[发明专利]相机与激光雷达的外参精确标定方法及其系统

说明书

本申请公开了一种相机与激光雷达的外参精确标定方法，包括：构建外部标定板，所述标定板中存在至少两种颜色；移动车辆至标定位置，分别通过相机和激光雷达获取标定板的数据，形成数据组；多次移动车辆位置，不断重复数据组的获取动作，以获取多组数据组后利用PnP算法获取相机到激光雷达的外参初值；基于外参初值和相机的内参将激光雷达获取标定板的数据中的标定点重投影至像素平面，与通过相机所获取的标定板的数据建立残差关系，对残差关系进行优化后形成精准外参。在本申请实施例中，基于所构建的标定板，可以自动化提取对应的激光点云和特征点，通过非线性优化重投影误差的形式得到标定结果，实现在无人驾驶中相机与激光雷达之间更加自动化和准确的外参标定。

技术领域

本申请涉及自动驾驶感知系统外参标定技术领域，尤其涉及一种相机与激光雷达的外参精确标定方法及其系统。

背景技术

随着自动驾驶及多传感器融合技术的发展，相机和激光雷达作为重要的感知传感器已经越来越不可或缺，自动驾驶车辆通常会安装多台相机和激光雷达，出于感知系统对坐标系统一的需要，需要对相机和激光雷达的外参进行标定。

当前的标定方案大多采用黑白棋盘格标定板进行标定，大部分情况下需要手动去选择对应的图像像素和激光雷达点云。

发明内容

为了解决上述技术问题，本申请实施例提供一种相机与激光雷达的外参精确标定方法及其系统，实现更加自动化和准确的外参标定。

本申请实施例第一方面提供了一种相机与激光雷达的外参精确标定方法，可包括：

构建外部标定板，所述标定板中存在至少两种颜色，

移动车辆至标定位置，分别通过相机和激光雷达获取标定板的数据，形成数据组；

多次移动车辆位置，不断重复数据组的获取动作，以获取多组数据组后利用PnP算法获取相机到激光雷达的外参初值；

基于外参初值和相机的内参将激光雷达获取标定板的数据中的标定点重投影至像素平面，与通过相机所获取的标定板的数据建立残差关系，对残差关系进行优化后形成精准外参。

进一步地，所述标定板的颜色分为底色和特征色；所述特征色所形成的区域作为标定板的特征区域，该特征区域的中心作为特征点。

进一步地，所述标定板的颜色采用白色作为底色，黑色作为特征色。

进一步地，所述标定板上的特征区域采用圆形，该中心作为特征点。

进一步地，所述标定板上的特征区域设置有至少三个。

进一步地，所述数据组包括：

通过相机获取标定板的数据数据并提取其中的特征区域以及特征点，形成一组相机数据；

通过激光雷达获取点云数据，摘取其中的特征区域的点云区域后利用聚类法对点云进行特征点的坐标，形成一组雷达数据。

进一步地，所述相机数据为像素平面数据，利用k-means或blob算法获取特征点。

进一步地，所述雷达数据为点云数据，利用反射率保留特征区域的点云，通过聚类算法确定特征区域后，采用ransac算法拟合三维空间获取中心坐标作为特征点。

本申请实施例第二方面提供了一种相机与激光雷达的外参精确标定系统，包括：

标定模块，至少存在两种颜色以形成特征区域；所述特征区域在标定模块中设置有不少于三处；

数据组获取模块，包含有多组数据组，每一个数据组包含在同一车辆位置下的相机获取标定板的平面像素数据和激光雷达获取标定板的点云三维数据；