一种联合标定方法、系统及标定板技术方案

本发明专利技术提供了一种联合标定方法、系统及标定板，属于多传感器数据融合技术领域，本发明专利技术提供的一种联合标定方法，首先采用激光雷达扫描标定板得到原始激光点云数据，对原始激光点云数据进行滤波和交叉去噪处理后得到相交点云数据，然后提取相交点云数据的边缘点并根据边缘点得到位姿变换矩阵，通过位姿变换矩阵得到圆心的空间坐标，最后根据圆心的空间坐标与检测标定板图片得到的椭圆中心像素坐标得到相机的位姿；本发明专利技术通过对原始激光点云数据进行滤波和交叉去噪处理可以有效去除激光雷达因受材质、结构或噪声等影响存在部分偏离真实平面的点云数据，大大提高了位姿标定精度。

【技术实现步骤摘要】
一种联合标定方法、系统及标定板
本专利技术属于多传感器数据融合
，更具体地说，是涉及一种联合标定方法、系统及标定板。
技术介绍
激光雷达和相机被广泛用于自动驾驶、三维重建、目标检测、自主导航、遥感等领域，这些应用对周围感知的可靠性的要求很高。通过激光雷达可以快速的获取目标的三维空间信息；相机可以获取到包含目标各种表面特征、色彩、纹理等信息的高质量二维图像。所以激光雷达对光照的鲁棒性弥补了相机受光照条件严重影响的不足。相反，相机丰富的纹理和高帧率弥补了激光雷达固有的低空间分辨率缺点，因此二者具有很强的互补性。在激光雷达-相机系统的使用过程中，需要提前获取激光雷达和相机之间的外部参数，因为这些数据必须在统一的坐标系中才能有效使用。然而，由于激光雷达点云的稀疏特性，高精度的激光雷达-摄像机外部标定仍然是一项具有挑战性的任务。稀疏特征导致从三维稀疏点云中提取关键点或关键特征的精度低，与2D密集图像关联的精度低，从而带来估计误差。因此，如何从稀疏点云中提取更接近真实的特征，以及如何在点云和图像之间找到更准确的对应关系是解决此类问题的关键。当前最为常见的方法是将圆分割检测到的多个累积中心的聚类质心作为稀疏点云中的关键点来提高精度，并通过标定目标(具有四个圆孔的平板)来建立数据对应关系，但是现有的标定方法采用RANSAC平面分割算法来获得平面参数，因为RANSAC平面分割算法得到的平面参数精度并不高，且受噪声影响鲁棒性比较差，所以存在对激光雷达-相机系统标定精度不足，误差大的问题。
技术实现思路
本专利技术的目的在于提供一种联合标定方法、系统及标定板，旨在解决现有技术中对激光雷达-相机系统标定精度不足，误差大的问题。为实现上述目的，本专利技术采用的技术方案是：一种联合标定方法，包括：步骤1：采用激光雷达对标定板进行扫描得到两组原始激光点云数据；所述两组原始激光点云数据包括：第一原始激光点云数据和第二原始激光点云数据；所述标定板上开设有三个圆孔；步骤2：对两组所述原始激光点云数据进行滤波处理得到两组标定板点云数据；所述两组标定板点云数据包括:第一标定板点云数据和第二标定板点云数据；步骤3：根据所述第一标定板点云数据对所述第二标定板点云数据进行交叉去噪处理得到相交点云数据；步骤4：提取所述相交点云数据的边缘点；步骤5：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值得到位姿变换矩阵；步骤6：根据所述位姿变换矩阵将所述标定板平面坐标系下的圆心平面坐标转换到激光雷达坐标系下得到圆心的空间坐标；步骤7：采用相机对所述标定板进行拍照得到标定板图片；步骤8：对所述标定板图片进行椭圆检测得到椭圆中心的像素坐标；步骤9：根据所述圆心的空间坐标和所述椭圆中心的像素坐标得到所述相机的位姿。优选的，所述步骤3：根据所述第一标定板点云数据对所述第二标定板点云数据进行交叉去噪处理得到相交点云数据,包括：步骤3.1：对所述第一标定板点云数据进行外点剔除处理得到内点点云数据；步骤3.2：根据所述内点点云数据利用最小二乘平面拟合算法得到拟合平面；步骤3.3：将所述第二标定板点云数据中的每个点的射线与所述拟合平面相交得到相交点云数据。