买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东大学;采埃孚商用车系统(青岛)有限公司申请的专利多传感器数据的标定方法、系统、介质、产品及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120907588B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511452967.8，技术领域涉及：G01D18/00；该发明授权多传感器数据的标定方法、系统、介质、产品及设备是由万熠;陶中涵;杨佳宁;周建武;李亚男;周有杰;梁西昌;侯嘉瑞;李取浩;宋维业设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本多传感器数据的标定方法、系统、介质、产品及设备在说明书摘要公布了：本发明属于多传感器融合与标定技术领域，为解决现有标定方法对特定场景的依赖性且标定效率低，提供多传感器数据的标定方法、系统、介质、产品及设备。多传感器数据的标定方法包括同步启动各传感器；通过动态补偿，得到各传感器对应的标定板特征点补偿测量信息；将各传感器对应的标定板特征点补偿测量信息与标准标定板特征点信息进行多层次特征匹配，以同步各传感器对应的标定板特征点补偿测量信息；计算各传感器残差；根据传感器残差加权求和，联合优化相机与激光雷达之间的外参变换矩阵、其他传感器与标定板之间的外参变换矩阵、惯性测量单元偏置及时间同步偏移。其能够满足多传感器融合系统在真实应用场景中的高效性和可靠性需求。

本发明授权多传感器数据的标定方法、系统、介质、产品及设备在权利要求书中公布了：1.一种多传感器数据的标定方法，其特征在于，在设定场地内预设标定板，标定板与底盘相对设置，底盘上集成有包括相机、激光雷达和惯性测量单元的这些传感器；所述多传感器数据的标定方法，包括： 获取惯性测量单元反馈的底盘位姿并作为触发信号，以同步启动各传感器； 在底盘运动过程中，通过卡尔曼滤波算法对各传感器所测得的标定板特征点进行动态补偿，得到各传感器对应的标定板特征点补偿测量信息； 结合标定板特征点的空间分布及梯度方向信息，将各传感器对应的标定板特征点补偿测量信息与标准标定板特征点信息进行多层次特征匹配，以同步各传感器对应的标定板特征点补偿测量信息； 根据同步的各传感器对应的标定板特征点补偿测量信息与标准标定板特征点信息，计算各传感器残差； 根据传感器残差加权求和，联合优化相机与激光雷达之间的外参变换矩阵、其他传感器与标定板之间的外参变换矩阵、惯性测量单元偏置及时间同步偏移； 通过卡尔曼滤波算法对各传感器所测得的标定板特征点进行动态补偿的过程为： ； 其中，为各传感器对应的第个标定板特征点补偿测量信息；为传感器所测得的第个标定板特征点；K为滤波增益；为通过IMU轨迹预测的第个标定板特征点； 多层次特征匹配的目标函数为： ； 其中，为传感器到标定板坐标系的外参变换矩阵；为预设雷达到标定板坐标系的外参变换矩阵；为已知标定板上的第个内角点，即标定板特征点；为各传感器对应的第个标定板特征点补偿测量信息，是预设雷达测得的第个反射点；为已知标定板上的第个反射点所对应的标定板特征点，是预设雷达误差项的权重，为第个标定板特征点的多层特征权重；是角点总数；是预设雷达测得的反射点个数； 多层特征权重的计算公式为：； 其中，为多层特征权重；和为权重系数，满足；表示点对之间的粗匹配权重；表示点对之间的精确匹配权重； 多层特征权重的计算公式为：点对之间的粗匹配权重及点对之间的精确匹配权重的表达式为：； ； ； ； 其中，为几何距离特征；为梯度方向特征；表示第个标定板特征点的几何距离特征；表示第个标定板特征点的几何距离特征；表示第个标定板特征点的梯度方向特征；表示第个标定板特征点的梯度方向特征；是标定板特征点的位置；是标定板的中心点位置；是所有特征点到中心点的最大距离，用于归一化；和是图像梯度；和均为平滑参数； 联合优化出相机与激光雷达之间的外参变换矩阵以及其他传感器与标定板之间的外参变换矩阵的目标函数为： ； ； 其中，为相机残差；为激光雷达残差；为相机与激光雷达之间的外参变换矩阵；为毫米雷达与标定板之间的外参变换矩阵；为已知标定板上的第个内角点，即标定板特征点；为设定标准标定板特征点；为相机所测得的第个标定板特征点；为激光雷达所测得的第个标定板特征点；为相应残差的加权因子；k为大于或等于3的正整数；为对应传感器残差；为时间同步偏移；为惯性测量单元偏置；为待联合优化的参数；为联合优化后的参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东大学;采埃孚商用车系统(青岛)有限公司，其通讯地址为：250000 山东省济南市历下区经十路17923号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。