无人驾驶传感器融合系列（十）—— 目标追踪之相机与激光雷达数据融合

最新推荐文章于 2023-05-23 00:15:00 发布

默_存

最新推荐文章于 2023-05-23 00:15:00 发布

阅读量1.1w

点赞数 23

分类专栏：传感器融合文章标签：相机激光雷达融合传感器融合目标追踪

本文链接：https://blog.csdn.net/weixin_40215443/article/details/96456408

版权

传感器融合专栏收录该内容

11 篇文章 122 订阅

订阅专栏

无人驾驶传感器融合系列（十）—— 目标追踪之相机与激光雷达数据融合

本章摘要：前几章讲了单独相机实现目标追踪，这一章讲解如何实现相机和激光雷达数据融合。整体思路是这样的，1、先是坐标对齐，将雷达坐标转换到相机坐标。2、然后将激光点往像平面投影，得到投影到像平面的点云。3、借助图像检测的框图（前面提到的YOLOv3检测）对点云实现过滤聚类。4、对聚类点后处理。

0、概述

前视相机得到下面的图片：
在这里插入图片描述
前视某一区域的雷达点云俯视图如下：

我们的目标就是综合相机图片，雷达点云数据，最终得到下面的多目标跟踪结果：

下面我们就来分析如何一步步达到这样的效果。

一、坐标对齐

相机坐标和激光雷达坐标位置不同，如果想把点云投影到图片上，需要对两坐标进行对其。将一个坐标和另一个坐标对齐，无非就是平移，旋转。

坐标平移：

下面通过二维坐标讲解下平移，将其转化到三维坐标道理是一样的。
在这里插入图片描述
上面可以看来，平移只是在相应的维度上加上平移量。但是为了将这种相加的形式改变为相乘的形式，这里使用了齐次坐标。齐次坐标只是在原来的维度上加一个维度，这样矩阵相加的形式就可以变成相乘的形式，这样所有的坐标变换（平移、缩放）都可以变成矩阵相乘的形式了。关于欧几里得空间、齐次坐标之间的转化如下：

在这里插入图片描述

坐标旋转：

二维坐标的旋转：
在这里插入图片描述
同样的道理，三维坐标的旋转可以看作，依次绕着三个轴旋转，联合的结果就可以得到最终的效果：

二、三维向二维平面投影

经过了坐标平移、旋转实现了激光雷达，相机的坐标对其。之后就可以将三维物体向像平面投影了，三维物体向二维平面投影变换如下：
在这里插入图片描述
下面是投影关系，从上面的几何关系，可以得到下面的变换公式。式子中k,l为单位变换缩放，从米缩放到像素。

此投影变换用矩阵的方式表达如下：

对上面的结果采用齐次坐标的形式，可以得到如下变换结果：
在这里插入图片描述
经过上面一些列的变换，平移、旋转、投影，最终将雷达点云投影到了像平面上了。整体表示如下：

对每个点云数据进行上面变换之后，就得到了像平面上的齐次坐标，然后将其转化回欧几里得坐标（公式上面提过），最终求得投影到像平面的结果。

三、KITTI数据集介绍

我们高速公路相机图片，点云数据来自KITTI数据集，下面大概介绍下要用的KITTI传感器配置、标定参数说明：
在这里插入图片描述
在文件 "calib_velo_to_cam.txt“ 中给了激光雷达到左边相机的平移、旋转参数：

calib_time: 15-Mar-2012 11:37:16

R: 7.533745e-03 -9.999714e-01 -6.166020e-04 1.480249e-02 7.280733e-04 -9.998902e-01 9.998621e-01 7.523790e-03 1.480755e-02

T: -4.069766e-03 -7.631618e-02 -2.717806e-01

在文件 “calib_cam_to_cam.txt” 中给了投影参数。

calib_time: 09-Jan-2012 13:57:47
…
R_rect_00: 9.999239e-01 9.837760e-03 -7.445048e-03 -9.869795e-03 9.999421e-01 -4.278459e-03 7.402527e-03 4.351614e-03 9.999631e-01

P_rect_00: 7.215377e+02 0.000000e+00 6.095593e+02 0.000000e+00 0.000000e+00 7.215377e+02 1.728540e+02 0.000000e+00 0.000000e+00 0.000000e+00 1.000000e+00 0.000000e+00
…

P_rect_00：就是上面的投影K值。
R_rect_00： is the 3x3 rectifying rotation to make image planes co-planar, i.e. to align both cameras of the stereo rig 。

四、投影前处理

点云开始向像平面投影之前需要对其进行处理，需要把下面这些点云过滤掉：

… positioned behind the Lidar sensor and thus have a negative x coordinate.
… too far away in x-direction and thus exceeding an upper distance limit.
… too far off to the sides in y-direction and thus not relevant for collision detection
… too close to the road surface in negative z-direction.
… showing a reflectivity close to zero, which might indicate low reliability.

for(auto it=lidarPoints.begin(); it!=lidarPoints.end(); ++it) {
        float maxX = 25.0, maxY = 6.0, minZ = -1.4; 
        if(it->x > maxX || it->x < 0.0 || abs(it->y) > maxY || it->z < minZ || it->r<0.01 )
        {
            continue; // skip to next point
        }

最后得到的投影结果如下：
在这里插入图片描述

五、投影后处理

点云投影之后，需要对点云进行聚类，表明那些点云属于属于一个目标。联合 YOLO目标检测讲过的框图，可以将投影到框图内的点云聚类成一类，得到下面的结果：
在这里插入图片描述
关于框图的所包含的数据如下：

struct BoundingBox { // bounding box around a classified object (contains both 2D and 3D data)

    int boxID; // unique identifier for this bounding box
    int trackID; // unique identifier for the track to which this bounding box belongs

    cv::Rect roi; // 2D region-of-interest in image coordinates
    int classID; // ID based on class file provided to YOLO framework
    double confidence; // classification trust

    std::vector<LidarPoint> lidarPoints; // Lidar 3D points which project into 2D image roi
    std::vector<cv::KeyPoint> keypoints; // keypoints enclosed by 2D roi
    std::vector<cv::DMatch> kptMatches; // keypoint matches enclosed by 2D roi
};

一些问题：

发现框图往往会比实际物体大一些，这样的话，会把一些不属于目标物体的点，聚类到该物体上了。所以往往会在原来框图的基础上缩小一定比例，然后将投影在缩小之后的小框图上的点保留，下面分别是缩小10%，25%的结果。

实际运用过程中往往会缩小5-10%，会达到比较好的聚类效果。
框图交叉时，有些点云会同时属于多个框图，造成聚类错误，比如下面的情景：

常规的做法是，将同时属于多个框图的点云去除掉，避免的它们的干扰。