优选的，所述步骤4：提取所述相交点云数据的边缘点，包括：步骤4.1：获取相交点云数据上所有激光点的坐标；步骤4.2：判断每一个激光点与相邻激光点的间距是否大于距离阈值，生成第一判断结果；步骤4.3：若所述第一判断结果为所述激光点与所述相邻激光点的间距大于距离阈值，则将所述激光点作为所述边缘点。优选的，所述步骤5：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值得到位姿变换矩阵，包括：步骤5.1：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值构建位姿优化目标函数；其中，所述位姿优化目标函数为：其中，表示标定平面坐标系下已知的参考点坐标，T表示位姿变换矩阵，表示提取的参考点坐标，r表示圆孔半径；步骤5.2：采用位姿优化目标函数得到位姿变换矩阵。优选的，所述步骤9：根据所述圆心的空间坐标和所述椭圆中心的像素坐标得到所述相机的位姿，包括：步骤9.1：根据所述圆心的空间坐标和所述椭圆中心的像素坐标利用P3P算法得到四组位姿解；步骤9.2：根据所述四组位姿解得到相应的四个相机坐标系平面；步骤9.3：将所述椭圆上的长短轴所对应的点变换为相机坐标系下的射线；步骤9.4：根据所述四个相机坐标系平面与所述射线得到所述射线分别与所述四个相机坐标系平面的交点；步骤9.5：根据所述交点与所述圆心的空间坐标建立位姿解误差模型；步骤9.6：根据所述位姿解误差模型得到所述四组位姿解之中的真解；步骤9.7：根据所述真解得到所述相机的位姿。优选的，所述位姿解误差模型为：其中，表示圆孔中心坐标，Pij表示圆孔边上点的坐标，k表示位姿解的个数。本专利技术还提供了一种联合标定系统，包括：原始激光点云数据获取模块，用于采用激光雷达对标定板进行扫描得到两组原始激光点云数据；所述两组原始激光点云数据包括：第一原始激光点云数据和第二原始激光点云数据；滤波处理模块，用于对两组所述原始激光点云数据进行滤波处理得到两组标定板点云数据；所述两组标定板点云数据包括:第一标定板点云数据和第二标定板点云数据；交叉去噪模块，用于根据所述第一标定板点云数据对所述第二标定板点云数据进行交叉去噪处理得到相交点云数据；边缘点提取模块，用于提取所述相交点云数据的边缘点；位姿变换矩阵确定模块，用于根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值得到位姿变换矩阵；坐标转换模块，用于根据所述位姿变换矩阵将所述标定板平面坐标系下的圆心平面坐标转换到激光雷达坐标系下得到圆心的空间坐标；标定板图片获取模块，用于采用相机对所述标定板进行拍照得到标定板图片；椭圆检测模块，用于对所述标定板图片进行椭圆检测得到椭圆中心的像素坐标；位姿确定模块，用于根据所述圆心的空间坐标和所述椭圆中心的像素坐标得到所述相机的位姿。本专利技术还提供了一种标定板，包括：标定板上开设有三个圆孔；所述三个圆孔的圆心呈等边三角形分布。本专利技术提供的一种联合标定方法、系统及标定板的有益效果在于：与现有技术相比，本专利技术提供的一种联合标定方法，首先采用激光雷达扫描标定板得到原始激光点云数据，对原始激光点云数据进行滤波和交叉去噪处理后得到相交点云数据，然后提取相交点云数据的边缘点并根据边缘点得到位姿变换矩阵，通过位姿变换矩阵得到圆心的空间坐标，最后根据圆心的空间坐标与检测标定板图片得到的椭圆中心像素坐标得到相机的位姿；本专利技术通过对原始激光点云数据进行滤波和交叉去噪处理可以有效去除激光雷达因受材质、结构或噪声等影响存在部分偏离真实平面的点本文档来自技高网...

【技术保护点】
1.一种联合标定方法，其特征在于，包括：/n步骤1：采用激光雷达对标定板进行扫描得到两组原始激光点云数据；所述两组原始激光点云数据包括：第一原始激光点云数据和第二原始激光点云数据；所述标定板上开设有三个圆孔；/n步骤2：对两组所述原始激光点云数据进行滤波处理得到两组标定板点云数据；所述两组标定板点云数据包括:第一标定板点云数据和第二标定板点云数据；/n步骤3：根据所述第一标定板点云数据对所述第二标定板点云数据进行交叉去噪处理得到相交点云数据；/n步骤4：提取所述相交点云数据的边缘点；/n步骤5：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值得到位姿变换矩阵；/n步骤6：根据所述位姿变换矩阵将所述标定板平面坐标系下的圆心平面坐标转换到激光雷达坐标系下得到圆心的空间坐标；/n步骤7：采用相机对所述标定板进行拍照得到标定板图片；/n步骤8：对所述标定板图片进行椭圆检测得到椭圆中心的像素坐标；/n步骤9：根据所述圆心的空间坐标和所述椭圆中心的像素坐标得到所述相机的位姿。/n

【技术特征摘要】
1.一种联合标定方法，其特征在于，包括：
步骤1：采用激光雷达对标定板进行扫描得到两组原始激光点云数据；所述两组原始激光点云数据包括：第一原始激光点云数据和第二原始激光点云数据；所述标定板上开设有三个圆孔；
步骤2：对两组所述原始激光点云数据进行滤波处理得到两组标定板点云数据；所述两组标定板点云数据包括:第一标定板点云数据和第二标定板点云数据；
步骤3：根据所述第一标定板点云数据对所述第二标定板点云数据进行交叉去噪处理得到相交点云数据；
步骤4：提取所述相交点云数据的边缘点；
步骤5：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值得到位姿变换矩阵；
步骤6：根据所述位姿变换矩阵将所述标定板平面坐标系下的圆心平面坐标转换到激光雷达坐标系下得到圆心的空间坐标；
步骤7：采用相机对所述标定板进行拍照得到标定板图片；
步骤8：对所述标定板图片进行椭圆检测得到椭圆中心的像素坐标；
步骤9：根据所述圆心的空间坐标和所述椭圆中心的像素坐标得到所述相机的位姿。


2.如权利要求1所述的一种联合标定方法，其特征在于，所述步骤3：根据所述第一标定板点云数据对所述第二标定板点云数据进行交叉去噪处理得到相交点云数据,包括：
步骤3.1：对所述第一标定板点云数据进行外点剔除处理得到内点点云数据；
步骤3.2：根据所述内点点云数据利用最小二乘平面拟合算法得到拟合平面；
步骤3.3：将所述第二标定板点云数据中的每个点的射线与所述拟合平面相交得到相交点云数据。


3.如权利要求1所述的环境感知方法，其特征在于，所述步骤4：提取所述相交点云数据的边缘点，包括：
步骤4.1：获取相交点云数据上所有激光点的坐标；
步骤4.2：判断每一个激光点与相邻激光点的间距是否大于距离阈值，生成第一判断结果；
步骤4.3：若所述第一判断结果为所述激光点与所述相邻激光点的间距大于距离阈值，则将所述激光点作为所述边缘点。


4.如权利要求1所述的一种联合标定方法，其特征在于，所述步骤5：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值得到位姿变换矩阵，包括：
步骤5.1：根据所述边缘点所在的激光雷达坐标系与所述标定板平面坐标系的位姿差值构建位姿优化目标函数；其中，所述位姿优化目标函数为：



其中，表示标定平面坐标系下已知的参考点坐标，T表示位姿变换矩阵，表...

【专利技术属性】
技术研发人员：韩绍坤，李文豪，刘菲，郭尚伟，赖正超，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11