CN108931775B - 超声波的测量方法和装置 - Google Patents

Abstract

本发明提出一种超声波的测量方法和装置，其中，方法包括：对被测对象以不同相对距离进行多次测量得到测量值；根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角；针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；根据各次测量的概率分布函数，计算得到被测对象的形状。由此，通过超声波的测量模型测量被测对象，可以识别被测对象的形状，还可以识别透明的被测对象，丰富了测量结果，扩展了测量方式，使得测量结果与实际场景相一致，解决了现有技术中，无法测量透明被测对象的技术问题。

Description

超声波的测量方法和装置

技术领域

本发明涉及超声波技术领域，尤其涉及一种超声波的测量方法和装置。

背景技术

障碍物测量作为一种对未知环境下的场景信息的获知方式，被广泛应用于机器人、医疗等领域。

相关技术中，对障碍物的测量通常采用激光雷达测量方法，以激光为工作光束的雷达称为激光雷达，它由激光发射机、光学接收机、转台和信息处理系统等组成，激光器将电脉冲变成光脉冲发射出去，光接收机再把从目标反射回来的光脉冲还原成电脉冲，送到显示器，进而将接收到的光脉冲对应的电脉冲，以及发射出去的光脉冲对应的电脉冲进行比对处理，能精确测量目标位置(距离和角度)、运动状态(速度、振动和姿态)等。

然而，由于激光雷达以激光雷达为工作光束，该光束可以穿越透明的障碍物(比如玻璃)，从而无法测量出透明障碍物的相关信息，导致障碍物测量场景受限，使得障碍物测量的结果与实际情况不符。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于超声波的测量方法，以通过超声波的测量模型测量被测对象，可以识别被测对象的形状，还可以识别透明的被测对象，丰富了测量结果，使得测量结果与实际场景相一致，解决了现有技术中，无法测量透明被测对象的技术问题。

本发明的第二个目的在于提出一种基于超声波的测量装置。

本发明的第三个目的在于提出另一种装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出的一种基于超声波的测量方法，包括：对被测对象以不同相对距离进行多次测量得到测量值；根据多次测量采用的所述相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角；针对每一次测量，根据采用的所述相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；所述概率分布函数用于指示所述被测对象分布位置的概率；根据各次测量的概率分布函数，计算得到所述被测对象的形状。

本发明实施例的基于超声波的测量方法，对被测对象以不同相对距离进行多次测量得到测量值，根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角，针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数，进而，根据各次测量的概率分布函数，计算得到被测对象的形状。由此，通过超声波的测量模型测量被测对象，可以识别被测对象的形状，还可以识别透明的被测对象，丰富了测量结果，使得测量结果与实际场景相一致，解决了现有技术中，无法测量透明被测对象的技术问题。

可选地，所述根据采用的所述相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数，包括：针对每一次测量，将本次测量采用的相对距离作为k₁，本次测量得到的测量值作为k₂，本次测量的方差作为k₃，本次测量的发散角作为k₄代入公式p(Π；k₁，k₂，k₃,k₄)，以得到本次测量的概率分布函数；其中，Π为预设分布空间。

可选地，所述概率分布函数为连续函数，所述根据各次测量的概率分布函数，计算得到所述被测对象的形状，包括：对各次测量的概率分布函数进行叠加，得到综合概率分布函数；根据预设分布空间所划分的网格单元，对所述综合概率分布函数进行离散化处理，以确定每一个网格单元对应的概率分布函数取值；根据每一个网格单元对应的概率分布函数取值，从所述预设分布空间所划分的网格单元中，确定处于所述被测对象分布位置上的目标网格单元；根据所述目标网格单元重构得到所述被测对象的形状。

可选地，所述根据每一个网格单元对应的概率分布函数取值，从所述预设分布空间所划分的网格单元中，确定处于所述被测对象分布位置上的目标网格单元，包括：在所述预设分布空间所划分的网格单元中，判断每一个网格单元对应的概率分布函数取值是否高于概率阈值；将概率分布函数取值高于所述概率阈值的网格单元，作为所述目标网络单元。

可选地，所述对被测对象以不同相对距离进行多次测量得到测量值之前，还包括：对建模对象进行测量，以建立所述测量模型；所述测量模型用于指示相对距离、测量值、方差和发散角之间对应关系。

可选地，所述对建模对象进行测量，以建立所述测量模型，包括：相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，以得到所述相对距离对应的多个测量值，以及所述多个测量值的方差；根据处于所述相对距离时，已测得测量值的发射倾角，确定出所述相对距离对应的发散角；根据对应同一相对距离的多个测量值、所述多个测量值的方差，以及所述相对距离对应的发散角，建立所述测量模型。

可选地，所述根据处于所述相对距离时，已测得测量值的发射倾角，确定出所述相对距离对应的发散角，包括：根据所述已测得测量值的发射倾角的角度范围，确定出所述相对距离对应的发散角。

可选地，所述相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，以得到所述相对距离对应的多个测量值，以及所述多个测量值的方差，包括：相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，得到多个发射倾角对应的测量值；求得所述多个发射倾角对应的测量值的平均值，以根据所述平均值，计算所述相对距离对应的所述多个测量值的方差。

可选地，所述建模对象为多个，多个建模对象之间具有不同形状；所述对建模对象进行测量，以建立所述测量模型，包括：针对每一个建模对象，分别建立对应的用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型。

为达上述目的，本发明第二方面实施例提出的一种基于超声波的测量装置，包括：第一获取模块，用于对被测对象以不同相对距离进行多次测量得到测量值；第二获取模块，用于根据多次测量采用的所述相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角；生成模块，用于针对每一次测量，根据采用的所述相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；所述概率分布函数用于指示所述被测对象分布位置的概率；计算模块，用于根据各次测量的概率分布函数，计算得到所述被测对象的形状。

本发明实施例的基于超声波的测量装置，对被测对象以不同相对距离进行多次测量得到测量值，根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角，针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数，进而，根据各次测量的概率分布函数，计算得到被测对象的形状。由此，通过超声波的测量模型测量被测对象，可以识别被测对象的形状，还可以识别透明的被测对象，丰富了测量结果，使得测量结果与实际场景相一致，解决了现有技术中，无法测量透明被测对象的技术问题。

为达上述目的，本发明第三方面实施例提出的计算机设备，，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面实施例所述的基于超声波的测量方法。

为达上述目的，本发明第四方面实施例提出的一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的基于超声波的测量方法。

为达上述目的，本发明第五方面实施例提出的一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如第一方面实施例所述的基于超声波的测量方法。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是超声波的传播示意图；

图2是超声波的测量模型的应用场景示意图；

图3是根据本发明第一个实施例的基于超声波的测量方法的流程图；

图4是根据本发明第一个实施例的不同的相对距离与测量角度极限范围的对应关系示意图；

图5是根据本发明第一个实施例的发散角计算三角关系示意图；

图6是根据本发明第一个实施例的复杂形状的障碍物拆分为多个基本形状的示意图；

图7是根据本发明第二个实施例的基于超声波的测量方法的流程图；

图8是根据本发明第二个实施例的超声波单次测量场景的剖面示意图；

以及

图9是根据本发明一个实施例的基于超声波的测量装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的基于超声波的测量方法和装置。

基于以上分析可知，使用激光雷达测量障碍物的使用场景有限，当测量场景中存在透明障碍物时，激光雷达无法获知该障碍物，由此，障碍物的检测结果与实际场景信息不符。为了解决该技术问题，本发明尝试其他测量方式。

相关技术中，如图1所示，超声波从传感器发出后，以球面波的形式，遵从惠更斯-菲涅耳原理向前传播，当遇到与其波长相近的狭缝时发生衍射，当碰到障碍物时发生反射，根据接收到反射的超声波与对应发射的超声波之间的时间差和波长，可以计算出障碍物的距离，继续参照图1，超声波测距传感器发出的超声波的范围是一个圆锥型，越靠近圆锥的边界声波强度越小，越靠近圆锥的中心线声波强度越大。由此，基于超声波的这种测量原理，即使障碍物是透明的，但是该障碍物由于是实体因而仍能反射超声波，从而，超声波可以实现对透明障碍物的测量。

然而，相关技术中对超声波的使用十分简单，仅仅使用超声波进行应急停止场景，应用十分有限，本发明实施例中，提出了一种基于超声波进行测量的方法，将超声波应用于环境检测中，该方法通过超声波测量未知的环境，使得测量结果与实际环境中的情况相一致，解决了现有技术中，无法测量出透明障碍物的技术问题。

为了清楚的描述本发明实施例的超声波的测量方法，下面分别集中在超声波测量模型的建立以及该模型在实际测量应用两方面进行描述。

第一方面，主要描述如何根据测试数据建立超声波的测量模型。

其中，超声波的测量模型的建立目的，是可以实现在已知某个具体的场景时，预测出被测对象的位置相关信息，如图2所示，模型的输入是一个具体的测量场景，模型的输出是预测的被测对象的位置相关信息。

具体而言，图3是根据本发明一个实施例的基于超声波的测量方法的流程图，如图3所示，该方法包括：

S101，相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对建模对象进行测量，以得到相对距离对应的多个测量值，以及多个测量值的方差。

其中，相对距离是超声波传感器和建模对象的距离，在测试过程中，可采用相关距离传感器确定所需要的相对距离。由于一般情况下，这里通过相关距离传感器确定出的相对距离，具体为超声波传感器和建模对象之间的最小直线距离，从而在建模过程中，可以人为的设置超声波传感器的具体位置，从而使得超声波传感器距离建模对象的最小直线距离符合所需的相对距离。

应当理解的是，为了保证超声波传感器的测量模型的可靠性，需要在测试的时候涵盖到实际应用中各种场景，以便于输入待测试的场景即可获取对应的位置相关信息，因而，在建立超声波的测量模型时，以尽可能多的以不同的发射倾角和不同的相对距离，对建模对象进行测量。

也就是说，应当保证测试信息维度的丰富性，以便于在实际测量过程中，保证根据当前的已测得的场景查询测量模型，获取到与之匹配的被测对象位置相关信息的可靠性。

具体而言，在建立超声波的测量模型时，基于发射倾角和相对距离两个维度进行测试，相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对建模对象进行测量，以得到相对距离对应的多个测量值(可以为发出超声波的时刻，和接收到该超声波反射回的时刻之间的时间差，根据该时间差的一半再乘以波速，计算出的数值可以得出测量值)，以及多个测量值的方差。

其中，方差是通过反复测量同一个相对距离的建模对象得到多个测量值，然后计算这一组测量值的方差得到的，在本发明的一个实施例中，相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对建模对象进行测量，得到多个发射倾角对应的测量值，求得多个发射倾角对应的测量值的平均值，以根据平均值，计算相对距离对应的多个测量值的方差，该方差体现了测量值的集中程度，表现测量值与平均测量值之间的偏离程度，具体可以进行后期测量过程中的误差分析。

其中，由于发射倾角和相对距离的测试数据越多，得到的测量模型越精确，因而，优选地，可以在超声波的有效范围内，尽量减小相对距离和发射倾角的测量步长，从而使得测试的粒度更精细。

举例而言，考虑到超声波传感器的最小量程是20厘米，故将建模对象静置在超声波传感器的20厘米处开始测试，首先，正对着建模对象测量，记录测量值(测量值在传感器内部已根据音速计算为距离值)，进而，水平方向倾斜1°测量，记录测量值，之后，水平方向倾斜-1°测量，记录测量值，进而，水平方向倾斜2°测量，记录测量值，之后，水平方向倾斜-2°测量，记录测量值，以此类推直到双侧都无法测量出数据、即超出超声波的有效范围为止。

上述过程称为“一轮”，每一轮得到可测量范围的左极限和右极限。以距离障碍物20厘米测量一轮、30cm测量一轮、40厘米测量一轮，以此类推直到超过最远量程。

需要说明的是，较为特殊的，在将凹墙角作为建模对象的情况下，当偏转角较大时，会测到凹墙角的其中一面墙的垂直距离，所以当测量值在发生明显跳变的时候就需要停止本轮测量。

由此，上述测试过程分别从距离障碍物的相对距离、测量时的发射倾角两个维度进行了测量。

S102，根据处于相对距离时，已测得测量值的发射倾角，确定出相对距离对应的发散角。

具体地，由于超声波的工作原理可知，超声波的有效范围是一个圆锥形，且越是远离超声波传感器，超声波的能量越小，因而，如图4所示，其在不同的相对距离具有不同的发射倾角极限范围，根据处于相对距离时已测的发射倾角，确定出每个相对距离对应的发散角，该发散角等于该相对距离下，能够测量出测量值的发射倾角的极限范围。

需要说明的是，根据具体应用场景的不同，可采用不同的方式，确定出不同相对距离对应的发散角，举例说明如下：

第一种示例，在上述步骤中，已经测试出在每一个相对距离下的测量的左右极限，针对每一个相对距离，采用不同的发射倾角进行测量，直至测量不到数据，此时，刚好测量不到数据的发射倾角即为该相对距离下该方向的极限发射倾角，该相对距离下两个方向的极限发射倾角即为该相对距离的发散角的大小。比如，在相对距离为40厘米处，测量的发射倾角极限范围为-30度到30度，则40厘米相对距离对应的发散角范围为-30度到30度。

第二种示例，由于超声波的有效范围是一个圆锥形，因此，可以识别超声波的能量分布，根据能量分布绘制出超声波的有效范围的边界线所在位置，进而，根据相对距离和边界线的几何关系，计算获得相对距离对应的发散角。

举例而言，如图5所示，根据超声波的能量绘制出超声波的有效范围后，针对相对距离L1,获知该相对距离下，对应的超声波的有效范围的圆锥的上边界，或，下边界的长度，继续参照图5，如果获知上边界的长度为L2，则根据L1和L2在三角形ABC中的三角关系计算出夹角θ，从而将-θ到θ作为该相对距离L1的发散角。

S103，根据在多个相对距离条件下每一个相对距离对应的多个测量值、多个测量值的方差，以及相对距离对应的发散角，建立用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型。

其中，在不同的应用场景下，测量模型的表现形式不同，比如可以为表格、树状图等，在此不一一列举。

具体地，获取到在多个相对距离条件下每一个相对距离对应的多个测量值、多个测量值的方差，以及相对距离对应的发散角后，建立出用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型，从而，该测量模型中包含相对距离和测量值以及发射倾角的对应关系。

S104，当对被测对象以不同相对距离进行多次测量得到测量值时，查询测量模型中对应的方差和发散角，以生成各次测量的概率分布函数；概率分布函数用于指示被测对象分布位置的概率。

具体地，测量模型中存储逻辑大概如下表1所示，当被测对象以不同相对距离进行多次测量得到测量值时，根据测量值查询表1，可以得到对应的方差和发散角，比如，根据测量值计算出的相对距离为相对距离1，则查询表1，可获知对应的发散角为-30度到+30度，对应的方差是S1。

具体而言，在本示例中，通过指示被测对象分布位置的概率的概率分布函数，预测出每个相对距离条件下被测对象的分布位置，其中，根据相对距离、方差、发散角确定出概率分布函数。

表1

S105，根据各次测量的概率分布函数，计算得到被测对象的形状。

具体地，上述每一个概率分布函数都是在当前相对距离下对被测对象位置的预测概率函数，在本实施例中，根据各次测量的概率分布函数，综合考量各个相对距离下被测对象的位置分布概率，不断对测量结果进行修正，得到被测对象的整个面的各个点的可能位置，从而根据测对象的整个面的各个点的可能位置，可计算得到被测对象的形状。

需要强调的是，上述步骤S104和S105均是应用于已经建立的测量模型进行测量的应用步骤，该步骤大致说明了如何根据测量模型获取被测对象形状的过程，对该过程的具体说明将参照以下第二场景中的描述，在此不再赘述。

由此，本发明实施例的超声波的测量方法中，不仅仅可以对被测对象测距，还可以获知被测对象的形状，获取了更加丰富的测量信息，对障碍物的识别具有重要意义，比如，将该方法应用在机器人中，机器人不仅可以识别出前方障碍物，还可以获知障碍物的形状，从而可以识别出该障碍物形状已进行相应处理，比如识别出前方障碍物时玻璃，机器人可以根据识别出的玻璃进行玻璃清扫，或者绕开该障碍物等。

另外，基于超声波进行测量的原理，即使障碍物是透明物体，仍能接收到该物体反射的超声波，因此，超声波进行测量还可以识别出透明障碍物，现代生活中，环境中的透明障碍物越来越多，比如玻璃门、茶杯、茶几等，因此对透明障碍物的识别具有较强的实用性。

综上所述，本发明实施例的基于超声波的测量方法，相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对建模对象进行测量，以得到相对距离对应的多个测量值，以及多个测量值的方差，根据处于相对距离时，已测得测量值的发射倾角，确定出相对距离对应的发散角，根据在多个相对距离条件下每一个相对距离对应的多个测量值、多个测量值的方差，以及相对距离对应的发散角，建立用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型，当对被测对象以不同相对距离进行多次测量得到测量值时，查询测量模型中对应的方差和发散角，以生成各次测量的概率分布函数，根据各次测量的概率分布函数，计算得到被测对象的形状。由此，基于大量测试建立超声波的测量模型，基于该测量模型获取被测环境中障碍物对应的形状，丰富了测量障碍物的方式，获取更加丰富的测量信息，且通过超声波测量被测物体，可以实现对透明障碍物的测量，提高了测量结果与被测环境实际情况的一致性。

需要说明的是，前述步骤中，进行建模时，并未考虑建模对象的形状，具体而言，为了提高测试精度，作为一种可能的实现方式，可以在建立超声波的测量模型的过程中，针对不同的建模对象进行分别测试。

具体来说，在建立超声波的测量模型时，可基于建模对象的形状进行测试。即建模对象为多个，多个建模对象的形状不同，从而，针对每一个建模对象，分别建立对应的用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型。

该建模对象用于模拟实际场景中各类形状的障碍物，然而，由于实际障碍物的形状多种多样，因而，在测试以建立测量模型的过程中，实际上是无法穷尽各类障碍物的形状的。

但是，各类障碍物其实均可以由一些基本的形状组合而成，比如，如图6所示，障碍物1的形状比较复杂，但是其可以由多个基本形状组合而成，因此，在本发明的一个实施例中，抽取一些的不同的基本形状的建模对象，对这些不同形状的建模对象进行测量获知测量数据，其中，更为复杂的形状可以根据基本形状的组合得到。

举例而言，在机器人的实际运行环境中，障碍物最典型的情况是：平整的墙面(墙的大小应明显超过超声波的测量范围，例如3米高，3米长)、凹墙角(墙角的两个墙面应至少3米高，3米长)、凸墙角(墙角的两个墙面应至少3米高，3米长)、圆柱(取1到2米直径的圆柱均可)，因而，在该场景下，可以将上述平整的墙面、凹墙角、凸墙角和圆柱作为建模对象。

从而，在本实施例中，在实际测量过程中，将被测对象的形状与模型中存储的建模对象的形状进行匹配，可以直接根据匹配成功的建模对象进行测量值的获取，精准度和效率更高。

第二方面，主要描述如何根据测量模型得到被测物体的形状。

具体而言，图7是根据本发明第二个实施例的基于超声波的测量方法的流程图，如图7所示，该方法包括：

S201，对被测对象以不同相对距离进行多次测量得到测量值。

S202，根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角。

可以理解，预先建立测量模型，该测量模型用于指示相对距离、测量值、方差和发散角之间对应关系，具体而言，相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，以得到相对距离对应的多个测量值，以及多个测量值的方差，根据处于相对距离时，已测得测量值的发射倾角，确定出相对距离对应的发散角，比如，根据已测得测量值的发射倾角的角度范围，确定出相对距离对应的发散角，根据对应同一相对距离的多个测量值、多个测量值的方差，以及相对距离对应的发散角，建立测量模型。

其中，在建立测量模型时，根据应用场景的不同，可采用不同的方式得到相对距离对应的多个测量值，以及多个测量值的方差，作为一种可能的实现方式，相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对建模对象进行测量，得到多个发射倾角对应的测量值，求得多个发射倾角对应的测量值的平均值，以根据平均值，计算相对距离对应的多个测量值的方差。

当然，在实际执行过程中，除了根据相对距离和发射倾角建立测量模型外，为了提高测量模型的精度，还可以结合其他维度的信息进行测试，作为一种可能的实现方式，使用多个不同形状的建模对象进行建模，针对每一个建模对象，分别建立对应的用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型。

需要强调的是，对测量模型的详细建立过程，可以参照第一方面中相关实施例的描述，在此不再赘述。

具体地，由于预先建立的测量模型中，存储有相对距离、测量值、方差和发散角之间对应关系，因此，可以根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角。

S203，针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；概率分布函数用于指示被测对象分布位置的概率。

可以理解，由于超声波传感器的测量范围在一个圆锥内部，故测量出的待测对象必然在该圆锥内部，根据测量值可以得到障碍物距离传感器的距离，据此障碍物分布在距离传感器固定距离的位置，即为一个球面上。因此，可以确定，单次测量的障碍物的概率分布围绕着以超声波传感器为球心的球面，同时，该分布被限制在以发散角为圆锥角的圆锥内，于是该分布如图8所示，是围绕着一个“球冠面”的，分布是以球冠面为中心，测量方差为“厚度”的香蕉形区域。

其中，该分布依赖四个参数：参数1为超声波传感器在测量时的相对位置；参数2为超声波传感器的测量值，该测量值决定球冠面的球半径；参数3为超声波传感器的发散角，决定圆锥的圆锥角；参数4为测量的方差，决定分布的“厚度”。其中，参数1是外部场景，参数2是测量值，参数3、参数4是超声波测量模型的参数。

作为一种可能的实现方式，本发明实施例中的概率分布函数具体形式如下；

在圆锥外部概率为0，具有一定厚度的球冠内符合高斯型分布，其中，圆锥根据发散角和相对位置确定：发散角对应圆锥的圆锥角，相对距离对应圆锥的半径；球冠，根据方差、发散角和测量值确定：方差对应球冠厚度，发散角对应球冠的圆锥角，测量值对应球冠所在球面的半径，根据概率分布函数指示被测对象的可能位置。

需要说明的是，根据具体应用场景的不同，可采用不同的方式，生成各次测量的概率分布函数。

比如，预先根据相对距离、测量值、方差和发散角和概率分布的关系构造公式，以根据该公式获取对应的概率分布函数。

在本示例中，对被测对象以不同相对距离进行多次测量，以得到多个测量值。针对每一次测量，根据本次测量采用的相对距离，以及本次测量得到的测量值，查询测量模型，以得到本次测量的方差和发散角，进而，将测量值、方差和发散角等代入对应公式进行计算，以获取对应的概率分布函数。例如，将本次测量采用的相对距离作为k₁，本次测量得到的测量值作为k₂，本次测量的方差作为k₃，本次测量的发散角作为k₄代入公式p(Π；k₁，k₂，k₃,k₄)，以得到本次测量的概率分布函数；其中，Π为预设分布空间。

S204，根据各次测量的概率分布函数，计算得到被测对象的形状。

具体地，一个概率分布函数仅仅代表在一个相对距离下预测的被测对象的位置分布概率，受到该相对距离的发散角的限制等，一次测量的概率分布函数具有较大的误差和不全面性，因此，需要结合各次测量的概率分布函数综合考量，确定出被测对象的形状，即可以叠加如图8所示的香蕉区域，重构出被测对象的形状。

需要说明的是，根据具体应用场景的不同，可采用不同的方式根据各次测量的概率分布函数，计算得到被测对象的形状。举例说明如下：

第一种示例，预先存储不同的形状和对应的概率分布函数的对应关系，进而，在获取当前被测对象的概率分布函数后，查询该对应关系，获取对应的形状，或者，当没有完全匹配的形状时，可以根据当前被测对象的概率分布函数与预先存储的概率分布函数的相似度，获取相似度最大的概率分布函数对应的形状作为当前被测对象的形状。

第二种示例，由于每一个概率分布函数都指示了在对应相对距离下，被测对象在对应分布空间中各个位置分布的概率，对各次测量的概率分布函数综合分析，可以较为准确的计算得到被测对象的形状。

在本示例中，概率分布函数为连续函数，对各次测量的概率分布函数进行叠加，得到综合概率分布函数，为了减小运算量，提高运算效率，根据预设分布空间所划分的网格单元，对综合概率分布函数进行离散化处理，以确定每一个网格单元对应的概率分布函数取值，根据每一个网格单元对应的概率分布函数取值，从预设分布空间所划分的网格单元中，确定处于被测对象分布位置上的目标网格单元，根据目标网格单元重构得到被测对象的形状。

作为一种可能的实现方式，上述各次概率分布函数的叠加可以是相同的变量对应系数的直接求和叠加，比如P1中X的系数为2，P2中x的系数为3，叠加后的概率分布函数P＝P1+P2，P中x的系数为5。

作为另一种可能的实现方式，上述各次概率分布函数的叠加可以是相同的变量对应系数的加权求和叠加。这里的权重指示了概率分布函数的误差。

应当理解的是，测量模型实际上并不能针对每个被测对象的每个相对距离都有对应的测量值，这是由于在实际操作过程中，由于计算量巨大，测量模型建立过程中不能实现对每种建模对象的每一个相对距离进行测试，因而，在实际应用中，可能会在测量模型中查询不到与当前相对距离匹配的发散角和方差时，获取与当前相对距离最近的相对距离对应的发散角和方差。

举例而言，测量模型包含了处于50厘米和53厘米的相对距离对应的发散角和方差，则此时如果被测对象的相对距离是52厘米，则在测量模型中不能获取到完全匹配的发散角和方差，可能会将处于50厘米或53厘米的相对距离对应的发散角和方差作为本次的发散角和方差，因而，在这种场景下确定的概率分布函数可能有误差。

也就是说，实际上，在不同的相对距离进行不同次测量得到的概率分布函数，与测量模型的匹配程度是不同的，因此，可以根据匹配程度设置权重值，彼此越匹配则权重值越大，从而可信度越高，越不匹配则权重值则越小，从而可信度越低。相应地，在对各次测量的概率分布函数进行叠加时，可以将每一个概率分布函数与对应的权重进行乘积后，对乘积后的各次测量的概率分布函数进行叠加。

需要强调的是，在本示例中，网格单元的划分大小可以根据系统的运算能力进行标定，比如可以为一立方厘米，网格单元的划分单位越小，得到的被测对象的形状越精确，另外，作为一种可能的实现方式，可以取每个网格单元中心位置的概率分布函数取值，作为该网格单元的概率分布函数取值，当然，也可以采用其他方式确定网格单元的概率分布函数取值，比如取该网格单元中所有的概率分布函数取值的平均值，作为该网格单元的概率分布函数取值等，在此不一一列举。

在本示例中，为了进一步保证重构得到的被测对象的形状的精确性，以及减小运算量，可采用不同的方式确定处于被测对象分布位置上的目标网格单元：

作为一种可能的实现方式，预先根据大量实验数据设置概率阈值，当概率分布函数取值小于概率阈值，则很有可能分布区间对应位置并不存在被测对象，因此，在预设分布空间所划分的网格单元中，判断每一个网格单元对应的概率分布函数取值是否高于概率阈值，仅仅将概率分布函数取值高于概率阈值的网格单元，作为目标网格单元，将不高于概率阈值的网格单元筛选掉，减轻了运算量，且提高了测量结果的精确度。

综上所述，本发明实施例的基于超声波的测量方法，对被测对象以不同相对距离进行多次测量得到测量值，根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角，针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数，进而，根据各次测量的概率分布函数，计算得到被测对象的形状。由此，通过超声波的测量模型测量被测物体，可以识别被测物体的形状，还可以识别透明的被测对象，丰富了测量结果，使得测量结果与实际场景相一致，解决了现有技术中，无法测量透明被测对象的技术问题。

为了实现上述实施例，本发明还提出了一种基于超声波的测量装置，图9是根据本发明一个实施例的基于超声波的测量装置的结构示意图，如图9所示，该装置包括：第一获取模块100、第二获取模块200、生成模块300和计算模块400。

其中，第一获取模块100对被测对象以不同相对距离进行多次测量得到测量值，,第二获取模块200，根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角。

进而，生成模块300针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；概率分布函数用于指示被测对象分布位置的概率，以便于计算模块400根据各次测量的概率分布函数，计算得到被测对象的形状。

需要说明的是，前述对基于超声波的测量方法的解释说明，也适用于本发明实施例的基于超声波的测量装置，其实现原理类似，在此不再赘述。

综上所述，本发明实施例的基于超声波的测量装置，对被测对象以不同相对距离进行多次测量得到测量值，根据多次测量采用的相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角，针对每一次测量，根据采用的相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数，进而，根据各次测量的概率分布函数，计算得到被测对象的形状。由此，通过超声波的测量模型测量被测对象，可以识别被测对象的形状，还可以识别透明的被测对象，丰富了测量结果，使得测量结果与实际场景相一致，解决了现有技术中，无法测量透明被测对象的技术问题。

为了实现上述实施例，本发明还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述实施例描述的基于超声波的测量方法。

为了实现上述实施例，本发明还提出了一种非临时性计算机可读存储介质，该程序被处理器执行时实现如上述实施例描述的基于超声波的测量方法。

为了实现上述实施例，本发明还提出了一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行如上述实施例描述的基于超声波的测量方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种基于超声波的测量方法，其特征在于，包括以下步骤：

对被测对象以不同相对距离进行多次测量得到测量值；

根据多次测量采用的所述相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角，所述测量模型用于指示相对距离、测量值、方差和发散角之间对应关系；

针对每一次测量，根据采用的所述相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；所述概率分布函数用于指示所述被测对象分布位置的概率；

根据各次测量的概率分布函数，计算得到所述被测对象的形状。

2.根据权利要求1所述的基于超声波的测量方法，其特征在于，所述根据采用的所述相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数，包括：

针对每一次测量，将本次测量采用的相对距离作为k₁，本次测量得到的测量值作为k₂，本次测量的方差作为k₃，本次测量的发散角作为k₄代入公式p(Π；k₁，k₂，k₃,k₄)，以得到本次测量的概率分布函数；其中，Π为预设分布空间。

3.根据权利要求1所述的基于超声波的测量方法，其特征在于，所述概率分布函数为连续函数，所述根据各次测量的概率分布函数，计算得到所述被测对象的形状，包括：

对各次测量的概率分布函数进行叠加，得到综合概率分布函数；

根据预设分布空间所划分的网格单元，对所述综合概率分布函数进行离散化处理，以确定每一个网格单元对应的概率分布函数取值；

根据每一个网格单元对应的概率分布函数取值，从所述预设分布空间所划分的网格单元中，确定处于所述被测对象分布位置上的目标网格单元；

根据所述目标网格单元重构得到所述被测对象的形状。

4.根据权利要求3所述的基于超声波的测量方法，其特征在于，所述根据每一个网格单元对应的概率分布函数取值，从所述预设分布空间所划分的网格单元中，确定处于所述被测对象分布位置上的目标网格单元，包括：

在所述预设分布空间所划分的网格单元中，判断每一个网格单元对应的概率分布函数取值是否高于概率阈值；

将概率分布函数取值高于所述概率阈值的网格单元，作为所述目标网络单元。

5.根据权利要求1-4任一项所述的基于超声波的测量方法，其特征在于，所述对被测对象以不同相对距离进行多次测量得到测量值之前，还包括：

对建模对象进行测量，以建立所述测量模型；所述测量模型用于指示相对距离、测量值、方差和发散角之间对应关系。

6.根据权利要求5所述的基于超声波的测量方法，其特征在于，所述对建模对象进行测量，以建立所述测量模型，包括：

相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，以得到所述相对距离对应的多个测量值，以及所述多个测量值的方差；

根据处于所述相对距离时，已测得测量值的发射倾角，确定出所述相对距离对应的发散角；

根据对应同一相对距离的多个测量值、所述多个测量值的方差，以及所述相对距离对应的发散角，建立所述测量模型。

7.根据权利要求6所述的基于超声波的测量方法，其特征在于，所述根据处于所述相对距离时，已测得测量值的发射倾角，确定出所述相对距离对应的发散角，包括：

根据所述已测得测量值的发射倾角的角度范围，确定出所述相对距离对应的发散角。

8.根据权利要求6所述的基于超声波的测量方法，其特征在于，所述相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，以得到所述相对距离对应的多个测量值，以及所述多个测量值的方差，包括：

相对建模对象处于所需相对距离时，以多个发射倾角发出超声波对所述建模对象进行测量，得到多个发射倾角对应的测量值；

求得所述多个发射倾角对应的测量值的平均值，以根据所述平均值，计算所述相对距离对应的所述多个测量值的方差。

9.根据权利要求5所述的基于超声波的测量方法，其特征在于，所述建模对象为多个，多个建模对象之间具有不同形状；

所述对建模对象进行测量，以建立所述测量模型，包括：

针对每一个建模对象，分别建立对应的用于指示相对距离、测量值、方差和发散角之间对应关系的测量模型。

10.一种基于超声波的测量装置，其特征在于，包括：

第一获取模块，用于对被测对象以不同相对距离进行多次测量得到测量值；

第二获取模块，用于根据多次测量采用的所述相对距离和得到的测量值，查询预先建立的测量模型，得到每一次测量对应的方差和发散角，所述测量模型用于指示相对距离、测量值、方差和发散角之间对应关系；

生成模块，用于针对每一次测量，根据采用的所述相对距离和得到的测量值，以及对应的方差和发散角，生成各次测量的概率分布函数；所述概率分布函数用于指示所述被测对象分布位置的概率；

计算模块，用于根据各次测量的概率分布函数，计算得到所述被测对象的形状。

11.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-9中任一所述的基于超声波的测量方法。

12.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的基于超声波的测量方法。

Images