[发明专利]传感器标定方法及装置、电子设备和存储介质

说明书

本公开涉及一种传感器标定方法及装置、电子设备和存储介质，所述方法包括：通过图像传感器及雷达传感器，采集目标场景的多个场景图像及多个第一点云；根据多个场景图像，构建目标场景在全局坐标系下的第二点云；根据第一点云的第一特征点集与第二点云的第二特征点集，确定图像传感器与雷达传感器之间的第一距离误差；根据多个第一特征点集，确定雷达传感器的第二距离误差；根据第二特征点集在全局坐标系下的第一全局位置，以及与第二特征点集对应的像素点在场景图像中的第一图像位置，确定图像传感器的重投影误差；根据第一距离误差、第二距离误差及重投影误差，对雷达传感器和图像传感器进行标定。本公开实施例可实现提高传感器标定精度。

技术领域

本公开涉及计算机技术领域，尤其涉及一种传感器标定方法及装置、电子设备和存储介质。

背景技术

激光雷达和相机的融合被广泛应用于机器人视觉中的三维重建、自主导航和定位以及无人机等领域。单个传感器具有局限性，如相机易受光照、模糊外界环境影响，激光雷达数据点稀疏，而二者的融合可以弥补各自缺陷。为了融合激光雷达和相机获取的信息，进行两者之间的联合标定是必不可少的。通过标定确定两个传感器空间坐标系之间的相互转换关系，从而使不同传感器获得的信息融合到统一坐标系下。

目前激光雷达和相机间的联合标定方法大多使用一些具有空间几何特征的标定物，但由于振动、装配等问题，多传感器之间的相对位姿可能产生变化，需要经常性的进行标定，而使用标定物进行标定的方式，标定过程繁琐，标定误差较大，无法满足经常性标定的需求。

发明内容

本公开提出了一种传感器标定技术方案。

根据本公开的一方面，提供了一种传感器标定方法，包括：通过智能设备上设置的图像传感器及雷达传感器，分别采集所述智能设备所在目标场景的多个场景图像及多个第一点云；根据所述多个场景图像，构建所述目标场景在全局坐标系下的第二点云；根据所述第一点云的第一特征点集与所述第二点云的第二特征点集，确定所述图像传感器与所述雷达传感器之间的第一距离误差；根据所述多个第一特征点集，确定所述雷达传感器的第二距离误差；根据所述第二特征点集在所述全局坐标系下的第一全局位置，以及与所述第二特征点集对应的像素点在所述场景图像中的第一图像位置，确定所述图像传感器的重投影误差；根据所述第一距离误差、所述第二距离误差及所述重投影误差，对所述雷达传感器和所述图像传感器进行标定，得到所述雷达传感器的第一标定结果及所述图像传感器的第二标定结果。

在一种可能的实现方式中，所述方法还包括：对所述多个第一点云分别进行特征点提取，确定各个第一点云各自的第一特征点集；对所述第二点云进行特征点提取，确定所述第二点云的第二特征点集；其中，所述根据所述第一点云的第一特征点集与所述第二点云的第二特征点集，确定所述图像传感器与所述雷达传感器之间的第一距离误差，包括：针对任意一个第一特征点集，根据所述第一特征点集中的第一特征点与所述第二特征点集中的第二特征点之间的距离，确定出相匹配的第一特征点对，每个第一特征点对包括一个第一特征点和一个第二特征点；根据相匹配的多个第一特征点对，确定所述第一特征点集与所述第二特征点集之间的第一子误差；根据多个第一子误差，确定所述图像传感器与所述雷达传感器之间的第一距离误差。

在一种可能的实现方式中，所述对所述多个第一点云分别进行特征点提取，确定各个第一点云各自的第一特征点集，包括：针对任意一个第一点云，根据所述雷达传感器的各激光发射点的相对位置，确定所述第一点云的点云序列；根据所述第一点云的点云序列，确定出与所述第一点云中任意一个第一数据点对应的多个第一相邻点；根据所述第一数据点的坐标与所述多个第一相邻点的坐标，确定所述第一数据点对应的曲率；根据所述第一点云中多个第一数据点的曲率，确定所述第一点云中的第一特征点集。