自动驾驶车辆的配准方法、装置、电子设备和车辆与流程

1.本技术涉及自动驾驶、智能交通等ai(artificial intelligence，人工智能)领域，尤其涉及自动驾驶车辆的配准方法、装置、电子设备和车辆。


背景技术：

2.在自动驾驶车辆行驶过程中，需要多种传感器协同作业来完成车体的感知和定位，其中，利用多种传感器协同作业的前提是已知各传感器之间的坐标转换关系，各传感器之间的坐标转换关系可以预先标定得到。比如，当前各种无人车平台上，可以通过相机与定位设备(比如imu(inertial measurement unit，惯性测量装置))，来完成更加精确地定位与感知，因此，如何对相机与定位设备进行标定是非常重要的。


技术实现要素：

3.本技术提供了一种用于自动驾驶车辆的配准方法、装置、电子设备和车辆。
4.根据本技术的一方面，提供了一种自动驾驶车辆的配准方法，包括：
5.根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线；
6.根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线；
7.根据各所述第一检测位姿和各所述第二检测位姿，对齐所述第一轨迹曲线和所述第二轨迹曲线；
8.根据对齐的所述第一轨迹曲线和所述第二轨迹曲线，将所述车载相机和所述车载定位设备配准。
9.根据本技术的另一方面，提供了一种自动驾驶车辆的配准装置，包括：
10.第一生成模块，用于根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线；
11.第二生成模块，用于根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线；
12.对齐模块，用于根据各所述第一检测位姿和各所述第二检测位姿，对齐所述第一轨迹曲线和所述第二轨迹曲线；
13.配准模块，用于根据对齐的所述第一轨迹曲线和所述第二轨迹曲线，将所述车载相机和所述车载定位设备配准。
14.根据本技术的又一方面，提供了一种电子设备，包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术上述一方面提出的自动驾驶车辆的配准方法。
18.根据本技术的再一方面，提供了一种计算机指令的非瞬时计算机可读存储介质，
所述计算机指令用于使所述计算机执行本技术上述一方面提出的自动驾驶车辆的配准方法。
19.根据本技术的还一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本技术上述一方面提出的自动驾驶车辆的配准方法。
20.根据本技术的还一方面，提供了一种自动驾驶车辆，包括本技术上述又一方面提出的电子设备。
21.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.附图用于更好地理解本方案，不构成对本技术的限定。其中：
23.图1是本技术实施例一所提供的自动驾驶车辆的配准方法的流程示意图；
24.图2为本技术实施例二所提供的自动驾驶车辆的配准方法的流程示意图；
25.图3为本技术实施例三所提供的自动驾驶车辆的配准方法的流程示意图；
26.图4为本技术实施例四所提供的自动驾驶车辆的配准方法的流程示意图；
27.图5为本技术实施例五所提供的自动驾驶车辆的配准方法的流程示意图；
28.图6为本技术实施例中地图中的车道线示意图；
29.图7为本技术实施例六所提供的自动驾驶车辆的配准装置的结构示意图；
30.图8示出了可以用来实施本技术的实施例的示例电子设备的示意性框图。
具体实施方式
31.以下结合附图对本技术的示范性实施例做出说明，其中包括本技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
32.相关技术中，相机与定位设备的标定过程为：使用视觉定位技术，生成相机的运动轨迹，将相机的运动轨迹与定位设备的时间最近邻轨迹点对齐，从而实现相机与定位设备的标定。
33.然而，视觉定位技术由于其特征提取鲁棒性、视野问题造成的定位维度退化及尺度模糊等问题，得到的运动轨迹往往并不准确，从而导致标定效果较差。并且，相机与定位设备的数据往往并非同步触发获取，只使用时间最近邻的定位设备轨迹点与相机轨迹点进行对齐的方式，并未考虑时间差带来的轨迹变化，因此使用这样的轨迹与定位设备进行轨迹对齐也难以得到良好的标定参数。
34.因此针对上述存在的问题，本技术提出一种自动驾驶车辆的配准方法、装置、电子设备和车辆。
35.下面参考附图描述本技术实施例的自动驾驶车辆的配准方法、装置、电子设备和车辆。
36.图1为本技术实施例一所提供的自动驾驶车辆的配准方法的流程示意图。
37.本技术实施例以该自动驾驶车辆的配准方法被配置于自动驾驶车辆的配准装置
中来举例说明，该配准装置可以应用于任一电子设备中，以使该电子设备可以执行配准功能。
38.其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑(personal computer，简称pc)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
39.如图1所示，该自动驾驶车辆的配准方法可以包括以下步骤：
40.步骤101，根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线。
41.在本技术实施例中，第一检测位姿，是指车载相机在世界坐标系下的位姿。其中，位姿可以包括坐标位置和/或姿态。
42.在本技术实施例中，各第一时刻的第一检测位姿，可以根据车载相机在对应时刻采集的图像确定。后续实施例将对此进行详细说明，在此不做赘述。
43.在本技术实施例中，可以对车载相机在多个第一时刻的第一检测位姿进行曲线拟合，得到该车载相机对应的第一轨迹曲线。
44.步骤102，根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线。
45.在本技术实施例中，车载定位设备是指能够实现定位、测量位置、测量姿态的传感器，比如，车载定位设备可以为imu。
46.在本技术实施例中，第二检测位姿是指车载定位设备检测到的位姿。
47.在本技术实施例中，可以对车载定位设备在多个第二时刻的第二检测位姿进行曲线拟合，得到该车载定位设备对应的第二轨迹曲线。
48.步骤103，根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线。
49.在本技术实施例中，可以根据车载相机对应的第一检测位姿，以及车载定位设备对应的第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线。例如，针对每个第一检测位姿，可以确定与该第一检测位姿匹配的第二检测位姿，比如该匹配的第二检测位姿可以为与第一检测位姿最相似的位姿，根据第一检测位姿以及与该第一检测位姿匹配的第二检测位姿，将第一轨迹曲线和第二轨迹曲线进行对齐。
50.步骤104，根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。
51.在本技术实施例中，可以根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。由此，按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐，根据对齐结果将车载相机和车载定位设备进行配准，可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况，提升标定结果的准确性。
52.本技术实施例的自动驾驶车辆的配准方法，通过根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线，并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线，根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线，以根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。由此，按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐，根据对齐结果将车载相机和车载定位设备进行配准，可以避免出现按时间对齐而造成配准效果
(即标定效果)较差的情况，提升标定结果的准确性。
53.为了清楚说明上述实施例中是如何对第一轨迹曲线和第二轨迹曲线进行对齐的，本技术提供了另一种自动驾驶车辆的配准方法。
54.图2为本技术实施例二所提供的自动驾驶车辆的配准方法的流程示意图。
55.如图2所示，该自动驾驶车辆的配准方法可以包括以下步骤：
56.步骤201，根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线。
57.步骤202，根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线。
58.步骤201至202的执行过程可以参见本技术任一实施例的执行过程，在此不做赘述。
59.步骤203，根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿，查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿，以得到匹配的第一检测位姿和第二检测位姿。
60.在本技术实施例中，针对第一轨迹曲线中的每个第一轨迹点，可以将该第一轨迹点对应的第一检测位姿，与第二轨迹曲线中各第二轨迹点对应的第二检测位姿进行匹配，确定与该第一轨迹点对应的第一检测位姿匹配度最高的第二检测位姿，将上述第一检测位姿，以及与该第一检测位姿匹配度最高的第二检测位姿作为匹配的第一检测位姿和第二检测位姿。
61.步骤204，根据匹配的第一检测位姿和第二检测位姿，确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
62.在本技术实施例中，可以根据匹配的第一检测位姿和第二检测位姿，确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。即，可以将匹配的第一检测位姿和第二检测位姿分别对应的第一轨迹点和第二轨迹点进行对齐，得到第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
63.步骤205，根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。
64.步骤205的执行过程可以参见本技术任一实施例的执行过程，在此不做赘述。
65.本技术实施例的自动驾驶车辆的配准方法，通过根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿，查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿，以得到匹配的第一检测位姿和第二检测位姿；根据匹配的第一检测位姿和第二检测位姿，确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。由此，可以实现根据位姿对第一轨迹曲线中的第一轨迹点和第二轨迹曲线中第二轨迹点进行对齐，从而后续可以根据对齐结果，对车载相机和车载定位设备进行标定，可以避免出现按时间对齐而造成标定效果较差的情况，提升标定结果的准确性。
66.为了清楚说明上述实施例中是如何对车载相机和车载定位设备进行配准的，本技术提供了另一种自动驾驶车辆的配准方法。
67.图3为本技术实施例三所提供的自动驾驶车辆的配准方法的流程示意图。
68.如图3所示，该自动驾驶车辆的配准方法可以包括以下步骤：
69.步骤301，根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线。
70.步骤302，根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲
线。
71.步骤303，根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿，查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿，以得到匹配的第一检测位姿和第二检测位姿。
72.步骤304，根据匹配的第一检测位姿和第二检测位姿，确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
73.步骤301至304的执行过程可以参见本技术任一实施例的执行过程，在此不做赘述。
74.步骤305，根据第一轨迹曲线中至少一第一轨迹点在世界坐标系中的位置，与第二轨迹曲线中对应的第二轨迹点在世界坐标系中的位置之间的差异，确定车载相机相对车载定位设备的外参。
75.在本技术实施例中，可以根据对齐关系，确定第二轨迹曲线中与第一轨迹曲线中各第一轨迹点对应的第二轨迹点，根据至少一个第一轨迹点在世界坐标系中三维的位置，以及与该第一轨迹点对应的第二轨迹点在世界坐标系中三维的位置之间的差异，确定车载相机相对车载定位设备的外参。
76.作为一种示例，可以将各第一轨迹点在世界坐标系中的位置，以及与各第一轨迹点对应的第二轨迹点在世界坐标系中的位置，带入下述公式(1)，得到多个方程：
77.外参*第一轨迹点在世界坐标系中的位置*外参的逆矩阵＝第二轨迹点在世界坐标系中的位置；(1)
78.也就是说，本技术中，可以设置初始的外参，针对每个第一轨迹点，可以将该第一轨迹点在世界坐标系中的位置，以及与该第一轨迹点对应的第二轨迹点在世界坐标系中的位置带入公式(1)，得到一个方程，从而可以将多个方程的左右分别做差，即可得到一个关于外参的非线性优化问题，求解该非线性优化问题即可得到修正后的外参。
79.步骤306，采用外参将车载相机和车载定位设备配准。
80.在本技术实施例中，在确定车载相机相对车载定位设备的外参后，即可采用上述外参将车载相机和车载定位设备配准。
81.本技术实施例的自动驾驶车辆的配准方法，通过根据第一轨迹曲线中至少一第一轨迹点在世界坐标系中的位置，与第二轨迹曲线中对应的第二轨迹点在世界坐标系中的位置之间的差异，确定车载相机相对车载定位设备的外参；采用外参将车载相机和车载定位设备配准。由此，根据对齐的第一轨迹点和对应的第二轨迹点在世界坐标系中位置之间的差异，确定车载相机相对车载定位设备的外参，可以提升外参确定结果的准确性，从而采用准确度较高的外参将车载相机和车载定位设备配准，可以进一步提升标定结果的准确性。
82.在本技术实施例的一种可能的实现方式中，为了提升车载相机对应的第一检测位姿确定结果的准确性，本技术中，可以采用地图中的地物，求取车载相机在各第一时刻的第一检测位姿。下面结合实施例四，对上述过程进行详细说明。
83.图4为本技术实施例四所提供的自动驾驶车辆的配准方法的流程示意图。
84.如图4所示，该自动驾驶车辆的配准方法可以包括以下步骤：
85.步骤401，从地图中获取标线的标记位置。
86.在本技术实施例中，标线可以交通标线，比如可以为车道线。
87.在本技术实施例中，车辆在道路上行驶的过程中，可以从高精度的地图中，获取位
于车辆周围的标线的标记位置。
88.步骤402，根据标记位置进行曲线拟合，得到标线在世界坐标系中的拟合曲线。
89.在本技术实施例中，可以对标线的标记位置进行曲线拟合，得到标线在世界坐标中的拟合曲线。比如，可以根据标记位置对标线进行二次曲线的拟合，得到标线在三维空间中的拟合曲线或曲线方程。
90.步骤403，在世界坐标系中，根据车载相机在多个第一时刻的估计位姿，将拟合曲线投影至车载相机的图像坐标系中，得到多个第一时刻对应的第一平面曲线。
91.在本技术实施例中，车载相机在各第一时刻的估计位姿，是根据对应时刻车载相机采集的图像确定的，即估计位姿是根据视觉定位方式，确定的粗略位姿。
92.在本技术实施例中，可以根据世界坐标系和图像坐标系之间的关系，以及根据车载相机在多个第一时刻的估计位姿，将标线在世界坐标系中的拟合曲线投影至车载相机的图像坐标系中，得到多个第一时刻对应的第一平面曲线。其中，第一平面曲线为二维的曲线方程。
93.步骤404，根据多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异，修正对应的第一时刻的估计位姿，以得到各第一时刻的第一检测位姿。
94.在本技术实施例中，车辆中的车道线感知单元还可以称为车道线感知模块，该车道线感知单元用于检测车道线对应的曲线方程，输出车道线对应的第二平面曲线。其中，第二平面曲线也为二维的曲线方程。
95.在本技术实施例中，针对每个第一时刻，可以根据该第一时刻对应的第一平面曲线和车道线感知单元在对应时刻输出的第二平面曲线之间的差异，修正该第一时刻的估计位姿，将修正后的估计位姿，作为该第一时刻的第一检测位姿。
96.步骤405，根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线。
97.步骤406，根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线。
98.步骤407，根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线。
99.步骤408，根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。
100.步骤405至408的执行过程可以参见上述任一实施例的执行过程，在此不做赘述。
101.本技术实施例的自动驾驶车辆的配准方法，通过基于高精度地图中的标线，来确定车载相机的位姿，相较于传统方案使用图像关键点的方式(视觉定位方式)确定车载相机的位姿，鲁棒性较高，轨迹求取更加准确，从而可以得到更精准的标定参数。
102.为了清楚说明上述实施例中是如何对各第一时刻的估计位姿进行修正的，本技术还提供一种自动驾驶车辆的配准方法。
103.图5为本技术实施例五所提供的自动驾驶车辆的配准方法的流程示意图。
104.如图5所示，该自动驾驶车辆的配准方法可以包括以下步骤：
105.步骤501，从地图中获取标线的标记位置。
106.步骤502，根据标记位置进行曲线拟合，得到标线在世界坐标系中的拟合曲线。
107.步骤503，在世界坐标系中，根据车载相机在多个第一时刻的估计位姿，将拟合曲线投影至车载相机的图像坐标系中，得到多个第一时刻对应的第一平面曲线。
108.步骤501至503的执行过程可以参见上述任一实施例的执行过程，在此不做赘述。
109.步骤504，对任一第一时刻，确定对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异。
110.在本技术实施例中，针对任意一个第一时刻，可以确定该第一时刻对应的第一平面曲线与车道线感知单元在该第一时刻输出的第二平面曲线之间的差异。
111.步骤505，根据各第一时刻的差异，调整对应的第一时刻的估计位姿，以得到使得差异最小化的第一检测位姿。
112.在本技术实施例中，针对任意一个第一时刻，可以根据该第一时刻对应的差异，调整该第一时刻的估计位姿，以使上述差异最小化，从而可以将使得差异最小化的调整后的估计位姿，作为该第一时刻的第一检测位姿。
113.在本技术实施例的一种可能的实现方式中，针对任意一个第一时刻，可以采用非线性优化算法，根据该第一时刻的差异，调整该第一时刻的估计位姿，以使上述差异最小化，从而可以将使得差异最小化的调整后的估计位姿，作为该第一时刻的第一检测位姿。
114.作为一种示例，针对任意一个第一时刻，可以对该第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线这两组二维的曲线方程的参数构建残差，得到车载相机在世界坐标系中位姿的非线性优化问题，求解该非线性优化问题，可以得到车载相机在世界坐标系下的精确位姿，将该精确位姿作为该第一时刻的第一检测位姿。
115.在本技术实施例的另一种可能的实现方式中，针对任意一个第一时刻，还可以根据该第一时刻的估计位置，在设定范围内进行位姿调整，以将调整后的位姿中使得差异最小化的位姿，作为该第一时刻的第一检测位姿。
116.其中，设定范围为较小的取值范围。
117.由此，不仅可以使用非线性优化的方式，获取车载相机在世界坐标系下的第一检测位姿，还可以通过对车载相机的估计位姿附近加窗并采样的方式，获取车载相机在世界坐标系下的第一检测位姿，可以提升该方法的灵活性和适用性。
118.步骤506，根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线。
119.步骤507，根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线。
120.步骤508，根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线。
121.步骤509，根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。
122.步骤506至509的执行过程可以参见上述任一实施例的执行过程，在此不做赘述。
123.作为一种示例，以标线为车道线进行示例性说明，地图中的车道线可以如图6所示。车载相机和车载定位设备之间的标定过程可以包括以下步骤：
124.1、当车辆在道路上行驶过程中，可以查询车辆周围的地物标注信息，提取车辆周围的车道线的标注位置，并根据车道线的标注位置，对车道线进行二次曲线的拟合，得到车道线在三维空间中的曲线方程(本技术中记为拟合曲线)。
125.2、使用预先标定好的车载相机内参，并查询车端实时检测的车道线的方程(本技术中记为第二平面曲线)，利用车载相机内参及车载相机在世界坐标系中的估计位姿，获取高精度地图中三维的车道线的曲线方程投影至图像坐标系中二维的曲线方程(本技术中记为第一平面曲线)。
126.3、对高精度地图中车道线方程投影结果(即第一平面曲线)及车端实时检测的车道线的方程(即第二平面曲线)构建残差，得到一个有关车载相机在世界坐标系中位姿的非线性优化问题。
127.4、求解上述非线性优化问题，得到车载相机在世界坐标系下的精确位姿(本技术中记为第一检测位姿)。
128.5、对于车载定位设备检测的第二检测位姿，可以对离散的第二检测位姿进行拟合，得到车载定位设备对应的时间连续的轨迹方程(本技术中记为第二轨迹曲线)；
129.6、对于第4步中求取的各个第一检测位姿，查询第5步中第二轨迹方程中与该第一检测位姿对齐的第二检测位姿，根据公式(1)，可得一系列方程；
130.7、对第6步中一系列方程的左右分别做差，即可得到一个关于外参的非线性优化问题，求解该非线性优化问题即可得到修正后的车载相机相对于车载定位设备的外参信息。
131.由此，可以充分利用高精度地图中标注过的信息，更精确地获取车载相机的位姿，同时，根据位姿，对车载相机的轨迹和车载定位设备的轨迹进行对齐，可以避免出现按时间对齐而造成的标定效果差的情况。
132.本技术实施例的自动驾驶车辆的配准方法，通过根据各第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异，调整对应的第一时刻的估计位姿，以得到使得差异最小化的第一检测位姿。由此，根据第一平面曲线和第二平面曲线之间的差异，调整车载相机的估计位姿，可以得到准确率较高的第一检测位姿，从而根据准确率较高的第一检测位姿执行标定过程，可以提升标定结果的准确性。
133.与上述图1至图5实施例提供的自动驾驶车辆的配准方法相对应，本技术还提供一种自动驾驶车辆的配准装置，由于本技术实施例提供的自动驾驶车辆的配准装置与上述图1至图5实施例提供的自动驾驶车辆的配准方法相对应，因此在自动驾驶车辆的配准方法的实施方式也适用于本技术实施例提供的自动驾驶车辆的配准装置，在本技术实施例中不再详细描述。
134.图7为本技术实施例六所提供的自动驾驶车辆的配准装置的结构示意图。
135.如图7所示，该自动驾驶车辆的配准装置700可以包括：第一生成模块710、第二生成模块720、对齐模块730以及配准模块740。
136.其中，第一生成模块710，用于根据车载相机在多个第一时刻的第一检测位姿，生成第一轨迹曲线。
137.第二生成模块720，用于根据车载定位设备在多个第二时刻的第二检测位姿，生成第二轨迹曲线。
138.对齐模块730，用于根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线。
139.配准模块740，用于根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载
定位设备配准。
140.在本技术实施例的一种可能的实现方式中，对齐模块730，具体用于：根据第一轨迹曲线中各第一轨迹点对应的第一检测位姿，查询第二轨迹曲线中各第二轨迹点对应的第二检测位姿，以得到匹配的第一检测位姿和第二检测位姿；根据匹配的第一检测位姿和第二检测位姿，确定第一轨迹曲线中的第一轨迹点与第二轨迹曲线中的第二轨迹点之间的对齐关系。
141.在本技术实施例的一种可能的实现方式中，配准模块740，具体用于：根据第一轨迹曲线中至少一第一轨迹点在世界坐标系中的位置，与第二轨迹曲线中对应的第二轨迹点在世界坐标系中的位置之间的差异，确定车载相机相对车载定位设备的外参；采用外参将车载相机和车载定位设备配准。
142.在本技术实施例的一种可能的实现方式中，该配准装置700还可以包括：
143.获取模块，用于从地图中获取标线的标记位置。
144.拟合模块，用于根据标记位置进行曲线拟合，得到标线在世界坐标系中的拟合曲线。
145.投影模块，用于在世界坐标系中，根据车载相机在多个第一时刻的估计位姿，将拟合曲线投影至车载相机的图像坐标系中，得到多个第一时刻对应的第一平面曲线。
146.修正模块，用于根据多个第一时刻对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异，修正对应的第一时刻的估计位姿，以得到各第一时刻的第一检测位姿。
147.在本技术实施例的一种可能的实现方式中，修正模块，可以包括：
148.确定单元，用于对任一第一时刻，确定对应的第一平面曲线与车道线感知单元对应时刻输出的第二平面曲线之间的差异。
149.调整单元，用于根据各第一时刻的差异，调整对应的第一时刻的估计位姿，以得到使得差异最小化的第一检测位姿。
150.在本技术实施例的一种可能的实现方式中，调整单元，具体用于：采用非线性优化算法，根据各第一时刻的差异，调整对应的第一时刻的估计位姿，以得到使得差异最小化的第一检测位姿；或者，根据任一第一时刻的估计位姿，在设定范围内进行位姿调整，以将调整后的位姿中使得差异最小化的位姿作为对应第一时刻的第一检测位姿。
151.本技术实施例的自动驾驶车辆的配准装置，通过根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线，并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线，根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线，以根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。由此，按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐，根据对齐结果将车载相机和车载定位设备进行配准，可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况，提升标定结果的准确性。
152.为了实现上述实施例，本技术还提供一种电子设备，该电子设备可以包括至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本技术上述任一实施例提出的自动驾驶车辆的配准方法。
153.为了实现上述实施例，本技术还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本技术上述任一实施例提出的自动驾驶车辆的配准方法。
154.为了实现上述实施例，本技术还提供一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本技术上述任一实施例提出的自动驾驶车辆的配准方法。
155.为了实现上述实施例，本技术还提供一种自动驾驶车辆，其中，该自动驾驶车辆包括本技术上述实施例提出的电子设备。
156.根据本技术的实施例，本技术还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
157.图8示出了可以用来实施本技术的实施例的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
158.如图8所示，设备800包括计算单元801，其可以根据存储在rom(read
‑
only memory，只读存储器)802中的计算机程序或者从存储单元807加载到ram(random access memory，随机访问/存取存储器)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。i/o(input/output，输入/输出)接口805也连接至总线804。
159.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
160.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于cpu(central processing unit，中央处理单元)、gpu(graphic processing units，图形处理单元)、各种专用的ai(artificial intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、dsp(digital signal processor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如上述自动驾驶车辆的配准方法。例如，在一些实施例中，上述自动驾驶车辆的配准方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的自动驾驶车辆的配准方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述自动驾驶车辆的配准方法。
161.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、fpga(field programmable gate array，现场可编程门阵列)、asic(application
‑
private server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
167.其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
168.根据本技术实施例的技术方案，通过根据车载相机在多个第一时刻的第一检测位姿生成第一轨迹曲线，并根据车载定位设备在多个第二时刻的第二检测位姿生成第二轨迹曲线，根据各第一检测位姿和各第二检测位姿，对齐第一轨迹曲线和第二轨迹曲线，以根据对齐的第一轨迹曲线和第二轨迹曲线，将车载相机和车载定位设备配准。由此，按位姿对车载相机的第一轨迹曲线和车载定位设备的第二轨迹曲线进行对齐，根据对齐结果将车载相机和车载定位设备进行配准，可以避免出现按时间对齐而造成配准效果(即标定效果)较差的情况，提升标定结果的准确性。
169.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
170.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。