【技术实现步骤摘要】
本申请属于智慧交通，尤其涉及传感器的时间同步方法、外参标定方法及装置。
技术介绍
1、在智慧交通领域，基于越来越复杂的交通环境，为了更好地实现道路交通信息的感知，将多个传感器的信息融合起来，进而利用不同传感器的特点来获取更加丰富的道路信息成为一种趋势。
2、多传感器信息融合的必要条件之一是时间同步，而时间同步的精度直接影响数据融合的效果，因此如何提高不同传感器之间的时间同步性成为亟待解决的技术问题。
技术实现思路
1、本申请实施例提供了一种传感器的时间同步方法、外参标定方法及装置，解决了现有技术中不同传感器之间的时间同步性较差的技术问题。
2、第一方面，本申请实施例提供了一种传感器的时间同步方法，所述方法包括：
3、为第一传感器和第二传感器确定目标时间戳，所述目标时间戳与所述第一传感器的一帧数据的时间戳的差值最接近所述第一传感器和所述第二传感器之间的目标初始偏差，所述目标初始偏差为使得所述第二传感器和所述第一传感器的数据融合最大偏差最小的初始偏差；
4、获取所述第一传感器和所述第二传感器分别以所述目标时间戳作为初始采样时刻采集到的各帧数据；
5、从所述第一传感器采集的所述各帧数据和所述第二传感器采集的所述各帧数据中，确定一个或多个第一数据帧以及第二数据帧，所述第一数据帧和所述第二数据帧中的一个为所述第一传感器采集的数据帧，另一个为所述第二传感器采集的数据帧；
6、根据各个所述第一数据帧对应的时间戳和各个所述第二
7、在其中一个实施例中，所述第二传感器为机械式激光雷达；所述为第一传感器和第二传感器确定目标时间戳，包括：
8、确定所述第一传感器的一帧数据对应的第一时间戳，以及所述机械式激光雷达的一帧数据中m个数据包中每个数据包对应的第二时间戳；
9、根据所述第一时间戳，从m个所述第二时间戳中确定所述目标时间戳。
10、在其中一个实施例中，所述方法还包括：
11、根据所述第一传感器对应的第一采样频率和所述第二传感器对应的第二采样频率，确定所述初始偏差和所述数据融合最大偏差之间的关联关系；
12、根据所述关联关系，确定与最小的所述数据融合最大偏差对应的所述初始偏差为所述目标初始偏差。
13、在其中一个实施例中，所述第一采样频率和所述第二采样频率均为常数值，所述关联关系为周期性的折线函数。
14、在其中一个实施例中，从所述目标时间戳起之后所述第一传感器采集的各帧数据和所述第二传感器采集的各帧数据中确定一个或多个第一数据帧以及第二数据帧，包括：
15、根据所述第一传感器的采用频率和所述第二传感器的采样频率，从所述目标时间戳起之后的所述第一传感器采集的各帧数据和所述第二传感器采集的各帧数据中确定第一数据帧和第二数据帧，所述第一数据帧为所述第一传感器和所述第二传感器中采样频率较小的一方对应的各帧数据，所述第二数据帧为所述第一传感器和所述第二传感器中采样频率较大的一方对应的各帧数据。
16、在其中一个实施例中，所述根据各个第一数据帧对应的时间戳和各个第二数据帧的时间戳，确定每个所述第一数据帧所对应一个目标第二数据帧，包括：
17、获取各个所述第一数据帧所对应的时间差集合，所述时间差集合包括对应所述第一数据帧的时间戳与各个所述第二数据帧的时间戳的差值；
18、确定第一时间差集合中的最小值对应的所述第二数据帧为与所述第一时间差集合对应的所述第一数据帧所对应的所述一个目标第二数据帧，其中所述第一时间差集合为各个所述时间差集合中的任意一个。
19、第二方面，本申请实施例提供了一种传感器的外参标定方法，包括：
20、获取根据第二方面中任一项所述的方法确定的任意一对所述第一数据帧和所述目标第二数据帧；
21、根据所述第一数据帧和所述目标第二数据帧，确定所述第二传感器和所述第一传感器所对应的外参。
22、在其中一个实施例中，所述根据所述第一数据帧和所述目标第二数据帧，确定所述第二传感器和所述第一传感器所对应的外参，包括：
23、根据所述第一数据帧和所述目标第二数据帧，确定所述第二传感器和所述第一传感器的初始外参；
24、利用n个深度学习模型对所述初始外参进行迭代优化，获得所述外参，其中n为大于或等于2的整数。
25、在其中一个实施例中，所述利用n个深度学习模型对所述初始外参进行迭代优化，获得所述外参，包括：
26、将所述第一数据帧、所述目标第二数据帧和第n-1外参，输入到第n个深度学习模型进行处理，获得第n计算外参偏差，其中n为整数且n∈[1，n]；
27、根据所述第n-1外参和所述第n计算外参偏差，确定第n外参；其中n＝1时，所述第n-1外参为所述初始外参，n＝n时，所述第n外参为所述外参。
28、在其中一个实施例中，所述n个深度学习模型训练方法包括：
29、获取所述第二传感器和所述第一传感器在多个不同使用场景下的训练数据，每个所述使用场景对应的训练数据包括多组采集数据和真实外参；其中，每组所述采集数据包括采集时间同步的所述第二传感器的一帧数据和所述第一传感器的一帧数据；
30、确定n个不同偏差程度的外参偏差；
31、利用各组所述采集数据、对应的真实外参和第m个外参偏差，对第m个深度学习模型进行训练，其中所述第m个外参偏差所对应的偏差程度大于第m+1个外参偏差所对应的偏差程度，其中m为整数且m∈[1，n]。
32、第三方面，本申请实施例提供了一种传感器的时间同步装置，包括：
33、第一确定单元，用于为第一传感器和第二传感器确定目标时间戳，所述目标时间戳与所述第一传感器的一帧数据的时间戳的差值最接近所述第一传感器和所述第二传感器之间的目标初始偏差，所述目标初始偏差为使得所述第二传感器和所述第一传感器的数据融合最大偏差最小的初始偏差；
34、数据获取单元，用于获取所述第一传感器和所述第二传感器分别以所述目标时间戳作为初始采样时刻采集到的各帧数据；
35、第二确定单元，用于从所述第一传感器采集的所述各帧数据和所述第二传感器采集的所述各帧数据中，确定一个或多个第一数据帧以及第二数据帧，所述第一数据帧和所述第二数据帧中的一个为所述第一传感器采集的数据帧，另一个为所述第二传感器采集的数据帧；
36、同步单元，用于根据各个所述第一数据帧对应的时间戳和各个所述第二数据帧的时间戳，确定每个所述第一数据帧对应的一个目标第二数据帧，每个所述第一数据帧的时间戳与各自对应的所述目标第二数据帧的时间戳之间的差值最小。
37、第四方面，本申请实施例提供了一种传感器的外参标定装置，其特征在于，本文档来自技高网...
【技术保护点】
1.一种传感器的时间同步方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第二传感器为机械式激光雷达；所述为第一传感器和第二传感器确定目标时间戳，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述第一采样频率和所述第二采样频率均为常数值，所述关联关系为周期性的折线函数。
5.根据权利要求1～4任一项所述的方法，其特征在于，从所述目标时间戳起之后所述第一传感器采集的各帧数据和所述第二传感器采集的各帧数据中确定一个或多个第一数据帧以及第二数据帧，包括：
6.根据权利要求1～4任一项所述的方法，其特征在于，所述根据各个第一数据帧对应的时间戳和各个第二数据帧的时间戳，确定每个所述第一数据帧所对应一个目标第二数据帧，包括：
7.一种传感器的外参标定方法，其特征在于，包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述第一数据帧和所述目标第二数据帧，确定所述第二传感器和所述第一传感器所对应的外参，包括：p>
9.如权利要求8所述的方法，其特征在于，所述利用N个深度学习模型对所述初始外参进行迭代优化，获得所述外参，包括：
10.如权利要求9所述的方法，其特征在于，所述N个深度学习模型训练方法包括：
11.一种传感器的时间同步装置，其特征在于，包括：
12.一种传感器的外参标定装置，其特征在于，包括：
13.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10任一项所述的方法中的步骤。
14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10任一项所述的方法中的步骤。
...【技术特征摘要】
1.一种传感器的时间同步方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第二传感器为机械式激光雷达；所述为第一传感器和第二传感器确定目标时间戳，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述第一采样频率和所述第二采样频率均为常数值，所述关联关系为周期性的折线函数。
5.根据权利要求1～4任一项所述的方法，其特征在于，从所述目标时间戳起之后所述第一传感器采集的各帧数据和所述第二传感器采集的各帧数据中确定一个或多个第一数据帧以及第二数据帧，包括：
6.根据权利要求1～4任一项所述的方法，其特征在于，所述根据各个第一数据帧对应的时间戳和各个第二数据帧的时间戳，确定每个所述第一数据帧所对应一个目标第二数据帧，包括：
7.一种传感器的外参标定方法，其特征在于，包括：
8...
【专利技术属性】
技术研发人员：张震，李智，
申请(专利权)人：北京万集科技股份有限公司，
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。