【技術實現步驟摘要】
本專利技術屬于智能駕駛，尤其涉及一種基于三維車道線的車輛多相機外參標定方法及系統。
技術介紹
1、智駕車輛在安裝相機后出廠時，通常需要進行靜態標定以獲取精準的相機內外參數，但是車輛在行駛后因為顛簸等因素，相機鏡頭會產生松動導致原先外參發生變化，影響智駕感知性能。此外，在試驗智駕方案時，相機安裝方式并不總是固定，也不會有出廠標定的條件。因此，如何簡單有效地標定相機外參是智駕領域重要的問題，而對于多相機部署方案，多相機標定就顯得更加棘手。
技術實現思路
1、有鑒于此，本專利技術提供了一種基于三維車道線的車輛多相機外參標定方法及系統，采用車輛行駛經過的車道線三維信息和各個相機在二維圖像上感知到的車道線檢測結果，優化各相機相對于車輛坐標系的外參旋轉矩陣，提高了相機外參標定的精確性和效率，具體采用以下技術方案來實現。
2、第一方面，本專利技術提供了一種基于三維車道線的車輛多相機外參標定方法，包括以下步驟：
3、獲取車輛行駛的多個相機采集的圖像，并對所述圖像進行單幀車道線檢測得到二維車道線實例，其中，所述二維車道線實例包括雙目相機的單幀二維車道線實例和待標定相機的單幀二維車道線實例；
4、對所述二維車道線實例進行圖像深度分析得到單幀三維車道線實例空間信息；
5、獲取雙目相機采集的高精度車輛運動位姿變換軌跡，根據所述單幀三維車道線實例空間信息和所述高精度車輛運動位姿變換軌跡進行三維重建得到雙目坐標系的多幀長程三維車道線實例；
6、構建所
7、作為上述技術方案的優選，獲取車輛行駛的多個相機采集的圖像，并對所述圖像進行單幀車道線檢測得到二維車道線實例，包括：
8、獲取各相機采集車輛行駛的車道線圖像和各相機的位姿；
9、根據所述各相機的位姿對所述車道線圖像進行單幀車道線檢測得到二維車道線實例。
10、作為上述技術方案的優選，獲取雙目相機采集的高精度車輛運動位姿變換軌跡，包括：
11、根據各相機的位姿計算單幀二維車道線實例對應的雙目相機坐標系；
12、根據所述雙目相機坐標系和所述各相機的位姿確定雙目相機采集的高精度車輛運動位姿變換軌跡。
13、作為上述技術方案的優選，對所述二維車道線實例進行圖像深度分析得到單幀三維車道線實例空間信息，包括：
14、獲取所述單幀二維車道線實例中的特征點，并根據所述特征點對兩個單幀二維車道線實例進行特征匹配得到實例匹配對；
15、根據所述實例匹配對進行深度圖像分析得到單幀圖像中的二維車道線實例對應的像素深度，其中，深度圖像分析包括采用激光投影對齊或雙目深度估計；
16、基于所述像素深度恢復出所述二維車道線實例對應的單幀三維車道線實例空間信息。
17、作為上述技術方案的優選，根據所述高精度車輛運動位姿變換軌跡對所述單幀三維車道線實例空間信息進行拼接得到多幀長程三維車道線實例。
18、作為上述技術方案的優選，根據所述高精度車輛運動位姿變換軌跡對所述單幀三維車道線實例空間信息進行拼接得到多幀長程三維車道線實例，包括：
19、預設第i幀第j個三維點在當前幀的車輛坐標系的坐標為(x,y,z)ij，構建第i幀的車輛坐標系a相對于起始參考系b的位姿變換矩陣[r|t]，其中，r為3×3的旋轉矩陣，t為3×1的平移矩陣，對應的表達式為：
20、(xb,yb,zb)t＝ra→b(xa,ya,za)t+ta→b?(1)
21、其中，(xb,yb,zb)表示起始參考系b的三維坐標，za表示車輛坐標系a的三維坐標，ra→b表示車輛坐標系a到起始參考系b的旋轉變換，ta→b表示車輛坐標系a到起始參考系b的平移變換；
22、根據所述位姿變換矩陣對所述三維點進行位姿轉換得到所述三維點在所述起始參考系b中的三維坐標；
23、根據所述起始參考系b中的三維坐標構建所述二維車道線實例與所述三維車道線實例的映射誤差函數，并優化所述映射誤差函數得到各相機到所述車輛坐標系的外參旋轉矩陣，其中，所述三維車道線實例包括多幀長程三維車道線實例。
24、作為上述技術方案的優選，根據所述起始參考系b中的三維坐標構建所述二維車道線實例與所述三維車道線實例的映射誤差函數，包括：
25、預設二維車道線實例對應的像素位置坐標點集為{(u0,v0),(u1,v1),(u2,v2)...,(uj,vj),...}，對應的二維車道線實例擬合方程為：
26、{u＝a3*v3+a2*v2+a1*v+b,(vstart,vend)}?(2)
27、其中，vstart和vend分別表示起點、終點的v坐標，a1、a2、a3和b為常數；
28、預設三維車道線實例的車輛坐標系的位置坐標點集{(x0,y0,z0),(x1,y1,z1),(x2,y2,z2)...,(xj,yj,zj),...}，三維車道線實例對應的擬合方程為：
29、{y＝c3*x3+c2*x2+c1*x+c0,z＝d3*x3+d2*x2+d1*x+d0,(xstart,xend)}??(3)
30、其中，c3、c2、c1、c0、d3、d2、d1、d0為常數，xstart和xend分別是起點、終點的x坐標；
31、則車輛坐標系中的一點w三維坐標(xw,yw,zw)通過矩陣[r|t]轉換到相機坐標系的表達式為：
32、
33、相機坐標系下w點通過相機投影模型轉換到像素坐標系，其中，內參畸變參數為已知，則對應的外參旋轉矩陣表達式為：
34、
35、其中，f為相機焦距，fx，fy表示相機焦距在x、y方向的分量。
36、作為上述技術方案的優選，獲取相機感知二維車道線實例投影到三維車道線實例的感知結果，并構建所述感知結果擬合面上的映射點到對應三維車道線實例擬合曲線方程的第一點線距誤差函數；
37、構建三維車道線實例投影到相機圖像上的像素點到對應二維車道線實例擬合曲線方程的第二點線距誤差函數；
38、基于所述第一點線距誤差函數和所述第二點線距誤差函數優化所述映射誤差函數得到各相機到所述車輛坐標系的外參旋轉矩陣。
39、第二方面，本專利技術還提供了一種基于三維車道線的車輛多相機外參標定系統，包括：
40、車道線實例獲取模塊，用于獲取車輛行駛的多個相機采集的圖像，并對所述圖像進行單幀車道線檢測得到二維車道線實例，其中，所述二維車道線實例包括雙目相機的單幀二維車道線實例和待標定相機的單幀二維車道線實例；
41、車道線實例檢測模塊，用于對所述二維車道線實例進行圖像深度分析得到單幀三維車道線實例空間信息；
42、三維重建模塊，用于獲取雙目相機采本文檔來自技高網...
【技術保護點】
1.一種基于三維車道線的車輛多相機外參標定方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，獲取車輛行駛的多個相機采集的圖像，并對所述圖像進行單幀車道線檢測得到二維車道線實例，包括：
3.根據權利要求2所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，獲取雙目相機采集的高精度車輛運動位姿變換軌跡，包括：
4.根據權利要求3所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，對所述二維車道線實例進行圖像深度分析得到單幀三維車道線實例空間信息，包括：
5.根據權利要求4所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，還包括：
6.根據權利要求5所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，根據所述高精度車輛運動位姿變換軌跡對所述單幀三維車道線實例空間信息進行拼接得到多幀長程三維車道線實例，包括：
7.根據權利要求6所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，根據所述起始參考系B中的三維坐標構建所述二維車道
8.根據權利要求7所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，還包括：
9.一種基于三維車道線的車輛多相機外參標定系統，其特征在于，應用于如權利要求1-8任一項所述的基于三維車道線的車輛多相機外參標定方法，包括：
...【技術特征摘要】
1.一種基于三維車道線的車輛多相機外參標定方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，獲取車輛行駛的多個相機采集的圖像，并對所述圖像進行單幀車道線檢測得到二維車道線實例，包括：
3.根據權利要求2所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，獲取雙目相機采集的高精度車輛運動位姿變換軌跡，包括：
4.根據權利要求3所述的基于三維車道線的車輛多相機外參標定方法，其特征在于，對所述二維車道線實例進行圖像深度分析得到單幀三維車道線實例空間信息，包括：
5.根據權利要求4所述的基于三維車道線的車輛多相機外參標定方法，其特征在...
【專利技術屬性】
技術研發人員：王聰，
申請(專利權)人：蘇州摯途科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。