本发明应用于智能感知和智能交通领域，具体是一种基于路侧雷达和相机的联合标定方法。
背景技术：
1、随着智能交通系统的发展，单一传感器已无法满足复杂的交通环境监测需求。多传感器融合技术应运而生，其中路侧毫米波雷达和相机的融合是主要发展趋势之一。毫米波雷达技术具有高精度测距和测速能力以及全天时、全天候的适应能力，相机具有高分辨的图像识别能力。融合毫米波雷达和相机能够为车辆提供更丰富的路况信息，支持自动驾驶和智能交通管理不断进步。而毫米波雷达与相机的联合标定是其融合的前提，直接关系到融合的准确性。
2、现在主流的毫米波雷达与相机的联合标定方法主要是利用毫米波雷达与相机的空间位置关系来进行计算的，此过程需要预先测量摄像机的内外参，操作较为复杂，并且标定精度易受其他操作步骤的影响。还有一些标定方法需要借助人工选择的标定点和雷达反射器，这在已经通行的公路尤其是高速公路上面临着巨大的安全隐患。随着人工智能的发展，基于深度学习的联合标定方法也应运而生。但这些方法需要大量的数据作为训练集和验证集，操作流程较为复杂。对于不同点位的毫米波雷达和相机，仍需要重新采集数据训练模型，不具备较强的泛化性。
3、目前本领域基于人工选取标定点和标定物的方法具有以下缺陷：
4、依赖人工，费时费力费财。
5、在高速公路上标定，会出现极大的安全隐患。
6、现今流行的基于毫米波雷达与相机的空间位置关系的标定算法，也具有以下缺陷：
7、算法流程复杂，往往需要预先测量摄像机的内外参。
8、标定精度易受其他操作步骤的影响。
9、现今基于深度学习的联合标定方法，也具有以下缺陷：
10、需要大量的数据作为训练集和验证集，操作流程较为复杂；
11、不具备较强的泛化性。
技术实现思路
1、本发明所要解决的技术问题是针对现有技术的不足，提供一种基于路侧雷达和相机的联合标定方法。
2、为解决上述技术问题，本发明的一种基于路侧雷达和相机的联合标定方法，具体包括如下步骤：
3、安装路侧雷达与相机；
4、获取雷达坐标系和图像坐标系下的车辆时间、位置信息；
5、筛选获取雷达-图像坐标映射对；
6、利用dlt求解雷达-图像标定矩阵；
7、利用lm对标定矩阵进行优化，获取雷达和相机的联合标定矩阵。
8、作为一种可能的实施方式，进一步的，所述安装路侧雷达与相机步骤具体包括：
9、确保雷达和相机的监测区域有重叠；
10、分别对雷达和相机进行车道线配置；
11、利用时间同步服务器对雷达和相机匹配时间戳进行时间同步。
12、作为一种可能的实施方式，进一步的，所述获取雷达坐标系和图像坐标系下的车辆时间、位置信息步骤具体包括：
13、录制雷达和相机共同监测区域内过往车辆在雷达上的时间、位置信息r(t,i,l,x,y)，其中t为时间戳，i为车辆目标id，l为车道序号，x,y分别为车辆在雷达坐标系的横向和纵向距离；
14、采用基于yolox的目标检测方法实现车辆类型分类与检测；
15、录制雷达和相机共同监测区域内过往车辆在相机图像上的时间、位置信息c(t,i,l,u,v)，其中t为时间戳，i为车辆目标id，l为车道序号，u,v分别为车辆在图像上检测框中心的宽度、高度方向像素值。
16、作为一种可能的实施方式，进一步的，所述筛选获取雷达-图像坐标映射对步骤具体包括：
17、对录制的雷达坐标系和图像坐标系下的车辆时间、位置信息进行筛选，具体包括：
18、将r(t,i,l,x,y)按照目标id号、时间戳、车道号以及纵向距离四个维度进行由小到大的顺序排列，形成雷达坐标系下车辆运行轨迹；
19、将c(t,i,l,u,v)按照目标id号、时间戳、车道号以及图像高度方向四个维度进行由小到大的顺序排列，形成图像坐标系下车辆运行轨迹；
20、对处理后的r(t,i,l,x,y)和c(t,i,l,u,v)进行轨迹匹配，形成雷达-图像坐标映射对rc(x,y,u,v)；
21、对雷达和相机共同监测区域按车道线进行划分，并按预设的雷达纵向间隔，提取雷达-图像坐标映射对rc(x,y,u,v)，获得用于雷视标定的坐标映射对rc'(x,y,u,v)。
22、作为一种可能的实施方式，进一步的，所述利用dlt求解雷达-图像标定矩阵步骤具体包括：
23、对坐标映射对rc'(x,y,u,v)进行归一化rcnormal(x,y,u,v)；
24、对rcnormal(x,y,u,v)构造输入矩阵rinput，其中
25、
26、k＝1,2,...,k，k为雷达-图像坐标映射对的总数。
27、对输入矩阵rinput进行svd分解，将分解得到的右奇异向量rv作为雷达-图像标定矩阵。
28、作为一种可能的实施方式，进一步的，所述利用lm对标定矩阵进行优化，获取雷达和相机的联合标定矩阵步骤具体包括：
29、将预测点与观测点之间的均方误差作为lm的残差函数，将rv作为初始化的标定矩阵；
30、设定lm的最大迭代次数为2000，收敛阈值为10-6；
31、执行lm迭代，直至满足预设的收敛条件，输出优化后的标定矩阵roptimal作为所求的路侧毫米波雷达和相机的联合标定矩阵，至此完成标定过程。
32、一种基于路侧雷达和相机的联合标定系统，包括：
33、路侧雷达；
34、相机；
35、信息获取模块，用于获取雷达坐标系和图像坐标系下的车辆时间、位置信息；
36、映射对生成模块，用于筛选获取雷达-图像坐标映射对；
37、标定矩阵获取模块，利用dlt求解雷达-图像标定矩阵；
38、联合标定矩阵获取模块，利用lm对标定矩阵进行优化，获取雷达和相机的联合标定矩阵。
39、本发明采用以上技术方案，具有以下有益效果：
40、采用本发明，标定误差小于8像素，相较于目前的主流方法，误差可降低近50％；可以实现400m范围内的毫米波雷达和相机的高精度融合，优于目前的主流方法；可以实现路侧毫米波雷达与相机的自动化标定，节约了人力成本，并降低了安全隐患。
1.一种基于路侧雷达和相机的联合标定方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于路侧雷达和相机的联合标定方法，其特征在于：所述安装路侧雷达与相机步骤具体包括：
3.根据权利要求1所述的一种基于路侧雷达和相机的联合标定方法，其特征在于：所述获取雷达坐标系和图像坐标系下的车辆时间、位置信息步骤具体包括：
4.根据权利要求3所述的一种基于路侧雷达和相机的联合标定方法，其特征在于：所述筛选获取雷达-图像坐标映射对步骤具体包括：
5.根据权利要求4所述的一种基于路侧雷达和相机的联合标定方法，其特征在于：所述利用dlt求解雷达-图像标定矩阵步骤具体包括：
6.根据权利要求5所述的一种基于路侧雷达和相机的联合标定方法，其特征在于：所述利用lm对标定矩阵进行优化，获取雷达和相机的联合标定矩阵步骤具体包括：
7.一种基于路侧雷达和相机的联合标定系统，其特征在于，包括：
