CN105717514B - 利用激光雷达传感器的路面反射性检测 - Google Patents
利用激光雷达传感器的路面反射性检测 Download PDFInfo
- Publication number
- CN105717514B CN105717514B CN201510967226.3A CN201510967226A CN105717514B CN 105717514 B CN105717514 B CN 105717514B CN 201510967226 A CN201510967226 A CN 201510967226A CN 105717514 B CN105717514 B CN 105717514B
- Authority
- CN
- China
- Prior art keywords
- road
- response
- laser radar
- signal
- photoelectric detector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/068—Road friction coefficient
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/556—Measuring separately scattering and specular
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/557—Detecting specular reflective parts on sample
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
- G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/125—Digital circuitry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及利用激光雷达传感器的路面反射性检测。一种确定行驶道路的表面情况的方法。利用激光雷达系统来发射指向行驶道路中的表面的光束。在发射光束之后,分析激光雷达系统的光电检测器处的响应。响应于分析光电检测器处的响应而判断在行驶道路上是否存在降水物形式。响应于确定地面包括在行驶道路上的降水物形式而生成降水物指示信号。
Description
技术领域
实施例涉及确定行驶路线的路面情况反射性。
背景技术
了解车辆所遇到的路面情况对于车辆的各种功能性而言是非常重要的。路面上的降水物可能导致车辆的各种控制问题。行驶道路上的雪、水或冰大大减小了车辆车胎和道路表面之间的摩擦系数,从而导致车辆稳定性问题。各种已知系统能够感测这样的情况,但是需要刺激来检测。例如,利用车轮打滑来感测道路上的降水物的系统可以检测车辆车轮何时具有车轮旋转速度的突然增加。虽然该操作对于识别路面上一些类型的降水物是非常良好的,但是问题在于降水物已经负面地影响了车辆操作。结果,车辆必须反应性地对车辆操作做出改变,以减小已经影响了车辆的降水物的影响。
在车辆在降水物上行驶之前识别路面情况允许车辆主动地启用车辆的各种安全驱动特征,或者对当前车辆操作做出改变,以减小影响车辆操作的降水物的变化。
发明内容
实施例的优点在于检测路面情况,其允许启用稳定性控制操作来缓解路面上的水/雪/冰。系统利用激光雷达技术来确定在光电检测器处是否接收到信号。可以通过分析在光电检测器处接收到的信号以及在光电检测器处不存在接收到的信号,来实现表面是否包括在行驶道路上的冰/雪/水的确定。可以使用各种技术来确定道路表面的表面上的冰/雪/水,例如没有接收到响应信号,通过使用滑行窗口分析接收到的信号所确定的响应信号接收具有增加的散射光束,以及检测回波信号中的虚假对象。
此外,可以与激光雷达系统一起使用其他的感测装置/系统,来提高路面情况以及路面上降水物类型的概率。
实施例想到确定行驶道路的表面情况的方法。利用激光雷达系统来发射指向行驶道路中的表面的光束。在发射光束之后,分析激光雷达系统的光电检测器处死亡响应。响应于分析光电检测器处的响应而判断在行驶道路上是否存在降水物形式。响应于确定地面包括在行驶道路上的降水物形式而生成降水物指示信号。
1. 一种确定行驶道路的表面情况的方法,所述方法包括以下步骤:
利用激光雷达系统发射指向所述行驶道路中的表面的光束;
在发射所述光束之后分析所述激光雷达系统的光电检测器处的响应;
响应于分析所述光电检测器处的响应,而确定在所述行驶道路上是否存在降水物的形式;
响应于确定地面包括在所述行驶道路上的降水物形式,而生成降水物指示信号。
2. 根据方案1所述的方法,其中分析所述光电检测器处的响应包括确定在所述光电检测器处是否接收到反射信号,其中所述光电检测器没有接收到反射信号表明在所述行驶道路上存在降水物形式。
3. 根据方案2所述的方法,其中与所述激光雷达系统配合地使用二次感测装置,用于增加确定所述道路的所述表面上的降水物的概率。
4. 根据方案3所述的方法,其中所述二次感测装置确定所述道路的所述表面上的降水物的类型。
5. 根据方案1所述的方法,其中所述响应包括在所述光电检测器处接收的光信号,其中相比于存在降水物时的预期反射信号,针对接收到的响应而增加所述光信号的散射。
6. 根据方案5所述的方法,其中确定是否存在所述光信号的散射包括以下步骤:
对由所述光电检测器接收到的反射信号应用双向窗口;
对所接收到的反射信号的每个相应窗口应用特征提取技术;
响应于分析来自每个相应窗口的提取特征,识别在所述反射信号内是否存在散射。
7. 根据方案6所述的方法,其中所述特征提取技术包括短信号统计。
8. 根据方案6所述的方法,其中所述特征提取技术包括标准偏差。
9. 根据方案6所述的方法,其中所述特征提取技术包括快速傅里叶变换系数。
10. 根据方案6所述的方法,其中所述特征提取技术包括小波变换技术。
11. 根据方案6所述的方法,其中所述特征提取技术包括主成分分析。
12. 根据方案6所述的方法,其中与所述激光雷达系统配合地使用二次感测装置,用于增加确定所述道路的所述表面上的降水物的概率。
13. 根据方案12所述的方法,其中所述二次感测装置确定所述道路的所述表面上的降水物的类型。
14. 根据方案5所述的方法,其中对所述提取特征应用分类器,从而识别所述路面情况。
15. 根据方案1所述的方法,其中分析所述光电检测器处的响应包括确定在所述行驶道路上的反射表面中是否存在虚假对象。
16. 根据方案15所述的方法,其中基于延伸超过距所述光束和所述道路的所述表面的交点的距离的距离,将所述虚假对象作为位于所述道路的所述表面之下的对象分析。
17. 根据方案15所述的方法,其中距所述虚假对象的距离处于距所述道路的所述表面的预期距离的预定阈值之外。
18. 根据方案15所述的方法,其中分析所述光电检测器处的响应包括确定在所述行驶道路上的反射表面中是否存在虚假对象,包括以下步骤:
使用平面拟合来识别地平面;
识别位于所述道路的所述表面下方的虚假对象点;
从由所述光电检测器接收到的多个反射光线收集虚假对象点,与所述道路的所述表面相交的所述多个反射光线处于所述路面的基本相同位置。
19. 根据方案18所述的方法,其中与所述激光雷达系统配合地使用二次感测装置,用于增加确定所述道路的所述表面上的降水物的概率。
20. 根据方案19所述的方法,其中所述二次感测装置确定所述道路的所述表面上的降水物的类型。
附图说明
图1是路面情况检测系统的框图。
图2是表示漫射路面的反射性质的示图。
图3是漫射路面的放大图。
图4是表示镜面路面的反射性质的示图。
图5是镜面路面的放大图。
图6a和图6b示出相应激光雷达回波信号,其示出不存在来自地面的激光雷达回波。
图7是用于检测道路的反射性质的信号散射分析技术的流程图。
图8是双向窗口特征提取技术的图示。
图9a和图9b示出与激光雷达射束的散射效果有关的激光雷达回波信号。
图10是用来识别道路的反射性质的虚假对象检测技术。
图11a和图11b示出了指示虚假对象的激光雷达回波信号。
具体实施方式
在图1中表示了路面情况检测系统10的框图。路面检测系统10利用激光雷达系统12(例如,转数计感测系统)。激光雷达是一种远程感测技术,其中对目标进行照射并且基于分析反射光来测量至对象的距离。
激光雷达系统12包括照射源14,例如激光。将激光校准至相应波长,并且能够将激光设定在指定脉冲长度和控制数据收集速度的重复频率。
激光雷达系统12还包括接收来自照射源14的反射光线的光电检测器16。
激光雷达系统12还包括处理器18,用于分析从光电检测器16获得的数据,并且用于确定道路表面情况的反射性质。激光雷达系统12可以进一步利用定位系统/导航系统,用于在车辆运动时识别表面情况的绝对位置。当车辆运动时,能够将激光雷达扫描与密集点云相结合(如果定位/导航系统是可用的或者存在能够用于估计自车运动的传感器),并且能够对点云曲面片应用相同的分析。这使得激光雷达系统能够得到大量关于车辆周围路面的信息。
可以使用存储器存储单元20来存储由光电检测器18收集的信息。存储器存储单元20存储由分类器利用来确定路面的数据,这将在下文详细地讨论。其他的感测装置22(例如雷达、视频)能够与激光雷达系统结合使用来验证路面的情况。
可以使用多个装置/系统24来使车辆操作能够在存在光滑道路情况时辅助驾驶员维持对车辆的控制,或者向车辆驾驶员提供通知或警告车辆驾驶员前方道路情况的详细信息。当在湿表面上行驶时车辆道路12上的降水物能够导致牵引力的减小。应该理解的是本文限定的术语降水物可以包括但不限于水、冰、雪或者能够导致车辆丧失牵引力的其他物质。置于车辆道路上的降水物减小了车辆车胎和车辆道路之间的摩擦系数,从而减小了车辆车胎和车辆道路之间的牵引力。可以通过任意如下手段来缓解牵引力的丧失,所述手段包括但不限于:使用可变制动力以使制动的制动表面上形成的降水物最少的自主制动控制件25;警告驾驶员将车辆速度降低到有利于环境情况的速度或通知驾驶员维持距前方车辆的较大停车距离的部件;稳定性牵引控制件26,进行速度控制以便在检测到降水物时禁止或约束巡航控制功能的激活27;驾驶员警告输出装置,警告驾驶员前方路面情况28;或者通信系统,用于利用专门车辆通信与其他车辆通信从而预先警告其他驾驶员路面情况29。
在图2和图3中示出车辆30,车辆30沿着行驶道路32行驶并且将激光射束34指向行驶道路32的表面。根据道路是漫射表面还是平坦的镜状表面,将确定光线如何从行驶道路32的表面被反射。图3示出了行驶道路32的漫射表面36的放大图。漫反射发生于激光射束从非镜面的表面反射时。漫反射是光以入射光线以多个角度反射的方式从表面的反射,而不是如镜面反射的情况那样仅以一个角度反射。由于如图所示入射光线以多个角度反射,所以一部分反射光线沿着朝向车辆的方向返回。光电检测器捕获返回光线并且能够测量从车辆到与漫射表面的交点的距离。基于预期回波与是否被接收到的关系,将辅助判断路面情况。
图4和图5示出车辆30,车辆30沿着行驶道路32行驶并且将激光射束34指向行驶道路32的表面,其中该表面是镜状表面38。具有镜状表面38的路面将导致镜面反射。镜面反射是光从表面的镜状反射,其中来自单个进入方向的入射光线的光被反射到单个射出方向。结果,因为关于路面反射角等于入射角,所以反射光线指向远离车辆的方向。通过识别路面是包括漫射表面还是镜面表面,可以通过车辆控制关于缓解路面情况做出决定。
车辆控制需要了解前方路面情况(即道路是湿的、被冰覆盖、还是干的)。这样的情况能够利用激光雷达系统并分析数据来察觉。如之前描述的激光雷达回波取决于其从何种性质的材料反射。湿/干/雪区域中的道路反射性质是明显不同的,并且因此能够使用激光雷达传感器来检测。例如,在下雨期间,路面中的坑洼被水填充并且可以表现得类似小镜子。如果激光雷达射束撞击湿/水表面,则能够发生下述效果:(1)没有回波返回到传感器检测器;(2)对于来自反射表面的数据,射束信号读数的散射较大;(3)错误对象会出现。本文中的下述描述将描述这些相应的效果及其分析。
图6a和图6b示出第一情形,其中不存在来自地面的激光雷达回波,这种情况能够通过实时地跟踪激光信号并且在预期有回波数据的地方发现未读取数据而容易地检测。图6a示出重叠在驾驶员看到的行驶道路图像上的激光雷达回波,并且图6b示出了头顶的激光雷达回波信号绘图。各条线代表用于特定传感器(例如IBEO LUX传感器)的相应激光射束。IBEO LUX传感器具有4层激光,且具有3.2度的竖直视野和12.5Hz、25Hz和40 Hz中的任一个的扫描速率,但是,能够使用具有其他数量的激光射束的其他传感器。如图6a所示,元素40示出路面上的产生镜状表面的水。图6a和图6b中均示出了表明没有来自传输信号的回波信号的空白41。没有回波信号是由于激光射束弹离镜状表面并且反射到车辆前方的结果。因此,在回波激光雷达信号中出现空白。这样的情形可能发生于路边处,其中车辆系统可以包括寻找路缘的车道对中系统。在沿着行驶道路检测路缘的同时,判断预期存在的附近路缘线没有回波。由于道路的设计原因,使得路缘的表面在与道路方向正交的方向上具有负曲率,这导致路缘表面附近的积水。结果,激光雷达射束不返回某些点处的反射光线,并且随时间经过的图案表明图案在道路和路缘表面会合处断开。断开的图案指示路面上的水或其他镜状情况。因此,当期待回波信号而没有返回回波信号时,能够检测到镜面表面。
关于湿/雪表面激光雷达信号散射增加的第二情形,这种视觉效果能够通过使用信号处理和机器学习技术来检测。图7表示用于执行信号散射的分析的算法流程的方框图。
在方框42中,由双向窗口扫描第一信号并且针对每个窗口提取特征。由双向窗口扫描第一信号并且针对每个窗口提取特征。图8示出双向窗口。在图8中,在第i-1个窗口处分析相应窗口。移动窗口并且分析下一窗口(第i个窗口)。分析连续的窗口(第i+1个窗口)。
在方框43中,分析针对每个窗口提取的特征。所提取的特征包括但不限于例如STD等短信号统计或者测量距正态分布(例如峰态)的偏差、FFT系数及其统计值的任意其他统计值。此外,因为双向窗口信号由三维点构成,所以能够利用主成分分析(PCA)以及本征值及其比例来估计短窗信号散射。
除了FFT之外,还能够使用其他技术,例如小波变换。小波变换是时频变换,其利用数学过程来执行随时间变化的信号频率的信号分析。
在方框44中,将相应特征分类。最后的分类步骤能够由任意相应的分类器应用,所述分类器包括但不限于任意神经网络、支持向量机(SVM)、最近邻分类器等等。分类标签包括但不限于湿区域、冰区域、干区域和雪区域。可以使用深层神经网络技术将特征提取和分类步骤结合成一个步骤。
图9a和图9b示出与激光雷达射束的散射效果有关的激光雷达回波信号。如图9b所示,虽然存在回波信号,但是回波信号的几何形状是分散的。这种类型的信号使用上文指出的信号处理和机器学习技术来识别。
此外,其他传感器数据(例如摄像机、雷达、超声波)能够与激光雷达系统配合使用,从而辅助做出关于路面情况的协同决策。
图10示出第三情形,其中在道路的镜面中检测到虚假对象。如图10所示,激光雷达系统将光束发射到行驶道路32上。在路面上存在降水物50。针对降水物的路面上的光反射将具有基本等于入射光线角度的反射光线角度。行驶道路上的降水物50起到具有反射性质的镜子类型表面的作用。在由镜面发生反射之后,反射光线撞击车辆前方的对象52。从前方对象52弹开的光返回并且由传感器(多路)测量从而生成二次回声。该二次回声回波是三维点,其生成指示虚假/虚拟对象54的虚假警报信号。虚假对象被认为是位于地下的虚拟点,并且被投影到虚拟对象54上的表面下的与真实对象52的相同点,这是因为真实对象52和虚拟对象54是基本上相同的大小,但是预期到由于多次反射的原因而使二次脉冲的强度将较小。
检测虚假对象的过程如下所述。在步骤60中,利用稳健平面拟合技术(RANSAC)来确定地平面。例如RANSAC等技术通过使得数据移位和旋转以匹配xy平面和地平面来执行地面估计。
在步骤61中,识别位于地面之下的虚拟对象的虚假对象点。虚假对象点将具有地下点(z<0)。这对于例如坑洞等负对象是相同的。
在步骤62中,由激光雷达系统收集来自不同光线的虚假对象点。所收集的不同光线应该是当被投影到地面时来自基本相同位置。这对于真实对象也成立,但是对于道路的某些特征(例如坑洞)不成立。
在步骤63中,对在步骤62和63中所识别的性质进行协同分析,以便识别虚假对象检测。应该理解的是,路面和虚假对象之间的交叉处对应于路面的反射区域。这些相应的虚假对象点将与从第一脉冲获得的真实激光雷达点相一致。虚假对象的检测进一步使得能够通过应用虚假对象从路面的对称变换来重构真实对象。
应该理解的是,其他车辆子系统(例如基于摄像机的系统)可以与激光雷达系统配合使用,来提高正确地检测地平面之下的虚假对象的概率。
图11a和图11b示出了针对虚假对象位于信号中的情形的激光雷达回波信号。如图11a所示,车辆52正在被驾驶车辆的前方行驶。存在激光雷达回波信号,但是回波信号的相应部分位于比预期更远的距离处。在图11b中,激光雷达信号回波54进一步远离存在其他回波信号的位置而移位。这表明信号行进了更远的距离从而从车辆52反弹。因为相比于回波信号54,其他回波信号基本处于相同位置,所以确定该回波信号指示虚假对象,这表明存在镜状表面。
本文描述的所提出的技术能够在除了车辆应用之外的实施例中使用,来确定对象和具有不同反射性的背景之间的间隔,例如使用激光雷达进行海上船只检测。应该理解的是,上述技术不限于汽车应用,而是可以用于非汽车应用。
而且,能够将激光雷达扫描与密集点云相结合(如果自车运动传感器可用或者由其能够估计出自车运动),并且能够将相同的分析应用于点云曲面片,这将提供关于车辆周围的路面的完整信息。
虽然已经详细描述了本发明的某些实施例,但是本发明所涉及领域的技术人员将意识到用于实施由所附权利要求限定的本发明的各种替代设计和实施例。
Claims (18)
1.一种确定行驶道路的表面情况的方法,所述方法包括以下步骤:
利用激光雷达系统发射指向所述行驶道路中的表面的光束;
在发射所述光束之后分析所述激光雷达系统的光电检测器处的响应;
响应于分析所述光电检测器处的响应,而确定在所述行驶道路上是否存在降水物的形式;
响应于确定地面包括在所述行驶道路上的降水物形式,而生成降水物指示信号;
其中所述响应包括在所述光电检测器处接收的光信号,其中相比于存在降水物时的预期反射信号,针对接收到的响应而增加所述光信号的散射,
其中确定是否存在所述光信号的散射包括以下步骤:
对由所述光电检测器接收到的反射信号应用窗口;
对所接收到的反射信号的每个相应窗口应用特征提取技术;
响应于分析来自每个相应窗口的提取特征,识别在所述反射信号内是否存在散射。
2.根据权利要求1所述的方法,其中分析所述光电检测器处的响应包括确定在所述光电检测器处是否接收到反射信号,其中所述光电检测器没有接收到反射信号表明在所述行驶道路上存在降水物形式。
3.根据权利要求2所述的方法,其中与所述激光雷达系统配合地使用二次感测装置,用于增加确定所述道路的所述表面上的降水物的概率。
4.根据权利要求3所述的方法,其中所述二次感测装置确定所述道路的所述表面上的降水物的类型。
5.根据权利要求1所述的方法,其中所述特征提取技术包括短信号统计。
6.根据权利要求1所述的方法,其中所述特征提取技术包括使用标准偏差。
7.根据权利要求1所述的方法,其中所述特征提取技术包括使用快速傅里叶变换系数。
8.根据权利要求1所述的方法,其中所述特征提取技术包括小波变换技术。
9.根据权利要求1所述的方法,其中所述特征提取技术包括主成分分析。
10.根据权利要求1所述的方法,其中与所述激光雷达系统配合地使用二次感测装置,用于增加确定所述道路的所述表面上的降水物的概率。
11.根据权利要求10所述的方法,其中所述二次感测装置确定所述道路的所述表面上的降水物的类型。
12.根据权利要求1所述的方法,其中对所述提取特征应用分类器,从而识别路面情况。
13.根据权利要求1所述的方法,其中分析所述光电检测器处的响应包括确定在所述行驶道路上的反射表面中是否存在虚假对象。
14.根据权利要求13所述的方法,其中基于延伸超过距所述光束和所述道路的所述表面的交点的距离的距离,将所述虚假对象作为位于所述道路的所述表面之下的对象分析。
15.根据权利要求13所述的方法,其中距所述虚假对象的距离处于距所述道路的所述表面的预期距离的预定阈值之外。
16.根据权利要求13所述的方法,其中分析所述光电检测器处的响应包括确定在所述行驶道路上的反射表面中是否存在虚假对象,包括以下步骤:
使用平面拟合来识别地平面;
识别位于所述道路的所述表面下方的虚假对象点;
从由所述光电检测器接收到的多个反射光线收集虚假对象点,与所述道路的所述表面相交的所述多个反射光线处于所述路面的相同位置。
17.根据权利要求16所述的方法,其中与所述激光雷达系统配合地使用二次感测装置,用于增加确定所述道路的所述表面上的降水物的概率。
18.根据权利要求17所述的方法,其中所述二次感测装置确定所述道路的所述表面上的降水物的类型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/578638 | 2014-12-22 | ||
US14/578,638 US9453941B2 (en) | 2014-12-22 | 2014-12-22 | Road surface reflectivity detection by lidar sensor |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105717514A CN105717514A (zh) | 2016-06-29 |
CN105717514B true CN105717514B (zh) | 2019-01-29 |
Family
ID=56099813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510967226.3A Active CN105717514B (zh) | 2014-12-22 | 2015-12-22 | 利用激光雷达传感器的路面反射性检测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9453941B2 (zh) |
CN (1) | CN105717514B (zh) |
DE (1) | DE102015121270B4 (zh) |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9616773B2 (en) | 2015-05-11 | 2017-04-11 | Uber Technologies, Inc. | Detecting objects within a vehicle in connection with a service |
US10048700B1 (en) * | 2015-12-01 | 2018-08-14 | Amazon Technologies, Inc. | Generating state information for autonomous vehicles |
US10712160B2 (en) | 2015-12-10 | 2020-07-14 | Uatc, Llc | Vehicle traction map for autonomous vehicles |
US20170168495A1 (en) * | 2015-12-10 | 2017-06-15 | Uber Technologies, Inc. | Active light sensors for determining expected traction value of a road segment |
US9840256B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
US9841763B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
KR102373926B1 (ko) * | 2016-02-05 | 2022-03-14 | 삼성전자주식회사 | 이동체 및 이동체의 위치 인식 방법 |
US9990548B2 (en) | 2016-03-09 | 2018-06-05 | Uber Technologies, Inc. | Traffic signal analysis system |
US9950700B2 (en) | 2016-03-30 | 2018-04-24 | GM Global Technology Operations LLC | Road surface condition detection with multi-scale fusion |
US10459087B2 (en) | 2016-04-26 | 2019-10-29 | Uber Technologies, Inc. | Road registration differential GPS |
US9672446B1 (en) | 2016-05-06 | 2017-06-06 | Uber Technologies, Inc. | Object detection for an autonomous vehicle |
US10739786B2 (en) | 2016-07-01 | 2020-08-11 | Uatc, Llc | System and method for managing submaps for controlling autonomous vehicles |
US10183677B2 (en) * | 2016-09-20 | 2019-01-22 | Ford Global Technologies, Llc | Ice and snow detection systems and methods |
KR101843866B1 (ko) * | 2016-11-30 | 2018-05-14 | 네이버 주식회사 | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 |
WO2018117631A1 (en) * | 2016-12-21 | 2018-06-28 | Samsung Electronics Co., Ltd. | Electronic apparatus and method of operating the same |
WO2018119902A1 (zh) * | 2016-12-29 | 2018-07-05 | 华为技术有限公司 | 一种地面环境的检测方法和装置 |
CN110402399B (zh) * | 2017-01-03 | 2023-07-18 | 应诺维思科技有限公司 | 用于检测和分类物体的激光雷达系统和方法 |
EP3574340A4 (en) * | 2017-01-27 | 2021-02-24 | Massachusetts Institute of Technology | METHOD AND SYSTEM FOR LOCATING A VEHICLE USING SURFACE PENETRATION RADAR |
US10460053B2 (en) | 2017-04-24 | 2019-10-29 | Toyota Research Institute, Inc. | Systems and methods for surface property identification using waveform classification |
CN107169469B (zh) * | 2017-06-02 | 2020-06-19 | 南京理工大学 | 一种基于机器学习的mimo雷达的材料识别方法 |
CN109139893B (zh) * | 2017-06-27 | 2020-06-16 | 广西大学 | 一种agv叉车颠簸路面识别方法 |
US10491807B2 (en) * | 2017-06-27 | 2019-11-26 | GM Global Technology Operations LLC | Method to use vehicle information and sensors for photography and video viewing recording |
US10605924B2 (en) * | 2017-08-02 | 2020-03-31 | GM Global Technology Operations LLC | Method and apparatus cross segment detection in a lidar system |
DE102017219048A1 (de) * | 2017-10-25 | 2019-04-25 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bestimmen eines Zustands einer Fahrbahn eines Fahrzeugs |
DE102017219610A1 (de) * | 2017-11-06 | 2019-05-09 | Robert Bosch Gmbh | Verfahren zur Bestimmung eines Typus eines Hydrometeors |
EP3480624B1 (en) * | 2017-11-07 | 2021-12-29 | Veoneer Sweden AB | Detection of parking row orientation |
JP6769945B2 (ja) * | 2017-12-26 | 2020-10-14 | 株式会社日立製作所 | 媒質センサー装置および監視システム |
US10901424B2 (en) | 2018-03-28 | 2021-01-26 | Wipro Limited | Method and system for generating a safe navigation path in real-time for navigating a vehicle |
US10641391B2 (en) | 2018-04-23 | 2020-05-05 | GM Global Technology Operations LLC | System and method for CVT clamp control based on oncoming conditions in a vehicle propulsion system |
US11334753B2 (en) | 2018-04-30 | 2022-05-17 | Uatc, Llc | Traffic signal state classification for autonomous vehicles |
US11124193B2 (en) | 2018-05-03 | 2021-09-21 | Volvo Car Corporation | System and method for providing vehicle safety distance and speed alerts under slippery road conditions |
US11592566B2 (en) | 2019-08-15 | 2023-02-28 | Volvo Car Corporation | Vehicle systems and methods utilizing LIDAR data for road condition estimation |
US11333740B2 (en) | 2018-06-04 | 2022-05-17 | Uatc, Llc | Determining specular reflectivity characteristics using Lidar |
US10627516B2 (en) | 2018-07-19 | 2020-04-21 | Luminar Technologies, Inc. | Adjustable pulse characteristics for ground detection in lidar systems |
EP3845430A4 (en) * | 2018-08-29 | 2022-05-11 | Korea Advanced Institute of Science and Technology | METHOD AND APPARATUS FOR ESTIMATING A TYPE OF ROAD SURFACE USING AN ULTRASOUND SIGNAL |
CN109507678B (zh) * | 2018-11-26 | 2023-02-03 | 广东小天才科技有限公司 | 用于路面避险的提醒方法、系统、设备及存储介质 |
US20200189463A1 (en) | 2018-12-13 | 2020-06-18 | Waymo Llc | Detecting puddles and standing water |
CN109782274B (zh) * | 2019-01-31 | 2023-05-16 | 长安大学 | 一种基于探地雷达信号时频统计特征的水损害识别方法 |
US11480686B2 (en) | 2019-03-27 | 2022-10-25 | Zoox, Inc. | Identifying and/or removing false positive detections from lidar sensor output |
WO2020197614A1 (en) * | 2019-03-27 | 2020-10-01 | Panosense Inc. | Identifying and/or removing false positive detections from lidar sensor output |
US11740335B2 (en) * | 2019-03-27 | 2023-08-29 | Zoox, Inc. | Identifying and/or removing false positive detections from LIDAR sensor output |
CN110298311B (zh) * | 2019-06-28 | 2021-05-07 | 北京智行者科技有限公司 | 路面积水检测方法及装置 |
US11021159B2 (en) * | 2019-07-10 | 2021-06-01 | Ford Global Technologies, Llc | Road surface condition detection |
US11556000B1 (en) | 2019-08-22 | 2023-01-17 | Red Creamery Llc | Distally-actuated scanning mirror |
US11126891B2 (en) | 2019-09-11 | 2021-09-21 | Toyota Research Institute, Inc. | Systems and methods for simulating sensor data using a generative model |
US11727169B2 (en) | 2019-09-11 | 2023-08-15 | Toyota Research Institute, Inc. | Systems and methods for inferring simulated data |
US11150348B2 (en) | 2019-10-02 | 2021-10-19 | Cepton Technologies, Inc. | Techniques for detecting cross-talk interferences in lidar imaging sensors |
FR3105143B1 (fr) * | 2019-12-20 | 2021-12-17 | Valeo Vision | Procédé de détection d’un état local de la route sur laquelle circule un véhicule automobile |
US20210223776A1 (en) * | 2020-01-22 | 2021-07-22 | Ati Motors Inc. | Autonomous vehicle with on-board navigation |
WO2021199609A1 (ja) * | 2020-04-03 | 2021-10-07 | 日立Astemo株式会社 | 物体検出装置、および、物体検出方法 |
DE102020210269A1 (de) | 2020-08-13 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Ermitteln von Fahrbahnbedingungen |
US11673581B2 (en) * | 2020-12-11 | 2023-06-13 | Waymo Llc | Puddle occupancy grid for autonomous vehicles |
SE2150236A1 (en) * | 2021-03-02 | 2022-09-03 | Klimator Ab | Method and arrangement for determining a condition of a road surface |
DE102021109100A1 (de) | 2021-04-13 | 2022-10-13 | Valeo Schalter Und Sensoren Gmbh | Automatische Erkennung von Nässe auf einer Fahrbahnoberfläche |
US20230092933A1 (en) * | 2021-08-09 | 2023-03-23 | Lyft, Inc. | Systems and methods for detecting an environment external to a personal mobile vehicle in a fleet management system |
EP4202861A1 (en) * | 2021-12-24 | 2023-06-28 | Hyundai Mobis Co., Ltd. | Method and device for classifying end-to-end weather and road conditions in real time by using lidar |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1235773A (en) * | 1983-12-23 | 1988-04-26 | Shigeto Nakayama | Device for detecting road surface condition |
JPH0789059B2 (ja) * | 1987-01-14 | 1995-09-27 | 株式会社日立製作所 | 視覚センサシステム |
EP0380659A4 (en) * | 1987-10-02 | 1992-07-15 | Kabushiki Kaisha Komatsu Seisakusho | Method of recognizing linear pattern |
US6166645A (en) * | 1999-01-13 | 2000-12-26 | Blaney; Kevin | Road surface friction detector and method for vehicles |
DE19932094A1 (de) | 1999-07-09 | 2001-01-25 | Daimler Chrysler Ag | Multisensorielle, vorausschauende Straßenzustandserkennung |
EP1606784B1 (en) * | 2003-03-14 | 2007-10-10 | Liwas APS | A device for detection of road surface condition |
JP4687563B2 (ja) * | 2006-05-23 | 2011-05-25 | 株式会社デンソー | 車両用レーンマーク認識装置 |
US7872764B2 (en) * | 2007-10-16 | 2011-01-18 | Magna Electronics Inc. | Machine vision for predictive suspension |
US8699754B2 (en) * | 2008-04-24 | 2014-04-15 | GM Global Technology Operations LLC | Clear path detection through road modeling |
US20100019964A1 (en) * | 2008-07-24 | 2010-01-28 | Gm Global Technology Operations, Inc. | Adaptive vehicle control system with driving style recognition and road condition recognition |
US8364334B2 (en) * | 2008-10-30 | 2013-01-29 | Honeywell International Inc. | System and method for navigating an autonomous vehicle using laser detection and ranging |
US8306672B2 (en) | 2009-09-09 | 2012-11-06 | GM Global Technology Operations LLC | Vehicular terrain detection system and method |
DE102011015527A1 (de) | 2010-06-15 | 2011-12-15 | Wabco Gmbh | Sensor zur berührungslosen Bestimmung der Fahrbahnbeschaffenheit und dessen Verwendung |
DE102011015457A1 (de) * | 2010-06-30 | 2012-01-05 | Wabco Gmbh | Verfahren und Vorrichtung zur Erkennung einer Fahrzeugbewegung |
WO2012037528A2 (en) | 2010-09-16 | 2012-03-22 | California Institute Of Technology | Systems and methods for automated water detection using visible sensors |
US8994928B2 (en) * | 2011-03-02 | 2015-03-31 | Toyota Jidosha Kabushiki Kaisha | Laser radar device |
US20120330513A1 (en) * | 2011-06-24 | 2012-12-27 | Gm Global Technology Operations Llc. | Air dam actuation system |
KR101326991B1 (ko) * | 2011-12-01 | 2013-11-13 | 현대자동차주식회사 | 노면의 성질 감지 장치 및 그 방법 |
DE102013002333A1 (de) * | 2013-02-12 | 2014-08-14 | Continental Teves Ag & Co. Ohg | Verfahren und Strahlensensormodul zur vorausschauenden Straßenzustandsbestimmung in einem Fahrzeug |
US9207323B2 (en) * | 2013-04-11 | 2015-12-08 | Google Inc. | Methods and systems for detecting weather conditions including wet surfaces using vehicle onboard sensors |
KR101519199B1 (ko) * | 2013-05-09 | 2015-05-11 | 현대자동차주식회사 | 도로의 노면 상태 감지시스템 및 방법 |
US8825260B1 (en) * | 2013-07-23 | 2014-09-02 | Google Inc. | Object and ground segmentation from a sparse one-dimensional range data |
US9139204B1 (en) * | 2014-06-12 | 2015-09-22 | GM Global Technology Operations LLC | Road surface condition detection with recursive adaptive learning and validation |
-
2014
- 2014-12-22 US US14/578,638 patent/US9453941B2/en active Active
-
2015
- 2015-12-07 DE DE102015121270.6A patent/DE102015121270B4/de active Active
- 2015-12-22 CN CN201510967226.3A patent/CN105717514B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
DE102015121270A1 (de) | 2016-06-23 |
US9453941B2 (en) | 2016-09-27 |
US20160178802A1 (en) | 2016-06-23 |
CN105717514A (zh) | 2016-06-29 |
DE102015121270B4 (de) | 2022-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105717514B (zh) | 利用激光雷达传感器的路面反射性检测 | |
JP7394582B2 (ja) | レーダーデータを処理する装置及び方法 | |
Heinzler et al. | Weather influence and classification with automotive lidar sensors | |
JP6040096B2 (ja) | 路面状態推定装置 | |
Diewald et al. | Radar-interference-based bridge identification for collision avoidance systems | |
CN105403893A (zh) | 障碍物检测系统及方法 | |
JP4940458B2 (ja) | 物体検出装置 | |
US20100265049A1 (en) | Obstacle detection apparatus for vehicle | |
US11021159B2 (en) | Road surface condition detection | |
KR102013224B1 (ko) | 긴급 제동 시스템 및 그 제어방법 | |
US11954411B2 (en) | High fidelity simulations for autonomous vehicles based on retro-reflection metrology | |
US20220128995A1 (en) | Velocity estimation and object tracking for autonomous vehicle applications | |
US20220390612A1 (en) | Determination of atmospheric visibility in autonomous vehicle applications | |
US20220003860A1 (en) | Determining the orientation of objects using radar or through the use of electromagnetic interrogation radiation | |
JP6211857B2 (ja) | 天気判別システム | |
US11269059B2 (en) | Locating and/or classifying objects based on radar data, with improved reliability at different distances | |
JP7385026B2 (ja) | 特に自動車周辺における、物体を分類するための方法及び装置 | |
US20210018596A1 (en) | Method and device for identifying objects detected by a lidar device | |
US20230244242A1 (en) | Detection of particulate matter in autonomous vehicle applications | |
CN116587978A (zh) | 一种基于车载显示屏的碰撞预警方法及系统 | |
WO2023025777A1 (en) | Automotive sensor fusion of radar, lidar, camera systems with improved safety by use of machine learning | |
US20090297049A1 (en) | Detection of partially occluded targets in ladar images | |
JP7184087B2 (ja) | 物体検出システム、および物体検出方法 | |
KR101462913B1 (ko) | Scc 레이더의 신호 분석을 통한 환경 인식 방법 | |
US20240103177A1 (en) | Using glancing angle distance to segment lidar imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |