【技术实现步骤摘要】
一种基于毫米波雷达与视觉的现场自动标定方法及装置
[0001]本专利技术属于传感器系统坐标标定领域,具体是涉及到一种基于视觉与毫米波雷达的现场标定的方法,装置及终端设备。
技术介绍
[0002]目前,ADAS系统中最常用的车载传感器为毫米波雷达和视觉摄像头。这两种传感器的应用较为成熟,同时这两类技术各有优点。毫米波雷达测距精度高,抗天气干扰能力强、环境适应性好,能比较稳定的获取被测目标位置信息,但是无法智能的识别目标种类。视觉摄像头摄像头方案成本低,可以智能识别目标种类(行人识别,车辆识别等等),但是容易受到如光照、雨雪、大雾等天气因素影响。如果将毫米波雷达和视觉摄像头的优点进行融合,则能够得到更全面、准确、可靠的环境信息,相互配合共同构成汽车的感知系统,取长补短,实现更稳定可靠的ADAS功能。
[0003]毫米波雷达和视觉摄像头的融合,依赖于毫米波雷达与摄像头的标定结果,即构建毫米波雷达与视觉摄像头的坐标映射关系。由于现场作业环境复杂,毫米波雷达和视觉摄像头现场标定的方法需尽量满足简单,易实施,高精度以及高鲁棒性的特点。
[0004]现在主流的毫米波雷达与摄像头联合标定方法,不但需要通过测量工具校准毫米波雷达与视觉摄像头的空间相对位置关系,而且还要计算视觉摄像头内参,外参等参数,并且构建毫米波雷达与视觉摄像头的三维坐标系以及计算二者的相对关系用于联合标定。由于毫米波雷达与摄像头相对空间位姿关系的测量误差对联合标定结果有较大影响,标定步骤繁琐,精度以及鲁棒性较低等原因难以用于现场标定场合。
[ ...
【技术保护点】
【技术特征摘要】
1.一种基于毫米波雷达与视觉的现场自动标定方法,其特征在于,包括:获取毫米波雷达现场融合特征点坐标P1(x1,y1),P2(x2,y2)...P
i
(x
i
,y
i
)...P
n
(x
n
,y
n
);其中,i=1,2,3...n,n为大于0的整数;获取与所述毫米波雷达现场融合特征点一一对应的视觉摄像头现场融合特征点坐标Q1(c1,r1),Q2(c2,r2)...Q
i
(c
i
,r
i
)...Q
n
(c
n
,r
n
);构建多项式拟合数学模型,获取坐标P1(x1,y1),P2(x2,y2)...P
n
(x
n
,y
n
)与坐标Q1(c1,r1),Q2(c2,r2)...Q
n
(c
n
,r
n
)的映射模型W,实现现场自动标定。2.根据权利要求1所述的基于毫米波雷达与视觉的现场自动标定方法,其特征在于,获取毫米波雷达现场融合特征点之前,还包括:将所述毫米波雷达与和所述视觉摄像头分别刚性固定于车辆的一端,其中,所述毫米波雷达水平安装,且与所述视觉摄像头的角度的取值区间为0
‑
90
°
;保持现场空旷,保证毫米波雷达工作区域内无任何测量目标,同时视觉摄像头的工作区域内无任何行人目标。3.根据权利要求2所述的基于毫米波雷达与视觉的现场自动标定方法,其特征在于:获取与所述毫米波雷达现场融合特征点一一对应的视觉摄像头现场融合特征点,包括:保持一行人目标做为检测目标T在所述视觉摄像头与所述毫米波雷达的工作区域内保持移动;驱动所述毫米波雷达执行数据采集,测得该检测目标T在毫米波雷达坐标系统中的坐标点P
i
(x
i
,y
i
),其中x
i
为检测目标T在毫米波雷达坐标系下的x方向的坐标,y
i
为检测目标T在毫米波雷达坐标系下的y方向的坐标;同步驱动所述视觉摄像头进行图像IMG采集,采用基于深度学习的行人检测算法,自动识别检测目标T在视觉摄像头坐标系系统中的坐标Q
i
(c
i
,r
i
)。4.根据权利要求3所述的基于毫米波雷达与视觉的现场自动标定方法,其特征在于:基于深度学习的行人检测算法,包括:通过行人样本基于YOLOV3算法进行深度学习网络训练;基于深度学习网络在图像IMG上进行行人检测,自动识别检测目标T在图像IMG的识别框,所述的识别框位置由S(c
S
,r
S
)与E(c
E
,r
E
)两点确定;计算坐标Q
i
(c
i
,r
i
),c
i
与r
i
的计算过程如下:c
i
=(c
S
+c
E
)/2r
i
=(r
S
+r
E
)/2。5.根据权利要求1所述的基于毫米波雷达与视觉的现场自动标定方法,其特征在于:构建多项式拟合数学模型,获取坐标P1(x1,y1),P2(x2,y2)...P
n
(x
n
,y
n
)与坐标Q1(c1,r1),Q2(c2,r2)...Q
n
(c
n
,r
n
)的映射模型W,实现现场自动标定,包括:基于多项式拟合数学模型构建Q
i
到P
i
(i=1,2,3...n)映射模型W为:x
i
(i=1,2,3...n)的映射关系:y
i
(i=1,2,3...n)的映射关系:其中,式(1)中x
i
(i=1,2,3...n)为i个毫米波雷达现场融合特征点P
i
(x
i
,y
i
)(i=1,2,3...n)的x坐标;c
i
(i=1,2,3...n)为i个视觉摄像头现场融合特征点Q
i
(c
i
,r
i
)(i=1,2,
3...n)的c坐标;M
k
(k=1,2,3...p...
【专利技术属性】
技术研发人员:陈晓辉,杨成勇,张华,刘云翔,
申请(专利权)人:长沙孚盛科技有限公司,
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。