【技术实现步骤摘要】
本专利技术涉及设备联合标定，具体涉及一种相机和激光雷达的自动联合标定方法、系统及无人驾驶矿卡。
技术介绍
1、多传感器的数据融合模块是无人驾驶感知模块中的关键节点。可见光相机和激光雷达是无人驾驶技术方案中常用的两种异构传感器。多传感器数据融合技术可以为感知模块提供更加丰富的数据信息。但是这两种异构传感器数据由于坐标系的不一致，是无法直接使用其数据，需要统一这两种传感器的坐标系后再进行数据的融合。这种统一坐标系的过程称为可见光相机-激光雷达联合标定。
2、无人驾驶车辆工作坏境不确定性很大，碎石飞沙是常见工况，在这种环境下可见光相机极可能被外界飞来物体撞坏，因此巡检设备是日常生产活动的重要环节。因此需要给客户提供一套自动化的可见光相机-激光雷达联合标定方案，用于设备损坏后客户的自主替换和参数标定。考虑无法搭建在工作环境下和厂商出厂标定的室内环境相同标准的场景方案。因此只能考虑室外的标定场景，考虑到多项目中工作环境不相同，要做到标定功能部署的标准化，则需要布置具有统一特点的室外标定场景。可见光相机的标定分为内参标定和相机-激光雷达联合标定两个步骤。布置的标定场景需要同时满足上述两个步骤的数据采取。传统的方案是先布置相机内参标定场景，录取标定数据，计算标定参数；然后再布置联合标定场景，录取标定数据，计算标定参数。但传统方案存在步骤太多，耗时太长的问题。
技术实现思路
1、为了克服上述现有技术中存在的缺陷，本专利技术的目的是提供一种相机和激光雷达的自动联合标定方法、系统及无人驾驶
2、为了实现本专利技术的上述目的，本专利技术提供了一种相机和激光雷达的自动联合标定方法，包括以下步骤：
3、以棋盘格作为标定板，设置至少一个标定板；
4、通过激光雷达对标定板进行数据采集，获取3d点云数据；通过相机对标定板进行数据采集，获取图像数据；
5、标定相机内参和畸变参数；
6、从3d点云数据中获取各标定板的点云数据，并映射到对应的标定板平面上，并使用激光雷达中相同激光编码id所对应的点云数据在激光雷达坐标系中排序，找出y轴方向各标定板的点云数据的最值，获取到各标定板的边缘点云数据，根据各标定板的边缘点云数据拟合得各标定板的四个边的方程，将各标定板的四个边的方程两两组合求取交点，得到各标定板在激光雷达坐标系中的顶点；
7、根据图像数据提取出各标定板每一列的棋盘格角点的集合，求得各标定板在图像数据中的列边缘直线；根据图像数据提取出各标定板每一行的棋盘格角点的集合，求得各标定板在图像数据中的行边缘直线；将各标定板各自的列边缘直线和行边缘直线两两组合求取交点，得到各标定板在像素坐标系中的顶点；
8、将各标定板在激光坐标系中提取的顶点和像素坐标系中对应的顶点通过非线性优化的方式迭代求解得到相机-激光雷达的联合标定参数；
9、根据该相机-激光雷达的联合标定参数对相机和激光雷达进行联合标定。
10、本方法采用只需要录取一次数据，数据可复用于相机内参的标定和相机-激光雷达联合参数的标定，且该方法对环境依赖低，可在室内、室外录取数据，利于在各种工况上部署实施。
11、在该相机和激光雷达的自动联合标定方法的一种可选方案中，从3d点云数据中获取各标定板的点云数据，并映射到对应的标定板平面的步骤为：
12、将3d点云数据投影到激光雷达坐标系的xoy平面并进行点云聚类，获取各标定板的点云数据；
13、对各标定板的点云数据分别进行标定板平面拟合，获取平面参数；
14、利用所述平面参数分别将各标定板的点云数据映射到对应的标定板平面上，获得各标定板映射后的标定板点云数据。
15、该可选方案可快速且准确地将各标定板的点云数据映射到标定板平面上，提高了本方法的高效性与准确性。
16、在该相机和激光雷达的自动联合标定方法的一种可选方案中，获取平面参数后，剔除点云数据中离拟合的平面的距离大于距离阈值的点，得到各标定板的校正点云数据；
17、利用平面参数分别将各标定板的校正点云数据映射到对应的标定板平面上，获得各标定板映射后的标定板点云数据。
18、该可选方案剔除了点云数据中离拟合的平面的距离大于距离阈值的空间点，只保留小于距离阈值的空间点，这样可以更好的表征标定板。
19、在该相机和激光雷达的自动联合标定方法的一种可选方案中，找出y轴方向各标定板的点云数据的最值的步骤为：
20、针对每一个标定板点云数据获取带激光编码id的点云数据，根据相同激光编码id下的点云数据的y值的大小对对应标定板的点云数据进行排序，将相同激光编码id下的y值最大和最小的点云数据作为标定板的边缘点云数据。
21、该可选方案简化了激光雷达坐标系中标定板的边缘检测，提高了本方法的计算速度。
22、在该相机和激光雷达的自动联合标定方法的一种可选方案中，各标定板在图像数据中的列边缘直线、行边缘直线求取步骤为：
23、检测图像数据中各标定板在像素坐标系下的棋盘格角点；
24、将各标定板对应的角点根据像素坐标系下y值和x值大小重新排列顺序；
25、求取像素坐标系下各标定板每一列相邻两角点的像素差，通过每一列相邻两角点的像素差的和的均值，推测像素坐标系下的各标定板的上边缘点和下边缘点的像素坐标，对上边缘点和下边缘点分别进行直线拟合，得到各标定板在图像数据中的上边缘直线和下边缘直线；
26、求取像素坐标系下各标定板每一行相邻两角点的像素差，通过每一行相邻两点像素差的和的均值，推测像素坐标系下各标定板的左边缘点和右边缘点的像素坐标，对左边缘点和右边缘点分别进行直线拟合，得到各标定板在图像数据中的左边缘直线和右边缘直线。
27、该可选方案简化了图像坐标系中标定板边缘检测，提高了本方法的计算速度与准确性。
28、在该相机和激光雷达的自动联合标定方法的一种可选方案中，根据各标定板的每一列的上边缘角点的像素坐标与每一列的所述均值的差推测得到像素坐标系下的各标定板的上边缘点的像素坐标；
29、根据各标定板的每一列的下边缘角点的像素坐标与每一列的所述均值的和推测得到像素坐标系下的各标定板的下边缘点的像素坐标；
30、根据各标定板的每一行的左边缘角点的像素坐标与每一行的所述均值的差推测得到像素坐标系下的各标定板的左边缘点的像素坐标；
31、根据各标定板的每一行的右边缘角点的像素坐标与每一行的所述均值的和推测得到像素坐标系下的各标定板的右边缘点的像素坐标。
32、该可选方案能快速准确的得到各标定板的边缓点像素坐标。
33、在该相机和激光雷达的自动联合标定方法的一种可选方案中，以反投影误差函数作为损失函数，以非线性优化算法迭代求解该损失函数，得到相机-激光雷达的联合标定参数。
34、在该相机和激光雷达的自动联合标定方法的一种可选方案中，当标定板数本文档来自技高网...
【技术保护点】
1.一种相机和激光雷达的自动联合标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，从3d点云数据中获取各标定板的点云数据，并映射到对应的标定板平面的步骤为：
3.根据权利要求2所述的相机和激光雷达的自动联合标定方法，其特征在于，获取平面参数后，剔除点云数据中离拟合的平面的距离大于距离阈值的点，得到各标定板的校正点云数据；
4.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，找出y轴方向各标定板的点云数据的最值的步骤为：
5.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，各标定板在图像数据中的列边缘直线、行边缘直线求取步骤为：
6.根据权利要求5所述的相机和激光雷达的自动联合标定方法，其特征在于，根据各标定板的每一列的上边缘角点的像素坐标与每一列的所述均值的差推测得到像素坐标系下的各标定板的上边缘点的像素坐标；
7.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，以反投影误差函数作为损失函数，以非线
8.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，当标定板数量大于1时，为各标定板设置编号；通过各标定板的编号实现各标定板的点云数据与图像数据的对应。
9.一种相机和激光雷达的自动联合标定系统，其特征在于，包括相机单元、激光雷达单元、处理单元和存储单元；
10.一种无人驾驶矿卡，其特征在于，包括矿卡本体，所述矿卡本体上设置有如权利要求9所述的相机和激光雷达的自动联合标定系统。
...【技术特征摘要】
1.一种相机和激光雷达的自动联合标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，从3d点云数据中获取各标定板的点云数据，并映射到对应的标定板平面的步骤为：
3.根据权利要求2所述的相机和激光雷达的自动联合标定方法，其特征在于，获取平面参数后，剔除点云数据中离拟合的平面的距离大于距离阈值的点，得到各标定板的校正点云数据；
4.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，找出y轴方向各标定板的点云数据的最值的步骤为：
5.根据权利要求1所述的相机和激光雷达的自动联合标定方法，其特征在于，各标定板在图像数据中的列边缘直线、行边缘直线求取步骤为：
6.根据权利要求5所述的相机和激光雷达的自动联合标定方法，其...
【专利技术属性】
技术研发人员：陈洋，李焱，罗哲，蒋强卫，李俊鹏，
申请(专利权)人：新驱动重庆智能汽车有限公司，
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。