一种路端激光雷达标定方法、装置及电子设备与流程

1.本技术涉及自动驾驶技术领域，特别涉及一种路端激光雷达标定方法、装置及电子设备。


背景技术：

2.目前，越来越多的自动驾驶研究投入到了基于v2x(vehicle to everything)人车路云的自动驾驶领域中。为了减少自动驾驶车辆成本，将激光雷达安装至路端设备，再通过v2x技术给车辆提供感知结果成为了大多主流方案。为了保证车辆激光雷达能有精确的感知结果，路端激光雷达的标定精度就尤为重要。
3.由于路端激光雷达都是固定在路端设备上，不可动且离地高，传统的车载标定方案并不适用于路端激光雷达的标定，因此，需要一种能够解决路端激光雷达的标定方案。


技术实现要素：

4.为了解决现有技术的问题，本技术实施例提供了一种路端激光雷达标定方法、装置及电子设备。所述技术方案如下：
5.一方面，提供了一种路端激光雷达标定方法，所方法包括：
6.获取待标定的路端激光雷达采集的第一点云数据；
7.基于所述路端激光雷达的初始位姿，从所述路端激光雷达对应的点云地图中确定满足预设距离条件的局部点云地图；所述点云地图基于采集车辆上的激光雷达采集的所述路端激光雷达预设范围内的第二点云数据得到；
8.基于所述第一点云数据和所述局部点云地图对所述路端激光雷达的初始位姿进行优化处理，直至满足预设优化条件，得到所述路端激光雷达的目标位姿；
9.在所述目标位姿满足预设匹配条件时，将所述目标位姿作为所述路端激光雷达的外参参数。
10.另一方面，提供了一种路端激光雷达标定装置，所述装置包括：
11.第一获取模块，用于获取待标定的路端激光雷达采集的第一点云数据；
12.地图提取模块，用于基于所述路端激光雷达的初始位姿，从所述路端激光雷达对应的点云地图中确定满足预设距离条件的局部点云地图；所述点云地图基于采集车辆上的激光雷达采集的所述路端激光雷达预设范围内的第二点云数据得到；
13.优化处理模块，用于基于所述第一点云数据和所述局部点云地图对所述路端激光雷达的初始位姿进行优化处理，直至满足预设优化条件，得到所述路端激光雷达的目标位姿；
14.匹配判断模块，用于在所述目标位姿满足预设匹配条件时，将所述目标位姿作为所述路端激光雷达的外参参数。
15.在一个示例性的实施方式中，所述优化处理模块，包括：
16.特征点提取模块，用于基于所述第一点云数据提取至少一个特征点；
17.特征点转换模块，用于将所述初始位姿作为当前位姿，基于所述当前位姿将所述至少一个特征点转换到所述局部点云地图对应的坐标系下，得到至少一个目标特征点；
18.第一最近邻点提取模块，用于基于所述至少一个目标特征点从所述局部点云地图上提取每个目标特征点对应的预设数量的第一最近邻点，所述第一最近邻点为所述局部点云地图上与相应目标特征点距离最近的点；
19.第一距离确定模块，用于确定各目标特征点与相应预设数量的第一最近邻点之间的距离，得到各目标特征点对应的第一距离；
20.目标位姿确定模块，用于基于所述各目标特征点对应的第一距离，确定所述路端激光雷达的目标位姿。
21.在一个示例性的实施方式中，当所述特征点包括角点时，每个目标角点对应的预设数量的第一最近邻点呈线性分布；所述第一距离确定模块，包括：
22.第一确定模块，用于针对每个目标角点，确定相应预设数量的第一最近邻点对应的中心点以及所述相应预设数量的第一最近邻点的主方向向量；
23.第二确定模块，用于确定与所述主方向向量平行且经过所述中心点的直线，得到所述目标角点对应的目标直线；
24.第三确定模块，用于确定各目标角点与相应目标直线之间的距离，得到各目标角点对应的第一距离。
25.在一个示例性的实施方式中，当所述特征点包括面点时，所述第一距离确定模块，包括：
26.第四确定模块，用于针对每个目标面点，确定相应预设数量的第一最近邻点所在的目标平面；
27.第五确定模块，用于确定所述目标平面的法方向；
28.第六确定模块，用于基于所述目标面点和所述目标平面在所述法方向上的距离，得到所述目标面点对应的第一距离。
29.在一个示例性的实施方式中，所述目标位姿确定模块，包括：
30.和值确定模块，用于确定各目标特征点对应的第一距离的和值；
31.当前位姿优化模块，用于在所述和值大于或等于第一预设阈值的情况下，更新所述当前位姿，并执行所述基于所述当前位姿将所述至少一个特征点转换到所述局部点云地图对应的坐标系下，得到的至少一个目标特征点；基于所述至少一个目标特征点从所述局部点云地图上提取每个目标特征点对应的预设数量的第一最近邻点，所述第一最近邻点为所述局部点云地图上与相应目标特征点距离最近的点；确定所述各目标特征点与相应预设数量的第一最近邻点之间的距离，得到各目标特征点对应的第一距离的步骤，直至所述和值小于所述第一预设阈值；
32.第七确定模块，用于将所述和值小于所述第一预设阈值时的当前位姿作为所述路端激光雷达的目标位姿。
33.在一个示例性的实施方式中，所述匹配判断模块，包括：
34.数据转换模块，用于基于所述目标位姿将所述第一点云数据转换到所述局部点云地图对应的坐标系下，得到第一目标点云；
35.外参参数确定模块，用于当所述第一目标点云构成的点云图与所述局部点云地图
的重合度达到预设重合度时，将所述目标位姿确定为所述路端激光雷达的外参参数。
36.在一个示例性的实施方式中，所述外参参数确定模块，包括：
37.第二最近邻点提取模块，用于基于所述第一目标点云从所述局部点云地图上提取第二最近邻点，所述第二最近邻点为所述局部点云地图上与所述第一目标点云距离最近的点；
38.第二距离确定模块，用于确定所述第一目标点云与所述第二最近邻点之间的距离得到第二距离；
39.均值确定模块，用于确定所述第二距离的均值；
40.第八确定模块，用于当所述均值小于第二预设阈值时，将所述目标位姿确定为所述路端激光雷达的外参参数。
41.在一个示例性的实施方式中，所述装置还包括用于制作路端激光雷达对应的点云地图的地图制作模块，所述地图制作模块，包括：
42.第二获取模块，用于获取采集车辆上的激光雷达在移动过程中的多个时刻采集的第二点云数据；所述第二点云数据为所述路端激光雷达预设范围内的点云数据；
43.地图创建模块，用于从所述多个时刻中选取第一时刻，基于所述第一时刻采集的第二点云数据确定当前点云地图；
44.地图更新模块，用于从剩余时刻中选取第二时刻，基于所述第二时刻采集的第二点云数据更新所述当前点云地图；所述剩余时刻是指所述多个时刻中未被选取的时刻；
45.地图优化模块，用于在所述更新后的所述当前点云地图与所述预设范围的覆盖程度未达到预设覆盖程度的情况下，重复所述从剩余时刻中选取第二时刻，基于所述第二时刻采集的第二点云数据更新所述当前点云地图的步骤，直至所述更新后的当前点云地图与所述预设范围的覆盖程度达到所述预设覆盖程度；
46.点云地图确定模块，用于将达到所述预设覆盖程度时的更新后的当前点云地图作为所述路端激光雷达对应的点云地图。
47.另一方面，提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现上述任一方面的路端激光雷达标定方法。
48.另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如上述任一方面的路端激光雷达标定方法。
49.另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述任一方面的路端激光雷达标定方法。
50.本技术实施例通过采集车辆上的激光雷达采集的待标定的路端激光雷达预设范围内的点云数据制作点云地图，基于待标定的路端激光雷达的初始位姿从点云地图中提取满足预设距离条件的局部点云地图，基于局部点云地图和待标定的路端激光雷达采集的点云数据对待标定的路端激光雷达的初始位姿进行优化处理，直至满足预设优化条件，得到待标定的路端激光雷达的目标位姿，在目标位姿满足预设匹配条件时，将该目标位姿作为
待标定的路端激光雷达的外参参数，从而在待标定的路端激光雷达不运动的情况下使用点云地图完成标定，大大提高了路端激光雷达的标定参数的精确度，可以实现障碍物的精准定位。
附图说明
51.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
52.图1是本技术实施例提供的一种路端激光雷达标定方法的流程示意图；
53.图2是本技术实施例提供的优化当前位姿的流程示意图；
54.图3是本技术实施例提供的计算目标位姿匹配分数的流程示意图；
55.图4是本技术实施例提供的制作点云地图的流程示意图；
56.图5是本技术实施例提供的一种路端激光雷达标定装置的结构框图；
57.图6是本技术实施例提供的一种电子设备的硬件结构框图。
具体实施方式
58.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
59.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
60.可以理解的是，在本技术的具体实施方式中，涉及到用户信息等相关的数据，当本技术以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
61.请参阅图1，其所示为本技术实施例提供的一种路端激光雷达标定方法的流程示意图。需要说明的是，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：
62.s101，获取待标定的路端激光雷达采集的第一点云数据。
63.其中，第一点云数据为待标定路端激光雷达扫描范围内物体的点云数据。
64.s103，基于所述路端激光雷达的初始位姿，从所述路端激光雷达对应的点云地图中确定满足预设距离条件的局部点云地图。
65.其中，点云地图基于采集车辆上的激光雷达采集的所述路端激光雷达预设范围内的第二点云数据得到。具体的实施中，采集车辆可以在待标定的路端激光雷达周边移动以通过采集车辆上的激光雷达采集该路端激光雷达预设范围内的点云数据，该点云数据用于生成路端激光雷达对应的点云地图。
66.其中，预设范围为采集车辆上的激光雷达需要采集的待标定路端激光雷达周边点云数据的范围。
67.其中，初始位姿通过在待标定的路端激光雷达安装处使用gps测量得到，是待标定路端激光雷达的相较于路端激光雷达的实际位姿误差较大的位姿，以转换矩阵的形式表示，包括待标定路端激光雷达的位置和待标定路端激光雷达的姿态，位置通过待标定路端激光雷达在世界坐标系下的坐标来表示，姿态则表示待标定路端激光雷达的朝向。通过对初始位姿的优化来确定待标定路端激光雷达的外参参数。
68.其中，预设距离条件是需要预先设定的，依据所需局部点云地图的大小来设定，此距离越大，本实施例的优化过程和匹配过程的计算量越大，当然最终的标定参数也越精确。以初始位姿中的坐标信息为圆心，预设距离条件为半径从点云地图中提取局部点云地图。本实施例中，预设距离条件为100米，根据待标定路端激光雷达的初始位姿，在点云地图中提取待标定路端激光雷达周边100米内的局部点云地图。
69.s105，基于所述第一点云数据和所述局部点云地图对所述路端激光雷达的初始位姿进行优化处理，直至满足预设优化条件，得到所述路端激光雷达的目标位姿。
70.其中，优化处理是指使用初始位姿将第一点云数据中的点转换到局部点云地图所在坐标系，即世界坐标系下，通过对转换结果相较于第一点云数据在世界坐标系下的实际坐标的误差的不断缩小，得到逐步优化的位姿。
71.其中，预设优化条件为使用优化后的位姿将第一点云数据中的点转换到局部点云地图所在坐标系，产生的误差已达到最小。
72.在一个示例性的实施方式中，如图2所示，上述步骤s105可以包括：
73.s201，基于所述第一点云数据提取至少一个特征点。
74.遍历第一点云数据，将符合特征条件的点提取为特征点。其中，特征条件用于筛选第一点云数据中的点以得到特征点，具体的特征条件可以基于特征点的类型进行设定，不同类型的特征点可以设定不同的特征条件。
75.s203，将所述初始位姿作为当前位姿。
76.对待标定路端激光雷达的初始位姿进行优化处理，需让这一误差较大的初始位姿进入后续的第一轮优化过程。
77.s205，基于所述当前位姿将所述至少一个特征点转换到所述局部点云地图对应的坐标系下，得到至少一个目标特征点。
78.使用当前位姿将特征点转换到局部点云地图对应的世界坐标系下，得到特征点对应的目标特征点，以目标特征点的坐标与特征点在世界坐标系下的实际坐标的误差反映初始位姿的误差，是后续对初始位姿进行优化处理的思路。
79.s207，基于所述至少一个目标特征点从所述局部点云地图上提取每个目标特征点
对应的预设数量的第一最近邻点。
80.其中，第一最近邻点为所述局部点云地图上与相应目标特征点距离最近的点。
81.遍历每个目标特征点，从当前目标特征点出发遍历局部点云地图，提取每个目标特征点对应的预设数量的第一最近邻点，其中相应预设数量的第一最近邻点需要至少可以确定一个边缘或一个平面。
82.s209，确定各目标特征点与相应预设数量的第一最近邻点之间的距离，得到各目标特征点对应的第一距离。
83.其中，相应预设数量的第一最近邻点可能构成平面或边缘，各目标特征点对应的第一距离即为各目标特征点与相应平面或边缘的距离。
84.在特征点包括角点时，每个目标角点对应的预设数量的第一最近邻点呈线性分布，上述步骤s209可以包括以下步骤：
85.针对每个目标角点，确定相应预设数量的第一最近邻点对应的中心点以及所述相应预设数量的第一最近邻点的主方向向量；
86.确定与所述主方向向量平行且经过所述中心点的直线，得到所述目标角点对应的目标直线；
87.确定各目标角点与相应目标直线之间的距离，得到各目标角点对应的第一距离。
88.其中，角点为曲率较大的边缘点，边缘为路端激光雷达扫描范围内的物体的边缘，如树干边缘等等，此处曲率指边缘在该角点处的曲率。
89.在提取角点时，需判断某一点是否为角点，是否为角点通过计算曲率来判断，在该点所在激光束上提取该点周围一定数量的点，基于该点以及这些周围点确定一个边缘，计算在该点处边缘的曲率，若曲率大于预设值，则将该点确定为角点。
90.其中，在确定某一目标角点对应的预设数量的第一最近邻点前，需要计算这从局部点云地图中提取的距离该目标角点最近的预设数量的点的协方差矩阵，计算协方差矩阵的特征值和特征向量，判断该预设数量的点是否呈线状分布，若呈状分布，则将该预设数量的点确定为该目标角点对应的预设数量的第一最近邻点。
91.其中，第一距离为目标角点与相应预设数量的第一最近邻点所在边缘的距离，这是使用当前位姿将角点转换为局部点云地图上的目标角点这一过程产生的误差。
92.由本发明实施例的上述技术方案可见，本发明实施例通过目标角点与相应预设数量的第一最近邻点所在边缘的距离对应当前位姿的误差，为后续优化当前位姿提供了切入口。
93.上述步骤s209在特征点包括面点时，可以包括以下步骤：
94.针对每个目标面点，确定相应预设数量的第一最近邻点所在的目标平面；
95.确定所述目标平面的法方向；
96.基于所述目标面点和所述目标平面在所述法方向上的距离，得到所述目标面点对应的第一距离。
97.其中，面点为曲率较小的平面点，平面为路端激光雷达扫描范围内的平面，如地面、墙面等等，此处曲率指平面在该面点处的曲率。
98.在提取面点时，需判断某一点是否为面点，是否为面点通过计算曲率来判断，在该点所在激光束上提取该点周围一定数量的点，基于该点以及这些周围点确定一个面，计算
在该点处面的曲率，若曲率小于预设值，则该点为面点。
99.其中，第一距离为目标面点与相应预设数量的第一最近邻点所在平面的距离，这是使用当前位姿将面点转换为局部点云地图上的目标面点这一过程产生的误差。
100.上述步骤s209在特征点同时包括角点和面点时，具体实施方式与上述几种实施例提供的方法相对应，因此前述路端激光雷达的标定方法的实施方式也适用于本实施例提供的路端激光雷达的标定方法，在本实施例中不再详细描述。
101.由本发明实施例的上述技术方案可见，本发明实施例通过目标面点与相应预设数量的第一最近邻点所在平面的距离对应当前位姿的误差，为后续优化当前位姿提供了切入口。
102.s2011，基于所述各目标特征点对应的第一距离，确定所述路端激光雷达的目标位姿。
103.其中，第一距离能够在一定程度上反映初始位姿的误差，基于此误差对初始位姿进行优化处理，从而得到路端激光雷达的目标位姿。
104.基于当前位姿得到第一距离，基于第一距离优化当前位姿，基于优化后的当前位姿得到较小的第一距离，基于较小的第一距离优化相应的当前位姿，直至第一距离达到最小，将使得第一距离最小的当前位姿确定为待标定路端激光雷达的目标位姿。
105.由本发明实施例的上述技术方案可见，本发明实施例通过当前位姿将特征点转换为局部点云地图中的目标特征点，将目标特征点与相应预设数量的第一最近邻点之间的距离对标当前位姿的误差，不断缩小该距离，从而实现对当前位姿的不断优化。
106.在一个示例性的实施方式中，请继续参见图2，上述步骤s2011可以包括：
107.s20111，确定各目标特征点对应的第一距离的和值。
108.其中，目标特征点是使用当前位姿将特征点转换到局部点云地图所在坐标系，即世界坐标系下得到的点，和值是对目标特征点的坐标相较于特征点在世界坐标系下的实际坐标的误差的整体反映，而该误差又反映了将特征点转换为目标特征点的位姿相较于路端激光雷达实际位姿的误差。基于第一距离的和值判断使用当前位姿将特征点转换至局部点云地图对应的坐标系下产生的误差是否已达到最小。
109.s20113，判断所述和值是否小于第一预设阈值。
110.具体的，若判断的结果为否，则可以执行步骤s20115；反之，若判断的结果为是，则可以执行步骤s20117。
111.其中，第一预设阈值依据可接受的目标特征点的坐标与特征点在世界坐标系下的实际坐标的误差设定，设定的第一预设阈值越小，目标位姿越精确，标定参数越精确。
112.s20115，更新所述当前位姿，并执行步骤s205。
113.这是一个循环优化的过程，使用优化得到的当前位姿将特征点转换到局部点云地图对应的坐标系下，通过转换结果的误差来优化当前位姿，直至当前位姿能够使得上述转换结果的误差能够最小，则完成对初始位姿的优化。
114.s20117，将所述和值小于所述第一预设阈值时的当前位姿作为所述路端激光雷达的目标位姿。
115.其中，所述和值小于所述第一预设阈值时的当前位姿，指的是能够使得特征点转换至局部点云地图对应的坐标系下产生的误差最小的当前位姿，即已完成优化的位姿。
116.由本发明实施例的上述技术方案可见，本发明实施例通过判断目标特征点与相应预设数量的第一最近邻点之间的距离是否已达到最小，判断当前位姿是否达到最优，据此决定是否继续对当前位姿进行优化处理，从而确保了目标位姿的误差最小。
117.s107，在所述目标位姿满足预设匹配条件时，将所述目标位姿作为所述路端激光雷达的外参参数。
118.其中，预设匹配条件为目标位姿的匹配分数小于特定阈值。
119.计算目标位姿的匹配分数，以验证优化处理的结果，若匹配分数小于特定阈值，则验证通过，将优化结果即目标位姿作为待标定路端激光雷达的外参参数。
120.由本发明实施例的上述技术方案可见，本发明实施例通过将采集车辆上的激光雷达采集的待标定的路端激光雷达预设范围内的第二点云数据与待标定的路端激光雷达采集第一点云数据置于同一坐标系下，以点云地图的形式比较两者的匹配程度，通过对两者误差的不断缩小完成对待标定的路端激光雷达的初始位姿的优化，从而得到待标定的路端激光雷达的外参参数，大大提高了路端激光雷达的标定参数的精确度，可以实现障碍物的精准定位。
121.在一个示例性的实施方式中，如图3所示，上述步骤s107可以包括：
122.s301，基于所述目标位姿将所述第一点云数据转换到所述局部点云地图对应的坐标系下，得到第一目标点云。
123.其中，使用目标位姿将第一点云数据转换到局部点云地图对应的坐标系下，计算这一转换过程产生的误差大小，判断误差是否在可接受范围内，从而确定目标位姿是否符合作为待标定路端激光雷达的外参参数的标准。
124.s303，当所述第一目标点云构成的点云图与所述局部点云地图的重合度达到预设重合度时，将所述目标位姿确定为所述路端激光雷达的外参参数。
125.其中，点云图与局部点云地图的重合度对应上述转换过程产生的误差，即目标位姿的误差，也就是匹配分数。预设重合度为特定阈值，当误差小于该阈值时，匹配达标。
126.由本发明实施例的上述技术方案可见，本发明实施例通过判断第一目标点云构成的点云图与局本部点云地图的重合度是否小于预设重合度，判断目标位姿的误差是否在可接受范围内，据此判断目标位姿是否符合作为待标定路端激光雷达的外参参数的标准，从而大大提高了待标定路端激光雷达的外参参数的精确性。
127.在一个示例性的实施方式中，请继续参见图3，上述步骤s303可以包括：
128.s3031，基于所述第一目标点云从所述局部点云地图上提取第二最近邻点。
129.其中，第二最近邻点为所述局部点云地图上与所述第一目标点云距离最近的点。
130.遍历第一目标点云，从当前目标点出发遍历局部点云地图，提取每个目标点对应的第二最近邻点。
131.s3033，确定所述第一目标点云与所述第二最近邻点之间的距离得到第二距离。
132.其中，第二距离是使用目标位姿将第一点云数据转换到局部点云地图上的第一目标点云这一过程产生的误差。
133.s3035，确定所述第二距离的均值。
134.其中，均值即为匹配分数，基于第二距离的平均值判断使用目标位姿将第一点云数据转换至局部点云地图对应的坐标系下产生的误差是否在可接受范围内，即目标位姿的
误差是否在可接受范围内。
135.s3037，当所述均值小于第二预设阈值时，将所述目标位姿确定为所述路端激光雷达的外参参数。
136.其中，若均值小于第二预设阈值，则目标位姿的误差在可接受的范围内，该目标位姿符合作为待标定路端激光雷达的外参参数的标准。
137.由本发明实施例的上述技术方案可见，本发明实施例通过第一目标点云与相应的局部点云地图上的第二最近邻点之间的距离计算目标位姿的匹配分数，通过判断目标位姿的匹配分数是否达标，判断目标位姿是否符合作为待标定路端激光雷达的外参参数的标准，从而大大提高了待标定路端激光雷达的外参参数的精确性。
138.下面对基于路端激光雷达的初始位姿从路端激光雷达对应的点云地图中确定满足预设距离条件的局部点云地图之前，点云地图的制作进行说明，具体可以包括以下步骤：
139.s401，获取采集车辆上的激光雷达在移动过程中的多个时刻采集的第二点云数据；所述第二点云数据为所述路端激光雷达预设范围内的点云数据。
140.其中，第二点云数据为采集车辆在待标定路端激光雷达附近移动时通过采集车辆上的激光雷达采集的物体的点云数据。
141.s403，从所述多个时刻中选取第一时刻，基于所述第一时刻采集的第二点云数据确定当前点云地图。
142.从多个时刻中随机选取第一时刻，基于rtk实时动态定位技术得到第一时刻采集的第二点云数据的定位数据，基于第二点云数据和定位数据制作当前点云地图，基于第一时刻采集的第二点云数据得到的当前点云地图是后续更新地图的基础地图。
143.s405，从剩余时刻中选取第二时刻，基于所述第二时刻采集的第二点云数据更新所述当前点云地图。
144.其中，剩余时刻是指所述多个时刻中未被选取的时刻；
145.基于rtk实时动态定位技术得到第二时刻采集的第二点云数据的定位数据，基于第二点云数据和定位数据确定第二时刻的点云地图，将该点云地图补充到当前点云地图，即完成当前点云地图的更新。
146.s407，判断更新后的所述当前点云地图与所述预设范围的覆盖程度是否达到预设覆盖程度。
147.其中，预设覆盖程度为用于判断当前点云地图对于预设范围的覆盖率是否达标的特定值。
148.具体的，若判断的结果为否，则可以执行步骤s405；反之，若判断的结果为是，则可以执行步骤s409。
149.s409，将达到所述预设覆盖程度时的更新后的当前点云地图作为所述路端激光雷达对应的点云地图。
150.这是一个循环更新的过程，通过采集不同时刻的第二点云数据，不断扩充当前点云地图的覆盖范围，直至当前点云地图能够覆盖待标定路端激光雷达附近的预设范围。
151.由本发明实施例的上述技术方案可见，本发明实施例通过采集车辆上的激光雷达采集的待标定路端激光雷达预设范围内的点云数据制作点云地图，以点云地图作为优化待标定路端激光雷达的初始位姿的参照基准，通过采集车辆的移动采集不同时刻不同范围的
点云数据，以不同时刻的点云地图对应不同范围的点云地图，通过制作不同时刻的点云地图更新当前点云地图，完成不同范围点云地图的拼接，从而确保最终完成的点云地图覆盖了待标定路端激光雷达的预设范围。
152.与上述几种实施例提供的路端激光雷达标定方法相对应，本技术实施例还提供一种路端激光雷达标定装置，由于本技术实施例提供的路端激光雷达标定装置与上述几种实施例提供的路端激光雷达标定方法相对应，因此前述路端激光雷达标定方法的实施方式也适用于本实施例提供的路端激光雷达标定装置，在本实施例中不再详细描述。
153.请参阅图5，其所示为本技术实施例提供的一种路端激光雷达标定装置的结构示意图，该装置具有实现上述方法实施例中路端激光雷达标定方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。如图5所示，该路端激光雷达标定装置500可以包括：
154.第一获取模块510，用于获取待标定的路端激光雷达采集的第一点云数据；
155.地图提取模块520，用于基于所述路端激光雷达的初始位姿，从所述路端激光雷达对应的点云地图中确定满足预设距离条件的局部点云地图；所述点云地图基于采集车辆上的激光雷达采集的所述路端激光雷达预设范围内的第二点云数据得到；
156.优化处理模块530，用于基于所述第一点云数据和所述局部点云地图对所述路端激光雷达的初始位姿进行优化处理，直至满足预设优化条件，得到所述路端激光雷达的目标位姿；
157.匹配判断模块540，用于在所述目标位姿满足预设匹配条件时，将所述目标位姿作为所述路端激光雷达的外参参数。
158.在一个示例性的实施方式中，所述优化处理模块，包括：
159.特征点提取模块，用于基于所述第一点云数据提取至少一个特征点；
160.特征点转换模块，用于将所述初始位姿作为当前位姿，基于所述当前位姿将所述至少一个特征点转换到所述局部点云地图对应的坐标系下，得到至少一个目标特征点；
161.第一最近邻点提取模块，用于基于所述至少一个目标特征点从所述局部点云地图上提取每个目标特征点对应的预设数量的第一最近邻点，所述第一最近邻点为所述局部点云地图上与相应目标特征点距离最近的点；
162.第一距离确定模块，用于确定各目标特征点与相应预设数量的第一最近邻点之间的距离，得到各目标特征点对应的第一距离；
163.目标位姿确定模块，用于基于所述各目标特征点对应的第一距离，确定所述路端激光雷达的目标位姿。
164.在一个示例性的实施方式中，当所述特征点包括角点时，每个目标角点对应的预设数量的第一最近邻点呈线性分布；所述第一距离确定模块，包括：
165.第一确定模块，用于针对每个目标角点，确定相应预设数量的第一最近邻点对应的中心点以及所述相应预设数量的第一最近邻点的主方向向量；
166.第二确定模块，用于确定与所述主方向向量平行且经过所述中心点的直线，得到所述目标角点对应的目标直线；
167.第三确定模块，用于确定各目标角点与相应目标直线之间的距离，得到各目标角点对应的第一距离。
168.在一个示例性的实施方式中，当所述特征点包括面点时，所述第一距离确定模块，包括：
169.第四确定模块，用于针对每个目标面点，确定相应预设数量的第一最近邻点所在的目标平面；
170.第五确定模块，用于确定所述目标平面的法方向；
171.第六确定模块，用于基于所述目标面点和所述目标平面在所述法方向上的距离，得到所述目标面点对应的第一距离。
172.在一个示例性的实施方式中，所述目标位姿确定模块，包括：
173.和值确定模块，用于确定各目标特征点对应的第一距离的和值；
174.当前位姿优化模块，用于在所述和值大于或等于第一预设阈值的情况下，更新所述当前位姿，并执行所述基于所述当前位姿将所述至少一个特征点转换到所述局部点云地图对应的坐标系下，得到的至少一个目标特征点；基于所述至少一个目标特征点从所述局部点云地图上提取每个目标特征点对应的预设数量的第一最近邻点，所述第一最近邻点为所述局部点云地图上与相应目标特征点距离最近的点；确定所述各目标特征点与相应预设数量的第一最近邻点之间的距离，得到各目标特征点对应的第一距离的步骤，直至所述和值小于所述第一预设阈值；
175.第七确定模块，用于将所述和值小于所述第一预设阈值时的当前位姿作为所述路端激光雷达的目标位姿。
176.在一个示例性的实施方式中，所述匹配判断模块，包括：
177.数据转换模块，用于基于所述目标位姿将所述第一点云数据转换到所述局部点云地图对应的坐标系下，得到第一目标点云；
178.外参参数确定模块，用于当所述第一目标点云构成的点云图与所述局部点云地图的重合度达到预设重合度时，将所述目标位姿确定为所述路端激光雷达的外参参数。
179.在一个示例性的实施方式中，所述外参参数确定模块，包括：
180.第二最近邻点提取模块，用于基于所述第一目标点云从所述局部点云地图上提取第二最近邻点，所述第二最近邻点为所述局部点云地图上与所述第一目标点云距离最近的点；
181.第二距离确定模块，用于确定所述第一目标点云与所述第二最近邻点之间的距离得到第二距离；
182.均值确定模块，用于确定所述第二距离的均值；
183.第八确定模块，用于当所述均值小于第二预设阈值时，将所述目标位姿确定为所述路端激光雷达的外参参数。
184.在一个示例性的实施方式中，所述装置还包括用于制作路端激光雷达对应的点云地图的地图制作模块，所述地图制作模块，包括：
185.第二获取模块，用于获取采集车辆上的激光雷达在移动过程中的多个时刻采集的第二点云数据；所述第二点云数据为所述路端激光雷达预设范围内的点云数据；
186.地图创建模块，用于从所述多个时刻中选取第一时刻，基于所述第一时刻采集的第二点云数据确定当前点云地图；
187.地图更新模块，用于从剩余时刻中选取第二时刻，基于所述第二时刻采集的第二
点云数据更新所述当前点云地图；所述剩余时刻是指所述多个时刻中未被选取的时刻；
188.地图优化模块，用于在所述更新后的所述当前点云地图与所述预设范围的覆盖程度未达到预设覆盖程度的情况下，重复所述从剩余时刻中选取第二时刻，基于所述第二时刻采集的第二点云数据更新所述当前点云地图的步骤，直至所述更新后的当前点云地图与所述预设范围的覆盖程度达到所述预设覆盖程度；
189.点云地图确定模块，用于将达到所述预设覆盖程度时的更新后的当前点云地图作为所述路端激光雷达对应的点云地图。
190.需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
191.本技术实施例提供了一种电子设备，该电子设备包括处理器和存储器，该存储器中存储有至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的任意一种路端激光雷达标定方法。
192.存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
193.本技术实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行，即上述电子设备可以包括计算机终端、服务器或者类似的运算装置。图6是本技术实施例提供的运行一种路端激光雷达标定方法的电子设备的硬件结构框图，如图6所示，该电子设备的内部结构可包括但不限于：处理器、网络接口及存储器。其中，电子设备内的处理器、网络接口及存储器可通过总线或其他方式连接，在本说明书实施例所示图6中以通过总线连接为例。
194.其中，处理器(或称cpu(central processing unit，中央处理器))是计算机设备的计算核心以及控制核心。网络接口可选的可以包括标准的有线接口、无线接口(如wi-fi、移动通信接口等)。存储器(memory)是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器可以是高速ram存储设备，也可以是非不稳定的存储设备(non-volatile memory)，例如至少一个磁盘存储设备；可选的还可以是至少一个位于远离前述处理器的存储装置。存储器提供存储空间，该存储空间存储了电子设备的操作系统，可包括但不限于：windows系统(一种操作系统)，linux(一种操作系统)，android(安卓，一种移动操作系统)系统、ios(一种移动操作系统)系统等等，本发明对此并不作限定；并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。在本说明书实施例中，处理器加载并执行存储器中存放的一条或一条以上指令，以实现上述方法实施例提供的路端激光雷达标定方法。
195.本技术的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质可设置于电子设备之中以保存用于实现一种路端激光雷达标定方法相关的至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的任意一种路端激光雷达标定方法。
196.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
197.需要说明的是：上述本技术实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
198.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
199.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
200.以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。