一种参数校正的方法及装置与流程

1.本说明书涉及无人驾驶技术领域，尤其涉及一种参数校正的方法及装置。


背景技术：

2.在自动驾驶设备根据激光雷达采集的点云数据和组合导航设备采集的位姿数据执行任务时，通常需要根据激光雷达和组合导航设备之间预设外参来将激光雷达和组合导航设备采集的数据融合，进而才能根据融合后的数据进行任务的执行。
3.但是，由于设置在采集设备中的各传感器在日常运转过程中，往往会出现设备松动的现象，从而导致预设外参与实际外参之间存在偏差，进而对自动驾驶设备执行的任务造成影响。
4.在现有技术中，工作人员通常会每隔一定的周期，重新标定一下预设外参，而由于人工设定的周期不一定符合外参受设备松动影响后实际需要的校正周期，进而导致当预设外参与实际外参之间出现较大偏差时，不能被及时重新标定，以及当重新标定外参时，发现重新标定的外参与与原来的外参之间偏差较小不影响自动驾驶设备执行的任务，造成资源浪费的情况发生。除此之外，由于人工重新标定预设外参是针对每个激光雷达独立进行的，所以还导致各雷达传感器的外参之间缺乏一致性，进而使自动驾驶设备执行的任务受到影响。
5.因此，如何及时有效对激光雷达的外参进行校正，以保证自动驾驶设备能够正常执行任务，则是一个亟待解决的问题。


技术实现要素：

6.本说明书提供一种参数校正的方法及装置，以部分的解决现有技术存在的上述问题。
7.本说明书采用下述技术方案：
8.本说明书提供了一种参数校正的方法，包括：
9.获取自动驾驶设备上各激光雷达采集的各点云数据，以及采集所述各点云数据时基于的位姿，所述位姿是通过所述自动驾驶设备上其他传感器确定出的；
10.针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参；
11.将所述自动驾驶设备上每个激光雷达进行多轮参数校正，以得到每个激光雷达对应的校正后外参，其中，针对每轮参数校正，根据在该轮参数校正中的第一激光雷达的优化后外参、所述第一激光雷达采集的各点云数据和在该轮参数校正中需要优化的第二激光雷达采集的各点云数据，对所述第二激光雷达的优化后外参进行校正，得到校正后外参，并判断是否满足预设的校正终止条件，若确定不满足所述校正终止条件，将所述第二激光雷达，作为下一轮参数校正的第一激光雷达，以及将所述校正后外参作为下一轮参数校正中第一激光雷达的优化后外参。
12.可选地，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参，包括：
13.根据该激光雷达采集的各点云数据，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域；
14.根据所述目标区域对应的点云数据，以及通过该激光雷达采集所述目标区域对应的点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参。
15.可选地，所述其他传感器包括：全球导航卫星系统gnss；
16.根据该激光雷达采集的各点云数据，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域，包括：
17.获取该激光雷达采集各点云数据时对应的gnss信号分布图；
18.根据所述gnss信号分布图，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域。
19.可选地，根据所述gnss信号分布图，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域，包括：
20.将该激光雷达采集的各点云数据和所述gnss信号分布图输入到预设的筛选模型中，以通过所述筛选模型，确定该激光雷达采集的各点云数据所涵盖的每个区域对应的评分，并根据所述评分，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域。
21.可选地，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参，包括：
22.根据该激光雷达采集的各点云数据，确定该激光雷达采集的各点云数据涉及的目标对象所对应的第一相对位姿；
23.根据所述自动驾驶设备通过该激光雷达采集各点云数据时所基于的位姿，确定所述目标对象对应的第二相对位姿；
24.根据所述第一相对位姿与所述第二相对位姿之间的位姿偏差，对该激光雷达对应的外参进行优化，得到优化后外参。
25.可选地，根据所述自动驾驶设备通过该激光雷达采集各点云数据时所基于的位姿，确定所述目标对象对应的第二相对位姿，包括：
26.从该激光雷达采集各点云数据中，确定涉及所述目标对象的点云数据，作为基础点云数据；
27.根据该激光雷达采集的除所述基础点云数据外涉及所述目标对象的各点云数据，确定与所述基础点云数据相关联的点云数据的集合，作为目标点云数据集合；
28.根据所述基础点云数据、所述目标点云数据集合，以及所述自动驾驶设备通过该激光雷达采集各点云数据时所基于的位姿，确定目标对象对应的第二相对位姿。
29.可选地，根据该激光雷达采集的除所述基础点云数据外涉及所述目标对象的各点云数据，确定与所述基础点云数据相关联的点云数据的集合，作为目标点云数据集合，包括：
30.从该激光雷达采集的除所述基础点云数据外的各点云数据中，确定目标点云数据；
31.从该激光雷达采集的除所述基础点云数据外的各点云数据中，确定与所述目标点
云数据对应的采集时刻不超过设定时间间距的点云数据，作为所述目标点云数据对应的关联点云数据；
32.根据所述目标点云数据，以及所述目标点云数据对应的关联点云数据，确定与所述基础点云数据相关联的点云数据的集合，作为目标点云数据集合。
33.可选地，所述方法还包括：
34.针对所述自动驾驶设备的每个激光雷达，判断该激光雷达对应的校正后的外参与该激光雷达对应的校正前外参之间的偏差是否超过预设阈值；
35.若是，向服务器发送人工重新标定外参的标定请求；
36.若否，根据所述各激光雷达对应的校正后外参，执行控制所述自动驾驶设备所需的任务。
37.可选地，针对每轮参数校正，该轮参数校正中的第一激光雷达和该轮参数校正中的第二激光雷达为设置在所述自动驾驶设备上不同区域上的激光雷达。
38.本说明书提供了一种参数校正的装置，包括：
39.获取模块，用于获取自动驾驶设备上各激光雷达采集的各点云数据，以及采集所述各点云数据时基于的位姿，所述位姿是通过所述自动驾驶设备上其他传感器确定出的；
40.优化模块，用于针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参；
41.校正模块，用于将所述自动驾驶设备上每个激光雷达进行多轮参数校正，以得到每个激光雷达对应的校正后外参，其中，针对每轮参数校正，根据在该轮参数校正中的第一激光雷达的优化后外参、所述第一激光雷达采集的各点云数据和在该轮参数校正中需要优化的第二激光雷达采集的各点云数据，对所述第二激光雷达的优化后外参进行校正，得到校正后外参，并判断是否满足预设的校正终止条件，若确定不满足所述校正终止条件，将所述第二激光雷达，作为下一轮参数校正的第一激光雷达，以及将所述校正后外参作为下一轮参数校正中第一激光雷达的优化后外参。
42.本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述参数校正的方法。
43.本说明书提供了一种自动驾驶设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现参数校正的方法。
44.本说明书采用的上述至少一个技术方案能够达到以下有益效果：
45.在本说明书提供的参数校正的方法，首先获取自动驾驶设备上各激光雷达采集的各点云数据，以及采集各点云数据时基于的位姿，其中，位姿是通过自动驾驶设备上其他传感器确定出的，然后，针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参，进一步地，将自动驾驶设备上每个激光雷达进行多轮参数校正，以得到每个激光雷达对应的校正后外参，其中，针对每轮参数校正，根据在该轮参数校正中的第一激光雷达的优化后外参、第一激光雷达采集的各点云数据和在该轮参数校正中需要优化的第二激光雷达采集的各点云数据，对第二激光雷达的优化后外参进行校正，得到校正后外参，并判断是否满足预设的校正终止条件，若确定不满足校正终止条件，将第二激光雷达，作为下一轮参数
校正的第一激光雷达，以及将校正后外参作为下一轮参数校正中第一激光雷达的优化后外参。
46.从上述方法中可以看出，通过针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，并根据各激光雷达优化后的外参，对各激光雷达进行外参校正的方式，可以实时的对各激光雷达的外参进行校正，并且避免了不同激光雷达的外参之间缺乏一致性的问题，进而为需要使用到外参的任务的执行提供了保障。
附图说明
47.此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
48.图1为本说明书中提供的一种参数校正的方法的流程示意图；
49.图2为本说明书提供的一种外参校正的方法的整体流程示意图；
50.图3为本说明书提供的一种参数校正的装置的示意图；
51.图4为本说明书提供的一种对应于图1的电子设备的示意图。
具体实施方式
52.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
53.以下结合附图，详细说明本说明书各实施例提供的技术方案。
54.图1为本说明书中提供的一种参数校正的方法的流程示意图，包括以下步骤：
55.s101：获取自动驾驶设备上各激光雷达采集的各点云数据，以及采集所述各点云数据时基于的位姿，所述位姿是通过所述自动驾驶设备上其他传感器确定出的。
56.在本说明书中，自动驾驶设备可以根据设置在自动驾驶设备上的各传感器设备，在日常运转过程中出现的设备松动情况，及时对自动驾驶设备中的各激光雷达与其他传感器设备之间的外参(用于在不同传感器坐标系之间，将各传感器采集的数据转换到其他传感器对应的坐标系中的参数，即为外参)进行校正。
57.在此之前，自动驾驶设备需要先获取到设置在自动驾驶设备上的各激光雷达采集的各点云数据，以及通过自动驾驶设备上其他传感器，确定出的自动驾驶设备采集各点云数据时基于的位姿，进而可以根据获取到的自动驾驶设备上各激光雷达采集的各点云数据，以及通过自动驾驶设备上其他传感器确定出的自动驾驶设备采集各点云数据时基于的位姿，对自动驾驶设备的各激光雷达与其他传感器之间的外参进行校正。
58.其中，自动驾驶设备采集各点云数据时基于的位姿包括：激光雷达相对于世界坐标系的位姿、激光雷达相对于其他传感器对应的坐标系的位姿。其他传感器采集的位姿信息。这里提到的其他传感器可以包括：由惯性测量单元(inertial measurement unit，imu)、全球导航卫星系统(global navigation satellite system，gnss)、相机组成的组合
导航设备、毫米波雷达等。
59.在本说明书中，用于实现参数校正的方法的执行主体，可以是指自动驾驶设备，也可以是指服务器等设置于业务平台的指定设备，为了便于描述，下面仅以自动驾驶设备是执行主体为例，对本说明书提供的参数校正的方法进行说明。
60.其中，当用于实现参数校正的方法的执行主体为上述指定设备时，指定设备接收自动驾驶设备发送的各点云数据，并通过上述方法对各激光雷达的外参进行校正，得到校正后外参，并将校正后的外参发送给自动驾驶设备，以通过自动驾驶设备进行任务执行。
61.s102：针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参。
62.自动驾驶设备在获取到设置在自动驾驶设备上的各激光雷达采集的各点云数据，以及通过自动驾驶设备上其他传感器确定出的自动驾驶设备采集各点云数据时基于的位姿之后，可以针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参。
63.在本说明书中，自动驾驶设备可以在根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化之前，从该激光雷达采集的各点云数据中确定出目标对象，进而可以基于不同点云数据中对应的目标对象的位姿，对自动驾驶设备的各激光雷达进行的外参进行校正，其中，目标对象是指，各激光雷达中的一帧或多帧点云数据中包含的目标物，或者，各激光雷达中的一帧或多帧点云数据中相匹配的点云点。
64.例如：设置在高精地图采集车中的激光雷达采集的一帧或多帧点云数据中包含有一个房子对应的点云数据，其中，房子这个目标物即为目标对象。再例如：设置在采集设备中的激光雷达采集的一帧点云数据中包含有指定点云点，而在该激光雷达采集的另一帧或多帧数据中包含有在位置关系上，与上述点云点相对应的点云点，则可以认为这两帧或多帧点云数据中对应的点云点为相匹配的点云点，其中，这里提到的指定点云点，和与该指定点云点相匹配的点云点即为目标对象。
65.基于此，自动驾驶设备可以根据该激光雷达采集的各点云数据，通过预设的算法，确定该激光雷达采集的各点云数据涉及的目标对象所对应的第一相对位姿，并根据自动驾驶设备通过该激光雷达采集各点云数据时所基于的位姿，确定目标对象对应的第二相对位姿。然后，根据第一相对位姿与第二相对位姿之间的位姿偏差，对该激光雷达对应的外参进行优化，得到优化后外参。
66.其中，预设的算法可以是诸如：正态分布变换(normal distributions transform，ndt)算法、迭代最近点(iterative closest point，icp)等算法。
67.具体地，自动驾驶设备可以从该激光雷达采集的包含有目标对象的各点云数据中，选择任意一帧点云数据，作为基础点云数据，再从该激光雷达采集的除基础点云数据外的包含有目标对象的各点云数据中，选择任意一帧点云数据，作为目标点云数据，进而可以根据该激光雷达的基础点云数据和目标点云数据，对该激光雷达的外参进行优化。
68.另外，为了最终参数优化的结果更加准确，自动驾驶设备还可以从该激光雷达采集的除基础点云数据外的各点云数据中，选择出的与目标点云数据对应的采集时刻不超过设定时间间距的一帧或多帧点云数据，作为与目标点云数据对应的关联点云数据，根据目
标点云数据，以及与目标点云数据对应的关联点云数据，创建目标点云数据集合。
69.例如：从该激光雷达采集各点云数据中，选择第i帧点云数据，作为基础点云数据，再从该激光雷达采集的除基础点云数据外的各点云数据中，选择第j帧点云数据，作为目标点云数据，并从该激光雷达采集的除基础点云数据外的各点云数据中，选取与目标点云数据对应的采集时刻间隔1秒的第j-1帧点云数据和第j+1帧点云数据，作为与目标点云数据对应的关联点云数据，并根据目标点云数据，以及目标点云数据对应的关联点云数据，创建目标点云数据集合。
70.进而，可以将目标点云数据集合中的各帧点云数据融合，得到融合点云数据，其中，融合的过程是指将各帧点云数据中的点云进行叠加融合，构建出一个地图map(即为上述的融合点云数据)，然后根据基础点云数据中的目标对象和构建出的地图map中的目标对象的相对位姿，对激光雷达的外参进行优化。
71.自动驾驶设备可以通过上述的预设的算法，计算得到目标点云数据和融合点云数据中的目标对象的第一相对位姿，并设置一个初始值，作为该激光雷达的外参与优化后的外参之间可能存在的一个外参残差(残差即为该激光雷达的外参与优化后的外参之间的差值)，可以理解为，先假设该激光雷达中设置的外参与实际的外参(即优化后的外参)之间存在一个差值，然后设置一个初始值作为这个差值，并在后续计算中，逐渐的修改这个差值，以得到该激光雷达中设置的外参与实际的外参之间真实存在的差值。
72.而后，自动驾驶设备可以将其他传感器采集到的基础点云数据中的目标对象在其他传感器坐标系下对应的位姿，以及融合点云数据中的目标对象的在其他传感器坐标系下对应的位姿，通过该激光雷达和其他传感器之间的外参，转换到激光雷达坐标系中，得到基础点云数据和融合点云数据中的目标对象在激光雷达坐标系下的位姿，并计算出基础点云数据和融合点云数据中的目标对象在激光雷达坐标系下的位姿之间的相对位姿，作为第二相对位姿。
73.值得说明的是，第一相对位姿是根据该激光雷达采集的点云数据，通过预设的算法计算得到的，而该激光雷达采集的点云数据是在该激光雷达坐标系下的，因此，在上述内容中，需要将基础点云数据以及融合点云数据中的目标对象在其他传感器坐标系下的位姿，通过外参转换到激光雷达坐标系中，以保证基础点云数据和融合点云数据的第一相对位姿和第二相对位姿是在同一个坐标系下的，进而可以进行后续对外参的优化。
74.另外，由于在基础点云数据以及融合点云数据中的目标对象，在其他传感器坐标系下的位姿，转换到激光雷达坐标系的过程中，使用的外参为该激光雷达与其他传感器之间的优化前的初始外参，因此，若优化前的初始外参不准确时，就会导致计算出的第二相对位姿和直接基于该激光雷达采集的点云数据得到的第一相对位姿之间存在较大偏差，基于此，可以根据第一相对位姿和第二相对位姿之间的偏差，对该激光雷达的外参进行优化。
75.具体地，可以使用预设的算法，以目标对象的第一相对位姿和第二相对位姿之间的差值最小化为目标，对预设的外参残差的初始值进行优化，进而可以根据该激光雷达的外参和该激光雷达的外参残差，得到该激光雷达优化后外参，其中，预设的算法可以是最小二乘法等算法，下面以预设算法为最小二乘法，其他传感器为组合导航设备为例，对上述内容进行进一步地说明，具体参考如下公式：
[0076][0077]
上述公式中，t
′
lidar
→
imu
代表待优化的外参残差，代表通过ndt算法计算出的第一相对位姿，代表第二相对位姿，代表基于融合点云数据中的目标对象在组合导航设备坐标系下的位姿，得到的融合点云数据中的目标对象在该激光雷达坐标系中的位姿，代表基于基础点云数据中的目标对象在组合导航设备坐标系下的位姿，得到的基础点云数据中的目标对象在该激光雷达坐标系中的位姿。
[0078]
从这里可以看出，可以通过最小二乘法，计算出初始的外参残差优化后的值，进而可以根据该激光雷达对应的外参残差的优化后的值，计算出该激光雷达对应的优化后外参。
[0079]
在本说明书中，为了提高针对每个激光雷达的外参进行优化的效率和准确率，自动驾驶设备还可以从该激光雷达采集的各点云数据所涵盖的区域中，确定出特征信息丰富的目标区域，进而根据目标区域内对应的点云数据，通过上述的激光雷达的外参优化方法，对该激光雷达对应的外参进行优化，得到优化后外参。
[0080]
例如，在高精地图绘制任务中，可以从各点云数据中选取gnss信号较强的，包含较多采集设备的轨迹的区域，点云数据特征(点云数据特征可以是角点特征等)丰富的区域，作为目标区域。
[0081]
具体地，自动驾驶设备可以获取该激光雷达采集各点云数据时对应的gnss信号分布图，根据gnss信号分布图，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域。
[0082]
当然，自动驾驶设备还可以将该激光雷达采集的各点云数据和gnss信号分布图输入到预设的筛选模型中，以通过筛选模型，确定该激光雷达采集的各点云数据所涵盖的每个区域的采集设备的轨迹特征、点云数据特征、以及gnss信号分布特征，进而确定出该激光雷达采集的各点云数据所涵盖的每个区域对应的评分，根据评分从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域。
[0083]
其中，筛选模型的训练方法可以是，将一个区域内的各点云数据和gnss信号分布图输入到预设的筛选模型中，得到筛选模型输出的该区域的评分，进而以最小化筛选模型输出的该区域的评分和该区域实际评分之间的偏差为优化目标，对筛选模型进行训练。
[0084]
需要说明的是，上述目标区域的大小可以根据实际需求而定，如，目标区域为大小为100米
×
100米的一块区域。
[0085]
s103：将所述自动驾驶设备上每个激光雷达进行多轮参数校正，以得到每个激光雷达对应的校正后外参，其中，针对每轮参数校正，根据在该轮参数校正中的第一激光雷达的优化后外参、所述第一激光雷达采集的各点云数据和在该轮参数校正中需要优化的第二激光雷达采集的各点云数据，对所述第二激光雷达的优化后外参进行校正，得到校正后外参，并判断是否满足预设的校正终止条件，若确定不满足所述校正终止条件，将所述第二激
光雷达，作为下一轮参数校正的第一激光雷达，以及将所述校正后外参作为下一轮参数校正中第一激光雷达的优化后外参。
[0086]
由于在上述内容中，自动驾驶设备的针对每个激光雷达的外参进行优化的过程都只是针对该激光雷达进行的，因此，该激光雷达对应的优化后的外参在实际应用过程中，缺乏与其它激光雷达之间的一致性，进而导致优化后的外参不能很好的适用于后续的任务，因此，自动驾驶设备在优化完每个激光雷达对应的外参后，还可以针对每个激光雷达进行多轮的参数校正，以得到每个激光雷达对应的多轮的参数校正后的外参，以使校正外参后的各激光雷达在同一时刻采集到的数据之间具有一致性。
[0087]
其中，自动驾驶设备可以针对每轮参数校正，确定出该轮参数校正中的第一激光雷达，并将第一激光雷达作为该轮参数校正中的基础激光雷达，来对第二激光雷达进行参数校正。
[0088]
具体地，自动驾驶设备可以根据在该轮参数校正中的第一激光雷达的优化后外参、第一激光雷达采集的各点云数据和在该轮参数校正中需要优化的第二激光雷达采集的各点云数据，对所述第二激光雷达的优化后外参进行校正，得到校正后外参，并判断是否满足预设的校正终止条件，若确定不满足校正终止条件，则将第二激光雷达，作为下一轮参数校正的第一激光雷达，以及将所述校正后外参作为下一轮参数校正中第一激光雷达的优化后外参。
[0089]
其中，针对每轮参数校正，该轮参数校正中的第一激光雷达和该轮参数校正中的第二激光雷达为设置在自动驾驶设备上不同区域上的激光雷达，例如，设置在自动驾驶设备的顶部的顶视激光雷达，和设置在自动驾驶设备的侧方的斜视激光雷达，即为设置在自动驾驶设备上不同区域上的激光雷达。
[0090]
在本说明书中，若是自动驾驶设备确定参数校正的轮数达到预设的轮数，则可以确定到达上述的预设条件，进而停止外参的校正，也可以是自动驾驶设备在确定出上一轮参数校正中的第二激光雷达的校正后外参与第二激光雷达校正前的外参之间的差值，和该轮参数校正中的第二激光雷达的校正后外参与第二激光雷达校正前的外参之间的差值均小于预设阈值时，确定到达上述预设条件，进而停止外参的校正。预设条件的其他形式在此就不一一举例说明了。
[0091]
当参数校正满足预设条件时，将该轮参数校正中的第一激光雷达的优化后外参和第二激光雷达的校正后外参，作为第一激光雷达和第二激光雷达对应的校正后外参，下面以预设算法为最小二乘法，其他传感器为组合导航设备为例，对上述内容进行进一步地说明，具体可以参考如下公式。
[0092][0093]
上述公式中，代表第二激光雷达的待优化外参残差，代表第一相对位姿，代表第二相对位姿，代表基于基础点云数据中的目标对象的在组合导航设备对应的坐标系下对应的位姿，得到
的目标对象在第一激光雷达坐标系中的位姿，代表基于融合点云数据中的目标对象的在组合导航设备对应的坐标系下对应的位姿，得到的目标对象在第二激光雷达坐标系中的位姿，代表第一激光雷达的外参残差。
[0094]
通过上述公式可以看出，可以在固定第一激光雷达优化后外参与优化前的外参之间的差值不变，通过诸如最小二乘法等算法，以目标对象的第一相对位姿和第二相对位姿之间的位姿偏差最小化为目标，对第二激光雷达对应的外参残差值的初始值进行优化，进而可以根据优化后的第二激光雷达对应的外参残差值，计算出第二激光雷达对应的校正后外参。
[0095]
通过上述内容可以看出，自动驾驶设备在需要根据激光雷达的外参处理激光雷达采集的点云数据，以进行后续任务之前，可以先对激光雷达的外参进行校正，但是通过上述方法校正后的外参只是通过算法计算出的校正后的外参，并不能保证校正后的外参就是实际的外参，即，通过上述方式，可以尽可能的使得校正后的外参接近实际的外参。
[0096]
当然，在本说明书中，自动驾驶设备也可以通过比对校正后的外参和校正前的外参之间的差异，来确定在后续的任务中对校正后的外参的使用情况。具体的，在自动驾驶设备通过上述的方法得到各激光雷达对应的校正后的外参在实际应用到后续任务之前，可以判断该激光雷达对应的校正后的外参与该激光雷达对应的校正前外参之间的偏差是否超过预设阈值，若是，则此时通过上述的方法校正后的外参不能再保证外参的精准性，可能会影响到后续的任务，因此，需要向服务器发送人工重新标定外参的标定请求，若否，则该校正后的外参可以直接在后续任务中使用，进而可以根据各激光雷达对应的校正后外参，进行任务执行。
[0097]
本说明书提供的方法可以在诸多场景中进行使用，例如，在高精地图绘制过程中，由于人工重新标定预设外参是针对每个激光雷达独立进行的，所以会导致各雷达传感器的外参之间缺乏一致性，进而使绘制出的高精地图存在重影的问题，因此，自动驾驶设备可以根据各自动驾驶设备上的各激光雷达采集的各点云数据，各点云数据对应的位姿，对自动驾驶设备上设置各激光雷达的外参进行校正，进而基于校正后的外参，绘制出对应的高精地图。
[0098]
再例如，在为自动驾驶设备进行轨迹规划过程中，如果激光雷达的外参与激光雷达实际的外参之间存在偏差，而没有被及时校正时，则可能会影响到为该自动驾驶设备规划出的轨迹的准确性，进而给自动驾驶设备的行驶带来安全隐患。因此，自动驾驶设备在基于激光雷达的外参为自动驾驶设备规划轨迹之前，可以通过本说明书中提供的方法，对设置在自动驾驶设备上的各激光雷达的外参进行校正，再基于校正后外参，为该自动驾驶设备规划出相应的轨迹。
[0099]
图2为本说明书提供的一种外参校正的方法的整体流程示意图。
[0100]
如图2所示，自动驾驶设备可以根据获取的设置在自动驾驶设备上的各激光雷达采集的各点云数据，自动驾驶设备采集各点云数据时基于的位姿，各激光雷达的外参，gnss信号分布图，对各激光雷达采集的各点云数据所涵盖的各区域进行评分，并根据评分确定出一个目标区域，进而根据各激光雷达采集的目标区域内的点云数据，对各激光雷达的外参进行优化，得到优化后外参。
[0101]
进一步地，可以从各激光雷达中，依次选择出第一激光雷达和第二激光雷达，然后，为了保证第一激光雷达和第二激光雷达的优化后外参的一致性更高，可以对第一激光雷达和第二激光雷达的优化后外参，进行外参校正，得到各激光雷达的校正后外参。
[0102]
若各激光雷达的校正后外参与校正前外参之间的差值不超过预设阈值，则可以将各激光雷达的外参输出，以便于后续执行控制所述自动驾驶设备所需的任务中使用。若各激光雷达的校正后外参与校正前外参之间的差值超过预设阈值，则生成并发送人工重新标定外参请求给研发人员。
[0103]
以上为本说明书的一个或多个实施例提供的参数校正的方法，基于同样的思路，本说明书还提供了相应的参数校正的装置，如图3所示。
[0104]
图3为本说明书提供的一种参数校正的装置的示意图，包括：
[0105]
获取模块301，用于获取自动驾驶设备上各激光雷达采集的各点云数据，以及采集所述各点云数据时基于的位姿，所述位姿是通过所述自动驾驶设备上其他传感器确定出的；
[0106]
优化模块302，用于针对每个激光雷达，根据该激光雷达采集的各点云数据，以及通过该激光雷达采集各点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参；
[0107]
校正模块303，用于将所述自动驾驶设备上每个激光雷达进行多轮参数校正，以得到每个激光雷达对应的校正后外参，其中，针对每轮参数校正，根据在该轮参数校正中的第一激光雷达的优化后外参、所述第一激光雷达采集的各点云数据和在该轮参数校正中需要优化的第二激光雷达采集的各点云数据，对所述第二激光雷达的优化后外参进行校正，得到校正后外参，并判断是否满足预设的校正终止条件，若确定不满足所述校正终止条件，将所述第二激光雷达，作为下一轮参数校正的第一激光雷达，以及将所述校正后外参作为下一轮参数校正中第一激光雷达的优化后外参。
[0108]
可选地，所述优化模块302具体用于，根据该激光雷达采集的各点云数据，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域；根据所述目标区域对应的点云数据，以及通过该激光雷达采集所述目标区域对应的点云数据时基于的位姿，对该激光雷达对应的外参进行优化，得到优化后外参。
[0109]
可选地，所述优化模块302具体用于，获取该激光雷达采集各点云数据时对应的gnss信号分布图；根据所述gnss信号分布图，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域。
[0110]
可选地，所述优化模块302具体用于，将该激光雷达采集的各点云数据和所述gnss信号分布图输入到预设的筛选模型中，以通过所述筛选模型，确定该激光雷达采集的各点云数据所涵盖的每个区域对应的评分，并根据所述评分，从该激光雷达采集的各点云数据所涵盖的区域中确定目标区域。
[0111]
可选地，所述优化模块302具体用于，根据该激光雷达采集的各点云数据，确定该激光雷达采集的各点云数据涉及的目标对象所对应的第一相对位姿；根据所述自动驾驶设备通过该激光雷达采集各点云数据时所基于的位姿，确定所述目标对象对应的第二相对位姿；根据所述第一相对位姿与所述第二相对位姿之间的位姿偏差，对该激光雷达对应的外参进行优化，得到优化后外参。
language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
[0119]
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0120]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0121]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0122]
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0123]
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0124]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
[0125]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0126]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0127]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0128]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0129]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0130]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0131]
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0132]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0133]
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何
修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。