【技术实现步骤摘要】
本申请涉及自动驾驶和机器人，尤其涉及一种雷达和相机的联合标定方法、系统、计算机设备、存储介质和程序产品。
技术介绍
1、在如今的自动驾驶、机器人等领域，越来越多的人将激光雷达与相机结合进行环境感知。激光雷达具有测距精准度高、环境适应性强、三维信息丰富等优势。相机具有丰富的色彩、纹理等信息。但相机在恶劣天气、弱光环境、光强突变等场景下容易发生失效。通过激光雷达和相机的联合感知，将两者优势相结合并弥补各自缺点，可以极大促进自动驾驶性能提升与工程化落地。
2、在下游感知任务中会对多个不同传感器的信息进行融合。激光雷达和相机的联合外参标定是将两个传感器进行融合的重要一环。在激光雷达和相机联合外参标定中，估计的结果就是一个变换矩阵，可分解为平移分量（3自由度）和旋转分量（3自由度），该矩阵表示激光雷达和相机之间的相对空间位置。
3、然而，相关技术的激光雷达和相机联合标定方案有精度差、鲁棒性低等问题。例如，采用镂空圆进行外参标定时，通过点云边缘往往存在精度差、飞点等问题，导致标定精度变差。采用多标靶联合标定时，场地内的其他目标物干扰、标靶移动等均可能导致目标提取失效，标定失败，方案的鲁棒性较差。采用棋盘格方案进行外参标定时，对棋盘格的完整性具有较高要求，边缘处的棋盘格检测易发生失效，但视场边缘也是标定的重要部分，因此方案的鲁棒性较差。
技术实现思路
1、本申请实施例提供一种雷达和相机的联合标定方法、系统、计算机设备、存储介质和程序产品，用于至少解决上述技术问题之一。p>
2、第一方面，本申请实施例提供一种雷达和相机的联合标定方法，所述方法包括：
3、获取所述相机拍摄的标定板的图像，所述标定板上设置有定位标识和图形标识；
4、根据所述定位标识和所述图形标识计算得到所述图形标识的图形中心像素坐标；
5、获取所述雷达采集的标定板的点云数据，并根据所述点云数据中对应于所述图形标识的数据计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标；
6、根据所述图形中心像素坐标、所述第一图形中心三维坐标和所述相机的参数信息，计算得到所述雷达和相机之间的初始外参。
7、在一些实施例中，根据所述定位标识和所述图形标识计算得到所述图形标识的图形中心像素坐标，包括：
8、根据所述定位标识计算所述定位标识的角点像素坐标；
9、根据所述定位标识的角点像素坐标和所述定位标识的角点世界坐标，计算世界坐标系和相机坐标系之间的单应矩阵；
10、根据所述图形标识的中心世界坐标和所述单应矩阵，计算所述图形标识的图形中心像素坐标。
11、在一些实施例中，雷达和相机的联合标定方法还包括：根据所述标定板的尺寸和所述定位标识的尺寸计算所述定位标识的角点世界坐标和所述图形标识的中心世界坐标。
12、在一些实施例中，采用雷达采集标定板的点云数据，并根据所述点云数据中对应于所述图形标识的数据计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标，包括：
13、采用雷达采集标定场地中的点云数据，所述标定板布置在所述标定场地中；
14、对所述点云数据进行过滤得到所述标定板对应的目标点云数据；
15、根据所述目标点云数据中对应于所述图形标识的点云数据计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标。
16、在一些实施例中，根据所述目标点云数据中对应于所述图形标识的点云数据计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标，包括：
17、将所述目标点云数据转化为灰度图像;
18、根据所述灰度图像中对应于所述图形标识的图形特征，计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标。
19、在一些实施例中，点云数据包括多个点云平面，所述对所述点云数据进行过滤得到所述标定板对应的目标点云数据，包括：
20、获取所述多个点云平面的平面特征，所述平面特征至少包括以下之一：平面单位法线向量、平面尺寸和平面距离；
21、基于所述平面特征对所述点云数据进行过滤得到所述标定板对应的目标点云数据。
22、在一些实施例中，雷达和相机的联合标定方法还包括：
23、根据所述定位标识计算所述定位标识的中心平移向量和旋转矩阵；
24、根据所述定位标识的中心平移向量和旋转矩阵，结合所述图形标识的中心世界坐标，计算得到所述图形标识的中心在相机坐标系下的第二图形中心三维坐标；
