CN109683175B - 激光雷达配置方法、装置、设备和存储介质 - Google Patents
激光雷达配置方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109683175B CN109683175B CN201811579675.0A CN201811579675A CN109683175B CN 109683175 B CN109683175 B CN 109683175B CN 201811579675 A CN201811579675 A CN 201811579675A CN 109683175 B CN109683175 B CN 109683175B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- laser radar
- vehicle
- simulation test
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
Abstract
本发明涉及一种激光雷达配置方法、装置、设备和存储介质,终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据;并对多个点云数据进行排列组合,获取多个点云数据组;进而对多个点云数据组进行分析,获得目标点云数据组;最后根据目标点云数据组,获得激光雷达的配置信息。本申请中,终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个点云数据,并对其进行排列组合、分析,获取目标点云数据组,最后根据目标点云数据组,自动获得激光雷达的配置信息,使得终端可以自动获取激光雷达的配置信息,避免了通过改变实际传感器来获得激光雷达的配置信息,提高了配置激光雷达的效率。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及了一种激光雷达配置方法、装置、设备和存储介质。
背景技术
随着社会生产力的发展,常常采用车载传感器来获取车辆周围的位置信息,进而根据传感器检测到的信息,对车辆自动行驶进行规划、决策或者控制。
通常,车载传感器会使用多个传感器来获取车辆周围环境信息。通过多个传感器通过扫描周围环境,来获得周围环境信息,进而根据周围环境信息,对车辆自动行驶进行规划、决策或者控制。人们常常采用调整传感器的安放位置和旋转角度来获取传感器的最佳放置位置和旋转角度,已获得更加准确的周围环境信息。
然而采用上述方法调整传感器的安放位置和旋转角度,在调整的过程中,需要人为改变传感器在车辆上的实际安放位置和旋转角度,调整效率低。
发明内容
基于此,有必要针对传感器调整效率低的问题,提供一种激光雷达配置方法、装置、设备和存储介质。
第一方面,一种激光雷达配置方法,所述方法包括:
在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据;
对多个所述点云数据进行排列组合,获取多个点云数据组;
对所述多个点云数据组进行分析,获得目标点云数据组;
根据所述目标点云数据组,获得激光雷达的配置信息。
在其中一个实施例中,所述预设的模拟测试场景包括传感器设置模型、车辆运动模型和环境模型;
所述传感器设置模型用于设置激光雷达的方位信息;
所述车辆运动模型用于设置车辆的运动轨迹;
所述环境模型用于设置所述预设的模拟测试场景中的环境信息。
在其中一个实施例中,所述传感器模型通过设置激光雷达垂直角分辨率、水平角分辨率和旋转速度设置激光雷达的方位信息。
在其中一个实施例中,所述在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据之后,还包括:
对所述多个点云数据进行降噪处理,获得多个降噪后的点云数据;
所述对多个所述降噪后的点云数据进行排列组合,获取多个点云数据组,包括:
对所述多个降噪后的点云数据进行排列组合,获取多个点云数据组。
在其中一个实施例中,所述对多个所述点云数据进行排列组合,获取多个点云数据组,包括:
从多个所述点云数据中提取感兴趣的目标点云数据;
对所述目标点云数据进行排列组合,生成所述多个点云数据组。
在其中一个实施例中,所述对所述多个点云数据组进行分析,获得目标点云数据组,包括:
对所述多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状;
根据所述点云分布形状,获得所述目标点云数据组。
在其中一个实施例中,所述方法还包括:
通过外设的编程接口编写测试脚本;
通过所述测试脚本设置所述预设的模拟测试场景。
第二方面,一种激光雷达配置装置,所述装置包括:
第一获取模块,用于在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据;
排列模块,用于对多个所述点云数据进行排列组合,获取多个点云数据组;
分析模块,用于对所述多个点云数据组进行分析,获得目标点云数据组;
第二检测模块,用于根据所述目标点云数据组,获得激光雷达的配置信息。
第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据;
对多个所述点云数据进行排列组合,获取多个点云数据组;
对所述多个点云数据组进行分析,获得目标点云数据组;
根据所述目标点云数据组,获得激光雷达的配置信息。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据;
对多个所述点云数据进行排列组合,获取多个点云数据组;
对所述多个点云数据组进行分析,获得目标点云数据组;
根据所述目标点云数据组,获得激光雷达的配置信息。
上述激光雷达配置方法、装置、设备和存储介质,终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据;并对多个点云数据进行排列组合,获取多个点云数据组;进而对多个点云数据组进行分析,获得目标点云数据组;最后根据目标点云数据组,获得激光雷达的配置信息。本申请中,终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据,并对多个点云数据进行排列组合,获取多个点云数据组,进而对多个点云数据组进行分析,获取目标点云数据组,最后根据目标点云数据组,自动获得激光雷达的配置信息,使得终端可以在模拟测试场景中获取激光雷达的配置信息,避免了通过人为改变传感器在车辆上的实际安放位置和旋转角度来获得激光雷达的配置信息,提高了配置激光雷达的效率。
附图说明
图1为一个实施例提供的激光雷达配置应用环境的示意图;
图2为一个实施例中激光雷达配置方法的流程示意图;
图2a为一个实施例中预设的模拟测试场景的示意图;
图3为一个实施例中预设的模拟测试场景的结构示意图;
图4为另一个实施例中激光雷达配置方法的流程示意图;
图5为另一个实施例中激光雷达配置方法的流程示意图;
图5a为一个实施例中可视化点云数据的示意图;
图5b为一个实施例中可视化点云数据的示意图;
图5c为一个实施例中可视化点云数据的示意图;
图6为另一个实施例中激光雷达配置方法的流程示意图;
图7为一个实施例提供的激光雷达配置装置的结构示意图;
图8为另一个实施例提供的激光雷达配置装置的结构示意图;
图9为另一个实施例提供的激光雷达配置装置的结构示意图;
图10为一个实施例提供的计算机设备的内部结构图。
具体实施方式
随着社会生产力的发展,常常采用车载传感器来获取车辆周围的位置信息,通常,车载传感器会使用多个传感器来获取车辆周围环境信息。通过多个传感器通过扫描周围环境,来获得周围环境信息,进而根据周围环境信息,对车辆自动行驶进行规划、决策或者控制。人们常常采用调整传感器的安放位置和旋转角度来获取传感器的最佳放置位置和旋转角度,已获得更加准确的周围环境信息。然而采用上述方法调整传感器的安放位置和旋转角度,在调整的过程中,需要人为改变传感器在车辆上的实际安放位置和旋转角度,调整效率低。本申请提供的激光雷达配置方法、装置、设备和存储介质,旨在解决激光雷达配置效率低问题。
需要说明的是,本申请实施例提供的激光雷达配置方法,不仅可以应用于无人驾驶的场景中,还可以应用于机器人导航的场景中,本申请实施例对具体的应用场景不做限制。
本实施例提供的激光雷达配置方法,可以适用于如图1所示的应用环境中。如图1所示,激光雷达10可以是一个,也可以是多个,其可以安装在车辆的任意位置,通过在预设的模拟测试场景中模拟车辆和物体的运动行为,获得模拟激光雷达的点云数据,进而根据点云数据确定激光雷达的配置信息。
需要说明的是,本申请实施例提供的激光雷达配置方法,其执行主体可以是激光雷达配置装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为激光雷达配置的计算机设备的部分或者全部。
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
图2为一个实施例中激光雷达配置方法的流程示意图。本实施例涉及的是在预设的模拟测试场景中确定激光雷达的配置信息的具体过程。如图2所示,该方法包括以下步骤:
S101、在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取车辆上安装的模拟激光雷达的多个点云数据。
其中,预设的模拟测试场景可以用于模拟车辆和物体的运动行为的场景,其可以是三维模拟场景,其中包括车辆的三维模型,安装在车辆上的激光雷达扫描范围和周围环境的三维模型。例如,如图2a所示,预设的模拟测试场景包括车辆、交通锥的三维模型,以及模拟激光雷达的扫描。其中周围环境的三维模型可以是单独的一个物体三维模型,也可以模拟现实中的道路状态的三维模型,本申请实施例对此不做限制。模拟激光雷达可以是在激光雷达的三维模型,其可以模拟实际的激光雷达的尺寸,也可以模拟实际的激光雷达的安放位置和旋转角度。车辆上安装的模拟激光雷达可以是一个模拟激光雷达,也可以是多个模拟激光雷达,本申请实施例对此不做限制。点云数据可以是激光雷达信号照射到物体表面时,所反射的携带方位、距离等信息的反射信号,点云数据中包括多个点的位置信息和与其对应的反射激光雷达信号的强度信息。本申请实施例中涉及的点云数据可以是在模拟测试场景中,通过模拟激光雷达获得的模拟点云数据。
具体地,在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据的过程中,可以是车辆和物体三维模型在三维模型的场景中运动,通过安装在车辆上模拟激光雷达,分别获取多个点云数据。例如,预设的模拟测试场景中包括一个三维物体,假设为交通锥,通过改变模拟激光雷达扫描范围,获得多个点云数据。或者是预设的模拟场景中包括多个三维物体,通过改变模拟激光雷达的扫描范围,获得多个物体对应的多个点云数据。
S102、对多个点云数据进行排列组合,获取多个点云数据组。
具体地,在上述实施例的基础上,对多个点云数据进行排列组合,可以是对不同物体对应的多个点云数据进行排列组合,得到多个点云数据组;还可以先选取不同物体对应的多个点云数据中,满足点云点数和辨识度满足要求的点云数据,对满足要求的点云数据进行排列组合,获得进多个点云数据组;本申请实施例对此不做限制。例如,预设的模拟测试场景中有多个物体,分别为交通锥、路牙和墙壁,将模拟激光雷达获得的针对交通锥、路牙和墙壁的不同的点云数据进行排列组合,获得交通锥对应的点云数据和路牙对应的点云数据组合获得点云数据组;交通锥对应的点云数据和墙壁对应的点云数据组合获得的点云数据组;和,路牙对应的点云数据和墙壁对应的点云数据组合获得的点云数据组。
S103、对多个点云数据组进行分析,获得目标点云数据组。
具体地,在上述实施例的基础上,获取了多个点云数据组后,对多个点云数据组进行分析,获得目标点云数据组的具体过程,可以是对点云数据组中点云的点数进行分析,获得满足点云的点数最小要求的点云数据为目标点云数据组;也可以是先对多个点云数据组进行可视化处理,获得多个可视化的点云数据组,进而对可视化的点云数据组中的点云的点数和辨识度进行分析,获得点云的点数满足最小点云点数要求,同时辨识度满足预设的辨识度要求的点云数据组为目标点云数据组。其中,目标点云数据组可以是一组点云数据组,也可以是多组点云数据组,本申请实施例对此不做限制。
S104、根据目标点云数据组,获得激光雷达的配置信息。
具体地,激光雷达的配置信息可以包括激光雷达安放在车辆上的位置、激光雷达的旋转角度和旋转速度等。在上述实施例的基础上,目标点云数据组中包括了多个满足预设要求的的点云数据,该多个点云数据是通过模拟激光雷达的扫描范围获得的,模拟激光雷达的扫描范围是通过设置模拟激光雷达安放在车辆上的位置、激光雷达的旋转角度和旋转速度获得的,因此目标点云数据组对应了模拟激光雷达的配置信息,进而模拟激光雷达的配置信息,确定激光雷达的配置信息。在上述实施例的基础上,目标点云数据组可以是多组点云数据组,其可以对应多组模拟激光雷达的配置信息,可以通过选取其中最简单的一组模拟激光雷达的配置信息为激光雷达的配置信息。例如,根据多组目标点云数据组获得的模拟激光雷达的配置信息包括,安装在车辆顶部和安装在车辆侧门位置。其中,安装在车辆顶部的激光雷达较安装在车辆侧门的激光雷达更容易实现,因此,确定安装在车辆顶部为激光雷达的配置信息。
上述激光雷达配置方法,终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据;并对多个点云数据进行排列组合,获取多个点云数据组;进而对多个点云数据组进行分析,获得目标点云数据组;最后根据目标点云数据组,获得激光雷达的配置信息。本实施例中,终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据,并对多个点云数据进行排列组合,获取多个点云数据组,进而对多个点云数据组进行分析,获取目标点云数据组,最后根据目标点云数据组,自动获得激光雷达的配置信息,使得终端可以在模拟测试场景中自动获取激光雷达的配置信息,避免了通过人为改变传感器在车辆上的实际安放位置和旋转角度来获得激光雷达的配置信息的过程,提高了配置激光雷达的效率。
上述实施例重点描述了在预设的模拟测试场景中确定激光雷达的配置信息的具体过程,其中,终端可以在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个模拟激光雷达的点云数据,进而根据点云数据来获取激光雷达的配置信息。下面通过下述实施例来详细描述终端如何在预设的模拟测试场景中模拟车辆和物体的运动行为。
图3为另一个实施例中预设的模拟测试场景的示意图,如图3所示,预设的模拟测试场景包括传感器设置模型100、车辆运动模型200和环境模型300;传感器设置模型100用于设置激光雷达的扫描范围;车辆运动模型200用于设置车辆的运动轨迹;环境模型300用于设置预设的模拟测试场景中的环境信息。
具体地,传感器设置模型100用于设置激光雷达的扫描范围,激光雷达的扫描范围可以通过激光雷达的安装位置和旋转角度来设置激光雷达的扫描范围,也可以是通过设置激光雷达的扫描分辨率和旋转速度来设置激光雷达的扫描范围。可选地,传感器模型100通过设置激光雷达垂直角分辨率、水平角分辨率和旋转速度设置激光雷达的扫描范围。
车辆运动模型200用于设置车辆的运动轨迹,其可以通过设置车辆的运动方向,运动速度来设置车辆的运动轨迹。例如,车辆运动模型200设置的车辆的运动方向为前10秒从上向下运动,第11秒至第20秒从右向左运动;同时前10秒的车辆的运动速度为10米/秒,第11秒至第20秒为8米/秒。得到车辆的运动轨迹为L型,速度10米/秒减小为8米/秒的运动轨迹。
环境模型300用于设置预设的模拟测试场景中的环境信息,在上述实施例的基础上,该环境信息可以是一个物体形成的三维模型,也可以是一组物体形成的三维模型。例如,预设的模拟测试场景中包括一个交通锥,则环境模型300通过设置交通锥的位置坐标,和,交通锥的底部半径和高度来设置该交通锥的三维模型,即预设的模拟测试场景中的环境信息。当预设的模拟测试场景中包括多个物体时,假设为多个交通锥,环境模型300通过分别设多个交通锥的位置坐标,和,多个通锥的底部半径和高度,来分别设置多个交通锥的三维模型,即预设的模拟测试场景中的环境信息。
进一步地,在上述实施例的基础上,当终端在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据之后,还以对点云数据进行降噪处理,获得信噪比高的点云数据。下面通过图4所示实施例来详细描述。
图4为另一个实施例中激光雷达配置方法的流程示意图,本实施例涉及的是对通过降噪后的点云数据,获得多个点云数据组的具体过程,如图4所示,一种激光雷达配置方法包括以下步骤:
S201、对多个点云数据进行降噪处理,获得多个降噪后的点云数据。
具体地,在上述实施例的基础上,获得了多个点云数据,可以对多个点云数据进行点云聚类操作,其中,点云聚类操作可以是从一片点云信号中识别出目标点的操作。例如,点云数据中包括多个坐标点信息及与该坐标点对应的反射信号的强度信息,通过点云聚类操作,确定多个点云聚类中心点,多个点云聚类的中心点即是识别出的目标点,即获得降噪后的点云数据。也可以是先对多个点云数据进行点云聚类操作后,获得多个空间平均的点云数据,然后对多个空间平均的点云数据进行时序累加,获得多个降噪后的点云数据。本申请实施例对此不做限制。
S202、对多个降噪后的点云数据进行排列组合,获取多个点云数据组。
上述激光雷达配置方法,终端通过对多个点云数据进行降噪处理,获得多个降噪后的点云数据,进而对多个降噪后的点云数据进行排列组合,获取多个点云数据组。本实施例中,终端对多个车辆上安装的模拟激光雷达的点云数据进行降噪处理,获得降噪后的多个点云数据,并对多个降噪后的点云数据进行排列组合,获取多个点云数据组,进而对多个点云数据组进行分析,获取目标点云数据组,最后根据目标点云数据组,自动获得激光雷达的配置信息,使得终端可以在模拟测试场景中获取激光雷达的配置信息,由于在对点云数据进行排列组合时,使用降噪后的信噪比高的多个点云数据,获得多个点云数据组,进而使得目标点云数据组更加准确,提高了终端在模拟测试场景中获取激光雷达的配置信息的准确度。
上述实施例描述了终端对多个点云数据进行排列组合,获取多个点云数据组的过程,具体地,终端可以通过提取目标点云数据,通过目标点云数据生成多个点云数据组。下面通过图5所示实施例来详细描述。
图5为另一个实施例中激光雷达配置方法的流程示意图,本实施例涉及的是终端通过提取目标点云数据,并根据目标点云数据生成多个点云数据组的具体过程,如图5所示,上述S102“对多个所述点云数据进行排列组合,获取多个点云数据组”的一种可能的实现方式包括以下步骤:
S301、对多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状。
具体地,可视化点数分布处理可以将点云数据组以图形的形式呈现的处理,其可以将点云数据组以热度图的形成呈现,如图5a所示,显示了一个物体围绕激光雷达360度和170米移动得到的不同扫描结果;也可以是如图5b或图5c所示,用多个小圆点排列组合,形成图形来表示点云数据组。本申请实施例对此不做限制。
在将多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状的具体过程中,可以是对同一物体对应的多个点云数据组进行可视化点数分布处理,获得该物体的点云分布形状;也可以是将多个物体对应的点云数据组进行可视化话点数分布处理,获得多个物体的点云分布形状;本申请实施例对此不做限制。
S302、根据点云分布形状,获得目标点云数据组。
具体地,在上述实施例的基础上,将多个点云数据组进行可视化点数分布处理,获取多个目标物体的点云分布形状,进而根据点云分布形状,确定点云分布形状的辨识度更高的点云数据组为目标点云数据组。例如,继续如图5b和图5c所示,可以根据点云分布形状,确定图5c所示的点云分布形状更接近实际的车尾灯形状,也即图5c所示的点云分布形状的辨识度更高,确定图5c对应的点云数据组为目标点云数据组。
上述激光雷达配置方法,终端通过对多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状,进而根据点云分布形状,获得目标点云数据组。本实施例中,终端通过对多个点云数据组进行可视化点数分布处理,获得目标物体的点云分布形状,进而根据该点云分布形状,获得目标点云数据组,最后根据目标点云数据组,自动获得激光雷达的配置信息,使得终端可以在模拟测试场景中自动获取激光雷达的配置信息,避免了通过人为改变传感器在车辆上的实际安放位置和旋转角度来获得激光雷达的配置信息的过程,提高了配置激光雷达的效率。
在上述实施例重点描述了终端在预设的模拟测试场景中模拟车辆和物体的运动行为,来获得激光雷达的配置信息。进一步地,终端可以测试脚本设置预设的模拟测试场景,下面通过图6所示实施例来详细描述。
图6为另一个实施例中激光雷达配置方法的流程示意图,本实施例涉及的是终端如何通过测试脚本来设置预设的模拟测试场景的具体过程,如图6所示,该方法还包括以下步骤:
S401、通过外设的编程接口编写测试脚本。
其中,外设的编程接口可以是预先定义的函数,使得用户无需访问源代码或理解其内部工作机制,基于某软件或硬件,即可以访问一组程序的能力。编程接口可以是一组数量上千、极其复杂的函数和副程序,使得用户可以通过编程接口完成做很多任务,譬如“读取文件”、“显示菜单”、“在视窗中显示网页”等等。编程接口有诸多不同设计,例如用于快速执行的编程接口通常包括函数、常量、变量与数据结构。测试脚本可以是一个特定测试的一系列指令,这些指令可以被自动化测试工具执行,测试脚本是自动执行测试过程或部分测试过程的计算机可读指令。测试脚本可以被创建、使用测试自动化工具自动生成或用编程语言编程来完成,也可综合前三种方法来完成。
S402、通过测试脚本设置预设的模拟测试场景。
具体地,在上述实施例的基础上,通过外设的编程接口编写测试脚本,进而通过该测试脚本自动的设置预设的模拟测试场景。例如,测试脚本为设置环境信息为一个交通锥,车辆的运行轨迹为以10米/秒的速度从左向右运动,激光雷达的旋转速度为30°/秒。自动执行该测试脚本,生成设置环境信息为一个交通锥,车辆的运行轨迹为以10米/秒的速度从左向右运动,激光雷达的旋转速度为30°/秒的预设的模拟测试场景。
上述激光雷达配置方法,终端通过外设的编程接口编写测试脚本,并通过测试脚本设置预设的模拟测试场景。本实施例中,终端可以通过外设的编程接口设置预设的模拟测试场景,并在该预设的模拟测试场景中中模拟车辆和物体的运动行为,分别获取多个车辆上安装的模拟激光雷达的点云数据,并对多个点云数据进行排列组合,获取多个点云数据组,进而对多个点云数据组进行分析,获取目标点云数据组,最后根据目标点云数据组,自动获得激光雷达的配置信息,终端通过外设的编程接口设置预设的模拟测试场景,进而自动的获取激光雷达的配置信息,提高了获得激光雷达配置信息的灵活度。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行。
图7为一个实施例提供的激光雷达配置装置的结构示意图。如图7所示,该激光雷达配置装置,包括:第一获取模块10、排列模块20、分析模块30和第二检测模块40,其中:
第一获取模块10,用于在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据;
排列模块20,用于对多个所述点云数据进行排列组合,获取多个点云数据组;
分析模块30,用于对所述多个点云数据组进行分析,获得目标点云数据组;
第二检测模块40,用于根据所述目标点云数据组,获得激光雷达的配置信息。
在一个实施例中,所述预设的模拟测试场景包括传感器设置模型、车辆运动模型和环境模型;所述传感器设置模型用于设置激光雷达的扫描范围;所述车辆运动模型用于设置车辆的运动轨迹;所述环境模型用于设置所述预设的模拟测试场景中的环境信息。
在一个实施例中,所述传感器模型通过设置激光雷达垂直角分辨率、水平角分辨率和旋转速度设置激光雷达的扫描范围。
本申请实施例提供的激光雷达配置装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图8为另一个实施例提供的激光雷达配置装置的结构示意图。在上述图7所示实施例的基础上,第一获取模块10包括:降噪单元201,其中:
降噪单元201,用于对所述多个点云数据进行降噪处理,获得多个降噪后的点云数据;
排列模块20,还用于对所述多个降噪后的点云数据进行排列组合,获取多个点云数据组。
在一个实施例中,排列模块20具体用于从多个所述点云数据中提取感兴趣的目标点云数据;对所述目标点云数据进行排列组合,生成所述多个点云数据组。
在一个实施例中,分析模块30具体用于对所述多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状;根据所述点云分布形状,获得所述目标点云数据组。
本申请实施例提供的激光雷达配置装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图9为另一个实施例提供的激光雷达配置装置的结构示意图。在上述图7或图8所示实施例的基础上,激光雷达配置装置还包括:外接模块50,其中:
外接模块50具体用于通过外设的编程接口编写测试脚本;通过所述测试脚本设置所述预设的模拟测试场景。
本申请实施例提供的激光雷达配置装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于一种激光雷达配置装置的具体限定可以参见上文中对于激光雷达配置方法的限定,在此不再赘述。上述激光雷达配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备被处理器执行时以实现一种激光雷达配置方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取所述车辆上安装的模拟激光雷达的多个点云数据;
对多个所述点云数据进行排列组合,获取多个点云数据组;
对所述多个点云数据组进行分析,获得目标点云数据组;
根据所述目标点云数据组,获得激光雷达的配置信息。
在一个实施例中,所述预设的模拟测试场景包括传感器设置模型、车辆运动模型和环境模型;所述传感器设置模型用于设置激光雷达的扫描范围;所述车辆运动模型用于设置车辆的运动轨迹;所述环境模型用于设置所述预设的模拟测试场景中的环境信息。
在一个实施例中,所述传感器模型通过设置激光雷达垂直角分辨率、水平角分辨率和旋转速度设置激光雷达的扫描范围。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对所述多个点云数据进行降噪处理,获得多个降噪后的点云数据;对所述多个降噪后的点云数据进行排列组合,获取多个点云数据组。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从多个所述点云数据中提取感兴趣的目标点云数据;对所述目标点云数据进行排列组合,生成所述多个点云数据组。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对所述多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状;根据所述点云分布形状,获得所述目标点云数据组。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过外设的编程接口编写测试脚本;通过所述测试脚本设置所述预设的模拟测试场景。
本实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取所述车辆上安装的模拟激光雷达的多个点云数据;
对多个所述点云数据进行排列组合,获取多个点云数据组;
对所述多个点云数据组进行分析,获得目标点云数据组;
根据所述目标点云数据组,获得激光雷达的配置信息。
在一个实施例中,所述预设的模拟测试场景包括传感器设置模型、车辆运动模型和环境模型;所述传感器设置模型用于设置激光雷达的扫描范围;所述车辆运动模型用于设置车辆的运动轨迹;所述环境模型用于设置所述预设的模拟测试场景中的环境信息。
在一个实施例中,所述传感器模型通过设置激光雷达垂直角分辨率、水平角分辨率和旋转速度设置激光雷达的扫描范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对所述多个点云数据进行降噪处理,获得多个降噪后的点云数据;对所述多个降噪后的点云数据进行排列组合,获取多个点云数据组。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从多个所述点云数据中提取感兴趣的目标点云数据;对所述目标点云数据进行排列组合,生成所述多个点云数据组。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对所述多个点云数据组进行可视化点数分布处理,获取目标物体的点云分布形状;根据所述点云分布形状,获得所述目标点云数据组。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过外设的编程接口编写测试脚本;通过所述测试脚本设置所述预设的模拟测试场景。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种激光雷达配置方法,其特征在于,所述方法包括:
在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取所述车辆上安装的多个模拟激光雷达的多个点云数据;所述多个点云数据是多个所述模拟激光雷达分别在不同的扫描范围内扫描同一三维物体得到的多个点云数据,或者,所述多个点云数据是多个所述模拟激光雷达分别扫描不同的三维物体得到的多个点云数据;
对多个所述点云数据进行排列组合,获取多个点云数据组;
对所述多个点云数据组进行可视化点数和辨识度处理,获取目标物体的点云分布形状,根据所述点云分布形状,获得目标点云数据组;
根据所述目标点云数据组,获得激光雷达的配置信息。
2.根据权利要求1所述方法,其特征在于,所述预设的模拟测试场景包括传感器设置模型、车辆运动模型和环境模型;
所述传感器设置模型用于设置激光雷达的扫描范围;
所述车辆运动模型用于设置车辆的运动轨迹;
所述环境模型用于设置所述预设的模拟测试场景中的环境信息。
3.根据权利要求2所述方法,其特征在于,所述传感器设置模型通过设置激光雷达垂直角分辨率、水平角分辨率和旋转速度设置激光雷达的扫描范围。
4.根据权利要求1-3任一项所述方法,其特征在于,所述在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的模拟激光雷达的点云数据之后,还包括:
对所述多个点云数据进行降噪处理,获得多个降噪后的点云数据;
所述对多个所述降噪后的点云数据进行排列组合,获取多个点云数据组,包括:
对所述多个降噪后的点云数据进行排列组合,获取多个点云数据组。
5.根据权利要求1-3任一项所述方法,其特征在于,所述对多个所述点云数据进行排列组合,获取多个点云数据组,包括:
从多个所述点云数据中提取感兴趣的目标点云数据;
对所述目标点云数据进行排列组合,生成所述多个点云数据组。
6.根据权利要求1-3任一项所述方法,其特征在于,预设所述模拟测试场景包括:
通过外设的编程接口编写测试脚本;
通过所述测试脚本设置所述预设的模拟测试场景。
7.一种激光雷达配置装置,其特征在于,所述装置包括:
第一获取模块,用于在预设的模拟测试场景中模拟车辆和物体的运动行为,分别获取多个所述车辆上安装的多个模拟激光雷达的点云数据;所述多个点云数据是多个所述模拟激光雷达分别在不同的扫描范围内扫描同一三维物体得到的多个点云数据,或者,所述多个点云数据是多个所述模拟激光雷达分别扫描不同的三维物体得到的多个点云数据;
排列模块,用于对多个所述点云数据进行排列组合,获取多个点云数据组;
分析模块,用于对所述多个点云数据组进行可视化点数和辨识度处理,获取目标物体的点云分布形状,根据所述点云分布形状,获得目标点云数据组;
第二获取模块,用于根据所述目标点云数据组,获得激光雷达的配置信息。
8.根据权利要求7所述装置,其特征在于,所述第一获取模块包括:降噪单元,其中:
降噪单元,用于对所述多个点云数据进行降噪处理,获得多个降噪后的点云数据;
排列模块,还用于对所述多个降噪后的点云数据中满足点云数和辨识度要求的多个点云数据进行排列组合,获取多个点云数据组。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811579675.0A CN109683175B (zh) | 2018-12-24 | 2018-12-24 | 激光雷达配置方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811579675.0A CN109683175B (zh) | 2018-12-24 | 2018-12-24 | 激光雷达配置方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109683175A CN109683175A (zh) | 2019-04-26 |
CN109683175B true CN109683175B (zh) | 2021-03-30 |
Family
ID=66188790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811579675.0A Active CN109683175B (zh) | 2018-12-24 | 2018-12-24 | 激光雷达配置方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109683175B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110763483A (zh) * | 2019-09-26 | 2020-02-07 | 泰牛汽车技术(苏州)有限公司 | 一种安全等级测试场景库的自动生成方法及装置 |
WO2021062587A1 (en) * | 2019-09-30 | 2021-04-08 | Beijing Voyager Technology Co., Ltd. | Systems and methods for automatic labeling of objects in 3d point clouds |
CN110824491B (zh) * | 2019-10-24 | 2022-07-29 | 北京迈格威科技有限公司 | 充电桩定位方法、装置、计算机设备和存储介质 |
CN112199991A (zh) * | 2020-08-27 | 2021-01-08 | 广州中国科学院软件应用技术研究所 | 一种应用于车路协同路侧感知的仿真点云滤波方法和系统 |
WO2023010540A1 (zh) * | 2021-08-06 | 2023-02-09 | 深圳市大疆创新科技有限公司 | 激光雷达的扫描结果的验证方法、装置、设备及存储介质 |
CN114758163B (zh) * | 2022-06-15 | 2022-09-16 | 福勤智能科技(昆山)有限公司 | 一种叉车移动控制方法、装置、电子设备及存储介质 |
CN116167252B (zh) * | 2023-04-25 | 2024-01-30 | 小米汽车科技有限公司 | 雷达配置信息的确定方法、装置、设备及存储介质 |
CN117269940B (zh) * | 2023-11-17 | 2024-03-15 | 北京易控智驾科技有限公司 | 点云数据生成方法、激光雷达的感知能力验证方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093925A (zh) * | 2015-07-15 | 2015-11-25 | 山东理工大学 | 一种基于被测地形特点的机载激光雷达参数实时自适应调整方法与装置 |
CN105116922A (zh) * | 2015-07-14 | 2015-12-02 | 华中科技大学 | 一种三维激光扫描装置控制系统 |
CN107966693A (zh) * | 2017-12-05 | 2018-04-27 | 成都合纵连横数字科技有限公司 | 一种基于深度渲染的车载激光雷达仿真方法 |
CN108072880A (zh) * | 2018-01-17 | 2018-05-25 | 上海禾赛光电科技有限公司 | 激光雷达视场中心指向的调整方法、介质、激光雷达系统 |
-
2018
- 2018-12-24 CN CN201811579675.0A patent/CN109683175B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105116922A (zh) * | 2015-07-14 | 2015-12-02 | 华中科技大学 | 一种三维激光扫描装置控制系统 |
CN105093925A (zh) * | 2015-07-15 | 2015-11-25 | 山东理工大学 | 一种基于被测地形特点的机载激光雷达参数实时自适应调整方法与装置 |
CN107966693A (zh) * | 2017-12-05 | 2018-04-27 | 成都合纵连横数字科技有限公司 | 一种基于深度渲染的车载激光雷达仿真方法 |
CN108072880A (zh) * | 2018-01-17 | 2018-05-25 | 上海禾赛光电科技有限公司 | 激光雷达视场中心指向的调整方法、介质、激光雷达系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109683175A (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109683175B (zh) | 激光雷达配置方法、装置、设备和存储介质 | |
CN113661525B (zh) | 自动驾驶车辆系统和组件的仿真和验证 | |
CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
CN108345290B (zh) | 测试至少一个控制装置的至少一个控制装置功能的方法 | |
CN110609290B (zh) | 激光雷达匹配定位方法及装置 | |
CN110824491B (zh) | 充电桩定位方法、装置、计算机设备和存储介质 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111816020A (zh) | 将合成激光雷达数据迁移至真实域用于自动驾驶汽车训练 | |
US20210357763A1 (en) | Method and device for performing behavior prediction by using explainable self-focused attention | |
CN111699449A (zh) | 自动驾驶车辆的仿真测试方法、系统、存储介质和车辆 | |
JP2017526083A (ja) | 位置特定およびマッピングの装置ならびに方法 | |
CN113741474B (zh) | 一种无人驾驶矿车的停泊区域识别方法及装置 | |
CN114092660A (zh) | 高精地图生成方法、装置及用于生成地图的车辆 | |
CN114595738A (zh) | 为识别模型生成训练数据的方法和生成识别模型的方法 | |
CN116778458B (zh) | 车位检测模型构建方法、车位检测方法、设备及存储介质 | |
US11747454B2 (en) | Granularity-flexible existence-based object detection | |
EP4238844A1 (en) | Method and system for evaluating performance of autonomous driving algorithm | |
CN115542301B (zh) | 激光雷达外部参数的校准方法、装置、设备及存储介质 | |
Zhao et al. | Suraksha: A framework to analyze the safety implications of perception design choices in avs | |
CN115937817A (zh) | 一种目标检测方法、系统及挖掘机 | |
CN112560258A (zh) | 一种测试方法、装置、设备及存储介质 | |
CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
US20200394844A1 (en) | Display method, image generation device, and computer-readable non-transitory recording medium on which program is recorded | |
CN116449807B (zh) | 一种物联网汽车操控系统仿真测试方法及系统 | |
CN116543101A (zh) | 点云数据稀疏化方法、电子设备及计算机可读存储介质 |
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 |