Nothing Special   »   [go: up one dir, main page]

CN113610745A - 标定评价参数获取方法和装置、存储介质及电子设备 - Google Patents

标定评价参数获取方法和装置、存储介质及电子设备 Download PDF

Info

Publication number
CN113610745A
CN113610745A CN202110077697.2A CN202110077697A CN113610745A CN 113610745 A CN113610745 A CN 113610745A CN 202110077697 A CN202110077697 A CN 202110077697A CN 113610745 A CN113610745 A CN 113610745A
Authority
CN
China
Prior art keywords
point cloud
cloud data
target
raster
raster point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110077697.2A
Other languages
English (en)
Inventor
李佰霖
易世春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202110077697.2A priority Critical patent/CN113610745A/zh
Publication of CN113610745A publication Critical patent/CN113610745A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种标定评价参数获取方法和装置、存储介质及电子设备。其中，该方法包括：获取目标车辆在当前场景中确定出的当前场景点云数据，其中，当前场景点云数据中包括至少两个标定坐标体系下对目标车辆标定的定位结果；对当前场景点云数据进行分割，以得到多个栅格点云数据；根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从多个栅格点云数据中确定出目标栅格点云数据，其中，目标栅格点云数据的几何特征指示栅格区域中包括参考面；对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。本发明解决了由于主观评价造成的评价结果准确性低的技术问题。

Description

标定评价参数获取方法和装置、存储介质及电子设备
技术领域
本发明涉及计算机领域，具体而言，涉及一种标定评价参数获取方法和装置、存储介质及电子设备。
背景技术
为了保障驾驶员的行驶安全，在车辆辅助驾驶系统中常常会使用各种不同的传感器来测量车辆的运动状态，从而便于为驾驶员提供安全的驾驶提示信息。
由于不同的传感器在车辆中的安装角度或安装姿态不同，因而不同的传感器实际上使用的是不同的坐标体系。这样基于不同传感器采集到的定位数据来确定当前车辆的行驶轨迹时，就需要将不同的坐标体系下采集到的定位数据整合标定到车辆自身的坐标体系中。但这里标定算法在标定前往往无法知道真实的值，因此在标定过程中总会产生标定误差，而且无法对该标定误差进行及时校正。
为了确定出上述标定误差，目前相关技术常用的方法是由有经验的评估专家来进行主观观察，结合自身的经验来确定当前标定结果是否存在标定误差。这种主观观察的评价方法，仅依赖于评估专家的肉眼观察结果和个人经验，难以保证评价结果的客观准确性。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种标定评价参数获取方法和装置、存储介质及电子设备，以至少解决由于主观评价造成的评价结果准确性低的技术问题。
根据本发明实施例的一个方面，提供了一种标定评价参数获取方法，包括：获取目标车辆在当前场景中确定出的当前场景点云数据，其中，上述当前场景点云数据中包括至少两个标定坐标体系下对上述目标车辆标定的定位结果；对上述当前场景点云数据进行分割，以得到多个栅格点云数据；根据上述多个栅格点云数据中每个上述栅格点云数据各自对应的几何特征，从上述多个栅格点云数据中确定出目标栅格点云数据，其中，上述目标栅格点云数据的几何特征指示栅格区域中包括参考面；对上述目标栅格点云数据的几何特征进行统计，以生成上述当前场景点云数据匹配的标定评价参数。
根据本发明实施例的另一方面，还提供了一种标定评价参数获取装置，包括：获取模块，用于获取目标车辆在当前场景中确定出的当前场景点云数据，其中，上述当前场景点云数据中包括至少两个标定坐标体系下对上述目标车辆标定的定位结果；分割模块，用于对上述当前场景点云数据进行分割，以得到多个栅格点云数据；确定模块，用于根据上述多个栅格点云数据中每个上述栅格点云数据各自对应的几何特征，从上述多个栅格点云数据中确定出目标栅格点云数据，其中，上述目标栅格点云数据的几何特征指示栅格区域中包括参考面；生成模块，用于对上述目标栅格点云数据的几何特征进行统计，以生成上述当前场景点云数据匹配的标定评价参数。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述标定评价参数获取方法。
根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的标定评价参数获取方法。
在本发明实施例中，采用对至少两个标定坐标体系下定位结果形成的当前场景点云数据进行分割，得到多个栅格点云数据，根据栅格点云数据的几何特征确定包含参考面的目标栅格点云数据，根据目标栅格点云数据的几何特征统计生成标定评价参数的方式，通过当前场景点云数据获取包含参考面的目标栅格点云数据，以基于目标栅格点云数据的几何特征生成标定评价参数，以实现通过对场景点云数据的几何特征进行客观分析和统计，以得到用于客观评价标定测量结果的标定评价参数，而不再依赖于专业人士的主观经验判断，从而实现通过客观可衡量的标定评价参数来评价车辆的标定测量过程，以提升标定评价的客观准确性，进而克服相关技术中主观判断所导致的标定评价准确性较低的问题。进一步，采样本申请实施例中提供的方案，通过客观标价指标来衡量标定测量过程，无需人工评价，还将有利于提高标定测量的效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的标定评价参数获取方法的应用环境的示意图；
图2是根据本发明实施例的一种可选的标定评价参数获取方法的流程示意图；
图3是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图4是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图5是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图6是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图7是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图8是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图9是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图10是根据本发明实施例的又一种可选的标定评价参数获取方法的流程示意图；
图11是根据本发明实施例的当前场景点云数据的示意图；
图12是根据本发明实施例的一种可选的标定评价参数获取装置的结构示意图；
图13是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明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，以便这里描述的本发明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、产品或设备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。
为使方案清晰，现对涉及的关键术语进行说明：
激光雷达(Lidar)：用来进行3D感知和定位的传感设备，广泛应用于L4级别的自动驾驶。
惯性测量单元(Inertial Measurement Unit，简称IMU)：能够测量传感器坐标系下自身的角速度和线性加速度。
全球定位系统(Global Positioning System，简称GPS)：这里主要指的是GPS的接收端设备。
组合导航：组合使用IMU+GPS，获得高频高精度全局定位结果，其输出坐标系一般为IMU坐标系。
根据本发明实施例的一个方面，提供了一种标定评价参数获取方法，可选地，作为一种可选的实施方式，上述标定评价参数获取方法可以但不限于应用于如图1所示的网络环境中的标定评价参数获取系统中，在该标定评价参数获取系统中包括：终端设备102、网络104及服务器106。终端设备102中运行有目标应用客户端(如标定测量应用客户端等)。上述终端设备102可以但不限于位于目标车辆100中，其中包括人机交互屏幕1022，处理器1024及存储器1026。人机交互屏幕1022用于呈现上述目标应用客户端中提供的标定评价参数获取结果；还用于提供人机交互接口接收对人机交互界面执行的人机交互操作；处理器1024用于响应上述人机交互操作得到人机交互指令，触发启动标定评价参数获取过程。存储器1026用于存储上述标定评价参数获取结果。
此外，服务器106中包括数据库1062及处理引擎1064，数据库1062中用于存储上述各个栅格点云数据及其各自对应的几何特征。处理引擎1064用于基于上述几何特征生成标定评价参数。
具体过程如以下步骤：假设终端设备102中运行有标定测量应用客户端，该标定测量应用客户端将采用本申请实施例中提供的方式，来获取对标定结果的客观评价参数，具体如步骤S102-S112：
终端设备102将获取所在目标车辆100在当前场景中确定出当前场景点云数据，并通过网络104将获取到的当前场景点云数据发送给服务器106。服务器106将接收到当前场景点云数据存储在数据库1062中，并启动处理引擎1064对当前场景点云数据进行分割，以得到多个栅格点云数据，并根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，将几何特征指示栅格区域中包括参考面的栅格点云数据确定为目标栅格点云数据。在确定出目标点云数据后，对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。然后通过网络104，将上述当前场景点云数据匹配的标定评价参数返回给终端设备102。终端设备102将接收的标定评价参数存储在存储器1026中，经过处理器1024的判定确定是否调整目标车辆中用于采集上述场景点云数据的标定测量设备(如终端设备102及其关联设备)的姿态。
需要说明的是，在本实施例中，在目标揣测衡量的当前场景中确定出的当前场景点云数据之后，对上述当前场景点云数据进行分割，以得到多个栅格点云数据，并根据这里多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从上述多个栅格点云数据中确定出包括参考面的目标栅格点云数据。然后对上述目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。也就是说，通过对场景点云数据的几何特征进行客观分析和统计，以得到用于客观评价标定测量结果的标定评价参数，而不再依赖于专业人士的主观经验判断，从而实现通过客观可衡量的标定评价参数来评价车辆的标定测量过程，以提升标定评价的客观准确性，进而克服相关技术中主观判断所导致的标定评价准确性较低的问题。进一步，采样本申请实施例中提供的方案，通过客观标价指标来衡量标定测量过程，无需人工评价，还将有利于提高标定测量的效率。
可选地，在本实施例中，上述终端设备102可以是配置有获取当前场景点云数据的目标客户端的设备，可以包括但不限于以下至少之一：手机(如Android手机、IOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(Mobile Internet Devices，移动互联网设备)、PAD、台式电脑、智能电视等。目标客户端可以是标定测量应用客户端，或其他可以用于测量移动车辆的运动状态参数的客户端等。上述网络104可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络。上述服务器106可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述仅是一种示例，本实施例中对此不作任何限定。
作为一种可选的实施方式，如图2所示，上述标定评价参数获取方法包括：
S202，获取目标车辆在当前场景中确定出的当前场景点云数据，其中，当前场景点云数据中包括至少两个标定坐标体系下对目标车辆标定的定位结果；
S204，对当前场景点云数据进行分割，以得到多个栅格点云数据；
S206，根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从多个栅格点云数据中确定出目标栅格点云数据，其中，目标栅格点云数据的几何特征指示栅格区域中包括参考面；
S208，对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。
可选地，上述标定评价参数获取方法可以但不限于应用于车辆标定评价过程中。其中，这里的车辆可以但不限于是真实场景中的真实车辆，也可以但不限于是虚拟场景中被控制的虚拟载具(如游戏应用中的虚拟车辆)。
在本申请实施例中，在相关技术中目标车辆使用激光雷达和惯性测量单元进行定位的过程中，由于二者所采用的坐标系并不同，因而需要对二者的坐标系进行统一标定。但由于标定测量设备(或装置)的位置或姿态不同，将使得标定结果出现较大差异。为了克服上述问题，通常需要根据标定结果来对不同坐标系中的标定测量设备(或装置)的位置或姿态进行调整校正。但目前常用的方式只能是主观观察判断，而在本申请实施例中提供一种获取客观可衡量的标定评价参数的方式，通过对场景点云数据的几何特征进行客观分析和统计，以得到用于客观评价标定测量结果的标定评价参数，而不再依赖于专业人士的主观经验判断，从而实现通过该标定评价参数，来客观评价不同的标定过程。
可选地，在本实施例中，目标车辆在当前场景中确定出的当前场景点云数据可以但不限于是运行在实际道路上的车辆在行驶过程中确定出的当前场景点云数据，运行在目标客户端中的车辆在行驶过程中确定出的当前场景点云数据。其中，上述当前场景点云数据中包括的至少两个标定坐标体系下对目标车辆的定位结果可以是每个标定坐标体系在目标车辆单次在当前场景行驶过程中同时获取的定位结果，目标车辆在当前场景中多次行驶过程中每个标定坐标体系以时间轴为基础构成获取到的定位结果。
可选地，对当前场景点云数据进行分割可以是按照预设的分割标准或预设的分割条件进行当前点云数据的分割。预设的分割标准可以但不限于是根据当前场景的场景对象确定的分割尺度，根据当前场景的尺度确定的分割尺度，根据当前场景点云数据的数据分布确定的分割尺度，根据当前场景点云数据的数据量确定的分割尺度。预设的分割条件可以但不限于是根据当前场景设定的分割条件，根据当前场景中场景对象设定的分割条件，根据点云数据设定的分割条件。
可选地，根据当前场景中场景对象设定的分割条件可以但不限于是包含场景对象的分割条件，不包含场景对象的分割条件。
可选地，在根据当前场景的场景对象确定分割尺度的情况下，分割尺度可以是基于场景对象的尺寸与当前场景的尺寸的比值确定的尺度，基于场景对象的最大尺寸确定的尺度，基于场景对象的最小尺寸确定的尺度，基于场景对象的平均尺寸确定的尺度。
可选地，在根据当前场景的尺度确定分割尺度的情况下，分割尺度可以是将当前场景点云数据分割为两个以上栅格点云数据的尺度。将当前场景点云数据分割为两个以上栅格点云数据的尺度不限于在每一个维度上均可以将当前场景点云数据分割为两份以上的尺度。在各个维度上的分割尺度可以不一致，但对于当前场景点云数据的分割尺度在分割过程中保持一致。
可选地，在本实施例中，针对当前场景点云数据，可以但不限于按照两种以上尺度进行分割。例如，以当前场景的尺度是在XY轴均为500米、在Z轴为9米的区域为例，为保证栅格的数据量以及栅格的数量，设定分割尺度在XY轴均为20米，在Z轴为3米，保证了在同一维度上栅格数量不唯一。
通过本申请提供的实施例，基于当前场景的具体情况以及当前场景点云数据包含数据量的不同，对分割条件进行不同的限定，从而使得分割依据更加合理，从而使得分割形成的栅格点云数据能够具备更好的几何特征，以便于根据几何特征确定有目标栅格点云数据。
作为一种可选的实施方式，如图3所示，对当前场景点云数据进行分割，以得到多个栅格点云数据包括：
S302，根据当前场景点云数据提取当前场景中包含的场景对象；
S304，从当前场景包含的场景对象中确定出目标场景对象，其中，目标场景对象为尺寸最小的场景对象；
S306，基于目标场景对象的尺寸确定当前场景点云数据对应的分割尺度；
S308，按照分割尺度进行分割，以得到多个栅格点云数据。
可选地，场景对象可以是当前场景中包含的对象。在当前场景指示车辆行驶过程的场景的情况下，场景对象可以是当前场景中包含的全部对象。
可选地，尺寸最小的场景对象可以但不限于是立体体积尺寸最小的对象，在设定维度上尺寸最小的对象，在设定平面上尺寸最小的对象。
可选地，基于目标场景对象的尺寸确定的当前场景点云数据对应的分割尺度可以但不限于包含目标场景对象的最小标准尺度。可以但不限于按照分割阈值设定用于分割尺度的标准尺度，以使分割形成的栅格点云数据的尺寸更加利于后续方法实施。
可选地，包含目标场景对象的最小标准尺度可以但不限于在每一个维度上确定包含目标场景对象在该维度上的最小标准尺度，根据每一维度上确定的最小标准尺度确定包含目标场景对象的最小标准尺度。以分割阈值为1米，目标场景对象的在三维立体坐标系中的尺寸为[2.3，1.6，0.8]为示例进行说明，则在坐标系中包含目标场景对象的最小标准尺度分别是3，2，1，因此目标场景对象尺寸对应的分割尺度是[3，2，1]。
在本申请实施例中，通过设定分割尺度对当前场景点云数据进行分割，利用分割得到的多个栅格点云数据进行逐一计算，减少了每次需要获取几何特征的运算数据量，较小的运算数据量保证了每一次运算结果的准确性，从而准确获取每个栅格点云数据的几何特征。
可选地，几何特征可以但不限于利用栅格点云数据中的数据特征。数据特征可以但不限于通过数据分析的方法获取。数据分析所使用的方法可以但不限于是局部线性嵌入(Locally Linear Embedding，简称LLE)方法，线性降维分析(Linear DiscriminantAnalysis，简称LDA)方法，主成分分析(Principal Components Analysis，简称PCA)方法，拉普拉斯特征映射(Laplacian Eigenmaps)方法。
局部线性嵌入(Locally Linear Embedding，简称LLE)是一种非线性降维算法，通过寻找每一个样本数据点附近的k个相邻数据点，由每个样本数据点的相邻数据点计算出该样本数据点的局部重建权值矩阵，由该样本数据点的局部重建权值矩阵和相邻数据点得到输出数据点，从而实现将三维数据映射到二维数据，并保持原有的数据流行结构。
线性降维分析(Linear Discriminant Analysis，简称LDA)是一种有监督的线性降维算法，通过计算原始数据的映射向量，使得映射后的数据具备同类数据点尽可能接近，不同类的数据点尽可能分开，从而将原始数据映射形成两类具备不同特征的数据集合。
主成分分析(Principal Components Analysis，简称PCA)是一种线性降维算法，原始数据通过去除平均值，计算协方差矩阵以及矩阵特征值和特征向量，将特征值降序排序，并保留前N个特征值对应的特征向量，将原始数据转换到N个特征向量构建的新空间中，以实现将原始数据映射在N维数据集合中，去除原始数据中的干扰维度，实现数据降维。
拉普拉斯特征映射(Laplacian Eigenmaps)是一种从局部构建数据关系从而基于图的降维算法。通过将所有样本数据点构建形成一个图，将每个点与接近的点相连，确定点与点之间的权重大小，从而计算拉普拉斯矩阵的特征向量与特征值，使用最小的m个非零特征值对应的特征向量作为输出结果，以实现数据降维。
作为一种可选的实施方式，如图4所示，根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从多个栅格点云数据中确定出目标栅格点云数据包括：
S402，对多个栅格点云数据中每个栅格点云数据依次进行主成分分析，以提取每个栅格点云数据分别匹配的点云特征集，其中，点云特征集用于确定栅格点云数据对应的几何特征；
S404，根据每个栅格点云数据分别匹配的点云特征集，从多个栅格点云数据中确定出目标栅格点云数据。
可选地，主成分分析可以但不限于是利用主成分分析(Principal ComponentsAnalysis，简称PCA)技术进行。
可选地，点云特征集确定的栅格点云数据对应的几何特征可以但不限于用于指示栅格点云数据中是否包括参考面，指示栅格点云数据的法线分布。参考面可以但不限于是平面，曲面，球面。
在本申请实施例中，利用主成分分析对数据维度较大的栅格点云数据进行指示几何特征的点云特征集进行提取，利用数据维度较小的点云特征集对栅格点云数据的几何特征进行分析，从而能够快速的从多个栅格点云数据中确定出包含参考面的目标栅格点云特征，通过快速确定几何特征，提高目标栅格点云数据的确定效率。
作为一种可选的实施方式，对多个栅格点云数据中每个栅格点云数据依次进行主成分分析，以提取每个栅格点云数据分别匹配的点云特征集包括：
将多个栅格点云数据中每个栅格点云数据依次作为当前栅格点云数据，执行如图5所示的以下操作：
S502，基于当前栅格点云数据中各个点坐标构建点云特征矩阵；
S504，计算点云特征矩阵对应的点云协方差矩阵；
S506，对点云协方差矩阵进行特征值分解，以得到当前栅格点云数据匹配的当前点云特征集。
可选地，基于当前栅格点云数据中各个点坐标构建点云特征矩阵可以但不限于是每个点坐标减去各个维度上点坐标的平均值构成的点云特征矩阵。点云特征矩阵可以表示为：
Figure BDA0002908103530000121
其中，n表示栅格点云数据包含的坐标点的数量，3表示是基于3维坐标数据构成的坐标矩阵，μ为n个点的平均坐标，μ表示为：
μ＝[μx μy μz] (2)
其中，μ1、μ2、μ3分别为n个点在3为坐标系中各个维度计算的平均值。
可选地，计算点云特征矩阵对应的点云协方差矩阵可以但不限于通过点云特征矩阵和点云特征矩阵的转置矩阵计算点云协方差矩阵。点云协方差矩阵的计算方式可以表示为：
Figure BDA0002908103530000131
其中，
Figure BDA0002908103530000132
为Xn×3的转置矩阵。
可选地，点云特征集可以但不限于通过以下计算方式获取：
Figure BDA0002908103530000133
Figure BDA0002908103530000134
其中，M即为点云特征集的矩阵表述形式。
可选地，点云特征集为包含[λ1，λ2，λ3]的数据集合。
在本申请实施例中，通过构建点云特征矩阵，计算协方差矩阵以通过矩阵分解得到用于指示几何特征的点云特征集，利用矩阵计算简便且准确，使得点云特征集能够被准确的快速提取，从而提高目标栅格点云数据确定的准确率，以提高标定参数的准确性。
作为一种可选的实施方式，根据每个栅格点云数据分别匹配的点云特征集，从多个栅格点云数据中确定出目标栅格点云数据包括：
在当前点云特征集中包括的目标点云特征值与零的差值小于目标阈值，且当前点云特征集中除目标点云特征值之外的其他点云特征值与零的差值大于目标阈值的情况下，基于当前点云特征集所确定出的几何特征将指示当前栅格点云数据所在当前栅格区域中包括平面或曲面，并确定当前栅格点云数据为目标栅格点云数据。
可选地，目标点云特征值可以但不限于是根据点云特征集中包含的全部数据确定的最值数据。目标点云特征值可以但不限于是点云特征集中数值最小的数据。
可选地，目标阈值可以但不限于是根据点云特征集中包含的全部数据值的最值确定的阈值，全部数据值的平均值确定的阈值，全部数据值的按照数据大小排序确定的阈值。
可选地，在根据全部数据值的按照从小到大进行的数据值排序确定阈值的情况下，目标阈值可以但不限于是介于位序第一和位序第二的数据值中间的任意数值。
可选地，将在点云特征集中包含的全部数据值中，将数据值最小的特征数据作为目标点云特征值。在目标点云特征值的数值接近0，除了目标点云特征值的其余数值并不接近0的情况下，将当前栅格点云数据确定为目标栅格点云数据。
在本申请实施例中，通过栅格点云数据获取点云特征矩阵，计算点云协方差矩阵，通过分解点云协方差矩阵的特征值，得到包括特征值的点云特征集，从而得到用于表示栅格点云数据的特征数据集合，以根据栅格点云数据的特征数据值从多个栅格点云数据中确定出目标点云数据。
作为一种可选的实施方式，如图6所示，对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数包括：
S602，根据目标栅格点云数据的几何特征，确定出目标栅格点云数据各自对应的栅格区域中包括的参考面的参考厚度，其中，参考面包括平面或曲面；
S604，对所有目标栅格点云数据各自对应的参考厚度进行统计，以生成的标定评价参数。
可选地，目标栅格点云数据的几何特征可以是目标栅格点云的点云特征集指示的几何特征，目标栅格点云数据确定参考面的几何特征，目标栅格点云数据与参考面相比较的几何特征。
在本申请实施例中，通过目标栅格点云数据的几何特征确定参考面的参考厚度，并依据统计后的参考厚度生成标定评价参数，以实现通过具备数据代表性的目标数据的几何特征生成指示几何特征的客观评价数据，利用客观数据评价点云数据的标定结果，以提高标定参数的准确性。
作为一种可选的实施方式，根据目标栅格点云数据的几何特征，确定出目标栅格点云数据各自对应的栅格区域中参考面的厚度包括：
如图7所示，对每个目标栅格点云数据依次执行以下操作：
S702，确定出目标栅格点云数据对应的栅格区域中的拟合面；
S704，获取目标栅格点云数据中每个点到拟合面之间的距离；
S706，根据距离的平均值确定拟合面的厚度；
S708，将拟合面的厚度作为目标栅格点云数据对应的栅格区域中参考面的厚度。
可选地，确定出目标栅格点云数据对应的栅格区域中的拟合面可以但不限于使用最小二乘法进行平面拟合得到的拟合面。参考面可以是利用最小二乘法得到的拟合面。
在本申请实施例中，根据目标栅格点云数据的几何特征，确定出目标栅格点云数据对应的拟合面，从而获取目标栅格点云数据中每个点到拟合面之间的距离，将全部点云数据的距离平均值作为目标格栅点云数据对应的栅格区域的参考面的厚度，实现了通过目标栅格点云数据确定拟合面，从而计算参考面厚度，以获取与栅格区域对应的厚度，进一步得到用于评价场景点云数据的标定评价参数，利用标定评价参数进行标定评价，以提高标定评价的准确性。
作为一种可选的实施方式，如图8所示，在所确定出目标栅格点云数据对应的栅格区域中的拟合面之前，还包括：
S802，基于目标栅格点云数据确定出候选拟合面；
S804，去除与候选拟合面之间的距离大于目标距离阈值的离散点，以更新目标栅格点云数据。
可选地，基于目标栅格点云数据确定出候选拟合面可以但不限于利用数据筛选以基于筛选出的数据确定出候选拟合面，利用算法确定出候选拟合面对应的数据集合以基于数据集合确定出候选拟合面。
可选地，利用算法确定出候选拟合面对应的数据集合可以但不限于利用随机抽样一致(Random Sample Consensus，简称RANSAC)算法确定候选拟合面所包含的数据集合。
随机抽样一致(Random Sample Consensus，简称RANSAC)算法是一个非确定性算法。采用迭代的方式从一组包含离群的被观测数据中估算出数学模型，通过假设离群数据是不适合模型化的数据，将除去离群数据以外的数据拟合在同一数据模型中，从而产生在一定概率下合理的输出结果。
在本申请实施例中，通过在确定拟合面之前目标栅格点云数据进行候选拟合面计算并去除距离候选拟合面较远的数据点，以减少边缘数据对于拟合面的影响，从而提高拟合面确定的准确率，以提高标定参数的准确性。
可选地，目标栅格点云数据对应的栅格区域可以是基于目标栅格点云数据对于当前场景点云数据对于当前场景点云数据划分形成的栅格区域。每个栅格区域中可以包含一个目标栅格点云数据。
可选地，栅格区域的划分可以但不限于基于所包含的栅格点云数据的数量进行均衡划分，以使多个栅格区域在满足每个栅格区域只包含一个目标栅格点云数据的情况下，所包含的栅格点云数据的数量均衡。
可选地，在目标栅格点云数据是相邻的栅格点云数据的情况下，每一个目标栅格点云数据所在的区域划分为一个栅格区域。在目标栅格点云数据不是相邻的栅格点云数据的情况下，确定每个目标栅格点云数据对应的栅格区域。
可选地，当前场景点云数据匹配的标定评价参数可以是基于全部栅格区域对应的参考面的厚度进行均值计算得到的平均厚度。
在本申请实施例中，基于目标栅格数据对当前场景点云数据划分的多个栅格点云数据进行栅格区域归属设定，以根据目标栅格点云数据的拟合面厚度作为栅格区域的参考面厚度，实现了通过多个栅格区域的平均厚度作为当前场景点云数据的标定评价参数以评价当前场景点云数据的标记效果，使得当前场景点云数据的评价数据更加具备代表性，也提高了标定的准确性。
作为一种可选的实施方式，如图9所示，获取目标车辆在当前场景中确定出的当前场景点云数据包括：
S902，获取目标车辆在当前场景中采集到的点云定位结果和组合导航定位结果，其中，点云定位结果为基于目标车辆中的第一传感设备采集到的点云数据得到的定位结果，组合导航定位结果为基于目标车辆中的第二传感设备采集到的目标车辆的多个运动数据组合定位得到的定位结果；
S904，对点云定位结果和组合导航定位结果进行拼接，以得到目标车辆对应的当前场景点云数据。
可选地，点云定位结果可以但不限于是基于第一传感设备建立的坐标系中的点云数据的分布结果。第一传感设备可以但不限于包括使用同一坐标系的多个传感子设备。
可选地，第一传感设备可以但不限于是激光雷达类设备，基于立体感知和定位的传感类设备。第一传感设备对应的坐标系可以是激光雷达使用的坐标系。
可选地，组合导航定位结果可以但不限于是基于第二传感设备建立的坐标系中定位数据的分布结果。第二传感设备可以但不限于包括使用同一坐标系的多个传感子设备。
可选地，第二传感设备可以但不限于是基于惯性测量单元和全球定位系统构成的定位类传感设备。第二传感设备对应的坐标系可以是惯性测量单元使用的坐标系。
可选地，对点云定位结果和组合导航定位结果进行拼接可以是通过确定第一传感设备对应的坐标系与第二传感设备对应的坐标系之间的相对关系，将点云定位结果和组合导航定位结果展示在同一坐标系中。
在本申请实施例中，通过将第一传感设备确定的点云定位结果和第二传感设备确定的组合导航定位结果拼接，得到当前场景对应的当前场景点云数据，实现了将不同传感设备在不同坐标系下展示的定位结果拼接生成了在同样坐标系下展示的场景点云数据，得到了精度更高的定位结果。
可选地，标定评价参数的方法可以如图10所示。在目标车辆中存在雷达导航和组合导航的情况下，执行S1002，获取点云定位结果，并执行S1004，获取组合导航定位结果。在获取到点云定位结果和组合导航定位结果的情况下，执行S1006，拼接点云定位结果和组合导航定位结果以生成当前场景点云数据。当前场景点云数据可以如图11所示，图11中的点云数据在部分区域呈现分布密集、连成平面的区域，这样的区域为可能存在参考平面的区域1102。在当前技术中，是利用肉眼根据当前场景点云数据中可能存在参考屏幕的区域1102对场景点云数据进行标定结果的评价，因此评价准确性较低。
在获取到当前场景点云数据的情况下，执行S1008，对当前场景点云数据进行分割。在对当场场景点云数据按照所包含的最小场景对象对应标准尺寸进行分割后，执行S1010，获取分割形成的多个栅格点云数据。在将场景点云数据栅格化后，执行S1012，判断栅格点云数据的几何特征是否指示其为目标栅格点云数据。
对于栅格点云数据的几何特征的判断，基于栅格点云数据构建点云特征矩阵，从而计算点云协方差矩阵，对点云协方差矩阵进行特征分解，得到点云特征集，在点云特征集中只包含一个接近0的目标特征值，其余特征值均不接近0时，确定栅格点云数据的集合特征指示其未目标栅格点云数据。点云特征集的特征不符合上述特征的情况下，确定栅格点云数据不是目标栅格点云数据。
在S1012的判断结果为是，即栅格点云数据的几何特征是指示其为目标栅格点云数据的情况下，执行S1014，确定栅格点云数据为参与评价的目标栅格点云数据。在S1012的判断结果为否，即栅格点云数据的几何特征指示其不是目标栅格点云数据的情况下，执行S1016，判断栅格点云数据为不参与评价的栅格点云数据。
在确定了参与评价的目标栅格点云数据的情况下，执行S1018，统计目标栅格点云数据的参考面厚度。目标栅格点云数据的参考面厚度是根据确定目标栅格点云数据对应的拟合面，计算栅格点云数据中每一个点到拟合面的距离，将目标栅格点云数据中全部点到拟合面的平均距离作为该目标栅格点云数据的参考面厚度。
在获取到目标栅格点云数据的参考面厚度的情况下，执行S1020，根据目标栅格点云数据的参考面厚度生成标定评价参数。统计全部目标栅格点云数据的参考面厚度，以获取到当前场景点云数据的参考面厚度，将当前场景点云数据的参考面厚度作为评价标定参数。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面，还提供了一种用于实施上述标定评价参数获取方法的标定评价参数获取装置。如图12所示，该装置包括：
获取模块1202，用于获取目标车辆在当前场景中确定出的当前场景点云数据，其中，当前场景点云数据中包括至少两个标定坐标体系下对目标车辆标定的定位结果；
分割模块1204，用于对当前场景点云数据进行分割，以得到多个栅格点云数据；
确定模块1206，用于根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从多个栅格点云数据中确定出目标栅格点云数据，其中，目标栅格点云数据的几何特征指示栅格区域中包括参考面；
生成模块1208，用于对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。
在本申请实施例中，在相关技术中目标车辆使用激光雷达和惯性测量单元进行定位的过程中，由于二者所采用的坐标系并不同，因而需要对二者的坐标系进行统一标定。但由于标定测量设备(或装置)的位置或姿态不同，将使得标定结果出现较大差异。为了克服上述问题，通常需要根据标定结果来对不同坐标系中的标定测量设备(或装置)的位置或姿态进行调整校正。但目前常用的方式只能是主观观察判断，而在本申请实施例中提供一种获取客观可衡量的标定评价参数的方式，通过对场景点云数据的几何特征进行客观分析和统计，以得到用于客观评价标定测量结果的标定评价参数，而不再依赖于专业人士的主观经验判断，从而实现通过该标定评价参数，来客观评价不同的标定过程。
可选地，目标车辆在当前场景中确定出的当前场景点云数据可以但不限于是运行在实际道路上的车辆在行驶过程中确定出的当前场景点云数据，运行在目标客户端中的车辆在行驶过程中确定出的当前场景点云数据。上述目标客户端可以是提供虚拟车辆形式功能的客户端，不限于是模拟驾驶客户端，提供虚拟车辆行驶功能的游戏客户端。
作为一种可选的实施方式，上述确定模块1206包括：
分析单元，用于对多个栅格点云数据中每个栅格点云数据依次进行主成分分析，以提取每个栅格点云数据分别匹配的点云特征集，其中，点云特征集用于确定栅格点云数据对应的几何特征；
目标单元，根据每个栅格点云数据分别匹配的点云特征集，从多个栅格点云数据中确定出目标栅格点云数据。
作为一种可选的实施方式，上述分析单元包括：
将多个栅格点云数据中每个栅格点云数据依次作为当前栅格点云数据，执行以下操作：
构建单元，用于基于当前栅格点云数据中各个点坐标构建点云特征矩阵；
计算单元，用于计算点云特征矩阵对应的点云协方差矩阵；
分解单元，用于对点云协方差矩阵进行特征值分解，以得到当前栅格点云数据匹配的当前点云特征集。
作为一种可选的实施方式，上述目标单元包括：
目标栅格确定单元，用于在当前点云特征集中包括的目标点云特征值与零的差值小于目标阈值，且当前点云特征集中除目标点云特征值之外的其他点云特征值与零的差值大于目标阈值的情况下，基于当前点云特征集所确定出的几何特征将指示当前栅格点云数据所在当前栅格区域中包括平面或曲面，并确定当前栅格点云数据为目标栅格点云数据。
作为一种可选的实施方式，上述生成模块1208包括：
参考单元，用于根据目标栅格点云数据的几何特征，确定出目标栅格点云数据各自对应的栅格区域中包括的参考面的参考厚度，其中，参考面包括平面或曲面；
统计单元，用于对所有目标栅格点云数据各自对应的参考厚度进行统计，以生成的标定评价参数。
作为一种可选的实施方式，上述参考单元包括：
对每个目标栅格点云数据依次执行以下操作：
拟合单元，用于确定出目标栅格点云数据对应的栅格区域中的拟合面；
距离单元，用于获取目标栅格点云数据中每个点到拟合面之间的距离；厚度单元，用于根据距离的平均值确定拟合面的厚度
确定单元，用于将拟合面的厚度作为目标栅格点云数据对应的栅格区域中参考面的厚度。
作为一种可选的实施方式，上述分割模块1204包括：
提取单元，用于根据当前场景点云数据提取当前场景中包含的场景对象；
对象单元，用于从当前场景包含的场景对象中确定出目标场景对象，其中，目标场景对象为尺寸最小的场景对象；
尺度单元，用于基于目标场景对象的尺寸确定当前场景点云数据对应的分割尺度；
分割单元，用于按照分割尺度进行分割，以得到多个栅格点云数据。
作为一种可选的实施方式，上述获取模块1202还可以用于：
获取目标车辆在当前场景中采集到的点云定位结果和组合导航定位结果，其中，点云定位结果为基于目标车辆中的第一传感设备采集到的点云数据得到的定位结果，组合导航定位结果为基于目标车辆中的第二传感设备采集到的目标车辆的多个运动数据组合定位得到的定位结果；
对点云定位结果和组合导航定位结果进行拼接，以得到目标车辆对应的当前场景点云数据。
根据本发明实施例的又一个方面，还提供了一种用于实施上述标定评价参数获取方法的电子设备，该电子设备可以是图1所示的终端设备或服务器。本实施例以该电子设备为服务器为例来说明。如图13所示，该电子设备包括存储器1302和处理器1304，该存储器1302中存储有计算机程序，该处理器1304被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标车辆在当前场景中确定出的当前场景点云数据，其中，当前场景点云数据中包括至少两个标定坐标体系下对目标车辆标定的定位结果；
S2，对当前场景点云数据进行分割，以得到多个栅格点云数据；
S3，根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从多个栅格点云数据中确定出目标栅格点云数据，其中，目标栅格点云数据的几何特征指示栅格区域中包括参考面；
S4，对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。
可选地，本领域普通技术人员可以理解，图13所示的结构仅为示意，电子装置电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图13其并不对上述电子装置电子设备的结构造成限定。例如，电子装置电子设备还可包括比图13中所示更多或者更少的组件(如网络接口等)，或者具有与图13所示不同的配置。
其中，存储器1302可用于存储软件程序以及模块，如本发明实施例中的标定评价参数获取方法和装置对应的程序指令/模块，处理器1304通过运行存储在存储器1302内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，即实现上述的标定评价参数获取方法。存储器1302可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1302可进一步包括相对于处理器1304远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器1302具体可以但不限于用于存储场景点云数据和评价标定参数等信息。作为一种示例，如图13所示，上述存储器1302中可以但不限于包括上述标定评价参数获取装置中的获取模块1202，分割模块1204，确定模块1206，生成模块1208。此外，还可以包括但不限于上述标定评价参数获取装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置1306用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1306包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1306为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器1308，用于显示上述当前场景点云数据；和连接总线1310，用于连接上述电子设备中的各个模块部件。
在其他实施例中，上述终端设备或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点(P2P，Peer To Peer)网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
根据本申请的一个方面，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。计算机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，使得该计算机设备执行上述标定评价参数获取方面的各种可选实现方式中提供的标定评价参数获取方法。其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取目标车辆在当前场景中确定出的当前场景点云数据，其中，当前场景点云数据中包括至少两个标定坐标体系下对目标车辆标定的定位结果；
S2，对当前场景点云数据进行分割，以得到多个栅格点云数据；
S3，根据多个栅格点云数据中每个栅格点云数据各自对应的几何特征，从多个栅格点云数据中确定出目标栅格点云数据，其中，目标栅格点云数据的几何特征指示栅格区域中包括参考面；
S4，对目标栅格点云数据的几何特征进行统计，以生成当前场景点云数据匹配的标定评价参数。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种标定评价参数获取方法，其特征在于，包括：
获取目标车辆在当前场景中确定出的当前场景点云数据，其中，所述当前场景点云数据中包括至少两个标定坐标体系下对所述目标车辆标定的定位结果；
对所述当前场景点云数据进行分割，以得到多个栅格点云数据；
根据所述多个栅格点云数据中每个所述栅格点云数据各自对应的几何特征，从所述多个栅格点云数据中确定出目标栅格点云数据，其中，所述目标栅格点云数据的几何特征指示栅格区域中包括参考面；
对所述目标栅格点云数据的几何特征进行统计，以生成所述当前场景点云数据匹配的标定评价参数。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个栅格点云数据中每个所述栅格点云数据各自对应的几何特征，从所述多个栅格点云数据中确定出目标栅格点云数据包括：
对所述多个栅格点云数据中每个所述栅格点云数据依次进行主成分分析，以提取每个所述栅格点云数据分别匹配的点云特征集，其中，所述点云特征集用于确定所述栅格点云数据对应的几何特征；
根据每个所述栅格点云数据分别匹配的所述点云特征集，从所述多个栅格点云数据中确定出目标栅格点云数据。
3.根据权利要求2所述的方法，其特征在于，所述对所述多个栅格点云数据中每个所述栅格点云数据依次进行主成分分析，以提取每个所述栅格点云数据分别匹配的点云特征集包括：
将所述多个栅格点云数据中每个所述栅格点云数据依次作为当前栅格点云数据，执行以下操作：
基于所述当前栅格点云数据中各个点坐标构建点云特征矩阵；
计算所述点云特征矩阵对应的点云协方差矩阵；
对所述点云协方差矩阵进行特征值分解，以得到所述当前栅格点云数据匹配的当前点云特征集。
4.根据权利要求3所述的方法，其特征在于，所述根据每个所述栅格点云数据分别匹配的所述点云特征集，从所述多个栅格点云数据中确定出目标栅格点云数据包括：
在所述当前点云特征集中包括的目标点云特征值与零的差值小于目标阈值，且所述当前点云特征集中除所述目标点云特征值之外的其他点云特征值与零的差值大于所述目标阈值的情况下，基于所述当前点云特征集所确定出的几何特征将指示所述当前栅格点云数据所在当前栅格区域中包括所述参考面，并确定所述当前栅格点云数据为所述目标栅格点云数据。
5.根据权利要求1所述的方法，其特征在于，所述对所述目标栅格点云数据的几何特征进行统计，以生成所述当前场景点云数据匹配的标定评价参数包括：
根据所述目标栅格点云数据的几何特征，确定出所述目标栅格点云数据各自对应的栅格区域中包括的所述参考面的参考厚度，其中，所述参考面包括平面或曲面；
对所有所述目标栅格点云数据各自对应的参考厚度进行统计，以生成所述的标定评价参数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述目标栅格点云数据的几何特征，确定出所述目标栅格点云数据各自对应的栅格区域中参考面的厚度包括：
对每个所述目标栅格点云数据依次执行以下操作：
确定出所述目标栅格点云数据对应的栅格区域中的拟合面；
获取所述目标栅格点云数据中每个点到所述拟合面之间的距离；
根据所述距离的平均值确定所述拟合面的厚度
将所述拟合面的厚度作为所述目标栅格点云数据对应的栅格区域中所述参考面的厚度。
7.根据权利要求6所述的方法，其特征在于，在所确定出所述目标栅格点云数据对应的栅格区域中的拟合面之前，还包括：
基于所述目标栅格点云数据确定出候选拟合面；
去除与所述候选拟合面之间的距离大于目标距离阈值的离散点，以更新所述目标栅格点云数据。
8.根据权利要求1所述的方法，其特征在于，所述对所述当前场景点云数据进行分割，以得到多个栅格点云数据包括：
根据所述当前场景点云数据提取所述当前场景中包含的场景对象；
从所述当前场景包含的场景对象中确定出目标场景对象，其中，所述目标场景对象为尺寸最小的场景对象；
基于所述目标场景对象的尺寸确定所述当前场景点云数据对应的分割尺度；
按照所述分割尺度进行分割，以得到所述多个栅格点云数据。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述获取目标车辆在当前场景中确定出的当前场景点云数据包括：
获取所述目标车辆在所述当前场景中采集到的点云定位结果和组合导航定位结果，其中，所述点云定位结果为基于所述目标车辆中的第一传感设备采集到的点云数据得到的定位结果，所述组合导航定位结果为基于所述目标车辆中的第二传感设备采集到的所述目标车辆的多个运动数据组合定位得到的定位结果；
对所述点云定位结果和所述组合导航定位结果进行拼接，以得到所述目标车辆对应的所述当前场景点云数据。
10.一种标定评价参数获取装置，其特征在于，包括：
获取模块，用于获取目标车辆在当前场景中确定出的当前场景点云数据，其中，所述当前场景点云数据中包括至少两个标定坐标体系下对所述目标车辆标定的定位结果；
分割模块，用于对所述当前场景点云数据进行分割，以得到多个栅格点云数据；
确定模块，用于根据所述多个栅格点云数据中每个所述栅格点云数据各自对应的几何特征，从所述多个栅格点云数据中确定出目标栅格点云数据，其中，所述目标栅格点云数据的几何特征指示栅格区域中包括参考面；
生成模块，用于对所述目标栅格点云数据的几何特征进行统计，以生成所述当前场景点云数据匹配的标定评价参数。
11.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至9任一项中所述的方法。
12.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至9任一项中所述的方法。
CN202110077697.2A 2021-01-20 2021-01-20 标定评价参数获取方法和装置、存储介质及电子设备 Pending CN113610745A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110077697.2A CN113610745A (zh) 2021-01-20 2021-01-20 标定评价参数获取方法和装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110077697.2A CN113610745A (zh) 2021-01-20 2021-01-20 标定评价参数获取方法和装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN113610745A true CN113610745A (zh) 2021-11-05

Family

ID=78303261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110077697.2A Pending CN113610745A (zh) 2021-01-20 2021-01-20 标定评价参数获取方法和装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113610745A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114926656A (zh) * 2022-06-07 2022-08-19 北京百度网讯科技有限公司 对象识别方法、装置、设备及介质
WO2023103143A1 (zh) * 2021-12-07 2023-06-15 上海仙途智能科技有限公司 传感器检测的方法、装置、电子设备及可读储存介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023103143A1 (zh) * 2021-12-07 2023-06-15 上海仙途智能科技有限公司 传感器检测的方法、装置、电子设备及可读储存介质
CN114926656A (zh) * 2022-06-07 2022-08-19 北京百度网讯科技有限公司 对象识别方法、装置、设备及介质
CN114926656B (zh) * 2022-06-07 2023-12-19 北京百度网讯科技有限公司 对象识别方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN111199564B (zh) 智能移动终端的室内定位方法、装置与电子设备
JP6321202B2 (ja) モバイルプラットフォームの運動を決定する方法、装置、及びシステム
CN113899375B (zh) 车辆定位方法和装置、存储介质及电子设备
CN110501036A (zh) 传感器参数的标定检查方法及装置
CN103236064A (zh) 一种基于法向量的点云自动配准方法
CN107610110B (zh) 一种全局和局部特征相结合的跨尺度图像质量评价方法
CN105738915B (zh) 三维雷达测量方法及装置
CN105678076B (zh) 点云测量数据质量评估优化的方法及装置
CN109283562A (zh) 一种车联网中车辆三维定位方法及装置
CN113610745A (zh) 标定评价参数获取方法和装置、存储介质及电子设备
JP5870011B2 (ja) 点群解析装置、点群解析方法及び点群解析プログラム
Ma et al. An enriched K-means clustering method for grouping fractures with meliorated initial centers
Zheng et al. Minimal solvers for 3d geometry from satellite imagery
CN112489099A (zh) 点云配准方法、装置、存储介质及电子设备
CN117252863B (zh) 一种地理信息异常数据快速检测分析方法
CN113592015A (zh) 定位以及训练特征匹配网络的方法和装置
Laotrakunchai et al. Measurement of size and distance of objects using mobile devices
CN113822892A (zh) 仿真雷达的评测方法、装置、设备及计算机程序产品
US20150032409A1 (en) Method and apparatus for calculating azimuth
CN114674328B (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
Daudt et al. Learning to understand earth observation images with weak and unreliable ground truth
CN113625262A (zh) 目标轨迹确定方法及相关设备
Li et al. Absolute pose estimation using multiple forms of correspondences from RGB-D frames
KR20220018371A (ko) 3차원 지형 모델 복원을 위한 점군 데이터 정합 방법 및 그 장치
CN115937304B (zh) 一种通过稀疏点云精确估计立木位置及胸径的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40055307

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination