车载激光雷达与相机的联合标定方法、装置、设备及介质制造方法及图纸

技术编号:41367461 阅读:31 留言:0更新日期:2024-05-20 10:14
本发明专利技术公开了一种车载激光雷达与相机的联合标定方法、装置、设备及介质,该方法包括:基于每组标定数据中的激光雷达点云数据,确定每组标定数据对应的圆形标定板在激光雷达坐标系中的第一圆心点坐标,基于每组标定数据中的相机图像数据,确定每组标定数据对应的棋盘格在像素坐标系中的角点坐标,并利用张氏标定法,标定得到相机的内参矩阵和畸变系数,以及像素坐标系到世界坐标系的外参矩阵,并确定每组标定数据对应的圆形标定板在像素坐标系中的第二圆心点坐标,根据第一圆心点坐标和第二圆心点坐标,建立点对点的约束关系,并根据约束关系,标定得到相机相对激光雷达的外参。本发明专利技术能够提高相机相对激光雷达外参精确标定的效率。

【技术实现步骤摘要】

本专利技术涉及车辆,尤其涉及一种车载激光雷达与相机的联合标定方法、装置、设备及介质


技术介绍

1、如今自动驾驶受到越来越多的人关注。为了确保自动驾驶在动态环境运行下的安全性,多传感器融合协同技术应运而生。常用的传感器有相机、激光雷达等。激光雷达作为一种主动测量的传感器,对环境的光照不敏感,具有较高的精度。相机作为被动测量的传感器,采集的信息十分丰富,在场景语义理解上具有独特的优势。二者的数据融合提供了克服各自的固有缺点的可行性,而它的主要挑战是通过如何通过外部标定,准确地确定相机的内参矩阵,以及相机与激光雷达的坐标系之间的刚体变换关系。

2、针对相机和激光雷达的内外参联合标定问题,研究人员提出了多种方法,这些方法主要分为两类:基于目标的方法和自动标定方法。鉴于基于目标标定方法的高精度,人们普遍采用该类方法进行标定。基于目标的标定方法主要难点在于如何提取相机数据和激光雷达点云数据的特征。而提取特征的方法又划分为算法类和标定板类。算法类通过改进数据信息整合方式,提取出更为准确的角点、线、平面。标定板类通过设计更容易提取的图像特征来确保其准确性。现本文档来自技高网...

【技术保护点】

1.一种车载激光雷达与相机的联合标定方法,其特征在于,包括:

2.如权利要求1所述的车载激光雷达与相机的联合标定方法,其特征在于,根据每组标定数据对应的所述棋盘格在像素坐标系中的角点坐标,利用张氏标定法,标定得到所述相机的内参矩阵和畸变系数,以及所述像素坐标系到世界坐标系的外参矩阵,包括:

3.如权利要求2所述的车载激光雷达与相机的联合标定方法,其特征在于,根据所述相机的内参矩阵和畸变系数,以及所述像素坐标系到世界坐标系的外参矩阵,确定每组标定数据对应的所述圆形标定板在像素坐标系中的第二圆心点坐标,包括:

4.如权利要求3所述的车载激光雷达与相机的联合...

【技术特征摘要】

1.一种车载激光雷达与相机的联合标定方法,其特征在于,包括:

2.如权利要求1所述的车载激光雷达与相机的联合标定方法,其特征在于,根据每组标定数据对应的所述棋盘格在像素坐标系中的角点坐标,利用张氏标定法,标定得到所述相机的内参矩阵和畸变系数,以及所述像素坐标系到世界坐标系的外参矩阵,包括:

3.如权利要求2所述的车载激光雷达与相机的联合标定方法,其特征在于,根据所述相机的内参矩阵和畸变系数,以及所述像素坐标系到世界坐标系的外参矩阵,确定每组标定数据对应的所述圆形标定板在像素坐标系中的第二圆心点坐标,包括:

4.如权利要求3所述的车载激光雷达与相机的联合标定方法,其特征在于,根据所述第一圆心点坐标和所述第二圆心点坐标,建立点对点的约束关系,包括:

5.如权利要求4所述的车载激光雷达与相机的联合标定方法,其特征在于,根据所述约束关系、所述相机的内参矩阵和畸变系数,标定得到所述相机相对所述激光雷达的外参,包括:

6.如权利要求5所述的车载激光雷达与相机的联合标定方法,其特征在于,...

【专利技术属性】
技术研发人员:高渐攀袁霖陈超越
申请(专利权)人:浙江吉利控股集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1