用于确定相对位姿参数的方法和装置制造方法及图纸

本申请实施例公开了用于确定相对位姿参数的方法和装置。该用于确定相对位姿参数的方法的一个具体实施方式包括：获取多线激光雷达扫描的预设场景的激光点云数据；其中，预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；获取单目相机拍摄的预设场景的图像；获取激光点云数据中的第一平面信息集合；获取图像中的第二平面信息集合；从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联；基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相对位姿参数。该实施方式可以通过采集一幅图像和一帧点云数据，简洁高效的计算单目相机与激光雷达的相对位姿参数，提高了计算位姿参数的效率。

【技术实现步骤摘要】
用于确定相对位姿参数的方法和装置
本申请涉及计算机
，具体涉及自动驾驶
，尤其涉及用于确定相对位姿参数的方法和装置。
技术介绍
自动驾驶技术中一个重要的任务是对环境的有效感知。通常感知系统包含一系列的传感器，如单目相机，立体相机，激光雷达(LIDAR)，GPS等，为在各种环境下的应用提供线索。单目相机提供基于图像的特征，如纹理、颜色等。激光雷达提供基于距离的信息，如轮廓、形状信息等。每个传感器都有自己的优缺点，相机提供了丰富的环境信息但是视野(FOV)狭窄，激光雷达有着360°的视野范围，但是只能提供相对稀疏的深度信息。为了整合两者的优点，融合传感器的数据，需要对相机和激光雷达进行标定。对于相机和激光雷达的标定，成熟的方法并不多见。大家所熟知的是Matlab提供的基于棋盘格的相机和单线激光雷达标定的工具箱，后来又增加了标定多线激光雷达的部分。在相机和激光雷达标定过程中，需要采集多组图像和对应的点云数据，逐个进行手动筛选，这个过程中不仅增加了标定工作量，还引入了人为因素造成的误差，导致校准结果的准确度得不到保证。
技术实现思路
本申请实施例提供了用于确定相对位姿参数的方法和装置。第一方面，本申请实施例提供了一种用于确定相对位姿参数的方法，包括：获取多线激光雷达扫描的预设场景的激光点云数据；其中，预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；获取单目相机拍摄的预设场景的图像；获取激光点云数据中的第一平面信息集合；获取图像中的第二平面信息集合；从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联；基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相对位姿参数。在一些实施例中，获取激光点云数据中的第一平面信息集合包括以下任意一项：对激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合；对激光点云数据中的激光点云进行聚类，对聚类的结果进行平面检测，得到第一平面信息集合；基于人工在激光点云数据中选定的第一区域，拟合第一区域中的激光点云数据，得到第一平面信息集合。在一些实施例中，对激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合包括：基于K最近邻算法，计算激光点云数据中各个数据点的法向量；随机选择激光点云数据中的数据点作为种子点；基于各个数据点的法向量，对种子点进行区域扩张，划分激光点云数据至多个平面；剔除多个平面中面积小于棋盘格标定板的面积的平面以及平面度过低的平面，得到点云数据中的第一平面信息集合。在一些实施例中，获取图像中的第二平面信息集合包括以下任意一项：对图像中的棋盘格标定板的特征进行亚像素精度优化，并对特征进行分组，得到对应图像中各组特征的第二平面信息集合；基于人工在图像中选定的第二区域，拟合第二区域中的像素，得到第二平面信息集合。在一些实施例中，对图像中的棋盘格标定板的特征进行亚像素精度优化，并对特征进行分组，得到对应图像中各组特征的第二平面信息集合包括：提取图像中的棋盘格标定板的角点；对角点进行亚像素精度优化，得到优化后的角点；对优化后的角点进行分组，并对分组后的各组角点进行编号；基于编号后的各组角点，分别确定第二平面信息，得到第二平面信息集合。在一些实施例中，提取图像中的棋盘格标定板的角点包括：选择沿轴向的角滤波器和与轴向形成预定角度夹角的角滤波器，分别对图像的灰度图进行卷积，得到棋盘格标定板的角点。在一些实施例中，提取图像中的棋盘格标定板的角点包括：选择沿轴向的角滤波器和与轴向形成45度夹角的角滤波器，分别对图像的灰度图进行卷积，得到棋盘格标定板的角点。在一些实施例中，从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联包括以下任意一项：将第一平面信息集合投影至图像中，得到第三平面信息集合；基于第三平面信息集合中各平面与第二平面信息集合中各平面的距离或法向量的相似度，随机抽取相对应的三组平面进行关联；将第二平面信息集合投影至激光点云数据中，得到第四平面信息集合；基于第四平面信息集合中各平面与第一平面信息集合中各平面的距离或法向量的相似度，随机抽取相对应的三组平面进行关联；基于人工操作，从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联。在一些实施例中，方法还包括：根据相对位姿参数，将关联后的三组平面在相机坐标系的位姿转换至激光雷达坐标系中；响应于转换至激光雷达坐标系的三个平面与激光点云数据中的三个平面的距离小于预定距离，确定相对位姿参数正确；或根据相对位姿参数，将关联后的三组平面在激光雷达坐标系的位姿转换至相机坐标系中；响应于转换至相机坐标系的三个平面与图像中的三个平面的距离小于预定距离，确定相对位姿参数正确。在一些实施例中，转换至激光雷达坐标系的三个平面与点云数据中的三个平面的距离或转换至相机坐标系的三个平面与图像中的三个平面的距离经由以下步骤确定：复制图像，将两幅图像中的一幅设定为参考图像，另一幅设定为待处理图像；将待处理图像中随机选择的两组棋盘格标定板对应至参考图像中，得到一组平移、旋转和缩放参数；采用平移、旋转和缩放参数，将待处理图像中的所有棋盘格标定板投影到参考图像中；计算投影至参考图像中的各个棋盘格标定板与参考图像中原有的各个棋盘格标定板的投影误差；基于误差最小的一组平移、旋转和缩放参数，确定相机内部参数；基于相机内部参数，确定棋盘格标定板的外部参数和法向量；基于法向量与关联后的三组平面的法向量相似度最高的棋盘格标定板的外部参数，确定关联后的三组平面分别在相机坐标系中的距离。在一些实施例中，方法还包括：采用梯度下降法对确定为正确的位姿参数进行优化，得到位姿参数的最优解。第二方面，本申请实施例提供了一种用于确定相对位姿参数的装置，包括：点云获取单元，被配置成获取多线激光雷达扫描的预设场景的激光点云数据；其中，预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；图像获取单元，被配置成获取单目相机拍摄的预设场景的图像；第一获取单元，被配置成获取激光点云数据中的第一平面信息集合；第二获取单元，被配置成获取图像中的第二平面信息集合；平面关联单元，被配置成从第一平面信息集合与第二平面信息集合中，随机抽取相对应的三组平面进行关联；参数计算单元，被配置成基于关联后的三组平面的中心点和法向量，计算多线激光雷达与单目相机的相对位姿参数。在一些实施例中，第一获取单元进一步被配置成执行以下任意一项：对激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合；对激光点云数据中的激光点云进行聚类，对聚类的结果进行平面检测，得到第一平面信息集合；基于人工在激光点云数据中选定的第一区域，拟合第一区域中的激光点云数据，得到第一平面信息集合。在一些实施例中，第一获取单元中对激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合包括：基于K最近邻算法，计算激光点云数据中各个数据点的法向本文档来自技高网...

【技术保护点】
1.一种用于确定相对位姿参数的方法，包括：/n获取多线激光雷达扫描的预设场景的激光点云数据；其中，所述预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；/n获取单目相机拍摄的所述预设场景的图像；/n获取所述激光点云数据中的第一平面信息集合；/n获取所述图像中的第二平面信息集合；/n从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联；/n基于关联后的三组平面的中心点和法向量，计算所述多线激光雷达与所述单目相机的相对位姿参数。/n

【技术特征摘要】
1.一种用于确定相对位姿参数的方法，包括：
获取多线激光雷达扫描的预设场景的激光点云数据；其中，所述预设场景包括预设数量的设于不同区域且规格不完全相同的棋盘格标定板；
获取单目相机拍摄的所述预设场景的图像；
获取所述激光点云数据中的第一平面信息集合；
获取所述图像中的第二平面信息集合；
从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联；
基于关联后的三组平面的中心点和法向量，计算所述多线激光雷达与所述单目相机的相对位姿参数。


2.根据权利要求1所述的方法，其中，所述获取所述激光点云数据中的第一平面信息集合包括以下任意一项：
对所述激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合；
对所述激光点云数据中的激光点云进行聚类，对聚类的结果进行平面检测，得到第一平面信息集合；
基于人工在所述激光点云数据中选定的第一区域，拟合所述第一区域中的激光点云数据，得到第一平面信息集合。


3.根据权利要求2所述的方法，其中，对所述激光点云数据中随机确定的种子点进行区域扩张，基于扩张的结果，获取第一平面信息集合包括：
基于K最近邻算法，计算所述激光点云数据中各个数据点的法向量；
随机选择所述激光点云数据中的数据点作为种子点；
基于所述各个数据点的法向量，对所述种子点进行区域扩张，划分所述激光点云数据至多个平面；
剔除所述多个平面中面积小于棋盘格标定板的面积的平面以及平面度过低的平面，得到点云数据中的第一平面信息集合。


4.根据权利要求1所述的方法，其中，所述获取所述图像中的第二平面信息集合包括以下任意一项：
对所述图像中的棋盘格标定板的特征进行亚像素精度优化，并对所述特征进行分组，得到对应所述图像中各组特征的第二平面信息集合；
基于人工在所述图像中选定的第二区域，拟合所述第二区域中的像素，得到第二平面信息集合。


5.根据权利要求4所述的方法，其中，所述对所述图像中的棋盘格标定板的特征进行亚像素精度优化，并对所述特征进行分组，得到对应所述图像中各组特征的第二平面信息集合包括：
提取所述图像中的棋盘格标定板的角点；
对所述角点进行亚像素精度优化，得到优化后的角点；
对所述优化后的角点进行分组，并对分组后的各组角点进行编号；
基于编号后的各组角点，分别确定第二平面信息，得到第二平面信息集合。


6.根据权利要求5所述的方法，其中，所述提取所述图像中的棋盘格标定板的角点包括：
选择沿轴向的角滤波器和与轴向形成预定角度夹角的角滤波器，分别对所述图像的灰度图进行卷积，得到所述棋盘格标定板的角点。


7.根据权利要求5或6任意一项所述的方法，其中，所述提取所述图像中的棋盘格标定板的角点包括：
选择沿轴向的角滤波器和与轴向形成45度夹角的角滤波器，分别对所述图像的灰度图进行卷积，得到所述棋盘格标定板的角点。


8.根据权利要求1所述的方法，其中，所述从所述第一平面信息集合与所述第二平面信息集合中，随机抽取相对应的三组平面进行关联包括以下任意一项：
将所述第一平面信息集合投影至所述图像中，得到第三平面信息集合；基于所述第三平面信息集合中各平面与...

【专利技术属性】
技术研发人员：崔伟，黄玉玺，刘懿，孙云哲，
申请(专利权)人：北京京邦达贸易有限公司，北京京东乾石科技有限公司，
类型：发明
国别省市：北京;11