CN110849387B - 一种传感器参数标定方法和装置 - Google Patents
一种传感器参数标定方法和装置 Download PDFInfo
- Publication number
- CN110849387B CN110849387B CN201810948218.8A CN201810948218A CN110849387B CN 110849387 B CN110849387 B CN 110849387B CN 201810948218 A CN201810948218 A CN 201810948218A CN 110849387 B CN110849387 B CN 110849387B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- wheel
- radius
- right wheels
- coordinate system
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 8
- 230000036544 posture Effects 0.000 claims description 7
- 238000011065 in-situ storage Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 abstract description 10
- 230000009897 systematic effect Effects 0.000 abstract description 8
- 238000012937 correction Methods 0.000 abstract description 5
- 238000002474 experimental method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种传感器参数标定方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及车辆的理想左右轮半径、理想轮距,确定车辆左右轮半径与轮距的比值;确定车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合左右轮半径与轮距的比值,标定车辆的左右轮半径以及轮距。该实施方式考虑系统误差对车辆直线运动和旋转运动的影响,通过直线运动和旋转运动的实验数据离线校正左右轮半径、轮距以及摄像头在车辆坐标系下的位姿。测试表明,较正后的系统误差更小,且实验简单,易操作。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种传感器参数标定方法和装置。
背景技术
智能机器人的移动主要依据导航实现,而导航的前提是定位,所谓定位,是指机器人通过内外传感器确定自身在工作环境中的精确位置,比如里程计、摄像头、激光等。
但传感器在数据采集过程中普遍存在误差,即系统误差以及非系统误差,且系统误差与外界环境无关。现有技术对于传感器的标定,主要有离线标定和在线标定两种方式,其中:
1)离线标定主要有UMBmark(即,双向正方形路径),该方法中移动机器人沿边长4m×4m的正方形轨迹运动,通过测量末端点与预计末端点之间的差来进行标定;
2)在线标定,是指在外感知传感器(例如摄像头、激光、声呐)对机器人的位姿进行实时估计的同时对里程计系统误差进行标定,也称为同时定位与标定方法(SimultaneousLocalization and Calibration,SLAC)。
在实现本发明的过程中,发明人发现现有技术至少存在如下问题:
1)现有离线标定方法,对于末端点的测量需要通过人工完成,因此在精度上较难保证;
2)现有在线标定方法,需假设外部感知传感器的测试误差只存在高斯随机误差,而实际情况下,外部感知传感器也存在安装误差,测量时不可避免存在系统误差,因此标定效果会受到影响。
发明内容
有鉴于此,本发明实施例提供一种传感器参数标定方法和装置,至少能够解决现有误差标定方式,精度难把控、标定效果不准的问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种传感器参数标定方法,包括:获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值;确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距。
可选的,所述获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值,包括:
根据所述旋转位姿角以及所述预设位姿角,确定所述车辆的位姿角斜率;至少获取所述车辆的理想左右轮半径、理想轮距,结合所述位姿角斜率,确定所述车辆的左右轮半径与轮距的比值。
可选的,所述确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,包括:
获取预定时间段内所述车辆匀速直行时的距离,确定所述车辆的行驶速度;以及
获取所述预定时间段内所述车辆匀速直行时左右轮的编码增量、以及轮子转动一周时的编码脉冲值,确定所述左右轮的旋转角速度。
可选的,在所述标定所述车辆的左右轮半径以及轮距之后,还包括:调整所述车辆的车头方向与地球坐标系中预定坐标轴方向一致,标定拍摄设备坐标系中预定坐标轴与所述车辆坐标系中相应坐标轴的夹角;
分别获取所述车辆以及所述拍摄设备在所述地球坐标系中的姿态,至少结合所述车辆原地旋转时的旋转角速度,标定所述拍摄设备在所述车辆坐标系下的位姿。
为实现上述目的,根据本发明实施例的另一方面,提供了一种传感器参数标定装置,包括:
获取模块,用于获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值;
标定模块,用于确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距。
可选的,所述获取模块,用于:
根据所述旋转位姿角以及所述预设位姿角,确定所述车辆的位姿角斜率;至少获取所述车辆的理想左右轮半径、理想轮距,结合所述位姿角斜率,确定所述车辆的左右轮半径与轮距的比值。
可选的,所述标定模块,用于:
获取预定时间段内所述车辆匀速直行时的距离,确定所述车辆的行驶速度;以及
获取所述预定时间段内所述车辆匀速直行时左右轮的编码增量、以及轮子转动一周时的编码脉冲值,确定所述左右轮的旋转角速度。
可选的,还包括位姿标定模块,用于:调整所述车辆的车头方向与地球坐标系中预定坐标轴方向一致,标定拍摄设备坐标系中预定坐标轴与所述车辆坐标系中相应坐标轴的夹角;
分别获取所述车辆以及所述拍摄设备在所述地球坐标系中的姿态,至少结合所述车辆原地旋转时的旋转角速度,标定所述拍摄设备在所述车辆坐标系下的位姿。
为实现上述目的,根据本发明实施例的再一方面,提供了一种传感器参数标定电子设备。
本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一所述的传感器参数标定方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一所述的传感器参数标定方法。
根据本发明所述提供的方案,上述发明中的一个实施例具有如下优点或有益效果:通过对机器人的左右轮半径rL、rR、左右轮间距Br、摄像头在机器人坐标下的位姿(ΔPx,ΔPy,ΔPθ)进行标定,实现离线校正传感器参数的系统误差,且人工测量部分较少,提高了测量结果准确度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种传感器参数标定方法的主要流程示意图;
图2是根据本发明实施例的一种可选的传感器参数标定方法的流程示意图;
图3是根据本发明实施例的一种传感器参数标定装置的主要模块示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的移动设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,本发明中的车辆为需要定位导航的智能机器人,例如装配“里程计和摄像头”的双轮差速驱动式AGV(Automated Guided Vehicle),给出一种离线校正传感器参数系统误差的方法。
虽然,本发明也是离线方法,但由于人工完成的测量部分较少,主要有,理想值(半径、间距、角速度)的确定、调整车头方向与地球直角坐标系x轴对准,因此,所得标定结果较之现有技术较为准确。
另外,本发明中的标定,均对应于对机器人传感器的参数标定,主要是对机器人左右轮半径rL、rR,左右轮间距离Br和摄像头在机器人坐标系下的位姿(ΔPx,ΔPy,ΔPθ)进行标定。所谓对传感器参数的校正,就是估计这六个参数值。
所涉及的位姿,是指机器人未端操作器在指定坐标系中的位置和姿态。所涉及的标定,是指使用标准的计量仪器对所使用仪器的准确度(精度)进行检测是否符合标准,一般大多用于精密度较高的仪器。
参见图1,示出的是本发明实施例提供的一种传感器参数标定方法的主要流程图,包括如下步骤:
S101:获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值;
S102:确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距。
设定车辆左右轮半径理想值均为r0,左右轮间距离理想值为B0。理论上车辆原地旋转时,左右轮的线速度为:vL=vR=B0ω0/2;其中,ω0是车辆旋转的预定角速度,主要起理论分析作用。
这里引入一个乘性系数,用以对左右轮半径的理想值进行虚拟放缩。例如,左右轮半径目前(理论值)是1cm,可该值被高估了,其合理值(真实值)为0.8cm,假设该半径以后会扩展到2cm,这个2cm/1cm=2,就是乘性系数。
设定左右轮半径的乘性系数分别为γ1=K1、γ2=K2(1代表左轮、2代表右轮),从而左右轮理论有效半径分别为K1r0、K2r0。当乘性系数均为1时,车辆左右轮半径一致。所得车辆左轮/右轮旋转的角速度、线速度分别为:
假设车辆左右轮间距为Br,所得车辆实际旋转的角速度为:
需要说明的是,对于ηK1,K2目前暂无官方物理定义,本发明可用于表明车辆实际旋转的角速度与设定角速度的比值,也可以表示旋转位姿角与预估位姿角的拟合斜率值。
所得标定原理其中,θp代表摄像头所采集到车辆的位姿角,θm代表用里程计方法估计的车辆位姿角,/>类似于y=ax+b中的b,仅用于辅助表示θp、θm、三者关系。
因此,结合上述理论,对于实际车辆左右轮半径以及车轴间距的确定,可以按照上述步骤逆行得到:先利用一元线性回归确定再利用二元线性回归即可标定rL/Br、rR/Br,最后,车辆直行即可标定rL、rR和Br。
上述实施方式中,对于步骤S101,先利用一元线性回归确定再利用二元线性回归即可标定rL/Br、rR/Br。
具体地:
1)设置乘性系数γ1=K11、γ2=K12,以车辆中心点为旋转中心,原地旋转车辆N圈,记录车辆的所有摄像头所采集到的车辆位姿数据(xp,yp,θp);
2)利用码盘值估计得到的车辆位姿角θm;
其中,码盘值是里程计的一部分。里程计定位方法,是通过车轮码盘读数,结合移动机器人运动学参数进行计算实现定位的。例如,车辆匀速直行时,记录Δt时间内左轮\右轮编码器的增量nL/R,以及轮子转动一圈时编码器的脉冲数Num,得到预估位姿角:
3)根据标定原理对所采集的旋转位姿角θp和预估位姿角θm进行一维线性拟合,得到/>
4)设置不同的乘性系数,重复上述步骤,可得到多个
5)设定车辆的左右轮半径与轮距的比值为g:
对乘性系数以及所得拟合斜率值进行整理有:
结合使用带权重的线性回归方程计算(也可以基于matlab实现、最小二乘法),所得g为:/>
对于上述标定流程中,对于步骤3)以及4),也可以合并至一起,即无需计算直接基于旋转位姿角以及预估位姿角,确定g即可。
也可以,对于步骤1)~5)可以重复多次,然后对所得g的估计值求取平均值,以提高估计精度。
对于步骤S102,根据所得rL/Br、rR/Br,标定rL、rR和Br。
该过程需要车辆匀速直行时的数据,至少包括行驶距离、行驶时间,同样使用码盘值方法:
1)记录车辆匀速直行m1个码的距离s和运行时间δt,从而计算出车辆的直行速度v=s/δt。
记录Δt时间内左轮\右轮编码器的增量为nL/R,轮子旋转1圈时编码器的脉冲数为Num。所得左轮/右轮旋转的角速度ω计算为:
2)根据所得g,分析左右轮半径关系:为简化后续描述,可以设置左右轮的乘性系数分别为:γ1=ratio、γ2=1。因此,所得车辆的左右轮半径分别为:以及/>
3)根据所得左右轮半径,可以预估车辆的左右轮距离Br:
需要说明的是,以上所得值均为估计值,平时所测得的物理量,例如长宽高,也都不是完全的真实值,也都只是估计值。在估计上述车辆的左右轮半径rL、rR,左右轮间距离Br后,即实现对传感器这些参数的校正。
系统误差,是不可能准确测量得到的,只能是对该系统误差进行估计。后续对于所获取的参数,通过传感器不断测量更新,可以逐步收敛到误差真值,从而完成误差标定。
上述实施例所提供的方法,对于车辆的误差校正,是实现机器人位姿准确估计的前提。考虑系统误差对车辆直线运动和旋转运动的影响,通过直线运动和旋转运动的实验数据校正左右轮半径以及轮距。实验表明,较正后的系统误差更小,且实验简单,易操作。
参见图2,示出了根据本发明实施例的一种可选的传感器参数标定方法流程示意图,包括如下步骤:
S201:获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值;
S202:确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距;
S203:调整所述车辆的车头方向与地球坐标系中预定坐标轴方向一致,标定拍摄设备坐标系中预定坐标轴与所述车辆坐标系中相应坐标轴的夹角;
S204:分别获取所述车辆以及所述拍摄设备在所述地球坐标系中的姿态,至少结合所述车辆旋转时的旋转角速度,标定所述拍摄设备在所述车辆坐标系下的位姿。
除了标定车辆的左右轮半径rL、rR,左右轮间距离Br之外,本发明还对摄像头在车辆坐标系下的位姿(ΔPx,ΔPy,ΔPθ)进行了标定。
上述实施方式中,对于步骤S201、S202可分别参见图1所示步骤S101、S102的描述,在此不再赘述。
上述实施方式中,对于步骤S203,首先对安装在车辆上的摄像头位姿角ΔPθ进行标定。
在对车辆的左右轮半径以及轮距的系统误差进行标定之后,再对摄像头的位姿进行标定,可以一定程度上提高标定精度。
所采用的标定原理为Gθp=Gθcar+ΔPθ。其中,Gθp为摄像头坐标系x轴正向与地球坐标系x轴正向的夹角,Gθcar为车辆坐标系x轴正向与地球坐标系x轴正向的夹角,ΔPθ为摄像头坐标系x轴正向与车辆坐标系x轴正向的夹角。显然对于每一台车辆而言,Gθcar是随机误差,ΔPθ是固定误差。
这里的地球坐标系为地球直角坐标系,原点o与地球质心重合,z轴指向地球北极,x轴指向地球赤道面与格林尼治子午圈的交点,y轴在赤道平面里与xoz构成右手坐标系。
具体实施过程中,需调整车辆的车头方向,使得车头方向与地球坐标系x轴方向尽可能一致,因此Gθcar的期望值为0,并记录此时摄像头与车辆x坐标轴的夹角数为θp。
由于两者方向不可能完全一致,故可以需要重复多次,以提高后续计算精度,记录第i次摄像头的拍摄角度为θp(i)。根据标定原理Gθp=Gθcar+ΔPθ,所得ΔPθ为:
其中,N2为重复次数。
需要说明的是,除x轴之外,也可以考虑其他轴向,比如,x轴的正向逆时针旋转90度就是y轴正方向。就像现实中我们找到了北,就知道了东南西北。
对于步骤S204,接着对摄像头的位姿坐标ΔPx、ΔPy进行标定。
1)以车辆的坐标系原点为旋转中心,原地旋转车辆,得到车辆的旋转角速度ω'0。需要说明的是,这里的ω'0同样表示旋转角速度,但值可以与图1中的ω0不同。
2)记车辆在地球坐标系下的姿态(x,y,θ),摄像头在地球坐标系下的姿态为(Px,Py,Pθ)。由坐标变换可知,在任何时刻,以下等式恒成立:
车辆的运动学方程,可以有:
对坐标变换后的恒等式进行角度求导,可得:
结合临界条件:
对求导后的公式进行积分处理,得到摄像头姿态Px,Py的表达式之后,利用旋转过程中摄像头的读数(xP,yP,θP),结合二元线性回归,即可拟合出ΔPx,ΔPy:
1)车辆以角速度ω'0原地旋转,设摄像头采集到(M+1)组数据δ:
(Px,1,Py,1,Pθ,1),(Px,2,Py,2,Pθ,2),...(Px,M+1,Py,M+1,Pθ,M+1)
2)计算得到2M组数据,具体有:
δk=(Px,k+1-Px,k,Py,k+1-Py,k)T,k=1,2...M
这里的分别是第k个Δt时间内,左轮\右轮编码器的增量。
3)记则/>的估计值为(HTH)-1HTδ。
上述实施例所提供的方法,主要对机器人的摄像头在机器人坐标系下的位姿进行标定,具有简单高效的特点,且误差估计能够有效收敛,提高了后续定位的测试精度。
参见图3,示出了本发明实施例提供的一种传感器参数标定装置300的主要模块示意图,包括:
获取模块301,用于获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值;
标定模块302,用于确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距。
本发明实施装置中,所述获取模块301,用于:
根据所述旋转位姿角以及所述预设位姿角,确定所述车辆的位姿角斜率;
至少获取所述车辆的理想左右轮半径、理想轮距,结合所述位姿角斜率,确定所述车辆的左右轮半径与轮距的比值。
本发明实施装置中,所述标定模块302,用于:
获取预定时间段内所述车辆匀速直行时的距离,确定所述车辆的行驶速度;以及
获取所述预定时间段内所述车辆匀速直行时左右轮的编码增量、以及轮子转动一周时的编码脉冲值,确定所述左右轮的旋转角速度。
本发明实施装置还包括位姿标定模块303(图中未标出),用于:
调整所述车辆的车头方向与地球坐标系中预定坐标轴方向一致,标定拍摄设备坐标系中预定坐标轴与所述车辆坐标系中相应坐标轴的夹角;
分别获取所述车辆以及所述拍摄设备在所述地球坐标系中的姿态,至少结合所述车辆原地旋转时的旋转角速度,标定所述拍摄设备坐标系中剩余坐标轴在所述车辆坐标系下的位姿。
另外,在本发明实施例中所述的传感器参数标定装置的具体实施内容,在上面所述传感器参数标定方法中已经详细说明了,故在此重复内容不再说明。
图4示出了可以应用本发明实施例的传感器参数标定方法或传感器参数标定装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405(仅仅是示例)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的传感器参数标定方法一般由服务器405执行,相应地,传感器参数标定装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、标定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,标定模块还可以被描述为“车辆的左右轮半径以及轮距标定模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
获取车辆旋转时的旋转位姿角,至少结合预定位姿角以及所述车辆的理想左右轮半径、理想轮距,确定所述车辆左右轮半径与轮距的比值;
确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距。
根据本发明实施例的技术方案,通过对机器人的左右轮半径rL、rR、左右轮间距Br、摄像头在机器人坐标下的位姿(ΔPx,ΔPy,ΔPθ)进行标定,实现离线校正传感器参数的系统误差,且人工测量部分较少,提高了测量结果准确度。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (6)
1.一种传感器参数标定方法,其特征在于,包括:
获取车辆旋转时的旋转位姿角,设置多个乘性系数,利用码盘值估计得到所述车辆的位姿角,对所述旋转位姿角和估计的位姿角进行一维线性拟合,以确定所述车辆的多个位姿角斜率;
获取所述车辆的理想左右轮半径、理想轮距,基于位姿角斜率、理想左右轮半径、理想轮距的关系式,利用二元线性回归标定所述车辆左右轮半径与轮距的比值;
确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距;
调整所述车辆的车头方向与地球坐标系中预定坐标轴方向一致,标定拍摄设备坐标系中预定坐标轴与所述车辆坐标系中相应坐标轴的夹角;
分别获取所述车辆以及所述拍摄设备在所述地球坐标系中的姿态,至少结合所述车辆旋转时的旋转角速度,标定所述拍摄设备在所述车辆坐标系下的位姿。
2.根据权利要求1所述的方法,其特征在于,所述确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,包括:
获取预定时间段内所述车辆匀速直行时的距离,确定所述车辆的行驶速度;以及
获取所述预定时间段内所述车辆匀速直行时左右轮的编码增量、以及轮子转动一周时的编码脉冲值,确定所述左右轮的旋转角速度。
3.一种传感器参数标定装置,其特征在于,包括:
获取模块,用于获取车辆旋转时的旋转位姿角,设置多个乘性系数,利用码盘值估计得到所述车辆的位姿角,对所述旋转位姿角和估计的位姿角进行一维线性拟合,以确定所述车辆的多个位姿角斜率;
获取所述车辆的理想左右轮半径、理想轮距,基于位姿角斜率、理想左右轮半径、理想轮距的关系式,利用二元线性回归标定所述车辆左右轮半径与轮距的比值;
标定模块,用于确定所述车辆匀速直行时的行驶速度以及左右轮的旋转角速度,结合所述左右轮半径与轮距的比值,标定所述车辆的左右轮半径以及轮距;
位姿标定模块,用于调整所述车辆的车头方向与地球坐标系中预定坐标轴方向一致,标定拍摄设备坐标系中预定坐标轴与所述车辆坐标系中相应坐标轴的夹角;分别获取所述车辆以及所述拍摄设备在所述地球坐标系中的姿态,至少结合所述车辆原地旋转时的旋转角速度,标定所述拍摄设备在所述车辆坐标系下的位姿。
4.根据权利要求3所述的装置,其特征在于,所述标定模块,用于:
获取预定时间段内所述车辆匀速直行时的距离,确定所述车辆的行驶速度;以及
获取所述预定时间段内所述车辆匀速直行时左右轮的编码增量、以及轮子转动一周时的编码脉冲值,确定所述左右轮的旋转角速度。
5.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-2中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-2中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810948218.8A CN110849387B (zh) | 2018-08-20 | 2018-08-20 | 一种传感器参数标定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810948218.8A CN110849387B (zh) | 2018-08-20 | 2018-08-20 | 一种传感器参数标定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110849387A CN110849387A (zh) | 2020-02-28 |
CN110849387B true CN110849387B (zh) | 2024-01-12 |
Family
ID=69594468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810948218.8A Active CN110849387B (zh) | 2018-08-20 | 2018-08-20 | 一种传感器参数标定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110849387B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781931B (zh) * | 2020-07-16 | 2023-08-11 | 上海擎朗智能科技有限公司 | 机器人轮长和轮距的自动标定方法、装置、设备和介质 |
CN112230653B (zh) * | 2020-09-24 | 2024-08-06 | 北京旷视机器人技术有限公司 | 驱动轮参数的确定方法、装置和自动导航车 |
CN112729349B (zh) * | 2021-03-29 | 2021-08-24 | 浙江欣奕华智能科技有限公司 | 里程计在线标定的方法、装置、电子设备及存储介质 |
CN113110508B (zh) * | 2021-05-13 | 2023-09-01 | 立铠精密科技(盐城)有限公司 | 一种控制方法、装置、设备及存储介质 |
CN115268449B (zh) * | 2022-07-29 | 2024-07-19 | 格力博(江苏)股份有限公司 | 一种割草机及其校准方法 |
CN118500412B (zh) * | 2024-05-23 | 2024-12-24 | 中睿智能技术(东莞)有限公司 | 一种基于固定监控摄像头防撞的agv系统 |
CN119126816B (zh) * | 2024-11-15 | 2025-01-28 | 安徽中科星驰自动驾驶技术有限公司 | 一种双轮差速仓储物流机器人底盘标定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11316117A (ja) * | 1998-03-05 | 1999-11-16 | Knorr Bremse Syst Fur Nutzfahrzeuge Gmbh | 車両の軸距の測定方法及びその装置 |
DE50112020D1 (de) * | 2000-05-17 | 2007-03-29 | Wabco Gmbh | Verfahren zur verbesserten Bestimmung des Verhältnisses der Radien der Räder eines Fahrzeuges zueinander |
DE102011086490A1 (de) * | 2011-11-16 | 2013-05-16 | Robert Bosch Gmbh | Verfahren zur Bestimmung des dynamischen Abrollradius' von Reifen |
CN105372078A (zh) * | 2015-11-27 | 2016-03-02 | 首都师范大学 | 轮式拖拉机的转弯控制方法及装置 |
CN107085430A (zh) * | 2017-05-24 | 2017-08-22 | 深圳优地科技有限公司 | 一种轮式机器人参数调校的优化方法、装置和系统 |
-
2018
- 2018-08-20 CN CN201810948218.8A patent/CN110849387B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11316117A (ja) * | 1998-03-05 | 1999-11-16 | Knorr Bremse Syst Fur Nutzfahrzeuge Gmbh | 車両の軸距の測定方法及びその装置 |
DE50112020D1 (de) * | 2000-05-17 | 2007-03-29 | Wabco Gmbh | Verfahren zur verbesserten Bestimmung des Verhältnisses der Radien der Räder eines Fahrzeuges zueinander |
DE102011086490A1 (de) * | 2011-11-16 | 2013-05-16 | Robert Bosch Gmbh | Verfahren zur Bestimmung des dynamischen Abrollradius' von Reifen |
CN105372078A (zh) * | 2015-11-27 | 2016-03-02 | 首都师范大学 | 轮式拖拉机的转弯控制方法及装置 |
CN107085430A (zh) * | 2017-05-24 | 2017-08-22 | 深圳优地科技有限公司 | 一种轮式机器人参数调校的优化方法、装置和系统 |
Non-Patent Citations (1)
Title |
---|
基于灰色理论的列车组合定位轮径校准方法研究;刘江;蔡伯根;王剑;唐涛;;铁道学报(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110849387A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110849387B (zh) | 一种传感器参数标定方法和装置 | |
CN110197615B (zh) | 用于生成地图的方法及装置 | |
CN104359492B (zh) | 惯性导航和轮速计组成的航迹推算定位系统误差估算算法 | |
CN107167148A (zh) | 同步定位与地图构建方法和设备 | |
CN114179825B (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
CN111123280B (zh) | 激光雷达的定位方法、装置、系统、电子设备及存储介质 | |
CN112643665B (zh) | 一种绝对位姿传感器安装误差的标定方法和装置 | |
CN111207740A (zh) | 车辆定位的方法、装置、设备和计算机可读介质 | |
CN108982116B (zh) | 运输车及其底盘参数标定方法、装置和计算机可读介质 | |
WO2022174831A1 (zh) | 一种连续寻北装置、方法、电子设备及存储介质 | |
CN110379044B (zh) | 一种运动误差补偿的方法和装置 | |
CN113935904B (zh) | 激光里程计误差修正方法、系统、存储介质及计算设备 | |
CN112214014A (zh) | 农机自动驾驶控制方法及系统 | |
CN106153037B (zh) | 一种机器人的室内定位方法、装置及系统 | |
CN112649017B (zh) | 一种里程计系统误差的标定方法和装置 | |
CN110375770A (zh) | 一种定位误差的校准方法和装置 | |
CN110954080A (zh) | 一种消除载体磁干扰的磁罗盘校准方法 | |
CN111912403B (zh) | 一种叉车的定位方法及叉车 | |
CN112788743B (zh) | 一种基于超宽带技术的定位方法和装置 | |
CN113592951A (zh) | 车路协同中路侧相机外参标定的方法、装置、电子设备 | |
CN105759292B (zh) | 一种差分gps与机器人的相对位置参数标定方法及系统 | |
CN109724579B (zh) | 一种陀螺罗经标定方法、装置、计算设备及存储介质 | |
CN117687006A (zh) | 激光雷达到惯性测量单元的外参标定方法及其装置 | |
CN114184209B (zh) | 用于低速检测平台系统的惯性误差抑制方法 | |
CN111862141B (zh) | Agv装置运动精度的评估方法、装置、介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |