CN117705151A - 传感器外参标定方法、装置、设备和自动驾驶车辆 - Google Patents
传感器外参标定方法、装置、设备和自动驾驶车辆 Download PDFInfo
- Publication number
- CN117705151A CN117705151A CN202311585162.1A CN202311585162A CN117705151A CN 117705151 A CN117705151 A CN 117705151A CN 202311585162 A CN202311585162 A CN 202311585162A CN 117705151 A CN117705151 A CN 117705151A
- Authority
- CN
- China
- Prior art keywords
- preset
- imu
- wheel speed
- basic
- external parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 238000005096 rolling process Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种传感器外参标定方法、装置、设备和自动驾驶车辆,涉及人工智能技术领域,具体涉及自动驾驶、导航定位等技术领域。传感器外参标定方法包括:获取自动驾驶车辆的IMU与轮速计之间的基本外参;获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;基于所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;基于所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角;将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。本公开可以提高传感器外参标定的全面性。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及自动驾驶、导航定位等技术领域,尤其涉及一种传感器外参标定方法、装置、设备和自动驾驶车辆。
背景技术
自动驾驶车辆的导航定位系统,需要自主的进行导航定位,从而为下游的感知、规划与控制等模块提供位置和姿态信息。为了提升精度和鲁棒性,导航定位系统通常基于多传感器融合技术进行导航定位。
为了融合来自不同传感器的测量数据,需要获得不同传感器之间的相对位置和姿态关系,这些相对关系称为外参。不同传感器之间的外参通常通过离线标定获得,外参标定的准确性将影响最终导航定位的准确性。
发明内容
本公开提供了一种传感器外参标定方法、装置、设备、和自动驾驶车辆。
根据本公开的一方面,提供了一种传感器外参标定方法,包括:获取自动驾驶车辆的IMU与轮速计之间的基本外参;获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;基于所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;基于所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角;将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
根据本公开的另一方面,提供了一种传感器外参标定装置,包括:第一获取模块,用于获取自动驾驶车辆的IMU与轮速计之间的基本外参;第二获取模块,用于获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;第三获取模块,用于根据所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;第四获取模块,用于根据所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角;确定模块,用于将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
根据本公开的另一方面,提供了一种自动驾驶车辆,包括:IMU和轮速计,所述IMU与所述轮速计之间的外参采用如上述任一方面的任一项所述的方法进行标定。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开实施例提供的传感器外参标定场景的示意图;
图3是根据本公开实施例提供的预设场地的示意图;
图4是根据本公开第二实施例的示意图;
图5是根据本公开实施例提供的自动驾驶车辆在求解基本外参时的行驶轨迹的示意图;
图6是根据本公开实施例提供的自动驾驶车辆在侧向坡面上行驶过程的示意图;
图7是根据本公开第三实施例的示意图;
图8是根据本公开第四实施例的示意图;
图9是用来实现本公开实施例的传感器外参标定方法的电子设备的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
惯性测量元件(Inertial Measurement Unit,IMU)是自动驾驶车辆的重要传感器,其可以高频地测量自动驾驶车辆的加速度和角速度,且不受外界影响,通过对IMU的测量数据进行积分运算,可以获得车辆的位置、速度和姿态。但由于测量噪声的存在,长期积分会产生累计误差。
轮速计也是自动驾驶车辆的一种传感器,其通过霍尔效应来测量车轮转速(轮速),从而为多传感器融合提供轮速数据。轮径会影响轮速的测量结果,通常采用尺度因子对标称的轮径进行修正来获取实际轮径。
相关技术中,针对IMU与轮速计之间的外参标定,通常是6个自由度的标定。在物理系统中,自由度用来描述物理系统状态可以改变的独立方式的数量,通常,每个可以独立改变而不影响系统其他部分的参数可以被认为是一个自由度。针对IMU和轮速计,6个自由度包括如下参数:3个相对位置、2个相对旋转角度(航向角和俯仰角)、1个轮速计尺度因子,未考虑翻滚角(roll)的标定。
因此,相关技术的标定参数不够全面。
为了提高外参标定的全面性,本公开提供如下实施例。
图1是根据本公开第一实施例的示意图,本实施例提供一种传感器外参标定方法,该方法包括:
101、获取自动驾驶车辆的IMU与轮速计之间的基本外参。
102、获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地。
103、基于所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角。
104、基于所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角。
105、将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
本实施例中,通过确定IMU与轮速计之间的相对翻滚角,并将相对翻滚角作为目标外参中的一个参数,由于基本外参通常是6个自由度,而本实施例的目标外参包括基本外参和相对翻滚角,可以实现7个自由度的外参标定,从而提高传感器外参标定的全面性。
其中,IMU和轮速计之间的基本外参包括6个自由度的参数,即三个相对位置,两个相对旋转角度和一个轮速计尺度因子。
结合后续关于基本外参的求解过程可知,在该过程中相对roll(相对翻滚角)是被忽略的,即相对roll是不可观的,为了保证IMU与轮速计之间外参标定的全面性,本实施例还求解相对roll。
为了求解相对roll,自动驾驶车辆在安装IMU和轮速计,且IMU与轮速计之间的基本外参确定后,可以让自动驾驶车辆在预设行驶条件下行驶,该预设行驶条件是为了保证自动驾驶车辆在行驶过程中保持稳定行驶姿态,稳定行驶姿态主要是保证IMU与水平面之间的翻滚角(该翻滚角可以称为绝对翻滚角)是不变的,从而保证绝对翻滚角是可求解的。
为了实现上述的稳定行驶姿态,自动驾驶车辆可以在预设场地上行驶,该预设场地是具有侧向坡度的场地。
自动驾驶车辆在预设行驶条件下行驶过程中会产生测量数据,测量数据是自动驾驶车辆的传感器(包括IMU和轮速计)采集的测量数据,基于这些测量数据,以及已经确定的基本外参,进行导航求解,可以获得自动驾驶车辆的姿态信息,姿态信息包括绝对翻滚角,即IMU与水平面之间的翻滚角,具体是IMU的y轴(正向朝向车体前方的方向轴)与水平面之间的角度。
预设场地的侧向坡度,是指该场地的侧向路面与水平面之间的角度。
之后,可以将上述的绝对翻滚角与侧向坡度之间的差值,作为IMU与轮速计之间的相对翻滚角。
获得基本外参和相对翻滚角后,可以将6个自由度的基本外参和一个相对翻滚角组成IMU与轮速计之间的7个自由度的目标外参。
为了更好地理解本公开实施例,对本公开实施例的应用场景进行说明。本实施例可以应用于自动驾驶场景。
图2是用来实现本公开实施例的应用场景的示意图。
如图2所示,自动驾驶车辆上安装有IMU 201和轮速计202,两者之间存在相对关系,相对关系包括相对位置(如相对平移量)和相对旋转角,为了保证正确的导航定位,需要对IMU与轮速计之间的外参进行标定,外参包括上述的相对平移量和相对旋转角,还包括轮速计尺度因子。
轮速计尺度因子可以用s表示,车辆的实际速度与轮速计测量的轮速之间存在如下关系:
其中,vv是车辆的实际速度,是轮速计测量的轮速,s是轮速计尺度因子。
假设IMU坐标系称为b系,轮速计坐标系称为v系,两者均遵循车体右前上的朝向,但坐标系的原点不同,b系原点位于IMU质心,v系原点位于后轮轴中心,且两者之前存在一定的安装误差角,可用相对旋转矩阵描述。
如图2所示,IMU坐标系(b系)的三个坐标轴分别用xb、yb、zb表示,原点用Ob表示;轮速计坐标系(v系)的三个坐标轴分别用xv、yv、zv表示,原点用Ov表示。
v系到b系的坐标变换关系可以表示为:
其中,pv表示某点p在v系下的坐标;pb表示该点p在b系下的坐标;表示v系到b系的旋转矩阵,可以称为相对旋转矩阵;/>表示v系原点在b系下的坐标,可以称为相对平移矩阵。
旋转矩阵可以基于三个坐标轴分别对应的旋转角度和旋转顺序确定,在自动驾驶领域,旋转顺序通常是z-x-y,基于此旋转顺序,可以获得旋转矩阵/>的具体表达式为:
其中,ψ,θ,γ分别是v系和b系之间的相对航向角(yaw)、相对俯仰角(pitch)和相对翻滚角(roll)。相对航向角ψ是b系沿v系的zv轴旋转的角度,相对俯仰角θ是b系沿v系的xv轴旋转的角度,相对翻滚角γ是b系沿v系的yv轴旋转的角度。
相对平移矩阵可以表示为:/>
分别是v系原点在b系下坐标的x,y,z分量,即三个方向上的相对平移量。
基本外参包括三个相对位置,两个相对旋转角度和一个轮速计尺度因子。三个相对位置是指上述的三个方向上的相对平移量,即两个相对旋转角度包括相对航向角和相对俯仰角,即ψ,θ;一个轮速计尺度因子,即上述的s。
基本外参可以通过最小化代价函数获得,代价函数可以通过残差项构建,残差项根据外参变量构建。具体内容可以参见后续实施例。
上述的基本外参是6个自由度的外参,缺乏相对翻滚角(roll)的标定过程。但是,在一些特定场景下,为了获得自动驾驶车辆的准确的状态信息(位置、速度和姿态),还需要相对翻滚角;特定场景例如特殊的转弯场景,如右侧转弯通常是左高右低,但也存在右高左低的右转场景,此时需要车辆底盘(轮速计)的绝对roll,该绝对roll可以基于IMU与轮速计之间的相对roll计算,因此,需要标定IMU与轮速计之间的相对翻滚角。
IMU与轮速计之间外参的通常标定方式中,相对roll是不可观的,具体可参见后续关于6个自由度的标定过程,此过程中相对roll会被隐去,无法求解。
为了获得相对roll,本实施例可以基于预设行驶条件获得。预设行驶条件是使得车辆保持稳定行驶姿态的条件。
预设行驶条件包括:预设场地,如图3所示,预设场地301是具有侧向坡度的场地。
自动驾驶车辆在上述的预设场地行驶过程中,可以获得该自动驾驶车辆的传感器采集的测量数据,基于该测量数据获得该车辆的姿态信息,该姿态信息包括:绝对roll。绝对roll是指IMU相对于水平面的roll。
上述的测量数据可以具体包括多种传感器采集的多种测量数据,根据测量数据和基本外参进行导航求解,如卡尔曼滤波或非线优化等技术,可以获得状态信息,状态信息包括速度信息、位置信息和姿态信息,其中的姿态信息中包括绝对roll。
获得绝对roll后,可以基于绝对roll和侧向坡度,计算相对roll,作为第7个自由度的参数。
相对roll的计算公式可以是:
γ=β-α
其中,γ是相对roll;β是绝对roll;α是侧向坡度,即坡面相对于水平面的角度。
之后,可以将相对roll以及基本外参中的6个自由度的参数作为目标外参,即最终标定的目标外参包括7个自由度的参数。
结合上述的应用场景,本公开还提供一种传感器外参标定方法。
图4是根据本公开第二实施例的示意图,本实施例提供一种传感器外参标定方法,该方法包括:
401、获取自动驾驶车辆的IMU与轮速计之间的基本外参。
其中,可以获取所述自动驾驶车辆在基本行驶条件下产生的基本数据;基于所述基本数据和外参变量构建残差项;基于所述残差项构建代价函数;对所述代价函数进行最小化求解,以获得所述基本外参。
本实施例中,基于残差项构建代价函数,通过最小化代价函数,可以简便高效地求解出基本外参。
基本数据,是指基本行驶条件下产生的测量数据。
基本行驶条件可以包括:自动驾驶车辆在水平路面(或近似水平路面)上行驶,且沿着非直线形轨迹行驶。沿着非直线形轨迹行驶可以保证相对航向角和相对俯仰角是可观的。
如图5所示,非直线形轨迹可以是环形(或半环形)501,或者,还可以是8字形502。
例如,在自动驾驶车辆上装载传感器,传感器包括IMU和轮速计,还可以包括其他传感器,如全球导航卫星系统(Global Navigation Satellite System,GNSS)。装载前述传感器的车辆在近似水平的开阔的普通路面上绕8字行驶若干周,并采集IMU、轮速计和GNSS的测量数据作为基本数据。
本实施例中,基于非直线形轨迹行驶,可以保证相对航向角和相对俯仰角是可观的,进而准确求解出基本外参。
获取基本数据后,可以基于这些基本数据进行导航求解,得到自动驾驶车辆的状态信息,基于状态信息构建残差项。导航求解过程可以采用相关技术实现,如卡尔曼滤波或非线性优化等。
残差项的表达式为:
其中,r是残差项;
是b系(IMU坐标系)到v系(轮速计坐标系)的旋转矩阵,与上述的/>关系是:上标的T表示转置操作;
vb是对IMU的测量数据和GSNN的测量数据进行导航求解后得到的自动驾驶车辆在b系下的速度;
是自动驾驶车辆在b系下的角速度,由IMU测量得到;
是v系到b系的相对平移矩阵,具体内容可参见前述相关描述;
{v}[2]是取向量v的第二维;
s是轮速计尺度因子;
是轮速计测量的轮速。
需要说明的是,残差项中的基本外参对应的量是未知的,可以称为外参变量,例如,上述残差项中的和/>是未知的。通过后续对代价函数进行求解后,可以得到这些基本外参的具体数值,作为标定的基本外参。
自动驾驶车辆在行驶过程中,每个采集时刻可以构建一个上述的残差项,由整条轨迹上多个时刻的残差项可以构建如下的代价函数:
其中,是代价函数,其自变量的含义可以参见前述相关内容;
k是时刻索引,N是时刻的数量,表示第k个时刻的残差项。
获取上述的代价函数后,可以通过最小化该代价函数,求解出该代价函数对应的6个自由度,即ψ,θ,s这6个参数。
基于上述的代价函数可知,该代价函数的自变量包括6个自由度,而不包含相对翻滚角γ。这是因为在构建残差项时由于是取第二个维度的参数,这个维度的参数不包含γ,也就是相对翻滚角是不可观的。
相关技术中,虽然存在一些IMU与轮速计之间的外参标定方案,但是并未意识到该相对翻滚角是不可观的,与其他角度(ψ,θ)采用相同方式求解,但是,由于相对翻滚角的不可观性,采用其他角度的求解方式无法求解出相对翻滚角。
为了求解出相对翻滚角,本实施例还包括:
402、获取自动驾驶车辆的IMU与轮速计之间的相对翻滚角。
具体可以包括:获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;基于所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;基于所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角。
上述求解基本外参的阶段可以称为第一阶段,求解相对roll的阶段可以称为第二阶段。
在第一阶段,以8字形行驶为例,车辆绕8字形行驶过程中,转弯时和直行时的IMU相对于水平面的绝对roll存在差异,求解结果不准确,为了保证绝对roll的准确度,需要车辆保持平稳行驶状态,即保证行驶过程中的上述绝对roll是基本不变的。
为此,第二阶段需要自动驾驶车辆在预设场地行驶,如图3所示,预设场地是具有侧向坡度的路面。
通过上述的具有侧向坡度的路面,可以在一定程度上保证自动驾驶车辆行驶的平稳性。
为了进一步保证车辆行驶的平稳性,该预设场地可以是环形或半环形的场地;和/或,所述自动驾驶车辆沿着所述预设场地的路面中心线行驶。
如图6所示,自动驾驶车辆可以在半环形的侧向坡面上,沿着中心线601从A点行驶到B点。该过程中可以获取传感器采集的测量数据。基于测量数据进行导航解算可以获得自动驾驶车辆的姿态信息,该姿态信息包括绝对roll,绝对roll是IMU相对于水平面的roll。
本实施例中,基于上述的预设行驶条件,可以保证自动驾驶车辆的平稳行驶,以准确获得绝对roll,进而准确获得IMU相对于轮速计的相对roll。
获得绝对roll后,可以基于绝对roll和侧向坡度,计算相对roll,作为第7个自由度的参数。
相对roll的计算公式可以是:
γ=β-α
其中,γ是相对roll;β是绝对roll;α是侧向坡度,即坡面相对于水平面的角度。
本实施例中,将绝对roll与侧向坡度的差值作为相对roll,可以简便准确地获得相对roll。
403、将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
其中,将相对roll以及基本外参中的6个自由度的参数作为目标外参,即最终标定的目标外参包括7个自由度的参数。
在某些场景下,下游模块(如,规划和控制(Planning and Control,PNC)模块)需要知道底盘的roll角分量(即轮速计坐标系相对于路面的roll),该轮速计坐标系相对于路面的roll可以通过IMU相对于路面的roll(IMU相对于路面的roll可以通过导航求解过程得到)和IMU与轮速计之间的相对roll计算得到。这样,PNC基于轮速计坐标系相对于路面的roll可以对高机动的车辆进行更准确的规控,常规的标定方法缺乏IMU相对于轮速计的roll角分量标定,导致无法获得准确的底盘姿态。本实施例通过两阶段标定方法,对包含roll角分量在内的7个自由度参数进行标定,提高外参标定的全面性,进而可以基于该相对roll确定底盘的roll,为下游模块提供准确数据,便于下游模块的规划执行。
图7是根据本公开第三实施例的示意图,本实施例提供一种传感器外参标定装置,该装置700包括:第一获取模块701、第二获取模块702、第三获取模块703、第四获取模块704和确定模块705。
第一获取模块701用于获取自动驾驶车辆的IMU与轮速计之间的基本外参;第二获取模块702用于获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;第三获取模块703用于根据所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;第四获取模块704用于根据所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角;确定模块705用于将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
本实施例中,通过确定IMU与轮速计之间的相对翻滚角,并将相对翻滚角作为目标外参中的一个参数,由于基本外参通常是6个自由度,而本实施例的目标外参包括基本外参和相对翻滚角,可以实现7个自由度的外参标定,从而提高传感器外参标定的全面性。
一些实施例中,所述预设行驶条件还包括:
所述预设场地是环形或半环形的场地;和/或,
所述自动驾驶车辆沿着所述预设场地的路面中心线行驶。
本实施例中,基于上述的预设行驶条件,可以保证自动驾驶车辆的平稳行驶,以准确获得绝对roll,进而准确获得IMU相对于轮速计的相对roll。
一些实施例中,所述第四获取模块704进一步用于:
将所述绝对翻滚角与所述侧向坡度的差值,作为所述相对翻滚角。
本实施例中,将绝对roll与侧向坡度的差值作为相对roll,可以简便准确地获得相对roll。
一些实施例中,所述第一获取模块701进一步用于:
获取所述自动驾驶车辆在基本行驶条件下产生的基本数据;
基于所述基本数据和所述外参变量构建残差项;
基于所述残差项构建代价函数;
对所述代价函数进行最小化求解,以获得所述基本外参。
本实施例中,基于残差项构建代价函数,通过最小化代价函数,可以简便高效地求解出基本外参。
一些实施例中,所述第一获取模块701进一步用于:
获取所述自动驾驶车辆,在水平路面上沿非直线形轨迹行驶时产生的基本数据。
本实施例中,基于非直线形轨迹行驶,可以保证相对航向角和相对俯仰角是可观的,进而准确求解出基本外参。
图8是根据本公开第四实施例的示意图,本实施例提供一种自动驾驶车辆,该车辆800包括:IMU 801和轮速计802;两者之间存在安装误差,即存在相对平移量和相对旋转角,另外轮速计具有尺度因子。IMU 801和轮速计802之间的外参采用如上述任一实施例所述的方法进行标定。
可以理解的是,本公开实施例中,不同实施例中的相同或相似内容可以相互参考。
可以理解的是,本公开实施例中的“第一”、“第二”等只是用于区分,不表示重要程度高低、时序先后等。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备900旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备900还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元909加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如传感器外参标定方法。例如,在一些实施例中,传感器外参标定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的传感器外参标定方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行传感器外参标定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程负载均衡装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种传感器外参标定方法,包括:
获取自动驾驶车辆的惯性测量元件IMU与轮速计之间的基本外参;
获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;
基于所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;
基于所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角;
将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
2.根据权利要求1所述的方法,其中,所述预设行驶条件还包括:
所述预设场地是环形或半环形的场地;和/或,
所述自动驾驶车辆沿着所述预设场地的路面中心线行驶。
3.根据权利要求1所述的方法,其中,所述基于所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角,包括:
将所述绝对翻滚角与所述侧向坡度的差值,作为所述相对翻滚角。
4.根据权利要求1-3任一项所述的方法,其中,所述获取自动驾驶车辆的IMU与轮速计之间的基本外参,包括:
获取所述自动驾驶车辆在基本行驶条件下产生的基本数据;
基于所述基本数据和外参变量构建残差项;
基于所述残差项构建代价函数;
对所述代价函数进行最小化求解,以获得所述基本外参。
5.根据权利要求4所述的方法,其中,所述获取所述自动驾驶车辆在基本行驶条件下产生的基本数据,包括:
获取所述自动驾驶车辆,在水平路面上沿非直线形轨迹行驶时产生的基本数据。
6.一种传感器外参标定装置,包括:
第一获取模块,用于获取自动驾驶车辆的IMU与轮速计之间的基本外参;
第二获取模块,用于获取所述自动驾驶车辆在预设行驶条件下产生的测量数据;所述预设行驶条件包括预设场地,所述预设场地是具有侧向坡度的场地;
第三获取模块,用于根据所述基本外参和所述测量数据获取姿态信息,所述姿态信息包括:绝对翻滚角;
第四获取模块,用于根据所述绝对翻滚角和所述预设场地的侧向坡度,确定所述IMU与所述轮速计之间的相对翻滚角;
确定模块,用于将所述基本外参和所述相对翻滚角,作为所述IMU与所述轮速计之间的目标外参。
7.根据权利要求6所述的装置,其中,所述预设行驶条件还包括:
所述预设场地是环形或半环形的场地;和/或,
所述自动驾驶车辆沿着所述预设场地的路面中心线行驶。
8.根据权利要求6所述的装置,其中,所述第四获取模块进一步用于:
将所述绝对翻滚角与所述侧向坡度的差值,作为所述相对翻滚角。
9.根据权利要求6-8任一项所述的装置,其中,所述第一获取模块进一步用于:
获取所述自动驾驶车辆在基本行驶条件下产生的基本数据;
基于所述基本数据和外参变量构建残差项;
基于所述残差项构建代价函数;
对所述代价函数进行最小化求解,以获得所述基本外参。
10.根据权利要求9所述的装置,其中,所述第一获取模块进一步用于:
获取所述自动驾驶车辆,在水平路面上沿非直线形轨迹行驶时产生的基本数据。
11.一种自动驾驶车辆,包括:IMU和轮速计,所述IMU与所述轮速计之间的外参采用如权利要求1-5中任一项所述的方法进行标定。
12.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
14.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311585162.1A CN117705151A (zh) | 2023-11-24 | 2023-11-24 | 传感器外参标定方法、装置、设备和自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311585162.1A CN117705151A (zh) | 2023-11-24 | 2023-11-24 | 传感器外参标定方法、装置、设备和自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117705151A true CN117705151A (zh) | 2024-03-15 |
Family
ID=90159741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311585162.1A Pending CN117705151A (zh) | 2023-11-24 | 2023-11-24 | 传感器外参标定方法、装置、设备和自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117705151A (zh) |
-
2023
- 2023-11-24 CN CN202311585162.1A patent/CN117705151A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7299261B2 (ja) | 車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラム | |
CN111721289B (zh) | 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆 | |
US20210206390A1 (en) | Positioning method and apparatus, vehicle device, and autonomous vehicle | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN114179825B (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
CN103712598B (zh) | 一种小型无人机姿态确定方法 | |
CN110823215A (zh) | 一种无人机相对导航信息融合方法 | |
CN113183975B (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
EP3910289B1 (en) | Method, apparatus, device and medium for calibrating temperature drift | |
CN112800159B (zh) | 地图数据处理方法及装置 | |
CN113984044A (zh) | 一种基于车载多感知融合的车辆位姿获取方法及装置 | |
CN114323033A (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
CN112214014A (zh) | 农机自动驾驶控制方法及系统 | |
CN114915913A (zh) | 一种基于滑窗因子图的uwb-imu组合室内定位方法 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
CN111912403B (zh) | 一种叉车的定位方法及叉车 | |
CN113592951A (zh) | 车路协同中路侧相机外参标定的方法、装置、电子设备 | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN113218380B (zh) | 一种电子罗盘的校正方法、装置、电子设备及存储介质 | |
CN117705151A (zh) | 传感器外参标定方法、装置、设备和自动驾驶车辆 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN114488237A (zh) | 定位方法、装置、电子设备及智能驾驶方法 | |
CN113946151A (zh) | 针对自动驾驶车辆的数据处理方法、装置和自动驾驶车辆 | |
CN114413929A (zh) | 定位信息的校验方法、装置、系统、无人车及存储介质 | |
CN110579779B (zh) | Gps质量确定方法、装置、设备和介质 |
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 |