一种基于点云坐标的相机外参标定方法、系统及存储介质技术方案

本发明专利技术涉及一种基于点云坐标的相机外参标定方法、系统及存储介质，所述方法包括：H1.车辆行驶至目标位置，基于车载相机获取目标点的图像数据信息，提取一帧目标点的图像数据信息；H2.将所述一帧目标点的图像数据信息输入至ROS平台，设置图像坐标初始点为(0,0)，得到目标点像素坐标信息；H3.基于所述目标点像素坐标信息，通过ROS平台扫描得到目标点的雷达点云数据信息，从而得到目标点在雷达坐标系下的坐标；H4.基于雷达坐标系在世界坐标系下的姿态，通过所述目标点在雷达坐标系下的坐标。本发明专利技术不仅获得精确目标点相对车辆比较精确的平移坐标，而且无需约束车辆的姿态，及车辆可以随意摆放，避免了直接测量，目标点在旋转方向有偏差。方向有偏差。方向有偏差。

【技术实现步骤摘要】
一种基于点云坐标的相机外参标定方法、系统及存储介质


[0001]本专利技术涉及相机外参标定
，尤其是涉及一种基于点云坐标的相机外参标定方法、系统及存储介质。

技术介绍

[0002]近年来，交通系统发生了一场革命，那就是自动驾驶汽车的出现，自动驾驶到底代替人类处理了三种事，分别为：“我在哪，要去哪里”、“我应该走哪一条路”、“路上都有哪些东西需要我做出反应”。这三件事在自动驾驶系统中分别对应了定位、规划和感知。
[0003]现有技术中，现有方案在获取世界坐标的时候主要通过用卷尺直接量取的方式获得坐标，平移方向：在比较大的视野内采集世界坐标，会随着距离的增大而产生更大的测量误差，主要原因是相机在车辆的位置是比较复杂的，一般在车体中间，直接测量有困难，其次随着距离远容易在其他方向产生偏移，旋转方向：无法保证旋转方向准确，一般不对旋转做测量，主要通过人为保证车辆与目标点姿态差值固定，原因同上，相机相对于车体的位置比较复杂，不直观。

技术实现思路

[0004]鉴于以上现有技术的不足，本专利技术提供了一种基于点云坐标的相机外参标定方法、系统及存储介质，不仅获得精确目标点相对车辆比较精确的平移坐标，而且无需约束车辆的姿态，及车辆可以随意摆放，避免了直接测量，目标点在旋转方向有偏差。
[0005]为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
[0006]一种基于点云坐标的相机外参标定方法，所述方法包括：
[0007]H1.车辆行驶至目标位置，基于车载相机获取目标点的图像数据信息，提取一帧目标点的图像数据信息；
[0008]H2.将所述一帧目标点的图像数据信息输入至ROS平台，设置图像坐标初始点为(0,0)，得到目标点像素坐标信息；
[0009]H3.基于所述目标点像素坐标信息，通过ROS平台扫描得到目标点的雷达点云数据信息，从而得到目标点在雷达坐标系下的坐标；
[0010]H4.基于所述目标点在雷达坐标系下的坐标，根据雷达坐标系在世界坐标系下的姿态，采用坐标变换算法，输出目标点的世界坐标；
[0011]H5.基于所述目标点的世界坐标和所述目标点的像素坐标信息，通过PNP算法，得到相机外参的平移矩阵和旋转矩阵，进而完成标定。
[0012]进一步的，所述坐标变换函数为：
[0013]P＝T
×
K，其中，P为世界坐标，T为变换矩阵，K为目标点在雷达坐标系下的坐标。
[0014]进一步的，所述变换矩阵T为：
[0015]其中T1、T2、T3、T4、T5、T6、T7、T8、T9、T
10
、T
11
、T
12
为变换矩阵T的变换参数。
[0016]进一步的，所述变换矩阵T的行向量为T
11
、T
12
、T
13
，
[0017][0018]得到两个约束条件为：
[0019]T
11
G
T
‑
T
13
G
T
u＝0，T
12
G
T
‑
T
13
G
T
v＝0
[0020]其中G
T
为车辆在世界坐标系下的坐标点，(u，v)为目标点在雷达坐标系下的坐标。
[0021]进一步的，所述ROS平台为基于机器人操作系统的数据处理服务平台。
[0022]为了实现上述目的及其他相关目的，本专利技术还提供了一种基于点云坐标的相机外参标定系统，所述系统包括：
[0023]车载相机，设置于目标车辆上，用于获取目标点的图像数据信息；
[0024]数据预处理模块，用于将目标点的图像数据信息进行剔除操作，删除包含目标点少的图像数据信息；
[0025]ROS平台，用于处理目标点的图像数据信息，并得到目标点的像素坐标信息和目标点在雷达坐标系下的坐标；
[0026]数据计算模块，与所述ROS平台连接，用于接收目标点的像素坐标信息和目标点在雷达坐标系下的坐标，计算得到目标点世界坐标信息和相机外参的平移矩阵和旋转矩阵。
[0027]进一步的，所述数据预处理模块与所述车载相机基于5G网络通信连接。
[0028]进一步的，所述数据计算模块包括坐标变换算法单元和PNP算法单元。
[0029]为了实现上述目的及其他相关目的，本专利技术还提供了一种计算机可读存介质，其上存储有计算机程序，所述计算机程序被处理器执行所述基于点云坐标的相机外参标定方法的步骤。
[0030]本专利技术具有以下积极效果：
[0031]1.本专利技术通过ROS平台进行数据的处理，能够获得精确目标点相对车辆比较精确的平移坐标。
[0032]2.本专利技术通过点云坐标进行坐标变换和PNP求解，得到相机外参，因此无需约束车辆的姿态，及车辆可以随意摆放，避免了直接测量，目标点在旋转方向有偏差。
附图说明
[0033]图1为本专利技术方法流程示意图；
[0034]图2为本专利技术车辆进行目标点图像获取的示意图。
具体实施方式
[0035]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0036]实施例1：如图1或图2所示，一种基于点云坐标的相机外参标定方法，所述方法包括：
[0037]H1.车辆行驶至目标位置，基于车载相机获取目标点的图像数据信息，提取一帧目标点的图像数据信息；
[0038]H2.将所述一帧目标点的图像数据信息输入至ROS平台，设置图像坐标初始点为(0,0)，得到目标点像素坐标信息；
[0039]H3.基于所述目标点像素坐标信息，通过ROS平台扫描得到目标点的雷达点云数据信息，从而得到目标点在雷达坐标系下的坐标；
[0040]H4.基于所述目标点在雷达坐标系下的坐标，根据雷达坐标系在世界坐标系下的姿态，采用坐标变换算法，输出目标点的世界坐标；
[0041]H5.基于所述目标点的世界坐标和所述目标点的像素坐标信息，通过PNP算法，得到相机外参的平移矩阵和旋转矩阵，进而完成标定。
[0042]在本实施例中，所述坐标变换函数为：
[0043]P＝T
×
K，其中，P为世界坐标，T为变换矩阵，K为目标点在雷达坐标系下的坐标。
[0044]在本实施例中，所述变换矩阵T为：
[0045]其中T1、T2、T3、T4、T5、T6、T7、T8、T9、T
10
、T
11
、T
12
为变换矩阵T的变换参数。
[0046]在本实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云坐标的相机外参标定方法，其特征在于，所述方法包括：H1.车辆行驶至目标位置，基于车载相机获取目标点的图像数据信息，提取一帧目标点的图像数据信息；H2.将所述一帧目标点的图像数据信息输入至ROS平台，设置图像坐标初始点为(0,0)，得到目标点像素坐标信息；H3.基于所述目标点像素坐标信息，通过ROS平台扫描得到目标点的雷达点云数据信息，从而得到目标点在雷达坐标系下的坐标；H4.基于所述目标点在雷达坐标系下的坐标，根据雷达坐标系在世界坐标系下的姿态，采用坐标变换算法，输出目标点的世界坐标；H5.基于所述目标点的世界坐标和所述目标点的像素坐标信息，通过PNP算法，得到相机外参的平移矩阵和旋转矩阵，进而完成标定。2.根据权利要求1所述的基于点云坐标的相机外参标定方法，其特征在于，所述坐标变换函数为：P＝T
×
K，其中，P为世界坐标，T为变换矩阵，K为目标点在雷达坐标系下的坐标。3.根据权利要求2所述的基于点云坐标的相机外参标定方法，其特征在于，所述变换矩阵T为：其中T1、T2、T3、T4、T5、T6、T7、T8、T9、T
10
、T
11
、T
12
为变换矩阵T的变换参数。4.根据权利要求3所述的基于点云坐标的相机外参标定方法，其特征在于，所述变换矩阵T的行向量为T
11
、T
12
、T
13
，得到两个约束条件为：T
11
G
T<...

【专利技术属性】
技术研发人员：王文朝，王科未，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：