CN114252868B 激光雷达的标定方法、装置、计算机设备和存储介质 （北京万集科技股份有限公司）

本公开实施例涉及一种激光雷达的标定方再从预设扫描范围的精度大于预设精度阈值的述的标定方法不会因定位设备的精度较低而影2从所述预设扫描范围的地图点云数据中，获取所述预设扫描范围对利用原始标定参数将所述待匹配区域的地图点云数据中的特征和所述雷达点云数据所述将所述待匹配区域的地图点云数据和所述雷达点云数据进行匹配，将所述待匹配区域的地图点云数据和所述静态雷达点云数据进行匹配提取所述静态雷达点云数据中的特征，得到所述第一特征集合；所获取所述第一特征集合中的两个第一特征之间的线段在雷达坐标系中的预设平面上获取所述第二特征集合中的两个第二特征之间的线段在地理坐标系中的预设平面上特征集合中的两个第二特征的类型与所述第一特征集合中的两个第将所述第一投影夹角与所述第二投影夹角进行差值运算，得到所述3将所述第一特征集合中的各所述第一特征与所述第二特征集合中的各所述第二特征根据所述目标第一特征的位置坐标和所述目标第二特征的位置坐标将所述旋转角度代入预设的余弦函数中得到余弦函数的值，根据所根据修正后的所述目标第一特征的位置坐标和所述目标第二特征的根据修正后的所述目标第一特征的位置坐标中的X坐标和所述目标第二特征的位置坐根据修正后的所述目标第一特征的位置坐标中的Y坐标和所述目标第二特征的位置坐根据修正后的所述目标第一特征的位置坐标中的Z坐标和所述目标第二特征的位置坐第二获取模块，用于从所述预设扫描范围的地图点云数据中4为第二特征集合中两个第二特征之间的线段在地理坐标系中的预设平面上的第二投影线行时实现权利要求1至9中任一项所述的方5激光雷达输出的点云数据对周围环境中的目标物体进行识别，进而得到目标物体的位置、标物体的准确识别。[0014]在一个实施例中，将待匹配区域的地图点云数据和静态6[0019]获取第一特征集合中的两个第一特征之间的线段在雷达坐标系中的预设平面上[0020]获取第二特征集合中的两个第二特征之间的线段在地理坐标系中的预设平面上[0032]根据修正后的目标第一特征的位置坐标中的X坐标和目标第二特征的位置坐标中[0033]根据修正后的目标第一特征的位置坐标中的Y坐标和目标第二特征的位置坐标中7[0034]根据修正后的目标第一特征的位置坐标中的Z坐标和目标第二特征的位置坐标中[0041]匹配模块，用于将所述待匹配区域的地图点云数据和所述雷达点云数据进行匹数据和雷达点云数据对激光雷达进行标定，实现了使用高精度的数据对激光雷达进行标89[0089]下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介发送给对应的服务器和/或基站；服务器和/或基站可以对接收到的雷达点云数据进行处类型的激光雷达。基站可以处理接收的数据，该基站可以包含各种形式的路侧单元(Road[0097]S15、根据目标感兴趣区域内的雷达点云数据，识别目标感兴趣区域中的目标物达的基站通过透变原理将获取的点云数据转换至该地图点云数据的先利用原始标定参数将待匹配区域的地图点云数据中的特征和雷达点云数据中的特征进[0110]在实际应用中激光雷达在获取到的雷达点云数据可以利用上述标定过程获取的此上述标定过程利于该激光雷达的广泛应用。坐标使服务器可以根据待识别目标物体的绝对位置坐标结合相应的识别算法实现对待识之后根据静态雷达点云数据对激光雷达进行标定时[0118]在上述实施例所述的S1003的实现方式的基础上，本公开实施例还提供了该实现[0120]其中，静态雷达点云数据中的特征表示激光雷达扫描的[0127]上述公开的实施例实现了基于静态雷达点云数据和地图点云数据中的匹配特征[0129]S1007、获取第一特征集合中的两个第一特征之间的线段在雷达坐标系中的预设特征在XZ平面上的第一投影线段与对应的Z轴之间的夹角即为第一投影夹角；若上述预设夹角即为第一投影夹角。