一种参数确定方法、设备以及计算机存储介质技术

本申请实施例公开了一种参数确定方法、设备以及计算机存储介质。该方法包括：针对同一场景，获得探测装置探测的点云数据和图像采集装置采集的图像数据；基于场景中的目标对象，对点云数据进行分割以及二维投影变换，确定第一特征向量；基于目标对象，对图像数据进行图像分割，确定第二特征向量；根据第一特征向量和第二特征向量，确定用于探测装置与图像采集装置之间数据融合的目标外部参数。这样，通过将点云数据进行二维投影变换，实现点云数据与图像数据的融合，可以更加准确地进行探测装置和图像采集装置的目标外部参数配准，使得探测装置和图像采集装置数据融合后与外部场景相匹配。匹配。匹配。

A parameter determination method, device and computer storage medium

【技术实现步骤摘要】
一种参数确定方法、设备以及计算机存储介质


[0001]本申请涉及自动配准
，尤其涉及一种参数确定方法、设备以及计算机存储介质。

技术介绍

[0002]传感器是车联网的关键技术之一，常见的传感器包括探测装置和图像采集装置。示例性地，探测装置可以为激光雷达，图像采集装置可以为摄像头，其中，激光雷达用于获取车辆周围的物体的三维位置信息，摄像头用于获取物体的二维信息以及颜色信息等。由于单一传感器不可避免的存在局限性，为了提高系统的稳健性，通常多采取多传感器融合的方案。
[0003]在相关技术中，多传感器融合方案一般为整合2D摄像头和3D激光雷达的一体机，两者之间的几何关系固定。然而，基于这种固定的几何关系，导致该方案无法适应其他不同的场景，也无法实现对3D激光雷达和2D摄像头的数据进行精准融合。

