CN117590362A - 一种多激光雷达外参标定方法、装置和设备 - Google Patents
一种多激光雷达外参标定方法、装置和设备 Download PDFInfo
- Publication number
- CN117590362A CN117590362A CN202410078172.4A CN202410078172A CN117590362A CN 117590362 A CN117590362 A CN 117590362A CN 202410078172 A CN202410078172 A CN 202410078172A CN 117590362 A CN117590362 A CN 117590362A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- point cloud
- cloud data
- main
- calibration
- 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 75
- 239000011159 matrix material Substances 0.000 claims abstract description 106
- 238000006243 chemical reaction Methods 0.000 claims abstract description 61
- 230000009466 transformation Effects 0.000 claims description 45
- 230000015654 memory Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 30
- 230000008569 process Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000005516 engineering process 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
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及激光雷达标定技术领域,公开了一种多激光雷达外参标定方法、装置和设备,方法包括:从多个激光雷达中确定主激光雷达,并获取主激光雷达和剩余的次激光雷达的点云数据;将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步;识别主激光雷达点云数据和次激光雷达点云数据中的目标物体;根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到次激光雷达和主激光雷达之间的转换矩阵。本发明避免动态障碍物对多激光雷达外参标定的影响,提高了标定准确度。
Description
技术领域
本发明涉及激光雷达标定技术领域,具体涉及一种多激光雷达外参标定方法、装置和设备。
背景技术
在自动驾驶技术中,多传感器融合是一种业界主流的感知方案,多传感器融合可显著提高系统的冗余度和容错性,从而保证决策的快速性和正确性。标定传感器是自动驾驶感知系统中的必要环节,是后续传感器融合的必要步骤和先决条件,其目的是将两个或者多个传感器变换到统一的时空坐标系,使得传感器融合具有意义,是感知决策的关键前提。因为多激光雷达感知有位置检测精度高的优点,在自动驾驶系统中应用较为广泛,而多雷达的标定精度直接影响多激光雷达的感知精度,因此多激光雷达的准确标定极为重要。目前,激光雷达之间的转换矩阵标定往往选定一个激光雷达为主激光雷达,然后将其扫描的点云数据转换为点云地图,然后在同一时刻静止状态下,将其他每个激光雷达采集的点云数据与点云地图进行配准,从而获得各激光雷达相对于主激光雷达坐标系的变换矩阵。而在实际应用时,其他激光雷达的点云数据和点云地图中的动态障碍物会因为移动产生变化,从而影响二者的配准精度,若环境中出现了较多的动态障碍物,会令标定精度严重降低。
发明内容
有鉴于此,本发明提供了一种多激光雷达外参标定方法、装置和设备,解决了多激光雷达之间外参标定不准确的问题。
第一方面,本发明提供了一种多激光雷达外参标定方法,所述方法包括:从多个激光雷达中确定主激光雷达,并获取主激光雷达和剩余的次激光雷达的点云数据;将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步;识别所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体;根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到所述次激光雷达和所述主激光雷达之间的转换矩阵。
在一种可选地实施方式中,所述识别所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体,包括:对所述主激光雷达点云数据和所述次激光雷达点云数据的空间划分体素格,得到主激光雷达体素数据和次激光雷达体素数据;通过体素编码器对所述主激光雷达体素数据和所述次激光雷达体素数据进行编码,得到主激光雷达和次激光雷达分别对应的第一物体空间占用特征和第二物体空间占用特征;将所述第一物体空间占用特征和所述第二物体空间占用特征分别输入预训练的3D检测网络,得到所述主激光雷达体素数据和所述次激光雷达体素数据分别对应的物体体素空间占用结果,所述物体体素空间占用结果用于表示点云数据中目标物体的体素格在空间中的分布位置;根据所述物体体素空间占用结果进行目标识别,得到所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体。
在一种可选地实施方式中,所述根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到所述次激光雷达和所述主激光雷达之间的转换矩阵,包括:针对具有第一相同目标物体的第一次激光雷达点云数据和所述主激光雷达点云数据,基于所述第一相同目标物体将相应时间帧的所述第一次激光雷达点云数据和所述主激光雷达点云数据进行配准,得到第一次激光雷达和所述主激光雷达之间的第一转换矩阵;针对没有第一相同目标物体的第二次激光雷达点云数据和所述主激光雷达点云数据,当所述第二次激光雷达点云数据和所述第一次激光雷达点云数据具有第二相同目标物体时,基于所述第二相同目标物体将相应时间帧的所述第二次激光雷达点云数据和所述第一次激光雷达点云数据进行配准,得到第二次激光雷达和第一次激光雷达之间的转换子矩阵;根据所述转换子矩阵和所述第一转换矩阵计算所述第二次激光雷达和所述主激光雷达之间的第二转换矩阵。
