CN115902843A - 一种多激光雷达标定方法、装置及电子设备 - Google Patents

Abstract

本申请公开了一种多激光雷达标定方法、装置及电子设备，其中，多激光雷达标定方法可应用于车路协同自动驾驶领域，该方法包括：获取点云地图和每个待标定路端激光雷达的点云图像；基于点云地图标注特征点集；在每个点云图像中确定与特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集；对于每个待标定的路端激光雷达，基于相应初始位姿下的目标点集确定所述路端激光雷达相对于点云地图的优化位姿；基于每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定多个待标定路端激光雷达相互之间的外参参数。本申请能很好的控制多激光雷达外参的精度，可快速实现在智能交通路端应用中大量路端激光雷达的标定需求。

Description

一种多激光雷达标定方法、装置及电子设备

技术领域

本申请涉及计算机技术领域，特别涉及一种多激光雷达标定方法、装置及电子设备。

背景技术

激光雷达是V2X(Vehicle to Everything)领域常用的传感器，能够提供语义信息，其标定对于V2X系统的感知功能尤为重要。传统标定方法往往使用标定板对激光雷达标定，这种方法要求多个激光雷达能同时观测标定板，对共视区域要求较大。但路端激光雷达普遍摆放较高且不能移动，其线束分布较为稀疏，往往没有太大的共视区域，因此很难用传统方法标定其外参。

发明内容

为了解决现有技术的问题，本申请实施例提供了一种多激光雷达标定方法、装置、电子设备及存储介质。所述技术方案如下：

一方面，提供了一种多激光雷达标定方法，所方法包括：

获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像；所述点云地图基于采集车辆上的激光雷达采集的预设范围内的第一点云数据得到，所述预设范围包括所述多个待标定路端激光雷达的扫描范围，每个待标定路端激光雷达的点云图像为基于相应待标定路端激光雷达采集的第二点云数据生成的图像；

基于所述点云地图标注特征点集；

在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集；

对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿；

基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数。

另一方面，提供了一种多激光雷达标定装置，所述装置包括：

信息获取模块，用于获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像；所述点云地图基于采集车辆上的激光雷达采集的预设范围内的第一点云数据得到，所述预设范围包括所述多个待标定路端激光雷达的扫描范围，每个待标定路端激光雷达的点云图像为基于相应待标定路端激光雷达采集的第二点云数据生成的图像；

特征标注模块，用于基于所述点云地图标注特征点集；

点集匹配模块，用于在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集；

优化处理模块，用于对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿；

外参确定模块，用于基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数。

在一个示例性的实施方式中，所述特征标注模块，包括：

区域确定模块，用于在所述点云地图上确定与多个待标定路端激光雷达的扫描范围重合的地图区域；

设施标注模块，用于在所述地图区域内确定第一预设数量的道路设施，标注为特征点集。

在一个示例性的实施方式中，所述点集匹配模块，包括：

点云移动模块，用于针对每个所述点云图像，移动所述点云图像使得所述点云图像与所述点云地图重合，得到所述待标定路端激光雷达的初始位姿；

点集标注模块，用于在每个所述点云图像上确定与所述特征点集重合的点集，标注为每个所述点云图像对应的待标定路端激光雷达在初始位姿下对应的目标点集。

在一个示例性的实施方式中，所述优化处理模块，包括：

邻点标注模块，用于针对所述特征点集中的每个特征点，在所述点云地图上标注所述特征点对应的第二预设数量的最近邻点；所述最近邻点为所述点云地图上与相应特征点的距离在升序排列中位于前第二预设数量内的点；

距离确定模块，用于针对每个待标定路端激光雷达在初始位姿下对应的目标点集中的每个目标点，确定所述目标点与目标特征点对应的第二预设数量的最近邻点之间的距离，得到所述目标点对应的目标距离；所述目标特征点是指所述特征点集中与所述目标点相对应的特征点；

距离优化模块，用于对每个待标定路端激光雷达在初始位姿下对应的目标点集中各目标点的目标距离进行优化处理，得到每个待标定路端激光雷达相对于所述点云地图的优化位姿。

在一个示例性的实施方式中，所述距离确定模块，包括：

邻点拟合模块，用于对目标特征点对应的第二预设数量的最近邻点按照预设几何元素进行拟合，得到所述目标点对应的拟合结果；所述预设几何元素包括直线或者平面；

第一确定模块，用于确定所述目标点与所述拟合结果之间的距离，得到所述目标点对应的目标距离。

在一个示例性的实施方式中，所述距离优化模块，包括：

距离求和模块，用于针对每个待标定路端激光雷达，确定相应初始位姿下对应的目标点集中各目标点的目标距离之和，得到所述待标定路端激光雷达对应的目标优化距离；

位姿调整模块，用于调整所述待标定路端激光雷达的初始位姿，基于所述待标定路端激光雷达在调整后的初始位姿下对应的目标点集，更新所述待标定路端激光雷达对应的目标优化距离，直至更新后的目标优化距离小于预设距离阈值时，结束对所述待标定路端激光雷达的初始位姿的调整；

位姿确定模块，用于将结束调整后的所述待标定路端激光雷达的初始位姿确定为所述待标定路端激光雷达相对于所述点云地图的优化位姿。

在一个示例性的实施方式中，所述外参确定模块，包括：

雷达确定模块，用于在多个待标定路端激光雷达中确定待相互标定的第一路端激光雷达和第二路端激光雷达；

第二确定模块，用于确定所述第一路端激光雷达相对于所述点云地图的第一优化位姿和第二路端激光雷达相对于所述点云地图的第二优化位姿；

第一坐标变换模块，用于基于所述第一优化位姿和所述第二优化位姿确定所述第一路端激光雷达相对于所述第二路端激光雷达的坐标变换矩阵，作为第一路端激光雷达的外参参数；

第二坐标变换模块，用于基于所述第一优化位姿和所述第二优化位姿确定所述第二路端激光雷达相对于所述第一路端激光雷达的坐标变换矩阵，作为第二路端激光雷达的外参参数。

在一个示例性的实施方式中，所述装置还包括用于制作点云地图的地图制作模块，所述地图制作模块，包括：

点云获取模块，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一点云数据；所述多个时刻为相隔预设时间段的时刻，所述第一点云数据为采集车辆上的激光雷达采集的所述预设范围内的点云数据；

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一点云数据确定当前点云地图；

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一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；

地图优化模块，用于在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一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；

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点云地图。

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多激光雷达标定方法。

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多激光雷达标定方法。

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多激光雷达标定方法。

本申请实施例通过采集车辆上的激光雷达对区域创建点云地图，在点云地图上标注出道路设施，然后将待标定的路端激光雷达的点云匹配到点云地图上，实现多雷达的外参标定。即使两雷达间无任何共视区域也可以完成外参标定；同时外参的精度能很好的控制，几乎只取决于雷达本身测距的精度；可快速实现在智能交通路端应用中大量路端激光雷达的标定需求。

附图说明

为了更清楚地说明本申请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申请的一些实施例，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。

图1是本申请实施例提供的一种多激光雷达标定方法的流程示意图；

图2是本申请实施例提供的标注特征点集的流程示意图；

图3是本申请实施例提供的标注目标点集的流程示意图；

图4是本申请实施例提供的优化处理的流程示意图；

图5是本申请实施例提供的多激光雷达外参标定的流程示意图；

图6是本申请实施例提供的制作点云地图的流程示意图；

图7是本申请实施例提供的一种多激光雷达标定装置的结构框图；

图8是本申请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

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

需要说明的是，本申请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，以便这里描述的本申请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。

可以理解的是，在本申请的具体实施方式中，涉及到用户信息等相关的数据，当本申请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。

请参阅图1，其所示为本申请实施例提供的一种多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：

S101，获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像。

其中，点云地图基于采集车辆上的激光雷达采集的预设范围内的第一点云数据得到。其中，第一点云数据为采集车辆上的激光雷达扫描范围内物体的点云数据

具体的实施中，采集车辆可以在多个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，该点云数据用于制作点云地图，可以就多个待标定的路端激光雷达制作一个点云地图，也可以就每个待标定路端激光雷达分别制作点云地图。

其中，预设范围包括多个待标定路端激光雷达的扫描范围。

其中，每个待标定路端激光雷达的点云图像为基于相应待标定路端激光雷达采集的第二点云数据生成的图像。其中，第二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。

S103，基于所述点云地图标注特征点集。

其中，特征点集可以包括地平面点集、道路边缘点集、灯杆边缘点集。具体实施中，如果标注道路边缘点集而不标注灯杆边缘点集，那么每个特征点集都应该包括多组道路边缘，且不都是互相平行的，这是为了确保水平面方向上的两个独立坐标可以被唯一解算。

在一个示例性的实施方式中，如图2所示，上述步骤S103可以包括：

S201，在所述点云地图上确定与多个待标定路端激光雷达的扫描范围重合的地图区域。

其中，地图区域的确定是为了确保点云地图和每个待标定路端激光雷达的点云图像的重合区域被选中，即标注的特征点集应位于采集车辆上的激光雷达和待标定路端激光雷达的共视区域。

S203，在所述地图区域内确定第一预设数量的道路设施，标注为特征点集。

其中，道路设施包括地面、路沿、灯杆，这些道路设施都应位于采集车辆上的激光雷达和待标定路端激光雷达的共视区域。具体实施中，通过人工手动标注道路设施来完成对特征点集的标注。

由本申请实施例的上述技术方案可见，本申请实施例通过确定采集车辆上的激光雷达和待标定路端激光雷达的共视区域，在共视区域内标注道路设施，从而确保可以基于点云地图对待标定路端激光雷达完成初步的外参标定。

S105，在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集。

具体实施中，标注目标点集需要在对点云地图和点云图像粗配准的基础上进行，在这个过程中可以确定每个待标定路端激光雷达的点云图像中坐标和点云地图中坐标的坐标变换矩阵，即为每个待标定路端激光雷达相对于点云地图的初始位姿。

在一个示例性的实施方式中，如图3所示，上述步骤S105可以包括：

S301，针对每个所述点云图像，移动所述点云图像使得所述点云图像与所述点云地图重合，得到所述待标定路端激光雷达的初始位姿。

该步骤即对每个点云图像粗配准的过程，将基于该移动过程确定的坐标变换矩阵确定为待标定路端激光雷达的初始位姿。

S303，在每个所述点云图像上确定与所述特征点集重合的点集，标注为每个所述点云图像对应的待标定路端激光雷达在初始位姿下对应的目标点集。

其中，目标点集为点云图像上与特征点集重合的道路设施对应的点集。

具体实施中，对特征点集分别标注编号，确定点云图像上与特征点集重合的目标点集后，也应对目标点集标注相应编号，不同编号的特征点集与目标点集之间不可相互匹配。

由本申请实施例的上述技术方案可见，本申请实施例通过对每个待标定路端激光雷达的点云图像和点云地图粗配准，确定每个待标定路端激光雷达在其初始位姿下与点云地图上的特征点集一一对应的目标点集，从而后续可以通过对目标点集相对于点云地图的位置逐步优化，确定待标定路端激光雷达相对于点云地图的优化位姿。

S107，对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿。

通过调整初始位姿，对目标点集相对于点云地图的位置进行优化处理，在达到预期优化结果时，将调整后的初始位姿确定为优化位姿。

在一个示例性的实施方式中，如图4所示，上述步骤S107可以包括：

S401，针对所述特征点集中的每个特征点，在所述点云地图上标注所述特征点对应的第二预设数量的最近邻点。

其中，最近邻点为点云地图上与相应特征点的距离在升序排列中位于前第二预设数量内的点。

遍历每个特征点，从当前特征点出发遍历点云地图，标注每个特征点对应的第二预设数量的最近邻点。

S403，针对每个待标定路端激光雷达在初始位姿下对应的目标点集中的每个目标点，确定所述目标点与目标特征点对应的第二预设数量的最近邻点之间的距离，得到所述目标点对应的目标距离。

