1.一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法，其特征在于，所述方法包括以下步骤：

1)对相机进行内参标定得到相机的内参矩阵其中f为相机焦距，[Ox,Oy]为主光轴点；

设计具有空间几何特征的标定物，上面有四个半径相同、圆心距离相同的镂空的圆，将其放置在相机和激光雷达能够同时获取到的位置；

n

2)第n帧获取的3D激光雷达点云P中，第i个点 与同一扫描线上相邻两点 到激光雷达距离差的最大值表示为

其中 表示第n帧3D点云中第i个点 到激光雷达的距离；提取距离差Xi值大于阈值R的点，得到边缘点，R的取值略小于标定板和背景墙之间的距离差d；得到的边缘点包括两个部分，扫在背景墙上的最靠近标定板边缘的背景边缘点，以及落在标定点板边缘的n n

前景边缘点；保留背景部分的边缘点B，前景标定板上的边缘点为F；

3)获取新的一帧点云，寻找最靠近边缘的距离突变的点为前景边缘点，即获取第n+1帧n+1

激光雷达点云P ，遍历参考帧中的每个点 计算n+1帧中与 同一扫描线上的点 和的距离差RangeDiff

n+1

若距离差RangeDiff大于阈值R，则将点 存入点云K 中，即位于标定板上的前景n+1

点，对前景点K 中的每个点 计算 与 的水平角度差，选择水平角度差最小的点，作为相对点 选定的前景边缘点若对于背景边缘点 第n+1帧不存在RangeDiff大于阈值R的前景边缘点与之对应，则保留第n帧中对应的前景边缘点 为得到的前景边缘点

4)继续获取下一帧点云，寻找最靠近边缘的距离突变的点，并与上一帧得到的前景边缘点比较，取更靠近边缘的距离突变点为前景边缘点；

n+2

即获取第n+2帧激光雷达点云P ，重复步骤3)得到n+2帧中与 同一扫描线上的点和 的距离差RangeDiff，并选取与 水平角度差最小的点作为新一次找到的边缘点S′i，比较Si与 的水平角度差，以及S′i与 的水平角度差，选取水平角度差较小的点，即和 最邻近的前景边缘点，作为新的前景边缘点

5)继续获取第n+3，n+4，n+5,···帧，重复步骤4)，直到第n+k帧，k为找精确点的循环次数，得到最终的精确边缘点 获取该帧的时刻记为ti；

6)对ti时刻得到的精准边缘点用RANSAC算法去除直线，并拟合圆，计算出圆的半径r3d和圆心坐标[X,Y,Z]，同时对ti时刻获取的图像利用Hough变换检测圆，求出圆的半径r2d和圆心坐标[u,v]，利用相机模型计算相机和激光雷达坐标系之间的平移变换；

T T

其中[x,y,w] 表示相机坐标系下点的坐标，[X,Y,Z,1] 表示3D激光雷达坐标系下点的坐标，P为相机内参矩阵，C为要求的标定矩阵，这里只考虑平移变换，令其中[tx,ty,tz]表示平移向量，假设标定物平面是竖直的，通过针孔相机模型得到传感器之间的深度差tz：

其中Z是圆心的深度坐标，根据公式(6.6)、(6.7)得tx,ty：对四个圆分别计算的平移结果求平均，得到最终的平移向量[tx,ty,tz]；

7)用步骤6)中得到的平移量初始化标定参数C[tx,ty,tz,0,0,0]，这里用0初始化旋转参数rx,ry,rz，根据激光雷达点云的距离信息，用Otsu阈值分割将雷达点云分割为前景和背景；通过自适应阈值分割将相机图像也分为前景和背景，使用标定参数C和内参矩阵P将ti时刻的激光雷达点云投影到图像平面，投影误差PE的值用错误投影点E除以点云中的点的总数P来计算：

密集搜索标定参数C的邻域空间，选择使投影误差PE最小的标定参数C作为最终结果。