智能汽车的传感器标定方法、装置、电子设备及介质制造方法及图纸

本公开涉及一种智能汽车的传感器标定方法、装置、电子设备及计算机可读介质。该方法包括：将智能汽车设置为初始化状态；控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，所述传感器包括多个激光雷达、惯性测量单元、车载相机；通过实时数据对所述多个激光雷达、所述惯性测量单元、所述车载相机进行传感器标定；根据传感器标定结果生成第一外参，第二外参，第三外参之后完成所述传感器的标定。本公开涉及的智能汽车的传感器标定方法、装置、电子设备及计算机可读介质，能够快速准确的对智能汽车上的传感器进行标定，有助于智能汽车在日常行驶时，快速准确的对障碍物进行识别，规划行驶路线。

【技术实现步骤摘要】
智能汽车的传感器标定方法、装置、电子设备及介质
本公开涉及计算机信息处理领域，具体而言，涉及一种智能汽车的传感器标定方法、装置、电子设备及计算机可读介质。
技术介绍
目前自动驾驶中常见的传感器可包括：摄像头、惯性测量单元、激光雷达。三种传感器各有优劣。摄像头方案成本低，可以识别不同的物体，在物体高度与宽度测量精度、车道线识别、行人识别准确度等方面有优势，但作用距离和测距精度不如毫米波雷达，并且容易受光照、天气等因素的影响。惯性测量单元(InertialMeasurementUnit，IMU)通常由陀螺仪、加速剂和算法处理单元组成，通过对加速度和旋转角度的测量得出本车的运动轨迹。激光雷达成本高，测距精度最高，但是对物体的材质属性识别较差，另外分辨率较低也是影响使用的原因之一。总之只有相互配合取长补短，才能实现更稳定可靠的自动驾驶。使得三种传感器协调统一工作的基础就是传感器的标定，传感器标定是自动驾驶的基本需求，一个车上装了多个/多种传感器，而它们之间的坐标关系是需要确定的。传感器的标定就是确定不同传感器的不同坐标系之间的相互转换关系，是传感器数据融合的前提，特别是激光雷达的点云数据和图像数据。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本公开提供一种智能汽车的传感器标定方法、装置、电子设备及计算机可读介质，能够快速准确的对智能汽车上的传感器进行标定，有助于智能汽车在日常行驶时，快速准确的对障碍物进行识别，规划行驶路线。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种智能汽车的传感器标定方法，该方法包括：将智能汽车设置为初始化状态；控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，所述传感器包括多个激光雷达、惯性测量单元、车载相机；通过实时数据对所述多个激光雷达、所述惯性测量单元、所述车载相机进行传感器标定；根据传感器标定结果生成第一外参，第二外参，第三外参之后完成所述传感器的标定。在本公开的一种示例性实施例中，还包括：在所述智能汽车的正常行驶过程中，基于所述第一外参，所述第二外参，所述第三外参进行图像融合；根据所述图像融合结果规划所述智能汽车的行驶路线。在本公开的一种示例性实施例中，基于所述第一外参，所述第二外参，所述第三外参进行图像融合，包括：基于所述第一外参进行所述多个激光雷达之间的图像融合；和/或基于所述第二外参进行所述多个激光雷达和所述惯性测量单元之间的图像融合；和/或基于所述第三外参进行所述多个激光雷达和所述车载相机之间的图像融合。在本公开的一种示例性实施例中，控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，包括：控制所述智能汽车在低于速度阈值的状态下行驶，获取所述多个激光雷达的实时点云数据；控制所述智能汽车按照第一预设路线和第二预设路线行驶，获取所述多个激光雷达和所述惯性测量单元的点云数据和车身位姿数据；控制所述智能汽车在低于速度阈值的状态下行驶，获取所述多个激光雷达和所述车载相机的点云数据和相机数据。在本公开的一种示例性实施例中，所述多个激光雷达包括主激光雷达和辅激光雷达；通过实时数据对所述多个激光雷达进行传感器标定，包括：将第一帧主激光雷达的点云数据和任意多帧主激光雷达的点云数据、初始外参输入第一预设函数中生成多个主初始外参；将第一帧辅激光雷达的点云数据和任意多帧辅激光雷达的点云数据、初始外参输入预设函数中生成多个辅初始外参；通过所述多帧主激光雷达的点云数据、所述多个主初始外参、所述多帧辅激光雷达的点云数据、所述多个辅初始外参生成稠密点云数据；将所述稠密点云数据和测量外参输入所述第一预设函数以生成所述第一外参。在本公开的一种示例性实施例中，通过所述多帧主激光雷达的点云数据、所述多个主初始外参、所述多帧辅激光雷达的点云数据、所述多个辅初始外参生成稠密点云数据，包括：将所述多帧主激光雷达的点云数据、所述多个主初始外参输入第二预设函数生成主稠密点云数据；将所述多帧辅激光雷达的点云数据、所述多个辅初始外参输入第二预设函数生成辅稠密点云数据。在本公开的一种示例性实施例中，通过实时数据对所述多个激光雷达、所述惯性测量单元进行传感器标定，包括：控制所述智能汽车按照第一预设路线行驶以获取第一帧车身位姿数据；将后续多帧车身位姿数据右乘所述第一帧车身位姿数据生成第一坐标系位姿；将后续多帧车身位姿数据右乘激光雷达的初始外参生成第二坐标系位姿。在本公开的一种示例性实施例中，通过实时数据对所述多个激光雷达、所述惯性测量单元进行传感器标定，还包括：控制所述智能汽车按照第二预设路线行驶以获取多组点云坐标数据；将所述多组点云数据、激光雷达的外参、多个自由度数值输入第三预设函数；通过所述第三预设函数进行优化以生成所述第二外参。在本公开的一种示例性实施例中，通过实时数据对所述多个激光雷达、所述车载相机进行传感器标定，包括：控制所述智能汽车在低于速度阈值的状态下行驶，基于所述多个激光雷达和所述车载相机的点云数据、相机数据、时间戳生成多组数据；对所述多组数据进行检测以确定每组数据中的障碍物边缘；对所述障碍物边缘进行稠密化处理；基于稠密化处理之后的障碍物边缘坐标、车载相机初始外参、多个自由度数值和第三预设函数生成所述第三外参。在本公开的一种示例性实施例中，对所述障碍物边缘进行稠密化处理，包括：基于车身位姿数据将多帧点云数据进行合并以对所述障碍物边缘进行稠密化处理。根据本公开的一方面，提出一种智能汽车的传感器标定装置，该装置包括：初始化模块，用于将智能汽车设置为初始化状态；控制模块，用于控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，所述传感器包括多个激光雷达、惯性测量单元、车载相机；标定模块，用于通过实时数据对所述多个激光雷达、所述惯性测量单元、所述车载相机进行传感器标定；外参模块，用于根据传感器标定结果生成第一外参，第二外参，第三外参之后完成所述传感器的标定。根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的智能汽车的传感器标定方法、装置、电子设备及计算机可读介质，将智能汽车设置为初始化状态；控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，所述传感器包括多个激光雷达、惯性测量单元、车载相机；通过实时数据对所述多个激光雷达、所述惯性测量单元、所述车载相机进行传感器标定；根据传感器标定结果生成第一外参，第二外参，第三外参之后完成所述传感器的标定的方式，能够快速准确的对智能汽车上的传感器进行标定本文档来自技高网...

【技术保护点】
1.一种智能汽车的传感器标定方法，其特征在于，包括：/n将智能汽车设置为初始化状态；/n控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，所述传感器包括多个激光雷达、惯性测量单元、车载相机；/n通过实时数据对所述多个激光雷达、所述惯性测量单元、所述车载相机进行传感器标定；/n根据传感器标定数据生成第一外参，第二外参，第三外参之后完成所述传感器的标定。/n

【技术特征摘要】
1.一种智能汽车的传感器标定方法，其特征在于，包括：
将智能汽车设置为初始化状态；
控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，所述传感器包括多个激光雷达、惯性测量单元、车载相机；
通过实时数据对所述多个激光雷达、所述惯性测量单元、所述车载相机进行传感器标定；
根据传感器标定数据生成第一外参，第二外参，第三外参之后完成所述传感器的标定。


2.如权利要求1所述的方法，其特征在于，还包括：
在所述智能汽车的正常行驶过程中，基于所述第一外参，所述第二外参，所述第三外参进行图像融合；
根据所述图像融合结果规划所述智能汽车的行驶路线。


3.如权利要求2所述的方法，其特征在于，基于所述第一外参，所述第二外参，所述第三外参进行图像融合，包括：
基于所述第一外参进行所述多个激光雷达之间的图像融合；和/或
基于所述第二外参进行所述多个激光雷达和所述惯性测量单元之间的图像融合；和/或
基于所述第三外参进行所述多个激光雷达和所述车载相机之间的图像融合。


4.如权利要求1所述的方法，其特征在于，控制所述智能汽车按照预设路线行进，以使得所述智能汽车上的多个传感器获取实时数据，包括：
控制所述智能汽车在低于速度阈值的状态下行驶，获取所述多个激光雷达的实时点云数据；
控制所述智能汽车按照第一预设路线和第二预设路线行驶，获取所述多个激光雷达和所述惯性测量单元的点云数据和车身位姿数据；
控制所述智能汽车在低于速度阈值的状态下行驶，获取所述多个激光雷达和所述车载相机的点云数据和相机数据。


5.如权利要求4所述的方法，其特征在于，所述多个激光雷达包括主激光雷达和辅激光雷达；
通过实时数据对所述多个激光雷达进行传感器标定，包括：
将第一帧主激光雷达的点云数据和任意多帧主激光雷达的点云数据、初始外参输入第一预设函数中生成多个主初始外参；
将第一帧辅激光雷达的点云数据和任意多帧辅激光雷达的点云数据、初始外参输入预设函数中生成多个辅初始外参；
通过所述多帧主激光雷达的点云数据、所述多个主初始外参、所述多帧辅激光雷达的点云数据、所述多个辅初始外参生成稠密点云数据；
将所述稠密点云数据和测量外参输入所述第一预设函数以生成所述第一外参。


6.如权利要求5所述的方法，其特征在于，通过所述多帧主激光雷达的点云数据、所述多个主初始外参、所述多帧辅激光雷达的点云数据、所述多个辅初始外参生成稠密点云数据，包括：
将所述多帧主激光雷达的点云数据、所述多个主初始外参输入第...

【专利技术属性】
技术研发人员：薛辉，杨庆雄，
申请(专利权)人：福建牧月科技有限公司，
类型：发明
国别省市：福建;35