其中，目标特征点是指特征点集中与目标点相对应的特征点。

这里将与目标点相对应的特征点对应的最近邻点默认为点云地图上与该目标点距离最近的点。

上述步骤S403可以包括以下步骤：

对目标特征点对应的第二预设数量的最近邻点按照预设几何元素进行拟合，得到所述目标点对应的拟合结果；所述预设几何元素包括直线或者平面；

确定所述目标点与所述拟合结果之间的距离，得到所述目标点对应的目标距离。

其中，预设几何元素根据目标特征点所属特征点集的类型不同而不同。对于地平面点集，预设几何元素为平面；对于道路边缘点集、灯杆边缘点集，预设几何元素为直线。

其中，目标距离也对应上述两种情况，根据目标点所属目标点集的类型不同而不同。对于地平面点集，目标距离为目标点与目标特征点对应的最近邻点拟合的平面的距离；对于道路边缘点集、灯杆边缘点集，目标距离为目标点与目标特征点对应的最近邻点拟合的直线的距离。

由本申请实施例的上述技术方案可见，本申请实施例通过将目标点与目标特征点对应的最近邻点拟合的几何元素的距离对应初始位姿的误差，为后续优化当前位姿提供了切入口。

S405，对每个待标定路端激光雷达在初始位姿下对应的目标点集中各目标点的目标距离进行优化处理，得到每个待标定路端激光雷达相对于所述点云地图的优化位姿。

其中，目标距离能够在一定程度上反映待标定路端激光雷达相对于点云地图的初始位姿相较于待标定路端激光雷达相对于世界坐标系的实际位姿的误差，基于此误差对初始位姿进行优化处理，从而得到待标定路端激光雷达的优化位姿。

其中，优化处理是指基于初始位姿得到目标距离，微变初始位姿，缩小目标距离，直至目标距离达到最小，将使得目标距离最小的调整后的初始位姿确定为待标定路端激光雷达的优化位姿。

由本申请实施例的上述技术方案可见，本申请实施例通过将待标定路端激光雷达在初始位姿下对应的目标点集中的目标点与目标特征点对应的第二预设数量的最近邻点之间的距离对标初始位姿的误差，不断缩小该距离，从而实现对初始位姿的不断优化。

上述步骤S405可以包括以下步骤：

针对每个待标定路端激光雷达，确定相应初始位姿下对应的目标点集中各目标点的目标距离之和，得到所述待标定路端激光雷达对应的目标优化距离；

调整所述待标定路端激光雷达的初始位姿，基于所述待标定路端激光雷达在调整后的初始位姿下对应的目标点集，更新所述待标定路端激光雷达对应的目标优化距离，直至更新后的目标优化距离小于预设距离阈值时，结束对所述待标定路端激光雷达的初始位姿的调整；

将结束调整后的所述待标定路端激光雷达的初始位姿确定为所述待标定路端激光雷达相对于所述点云地图的优化位姿。

其中，目标优化距离是对目标点相对于点云地图的位置相较于目标点在世界坐标系下的实际坐标的误差的整体反映，而该误差又反映了待标定路端激光雷达相对于点云地图的初始位姿相较于待标定路端激光雷达相对于世界坐标系的实际位姿的误差。基于目标优化距离判断每个待标定路端激光雷达在其初始位姿下目标点集相对于点云地图的位置的误差是否已达到最小。

其中，预设距离阈值依据可接受的待标定路端激光雷达相对于点云地图的初始位姿相较于待标定路端激光雷达相对于世界坐标系的实际位姿的误差设定，设定的预设距离阈值越小，优化位姿越精确，标定参数越精确。

其中，结束调整后的待标定路端激光雷达的初始位姿，指的是在该初始位姿下，目标优化距离最小，即目标点相对于点云地图的位置相较于目标点在世界坐标系下的实际坐标的误差的误差最小，此时已完成对初始位姿的优化。

具体实施中，针对每个待标定路端激光雷达，调整其初始位姿，依据初始位姿移动点云图像，点云图像上的目标点集也随之移动，确定移动后的目标点集中的目标点与目标特征点对应的第二预设数量的最近邻点之间的距离，即目标优化距离。判断目标优化距离是否已达到最小，若目标优化距离已达到最小，则将此步骤调整的初始位姿确定为优化位姿；若目标优化距离未达到最小，则继续调整初始位姿，重复上述步骤，直至目标优化距离达到最小，结束调整，并将结束调整后的初始位姿确定为优化位姿。这是一个不断试探的过程，通过对初始位姿的不断调整，试探出目标点相对于点云地图的位置相较于目标点在世界坐标系下的实际坐标的误差的最小值，完成对初始位姿的优化。

由本申请实施例的上述技术方案可见，本申请实施例通过判断目标点与目标特征点对应的第二预设数量的最近邻点之间的距离是否已达到最小，判断初始位姿是否达到最优，据此决定是否继续对调整初始位姿，缩小目标优化距离，从而确保了优化位姿的误差最小。

S109，基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数。

基于多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的坐标变换矩阵，通过矩阵运算，确定多个待标定路端激光雷达相互之间的坐标变换矩阵。

由本申请实施例的上述技术方案可见，本申请实施例通过采集车辆上的激光雷达对区域创建点云地图，在点云地图上标注特征点集，然后将待标定的路端激光雷达的点云匹配到点云地图上，实现多雷达的外参标定。即使两雷达间无任何共视区域也可以完成外参标定。同时外参的精度能很好的控制，几乎只取决于雷达本身测距的精度。可快速实现在智能交通路端应用中大量路端激光雷达的标定需求。

在一个示例性的实施方式中，如图5所示，上述步骤S109可以包括：

S501，在多个待标定路端激光雷达中确定待相互标定的第一路端激光雷达和第二路端激光雷达。

已知多个待标定路端激光雷达相对于点云地图的坐标变换矩阵，确定多个待标定路端激光雷达相互之间的坐标变换矩阵，需要先确定两两之间的坐标变换矩阵，因此需要先确定待相互标定的两个路端激光雷达。

S503，确定所述第一路端激光雷达相对于所述点云地图的第一优化位姿和第二路端激光雷达相对于所述点云地图的第二优化位姿。

其中，第一优化位姿为第一路端激光雷达相对于点云地图的优化后的坐标变换矩阵，第二优化位姿为第二路端激光雷达相对于点云地图的优化后的坐标变换矩阵。

S505，基于所述第一优化位姿和所述第二优化位姿确定所述第一路端激光雷达相对于所述第二路端激光雷达的坐标变换矩阵，作为第一路端激光雷达的外参参数。

基于第一路端激光雷达相对于点云地图的坐标变换矩阵和第二路端激光雷达相对于点云地图的坐标变换矩阵，通过矩阵运算，求得第一路端激光雷达相对于所述第二路端激光雷达的坐标变换矩阵。

S507，基于所述第一优化位姿和所述第二优化位姿确定所述第二路端激光雷达相对于所述第一路端激光雷达的坐标变换矩阵，作为第二路端激光雷达的外参参数。

基于第一路端激光雷达相对于点云地图的坐标变换矩阵和第二路端激光雷达相对于点云地图的坐标变换矩阵，通过矩阵运算，求得第二路端激光雷达相对于所述第一路端激光雷达的坐标变换矩阵。

由本申请实施例的上述技术方案可见，本申请实施例通过确定多个待标定路端激光雷达相对于点云地图的优化位姿确定多个待标定路端激光雷达相互之间的外参参数，从而完成多个待标定路端激光雷达的外参标定，即使两雷达间无任何共视区域也可以完成外参标定。

下面对获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像之前，点云地图的制作进行说明，如图6所示，具体可以包括以下步骤：

S601，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一点云数据。

其中，多个时刻为相隔预设时间段的时刻，本实施例中每隔100毫秒采集一次数据。

其中，第一点云数据为采集车辆上的激光雷达采集的所述预设范围内的点云数据。

S603，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一点云数据确定当前点云地图。

从多个时刻中随机选取第一时刻，基于采集车辆上的激光雷达采集第一时刻的第一点云数据，基于采集车辆上的激光雷达里程计得到第一时刻的车载激光雷达的当前位姿，基于第一点云数据和当前位姿制作当前点云地图，基于第一时刻采集的第一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。

S605，从剩余时刻中选取第二时刻，基于所述第二时刻采集的第一点云数据更新所述当前点云地图。

其中，剩余时刻是指所述多个时刻中未被选取的时刻。

基于采集车辆上的激光雷达采集第二时刻的第一点云数据，基于采集车辆上的激光雷达里程计得到第二时刻的车载激光雷达的当前位姿，基于第一点云数据和当前位姿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。

S607，在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一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。

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。

这是一个循环更新的过程，通过采集不同时刻的第一点云数据，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多个待标定路端激光雷达的扫描范围。

S609，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点云地图。

由本申请实施例的上述技术方案可见，本申请实施例通过采集车辆上的激光雷达采集的多个待标定路端激光雷达扫描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相对于点云地图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多个待标定路端激光雷达的扫描范围。

与上述几种实施例提供的多激光雷达标定方法相对应，本申请实施例还提供一种多激光雷达标定装置，由于本申请实施例提供的多激光雷达标定装置与上述几种实施例提供的多激光雷达标定方法相对应，因此前述多激光雷达标定方法的实施方式也适用于本实施例提供的多激光雷达标定装置，在本实施例中不再详细描述。

请参阅图7，其所示为本申请实施例提供的一种多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多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7所示，该装置可以包括：

信息获取模块，用于获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像；所述点云地图基于采集车辆上的激光雷达采集的预设范围内的第一点云数据得到，所述预设范围包括所述多个待标定路端激光雷达的扫描范围，每个待标定路端激光雷达的点云图像为基于相应待标定路端激光雷达采集的第二点云数据生成的图像；

特征标注模块，用于基于所述点云地图标注特征点集；

点集匹配模块，用于在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集；

优化处理模块，用于对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿；

外参确定模块，用于基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数。

在一个示例性的实施方式中，所述特征标注模块，包括：

区域确定模块，用于在所述点云地图上确定与多个待标定路端激光雷达的扫描范围重合的地图区域；

设施标注模块，用于在所述地图区域内确定第一预设数量的道路设施，标注为特征点集。

在一个示例性的实施方式中，所述点集匹配模块，包括：

点云移动模块，用于针对每个所述点云图像，移动所述点云图像使得所述点云图像与所述点云地图重合，得到所述待标定路端激光雷达的初始位姿；

点集标注模块，用于在每个所述点云图像上确定与所述特征点集重合的点集，标注为每个所述点云图像对应的待标定路端激光雷达在初始位姿下对应的目标点集。

在一个示例性的实施方式中，所述优化处理模块，包括：

邻点标注模块，用于针对所述特征点集中的每个特征点，在所述点云地图上标注所述特征点对应的第二预设数量的最近邻点；所述最近邻点为所述点云地图上与相应特征点的距离在升序排列中位于前第二预设数量内的点；

距离确定模块，用于针对每个待标定路端激光雷达在初始位姿下对应的目标点集中的每个目标点，确定所述目标点与目标特征点对应的第二预设数量的最近邻点之间的距离，得到所述目标点对应的目标距离；所述目标特征点是指所述特征点集中与所述目标点相对应的特征点；

距离优化模块，用于对每个待标定路端激光雷达在初始位姿下对应的目标点集中各目标点的目标距离进行优化处理，得到每个待标定路端激光雷达相对于所述点云地图的优化位姿。

在一个示例性的实施方式中，所述距离确定模块，包括：

邻点拟合模块，用于对目标特征点对应的第二预设数量的最近邻点按照预设几何元素进行拟合，得到所述目标点对应的拟合结果；所述预设几何元素包括直线或者平面；

第一确定模块，用于确定所述目标点与所述拟合结果之间的距离，得到所述目标点对应的目标距离。

在一个示例性的实施方式中，所述距离优化模块，包括：

距离求和模块，用于针对每个待标定路端激光雷达，确定相应初始位姿下对应的目标点集中各目标点的目标距离之和，得到所述待标定路端激光雷达对应的目标优化距离；

位姿调整模块，用于调整所述待标定路端激光雷达的初始位姿，基于所述待标定路端激光雷达在调整后的初始位姿下对应的目标点集，更新所述待标定路端激光雷达对应的目标优化距离，直至更新后的目标优化距离小于预设距离阈值时，结束对所述待标定路端激光雷达的初始位姿的调整；

位姿确定模块，用于将结束调整后的所述待标定路端激光雷达的初始位姿确定为所述待标定路端激光雷达相对于所述点云地图的优化位姿。

在一个示例性的实施方式中，所述外参确定模块，包括：

雷达确定模块，用于在多个待标定路端激光雷达中确定待相互标定的第一路端激光雷达和第二路端激光雷达；

第二确定模块，用于确定所述第一路端激光雷达相对于所述点云地图的第一优化位姿和第二路端激光雷达相对于所述点云地图的第二优化位姿；

第一坐标变换模块，用于基于所述第一优化位姿和所述第二优化位姿确定所述第一路端激光雷达相对于所述第二路端激光雷达的坐标变换矩阵，作为第一路端激光雷达的外参参数；

第二坐标变换模块，用于基于所述第一优化位姿和所述第二优化位姿确定所述第二路端激光雷达相对于所述第一路端激光雷达的坐标变换矩阵，作为第二路端激光雷达的外参参数。

在一个示例性的实施方式中，所述装置还包括用于制作点云地图的地图制作模块，所述地图制作模块，包括：

点云获取模块，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一点云数据；所述多个时刻为相隔预设时间段的时刻，所述第一点云数据为采集车辆上的激光雷达采集的所述预设范围内的点云数据；

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一点云数据确定当前点云地图；

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一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；

地图优化模块，用于在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一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；

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点云地图。

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。

本申请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多激光雷达标定方法。

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。

本申请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8是本申请实施例提供的运行一种多激光雷达标定方法的电子设备的硬件结构框图，如图8所示，该计算机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，计算机设备内的处理器、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8中以通过总线连接为例。

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多激光雷达标定方法。

本申请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多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多激光雷达标定方法。

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。

需要说明的是：上述本申请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。

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。

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。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种多激光雷达标定方法，其特征在于，所述方法包括：

获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像；所述点云地图基于采集车辆上的激光雷达采集的预设范围内的第一点云数据得到，所述预设范围包括所述多个待标定路端激光雷达的扫描范围，每个待标定路端激光雷达的点云图像为基于相应待标定路端激光雷达采集的第二点云数据生成的图像；

基于所述点云地图标注特征点集；

在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集；

对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿；

基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数。

2.根据权利要求1所述一种多激光雷达标定方法，其特征在于，所述基于所述点云地图标注特征点集，包括：

在所述点云地图上确定与多个待标定路端激光雷达的扫描范围重合的地图区域；

在所述地图区域内确定第一预设数量的道路设施，标注为特征点集。

3.根据权利要求1所述一种多激光雷达标定方法，其特征在于，所述在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集，包括：

针对每个所述点云图像，移动所述点云图像使得所述点云图像与所述点云地图重合，得到所述待标定路端激光雷达的初始位姿；

在每个所述点云图像上确定与所述特征点集重合的点集，标注为每个所述点云图像对应的待标定路端激光雷达在初始位姿下对应的目标点集。

4.根据权利要求1所述一种多激光雷达标定方法，其特征在于，所述对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿，包括：

针对所述特征点集中的每个特征点，在所述点云地图上标注所述特征点对应的第二预设数量的最近邻点；所述最近邻点为所述点云地图上与相应特征点的距离在升序排列中位于前第二预设数量内的点；

针对每个待标定路端激光雷达在初始位姿下对应的目标点集中的每个目标点，确定所述目标点与目标特征点对应的第二预设数量的最近邻点之间的距离，得到所述目标点对应的目标距离；所述目标特征点是指所述特征点集中与所述目标点相对应的特征点；

对每个待标定路端激光雷达在初始位姿下对应的目标点集中各目标点的目标距离进行优化处理，得到每个待标定路端激光雷达相对于所述点云地图的优化位姿。

5.根据权利要求4所述一种多激光雷达标定方法，其特征在于，所述确定所述目标点与目标特征点对应的第二预设数量的最近邻点之间的距离，得到所述目标点对应的目标距离，包括：

对目标特征点对应的第二预设数量的最近邻点按照预设几何元素进行拟合，得到所述目标点对应的拟合结果；所述预设几何元素包括直线或者平面；

确定所述目标点与所述拟合结果之间的距离，得到所述目标点对应的目标距离。

6.根据权利要求4所述一种多激光雷达标定方法，其特征在于，所述对每个待标定路端激光雷达在初始位姿下对应的目标点集中各目标点的目标距离进行优化处理，得到每个待标定路端激光雷达相对于所述点云地图的优化位姿，包括：

针对每个待标定路端激光雷达，确定相应初始位姿下对应的目标点集中各目标点的目标距离之和，得到所述待标定路端激光雷达对应的目标优化距离；

调整所述待标定路端激光雷达的初始位姿，基于所述待标定路端激光雷达在调整后的初始位姿下对应的目标点集，更新所述待标定路端激光雷达对应的目标优化距离，直至更新后的目标优化距离小于预设距离阈值时，结束对所述待标定路端激光雷达的初始位姿的调整；

将结束调整后的所述待标定路端激光雷达的初始位姿确定为所述待标定路端激光雷达相对于所述点云地图的优化位姿。

7.根据权利要求1所述一种多激光雷达标定方法，其特征在于，所述基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数，包括：

在多个待标定路端激光雷达中确定待相互标定的第一路端激光雷达和第二路端激光雷达；

确定所述第一路端激光雷达相对于所述点云地图的第一优化位姿和第二路端激光雷达相对于所述点云地图的第二优化位姿；

基于所述第一优化位姿和所述第二优化位姿确定所述第一路端激光雷达相对于所述第二路端激光雷达的坐标变换矩阵，作为第一路端激光雷达的外参参数；

基于所述第一优化位姿和所述第二优化位姿确定所述第二路端激光雷达相对于所述第一路端激光雷达的坐标变换矩阵，作为第二路端激光雷达的外参参数。

8.根据权利要求1所述一种多激光雷达标定方法，其特征在于，在获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像之前，所述方法还包括：

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一点云数据；所述多个时刻为相隔预设时间段的时刻，所述第一点云数据为采集车辆上的激光雷达采集的所述预设范围内的点云数据；

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一点云数据确定当前点云地图；

从剩余时刻中选取第二时刻，基于所述第二时刻采集的第一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；

在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一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；

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点云地图。

9.一种多激光雷达标定装置，其特征在于，所述方法包括：

信息获取模块，用于获取点云地图和多个待标定路端激光雷达中每个待标定路端激光雷达的点云图像；所述点云地图基于采集车辆上的激光雷达采集的预设范围内的第一点云数据得到，所述预设范围包括所述多个待标定路端激光雷达的扫描范围，每个待标定路端激光雷达的点云图像为基于相应待标定路端激光雷达采集的第二点云数据生成的图像；

特征标注模块，用于基于所述点云地图标注特征点集；

点集匹配模块，用于在每个所述点云图像中确定与所述特征点集相对应的目标点集，得到每个待标定路端激光雷达在初始位姿下对应的目标点集；

优化处理模块，用于对于每个待标定路端激光雷达，基于相应初始位姿下的目标点集确定所述待标定路端激光雷达相对于所述点云地图的优化位姿；

外参确定模块，用于基于所述多个待标定路端激光雷达中每个待标定路端激光雷达相对于所述点云地图的优化位姿，确定所述多个待标定路端激光雷达相互之间的外参参数。

10.一种电子设备，其特征在于，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如权利要求1～8中任一项所述的多激光雷达标定方法。

Images