本申请公开了一种相机的姿态角确定方法、装置、设备及计算机存储介质。可获取相机与雷达之间的坐标转换矩阵以及该雷达采集的雷达点云数据。再通过该坐标转换矩阵，将该雷达点云数据转换为相机坐标系下的相机点云数据，从而确定该相机点云数据中的地面平面的相机坐标法向量。再根据将地面坐标法向量转换为该相机坐标法向量的旋转向量，确定该旋转向量对应的欧拉角，即该相机的姿态角。可见，能够确定相机的姿态角。该姿态角是根据预设的地面坐标系的法向量以及相机坐标系中地面平面的法向量确定出的。该地面平面是基于该雷达采集的雷达点云数据，经过坐标转换矩阵进行转换得到的。可见，采用上述方式，可更准确、更稳定的确定该相机的姿态角。相机的姿态角。相机的姿态角。
【技术实现步骤摘要】
相机的姿态角确定方法、装置、设备及计算机存储介质
[0001]本申请属于摄影测量
，尤其涉及一种相机的姿态角确定方法、装置、设备及计算机存储介质。
技术介绍
[0002]通常情况下，自动驾驶车辆配置的相机相对于地面的姿态角是自动驾驶系统中的重要参数。但由于自动驾驶车辆在行驶过程中可能出现颠簸，相机的姿态角可能随之出现变化，因此，自动驾驶车辆需要随时对相机的姿态角进行测量。
[0003]现有技术中，通常采用消失点估计法确定相机的姿态角。即，通过相机采集的图像中道路标线、道路围栏等实际平行目标实现对相机姿态角的确定。
[0004]但是，由于部分道路中的道路标线可能出现污损、被雨雪覆盖等因素，上述方式在部分场景下难以准确的确定相机的姿态角。
技术实现思路
[0005]本申请实施例提供一种相机的姿态角确定方法、装置、设备及计算机存储介质，能够准确、稳定的确定相机的姿态角。
[0006]一方面，本申请实施例提供一种相机的姿态角确定方法，方法包括：
[0007]获取所述相机与所述雷达之间的坐标转换矩阵以及所述雷达采集的雷达点云数据；
[0008]通过所述坐标转换矩阵，将所述雷达点云数据中的雷达点转换至所述相机坐标系中，得到相机点云数据；
[0009]根据所述相机点云数据，在所述相机坐标系内确定地面平面；
[0010]确定所述地面平面在所述相机坐标系内的相机坐标法向量；
[0011]根据预设的地面坐标系的地面坐标法向量以及所述相机坐标法向量，确定将所述地面坐标法向量转换为所述相机坐标法向量的旋转向量；
[0012]根据所述旋转向量，得到所述旋转向量对应的欧拉角；
[0013]将欧拉角确定为所述相机的姿态角。
[0014]可选的，根据所述相机点云数据，在所述相机坐标系内确定地面平面，具体包括：
[0015]根据所述相机点云数据，确定在所述相机坐标系内的目标地面点云数据；
[0016]通过最小二乘法，在所述相机坐标系内，将所述目标地面点云数据拟合为地面平面。
[0017]可选的，根据所述相机点云数据，确定在所述相机坐标系内的目标地面点云数据，具体包括：
[0018]通过聚类算法，从所述相机点云数据中，确定地面点云数据；
[0019]在所述相机坐标系中，分别确定所述地面点云数据中每个坐标点与坐标原点的距离；
[0020]将所述地面点云数据中，与所述坐标原点的距离小于预设的距离阈值的坐标点，确定为目标地面点云数据。
[0021]可选的，通过聚类算法，从所述相机点云数据中，确定地面点云数据，具体包括：
[0022]获取所述相机采集到的目标图像；
[0023]响应于用户的操作，从所述目标图像中确定地面图像区域；
[0024]将所述相机点云数据中与所述地面图像区域对应区域的若干坐标点，确定为地面点云数据。
[0025]可选的，根据所述相机点云数据，在所述相机坐标系内确定地面平面之后，所述方法还包括：
[0026]获取所述相机的高度信息；
[0027]在所述相机坐标系内，确定坐标原点与所述地面平面之间的目标距离；
[0028]当确定所述高度信息与所述目标距离的差大于预设的差值阈值时，返回所述获取所述相机与所述雷达之间的坐标转换矩阵以及所述雷达采集的雷达点云数据。
[0029]可选的，根据所述旋转向量，得到所述旋转向量对应的欧拉角，具体包括：
[0030]通过罗德里格斯公式，将所述旋转向量转换为旋转矩阵；
[0031]将所述旋转矩阵转换为欧拉角。
[0032]另一方面，本申请实施例提供了一种相机的姿态角确定装置，装置包括：
[0033]获取单元，用于获取所述相机与所述雷达之间的坐标转换矩阵以及所述雷达采集的雷达点云数据；
[0034]转换单元，用于通过所述坐标转换矩阵，将所述雷达点云数据中的雷达点转换至所述相机坐标系中，得到相机点云数据；
[0035]拟合单元，用于根据所述相机点云数据，在所述相机坐标系内确定地面平面；
[0036]法向量单元，用于确定所述地面平面在所述相机坐标系内的相机坐标法向量；
[0037]计算单元，用于根据预设的地面坐标系的地面坐标法向量以及所述相机坐标法向量，确定将所述地面坐标法向量转换为所述相机坐标法向量的旋转向量；
[0038]转换单元，用于根据所述旋转向量，得到所述旋转向量对应的欧拉角；
[0039]确定单元，用于将欧拉角确定为所述相机的姿态角。
[0040]再一方面，本申请实施例提供了一种相机的姿态角确定设备，设备包括：
[0041]处理器以及存储有计算机程序指令的存储器；
[0042]所述处理器执行所述计算机程序指令时实现如上述一方面所述的相机的姿态角确定方法。
[0043]再一方面，本申请实施例提供了一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上述一方面的任意一项所述的相机的姿态角确定方法。
[0044]再一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备实现如上述一方面的任意一项所述的相机的姿态角确定方法。
[0045]本申请实施例的相机的姿态角确定方法、装置、设备及计算机存储介质，能够确定相机的姿态角。该姿态角是根据地面坐标系的法向量以及该相机的相机坐标系中地面平面
的法向量确定出的。地面坐标系的法向量是固定值，该相机坐标系中的地面平面是基于雷达采集的雷达点云数据中的目标地面点云数据，通过该相机与该雷达的坐标转换矩阵进行转换得到的。可见，采用上述方式，可更准确、更稳定的确定该相机的姿态角。
附图说明
[0046]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，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。
[0047]图1是本申请一个实施例提供的相机的姿态角确定方法的流程示意图；
[0048]图2是本申请一个实施例提供的相机姿态角示意图；
[0049]图3是本申请另一个实施例提供的相机姿态角示意图；
[0050]图4是本申请一个实施例提供的相机的姿态角确定装置的结构示意图；
[0051]图5是本申请一个实施例提供的相机的姿态角确定设备的结构示意图。
具体实施方式
[0052]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种相机的姿态角确定方法，其特征在于，所述相机与雷达存在对应关系，包括：获取所述相机与所述雷达之间的坐标转换矩阵以及所述雷达采集的雷达点云数据；通过所述坐标转换矩阵，将所述雷达点云数据中的雷达点转换至所述相机坐标系中，得到相机点云数据；根据所述相机点云数据，在所述相机坐标系内确定地面平面；确定所述地面平面在所述相机坐标系内的相机坐标法向量；根据预设的地面坐标系的地面坐标法向量以及所述相机坐标法向量，确定将所述地面坐标法向量转换为所述相机坐标法向量的旋转向量；根据所述旋转向量，得到所述旋转向量对应的欧拉角；将欧拉角确定为所述相机的姿态角。2.根据权利要求1所述的方法，其特征在于，根据所述相机点云数据，在所述相机坐标系内确定地面平面，具体包括：根据所述相机点云数据，确定在所述相机坐标系内的目标地面点云数据；通过最小二乘法，在所述相机坐标系内，将所述目标地面点云数据拟合为地面平面。3.根据权利要求2所述的方法，其特征在于，根据所述相机点云数据，确定在所述相机坐标系内的目标地面点云数据，具体包括：通过聚类算法，从所述相机点云数据中，确定地面点云数据；在所述相机坐标系中，分别确定所述地面点云数据中每个坐标点与坐标原点的距离；将所述地面点云数据中，与所述坐标原点的距离小于预设的距离阈值的坐标点，确定为目标地面点云数据。4.根据权利要求3所述的方法，其特征在于，通过聚类算法，从所述相机点云数据中，确定地面点云数据，具体包括：获取所述相机采集到的目标图像；响应于用户的操作，从所述目标图像中确定地面图像区域；将所述相机点云数据中与所述地面图像区域对应区域的若干坐标点，确定为地面点云数据。5.根据权利要求1所述的方法，其特征在于，根据所述相机点云数据，在所述相机坐标系内确定地面平面之后，所述方法还包括：获取所述相机的高度信息；在所述相机坐标系内，确定坐标原点与所述地面平面之间...
【专利技术属性】
技术研发人员：艾建勇，赵九花，
申请(专利权)人：上海汽车集团股份有限公司，
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。