一种车载红外相机外参标定方法及系统与流程

1.本发明涉及自动驾驶技术领域，尤其涉及一种车载红外相机外参标定方法及系统。


背景技术：

2.自动驾驶车辆在智能交通出行、物流配送、清洁作业等多场景中得以广泛应用。相机作为自动驾驶车辆的主要传感器，常用于检测车辆行驶过程中的障碍物位置，而检测结果的准确度与相机外参直接相关，因此需要对车载相机进行外参标定。
3.目前对于相机外参的标定主要通过下列方式实现：
4.1、通过人工搭建标定场地，且该场地中设置有特定的标定板或标定物体，但由于对车辆与标定板/标定物体之间的相对位置精度要求高，因此该方案整体成本较高；
5.2、可基于棋盘格标定法等方法对可见光相机进行标定，但由于红外图像具有对比度低、动态范围宽、图像不连续、信噪比低、低纹理等特点，因此通过可见光相机的标定方法对红外相机进行标定时，会产生标定精度低等问题。


技术实现要素：

6.本发明的目的在于提供一种车载红外相机外参标定方法及系统，其方法操作简单，资源消耗低，无需使用专业标定场地和标定靶标，其只需保持车身与车道线平行，然后采集红外图像即可进行红外相机外参的动态标定。
7.为实现上述目的，本发明提供如下技术方案：
8.一方面，提供了一种车载红外相机外参标定方法，其包括如下步骤：
9.通过搭载于车辆上的红外相机获取多帧红外图像并保存；
10.根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线；
11.根据单帧红外图像，对获取当前帧红外图像时红外相机的俯仰角和偏航角进行估算；
12.以及估算红外相机获取连续帧红外图像时的俯仰角和偏航角，以完成红外相机外参的动态标定。
13.另一方面，还提供一种车载红外相机外参标定系统，其可以用于实现上述车载红外相机外参标定方法，所述车载红外相机外参标定系统包括：
14.图像存储单元，其用于存储搭载在车辆上的红外相机在车辆行驶过程中获取的多帧红外图像；
15.平行判断单元，其用于根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线；
16.单帧标定单元，其用于根据单帧红外图像，对获得当前帧红外图像时红外红外相机的俯仰角和偏航角进行估算；
17.以及连续帧标定单元，其用于通过扩展卡尔曼滤波等方式得到红外相机获取连续
帧红外图像时的俯仰角和偏航角。
18.综上所述，本发明与现有技术相比具有以下有益效果：
19.本发明中的车载红外相机外参标定方法操作简单，资源消耗低，无需使用专业标定场地和标定靶标，其只需保持车身与车道线平行，然后采集红外图像即可进行红外相机外参的动态标定。其具体过程仅通过车道线检测点即可实现，在具体的标定过程中，去除偏离车道线较远的检测点，并筛选出偏离程度较小的检测点元素(即有效点检测元素)，以减小后续角度估算时的误差，提高估算结果的精度。
附图说明
20.图1为本发明公开的车载红外相机外参标定方法的流程图。
21.图2为车辆与车道线的位置关系示意图。
22.图3为通过算法获取的车道线检测点的示意图。
23.图4为拟合左车道线、拟合右车道线的示意图。
24.图5为直线p1、p2、p3、p4以及消失点vp1的关系示意图。
25.图6为本发明公开的车载红外相机外参标定系统的结构示意图。
具体实施方式
26.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，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，都属于本发明保护的范围。
27.实施例1
28.如图1所示，本实施例提供了一种车载红外相机外参标定方法，其包括如下步骤：
29.s1、标定条件初始化，其包括如下步骤：
30.s11、如图2所示，选择平整、无明显弯道、车道线清晰且完整、长度≥150m路面作为标定车道，所述车道线l有两条，且相互平行，且两条车道线l中至少一条为实线；
31.s12、使搭载有红外相机r的车辆c进入到两条车道线l之间的区域，且使其车身平行于车道线l；
32.s13、启动车辆，使车辆c开始行驶，并调整车速v，且当车速v大于或等于预定值(如30km/h)时，红外相机r开始获取红外图像，且实时获取车速v以及车辆转向角θ，由此获得多帧红外图像并保存，且每帧红外图像均与一车速v和一车辆转向角θ对应；
33.此外，所述标定条件初始化还包括对红外相机r的内参进行标定，以获得红外相机r的内参矩阵k和畸变向量distcoff：
[0034][0035]
distcoff＝[k
1 k
2 p
1 p
2 k3]
[0036]
其中，f为红外相机的焦距，dx、dy为像元尺寸，c
x
和cy为红外相机的成像主点，k1、k2、k3均为径向畸变系数，p1、p2均为切向畸变系数；
[0037]
本实施例中，所述红外相机的内参矩阵k和畸变向量distcoff可通过现有技术获得，如公开号为cn113989386a、专利名称为“一种红外相机标定方法及系统”，不再赘述；
[0038]
s2、根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线，其包括如下步骤：
[0039]
s21、根据筛选条件从保存的多帧红外图像中筛选出图像集s，且所述图像集s中包含n张连续帧红外图像；所述筛选条件包括：获取该红外图像时，车速v大于或等于车速设定值(如30km/h)，以及获取该红外图像时，车辆转向角θ小于或等于转向角设定值(如1
°
)；
[0040]
s22、若n大于或等于预设值(如10等)，则基于ufldv2(ultra fast deep lane detection with hybrid anchor driven ordinal classification)等算法获取图像集s中、每一帧红外图像的车道线检测点(如图3所示，其包括若干左车道线检测点pl以及若干右车道线检测点pr)坐标，以得到每一帧红外图像的左车道线检测点集合{left
ij
}和右车道线检测点集合{right
ik
}，其中，1≤i≤n，1≤j≤m，1≤k≤n，m为所有红外图像中左车道线检测点数的最大值，n为所有红外图像中右车道线检测点数的最大值，left
ij
为图像集s中，第i张红外图像左车道线第j个检测点的坐标，right
ik
为图像集s中，第i张图像右车道线第k个检测点的坐标；
[0041]
需要说明的是，若n小于预设值，则说明满足筛选条件的红外图像数量较少，无法用于车道线检测点的统计和后续分析，因此，则返回步骤s1，重新获得红外图像，直至n大于或等于预设值；
[0042]
s23、如图4所示，根据左车道线检测点集合{left
ij
}拟合获得图像集s中、每一帧红外图像的拟合左车道线y＝k
li
x+b
l
，以及根据右车道线检测点{rightik}拟合获得图像集s中、每一帧红外图像的拟合右车道线y＝k
ri
x+br；其中，k
li
、b
l
分别为图像集s中、第i张红外图像的拟合左车道线的斜率和截距，k
ri
、br分别为图像集s中、第i张红外图像的拟合右车道线的斜率和截距；
[0043]
s24、令x＝0，根据拟合左车道线y＝k
li
x+b
l
获得拟合左车道线与红外图像边界的交点集合{yi}；或，令x＝0，根据拟合右车道线y＝k
ri
x+br获得拟合右车道线与红外图像边界的交点集合{yi}；
[0044]
若交点集合{yi}满足预设条件，则认为当前车身平行于车道线l，执行步骤s3，否则返回步骤s1；进一步的，本实施例中，所述预设条件为：所述交点集合{yi}中，最大值-最小值≤y，且50≤y≤200，且为正整数，如本实施例中y＝120；
[0045]
例如，如图4所示，拟合左车道线与红外图像左侧边界的交点位置的纵坐标记为y，坐标系的原点设置在红外图像的左上角，同理，拟合右车道线与红外图像右侧边界的交点位置的纵坐标也记为y，坐标系的原点设置在红外图像的右上角。
[0046]
由此，由于本发明是以车道线方向作为世界坐标系z轴，以垂直于z轴建立的平面作为xoy平面，并在此基础上进行俯仰角(pitch)和偏航角(yaw)估算和修正，因此必须要确保车辆车身平行于车道线l，而上述技术方案即可快速确定车身是否平行于车道线l，以避免后续求解偏航角(yaw)时产生过大的误差，确保结果的精确性；
[0047]
s3、根据图像集s的、n张连续帧图像中的单帧红外图像，对获取当前帧红外图像时红外相机的俯仰角(pitch)和偏航角(yaw)进行估算，其具体包括如下步骤：
[0048]
s31、根据图像集s的、n张连续帧图像中，当前帧红外图像的左车道线检测点集合{left
ij
}构建左车道线检测点子集合，所述左车道线检测点子集合＝{(left
i1 left
i2 l1)，(left
i1 left
i3
l2)，...(left
ix1-1 left
x1 lt
l
)}，该左车道线检测点子集合包含x1个左车道线检测点(即left
i1
、left
i2
、left
i3
...left
ix1-1
、left
x1
)以及t
l
个左车道线检测点元素(即(left
i1 left
i2 l1)，(left
i1 left
i3 l2)，...(left
ix1-1 left
x1 lt
l
)分别为一个左车道线检测点元素)，其中，每一左车道线检测点元素包含从左车道线检测点集合{left
ij
}中随机任选的2个检测点以该2个检测点之间的距离(即l1、l2...lt
l
)，且所述左车道线检测点子集合中包含左车道线检测点集合{left
ij
}中的每一个检测点，以及每一左车道线检测点元素中的2个检测点的坐标不相同；
[0049]
并确定所有左车道线检测点元素中，2个检测点之间的距离的最大值l_max1(即l1、l2...lt
l
中的最大值)；
[0050]
例如，假设左车道线检测点集合{left
ij
}中有3个检测点坐标，left
11
、left
12
、left
13
，从左车道线检测点集合{left
ij
}中每次随机任选2个检测点，如left
11
、left
12
，并计算出两者之间的距离值l1，再将(left
11
、left
12
、l1)作为一个左车道线检测点元素，重复若干次，直至左车道线检测点集合{left
ij
}中每个检测点坐标都被取到，然后剔除检测点重复的左车道线检测点元素，如(left
11
、left
11
、l3)、(left
12
、left
12
、l4)、(left
13
、left
13
、l5)，将剩余左车道线检测点元素，即(left
11
、left
12
、l1)、(left
11
、left
13
、l2)、(left
12
、left
13
、l3)构建为左车道线检测点子集合，且该左车道线检测点子集合中包含3个左车道线检测点元素；
[0051]
再从每个左车道线检测点元素的两个检测点的距离值l1、l2、l3中确定出最大值，记为l_max1；
[0052]
类似的，根据当前帧红外图像的右车道线检测点集合{right
ik
}构建右车道线检测点子集合，所述右左车道线检测点子集合＝{(right
i1 right
i2 r1)，(right
i1 right
i3 r2)，...(right
ix2-1 right
x2 rtr)}，该右车道线检测点子集合包含x2个右车道线检测点(即right
i1
、right
i2
、right
i1 right
i3
...right
ix2-1
、right
x2
)以及tr个右车道线检测点元素(即(right
i1 right
i2 r1)，(right
i1 right
i3 r2)，...(right
ix2-1
right
x2 rtr)分别为一个右车道线检测点元素)，其中，每一右车道线检测点元素包含从右车道线检测点集合{right
ik
}中随机任选的2个检测点以该2个检测点之间的距离(即r1、r2...rtr)，且所述右车道线检测点子集合中包含右车道线检测点集合{right
ik
}中的每一个检测点，以及每一右车道线检测点元素中的2个检测点的坐标不相同；
[0053]
并确定所有右车道线检测点元素中，2个检测点之间的距离的最大值l_max2(即r1、r2...rtr中的最大值)；
[0054]
最后将所述左车道线检测点子集合以及右车道线检测点子集合进行并集，以获得当前图像车道线检测点子集合；
[0055]
s32、如图5所示，从左车道线检测点子集合中任取一个左车道线检测点元素(如(left
11 left
12 l1))，并获得通过该检测点元素中两个检测点的直线p1，以及从右车道线检测点子集合中任取一个右左车道线检测点元素(如(right
11 right
12 r1))，并获得通过
该检测点元素中两个检测点的直线p2；
[0056]
求解直线p1和p2的交点，并将该交点记为车道线消失点vp1；
[0057]
s33、遍历当前图像车道线检测点子集合中的检测点元素，以获取每一检测点元素与车道线的偏离程度，且将偏离程度符合预设条件的有效检测点元素以及有效检测点元素的偏离值总和进行保存；
[0058]
其具体包括如下步骤：
[0059]
s331、分别获取通过当前检测点元素中两个检测点的直线p3，以及当前检测点元素中两个检测点连线上任意一点(优选为两个检测点的中点)与车道线消失点vp1的直线p4；
[0060]
例如，当前检测点元素为(left
31 left
22 l5)，确定通过其中两个检测点left
31 left
22
的直线p3以及两个检测点的中点left
mid
，再确定通过中点left
mid
与消失点vp1的直线p4；
[0061]
s332、获取直线p3和p4所形成锐角α的角度；本实施例中，所述角度阈值的取值范围为[0.2
°‑
2.0
°
]，优选为[0.5
°‑
1.5
°
]，特别优选为[0.5
°‑
1.0
°
]
[0062]
若锐角α大于角度阈值，则说明当前检测点元素偏离车道线较远，不宜将其用于后续分析步骤；
[0063]
若锐角α小于或等于角度阈值，则说明当前检测点元素偏离车道线程度较小(即偏离程度符合预设条件)，当前检测点元素为有效检测点元素，进一步通过公式(1)计算当前检测点元素相对于车道线的偏离值score：
[0064][0065]
其中，l为当前图像车道线检测点子集合中，当前检测点元素中两个检测点之间的距离；当前检测点元素来自左车道线检测点子集合时，l_max为l_max1，当前检测点元素来自右车道线检测点子集合时，l_max为l_max2；
[0066]
s333、重复步骤s331-s332，以遍历当前图像车道线检测点子集合中的每一个检测点元素，且将获取的所有偏离值score求和，求和结果记为偏离值总和score1，并保存，同时使用有效检测点元素集合lcc保存夹角α小于或等于角度阈值的所有检测点元素；
[0067]
因此，通过上述步骤，可快速去除偏离车道线较远的检测点，并筛选出偏离程度较小的检测点元素(即有效点检测元素)，以减小后续角度估算时的误差，提高估算结果的精度，对于每帧红外图像而言，其具有若干个消失点vp1，且每1个消失点vp1对应1个score1值以及1个有效检测点元素集合lcc；
[0068]
s34、重复步骤s32-s33，直至获取图像集s的、n张连续帧图像中，当前帧红外图像的若干偏离值总和score1值，并构建偏离值总和集合{score1}，并确定偏离值总和集合{score1}中的最大值score1
max
，并保存最大值score1
max
对应的消失点vp1，记为消失点svp，以及对应的有效检测点元素集合lcc，记为lc，由此，对于每一帧帧红外图像而言，其均具有1个消失点svp和1个集合lc；
[0069]
s35、根据红外相机的内参矩阵k以及最大值score1
max
对应的有效检测点元素集合lc，计算出获取当前帧红外图像时，红外相机的俯仰角(pitch)和偏航角(yaw)，其具体包括如下步骤：
[0070]
s351、根据图像坐标系到相机坐标系的转换方程，通过内参矩阵k计算最大值score1
max
对应的有效检测点元素集合lc中，每个检测点元素中的两个检测点的单位球坐标，以及根据公式(2)计算最大值score1
max
对应的有效检测点元素集合lc中，每个检测点元素中的两个检测点构成向量的叉集向量n：
[0071]
n＝(k-1
p1)
×
(k-1
p2)
ꢀꢀꢀ
(2)
[0072]
s352、通过所有叉集向量构成矩阵a，为求解av＝0，对矩阵a进行svd分解，以获得消失点vp1方向向量v’(即为最优解)；
[0073]
s353、根据公式(3)将消失点vp1方向向量v’投影到成像面上，以得到最优消失点v
p
，所述最优消失点v
p
即为通过所有有效检测点元素求解出的最优消失点；
[0074]vp
＝kv
’ꢀꢀꢀ
(3)
[0075]
s354、假设滚动角(roll)为0，根据公式(4)得到获取当前帧红外图像时，红外相机r的俯仰角(pitch)和偏航角(yaw)；
[0076][0077]
其中，(u
0 v0)为最优消失点v
p
的坐标，(x y z)表示最优消失点v
p
在世界坐标系中所对应的点，且由于在世界坐标系中两条车道线l不会相交，因此z＝+∞；λ为尺度因子；r为世界坐标系与相机坐标系旋转矩阵；t为世界坐标系与相机坐标系平移矩阵；
[0078]
s4、重复步骤s3，以估算出红外相机在获得图像集s中每一单帧红外图像时对应的俯仰角(pitch)和偏航角(yaw)；
[0079]
s5、通过恒定角速度模型等方式模拟车辆行驶过程中红外相机俯仰角(pitch)和偏航角(yaw)的变化，再使用扩展卡尔曼滤波等方式估算红外相机获取连续帧红外图像时的俯仰角(pitch)和偏航角(yaw)，以完成红外相机外参的动态标定。
[0080]
由此，本实施例中的车载红外相机外参标定方法操作简单，资源消耗低，无需使用专业标定场地和标定靶标，其只需保持车身与车道线平行，然后采集红外图像即可进行红外相机外参的动态标定。且具体的标定过程中，去除偏离车道线较远的检测点，并筛选出偏离程度较小的检测点元素(即有效点检测元素)，以减小后续角度估算时的误差，提高估算结果的精度。
[0081]
实施例2：
[0082]
本实施例提供了一种车载红外相机外参标定系统，其可以实现实施例1中的车载红外相机外参标定方法，如图6所示，所述车载红外相机外参标定系统包括：
[0083]
图像存储单元1，其用于存储搭载在车辆上的红外相机在车辆行驶过程中获取的多帧红外图像，且所述多帧红外图像是在车速v大于或等于预定值时获取，且每帧红外图像均与一车速v和一车辆转向角θ对应；
[0084]
平行判断单元2，其用于根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线，其具体过程参见实施例中的步骤s2，不再赘述；
[0085]
单帧标定单元3，其用于根据单帧红外图像，对获得当前帧红外图像时红外相机的
俯仰角(pitch)和偏航角(yaw)进行估算，其具体过程参见实施例中的步骤s3-s4，不再赘述；
[0086]
以及连续帧标定单元4，其用于通过扩展卡尔曼滤波等方式得到红外相机获取连续帧红外图像时的俯仰角(pitch)和偏航角(yaw)。
[0087]
综上所述，本发明中的车载红外相机外参标定方法操作简单，资源消耗低，无需使用专业标定场地和标定靶标，其只需保持车身与车道线平行，然后采集红外图像即可进行红外相机外参的动态标定。其具体过程仅通过车道线检测点即可实现，同时，在具体的标定过程中，去除偏离车道线较远的检测点，并筛选出偏离程度较小的检测点元素(即有效点检测元素)，以减小后续角度估算时的误差，提高估算结果的精度。
[0088]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，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。

技术特征：
1.一种车载红外相机外参标定方法，其特征在于，包括如下步骤：通过搭载于车辆上的红外相机获取多帧红外图像；根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线；对获取单帧红外图像时红外相机的俯仰角和偏航角进行估算；以及估算红外相机获取连续帧红外图像时的俯仰角和偏航角，以完成红外相机外参的动态标定。2.如权利要求1所述的车载红外相机外参标定方法，其特征在于，根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线，包括如下步骤：获取红外图像的车道线检测点坐标，以得到每一帧红外图像的车道线检测点；根据车道线检测点集合获得拟合车道线；获得拟合车道线与红外图像边界的交点集合；若交点集合满足预设条件，则认为当前车身平行于车道线。3.如权利要求2所述的车载红外相机外参标定方法，其特征在于，获取每一帧红外图像时，车速大于或等于车速设定值，以及车辆转向角小于或等于转向角设定值。4.如权利要求2所述的车载红外相机外参标定方法，其特征在于，所述预设条件为：所述交点集合中，最大值-最小值≤y，且50≤y≤200。5.如权利要求1所述的车载红外相机外参标定方法，其特征在于，根据单帧红外图像对红外相机进行俯仰角和偏航角进行估算，包括如下步骤：构建当前帧红外图像的左、右车道线检测点子集合；将所述左、右车道线检测点子集合进行并集，以获得当前图像车道线检测点子集合；遍历当前图像车道线检测点子集合中的检测点元素，以获取每一检测点元素与车道线的偏离程度，且将偏离程度符合预设条件的有效检测点元素以及有效检测点元素的偏离值总和进行保存；根据红外相机的内参矩阵以及偏离值总和的最大值对应的有效检测点元素集合，计算出获取当前帧红外图像时，红外相机的俯仰角和偏航角。6.如权利要求5所述的车载红外相机外参标定方法，其特征在于，遍历当前图像车道线检测点子集合中的检测点元素，以获取每一检测点元素与车道线的偏离程度，且将偏离程度符合预设条件的有效检测点元素以及有效检测点元素的偏离值总和进行保存，包括如下步骤：分别获取通过当前检测点元素中两个检测点的直线p3，以及当前检测点元素中两个检测点连线上任意一点与车道线消失点vp1的直线p4；获取直线p3和p4所形成锐角α的角度；若锐角α小于或等于角度阈值，则当前检测点元素为有效检测点元素，计算当前检测点元素相对于车道线的偏离值；遍历当前图像车道线检测点子集合中的每一个检测点元素，且将获取的所有偏离值求和，求和结果记为偏离值总和，并保存。7.如权利要求6所述的车载红外相机外参标定方法，其特征在于，所述车道线消失点vp1的获取过程包括：获得通过左车道线检测点子集合中任一个检测点元素中两个检测点的直线p1，以及获得通过右车道线检测点子集合中任一个检测点元素中两个检测点的直线
p2，将直线p1和p2的交点记为车道线消失点vp1。8.如权利要求6所述的车载红外相机外参标定方法，其特征在于，通过公式(1)计算当前检测点元素相对于车道线的偏离值score：其中，l为当前图像车道线检测点子集合中，当前检测点元素中两个检测点之间的距离；当前检测点元素来自左车道线检测点子集合时，l_max为所有左车道线检测点元素中，2个检测点之间的距离的最大值，当前检测点元素来自右车道线检测点子集合时，l_max为所有右车道线检测点元素中，2个检测点之间的距离的最大值。9.如权利要求6所述的车载红外相机外参标定方法，其特征在于，根据红外相机的内参矩阵以及偏离值总和的最大值对应的有效检测点元素集合，计算出获取当前帧红外图像时，红外相机的俯仰角和偏航角，包括如下步骤：计算偏离值总和的最大值对应的有效检测点元素集合中，每个检测点元素中的两个检测点构成向量的叉集向量；通过所有叉集向量构成矩阵a，对矩阵a进行求解，以获得车道线消失点vp1方向向量v’；将车道线消失点vp1方向向量v’投影到成像面上，以得到最优消失点v
p
；根据最优消失点v
p
的坐标及其在世界坐标系中所对应的点得到获取当前帧红外图像时，红外相机的俯仰角和偏航角。10.如权利要求1所述的车载红外相机外参标定方法，其特征在于，估算红外相机获取连续帧红外图像时的俯仰角和偏航角，以完成红外相机外参的动态标定，包括如下步骤：模拟车辆行驶过程中红外相机俯仰角和偏航角的变化，再使用扩展卡尔曼滤波估算红外相机获取连续帧红外图像时的俯仰角和偏航角，以完成红外相机外参的动态标定。11.一种车载红外相机外参标定系统，其可以用于实现权利要求1-10任一项所述的车载红外相机外参标定方法，其特征在于，所述车载红外相机外参标定系统包括：图像存储单元，其用于存储搭载在车辆上的红外相机在车辆行驶过程中获取的多帧红外图像；平行判断单元，其用于根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线；单帧标定单元，其用于根据单帧红外图像，对获得当前帧红外图像时红外红外相机的俯仰角和偏航角进行估算；以及连续帧标定单元，其用于通过扩展卡尔曼滤波等方式得到红外相机获取连续帧红外图像时的俯仰角和偏航角。

技术总结
本发明涉及一种车载红外相机外参标定方法及系统，包括如下步骤：通过搭载于车辆上的红外相机获取多帧红外图像并保存；根据红外相机获取的红外图像确定车辆行驶过程中，车身是否平行于车道线；根据单帧红外图像，对获取当前帧红外图像时红外相机的俯仰角和偏航角进行估算；以及估算红外相机获取连续帧红外图像时的俯仰角和偏航角，以完成红外相机外参的动态标定。本发明方法操作简单，资源消耗低，无需使用专业标定场地和标定靶标，其只需保持车身与车道线平行，然后采集红外图像即可进行红外相机外参的动态标定。相机外参的动态标定。相机外参的动态标定。


技术研发人员：黄立 黄晟 张龙 商长弘 田鹏 胡灏东 杜帅 杨帆
受保护的技术使用者：武汉轩辕智驾科技有限公司
技术研发日：2023.05.17
技术公布日：2023/8/9