本申请涉及一种激光雷达与相机联合标定方法和装置、服务器、计算机可读存储介质，包括：将激光点云数据对应的点云映射到图像上得到映射点云。因为激光点云的反射率与映射点云的灰度值之间存在强相关性，所以就可以基于激光点云数据中点云的反射率、映射点云的灰度值构建概率分布图，根据概率分布图构建目标函数，进而得到目标联合标定参数。通过激光雷达与相机进行自标定，不需要使用特定标定物，避免了浪费人力物力，因为不需要使用特定标定物就也提高了该联合标定方法的可复用性。就也提高了该联合标定方法的可复用性。就也提高了该联合标定方法的可复用性。
【技术实现步骤摘要】
激光雷达与相机联合标定方法和装置、服务器、计算机可读存储介质
[0001]本申请涉及相机标定
，特别是涉及一种激光雷达与相机联合标定 方法和装置、服务器、计算机可读存储介质。
技术介绍
[0002]随着自动驾驶或无人驾驶技术的不断发展，自动驾驶或无人驾驶将逐渐步 入人们的日常生活中，为人们的生活带来便利。其中，自动驾驶或无人驾驶技 术所面临的核心问题是：车辆的视觉感知能力不足，无法形成对整体道路交通 坏境的全面感知，使得车辆行驶安全性得不到全面保障。
[0003]近些年出现了通过激光雷达与相机一起来提高车辆的视觉感知能力的方 案，但是采用传统方法在对激光雷达与相机进行标定时，都需要基于特定标定 物(标定板)来进行标定，浪费人力物力，且可复用性不强。
技术实现思路
[0004]本申请实施例提供一种激光雷达与相机联合标定方法、装置、服务器、计 算机可读存储介质，可以避免浪费人力物力，提高标定过程的可复用性。
[0005]一种激光雷达与相机联合标定方法，包括：
[0006]获取同一时刻、同一场景下采集的图像和激光点云数据；
[0007]根据相机的内参矩阵、激光雷达相对于所述相机的初始联合标定参数，将 所述激光点云数据对应的点云映射到所述图像上得到映射点云；
[0008]基于所述激光点云数据中点云的反射率、所述映射点云的灰度值构建概率 分布图，根据所述概率分布图构建目标函数；
[0009]通过所述目标函数调整所述初始联合标定参数直到所述目标函数的值满足 预设阈值，输出调整后的联合标定参数作为所述激光雷达相对于所述相机的目 标联合标定参数。
[0010]在其中一个实施例中，所述激光雷达相对于所述相机的初始联合标定参数 的计算过程，包括：
[0011]获取激光雷达在世界坐标系中的坐标；
[0012]将所述相机在相机坐标系中的坐标转换为所述相机在所述世界坐标系中的 坐标；
[0013]根据所述激光雷达在所述世界坐标系中的坐标、所述相机在所述世界坐标 系中的坐标，计算所述激光雷达相对于所述相机的初始联合标定参数。
[0014]在其中一个实施例中，所述根据所述相机的内参矩阵、所述激光雷达相对 于所述相机的初始联合标定参数，将所述激光点云数据对应的点云映射到所述 图像上得到映射点云，包括：
[0015]计算所述相机的内参矩阵、所述相机的畸变系数；
[0016]获取所述激光点云数据在世界坐标系中的坐标；
[0017]将所述相机的内参矩阵、所述相机的畸变系数、所述激光雷达相对于所述 相机的初始联合标定参数及所述激光点云数据在世界坐标系中的坐标输入至透 射变换矩阵，计算所述激光点云数据对应的点云在像素坐标系中的坐标；
[0018]从所述图像上提取所述点云在像素坐标系中的坐标处的像素点，作为映射 点云。
[0019]在其中一个实施例中，所述概率分布图包括反射率直方图、灰度直方图及 联合直方图，所述基于所述激光点云数据中点云的反射率、所述映射点云的灰 度值构建概率分布图，包括：
[0020]基于所述激光点云数据中点云的反射率构建反射率直方图；
[0021]基于所述映射点云的灰度值构建灰度直方图；
[0022]基于所述反射率直方图及所述灰度直方图构建联合直方图。
[0023]在其中一个实施例中，所述根据所述概率分布图构建目标函数，包括：
[0024]根据所述反射率直方图计算出反射率的边缘概率分布，根据所述灰度直方 图计算出灰度值的边缘概率分布，根据所述联合直方图计算出联合概率分布；
[0025]根据所述反射率的边缘概率分布、所述灰度值的边缘概率分布及所述联合 概率分布得到目标函数。
[0026]在其中一个实施例中，所述通过所述目标函数调整所述初始联合标定参数 直到所述目标函数的值满足预设阈值，输出调整后的联合标定参数作为所述激 光雷达相对于所述相机的目标联合标定参数，包括：
[0027]采用梯度下降算法计算所述目标函数的值；
[0028]根据所述目标函数的值调整所述初始联合标定参数直到所述目标函数的值 满足预设阈值，输出调整后的联合标定参数作为所述激光雷达相对于相机的目 标联合标定参数。
[0029]在其中一个实施例中，所述方法还包括：
[0030]将所述激光雷达及所述相机调整至预设角度，并固定所述激光雷达及所述 相机之间的相对位置。
[0031]一种激光雷达与相机联合标定装置，包括：
[0032]数据采集模块，用于获取同一时刻、同一场景下采集的图像和激光点云数 据；
[0033]点云映射模块，用于根据相机的内参矩阵、激光雷达相对于所述相机的初 始联合标定参数，将所述激光点云数据对应的点云映射到所述图像上得到映射 点云；
[0034]目标函数构建模块，用于基于所述激光点云数据中点云的反射率、所述映 射点云的灰度值构建概率分布图，根据所述概率分布图构建目标函数；
[0035]目标联合标定参数输出模块，用于通过所述目标函数调整所述初始联合标 定参数直到所述目标函数的值满足预设阈值，输出调整后的联合标定参数作为 所述激光雷达相对于所述相机的目标联合标定参数。
[0036]一种服务器，包括存储器及处理器，所述存储器中储存有计算机程序，所 述计算机程序被所述处理器执行时，使得所述处理器执行如上方法的步骤。
[0037]一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器 执行时
实现如上方法的步骤。
[0038]上述激光雷达与相机联合标定方法、装置、服务器、计算机可读存储介质， 将激光点云数据对应的点云映射到图像上得到映射点云。再基于激光点云数据 中点云的反射率、映射点云的灰度值构建概率分布图，根据概率分布图构建目 标函数，通过目标函数调整初始联合标定参数直到目标函数的值满足预设阈值， 输出调整后的联合标定参数作为激光雷达相对于相机的目标联合标定参数。因 为激光点云的反射率与映射点云的灰度值之间存在强相关性，所以就可以基于 激光点云数据中点云的反射率、映射点云的灰度值构建概率分布图，根据概率 分布图构建目标函数，进而得到目标联合标定参数。通过激光雷达与相机进行 自标定，不需要使用特定标定物，避免了浪费人力物力，因为不需要使用特定 标定物就也提高了该联合标定方法的可复用性。
附图说明
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付 出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为一个实施例中激光雷达与相机联合标定方法的应用场景图；
[0041]图2为一个实施例中激光雷达与相机联合标定方法的流程图；
[0042]图3为一个实施例中激光雷达相对于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种激光雷达与相机联合标定方法，其特征在于，包括：获取同一时刻、同一场景下采集的图像和激光点云数据；根据相机的内参矩阵、激光雷达相对于所述相机的初始联合标定参数，将所述激光点云数据对应的点云映射到所述图像上得到映射点云；基于所述激光点云数据中点云的反射率、所述映射点云的灰度值构建概率分布图，根据所述概率分布图构建目标函数；通过所述目标函数调整所述初始联合标定参数直到所述目标函数的值满足预设阈值，输出调整后的联合标定参数作为所述激光雷达相对于所述相机的目标联合标定参数。2.根据权利要求1所述的方法，其特征在于，所述激光雷达相对于所述相机的初始联合标定参数的计算过程，包括：获取激光雷达在世界坐标系中的坐标；将所述相机在相机坐标系中的坐标转换为所述相机在所述世界坐标系中的坐标；根据所述激光雷达在所述世界坐标系中的坐标、所述相机在所述世界坐标系中的坐标，计算所述激光雷达相对于所述相机的初始联合标定参数。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述相机的内参矩阵、所述激光雷达相对于所述相机的初始联合标定参数，将所述激光点云数据对应的点云映射到所述图像上得到映射点云，包括：计算所述相机的内参矩阵、所述相机的畸变系数；获取所述激光点云数据在世界坐标系中的坐标；将所述相机的内参矩阵、所述相机的畸变系数、所述激光雷达相对于所述相机的初始联合标定参数及所述激光点云数据在世界坐标系中的坐标输入至透射变换矩阵，计算所述激光点云数据对应的点云在像素坐标系中的坐标；从所述图像上提取所述点云在像素坐标系中的坐标处的像素点，作为映射点云。4.根据权利要求1或2所述的方法，其特征在于，所述概率分布图包括反射率直方图、灰度直方图及联合直方图，所述基于所述激光点云数据中点云的反射率、所述映射点云的灰度值构建概率分布图，包括：基于所述激光点云数据中点云的反射率构建反射率直方图；基于所述映射点云的灰度值构建灰度直方图；基于所述反射率直方图及所述灰度直方图构建联合直方图。5.根据权利要求4所述的方法，其特征在于，所述根据所述...
【专利技术属性】
技术研发人员：马冰，王邓江，关喜嘉，邓永强，
申请(专利权)人：北京万集科技股份有限公司，
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。