基于多固态激光雷达的快速标定方法、装置、设备及介质

1.本发明涉及激光雷达标定技术领域，特别涉及一种基于多固态激光雷达的快速标定方法、装置、设备及介质。


背景技术：

2.随着自动驾驶与智慧交通领域的快速发展，激光雷达传感器在环境感知中的感知作用越来越显著。激光雷达传感器由于其精度高、不受光照影响等优势应用于路侧场景和车端场景。在路侧场景中，激光雷达的作用主要是通过静态扫描器扫描路端场景，以准确描述范围内实时的路况，算法模块通过解算处理实时点云数据，以达到路端实时障碍物感知功能；在车端场景中，激光雷达的作用主要是作为车辆的“高精度感知眼”，实时扫描车辆行程过程实时周围环境，车端同样需要通过激光雷达感知算法实时处理点云数据，以达到感知行车区域内的障碍物信息。激光雷达按扫描方式分为机械式激光雷达和固态激光雷达两大类，其中，机械式激光雷达通过内部旋转部件实现360
°
固定扫描，优点是具备360
°
全景视野扫描，缺点是可靠性差、寿命短、成本高，难以实现量产落地；固态激光雷达通过光学相控阵列和flash集成设计，仅输出一定视角范围内的激光点云，优点是扫描速度快可靠稳定和低成本，缺点是扫描角度有限、旁瓣问题、加工难度高。相比于机械式激光雷达，固态雷达依靠其稳定可靠和低成本的优势会成为未来的装车趋向。近年来，无论车端或者路端应用场景中，机械式激光雷达逐步在向固态激光雷达演进，同时，单激光雷达也在向多激光雷达安装方案转换，目前多种固态激光雷达安装布局应用已成为常态。由于不同激光雷达安装角度不同，如何做到快速且高精度的统一多激光雷达坐标系是工业应用中的难题。
3.相关技术中，多固态激光雷达标定方案主要分为两大类，一是通过纯手工的方法用标定板标定多个激光雷达，二是通过自动标定加人工调参的方法标定多个激光雷达。
4.然而，通过标定板标定多个激光雷达忽略了固态激光雷达非重复扫描，对于人工调试的要求较高且耗时耗力，并且对于大规模应用无复制性；通过自动标定加人工调参的方法，由于自动标定大多是基于环境特征点进行匹配，精度较低，且需要人工介入进行二次调整，增加了流程复杂度及成本，亟需解决。


技术实现要素：

5.本技术提供一种基于多固态激光雷达的快速标定方法、装置、设备及介质，以解决通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度的问题。
6.本技术第一方面实施例提供一种基于多固态激光雷达的快速标定方法，包括以下步骤：
7.接收多固态激光雷达的标定指令；
8.基于所述标定指令，将所述多固态激光雷达分为主激光雷达和至少一个从雷达，并获取所述主激光雷达的第一点云数据和所述至少一个从激光雷达的第二点云数据，并根
据所述第一点云数据和所述第二点云数据得到所述至少一个从激光雷达到所述主激光雷达的投影矩阵；以及
9.获取至少一个辅助雷达的第三点云数据，并根据所述第一点云数据、所述第二点云数据和所述第三点云数据得到稠密点云地图，并根据所述稠密点云地图对所述投影进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。
10.根据本技术的一个实施例，获取所述主激光雷达的第一点云数据和所述至少一个从激光雷达的第二点云数据，并根据所述第一点云数据和所述第二点云数据得到所述至少一个从激光雷达到所述主激光雷达的投影矩阵，包括：
11.基于所述第一点云数据和所述第二点云数据，获取所述主激光雷达与所述至少一个从激光雷达的目标视野特征点；
12.基于预设匹配算法对所述目标视野特征点进行迭代求解，输出所述至少一个从激光雷达到所述主激光雷达的投影矩阵，以根据所述投影矩阵对所述多固态激光雷达粗标定。
13.根据本技术的一个实施例，所述获取所述主激光雷达与所述至少一个从激光雷达的目标视野特征点，包括：
14.获取目标点云场景的目标特征点和目标特征线；
15.根据所述目标特征点和所述目标特征线得到所述主激光雷达与所述至少一个从激光雷达的目标视野特征点。
16.根据本技术的一个实施例，根据所述稠密点云地图对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定，包括：
17.基于所述稠密点云地图，利用对所述多固态激光雷达的粗标定结果与所述稠密点云地图进行匹配；
18.根据匹配结果通过精标定模块对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。
19.根据本技术的一个实施例，根据所述匹配结果通过所述精标定模块对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定，包括：
20.将所述至少一个从激光雷达的第二点云数据进行坐标转换，得到所述第二点云数据的坐标转换结果；
21.根据所述转换结果和所述第一点云数据完成在同一坐标系下的可视化，并判断所述稠密点云地图中所述第一点云数据与所述转换结果是否匹配，并在不匹配时，对所述至少一个从激光雷达的投影矩阵进行修正。
22.根据本技术实施例的基于多固态激光雷达的快速标定方法，接收多固态激光雷达的标定指令，获取多固态激光雷达中主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，得到至少一个从激光雷达到主激光雷达的投影矩阵，同时获取至少一个辅助雷达的第三点云数据，根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。由此，解决了通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度，通过多个雷达的粗标定和精标定的联合标定过程，提高了多固态激光雷达的标定精度和无人化效率。
23.本技术第二方面实施例提供一种基于多固态激光雷达的快速标定装置，包括：
24.接收模块，用于接收多固态激光雷达的标定指令；
25.获取模块，用于基于所述标定指令，将所述多固态激光雷达分为主激光雷达和至少一个从雷达，并获取所述主激光雷达的第一点云数据和所述至少一个从激光雷达的第二点云数据，并根据所述第一点云数据和所述第二点云数据得到所述至少一个从激光雷达到所述主激光雷达的投影矩阵；以及
26.修正模块，用于获取至少一个辅助雷达的第三点云数据，并根据所述第一点云数据、所述第二点云数据和所述第三点云数据得到稠密点云地图，并根据所述稠密点云地图对所述投影进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。
27.根据本技术的一个实施例，所述获取模块，具体用于：
28.基于所述第一点云数据和所述第二点云数据，获取所述主激光雷达与所述至少一个从激光雷达的目标视野特征点；
29.基于预设匹配算法对所述目标视野特征点进行迭代求解，输出所述至少一个从激光雷达到所述主激光雷达的投影矩阵，以根据所述投影矩阵对所述多固态激光雷达粗标定。
30.根据本技术的一个实施例，所述获取模块，具体用于：
31.获取目标点云场景的目标特征点和目标特征线；
32.根据所述目标特征点和所述目标特征线得到所述主激光雷达与所述至少一个从激光雷达的目标视野特征点。
33.根据本技术的一个实施例，所述修正模块，具体用于：
34.基于所述稠密点云地图，利用对所述多固态激光雷达的粗标定结果与所述稠密点云地图进行匹配；
35.根据匹配结果通过精标定模块对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。
36.根据本技术的一个实施例，所述修正模块，具体用于：
37.将所述至少一个从激光雷达的第二点云数据进行坐标转换，得到所述第二点云数据的坐标转换结果；
38.根据所述转换结果和所述第一点云数据完成在同一坐标系下的可视化，并判断所述稠密点云地图中所述第一点云数据与所述转换结果是否匹配，并在不匹配时，对所述至少一个从激光雷达的投影矩阵进行修正。
39.根据本技术实施例的基于多固态激光雷达的快速标定装置，接收多固态激光雷达的标定指令，获取多固态激光雷达中主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，得到至少一个从激光雷达到主激光雷达的投影矩阵，同时获取至少一个辅助雷达的第三点云数据，根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。由此，解决了通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度，通过多个雷达的粗标定和精标定的联合标定过程，提高了多固态激光雷达的标定精度和无人化效率。
40.本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存
储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的基于多固态激光雷达的快速标定方法。
41.本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的基于多固态激光雷达的快速标定方法。
42.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
43.本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
44.图1为根据本技术实施例提供的一种基于多固态激光雷达的快速标定方法流程图；
45.图2为根据本技术一个实施例的多激光雷达快速标定方案示意图；
46.图3为根据本技术实施例的基于多固态激光雷达的快速标定装置方框示意图；
47.图4为根据本技术实施例的电子设备的结构示意图。
具体实施方式
48.下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
49.下面参照附图描述根据本发明实施例提出的基于多固态激光雷达的快速标定方法、装置、设备及介质，针对上述背景技术中提到的通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度的问题，本技术提供了一种基于多固态激光雷达的快速标定方法，在该方法中，接收多固态激光雷达的标定指令，获取多固态激光雷达中主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，得到至少一个从激光雷达到主激光雷达的投影矩阵，同时获取至少一个辅助雷达的第三点云数据，根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。由此，解决了通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度，通过多个雷达的粗标定和精标定的联合标定过程，提高了多固态激光雷达的标定精度和无人化效率。
50.图1是本发明一个实施例的基于多固态激光雷达的快速标定方法的流程示意图。
51.如图1所示，该基于多固态激光雷达的快速标定方法，包括以下步骤：
52.在步骤s101中，接收多固态激光雷达的标定指令。
53.具体地，在本技术实施例中，若需要对目标点云场景进行数据标定，则首先向多固态激光雷达发送标定指令，以根据多固态激光雷达的标定指令对目标点云场景进行标定。
54.在步骤s102中，基于标定指令，将多固态激光雷达分为主激光雷达和至少一个从雷达，并获取主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，并根据
第一点云数据和第二点云数据得到至少一个从激光雷达到主激光雷达的投影矩阵。
55.进一步地，在一些实施例中，获取主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，并根据第一点云数据和第二点云数据得到至少一个从激光雷达到主激光雷达的投影矩阵，包括：基于第一点云数据和第二点云数据，获取主激光雷达与至少一个从激光雷达的目标视野特征点；基于预设匹配算法对目标视野特征点进行迭代求解，输出至少一个从激光雷达到主激光雷达的投影矩阵，以根据投影矩阵对多固态激光雷达粗标定。
56.进一步地，在一些实施例中，获取主激光雷达与至少一个从激光雷达的目标视野特征点，包括：获取目标点云场景的目标特征点和目标特征线；根据目标特征点和目标特征线得到主激光雷达与至少一个从激光雷达的目标视野特征点。
57.其中，预设匹配算法可以为本领域技术人员根据实际标定需求采用的相关匹配算法，也可以为经计算机多次仿真得到的匹配算法，在此不做具体限定。
58.具体地，如图2所示，本技术实施例的多固态激光雷可以分为主激光雷达、至少一个从激光雷达和辅助激光雷达。其中，主激光雷达为整套多固态激光雷达的坐标系参考中心，至少一个从激光雷达为除主激光雷达之外的多固态激光雷达中的其他激光雷达，辅助激光雷达为用于辅助标定的激光雷达。
59.具体而言，本技术实施例在对目标点云场景进行标定时，首先，在主激光雷达和至少一个从激光雷达的公共目标点云场景内，分别由主激光雷达和至少一个从激光雷达获取目标点云场景的目标特征点和目标特征线，并将主激光雷达和至少一个从激光雷达获取到的目标特征点和目标特征线进行icp(iterative closest point，最近点迭代算法)匹配，例如灯杆、树木、停止线、静止车辆等静态障碍物和静态背景，并将获取到的目标特征点和目标特征线向主激光雷达标定，从而得到主激光雷达与至少一个从激光雷达的目标视野特征点；其次，基于预设匹配算法，例如icp算法对目标视野特征点进行迭代求解，从而输出至少一个从激光雷达到主激光雷达的投影矩阵，以根据投影矩阵对多固态激光雷达粗标定。
60.需要说明的是，由于至少一个从激光雷达和主激光雷达的公共目标点云场景较少，且距离较远，因此，本技术实施例可以采用邻接的至少一个从激光雷达进行两两标定，然后将标定结果迭代到主激光雷达进行标定，最终输出至少一个从激光雷达到主激光雷达的投影矩阵，以根据投影矩阵对多固态激光雷达粗标定。
61.在步骤s103中，获取至少一个辅助雷达的第三点云数据，并根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影矩阵进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。
62.具体地，本技术实施例在对目标点云场景进行粗标定后，为提高标定精度，需要通过点云建图模块，进行离线点云地图构建，并采用slam(simultaneous localization and mapping，同步定位与地图构建)算法实现整个目标点云场景的精细化点云地图构建，以提升多固态激光雷达标定的精准性。
63.具体而言，本技术实施例需要通过至少一个辅助激光雷达对主激光雷达和至少一个从激光雷达的公共目标点云场景进行稠密化点云建图，即根据主激光雷达的第一点云数据、至少一个从激光雷达的第二点云数据和至少一个辅助激光雷达的第三点云数据得到稠密点云地图，在得到稠密点云地图后，根据稠密点云地图对投影矩阵进行修正，以根据修正
后的投影矩阵对多固态激光雷达精标定。
64.进一步地，在一些实施例中，根据稠密点云地图对投影矩阵进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定，包括：基于稠密点云地图，利用对多固态激光雷达的粗标定结果与稠密点云地图进行匹配；根据匹配结果通过精标定模块对投影矩阵进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。
65.进一步地，在一些实施例中，根据匹配结果通过精标定模块对投影矩阵进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定，包括：将至少一个从激光雷达的第二点云数据进行坐标转换，得到第二点云数据的坐标转换结果；根据转换结果和第一点云数据完成在同一坐标系下的可视化，并判断稠密点云地图中第一点云数据与转换结果是否匹配，并在不匹配时，对至少一个从激光雷达的投影矩阵进行修正。
66.具体地，本技术实施例在对投影矩阵修正的过程中，需要基于稠密点云地图，通过至少一个从激光雷达的标定结果与稠密点云地图进行匹配，也就是说，将至少一个从激光雷达的第二点云数据通过坐标系旋转平移矩阵进行坐标转换，以得到第二点云数据的坐标转换结果，并根据转换结果和第一点云数据完成在同一坐标系下的可视化，从而判断稠密点云地图中第一点云数据与转换结果是否匹配，即转换结果与稠密点云地图中的静态背景和静态障碍物是否匹配，若匹配，则表明目标点云场景标定完成，若不匹配，则通过精标定模块对至少一个从激光雷达的投影矩阵进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定，从而降低至少一个从激光雷达投影间的误差，提高多固态激光雷达标定的准确性。
67.根据本技术实施例的基于多固态激光雷达的快速标定方法，接收多固态激光雷达的标定指令，获取多固态激光雷达中主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，得到至少一个从激光雷达到主激光雷达的投影矩阵，同时获取至少一个辅助雷达的第三点云数据，根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。由此，解决了通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度，通过多个雷达的粗标定和精标定的联合标定过程，提高了多固态激光雷达的标定精度和无人化效率。
68.其次参照附图描述根据本发明实施例提出的基于多固态激光雷达的快速标定装置的方框示意图。
69.如图3所示，该基于多固态激光雷达的快速标定装置10包括：接收模块100、获取模块200和修正模块300。
70.其中，接收模块100，用于接收多固态激光雷达的标定指令；
71.获取模块200，用于基于标定指令，将多固态激光雷达分为主激光雷达和至少一个从雷达，并获取主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，并根据第一点云数据和第二点云数据得到至少一个从激光雷达到主激光雷达的投影矩阵；以及
72.修正模块300，用于获取至少一个辅助雷达的第三点云数据，并根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。
73.进一步地，在一些实施例中，获取模块200，具体用于：
74.基于第一点云数据和第二点云数据，获取主激光雷达与至少一个从激光雷达的目标视野特征点；
75.基于预设匹配算法对目标视野特征点进行迭代求解，输出至少一个从激光雷达到主激光雷达的投影矩阵，以根据投影矩阵对多固态激光雷达粗标定。
76.进一步地，在一些实施例中，获取模块200，具体用于：
77.获取目标点云场景的目标特征点和目标特征线；
78.根据目标特征点和目标特征线得到主激光雷达与至少一个从激光雷达的目标视野特征点。
79.进一步地，在一些实施例中，修正模块300，具体用于：
80.基于稠密点云地图，利用对多固态激光雷达的粗标定结果与稠密点云地图进行匹配；
81.根据匹配结果通过精标定模块对投影矩阵进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。
82.进一步地，在一些实施例中，修正模块300，具体用于：
83.将至少一个从激光雷达的第二点云数据进行坐标转换，得到第二点云数据的坐标转换结果；
84.根据转换结果和第一点云数据完成在同一坐标系下的可视化，并判断稠密点云地图中第一点云数据与转换结果是否匹配，并在不匹配时，对至少一个从激光雷达的投影矩阵进行修正。
85.根据本技术实施例的基于多固态激光雷达的快速标定装置，接收多固态激光雷达的标定指令，获取多固态激光雷达中主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，得到至少一个从激光雷达到主激光雷达的投影矩阵，同时获取至少一个辅助雷达的第三点云数据，根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。由此，解决了通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度，通过多个雷达的粗标定和精标定的联合标定过程，提高了多固态激光雷达的标定精度和无人化效率。
86.图4为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
87.存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
88.处理器402执行程序时实现上述实施例中提供的基于多固态激光雷达的快速标定方法。
89.进一步地，电子设备还包括：
90.通信接口403，用于存储器401和处理器402之间的通信。
91.存储器401，用于存放可在处理器402上运行的计算机程序。
92.存储器401可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
93.如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构
(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
94.可选的，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
95.处理器402可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
96.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的基于多固态激光雷达的快速标定方法。
97.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
98.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
99.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
100.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种基于多固态激光雷达的快速标定方法，其特征在于，包括以下步骤：接收多固态激光雷达的标定指令；基于所述标定指令，将所述多固态激光雷达分为主激光雷达和至少一个从雷达，并获取所述主激光雷达的第一点云数据和所述至少一个从激光雷达的第二点云数据，并根据所述第一点云数据和所述第二点云数据得到所述至少一个从激光雷达到所述主激光雷达的投影矩阵；以及获取至少一个辅助雷达的第三点云数据，并根据所述第一点云数据、所述第二点云数据和所述第三点云数据得到稠密点云地图，并根据所述稠密点云地图对所述投影进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。2.根据权利要求1所述的方法，其特征在于，获取所述主激光雷达的第一点云数据和所述至少一个从激光雷达的第二点云数据，并根据所述第一点云数据和所述第二点云数据得到所述至少一个从激光雷达到所述主激光雷达的投影矩阵，包括：基于所述第一点云数据和所述第二点云数据，获取所述主激光雷达与所述至少一个从激光雷达的目标视野特征点；基于预设匹配算法对所述目标视野特征点进行迭代求解，输出所述至少一个从激光雷达到所述主激光雷达的投影矩阵，以根据所述投影矩阵对所述多固态激光雷达粗标定。3.根据权利要求2所述的方法，其特征在于，所述获取所述主激光雷达与所述至少一个从激光雷达的目标视野特征点，包括：获取目标点云场景的目标特征点和目标特征线；根据所述目标特征点和所述目标特征线得到所述主激光雷达与所述至少一个从激光雷达的目标视野特征点。4.根据权利要求1所述的方法，其特征在于，根据所述稠密点云地图对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定，包括：基于所述稠密点云地图，利用对所述多固态激光雷达的粗标定结果与所述稠密点云地图进行匹配；根据匹配结果通过精标定模块对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。5.根据权利要求4所述的方法，其特征在于，根据所述匹配结果通过所述精标定模块对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定，包括：将所述至少一个从激光雷达的第二点云数据进行坐标转换，得到所述第二点云数据的坐标转换结果；根据所述转换结果和所述第一点云数据完成在同一坐标系下的可视化，并判断所述稠密点云地图中所述第一点云数据与所述转换结果是否匹配，并在不匹配时，对所述至少一个从激光雷达的投影矩阵进行修正。6.一种基于多固态激光雷达的快速标定装置，其特征在于，包括：接收模块，用于接收多固态激光雷达的标定指令；获取模块，用于基于所述标定指令，将所述多固态激光雷达分为主激光雷达和至少一个从雷达，并获取所述主激光雷达的第一点云数据和所述至少一个从激光雷达的第二点云数据，并根据所述第一点云数据和所述第二点云数据得到所述至少一个从激光雷达到所述
主激光雷达的投影矩阵；以及修正模块，用于获取至少一个辅助雷达的第三点云数据，并根据所述第一点云数据、所述第二点云数据和所述第三点云数据得到稠密点云地图，并根据所述稠密点云地图对所述投影进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。7.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：基于所述第一点云数据和所述第二点云数据，获取所述主激光雷达与所述至少一个从激光雷达的目标视野特征点；基于预设匹配算法对所述目标视野特征点进行迭代求解，输出所述至少一个从激光雷达到所述主激光雷达的投影矩阵，以根据所述投影矩阵对所述多固态激光雷达粗标定。8.根据权利要求7所述的装置，其特征在于，所述获取模块，具体用于：获取目标点云场景的目标特征点和目标特征线；根据所述目标特征点和所述目标特征线得到所述主激光雷达与所述至少一个从激光雷达的目标视野特征点。9.根据权利要求6所述的装置，其特征在于，所述修正模块，具体用于：基于所述稠密点云地图，利用对所述多固态激光雷达的粗标定结果与所述稠密点云地图进行匹配；根据匹配结果通过精标定模块对所述投影矩阵进行修正，以根据修正后的投影矩阵对所述多固态激光雷达精标定。10.根据权利要求9所述的装置，其特征在于，所述修正模块，具体用于：将所述至少一个从激光雷达的第二点云数据进行坐标转换，得到所述第二点云数据的坐标转换结果；根据所述转换结果和所述第一点云数据完成在同一坐标系下的可视化，并判断所述稠密点云地图中所述第一点云数据与所述转换结果是否匹配，并在不匹配时，对所述至少一个从激光雷达的投影矩阵进行修正。11.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的基于多固态激光雷达的快速标定方法。12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的基于多固态激光雷达的快速标定方法。

技术总结
本申请特别涉及一种基于多固态激光雷达的快速标定方法、装置、设备及介质，方法包括：接收多固态激光雷达的标定指令，获取多固态激光雷达中主激光雷达的第一点云数据和至少一个从激光雷达的第二点云数据，得到至少一个从激光雷达到主激光雷达的投影矩阵，同时获取至少一个辅助雷达的第三点云数据，根据第一点云数据、第二点云数据和第三点云数据得到稠密点云地图，并根据稠密点云地图对投影进行修正，以根据修正后的投影矩阵对多固态激光雷达精标定。由此，解决了通过人工标定或自动标定人工调参而造成的标定流程复杂化，从而降低了标定效率及精度，通过多个雷达的粗标定和精标定的联合标定过程，提高了多固态激光雷达的标定精度和无人化效率。精度和无人化效率。精度和无人化效率。


技术研发人员：赵亚丽 汪玉
受保护的技术使用者：清华大学
技术研发日：2023.05.24
技术公布日：2023/8/4