车辆摄像头的自动标定方法、系统、车载控制设备技术方案

本发明专利技术属于汽车技术领域，具体提供一种车辆摄像头的自动标定方法、系统、车载控制设备。本发明专利技术旨在解决现有的摄像头标定需要人工测量，造成标定效率低，并且不能实现完全标定自动化的问题，本发明专利技术的车辆摄像头的自动标定方法包括获取摄像头采集的测量数据、实际数据采集器采集的实际数据以及车辆的状态数据；基于测量数据、实际数据以及状态数据，筛选训练数据；基于训练数据训练预设的自标定模型，得到自标定模型；计算自标定模型的误差，并比较误差与第一误差阈值的大小；在误差小于第一误差阈值时，输出自标定模型。本发明专利技术不需要人工测量，因此提升了标定效率，并且实现了摄像头的完全标定自动化。

Automatic Calibration Method, System and Vehicle Control Equipment of Vehicle Camera

The invention belongs to the field of automobile technology, in particular to an automatic calibration method, a system and an on-board control device for a vehicle camera. The purpose of the present invention is to solve the problem that the existing camera calibration needs manual measurement, which results in low calibration efficiency and can not achieve complete calibration automation. The automatic calibration method of the vehicle camera includes acquiring the measurement data collected by the camera, the actual data collected by the actual data collector and the vehicle status data; and based on the measurement data, the actual data and the status data. State data are used to screen training data; self-calibration model is obtained by training the preset self-calibration model based on training data; error of self-calibration model is calculated and compared with the first error threshold; when the error is less than the first error threshold, the self-calibration model is output. The invention does not need manual measurement, so the calibration efficiency is improved, and the complete calibration automation of the camera is realized.

【技术实现步骤摘要】
车辆摄像头的自动标定方法、系统、车载控制设备
本专利技术属于汽车
，具体提供一种车辆摄像头的自动标定方法、系统、车载控制设备。
技术介绍
无人驾驶汽车是未来的发展趋势，摄像头是无人驾驶汽车的重要传感器之一，对环境感知起到重要作用，摄像头的测量准确性会直接影响无人驾驶功能的使用，因此对摄像头的标定具有非常重要的意义。目前对摄像头的标定的研究主要集中在人工标定的算法开发，且人工标定算法大多基于光学机理模型进行改进。由于目前对摄像头的标定研究集中在这种传统的方法上，但这种方法需要做一些人工测量，随着无人驾驶和大数据的开发应用，迫切需要新的标定方法来提高标定效率，摆脱人工测量，同时提高数据的利用率。相应的，本领域需要一种新的车辆摄像头的自动标定方法来解决现有的摄像头标定需要人工测量，造成标定效率低，并且不能实现完全标定自动化的问题。
技术实现思路
为了解决现有技术中的上述问题，即为了解决现有的摄像头标定需要人工测量，造成标定效率低，并且不能实现完全标定自动化的问题，本专利技术提供了一种车辆摄像头的自动标定方法，所述车辆包括实际数据采集器，所述自动标定方法包括以下步骤：基于所述摄像头采集的测量数据、所述实际数据采集器采集的实际数据以及所述车辆的状态数据，筛选训练数据；基于所述训练数据训练预设的自标定模型，得到训练自标定模型；计算所述训练自标定模型的误差；选择性地比较所述误差与第一误差阈值的大小；在所述误差小于所述第一误差阈值时，输出所述训练自标定模型；其中，所述自标定模型用于表征所述测量数据与所述实际数据之间的函数关系。在上述车辆摄像头的自动标定方法的优选技术方案中，所述测量数据包括障碍物的测量车道信息、所述障碍物的测量距离、所述障碍物的测量速度以及所述障碍物的测量类型中的一种或几种；所述实际数据包括所述障碍物的实际车道信息、所述障碍物的实际距离、所述障碍物的实际速度以及所述障碍物的实际类型中的一种或几种；所述车辆的状态数据包括所述车辆的速度、加速度以及偏航角速度中的一种或几种。在上述车辆摄像头的自动标定方法的优选技术方案中，所述实际数据采集器为设置于所述车辆上的雷达。在上述车辆摄像头的自动标定方法的优选技术方案中，“基于所述测量数据、所述实际数据以及所述状态数据，筛选训练数据”的步骤进一步包括：基于所述车辆的速度、加速度以及偏航角速度，判断所述车辆是否处于设定行驶状态；基于所述测量车道信息和所述实际车道信息，判断所述障碍物是否与所述车辆处于同一车道；基于所述测量速度与所述实际速度、所述测量距离与所述实际距离、以及所述测量类型与所述实际类型，判断所述摄像头与所述实际数据采集器采集的障碍物是否为同一障碍物；从满足所述车辆处于设定行驶状态、所述障碍物与所述车辆处于同一车道、以及所述摄像头与所述实际数据采集器采集的障碍物为同一障碍物的所有数据中筛选所述训练数据。在上述车辆摄像头的自动标定方法的优选技术方案中，“从满足所述车辆处于设定行驶状态、所述障碍物与所述车辆处于同一车道、以及所述摄像头与所述实际数据采集器采集的障碍物为同一障碍物的所有数据中筛选所述训练数据”的步骤进一步包括：从满足所述条件的所有障碍物中选取N个障碍物；基于所述N个障碍物的测量距离或实际距离，将所述N个障碍物所对应的所有数据划分为M个区间；从所述M个区间中选取设定数量的测量距离和对应的实际距离作为所述训练数据。在上述车辆摄像头的自动标定方法的优选技术方案中，在所述训练数据中，每个障碍物的数据个数所占的比重为1/N；每个区间的数据个数所占的比重为1/M。在上述车辆摄像头的自动标定方法的优选技术方案中，所述训练自标定模型包括第一训练自标定模型，“基于所述训练数据训练预设的自标定模型，得到训练自标定模型”的步骤进一步包括：基于最小二乘法和所述训练数据，计算所述预设的自标定模型的系数；将所述系数代入所述预设的自标定模型，得到所述第一训练自标定模型。在上述车辆摄像头的自动标定方法的优选技术方案中，“选择性地比较所述误差与第一误差阈值的大小”的步骤进一步包括：首先比较所述误差与第二误差阈值的大小；在所述误差小于所述第二误差阈值时，比较所述误差与所述第一误差阈值的大小；在所述误差大于或等于所述第二误差阈值时，对所述摄像头重新标定；其中，所述第二误差阈值大于所述第一误差阈值。在上述车辆摄像头的自动标定方法的优选技术方案中，在所述误差大于或等于所述第二误差阈值时，所述自动标定方法还包括：更新所述误差大于或等于所述第二误差阈值时的迭代次数；判断所述迭代次数是否达到预定次数；在所述迭代次数达到所述预定次数时，发出报警信息。在上述车辆摄像头的自动标定方法的优选技术方案中，“计算所述训练自标定模型的误差”的步骤进一步包括：获取所述摄像头采集的障碍物的测量距离和所述实际数据采集器采集的所述障碍物的实际距离；将所述测量距离输入所述训练自标定模型，得出所述摄像头的输出距离；计算所述输出距离与所述实际距离的差值，作为所述训练自标定模型的误差。在上述车辆摄像头的自动标定方法的优选技术方案中，所述训练自标定模型还包括第二训练自标定模型，“选择性地比较所述误差与第一误差阈值的大小”的步骤进一步包括：首先比较所述误差与第二误差阈值的大小；在所述误差小于所述第二误差阈值时，对所述第一训练自标定模型的系数进行卡尔曼滤波处理；将滤波处理后的系数代入所述第一训练自标定模型，得到所述第二训练自标定模型；计算所述第二训练自标定模型的误差；比较所述第二训练自标定模型的误差与所述第一误差阈值的大小。本专利技术还提供了一种车辆摄像头的自动标定系统，所述车辆包括实际数据采集器，所述自动标定系统包括：采集模块，所述采集模块用于获取所述摄像头采集的测量数据、所述实际数据采集器采集的实际数据以及所述车辆的状态数据；筛选模块，所述筛选模块用于基于所述测量数据、所述实际数据以及所述状态数据，筛选训练数据；训练模块，所述训练模块用于基于所述训练数据训练预设的自标定模型，得到训练自标定模型；计算模块，所述计算模块用于计算所述训练自标定模型的误差；判断模块，所述判断模块用于选择性地比较所述误差与第一误差阈值的大小；输出模块，所述输出模块用于在所述误差小于所述第一误差阈值时，输出所述训练自标定模型；其中，所述自标定模型用于表征所述测量数据与所述实际数据之间的函数关系。在上述车辆摄像头的自动标定系统的优选技术方案中,所述测量数据包括障碍物的测量车道信息、所述障碍物的测量距离、所述障碍物的测量速度以及所述障碍物的测量类型中的一种或几种；所述实际数据包括所述障碍物的实际车道信息、所述障碍物的实际距离、所述障碍物的实际速度以及所述障碍物的实际类型中的一种或几种；所述车辆的状态数据包括所述车辆的速度、加速度以及偏航角速度中的一种或几种。在上述车辆摄像头的自动标定系统的优选技术方案中,所述实际数据采集器为设置于所述车辆上的雷达。在上述车辆摄像头的自动标定系统的优选技术方案中,所述筛选模块通过下列方式来基于所述测量数据、所述实际数据以及所述状态数据，筛选训练数据：基于所述车辆的速度、加速度以及偏航角速度，判断所述车辆是否处于设定行驶状态；基于所述测量车道信息和所述实际车道信息，判断所述障碍物是否与所述车辆处于同一车道；基于所述测量速度与本文档来自技高网...

【技术保护点】
1.一种车辆摄像头的自动标定方法，所述车辆包括实际数据采集器，其特征在于，所述自动标定方法包括以下步骤：基于所述摄像头采集的测量数据、所述实际数据采集器采集的实际数据以及所述车辆的状态数据，筛选训练数据；基于所述训练数据训练预设的自标定模型，得到训练自标定模型；计算所述训练自标定模型的误差；选择性地比较所述误差与第一误差阈值的大小；在所述误差小于所述第一误差阈值时，输出所述训练自标定模型；其中，所述自标定模型用于表征所述测量数据与所述实际数据之间的函数关系。

【技术特征摘要】
1.一种车辆摄像头的自动标定方法，所述车辆包括实际数据采集器，其特征在于，所述自动标定方法包括以下步骤：基于所述摄像头采集的测量数据、所述实际数据采集器采集的实际数据以及所述车辆的状态数据，筛选训练数据；基于所述训练数据训练预设的自标定模型，得到训练自标定模型；计算所述训练自标定模型的误差；选择性地比较所述误差与第一误差阈值的大小；在所述误差小于所述第一误差阈值时，输出所述训练自标定模型；其中，所述自标定模型用于表征所述测量数据与所述实际数据之间的函数关系。2.根据权利要求1所述的车辆摄像头的自动标定方法，其特征在于，所述测量数据包括障碍物的测量车道信息、所述障碍物的测量距离、所述障碍物的测量速度以及所述障碍物的测量类型中的一种或几种；所述实际数据包括所述障碍物的实际车道信息、所述障碍物的实际距离、所述障碍物的实际速度以及所述障碍物的实际类型中的一种或几种；所述车辆的状态数据包括所述车辆的速度、加速度以及偏航角速度中的一种或几种。3.根据权利要求1所述的车辆摄像头的自动标定方法，其特征在于，所述实际数据采集器为设置于所述车辆上的雷达。4.根据权利要求2所述的车辆摄像头的自动标定方法，其特征在于，“基于所述测量数据、所述实际数据以及所述状态数据，筛选训练数据”的步骤进一步包括：基于所述车辆的速度、加速度以及偏航角速度，判断所述车辆是否处于设定行驶状态；基于所述测量车道信息和所述实际车道信息，判断所述障碍物是否与所述车辆处于同一车道；基于所述测量速度与所述实际速度、所述测量距离与所述实际距离、以及所述测量类型与所述实际类型，判断所述摄像头与所述实际数据采集器采集的障碍物是否为同一障碍物；从满足所述车辆处于设定行驶状态、所述障碍物与所述车辆处于同一车道、以及所述摄像头与所述实际数据采集器采集的障碍物为同一障碍物的所有数据中筛选所述训练数据。5.根据权利要求4所述的车辆摄像头的自动标定方法，其特征在于，“从满足所述车辆处于设定行驶状态、所述障碍物与所述车辆处于同一车道、以及所述摄...

【专利技术属性】
技术研发人员：周平，林滨滨，彭思崴，
申请(专利权)人：上海蔚来汽车有限公司，
类型：发明
国别省市：上海,31