CN117739949A - 一种用于多传感器位姿标定的新型传感器位姿获取方法 - Google Patents
一种用于多传感器位姿标定的新型传感器位姿获取方法 Download PDFInfo
- Publication number
- CN117739949A CN117739949A CN202311759974.3A CN202311759974A CN117739949A CN 117739949 A CN117739949 A CN 117739949A CN 202311759974 A CN202311759974 A CN 202311759974A CN 117739949 A CN117739949 A CN 117739949A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- pose
- image
- sensor
- 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 16
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种用于多传感器位姿标定的新型传感器位姿获取方法，包括如下步骤：S1：将三维点云投影到二维图片，图像像素保存每个点距离原点的距离。S2：通过平滑度估计来提取特征点；S3：将整个图像在水平方向分成预设数量的子图，在每个子图中进行特征提取；S4:构建点云局部图；S5：将新的点云关键帧与局部图匹配，构建整体设备点云图；S6：通过提取点云中设备的位姿，可得到相关传感器的相对位姿。本发明通过设计SLAM建立点云图提取传感器位姿的方法，既可以得到准确的传感器的相对位姿，又可以避免因整体设备不规则从而导致的人工测量误差，起到提高传感器标定的鲁棒性与准确性。
Description
技术领域
本发明涉及SLAM建图与传感器标定领域，具体是一种用于多传感器位姿标定的新型传感器位姿获取方法。
背景技术
多传感器标定在自动驾驶、机器人导航和其他自主系统中具有关键意义。在这些应用中，多个传感器(如激光雷达、相机、惯性导航单元等)通常协同工作，以获取环境信息和自身姿态。然而，准确获得传感器之间的相对位姿是实现这些任务的核心工作之一。一般来说对于简单的智能系统各传感器之间距离相对较近，在手动测量多传感器之间的位姿时相对简单且误差较小，但对于复杂系统，例如自动驾驶中车辆的传感器距离相对较远且会被自身的车体遮挡，从而在手动测量传感器之间的相对位姿时引入误差，造成多传感器标定之间的累积误差。SLAM作为机器人领域的热点问题能够实现即时的定位与建图，建图的结果中可以包含传感器附近环境的几何信息。因此，本发明提出一种用于多传感器位姿标定的新型传感器位姿获取方法。
发明内容
本发明所要解决的技术问题是，克服现有技术的缺点，提供一种用于多传感器位姿标定的新型传感器位姿获取方法，既可以得到准确的传感器的相对位姿，又可以避免因整体设备不规则从而导致的人工测量误差，起到提高传感器标定的鲁棒性与准确性。
为实现上述目的，本发明提供如下技术方案：
一种用于多传感器位姿标定的新型传感器位姿获取方法，其特征在于，通过SLAM建图方法获取设备整体的点云图，以获取点云图中多个传感器的坐标位置，所述方法包括以下步骤：
S1、获取点云数据，将三维点云投影到二维图片，图像像素保存每个点距离原点的距离；
S2、通过平滑度估计来提取特征点，所述特征点包括边缘点和平面点；
S3、为了特征点分布均匀，将整个图像在水平方向分成预设数量的子图，在每个子图中进行特征提取；
S4、构建点云局部图；
S5、获取新的点云关键帧，将新的点云关键帧与局部图匹配，构建整体设备点云图；
S6、通过提取点云中设备的位姿，获取目标传感器的相对位姿。
作为本发明进一步的技术方案，在步骤S2中，当平滑度高于阈值的判定为边缘点；平滑度小于阈值的判定为平面点。
作为本发明进一步的技术方案，在步骤S2中，平滑度的估计则通过每一个点在激光线成像的前后预设数量个点的平均距离代替，令时间t的点云为Pt＝{pi,i∈|Pt|},同时根据每个点的坐标算出每个点距离原点的距离ri,对于每个点，取其同一条激光线上前后预设数量个点构成集合S，则点pi的平滑度计算公式如下：
与现有技术相比，本发明的有益效果是：本发明提供了一种用于多传感器位姿标定的新型传感器位姿获取方法，既可以得到准确的传感器的相对位姿，又可以避免因整体设备不规则从而导致的人工测量误差，起到提高传感器标定的鲁棒性与准确性，同时，本发明提出的点云提取多传感器相对位姿设计十分巧妙，不受具体环境的约束，可以轻松的移植到其他系统中，因此适用范围很广。
附图说明
图1为本发明在道路采集的原始点云图。
图2为本发明建图后产生的车辆图。
图3为本发明用于多传感器位姿标定的新型传感器位姿获取方法的流程图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
请参阅图1至图3，本发明实施例提供了一种用于多传感器位姿标定的新型传感器位姿获取方法，其特征在于，通过SLAM建图方法获取设备整体的点云图，以获取点云图中多个传感器的坐标位置，所述方法包括以下步骤：
S1、获取点云数据，将三维点云投影到二维图片，图像像素保存每个点距离原点的距离；原始点云数据为无人驾驶车辆在路上采集得到；
S2、通过平滑度估计来提取特征点，所述特征点包括边缘点和平面点；
S3、为了特征点分布均匀，将整个图像在水平方向分成6个子图，在每个子图中进行特征提取；
S4、构建点云局部图；
S5、获取新的点云关键帧，将新的点云关键帧与局部图匹配，构建整体设备点云图；
S6、通过提取点云中设备的位姿，获取目标传感器的相对位姿。
本实施例中，在步骤S2中，当平滑度高于阈值的判定为边缘点；平滑度小于阈值的判定为平面点。
本实施例中，在步骤S2中，平滑度的估计则通过每一个点在激光线成像的前后预设数量个点的平均距离代替，令时间t的点云为Pt＝{pi,i∈|Pt|},同时根据每个点的坐标算出每个点距离原点的距离ri,对于每个点，取其同一条激光线上前后预设数量个点构成集合S，则点pi的平滑度计算公式如下：
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，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 (3)
1.一种用于多传感器位姿标定的新型传感器位姿获取方法，其特征在于，通过SLAM建图方法获取设备整体的点云图，以获取点云图中多个传感器的坐标位置，所述方法包括以下步骤：
S1、获取点云数据，将三维点云投影到二维图片，图像像素保存每个点距离原点的距离；
S2、通过平滑度估计来提取特征点，所述特征点包括边缘点和平面点；
S3、为了特征点分布均匀，将整个图像在水平方向分成预设数量的子图，在每个子图中进行特征提取；
S4、构建点云局部图；
S5、获取新的点云关键帧，将新的点云关键帧与局部图匹配，构建整体设备点云图；
S6、通过提取点云中设备的位姿，获取目标传感器的相对位姿。
2.根据权利要求1所述的一种用于多传感器位姿标定的新型传感器位姿获取方法，其特征在于，在步骤S2中，当平滑度高于阈值的判定为边缘点；平滑度小于阈值的判定为平面点。
3.根据权利要求1所述的一种用于多传感器位姿标定的新型传感器位姿获取方法，其特征在于，在步骤S2中，平滑度的估计则通过每一个点在激光线成像的前后预设数量个点的平均距离代替，令时间t的点云为Pt＝{pi,i∈|Pt|},同时根据每个点的坐标算出每个点距离原点的距离ri,对于每个点，取其同一条激光线上前后预设数量个点构成集合S，则点pi的平滑度计算公式如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311759974.3A CN117739949A (zh) | 2023-12-20 | 2023-12-20 | 一种用于多传感器位姿标定的新型传感器位姿获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311759974.3A CN117739949A (zh) | 2023-12-20 | 2023-12-20 | 一种用于多传感器位姿标定的新型传感器位姿获取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117739949A true CN117739949A (zh) | 2024-03-22 |
Family
ID=90250465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311759974.3A Pending CN117739949A (zh) | 2023-12-20 | 2023-12-20 | 一种用于多传感器位姿标定的新型传感器位姿获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117739949A (zh) |
-
2023
- 2023-12-20 CN CN202311759974.3A patent/CN117739949A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018142900A1 (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
| CN107862719B (zh) | 相机外参的标定方法、装置、计算机设备和存储介质 | |
| CN112734852B (zh) | 一种机器人建图方法、装置及计算设备 | |
| CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
| CN110570449B (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
| AU2018282302A1 (en) | Integrated sensor calibration in natural scenes | |
| CN108332752B (zh) | 机器人室内定位的方法及装置 | |
| CN112017248B (zh) | 一种基于点线特征的2d激光雷达相机多帧单步标定方法 | |
| KR20220025028A (ko) | 시각적 비콘 기반의 비콘 맵 구축 방법, 장치 | |
| WO2019136613A1 (zh) | 机器人室内定位的方法及装置 | |
| CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
| CN112115913B (zh) | 图像处理方法、装置及设备、存储介质 | |
| JP2017181476A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
| KR102490521B1 (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
| CN116051650A (zh) | 激光雷达与相机联合的外部参数标定方法及装置 | |
| CN114777768A (zh) | 一种卫星拒止环境高精度定位方法、系统及电子设备 | |
| CN112116644B (zh) | 一种基于视觉的障碍物检测方法和装置、障碍物距离计算方法和装置 | |
| CN111899277A (zh) | 运动目标检测方法及装置、存储介质、电子装置 | |
| CN114494466B (zh) | 外参标定方法、装置及设备、存储介质 | |
| US20240085448A1 (en) | Speed measurement method and apparatus based on multiple cameras | |
| CN114862953A (zh) | 一种基于视觉特征和3d激光的移动机器人重定位方法及装置 | |
| CN117739949A (zh) | 一种用于多传感器位姿标定的新型传感器位姿获取方法 | |
| CN115457130A (zh) | 一种基于深度关键点回归的电动汽车充电口检测定位方法 | |
| JP2018116147A (ja) | 地図作成装置、地図作成方法及び地図作成用コンピュータプログラム | |
| CN112598736A (zh) | 一种基于地图构建的视觉定位方法及装置 |
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 |