点云数据,其相应的实际距离值基本为零,基于可视化图像可以方便地确定该点云数据的位置与实际距离值是否相匹配,更适用于可视化校验的场景。
在一种可选的实施方式中,该方法还包括:在所述可视化图像中显示所述车载雷达的视场区域。基于图像坐标所对应的位置是否在视场区域内,校验人员基于该可视化图像也可辅助判断外参标定结果的准确性,适用于可视化校验的场景。
在一种可选的实施方式中,所述车载雷达的数量为多个;所述在所述可视化图像中显示所述车载雷达的视场区域,包括:在所述可视化图像中显示多个所述车载雷达的视场区域,以及相邻两个视场区域的重叠区域。通过显示多个车载雷达的视场区域,方便实现对多车载雷达的校验。
第二方面,本发明提供了一种雷达标定可视化校验装置,包括:
数据获取模块,用于获取标定车辆的车载雷达采集到的标定工具的点云数据;所述标定工具位于所述车载雷达的正前方,且所述车载雷达正前方设有沿所述车载雷达法线方向放置的刻度尺;
可视化模块,用于根据所述车载雷达待校验的外参标定结果,将所述点云数据转换为在可视化图像的坐标系中的图像坐标,并在所述可视化图像中标识所述图像坐标所对应的位置;
匹配模块,用于确定所述图像坐标所对应的位置与实际距离值之间的匹配程度,根据所述匹配程度确定所述车载雷达的外参标定结果是否准确;其中,所述实际距离值为根据所述标定工具在所述刻度尺上的位置所测量的,所述标定工具与所述车载雷达之间的距离。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的雷达标定可视化校验方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的雷达标定可视化校验方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的雷达标定可视化校验方法的一种流程示意图;
图2是本发明实施例提供的雷达标定可视化校验方法中的设置标定工具和刻度尺的一种示意图;
图3是根据本发明实施例的雷达标定可视化校验方法的另一种流程示意图;
图4是根据本发明实施例的雷达标定可视化校验方法的又一种流程示意图;
图5是本发明实施例提供的雷达标定可视化校验方法中的可视化图像的一种示意图;
图6是根据本发明实施例的雷达标定可视化校验方法的再一种流程示意图;
图7是根据本发明实施例的雷达标定可视化校验装置的结构框图;
图8是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
雷达,例如激光雷达、毫米波雷达、超声波雷达等,其安装在车辆上,故可称之为车载雷达,车载雷达外参标定结果的准确性,会影响后续使用。此外,一般情况下,车载雷达的数量为多个,多个车载雷达通常会安装在车辆的多个不同位置,例如车辆前后保险杠的左右两侧各安装一个车载毫米波雷达,用于检测前方及周边障碍物的位置和距离。由于安装的位置不同,多个毫米波雷达的相对位置和角度之间会存在一定的差异,也需要保证不同毫米波雷达之间相对位姿参数的标定比较准确。
目前的标定方法可以实现雷达相关参数标定,得到相应的外参标定结果,雷达的外参标定结果可以表示雷达坐标系与车辆车体坐标系之间的转换关系,但目前的几种雷达标定方法都还没有对雷达外参标定结果进行单独的校准检验工作。本发明实施例提供了一种雷达标定可视化校验方法,通过对车载雷达的外参标定结果进行校验,以能够剔除较差的外参标定结果,从而可以保证外参标定结果的准确性。
根据本发明实施例,提供了一种雷达标定可视化校验方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种雷达标定可视化校验方法,可用于车载设备、计算机等,图1是根据本发明实施例的雷达标定可视化校验方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取标定车辆的车载雷达采集到的标定工具的点云数据;标定工具位于车载雷达的正前方,且车载雷达正前方设有沿车载雷达法线方向放置的刻度尺。
本实施例中,车载雷达设置在标定车辆的外侧,利用标定工具和刻度尺实现对车载雷达外参标定结果的校验。具体地,参见图2所示,标定车辆201的上设有车载雷达202,图2以在标定车辆201的前后保险杠的左右两侧各安装一个车载雷达202为例示出,共四个车载雷达202。并且,在车载雷达正前方设有沿车载雷达法线方向放置的刻度尺203,图2中以虚线表示刻度尺203;其中,如图2所示,车载雷达法线方向指的是车载雷达采集面的法线方向,或者说,该车载雷达法线方向为车载雷达的朝向。
并且,在车载雷达的正前方还设有标定工具204,可以理解,标定工具204与刻度尺203位置对应,即标定工具204的所在位置对应刻度尺203上的一个刻度,基于该刻度可以测量得到标定工具204与相应的车载雷达202之间的距离,为方便描述,本实施例将该距离称为“实际距离值”;可以理解,该实际距离值是通过刻度尺203所测量的,车载雷达202与标定工具204之间的距离。
其中,标定工具204指的是在对车载雷达进行标定时所使用的工具,该标定工具204具体可以是标定板、三角锥形的标定设备等,本实施例对此不做限定。
车载雷达202在工作过程中,可以采集周围环境事物的点云,相应地,在车载雷达202正前方放置标定工具204,该车载雷达202可以采集到该标定工具204的点云数据。
为方便采集标定工具204的点云数据,该标定工具204可以与车载雷达202的高度一致。例如,如图2所示,该标定工具为三角锥形的角反射器,该角反射器位于滑动立杆上;图2为标定车辆201的俯视图,图中仅仅示意性示出了该标定工具204,以表示角反射器可以沿滑动立杆移动;其中,通过沿滑动立杆移动角反射器,可以使得角反射器与车载雷达202高度一致。
步骤S102,根据车载雷达待校验的外参标定结果,将点云数据转换为在可视化图像的坐标系中的图像坐标,并在可视化图像中标识图像坐标所对应的位置。
本实施例中,首先对车载雷达202的参数进行标定,从而可以得到相应的外参标定结果,该外参标定结果可以表示车载雷达202的雷达坐标系与标定车辆201的车辆车体坐标系之间的转换关系;可以理解,基于该外参标定结果,可以将雷达坐标系下的点云数据,转换至车辆车体坐标系中。
设置用于表示标定车辆201的可视化图像,可以理解,该可视化图像可以与标定车辆201使用同一个坐标,例如上述的车体坐标系,基于车载雷达202的外参标定结果,可以将车载雷达202所采集到的点云数据转换至可视化图像的坐标系中,确定点云数据在可视化图像中的坐标,即图像坐标,进而能够在可视化图像中显示该图像坐标所对应的位置。可以理解,图像坐标所对应的位置,表示的是标定工具204在该可视化图像中的位置;例如,该可视化图像为二维图像,则该图像坐标可以是二维坐标,可以在可视化图像中以点、圆形等符号表示图像坐标所对应的位置。
步骤S103,确定图像坐标所对应的位置与实际距离值之间的匹配程度,根据匹配程度确定车载雷达的外参标定结果是否准确。其中,实际距离值为根据标定工具在刻度尺上的位置所测量的,标定工具与车载雷达之间的距离。
如上所述,图像坐标所对应的位置表示的是基于车载雷达202所确定的,标定工具204在该可视化图像中的位置,该位置可以表示标定工具204与车载雷达202之间的相对位置关系;例如,基于该图像坐标所对应的位置可以确定标定工具与车载雷达之间的距离。实际距离值表示的是基于刻度尺203所确定的,标定工具与车载雷达之间的距离。因此,图像坐标所对应的位置与实际距离值,二者均可表示标定工具与车载雷达之间的一种位置关系,并且,二者是基于不同的手段所确定的;因此,通过对二者进行比较,即可确定二者所表示的标定工具与车载雷达之间的位置关系(例如,二者之间的距离)是否准确。
具体而言,本发明实施例确定图像坐标所对应的位置与实际距离值之间的匹配程度,该匹配程度可以表示二者是否一致,且可以表示上述的外参标定结果是否准确,即根据该匹配程度可以确定车载雷达的外参标定结果是否准确。
例如,基于点云数据的图像坐标所对应的位置,可以计算得到标定工具204与车载雷达202之间的距离,将基于点云数据所计算的距离与基于刻度尺203所测得的实际距离值进行比较;若二者相接近,则可确定图像坐标所对应的位置与实际距离值之间相匹配,二者之间的匹配程度较高,且可以确定外参标定结果比较准确;若二者相差较大,则可确定图像坐标所对应的位置与实际距离值之间不匹配,二者之间的匹配程度较低,由于基本可以保证基于刻度尺203所测量的实际距离值是真实且正确的,此时能够说明车载雷达202所计算的标定工具204与车载雷达202之间的距离存在较大偏差,故该车载雷达202的外参标定结果大概率存在异常,该外参标定结果不准确,从而实现对外参标定结果的校验。
或者,例如,由于图像坐标所对应的位置被标识在可视化图像中,该可视化图像可以展示给校验人员;校验人员通过比较该可视化图像中标定工具204的位置以及实际距离值,可以初步确定图像坐标所对应的位置与实际距离值之间是否相匹配,即可以初步确定图像坐标所对应的位置与实际距离值之间的匹配程度,进而判断出车载雷达202的外参标定结果是否准确,从而也可实现对外参标定结果的校验。
若外参标定结果准确,则车载雷达202后续可以使用该外参标定结果;相反地,若外参标定结果不准确,则需要对该车载雷达202重新进行标定,之后再基于上述步骤S101至步骤S103重新进行校验,直至得到准确的外参标定结果。
本发明实施例提供的雷达标定可视化校验方法,在车载雷达正前方设置标定工具,基于该车载雷达采集得到标定工具的位置,且利用刻度尺也可测量与标定工具位置有关的实际距离值,通过比较点云数据图像坐标所对应的位置与实际距离值之间的匹配程度,即可方便地确定车载雷达的外参标定结果是否准确。该方法可以对车载雷达的外参标定结果进行校验,可有效保证后续所使用的外参标定结果比较准确,能够辅助提高外参标定结果的准确性;标定工具所对应的位置展示在可视化图像中,方便标定人员以可视化的形式实现校验,且校验过程中主要使用标定工具和刻度尺,校验过程简单,成本低且易操作。
在本实施例中提供了一种雷达标定可视化校验方法,可用于移动终端,如手机、平板电脑、计算机等,图3是根据本发明实施例的雷达标定可视化校验方法的流程图,如图3所示,该流程包括如下步骤:
步骤S301,获取标定车辆的车载雷达采集到的标定工具的点云数据;标定工具位于车载雷达的正前方,且车载雷达正前方设有沿车载雷达法线方向放置的刻度尺。
其中,上述步骤S301“获取标定车辆的车载雷达采集到的标定工具的点云数据”可以包括以下步骤S3011。
步骤S3011,在标定工具沿刻度尺移动的情况下,分别获取车载雷达采集到的标定工具的多个点云数据;不同的点云数据对应不同的位置。
本实施例中,为提高对外参标定结果校验的准确性,通过移动标定工具来获取标定工具位于不同位置时的点云数据。
具体地,该标定工具沿刻度尺移动。如图2所示,以对标定车辆201左前方的车载雷达202的外参标定结果进行校验为例,检验人员可控制标定工具204沿左前方的刻度尺203移动,从而可以改变标定工具204与车载雷达202之间的距离,该车载雷达202即可采集到标定工具204位于不同位置时的点云数据。
在一些可选的实施方式中,上述步骤S3011中,“分别获取车载雷达采集到的标定工具的多个点云数据”的过程可以包括步骤A1。
步骤A1,分别获取车载雷达采集到的标定工具逐渐远离车载雷达时的多个点云数据。
具体而言,本实施例中,在沿刻度尺移动标定工具时,以标定工具逐渐远离车载雷达的方式移动该标定工具,即标定工具沿车载雷达法线方向向外移动,使得标定工具与车载雷达之间的距离逐渐增大。如图2所示,位于标定车辆201左前方的标定工具204,其向左前方移动,以能够逐渐增大与车载雷达202之间的距离。
由于在进行校验时,标定车辆201会设置在一定的环境中,标定工具204距离车载雷达202越远,车载雷达202采集标定工具204的点云数据时,越容易被标定车辆201所在环境的影响;本实施例通过控制标定工具204逐渐远离车载雷达202,可以尽量降低环境对车载雷达202采集点云数据时的影响,保证点云数据的准确性。
在一些可选的实施方式中,上述步骤S3011中,“分别获取车载雷达采集到的标定工具的多个点云数据”的过程还可以包括步骤B1。
步骤B1:首先获取车载雷达采集到的标定工具接触车载雷达时的点云数据。
本实施例中,在需要获取车载雷达采集到的多个点云数据时,先将标定工具接触车载雷达,并基于步骤B1获取此时车载雷达采集到的点云数据;可以理解,在标定工具接触车载雷达时,标定工具与车载雷达之间的距离基本为0,通过刻度尺可以测量出的实际距离值基本为0。之后,通过控制标定工具204逐渐远离车载雷达202,基于步骤A1获取车载雷达分别采集到的多个点云数据。
例如,标定工具204为角反射器,初始时,可以将角反射器抵触车载雷达,利用角反射器的多个金属面可以覆盖车载雷达的采集区域,使得标定车辆所在环境不会对车载雷达的采集结果造成影响。
在标定工具接触车载雷达时获取车载雷达的点云数据,其相应的实际距离值基本为0,基于可视化图像可以方便地确定该点云数据的位置与实际距离值是否相匹配,更适用于可视化校验的场景。
步骤S302,根据车载雷达待校验的外参标定结果,将点云数据转换为在可视化图像的坐标系中的图像坐标,并在可视化图像中标识图像坐标所对应的位置。
详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S303,确定图像坐标所对应的位置与实际距离值之间的匹配程度,根据匹配程度确定车载雷达的外参标定结果是否准确;其中,实际距离值为根据标定工具在刻度尺上的位置所测量的,标定工具与车载雷达之间的距离。
详细请参见图1所示实施例的步骤S103,在此不再赘述。
此外,可以理解,标定工具204的位置发生变化时,其在刻度尺203上的位置也会发生变化,故基于刻度尺203所测量的实际距离值也会相应地发生变化。标定工具204的位置每发生一次变化,则可确定一个图像坐标所对应的位置以及一个实际距离值,并可确定二者之间的匹配程度,基于多个匹配程度可以综合确定车载雷达的外参标定结果是否准确。
在一些可选的实施方式中,在标定工具位置发生变化的情况,该方法还可以包括以下步骤C1。
步骤C1:根据匹配程度确定有效点云数据;有效点云数据转换得到的图像坐标所对应的位置,与相应的实际距离值之间相匹配。
本实施例中,标定工具位置发生变化,基于车载雷达可以采集到多个不同的点云数据,对于任一点云数据,均可确定该图像坐标所对应的位置与实际距离值之间的匹配程度,从而可以分别确定每个图像坐标所对应的位置与实际距离值之间是否相匹配。对于某点云数据,若其所对应的匹配程度表示的是:图像坐标所对应的位置与相应的实际距离值之间不匹配,则可认为该点云数据是无效的,可称之为无效点云数据;若该点云数据所对应的匹配程度表示的是:该图像坐标所对应的位置与相应的实际距离值之间相匹配,则可认为该点云数据是有效的,可称之为有效点云数据。
并且,上述步骤S103“根据匹配程度确定车载雷达的外参标定结果是否准确”可以包括以下步骤D1。
步骤D1,根据有效点云数据的数量或占比,确定车载雷达的外参标定结果是否准确;占比为有效点云数据的数量与点云数据总数量的比值
可以理解,基于车载雷达采集到的点云数据,可以准确地确定标定工具的位置(即点云数据在可视化图像中所对应的位置),该点云数据才是有效点云数据,这需要车载雷达的外参标定结果是比较准确的。因此,根据有效点云数据的数量或占比,可以确定车载雷达的外参标定结果是否准确。具体地,有效点云数据的数量或占比越多,说明车载雷达的外参标定结果越准确;例如,有效点云数据的数量或占比大于某设定阈值,则可认为车载雷达的外参标定结果是准确的。
本实施例通过从多个点云数据中识别出有效点云数据,基于有效点云数据的数量或占比,可以综合确定车载雷达的外参标定结果是否准确,校验结果更具有可靠性。
在本实施例中提供了一种雷达标定可视化校验方法,可用于移动终端,如手机、平板电脑等,图4是根据本发明实施例的雷达标定可视化校验方法的流程图,如图4所示,该流程包括如下步骤:
步骤S401,取标定车辆的车载雷达采集到的标定工具的点云数据;标定工具位于车载雷达的正前方,且车载雷达正前方设有沿车载雷达法线方向放置的刻度尺。
详细请参见图1所示实施例的步骤S101,或图3所示实施例的步骤S301,在此不再赘述。
步骤S402,根据车载雷达待校验的外参标定结果,将点云数据转换为在可视化图像的坐标系中的图像坐标,并在可视化图像中标识图像坐标所对应的位置。
详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S403,在可视化图像中显示车载雷达的视场区域。
本实施例中,可视化图像中还可显示车载雷达的视场(field of view,FOV)区域,该视场区域可以表示车载雷达能够覆盖的范围。在车载雷达的外参标定结果准确的情况下,可视化图像中图像坐标所对应的位置,应当在相应车载雷达的视场区域内。因此,基于图像坐标所对应的位置是否在视场区域内,校验人员基于该可视化图像也可辅助判断外参标定结果的准确性,适用于可视化校验的场景。
在一些可选的实施方式中,车载雷达的数量可以为多个,如图2所示,车载雷达202的数量为4。并且,上述步骤S403“在可视化图像中显示车载雷达的视场区域”具体可以包括以下步骤C1。