[0132]S1008、获取第二特征集合中的两个第二特征之间的线段在地理坐标系中的预设征集合中的两个第二特征的类型与第一特征集合中的两个第一特征的进一步的选取预设平面对应的坐标轴，得到该坐标轴与第二投影线段之间的第二投影夹[0139]S1010、将第一特征集合中的各第一特征与第二特征集合中的各第二特征进行匹[0150]当基站基于上述步骤对目标第一特征的位置坐标进行修正后，即可采用S1011所述的方法根据修正后的目标第一特征的位置坐标和目标第二特征的位置坐标确定激光雷[0151]上述方法通过修正后的目标第一特征的位置坐标和目标第二特征的位置坐标确S1013步骤时，具体根据修正后的目标第一特征的位置坐标中的X坐标和目标第二特征的征的位置坐标中的Y坐标和目标第二特征的位置坐标中的纬度坐标，确定激光雷达坐标系原点的纬度；根据修正后的目标第一特征的位置坐标中的Z坐标和目标第二特征的位置坐[0158]当服务器基于上述步骤确定了激光雷达的初始原点后，即可以该初始原点为中[0161]即，上述S12为服务器对多个基站进行配准的方法，下述实施例详细描述了该过[0165]S1202、按照单个基站分别迭代执行将各个基站的雷达点云数据与对应的地图点可基于得到的各个基站相互之间的相对配置参数实现对各个获取到各自的原始地图点云数据，也可以通过其它方式获取到各自的原始地图点云数据，[0175]S1206，根据每个基站的激光雷达的实际安装位置和激光雷达的预设扫描范围从取预设扫描范围内区域的地图点云数据作为每个基站对应的地图之后根据静态雷达点云数据对激光雷达进行标定时特征和地图点云数据中的特征进行匹配，再通过分析匹配的特征得到激光雷达的位置标[0187]其中，静态雷达点云数据中的特征表示激光雷达扫描的[0194]上述公开的实施例实现了基于静态雷达点云数据和地图点云数据中的匹配特征[0196]S1210、获取第一特征集合中的两个第一特征之间的线段在雷达坐标系中的预设特征在XZ平面上的第一投影线段与对应的Z轴之间的夹角即为第一投影夹角；若上述预设[0199]S1211、获取第二特征集合中的两个第二特征之间的线段在地理坐标系中的预设征集合中的两个第二特征的类型与第一特征集合中的两个第一特征的进一步的选取预设平面对应的坐标轴，得到该坐标轴与第二投影线段之间的第二投影夹[0208]S1214、将第一特征集合中的各第一特征与第二特征集合中的各第二特征进行匹用S1209所述的方法根据修正后的目标第一特征的位置坐标和目标第二特征的位置坐标确定激光雷达坐标系原点的位置坐标，进而得到激光雷达坐标系原点的位置坐标的匹配结征的位置坐标中的Y坐标和目标第二特征的位置坐标中的纬度坐标，确定激光雷达坐标系原点的纬度；根据修正后的目标第一特征的位置坐标中的Z坐标和目标第二特征的位置坐[0217]上述方法通过修正后的目标第一特征的位置坐标和目标第二特征的位置坐标确以提高之后针对该目标感兴趣区域进行目标物体识[0219]即，上述S13为服务器确定目标感兴趣区域的过程，下述实施例详细描述了该过[0226]S1303、根据激光雷达的扫描范围和第二地图中的目标区域，确定目标感兴趣区际识别需求选取第二地图中目标区域定制适合的目标感[0235]上述实施例通过将目标区域与扫描范围轮廓进行交集运算，得到目标感兴趣区激光雷达采集到的点云数据中提取目标感兴趣区域内域内的目标物体，但是在展示时通常会因为各基站对应的雷达扫描区域之间存在扫描盲据各基站对应的感知区域的范围和位置，确定各雷达的感知区域之间是否存在扫描盲区，通过执行本申请上文中的步骤S1201-S1202获取各个基站的配准参数。具体可参见上文相服务器根据激光雷达输出的点云数据识别出的目标物的感知区域内的特征信息，再通过分析目标物体在符合预设条件的感知区域内的特征信预设条件可以是距离感知盲区最近的感知区域，也可以是包含移动的目标物体的感知区内的特征信息。由于服务器根据各基站对应的感知区域内的目标物体的特征信息进行预域内的目标物体的特征信息，以便之后根据该目标区域内的目标物体的特征信息进行预述S1404“根据目标区域内的目标物体的特征信息生成目标物体在感知盲区内的特征信有目标物体移动到感知盲区内，那么上一时刻的目标物体就有可能正在向感知盲区移动，一时刻预测的特征信息，则说明上一时刻服务器已经对感知盲区内的目标物体进行了预[0264]本实施例涉及的是服务器确定目标物体在感知盲区内不存在上一时刻预测的特物体在感知盲区内的特征信息，若需要预测当前时刻目标物体在感知盲区内的特征信息，[0266]本实施例涉及的是服务器确定目标物体在感知盲区内存在上一时刻预测的特征信息的情况，因为在该种情况下说明当前时刻的目标物体就有可能还在感知盲区内移动，的特征信息进行预测了，因为目标物体已经移动出感知盲区进入了基站对应的感知区域，[0