技术实现思路

[0004]本申请提出一种参数确定方法、设备以及计算机存储介质。
[0005]本申请的技术方案是这样实现的：
[0006]第一方面，本申请实施例提供了一种参数确定方法，该方法可以包括：
[0007]针对同一场景，获得探测装置探测的点云数据和图像采集装置采集的图像数据；
[0008]基于所述场景中的目标对象，对所述点云数据进行分割以及二维投影变换，确定第一特征向量；
[0009]基于所述目标对象，对所述图像数据进行图像分割，确定第二特征向量；
[0010]根据所述第一特征向量和所述第二特征向量，确定用于所述探测装置与所述图像采集装置之间数据融合的目标外部参数。
[0011]在一些实施例中，所述点云数据和所述图像数据是基于同一时刻的目标场景获得的；其中，所述目标场景包括至少一个对象。
[0012]在一些实施例中，所述方法还包括：
[0013]获取初始外部参数；其中，所述初始外部参数为根据探测装置和所述图像采集装置的相对姿态得到；
[0014]相应地，所述对所述点云数据进行图像分割以及二维投影变换，确定第一特征向量，包括：
[0015]对所述点云数据进行对象分割，得到三维模型；
[0016]利用所述初始外部参数对所述三维模型进行二维投影变换，得到二维格式的第一图像；其中，所述第一图像包括至少一个对象；
[0017]基于所述至少一个对象的轮廓信息，确定每个所述至少一个对象对应的第一特征向量。
[0018]在一些实施例中，所述基于所述至少一个对象的轮廓信息，确定每个所述至少一个对象对应的第一特征向量，包括：
[0019]根据第一对象的轮廓信息进行法向量分布计算，得到所述第一对象的轮廓特征向量；
[0020]对所述至少一个对象的轮廓信息进行三角剖分处理，并对所述第一对象在预设邻域内的其他轮廓进行法向量分布计算，得到所述第一对象的背景特征向量；
[0021]根据所述第一对象的轮廓特征向量和所述第一对象的背景特征向量，确定所述第一对象对应的第一特征向量；
[0022]其中，所述第一对象为所述至少一个对象中的任意一个。
[0023]在一些实施例中，所述基于所述目标对象，对所述图像数据进行图像分割，确定第二特征向量，包括：
[0024]对所述图像数据进行对象分割，得到二维格式的第二图像；其中，所述第二图像包括至少一个对象；
[0025]基于所述至少一个对象的轮廓信息，确定每个所述至少一个对象对应的第二特征向量。
[0026]在一些实施例中，所述基于所述至少一个对象的轮廓信息，确定每个所述至少一个对象对应的第二特征向量，包括：
[0027]根据第二对象的轮廓信息进行法向量分布计算，得到所述第二对象的轮廓特征向量；
[0028]对所述至少一个对象的轮廓信息进行三角剖分处理，并对所述第二对象在预设邻域内的其他轮廓进行法向量分布计算，得到所述第二对象的背景特征向量；
[0029]根据所述第二对象的轮廓特征向量和所述第二对象的背景特征向量，确定所述第二对象对应的第二特征向量；
[0030]其中，所述第二对象为所述至少一个对象中的任意一个。
[0031]在一些实施例中，所述根据所述第一特征向量和所述第二特征向量，确定用于所述探测装置与所述图像采集装置之间数据融合的目标外部参数，包括：
[0032]根据所述第一特征向量与所述第二特征向量的相似矩阵，确定目标函数；
[0033]根据所述目标函数，确定用于探测装置和所述图像采集装置之间数据融合的目标外部参数。
[0034]在一些实施例中，所述方法还包括：
[0035]当所述目标外部参数不满足预设条件时，将所述目标外部参数作为初始外部参数，返回执行对所述点云数据进行图像分割以及二维投影变换，确定第一特征向量的步骤，以更新所述目标外部参数。
[0036]第二方面，本申请实施例提供了一种电子设备，包括：
[0037]存储器，用于存储能够在处理器上运行的计算机程序；
[0038]处理器，用于在运行计算机程序时，执行如第一方面中任一项所述的方法。
[0039]第三方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如第一方面中任一项所述的方法。
[0040]本申请实施例所提供的一种参数确定方法、设备以及计算机存储介质。针对同一场景，获得探测装置探测的点云数据和图像采集装置采集的图像数据；基于场景中的目标对象，对点云数据进行分割以及二维投影变换，确定第一特征向量；基于目标对象，对图像数据进行图像分割，确定第二特征向量；根据第一特征向量和第二特征向量，确定用于探测装置与图像采集装置之间数据融合的目标外部参数。这样，通过将点云数据进行二维投影变换，实现点云数据与图像数据的融合，可以更加准确地进行探测装置和图像采集装置的目标外部参数配准，使得探测装置和图像采集装置数据融合后与外部场景相匹配。
附图说明
[0041]图1为本申请实施例提供的一种参数确定方法的流程示意图；
[0042]图2为本申请实施例提供的另一种参数确定方法的流程示意图；
[0043]图3为本申请实施例提供的一种参数确定方法的原理示意图；
[0044]图4为本申请实施例提供的一种参数确定装置的组成结构示意图；
[0045]图5为本申请实施例提供的一种电子设备的具体硬件结构示意图；
[0046]图6为本申请实施例提供的一种电子设备的组成结构示意图。
具体实施方式
[0047]为了能够更加详尽地了解本申请实施例的特点与
技术实现思路
，下面结合附图对本申请实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本申请实施例。
[0048]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0049]在以下的描述中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种参数确定方法，所述方法包括：针对同一场景，获得探测装置探测的点云数据和图像采集装置采集的图像数据；基于所述场景中的目标对象，对所述点云数据进行分割以及二维投影变换，确定第一特征向量；基于所述目标对象，对所述图像数据进行图像分割，确定第二特征向量；根据所述第一特征向量和所述第二特征向量，确定用于所述探测装置与所述图像采集装置之间数据融合的目标外部参数。2.根据权利要求1所述的方法，所述点云数据和所述图像数据是基于同一时刻的目标场景获得的；其中，所述目标场景包括至少一个对象。3.根据权利要求2所述的方法，所述方法还包括：获取初始外部参数；其中，所述初始外部参数为根据所述探测装置和所述图像采集装置的相对姿态得到；相应地，所述对所述点云数据进行图像分割以及二维投影变换，确定第一特征向量，包括：对所述点云数据进行对象分割，得到三维模型；利用所述初始外部参数对所述三维模型进行二维投影变换，得到二维格式的第一图像；其中，所述第一图像包括至少一个对象；基于所述至少一个对象的轮廓信息，确定每个所述至少一个对象对应的第一特征向量。4.根据权利要求3所述的方法，所述基于所述至少一个对象的轮廓信息，确定每个所述至少一个对象对应的第一特征向量，包括：根据第一对象的轮廓信息进行法向量分布计算，得到所述第一对象的轮廓特征向量；对所述至少一个对象的轮廓信息进行三角剖分处理，并对所述第一对象在预设邻域内的其他轮廓进行法向量分布计算，得到所述第一对象的背景特征向量；根据所述第一对象的轮廓特征向量和所述第一对象的背景特征向量，确定所述第一对象对应的第一特征向量；其中，所述第一对象为所述至少一个对象中的任意一个。5.根据权利要求2所述的方法，所述基于所述目标对象，对所述图像数据进行图像分割，确...

【专利技术属性】
技术研发人员：田疆，刘林虎，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：