多激光雷达外参标定方法、装置及电子设备与流程

本发明涉及激光雷达，尤其涉及一种多激光雷达外参标定方法和装置。

背景技术：

1、随着自动驾驶、机器人导航等技术的快速发展，激光雷达作为一种重要的传感器，被广泛应用于这些领域中。多激光雷达系统通过融合不同角度和位置的激光数据,以弥补传感器各自的盲区,提升感知能力和感知边界，实现对环境的高精度感知。

2、早期的方法是手动测量传感器的物理位置以计算雷达坐标系之间的关系,但是这种方法操作复杂且精度较低。随后人们提出基于特定标定物的标定方法,这些标定物通常具有特定的几何特征,以便于在激光点云中检测出标定物,这种方法操作复杂,而且在稀疏的点云里面检测标定物也是困难的，导致标定结果精度较低。

3、为了精确融合不同雷达获得的三维环境点云数据,需要提供一种精度高、流程简便的激光雷达外参标定方法。

技术实现思路

1、本发明提供了一种多激光雷达外参标定方法、装置和电子设备，基于激光雷达采集的点云数据构建局部点云地图，通过点云地图匹配进行激光雷达外参标定，标定流程简便，解决了z轴平移参数漂移不一致的问题，提高了多激光雷达外参标定精度。

2、根据本发明的一方面，提供了一种多激光雷达外参标定方法，包括：根据第一激光雷达和第二激光雷达的物理安装位置获取第一激光雷达和第二激光雷达之间初始外参估计；

3、根据第一激光雷达采集的点云构建第一局部点云地图，根据第二激光雷达采集的点云构建第二局部点云地图，结合第一激光雷达和第二激光雷达之间初始外参估计，确定第一激光雷达和第二激光雷达之间优化外参估计值；

4、根据优化外参估计值和第一激光雷达和第二激光雷达分别采集的地面点云地图，确定第一激光雷达和第二激光雷达之间目标外参标定结果。

5、可选的，根据第一激光雷达采集的点云构建第一局部点云地图，根据第二激光雷达采集的点云构建第二局部点云地图，包括：

6、获取第一激光雷达和第二激光雷达同步采集的区域点云数据；

7、对第一激光雷达采集的点云数据进行预处理，预处理包括基于预设规则对第一激光雷达采集的点云进行融合，对融合后的点云进行欧式聚类分割,计算分割后的各目标区域的点云密度，并过滤点云密度低于预设阈值的目标区域点云；

8、其中，第一激光雷达采集n帧区域点云，n为不小于2的正整数；第二激光雷达采集单帧区域点云。

9、可选的，当第一激光雷达采集的点云位于至少两个分割区域的重叠部分时，确定至少两个分割区域各自的点云权重，并根据对应的点云权重计算各分割区域的点云密度；

10、其中，计算点云分别与至少两个分割区域中心的距离，并根据距离的倒数分配权重；

11、若至少两个分割区域的重叠部分为平面或曲面图形，计算点云所在的体素与至少两个分割区域重叠的面积，根据面积的比例分配权重。

12、可选的，根据第一激光雷达采集的点云构建第一局部点云地图，根据第二激光雷达采集的点云构建第二局部点云地图之前，还包括：根据第一激光雷达采集的n帧点云构建第一局部点云地图，n为不小于2的正整数，确定第一局部点云地图特征；

13、根据第二激光雷达采集的单帧点云构建第二局部点云地图，确定第二局部点云地图特征；

14、根据初始外参估计、第一局部点云地图特征以及第二局部点云地图特征得到优化外参估计值。

15、可选的，根据第一激光雷达采集的n帧点云构建第一局部点云地图，n为不小于2的正整数，确定第一局部点云地图特征；包括如下步骤：

16、根据第一局部点云地图构建第一kd树，通过第一kd树搜索局部点云地图中各点的邻域点；

17、计算第一局部点云的第一协方差矩阵，第一协方差矩阵用于表征邻域内点云在各个方向上的离散程度；

18、根据第一kd树和第一协方差矩阵，确定第一局部点云地图特征；

19、根据第二激光雷达采集的单帧点云构建第二局部点云地图，确定第二局部点云特征，包括如下步骤：

20、根据第二局部点云地图构建第二kd树，通过第二kd树搜索局部点云地图中各点的邻域点；

21、计算第二局部点云的第二协方差矩阵，第二协方差矩阵用于表征邻域内点云在各个方向上的离散程度；

22、根据第二kd树和第二协方差矩阵，确定第二局部点云地图特征；

23、将第二局部点云地图特征向第一局部点云地图特征进行迭代配准,确定优化外参估计值。

24、可选的，使用点云配准算法基于如下目标函数将第二局部点云地图特征向第一局部点云地图特征进行迭代配准，确定所述优化外参估计值，目标函数如下：

25、

26、其中：t是优化外参估计值,pi是第二局部点云中的点,pi'是与pi对应的第一局部点云中的点,ci和cj分别是pi和pi'的协方差矩阵,r是优化外参估计值t的旋转矩阵，优化外参估计值包括旋转矩阵以及x轴、y轴平移参数。

27、可选的，根据优化外参估计值和第一激光雷达和第二激光雷达采集的地面点云地图，确定第一激光雷达和第二激光雷达之间目标外参标定结果，包括：

28、对第一激光雷达采集的点云进行地面点云分割提取，得到第一激光雷达地面点云；

29、对第二激光雷达采集的点云进行地面点云分割提取，得到第二激光雷达地面点云；

30、根据优化外参估计值，将第二激光雷达地面点云数据转换到第一激光雷达地面点云坐标系中，使用平面拟合算法确定z轴平移参数。

31、可选的，通过ray ground filter算法分别对第一激光雷达采集的点云、第二激光雷达采集的点云进行地面点云分割提取；

32、通过第二激光雷达地面点云和第一激光雷达地面点云进行平面拟合，得

33、到z轴平移参数tz：

34、

35、其中，zi为地面点云的z轴坐标，a,b,c,d为拟合平面的参数；

36、根据优化估计外参和z轴平移参数，确定最终目标外参标定结果。

37、根据本发明的另一方面，提供了一种多激光雷达外参标定装置，包括：

38、初始外参估计确定模块，用于根据第一激光雷达和第二激光雷达的物理安装位置获取第一激光雷达和第二激光雷达之间初始外参估计；

39、构建点云地图模块，用于根据第一激光雷达采集的区域点云构建第一局部点云地图，根据第二激光雷达采集的区域点云构建第二局部点云地图；

40、优化外参估计值确定模块，用于基于第一激光雷达和第二激光雷达之间初始外参估计，确定第一激光雷达和第二激光雷达之间优化外参估计值；

41、目标外参标定结果确定模块，用于根据优化外参估计值和第一激光雷达和第二激光雷达采集的地面点云地图，确定第一激光雷达和第二激光雷达之间目标外参标定结果。

42、根据本发明的另一方面，提供了一种电子设备，电子设备包括：

43、至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的多激光雷达外参标定方法。

44、本发明实施例的技术方案，根据第一激光雷达和第二激光雷达的物理安装位置获取第一激光雷达和第二激光雷达之间初始外参估计，根据第一激光雷达采集的点云构建第一局部点云地图，根据第二激光雷达采集的点云构建第二局部点云地图，结合第一激光雷达和第二激光雷达之间初始外参估计，确定第一激光雷达和第二激光雷达之间优化外参估计值。根据优化外参估计值和第一激光雷达和第二激光雷达采集的地面点云地图，确定第一激光雷达和第二激光雷达之间目标外参标定结果。本技术方案，通过配置在车体上的激光雷达安装位置确定粗标定外参，进一步根据各激光雷达采集的激光点云构建局部点云地图，通过局部点云地图的匹配对粗标定外参结果进行优化，得到优化外参估计。对激光雷达采集的点云地图进行地面点云分割提取，基于优化外参估计将第二激光雷达采集的地面点云地图转换到第一激光雷达坐标系下，确定z轴平移参数，解决高度标定漂移的问题，无需搭建特定标定物，标定流程简便，同时提高了标定精度，易用性较强。

45、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。