【技术实现步骤摘要】
一种车辆与障碍物相对位置自动获取方法
[0001]本专利技术涉及自动驾驶和智能网联汽车
，特别是传感器标定领域,具体涉及一种车辆与障碍物相对位置自动获取方法。
技术介绍
[0002]智能网联汽车或自动驾驶汽车的车载激光雷达标定往往在特定场景完成，标定车载传感器是智能网联汽车或自动驾驶汽车开发测试的前序步骤，目前在标定智能网联汽车车载激光雷达时，通常会在标定场景中布置特征标定物用于标定，由于车体坐标系位置及坐标系原点位置固定，对车辆停放的位姿有严格的要求，这就导致标定车辆的停放难度较大，降低了标定精度，甚至导致标定失败，极大影响了车载激光雷达的标定效率。由于标定场景及特征标志物位置固定，则需要保证在进行激光雷达标定时按规定的位姿进行停放，进而才能保证预先存储的特定标定物与车体的相对位置关系的有效性；目前做法是在摆放车辆时通常由人手工操作，缺乏标准化和自动化的获取车体与特征标定物相对位置关系的方式，手工调整车辆位姿，效率低，难度高，且标定结果的精度存在一定的不确定性，甚至导致标定失败的情况发生。
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种车辆与障碍物相对位置自动获取方法，其特征在于，在车载激光雷达标定场正中间位置的上方设置用于获取标定场内状态的摄像头，在标定场场地两个对角处分别布置球体特征标定物，然后检测出标定场内的球体特征标定物的球心的世界坐标，并检测待获取标定车辆外轮廓，接着计算出车辆外轮廓的外接矩形并获取该外接矩形正中心的世界坐标，再以车辆外轮廓的外接矩形的正中心为车体坐标系原点，将车体坐标系的X轴、Y轴设置为分别与车辆外轮廓的外接矩形的两条边平行，再通过车体坐标系与世界坐标系的旋转平移转系，最终计算出球体特征标定物的球心在车体坐标系中的坐标。2.如权利要求1所述的车辆与障碍物相对位置自动获取方法，其特征在于，具体包括以下步骤：(1)在车辆车载激光雷达标定场地的两个对角处各布置一组球体特征标定物，且每组球体特征标定物是由呈正三角形分布的三个表面为高哑光的球体构成；(2)将摄像头置于车载激光雷达标定场地的正中间上方，摄像头的高度需保证其拥有完整、清晰的标定场地的视野，并使摄像头成像平面与标定场地的平面保持水平，再将车辆停放于标定场地正中间区域内且保证车头航向角在0
°‑
180
°
之间；(3)对置于车辆车载激光雷达标定场地正中间上方的摄像头的内参矩阵及外参矩阵进行标定，并将摄像头的内、外参矩阵存储于标定运算计算机中；(4)载入并保存一张标定车辆未进入标定场地时的图像并对该图像进行灰度化处理，对得到的灰度图进行高斯滤波与平滑处理，然后检测经高斯滤波与平滑处理后的图像中的圆，提取出圆心坐标即球心在二维像素坐标系下的坐标，接着将球心在二维像素坐标系下的坐标转换到世界坐标系下，得出球心在世界坐标系下的坐标并存储于标定计算机中；(5)载入待标定车辆未进入标定场时的图像获取球体球心的世界坐标的同时，通过混合高斯模型对经上述步骤(4)中高斯滤波与平滑处理后的图像进行背景建模并存储建模结果，即背景图像；(6)在保证车头航向角在0
°‑
180
°
内的前提下，将车辆以任意位姿停放在标定场内，获取并载入待标定车辆进入标定场后的当前景帧图像；(7)获取并载入车辆停放在标定场内的当前景帧图像P
vehicle
，再将当前景帧图像P
vehicle
进行高斯滤波处理后与预先存储于标定计算机中的背景帧图像P
empty
作为输入，使用背景差分法对图像进行处理，计算出与背景偏离超过一定阈值的像素区域作为待标定车辆在图像中的所在区域，获取一张仅包含待标定车辆的前景像素图；(8)对上述步骤(7)中所获得的前景像素图进行二值化和高斯滤波与平滑处理，然后检测待获取标定车辆的外轮廓信息，提取车辆外轮廓中处于最外围的两个对角点并获取其在像素坐标系下的坐标，以这两个对角点构造待标定车辆外轮廓的外接矩形；(9)以上述步骤(8)中构造的外接矩形的几何中心点为车体坐标系的原点，将车体坐标系的原点设置在高于地面且能保证摄像头具有覆盖整个标定场地的清晰视野的平面上，从车体坐标系的原点分别向外接矩形的两条边作垂线，获取垂线与外接矩形的边的交点在图像坐标系中的坐标；(10)通过像素坐标系下和世界坐标系下的坐标转换公式分别计算得到上述步骤(9)中车体坐标系的原点、垂线与外接矩形的边的交点在世界坐标系中的坐标，再计算出车体此时的航向角；
(11)最后计算出球体特征标定物的球心在车体坐标系下的坐标。3.如权利要求2所述的车辆与障碍物相对位置自动获取方法，其特征在于：所述步...
【专利技术属性】
技术研发人员：周奎，丁松，付勇智，张友兵，杨亚会，张宇丰，刘瀚文，赵毅，
申请(专利权)人：湖北汽车工业学院，
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。