无人车相机标定方法、装置、设备、存储介质及系统与流程

1.本发明实施例涉及计算机技术领域，尤其涉及一种无人车相机标定方法、装置、设备、存储介质及系统。


背景技术：

2.随着自动驾驶技术的发展，无人车将逐渐替代人工发挥更多的作用。无人车这种复杂的智能设备，往往配置多种传感器以感知环境信息进行作业，如激光雷达和摄像头。通过激光和摄像头的其感知信息互相补充，是无人车常见的信息处理方式。常见的无人车，一般配置有4-8个摄像头以及1个激光雷达，要实现相机数据与雷达数据的融合，标定是最为基础、首要的工作。所谓标定，是指确定不同坐标系的相互转换关系，是传感器数据融合的前提。对于配置有摄像头和激光雷达的无人车，需要对每个摄像头进行标定，包括相机内参和相机外参。相机内参是描述相机坐标系中的一个三维点投影到像素坐标系中的一个像素点的变化关系。相机外参是描述雷达到相机的坐标变化关系。
3.在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：在进行相机参数标定时，标定相机内参和相机外参需要采集两次数据，过程繁琐；每次采集的数据仅能标定一个摄像头，效率低。


技术实现要素：

4.本发明实施例提供了一种无无人车相机标定方法、装置、设备、存储介质及系统，解决了现有技术中无人车相机参数标定过程繁琐、效率低的技术问题，实现了简化参数标定过程，提高标定效率。
5.第一方面，本发明实施例提供了一种无人车相机标定方法，包括：
6.获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到的，标定数据对中图像标定数据与点云标定数据是在同一时间采集的；
7.根据图像标定数据确定待标定相机的相机内标参数，相机内标参数用于表征待标定相机的相机坐标系下相机坐标与待标定相机获取的图像像素坐标之间的转换关系；
8.根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，相机外标参数用于表征点云坐标与待标定相机的相机坐标系下相机坐标之间的转换关系。
9.第二方面，本发明实施例还提供了一种无人车相机标定装置，包括：
10.标定数据获取模块，用于获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到的，标定数据对中图像标定数据与点云标定数据是在同一时间采集的；
11.相机内标参数模块，用于根据图像标定数据确定待标定相机的相机内标参数，相机内标参数用于表征待标定相机的相机坐标系下相机坐标与待标定相机获取的图像像素坐标之间的转换关系；
12.相机外标参数模块，用于根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，相机外标参数用于表征点云坐标与待标定相机的相机坐标系下相机坐标之间的转换关系。
13.第三方面，本发明实施例还提供了一种计算机设备，设备包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序；
16.当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本发明任意实施例所提供的无人车相机标定方法。
17.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的无人车相机标定方法。
18.第五方面，本发明实施例还提供了一种无人车相机标定系统，系统包括转盘、至少两个标定板，以及无人车，其中：
19.转盘用于固定无人车，并承载无人车绕设定中心点旋转，以使无人车进行数据采集采集；
20.至少两个标定板固定于转盘的不同侧，以使无人车随转盘转动时获取包含至少两个标定板的采集数据，并根据采集数据进行参数标定。
21.本发明实施例通过获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到，实现了一次性获取无人车相机内参及相机外参标定所需的数据；根据图像标定数据确定待标定相机的相机内标参数；根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，简化了参数标定过程，提高了标定效率。
附图说明
22.图1是本发明实施例一所提供的一种无人车相机标定方法的流程图；
23.图2是本发明实施例二所提供的一种无人车相机标定方法的流程图；
24.图3a是本发明实施例三所提供的一种无人车相机标定方法的流程图；
25.图3b是本发明实施例三所提供的一种标定屋的结构示意图；
26.图4是本发明实施例四所提供的一种无人车相机标定装置的结构示意图；
27.图5是本发明实施例五所提供的一种计算机设备的结构示意图；
28.图6是本发明实施例七所提供的一种无人车相机标定系统的结构示意图。
具体实施方式
29.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
30.实施例一
31.图1是本发明实施例一所提供的一种无人车相机标定方法的流程图。本实施例可适用于对无人车中的相机进行内参标定及外参标定时的情形。该方法可以由无人车相机标定装置执行，该无人车相机标定装置可以采用软件和/或硬件的方式实现，例如，该无人车
相机标定装置可配置于计算机设备中。如图1所示，所述方法包括：
32.s110、获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对。
33.在本实施例中，待标定相机可以为无人车中需要标定的相机，相机的数量可以为一个，也可以为多个。图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到的，标定数据对中图像标定数据与点云标定数据是在同一时间采集的。具体的，待标定相机的图像标定数据是基于无人车旋转一周待标定相机采集的原始图像数据确定的，待标定相机的点云标定数据是基于无人车旋转一周雷达采集的原始点云数据确定的。可以理解的是，标定数据对的个数越多，基于标定数据对确定的相机参数更加准确。在本实施例中，标定数据对的个数可以设置为至少十个，以保证计算的准确性。
34.可选的，可以将无人车固定于可旋转的转盘上，使转盘搭载无人车旋转一周，在旋转过程中，无人车上的相机和雷达根据设定频率进行数据采集，获得每个待标定相机采集的原始图像数据和待标定雷达采集的原始点云数据。针对每个待标定相机，基于该待标定相机采集的原始图像数据筛选得到图像标定数据，基于筛选出的图像标定数据对原始点云数据进行筛选得到点云标定数据。可以理解的是，不同的待标定相机筛选出的图像标定数据不同，基于图像标定数据筛选出的点云标定数据也不同。通过无人车旋转一周进行标定数据的采集能够使得一次性采集的数据即可满足无人车相机内参和外参的标定需求，避免了内参标定和外参标定时需分别进行数据采集，以及避免了每个相机的数据单独采集，简化了无人车中各相机的参数标定过程，提高了标定效率。
35.一个实施例中，获取待标定相机的图像标定数据和点云标定数据，包括：获取待标定相机采集的原始图像数据和待标定雷达采集的原始点云数据；从原始图像数据中筛选出包含完整标定板的图像标定数据；基于图像标定数据的采集时间从原始点云数据中筛选出点云标定数据。可选的，针对每个相机，对该相机采集的每张原始图像数据进行筛选，保留包含完整标定板的图像作为图像标定数据，并从原始点云数据中提取采集时间与图像标定数据的拍摄时间相同的点云数据作为点云标定数据，将采集时间相同的图像标定数据和点云标定数据作为一个标定数据对。可以理解的是，无人车绕旋转一周采集的原始图像数据中，有多幅图像包含完整的标定板图像。可以将包含完整标定板图像的原始图像数据均作为图像标定数据，以提高参数标定的准确性。示例性的，可以通过{(i
i
,p
i
)}表示第i个标定数据对，其中，i
i
表示图像标定数据中的第i张图像，p
i
表示第i张图像对应时间的点云数据。
36.s120、根据图像标定数据确定待标定相机的相机内标参数。
37.在本实施例中，相机内标参数用于表征待标定相机的相机坐标系下相机坐标与待标定相机获取的图像像素坐标之间的转换关系。
38.针对每个待标定相机，该待标定相机的图像标定数据中包含多个图像，每个图像中均包含有完整的标定板图像，且标定板在各图像中的位置不同。基于此，通过每个图像中标定板目标点在标定板坐标系下的坐标以及在图像坐标系下的坐标计算待标定相机的相机内标参数。在本实施例中，可以采用现有的相机内参的标定方法计算待标定相机的相机内标参数。示例性的，可以通过张正友标定法计算得到相机内标参数。
39.s130、根据标定数据对和相机内标参数确定待标定雷达的相机外标参数。
40.在本实施例中，相机外标参数用于表征点云坐标与待标定相机的相机坐标系下相机坐标之间的转换关系。
41.可选的，针对每个待标定相机，对于每个标定数据对，提取标定板的目标点在相机坐标系的坐标以及在雷达坐标系的坐标，将每个目标点顶点在上述两个坐标系下的坐标构建为一个特征点对。获取所有目标点的特征点对，采用位姿估计算法计算从雷达到相机的位姿变化关系，得到相机外标参数。
42.本发明实施例通过获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到，实现了一次性获取无人车相机内参及相机外参标定所需的数据；根据图像标定数据确定待标定相机的相机内标参数；根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，简化了参数标定过程，提高了标定效率
43.实施例二
44.图2是本发明实施例二所提供的一种无人车相机标定方法的流程图。本实施例在上述方案的基础上，将相机外标参数的确定方式进行了具体化。如图2所示，所述方法包括：
45.s210、获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对。
46.s220、根据图像标定数据确定待标定相机的相机内标参数。
47.s230、针对每个标定数据对，根据标定数据对中的图像标定数据和相机内标参数确定标定板的目标点在相机坐标系下的目标点相机坐标，根据标定数据对中的点云标定数据确定目标点在雷达坐标系下的目标点点云坐标。
48.在本实施例中，将相机外标参数的确定方式进行了具体化。具体的，通过图像标定数据以及上述步骤中得出的相机内标参数计算标定板的目标点在相机坐标系下的目标点相机坐标，通过点云标定数据计算目标点在雷达坐标系下的目标点点云坐标，最终结合目标点相机坐标和目标点点云坐标得到相机外标参数。
49.可选的，在确定目标点相机坐标时，可以先获取目标点在图像中的像素坐标，基于像素坐标和相机内标参数确定目标点在相机坐标系下的目标点相机坐标。在本发明的一种实施方式中，根据标定数据对中的图像标定数据和相机内标参数确定目标点在相机坐标系下的目标点相机坐标，包括：获取图像标定数据中标定板的角点在标定板坐标系下的角点标定板坐标，以及角点在图像坐标系下的角点像素坐标；根据角点标定板坐标、角点像素坐标和相机内标参数确定坐标变化矩阵，坐标变换矩阵用于表征标定板坐标系下标定板坐标与相机坐标之间的转换关系；获取目标点在标定板坐标系下的目标点标定板坐标，根据目标点标定板坐标以及坐标变换矩阵确定目标点相机坐标。
50.可选的，可测量棋盘格标定板的格子边长，获得标定板中每个角点在标定板坐标系下的角点标定板坐标；根据角点检测算法，获得每个角点在图像中的角点像素坐标；然后根据角点标定板坐标、角点像素坐标以及相机内标参数，采用pnp(pespective-n-point)算法，求解出标定板坐标系到相机坐标系的坐标变换矩阵；最后根据标定板的格子边长确定标定板的目标点在标定板坐标系下的目标点标定板坐标，利用坐标变换矩阵求得标定板的目标点在相机坐标系下的目标点相机坐标。其中，标定板中角点是指棋盘格标定板中黑白格相交的点。标定板中目标点可以根据实际需求设定。示例性的，可以将标定板的顶点作为标定板的目标点。
51.当标定板中目标点为标定板顶点时，可以通过标定板边缘直线的交点计算出目标点在点云坐标系下的目标点点云坐标。在本发明的一种实施方式中，根据标定数据对中的
点云标定数据确定目标点在雷达坐标系下的目标点点云坐标，包括：针对点云标定数据中每条激光射线，基于激光射线中点云数据点的深度得到标定板边缘点的边缘点点云坐标；基于边缘点点云坐标拟合出标定板的边缘直线方程，将边缘直线方程的交点坐标作为目标点点云坐标。可以理解的是，点云标定数据中的每个点云数据点的信息，不仅包含点云数据点的位置，还包含该点云数据点通过雷达的哪一条激光射线获得。在此基础上，针对每条激光射线，可以根据激光射线中点云数据点的深度筛选出该激光射线中对应于标定板边缘的边缘点，结合每条激光射线中的边缘点，得到标定板边缘在点云坐标系下的边缘直线方程，最后将边缘直线方程的交点坐标作为目标点点云坐标。
52.可选的，在结合每条激光射线中的边缘点得到标定板边缘在点云坐标系下的边缘直线方程时，可以根据边缘点与雷达之间的位置关系将边缘点划分为左侧边缘点和右侧边缘点，结合标定板倾斜放置的放置方式，可以得出，左侧边缘点和右侧边缘点均对应标定板的一个长边边缘和一个短边边缘。针对左侧边缘点，采用随机抽样一致算法(ransac)，得到左侧长边的直线方程，剔除属于长边的边缘点后，用剩下的边缘点拟合出左侧短边的直线方程。针对右侧边缘点，执行类似操作，得到右边边缘点对应的右侧长边的直线方程和右侧短边额直线方程。
53.在上述方案的基础上，在针对点云标定数据中每条激光射线，基于激光射线中点云数据点的深度得到标定板边缘点的边缘点点云坐标之前，还包括：根据无人车传感器与相机之间的位置关系，从点云标定数据中筛选出候选点云数据。相应的，针对点云标定数据中每条激光射线，基于激光射线中点云数据点的深度得到标定板边缘点的边缘点点云坐标；基于边缘点点云坐标拟合出标定板的边缘直线方程，将边缘直线方程的交点坐标作为目标点点云坐标，为：针对候选点云数据中每条激光射线，基于激光射线中点云数据点的深度得到标定板边缘点的边缘点点云坐标；基于边缘点点云坐标拟合出标定板的边缘直线方程，将边缘直线方程的交点坐标作为目标点点云坐标。可选的，可以根据无人车传感器与相机之间的位置关系，以及标定板在图像中的位置，划定标定板在点云的大致范围(如角度范围及距离范围)，将划定的范围内的点云标定数据作为候选点云数据。预先筛选出候选点云数据，基于候选点云数据进行处理简化了数据计算量，使得目标点点云坐标的计算结果更加准确。
54.s240、根据各标定数据对的目标点相机坐标和目标点点云坐标确定相机外标参数。
55.可选的，可以采用位姿估计算法，根据目标点相机坐标和目标点点云坐标计算出相机外标参数。示例性的，可以采用奇异值分解算法、光束平差法(bundle adjustment)等计算相机外标参数。
56.一个实施例中，根据各标定数据对的目标点相机坐标和目标点点云坐标确定相机外标参数，包括：采用奇异值分解算法，基于目标点相机坐标和目标点点云坐标确定相机外标参数。
57.可选的，可以采用奇异值分解算法计算相机外标参数。具体的，假设目标点相机坐标{a
k
}，目标点点云坐标为{b
k
}，将对应的目标点相机坐标和目标点点云坐标作为1个特征点对，假设共有n个特征点对，可以通过求解问题得到雷达到相
机的坐标变化关系，即相机外标参数。
58.以least-squares fitting of two 3-d point sets的方法为例。首先，通过计算两组特征点对的质心位置，通过计算每个点的去质心坐标；定义矩阵w为对w进行奇异值分解，得到w＝u∑v
t
；则最优旋转矩阵为r
*
＝uv
t
，最优平移变量为
59.本发明实施例在上述实施例的基础上，将相机外标参数的确定方式进行了具体化，通过针对每个标定数据对，根据标定数据对中的图像标定数据和相机内标参数确定标定板的目标点在相机坐标系下的目标点相机坐标，根据标定数据对中的点云标定数据确定目标点在雷达坐标系下的目标点点云坐标；根据各标定数据对的目标点相机坐标和目标点点云坐标确定相机外标参数，实现了基于一次性采集的数据进行相机外标参数的标定，简化了参数标定过程。
60.实施例三
61.图3a是本发明实施例三所提供的一种无人车相机标定方法的流程图。本实施例在上述实施例的基础上，提供了一种优选实施例。如图3a所示，所述方法包括：
62.s310、地面转盘搭载无人车旋转一周，采集旋转过程中的所有图像和雷达数据。
63.本实施例提供的无人车相机标定方法可基于标定屋实现。图3b是本发明实施例三所提供的一种标定屋的结构示意图。如图3b所示，标定屋中包含地面转盘和两个棋格盘标定板，且两个棋格盘标定板的规格大小相同。地面转盘可以搭载无人车进行360度自由旋转。棋盘格标定板分别细脚支架固定在转盘的两个面。标定板倾斜约45度，一个放在离转盘稍近偏高的位置，另一个放在离转盘稍远偏低的位置，以使保证针对两个棋格盘标定板获取的数据具有多样性。标定板的成像效果如图所示。当地面转盘搭载无人车旋转时，标定板将在相机的不同位置出现。当转动一圈后，所有的相机都将拍摄到标定板。雷达也可以在不同时刻采集点云数据。由此可见，无人车置于地面转盘上旋转一周进行数据采集可获取无人车上所有待标定相机标定所需的所有数据。
64.s320、对于每个摄像头，对摄像头采集的数据进行数据筛选，获得包含标定板的所有角点的图像，并提取对应时间的雷达数据，构建图像点云数据对。
65.示例性的，图像数据对可记为{(i
i
,p
i
)}，其中i
i
表示第i张图像，p
i
表示对应时间的点云。
66.s330、使用张正友标定法计算得到相机内参。
67.在本实施例中，相机内参：包括一个3x3的投影矩阵和一个长度为5的畸变参数。投影矩阵描述了相机坐标系中的一个三维点投影到像素坐标系中的一个像素点的变化关系。畸变参数描述了摄像头的畸变情况，用于计算像素坐标系的点在图像中的真实位置。
68.s340、对于每对图像点云数据对，提取标定板的四个顶点在相机坐标系的位置以及在雷达坐标系的位置，将每个顶点在两个坐标系下的位置作为一个特征点对，搜集所有的特征点对，采用位姿估计算法计算从雷达到相机的位姿变化关系，得到相机外参。
69.在本实施例中，相机外参标定的核心在于提取标定板的四个顶点在相机坐标系的位置以及在雷达坐标系的位置。可选的，相机外参用表征雷达到相机的坐标变化关系，包括
一个3x3旋转矩阵r和一个长度为3的平移向量t，把激光雷达坐标系上的点云数据投影到相机坐标系上。旋转矩阵可以由欧拉角、四元数或者旋转向量(roderigus向量)唯一确定。
70.可选的，相机外参的确定可以具体包括：
71.1)提取中图像i
i
标定板的四个顶点，获得顶点图像坐标。
72.具体的，可以先定义标定板坐标系，将标定板的长边方向作为标定板坐标系的x轴，标定板的短边方向作为标定板坐标系的y轴，标定板平面的法向量作为标定板坐标系的z轴，将标定板中最右下角的角点作为原点；然后测量棋盘格的格子边长，得到每个角点在标定板坐标系下的位置，记为{p
j
}；根据角点检测算法，可得每个角点在图像中的位置，记为{q
j
}；根据{p
j
}、{q
j
}以及相机内参f，采用pnp(pespective-n-point)算法，求解出标定板坐标系到相机坐标系的坐标变换矩阵b
i
；测量标定板的四个顶点在棋盘格坐标系下的位置，利用坐标变换矩阵b
i
，求得标定板的四个顶点在相机坐标系下的位置，得到顶点图像坐标。
73.2)提取点云p
i
标定板的四个顶点，获得顶点点云坐标。
74.具体的，根据无人车的传感器安装位置，以及标定板在图像中的位置，可以划定标定板在点云的大致范围，提取该范围内的点云，记为p
roi
。点云中的每个点，不仅记录了其位置，还记录了属于雷达的第几条线。对于p
roi
中的每条线，提取深度显著变化的点，即可得到标定板的边缘点。并根据边缘点与雷达之间的位置关系将边缘点划分为左侧边缘点p
l
和右侧边缘点p
r
。针对左侧边缘点p
l
，采用随机抽样一致算法(ransac)，得到左侧长边的直线方程；剔除属于长边的点后，用剩下的点拟合出左侧短边的直线方程。对p
r
执行类似操作，可得到右侧两条边的直线方程；求出标定板四条边的交点，即可得到标定板的四个顶点在雷达坐标系下的位置，得到顶点点云坐标。
75.3)基于顶点图像坐标和顶点点云坐标估计位姿变化，得到相机外参。
76.将标定板中同一顶点的顶点图像坐标和顶点点云坐标作为一个特征点对，采用svd或bundle adjustment算法估计位姿求解相机外参。
77.本发明实施例整体上基于地面转盘以及设置在地面转盘两侧的标定板一次性获取无人车所有待标定相机标定所需的数据，通过特定的标定物来分别提取点云和图像的特征点，再利用匹配成对的特征点进行求解，实现了无人车相机的自动化标定，简化了标定过程，提高了标定效率。
78.实施例四
79.图4是本发明实施例四所提供的一种无人车相机标定装置的结构示意图。该无人车相机标定装置可以采用软件和/或硬件的方式实现，例如该无人车相机标定装置可以配置于计算机设备中。如图4所示，所述装置包括标定数据获取模块410、相机内标参数模块420和相机外标参数模块430，其中：
80.标定数据获取模块410，用于获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到的，标定数据对中图像标定数据与点云标定数据是在同一时间采集的；
81.相机内标参数模块420，用于根据图像标定数据确定待标定相机的相机内标参数，相机内标参数用于表征待标定相机的相机坐标系下相机坐标与待标定相机获取的图像像素坐标之间的转换关系；
82.相机外标参数模块430，用于根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，相机外标参数用于表征点云坐标与待标定相机的相机坐标系下相机坐标之间的转换关系。
83.本发明实施例通过标定数据获取模块获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到，实现了一次性获取无人车相机内参及相机外参标定所需的数据；相机内标参数模块根据图像标定数据确定待标定相机的相机内标参数；相机外标参数模块根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，简化了参数标定过程，提高了标定效率。
84.可选的，在上述方案的基础上，标定数据获取模块410具体用于：
85.获取待标定相机采集的原始图像数据和待标定雷达采集的原始点云数据；
86.从原始图像数据中筛选出包含完整标定板的图像标定数据；
87.基于图像标定数据的采集时间从原始点云数据中筛选出点云标定数据。
88.可选的，在上述方案的基础上，相机外标参数模块430包括：
89.坐标确定单元，用于针对每个标定数据对，根据标定数据对中的图像标定数据和相机内标参数确定标定板的目标点在相机坐标系下的目标点相机坐标，根据标定数据对中的点云标定数据确定目标点在雷达坐标系下的目标点点云坐标；
90.雷达参数单元，用于根据各标定数据对的目标点相机坐标和目标点点云坐标确定相机外标参数。
91.可选的，在上述方案的基础上，坐标确定单元具体用于：
92.获取图像标定数据中标定板的角点在标定板坐标系下的角点标定板坐标，以及角点在图像坐标系下的角点像素坐标；
93.根据角点标定板坐标、角点像素坐标和相机内标参数确定坐标变化矩阵，坐标变换矩阵用于表征标定板坐标系下标定板坐标与相机坐标之间的转换关系；
94.获取目标点在标定板坐标系下的目标点标定板坐标，根据目标点标定板坐标以及坐标变换矩阵确定目标点相机坐标。
95.可选的，在上述方案的基础上，坐标确定单元具体用于：
96.针对点云标定数据中每条激光射线，基于激光射线中点云数据点的深度得到标定板边缘点的边缘点点云坐标；
97.基于边缘点点云坐标拟合出标定板的边缘直线方程，将边缘直线方程的交点坐标作为目标点点云坐标。
98.可选的，在上述方案的基础上，雷达参数单元具体用于：
99.采用奇异值分解算法，基于目标点相机坐标和目标点点云坐标确定相机外标参数。
100.本发明实施例所提供的无人车相机标定装置可执行本发明任意实施例所提供的无人车相机标定方法，具备执行方法相应的功能模块和有益效果。
101.实施例五
102.图5是本发明实施例五所提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备512的框图。图5显示的计算机设备512仅仅是
一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
103.如图5所示，计算机设备512以通用计算设备的形式表现。计算机设备512的组件可以包括但不限于：一个或者多个处理器516，系统存储器528，连接不同系统组件(包括系统存储器528和处理器516)的总线518。
104.总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器516或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
105.计算机设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
106.系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)530和/或高速缓存存储器532。计算机设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储装置534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
107.具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如存储器528中，这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
108.计算机设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该计算机设备512交互的设备通信，和/或与使得该计算机设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口522进行。并且，计算机设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
109.处理器516通过运行存储在系统存储器528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的无人车相机标定方法，该方法包括：
110.获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到的，标定数据对中图像标定数据与点云标定数据是在同一时间采集的；
111.根据图像标定数据确定待标定相机的相机内标参数，相机内标参数用于表征待标定相机的相机坐标系下相机坐标与待标定相机获取的图像像素坐标之间的转换关系；
112.根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，相机外标参数用于表征点云坐标与待标定相机的相机坐标系下相机坐标之间的转换关系。
113.当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的无人车相机标定方法的技术方案。
114.实施例六
115.本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所提供的无人车相机标定方法，该方法包括：
116.获取待标定相机的图像标定数据和点云标定数据，并构成多个标定数据对，其中，图像标定数据和点云标定数据是无人车绕设定中心点旋转采集得到的，标定数据对中图像标定数据与点云标定数据是在同一时间采集的；
117.根据图像标定数据确定待标定相机的相机内标参数，相机内标参数用于表征待标定相机的相机坐标系下相机坐标与待标定相机获取的图像像素坐标之间的转换关系；
118.根据标定数据对和相机内标参数确定待标定雷达的相机外标参数，相机外标参数用于表征点云坐标与待标定相机的相机坐标系下相机坐标之间的转换关系。
119.当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上的方法操作，还可以执行本发明任意实施例所提供的无人车相机标定方法的相关操作。
120.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
121.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
122.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
123.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部
分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
124.实施例七
125.图6是本发明实施例七所提供的一种无人车相机标定系统的结构示意图。
126.本实施例提供的无人车相机标定系统用于对无人车上的相机参数进行标定。图6中以标定板的个数为2个为例，对无人车相机标定系统进行说明。图6中示意性的示出了标定板的个数为2个时，无人车相机标定系统的俯视图。如图6所示，无人车相机标定系统包括地面转盘610、标定板620、标定板630和无人车640。其中，地面转盘610可以搭载无人车进行360
°
自由旋转。标定板620和标定板630为规格大小相同的棋盘格标定板(比如90cm x 120cm)，且标定板620和标定板630通过细脚支架固定在转盘的两个面。标定板倾斜约45度，标定板620和标定板630中的一个放在离转盘稍近偏高的位置，另一个放在离转盘稍远偏低的位置，成像效果可参见图3b中右侧所示。标定板周围尽量不要出现其他物体，以免干扰点云特征的提取。
127.当地面转盘搭载无人车旋转时，标定板将在无人车相机的不同位置出现。当转动一圈后，所有的相机都将拍摄到标定板，获得所有相机标定所需的数据。针对每个相机，根据该相机采集的图像数据以及雷达采集的点云数据进行参数标定。具体的标定方式可参见上述实施例，在此不再赘述。
128.本发明实施例提供的无人车相机标定系统通过旋转无人车一周获取无人车上所有相机标定所需的数据，避免了不同相机所需标定数据的多次获取，简化了无人车相机的参数标定过程，提高了标定效率。
129.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。