传感器参数的标定方法及装置、存储介质和电子装置与流程

本发明涉及通信领域，具体而言，涉及一种传感器参数的标定方法及装置、存储介质和电子装置。

背景技术：

定位导航，路径规划以及自主避障功能是移动机器人和无人驾驶研究领域的热点，也是移动机器人和无人驾驶技术落地产品化的关键。移动机器人和无人车通过相机，轮子里程计，超声波雷达，imu(inertialmeasurementunit，惯性测量仪)，lidar(lightdetectionandranging，激光探测与测量)等多传感器(由多个传感器组成)感知周围的环境和自身状态，实现在有障碍物的动态环境中自主避障，定位和导航。

相关技术中，不同类型传感器之间的信息融合是提高机器人/无人车环境感知能力的必备手段，多传感器融合技术为移动机器人/无人车提供更精确的环境信息以及更高的安全性能。多传感器标定技术是多传感器融合技术的前提，只有获取到准确的多传感器内外参数，才能做好不同类型传感器之间的信息融合，才能具有更强的环境感知能力。但是，相关技术中大多数都是实验室或者工厂组装阶段的离线标定，需要搭建特定的标定场景(特定的标定靶标，特定的运动轨迹)，而且标定流程一般较为复杂，需要耗费大量的人力物力财力。移动机器人/无人车的工作场景一般较为复杂多变，碰撞，和长期的机械振动等外力因素容易导致多传感器之间的相对位置关系发生变化，错误的位置关系必然导致错误的环境感知信息，致使移动机器人/无人车丧失正确的环境感知能力。

为了赋予移动机器人/无人车应对不同路况且复杂多变的动态环境，提高环境适应能力，多传感器在线标定技术是一个有效的解决方案。目前的已有的多传感器在线标定方案中，主要依赖与外部环境的特征提取，对环境信息有一定的要求。例如，对于相机和轮子里程计之间的相对位置关系标定，一般需要周围环境比较空旷，且有较强的纹理信息，同时，轮子需要运行特定的轨迹。对于相机和lidar之间的相对位置关系标定，同样需要周围环境比较空旷，且有较强的纹理信息。可见，相关技术中过度依赖于外部环境信息，限制了此类在线标定方法的应用场景，无法保证在线标定任务完成的时效性。

针对相关技术中的上述问题，目前尚未存在有效的解决方案。

技术实现要素：

本发明实施例提供了一种传感器参数的标定方法及装置、存储介质和电子装置，以至少解决相关技术中对于传感器参数的标定需要依赖外部环境信息导致在线标定时效性低的问题。

根据本发明的一个实施例，提供了一种传感器参数的标定方法，所述方法包括：通过预设数量的传感器采集目标设备自身的特征数据，其中，所述预设数量的传感器设置在所述目标设备上；利用所述特征数据进行所述预设数量的传感器的参数标定。

根据本发明的另一个实施例，提供了一种传感器参数的标定装置，包括：采集模块，用于通过预设数量的传感器采集目标设备自身的特征数据，其中，所述预设数量的传感器设置在所述目标设备上；标定模块，用于利用所述特征数据进行所述预设数量的传感器的参数标定。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，通过预设数量的传感器采集目标设备自身的特征数据，利用特征数据进行预设数量的传感器的参数标定；也就是说，如果目标设备为机器人或无人车，则可以通过传感器对机器人或无人车的车体特征进行采集，并对传感器的参数进行标定，从而解决相关技术中对于传感器参数的标定需要依赖外部环境信息导致在线标定时效性低的问题，提高了对传感器在线标定的效率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的传感器参数的标定方法的流程图；

图2是根据本发明实施例的传感器参数的标定方法的可选流程图；

图3是根据本发明实施例的传感器参数的标定装置的结构框图；

图4是根据本发明实施例的传感器参数的标定装置的可选结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

实施例1

在本实施例中提供了一种传感器参数的标定方法，该方法的执行主体可以为目标设备，目标设备可以为具备环境感知能力的电子设备，例如移动机器人、无人车等等，目标设备上设置有用于感测环境数据的预设数量的传感器，图1是根据本发明实施例的传感器参数的标定方法的流程图，如图1所示，该流程包括如下步骤：

步骤s102，通过预设数量的传感器采集目标设备自身的特征数据，其中，预设数量的传感器设置在目标设备上；

其中，在本申请的可选实施方式中，传感器的类型可以包括相机、轮子里程计、超声波雷达、imu、lidar等用于感知周围环境的传感器中的一种或多种；传感器的参数可以包括但不限于以下参数：rgb相机内参，rgb相机和深度相机(tof/结构光/双目)外参，rgb相机/深度相机和lidar外参，rgb相机/深度相机和轮子里程计外参，rgb相机/深度相机和imu外参等。需要说明的是，不同类型的传感器所要采集数据的对象是不相同的，如果目标设备为机器人则不同类型的传感器所对应的车体特征是不相同的。

步骤s104，利用特征数据进行预设数量的传感器的参数标定；

本申请所涉及的传感器的参数的标定可以包括：传感器的内参标定和传感器之间的外参标定中至少一种。具体的，传感器的参数的标定可以为包括：相机类型的传感器的内参标定，相机类型的传感器与其他类型的任一或每一传感器之间的外参的标定。

以目标设备上设置有一个相机、一个超声波雷达、一个imu进行距离说明。可利用特征数据进行相机的内参标定，进行相机与超声波雷达之间外参的标定，进行相机与imu之间外参的标定。

通过上述步骤s102至步骤s106，通过预设数量的传感器采集目标设备自身的特征数据，利用特征数据进行预设数量的传感器的参数标定；也就是说，如果目标设备为机器人或无人车，则可以通过传感器对机器人或无人车的车体特征进行采集，并对传感器的参数进行标定，从而解决相关技术中对于传感器参数的标定需要依赖外部环境信息导致在线标定时效性低的问题，提高了对传感器在线标定的效率。

需要说明的是，在具体应用场景中，是根据具体的标定任务需求，采集对应车体特征的特征数据。例如，对于相机内参的标定，只需要采集对应相机的包含车体特征的图片数据即可；对于相机和3dlidar之间外参的标定，则需要同时采集车体特征图片数据以及3dlidar数据。

此外，如果以目标设备为移动机器人或无人车为例，则本申请中涉及到的预设数量的传感器需要被安装到机器人或无人车的合适位置，以确保各预设数量组传感器可以采集到车体自身的指定特征，其中，该指定特征的数量可以为一个或多个。例如，该指定特征为机器人或无人车的车体特征，该车体特征包括但不限于以下几种：车体平面等平面特征，车体轮廓中的直线，圆弧等形状特征，车体轮廓中的线段长度，直线夹角，圆弧半径等几何特征，张贴的棋盘格或者二维码等预设数量组传感器标定中常用的标定靶标。

需要说明的是，对于一些相机和车体相对位置关系固定不变的场景，为了完成标定任务，还需要构建较为复杂的车体特征，例如需要在不共面的多个车体平面上张贴靶标；也即，在两个传感器之间相对位置关系固定不变的场景下，可将目标设备上多个特征作为这两个传感器对应的指定特征，在进行这两个传感器之间的外参标定过程中利用这两个传感器同时进行一次采集得到一组指定特征数据，这一组特征数据中包括这两个传感器对应的指定特征的特征数据。

为提高参数标定的准确性，在进行不同参数的标定时，所使用的车体特征也可能不相同；例如，以rgb相机和lidar之间相对位置关系(外参)的标定为例进行说明，为了方便rgb相机内参的快速准确标定以及车体特征和相机相对位置关系的快速准确求取，可以在rgb相机视野内的车体上张贴类似于apriltag之类的已知精确尺寸的标定靶标；再例如，在标定rgb相机和imu之间相对位置关系(外参)的标定时，可采用rgb相机和lidar对应指定特征以外的其他车体特征。

基于上述描述，在本申请一个可选实施方式中，本申请步骤s104中涉及到的通过预设算法对特征数据进行处理以标定预设数量组传感器中的参数的方式，可以进一步包括：

步骤s104-11，从特征数据中提取出与目标设备的指定特征对应的指定特征数据，其中，指定特征数据由预设数量的传感器中任意两个传感器所采集的；

可选的，在进行上述两个传感器的外参的标定过程中，从特征数据中提取出与该两个传感器相对应的指定特征的特征数据得到指定特征数据，对提取出的指定特征数据进行处理可进行这两个传感器之间的外参标定。

步骤s104-12，根据指定特征数据确定指定特征或指定特征所在平面，在任意两个传感器中各传感器对应的坐标系的描述信息；

其中，对于上述描述信息在本申请的可选实施方式中可以是平面方程。

步骤s104-13，通过预设算法对描述信息处理进行任意两个传感器的参数标定。

其中，预设算法与步骤s104-13所涉及的两个传感器对应；不同的组合的传感器之间的外参标定所采用的预设算法可能不相同，对应关系由开发人员设定。

由上述步骤s104-11至步骤s104-13可知，在本申请中可以基于目标设备的指定特征可以实现对预设数量组传感器中的参数进行标定，而在目标设备为移动机器人或无人车的情况下，指定特征为可以为车体平面或车体平面上张贴的标靶，当然在其他场景中也可以是其他车体特征，如：直线特征，圆孔特征等。本申请以两个传感器为rgb相机和lidar，进行rgb相机和lida的外参标定为例，对上述步骤s104-11至步骤s104-13进行举例说明；

首先，为了方便rgb相机内参的快速准确标定以及车体特征和相机相对位置关系的快速准确求取，可以预先相机视野内的车体上张贴类似于apriltag之类的已知精确尺寸的标定靶标，利用apriltag识别算法提取靶标特征点，其中，如果忽略靶标厚度，车体平面即为靶标平面，靶标是车体特征的组成部分。根据这些特征点，利用pnp算法求解出靶标坐标系和摄像机坐标系之间的相对位置关系，进而可以得到一个车体平面在摄像机坐标系下的空间平面方程:

acx+bcy+ccz+dc＝0

利用pcl点云平面提取算法提取一个车体平面在lidar坐标系下的空间平面方程：

alx+bly+clz+ul＝0

其中，a，b，c，d为平面方程的系数，x，y，z为三维空间点的坐标变量表示，系数中带有ac，bc，cc下标的表示摄像机坐标系下的平面方程表示，带有al，bl，cl下标的表示lidar坐标系下的平面方程表示。

每一个车体平面分别在摄像机坐标系和lidar坐标系下构成一组三维平面的约束关系，空间平面法向量以及坐标系原点到该平面的距离，即：

其中，nc为摄像机坐标系下的靶标平面的单位法向量，nl为lidar坐标系下的靶标平面的单位法向量，dc为摄像机坐标系原点到该平面的距离，dl为lidar坐标系原点到该平面的距离。

在利用pnp算法求取靶标平面和摄像机坐标系之间的相对位置关系之前，需要利用相机标定算法完成相机内参的标定，得到摄像机内参数矩阵:

其中，fx为传感器水平方向的归一化焦距，fy为传感器竖直方向的归一化焦距。(cx，cy)为主点像素坐标，其中，主点为相机光轴与相机平面的交点，其单位为像素。

在上述已经得出摄像机坐标系下的靶标平面的单位法向量nc以及摄像机坐标系原点到该平面的距离dc，lidar坐标系下的靶标平面的单位法向量nl以及lidar坐标系原点到该平面的距离dl。将待标定的rgb相机和lidar之间相对位置关系用如下的旋转矩阵t表示：

其中，rcl为相机坐标系变化到lidar坐标系的旋转矩阵，rij为3行3列中的元素(0<＝i，j<＝2)；tcl为相机坐标系变化到lidar坐标系的平移矩阵，ti(0<＝i<＝2)为3行1列中的元素。

据三维空间内平面的旋转原理，可以得到如下对应关系：

由平面法向量：

nl＝(l1,l2,l3)^t,nc＝(c1,c2,c3)^t，其中，在三维空间坐标系中，平面的法向量为三维向量，具有三个参数，l1，l2，l3分别为lidar坐标系下的平面法向量的三个参数，同理，c1，c2，c3分别为相机坐标系下的平面法向量的三个参数，从而可得：

以上为一组传感器(相机+lidar)占位下的一个靶标平面的法向量在摄像机坐标系和lidar坐标系下的约束关系。

以多个车体特征分别设置于多个不共面的n(n大于1的整数)个车体平面上时，可针对每个车体平面参照以上方法得到一个约束关系，一共得到n组约束关系；在两个传感器与目标设备的指定特征之间的相对位置为可变的情况下，目标设备在移动过程中利用这两个传感器先后对一个指定特征进行n次的特征数据采集，能够得到n组指定特征数据，一组指定特征数据为这两个传感器在同一时刻采集到的，对每一组指定特征数据参照以上方法进行处理可以得到n组约束关系。以上两种情况下均可以得到n组这样的约束方程：

其中，

进而得到如下目标函数：

r_cl为正交矩阵，满足如下正交矩阵性质：

r^tr＝i3，amddet(r)＝1

根据上面的正交矩阵性质可以得到如下等价的目标函数：

基于此，根据orthogonalprocrustesproblem求解算法，即可得到旋转矩阵r_cl。

此外，根据点到平面的的距离对应性原理，已知变换前的平面单位法向量nc和距离dc，以及变换矩阵r_cl，t_cl，可以得到变换之后的坐标系原点到平面的距离为：

理论上应该有如下等式：

d′l＝dl

但由于实际测量过程中存在误差，理论计算的距离和实际测量距离并不完全相等，因此，可以构建如下的目标优化函数：

因此，利用levenberg-marquard算法，即可求解出变换矩阵中的平移向量t_cl。

进一步地，对于上述步骤s104-11中涉及到的从特征数据中提取出与目标设备的指定特征对应的指定特征数据的方式包括：

方式(1)，在任意两个传感器与目标设备的指定特征之间的相对位置为可变的情况下，获取任意两个传感器针对一个车体特征先后采集的多组指定特征数据，每一组指定特征数据为任意两个传感器在同一时刻采集到的；进一步的，利用这多组指定特征数据确定出两个传感器之间的外参。

方式(2)，在任意两个传感器与目标设备的指定特征之间的相对位置为固定的情况下，获取任意两个传感器采集的一组指定特征数据，这一组指定特征数据包含多个车体特征的特征数据，该多个车体特征不共面；进一步的，利用这多组指定特征数据确定出两个传感器之间的外参。

其中，在任意两个传感器与目标设备的指定特征之间的相对位置为可变的情况下，目标设备需要变换位置，例如移动、转动，以采集多组指定特征数据。

需要说明的是，在具体应用场景中，即整个标定算法中，为了完成旋转矩阵r_cl和平移向量的求解，在本至少需要传感器(相机+lidar)占位下的靶标平面在摄像机坐标系和lidar坐标系下的五组约束关系。当然，由于真实世界中不可避免的传感器测量误差的存在，为了获取更高的联合标定精度，n应该大于5，为了考虑标定效率，一般选取n＝20。

此外，需要说明的是，对于预设数量传感器和车体特征之间的相对位置关系可以改变的场景，比如预设数量组传感器安装在滑板车的车把上，转动车把即可很容易的获取多个预设数量传感器占位。此场景中，车体特征只需要包含一个靶标平面即可。但对于预设数量组传感器和车体特征之间的相对位置关系固定不变的场景，则需要车体特征至少包含五个靶标平面，为了满足高精度的需求，则需要包含更多的靶标平面特征。

可见，通过本申请的上述方式，仅仅利用目标设备(如机器人或无人车)自身的特征即可完成多类传感器的在线标定，不依赖于外部环境信息，提高了多传感器在线标定的效率，同时也保证了多传感器在线标定任务完成的成功率和时效性。

在本申请的一个可选实施方式中，对于本申请步骤s106中涉及到的所述利用所述特征数据进行预设数量的传感器的参数标定，包括：

步骤s106-21，从特征数据中提取出与目标设备的指定特征对应的指定特征数据，其中，指定特征数据由预设数量的传感器中预定类型传感器所采集的；

本申请所涉及的预定类型传感器可以为相机类型的传感器。

步骤s106-22，根据指定特征数据进行预定类型传感器的内参标定。

需要说明的是；首次完成任意两个传感器之间的外参标定时，将参数的标定结果进行存储；首次完成任一传感器的内参标定时，将参数的标定结构进行存储。

在本申请的又一个可选实施方式中，如图2所示，本申请的方法步骤还可以包括：

步骤s106，检测预设数量的传感器中传感器之间的相对位置是否发生变化；

其中，在具体应用场景中可以是由目标设备受到撞击，或者是人为因素等原因导致预设数量的传感器中传感器之间相对位置发生变化。

需要说明的是：目标设备可进行周期性自检预设数量的传感器中传感器之间的相对位置是否发生变化，检测周期可以由开发人员设定，也可由用户自定义；目标设备在接收到标定检查指令时，可进行预设数量的传感器中传感器之间的相对位置是否发生变化的检测，标定检查指令可以为目标设备上检测按钮被操作时产生的信号，也可以为诸如手机、平板电脑等移动终端发送的标定检查指令，在本申请中对此不做具体限定。

步骤s108，在检测到预设数量的传感器中传感器之间的相对位置发生变化后，触发再次执行步骤s102和步骤s104。

通过再次执行步骤s102和步骤s104，以更新存储的参数的标定结果

由上述步骤s106至步骤s108可知，在预设数量的传感器中传感器之间相对位置发生变化之后，由于之前的标定结果已经不准确，需要再次进行标定，因此会触发再次触发进行传感器的参数标定。

对于上述步骤s106中涉及到的检测预设数量的传感器中传感器之间的相对位置是否发生变化的方式，进一步可以包括：

步骤s106-11，获取预设数量的传感器中任意两个传感器采集目标设备的指定特征的指定特征数据，以及获取任意两个传感器的参数标定结果；

步骤s106-12，确定指定特征或指定特征所在平面在任意两个传感器中各传感器坐标系中的空间表示；

步骤s106-13，根据空间表示对任意两个传感器的参数标定结果进行标定检查。

对于上述步骤s106-11至步骤s106-13，在具体的应用场景中：以rgb相机和lidar之间外参的标定检查为例进行说明，在获取到车体特征分别在摄像机坐标系的空间表示a(第一空间表示)和lidar坐标系的空间表示b(第二空间表示)之后，在rgb相机和lidar之间外参标定结果的基础上，将车体特征在摄像机坐标系的空间表示a转换到lidar坐标系的空间表示c(第三空间表示)。

其中，对于本申请步骤s106-13中涉及到的根据空间表示对任意两个传感器的参数标定结果进行标定检查的方式，进一步可以包括：

步骤s1，确定第二空间表示与第三空间表示之间的距离；

步骤s2，在距离小于或等于预设阈值的情况下，确定任意两个传感器的参数的标定结果正确；

其中，在标定结果正确的情况下，上报用于指示标定结果正确的消息；

步骤s3，在距离大于预设阈值的情况下，确定任意两个传感器的参数的标定结果不正确。

其中，在标定结果不正确的情况下，上报用于指示标定结果不正确的消息，和/或，触发对预设数量的传感器的参数进行重新标定，和/或，对预设数量的传感器中的任意两个传感器(步骤s106-13中涉及到的)的参数进行重新标定。参数的重新标定方式可参照本申请所涉及的传感器的参数标定方法，此处不再一一赘述。

上报标定结果为成功，则代表标定结果正确不需要进行多传感器重新标定，上报标定结果为失败，则表示标定结果错误需要立刻终止导航任务并进行自我安全保护，需要进行多传感器重新标定，这里所讲的自我安全保护包括但不限于移动至人行道、移动至无人区等等。也就是说，在目标设备(移动机器人/无人车)移动过程中，可以快速响应标定检查指令来完成多传感器在线标定检查任务，一旦发现多传感器标定结果不准确，即可停止导航任务，运行到安全位置之后下达重新标定指令，重新标定之后即可及时更新车体上的多传感器相对位置关系，及时赋予移动目标设备(机器人/无人车)准确感知环境的能力，节省大量人力物力财力的同时，也提高了移动目标设备(机器人/无人车)的运行稳定性和安全性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

实施例2

在本实施例中还提供了一种传感器参数的标定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图3是根据本发明实施例的传感器参数的标定装置的结构框图，如图3所示，该装置包括：采集模块302，用于通过预设数量的传感器采集目标设备自身的特征数据，其中，预设数量的传感器设置在目标设备上；标定模块304，与采集模块302耦合连接，用于利用特征数据进行预设数量的传感器的参数标定。

可选地，本申请中的标定模块304进一步可以包括：第一提取单元，用于从特征数据中提取出与目标设备的指定特征对应的指定特征数据，其中，指定特征数据由预设数量的传感器中任意两个传感器所采集的；第一确定单元，用于根据指定特征数据确定指定特征或指定特征所在平面，在任意两个传感器中各传感器对应的坐标系的描述信息；第一标定单元，用于通过预设算法对描述信息处理进行任意两个传感器的参数标定。

可选地，第一提取单元包括：第一获取子单元，用于在任意两个传感器与目标设备的指定特征之间的相对位置为可变的情况下，获取任意两个传感器采集一组指定特征数据；第二获取子单元，用于在任意两个传感器与目标设备的指定特征之间的相对位置为固定的情况下，获取任意两个传感器采集的多组指定特征数据，一组指定特征数据为任意两个传感器在同一时刻采集到的。

可选地，本申请中的标定模块304还包括：第二提取单元，用于从特征数据中提取出与目标设备的指定特征对应的指定特征数据，其中，指定特征数据由预设数量的传感器中预定类型传感器所采集的；第二标定单元，用于根据指定特征数据进行预定类型传感器的内参标定。

图4是根据本发明实施例的传感器参数的标定装置的可选结构框图一，如图4所示，该装置还可以包括：检测模块402，用于检测预设数量的传感器中传感器之间的相对位置是否发生变化；触发模块404，与检测模块402耦合连接，用于在检测到预设数量的传感器中传感器之间的相对位置发生变化后，再次触发通过预设数量的传感器采集目标设备自身的特征数据，以及利用特征数据进行预设数量的传感器的参数标定的步骤。

可选地，本申请中的检测模块402进一步可以包括：获取单元，用于获取预设数量的传感器中任意两个传感器采集目标设备的指定特征的指定特征数据，以及获取任意两个传感器的参数标定结果；第二确定单元，用于确定指定特征或指定特征所在平面在任意两个传感器中各传感器坐标系中的空间表示；检查单元，用于根据空间表示对任意两个传感器的参数标定结果进行标定检查。

实施例3

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，通过预设数量的传感器采集目标设备自身的特征数据，其中，预设数量的传感器设置在目标设备上；

s2，利用特征数据进行预设数量的传感器的参数标定。

可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(read-onlymemory，简称为rom)、随机存取存储器(randomaccessmemory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

s1，通过预设数量的传感器采集目标设备自身的特征数据，其中，预设数量的传感器设置在目标设备上

s2，利用特征数据进行预设数量的传感器的参数标定。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。