【技术实现步骤摘要】
一种道路消失点提取方法、车载传感器标定方法及装置
[0001]本专利技术涉及自动驾驶
，具体涉及一种道路消失点提取方法、车载传感器标定方法及装置。
技术介绍
[0002]目前，工程车辆领域，自动驾驶系统的感知需求大部分依赖于各种车载传感器探测实现，故基于传感器的目标检测的结果优劣直接会影响到整个自动驾驶系统的性能。在目标检测当中，目标的方位、速度等都是非常关键的状态输出，这些状态输出的计算是建立在传感器内、外参数的标定结果基础上，其中传感器外参在车辆出厂下线标定时都会进行一次静态标定，但是在实际的使用过程当中，外参因为很多因素影响其实是一个动态变化的过程，要求自动驾驶系统能够实现车载传感器的实时自动自校正。
[0003]车载摄像头由于性价比高的原因，在自动驾驶传感器系统的应用当中占据着非常重要的位置。目前，基于消失点在图像当中的位置变化来实现的车载摄像头自标定方案，大部分是在具有结构化信息的道路场景中进行的，是通过识别当前道路场景当中的规则化道路标志(如车道线，其他道路标识等)来实现的，主要是依据这些规则化的信息去提取道路消失点，再通过消失点的动态位置变化估算传感器本身的位姿变化。
[0004]但是，由于工程车辆实际的工作场景比较复杂，作业场所可能不具备结构化的道路信息，比如港口码头、矿山、封闭园区，此时，传统的提取道路消失点的方法将不再适用。因此，如何在不具备结构化道路信息的作业场景中准确提取出道路消失点，对工程车辆车载摄像头适应所有场景实现参数标定具有重要意义。
技术实现思路
>[0005]有鉴于此，本专利技术实施例提供了一种道路消失点提取方法、车载传感器标定方法及装置，以克服现有技术中在不具备结构化的道路信息时，道路消失点提取困难，进而影响车载传感器参数标定的问题。
[0006]根据第一方面，本专利技术实施例提供了一种道路消失点提取方法，包括：
[0007]获取目标车辆采集的环境图像数据；
[0008]从所述环境图像数据中提取各视频帧中的相同特征点；
[0009]对各相同特征点进行直线拟合，得到拟合直线；
[0010]分别计算每两个拟合直线的相交点，构建相交点集合；
[0011]基于各相交点间的距离关系，从所述相交点集合中确定道路消失点。
[0012]可选地，所述从所述环境图像数据中提取各视频帧中的相同特征点，包括：
[0013]获取目标车辆采集的激光雷达点云数据，所述激光雷达点云数据包括：每个点的三维坐标信息和反射强度信息；
[0014]对所述环境图像数据的当前视频帧中提取当前静态特征点；
[0015]基于所述当前静态特征点确定下一视频帧的特征点提取范围；
[0016]基于所述特征点提取范围从所述下一视频帧中提取与所述当前静态特征点的关联静态特征点；
[0017]基于所述激光雷达点云数据对所述关联静态特征点进行筛选；
[0018]将各视频帧中筛选的关联静态特征点确定为各视频帧中的相同特征点。
[0019]可选地，所述基于所述激光雷达点云数据对所述关联静态特征点进行筛选，包括：
[0020]从所述激光雷达点云数据中提取下一视频帧的特征点提取范围对应的点云数据；
[0021]基于所述点云数据判断所述当前静态特征点与当前关联静态特征点的深度信息变化是否满足预设条件；
[0022]在所述当前静态特征点与当前关联静态特征点的深度信息变化不满足预设条件时，剔除所述当前关联静态特征点。
[0023]可选地，所述方法还包括：
[0024]获取所述目标车辆的方向盘角度信息和车速信息；
[0025]建立所述目标车辆的车辆运动模型；
[0026]基于所述车辆运动模型、所述方向盘角度信号和所述车速信息，确定所述当前静态特征点在下一视频帧中的偏移距离；
[0027]基于所述偏移距离对所述关联静态特征点进行位置修正。
[0028]可选地，在分别计算每两个拟合直线的相交点，构建相交点集合之前，所述方法还包括：
[0029]获取各拟合直线的斜率；
[0030]判断各拟合直线的当前斜率是否满足预设斜率筛选范围；
[0031]剔除斜率不满足预设斜率筛选范围的拟合直线。
[0032]可选地，在基于各相交点间的距离关系，从所述相交点集合中确定道路消失点之前，所述方法还包括：
[0033]获取上一道路消失点的位置；
[0034]基于上一道路消失点的位置确定道路消失点的移动范围；
[0035]剔除所述相交点集合中不在所述移动范围的相交点。
[0036]可选地，所述基于各相交点间的距离关系，从所述相交点集合中确定道路消失点，包括：
[0037]分别计算每个相交点与其他相交点间的距离；
[0038]基于每个相交点与其他相交点间的距离，分别计算每个相交点与其余所有相交点的距离之和；
[0039]对每个相交点与其余所有相交点的距离之和进行排序，将最小距离之和对应的相交点确定为道路消失点。
[0040]根据第二方面，本专利技术实施例提供了一种车载传感器标定方法，其特征在于，包括：
[0041]获取目标车辆的车载传感器在上一时刻的外参参数；
[0042]采用本专利技术另一实施例提供的道路消失点提取方法提取目标车辆对应的道路消失点；
[0043]计算从上一时刻到当前时刻所述道路消失点在图像中的变化像素差，所述变化像
素差包括：垂直方向的变化像素差和水平方向的变化像素差；
[0044]基于所述变化像素差对所述车载传感器的外参参数进行更新。
[0045]根据第三方面，本专利技术实施例提供了一种道路消失点提取装置，包括：
[0046]第一获取模块，用于获取目标车辆采集的环境图像数据；
[0047]第一处理模块，用于从所述环境图像数据中提取各视频帧中的相同特征点；
[0048]第二处理模块，用于对各相同特征点进行直线拟合，得到拟合直线；
[0049]第三处理模块，用于分别计算每两个拟合直线的相交点，构建相交点集合；
[0050]第四处理模块，用于基于各相交点间的距离关系，从所述相交点集合中确定道路消失点。
[0051]根据第四方面，本专利技术实施例提供了一种车载传感器标定装置，包括：
[0052]第二获取模块，用于获取目标车辆的车载传感器在上一时刻的外参参数；
[0053]第五处理模块，用于采用本专利技术另一实施例提供的道路消失点提取装置提取目标车辆对应的道路消失点；
[0054]第六处理模块，用于计算从上一时刻到当前时刻所述道路消失点在图像中的变化像素差，所述变化像素差包括：垂直方向的变化像素差和水平方向的变化像素差；
[0055]第七处理模块，用于基于所述变化像素差对所述车载传感器的外参参数进行更新。
[0056]根据第五方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种道路消失点提取方法，其特征在于，包括：获取目标车辆采集的环境图像数据；从所述环境图像数据中提取各视频帧中的相同特征点；对各相同特征点进行直线拟合，得到拟合直线；分别计算每两个拟合直线的相交点，构建相交点集合；基于各相交点间的距离关系，从所述相交点集合中确定道路消失点。2.根据权利要求1所述的方法，其特征在于，所述从所述环境图像数据中提取各视频帧中的相同特征点，包括：获取目标车辆采集的激光雷达点云数据，所述激光雷达点云数据包括：每个点的三维坐标信息和反射强度信息；对所述环境图像数据的当前视频帧中提取当前静态特征点；基于所述当前静态特征点确定下一视频帧的特征点提取范围；基于所述特征点提取范围从所述下一视频帧中提取与所述当前静态特征点的关联静态特征点；基于所述激光雷达点云数据对所述关联静态特征点进行筛选；将各视频帧中筛选的关联静态特征点确定为各视频帧中的相同特征点。3.根据权利要求2所述的方法，其特征在于，所述基于所述激光雷达点云数据对所述关联静态特征点进行筛选，包括：从所述激光雷达点云数据中提取当前关联静态特征点对应的点云数据；基于所述点云数据判断所述当前静态特征点与当前关联静态特征点的深度信息变化是否满足预设条件；在所述当前静态特征点与当前关联静态特征点的深度信息变化不满足预设条件时，剔除所述当前关联静态特征点。4.根据权利要求2所述的方法，其特征在于，还包括：获取所述目标车辆的方向盘角度信息和车速信息；建立所述目标车辆的车辆运动模型；基于所述车辆运动模型、所述方向盘角度信号和所述车速信息，确定所述当前静态特征点在下一视频帧中的偏移距离；基于所述偏移距离对所述关联静态特征点进行位置修正。5.根据权利要求1所述的方法，其特征在于，在分别计算每两个拟合直线的相交点，构建相交点集合之前，所述方法还包括：获取各拟合直线的斜率；判断各拟合直线的当前斜率是否满足预设斜率筛选范围；剔除斜率不满足预设斜率筛选范围的拟合直线。6.根据权利要求1所述的方法，其特征在于，在基于各相交点间的距离关系，从所述相交点集合中确定道路消失点之前，所述方法还包括：获取上一道路消失点的位置；基于上一道路消失点的位置确定道路消失点的移动范围；剔除所述相交点集...
【专利技术属性】
技术研发人员：王发平，熊伟，姜波，
申请(专利权)人：深圳海星智驾科技有限公司，
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。