步骤C1:在可视化图像中显示多个车载雷达的视场区域,以及相邻两个视场区域的重叠区域。
本实施例中,可以在可视化图像中显示所有车载雷达的视场区域;并且,由于在实际情况中,相邻两个车载雷达的视场区域会存在重叠,本实施例提供的可视化图像还显示相邻两个视场区域的重叠区域。通过显示多个车载雷达的视场区域,方便实现对多车载雷达的校验。
例如,图5示出了可视化图像的一种示意图。参见图5所示,标定车辆设有5个车载雷达:正前方雷达、左前方雷达、右前方雷达、左后方雷达和右后方雷达,相应地,每个车载雷达对应有视场区域,即覆盖区域(coverage area)。如图5所示,从正前方雷达覆盖区域(Front Radar coverage area)开始,沿顺时针所示的覆盖区域依次为:正前方雷达覆盖区域、右前方雷达覆盖区域(Front right Radar coverage area)、右后方雷达覆盖区域(Rear right Radar coverage area)、左后方雷达覆盖区域(Rear Left Radar coveragearea)、左前方雷达覆盖区域(Front Left Radar coverage area)。并且,相邻两个覆盖区域可以存在重叠,例如,正前方雷达与右前方雷达的重叠区域、右前方雷达与右后方雷达的重叠区域、右后方雷达与左后方雷达的重叠区域、左后方雷达与左前方雷达的重叠区域等。此外,也可存在更多雷达的重叠区域;如图5所示,车辆正前方可以存在正前方雷达、左前方雷达、右前方雷达,三者的重叠区域。
其中,图5未示出图像坐标所对应的位置。本实施例中,可以使用点或图形(如圆形、正方形等)表示图像坐标所对应的位置;并且,对于不同车载雷达所确定的点云数据,或者移动标定工具时在不同时刻所确定的点云数据,可以采用不同颜色标注。
步骤S404,确定图像坐标所对应的位置与实际距离值之间的匹配程度,该匹配程度用于表示车载雷达的外参标定结果是否准确;其中,实际距离值为根据标定工具在刻度尺上的位置所测量的,标定工具与车载雷达之间的距离。
详细请参见图1所示实施例的步骤S103,或图3所示实施例的步骤S303,在此不再赘述。
在本实施例中提供了一种雷达标定可视化校验方法,下面结合具体的应用场景,说明对外参标定结果进行校验的流程。图6是根据本发明实施例的雷达标定可视化校验方法,对外参标定结果进行校验的一种流程图。
步骤S601,沿着标定车辆上车载雷达的法线方向摆放刻度尺,将标定工具放置于车载雷达的正前方,并调节标定工具与车载雷达的高度一致。
具体而言,可以将标定车辆静止固定停放在空旷平整地面上,车头和四轮摆正朝前,保证标定车辆周围没有障碍物等干扰。其中,标定车辆、车载雷达、刻度尺、标定工具之间的位置关系可参见图2所示,此处不做赘述。其中,在步骤S601之前,先对车载雷达进行标定,确定车载雷达的外参标定结果。
步骤S602,车载雷达对标定工具的点云进行采集,形成相应的点云数据;并且,通过刻度尺读取标定工具与车载雷达之间的实际距离值。
其中,车载雷达可以通过CAN总线对标定工具的点云进行采集,相应地,可以通过总线开发读取工具(如CANoe、PCAN等)读取车载雷达检测的点云数据。并且,记录标定工具在刻度尺上的物理位置值,该物理位置值可以表示标定工具与车载雷达之间的实际距离值。
具体地,可以结合CAN总线开发读取工具与车载雷达的CAN总线连接,在软件中配置前后左右车载雷达的CAN总线通道,加载相关CAN DBC(CAN data base,CAN数据库文件),并筛选可以通过的报文,降低数据的处理量。
在步骤S602中,可以对标定工具进行第一次采集,即采集相应的点云数据和实际距离值,该点云数据和实际距离值是一种初始值。例如,在初始时刻,标定工具接触车载雷达,此时可以在可视化图像中显示初始点云数据对应的位置,并判断该点云数据的位置是否位于车载雷达的位置,从而可以初步判断外参标定结果的准确性。
步骤S603,将标定工具沿车载雷达法线方向向外移动,并分别采集标定工具位于不同位置时的点云数据,并记录相应的实际距离值。
具体地,可以通过总线开发工具采集车载雷达检测的点云数据;其中,可以同时采集多个车载雷达采集到的点云数据,形成点云数据集。并且,通过读取刻度尺上的数值,可以记录下标定工具到相应车载毫米波雷达的距离值,即实际距离值,该实际距离值可以作为车载雷达的校验数据集。
步骤S604,将标定车辆和车载雷达所采集的点云数据进行可视化显示。
其中,可以根据标定车辆的整车相关参数创建车体坐标系,并创建车载雷达的FOV视图,具体可根据车载雷达实际安装位置(如左前/右前/左后/右后毫米波雷达覆盖区域等)创建每个车载雷达的FOV视图。
并且,接收与点云数据相关的数据报文,根据待校验的外参标定结果(例如雷达外参值),将采集到的点云数据集转换到可视化图像的坐标系中,通过图像显示标定车辆及点云位置。此外,还可以将记录的标定工具在刻度尺上的距离值(即实际距离值)也显示在可视化图像中,最终可直观地校验与筛选外参标定结果。
其中,可以通过MATLAB中数据可视化函数,将标定车辆位置、点云数据及雷达覆盖区域FOV视图同时可视化显示出来,一种可视化显示效果可参见图5所示。
步骤S605,确定图像坐标所对应的位置与实际距离值之间的匹配程度,根据该匹配程度确定车载雷达的外参标定结果是否准确。
详细请参见图1所示实施例的步骤S103,在此不再赘述。
本实施例提供的雷达标定可视化校验方法,可以实现可视化校验,且此可视化校验方法支持在线或离线动态校验,可以实时直观地对车载雷达外参标定结果进行可视化校验。
在本实施例中还提供了一种雷达标定可视化校验装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种雷达标定可视化校验装置,如图7所示,包括:
数据获取模块701,用于获取标定车辆的车载雷达采集到的标定工具的点云数据;所述标定工具位于所述车载雷达的正前方,且所述车载雷达正前方设有沿所述车载雷达法线方向放置的刻度尺;
可视化模块702,用于根据所述车载雷达待校验的外参标定结果,将所述点云数据转换为在可视化图像的坐标系中的图像坐标,并在所述可视化图像中标识所述图像坐标所对应的位置;
匹配模块703,用于确定所述图像坐标所对应的位置与实际距离值之间的匹配程度,根据所述匹配程度确定所述车载雷达的外参标定结果是否准确;其中,所述实际距离值为根据所述标定工具在所述刻度尺上的位置所测量的,所述标定工具与所述车载雷达之间的距离。
在一些可选的实施方式中,所述数据获取模块701具体用于:
在所述标定工具沿所述刻度尺移动的情况下,分别获取所述车载雷达采集到的所述标定工具的多个点云数据;不同的所述点云数据对应不同的位置。
在一些可选的实施方式中,该装置还包括:
有效数据确定模块,用于确定有效点云数据;所述有效点云数据的匹配程度表示所述有效图像坐标所对应的位置与相应的实际距离值之间相匹配;
所述匹配模块703还用于,根据所述有效点云数据的数量或占比,确定所述车载雷达的外参标定结果是否准确;所述占比为所述有效点云数据的数量与点云数据总数量的比值。
在一些可选的实施方式中,所述数据获取模块701分别获取所述车载雷达采集到的所述标定工具的多个点云数据,包括:
分别获取所述车载雷达采集到的所述标定工具逐渐远离所述车载雷达时的多个点云数据。
在一些可选的实施方式中,所述数据获取模块701分别获取所述车载雷达采集到的所述标定工具的多个点云数据,还包括:
首先获取所述车载雷达采集到的所述标定工具接触所述车载雷达时的点云数据。
在一些可选的实施方式中,所述可视化模块702还用于:在所述可视化图像中显示所述车载雷达的视场区域。
在一些可选的实施方式中,所述车载雷达的数量为多个;所述可视化模块702用于:在所述可视化图像中显示多个所述车载雷达的视场区域,以及相邻两个视场区域的重叠区域。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的雷达标定可视化校验装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图7所示的雷达标定可视化校验装置。
请参阅图8,图8是本发明可选实施例提供的一种计算机设备的结构示意图,如图8所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20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计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。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。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息,以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。上述显示设备包括但不限于液晶显示器,发光二极管,显示器和等离子体显示器。在一些可选的实施方式中,显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种雷达标定可视化校验方法,其特征在于,所述方法包括:
获取标定车辆的车载雷达采集到的标定工具的点云数据;所述标定工具位于所述车载雷达的正前方,且所述车载雷达正前方设有沿所述车载雷达法线方向放置的刻度尺;
根据所述车载雷达待校验的外参标定结果,将所述点云数据转换为在可视化图像的坐标系中的图像坐标,并在所述可视化图像中标识所述图像坐标所对应的位置;
确定所述图像坐标所对应的位置与实际距离值之间的匹配程度,根据所述匹配程度确定所述车载雷达的外参标定结果是否准确;其中,所述实际距离值为根据所述标定工具在所述刻度尺上的位置所测量的,所述标定工具与所述车载雷达之间的距离。
2.根据权利要求1所述的方法,其特征在于,所述获取标定车辆的车载雷达采集到的标定工具的点云数据,包括:
在所述标定工具沿所述刻度尺移动的情况下,分别获取所述车载雷达采集到的所述标定工具的多个点云数据;不同的所述点云数据对应不同的位置。
3.根据权利要求2所述的方法,其特征在于,还包括:
根据匹配程度确定有效点云数据;所述有效点云数据转换得到的图像坐标所对应的位置,与相应的实际距离值之间相匹配;
所述根据所述匹配程度确定所述车载雷达的外参标定结果是否准确,包括:
根据所述有效点云数据的数量或占比,确定所述车载雷达的外参标定结果是否准确;所述占比为所述有效点云数据的数量与点云数据总数量的比值。
4.根据权利要求2所述的方法,其特征在于,所述分别获取所述车载雷达采集到的所述标定工具的多个点云数据,包括:
分别获取所述车载雷达采集到的所述标定工具逐渐远离所述车载雷达时的多个点云数据。
5.根据权利要求4所述的方法,其特征在于,所述分别获取所述车载雷达采集到的所述标定工具的多个点云数据,还包括:
首先获取所述车载雷达采集到的所述标定工具接触所述车载雷达时的点云数据。
6.根据权利要求1所述的方法,其特征在于,还包括:
在所述可视化图像中显示所述车载雷达的视场区域。
7.根据权利要求6所述的方法,其特征在于,所述车载雷达的数量为多个;
所述在所述可视化图像中显示所述车载雷达的视场区域,包括:
在所述可视化图像中显示多个所述车载雷达的视场区域,以及相邻两个视场区域的重叠区域。
8.一种雷达标定可视化校验装置,其特征在于,所述装置包括:
数据获取模块,用于获取标定车辆的车载雷达采集到的标定工具的点云数据;所述标定工具位于所述车载雷达的正前方,且所述车载雷达正前方设有沿所述车载雷达法线方向放置的刻度尺;
可视化模块,用于根据所述车载雷达待校验的外参标定结果,将所述点云数据转换为在可视化图像的坐标系中的图像坐标,并在所述可视化图像中标识所述图像坐标所对应的位置;
匹配模块,用于确定所述图像坐标所对应的位置与实际距离值之间的匹配程度,根据所述匹配程度确定所述车载雷达的外参标定结果是否准确;其中,所述实际距离值为根据所述标定工具在所述刻度尺上的位置所测量的,所述标定工具与所述车载雷达之间的距离。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的雷达标定可视化校验方法。
10.一种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上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的雷达标定可视化校验方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311127353.3A CN117148295A (zh) | 2023-09-01 | 2023-09-01 | 雷达标定可视化校验方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311127353.3A CN117148295A (zh) | 2023-09-01 | 2023-09-01 | 雷达标定可视化校验方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117148295A true CN117148295A (zh) | 2023-12-01 |
Family
ID=88898382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311127353.3A Pending CN117148295A (zh) | 2023-09-01 | 2023-09-01 | 雷达标定可视化校验方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117148295A (zh) |
-
2023
- 2023-09-01 CN CN202311127353.3A patent/CN117148295A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200348408A1 (en) | Vehicle Positioning Method and Vehicle Positioning Apparatus | |
JP7045816B2 (ja) | 検査ステーションに配置された車両の最外寸法を測定するための方法及びシステム | |
EP3620926B1 (en) | Method and apparatus for testing autonomous vehicle, and storage medium | |
CN112985842B (zh) | 泊车性能的检测方法、电子设备及可读存储介质 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113340325B (zh) | 一种验证车路协同路侧感知融合精度的系统、方法及介质 | |
US11953605B2 (en) | Method, device, equipment, and storage medium for determining sensor solution | |
CN111324115A (zh) | 障碍物位置检测融合方法、装置、电子设备和存储介质 | |
CN112014845A (zh) | 一种车辆障碍物定位方法、装置、设备及存储介质 | |
CN113147738A (zh) | 一种自动泊车定位方法和装置 | |
CN110850859B (zh) | 一种机器人及其避障方法和避障系统 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN112762947B (zh) | 地图数据校准方法、装置及计算机设备 | |
CN110936959B (zh) | 车辆感知系统在线诊断和预测 | |
CN110579754A (zh) | 用于确定车辆的激光雷达与车辆其他的传感器的外参数的方法 | |
CN111492258A (zh) | 用于确定车辆所行驶的道路与测量或雷达传感器的检测方向之间的安装角度的方法和装置 | |
CN115980680A (zh) | 标定方法和装置 | |
JP7459560B2 (ja) | 物体検知装置 | |
CN117148295A (zh) | 雷达标定可视化校验方法、装置、计算机设备及存储介质 | |
CN115902839A (zh) | 港口激光雷达标定方法及装置、存储介质及电子设备 | |
CN112560258B (zh) | 一种测试方法、装置、设备及存储介质 | |
CN114325662A (zh) | 一种车载雷达的外参标定方法、装置、设备及存储介质 | |
CN112710343B (zh) | 一种基于rt的车载传感器性能测试方法 | |
CN113256734A (zh) | 一种车载感知传感器标定方法、系统及电子设备 | |
CN110909569B (zh) | 路况信息识别方法及终端设备 |
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 |