[发明专利]一种激光雷达与视觉联合标定方法

权利要求书

1.一种激光雷达与视觉联合标定方法，其特征在于，所述方法包括：

输入N组时间同步的点云-图像数据对；

获取视觉传感器和激光雷达之间第一初始外参估计参数，并根据所述第一初始外参估计参数和相机内参参数得到激光雷达坐标系和相机坐标系之间的转换关系；

在所述N组点云-图像数据对中随机抽取M组点云-图像数据对；其中，所述N≥M；

针对每组点云-图像数据对，基于所述激光雷达坐标系和相机坐标系之间的转换关系，将点云-图像数据对中的激光雷达点云转换到相机坐标系下，将相机视野范围内的点云依据每个点的反射率强度投影到图像上生成点云投影灰度图像；

将点云-图像数据对中的图像数据转化为相机灰度图像；

根据所述点云投影灰度图像和所述相机灰度图像转化为点云灰度直方图和相机灰度直方图，从而得到M组点云灰度直方图和M组相机灰度直方图；

将M组点云灰度直方图和M组相机灰度直方图分别进行数据累加，将所述累加后的点云灰度直方图和所述累加后的相机灰度直方图进行相关性函数运算，得到相关值；

根据第一预设算法多次调整第一初始外参估计参数，再次输入所述M组点云-图像数据对进行联合标定运算，从而得到多个调整后的第一外参估计参数对应的第一相关值；

将多个所述第一相关值进行比较，得到第一最优相关值，并获取所述第一最优相关值对应的外参标定结果；

在所述N组点云-图像数据对中进行K次M组点云-图像数据对的抽取，从而得到K组外参标定结果；

根据所述K组外参标定结果进行平均值计算，得到最优外参标定结果；

将所述最优外参标定结果作为第二初始外参估计参数，并导入N组点云-图像数据对，进行联合标定运算，得到第二相关值；

根据第二预设算法对所述第二初始外参估计参数进行多次调整，再次输入所述N组点云-图像数据对进行联合标定运算，从而得到多个调整后的第二初始外参估计参数对应的第二相关值；

将多个所述第二相关值进行比较，得到第二最优相关值，并获取所述第二最优相关值对应的外参标定结果进行输出；

在所述输入N组时间同步的点云-图像数据对之前，所述方法还包括：

根据预设时间间隔和预设行驶距离进行数据采集，得到一组点云数据和图像数据；

依据点云配准获得的车辆位姿，采用位姿预测的方式将点云数据补偿到图像数据对应的时间点上，从而得到同步的点云-图像数据对；

当所述点云-图像数据对的数量到达所述N时，停止数据采集。

2.根据权利要求1所述的激光雷达与视觉联合标定方法，其特征在于，在所述根据预设时间间隔和预设行驶距离进行数据采集之前，所述方法还包括：

对系统进行初始化，根据所述系统视觉传感器和激光雷达采集的图像数据和点云数据的有效性判断初始化是否成功；

当初始化成功时，判断系统的点云配准功能是否正常；

当点云配准功能正常时，开始进行数据采集。

3.根据权利要求1所述的激光雷达与视觉联合标定方法，其特征在于，在所述获取所述第二最优相关值对应的外参标定结果进行输出之前，所述方法还包括：

对所述第二最优相关值对应的外参标定结果进行校验；

当校验失败时，重新进行点云-图像数据对的采集，并重新进行标定。

4.根据权利要求3所述的激光雷达与视觉联合标定方法，其特征在于，所述对所述第二最优相关值对应的外参标定结果进行校验具体包括：

利用激光点云在相机图片上的投影图进行人工判别。

5.根据权利要求1所述的激光雷达与视觉联合标定方法，其特征在于，所述根据第一预设算法多次调整第一初始外参估计参数具体包括：

采用梯度下降搜索法对所述第一初始外参估计参数进行多次调整。

6.根据权利要求1所述的激光雷达与视觉联合标定方法，其特征在于，所述根据第二预设算法对所述第二初始外参估计参数进行多次调整具体包括：

采用栅格化搜索法对所述第二初始外参估计参数进行多次调整。