[发明专利]用于无人车的传感器标定方法、装置及电子设备

权利要求书

1.一种用于无人车的传感器标定方法，其特征在于，包括：

在无人车的行驶过程中，获取至少两个待标定传感器所采集到的道路场景数据；

利用预定的特征提取器分别对所述道路场景数据进行提取，以便从所述道路场景数据中提取出多个目标特征信息，其中，多个所述目标特征信息能够表征道路场景内的纵向特征；

将所述目标特征信息作为预设的代价函数的约束条件，利用所述代价函数以及参数空间进行迭代优化处理，得到所述迭代优化处理后的标定结果；

基于所述标定结果对所述待标定传感器对应的外参进行更新，以便完成对所述待标定传感器的标定，其中，所述外参用于表示所述待标定传感器之间的相对位置关系；

其中，所述目标特征信息是在道路场景中具有纵向空间位置的对象所对应的信息，所谓纵向空间位置的对象是指所述对象在道路场景中沿道路前后在空间距离上进行分布。

2.根据权利要求1所述的方法，其特征在于，所述至少两个待标定传感器包括一个待标定相机以及一个待标定激光雷达，所述道路场景数据包括图像数据和点云数据；

所述在无人车的行驶过程中，获取至少两个待标定传感器所采集到的道路场景数据，包括：

在所述无人车的行驶过程中，获取所述待标定相机按照预设的时间间隔采集到的图像数据，并获取所述待标定激光雷达按照相同的所述时间间隔采集到的点云数据。

3.根据权利要求2所述的方法，其特征在于，所述特征提取器包括线特征提取器，所述利用预定的特征提取器分别对所述道路场景数据进行提取，以便从所述道路场景数据中提取出多个目标特征信息，包括：

在对所述图像数据中的目标特征信息进行提取时，利用DDRNet语义分割网络对所述图像数据中的目标特征进行分割，得到所述图像数据中的目标特征信息；

在对所述点云数据中的目标特征信息进行提取时，利用RANSAC算法对所述点云数据中的目标特征进行分割，得到所述点云数据中的目标特征信息；

其中，所述纵向特征为道路场景内与所述无人车之间能产生距离变化的特征。

4.根据权利要求3所述的方法，其特征在于，所述利用RANSAC算法对所述点云数据中的目标特征进行分割，得到所述点云数据中的目标特征信息，包括：

利用基于RANSAC的平面拟合算法对所述点云数据中的地面信息进行提取；

根据所述待标定激光雷达对应的反射强度，将所述地面信息中高于预设阈值的反射强度所对应的信息提取出来；

利用基于RANSAC的直线拟合算法去除所述提取出来的信息中的噪声点和高反射强度对象，得到所述点云数据中的目标特征信息。

5.根据权利要求3所述的方法，其特征在于，所述将所述目标特征信息作为预设的代价函数的约束条件，利用所述代价函数以及参数空间进行迭代优化处理，得到所述迭代优化处理后的标定结果，包括：

将提取出的所述目标特征信息作为约束条件，根据所述约束条件定义所述代价函数，用前一次标定的外参作为初始参数，在所述代价函数中进行迭代计算，直至迭代计算出最小代价函数，将最小代价函数对应的结果作为标定结果；

其中，所述代价函数用于衡量在给定的所述参数空间下图像数据和点云数据的一致性。

6.根据权利要求1所述的方法，其特征在于，所述代价函数采用以下函数式：

其中，表示点云数据中目标特征对应的点投影的像素与对应图像数据中目标特征掩模的一致性，表示从图像数据中提取出的目标特征的区域，表示点云数据中目标特征对应的点，表示对应的点的个数，表示目标特征，表示待标定相机的坐标系与待标定激光雷达的坐标系之间的转换，表示点云数据到图像平面上的投影函数，表示待标定激光雷达对应的坐标系。