[发明专利]一种视觉惯导标定方法、装置、可读存储介质及电子设备

说明书

一种视觉惯导标定方法、装置、可读存储介质及电子设备，该方法包括：获取相机采集的静态图像以及由惯性传感器同步采集的惯性测量数据；提取出道路元素特征，确定所述道路元素特征在世界坐标系下的三维坐标；根据三维坐标，确定第一帧时刻下的相机坐标系到第二帧时刻下的相机坐标系的第一转换矩阵；对所述第一帧静态图像与所述第二帧静态图像之间采集到的所述惯性测量数据预积分，确定第一帧时刻下的惯性传感器坐标系到第二帧时刻下的惯性传感器坐标系的第二转换矩阵；根据所述第一转换矩阵和所述第二转换矩阵，优化所述相机坐标系到所述惯性传感器坐标系的第三变换矩阵。实现了视觉惯导的在线标定，避免惯导会因为时间的推移而累积误差。

技术领域

本发明涉及自动驾驶领域，特别是涉及一种视觉惯导标定方法、装置、可读存储介质及电子设备。

背景技术

在相机和惯导融合中需要精确的外参，才能融合相机和惯导的数据。现有的标定方式，可分为离线标定和在线标定：

1、离线标定，使相机和惯导平台在各个轴上充分运动，标定板始终在相机视野内，将数据录下来，使用kalibr标定工具进行标定，标定方式繁琐，耗时长，但是标定精度高。如果相机惯导平台比较大，各个轴都能充分运动比较困难，就不适用这种方式。

2、在线标定，使用特征点来获得相机的旋转，和imu采集的旋转数据可以通过外参联系起来。通过重投影误差进行平移向量的优化，这种方式只能估计旋转，对平移的估算并不准确。

发明内容

鉴于上述状况，有必要提供一种视觉惯导标定方法、装置、可读存储介质及电子设备，以获得更精确的外参，提升惯导的定位精度。

一种视觉惯导标定方法，包括：

获取相机采集的静态图像以及由惯性传感器同步采集的惯性测量数据；

对所述静态图像进行语义分割提取出道路元素特征，并将所述道路元素特征与高精地图的语义信息进行匹配定位，确定所述道路元素特征在世界坐标系下的三维坐标；

根据第一帧静态图像中所述道路元素特征的三维坐标与第二帧静态图像中所述道路元素特征的三维坐标之间的位置关系，确定第一帧时刻下的相机坐标系到第二帧时刻下的相机坐标系的第一转换矩阵；

对所述第一帧静态图像与所述第二帧静态图像之间采集到的所述惯性测量数据预积分，确定第一帧时刻下的惯性传感器坐标系到第二帧时刻下的惯性传感器坐标系的第二转换矩阵；

根据所述第一转换矩阵和所述第二转换矩阵，优化所述相机坐标系到所述惯性传感器坐标系的第三变换矩阵。

进一步的，上述视觉惯导标定方法，其中，所述对所述静态图像进行语义分割提取出道路元素特征的步骤具体包括：

对所述静态图像滤波处理得到梯度图，并计算所述梯度图中像素梯度的大小和方向；

选取所述梯度图中梯度算子最大的值作为锚点，并将所述锚点依次连接形成边缘轮廓元素；

将所述边缘元素分割成多个线段，并采用最小二乘法在所述边缘轮廓元素中提取线特征；

对所述线特征进行验证，求取出符合预设标准的目标线特征，将所述目标线特征围合成的轮廓作为所述道路元素特征。

进一步的，上述视觉惯导标定方法，其中，所述对所述线特征进行验证，求取出符合预设标准的目标线特征的计算公式为：

其中，NFA表示误检线段数量，n表示图像中某一线特征的长度，h表示与所述某一线特征对齐的锚点数目，P表示阈值常数。

进一步的，上述视觉惯导标定方法，其中，所述对所述线特征进行验证，求取出符合预设标准的目标线特征，将所述目标线特征围合成的轮廓作为所述道路元素特征的步骤之前，所述方法还包括：