一种外参标定方法、系统、机器人和存储介质

技术领域

本发明涉及数据处理技术领域，尤指一种外参标定方法、系统、机器人和存储介质。

背景技术

在实际使用中，机器人通常需要多传感器融合进行感知定位、目标检测避障等功能，每种类型的传感器都有自己的优点和缺点。激光雷达能够提供准确的距离信息，在夜间也能很好的工作，但是不能提供障碍物的颜色信息等。相机能够感知障碍物的颜色和纹理等信息，可以用来进行目标分类，但是探测范围有限且对光照条件敏感。

因此，通过将激光雷达和相机进行融合使用可以实现传感器之间的取长补短，提高感知性能。多个传感器的数据融合需要对传感器进行非常精确的外参标定，从而保证传感器对环境的感知数据能够在同一个坐标参考系中进行准确融合，那么对激光雷达与相机的外参标定就是非常必要的步骤。

发明内容

本发明的目的是提供一种外参标定方法、系统、机器人和存储介质，实现相机与激光雷达之间外参的自动标定，并有效提高了外参标定的准确性和鲁棒性。

本发明提供的技术方案如下：

本发明提供一种外参标定方法，包括步骤：

获取预设标定板处于不同姿态下的激光点云集和图像集；所述预设标定板的白色区域为反光材质；

根据所述激光点云集和图像集，分别获取所述预设标定板处于同一姿态下的激光点云正视图和目标图像；

根据所述激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系；

根据所述映射关系进行计算得到相机外参和激光雷达外参。

本发明还提供一种外参标定系统，包括：

获取模块，用于获取预设标定板处于不同姿态下的激光点云集和图像集；所述预设标定板的白色区域为反光材质；

处理模块，用于根据所述激光点云集和图像集，分别获取所述预设标定板处于同一姿态下的激光点云正视图和目标图像；

计算模块，用于根据所述激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系；

标定模块，用于根据所述映射关系进行计算得到相机外参和激光雷达外参。

本发明还提供一种机器人，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如所述的外参标定方法所执行的操作。

本发明还提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如所述的外参标定方法所执行的操作。

通过本发明提供的一种外参标定方法、系统、机器人和存储介质，能够实现相机与激光雷达之间外参的自动标定，并有效提高了外参标定的准确性和鲁棒性。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种外参标定方法、系统、机器人和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种外参标定方法的一个实施例的流程图；

图2是本发明一种外参标定方法的坐标系关系示意图；

图3是本发明一种外参标定方法的激光点悬浮的场景示意图；

图4是本发明一种外参标定方法的另一个实施例的流程图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

本发明的一个实施例，如图1所示，一种外参标定方法，包括：

S100获取预设标定板处于不同姿态下的激光点云集和图像集；预设标定板的白色区域为反光材质；

具体的，先将预设标定板(任意刚性平板都可以，长宽大于1米)放在激光雷达和相机前方，且激光雷达和相机都能看到的地方，然后在不同距离，不同方位采集一次，尽可能多的覆盖激光雷达和相机前方的空间。保证相机和激光雷达视野范围内有重叠，以便同步采集激光点云集和图像集。例如，将相机和激光雷达安装到机器人上，并保证相机和激光雷达视野范围内有重叠。通过激光雷达发射激光至预设标定板获取激光点云集，当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细故可得到大量的激光点，因而可根据大量激光点形成激光点云，经过一段时长的积累可获取到若干个激光点云，以此对同一姿态的预设标定板进行一段时长的采集可获取到激光点云集。其中，根据激光测量原理得到的激光点云，包括三维坐标(XYZ)和激光反射强度(Intensity)。此外，通过相机对同一姿态下的预设标定板进行拍照可获取若干个图像，以此对同一姿态的预设标定板进行一段时长的拍摄可获取到图像集。当前激光点云集包括通过激光雷达对当前姿态的预设标定板进行扫描获取的激光点云数据，当前图像集包括通过相机对当前姿态的预设标定板进行拍摄获取的图像，依次类推可以获取到预设标定板处于不同姿态下的若干个激光点云集和若干个图像集。

其中，标定板类型包括棋盘格标定板、圆点标定板(包括黑底白点和白底黑点)、CharuCo标定板等。预设标定板是指将上述类型的标定板的白色区域使用反光材料，可以是在白色区域粘贴反光纸得到预设标定板，当然也可在厂商生产时在白色区域使用反光材料制作得到预设标定板。

优选的，将预设标定板置于相机和激光雷达的前方，并控制预设标定板在前、后、左、右方向上进行平移和旋转以改变预设标定板的姿态。示例性的，将预设标定板竖直放置于相机和激光雷达的前方(假设此为预设标定板的当前姿态)，使得相机能够采集到预设标定板的图像集，并且，使得激光雷达的激光束可打到预设标定板上以采集到激光点云集。一旦采集到标定板当前姿态下的激光点云集和图像集后，可逐渐放倒或者旋转使得预设标定板改变为下一姿态，采集下一姿态下的激光点云集和图像集。

S200根据激光点云集和图像集，分别获取预设标定板处于同一姿态下的激光点云正视图和目标图像；

具体的，一个激光点云集具有一个激光点云正视图，以及多个目标图像。处理器分别与激光雷达和相机连接，能够获取并储存激光雷达采集的激光点云集，以及相机采集的图像集。处理器任意选择一个激光点云集，根据所选中激光点云集进行处理可得到对应的激光点云正视图。此外，处理器根据选中激光点云集的预设标定板的当前姿态，可以从所有图像集中获取与当前姿态所匹配的目标图像。其中，激光点云正视图包括激光数据点在预先建立的激光坐标系(其为三维坐标系)上的坐标值和激光反射强度(Intensity)。目标图像包括像素关键点在像素坐标系(其为二维坐标系)上的坐标值和深度值。

优选的，由于激光雷达采集获取激光点云时具有时间戳，相机拍摄获取图像也会具有时间戳，而且，预设标定板处于同一姿态的起止时间已知，因此，处理器在进行数据储存时，将不同姿态下获取的所有激光点云和所有图像分别储存在对应的储存区，并且根据预设标定板的姿态和/或姿态持续的起止时间进行命名。这样，方便后续查找同一姿态下的激光数据集和图像集。

示例性的，假设在第一时间段t1内预设标定板处于当前姿态时获取的激光数据集为S1，图像集为P1，下一姿态获取的激光数据集为S2，在第二时间段t2(其中，t2＞t1)内预设标定板处于下一姿态获取的图像集为P2。那么，将当前姿态对应的激光数据集S1、图像集P1储存在储存区D1处，并且对该储存区D1按照预设标定板的当前姿态及其起止时间t1进行命名。同理，将当前姿态对应的激光数据集S2、图像集P2储存在储存区D2处，并且对该储存区D2按照预设标定板的下一姿态及其起止时间t2进行命名。以此类推，可分组储存不同姿态的激光点云集和图像集。

通过上述方式进行数据储存后，任意从一个储存区中调用激光点云集，将调用的激光点云集按照其所在储存区的名称进行匹配，可以获知所调用激光点云集所对应预设标定板的姿态信息，并且根据调用的激光点云集进行点云处理得到对应姿态下的激光点云正视图，将上述获取的激光点云正视图和目标图像作为当前姿态信息对应的一点云图像对，需了解，各点云图像对中的激光点云正视图和目标图像所对应的预设标定板的姿态相同，即完成了预设标定板处于同一姿态下的激光点云正视图和目标图像的获取。此外，从该储存区中储存的图像中任意挑选一个图像作为目标图像。依次类推，可以获取预设标定板处于不同姿态下的点云图像对。

S300根据激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系；

具体的，由上述可知，由于激光点云正视图和目标图像对应的预设标定板的姿态相同。在预设标定板处于当前姿态时，根据激光点云中各个打在标定板上激光点在激光坐标系上的坐标值以及激光反射强度(Intensity)处理得到激光点云正视图，而通过相机拍摄获取各个打在标定板上激光点得到对应的目标图像。像素关键点与其匹配的激光关键点是指相机和激光雷达对于同一姿态的预设标定板所共同观察的点。

如图2所示，在预设标定板处于一个姿态保持不变时，由于像素坐标系和激光坐标系具有固定的映射关系，因此，处理器可以根据激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系。其中，像素关键点和激光关键点根据预设标定板的白色区域的特征进行设置。

示例性，像素关键点可以是预设标定板上任意白色反光区域中至少一个角点成像在目标图像上的像素点，激光关键点则是激光雷达发射激光打到预设标定板上任意白色反光区域中至少一个角点对应的激光点。

示例性的，假设预设标定板是黑底白点的圆点标定板，则像素关键点则是预设标定板上任意白色反光区域中至少一个圆心成像在目标图像上的像素点，激光关键点则是激光雷达发射激光打到预设标定板上任意白色反光区域中至少一个圆心对应的激光点。

S400根据映射关系进行计算得到相机外参和激光雷达外参。

具体的，处理器可以获取到像素关键点在像素坐标系下的坐标值，以及激光关键点在激光坐标系下的坐标值，结合像素关键点与其匹配的激光关键点之间的映射关系，计算得到相机外参和激光雷达外参。

本发明通过获取不同姿态下的点云图像对，进而根据点云图像对获取像素关键点与其匹配的激光关键点之间的映射关系进行相机和激光雷达的外参标定，流程简单、易操作、效率高，对于激光雷达和相机的外参标定具有较高的外参标定精度，外参标定结果一致性好，实现相机与激光雷达之间外参的自动标定，并有效的提高了标定的准确性和鲁棒性。此外，将预设标定板的白色区块用反光材料，这样可以利用激光雷达对不同材料和颜色反光强度的差异进行类似于图像空间的颜色区分，可准确、高效地在点云空间进行关键点的提取。

本发明的一个实施例，一种外参标定方法，包括：

S100获取预设标定板处于不同姿态下的激光点云集和图像集；预设标定板的白色区域为反光材质；

需要说明的是，本发明中使用的相机应当包括但不仅限于单目相机，还可以采用环视相机、双目相机、TOF相机、结构光相机等其他可用的视觉传感器；激光雷达应当包括但不仅限于多线激光雷达，还可以是Flash雷达、MEMS雷达、相控阵雷达、Livox激光雷达等其他任何能够生成三维激光点云信息的传感器。

S210从激光点云集中提取出板面激光点云，根据板面激光点云获取当前姿态下的激光点云正视图；

具体的，具体的，由于预设标定板所处的环境可能存在各种干扰物，例如墙壁、门、甚至地面等，这些干扰物会在激光雷达发射激光至预设标定板时，反馈获取的激光点云集存在干扰激光点，因此，需要将激光点云集中的干扰激光点进行删除，只留下预设标定板所对应的板面激光点云。

优选的，板面激光点云的获取流程即点云中标定板的提取过程包括：根据激光点云集中的所有激光点进行聚类得到聚类结果，通过显示屏显示各个聚类结果，并手动滑动设置3D空间坐标得到[xmin，xmax，ymin，ymax，zmin，zmax]使得预设标定板被完全包含在内，然后对手动框选获取的激光点云集进行平面提取，保留得到的平面点云作为预设标定板的原始点云即板面激光点云。

优选的，可根据激光点云集中的所有激光点进行聚类得到聚类结果，判断当前聚类结果对应的激光反射强度(Intensity)是否符合白色反光区域的设定反射强度，并且根据欧式距离变换公式计算判断当前聚类结果中的各个激光点到激光坐标系原点的距离值是否相等(或距离在预设误差范围内)，如果当前聚类结果对应的激光反射强度不仅仅符合设定反射强度，而且当前聚类结果中的各个激光点到激光坐标系原点的距离值相等(或距离在预设误差范围内)，则确定当前聚类结果对应的激光点数据是属于预设标定板，那么就确定当前聚类结果对应的激光点数据得到板面激光点云。如果任意一个不符合则确定当前聚类结果对应的激光点数据不属于预设标定板，切换下一个聚类结果继续进行判断直至查找出符合上述条件的聚类结果为止。

S220获取与激光点云正视图所对应预设标定板的姿态相同的目标图像；

S230获取预设标定板处于下一姿态下的激光点云正视图和目标图像，直至获取所有同一姿态下的激光点云正视图和目标图像为止；

具体的，依照上述实施例，根据获取预设标定板处于当前姿态的激光点云集的目标采集时间范围，从所有图像集中筛选出与目标采集时间范围相同的匹配图像集，从匹配图像集中任意挑选一张图像作为目标图像。参照上述实施例获取所有同一姿态下的激光点云正视图和目标图像，在此不再一一赘述。

S300根据激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系；

S400根据映射关系进行计算得到相机外参和激光雷达外参。

本发明通过从激光点云集中提取出板面激光点云，再根据板面激光点云获取对应的激光点云正视图，能够避免干扰物对应的激光数据或者噪声数据的干扰，进而获取准确的激光点云正视图，从而大大提高激光雷达和相机的外参标定准确性。

本发明的一个实施例，一种外参标定方法，如图4所示，包括：

S100获取预设标定板处于不同姿态下的激光点云集和图像集；预设标定板的白色区域为反光材质；

S211对板面激光点云进行稠密处理得到当前姿态下的稠密激光点云；

具体的，可采用内插值方法对板面激光点云进行稠密化处理，例如近邻插值、双线性插值等等，以此进行激光点云的上采样，达到板面激光点云的稠密化效果。当然，也可先基于边缘的插值方法对板面激光点云进行初步的稠密化处理，然后再基于区域的插值方法(即将原始低分辨率的板面激光点云分割成不同区域，然后将插值点映射到该原始低分辨率的激光点云)对初步稠密处理后的板面激光点云进行二次稠密化处理，这样可以使得板面激光点云的整体都有一定的加密增强，改善板面激光点云的稠密化效果。

S212对稠密激光点云进行平面提取，获取在当前姿态下预设标定板对应的板面激光点云；

S213对板面激光点云进行平面拟合得到拟合平面；

具体的，处理器通过上述方式获取到稠密激光点云后，使用PCL点云库或者随机抽样一致性(RANSAC)算法对稠密激光点云进行平面提取，进而剔除部分噪声激光点得到当前姿态下预设标定板对应的板面激光点云。然后，采用随机抽样一致性(RANSAC)算法对稠密激光点云进行平面拟合。RANSAC算法的步骤如下：从稠密激光点云中随机选取一个样本点云集，样本点云集包括三个不共线的点云数据，使用最小方差估计对该样本点云集计算得到候选平面，计算所有样本点云与该候选平面的差值，将差值与预设阈值进行比较，当差值小于阈值，该样本点云属于预设标定板对应的板内激光点，统计当前样本点云集的板内激光点数目。重复上述流程重新随机选取一个新的候选平面，将板内激光点数目最多的候选平面作为最终的拟合平面。采用RANSAC算法可以剔除噪声等因素产生的干扰激光点的影响。

然后，处理器利用最小二乘优化，得到预设板面激光点云进行拟合得到的拟合平面的平面方程如下公式(1)所示：

Ax

其中，(x

S214将板面激光点云投影至拟合平面上，获取目标点云板面；

具体的，如图2所示，Ow-XwYwZw为世界坐标系，O

板面激光点云投影至拟合平面上，将板面激光点云中的激光点分别进行XY轴平面方向上的投影，使得板面激光点云投影至拟合平面上。将激光坐标系的原点作为投影中心(x0，y0，z0)，以拟合平面为投影面，激光雷达的z轴方向的正方向为投影方向，对激光扫描点云进行投影，将悬浮在拟合平面外的激光点云投影在拟合平面上，利用拟合平面上任意一个激光点和投影中心(x0，y0，z0)形成中心点投影射线，并计算出该投影射线在激光坐标系内的空间直线方程，然后根据空间直线方程和拟合平面的平面方程计算经过该点的投影射线与拟合平面的交点(xj，yj，zj)，该交点为投影点。

因为激光雷达的点云数据在经过一段时间的积累后可以得到非常稠密的点云数据，因此可以比较精确地找到实际环境中的关键点在在这样的稠密点云中对应的3维点。那么，可以利用3D-2D对应的形式，找到激光雷达中的点与图像中的点，即可进行优化求解出激光雷达与相机的外参。由于激光点存在一定的误差和波动，如图3左侧所示，激光雷达发射激光并打到预设标定板上时，所采集的激光点云集通过上述方式得到的板面激光点云，如图3右侧所示存在激光点悬浮于拟合平面之外，如果去除这些激光点会对后续的关键点选取造成精度损失，因此需要将这些激光点正确地进行投影。主要过程是，先进行板面激光点云的主体平面拟合，然后将所有点投影到这个拟合平面上。将板面激光点云的任意一个激光点投影到拟合平面上，利用光线从光心出发然后与拟合平面相交的原理，根据下列公式(2)即可求解出投影点，进而根据所有的投影点可获取到目标点云板面。

其中，(x

S215将目标点云板面基于地面法向量进行旋转和栅格化处理，获取包括若干激光点云格的激光点云正视图；激光点云格对应一个激光点的激光反射强度；

具体的，通过上述方式获取到得到的目标点云板面后，先进行PCA分析得到主方向，然后可视化手动调整变换矩阵，使得其变换为正视图方向，此步骤的目的是为了使得最终的3D-2D对应关系更加简洁直接。接着将这些平面点云，利用栅格化的方式转化为2D的图片形式。其中，转化的过程中物理空间网格边长d，可以用来控制图片大小分辨率，同时这是一个降采样系数，可以根据实际情况进行调整，保证转化的图片清晰。那么，点云到像素的映射是唯一的，但是像素返回点云的映射可能是多个的，那么为了方便则选择每个网格内反射强度最大的点来代表像素所对应的实际物理空间的点，也可以对网格内的点进行均值化的形式。那么，可以保存每个像素对应的空间点映射关系。点云图片需要进行二值化，由于采用了反光材料，那么可以很好地区分出白色区域，对整个图片的反射强度进行聚类，分为两类，或者直接设置特定阈值即可将图片进行区分。最终得到的点云图片是，包含像素值为255或者0的图片，其中255表示棋盘格中白色的区域，0则是代表黑色的区域。然后对激光点云正视图和相机获取的目标图像分别进行关键点检测，以获取了3D-2D点对，多采集几组数据，然后进行pnp求解，最终将得到相机与激光雷达的外参。

示例性的，利用棋盘格标定板的特征点作为需要求解的点。图像中的这些点求解是一种常见的方法，可以利用现有工具提供的棋盘格检测方法。将点云中对应的点提取出标定板平面，然后将其旋转到正视图的方向，然后利用网格化的形式将其转化为2D图像的形式，其中利用反射强度作为像素强度。然后，对于转化后的2D图像，在利用棋盘格检测，得到对应的关键点，并于图像中的关键点对应上，这样就构成了3D-2D对应数据，基于此进行优化求解。其中，为了能够更好地在点云空间进行关键点的提取，将棋盘格标定板的白色区块用反光材料，这样可以利用激光雷达对不同材料和颜色反光强度的差异进行类似于图像空间的颜色区分。

示例性的，标定板变换不同的位置，采集n组数据，每组数据包含激光雷达的点云以及图像数据。对每组数据中的激光雷达点云进行累计得到每组的稠密点云数据，并选择一张图片作为对应的相机数据，由于处于静止状态，所以选择的相机数据只要能检测出棋盘格即可。对每组点云数据进行手动3维区域选择，之后进行平面检测，得到棋盘格点云。对每组棋盘格点云进行平面拟合，然后进行点云投影，得到最终的棋盘格点云平面。对每组棋盘格点云平面进行PCA分析，然后旋转得到正视图，保留变换矩阵。对每组点云正视图进行栅格化，然后进行聚类并二值化得到图片以及像素与3维点的映射关系。对每组点云图片以及相机获取的图片进行棋盘格检测，获取最终的3D-2D点对，将所有的点对作为数据集合，进行pnp求解，得到相机与激光雷达的外参。

S220获取与激光点云正视图所对应预设标定板的姿态相同的目标图像；

S230获取预设标定板处于下一姿态下的激光点云正视图和目标图像，直至获取所有同一姿态下的激光点云正视图和目标图像为止；

S300根据激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系；

S410获取像素关键点与其匹配的激光关键点的坐标值；

S420根据坐标值和映射关系计算得到机外参和激光雷达外参。

具体的，本实施例中与上述实施例相同的部分参见上述实施例，在此不再一一赘述。

本发明通过获取相点云图像对，在点云图像对中的目标图像上选取预设个像素关键点，并在点云图像对中的激光点云正视图选择对应的预设个激光关键点，控制预设标定板在多方向上进行平移、旋转，使采集的数据更加均匀，计算得到激光雷达与相机之间的旋转矩阵R和平移向量t，并根据旋转矩阵R和平移向量t进行激光雷达和相机外参标定，确保外参标定结果准确。

本发明通过白色区域为反光材质的棋盘格标定板，可在变换标定板姿态的情况下实现快速标定，有效降低了标定过程和计算的复杂度，具有操作简单、标定速度快、实用性强等优点。变换标定板姿态进行外参标定，有效提高了标定精度。

本发明的一个实施例，一种外参标定系统，包括：

获取模块，用于获取预设标定板处于不同姿态下的激光点云集和图像集；所述预设标定板的白色区域为反光材质；

处理模块，用于根据所述激光点云集和图像集，分别获取所述预设标定板处于同一姿态下的激光点云正视图和目标图像；

计算模块，用于根据所述激光点云正视图与目标图像，得到像素关键点与其匹配的激光关键点之间的映射关系；

标定模块，用于根据所述映射关系进行计算得到相机外参和激光雷达外参。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。

基于前述实施例，所述处理模块包括：

获取单元，用于从所述激光点云集中提取出板面激光点云，根据所述板面激光点云获取当前姿态下的激光点云正视图；获取与所述激光点云正视图所对应预设标定板的姿态相同的目标图像；

所述获取单元，还用于获取所述预设标定板处于下一姿态下的激光点云正视图和目标图像，直至获取所有同一姿态下的激光点云正视图和目标图像为止。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。

基于前述实施例，所述获取单元包括：

稠密处理子单元，用于对所述板面激光点云进行稠密处理得到当前姿态下的稠密激光点云；

提取子单元，用于对所述稠密激光点云进行平面提取，获取在所述当前姿态下所述预设标定板对应的板面激光点云。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。

基于前述实施例，所述获取单元还包括：

拟合子单元，对所述板面激光点云进行平面拟合得到拟合平面；

投影子单元，用于将所述板面激光点云投影至所述拟合平面上，获取目标点云板面；

处理子单元，用于将所述目标点云板面基于地面法向量进行旋转和栅格化处理，获取包括若干激光点云格的激光点云正视图；所述激光点云格对应一个激光点的激光反射强度。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。

基于前述实施例，所述标定模块包括：

获取所述像素关键点与其匹配的激光关键点的坐标值；

根据所述坐标值和映射关系计算得到所述机外参和激光雷达外参。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上述方法实施例，在此不再一一赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。

本发明的一个实施例，一种机器人，包括处理器、存储器，其中，存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的外参标定方法。

所述机器人可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述机器人可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，上述仅仅是机器人的示例，并不构成对机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：机器人还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线，还可以包括输入/输出接口，其中，处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序，该处理器用于执行存储器上所存放的计算机程序，实现上述所对应方法实施例中的外参标定方法。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器可以是所述机器人的内部存储单元，例如：终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备，例如：所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述机器人的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述机器人所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。

通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如，处理器通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算或数据处理。存储器可以包括程序模块，例如内核(kernel)，中间件(middleware)，应用程序编程接口(Application Programming Interface，API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该机器人与其它网络设备、用户设备、网络进行连接。例如，通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙(BT)，近距离无线通信技术(NFC)，全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。机器人可以通过通信接口连接网络，机器人和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。

本发明的一个实施例，一种存储介质，存储介质中存储有至少一条指令，指令由处理器加载并执行以实现上述外参标定方法对应实施例所执行的操作。例如，存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。

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，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。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述的计算机程序可存储于一存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括：能够携带所述计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读的存储介质不包括电载波信号和电信信号。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。