[发明专利]一种多激光雷达和多相机传感器空间位置自动标定方法

说明书

本发明公开了一种多激光雷达和多相机传感器空间位置自动标定方法，所述方法包括：步骤1)通过对每个激光雷达采集的点云数据和每个相机传感器采集的RGB图像分别提取直线特征，经投影计算灰度值得分，得到全部激光雷达点的总得分，采用自适应优化方法选择最高总得分进而得到每个激光雷达和某个相机传感器的位置关系；步骤2)对每两个激光雷达的点云数据进行配准，得到激光雷达间的位置关系；步骤3)利用多个相机的对极几何约束，根据相机传感图像数据得到相机传感器间的位置关系；步骤4)根据步骤1)、步骤2)和步骤3)得到的位置关系，进行全局优化，完成多激光雷达和多相机传感器空间位置的标定。

技术领域

本发明涉及多传感器标定领域，尤其涉及一种多激光雷达和多相机传感器空间位置自动标定方法。

背景技术

信息融合是自动驾驶安全的关键技术，而多模态感知对无人驾驶实现鲁棒的环境感知有着关键作用，多模态融合是实现鲁棒感知的前提条件，单一的传感器难以应对全天候全场景的感知，存在硬件材料的固有缺陷；多传感器数据模态存在数据异构、模态差异、采样不均衡等问题，需要设计特殊的融合模型加以利用；而现在的主要车企的自动驾驶车辆传感器的配置方案中基本都会有激光雷达和摄像机，多模态融合是提升精度的重要途径，而激光雷达和相机传感器之间可靠的外部参数是多模态数据融合的前提条件。多传感器标定方法是无人驾驶领域的研究重点和难点之一，而目前绝大多数融合技术研究的研究内容是单相机与单激光雷达，但是自动驾驶车辆上搭载的往往是多个相机和多个激光雷达。在使用多组相机和激光雷达数据的实际应用场景中，单相机雷达融合技术就不能保障标定结果的可靠性。并且，在运行过程中，激光雷达和相机的空间位置关系会逐渐变化，因此需要一种可以监测多传感器之间的空间位置关系，并能及时纠正累计误差的自动标定方法。

发明内容

本发明的目的在于提供一种多激光雷达和多相机传感器空间位置自动标定方法。

为了实现上述目的，本发明提出了一种多激光雷达和多相机传感器空间位置自动标定方法，所述方法包括：

步骤1)通过对每个激光雷达采集的点云数据和每个相机传感器采集的RGB图像分别提取直线特征，经投影计算灰度值得分，得到全部激光雷达点的总得分，采用自适应优化方法选择最高总得分进而得到每个激光雷达和某个相机传感器的位置关系；

步骤2)对每两个激光雷达的点云数据进行配准，得到激光雷达间的位置关系；

步骤3)利用多个相机的对极几何约束，根据相机传感图像数据得到相机传感器间的位置关系；

步骤4)根据步骤1)、步骤2)和步骤3)得到的位置关系，进行全局优化，完成多激光雷达和多相机传感器空间位置的标定。

作为上述方法的一种改进，所述步骤1)具体包括：

步骤1-1)从图像形式的点云数据中筛选出符合直线特征的数据；

步骤1-2)采用局部映射方法将符合直线特征的三帧点云数据合并为一帧，得到更密集的点云数据；

步骤1-3)将RGB图像转换为灰度图像，采用直线检测算法提取出符合直线特征的灰度图像；

步骤1-4)将步骤1-2)得到的点云数据通过逆距离变换映射到步骤1-3)得到的灰度图像上，计算投影后符合直线特征的一个激光雷达点的灰度值作为得分，累加全部激光雷达点的得分作为总得分，采用自适应优化方法选择最高总得分，得到一个激光雷达和某个相机传感器的位置关系。

作为上述方法的一种改进，所述步骤1-1)具体包括：

对于图像形式的点云数据，过滤去除离群值以及与地面对应的点云数据点，再采用点云聚类算法去除相邻点较少的点云数据点，从而筛选出符合直线特征的数据。

作为上述方法的一种改进，所述步骤1-3)具体包括：