在一种可选地实施方式中,所述方法还包括:针对主激光雷达点云数据和次激光雷达点云数据、次激光雷达点云数据和次激光雷达点云数据之间的配准,在预设标定时间内均进行多次配准,并按照预设误差函数计算每次配准的配准误差;将最小配准误差对应的转换矩阵作为所述第一转换矩阵或所述第二转换矩阵。
在一种可选地实施方式中,所述方法还包括:通过所述主激光雷达点云数据获取标定板点云数据,所述标定板包括至少三个圆心不同时共线的镂空圆;将所述标定板点云数据转换为正对所述主激光雷达的二维平面点云;根据所述二维平面点云在所述主激光雷达坐标系下的点云坐标计算各个镂空圆的二维点云圆心坐标;将各个所述二维点云圆心坐标转换到三维空间,得到各个镂空圆的三维点云圆心坐标;根据各个镂空圆在车身坐标系下预存的空间圆心坐标和所述三维点云圆心坐标计算所述主激光雷达到车身坐标系的离线标定变换矩阵。
在一种可选地实施方式中,所述根据所述二维平面点云在所述主激光雷达坐标系下的点云坐标计算各个镂空圆的二维点云圆心坐标,包括:根据所述二维平面点云在所述主激光雷达坐标系下的点云坐标计算各个镂空圆的初始圆心坐标;利用与各个镂空圆大小相同的检验圆,从各个镂空圆的预设周围范围开始,遍历各个镂空圆在预设周围范围内的全部位置;针对当前镂空圆,确定当前检验圆遍历时包含最少点云的目标位置,并将所述目标位置对应的检验圆圆心点和所述初始圆心坐标的平均值作为所述二维点云圆心坐标。
在一种可选地实施方式中,所述方法还包括:根据所述离线标定变换矩阵和所述主激光雷达点云数据确定地面点云数据;利用所述地面点云数据拟合得到点云地面平面,并计算所述点云地面平面的测量法向量;根据所述测量法向量和车身坐标系下的标准地面法向量之间的差异确定主激光雷达相对于车身坐标系的相对俯仰角和相对滚动角;基于B样条插值法拟合主激光雷达在点云地面平面位置随时间变化的位置变化关系;根据所述位置变化关系分别对点云地面平面的横纵坐标轴的导数,计算主激光雷达随时间变化的点云偏航角;获取车辆随时间变化的车辆偏航角;根据所述随时间变化的点云偏航角和所述随时间变化的车辆偏航角之间的差值,确定主激光雷达相对于车身坐标系随时间变化的相对偏航角;利用所述相对俯仰角、相对滚动角和所述随时间变化的相对偏航角组成的随时间变化的旋转矩阵,更新所述离线标定变换矩阵中的初始旋转矩阵,得到在线标定变换矩阵。
在一种可选地实施方式中,所述根据所述离线标定变换矩阵和所述主激光雷达点云数据确定地面点云数据,包括:通过所述离线标定变换矩阵和主激光雷达的高度信息在所述主激光雷达点云数据中提取若干地面种子点;利用所述地面种子点拟合点云地面方程;通过所述点云地面方程遍历所述主激光雷达点云数据,并从所述主激光雷达点云数据中提取满足所述点云地面方程的全部点云作为所述地面点云数据。
第二方面,本发明提供了一种多激光雷达外参标定装置,所述装置包括:数据获取模块,用于从多个激光雷达中确定主激光雷达,并获取主激光雷达和次激光雷达的点云数据;时间同步模块,用于将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步;目标识别模块,用于识别所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体;雷达间标定模块,用于根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到所述次激光雷达和所述主激光雷达之间的转换矩阵。
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方法。
本发明提供的技术方案,具有如下优点:
本发明实施例首先针对主激光雷达和次激光雷达的点云数据进行时间同步,从而利用时间帧最接近的主激光雷达点云数据和次激光雷达点云数据进行目标物体识别,然后根据两类数据中目标物体的匹配关系,将主激光雷达点云数据和次激光雷达点云数据进行配准,确定两类点云中点的一一对应关系,从而按照对应关系计算出用于将次激光雷达点云数据映射为主激光雷达点云数据的转换矩阵。通过这一方式计算的转换矩阵避免了数据中动态障碍物不能准确匹配的问题,从而令两种数据中相同的静态以及动态障碍物都能够作为参考目标对两种数据进行配准,从而显著降低了转换矩阵的误差,提高了多激光雷达外参标定的准确度。
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一种多激光雷达外参标定方法的流程示意图;
图2是根据本发明实施例的标定板结构示意图;
图3是根据本发明实施例的一种多激光雷达外参标定方法的另一个流程示意图;
图4是根据本发明实施例的一种多激光雷达外参标定装置的结构示意图;
图5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。
根据本发明实施例,提供了一种多激光雷达外参标定方法实施例,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多激光雷达外参标定方法,可用于上述的计算机设备,图1是根据本发明实施例的一种多激光雷达外参标定方法的流程图,该流程包括如下步骤:
步骤S101,从多个激光雷达中确定主激光雷达,并获取主激光雷达和剩余的次激光雷达的点云数据。
具体地,激光雷达的外参数的标定是指求解激光雷达测量坐标系相对于其他传感器测量坐标系的相对变换关系,该变换关系包括各个激光雷达之间的变换关系,也包括激光雷达和车身坐标系之间的变换关系。通常,多激光雷达的外参标定是选定主激光雷达,并计算其他次激光雷达到主激光雷达的第一变换关系,然后计算主激光雷达到车身坐标系的第二变换关系,从而就能够进一步根据第一变换关系和第二变换关系计算得到每个激光雷达分别到车身坐标系的变换关系。
本实施例提供的技术方案主要解决各个次激光雷达到主激光雷达外参标定不准确的问题。首先,需要从车辆上多个激光雷达中确定主激光雷达,剩余的激光雷达为次激光雷达,然后获取主激光雷达和次激光雷达的点云数据,并分别将主激光雷达点云数据和次激光雷达点云数据存入缓存队列。在本实施例中,优先选择安装后检测范围最大的激光雷达为主激光雷达,能够增加次激光雷达到主激光雷达标定的场景重叠范围,增加标定准确度。另外还设置标定处理时长,标定处理时长指的是进行激光雷达外参标定这一任务程序运行的时间长度,对激光雷达进行外参标定的迭代次数和标定处理时长正相关,标定处理时长越长,迭代次数越多,得到的标定精度也越高,同时占用的计算资源也越高,并且标定精度最终会达到上限,根据经验参数,本方案选择的标定处理时长为7-10分钟。
步骤S102,将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步。
具体地,本发明实施例中从进入缓存队列中的点云数据按照一定的频率依次取出最新帧的主激光雷达点云数据,并分别轮询其他次激光雷达点云数据,分别找到与主激光雷达点云数据时间戳最近的一帧次激光雷达点云数据,即为时间同步。通过时间同步处理,相同时间下动态障碍物的位置相同,可以避免相互分析的激光雷达数据中存在不一致的动态障碍物干扰。
步骤S103,识别主激光雷达点云数据和次激光雷达点云数据中的目标物体。
具体地,本发明实施例利用预训练的点云目标识别深度学习网络对各个帧的主激光雷达点云数据和次激光雷达点云数据进行目标识别,从而识别得到点云数据中的目标物体,其中,目标物体包括但不限于动态和静态障碍物,具体包括但不限于行人、车辆、树木、建筑物。
步骤S104,根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到次激光雷达和主激光雷达之间的转换矩阵。
具体地,最后,本发明实施例利用主激光雷达点云数据和次激光雷达点云数据中目标物体的匹配关系,将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准。例如,两份时间同步的激光雷达数据中存在同一个人、同一辆车或同一个建筑物,则基于识别的相同目标能够对两份激光雷达数据进行配准,从而计算点云之间的映射关系,得到次激光雷达和主激光雷达之间的转换矩阵。
通过本发明实施例提供的技术方案,计算得到的转换矩阵避免了数据中动态障碍物不能准确匹配的问题,从而令各个激光雷达点云数据中相同的静态以及动态障碍物都能够作为参考目标对两种数据进行配准,从而显著降低了转换矩阵的误差,提高了多激光雷达外参标定的准确度。
在一些可选地实施方式中,上述步骤S103包括:
步骤a1,对主激光雷达点云数据和次激光雷达点云数据的空间划分体素格,得到主激光雷达体素数据和次激光雷达体素数据;
步骤a2,通过体素编码器对主激光雷达体素数据和次激光雷达体素数据进行编码,得到主激光雷达和次激光雷达分别对应的第一物体空间占用特征和第二物体空间占用特征;
步骤a3,将第一物体空间占用特征和第二物体空间占用特征分别输入预训练的3D检测网络,得到主激光雷达体素数据和次激光雷达体素数据分别对应的物体体素空间占用结果,物体体素空间占用结果用于表示点云数据中目标物体的体素格在空间中的分布位置;
步骤a4,根据物体体素空间占用结果进行目标识别,得到主激光雷达点云数据和次激光雷达点云数据中的目标物体。
具体地,体素是三维空间的单位立方体,本发明实施例对主激光雷达点云数据和次激光雷达点云数据的空间划分体素格,每个单位体素里聚集多个点。之后,本发明实施例通过体素编码器对主激光雷达体素数据和次激光雷达体素数据进行编码,得到主激光雷达和次激光雷达的2D、3D特征,例如一种体素编码技术为硬编码,即将一个体素中的所有点进行求取平均值的操作,得到的结果作为这一个体素的特征向量,当然采用其他体素编码方法均可,本实施例仅以此举例,不以此为限,通过上述步骤分别得到主激光雷达和次激光雷达各自对应的第一物体空间占用特征和第二物体空间占用特征。
之后,本实施例分别将第一物体空间占用特征和第二物体空间占用特征输入预训练的3D检测网络,对每个体素格是否存在物体进行二分类,从而得到主激光雷达体素数据和次激光雷达体素数据分别对应的物体体素空间占用结果,物体体素空间占用结果用于表示各个体素格中是否存在物体,从而表示目标物体在空间中的分布位置。例如,如果一个体素格被分类为有物体,那么为该体素格赋值为1,表示该体素格被物体占据,没有物体的体素格被赋值为0;或者,在一些可选实施例中,各个体素格可以被赋予0~1之间的数字,用来表示各个体素格中包含物体的概率。
最后,根据物体体素空间占用结果,即可知晓主激光雷达点云数据和次激光雷达点云数据中各类物体分别占据了哪些体素格,被物体占据的体素格拼接在一起能够形成物体的具体轮廓,从而根据物体轮廓再次通过分类器网络进行目标识别,即可准确识别出主激光雷达点云数据和次激光雷达点云数据中的人、车辆、建筑等目标物体。
通过本发明实施例提供的方案,先采用空间占用的方法进行特征点云的提取,识别到准确目标物体后再进行点云配准,显著提高了点云配准的准确性。
在一些可选地实施方式中,上述步骤S104包括:
步骤b1,针对具有第一相同目标物体的第一次激光雷达点云数据和主激光雷达点云数据,基于第一相同目标物体将相应时间帧的第一次激光雷达点云数据和主激光雷达点云数据进行配准,得到第一次激光雷达和主激光雷达之间的第一转换矩阵;
步骤b2,针对没有第一相同目标物体的第二次激光雷达点云数据和主激光雷达点云数据,当第二次激光雷达点云数据和第一次激光雷达点云数据具有第二相同目标物体时,基于第二相同目标物体将相应时间帧的第二次激光雷达点云数据和第一次激光雷达点云数据进行配准,得到第二次激光雷达和第一次激光雷达之间的转换子矩阵;
步骤b3,根据转换子矩阵和第一转换矩阵计算第二次激光雷达和主激光雷达之间的第二转换矩阵。
具体地,在本发明实施例中,还针对各个次激光雷达和主激光雷达实际的场景重叠情况进行点云配准。如果次激光雷达和主激光雷达具有重叠场景,本实施例称这类次激光雷达为第一次激光雷达,从而根据第一次激光雷达和主激光雷达最接近时间帧的点云数据确定二者扫描到的第一相同目标物体,然后根据第一相同目标物体将第一次激光雷达点云数据和主激光雷达点云数据进行配准,从而根据二者之间的映射关系计算得到第一次激光雷达和主激光雷达之间的第一转换矩阵。
如果某些次激光雷达和主激光雷达之间没有重叠场景,但是这些次激光雷达和前述第一次激光雷达之间具有重叠场景,则称这类次激光雷达为第二次激光雷达,从而本实施例根据最接近时间帧的第一次激光雷达和第二次激光雷达扫描到的第二相同目标物体将第一次激光雷达点云数据和第二次激光雷达点云数据进行配准,得到第二次激光雷达和第一次激光雷达之间的转换子矩阵,进而将第一次激光雷达作为转换中介,叠加转换子矩阵和第一转换矩阵即可得到第二次激光雷达和主激光雷达之间的第二转换矩阵。
类似的,假设存在第三激光雷达和主激光雷达之间没有重叠场景,但是第三激光雷达和主激光雷达之间通过多个中介激光雷达具有场景联系,换言之,第三激光雷达与第一个中介激光雷达扫描到相同物体,第一个中介激光雷达和第二个中介激光雷达扫描到相同物体,通过这种层层推进的关系,最后一个中介激光雷达和主激光雷达扫描到相同物体,从而能够按照上述激光雷达两两之间的转换矩阵,推导计算出第三激光雷达和主激光雷达之间的转换矩阵。
从而,相比相关技术将主激光雷达点云数据转换为点云地图,其他次激光雷达都参照点云地图中的物体进行配准的方案,通过本发明实施例提供的技术方案无需限定主激光雷达和其他次激光雷达都具有重叠场景,只要各个激光雷达互相之间至少有一个激光雷达和自身有重叠场景,就能够通过层层推进的步骤计算出各个次激光雷达到主激光雷达的转换矩阵,显著提高了外参标定的可靠性和自适应能力。
在一种可选地实施方式中,本发明实施例提供的一种多激光雷达外参标定方法,还包括:
步骤e1,针对主激光雷达点云数据和次激光雷达点云数据、次激光雷达点云数据和次激光雷达点云数据之间的配准,在预设标定时间内进行多次配准,并按照预设误差函数计算每次配准的配准误差;
步骤e2,将最小配准误差对应的转换矩阵作为第一转换矩阵或第二转换矩阵。
具体地,在本发明实施例中,针对主激光雷达点云数据和次激光雷达点云数据、次激光雷达点云数据和次激光雷达点云数据之间的配准,还不断通过点与点之间进行匹配来旋转和平移,利用最小二乘法作为衡量标准,优化两份点云之间的配准结果。
例如:对于点云P和点云Q,通过配准得到P和Q的初始转换矩阵,然后通过初始转换矩阵将P转换到Q的坐标系下,并通过预设误差函数(例如两堆点云的坐标差值的平方)根据二者的重叠情况计算配准误差,目标是在预设标定时间内最小化预设误差函数,之后再次配准,如此循环迭代,达到预设标定时间,得到配准误差最小的转换矩阵作为前述实施例最优的第一转换矩阵或第二转换矩阵,进一步提高了外参标定的准确度。
在一些可选地实施方式中,本发明实施例提供的一种多激光雷达外参标定方法,还包括如下步骤:
步骤c1,通过主激光雷达点云数据获取标定板点云数据,标定板包括至少三个圆心不同时共线的镂空圆;
步骤c2,将标定板点云数据转换为正对主激光雷达的二维平面点云;
步骤c3,根据二维平面点云在主激光雷达坐标系下的点云坐标计算各个镂空圆的二维点云圆心坐标;
步骤c4,将各个二维点云圆心坐标转换到三维空间,得到各个镂空圆的三维点云圆心坐标;
步骤c5,根据各个镂空圆在车身坐标系下预存的空间圆心坐标和三维点云圆心坐标计算主激光雷达到车身坐标系的离线标定变换矩阵。
具体地,多激光雷达的外参标定除了标定次激光雷达到主激光雷达的转换矩阵之外,往往还需标定主激光雷达到车身坐标系的变换矩阵。激光雷达到车身坐标系的外参标定,通常包括离线标定和在线标定两种,离线标定指的是通过特殊的标志物在一些指定场景下进行标定,离线标定的优点是准确度较高,但是标定过程复杂;在线标定指的是车辆行驶过程中利用行驶过程中采集到的一些点云数据修正激光雷达到车身坐标系的外参,在线标定的优点是实时性强,运行效率高,标定速度快,缺点是标定准确度低。
对于离线标定,相关技术常用的方法是就地取材作为标志物,例如周边的围墙和地面,此种方法对标定环境较为依赖,标定精度无法得到保证,本发明实施例提供了一种新的激光雷达外参离线标定方法,提高了离线标定的准确度,且无须在特定封闭场景下进行。首先,本发明实施例提供了一种新的标定板,该标定板包括至少三个镂空圆,每个镂空圆的大小可以相同也可以不同,如图2所示,本实施例以包括四个大小相同的镂空圆的矩形标定板为例进行方案说明。利用主激光雷达扫描标定板,通过平面拟合算法提取标定板点云数据,提取的标定板点云数据在镂空圆的位置没有点,而在非镂空圆的位置具有点。
之后,本实施例将三维的标定板点云数据投影到二维平面上,投影的二维平面指的是正对主激光雷达的二维平面,从而得到二维平面点云,投影的目的是为了便于计算各个镂空圆的圆心在主激光雷达坐标系下的坐标。由于二维平面点云在主激光雷达坐标系下可以统计出每个点的二维点云坐标,从而利用标定板的形状参数,能够进一步推导出各个镂空圆的二维点云圆心坐标。
例如:假设标定板是矩形,根据标定板的长和宽删除非标定板点,从而对二维平面点云中的每个点进行排序,找到右下角点的行列值,然后根据标定板的长和宽以及右下角点的行列值计算出四个圆心点的二维点云圆心坐标。假设标定板是圆形,则可以先绘制该圆形的最小外接矩形,然后圆形边界坐标确定最小外接矩形的角点坐标,之后利用上述相同操作可以计算出四个圆心点的二维点云圆心坐标。
之后,按照先前三维投影到二维的投影方向,再将各个二维点云圆心坐标还原到三维空间,即可准确得到各个镂空圆的三维点云圆心坐标,通过本发明实施例提供的技术方案,相比直接利用三维点云数据来计算镂空圆在空间中的三维点云圆心坐标,其计算难度更低,计算效率更高,计算准确度也具有保障。
由于四个圆心点在车身坐标系的空间圆心坐标Pcar是已知的,从而利用四个圆心点在车身坐标系的三维坐标和主激光雷达坐标系下的三维点云圆心坐标即可计算主激光雷达到车身坐标系的离线标定变换矩阵T,原理采用不共线的三组对应的三维点组成的平面求得两个坐标系间的转换,具体计算公式如下:
展开为:
展开为:
从而得到离线标定变换矩阵T为:
式中,表示离线标定变换矩阵T,/>表示雷达坐标系下的点坐标,/>表示车身坐标系下的点坐标,/>表示旋转矩阵,/>表示平移矩阵,/>~/>是待求解的旋转矩阵参数,/>~/>是待求解的平移矩阵参数,/>~/>分别是三个镂空圆在主激光雷达坐标系下的三维点云圆心坐标,/>~/>分别是三个镂空圆在车身坐标系下的空间圆心坐标,/>~/>分别表示三个镂空圆在主激光雷达坐标系下的具体坐标值,/>~/>分别表示三个镂空圆在车身坐标系下的具体坐标值。
以图2给出的标定板为例,通过三个镂空圆的圆心坐标即可计算上述离线标定变换矩阵T,剩余一个镂空圆的圆心坐标可以对计算的矩阵进行校验,从而进一步提高了离线标定变换矩阵T的准确度。
在一些可选地实施方式中,上述步骤c3包括:
步骤c31,根据二维平面点云在主激光雷达坐标系下的点云坐标计算各个镂空圆的初始圆心坐标;
步骤c32,利用与各个镂空圆大小相同的检验圆,从各个镂空圆的预设周围范围开始,遍历各个镂空圆在预设周围范围内的全部位置;
步骤c33,针对当前镂空圆,确定当前检验圆遍历时包含最少点云的目标位置,并将目标位置对应的检验圆圆心点和初始圆心坐标的平均值作为二维点云圆心坐标。
具体地,本发明实施例提供了一种更为准确的镂空圆圆心坐标确定方法,首先,根据二维平面点云在主激光雷达坐标系下的点云坐标计算各个镂空圆的初始圆心坐标,例如:假设标定板是矩形,根据标定板的长和宽删除非标定板点,从而对二维平面点云中的每个点进行排序,找到右下角点的行列值,然后根据标定板的长和宽以及右下角点的行列值计算出四个圆心点的初始圆心坐标,计算的初始圆心坐标并不作为最终的二维点云圆心坐标。这是考虑到点云数据具有一定离散性,从而点云标定板边缘具有毛刺,进而计算的镂空圆圆心坐标并不一定是形状规则标定板的准确圆心,基于此,本实施例采用和镂空圆大小相同的检验圆对镂空圆的圆心坐标进行优化。以当前镂空圆为例,具体技术手段为:利用当前检验圆在当前镂空圆圆心的附近(预设周围范围)开始,遍历当前镂空圆的全部位置,在逼近过程中,当前检验圆会不断逼近当前镂空圆;然后统计当前检验圆在每个位置包含的点云数量,当当前检验圆包含的点云数量最少时,当前检验圆可以认为和当前镂空圆重合,但是这种目标位置可能并不唯一,例如当前检验圆在靠上一点的位置和靠下一点的位置都会包含两个点,并且不论如何调整当前检验圆,都不会再出现包含更少点云的位置。从而,本发明实施例计算目标位置对应的检验圆圆心点和初始圆心坐标的平均值,并将坐标平均值作为二维点云圆心坐标,对一些可能误差的位置取中间值,能够显著提高二维点云圆心坐标的准确度。
在一些可选地实施方式中,本发明提供的一种多激光雷达外参标定方法,还包括:
步骤d1,根据离线标定变换矩阵和主激光雷达点云数据确定地面点云数据;
步骤d2,利用地面点云数据拟合得到点云地面平面,并计算点云地面平面的测量法向量;
步骤d3,根据测量法向量和车身坐标系下的标准地面法向量之间的差异确定主激光雷达相对于车身坐标系的相对俯仰角和相对滚动角;
步骤d4,基于B样条插值法拟合主激光雷达在点云地面平面位置随时间变化的位置变化关系;
步骤d5,根据位置变化关系分别对点云地面平面的横纵坐标轴的导数,计算主激光雷达随时间变化的点云偏航角;
步骤d6,获取车辆随时间变化的车辆偏航角;
步骤d7,根据随时间变化的点云偏航角和随时间变化的车辆偏航角之间的差值,确定主激光雷达相对于车身坐标系随时间变化的相对偏航角;
步骤d8,利用相对俯仰角、相对滚动角和随时间变化的相对偏航角组成的随时间变化的旋转矩阵更新离线标定变换矩阵中的初始旋转矩阵,得到在线标定变换矩阵。
具体地,本发明实施例提供的多激光雷达外参标定方法还包括主激光雷达到车身坐标系的在线标定过程。针对在线标定,本实施例以上述离线标定过程提供的离线标定变换矩阵作为输入,将车身坐标系下的地面范围映射到主激光雷达坐标系下,从而确定地面点云数据,进而利用地面点云数据拟合得到主激光雷达坐标系下的点云地面平面,然后实时计算点云地面平面的测量法向量。随着车辆的行驶,激光雷达受到颠簸影响,激光雷达不能和水平地面保持平行,从而扫描的点云地面平面会产生一定误差,进而点云地面平面的测量法向量与车身坐标系下的标准地面法向量会出现不相等的现象,根据二者差异,即可确定主激光雷达相对于车身坐标系的相对俯仰角和相对滚动角,相对俯仰角和相对滚动角即激光雷达和实际地面相比的俯仰角实时误差和滚动角实时误差。
此外,激光雷达在车辆上是刚性连接,理论上激光雷达的偏航角和车辆的行驶方向应当相同,但是随着安装问题和车辆颠簸问题的出现,可能会导致激光雷达偏航角也出现一定误差,故本发明实施例还提供了一种新的计算偏航角误差的方法。首先基于B样条插值法拟合主激光雷达在点云地面平面位置随时间变化的位置变化关系,例如公式如下:
式中,表示第/>个离散时间点,/>表示时间点数量,/>表示B样条插值法函数,/>和/>分别表示第/>个离散时间点的主激光雷达在点云地面平面的横纵坐标位置,/>和/>分别表示主激光雷达在点云地面平面位置随时间变化的连续函数。
之后,利用上述和/>分别对时间求导,得到/>和/>相对于时间的导数和/>,每个时间点的导数表征在对应时间点激光雷达的横纵位置变化量,从而根据该变化量比值的反三角函数即可确定主激光雷达在每个时间点变化点云偏航角,公式如下所示:
式中,表示主激光雷达在第/>个离散时间点的点云偏航角。
然后,通过RTK定位技术获得车辆的行驶方向,即车辆随时间变化的车辆偏航角,即车辆在每个离散时间点的车辆偏航角。然后,利用车辆在每个离散时间点的车辆偏航角和主激光雷达在每个离散时间点的点云偏航角计算差值,然后将差值的平均值作为车辆与激光雷达之间偏航角误差,即相对偏航角,计算公式如下:
式中,S表示时间点个数,表示车辆在第/>个离散时间点的车辆偏航角,/>表示相对偏航角。
通过本发明实施例提供的相对偏航角计算方案,相比传统的偏航角估计过程计算更加简单、效率更高且准确性具有保障。
最后,由于相对俯仰角、相对滚动角和随时间变化的相对偏航角是关于旋转矩阵的参数,从而本发明实施例基于相对俯仰角、相对滚动角和随时间变化的相对偏航角实时计算新的旋转矩阵,然后利用新的旋转矩阵更新离线标定变换矩阵中的初始旋转矩阵,得到在线标定变换矩阵,能够显著解决车辆行驶过程中因为颠簸的原因导致主激光雷达到车身坐标系的外参标定不准确的问题。
最后,在本发明实施例中,如图3所示,进而利用其他各个次激光雷达的到主激光雷达的转换矩阵和主激光雷达不断更新的在线标定变换矩阵,计算各个次激光雷达到车身坐标系的变换矩阵,实现了一种多激光雷达到车身坐标系的准确外参标定方法。
在一些可选地实施方式中,上述步骤d1包括:
步骤d11,通过离线标定变换矩阵和主激光雷达的高度信息在主激光雷达点云数据中提取若干地面种子点;
步骤d12,利用地面种子点拟合点云地面方程;
步骤d13,通过点云地面方程遍历主激光雷达点云数据,并从主激光雷达点云数据中提取满足点云地面方程的全部点云作为地面点云数据。
具体地,本发明实施例先对原始点云进行直通滤波,获取所需的特定区域里的点云,然后根据主激光雷达的高度信息确定地面高度,从而在主激光雷达点云数据中按照地面高度提取几个大概率属于地面的种子点。之后,采用平面拟合的方法拟合得到点云地面方程,对于主激光雷达点云数据中的剩余点,利用点云地面方程遍历剩余点云,判断是否满足点云地面方程,满足的点作为地面点,不满足的点作为非地面点;重复上述遍历判断的步骤,即进行多次迭代,即可找到最优化的地面点,能够进一步提高地面点云提取的准确性。
通过本发明实施例提供的技术方案,1.采用离线标定和在线标定结合的标定方式,使用离线标定得到的变换矩阵作为在线标定的初始值,既可以提高标定精度,又可提高标定效率。2.提出一种空间占用概率的标定方法,相比点云配准的方法可减少计算时间,提高计算效率。3.提出了一种新的激光雷达到车身的在线标定方法,不会受建图时动态障碍物的影响,提高了标定精度,同时解决标定效率低、标定精度低和标定成本高的问题。
在本实施例中还提供了一种多激光雷达外参标定装置,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。
本实施例提供一种多激光雷达外参标定装置,如图4所示,包括:
数据获取模块401,用于从多个激光雷达中确定主激光雷达,并获取主激光雷达和次激光雷达的点云数据;
时间同步模块402,用于将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步;
目标识别模块403,用于识别主激光雷达点云数据和次激光雷达点云数据中的目标物体;
雷达间标定模块404,用于根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到次激光雷达和主激光雷达之间的转换矩阵。
在一些可选地实施方式中,目标识别模块403包括:
体素划分单元,用于对主激光雷达点云数据和次激光雷达点云数据的空间划分体素格,得到主激光雷达体素数据和次激光雷达体素数据;
编码单元,用于通过体素编码器对主激光雷达体素数据和次激光雷达体素数据进行编码,得到主激光雷达和次激光雷达分别对应的第一物体空间占用特征和第二物体空间占用特征;
空间占用概率特征单元,用于将第一物体空间占用特征和第二物体空间占用特征分别输入预训练的3D检测网络,得到主激光雷达体素数据和次激光雷达体素数据分别对应的物体体素空间占用结果,物体体素空间占用结果用于表示点云数据中目标物体的体素格在空间中的分布位置;
目标识别单元,用于根据物体体素空间占用结果进行目标识别,得到主激光雷达点云数据和次激光雷达点云数据中的目标物体。
在一些可选地实施方式中,雷达间标定模块404包括:
直接标定单元,用于针对具有第一相同目标物体的第一次激光雷达点云数据和主激光雷达点云数据,基于第一相同目标物体将相应时间帧的第一次激光雷达点云数据和主激光雷达点云数据进行配准,得到第一次激光雷达和主激光雷达之间的第一转换矩阵;
间接配准单元,用于针对没有第一相同目标物体的第二次激光雷达点云数据和主激光雷达点云数据,当第二次激光雷达点云数据和第一次激光雷达点云数据具有第二相同目标物体时,基于第二相同目标物体将相应时间帧的第二次激光雷达点云数据和第一次激光雷达点云数据进行配准,得到第二次激光雷达和第一次激光雷达之间的转换子矩阵;
间接标定单元,用于根据转换子矩阵和第一转换矩阵计算第二次激光雷达和主激光雷达之间的第二转换矩阵。
在一些可选地实施方式中,一种多激光雷达外参标定装置还包括:
标定板数据获取模块,用于通过主激光雷达点云数据获取标定板点云数据,标定板包括至少三个圆心不同时共线的镂空圆;
二维投影模块,用于将标定板点云数据转换为正对主激光雷达的二维平面点云;
二维坐标模块,用于根据二维平面点云在主激光雷达坐标系下的点云坐标计算各个镂空圆的二维点云圆心坐标;
三维坐标模块,用于将各个二维点云圆心坐标转换到三维空间,得到各个镂空圆的三维点云圆心坐标;
车身标定模块,用于根据各个镂空圆在车身坐标系下预存的空间圆心坐标和三维点云圆心坐标计算主激光雷达到车身坐标系的离线标定变换矩阵。
在一些可选地实施方式中,二维坐标模块包括:
初始坐标单元,用于根据二维平面点云在主激光雷达坐标系下的点云坐标计算各个镂空圆的初始圆心坐标;
遍历单元,用于利用与各个镂空圆大小相同的检验圆,从各个镂空圆的预设周围范围开始,遍历各个镂空圆在预设周围范围内的全部位置;
优化坐标单元,用于针对当前镂空圆,确定当前检验圆遍历时包含最少点云的目标位置,并将目标位置对应的检验圆圆心点和初始圆心坐标的平均值作为二维点云圆心坐标。
在一些可选地实施方式中,一种多激光雷达外参标定装置还包括:
地面点云模块,用于根据离线标定变换矩阵和主激光雷达点云数据确定地面点云数据;
点云法向量模块,用于利用地面点云数据拟合得到点云地面平面,并计算点云地面平面的测量法向量;
第一误差模块,用于根据测量法向量和车身坐标系下的标准地面法向量之间的差异确定主激光雷达相对于车身坐标系的相对俯仰角和相对滚动角;
曲线拟合模块,用于基于B样条插值法拟合主激光雷达在点云地面平面位置随时间变化的位置变化关系;
求导模块,用于根据位置变化关系分别对点云地面平面的横纵坐标轴的导数,计算主激光雷达随时间变化的点云偏航角;
车辆方向获取模块,用于获取车辆随时间变化的车辆偏航角;
第二误差模块,用于根据随时间变化的点云偏航角和随时间变化的车辆偏航角之间的差值,确定主激光雷达相对于车身坐标系随时间变化的相对偏航角;
在线更新模块,用于利用相对俯仰角、相对滚动角和随时间变化的相对偏航角组成的随时间变化的旋转矩阵更新离线标定变换矩阵中的初始旋转矩阵,得到在线标定变换矩阵。
在一些可选地实施方式中,地面点云模块包括:
种子提取单元,用于通过离线标定变换矩阵和主激光雷达的高度信息在主激光雷达点云数据中提取若干地面种子点;
地面方程生成单元,用于利用地面种子点拟合点云地面方程;
地面点云提取单元,用于通过点云地面方程遍历主激光雷达点云数据,并从主激光雷达点云数据中提取满足点云地面方程的全部点云作为地面点云数据。
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4所示的一种多激光雷达外参标定装置。
请参阅图5,图5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5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5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,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器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通信接口30,用于该计算机设备与其他设备或通信网络通信。
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)
1.一种多激光雷达外参标定方法,其特征在于,所述方法包括:
从多个激光雷达中确定主激光雷达,并获取主激光雷达和剩余的次激光雷达的点云数据;
将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步;
识别所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体;
根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到所述次激光雷达和所述主激光雷达之间的转换矩阵。
2.根据权利要求1所述的方法,其特征在于,所述识别所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体,包括:
对所述主激光雷达点云数据和所述次激光雷达点云数据的空间划分体素格,得到主激光雷达体素数据和次激光雷达体素数据;
通过体素编码器对所述主激光雷达体素数据和所述次激光雷达体素数据进行编码,得到主激光雷达和次激光雷达分别对应的第一物体空间占用特征和第二物体空间占用特征;
将所述第一物体空间占用特征和所述第二物体空间占用特征分别输入预训练的3D检测网络,得到所述主激光雷达体素数据和所述次激光雷达体素数据分别对应的物体体素空间占用结果,所述物体体素空间占用结果用于表示点云数据中目标物体的体素格在空间中的分布位置;
根据所述物体体素空间占用结果进行目标识别,得到所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体。
3.根据权利要求1所述的方法,其特征在于,所述根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到所述次激光雷达和所述主激光雷达之间的转换矩阵,包括:
针对具有第一相同目标物体的第一次激光雷达点云数据和所述主激光雷达点云数据,基于所述第一相同目标物体将相应时间帧的所述第一次激光雷达点云数据和所述主激光雷达点云数据进行配准,得到第一次激光雷达和所述主激光雷达之间的第一转换矩阵;
针对没有第一相同目标物体的第二次激光雷达点云数据和所述主激光雷达点云数据,当所述第二次激光雷达点云数据和所述第一次激光雷达点云数据具有第二相同目标物体时,基于所述第二相同目标物体将相应时间帧的所述第二次激光雷达点云数据和所述第一次激光雷达点云数据进行配准,得到第二次激光雷达和第一次激光雷达之间的转换子矩阵;
根据所述转换子矩阵和所述第一转换矩阵计算所述第二次激光雷达和所述主激光雷达之间的第二转换矩阵。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
针对主激光雷达点云数据和次激光雷达点云数据、次激光雷达点云数据和次激光雷达点云数据之间的配准,均在预设标定时间内进行多次配准,并按照预设误差函数计算每次配准的配准误差;
将最小配准误差对应的转换矩阵作为所述第一转换矩阵或所述第二转换矩阵。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述主激光雷达点云数据获取标定板点云数据,所述标定板包括至少三个圆心不同时共线的镂空圆;
将所述标定板点云数据转换为正对所述主激光雷达的二维平面点云;
根据所述二维平面点云在所述主激光雷达坐标系下的点云坐标计算各个镂空圆的二维点云圆心坐标;
将各个所述二维点云圆心坐标转换到三维空间,得到各个镂空圆的三维点云圆心坐标;
根据各个镂空圆在车身坐标系下预存的空间圆心坐标和所述三维点云圆心坐标计算所述主激光雷达到车身坐标系的离线标定变换矩阵。
6.根据权利要求5所述的方法,其特征在于,所述根据所述二维平面点云在所述主激光雷达坐标系下的点云坐标计算各个镂空圆的二维点云圆心坐标,包括:
根据所述二维平面点云在所述主激光雷达坐标系下的点云坐标计算各个镂空圆的初始圆心坐标;
利用与各个镂空圆大小相同的检验圆,从各个镂空圆的预设周围范围开始,遍历各个镂空圆在预设周围范围内的全部位置;
针对当前镂空圆,确定当前检验圆遍历时包含最少点云的目标位置,并将所述目标位置对应的检验圆圆心点和所述初始圆心坐标的平均值作为所述二维点云圆心坐标。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述离线标定变换矩阵和所述主激光雷达点云数据确定地面点云数据;
利用所述地面点云数据拟合得到点云地面平面,并计算所述点云地面平面的测量法向量;
根据所述测量法向量和车身坐标系下的标准地面法向量之间的差异确定主激光雷达相对于车身坐标系的相对俯仰角和相对滚动角;
基于B样条插值法拟合主激光雷达在点云地面平面位置随时间变化的位置变化关系;
根据所述位置变化关系分别对点云地面平面的横纵坐标轴的导数,计算主激光雷达随时间变化的点云偏航角;
获取车辆随时间变化的车辆偏航角;
根据所述随时间变化的点云偏航角和所述随时间变化的车辆偏航角之间的差值,确定主激光雷达相对于车身坐标系随时间变化的相对偏航角;
利用所述相对俯仰角、相对滚动角和所述随时间变化的相对偏航角组成的随时间变化的旋转矩阵,更新所述离线标定变换矩阵中的初始旋转矩阵,得到在线标定变换矩阵。
8.根据权利要求7所述的方法,其特征在于,所述根据所述离线标定变换矩阵和所述主激光雷达点云数据确定地面点云数据,包括:
通过所述离线标定变换矩阵和主激光雷达的高度信息在所述主激光雷达点云数据中提取若干地面种子点;
利用所述地面种子点拟合点云地面方程;
通过所述点云地面方程遍历所述主激光雷达点云数据,并从所述主激光雷达点云数据中提取满足所述点云地面方程的全部点云作为所述地面点云数据。
9.一种多激光雷达外参标定装置,其特征在于,所述装置包括:
数据获取模块,用于从多个激光雷达中确定主激光雷达,并获取主激光雷达和次激光雷达的点云数据;
时间同步模块,用于将主激光雷达点云数据和次激光雷达点云数据按照扫描的时间帧进行时间同步;
目标识别模块,用于识别所述主激光雷达点云数据和所述次激光雷达点云数据中的目标物体;
雷达间标定模块,用于根据各个点云数据中目标物体的匹配关系将相应时间帧的主激光雷达点云数据和次激光雷达点云数据进行配准,得到所述次激光雷达和所述主激光雷达之间的转换矩阵。
10.一种计算机设备,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8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410078172.4A CN117590362B (zh) | 2024-01-19 | 2024-01-19 | 一种多激光雷达外参标定方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410078172.4A CN117590362B (zh) | 2024-01-19 | 2024-01-19 | 一种多激光雷达外参标定方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117590362A true CN117590362A (zh) | 2024-02-23 |
CN117590362B CN117590362B (zh) | 2024-04-16 |
Family
ID=89912015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410078172.4A Active CN117590362B (zh) | 2024-01-19 | 2024-01-19 | 一种多激光雷达外参标定方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117590362B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117876504A (zh) * | 2024-03-12 | 2024-04-12 | 苏州艾吉威机器人有限公司 | 应用于agv的激光雷达外参标定方法及装置 |
CN117876504B (zh) * | 2024-03-12 | 2024-06-04 | 苏州艾吉威机器人有限公司 | 应用于agv的激光雷达外参标定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10634793B1 (en) * | 2018-12-24 | 2020-04-28 | Automotive Research & Testing Center | Lidar detection device of detecting close-distance obstacle and method thereof |
WO2022179566A1 (zh) * | 2021-02-26 | 2022-09-01 | 上海商汤智能科技有限公司 | 外参标定方法、装置、电子设备及存储介质 |
CN115097419A (zh) * | 2022-05-09 | 2022-09-23 | 上海人工智能创新中心 | 一种激光雷达到imu的外参标定方法及装置 |
WO2023028774A1 (zh) * | 2021-08-30 | 2023-03-09 | 华为技术有限公司 | 一种激光雷达的标定方法、装置及存储介质 |
CN115840196A (zh) * | 2023-02-24 | 2023-03-24 | 新石器慧通(北京)科技有限公司 | 基于实体标定间的激光雷达间标定方法及装置 |
CN116359946A (zh) * | 2023-04-07 | 2023-06-30 | 深圳海星智驾科技有限公司 | 目标检测方法、装置、设备及介质 |
-
2024
- 2024-01-19 CN CN202410078172.4A patent/CN117590362B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10634793B1 (en) * | 2018-12-24 | 2020-04-28 | Automotive Research & Testing Center | Lidar detection device of detecting close-distance obstacle and method thereof |
WO2022179566A1 (zh) * | 2021-02-26 | 2022-09-01 | 上海商汤智能科技有限公司 | 外参标定方法、装置、电子设备及存储介质 |
WO2023028774A1 (zh) * | 2021-08-30 | 2023-03-09 | 华为技术有限公司 | 一种激光雷达的标定方法、装置及存储介质 |
CN115097419A (zh) * | 2022-05-09 | 2022-09-23 | 上海人工智能创新中心 | 一种激光雷达到imu的外参标定方法及装置 |
CN115840196A (zh) * | 2023-02-24 | 2023-03-24 | 新石器慧通(北京)科技有限公司 | 基于实体标定间的激光雷达间标定方法及装置 |
CN116359946A (zh) * | 2023-04-07 | 2023-06-30 | 深圳海星智驾科技有限公司 | 目标检测方法、装置、设备及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117876504A (zh) * | 2024-03-12 | 2024-04-12 | 苏州艾吉威机器人有限公司 | 应用于agv的激光雷达外参标定方法及装置 |
CN117876504B (zh) * | 2024-03-12 | 2024-06-04 | 苏州艾吉威机器人有限公司 | 应用于agv的激光雷达外参标定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117590362B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
CN109407073B (zh) | 反射值地图构建方法和装置 | |
CN109410735B (zh) | 反射值地图构建方法和装置 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN111080662A (zh) | 车道线的提取方法、装置及计算机设备 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN111080682B (zh) | 点云数据的配准方法及装置 | |
CN113327296B (zh) | 基于深度加权的激光雷达与相机在线联合标定方法 | |
WO2021056516A1 (zh) | 目标检测方法、设备及可移动平台 | |
CN114067001B (zh) | 车载相机角度标定方法、终端及存储介质 | |
CN113111513B (zh) | 传感器配置方案确定方法、装置、计算机设备及存储介质 | |
CN116012428A (zh) | 一种雷视联合定位方法、装置及存储介质 | |
CN114217665A (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN113325389A (zh) | 一种无人车激光雷达定位方法、系统及存储介质 | |
KR102490521B1 (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
CN115496782A (zh) | Lidar对lidar对准和lidar对车辆对准的在线验证 | |
CN115407302A (zh) | 激光雷达的位姿估计方法、装置和电子设备 | |
CN113203424A (zh) | 多传感器的数据融合方法、装置及相关设备 | |
CN117433511B (zh) | 一种多传感器融合定位方法 | |
CN115147612B (zh) | 一种基于累加点云对车辆尺寸进行实时估计的处理方法 | |
CN112802117B (zh) | 一种激光雷达和摄像头标定参数盲复原方法 | |
CN117788593B (zh) | 剔除三维激光数据中动态点的方法、装置、介质及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |