一种多激光雷达外参标定方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种多激光雷达外参标定方法、装置、设备及存储介质，所述方法包括：获取两个点云数据，所述两个点云数据由不同的激光雷达采集得到；分别提取各个点云数据中的地面数据，利用所述地面数据拟合地平面，使得拟合得到的目标地平面与参考地平面重合，得到各个激光雷达相对于参考坐标系的粗标定结果，所述参考坐标系为以所述参考地平面为水平基准的坐标系；对所述两个点云数据中的数据点进行匹配得到匹配点对集，基于所述匹配点对集对各个激光雷达的粗标定结果进行优化，得到各个激光雷达相对于参考坐标系的目标标定结果。本发明专利技术的多激光雷达外参标定方法，不仅标定操作简单，还能够提高激光雷达外参标定的精度和效率。还能够提高激光雷达外参标定的精度和效率。还能够提高激光雷达外参标定的精度和效率。

【技术实现步骤摘要】
一种多激光雷达外参标定方法、装置、设备及存储介质


[0001]本专利技术涉及激光雷达
，特别涉及一种多激光雷达外参标定方法、装置、设备及存储介质。

技术介绍

[0002]近年来，随着智能驾驶技术的飞速发展，激光雷达具有精度高、测距范围大，以及不受光线影响等特点，被广泛应用于智能驾驶车辆的障碍物检测、即时定位与地图构建等环境感知领域。
[0003]为了增强对周围环境的感知能力，考虑到激光雷达的扫描范围和视野，在一辆智能驾驶汽车上会配置多个激光雷达设备。但这也引发了新的问题：由于各个激光雷达设备的位置不同，导致各个激光雷达设备所采集的环境数据之间会存在一定程度的偏移。因此，对各个激光雷达设备之间的外部参数进行准确的标定，是使用多个激光雷达设备为车体感知和定位提供更宽阔的视野所必不可少的工作。通过对各个激光雷达设备外参的标定，能够将多个激光雷达的点云数据统一到同一个坐标系下，从而使智能驾驶系统掌握更全面的周围环境的信息。
[0004]现有技术中常见的标定方法主要有传统人工标定和标定物测量方法。其中传统人工标定采用手动测量或者仪器测量的方式，测量激光雷达坐标系和参考坐标系之间的变换关系，这种方法虽然原理简单，但是对操作者的操作精细度以及测量仪器的精度要求高，因此其可推广性不高，且标定精度不稳定，会随着操作者的水平高低变化。标定物测量方法通过对特定标定物的匹配来确定激光雷达设备的外参，这种方法也存在一定弊端，由于激光雷达对于不同颜色和材质的物体反射率不一样，因此控制点的查找存在一定困难，同时移动控制点的过程中需要大量人力参与，其标定的精度也依赖于其他传感器与控制点之间的参数，所以这种标定方法的标定效率低、精度也不高。

技术实现思路

[0005]针对现有技术的上述问题，本专利技术的目的在于提供一种多激光雷达外参标定方法、装置、设备及存储介质，能够提高激光雷达外参标定的精度和效率。
[0006]为了解决上述问题，本专利技术提供一种多激光雷达外参标定方法，包括：
[0007]获取两个点云数据，所述两个点云数据由不同的激光雷达采集得到；
[0008]分别提取各个点云数据中的地面数据，利用所述地面数据拟合地平面，使得拟合得到的目标地平面与参考地平面重合，得到各个激光雷达相对于参考坐标系的粗标定结果，所述参考坐标系为以所述参考地平面为水平基准的坐标系；
[0009]对所述两个点云数据中的数据点进行匹配得到匹配点对集，基于所述匹配点对集对各个激光雷达的粗标定结果进行优化，得到各个激光雷达相对于参考坐标系的目标标定结果。
[0010]进一步地，所述分别提取各个点云数据中的地面数据包括：
[0011]分别针对每个点云数据，从所述点云数据中确定第一目标地面点集，并执行迭代提取过程得到第二目标地面点集，将所述第二目标地面点集作为所述点云数据对应的地面数据；
[0012]其中，所述迭代提取过程包括：
[0013]步骤11，对所述第一目标地面点集进行主成分分析确定目标地面；
[0014]步骤12，从所述第一目标地面点集中筛选与所述目标地面之间的距离小于第一预设阈值的地面点集，作为第二目标地面点集；
[0015]步骤13，判断当前迭代次数是否大于或等于预设次数；若否，则将所述第二目标地面点集作为新的第一目标地面点集，并返回步骤11；若是，则输出所述第二目标地面点集。
[0016]进一步地，所述利用所述地面数据拟合地平面，使得拟合得到的目标地平面与参考地平面重合，得到各个激光雷达相对于参考坐标系的粗标定结果包括：
[0017]分别针对每个点云数据，利用所述点云数据对应的地面数据执行迭代计算过程得到一个或多个目标变换矩阵，根据所述一个或多个目标变换矩阵计算所述点云数据对应的激光雷达的粗标定结果；
[0018]其中，所述迭代计算过程包括：
[0019]步骤21，采用RANSAC算法，利用所述地面数据拟合得到目标地平面；
[0020]步骤22，利用所述目标地平面的法向量和所述参考地平面的法向量计算目标变换矩阵；
[0021]步骤23，确定所述目标地平面的法向量和所述参考地平面的法向量之间的距离，判断所述距离是否小于第二预设阈值；若否，则利用所述目标变换矩阵对所述地面数据中的各个地面点进行变换，得到新的地面数据，并返回步骤21；若是，则输出迭代计算过程中得到的一个或多个目标变换矩阵。
[0022]进一步地，所述对所述两个点云数据中的数据点进行匹配得到匹配点对集，基于所述匹配点对集对各个激光雷达的粗标定结果进行优化，得到各个激光雷达相对于参考坐标系的目标标定结果包括：
[0023]基于所述粗标定结果构建第一KD树；
[0024]基于所述第一KD树对所述两个点云数据中的数据点进行匹配得到第一匹配点对集，基于所述第一匹配点对集对各个激光雷达的粗标定结果中的外参θ、x和y进行优化，得到各个激光雷达的精标定结果；
[0025]基于所述精标定结果构建第二KD树；
[0026]基于所述第二KD树对所述两个点云数据中的数据点进行匹配得到第二匹配点对集，基于所述第二匹配点对集对各个激光雷达的精标定结果中的外参α、β和z进行优化，得到各个激光雷达的目标标定结果。
[0027]进一步地，所述基于所述第一KD树对所述两个点云数据中的数据点进行匹配得到第一匹配点对集，基于所述第一匹配点对集对各个激光雷达的粗标定结果中的外参θ、x和y进行优化，得到各个激光雷达的精标定结果包括：
[0028]分别针对所述两个点云数据的第一点云数据中的各个数据点，基于所述第一KD树确定与之对应的两个第一匹配点，得到第一子匹配点对集，所述两个第一匹配点为所述两个点云数据的第二点云数据中与所述数据点之间距离最近的两个数据点；
[0029]分别针对所述两个点云数据的第二点云数据中的各个数据点，基于所述第一KD树确定与之对应的两个第二匹配点，得到第二子匹配点对集，所述两个第二匹配点为所述两个点云数据的第一点云数据中与所述数据点之间距离最近的两个数据点；
[0030]基于所述第一子匹配点对集对所述第二点云数据对应的激光雷达的粗标定结果中的外参θ、x和y进行优化，得到对应的精标定结果；
[0031]基于所述第二子匹配点对集对所述第一点云数据对应的激光雷达的粗标定结果中的外参θ、x和y进行优化，得到对应的精标定结果。
[0032]进一步地，所述基于所述第二KD树对所述两个点云数据中的数据点进行匹配得到第二匹配点对集，基于所述第二匹配点对集对各个激光雷达的精标定结果中的外参α、β和z进行优化，得到各个激光雷达的目标标定结果包括：
[0033]分别针对所述两个点云数据的第一点云数据中的各个数据点，基于所述第二KD树确定与之对应的两个第三匹配点，得到第三子匹配点对集，所述两个第三匹配点为所述两个点云数据的第二点云数据中与所述数据点之间距离最近的两个数据点；
[0034]分别针对所述两个点云数据的第二点云数据中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多激光雷达外参标定方法，其特征在于，包括：获取两个点云数据，所述两个点云数据由不同的激光雷达采集得到；分别提取各个点云数据中的地面数据，利用所述地面数据拟合地平面，使得拟合得到的目标地平面与参考地平面重合，得到各个激光雷达相对于参考坐标系的粗标定结果，所述参考坐标系为以所述参考地平面为水平基准的坐标系；对所述两个点云数据中的数据点进行匹配得到匹配点对集，基于所述匹配点对集对各个激光雷达的粗标定结果进行优化，得到各个激光雷达相对于参考坐标系的目标标定结果。2.根据权利要求1所述的方法，其特征在于，所述分别提取各个点云数据中的地面数据包括：分别针对每个点云数据，从所述点云数据中确定第一目标地面点集，并执行迭代提取过程得到第二目标地面点集，将所述第二目标地面点集作为所述点云数据对应的地面数据；其中，所述迭代提取过程包括：步骤11，对所述第一目标地面点集进行主成分分析确定目标地面；步骤12，从所述第一目标地面点集中筛选与所述目标地面之间的距离小于第一预设阈值的地面点集，作为第二目标地面点集；步骤13，判断当前迭代次数是否大于或等于预设次数；若否，则将所述第二目标地面点集作为新的第一目标地面点集，并返回步骤11；若是，则输出所述第二目标地面点集。3.根据权利要求1所述的方法，其特征在于，所述利用所述地面数据拟合地平面，使得拟合得到的目标地平面与参考地平面重合，得到各个激光雷达相对于参考坐标系的粗标定结果包括：分别针对每个点云数据，利用所述点云数据对应的地面数据执行迭代计算过程得到一个或多个目标变换矩阵，根据所述一个或多个目标变换矩阵计算所述点云数据对应的激光雷达的粗标定结果；其中，所述迭代计算过程包括：步骤21，采用RANSAC算法，利用所述地面数据拟合得到目标地平面；步骤22，利用所述目标地平面的法向量和所述参考地平面的法向量计算目标变换矩阵；步骤23，确定所述目标地平面的法向量和所述参考地平面的法向量之间的距离，判断所述距离是否小于第二预设阈值；若否，则利用所述目标变换矩阵对所述地面数据中的各个地面点进行变换，得到新的地面数据，并返回步骤21；若是，则输出迭代计算过程中得到的一个或多个目标变换矩阵。4.根据权利要求1所述的方法，其特征在于，所述对所述两个点云数据中的数据点进行匹配得到匹配点对集，基于所述匹配点对集对各个激光雷达的粗标定结果进行优化，得到各个激光雷达相对于参考坐标系的目标标定结果包括：基于所述粗标定结果构建第一KD树；基于所述第一KD树对所述两个点云数据中的数据点进行匹配得到第一匹配点对集，基于所述第一匹配点对集对各个激光雷达的粗标定结果中的外参θ、x和y进行优化，得到各个
激光雷达的精标定结果；基于所述精标定结果构建第二KD树；基于所述第二KD树对所述两个点云数据中的数据点进行匹配得到第二匹配点对集，基于所述第二匹配点对集对各个激光雷达的精标定结果中的外参α、β和z进行优化，得到各个激光雷达的目标标定结果。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一KD树对所述两个点云数据中的数据点进行匹配得到第一匹配点对集，基于所述第一匹配点对集对各个激光雷达的粗标定结果中的外参θ、x和y进行优化，得到各个激光雷达的精标定结果包括：分别针...

【专利技术属性】
技术研发人员：欧阳乐，王全宇，刘春明，黄旭东，常奇，吴一稷，张越，王怀志，
申请(专利权)人：上海振华重工集团股份有限公司，
类型：发明
国别省市：