[发明专利]一种车身相机外参自适应标定方法和装置

说明书

本发明实施例提供一种车身相机外参自适应标定方法和装置，全过程无需人工干预，并按照车体运动对相机外参的约束强弱进行参数解耦，分别针对性的建立约束代价函数，相比于传统方法中对外参中的各个分量不加区分统一解算，初值的选取往往会影响非线性优化的效果，分层解耦解决了传统位姿优化约束方程里相机到车体的相对位姿各参数权重难以有效权衡的问题，提升了外参标定的精度。同时，此类方法不需要额外的控制场或者标定板，数据采集和参数解算均可以在线自动化完成，实车大量数据的冗余观测又进一步增加了该标定算法本身的可靠性。

技术领域

本发明实施例涉及自动驾驶导航及高精度地图技术领域，尤其涉及一种车身相机外参自适应标定方法和装置。

背景技术

在自动驾驶导航及高精度地图等相关领域，相机由于相比激光雷达成本低廉，也能够提供较丰富的环境信息，已经成为自动驾驶传感器的标配，在车辆建图和定位领域都得到了广泛的应用。

为了有效融合相机的感知数据，在利用相机进行建图及定位时，一般需和车身惯导结合，从而为相机坐标系下的相对测量值提供绝对基准，将不同时间段的感知测量数据统一到绝对坐标系下，精确求解相机到车体惯导之间的相对位姿关系，是保证车辆高精度定位的前提。

当前主要有两类方法来解决相机到车体的外参标定，一类是利用环境的先验信息，提前选好标定场地，人工打一些控制点或者制作人工靶板，这类方法在标定过程中需要人工监督，依据控制点在相机中视场的位置，对其分布进行人工干预和调整，再筛选出好的网形，标定精度能够得到保证，但是实际效果好坏比较依赖操作员的专业技能熟练程度，这种手工作业方式自动化程度和稳定性均不理想，给实际的应用带来了较大的不便，很难标准化作业，特别是相机在长期业务化运行中，由于车辆长期行驶过程中的颠簸，很容易发生相机相对车体的偏转，使得原来的标定参数失效，又需要重新标定，不能满足量产解决方案自动化的需要，由于外界环境先验信息这一条件并不总是能够及时满足的，也限制了这类方法的实际使用。另外一类基于传感器运动约束的方法不需要提前准备标定场地，这类方法的原理是通过对运动平台进行充分的平移和旋转，分别计算运动平台上各传感器的运动轨迹，进一步基于不同传感器刚体运动轨迹的相似性，这类标定操作相对简单，自动化程度较高，全程基本不需要人工干预，然而由于单相机不可避免的尺度漂移问题，通过视觉里程计的方式得到的运动轨迹尺度是不断变动的，这给相机到车身惯导基于轨迹的对齐标定带来困难。

考虑到车辆主要在地面上进行近平面运动，对相机沿着车辆正上方(Z轴)的偏移量、滚转角和俯仰角这三个自由度参量都很难进行充分的运动约束，常规基于传感器运动标定的方法需要运动平台在三维平移和旋转方向上进行充分的扰动，比较适合无人机运动平台传感器之间的标定，并不完全适用于车辆在近平面条件下的运动约束估计。

当前解决相机车体外参的标定方法难以同时兼顾自动化、精度和可靠性的需求，而相机内外参标定是构建以视觉为核心的自动驾驶高精度定位应用服务的基础，而当前标定方法的局限性对量产应用的建图定位解决方案提出了较大的挑战。

发明内容

本发明实施例提供一种车身相机外参自适应标定方法和装置，解决了传统位姿优化约束方程里相机到车体的相对位姿各参数权重难以有效权衡的问题，提升了外参标定的精度。

第一方面，本发明实施例提供一种车身相机外参自适应标定方法，包括：

基于单目视觉序列数据获取相机相对基准面的倾斜度及高程解算；基于惯导数据获取车身惯导相对基准面的倾斜度及高程解算；

基于时间对齐下车身惯导和相机在基准面的轨迹对应关系，得到相机相对于车身惯导的平移量、偏航角和比例系数；基于所述比例系数和无比例系数时相机相对于基准面的高程解算，得到相机相对车身惯导的6自由度的外参。

作为优选的，还包括：

基于RANSAC模型的轨迹段筛选策略，筛选多个路段，对不同运动轨迹的外参进行非线性优化，筛选出最优的外参分量。