268]本实施例涉及的服务器需要预测当前时刻目标物体在感知盲区内的特征信息的该速度和行驶方向作为当前时刻预测出的车辆的[0270]本实施例涉及的服务器不需要预测当前时刻目标物体在空白区域内的特征信息[0273]本实施例涉及的是上一时刻服务器没有对感知盲区内的目标物体进行预测的情服务器通过判断感知盲区的边界处是否存在目标物体即可确定当前时刻的目标物体是否[0281]本实施例涉及上一时刻服务器已经对感知盲区内的目标服务器通过判断目标区域内是否出现与上一时刻预测的特征信息对应的目标物体即可确[0283]本实施例涉及服务器判断出目标区域内未出现与上一时刻预测的特征信息对应[0285]本实施例涉及服务器判断出目标区域内出现与上一时刻预测的特征信息对应的[0286]上述方法实现了服务器根据不同的应用场景对感知盲区内的特征信息进行预测在同一坐标系下所处的位置确定各基站对应的感知区域之间是否存在重叠区域。可选地，可以通过执行本申请上文中的步骤S1201-S1202获取各个基站的配准参数。具体可参见上目标物体的特征信息时，即可通过分析目标物体在各基站对应的感知区域内的特征信息，目标物体的特征信息确定重叠区域内重复目标物体的方法[0295]S1418、从各基站发送的目标物体的特征信息中提取出重叠区域中目标物体的特[0302]第一种检测方法为：上述目标物体的特征信息可以包括为待确定目标物体，再从这两个目标物体的特征信息中提取出两个目标物体的中心点位[0311]上述方法实现了服务器直接根据目标物体的中心点位置判定两个目标物体是否足除“距离小于预设距离阈值，且两个目标物体的类型一致”以外的条件，则执行步骤[0316]本实施例涉及的是服务器判断两个目标物体的中心点位置之间的距离是否小于[0321]上述方法实现了服务器根据目标物体的中心点位置和目标物体的类型两个条件本实施例涉及的是服务器判断两个目标物体的个目标物体的航向角之间的差值大于或等于预设差值阈值；距离大于或等于预设距离阈[0333]上述方法实现了服务器根据目标物体的中心点位置和目标物体的航向角两个条[0334]第四种检测方法为：上述目标物体的特征信息可以包括目标物体的中心点位置、[0340]本实施例涉及的是服务器判断两个目标物体的中心点位置之间的距离是否小于[0348]当服务器基于图20和图25实施例所述的方法得到各基站对应的感知区域内的目[0353]具体地，服务器首先获取激光雷达的点云数据和对应的高精度地图的矢量数[0354]S1602，利用激光雷达的标定参数将点云数据的坐标转换至高精度地图的坐标系[0370]本实施例中，服务器根据高精度地图数据的矢量数据能[0374]S1610，根据目标物体的位置和道路位置，确定目标物体当前所在道路的道路类[0379]具体地，若服务器确定目标物体当前所在道路的道路类型与目标道路类型不一[0380]本实施例中，服务器根据高精度地图数据的矢量数据能可以将目标物体的类型修正为与道路类型匹配的类型，准确地得到修正后的目标检测结体的航向角大于预设阈值的次数可以为两次[0384]S1614，判断在预设帧数内目标物体的航向角大于预设阈值的次数是否大于预设匹配得到指代同一静态目标对象的实时目标与标准目方向以及初始目标相对标准目标的偏移距离中的[0404]S1703、根据第一空间信息与第二空间信息的比较结果确定路侧雷达是否定位异设备再根据上述每一初始目标m距离路侧雷达原点M的距离l和偏移角度α,得到每一初始目[0436]在一个实施例中，为了进一步提高路侧雷达定位监测的精准性，如图41所示，距离偏差比上初始距离到的比值是否满足预设范围2％。若得到的比值在预设范围2％以内，即小于等于2则确定路侧雷达定位正常；若得到的比值超出预设范围2即大于而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交雷达点云数据中包含相同的待匹配物体；所述标定参数包括激光雷达坐标系原点的经度、[0453]关于激光雷达的标定装置的具体限定可以参见上文中对于激光雷达的标定方法件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于计算机设备中的处理器机存取存储器(DynamicRandomAccessMemory，DRA[0468]以上所述实施例仅表达了本公开实施例的几种实施方式，其描述较