本发明专利技术公开了一种路侧传感器的标定方法、装置、设备及介质，涉及车辆技术领域，该方法包括：确定多个待标定传感器在预设时段内采集的具有目标物体的感知点；基于基准传感器的内参数和待标定传感器的初始外参数，将感知点映射至基准像素坐标系，得到轨迹点；确定轨迹点的像素索引，并根据已确定的像素索引，确定各个待标定传感器对应的轨迹点的边缘分布以及所有轨迹点的联合分布；基于边缘分布和联合分布，确定所有待标定传感器之间的互信息，并将互信息作为训练用的代价函数，迭代训练并更新待标定传感器的初始外参数，得到标定后外参数。本发明专利技术不必逐个标定传感器，在提升结算得到的外参数的准确性的同时，提高了标定的效率。率。率。
【技术实现步骤摘要】
一种路侧传感器的标定方法、装置、设备及介质
[0001]本专利技术涉及车辆
，具体涉及一种路侧传感器的标定方法、装置、设备及介质。
技术介绍
[0002]车联网（Vehicle to X，V2X）方案中，需要部署车载模块、路侧模块和网络设施，路侧模块中的感知系统需要搭载多个不同的传感器来感知所需的数据，多个传感器各自具有不同的观测模态，而通过融合多观测模态获取到的观测数据内容，可以大幅提升路侧数据的感知精度和鲁棒性，更好地实现车路协同。
[0003]融合多观测模态的观测数据的前提是传感器的外参数需要标定后再使用，而目前都是需要人工在路侧设置指定的标定物，来对待标定传感器逐一进行相对于标定物的外参数标定以及进行外参数的解算。该过程需要的需要投入较多的人力与时间成本，给多观测模态的观测数据融合带来了不便。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供了一种路侧传感器的标定方法、装置、设备及介质，以解决路侧所采用的传感器的外参数标定只能逐一且静态进行的问题。
[0005]根据第一方面，本专利技术实施例提供了一种路侧传感器的标定方法，所述方法包括：确定多个待标定传感器在预设时段内采集的具有目标物体的感知点；基于基准传感器的内参数和待标定传感器的初始外参数，将感知点映射至基准像素坐标系，得到轨迹点；基准传感器为其中一个待标定传感器，基准像素坐标系的坐标原点为基准传感器安装位置的坐标位置点；初始外参数包括待标定传感器相对于基准传感器之间的初始旋转矩阵和初始平移向量；确定轨迹点的像素索引，并根据已确定的像素索引，确定各个待标定传感器对应的轨迹点的边缘分布以及所有轨迹点的联合分布；基于边缘分布和联合分布，确定所有待标定传感器之间的互信息，并将互信息作为训练用的代价函数，采用数值代价函数优化方法迭代训练并更新待标定传感器的初始外参数，得到标定后外参数。
[0006]结合第一方面，在第一方面第一实施方式中，所述确定多个待标定传感器在预设时段内采集的具有目标物体的感知点，具体包括：确定多个待标定传感器在预设时段对应采集的数据点；确定目标物体，并将具有目标物体的所述数据点作为待标定传感器的感知点。
[0007]结合第一方面，在第一方面第二实施方式中，所述基于基准传感器的内参数，将感知点映射至基准像素坐标系，得到轨迹点，具体包括：确定基准传感器、基准传感器的内参数以及基准传感器的基准像素坐标系；确定各个待标定传感器相对于基准传感器之间的初始外参数；
基于内参数和初始外参数，将感知点映射至基准像素坐标系，得到映射至基准像素坐标系的轨迹点；基准像素坐标系是基于基准传感器安装位置的坐标位置点与基准传感器内参数建立的二维坐标系。
[0008]结合第一方面第二实施方式，在第一方面第三实施方式中，该方法在基于内参数和初始外参数，将感知点映射至基准像素坐标系，得到映射至基准像素坐标系的轨迹点步骤之后，还包括：确定基准像素坐标系的边界，并剔除超过边界的轨迹点。
[0009]结合第一方面，在第一方面第四实施方式中，所述确定轨迹点的像素索引，并根据已确定的像素索引，确定各个待标定传感器对应的轨迹点的边缘分布以及所有轨迹点的联合分布，具体包括：基于待标定传感器以及基准传感器分别对应的轨迹点在基准像素坐标系上形成的图像的轨迹稠密程度以及图像分辨率，分别建立待标定传感器对应轨迹点的第一像素概率模型以及基准传感器对应的轨迹点的第二像素概率模型；将待标定传感器对应的轨迹点输入至第一像素概率模型中，得到第一像素概率模型输出的第一索引概率值，将基准传感器对应的轨迹点输入至第二像素概率模型中，得到第二像素概率模型输出的第二索引概率值；对第一索引概率值和第二索引概率值进行缩放离散化处理，分别得到第一轨迹概率值和第二轨迹概率值；基于第一轨迹概率值，建立待标定传感器对应的轨迹点在基准像素坐标系上的第一轨迹概率图，基于第二轨迹概率值，建立基准传感器对应的轨迹点在基准像素坐标系上的第二轨迹概率图；基于第一轨迹概率图和第二轨迹概率图，得到各个待标定传感器和基准传感器分别对应的轨迹点的边缘分布，以及待标定传感器和基准传感器的轨迹点共同的联合分布。
[0010]结合第一方面第四实施方式，在第一方面第五实施方式中，所述基于第一轨迹概率图和第二轨迹概率图，得到各个待标定传感器和基准传感器分别对应的轨迹点的边缘分布，以及待标定传感器和基准传感器的轨迹点共同的联合分布，具体包括：基于第一估计概率图，进行归一化处理，得到待标定传感器对应的轨迹点的第一边缘分布；基于第二估计概率图，进行归一化处理，得到基准传感器对应的轨迹点的第二边缘分布；基于第一轨迹概率图和第二轨迹概率图，进行归一化处理，得到待标定传感器和基准传感器的轨迹点共同的联合分布。
[0011]结合第一方面，在第一方面第六实施方式中，基于边缘分布和联合分布，确定所有待标定传感器之间的互信息，并将互信息作为训练用的代价函数，迭代训练并更新待标定传感器的初始外参数，得到标定后外参数，具体包括：基于边缘分布和联合分布，确定互信息，并将互信息作为优化用的代价函数；根据预设学习率、数值代价函数优化以及初始外参数，经过预设迭代次数的优化后，更新旋转矩阵和平移向量，得到标定后外参数。
[0012]第二方面， 本专利技术实施例还提供一种路侧传感器的标定装置，所述装置包括：
采集模块，用于确定多个待标定传感器在预设时段内采集的具有目标物体的感知点；映射模块，用于基于基准传感器的内参数和待标定传感器的初始外参数，将感知点映射至基准像素坐标系，得到轨迹点；基准传感器为其中一个待标定传感器，基准像素坐标系的坐标原点为基准传感器安装位置的坐标位置点；初始外参数包括待标定传感器相对于基准传感器之间的初始旋转矩阵和初始平移向量；确定模块，用于确定轨迹点的像素索引，并根据已确定的像素索引，确定各个待标定传感器对应的轨迹点的边缘分布以及所有轨迹点的联合分布；标定模块，用于基于边缘分布和联合分布，确定所有待标定传感器之间的互信息，并将互信息作为训练用的代价函数，迭代训练并更新待标定传感器的初始外参数，得到标定后外参数。
[0013]第三方面， 本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述路侧传感器的标定方法的步骤。
[0014]第四方面， 本专利技术实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述路侧传感器的标定方法的步骤。
[0015]第五方面， 本专利技术实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述路侧传感器的标定方法的步骤。
[0016]本专利技术提供的路侧传感器的标定方法、装置、设备及介质，通过确定待标定传感器在预设时间内采集具有目标物体的感知点，目标物体可以是多个，也可以是移动的物体也可以是固定的物体，因此不要人工标定物体；通过将其中一个待标定传感器作为基准传感器，以该基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种路侧传感器的标定方法，其特征在于，所述方法包括：确定多个待标定传感器在预设时段内采集的具有目标物体的感知点；基于基准传感器的内参数和待标定传感器的初始外参数，将感知点映射至基准像素坐标系，得到轨迹点；基准传感器为其中一个待标定传感器，基准像素坐标系的坐标原点为基准传感器安装位置的坐标位置点；初始外参数包括待标定传感器相对于基准传感器之间的初始旋转矩阵和初始平移向量；确定轨迹点的像素索引，并根据已确定的像素索引，确定各个待标定传感器对应的轨迹点的边缘分布以及所有轨迹点的联合分布；基于边缘分布和联合分布，确定所有待标定传感器之间的互信息，并将互信息作为训练用的代价函数，迭代训练并更新待标定传感器的初始外参数，得到标定后外参数。2.根据权利要求1所述的路侧传感器的标定方法，其特征在于，所述确定多个待标定传感器在预设时段内采集的具有目标物体的感知点，具体包括：确定多个待标定传感器在预设时段对应采集的数据点；确定目标物体，并将具有目标物体的数据点作为待标定传感器的感知点。3.根据权利要求1所述的路侧传感器的标定方法，其特征在于，所述基于基准传感器的内参数，将感知点映射至基准像素坐标系，得到轨迹点，具体包括：确定基准传感器、基准传感器的内参数以及基准传感器的基准像素坐标系；确定各个待标定传感器相对于基准传感器之间的初始外参数；基于内参数和初始外参数，将感知点映射至基准像素坐标系，得到映射至基准像素坐标系的轨迹点；基准像素坐标系是基于基准传感器安装位置的坐标位置点建立的二维坐标系。4.根据权利要求3所述的路侧传感器的标定方法，其特征在于，该方法在基于内参数和初始外参数，将感知点映射至基准像素坐标系，得到映射至基准像素坐标系的轨迹点步骤之后，还包括：确定基准像素坐标系的边界，并剔除超过边界的轨迹点。5.根据权利要求1所述的路侧传感器的标定方法，其特征在于，所述确定轨迹点的像素索引，并根据已确定的像素索引，确定各个待标定传感器对应的轨迹点的边缘分布以及所有轨迹点的联合分布，具体包括：基于待标定传感器以及基准传感器分别对应的轨迹点在基准像素坐标系上形成的图像的轨迹稠密程度以及图像分辨率，分别建立待标定传感器对应轨迹点的第一像素概率模型以及基准传感器对应的轨迹点的第二像素概率模型；将待标定传感器对应的轨迹点输入至第一像素概率模型中，得到第一像素概率模型输出的第一索引概率值，将基准传感器对应的轨迹点输入至第二像素概率模型中，得到第二像素概率模型输出的第二索引概率值；对第一索引概率值和第二索引概率值进行缩放离散化处理，分别得到第一轨迹概率值和第二轨迹概率值；基于第一轨迹概率值，建立待标定传感器对应...
【专利技术属性】
技术研发人员：赵晓萌，李发成，张如高，虞正华，
申请(专利权)人：江苏魔视智能科技有限公司，
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。