[发明专利]激光雷达的标定校准方法、装置、存储介质及电子设备

权利要求书

1.一种激光雷达的标定校准方法，其特征在于，包括：

获取待标定车辆的行驶轨迹信息；

采用曲线拟合算法对所述行驶轨迹信息进行拟合处理，得到所述待标定车辆的轨迹方程，其中，所述曲线拟合算法为最小二乘法或随机采样一致性算法；

在检测到所述轨迹方程的曲率小于目标阈值的情况下，获取所述待标定车辆的车道线信息，并采用所述曲线拟合算法对所述车道线信息进行拟合处理，得到所述待标定车辆的车道线方程,其中，所述车道线信息包括所述待标定车辆的车道线的原始点云数据；

基于所述轨迹方程和所述车道线方程对所述激光雷达的偏航角进行修正，得到修正后的偏航角。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述待标定车辆的车载设备获取所述待标定车辆的第一俯仰角和第一横滚角；

提取目标高度阈值范围内的第一点云数据，基于所述第一点云数据获取点云拟合平面的第二俯仰角和第二横滚角，其中，所述目标高度阈值是基于所述激光雷达的安装高度确定的；

基于所述第一俯仰角和所述第二俯仰角计算修正后的俯仰角，其中，所述修正后的俯仰角为所述激光雷达的俯仰角的修正值；

基于所述第一横滚角和所述第二横滚角计算修正后的横滚角，其中，所述修正后的横滚角为所述激光雷达的横滚角的修正值。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于所述修正后的俯仰角和所述修正后的横滚角，提取第二点云数据；

对所述第二点云数据进行过滤处理，得到过滤后的第二点云数据；

基于所述过滤后的第二点云数据，计算所述激光雷达的高度修正值。

4.根据权利要求2所述的方法，其特征在于，基于所述第一点云数据获取点云拟合平面的第二俯仰角和第二横滚角，包括：

对所述第一点云数据进行平面拟合，得到点云拟合平面；

获取所述点云拟合平面的第二俯仰角和第二横滚角。

5.根据权利要求2所述的方法，其特征在于，所述车载设备包括以下至少之一：全惯性测量传感器、全球导航卫星系统、惯性导航设备、车载ECU、车载域控制器。

6.根据权利要求3所述的方法，其特征在于，获取所述待标定车辆的车道线信息，包括如下至少之一：

采用阈值分割法对所述第二点云数据进行二值化分割处理，得到所述待标定车辆的车道线信息；

获取所述第二点云数据的点云反射率，基于所述点云反射率的变化梯度确定所述待标定车辆的车道线信息；

通过深度学习算法构建车道线识别模型，并基于所述车道线识别模型确定所述待标定车辆的车道线信息；或者

基于图像视觉识别算法获取所述待标定车辆的车道线信息。

7.一种激光雷达的标定校准装置，其特征在于，包括：

第一获取模块，用于获取待标定车辆的行驶轨迹信息；

拟合模块，用于采用曲线拟合算法对所述行驶轨迹信息进行拟合处理，得到所述待标定车辆的轨迹方程，其中，所述曲线拟合算法为最小二乘法或随机采样一致性算法；

第二获取模块，用于在检测到所述轨迹方程的曲率小于目标阈值的情况下，获取所述待标定车辆的车道线信息，并采用所述曲线拟合算法对所述车道线信息进行拟合处理，得到所述待标定车辆的车道线方程；

修正模块，用于基于所述轨迹方程和所述车道线方程对所述激光雷达的偏航角进行修正，得到修正后的偏航角。

8.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至6中任意一项所述的激光雷达的标定校准方法。

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任意一项所述的激光雷达的标定校准方法。

10.一种自动驾驶车辆，其特征在于，包括：如权利要求9所述的电子设备。