1.一种雷视融合外参标定方法,其特征在于,包括如下步骤:步骤1:将激光雷达获取的点云集合记为Point,对Point进行处理获取点云中的目标对象,保留所有目标对象的点云形成新的点云集合Object={pi|i=1,2,…,N},其中pi表示点云集合Object中的第i个点,N表示Object中点的数量;
步骤2:将单相机获取的图像记为Picture,对Picture进行处理获取图像中的目标对象,将Picture中目标对象所在区域保留,其他区域的像素值置为0,并获取Picture中目标对象所在区域的最小外包围框,记为Rect[v1,v2,v3,v4],其中v1、v2、v3、v4按顺序依次表示Rect的左上角顶点,右上角顶点,左下角顶点,右下角顶点;
步骤3:对点云集合Object中的所有点云执行区域生长分割,将点云分割后的结果记为集合Cluster={cj|j=1,2,…,M},其中cj表示点云分割后的第j个点云子集,M表示点云分割后的点云子集数量;
步骤4:针对Cluster中的所有点云子集cj,将每个点云子集cj中的边界点提取出来,放入点云边界点集合A={as|s=1,2,…,S},其中as表示边界点集合A中的第s个边界点,S表示集合A中的边界点数量;
步骤5:将步骤2处理后的Picture图像进行灰度化处理,再使用Canny边缘检测获取图像中的边缘,将检测得到的所有边缘点放入集合B={bk|k=1,2,…,K},其中bk表示边缘点集合B中的第k个边缘点,K表示集合B中的边缘点数量;
步骤6:初始化相机和激光雷达之间待标定的外参,包括旋转向量R=(r1,r2,r3)和平移向量t=(t1,t2,t3),其中r1、r2、r3表示向量R中的三个元素,t1、t2、t3表示向量t中的三个元素;初始化优化算法总迭代次数Iter,设置随机策略启动标志符号flagran=false,接受更差解的次数Count=0,初始化阻尼因子λ、阻尼因子最大值λmax、模拟退火初始温度T、降温系数a、降温阈值Tc;
步骤7:算法进入迭代,将集合A中的所有边界点as根据当前外参向量R和t按照式(1)进行投影,将集合Object中的所有点pi根据当前外参向量R和t按照式(2)进行投影;
其中 为as在图像Picture中对应的投影点, 为pi在图像Picture中对应的投影点,C为相机内参;
步骤8:针对步骤7获得的每个 在集合B中遍历找到与其最近邻的点,记为bs,并在Picture中获取步骤7获得的所有 所在区域的最小外包围框,记为Rect′[v1′,v′2,v′3,v′4],其中v1′、v′2、v′3、v′4按顺序依次表示Rect′的左上角顶点,右上角顶点,左下角顶点,右下角顶点;
步骤9:根据式(3)计算每个 与其对应的bs之间的残差,存入残差向量其中re2s‑1和re2s分别表示RE向量中第2s‑1和2s个元素, 和 分别为 的x和y坐标,bs.x和bs.y分别为bs的x和y坐标;
步骤10:根据式(4)计算每个v′u与其对应的vu之间的残差,存入残差向量其中v′u和vu分别表示Rect′和Rect中的第u个顶点,rb2u‑1和rb2u分别表示向量RB中第
2u‑1和2u个元素,v′u.x和v′u.y分别为v′u的x和y坐标,vu.x和vu.y分别为vu的x和y坐标;
步骤11:根据式(5)计算代价值Cost,判断Cost是否小于等于优化结束条件阈值Tend,若Cost≤Tend,则标定方法迭代结束,当前外参向量R和t即为标定的结果,若Cost>Tend,则继续执行步骤12;
其中w1和w2为预先定义的权重系数,满足w1+w2=1,U为Rect或者Rect′中的顶点数量;
步骤12:使用数值微分方法近似 的计算函数对当前外参R和t的雅可比矩阵,记为并根据式(6)计算外参R和t的更新向量
T ‑1 T
DE=(JEJE+λI) JERE (6)
其中I为维度6×6的单位矩阵;
步骤13:使用数值微分方法近似v′u的计算函数对当前外参R和t的雅可比矩阵,记为并根据式(7)计算外参R和t的更新向量
T ‑1 T
DB=(JBJB+λI) JBRB (7);
步骤14:根据式(8)更新得到一组新的参数向量Rtmp1和ttmp1,根据式(9)更新得到一组新的参数向量Rtmp2和ttmp2,
其中DE(1:3)和DE(4:6)分别表示取DE向量中1~3个元素、4~6个元素形成的新的向量,DB(1:3)和DB(4:6)分别表示取DB向量中1~3个元素、4~6个元素形成的新的向量;
步骤15:根据Rtmp1和ttmp1计算对应的代价值Cost1,根据Rtmp2和ttmp2计算对应的代价值Cost2;
步骤16:若满足Cost1
步骤17:若flagran=true或者||Delta||0=0或者Costtmp=Cost,则根据式(10)重新生成Delta中的所有参数更新值,然后执行步骤18,否则,执行步骤19,dm=random[‑0.1,
0.1] (10)
其中dm表示Delta中的第m个参数更新值,random[‑0.1,0.1]表示生成‑0.1~0.1之间的随机数;||*||0是向量取0范式的符号;
步骤18:根据式(11)更新得到新的参数向量Rtmp和ttmp,并根据Rtmp和ttmp计算对应的代价值Costtmp,
其中Delta(1:3)和Delta(4:6)分别表示取Delta向量中1~3个元素、4~6个元素形成的新的向量;
步骤19:根据式(12)计算得到接受更差解的概率值P;
P=exp((Cost‑Costtmp)/T) (12);
步骤20:若Costtmp
步骤21:返回步骤7执行,直到达到指定的迭代次数Iter,最终获得的参数向量R和t即为优化得到的参数向量。
2.根据权利要求1所述的一种雷视融合外参标定方法,其特征在于步骤12中使用数值微分方法近似 的计算函数对当前外参R和t的雅可比矩阵的步骤如下:
12.1):令R′=R,t′=t,针对R′中的第1个元素加上一个微量的扰动值δ;
12.2):将集合A中的所有边界点as根据步骤12.1)处理后的外参R′和t′按照式(13)投影到图像Picture中,其中 为as在图像Picture中对应的投影点;
12.3):根据式(14)计算雅可比矩阵JE中的第2s‑1行第1列的元素je(2s‑1)1和第2s行第1列的元素je(2s)1;
12.4):针对R′中的第2个元素和第3个元素,分别按照12.1)‑12.3)的步骤计算得到雅可比矩阵JE中所有的第2列的元素和第3列的元素;
12.5):针对t′中的第1个元素、2个元素和第3个元素,分别按照12.1)‑12.3)的步骤计算得到雅可比矩阵JE中所有的第4列的元素、第5列的元素和第6列的元素。
3.根据权利要求1所述的一种雷视融合外参标定方法,其特征在于步骤13中使用数值微分方法近似v′u的计算函数对当前外参R和t的雅可比矩阵的步骤如下:
13.1):令R″=R,t″=t,针对R″中的第1个元素加上一个微量的扰动值δ;
13.2):将集合Object中的所有点pi根据步骤13.1)处理后的外参R″和t″按照式(15)投影到图像Picture中,其中 为pi在图像Picture中对应的投影点;
13.3):在Picture中获取步骤13.2)获得的所有 所在区域的最小外包围框,记为Rect″[v1″,v′2′,v′3′,v′4′],其中v1″、v′2′、v′3′、v′4′按顺序依次表示Rect″的左上角顶点,右上角顶点,左下角顶点,右下角顶点;
13.4):根据式(16)计算雅可比矩阵JB中所有第1列的元素;
13.5):针对R″中的第2个元素和第3个元素,分别按照13.1)‑13.4)的步骤计算得到雅可比矩阵JB中所有的第2列的元素和第3列的元素;
13.6):针t″中的第1个元素、2个元素和第3个元素,分别按照13.1)‑13.4)的步骤计算得到雅可比矩阵JB中所有的第4列的元素、第5列的元素和第6列的元素。
4.根据权利要求1所述的一种雷视融合外参标定方法,其特征在于步骤15中根据Rtmp1和ttmp1计算对应的代价值Cost1的步骤如下:
15.1):使用Rtmp1和ttmp1分别代替步骤7中的R和t,然后执行步骤7‑步骤10;
15.2):根据式(17)计算代价值Cost1
5.根据权利要求1所述的一种雷视融合外参标定方法,其特征在于步骤15中根据Rtmp2和ttmp2计算对应的代价值Cost2的步骤如下:
15.3):使用Rtmp2和ttmp2分别代替步骤7中的R和t,执行步骤7‑步骤10;
15.4):根据式(18)计算代价值Cost2
6.根据权利要求1所述的一种雷视融合外参标定方法,其特征在于步骤18中并根据Rtmp和ttmp计算对应的代价值Costtmp的步骤如下:
18.1):使用Rtmp和ttmp分别代替步骤7中的R和t,执行步骤7‑步骤10;
18.2):根据式(19)计算代价值Costtmp
7.根据权利要求1所述的一种雷视融合外参标定方法,其特征在于步骤20中更新λ和T的步骤如下:
20.1):判断Costtmp是否小于Cost,若Costtmp
20.2):若Costtmp≥Cost,令λ=λ×10,Count=Count+1,然后判断Count%Tc是否等于
0,若Count%Tc=0,则令T=T×a;Count%Tc表示Count除Tc取余。