具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

本发明提供一种激光雷达和摄像机位置标定的方法，通过摄像机采集标定参照装置图像，利用图像算法获取标定点的图像坐标，其中标定参照装置包括至少两个正方形平板，所述正方形平板依次相互连接，且颜色均不相同并依次增大，通过图像算法至少分别识别两个正方形平板的四个顶点，将顶点作为标定点，标定顶点的图像坐标，

通过激光雷达采集标定参照装置的点云，利用点云算法获取标定点的三维坐标，其中通过点云算法至少分别识别两个正方形平板的四个顶点，标定顶点的三维坐标，

通过图像坐标和三维坐标对应标定点，利用PnP算法确定激光雷达和摄像机的位置关系。

利用本发明方法根据激光雷达和摄像机观察同一个标定参照装置，通过图像算法获取标定点的图像坐标，通过点云算法获取标定点的三维坐标，并对应标定点对，当标定点对足够多时，即至少8对时，可以快速准确计算出激光雷达和摄像机的相对位置。便于增加环境感知的能力，应用于自动驾驶或者机器人等智能设备中完成激光雷达和摄像机的信息融合。同时还可在现实场景三维重建时，通过本发明方法也可以快速融合两个传感器的信息，使激光雷达采集的点云，在图像中找到对应的像素点获得颜色，给点云着色，形成彩色点云。

具体应用中，在本发明的一些实施例中，过程为：

步骤1：粗略估计激光雷达和摄像机的距离，将激光雷达和摄像机到标定参照装置的距离分别调整到同一个数量级。通过摄像机采集标定装置的图像，通过激光雷达采集标定装置的点云。参照图1和2，其中标定参照装置包括三个正方形的平板和连接杆4，连接杆4连接平板1-3，平板分别是平板1、平板2及平板3，三个正方形板的边长依次增大，且颜色不同。

步骤2:图像中，参考图3，平板1、平板2颜色不同，利用霍夫变换方法分别提取平板1正方形4条边缘直线，再利用直线求交点获得4个顶点的图像坐标。同理，求得平板2的四个顶点的图像坐标。

步骤3:在点云中，使用随机采样一致性RANSAC方法，从激光雷达采集的点云中，分割出正方形平板的平面，可参考如下过程：

步骤31：在点云中，随机取三个点，确定一个平面，设置距离阈值为0.01米，即只要点到平面的距离小于该阈值都作为平面上的点看待。计算在此距离阈值内有多少点满足这个平面。

步骤32：重新随机选三点，确定一个平面，计算这个平面是不是能在同样的距离阈值内，包含更多点云中的点，如果是则记此平面为结果。

步骤33：重复步骤32进行循环迭代。迭代足够多的次数。

步骤34：迭代结束，记录当前结果，当前平面上包含的点就是分割出的一个平面。

步骤35：将步骤34得到的平面所包含的点从激光雷达点云中移除，剩余的点云重复步骤31-34，得到下一个平面，直到获取每个平板的平面。

分割出平板的平面后，根据前后位置或者面积大小，可以对应到平板1-3。对平板1和平板2的点云拟合成正方形，获取平板1的四个顶点坐标和平板2的四个顶点的三维坐标。

步骤4:根据摄像机内参矩阵，及8个标定点对的空间坐标和图像坐标，通过PnP算法解出激光雷达和摄像机的相对位置关系参数，也就是旋转矩阵和平移向量。

步骤5:根据上述结果，将点云的空间点重投影到图像，和图像坐标进行对比，评价标定结果。

在上述实施过程中，本发明的另一些实施例中，说明了步骤4中使用张正友标定法，对摄像机进行标定，得到内参数矩阵其中和分别表示摄像机在x和y方向上以像素为单位的焦距长度，(u₀,v₀)表示光心在图像上的像素坐标。而从激光雷达坐标系到图像坐标的转换关系的公式如下所示：

从激光雷达获取的是标定点的三维坐标从摄像机获取的是标定点的图像坐标当标定点对数达到8对，能够解出激光雷达和摄像机的旋转矩阵R和平移向量t。根据上述结果，将空间点重投影到图像，和图像坐标进行对比，评价标定结果。

而上述实施过程中，标定参照装置是立体的而非平面，可以获取不同深度上的标定点对，使标定结果更加准确，同时标定参照装置的尺寸可以调整，可以标定不同距离的激光雷达和摄像机，具有广泛的应用价值。

同时本发明提供一种激光雷达和摄像机位置标定的系统，包括图像标定模块、点云标定模块及计算模块，

图像标定模块通过摄像机采集的标定参照装置图像，利用图像算法获取标定点的图像坐标，其中标定参照装置包括至少两个正方形平板，所述正方形平板依次相互连接，且颜色均不相同并依次增大，图像标定模块通过图像算法至少分别识别两个正方形平板的四个顶点，将顶点作为标定点，标定顶点的图像坐标，

点云标定模块通过激光雷达采集的标定参照装置的点云，利用点云算法获取标定点的三维坐标，其中点云标定模块通过点云算法至少分别识别两个正方形平板的四个顶点，标定顶点的三维坐标，

计算模块通过图像坐标和三维坐标对应标定点，利用PnP算法确定激光雷达和摄像机的位置关系。上述系统内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。同样的，本发明系统可以根据激光雷达和摄像机观察同一个标定参照装置，通过图像算法获取标定点的图像坐标，通过点云算法获取标定点的三维坐标，并对应标定点对，当标定点对足够多时，即至少8对时，可以快速准确计算出激光雷达和摄像机的相对位置。便于增加环境感知的能力，应用于自动驾驶或者机器人等智能设备中完成激光雷达和摄像机的信息融合。同时还可在现实场景三维重建时，通过本发明方法也可以快速融合两个传感器的信息，使激光雷达采集的点云，在图像中找到对应的像素点获得颜色，给点云着色，形成彩色点云。

以及本发明提供一种激光雷达和摄像机位置标定的装置，包括至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行所述的一种激光雷达和摄像机位置标定的方法。上述装置内的处理器的信息交互、执行可读程序过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。同样的，利用本发明装置可以根据激光雷达和摄像机观察同一个标定参照装置，通过图像算法获取标定点的图像坐标，通过点云算法获取标定点的三维坐标，并对应标定点对，当标定点对足够多时，即至少8对时，可以快速准确计算出激光雷达和摄像机的相对位置。便于增加环境感知的能力，应用于自动驾驶或者机器人等智能设备中完成激光雷达和摄像机的信息融合。同时还可在现实场景三维重建时，通过本发明方法也可以快速融合两个传感器的信息，使激光雷达采集的点云，在图像中找到对应的像素点获得颜色，给点云着色，形成彩色点云。

需要说明的是，上述较佳实施例的各流程和各系统结构中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。