CN117191080A - 相机与imu外参的标定方法、装置、设备及存储介质 - Google Patents
相机与imu外参的标定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117191080A CN117191080A CN202311084561.XA CN202311084561A CN117191080A CN 117191080 A CN117191080 A CN 117191080A CN 202311084561 A CN202311084561 A CN 202311084561A CN 117191080 A CN117191080 A CN 117191080A
- Authority
- CN
- China
- Prior art keywords
- calibration image
- pose
- determining
- calibration
- imu
- 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 51
- 238000005259 measurement Methods 0.000 claims abstract description 101
- 239000011159 matrix material Substances 0.000 claims description 66
- 230000001133 acceleration Effects 0.000 claims description 42
- 238000013519 translation Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003062 neural network model Methods 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
- 238000011161 development Methods 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
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Studio Devices (AREA)
Abstract
本公开实施例涉及一种相机与IMU外参的标定方法、装置、设备及存储介质，其中，该方法包括：获取标定图像、以及标定图像对应的第一位姿和惯性测量参数；基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数；基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿；基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。根据本公开实施例能够实现高精度、易操作的相机与IMU外参标定。
Description
技术领域
本公开实施例涉及三维扫描技术领域，尤其涉及一种相机与IMU外参的标定方法、装置、设备及存储介质。
背景技术
三维扫描仪在实时扫描过程中，通常使用即时定位与地图构建(SimultaneousLocalization And Mapping，SLAM)技术实现三维扫描仪的位姿跟踪。但是，视觉SLAM存在输出频率低、旋转运动或运动速率加快时定位易失败等问题，而惯性传感器(InertialMeasurement Unit，IMU)具有输出频率高、能输出6自由度测量信息等优点，因此现阶段的一个研究热点是将视觉SLAM与IMU得到的位姿估计结果进行融合，得到更加准确的输出结果，而IMU和视觉信息融合的前提是相机与IMU外参的标定。
目前，通常采用Kalibr标定工具箱、VINS-MONO在线标定算法等方式标定相机与IMU外参，但是，Kalibr标定工具箱配置麻烦，导致操作很麻烦，VINS-MONO在线标定算法标定精度不高。可见，上述标定方式，要么操作复杂，要么标定精度低，均难以应用到三维扫描仪上。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种相机与IMU外参的标定方法、装置、设备及存储介质。
本公开实施例的第一方面提供了一种相机与IMU外参的标定方法，该方法包括：
获取标定图像、以及标定图像对应的第一位姿和惯性测量参数；
基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数；
基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿；
基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。
本公开实施例的第二方面提供了一种相机与IMU外参的标定装置，该装置包括：
获取模块，用于获取标定图像、以及标定图像对应的第一位姿和惯性测量参数；
第一优化模块，用于基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数；
第一确定模块，用于基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿；
第二优化模块，用于基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。
本公开实施例的第三方面提供了一种电子设备，该服务器包括：处理器和存储器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，所述处理器执行上述第一方面的方法。
本公开实施例的第四方面提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，当该计算机程序被处理器执行时，可以实现上述第一方面的方法。
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，能够获取标定图像、以及标定图像对应的第一位姿和惯性测量参数，其中，标定图像由相机对标定板进行图像采集得到、或者对三维扫描物体进行图像采集得到，惯性测量参数由IMU测量得到；基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数；基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿；基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。采用上述技术方案能够利用第一位姿作为真值优化标定图像对应的惯性测量参数，得到精度较高的惯性测量参数(即优化后的惯性测量参数)，进而利用精度较高的惯性测量参数得到精度较高的第二位姿，从而基于第一位姿和精度较高的第二位姿优化相机与IMU外参，使得相机与IMU外参的精度较高。并且采用上述技术方案无需像Kalibr标定工具箱一样要预先进行工具箱配置，操作简单。可见，采用上述技术方案能够实现高精度、易操作的相机与IMU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。
图1是本公开实施例提供的一种相机与IMU外参的标定方法的流程图；
图2是本公开实施例提供的一种相机与IMU外参的标定装置的结构示意图；
图3是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1是本公开实施例提供的一种相机与IMU外参的标定方法的流程图，该方法可以由一种电子设备来执行。该电子设备可以示例性的理解为诸如三维扫描仪、手机、平板电脑、笔记本电脑、台式机、智能电视等设备。如图1所示，本实施例提供的方法包括如下步骤：
S110、获取标定图像、以及标定图像对应的第一位姿和惯性测量参数。
具体地，标定图像为用于优化相机与IMU外参的图像。
在离线标定场景下，标定图像为由相机对标定板进行图像采集得到图像；在在线标定场景下，标定图像为对三维扫描物体进行图像采集得到的图像。
需要说明的是，标定图像的数量本领域技术人员可根据实际情况设置，此处不作限定。例如，标定图像的数量可以为一帧、两帧或多帧等。
具体地，标定图像对应的位姿为相机对标定图像进行图像采集时的位姿。其中，第一位姿为采用预设算法基于标定图像确定的位姿，预设算法例如可以为运动恢复结构算法(Structure From Motion，SFM)、或者迭代最近点算法(Iterative Closest Point，ICP)等，但并不限于此。
具体地，惯性测量参数由IMU测量得到。例如，惯性测量参数可以包括加速度、角速度等，但并不限于此。需要说明的是，某一帧标定图像对应的惯性测量参数指的是，若该标定图像的前一帧图像在Tn-1时刻采集完成，该标定图像在Tn时刻采集完成，则Tn-1时刻至Tn时刻之间(即该标定图像与前一帧图像之间的帧间隔内)，惯性测量模块测量得到的惯性测量参数均为该标定图像对应的惯性测量参数。
S120、基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数。
在本公开实施例中，申请人考虑到IMU测量时存在漂移，导致测量得到的惯性测量参数误差较大，直接利用IMU测量得到的惯性测量参数优化相机与IMU外参，将使相机与IMU外参的标定精度较低。有鉴于此，申请人认为可以利用第一位姿作为真值优化IMU测量得到的惯性测量参数，以便后续利用优化后的惯性测量参数惯性测量参数，提高相机与IMU外参的标定精度。
在一些实施例中，S120可以包括：将标定图像对应的第一位姿、以及惯性测量参数输入训练好的第一优化模型(例如神经网络模型)，得到第一优化模型输出的标定图像对应的优化后的惯性测量参数。
在另一些实施例中，S120可以包括：S121、基于标定图像对应的第一位姿确定IMU的测量误差。
具体地，测量误差用于表征IMU的测量得到的惯性测量参数(即测量值)偏离真实值的程度。测量误差例如可以包括：陀螺仪偏置、比例误差、加速度偏置等，但并不限于此。
可选地，S121可以包括：S1211、基于标定图像对应的惯性测量参数，确定标定图像对应的第三位姿；S1212、基于标定图像对应的第一位姿和第三位姿，确定IMU的测量误差。
具体地，第三位姿为直接利用IMU测量得到的惯性测量参数确定的位姿。
在一个示例中，第一位姿包括第一旋转矩阵，第三位姿包括第二旋转矩阵，惯性测量参数包括角速度；此时，S1211包括：基于标定图像对应的角速度确定标定图像对应的第二旋转矩阵；S1212包括：确定标定图像对应的第一旋转矩阵和第二旋转矩阵的旋转矩阵差值；基于标定图像对应的旋转矩阵差值，确定IMU的陀螺仪偏置。
具体地，可以基于标定图像对应的角速度、以及标定图像帧与前一图像之间的帧间隔进行第一积分运算，得到标定图像对应的第二旋转矩阵。
具体地，旋转矩阵差值为第一旋转矩阵和第二旋转矩阵的差值。
具体地，陀螺仪偏置用于表征IMU测量得到的角速度偏离真实角速度的程度。
具体地，可以采用最小二乘算法，基于标定图像对应的旋转矩阵差值确定IMU的陀螺仪偏置，但并不限于此。
在另一个示例中，第一位姿包括第一平移矩阵，第三位姿包括第二平移矩阵，惯性测量参数包括加速度；此时，S1211包括：基于标定图像对应的加速度确定标定图像对应的第二平移矩阵；S1212包括：基于标定图像帧对应的第一平移矩阵确定标定图像帧对应的第一速度，基于标定图像帧对应的加速度确定标定图像帧对应的第二速度，并确定标定图像对应的第一平移矩阵和第二平移矩阵的平移矩阵差值、以及标定图像对应的第一速度和第二速度的速度差值；基于标定图像对应的平移矩阵差值和速度差值，确定IMU的加速度偏置。
具体地，可以基于标定图像对应的加速度、以及标定图像帧与前一帧图像之间的帧间隔进行第二积分运算，得到标定图像对应的第二平移矩阵。
具体地，可以基于标定图像对应的第一平移矩阵、以及标定图像帧与前一帧图像之间的帧间隔进行求导运算，得到标定图像对应的第一速度。
具体地，可以基于标定图像对应的加速度、以及标定图像帧与前一帧图像之间的帧间隔进行第三积分运算，得到标定图像对应的第二速度。
具体地，平移矩阵差值为第一平移矩阵和第二平移矩阵的差值。
具体地，速度差值为第一速度和第二速度的差值。
具体地，加速度偏置用于表征IMU测量得到的加速度偏离真实加速度的程度。
具体地，可以采用最小二乘算法，基于标定图像对应的平移矩阵差值和速度差值确定IMU的加速度偏置，但并不限于此。
在又一个示例中，S1212还包括：基于标定图像对应的平移矩阵差值和速度差值，确定IMU的比例误差。
具体地，比例误差用于表征IMU测量得到的惯性测量参数与真实值之间的比例关系。
具体地，可以采用解析解算法，基于标定图像对应的平移矩阵差值和速度差值确定IMU的比例误差、以及标定图像对应的相机坐标系下的重力方向，但并不限于此。
可以理解的是，上述计算陀螺仪偏置、加速度偏置、以及比例误差的方式简单、便捷，有利于降低计算难度。
S122、基于测量误差优化标定图像对应的惯性测量参数。
可选地，惯性测量参数包括角速度和加速度，测量误差包括陀螺仪偏置和加速度偏置，则S122可以包括：基于角速度、和陀螺仪偏置确定优化后的角速度；基于加速度、和加速度偏置确定优化后的角速度。
进一步可选地，测量误差还可以包括比例误差，则基于角速度、陀螺仪偏置和比例误差确定优化后的角速度。
示例性的，可通过如下计算公式得到优化后的角速度：
ωm＝Sω+bg
其中，ωm为IMU测量得到的角速度，D为比例误差，bg为陀螺仪偏置，ω为优化后的角速度。
进一步可选地，测量误差包括还可以包括比例误差，则惯性测量参数包括加速度，基于角速度、加速度偏置和比例误差确定优化后的加速度。
am＝Sa+ba
其中，am为IMU测量得到的加速度，S为比例误差，ba为加速度偏置，a为优化后的加速度。
可以理解的是，若将加速度和角速度一起进行联合优化，则无法使加速度和角速度都达到最优，如此，将影响后续基于优化后的加速度和角速度计算得到的第二位姿的精度。然而，本申请能够针对陀螺仪偏置、加速度偏置、比例误差分开、单独进行计算，并且基于陀螺仪偏置和比例误差单独优化角速度，基于加速度偏置和比例误差单独优化加速度，可使加速度和角速度都能达到最优，进行使得后续基于优化后的加速度和角速度计算得出的第二位姿具有较高精度，如此，可有利于提高相机与IMU外参的标定精度。
还可以理解的是，相比于在标定图像中识别特征点并利用特征点的反投影误差来优化惯性测量参数，本申请中利用第一位姿优化惯性测量参数可以避免依赖特征点来优化的缺点(例如难以识别特征点等)。
S130、基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿。
具体地，第二位姿为利用优化后的惯性测量参数确定的位姿。
在一些实施例中，S130可以包括：基于标定图像对应的优化后的惯性测量参数确定标定图像对应的预积分信息；基于标定图像对应的预积分信息确定标定图像对应的第二位姿。
具体地，预积分信息包括位置、速度、以及旋转。在一个示例中，第二位姿包括第三旋转矩阵、第三平移矩阵等，但并不限于此。可通过如下公式计算预计分信息和第二位姿：
其中，为标定图像对应的第三平移矩阵(即预积分信息中的位置)，/>为标定图像的前一帧图像对应的第三平移矩阵，vt w为标定图像对应的第三速度，Δt为标定图像与前一帧图像之前的时间间隔，gw为重力加速，/>为标定图像的前一帧图像对应的第三平移矩阵，i为前一帧图像对应的采集时刻为，j为标定图像对应的采集时刻，/>为时刻t的状态量，t为i和j之间的时刻，/>为标定图像对应的优化后的加速度，δt为预设时间间隔；vw j为标定图像对应的第三速度(即预积分中的速度)，vw i为前一帧图像对应的第三速度，/>为标定图像对应的第三旋转矩阵(即预积分信息中的旋转)，/>为标定图像对应的优化后的加速度。
当然，本领域技术人员还可以采用其它方式计算第二位姿，例如，第二位姿的具体计算方式还可以参照前文第三位姿的具体计算方式，此处不再赘述。
S140、基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。
具体地，相机与IMU外参即相机与IMU之间的相对位姿，用于实现相机坐标系和IMU坐标系之间的变换，包括相对旋转角和相对平移量。
在离线标定场景下，这里所述的“优化相机与IMU外参”的优化对象可以是上一次离线标定的相机与IMU外参、或者上一次三维扫描过程中最后一次在线标定的相机与IMU外参等，但并不限于此；在在线标定场景下，这里所述的“优化相机与IMU外参”的优化对象可以是本次三维扫描之前离线标定的相机与IMU外参、或者本次三维扫描过程中上一次在线标定的相机与IMU外参等，但并不限于此，例如，在一次三维扫描过程中，可以多次进行相机与IMU外参，第一次进行相机与IMU外参标定时，优化对象可以是本次三维扫描之前离线标定的相机与IMU外参，第二次以及之后进行相机与IMU外参标定时，优化对象可以是同一次三维扫描过程中的上一次在线标定的相机与IMU外参。可以理解的是，IMU在实际使用过程中存在漂移，因此相机与IMU的外参存在波动，在同一次三维扫描过程中多次进行标定，可提高三维扫描精度。
在一些实施例中，S140可以包括：将标定图像对应的第一位姿和第二位姿、待优化的相机与IMU外参输入训练好的第二优化模型(例如神经网络模型)，得到第二优化模型输出的优化后的相机与IMU外参。
在另一些实施例中，S140可以包括：S141、确定标定图像对应的第一位姿和第二位姿的位姿差值；S142、基于标定图像对应的位姿差值优化相机与IMU外参。
具体地，位姿差值为第一位姿和第二位姿之间的差值。
可选地，S142包括：采用最小二乘方法，基于标定图像对应的位姿差值优化相机与IMU外参。
可以理解的是，基于位姿差值优化相机与IMU外参的优化方式，简单、便捷、易于实现，有利于降低开发难度。
本公开实施例，能够利用第一位姿作为真值优化标定图像对应的惯性测量参数，得到精度较高的惯性测量参数(即优化后的惯性测量参数)，进而利用精度较高的惯性测量参数得到精度较高的第二位姿，从而基于第一位姿和精度较高的第二位姿优化相机与IMU外参，使得相机与IMU外参的精度较高。并且采用上述技术方案无需像Kalibr标定工具箱一样要预先进行工具箱配置，操作简单。可见，采用上述技术方案能够实现高精度、易操作的相机与IMU外参标定。
图2是本公开实施例提供的一种相机与IMU外参的标定装置的结构示意图，该相机与IMU外参的标定装置可以被理解为上述电子设备或者上述电子设备中的部分功能模块。如图2所示，该相机与IMU外参的标定装置200包括：
获取模块210，用于获取标定图像、以及标定图像对应的第一位姿和惯性测量参数；
第一优化模块220，用于基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数；
第一确定模块230，用于基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿；
第二优化模块230，用于基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。
在本公开另一种实施方式中，第一优化模块220可以包括：
第一确定子模块，用于基于所述标定图像对应的所述第一位姿确定所述IMU的测量误差；
第一优化子模块，用于基于所述测量误差优化所述标定图像对应的所述惯性测量参数。
在本公开又一种实施方式中，第一确定子模块可以包括：
第一确定单元，用于基于所述标定图像对应的所述惯性测量参数，确定所述标定图像对应的第三位姿；
第二确定单元，用于基于所述标定图像对应的所述第一位姿和所述第三位姿，确定所述IMU的所述测量误差。
在本公开再一种实施方式中，所述第一位姿包括第一旋转矩阵，所述第三位姿包括第二旋转矩阵，所述惯性测量参数包括角速度；
第一确定单元，具体用于基于所述标定图像对应的所述角速度确定所述标定图像对应的所述第二旋转矩阵；
相应地，第二确定单元，具体用于确定所述标定图像对应的所述第一旋转矩阵和所述第二旋转矩阵的旋转矩阵差值；基于所述标定图像对应的所述旋转矩阵差值，确定所述IMU的陀螺仪偏置。
在本公开再一种实施方式中，所述第一位姿包括第一平移矩阵，所述第三位姿包括第二平移矩阵，所述惯性测量参数包括加速度；
第一确定单元，具体用于基于所述标定图像对应的加速度确定所述标定图像对应的所述第二平移矩阵；
相应地，第二确定单元，具体用于基于所述标定图像帧对应的所述第一平移矩阵确定所述标定图像帧对应的第一速度，基于所述标定图像帧对应的加速度确定所述标定图像帧对应的第二速度，并确定所述标定图像对应的所述第一平移矩阵和所述第二平移矩阵的平移矩阵差值、以及所述标定图像对应的所述第一速度和所述第二速度的速度差值；基于所述标定图像对应的所述平移矩阵差值和所述速度差值，确定所述IMU的加速度偏置。
在本公开再一种实施方式中，第二确定单元，还用于基于所述标定图像对应的所述平移矩阵差值和所述速度差值，确定所述IMU的比例误差。
在本公开再一种实施方式中，第一确定模块230可以包括：
第二确定子模块，用于基于所述标定图像对应的优化后的惯性测量参数确定所述标定图像对应的预积分信息；
第三确定子模块，用于基于所述标定图像对应的预积分信息确定所述标定图像对应的所述第二位姿。
在本公开再一种实施方式中，第二优化模块230可以包括：
第四确定子模块，用于确定所述标定图像对应的所述第一位姿和所述第二位姿的位姿差值；
第二优化子模块，用于基于所述标定图像对应的所述位姿差值优化相机与IMU外参。
在本公开再一种实施方式中，第二优化子模块，具体用于采用最小二乘方法，基于所述标定图像对应的所述位姿差值优化相机与IMU外参。
本实施例提供的装置能够执行上述任一实施例的方法，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了一种电子设备，该电子设备包括：存储器，存储器中存储有计算机程序；处理器，用于执行所述计算机程序，当所述计算机程序被所述处理器执行时可以实现上述任一实施例的方法。
示例的，图3是本公开实施例中的一种电子设备的结构示意图。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电子设备300的结构示意图。本公开实施例中的电子设备300可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子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，电子设备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(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备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、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；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可以允许电子设备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电子设备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、服务器可以利用诸如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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
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电子设备执行时，使得该电子设备：
获取标定图像、以及标定图像对应的第一位姿和惯性测量参数；
基于标定图像对应的第一位姿优化标定图像对应的惯性测量参数；
基于标定图像对应的优化后的惯性测量参数确定标定图像对应的第二位姿；
基于标定图像对应的第一位姿和第二位姿，优化相机与IMU外参。
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服务器上执行。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基于硬件的系统来实现，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基于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。
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 (12)
1.一种相机与IMU外参的标定方法，其特征在于，包括：
获取标定图像、以及所述标定图像对应的第一位姿和惯性测量参数；
基于所述标定图像对应的所述第一位姿优化所述标定图像对应的所述惯性测量参数；
基于所述标定图像对应的优化后的惯性测量参数确定所述标定图像对应的第二位姿；
基于所述标定图像对应的所述第一位姿和所述第二位姿，优化相机与IMU外参。
2.根据权利要求1所述的方法，其特征在于，所述基于所述标定图像对应的所述第一位姿优化所述标定图像对应的所述惯性测量参数，包括：
基于所述标定图像对应的所述第一位姿确定所述IMU的测量误差；
基于所述测量误差优化所述标定图像对应的所述惯性测量参数。
3.根据权利要求2所述的方法，其特征在于，所述基于所述标定图像对应的所述第一位姿确定所述IMU的测量误差，包括：
基于所述标定图像对应的所述惯性测量参数，确定所述标定图像对应的第三位姿；
基于所述标定图像对应的所述第一位姿和所述第三位姿，确定所述IMU的所述测量误差。
4.根据权利要求3所述的方法，其特征在于，所述第一位姿包括第一旋转矩阵，所述第三位姿包括第二旋转矩阵，所述惯性测量参数包括角速度；
所述基于所述标定图像对应的所述惯性测量参数，确定所述标定图像对应的第三位姿，包括：
基于所述标定图像对应的所述角速度确定所述标定图像对应的所述第二旋转矩阵；
相应地，所述基于所述标定图像对应的所述第一位姿和所述第三位姿，确定所述IMU的所述测量误差，包括：
确定所述标定图像对应的所述第一旋转矩阵和所述第二旋转矩阵的旋转矩阵差值；
基于所述标定图像对应的所述旋转矩阵差值，确定所述IMU的陀螺仪偏置。
5.根据权利要求3所述的方法，其特征在于，所述第一位姿包括第一平移矩阵，所述第三位姿包括第二平移矩阵，所述惯性测量参数包括加速度；
所述基于所述标定图像对应的所述惯性测量参数，确定所述标定图像对应的第三位姿，包括：
基于所述标定图像对应的加速度确定所述标定图像对应的所述第二平移矩阵；
相应地，所述基于所述标定图像对应的所述第一位姿和所述第三位姿，确定所述IMU的所述测量误差，包括：
基于所述标定图像帧对应的所述第一平移矩阵确定所述标定图像帧对应的第一速度，基于所述标定图像帧对应的加速度确定所述标定图像帧对应的第二速度，并确定所述标定图像对应的所述第一平移矩阵和所述第二平移矩阵的平移矩阵差值、以及所述标定图像对应的所述第一速度和所述第二速度的速度差值；
基于所述标定图像对应的所述平移矩阵差值和所述速度差值，确定所述IMU的加速度偏置。
6.根据权利要求5所述的方法，其特征在于，还包括：
基于所述标定图像对应的所述平移矩阵差值和所述速度差值，确定所述IMU的比例误差。
7.根据权利要求1所述的方法，其特征在于，所述基于所述标定图像对应的优化后的惯性测量参数确定所述标定图像对应的第二位姿，包括：
基于所述标定图像对应的优化后的惯性测量参数确定所述标定图像对应的预积分信息；
基于所述标定图像对应的预积分信息确定所述标定图像对应的所述第二位姿。
8.根据权利要求1所述的方法，其特征在于，所述基于所述标定图像对应的所述第一位姿和所述第二位姿，优化相机与IMU外参，包括：
确定所述标定图像对应的所述第一位姿和所述第二位姿的位姿差值；
基于所述标定图像对应的所述位姿差值优化相机与IMU外参。
9.根据权利要求8所述的方法，其特征在于，所述基于所述标定图像对应的所述位姿差值优化相机与IMU外参，包括：
采用最小二乘方法，基于所述标定图像对应的所述位姿差值优化相机与IMU外参。
10.一种相机与IMU外参的标定装置，其特征在于，包括：
获取模块，用于获取标定图像、以及所述标定图像对应的第一位姿和惯性测量参数；
第一优化模块，用于基于所述标定图像对应的所述第一位姿优化所述标定图像对应的所述惯性测量参数；
第一确定模块，用于基于所述标定图像对应的优化后的惯性测量参数确定所述标定图像对应的第二位姿；
第二优化模块，用于基于所述标定图像对应的所述第一位姿和所述第二位姿，优化相机与IMU外参。
11.一种电子设备，其特征在于，包括：
处理器和存储器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，所述处理器执行权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，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，实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311084561.XA CN117191080A (zh) | 2023-08-25 | 2023-08-25 | 相机与imu外参的标定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311084561.XA CN117191080A (zh) | 2023-08-25 | 2023-08-25 | 相机与imu外参的标定方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117191080A true CN117191080A (zh) | 2023-12-08 |
Family
ID=88991604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311084561.XA Pending CN117191080A (zh) | 2023-08-25 | 2023-08-25 | 相机与imu外参的标定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117191080A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117437288A (zh) * | 2023-12-19 | 2024-01-23 | 先临三维科技股份有限公司 | 摄影测量方法、装置、设备及存储介质 |
-
2023
- 2023-08-25 CN CN202311084561.XA patent/CN117191080A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117437288A (zh) * | 2023-12-19 | 2024-01-23 | 先临三维科技股份有限公司 | 摄影测量方法、装置、设备及存储介质 |
| CN117437288B (zh) * | 2023-12-19 | 2024-05-03 | 先临三维科技股份有限公司 | 摄影测量方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111127563A (zh) | 联合标定方法、装置、电子设备及存储介质 | |
| CN110988849B (zh) | 雷达系统的标定方法、装置、电子设备及存储介质 | |
| CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
| CN117191080A (zh) | 相机与imu外参的标定方法、装置、设备及存储介质 | |
| CN112818898B (zh) | 模型训练方法、装置和电子设备 | |
| CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN112488783A (zh) | 图像采集方法、装置和电子设备 | |
| CN111207740A (zh) | 车辆定位的方法、装置、设备和计算机可读介质 | |
| CN116079697A (zh) | 一种基于图像的单目视觉伺服方法、装置、设备及介质 | |
| CN113759348B (zh) | 一种雷达标定方法、装置、设备及存储介质 | |
| WO2023138468A1 (zh) | 虚拟物体的生成方法、装置、设备及存储介质 | |
| CN116758498A (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| CN118057120A (zh) | 用于估计设备姿态的方法和装置 | |
| CN115495038A (zh) | 音频调整方法、装置、电子设备及可读存储介质 | |
| CN114140538B (zh) | 车载相机位姿调整方法、装置、设备和计算机可读介质 | |
| CN115655305A (zh) | 外参标定方法、装置、计算设备、存储介质和车辆 | |
| CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
| CN117788659A (zh) | 渲染图像的方法、装置、电子设备及存储介质 | |
| CN111523409B (zh) | 用于生成位置信息的方法和装置 | |
| CN114494428B (zh) | 车辆位姿矫正方法、装置、电子设备和计算机可读介质 | |
| CN109255095B (zh) | Imu数据的积分方法、装置、计算机可读介质及电子设备 | |
| CN115201796B (zh) | 一种车辆传感器的外参校正方法 | |
| CN111442756B (zh) | 一种基于激光阵列测量无人机抖动角的方法及装置 | |
| CN111536968B (zh) | 确定路侧感知设备的动态姿态的方法和装置 | |
| CN117197342A (zh) | 三维重建方法、装置、设备及存储介质 |
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 |