1.一种无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,包括:步骤一、基于三维激光雷达、RGB‑D相机、镂空标定板搭建车载的传感器系统,其中标定板上设置有四个镂空圆;
步骤二、基于相机与镂空标定板的配合,通过计算得到标定板上各镂空位置的中心在三维空间下的多个第一组圆心坐标;
步骤三、基于三维激光雷达与镂空标定板的配合,通过计算得到标定板各镂空位置在三维状态下对应的多个第二组圆心坐标;
步骤四、基于标定板上的镂空圆个数,获得多对一一对应的圆心坐标数据对;
步骤五、利用改进的ICP算法解算数据对之间的位置关系,完成二者的标定。
2.如权利要求1所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,在步骤一中,所述三维激光雷达被配置为采用VLP‑16线激光雷达,所述RGB‑D相机被配置为采用MYNT EYE深度相机;
其中,所述标定板被配置在传感器系统正前方1.5~7m,且标定板能全部在相机的取景图像中,同时至少有2行激光束能扫描到4个镂空圆的边缘;
镂空标定板后面设置有与其大小一致的黄色背景板。
3.如权利要求1所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,在步骤二中,第一圆心坐标的获取方式被配置为包括:S21、基于单目采的集RGB图像数据转换成LAB图像,对B通道进行阈值分割,滤除黄色以外的所有颜色;
S22、对图像进行二值化处理、candy边缘检测、最小二乘法对圆进行拟合,以得到标定板镂空圆圆心对应的二维像素坐标;
S23、调用相机自带的深度图数据,将彩色图与深度图对齐,得到与二维像素坐标对应的深度值,并基于以下公式得到圆心在三维空间下的第一组圆心坐标:x=(u‑cx)*z/fxy=(v‑cy)*z/fy其中,(u,v)为二维像素坐标,(x,y,z)为二维像素坐标对应的第一圆心坐标,d为深度,depth_scale为尺度因子,fx和fy为焦距,cx和cy为相机主点。
4.如权利要求1所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,在步骤三中,第二组圆心坐标的获取方式被配置为包括:S31、使用直通滤波滤除标定板周围点云,使用RANSAC算法拟合标定板平面方程;
S32、通过指定一个表示相邻点云深度差的一个量值的方法,过滤掉标定板上的连续点,保留不连续点,去除不属于标定板镂空圆边缘的点云;
S33、将镂空圆边缘上的点映射到二维平面上拟合圆,得圆心二维坐标;
S34、将圆心二维坐标映射到三维空间中,以得到第二组三维坐标。
5.如权利要求1所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,在步骤五中,所述改进的ICP算法被配置为在ICP算法中加入最大相关熵准则MCC,其被配置为包括:S51、基于MCC的局部相似度量函数,建立稀疏ICP算法模型;
S52、对基于MCC的稀疏ICP算法模型进行求解。
6.如权利要求5所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,最大相关熵准则论证方式被配置为包括:+S510、将两个随机变量的局部相似性表示为:Vσ(A,B)=E[kσ(A‑B)],其中kσ(.)是一种内核函数,E是数学期望;
S511、两个有限集数据 的相关熵通过 进行估计,其中,高斯核函数kσ(.)为:S512、对于任意两个相同维度的向量 和 将之作差得到其中ej=aj‑bj,则ej的最大相关熵为 在内核宽度σ决定的小范围邻域内,相关熵可以看作是衡量两个随机变量相似度的方法,则相关熵越大,两个变量间的相似度越高,当Vσ(A,B)取得最大值的时候,A,B之间的误差E就最小。
7.如权利要求5所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,基于MCC的稀疏ICP算法模型数学表达式如下所示:T
s.t.RR=I,det(R)=1。
8.如权利要求5所述的无人驾驶环境感知中相机与激光雷达标定系统及标定方法,其特征在于,基于MCC的稀疏ICP算法模型的求解方式被配置为包括:S521、对t求偏导:
得到:
其中,w表示迭代时用指数项部分的(Ek‑1,Rk‑1,tk‑1)代替(Ek,Rk,tk);
S522、令:
则含参数R,E的目标函数变为:S523、令:
N=Q+E;
则含参数R的目标函数为:通过半方(HQ)技术,将上式转换为:其中:
则最大化f(R)等价于:F(R)=‑tr(H);
其中:
通过SVD分解H得:
T
R=VDU;
此时求解稀疏矩阵E,则只含E的目标函数如下:其中:
S524、令:
RX+t‑P=M;
则等价于:
其中,B是一个以b为对角元素的对角矩阵,上式等价于:其中:
有:
解得:
其中:
即A中的每个元素都是: