[发明专利]基于大平面复合靶标的激光雷达与可见光相机的标定方法

说明书

本发明涉及一种基于大平面复合靶标的激光雷达与可见光相机的标定方法，采用大平面复合靶标作为标定工具，靶标同时位于可见光相机与激光雷达视场中。通过调整大平面复合靶标位姿，采集至少三组法向量不共线的观测数据，根据靶标平面在激光雷达坐标系和可见光相机坐标系中法向量的对应性求解旋转矩阵，根据三个不同靶标平面的交点的对应性估计平移向量。本发明采用的大平面复合靶标面积大，表面反射模式简单，能有效降低激光雷达测量误差及普通棋盘格黑白相间对激光雷达测量的干扰，制作简单，标定的位姿精度高。

技术领域

本发明属于空间环境感知技术领域，涉及到三维激光雷达与视觉系统之间的跨模态数据融合，特别涉及到激光雷达与可见光相机之间的高精度联合标定方法。

背景技术

激光雷达能够精确地获得目标场景的深度信息，并且不依赖环境的光照条件，但获得点云存在着稀疏、分布不均匀的缺点；可见光相机能够获得目标场景致密的颜色纹理信息，与激光雷达具有很好的互补性。近年来，受自动驾驶、室内外三维实景重建、航拍测量等需求驱动，激光雷达设备价格逐年降低，测量精度不断提高，越来越轻量化小型化。激光雷达及可见光相机设备进行环境感知的一个关键核心技术问题，即两种设备之间的高精度联合标定。激光雷达获取的点云数据与可见光相机获取的可见光图像属于不同模态的数据，由于雷达点云数据的稀疏性且具有一定的系统测量误差(导航定位场景中的激光雷达测量误差范围在厘米量级)，寻找两类数据之间的可观察的且可靠的几何特征对应关系并非易事，激光雷达与相机的联合标定是国内外科技工作者着力探索一个研究方向。

按照依赖的特征分类，现有的激光雷达与可见光相机的高精度联合标定方法可分为三类，分别为依赖点特征，依赖线特征，依赖面特征。文献(Ankit Dhall，Kunal Chelani，Vishnu Radhakrishnan，K.Madhava Krishna.LiDAR-Camera Calibration using 3D-3DPoint correspondences.ArXiv e-prints，1705.09785，2017.)尝试用3D点到2D点及3D点到3D点的对应关系求解相机与激光雷达相对位姿。文献(Lipu Zhou and Zimo Li andMichael Kaess.Automatic Extrinsic Calibration of a Camera and a 3D LiDARusing Line and Plane Correspondences.Proceedings of IEEE/RSJ Intl.Conf.onIntelligent Robots and Systems.IROS，2018)提出使用3D线和面的对应关系求解相机与激光雷达相对位姿。此类方法共有的不足在于：由于激光雷达测量的稀疏性，不均匀性及本身精度的限制，难以从点云中精确地提取点，线特征。因而本发明着眼于用面特征完成激光雷达与可见光相机的联合标定。采用面特征标定相机与激光雷达的难点有二：一方面，普通靶标与LiDAR-Camera装置的距离难以协调(为了提高相机坐标系下提取平面的精度，靶标应置于相机视场中较近的位置；为了抑制激光雷达的系统噪声，靶标应置于激光雷达视场中较远的位置，且靶标面积尽量大)。另一方面，文献(Y.Park，S.Yun，C.S.Won，K.Cho，K.Um，and S.Sim.Calibration between color camera and 3d lidar instruments with apolygonal planar board.Sensors，14(3)：5333-5353，2014.)提出棋盘格中的黑白色差会污染激光雷达中的点云数据，影响距离测量的精度。

发明内容

为了解决以上现有技术存在的缺陷，本发明提出一种基于大平面复合靶标的激光雷达与可见光相机精确标定方法。

本发明的技术方案是这样实现的：

一种基于大平面复合靶标的激光雷达与可见光相机的标定方法，其特征在于包括以下步骤：

制作大平面复合靶标，将大平面复合靶标置于激光雷达与可见光相机共同视场中；