CN107621278B - 自主校准方法及装置 - Google Patents
自主校准方法及装置 Download PDFInfo
- Publication number
- CN107621278B CN107621278B CN201710660152.8A CN201710660152A CN107621278B CN 107621278 B CN107621278 B CN 107621278B CN 201710660152 A CN201710660152 A CN 201710660152A CN 107621278 B CN107621278 B CN 107621278B
- Authority
- CN
- China
- Prior art keywords
- calibration
- information
- vehicle
- software
- input information
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种自主校准方法及装置。所述方法包括:实时监测车辆各部件的状态;根据所述状态自动判断是否需要校准;在确定需要校准时,自动识别适于进行校准的场所;自主规划以使车辆行驶到所述场所执行校准过程。本申请实施例提供的方法及装置通过车辆自身自主对车辆状态、校准场所和校准时机进行识别判断,自动规划和执行车辆的校准操作,提升了车辆使用的安全性和易用性。
Description
技术领域
本申请属于传感器校准技术领域,尤其涉及一种自主校准方法及装置。
背景技术
无人驾驶车辆和传统汽车相比,其配备了更多的智能化部件如激光雷达、测速、压力、温度等传感器系统以及各种控制系统,无人驾驶汽车高度依赖于这些传感器产生的数据并基于这些数据产生的自动驾驶策略。但车辆中的特定部件由于各种原因如软件升级、部件更换、网络指示(如服务器强制要求)和磨损和/或季节、天气等的各种原因随时间变化等的条件下需要校准。无人驾驶汽车是基于感知输入也就是利用传感器系统采集的数据进而实现对无人驾驶车辆的控制,因此对智能部件参数的校准尤其是传感系统的校准要求变得非常严格,基本为零错误容许。因此,无人驾驶汽车的校准需要更频繁地进行。
现有技术中,大多数汽车检测校准设备属于多参数的测试系统,涉及几何量、力学、热学、电磁学、时间频率、光学、声学等计量专业。这些设备的校准涉及的参数多,量程大、自动化程度高,不仅有单一参量,还有综合参数;测量范围宽,有些设备直接测量比较困难,大多数设备为自动控制系统。对设备进行校准需制定专用的校准方法,目前尚没有现成的、统一的校准规范。因此有必要设计一种无人车自主校准的方法,以减少人工参与的麻烦和不专业性,提升车辆使用的安全性和易用性。
发明内容
本申请实施例提供一种自主校准方法及装置,用以解决现有技术中车辆无法自主校准部件的技术问题。
第一方面,本申请实施例中提供了一种自主校准方法,包括:
实时监测车辆各部件的状态;
根据所述状态自动判断是否需要校准;
在确定需要校准时,自动识别适于进行校准的场所;
自主规划以使车辆行驶到所述场所执行校准过程。
可选的,该方法还包括:将校准结果上传服务器。
可选的,所述状态包括软件信息、硬件信息、系统运行信息、传感器信息和外部输入信息中的一种或多种;所述自动判断包括在所述状态满足一个或多个预设条件时确定需要校准。
可选的,所述软件包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件和速度控制器软件中的一个或多个;所述软件信息包括软件版本、软件校验码、软件用户名和用户密码中的一个或多个;所述预设条件包括所述软件信息中的一个或多个与已经校准的在先数据不符。
可选的,所述硬件包括激光雷达、毫米波雷达、摄像机和速度控制器中的一个或多个;所述硬件信息包括硬件ID、MAC地址和物理地址中的一个或多个;所述预设条件包括所述硬件信息与已经校准的在先数据不符。
可选的,所述系统运行信息包括系统运行时长、距前次校准时长、运行日志和系统错误中的一个或多个;所述预设条件包括系统运行时长超过第一阈值、距前次校准时长超过第二阈值、日志中累计警告次数超过第三阈值和发生严重错误中的一个或多个。
可选的,所述传感器信息包括激光雷达采集信息、毫米波雷达采集信息、摄像机采集信息和速度控制器采集信息中的一个或多个;所述预设条件包括所述传感器信息中的一个或多个与已经校准的在先数据不符。
可选的,所述外部输入信息包括驾驶员输入信息、车主输入信息、服务器推送信息、外部监测/传感设备输入信息、周边车辆输入信息和交通管理系统输入信息中的一个或多个;所述预设条件为:所述外部输入信息中的一个或多个包括校准指令,或所述外部输入信息中的一个或多个包括对车辆运行情况的严重警示。
可选的,所述适于进行校准的场所包括预先设定的校准场地或带有特殊标识的路段;所述自动识别包括识别车辆当前位置与所述校准场地的距离或识别已经过路段中的所述特殊标识的位置、类型及数量。
可选的,所述自主规划包括根据行程安排、路径规划、路况信息和场所预约信息中的一个或多个,将所述场所的地点和经过所述场所的时间加入路径规划中。
第二方面,本申请实施例提供了一种数据记录装置,包括:
监测模块,用于实时监测车辆各部件的状态;
校准判定模块,用于根据所述状态自动判断是否需要校准;
识别模块,用于在确定需要校准时,自动识别适于进行校准的场所;
规划模块,用于自主规划以使车辆行驶到所述场所执行校准过程。
可选的,该装置还可以包括:上传模块,用于将校准结果上传服务器。
可选的,所述状态包括软件信息、硬件信息、系统运行信息、传感器信息和外部输入信息中的一种或多种;所述校准判定模块在所述状态满足一个或多个预设条件时确定需要校准。
可选的,所述软件包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件和速度控制器软件中的一个或多个;所述软件信息包括软件版本、软件校验码、软件用户名和用户密码中的一个或多个;所述预设条件包括所述软件信息中的一个或多个与已经校准的在先数据不符。
可选的,所述硬件包括激光雷达、毫米波雷达、摄像机和速度控制器中的一个或多个;所述硬件信息包括硬件ID、MAC地址和物理地址中的一个或多个;所述预设条件包括所述硬件信息与已经校准的在先数据不符。
可选的,所述系统运行信息包括系统运行时长、距前次校准时长、运行日志和系统错误中的一个或多个;所述预设条件包括系统运行时长超过第一阈值、距前次校准时长超过第二阈值、日志中累计警告次数超过第三阈值和发生严重错误中的一个或多个。
可选的,所述传感器信息包括激光雷达采集信息、毫米波雷达采集信息、摄像机采集信息和速度控制器采集信息中的一个或多个;所述预设条件包括所述传感器信息中的一个或多个与已经校准的在先数据不符。
可选的,所述外部输入信息包括驾驶员输入信息、车主输入信息、服务器推送信息、外部监测/传感设备输入信息、周边车辆输入信息和交通管理系统输入信息中的一个或多个;所述预设条件为:所述外部输入信息中的一个或多个包括校准指令,或所述外部输入信息中的一个或多个包括对车辆运行情况的严重警示。
可选的,所述适于进行校准的场所包括预先设定的校准场地或带有特殊标识的路段;所述识别模块包括位置识别模块,用于识别车辆当前位置与所述校准场地的距离,或,标识识别模块,用于识别已经过路段中的所述特殊标识的位置、类型及数量。
可选的,所述规划模块包括路径规划模块,用于根据行程安排、路径规划、路况信息和场所预约信息中的一个或多个,将所述场所的地点和经过所述场所的时间加入路径规划中。
在本申请实施例的再一方面,还提供一种电子设备,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器能够实现如上所述的方法。
在本申请实施例的又一方面,还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被执行后用以实现如上所述的方法。
本申请实施例提供的方法及装置通过车辆自身自主对车辆状态、校准场所和校准时机进行识别判断,自动规划和执行车辆的校准操作,提升了车辆使用的安全性和易用性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例。
图1是本申请实施例中的一个典型的应用场景示意图;
图2是本申请一个实施例提供的自主校准方法的示意图;
图3是本申请另一个实施例提供的自主校准装置的框图;
图4是本申请再一个实施例提供的自主校准装置的模块框图;
图5是本申请又一个实施例提供的电子设备结构图;
图6是实现和/或传播本申请技术方案的通用型计算设备的一种示例的结构框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本领域技术人员可以理解,本申请中的“第一”、“第二”等术语仅用于区别不同设备、模块或参数等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
图1为本申请实施例中的自主校准方法的典型应用场景。如图1所示,为无人驾驶车辆100的俯视图,该车辆上设置有多个传感器101,102,103。传感器101,102,103包括激光雷达、双目摄像头、单目摄像头、毫米波雷达、红外雷达、全球定位系统(GPS)、惯性测量单元、姿态传感器等中的一个或者多个。在一些实施例中,车辆控制系统通过所述的传感器收集各种车辆及周围物体的位置、距离、速度、姿态、方位等数据,并相应的控制车辆。在一些实施例中,车辆的特定部件由于各种原因,如物理的原因(碰撞)、软件升级、部件更换、网络指示(如服务器强制要求)和磨损和/或季节、天气等随时间变化等的条件下需要校准和/或验证,因此需要车辆自动开往特定场所进行自动校准和/或验证。
图2是本申请一个实施例提供的自主校准方法示意图。如图2所示,该方法包括以下步骤:
步骤201,实时监控车辆各部件的状态。
在一个实施例中,车辆各部件包括软件、传感器、接口等中的一种或者多种。所述的软件包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件和速度控制器软件等中的一种或者多种;所述的传感器包括激光雷达、双目摄像头、单目摄像头、毫米波雷达、红外雷达、全球定位系统(GPS)、惯性测量单元、姿态传感器等中的一种或者多种;所述接口包括触摸屏、通信接口、网络接口等中一种或者多种。
在一些实施例中,所述各部件的状态,包括软件信息、硬件信息、系统运行信息、传感器信息、外部输入信息等中的一种或者多种。所述软件信息包括软件的版本、软件的校验码、软件的用户名和用户密码等中的一种或者多种;所述的硬件信息包括硬件的ID、MAC地址、和物理地址等中的一个或者多个;所述的系统运行信息包括系统的运行时长、距离上次校准的时长、运行日志或系统错误等中的一个或者多个;所述的传感器信息是指传感器采集到的实时数据,例如激光雷达和摄像头采集到的距离数据,GPS采集的到的位置数据等;所述的外部输入信息包括驾驶员或者车主输入的信息、服务器推送的信息、外部监测/传感设备输入的信息、周边其他车辆输入信息、交通管理系统输入信息等中的一个或者多个。
上述举例仅仅为了便于理解部件和状态,并不对部件和状态做任何限制,只要是车辆上所使用的部件及其产生/或接收到的信息均应包括在内。
步骤202,根据所述状态自动判断是否需要校准。判断结果为需要进行校准时,执行步骤203。判断结果为不需要进行校准时,执行步骤201。
在一个实施例中,车辆根据预设条件判断车辆中的部件是否需要校准。具体的,当所述状态为软件信息,预设条件包括软件的版本号发生了变化、软件的校验码发生了改变、用户名和用户密码发生了增加、删除或更改,在软件进行升级后,车辆的平台管理软件(用于对整个车辆各部件的管理)读取写入固定位置的各软件模块的版本号,包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件等中的一种或者多种。当状态为硬件信息,预设条件摆阔硬件ID、MAC地址或物理地址发生改变中的一种或者多种。当状态为系统运行信息,预设条件包括系统运行时长超过第一阈值、距前次校准时长超过第二阈值、日志中累计警告次数超过第三阈值和发生严重错误中的一种或者多种,例如系统运行时长超过7天、距前次校准时长超过3天、日志中累计警告次数超过10次、系统发生死机。当状态信息为传感器信息,预设条件包括传感器信息与前次已经校准的在先数据不符或者多个传感器对同一情况的判断不同等,例如,针对同一对象,车辆多个传感器独立测量得到的距离正常情况下会有较好的一致性,相互之间的差距在误差允许的范围之内,若判断出某个或某些传感器测距的结果与其它传感器测距结果或其平均值差异超过一定的阈值,则认为传感器需要重新校准;再例如,视觉传感器,针对同一对象,车辆多个视觉传感器独立测量得到的相应的某些区域亮度或色差在正常情况下会有较好的一致性,相互之间的差距在误差允许的范围之内,若判断出某个或某些传感器测量的某些区域亮度或色差与其它传感器测量结果或其平均值差异超过一定的阈值,则认为传感器需要重新校准。其它类型的传感器数据的异常判断,也采取类似的方式,在此不再赘述。当状态为外部输入信息,预设条件为外部输入信息中的一个或多个包括校准指令,或外部输入信息中的一个或多个包括对车辆运行情况的严重警示,比如服务器、车主、驾驶员或一定级别的用户等直接对车辆发出校准指令,交通管理系统、周边车辆传感器、周边车辆驾驶员或路人等直接警示车辆的行驶状态存在严重问题,或者来自车辆生产厂商或者车辆运营方,针对特定车辆的使用情况提出校准,比如暴雨过后,大雪过后,或者某辆车发生了小的事故,或者某辆车即将安排一次长途旅行,此时说明外界发现了车辆出现问题,需要重新校准。
步骤203,自动识别适于进行校准的场所。
在一个实施例中,当所述状态符合预设条件时,确定需要校准,在该步骤中,车辆自动识别适合进行校准的场所。所述适于进行校准的场所包括预先设定的校准场地或带有特殊标识的路段,所述自动识别包括识别车辆当前位置与所述校准场地的距离或识别已经过路段中的所述特殊标识的位置、类型及数量。
在一些实施例中,车辆的校准需要一定的外部条件,例如测距和测速需要通过距离标识进行校准。比如,在高速公路有50m/100m的距离标杆,可以用于车辆测距和测速部件的自主校准,例如进行激光雷达和/或可用于测速的摄像机的校准。在一些实施例中,有些区域的路边可以设置标准的图像,用于车辆的图像采集系统的校准。在一些实施例中,在红绿灯的路口,利用V2I的设备将交通灯的真值信息传送给车辆进行比较基准,对红绿灯的传感器机相应逻辑进行检测和校准。此处举例仅为说明问题,实际校准时并不只限于此例,对于场景的选择更多得是车辆根据自己行使的实际情况和环境,自行根据需要校准参数的优先级进行选择。校准标志参考物和待校准车辆之间是可以相互校准的,可以用一个已校准的参考物来校准车辆,也可以用已经校准车辆来对参考物进行校准。发现过程可以通过V2V通讯机制,或通过服务器告知。
校准场所的选择,至少包括以下两种方式:(a)预先设定的特定的场所。特定场所的位置信息预先被存储在存储器中,可以被读取。存储的内容还包括特定场所所能支持的自主校准的项目,根据待校准的项目,确定其中可用于自主校准的场所;(b)自主发现适合自主校准的场所。车辆在行驶过程中,能够自动识别路边特殊标识,包括距离标杆、标准图像,V2I的设备等。无人车可以自行记录这些位置,用于自主校准。
步骤204,自主规划以使车辆行驶到所述场所执行校准过程。
在一个实施例中,自主规划包括根据行程安排、路径规划、路况信息和场所预约信息中的一个或多个,将所述场所的地点和经过所述场所的时间加入路径规划中。具体的,可以在符合条件的多个校准场所中,采用就近选择的方式确定其中一个或多个作为目标校准的场所,也可以进一步考虑周围的交通状况,计算最短时间内可以到达的校准场所,作为目标校准场所。也可以自主确定一个合适的时间,自助形式到目标校准场所中,执行自主校准。
在一个实施例中,自主校准的内容包括:(a)确定自主校准的时间。在一些实施例中,在车辆正常行驶过程中,确定校准时间。例如,当在正常行驶时,若识别出路边存在某些可用于某些部件校准的特殊标识,包括距离标杆、标准图像等,则可立即启动相关部件的校准。在一些实施例中,根据乘客的用车计划,在用车闲暇期间进行校准。(b)确定自主校准的位置以及自主校准项目,并进行自主校准,并自主记录校准结果,结果一般为完成或未完成。
在一些实施例中,距离传感器,例如激光雷达、测距摄像机等需要校准,则车辆在行驶过程中,传感器采集周围路况,若发现前方有50m/100m标杆,可以进行距离传感器的检测。在车辆进入标杆的一端时开始计数,到标杆的另一端结束计数。若得到测量的值或通过测量计算后得出的值和实际距离的差值事先设定的阈值之内,则距离传感器准确。若两者差值超出阈值,则进行校准。对于能够自主校准的参数,系统内部进行校准。完成校准和/或验证操作后,在行驶的过程中根据路况、环境或是其他信息继续寻找下一个需要校准的参数。在自动驾驶车辆当中,因传感器的采集数据是控制车辆行为的数据来源,数据的准确性直接影响车量行驶过程中的安全性,因此可以列为不间断校准项。
在一些实施例中,如果待校准的是红绿灯识别传感器,车辆在行驶的过程中遇到带有V2I功能的红绿灯,系统通过自动检测车辆正好需要进行新的校准,于是相应的传感器适时对红灯数据进行采集并进行红绿灯判定。将判定的结果同V2I的真值进行比较。通过比较结果来进行校准。
在一些实施例中,如果待校准的是加速和刹车功能,刹车和加速功能相对危险,因此优选在无乘客的时间进行校准,校准行为由云端调度和管理,在校验场所,可以采用预先设定的位置和距离标志,对车辆进行相应的加速和刹车操作,从而检验相应性能,来判断是否需要校准。
在一些实施例中,如果待校准的是视觉传感器,采集标准形状的物体3D图像数据,将采集后的数据或经过计算处理后的数据和已存储的标准的3D物体参数进行比对,若比对的参数值在阈值范围内,则不用校准,若参数范围值大于阈值,则系统自动对参数校准,若系统无法对大于阈值的参数进行校准,可用请求远程协助校准之后再进行校准或是靠边停车等人为介入校准。
在一个实施例中,还可以利用其它车辆进行校准,云端可以调度若干车辆进行校准,比如校准相对速度、相对加速度、相对距离、会车、并线等等。
在一个实施例中待校准车辆获知周边车辆已完成校准,待校准车辆可以利用已校准测距传感器,比如激光雷达、双目摄像机等,实时测量与已校准车辆之间的距离,并计算出相对已校准车辆的速度和加速度,待校准车辆实际的速度则为已校准车辆的速度+待校准车辆的相对速度,而待校准车辆实际的加速度则为已校准车辆的加速度+待校准车辆的相对加速度。用实际得到的速度和加速度校准车辆的速度传感器和加速度传感器。
在一个实施例中,分别测量已校准车辆和待校准车辆二者之间的相对加速度、相对距离、会车避让转向角度、并线相对距离等,待校准车辆通过V2V或通过服务器获得已校准车辆测量的结果,用于校准自身的传感器。
步骤205,将校准结果上传服务器。
在一个实施例中,校准的结果可以是通过或不通过,完成或未完成等,更进一步的,可以将校准时所采集到的数据一并上传服务器,进一步的,服务器可以对校准结果和数据进行分析:如果存在严重问题,需要对安全问题进行分级:严重问题需要停止运营,保证乘客安全,一般问题可以通过延时处理的方法进行确认或者解决;判断校准结果是否误报或者漏报,可以利用云端大数据分析功能或者通过云端管理员进行人工判断。
该步骤并非解决本申请技术问题的必要步骤,可视情况执行。
参考图3,为本申请一个实施例提供的自主校准装置示意图。如图3所示,该装置包括:
监测模块301,用于实时监测车辆各部件的状态;
校准判定模块302,用于根据所述状态自动判断是否需要校准;
识别模块303,用于在确定需要校准时,自动识别适于进行校准的场所;
规划模块304,用于自主规划以使车辆行驶到所述场所执行校准过程。
该装置还可以包括:
上传模块305,用于将校准结果上传服务器。
进一步的,所述状态包括软件信息、硬件信息、系统运行信息、传感器信息和外部输入信息中的一种或多种;所述校准判定模块在所述状态满足一个或多个预设条件时确定需要校准。
进一步的,所述软件包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件和速度控制器软件中的一个或多个;所述软件信息包括软件版本、软件校验码、软件用户名和用户密码中的一个或多个;所述预设条件包括所述软件信息中的一个或多个与已经校准的在先数据不符。
进一步的,所述硬件包括激光雷达、毫米波雷达、摄像机和速度控制器中的一个或多个;所述硬件信息包括硬件ID、MAC地址和物理地址中的一个或多个;所述预设条件包括所述硬件信息与已经校准的在先数据不符。
进一步的,所述系统运行信息包括系统运行时长、距前次校准时长、运行日志和系统错误中的一个或多个;所述预设条件包括系统运行时长超过第一阈值、距前次校准时长超过第二阈值、日志中累计警告次数超过第三阈值和发生严重错误中的一个或多个。
进一步的,所述传感器信息包括激光雷达采集信息、毫米波雷达采集信息、摄像机采集信息和速度控制器采集信息中的一个或多个;所述预设条件包括所述传感器信息中的一个或多个与已经校准的在先数据不符。
进一步的,所述外部输入信息包括驾驶员输入信息、车主输入信息、服务器推送信息、外部监测/传感设备输入信息、周边车辆输入信息和交通管理系统输入信息中的一个或多个;所述预设条件为:所述外部输入信息中的一个或多个包括校准指令,或所述外部输入信息中的一个或多个包括对车辆运行情况的严重警示。
进一步的,所述适于进行校准的场所包括预先设定的校准场地或带有特殊标识的路段;如图4所示,所述识别模块包括位置识别模块401,用于识别车辆当前位置与所述校准场地的距离,或,标识识别模块402,用于识别已经过路段中的所述特殊标识的位置、类型及数量。
进一步的,如图4所示,所述规划模块包括路径规划模块403,用于根据行程安排、路径规划、路况信息和场所预约信息中的一个或多个,将所述场所的地点和经过所述场所的时间加入路径规划中。
参考附图5,为本申请一个实施例提供的电子设备示意图。如图5所示,该电子设备500包括:
存储器530以及一个或多个处理器510;
其中,所述存储器530与所述一个或多个处理器510通信连接,所述存储器530中存储有可被所述一个或多个处理器执行的指令532,所述指令532被所述一个或多个处理器510执行,以使所述一个或多个处理器501执行:
实时监测车辆各部件的状态;
根据所述状态自动判断是否需要校准;
在确定需要校准时,自动识别适于进行校准的场所;
自主规划以使车辆行驶到所述场所执行校准过程。
本申请的一个实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被执行后执行以下步骤:
实时监测车辆各部件的状态;
根据所述状态自动判断是否需要校准;
在确定需要校准时,自动识别适于进行校准的场所;
自主规划以使车辆行驶到所述场所执行校准过程。
综上所述,本申请各实施例提供的方法、装置、电子设备、计算机可读存储介质或计算机程序产品等,通过车辆自身自主对车辆状态、校准场所和校准时机进行识别判断,自动规划和执行车辆的校准操作,从而降低了车辆系统运行管理维护的复杂度,减少了人工干预程度,还可有效避免不规范操作带来的隐患,提升了车辆使用的安全性和易用性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述装置实施例中的对应描述,在此不再赘述。
尽管此处所述的主题是在结合操作系统和应用程序在计算机系统上的执行而执行的一般上下文中提供的,但本领域技术人员可以认识到,还可结合其他类型的程序模块来执行其他实现。一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构和其他类型的结构。本领域技术人员可以理解,此处所述的本主题可以使用其他计算机系统配置来实践,包括手持式设备、多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机等,也可使用在其中任务由通过通信网络连接的远程处理设备执行的分布式计算环境中。在分布式计算环境中,程序模块可位于本地和远程存储器存储设备的两者中。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。比如,典型地,本申请的技术方案可通过至少一个如图6所示的通用型计算机节点610来实现和/或传播。在图6中,通用型计算机节点610包括:计算机系统/服务器612、外设614和显示设备616;其中,所述计算机系统/服务器612包括处理单元620、输入/输出接口622、网络适配器624和存储器630,内部通常通过总线实现数据传输;进一步地,存储器630通常由多种存储设备组成,比如,RAM(RandomAccessMemory,随机存储器)632、缓存634和存储系统(一般由一个或多个大容量非易失性存储介质组成)636等;实现本申请技术方案的部分或全部功能的程序640保存在存储器630中,通常以多个程序模块642的形式存在。
而前述的计算机可读取存储介质包括以存储如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方式或技术来实现的物理易失性和非易失性、可移动和不可因东介质。计算机可读取存储介质具体包括,但不限于,U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、可擦除可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、闪存或其他固态存储器技术、CD-ROM、数字多功能盘(DVD)、HD-DVD、蓝光(Blue-Ray)或其他光存储设备、磁带、磁盘存储或其他磁性存储设备、或能用于存储所需信息且可以由计算机访问的任何其他介质。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (16)
1.一种无人驾驶车辆的自主校准方法,其特征在于,所述方法包括:
实时监测车辆各部件的状态;
根据所述状态和预设条件自动判断车辆中的部件是否需要校准;所述状态包括硬件信息;硬件包括激光雷达、毫米波雷达、摄像机和速度控制器中的一个或多个;所述硬件信息包括硬件ID和/或MAC地址;所述预设条件包括所述硬件信息与已经校准的在先数据不符;
在确定需要校准的目标部件时,车辆自动识别适于所述目标部件进行校准的一个或多个场所;
自主规划以使车辆行驶到所述场所执行校准过程;其中所述自主规划包括:将所述场所的地点加入路径规划中。
2.根据权利要求1所述的方法,其特征在于,所述状态还包括软件信息、系统运行信息和外部输入信息中的一种或多种;
所述自动判断包括在所述状态满足一个或多个预设条件时确定需要校准。
3.根据权利要求2所述的方法,其特征在于,软件包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件和速度控制器软件中的一个或多个;
所述软件信息包括软件版本、软件校验码、软件用户名和用户密码中的一个或多个;
所述预设条件包括所述软件信息中的一个或多个与已经校准的在先数据不符。
4.根据权利要求2所述的方法,其特征在于,所述系统运行信息包括系统运行时长、距前次校准时长、运行日志和系统错误中的一个或多个;
所述预设条件包括系统运行时长超过第一阈值、距前次校准时长超过第二阈值、日志中累计警告次数超过第三阈值和发生严重错误中的一个或多个。
5.根据权利要求2所述的方法,其特征在于,所述外部输入信息包括驾驶员输入信息、车主输入信息、服务器推送信息、外部监测/传感设备输入信息、周边车辆输入信息和交通管理系统输入信息中的一个或多个;
所述预设条件为:所述外部输入信息中的一个或多个包括校准指令,或所述外部输入信息中的一个或多个包括对车辆运行情况的严重警示。
6.根据权利要求1所述的方法,其特征在于,所述适于所述目标部件进行校准的一个或多个场所包括预先设定的校准场地;
所述自动识别包括识别车辆当前位置与所述校准场地的距离。
7.根据权利要求1所述的方法,其特征在于,所述自主规划包括根据行程安排、路径规划、路况信息和场所预约信息中的一个或多个,将所述场所的地点和经过所述场所的时间加入路径规划中。
8.一种无人驾驶车辆的自主校准装置,其特征在于,包括:
监测模块,用于实时监测车辆各部件的状态;
校准判定模块,用于根据所述状态和预设条件自动判断车辆中的部件是否需要校准;所述状态包括硬件信息;硬件包括激光雷达、毫米波雷达、摄像机和速度控制器中的一个或多个;所述硬件信息包括硬件ID和/或MAC地址;所述预设条件包括所述硬件信息与已经校准的在先数据不符;
识别模块,用于在确定需要校准的目标部件时,自动识别适于所述目标部件进行校准的一个或多个场所;
规划模块,用于自主规划以使车辆行驶到所述场所执行校准过程;其中所述自主规划包括:将所述场所的地点加入路径规划中。
9.根据权利要求8所述的装置,其特征在于,所述状态包括软件信息、系统运行信息和外部输入信息中的一种或多种;
所述校准判定模块在所述状态满足一个或多个预设条件时确定需要校准。
10.根据权利要求9所述的装置,其特征在于,软件包括平台管理软件、轮胎驱动及管理程序、激光雷达驱动软件、摄像机驱动软件和速度控制器软件中的一个或多个;
所述软件信息包括软件版本、软件校验码、软件用户名和用户密码中的一个或多个;
所述预设条件包括所述软件信息中的一个或多个与已经校准的在先数据不符。
11.根据权利要求9所述的装置,其特征在于,所述系统运行信息包括系统运行时长、距前次校准时长、运行日志和系统错误中的一个或多个;
所述预设条件包括系统运行时长超过第一阈值、距前次校准时长超过第二阈值、日志中累计警告次数超过第三阈值和发生严重错误中的一个或多个。
12.根据权利要求9所述的装置,其特征在于,所述外部输入信息包括驾驶员输入信息、车主输入信息、服务器推送信息、外部监测/传感设备输入信息、周边车辆输入信息和交通管理系统输入信息中的一个或多个;
所述预设条件为:所述外部输入信息中的一个或多个包括校准指令,或所述外部输入信息中的一个或多个包括对车辆运行情况的严重警示。
13.根据权利要求8所述的装置,其特征在于,所述适于所述目标部件进行校准的一个或多个场所包括预先设定的校准场地;
所述识别模块包括位置识别模块,用于识别车辆当前位置与所述校准场地的距离。
14.根据权利要求8所述的装置,其特征在于,所述规划模块包括路径规划模块,用于根据行程安排、路径规划、路况信息和场所预约信息中的一个或多个,将所述场所的地点和经过所述场所的时间加入路径规划中。
15.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器能够实现如权利要求1-7中任一项所述的方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被执行后用以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710660152.8A CN107621278B (zh) | 2017-08-04 | 2017-08-04 | 自主校准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710660152.8A CN107621278B (zh) | 2017-08-04 | 2017-08-04 | 自主校准方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107621278A CN107621278A (zh) | 2018-01-23 |
CN107621278B true CN107621278B (zh) | 2021-01-29 |
Family
ID=61088670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710660152.8A Active CN107621278B (zh) | 2017-08-04 | 2017-08-04 | 自主校准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107621278B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018205065A1 (de) * | 2018-04-04 | 2019-10-10 | Volkswagen Aktiengesellschaft | Verfahren zur Kalibrierung eines Positionssensors in einem Fahrzeug, Computerprogramm, Speichermittel, Steuergerät und Kalibrierstrecke |
CN108773433A (zh) * | 2018-06-05 | 2018-11-09 | 广州市远能物流自动化设备科技有限公司 | 一种基于agv小车的对接定位校准方法及agv小车 |
WO2020010043A1 (en) * | 2018-07-06 | 2020-01-09 | Brain Corporation | Systems, methods and apparatuses for calibrating sensors mounted on a device |
DE102018117290A1 (de) * | 2018-07-17 | 2020-01-23 | Daimler Ag | Verfahren zur Kalibrierung und/oder Justierung mindestens einer Sensoreinheit eines Fahrzeugs |
CN109143262A (zh) * | 2018-07-27 | 2019-01-04 | 南京威尔瑞智能科技有限公司 | 无人驾驶汽车自动控制装置及其控制方法 |
CN110815205A (zh) * | 2018-08-14 | 2020-02-21 | 杭州海康机器人技术有限公司 | 移动机器人的标定方法、系统及装置 |
US11454525B2 (en) * | 2018-10-19 | 2022-09-27 | Robert Bosch Gmbh | Vehicle sensor field calibration utilizing other vehicles |
CN111310943B (zh) * | 2020-02-11 | 2023-11-24 | 深圳市道通科技股份有限公司 | 一种adas系统标定引导方法、装置及汽车诊断设备 |
CN111836235B (zh) * | 2020-07-14 | 2023-02-28 | 北京阿帕科蓝科技有限公司 | 一种共享电单车时间校准方法及车辆时间校准系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150038622A (ko) * | 2007-08-29 | 2015-04-08 | 콘티넨탈 테베스 아게 운트 코. 오하게 | 특성 포인트에 의한 차량 위치의 보정 |
US8301374B2 (en) * | 2009-08-25 | 2012-10-30 | Southwest Research Institute | Position estimation for ground vehicle navigation based on landmark identification/yaw rate and perception of landmarks |
JP5444139B2 (ja) * | 2010-06-29 | 2014-03-19 | クラリオン株式会社 | 画像のキャリブレーション方法および装置 |
JP5923422B2 (ja) * | 2012-09-24 | 2016-05-24 | クラリオン株式会社 | カメラのキャリブレーション方法及び装置 |
JP6009894B2 (ja) * | 2012-10-02 | 2016-10-19 | 株式会社デンソー | キャリブレーション方法、及びキャリブレーション装置 |
JP6034775B2 (ja) * | 2013-11-29 | 2016-11-30 | クラリオン株式会社 | カメラ校正装置 |
CN103969469A (zh) * | 2014-05-09 | 2014-08-06 | 深圳市美赛达科技股份有限公司 | 一种应用于车辆监测终端的标定系统及方法 |
CN105302135B (zh) * | 2015-09-18 | 2017-10-20 | 天津鑫隆机场设备有限公司 | 基于双目视觉的助航灯光光强检测车导航与定位系统 |
CN106740872A (zh) * | 2017-01-13 | 2017-05-31 | 驭势科技(北京)有限公司 | 智能汽车传感器自检系统和方法、辅助系统和智能汽车 |
-
2017
- 2017-08-04 CN CN201710660152.8A patent/CN107621278B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107621278A (zh) | 2018-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107621278B (zh) | 自主校准方法及装置 | |
CN107450539B (zh) | 自动调校方法及装置 | |
US12005895B2 (en) | Lateral control of a vehicle by means of environment data detected from other vehicles | |
CN111448472B (zh) | 用于识别机动车的至少一个环境传感器的功能故障的方法和控制装置 | |
EP3640622B1 (en) | Method and apparatus for determining coping capability boundary information of an unmanned vehicle and computer program therefore | |
KR20200118882A (ko) | 자율 주행 안전성 평가 방법, 디바이스, 및 시스템 | |
US20170174215A1 (en) | Vehicle mode determination | |
JP2020038634A (ja) | 地図生成システム、車載装置 | |
CN107544330B (zh) | 自主调校的调度方法及装置 | |
US11531349B2 (en) | Corner case detection and collection for a path planning system | |
CN114241266B (zh) | 一种光缆智能预警的处理方法及系统 | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
CN113686595A (zh) | 车辆耐久测试方法、装置、云控平台及系统 | |
CN116534059B (zh) | 自适应感知路径决策方法、装置、计算机设备及存储介质 | |
CN112304356A (zh) | 用于检查环境传感器的校准的方法和装置 | |
CN107092253B (zh) | 用于控制无人车的方法、装置及服务器 | |
CN112309155B (zh) | 自动驾驶辅助方法及自动驾驶数据处理设备、v2x车载设备 | |
US20200172135A1 (en) | Sensor-controlled adjustment of odometric measurement parameters to weather conditions | |
CN117268425B (zh) | 车辆的精准导航方法、系统、介质、计算设备及车辆 | |
CN110341716B (zh) | 车速计算方法、装置、自动驾驶系统及存储介质 | |
CN117268424B (zh) | 一种多传感器融合的自动驾驶寻线方法及装置 | |
DE102021124240B4 (de) | Verfahren und Vorrichtung zum Ermitteln von Positions- und Orientierungs-Koordinaten von an einem Fahrzeug fest angeordneten Sensoren | |
CN116620323A (zh) | 车辆跑偏检测方法、装置、设备、介质及自动驾驶车辆 | |
CN115848399A (zh) | 一种车辆行驶道路状况的处理方法、装置、介质及车辆 | |
Faghi | Map Based Sensor Fusion for Lane Boundary Estimation on ADAS |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |