[发明专利]传感器的联合标定方法、装置及电子设备

说明书

本发明提供了一种传感器的联合标定方法、装置及电子设备，涉及传感器标定的技术领域，该方法包括获取第一标定数据和第二标定数据；提取第一标定数据和第二标定数据分别包含的标定板的目标位置的坐标；将目标位置的坐标输入至预先建立的标定模型，基于标定模型计算摄像机与激光雷达传感器之间的旋转平移矩阵。本发明提供的传感器的联合标定方法、装置及电子设备，在标定过程中无需用户手动去设置标定板和选择标定点，且标定过程较为简单，对标定板的位置和材质也没有特殊要求，在一定程度上简化了标定过程，便于进行推广。

技术领域

本发明涉及传感器标定技术领域，尤其是涉及一种传感器的联合标定方法、装置及电子设备。

背景技术

随着自动驾驶车辆的发展，单目摄像头等单一传感器很难满足自动驾驶车辆在复杂环境下的感知定位任务，因此，激光雷达与摄像机的信息融合/协同感知在高级别的自动驾驶中起到了关键作用。通过融合激光雷达和摄像机两种传感器的信息，互相取长补短，可以大幅提高自动驾驶车辆的感知性能。激光雷达和摄像机的联合标定是两种传感器进行信息融合的前提，而联合标定的目的是事先得到激光雷达和摄像机的位姿关系。

现有技术中，联合标定的方式多需要用户去手动选择标定点，或者标定过程较为复杂，难以进行推广。

发明内容

有鉴于此，本发明的目的在于提供一种传感器的联合标定方法、装置及电子设备，以缓解上述技术问题。

第一方面，本发明实施例提供了一种传感器的联合标定方法，包括：获取第一标定数据和第二标定数据，其中，所述第一标定数据为标定板以预设姿态倾斜设置时，激光雷达传感器采集的所述标定板的三维点云数据；所述第二标定数据为所述标定板以预设姿态倾斜设置时，摄像机采集的所述标定板的二维数据；提取所述第一标定数据和所述第二标定数据分别包含的所述标定板的目标位置的坐标；将所述目标位置的坐标输入至预先建立的标定模型，基于所述标定模型计算所述摄像机与所述激光雷达传感器之间的旋转平移矩阵。

优选地，在一种可能的实施方式中，上述提取所述第一标定数据和所述第二标定数据包含所述标定板的目标位置的匹配点对的坐标的步骤包括：将所述标定板的角点确定为目标位置，提取所述第一标定数据中，所述角点对应的三维点云数据，以及，提取所述第二标定数据中，所述角点对应的二维数据。

优选地，在一种可能的实施方式中，上述提取所述第一标定数据中，所述角点对应的三维点云数据的步骤包括：提取所述第一标定数据中包括的所述标定板的边缘点；基于所述边缘点对所述标定板的边线进行直线拟合，得到所述标定板的边线的直线方程组；根据所述边线的直线方程组计算所述角点对应的三维点云数据；其中，所述三维点云数据包括所述角点在所述激光雷达传感器所在的坐标系中的坐标。

优选地，在一种可能的实施方式中，上述根据所述边线的直线方程组计算所述角点对应的三维点云数据的步骤包括：计算所述直线方程组中包括的任意相邻两个直线方程的交点坐标，将所述交点坐标确定为所述角点对应的三维点云数据；或者，计算所述直线方程组中包括的任意相邻两个直线方程之间的距离，将所述距离的中点位置确定为两个所述直线方程之间的交点坐标，将所述交点坐标确定为所述角点对应的三维点云数据。

优选地，在一种可能的实施方式中，上述标定板印制有预设的标定标识；提取所述第二标定数据中，所述角点对应的二维数据的步骤包括：获取与所述标定标识对应的检测算法，基于所述检测算法提取所述第二标定数据中所述角点对应的二维数据；其中，所述二维数据包括所述角点在所述摄像机所在的坐标系中的坐标。

优选地，在一种可能的实施方式中，上述方法还包括：获取预先配置的所述摄像机的参数信息，其中，所述参数信息至少包括所述摄像机的尺度因子和所述摄像机的内参；基于所述参数信息建立所述标定模型。