【技术实现步骤摘要】
激光雷达与相机在线漂移检测方法、校正方法、装置及存储介质
[0001]本申请涉及智能驾驶传感器标定领域,特别涉及一种面向激光雷达与相机在线漂移检测与外参校正的方法。
技术介绍
[0002]智能驾驶汽车在行驶过程中,由于车身振动不可避免地导致所装备的激光雷达和相机的相对姿态发生漂移,相应地,两传感器之间的外参也会随之变化。这种情况下,先前的标定参数将无法对齐激光雷达坐标系与相机坐标系,造成自动驾驶汽车感知性能衰退甚至失效,严重威胁行驶安全。
[0003]面对车辆运行期间的传感器漂移问题,有研究根据标定参数准确时,激光雷达点云数据中的深度不连续点往往会投影到图像边缘上这一认知,通过搜索和判断外参是否使点云边缘投影和图像边缘灰度值的乘积最大,来确定传感器是否漂移以进行外参校正。然而,由于两个传感器之间存在视差,激光雷达点云中远处点构成的边缘往往与近处点的边缘相交叉,导致点云投影后出现边缘模糊。此外,相机图像中的大量无效边缘特征与点云深度不连续点无关,这可能导致特征对齐出错,算法向错误的方向优化。深度学习技术也被用来解决传感器在线标定问题,有研究通过训练具有不同漂移程度的五个神经网络模型,来迭代地优化校正外参,但是基于深度学习的方法性能严重依赖于训练数据,这意味着当车辆行驶环境或传感器参数发生变化时,这类方法因为泛化能力弱导致校正效果较差;此外,该类方法缺乏有效的传感器漂移判断机制,算法运行时每一帧都进行校正,无疑浪费了计算资源。
[0004]总之,现有技术存在的问题是:基于点云和图像边缘对齐的方法由于传感器 ...
【技术保护点】
【技术特征摘要】
1.一种激光雷达与相机在线漂移检测方法,其特征在于,包括:点云与图像配准,包括:在数据时域上搜索距离激光雷达点云数据帧最近的相机图像数据帧,完成激光雷达和相机的数据同步;基于同步的数据,通过点云配准和图像配准估计前N帧到当前帧的激光雷达运动和相机运动;传感器漂移检测,包括:基于估计得到的激光雷达运动和相机运动,求解对应帧的激光雷达和相机间的运动偏差;设定阈值,当对应帧的激光雷达和相机间的运动偏差大于设定阈值时,检测当前帧是否发生传感器漂移。2.根据权利要求1所述的激光雷达与相机在线漂移检测方法,其特征在于,通过点云配准和图像配准估计前N帧到当前帧的激光雷达运动和相机运动,包括:使用原始外参T
lc
将点云转换到相机坐标系中:其中,和分别表示相机坐标系和激光雷达坐标系下的一个三维点,和分别是T
lc
的旋转分量和平移分量,表示为欧拉角的形式,即yaw、pitch和roll,[R
ψ
,R
θ
,R
φ
]
T
,将前N帧点云和当前点云进行配准,以估计帧间的激光雷达运动其中,和分别是的旋转分量和平移分量,n=1,2,...,N;提取和匹配前N帧图像I
k
‑
n
与当前图像I
k
间的特征点然后结合相机内参K求解帧间的本质矩阵将本质矩阵分解为前N帧图像I
k
‑
n
与当前帧图像I
k
之间的变换矩阵:其中,和分别是的旋转分量和平移分量。3.根据权利要求2所述的激光雷达与相机在线漂移检测方法,其特征在于,基于估计得到的激光雷达运动和相机运动,求解对应帧的激光雷达和相机间的运动偏差,包括:求解两传感器运动的旋转部分和的偏差的偏差将偏差转化为欧拉角的形式:e
ψ,k
‑
n
=atan2(r
21
,r
11
)
e
φ,k
‑
n
=atan2(r
32
,r
33
)其中,e
ψ,k
‑
n
、e
θ,k
‑
n
和e
φ,k
‑
n
分别表示yaw、pitch和roll方向上的运动偏差,r
ij
表示偏差中的元素。4.根据权利要求3所述的激光雷达与相机在线漂移检测方法,其特征在于,设定阈值,当对应帧的激光雷达和相机间的运动偏差大于设定阈值时,检测当前帧是否发生传感器漂移,包括:根据前N帧和当前帧之间的激光雷达和相机运动偏差e
ψ,k
‑
n
、e
θ,k
‑
n
和e
φ,k
‑
n
,n=1,2,...,N,得到偏差阈值为μ
j,k
‑
n
‑
3σ
j,k
‑
n
和μ
j,k
‑
n
+3σ
j,k
‑
n
,其中,μ
j,k
‑
n
和σ
j,k
‑
n
分别为k
‑
n帧j方向上拟合的高斯分布函数的均值和方差,j=ψ,φ,θ;拟合的高斯分布函数为:当μ
j,k
‑
n
‑
3σ
...
【专利技术属性】
技术研发人员:殷国栋,彭湃,徐利伟,庄伟超,祝小元,张宁,王金湘,耿可可,高强,张辉,
申请(专利权)人:东南大学,
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。