【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种球空间对齐的激光雷达与相机联合标定方法及系统。
技术介绍
1、语义场景理解是许多应用（如自动驾驶和机器人技术）的基本任务。具体来说，在自动驾驶场景中，它为高级运动规划提供细粒度的环境信息，并增强自动驾驶汽车的安全性。语义场景理解的一个关键任务是语义分割，它为输入数据中的每个数据点分配一个类标签，以帮助自动驾驶汽车更好地理解其环境。根据语义分割方法中使用的传感器，最近的研究可以分为三类：纯相机方法、仅lidar方法和多传感器融合方法。使用大量开放数据集，仅相机方法取得了重大进展。由于相机捕获的图像具有丰富的外观信息（例如纹理和颜色），因此仅相机方法可以提供精细准确的语义分割结果。不过作为无源传感器，相机容易受到照明条件变化的影响，因此不可靠。
2、为了解决这个问题，研究人员从 lidar 对点云进行语义分割。与仅使用摄像头的方法相比，仅使用 lidar 的方法在不同的照明条件下更加稳健;lidar 提供可靠、准确的物理环境空间深度信息。不幸的是，由于点云的稀疏和不规则分布，仅 lidar ...
【技术保护点】
1.一种球空间对齐的激光雷达与相机联合标定方法，其特征在于，包括：
2.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，获取车载的激光雷达点云数据和相机图像数据之后，还包括：
3.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，构建多个球形空间形成的球域，基于所述球域提取所述激光雷达点云数据和相机图像数据的重点特征，包括：
4.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，通过特征增强模块对所述感知球空间跨域融合信息进行特征增强，获得增强跨域感知特征，包括：<...
【技术特征摘要】
1.一种球空间对齐的激光雷达与相机联合标定方法，其特征在于，包括：
2.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，获取车载的激光雷达点云数据和相机图像数据之后，还包括：
3.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，构建多个球形空间形成的球域，基于所述球域提取所述激光雷达点云数据和相机图像数据的重点特征，包括：
4.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，通过特征增强模块对所述感知球空间跨域融合信息进行特征增强，获得增强跨域感知特征，包括：
5.根据权利要求1所述的球空间对齐的激光雷达与相机联合标定方法，其特征在于，所述几何对齐包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：卞浩邈，周剑，肖进胜，王斯远，于明昊，
申请(专利权)人：武汉大学，
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。