一种外参校正方法、装置、系统、设备及介质与流程

摘要: 本发明涉及视觉,尤其涉及一种外参校正方法、装置、系统、设备及介质。背景技术:1、在机器人导航、自动驾驶、智能仓储等应用场景中,视觉系统对外部环境的感知精度高度依...
一种外参校正方法、装置、系统、设备及介质与流程

本发明涉及视觉,尤其涉及一种外参校正方法、装置、系统、设备及介质。

背景技术:

1、在机器人导航、自动驾驶、智能仓储等应用场景中,视觉系统对外部环境的感知精度高度依赖于多传感器间空间关系的准确性,而外参校正正是实现不同传感器坐标系精确对齐的关键环节。

2、然而,传统的校正方式通常需要借助特定的标定板,如棋盘格、标定球等,通过人工摆放标定物并采集多组对应数据,再通过优化算法求解外参矩阵,但这种方法往往只考虑几何特征,其操作繁琐且耗时较长,未充分利用传感器的数据特性,容易导致校正结果偏差较大,从而导致了外参校正的精度不高,难以适应复杂场景下的实时校正需求。因此,如何提高外参校正的精度,成为亟待解决的问题。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种外参校正方法、装置、系统、设备及介质,以解决现有技术外参校正的精度不高的问题。

2、本申请实施例的第一方面提供了一种外参校正方法,所述外参校正方法包括:

3、获取深度相机采集的三维点云数据,以及激光雷达采集的二维点云数据,其中,所述三维点云数据包括第一点云数据和第二点云数据,所述第一点云数据为地平面点云数据,所述第二点云数据为箱体平面点云数据;

4、基于所述第一点云数据,确定所述深度相机相对于地平面的第一相对位姿参数,并根据所述第一相对位姿参数和所述激光雷达相对于地平面的第二相对位姿参数,确定所述深度相机与所述激光雷达之间的初始外参;

5、基于所述初始外参对所述第二点云数据进行坐标变换,并对坐标变换后的第二点云数据进行线段特征提取,得到第一特征线段;

6、对所述二维点云数据进行线段特征提取,得到第二特征线段;

7、根据所述第一特征线段和所述第二特征线段之间的对齐关系,计算所述深度相机与所述激光雷达之间的目标外参。

8、本申请实施例的第二方面提供了一种外参校正装置,所述外参校正装置包括:

9、获取模块,用于获取深度相机采集的三维点云数据,以及激光雷达采集的二维点云数据,其中,所述三维点云数据包括第一点云数据和第二点云数据,所述第一点云数据为地平面点云数据,所述第二点云数据为箱体平面点云数据;

10、确定模块,用于基于所述第一点云数据,确定所述深度相机相对于地平面的第一相对位姿参数,并根据所述第一相对位姿参数和所述激光雷达相对于地平面的第二相对位姿参数,确定所述深度相机与所述激光雷达之间的初始外参;

11、变换模块,用于基于所述初始外参对所述第二点云数据进行坐标变换,并对坐标变换后的第二点云数据进行线段特征提取,得到第一特征线段;

12、提取模块,用于对所述二维点云数据进行线段特征提取,得到第二特征线段;

13、计算模块,用于根据所述第一特征线段和所述第二特征线段之间的对齐关系,计算所述深度相机与所述激光雷达之间的目标外参。

14、本申请实施例的第三方面提供了一种外参校正系统,所述外参校正系统包括深度相机、激光雷达以及控制平台,所述控制平台分别连接所述深度相机和所述激光雷达;

15、所述深度相机,用于采集三维点云数据;

16、所述激光雷达,用于采集二维点云数据;

17、所述控制平台,用于实现如第二方面所述的外参校正方法。

18、第四方面,本发明实施例提供一种电子设备,所述电子设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第二方面所述的外参校正方法。

19、第五方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第二方面所述的外参校正方法。

20、综上所述,本发明提供了一种外参校正方法、装置、系统、设备及介质,通过获取深度相机采集的三维点云数据,以及激光雷达采集的二维点云数据,三维点云数据包括第一点云数据和第二点云数据,第一点云数据为地平面点云数据,第二点云数据为箱体平面点云数据,基于第一点云数据,确定深度相机相对于地平面的第一相对位姿参数,并根据第一相对位姿参数和激光雷达相对于地平面的第二相对位姿参数,确定深度相机与激光雷达之间的初始外参,基于初始外参对第二点云数据进行坐标变换,并对坐标变换后的第二点云数据进行线段特征提取,得到第一特征线段,对二维点云数据进行线段特征提取,得到第二特征线段,根据第一特征线段和第二特征线段之间的对齐关系,计算深度相机与激光雷达之间的目标外参,从而提高了外参校正的精度,有效地降低校正结果偏差,满足了复杂场景下的实时校正需求。

1.一种外参校正方法,其特征在于,包括:

2.根据权利要求1所述的外参校正方法,其特征在于,所述基于所述第一点云数据,确定所述深度相机相对于地平面的第一相对位姿参数,包括:

3.根据权利要求1所述的外参校正方法,其特征在于,所述第二相对位姿参数包括第二姿态旋转参数和第二高度参数,所述根据所述第一相对位姿参数和所述激光雷达相对于地平面的第二相对位姿参数,确定所述深度相机与所述激光雷达之间的初始外参,包括:

4.根据权利要求1所述的外参校正方法,其特征在于,所述基于所述初始外参对所述第二点云数据进行坐标变换,并对坐标变换后的第二点云数据进行线段特征提取,得到第一特征线段,包括:

5.根据权利要求1所述的外参校正方法,其特征在于,所述对所述二维点云数据进行线段特征提取,得到第二特征线段,包括:

6.根据权利要求1所述的外参校正方法,其特征在于,所述根据所述第一特征线段和所述第二特征线段之间的对齐关系,计算所述深度相机与所述激光雷达之间的目标外参,包括:

7.一种外参校正装置,其特征在于,包括:

8.一种外参校正系统,其特征在于,所述外参校正系统包括深度相机、激光雷达以及控制平台,所述控制平台分别连接所述深度相机和所述激光雷达;

9.一种电子设备,其特征在于,所述电子设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的外参校正方法。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的外参校正方法。