一种雷达和相机的标定自检方法及电子设备技术

本申请提供一种雷达和相机的标定自检方法及电子设备，该方法包括：获取雷达的点云数据和相机的RGB图像；将点云数据转换为二维平面上的深度图像；分别对深度图像和RGB图像进行特征提取，得到对应的深度图像特征和RGB图像特征；将深度图像特征和RGB图像特征进行融合，得到融合特征；将融合特征输入状态判定网络中，得到状态标签；根据状态标签确定雷达和相机是否需要标定。该方法可以在配准结果上实现较高的自检精度，具有较强的鲁棒性和较高的处理速度。处理速度。处理速度。

【技术实现步骤摘要】
一种雷达和相机的标定自检方法及电子设备


[0001]本专利技术属于标定
，特别涉及一种雷达和相机的标定自检方法及电子设备。

技术介绍

[0002]激光雷达是一种能够获得三维空间坐标的传感器。与相机相比，激光雷达可以获得准确的空间信息，但比相机获得的颜色和纹理信息少。因此，在自动驾驶场景中，需要获得一种结合了两个传感器优点的数据，这可以为下游传感任务提供更多信息。
[0003]在实际应用中，判断标定结果是否准确是非常有用的。特别是在自动驾驶情况下，在车辆制造时，应分析和检查标定性能。如果这一过程能够自动完成，生产效率将大大提高。同时，在车辆运行过程中，车辆的所有传感器需要始终保持在正常工作状态。它需要工具来检测传感器状态，以便在传感器发生偏移或抖动的情况下，可以立即制动车辆，并采取紧急措施。及时检测和处理可以保护乘客的安全。
[0004]许多现有的工作更多地关注于提高标定精度，而没有工作关注于判断标定结果。然而，实时检测标定参数的准确性对于确保自动驾驶的安全稳定运行至关重要。

技术实现思路

>[0005]本说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雷达和相机的标定自检方法，其特征在于，所述方法包括：获取雷达的点云数据和相机的RGB图像；将所述点云数据转换为二维平面上的深度图像；分别对所述深度图像和所述RGB图像进行特征提取，得到对应的深度图像特征和RGB图像特征；将所述深度图像特征和所述RGB图像特征进行融合，得到融合特征；将所述融合特征输入状态判定网络中，得到状态标签；根据所述状态标签确定所述雷达和所述相机是否需要标定。2.根据权利要求1所述的方法，其特征在于，所述将所述点云数据转换为二维平面上的深度图像，包括：采用相机模型将点云数据转换为二维平面上的深度图像。3.根据权利要求2所述的方法，其特征在于，所述采用相机模型将点云数据转换为二维平面上的深度图像，包括：获取点云数据在三维空间的坐标；根据所述点云数据在三维空间的坐标及所述雷达的外参、所述相机的内参，确定所述点云数据在二维平面的像素；对比相同像素上点的前后位置，得到所述深度图像。4.根据权利要求1所述的方法，其特征在于，所述分别对所述深度图像和所述RGB图像进行特征提取，得到对应的深度图像特征和RGB图像特征，包括：将所述深度图像输入第一特征提取网络，得到所述深度图像特征；将所述RGB图像输入第二特征提取网络，得到所述RGB图像特征...

【专利技术属性】
技术研发人员：李怡康，闫国行，魏鹏锦，
申请(专利权)人：上海人工智能创新中心，
类型：发明
国别省市：