本申请涉及一种激光雷达与IMU外参标定方法及装置，属于计算机技术领域，该方法包括：获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据；基于点云数据进行点云匹配计算当前的激光雷达位姿信息；基于惯性测量数据计算当前的IMU位姿信息；将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐，得到对齐后的位姿信息组；使用RANSAC算法基于对齐后的位姿信息组确定外参标定值；可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题；由于RANSAC算法可以很好地去除手眼标定位姿中异常位姿对结果的影响，因此，可以解决可以提高标定结果的准确性和稳定性。解决可以提高标定结果的准确性和稳定性。解决可以提高标定结果的准确性和稳定性。
【技术实现步骤摘要】
激光雷达与IMU外参标定方法及装置
[0001]本申请涉及一种激光雷达与IMU外参标定方法及装置，属于计算机
技术介绍
[0002]建图与定位是无人驾驶车辆实现自动驾驶的关键技术。在车辆实际运行中，使用单一传感器进行测量可能由于传感器本身的限制导致较大的测量误差。目前，使用激光雷达和惯性测量单元(Inertial Measurement Unit，IMU)融合的方案是目前工业界的主流研究方向。由于不同传感器在载具上分别装配在不同的位置，同时安装时的姿态角也可能不一致，因此，标定出两种传感器之间精准的位置和姿态角的偏差(即传感器的外参)是实现传感器参数融合的重要基础。
[0003]在对激光雷达和IMU的外参进行标定时，通过使用手眼标定方程进行标定，即分别求解激光雷达和IMU在特定时刻的运动信息，再利用两者位姿之间的约束建立目标方程，通过优化该目标方程得到结果。
[0004]然而，求得的传感器里程信息会含有很多的异常数据，用这个结果带入直接求解得到的标定结果不稳定，同时存在较大的误差。
技术实现思路
[0005]本申请提供了一种激光雷达与IMU外参标定方法及装置，可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题。本申请提供如下技术方案：
[0006]第一方面，提供了一种激光雷达与IMU外参标定方法，所述方法包括：
[0007]获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据；
[0008]基于所述点云数据计算当前的激光雷达位姿信息；
[0009]基于所述惯性测量数据计算当前的IMU位姿信息；
[0010]将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐，得到对齐后的位姿信息组；
[0011]使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
[0012]可选地，所述使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值，包括：
[0013]循环执行下述步骤，直至循环条件不满足预设条件时停止：将多组所述对齐后的位姿信息组输入手眼标定方程，得到粗略外参估计值；使用所述RANSAC算法和所述粗略外参估计值确定粗略模型得分、以及所述多组所述对齐后的位姿信息组中的粗略外点集和粗略内点集；在所述粗略模型得分高于得分阈值时，将所述粗略外参估计值对应的参数模型确定为候选参数模型；
[0014]循环执行下述步骤，直至从多个所述候选参数模型中筛选出唯一的参数模型时停止，得到该参数模型对应的外参标定值：对于每个候选参数模型对应的粗略内点集，将所述粗略内点集再次输入所述手眼标定方程，得到精细外参估计值；使用所述RANSAC算法和所
述精细外参估计值再次确定精细模型得分、以及所述粗略内点集中的精细外点集和精细内点集；基于所述精细模型得分筛除不符合模型条件的候选参数模型。
[0015]可选地，所述预设条件为执行次数达到预设次数；或者，为候选参数模型的个数达到预设个数。
[0016]可选地，所述模型条件为对各个候选参数模型按照精细模型得分由高到低进行排序后，排序在前n位的候选参数模型，其中，n＝1/N，所述N为候选参数模型的个数。
[0017]可选地，所述将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐，得到对齐后的位姿信息组，包括：
[0018]获取每帧激光雷达位姿信息对应的目标时间戳；
[0019]从所述IMU位姿信息的时间戳中确定与所述目标时间戳相邻最近的两个时间戳；
[0020]根据所述目标时间戳和确定出的两个IMU相邻时间戳之间的差值，对所述IMU位姿信息进行插值补偿，得到所述对齐到目标时间戳后的位姿信息组。
[0021]可选地，所述获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据之后，还包括：
[0022]对所述点云数据进行预处理，以去除噪点；
[0023]对预处理后的点云数据进行降采样处理，得到处理后的点云数据，所述处理后的点云数据用于进行所述激光雷达位姿信息的计算。
[0024]可选地，所述基于所述点云数据计算当前的激光雷达位姿信息，包括：
[0025]使用正态分布变换NDT算法对邻近帧的处理后的点云数据进行配准；
[0026]根据配准得到的位姿变换积分得到所述激光雷达位姿信息。
[0027]可选地，所述基于所述惯性测量数据计算当前的IMU位姿信息，包括：
[0028]对所述惯性测量数据进行预积分，得到所述IMU位姿信息。
[0029]第二方面，提供了一种激光雷达与IMU外参标定装置，所述装置包括：
[0030]数据获取模块，用于获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据；
[0031]第一计算模块，用于基于所述点云数据计算当前的激光雷达位姿信息；
[0032]第二计算模块，用于基于所述惯性测量数据计算当前的IMU位姿信息；
[0033]数据对齐模块，用于将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐，得到对齐后的位姿信息组；
[0034]外参标定模块，用于使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。
[0035]本申请的有益效果在于：通过获取激光雷达采集到的点云数据和IMU采集到的惯性测量数据；基于点云数据计算当前的激光雷达位姿信息；基于惯性测量数据计算当前的IMU位姿信息；将激光雷达位姿信息和IMU位姿信息基于时间戳进行对齐，得到对齐后的位姿信息组；使用RANSAC算法基于对齐后的位姿信息组确定外参标定值；可以解决仅使用手眼标定方程进行外参标定时导致的稳定性和准确性较差的问题；由于RANSAC算法可以很好地去除手眼标定位姿中异常位姿对结果的影响，因此，可以解决可以提高标定结果的准确性和稳定性。
[0036]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，
并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
[0037]图1是本申请一个实施例提供的激光雷达与IMU外参标定方法的流程图；
[0038]图2是本申请另一个实施例提供的激光雷达与IMU外参标定方法的流程图；
[0039]图3是本申请一个实施例提供的激光雷达与IMU外参标定装置的框图。
具体实施方式
[0040]下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
[0041]首先，对本申请涉及的若干名词进行介绍。
[0042]随机采样一致性算法(Random Sample Consensus，RANSAC)：可以根据一组包含异常数据的样本数据集，迭代地计算出数据的数学模型参数，从而区分出正常数据和异常数据，并得到符合这些数据的模型参数。
[0043]RAN本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种激光雷达与IMU外参标定方法，其特征在于，所述方法包括：获取所述激光雷达采集到的点云数据和所述IMU采集到的惯性测量数据；基于所述点云数据计算当前的激光雷达位姿信息激光雷达位姿信息；基于所述惯性测量数据计算当前的IMU位姿信息IMU位姿信息；将所述激光雷达位姿信息和所述IMU位姿信息基于时间戳进行对齐，得到对齐后的位姿信息组；使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值。2.根据权利要求1所述的方法，其特征在于，所述使用所述RANSAC算法基于所述对齐后的位姿信息组确定外参标定值，包括：循环执行下述步骤，直至循环条件不满足预设条件时停止：将多组所述对齐后的位姿信息组输入手眼标定方程，得到粗略外参估计值；使用所述RANSAC算法和所述粗略外参估计值确定粗略模型得分、以及所述多组所述对齐后的位姿信息组中的粗略外点集和粗略内点集；在所述粗略模型得分高于得分阈值时，将所述粗略外参估计值对应的参数模型确定为候选参数模型；循环执行下述步骤，直至从多个所述候选参数模型中筛选出唯一的参数模型时停止，得到该参数模型对应的外参标定值：对于每个候选参数模型对应的粗略内点集，将所述粗略内点集再次输入所述手眼标定方程，得到精细外参估计值；使用所述RANSAC算法和所述精细外参估计值再次确定精细模型得分、以及所述粗略内点集中的精细外点集和精细内点集；基于所述精细模型得分筛除不符合模型条件的候选参数模型。3.根据权利要求2所述的方法，其特征在于，所述预设条件为执行次数达到预设次数；或者，为候选参数模型的个数达到预设个数。4.根据权利要求2所述的方法，其特征在于，所述模型条件为对各个候选参数模型按照精细模型得分由高到低进行排序后，排序在前n位的候选参数模型，其中，n＝N/2，所述N为候选参数模型...
【专利技术属性】
技术研发人员：陈骏超，
申请(专利权)人：知行汽车科技苏州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。