【技术实现步骤摘要】
本专利技术涉及无人驾驶汽车，特别是涉及一种单目相机内参及外参标定方法及系统。
技术介绍
1、无人驾驶汽车是当今科技领域的重要发展方向，它代表了未来交通领域的一项革命性技术，具有重要的战略意义和广泛的应用前景。无人驾驶汽车的三大技术模块包括感知、决策和控制。其中，感知模块是无人驾驶汽车的重要组成部分。感知模块利用激光雷达、单目相机等传感器，采集道路、障碍物和交通参与者等环境信息，然后通过计算机视觉、点云处理和深度学习等技术进行环境感知和目标识别。感知模块的准确性和稳定性对于无人驾驶汽车的安全和可靠性至关重要。它能够实时获取周围环境的状态，帮助车辆做出正确的决策和规划，从而确保车辆能够安全行驶并适应不同的交通环境。不同传感器易受到不同环境的影响而导致感知模块准确性下降，为了保证自动驾驶车辆在动态环境下正常运行，多传感器协同技术应运而生。在众多类型的传感器数据融合方法中，激光雷达与单目相机的组合是驾驶环境感知中最常用的传感器对之一。激光雷达主要通过发射激光束并测量返回的反射光来获取环境中物体的距离和位置信息。单目相机则通过捕捉图像并分析图像中的特征来获得环境的视觉信息。激光雷达在精确度和稳定性方面表现出色，而单目相机在识别和分析物体特征方面具有优势。将两者融合可以弥补各自的局限性，提高感知的鲁棒性和准确性。而这两种异构传感器融合的主要挑战是通过外部标定找到精确的单目相机的内在参数和传感器坐标系之间的刚体变换。
2、方案1：依靠标志物与机械臂的激光雷达与单目相机外参标定方法，需要布置特定的标定靶标。将携带有单目相机和激光雷达
3、方案2：依靠标志物的无人驾驶环境感知中单目相机与激光雷达标定系统及标定方法，基于一种定制标定板的传感器系统，分别对单目相机和激光雷达所采集的数据进行处理，得到两传感器各自坐标下标定板上镂空圆圆心的三维坐标，再基于改进的迭代最近点(icp)算法对两组点集进行配准，解算单目相机与激光雷达之间的相对位姿关系，得到标定结果。
4、现有的依靠标志物的激光雷达与单目相机外参标定方法需要先对单目相机内参进行标定，然后采集位于激光雷达与单目相机共视区处的标定板的激光雷达三维点云数据与单目相机相机图像数据。在采集多帧数据后，对这些数据进行求解计算可以得到激光雷达与单目相机的外参。对于依靠标志物的激光雷达与单目相机外参标定方法可分为基于区域特征匹配、基于点特征匹配两种。基于区域特征匹配需要在图像和点云数据中均找到具有特定语义的区域。该类方法提取出特定区域的点云数据并设计一张只包含图像特定区域的蒙版，然后设计一个对象函数(object function)来评价是否有足够多的特定区域点云数据投影到特定区域图像蒙版上，最后通过优化的方法迭代外参，使得object function最大或最小从而计算出激光雷达与单目相机的外参。基于点特征匹配的核心思想和区域特征匹配的思想类似，不过该类方法提取的是激光雷达和图像中的点特征(比如边缘点)，并尝试通过构建pnp来求解外参。
5、以上所介绍的现有的依靠标志物的激光雷达与单目相机外参标定方法均需事先额外准备一块标定板进行单目相机内参标定，传统单目相机内参标定数据采集需要数十张标定板不同姿态的图片数据，标定成本较高且流程繁琐。目前的大部分外参标定方法仍采用手动筛选点云数据与特征点的方式。求解外参标定结果时需要数十组数据使标定结果更为准确，对应的人工工作量会变得较大，整体标定工作自动化程度较低十分耗时。
6、此外如上所述，现有的依靠标志物的激光雷达与单目相机外参标定方法标定结果精度并不高，其标定结果难以达到激光雷达与单目相机精确融合的要求。现有的基于区域特征匹配激光雷达与单目相机外参标定方法均为人工选取标定板点云数据与图像蒙版进行对齐。由于人为对点云进行选取操作时很难选出完整的标定板点云数据且易出现误选的现象，致使计算标定外参结果所需的点云输入数据不准确，计算所得出外参结果也就会出现较大的误差。现有的点特征匹配激光雷达与单目相机外参标定方法特征点提取受到光照变化、遮挡或噪声等因素的影响鲁棒性并不高。特征点匹配也存在着误匹配或缺失匹配的问题。且现有的点特征匹配标定算法仍有一些算法采用人工选点方式，在人工操作下选点并不准确。对应点对数据的准确性对标定结果影响较大，误差累积可能导致较大的标定误差。
技术实现思路
1、本专利技术的目的是提供一种单目相机内参及外参标定方法及系统，提高了标定的准确性。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种单目相机内参及外参标定方法，包括：
4、分别采集标定板位于车辆车前的第一位置、第二位置和第三位置时的第一标定板数据、第二标定板数据和第三标定板数据；所述第一标定板数据、所述第二标定板数据和所述第三标定板数据均包括所述车辆上激光雷达采集的点云数据与所述车辆上单目相机采集的相机图像数据；所述标定板包括正方形主板和分别与正方形主板的四个边连接的长方形板面，各所述长方形板面均与所述正方形主板呈设定角度；所述正方形主板上设置有m个圆孔，所述正方形主板和各所述长方形板面上均设置有不同姿态的对称圆点标定图案；m为大于1的正整数；
5、从所述第一标定板数据、所述第二标定板数据和所述第三标定板数据中分别选取n帧的点云数据与相机图像数据，得到第一输入数据、第二输入数据和第三输入数据；n为大于1的正整数；
6、根据所述第一输入数据、所述第二输入数据和所述第三输入数据中的点云数据，采用点云直通滤波算法和ransac算法，得到每帧点云数据对应的激光雷达坐标系下圆孔圆心的三维坐标；
7、将所述对称圆点标定图案作为单目相机内参标定图案，根据所述第一输入数据、所述第二输入数据和所述第三输入数中的相机图像数据，对所述单目相机进行内参标定；
8、根据所述第一输入数据、所述第二输入数据和所述第三输入数中的相机图像数据，以及标定板坐标系下m个圆孔圆心的三维圆心坐标，得到每帧相机数据对应的单目相机坐标系下圆孔圆心的三维坐标；
9、将每帧点云数据对应的激光雷达坐标系下圆孔圆心的三维坐标和每帧相机数据对应的单目相机坐标系下圆孔圆心的三维坐标，通过构建最小二乘问题进行联合标定，得到激光雷达相对于单目相机的旋转矩阵与平移矩阵。
10、可选地，所述第一位置为车辆正前方第一设定距离处，所述第二位置为在所述第一位置右侧的第二设定距离处，所述第三位置为在所述第一位置左侧的第二设定距离处，所述第二位置和所述第三位置的连接与所述车辆中轴线垂直。
11、可选地，根据所述第一输入数据、所述第二输入数据和所述第三输入数据中的点云数据，采用点云直通滤波算法和ransac算法，本文档来自技高网...
【技术保护点】
1.一种单目相机内参及外参标定方法，其特征在于，包括：
2.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，所述第一位置为车辆正前方第一设定距离处，所述第二位置为在所述第一位置右侧的第二设定距离处，所述第三位置为在所述第一位置左侧的第二设定距离处，所述第二位置和所述第三位置的连接与所述车辆中轴线垂直。
3.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，根据所述第一输入数据、所述第二输入数据和所述第三输入数据中的点云数据，采用点云直通滤波算法和RANSAC算法，得到每帧点云数据对应的激光雷达坐标系下圆孔圆心的三维坐标，具体包括：
4.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，所述对称圆点标定图案为正方形，所述正方形主板和各所述长方形板面上均设置有两种姿态的对称圆点标定图案，第一种姿态为所述对称圆点标定图案的四条边与所在板面的四条边对应平行，第二种姿态为第一中姿态旋转45度后的姿态；
5.根据权利要求4所述的单目相机内参及外参标定方法，其特征在于，将所述对称圆点标定图案作为单目相机内参标定图案
6.根据权利要求5所述的单目相机内参及外参标定方法，其特征在于，根据所述第一输入数据、所述第二输入数据和所述第三输入数中的相机图像数据，以及标定板坐标系下M个圆孔圆心的三维圆心坐标，得到每帧相机数据对应的单目相机坐标系下圆孔圆心的三维坐标，具体包括：
7.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，将每帧点云数据对应的激光雷达坐标系下圆孔圆心的三维坐标和每帧相机数据对应的单目相机坐标系下圆孔圆心的三维坐标，通过构建最小二乘问题进行联合标定，得到激光雷达相对于单目相机的旋转矩阵与平移矩阵，具体包括：
8.根据权利要求7所述的单目相机内参及外参标定方法，其特征在于，M取值为6，N取值为15。
9.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，所述标定板的正面为印有ChArUco标志的一面，所述标定板的背面上各圆孔的位置进行了倒角设置。
10.一种单目相机内参及外参标定系统，其特征在于，包括：
...【技术特征摘要】
1.一种单目相机内参及外参标定方法，其特征在于，包括：
2.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，所述第一位置为车辆正前方第一设定距离处，所述第二位置为在所述第一位置右侧的第二设定距离处，所述第三位置为在所述第一位置左侧的第二设定距离处，所述第二位置和所述第三位置的连接与所述车辆中轴线垂直。
3.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，根据所述第一输入数据、所述第二输入数据和所述第三输入数据中的点云数据，采用点云直通滤波算法和ransac算法，得到每帧点云数据对应的激光雷达坐标系下圆孔圆心的三维坐标，具体包括：
4.根据权利要求1所述的单目相机内参及外参标定方法，其特征在于，所述对称圆点标定图案为正方形，所述正方形主板和各所述长方形板面上均设置有两种姿态的对称圆点标定图案，第一种姿态为所述对称圆点标定图案的四条边与所在板面的四条边对应平行，第二种姿态为第一中姿态旋转45度后的姿态；
5.根据权利要求4所述的单目相机内参及外参标定方法，其特征在于，将所述对称圆点标定图案作为单目相机内参标定图案，根...
【专利技术属性】
技术研发人员：蒲华燕，肖韧，王刚，罗均，吴浪，刘鸿亮，
申请(专利权)人：重庆大学，
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。