25、根据所述第一图形中心三维坐标和所述第二图形中心三维坐标，对所述初始外参进行优化处理得到目标外参。
26、在一些实施例中，图形标识为圆形标识，所述圆形标识内外灰度差异大于预设值。
27、在一些实施例中，定位标识的数量为多个，所述圆形标识的数量为多个，多个所述定位标识和多个所述圆形标识间隔设置。
28、在一些实施例中，标定板的数量为多个，多个所述标定板在标定场地中的设置位姿不同，所述设置位姿包括但不限于标定板与地面的高度、标定板与地面的角度、标定板相对相机或雷达的角度、标定板相对相机或雷达的距离。
29、第二方面，本申请实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现本申请任一实施例所述的雷达和相机的联合标定方法的步骤。
30、第三方面，本申请实施例提供一种雷达和相机的联合标定系统，其特征在于，包括：相机，配置为拍摄标定板的图像；雷达，配置为采集标定板的点云数据；和如本申请任一实施例所述的计算机设备。
31、第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本申请任一实施例所述的雷达和相机的联合标定方法的步骤。
32、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本申请任一实施例所述的雷达和相机的联合标定方法的步骤。
33、本申请的雷达和相机的联合标定方法中标定板通过定位标识和图形标识相结合的方式可以兼顾高精度和高鲁棒性的标定需求。利用定位标识，算法可轻松实现标定板的识别与定位，高效获取标定板相对于相机的位姿，即使在标定板部分缺失条件下依然能够正常进行识别，并进行高精度的特征点提取。标定板的圆形特征标识有利于点云特征提取。两者结合优势互补可以提高外参标定的精度、鲁棒性。
本文档来自技高网...【技术保护点】
1.一种雷达和相机的联合标定方法，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，
3.根据权利要求1所述的方法，其特征在于，还包括：根据所述标定板的尺寸和所述定位标识的尺寸计算所述定位标识的角点世界坐标和所述图形标识的中心世界坐标。
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，根据所述目标点云数据中对应于所述图形标识的点云数据计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标，包括：
6.根据权利要求4所述的方法，其特征在于，所述点云数据包括多个点云平面，所述对所述点云数据进行过滤得到所述标定板对应的目标点云数据，包括：
7.根据权利要求2所述的方法，其特征在于，还包括：
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述图形标识为圆形标识，所述圆形标识内外灰度差异大于预设值。
9.根据权利要求8所述的方法，其特征在于，所述标定板的数量为多个，多个所述标定板在标定场地中的设置位姿不同。
1
11.一种雷达和相机的联合标定系统，其特征在于，包括：
12.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
13.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
...【技术特征摘要】
1.一种雷达和相机的联合标定方法，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，
3.根据权利要求1所述的方法，其特征在于，还包括：根据所述标定板的尺寸和所述定位标识的尺寸计算所述定位标识的角点世界坐标和所述图形标识的中心世界坐标。
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，根据所述目标点云数据中对应于所述图形标识的点云数据计算得到所述图形标识的中心在雷达坐标系下的第一图形中心三维坐标，包括：
6.根据权利要求4所述的方法，其特征在于，所述点云数据包括多个点云平面，所述对所述点云数据进行过滤得到所述标定板对应的目标点云数据，包括：
7.根据权利要求2所述的方法，其特征在于，还包括：
8.根据权利要求1...
【专利技术属性】
技术研发人员：田冰辉，占康宁，邓强，
申请(专利权)人：深圳市卓见智能制造有限公司，
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。