本发明专利技术提供一种摄像头和车辆的外参数标定方法及装置、电子设备、存储介质，其中一种摄像头和车辆的外参数标定方法包括：获取摄像头的内参，以及摄像头和车辆之间的初始外参数，并通过摄像头获取一段连续的原始图像；将原始图像处理得到车道线的像素坐标点，根据内参矩阵将各像素坐标点转化为摄像坐标系的摄像坐标点；根据初始外参将原始图像转为鸟瞰图像，提取鸟瞰图像上的车道线，将车道线转为在车辆坐标系中的三次曲线方程；建立各摄像坐标点与三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参。本方案中摄像头和车辆之间的目标外参计算得出后，将其进行标定以满足现在智能驾驶中对传感器的识别需求，便于车辆的智能驾驶。能驾驶。能驾驶。
【技术实现步骤摘要】
一种摄像头和车辆的外参数标定方法及装置、电子设备、存储介质
[0001]本申请涉及智能驾驶中传感器的摄像头和车辆的外参数标定
，具体涉及一种摄像头和车辆的外参数标定方法及装置、电子设备和计算机可读存储介质。
技术介绍
[0002]随着智能驾驶技术的发展，车辆的智能驾驶功能日益完善，在车辆上所安装的传感器也越来越多，摄像头是目前车辆上十分常见的传感器，为了智能驾驶功能的正常运行，传感器的摄像头和车辆的外参数标定是智能驾驶中必要和重要的一环。
[0003]目前根据图像和车道线进行摄像头和车辆的外参数标定的方法中，对标定环境有较高的要求，需要假设车道线是平行的直线，会造成标定误差；而通过图像中车道线的特征点进行计算会将车道线离散化，这就忽略了车道线连续的特性，在智能驾驶领域，车道线常使用三次曲线表示，将车道线离散化后丢掉了车道线点与点之间的约束与物理意义。
技术实现思路
[0004]鉴于以上所述现有技术的缺点，本专利技术提供一种摄像头和车辆的外参数标定方法及装置、电子设备、存储介质，以解决上述需要基于假设车道线平行或者进行车道线离散化才能对摄像头的外参数进行标定的技术问题。
[0005]在第一方面，本专利技术提供的一种摄像头和车辆的外参数标定方法，包括：
[0006]获取摄像头的内参，以及摄像头和车辆之间的初始外参数，并通过所述摄像头获取一段连续的原始图像；
[0007]将所述原始图像处理得到车道线的多个像素坐标点，根据所述内参矩阵将各所述像素坐标点转化为摄像坐标系的摄像坐标点；
[0008]根据所述初始外参将所述原始图像转为鸟瞰图像，提取所述鸟瞰图像上的车道线，将所述车道线转为在车辆坐标系中的三次曲线方程；
[0009]建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参。
[0010]可选的，获取摄像头的内部参数，以及摄像头和车辆之间的初始外参，并通过所述摄像头获取一段连续的原始图像，包括：
[0011]所述原始图像连续获取多帧且所述原始图像中包含车道线。
[0012]可选的，将所述原始图像处理得到车道线的多个像素坐标点，包括：
[0013]将所述原始图像送入神经网络模型进行车道线的分割与识别，并在各条车道线上随机提取多个像素点，记录所述像素点在所述原始图像上的所述像素坐标点，将各所述像素坐标点按顺序存入容器V中。
[0014]可选的，根据所述初始外参将所述原始图像转为鸟瞰图像，包括：
[0015]假设车道线分布在车辆坐标系的一个平面下，通过逆透视变化消除透视效应将所
述原始图像转换到车辆坐标系下，获得具有车道分布的所述鸟瞰图像。
[0016]可选的，建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参，包括：
[0017]遍历所述原始图像的容器V，建立车辆坐标系下车道线上坐标点与所述摄像坐标点约束关系，然后将约束关系代入三次曲线方程中，计算出摄像头和车辆之间的目标外参。
[0018]可选的，建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参，包括：
[0019]建立目标函数表达所述各所述摄像坐标点与所述三次曲线方程的数据关联，求解所述目标函数得到摄像头与车辆之间目标外参。
[0020]可选的，建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参之后，包括：
[0021]建立优化方程，通过优化算法迭代计算得到摄像头与车辆之间的目标外参并进行标定，利用所述内参和所述目标外参将车辆坐标系下的车道线上坐标点投影到所述原始图像上得到投影坐标点，若所述投影坐标点和对应的所述摄像坐标点的重投影误差在阈值范围内，则目标外参标定有效。
[0022]第二方面，本专利技术提供了一种摄像头和车辆的外参数标定装置，包括：
[0023]获取模块，用于获取摄像头的内参，以及摄像头和车辆之间的初始外参数，并通过所述摄像头获取一段连续的原始图像；
[0024]转化模块，用于将所述原始图像处理得到车道线的多个像素坐标点，根据所述内参矩阵将各所述像素坐标点转化为摄像坐标系的摄像坐标点；
[0025]提取模块，用于根据所述初始外参将所述原始图像转为鸟瞰图像，提取所述鸟瞰图像上的车道线，将所述车道线转为在车辆坐标系中的三次曲线方程；
[0026]计算模块，用于建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参。
[0027]第三方面，本专利技术提供了一种电子设备，包括：
[0028]一个或多个处理器；
[0029]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述任一项所述的摄像头和车辆的外参数标定方法。
[0030]第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行上述任一项所述的摄像头和车辆的外参数标定方法。
[0031]上述一种摄像头和车辆的外参数标定方法及装置、电子设备、存储介质所实现的方案中，通过车道线在各坐标系的表达并利用三次曲线方程描述，再建立车道线在车辆坐标系和摄像坐标系的关系，利用摄像头的内参和初始外参，代入计算出摄像头和车辆的目标外参，本方案中无需假设车道线平行及进行车道线离散化，所获得目标外参数值准确，将目标外参进行标定后运用到智能驾驶中，能够更有利的辅助智能驾驶。本方案中摄像头和车辆之间的目标外参计算得出后，将其进行标定以满足现在智能驾驶中对传感器的识别需求，便于车辆的智能驾驶。
[0032]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0033]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0034]图1是本申请的一示例性实施例示出的一种摄像头和车辆的外参数标定方法的实施环境示意图；
[0035]图2是本申请的一示例性实施例示出的摄像头和车辆的外参数标定方法的流程图；
[0036]图3是本申请的一示例性实施例示出的车辆坐标系示意图；
[0037]图4是本申请的一示例性实施例示出的摄像头和车辆的外参数标定装置的框图；
[0038]图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0039]以下将参照附图和优选实施例来说明本专利技术的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种摄像头和车辆的外参数标定方法，其特征在于，所述方法包括：获取摄像头的内参，以及摄像头和车辆之间的初始外参数，并通过所述摄像头获取一段连续的原始图像；将所述原始图像处理得到车道线的多个像素坐标点，根据所述内参矩阵将各所述像素坐标点转化为摄像坐标系的摄像坐标点；根据所述初始外参将所述原始图像转为鸟瞰图像，提取所述鸟瞰图像上的车道线，将所述车道线转为在车辆坐标系中的三次曲线方程；建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参。2.根据权利要求1所述的摄像头和车辆的外参数标定方法，其特征在于：获取摄像头的内部参数，以及摄像头和车辆之间的初始外参，并通过所述摄像头获取一段连续的原始图像，包括：所述原始图像连续获取多帧且所述原始图像中包含车道线。3.根据权利要求2所述的摄像头和车辆的外参数标定方法，其特征在于，将所述原始图像处理得到车道线的多个像素坐标点，包括：将所述原始图像送入神经网络模型进行车道线的分割与识别，并在各条车道线上随机提取多个像素点，记录所述像素点在所述原始图像上的所述像素坐标点，将各所述像素坐标点按顺序存入容器V中。4.根据权利要求3所述的摄像头和车辆的外参数标定方法，其特征在于：根据所述初始外参将所述原始图像转为鸟瞰图像，包括：假设车道线分布在车辆坐标系的一个平面下，通过逆透视变化消除透视效应将所述原始图像转换到车辆坐标系下，获得具有车道分布的所述鸟瞰图像。5.根据权利要求3所述的摄像头和车辆的外参数标定方法，其特征在于：建立各所述摄像坐标点与所述三次曲线方程的数据关联，计算出摄像头和车辆之间的目标外参，包括：遍历所述原始图像的容器V，建立车辆坐标系下车道线上坐标点与所述摄像坐标点约束关系，然后将约束关系代入三次曲线方程中，计算出摄像头和车辆之间的目标外参。6.根据权利要求4所述的摄像头和车辆的外参数标定方...
【专利技术属性】
技术研发人员：余隆山，康轶非，彭祥军，郎世兵，姚志伟，
申请(专利权)人：重庆长安汽车股份有限公司，
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。