CN106769080A - 用于测量无人驾驶车辆的行驶精度的方法和装置 - Google Patents
用于测量无人驾驶车辆的行驶精度的方法和装置 Download PDFInfo
- Publication number
- CN106769080A CN106769080A CN201611079519.9A CN201611079519A CN106769080A CN 106769080 A CN106769080 A CN 106769080A CN 201611079519 A CN201611079519 A CN 201611079519A CN 106769080 A CN106769080 A CN 106769080A
- Authority
- CN
- China
- Prior art keywords
- laser
- driving path
- sequence
- coordinate points
- automatic driving
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Abstract
本申请公开了用于测量无人驾驶车辆的行驶精度的方法和装置。该方法的一具体实施方式包括:实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据;根据激光点云数据,生成无人驾驶车辆的实际行驶轨迹坐标点序列;根据实际行驶轨迹坐标点序列和预期行驶路径,确定无人驾驶车辆按照预期行驶路径行驶的行驶精度。该实施方式实现了通过测量无人驾驶车辆的行驶精度来量化的测试无人驾驶车辆的自动控制系统和机械系统。
Description
技术领域
本申请涉及机动车技术领域,具体涉及无人驾驶车辆技术领域,尤其涉及用于测量无人驾驶车辆的行驶精度的方法和装置。
背景技术
机动车拓展了人们出行的范围,给人们的出行带来了便利,提高了人们的生活质量。随着科技的发展和进步,通过自动控制系统控制的无人驾驶车辆能够获取比有人驾驶的车辆更多的行驶信息,无人驾驶车辆的自动控制系统会根据不同的路况按照预期行驶路径自动驾驶无人驾驶车辆,使得无人驾驶车辆具备更高的安全性,成为未来机动车发展的一个重要趋势。
为了保证无人驾驶车辆中的乘客安全,对无人驾驶车辆进行测试是非常重要的。主要包括对无人驾驶车辆的自动控制系统和机械系统进行测试。
然而,现有技术没有如何量化的测试无人驾驶车辆的自动控制系统和机械系统的解决方案。
发明内容
本申请的目的在于提出一种改进的用于测量无人驾驶车辆的行驶精度的方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种用于测量无人驾驶车辆的行驶精度的方法,该方法包括:实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,其中,上述预期行驶路径处于上述至少一个激光雷达的扫描范围内;根据上述激光点云数据,生成上述无人驾驶车辆的实际行驶轨迹坐标点序列;根据上述实际行驶轨迹坐标点序列和上述预期行驶路径,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述激光点云数据包括至少一个激光点数据,上述激光点数据包括激光点坐标和激光点采集时间;以及上述根据上述激光点云数据,生成上述无人驾驶车辆的实际行驶轨迹坐标点序列,包括:将上述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列;依次获取上述排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
在一些实施例中,上述将上述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列之后,上述方法还包括:将上述排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列;以及上述依次获取上述排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点,包括:依次获取上述下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
在一些实施例中,上述根据上述实际行驶轨迹坐标点序列和上述预期行驶路径,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度,包括:对上述实际行驶轨迹坐标点序列中的每个坐标点,计算该坐标点与上述预期行驶路径的距离;根据各个坐标点与上述预期行驶路径的距离,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述根据各个坐标点与上述预期行驶路径的距离,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度,包括:计算各个坐标点与上述预期行驶路径的距离的平均值,并将计算所得的距离的平均值作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述根据各个坐标点与上述预期行驶路径的距离,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度,包括:计算各个坐标点与上述预期行驶路径的距离的平方;将计算所得的各个距离的平方进行累加;将累加所得的和开平方以得到距离平方和开平方之后的值;计算上述距离平方和开平方之后的值除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述根据各个坐标点与上述预期行驶路径的距离,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度,包括:确定各个坐标点中与上述预期行驶路径的距离小于等于预设距离阈值的坐标点的个数,并将所确定的个数作为第一坐标点个数;计算上述第一坐标点个数除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述预期行驶路径包括以下至少一项或以下至少一项的组合:线段和曲线。
在一些实施例中,上述预期行驶路径为非闭合曲线,上述至少一个激光雷达设置在上述预期行驶路径的同一侧。
在一些实施例中,上述预期行驶路径为椭圆或部分椭圆,上述至少一个激光雷达设置在上述椭圆或上述部分椭圆的长轴上。
第二方面,本申请提供了一种用于测量无人驾驶车辆的行驶精度的装置,该装置包括:获取单元,配置用于实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,其中,上述预期行驶路径处于上述至少一个激光雷达的扫描范围内;生成单元,配置用于根据上述激光点云数据,生成上述无人驾驶车辆的实际行驶轨迹坐标点序列;确定单元,配置用于根据上述实际行驶轨迹坐标点序列和上述预期行驶路径,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述激光点云数据包括至少一个激光点数据,上述激光点数据包括激光点坐标和激光点采集时间;以及上述生成单元包括:排序模块,配置用于将上述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列;获取模块,配置用于依次获取上述排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
在一些实施例中,上述生成单元还包括:下采样模块,配置用于将上述排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列;以及上述获取模块进一步配置用于:依次获取上述下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
在一些实施例中,上述确定单元包括:距离计算模块,配置用于对上述实际行驶轨迹坐标点序列中的每个坐标点,计算该坐标点与上述预期行驶路径的距离;确定模块,配置用于根据各个坐标点与上述预期行驶路径的距离,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述确定模块包括:第一计算子模块,配置用于计算各个坐标点与上述预期行驶路径的距离的平均值,并将计算所得的距离的平均值作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述确定模块还包括:第二计算子模块,配置用于计算各个坐标点与上述预期行驶路径的距离的平方;累加子模块,配置用于将计算所得的各个距离的平方进行累加;开平方子模块,配置用于将累加所得的和开平方以得到距离平方和开平方之后的值;第三计算子模块,配置用于计算上述距离平方和开平方之后的值除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述确定模块还包括:确定子模块,配置用于确定各个坐标点中与上述预期行驶路径的距离小于等于预设距离阈值的坐标点的个数,并将所确定的个数作为第一坐标点个数;第四计算子模块,配置用于计算上述第一坐标点个数除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在一些实施例中,上述预期行驶路径包括以下至少一项或以下至少一项的组合:线段和曲线。
在一些实施例中,上述预期行驶路径为非闭合曲线,上述至少一个激光雷达设置在上述预期行驶路径的同一侧。
在一些实施例中,上述预期行驶路径为椭圆或部分椭圆,上述至少一个激光雷达设置在上述椭圆或上述部分椭圆的长轴上。
本申请提供的用于测量无人驾驶车辆的行驶精度的方法和装置,通过实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,而后根据上述激光点云数据,生成无人驾驶车辆的实际行驶轨迹坐标点序列,最后根据上述实际行驶轨迹坐标点序列和预期行驶路径,确定无人驾驶车辆按照预期行驶路径行驶的行驶精度。从而实现了通过测量无人驾驶车辆的行驶精度来量化的测试无人驾驶车辆的自动控制系统和机械系统。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于测量无人驾驶车辆的行驶精度的方法的一个实施例的流程图;
图3a和图3b分别是根据本申请的用于测量无人驾驶车辆的行驶精度的方法的一个应用场景的示意图;
图4是根据本申请的用于测量无人驾驶车辆的行驶精度的方法的又一个实施例的流程图;
图5是根据本申请的用于测量无人驾驶车辆的行驶精度的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于测量无人驾驶车辆的行驶精度的方法或用于测量无人驾驶车辆的行驶精度的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括无人驾驶车辆101,激光雷达102、103、104,网络105和服务器106。网络105用以在激光雷达102、103、104和服务器106之间提供通信链路的介质。网络105可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
无人驾驶车辆101可以是配置有自动控制系统的各种机动车辆,包括但不限于内燃机动力车辆、电动车辆和油电混合动力车辆等等。
激光雷达102、103、104可以对无人驾驶车辆101进行扫描并生成激光点云数据。
服务器可以通过网络105从激光雷达102、103、104获取激光雷达102、103、104采集的激光点云数据,并通过激光雷达102、103、104采集的激光点云数据生成无人驾驶车辆101的实际行驶轨迹坐标点序列。
需要说明的是,本申请实施例所提供的用于测量无人驾驶车辆的行驶精度的方法一般由服务器105执行,相应地,用于测量无人驾驶车辆的行驶精度的装置一般设置于服务器105中。
应该理解,图1中的无人驾驶车辆、激光雷达、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的无人驾驶车辆、激光雷达、网络和服务器。
继续参考图2,其示出了根据本申请的用于测量无人驾驶车辆的行驶精度的方法的一个实施例的流程200。该用于测量无人驾驶车辆的行驶精度的方法,包括以下步骤:
步骤201,实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据。
在本实施例中,用于测量无人驾驶车辆的行驶精度的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从至少一个激光雷达实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据。
在本实施例中,预期行驶路径是用于指示无人驾驶车辆行驶的目标路径。在设置激光雷达时,需保证预期行驶路径中的每个点都在至少一个激光雷达的扫描范围内,从而确保至少一个激光雷达可以采集到无人驾驶车辆按照上述预期行驶路径行驶的过程中的位置数据。
在本实施例中,激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。激光雷达通过向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而实现对目标进行探测。
激光雷达通过激光扫描,旋转一周采集的所有激光点组合在一起,形成一帧激光点云。同时,激光雷达可以输出一帧激光点云对应的激光点云数据。一帧激光点云中,包含多个激光点。相应地,激光雷达输出的一帧激光点云的激光点云数据包含一帧激光点云中的每一个激光点的激光点数据。每一个激光点的激光点数据中包含激光点坐标和激光点采集时间。
在本实施例的一些可选的实现方式中,预期行驶路径可以包括以下至少一项或以下至少一项的组合:线段和曲线。
在本实施例的一些可选的实现方式中,预期行驶路径可以为非闭合曲线,并且至少一个激光雷达可以设置在预期行驶路径的同一侧。这里,非闭合曲线为曲线的全部或者任意部分均不为闭曲线的曲线。
在本实施例的一些可选的实现方式中,上述预期行驶路径也可以为椭圆或部分椭圆,为保证上述预期行驶路径在激光雷达的扫描范围内,并且尽量减少激光雷达的数目,上述至少一个激光雷达可以设置在上述椭圆或上述部分椭圆的长轴上。
在本实施例的一些可选的实现方式中,上述预期行驶路径还可以为圆或圆弧。为保证上述预期行驶路径在激光雷达的扫描范围内,并且尽量减少激光雷达的数目,上述至少一个激光雷达可以设置在上述圆或圆弧的圆心处。
在本实施例的一些可选的实现方式中,上述预期行驶路径可以采用方程来表示。
作为示例,当预期行驶路径为线段时,可以采用如下公式来表示预期行驶路径:
Ax+By+C=0 (公式1)
其中,y表示纵坐标,x表示横坐标,A、B、C均为常数,且A和B不同时为0。
作为示例,当预期行驶路径为椭圆时,如果椭圆的中心在原点,椭圆的对称轴为坐标轴,且椭圆上任意一点到焦点F1和焦点F2距离的和为2a,焦点F1和焦点F2之间的距离为2c,其中,a和c均为大于0的常数,且a大于c,则可以采用如下公式来表示预期行驶路径:
当椭圆的两焦点在横轴时,预期行驶路径的方程是:
x2÷a2+y2÷b2=1 (公式2)
当椭圆的两焦点在纵轴时,预期行驶路径的方程是:
y2÷a2+x2÷b2=1 (公式3)
其中,y表示纵坐标,x表示横坐标,b为常数,且a>b>0,b2=a2-c2。
作为示例,当预期行驶路径为圆时,如果圆的中心在原点,可以采用如下公式来表示预期行驶路径:
x2+y2=r2 (公式4)
其中,x表示横坐标,y表示纵坐标,r表示圆的半径,且r>0。
在本实施例的一些可选的实现方式中,上述预期行驶路径也可以采用预期行驶坐标点序列来表示。例如,可以采用顺序排列的至少一个预期行驶坐标点作为预期行驶坐标点序列。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,根据激光点云数据,生成无人驾驶车辆的实际行驶轨迹坐标点序列。
在本实施例中,基于步骤201中得到的激光点云数据,上述电子设备(例如图1所示的服务器)可以根据上述激光点云数据,采用各种方法生成无人驾驶车辆的实际行驶轨迹坐标点序列。
在本实施例的一些可选的实现方式中,上述电子设备可以首先将上述激光点云数据中的各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列。然后,上述电子设备可以依次获取上述排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
本领域技术人员可以理解的是,如果激光雷达的数目只有一个,可以将上述一个激光雷达所在的位置设置为坐标原点,这样,从上述一个激光雷达获取的激光点坐标就是无人驾驶车辆相对于坐标原点的坐标。
本领域技术人员可以理解的是,如果激光雷达的数目多于一个,则可以设置一个坐标原点,并记录每个激光雷达相对于坐标原点的位置关系。对从每个激光雷达接收到的激光点云数据,可以根据该激光雷达相对于坐标原点的位置关系,对该激光点云数据中各个激光点数据的激光点坐标进行校正以得到无人驾驶车辆相对于坐标原点的坐标。当然,对激光点坐标进行校正既可以由服务器进行,也可以由激光雷达进行。
步骤203,根据实际行驶轨迹坐标点序列和预期行驶路径,确定无人驾驶车辆按照预期行驶路径行驶的行驶精度。
在本实施例中,上述电子设备可以根据步骤202中生成的无人驾驶车辆的实际行驶轨迹坐标点和预期行驶路径,确定无人驾驶车辆按照预期行驶路径行驶的行驶精度。
在本实施例的一些可选的实现方式中,本步骤可以包括如下子步骤:
步骤2031,对实际行驶轨迹坐标点序列中的每个坐标点,计算该坐标点与上述预期行驶路径的距离。
这里,上述电子设备可以根据预期行驶路径的表示方法的不同采用不同的方法计算实际行驶轨迹坐标点序列中的每个坐标点与上述预期行驶路径的距离。
作为示例,对于采用方程表示的预期行驶路径,可以根据预期行驶路径的方程表示,采用相应的解方程的方法计算坐标点与用方程表示的预期行驶路径的距离。对本领域技术人员来说,具体如何解方程是目前广泛研究和应用的公知技术,在此不再赘述。
作为示例,对于采用预期行驶坐标点序列表示的预期行驶路径,可以计算实际行驶轨迹坐标点序列中的每个坐标点与预期行驶坐标点序列中各个预期行驶坐标点的距离中的最小距离作为该坐标点与预期行驶路径的距离。
在本实施例的一些可选的实现方式中,对实际行驶轨迹坐标点序列中的每个坐标点,上述电子设备可以计算该坐标点与上述预期行驶路径的最短距离作为该坐标点与上述预期行驶路径的距离。
步骤2032,根据各个坐标点与上述预期行驶路径的距离,确定无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
这里,上述电子设备可以采用各种方法根据各个坐标点与上述预期行驶路径的距离,确定无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在本实施例的一些可选的实现方式中,上述电子设备可以计算各个坐标点与上述预期行驶路径的距离的平均值,并将计算所得的距离的平均值作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。例如,计算所得的距离的平均值为2,单位为米,则无人驾驶车辆按照上述预期行驶路径行驶的行驶精度为2米。
上述方法通过计算各个坐标点与上述预期行驶路径的平均距离,从而得出了无人驾驶车辆在按照上述预期行驶路径行驶的过程中与预期行驶路径的平均距离误差。
在本实施例的一些可选的实现方式中,步骤2032也可以如下进行:
首先,计算各个坐标点与上述预期行驶路径的距离的平方。
其次,将计算所得的各个距离的平方进行累加。
接着,将累加所得的和开平方以得到距离平方和开平方之后的值。
最后,计算上述距离平方和开平方之后的值除以实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
上述各个子步骤可以用公式5表示如下:
其中,E是计算所得的行驶精度,n为自然数,n表示实际行驶轨迹坐标点序列中的坐标点个数,i为1到n之间的自然数,Di表示实际行驶轨迹坐标点序列中第i个坐标点与上述预期行驶路径间的距离。
需要说明的是,如果步骤2032中采用上述的通过计算各个坐标点与上述预期行驶路径的距离的平方累加所得到的和再开平方,最后再计算与实际行驶轨迹坐标点序列中的坐标点个数的商来生成无人驾驶车辆按照上述预期行驶路径行驶的行驶精度的方法,则在步骤2031中计算实际行驶轨迹坐标点序列中的每个坐标点与上述预期行驶路径的距离时,可以仅计算距离的平方,不进行开发平方运算。这样再进行上述的运算时,直接可以使用距离的平方,只进行一次开平方计算量,从而可以减少开方过程中的计算量,并提高计算速度,最终可以提高测量无人驾驶车辆的行驶精度的速度。
在本实施例的一些可选的实现方式中,步骤2032还可以如下进行:
首先,确定各个坐标点中与上述预期行驶路径的距离小于等于预设距离阈值(例如,2米)的坐标点的个数,并将所确定的个数作为第一坐标点个数。
其次,计算上述第一坐标点个数除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
例如,计算得到第一坐标点个数为19600个,实际行驶轨迹坐标点序列中的坐标点个数为20000个,则无人驾驶车辆按照上述预期行驶路径行驶的行驶精度为:19600÷20000=98%,即实际行驶轨迹坐标点序列中有98%的坐标点与上述预期行驶路径吻合(吻合的标准为与上述预期行驶路径的距离小于预设距离阈值)。
上述方法通过计算各个坐标点中与上述预期行驶路径的距离小于等于预设距离阈值的坐标点的个数与实际行驶轨迹坐标点序列中的坐标点个数的比值,从而得出了无人驾驶车辆在按照上述预期行驶路径行驶的过程中与上述预期行驶路径的吻合程度。
继续参见图3a和图3b,图3a和图3b分别是根据本实施例的用于测量无人驾驶车辆的行驶精度的方法的应用场景的一个示意图。
在图3a的应用场景中,无人驾驶车辆301的预期行驶路径为起点为A点终点为B点的线段AB。在线段AB的一侧设置有激光雷达302和激光雷达303。激光雷达302和激光雷达303的扫描范围可以覆盖线段AB。服务器305通过网络304与激光雷达302和激光雷达303网络连接。无人驾驶车辆301从A点出发,沿着预期行驶路径(即线段AB)向目的地B点行驶。无人驾驶车辆301的实际行驶轨迹如图中虚线车辆所示,最终到达目的地B点。在无人驾驶车辆从A点向B点行驶的过程中,激光雷达302和激光雷达303实时扫描无人驾驶车辆301并生成激光点云数据。与激光雷达302和激光雷达303相连的服务器305通过网络304获取上述激光点云数据并计算得到无人驾驶车辆301按照上述预期行驶路径-线段AB行驶的行驶精度为2米。
在图3b的应用场景中,无人驾驶车辆306的预期行驶路径为椭圆307。在椭圆307的中心点处设置有激光雷达308。激光雷达308的扫描范围可以覆盖椭圆307上的任意点。服务器310通过网络309与激光雷达308网络连接。无人驾驶车辆306从椭圆307上的P1点出发,沿着预期行驶路径(即椭圆307)逆时针方向向目的地椭圆307上的P2点行驶。无人驾驶车辆306的实际行驶轨迹如图中虚线车辆所示,最终到达目的地P2点。在无人驾驶车辆从P1点向P2点行驶的过程中,激光雷达308实时扫描无人驾驶车辆306并生成激光点云数据。与激光雷达308相连的服务器310通过网络309获取上述激光点云数据并计算得到无人驾驶车辆306按照上述预期行驶路径(椭圆307中从P1到P2点)行驶的行驶精度为5米。
本申请的上述实施例提供的方法通过将激光雷达采集的无人驾驶车辆的实际行驶轨迹和预期行驶路径进行比对,得到无人驾驶车辆按照预期行驶路径行驶的行驶精度信息,从而可以量化的测试无人驾驶车辆的自动控制系统和机械系统。
进一步参考图4,其示出了用于测量无人驾驶车辆的行驶精度的方法的又一个实施例的流程400。该用于测量无人驾驶车辆的行驶精度的方法的流程400,包括以下步骤:
步骤401,实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据。
在本实施例中,步骤401的具体操作与图2所示的实施例中步骤201的具体操作基本相同,在此不再赘述。
步骤402,将激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列。
在本实施例中,上述电子设备可以将步骤401中获取的激光点云数据中的各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列。
步骤403,将排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列。
在本实施例中,上述电子设备可以将步骤402中排序后得到的排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列。
在本实施例的一些可选的实现方式中,上述电子设备可以在排序激光点数据序列中每隔第一预设数目个(例如,1个)激光点选取第二预设数目个(例如,1个)激光点加入到下采样排序激光点数据序列中,从而得到下采样排序激光点数据序列。
步骤404,依次获取下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
在本实施例中,上述电子设备可以依次获取步骤403中下采样处理后得到的下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
步骤405,根据实际行驶轨迹坐标点序列和预期行驶路径,确定无人驾驶车辆按照预期行驶路径行驶的行驶精度。
在本实施例中,步骤405的具体操作与图2所示的实施例中步骤203的具体操作基本相同,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于测量无人驾驶车辆的行驶精度的方法的流程400多出了对排序激光点数据序列做下采样处理的步骤,以及无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点是取自下采样处理后的下采样排序激光点数据序列,而不是取自排序激光点数据序列。由此,减少了无人驾驶车辆的实际行驶轨迹坐标点序列的坐标点个数,从而可以减少计算无人驾驶车辆的行驶精度过程中的计算量,提高计算速度,从而可以实现对无人驾驶车辆的自动控制系统和机械的快速迭代。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于测量无人驾驶车辆的行驶精度的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例中的用于测量无人驾驶车辆的行驶精度的装置500包括:获取单元501、生成单元502和确定单元503。其中,获取单元501,配置用于实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,其中,上述预期行驶路径处于上述至少一个激光雷达的扫描范围内;生成单元502,配置用于根据上述激光点云数据,生成上述无人驾驶车辆的实际行驶轨迹坐标点序列;确定单元503,配置用于根据上述实际行驶轨迹坐标点序列和上述预期行驶路径,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
在本实施例中,用于测量无人驾驶车辆的行驶精度的装置500的获取单元501、生成单元502和确定单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述激光点云数据包括至少一个激光点数据,上述激光点数据包括激光点坐标和激光点采集时间;以及上述生成单元502可以包括:排序模块5021,配置用于将上述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列;获取模块5022,配置用于依次获取上述排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。排序模块5021和获取模块5022的具体处理及其所带来的技术效果可参考图2对应实施例中步骤202的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述生成单元502还可以包括:下采样模块5023,配置用于将上述排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列;以及上述获取模块5022可以进一步配置用于:依次获取上述下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为上述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。下采样模块5023的具体处理及其所带来的技术效果可参考图4对应实施例中步骤403的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述确定单元503可以包括:距离计算模块5031,配置用于对上述实际行驶轨迹坐标点序列中的每个坐标点,计算该坐标点与上述预期行驶路径的距离;确定模块5032,配置用于根据各个坐标点与上述预期行驶路径的距离,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。距离计算模块5031和确定模块5032的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤2031和步骤2032的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述确定模块5032可以包括:第一计算子模块50321,配置用于计算各个坐标点与上述预期行驶路径的距离的平均值,并将计算所得的距离的平均值作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。第一计算子模块50321的具体处理及其所带来的技术效果可参考图2对应实施例中步骤2032的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述确定模块5032还可以包括:第二计算子模块50322,配置用于计算各个坐标点与上述预期行驶路径的距离的平方;累加子模块50323,配置用于将计算所得的各个距离的平方进行累加;开平方子模块50324,配置用于将累加所得的和开平方以得到距离平方和开平方之后的值;第三计算子模块50325,配置用于计算上述距离平方和开平方之后的值除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。第二计算子模块50322、累加子模块50323、开平方子模块50324和第三计算子模块50325的具体处理及其所带来的技术效果可参考图2对应实施例中步骤2032的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述确定模块5032还可以包括:确定子模块50326,配置用于确定各个坐标点中与上述预期行驶路径的距离小于等于预设距离阈值的坐标点的个数,并将所确定的个数作为第一坐标点个数;第四计算子模块50327,配置用于计算上述第一坐标点个数除以上述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。确定子模块50326和第四计算子模块50327的具体处理及其所带来的技术效果可参考图2对应实施例中步骤2032的相关说明,在此不再赘述。
本实施例的一些可选的实现方式中,上述预期行驶路径可以包括以下至少一项或以下至少一项的组合:线段和曲线。
本实施例的一些可选的实现方式中,上述预期行驶路径可以为非闭合曲线,上述至少一个激光雷达设置在上述预期行驶路径的同一侧。
本实施例的一些可选的实现方式中,上述预期行驶路径可以为椭圆或部分椭圆,上述至少一个激光雷达可以设置在上述椭圆或上述部分椭圆的长轴上。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。
如图6所示,计算机系统600包括中央处理单元(CPU,Central Processing Unit)601,其可以根据存储在只读存储器(ROM,Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM,Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、生成单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取激光点云数据的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中描述的装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当上述一个或者多个程序被一个设备执行时,使得上述述设备:实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,其中,上述预期行驶路径处于上述至少一个激光雷达的扫描范围内;根据上述激光点云数据,生成上述无人驾驶车辆的实际行驶轨迹坐标点序列;根据上述实际行驶轨迹坐标点序列和上述预期行驶路径,确定上述无人驾驶车辆按照上述预期行驶路径行驶的行驶精度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种用于测量无人驾驶车辆的行驶精度的方法,其特征在于,所述方法包括:
实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,其中,所述预期行驶路径处于所述至少一个激光雷达的扫描范围内;
根据所述激光点云数据,生成所述无人驾驶车辆的实际行驶轨迹坐标点序列;
根据所述实际行驶轨迹坐标点序列和所述预期行驶路径,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
2.根据权利要求1所述的方法,其特征在于,所述激光点云数据包括至少一个激光点数据,所述激光点数据包括激光点坐标和激光点采集时间;以及
所述根据所述激光点云数据,生成所述无人驾驶车辆的实际行驶轨迹坐标点序列,包括:
将所述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列;
依次获取所述排序激光点数据序列中的各个激光点数据的激光点坐标,作为所述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
3.根据权利要求2所述的方法,其特征在于,所述将所述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列之后,所述方法还包括:
将所述排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列;以及
所述依次获取所述排序激光点数据序列中的各个激光点数据的激光点坐标,作为所述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点,包括:
依次获取所述下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为所述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
4.根据权利要求1-3中任一所述的方法,其特征在于,所述根据所述实际行驶轨迹坐标点序列和所述预期行驶路径,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度,包括:
对所述实际行驶轨迹坐标点序列中的每个坐标点,计算该坐标点与所述预期行驶路径的距离;
根据各个坐标点与所述预期行驶路径的距离,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
5.根据权利要求4所述的方法,其特征在于,所述根据各个坐标点与所述预期行驶路径的距离,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度,包括:
计算各个坐标点与所述预期行驶路径的距离的平均值,并将计算所得的距离的平均值作为所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
6.根据权利要求4所述的方法,其特征在于,所述根据各个坐标点与所述预期行驶路径的距离,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度,包括:
计算各个坐标点与所述预期行驶路径的距离的平方;
将计算所得的各个距离的平方进行累加;
将累加所得的和开平方以得到距离平方和开平方之后的值;
计算所述距离平方和开平方之后的值除以所述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
7.根据权利要求4所述的方法,其特征在于,所述根据各个坐标点与所述预期行驶路径的距离,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度,包括:
确定各个坐标点中与所述预期行驶路径的距离小于等于预设距离阈值的坐标点的个数,并将所确定的个数作为第一坐标点个数;
计算所述第一坐标点个数除以所述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
8.根据权利要求1-3中任一项所述的方法,其特征在于,所述预期行驶路径包括以下至少一项或以下至少一项的组合:线段和曲线。
9.根据权利要求1-3中任一项所述的方法,其特征在于,所述预期行驶路径为非闭合曲线,所述至少一个激光雷达设置在所述预期行驶路径的同一侧。
10.根据权利要求1-3中任一项所述的方法,其特征在于,所述预期行驶路径为椭圆或部分椭圆,所述至少一个激光雷达设置在所述椭圆或所述部分椭圆的长轴上。
11.一种用于测量无人驾驶车辆的行驶精度的装置,其特征在于,所述装置包括:
获取单元,配置用于实时获取至少一个激光雷达采集的无人驾驶车辆按照预期行驶路径行驶过程中的激光点云数据,其中,所述预期行驶路径处于所述至少一个激光雷达的扫描范围内;
生成单元,配置用于根据所述激光点云数据,生成所述无人驾驶车辆的实际行驶轨迹坐标点序列;
确定单元,配置用于根据所述实际行驶轨迹坐标点序列和所述预期行驶路径,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
12.根据权利要求11所述的装置,其特征在于,所述激光点云数据包括至少一个激光点数据,所述激光点数据包括激光点坐标和激光点采集时间;以及
所述生成单元包括:
排序模块,配置用于将所述激光点云数据中各个激光点数据按照激光点采集时间从前到后的顺序排序,得到排序激光点数据序列;
获取模块,配置用于依次获取所述排序激光点数据序列中的各个激光点数据的激光点坐标,作为所述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
13.根据权利要求12所述的装置,其特征在于,所述生成单元还包括:
下采样模块,配置用于将所述排序激光点数据序列做下采样处理,得到下采样排序激光点数据序列;以及
所述获取模块进一步配置用于:
依次获取所述下采样排序激光点数据序列中的各个激光点数据的激光点坐标,作为所述无人驾驶车辆的实际行驶轨迹坐标点序列中的各个坐标点。
14.根据权利要求11-13中任一所述的装置,其特征在于,所述确定单元包括:
距离计算模块,配置用于对所述实际行驶轨迹坐标点序列中的每个坐标点,计算该坐标点与所述预期行驶路径的距离;
确定模块,配置用于根据各个坐标点与所述预期行驶路径的距离,确定所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
15.根据权利要求14所述的装置,其特征在于,所述确定模块包括:
第一计算子模块,配置用于计算各个坐标点与所述预期行驶路径的距离的平均值,并将计算所得的距离的平均值作为所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
16.根据权利要求14所述的装置,其特征在于,所述确定模块还包括:
第二计算子模块,配置用于计算各个坐标点与所述预期行驶路径的距离的平方;
累加子模块,配置用于将计算所得的各个距离的平方进行累加;
开平方子模块,配置用于将累加所得的和开平方以得到距离平方和开平方之后的值;
第三计算子模块,配置用于计算所述距离平方和开平方之后的值除以所述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
17.根据权利要求14所述的装置,其特征在于,所述确定模块还包括:
确定子模块,配置用于确定各个坐标点中与所述预期行驶路径的距离小于等于预设距离阈值的坐标点的个数,并将所确定的个数作为第一坐标点个数;
第四计算子模块,配置用于计算所述第一坐标点个数除以所述实际行驶轨迹坐标点序列中的坐标点个数,并将计算所得的商作为所述无人驾驶车辆按照所述预期行驶路径行驶的行驶精度。
18.根据权利要求11-13中任一项所述的装置,其特征在于,所述预期行驶路径包括以下至少一项或以下至少一项的组合:线段和曲线。
19.根据权利要求11-13中任一项所述的装置,其特征在于,所述预期行驶路径为非闭合曲线,所述至少一个激光雷达设置在所述预期行驶路径的同一侧。
20.根据权利要求11-13中任一项所述的装置,其特征在于,所述预期行驶路径为椭圆或部分椭圆,所述至少一个激光雷达设置在所述椭圆或所述部分椭圆的长轴上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611079519.9A CN106769080A (zh) | 2016-11-30 | 2016-11-30 | 用于测量无人驾驶车辆的行驶精度的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611079519.9A CN106769080A (zh) | 2016-11-30 | 2016-11-30 | 用于测量无人驾驶车辆的行驶精度的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106769080A true CN106769080A (zh) | 2017-05-31 |
Family
ID=58901126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611079519.9A Pending CN106769080A (zh) | 2016-11-30 | 2016-11-30 | 用于测量无人驾驶车辆的行驶精度的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106769080A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109229109A (zh) * | 2017-07-04 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 判断车辆行驶方向的方法、装置、设备和计算机存储介质 |
CN109668742A (zh) * | 2019-02-20 | 2019-04-23 | 苏州风图智能科技有限公司 | 基于激光雷达的无人车辆的测试方法及装置 |
CN110210305A (zh) * | 2019-04-30 | 2019-09-06 | 驭势(上海)汽车科技有限公司 | 行驶路径偏差确定方法及装置、存储介质及电子装置 |
CN110275515A (zh) * | 2018-03-15 | 2019-09-24 | 北京智行鸿远汽车有限公司 | 一种提高闭合路径精度的方法 |
WO2019218353A1 (en) * | 2018-05-18 | 2019-11-21 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Drifting correction between planning stage and controlling stage of operating autonomous driving vehicles |
CN110567733A (zh) * | 2019-09-10 | 2019-12-13 | 武汉光庭信息技术股份有限公司 | 基于acc的失效场景判定方法及系统、服务器及介质 |
CN110979345A (zh) * | 2019-11-22 | 2020-04-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆控制系统的验证方法及装置 |
CN111735639A (zh) * | 2020-05-26 | 2020-10-02 | 清华大学苏州汽车研究院(相城) | 一种面向智能网联汽车示范区的自动驾驶场景最小集生成方法 |
CN114001970A (zh) * | 2021-09-02 | 2022-02-01 | 武汉博格纳科技有限公司 | 一种车辆通道圆轨迹测试方法 |
CN114279392A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市星卡科技有限公司 | 转向角传感器的校准方法、装置和计算机设备 |
CN116238545A (zh) * | 2023-05-12 | 2023-06-09 | 禾多科技(北京)有限公司 | 一种自动驾驶轨迹偏差检测方法及检测系统 |
CN116972788A (zh) * | 2023-09-22 | 2023-10-31 | 农业农村部南京农业机械化研究所 | 用于农业机械的曲线行驶精度检测方法及装置、设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998679A (zh) * | 2012-11-25 | 2013-03-27 | 北京理工大学 | 一种应用于无人车的gis数据获取方法 |
WO2013176362A1 (ko) * | 2012-05-22 | 2013-11-28 | 한국생산기술연구원 | 3차원 스캐닝 시스템 및 이를 이용한 3차원 영상획득방법 |
CN104766302A (zh) * | 2015-02-05 | 2015-07-08 | 武汉大势智慧科技有限公司 | 一种利用无人机图像优化激光扫描点云数据的方法及系统 |
CN204832514U (zh) * | 2015-07-20 | 2015-12-02 | 北京数字绿土科技有限公司 | 一体化多传感器激光雷达扫描系统 |
CN105182358A (zh) * | 2014-04-25 | 2015-12-23 | 谷歌公司 | 用于使用激光点云进行物体检测的方法和系统 |
CN105699095A (zh) * | 2016-01-27 | 2016-06-22 | 常州加美科技有限公司 | 一种无人驾驶车辆的测试方法 |
CN205334557U (zh) * | 2015-12-14 | 2016-06-22 | 华南理工大学 | 一种能精确定位车辆和动态设置通信区域的etc系统 |
CN106023210A (zh) * | 2016-05-24 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 无人车、无人车定位方法、装置和系统 |
CN106020203A (zh) * | 2016-07-15 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法及装置 |
WO2016179637A1 (en) * | 2015-05-12 | 2016-11-17 | Precision Autonomy Pty Ltd | Systems and methods of unmanned vehicle control and monitoring |
-
2016
- 2016-11-30 CN CN201611079519.9A patent/CN106769080A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013176362A1 (ko) * | 2012-05-22 | 2013-11-28 | 한국생산기술연구원 | 3차원 스캐닝 시스템 및 이를 이용한 3차원 영상획득방법 |
CN102998679A (zh) * | 2012-11-25 | 2013-03-27 | 北京理工大学 | 一种应用于无人车的gis数据获取方法 |
CN105182358A (zh) * | 2014-04-25 | 2015-12-23 | 谷歌公司 | 用于使用激光点云进行物体检测的方法和系统 |
CN104766302A (zh) * | 2015-02-05 | 2015-07-08 | 武汉大势智慧科技有限公司 | 一种利用无人机图像优化激光扫描点云数据的方法及系统 |
WO2016179637A1 (en) * | 2015-05-12 | 2016-11-17 | Precision Autonomy Pty Ltd | Systems and methods of unmanned vehicle control and monitoring |
CN204832514U (zh) * | 2015-07-20 | 2015-12-02 | 北京数字绿土科技有限公司 | 一体化多传感器激光雷达扫描系统 |
CN205334557U (zh) * | 2015-12-14 | 2016-06-22 | 华南理工大学 | 一种能精确定位车辆和动态设置通信区域的etc系统 |
CN105699095A (zh) * | 2016-01-27 | 2016-06-22 | 常州加美科技有限公司 | 一种无人驾驶车辆的测试方法 |
CN106023210A (zh) * | 2016-05-24 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 无人车、无人车定位方法、装置和系统 |
CN106020203A (zh) * | 2016-07-15 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法及装置 |
Non-Patent Citations (3)
Title |
---|
张正禄: "《简明工程测量学》", 31 December 2014, 张正禄 * |
朱海德: "《点云库PCL学习教程》", 31 October 2012, 北京航空航天大学出版社 * |
连晓峰: "《移动机器人及室内环境三维模型重建技术》", 31 August 2010, 国防工业出版社 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109229109A (zh) * | 2017-07-04 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 判断车辆行驶方向的方法、装置、设备和计算机存储介质 |
US10513260B2 (en) | 2017-07-04 | 2019-12-24 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for judging vehicle driving direction, device and computer storage medium |
CN110275515A (zh) * | 2018-03-15 | 2019-09-24 | 北京智行鸿远汽车有限公司 | 一种提高闭合路径精度的方法 |
WO2019218353A1 (en) * | 2018-05-18 | 2019-11-21 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Drifting correction between planning stage and controlling stage of operating autonomous driving vehicles |
WO2020168745A1 (zh) * | 2019-02-20 | 2020-08-27 | 苏州风图智能科技有限公司 | 基于激光雷达的无人车辆的测试方法及装置 |
CN109668742A (zh) * | 2019-02-20 | 2019-04-23 | 苏州风图智能科技有限公司 | 基于激光雷达的无人车辆的测试方法及装置 |
CN110210305A (zh) * | 2019-04-30 | 2019-09-06 | 驭势(上海)汽车科技有限公司 | 行驶路径偏差确定方法及装置、存储介质及电子装置 |
CN110210305B (zh) * | 2019-04-30 | 2023-06-23 | 驭势(上海)汽车科技有限公司 | 行驶路径偏差确定方法及装置、存储介质及电子装置 |
CN110567733A (zh) * | 2019-09-10 | 2019-12-13 | 武汉光庭信息技术股份有限公司 | 基于acc的失效场景判定方法及系统、服务器及介质 |
CN110567733B (zh) * | 2019-09-10 | 2021-07-16 | 武汉光庭信息技术股份有限公司 | 基于acc的失效场景判定方法及系统、服务器及介质 |
CN110979345A (zh) * | 2019-11-22 | 2020-04-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆控制系统的验证方法及装置 |
CN111735639A (zh) * | 2020-05-26 | 2020-10-02 | 清华大学苏州汽车研究院(相城) | 一种面向智能网联汽车示范区的自动驾驶场景最小集生成方法 |
CN111735639B (zh) * | 2020-05-26 | 2022-03-22 | 清华大学苏州汽车研究院(相城) | 一种面向智能网联汽车示范区的自动驾驶场景最小集生成方法 |
CN114001970A (zh) * | 2021-09-02 | 2022-02-01 | 武汉博格纳科技有限公司 | 一种车辆通道圆轨迹测试方法 |
CN114279392A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市星卡科技有限公司 | 转向角传感器的校准方法、装置和计算机设备 |
CN114279392B (zh) * | 2021-12-27 | 2024-02-06 | 深圳市星卡科技股份有限公司 | 转向角传感器的校准方法、装置和计算机设备 |
CN116238545A (zh) * | 2023-05-12 | 2023-06-09 | 禾多科技(北京)有限公司 | 一种自动驾驶轨迹偏差检测方法及检测系统 |
CN116238545B (zh) * | 2023-05-12 | 2023-10-27 | 禾多科技(北京)有限公司 | 一种自动驾驶轨迹偏差检测方法及检测系统 |
CN116972788A (zh) * | 2023-09-22 | 2023-10-31 | 农业农村部南京农业机械化研究所 | 用于农业机械的曲线行驶精度检测方法及装置、设备 |
CN116972788B (zh) * | 2023-09-22 | 2024-01-09 | 农业农村部南京农业机械化研究所 | 用于农业机械的曲线行驶精度检测方法及装置、设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106769080A (zh) | 用于测量无人驾驶车辆的行驶精度的方法和装置 | |
CN103674046B (zh) | 车辆行程规划 | |
CN109470254B (zh) | 地图车道线的生成方法、装置、系统及存储介质 | |
CN106776996B (zh) | 用于测试高精度地图的准确性的方法和装置 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN107918753A (zh) | 点云数据处理方法及装置 | |
CN106707293A (zh) | 用于车辆的障碍物识别方法和装置 | |
CN107063711A (zh) | 用于测试无人车的方法和装置 | |
CN109213134A (zh) | 生成自动驾驶策略的方法和装置 | |
CN108216229A (zh) | 交通工具、道路线检测和驾驶控制方法及装置 | |
CN107944375A (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
CN106767914A (zh) | 用于测试基于高精度地图规划的路径的方法和装置 | |
CN107339997A (zh) | 自主车辆的路径规划装置及方法 | |
CN108230421A (zh) | 一种道路图生成方法、装置、电子设备和计算机存储介质 | |
CN107169468A (zh) | 用于控制车辆的方法和装置 | |
CN109521756A (zh) | 用于无人驾驶车辆的障碍物运动信息生成方法和装置 | |
CN106767866A (zh) | 局部路径规划和基于其的测试方法和装置 | |
CN111881713A (zh) | 一种识别违停地点的方法、系统、装置及存储介质 | |
CN109145982A (zh) | 驾驶员的身份识别方法及装置、存储介质、终端 | |
CN108961990A (zh) | 用于处理高精地图的方法和装置 | |
CN110426050A (zh) | 地图匹配纠正方法、装置、设备和存储介质 | |
CN107894237A (zh) | 用于显示导航信息的方法和装置 | |
CN107063710A (zh) | 用于测试无人车的方法和装置 | |
CN107941226A (zh) | 用于生成车辆的方向引导线的方法和装置 | |
CN104724121B (zh) | 用于识别车辆的行驶领域的装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |