【技术实现步骤摘要】
本专利技术涉及传感器标定，具体是一种激光雷达与相机联合标定方法、终端设备及存储介质。
技术介绍
1、激光雷达与相机的融合，在无人车、地图采集设备等机器中均有广泛的应用。激光雷达可输出3d点云，而一般的单目相机采集的图像中只有2d坐标。为了实现两种传感器的融合，必须获取激光雷达坐标系与相机坐标系之间的相对位姿，从而可将激光雷达点云投影到图像中，实现激光雷达与相机的融合。
2、为了实现激光雷达与相机的高精度融合，激光雷达坐标系与相机坐标系之间的相对位姿必须足够准确。因此，开发激光雷达与相机联合标定的高精度算法，是必要前提。在现有的公开文献中，大多都采用矩形标定板，在点云中提取矩形的角点；在图像中提取棋盘格的角点特征，从而可以实现激光雷达与相机的相对位姿估计。但是，提取点云中的矩形，以及提取棋盘格的角点时，矩形的四条边无法形成相互的强约束，使得提取角点时精度不高，从而导致标定精度不高。
技术实现思路
1、针对上述现有技术中的不足，本专利技术提供一种激光雷达与相机联合标定方法、终端设备及存储介质，能够有效地提高激光雷达与相机间的外参数标定精度。
2、为实现上述目的，本专利技术提供一种激光雷达与相机联合标定方法，采用n块圆形标定板对激光雷达与相机进行联合标定，各所述圆形标定板上具有不同的标定图案，且所述标定图案上具有与对应所述圆形标定板圆心重合的角点，其中，每一圆形标定板上的角点与至少有一半圆形位于激光雷达与相机的视场内；
3、在联合标定过程中，在点云数据
4、在其中一个实施例，所述联合标定方法具体包括如下步骤：
5、步骤1，获取激光雷达与相机在不同位姿状态下所同时采集的点云数据与图像数据，其中，对于激光雷达与相机，采集m帧点云数据与m帧图像数据，每一帧点云数据中包含n个圆形，每一帧图像数据包含n个角点；
6、步骤2，对每一帧点云数据中的圆形区域数据点进行分割聚类，得到m×n个圆形点云，并提取每个圆形点云中的圆形参数，得到m×n个第一特征点；
7、步骤3，提取每一帧图像数据中的角点特征，并根据图像数据中的角点坐标和圆形标定板上角点的世界坐标，标定得到相机与每一圆形标定板之间的外参，并基于所述外参将圆形标定板上角点的世界坐标转换到相机坐标系，得到m×n个第二特征点；
8、步骤4，将第一特征点与第二特征点一一对应，组成m×n组对应特征点对，并将m×n组对应特征点对划分为标定集与验证集；
9、步骤5，基于标定集中的对应特征点对计算得到激光雷达与相机的相对位姿初始值，并在所述相对位姿初始值的基础上进行位姿优化，得到激光雷达与相机的相对位姿最优值；
10、步骤6，基于验证集中的对应特征点对以及所述相对位姿最优值得到标定误差，并判断标定误差是否小于设定阈值，若是则输出相对位姿最优值作为标定结果，否则调整圆形标定板的位姿后再次进行步骤1至步骤6。
11、为实现上述目的，本专利技术还提供一种激光雷达与相机联合标定装置，包括：
12、n块圆形标定板，各所述圆形标定板上具有不同的标定图案，且所述标定图案上具有与对应所述圆形标定板圆心重合的角点，其中，每一圆形标定板上的角点与至少有一半圆形位于待标定的激光雷达与相机的视场内；
13、联合标定模块，用于根据上述方法的部分或全部步骤对待标定的激光雷达与相机进行联合标定。
14、为实现上述目的，本专利技术还提供一种终端设备，包括：
15、存储器，用于存储程序；
16、处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如上述的方法的部分或全部步骤。
17、为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令；所述计算机执行指令被处理器执行时用于实现如上述的方法的部分或全部步骤。
18、本专利技术提供的一种激光雷达与相机联合标定方法、终端设备及存储介质，通过采用多块直径不同的圆形标定板，并在圆形标定板布置不同标定图案的同时，使标定图案上具有与圆形标定板圆心重合的角点，进而可以在点云数据中提取圆形，并以其圆心作为特征点，而在图像数据中提取角点特征点，共同组成特征点对进而实现激光雷达与相机的高精度联合标定，有效地解决了现有矩形标定板准确度低、稳定性差、标定过程繁琐的弊端。同时还在标定过程中引入标定误差进行标定效果评估，进一步地提高了激光雷达与相机间的外参数标定精度。
本文档来自技高网...【技术保护点】
1.一种激光雷达与相机联合标定方法，其特征在于，采用n块圆形标定板对激光雷达与相机进行联合标定，所述联合标定方法具体包括如下步骤：
2.根据权利要求1所述的激光雷达与相机联合标定方法，其特征在于，步骤5中，在所述相对位姿初始值的基础上进行位姿优化过程为：
3.根据权利要求2所述的激光雷达与相机联合标定方法，其特征在于，所述第一目标函数为：
4.根据权利要求1至3任一项所述的激光雷达与相机联合标定方法，其特征在于，所述标定误差由重投影误差、平移误差与角度误差组成，具体为：
5.根据权利要求4所述的激光雷达与相机联合标定方法，其特征在于，所述重投影误差的计算过程具体为：
6.根据权利要求4所述的激光雷达与相机联合标定方法，其特征在于，所述平移误差的计算过程具体为：
7.根据权利要4所述的激光雷达与相机联合标定方法，其特征在于，所述角度误差的计算过程具体为：
8.一种激光雷达与相机联合标定装置，其特征在于，包括：
9.一种终端设备，其特征在于，包括：
10.一种计算机可读存储介质
...【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，采用n块圆形标定板对激光雷达与相机进行联合标定，所述联合标定方法具体包括如下步骤：
2.根据权利要求1所述的激光雷达与相机联合标定方法，其特征在于，步骤5中，在所述相对位姿初始值的基础上进行位姿优化过程为：
3.根据权利要求2所述的激光雷达与相机联合标定方法，其特征在于，所述第一目标函数为：
4.根据权利要求1至3任一项所述的激光雷达与相机联合标定方法，其特征在于，所述标定误差由重投影误差、平移误差与角度误差组成，具体为：
5.根据权利要求4所述的激光雷达与相机联合标定方法...
【专利技术属性】
技术研发人员：安向京，罗小龙，孟德远，胡庭波，
申请(专利权)人：广州行深智能科技有限公司，
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。