CN109696665B - 超声波传感器测量数据的处理方法、装置及设备 - Google Patents
超声波传感器测量数据的处理方法、装置及设备 Download PDFInfo
- Publication number
- CN109696665B CN109696665B CN201811625720.1A CN201811625720A CN109696665B CN 109696665 B CN109696665 B CN 109696665B CN 201811625720 A CN201811625720 A CN 201811625720A CN 109696665 B CN109696665 B CN 109696665B
- Authority
- CN
- China
- Prior art keywords
- noise
- distribution
- ultrasonic sensor
- data
- obeying
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/523—Details of pulse systems
- G01S7/526—Receivers
- G01S7/527—Extracting wanted echo signals
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
- G01S15/08—Systems for measuring distance only
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明实施例提供一种超声波传感器测量数据的处理方法、装置及设备，该方法包括：获取超声波传感器的测量数据；获取所述超声波传感器对应的噪声测量模型；根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果；由于噪声测量模型指示的是超声波传感器的测量数据受环境噪声的影响程度，利用噪声测量模型对测量数据进行滤波处理，得到滤波后的处理结果，该处理结果是对测量数据去除环境噪声的影响后的数据，提高了测量数据的准确性，进而，提高了车辆的运行安全性。
Description
技术领域
本发明实施例涉及信息处理技术，尤其涉及一种超声波传感器测量数据的处理方法、装置及设备。
背景技术
超声波传感器是将超声波信号转换为其他能量信号的传感器，由于其成本较低，目前已成为泊车或者辅助泊车等系统的必备传感器。在泊车或者辅助泊车系统中，超声波传感器通过发射器向外发出超声波，并通过接收器接收由障碍物反射回的超声波，根据发出超声波和接收到反射回的超声波之间的时间差来测量车辆与障碍物之间的距离。
但是，实际应用中，超声波传感器的测量结果易受环境噪声干扰，将超声波传感器测量的距离信息直接用于实车平台，可能导致无法预料的结果。比如：泊车系统中，超声波传感器的测量数据异常可能导致无法正常搜索空车位，误报或者漏报障碍物等。为了提高超声波传感器的测量数据的抗干扰性，目前的现有技术主要是从硬件设计上进行抗干扰处理，例如：通过对超声波传感器的硬件电路进行设计，以提高测量数据的抗干扰性。
然而，单从硬件上进行抗干扰设计，无法完全消除环境噪声对传感器测量数据的影响，使得超声波传感器的测量数据的准确性不高。
发明内容
本发明实施例提供一种超声波传感器测量数据的处理方法、装置及设备，用以提高超声波传感器测量数据的准确性。
第一方面，本发明实施例提供一种超声波传感器测量数据的处理方法，包括：
获取超声波传感器的测量数据；
获取所述超声波传感器对应的噪声测量模型，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，所述环境噪声包括至少一种分布类型的噪声；
根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果，所述处理结果是对所述测量数据去除所述环境噪声的影响后的数据。
可选的，所述根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果之后，还包括：
对所述处理结果进行平滑滤波，得到平滑滤波后的处理结果。
可选的，所述环境噪声包括：服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声；
所述获取所述超声波传感器对应的噪声测量模型之前，还包括：
根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型。
可选的，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取超声波传感器的测量误差数据，对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
可选的，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据，对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
可选的，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取所述超声波传感器的漏检数据，对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
可选的，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取所述超声波传感器由于串扰导致的误检数据，对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
第二方面，本发明实施例提供一种超声波传感器测量数据的处理装置，包括：
第一获取模块，用于获取超声波传感器的测量数据；
第二获取模块，用于获取所述超声波传感器对应的噪声测量模型，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，所述环境噪声包括至少一种分布类型的噪声；
处理模块，用于根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果，所述处理结果是对所述测量数据去除所述环境噪声的影响后的数据。
可选的，所述处理模块还用于：
对所述处理结果进行平滑滤波，得到平滑滤波后的处理结果。
可选的，所述环境噪声包括：服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声；
所述装置还包括：
生成模块，用于根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型。
可选的，所述生成模块还用于：
获取超声波传感器的测量误差数据，对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
可选的，所述生成模块还用于：
获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据，对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
可选的，所述生成模块还用于：
获取所述超声波传感器的漏检数据，对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
可选的，所述生成模块还用于：
获取所述超声波传感器由于串扰导致的误检数据，对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
第三方面，本发明实施例提供一种超声波传感器测量数据的处理设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的方法。
第四方面，本发明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执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的方法。
本发明实施例提供的超声波传感器测量数据的处理方法、装置及设备，该方法包括：获取超声波传感器的测量数据；获取所述超声波传感器对应的噪声测量模型；根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果；由于噪声测量模型指示的是超声波传感器的测量数据受环境噪声的影响程度，利用噪声测量模型对测量数据进行滤波处理，得到滤波后的处理结果，该处理结果是对测量数据去除环境噪声的影响后的数据，提高了测量数据的准确性，进而，提高了车辆的运行安全性。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的超声波传感器测量数据的处理方法所适用的场景示意图；
图2为本发明实施例提供的超声波传感器测量数据的处理方法的流程示意图一；
图3为本发明实施例提供的超声波传感器测量数据的处理方法的流程示意图二；
图4为本发明实施例提供的生成噪声测量模型的方法的流程示意图；
图5为本发明实施例提供的超声波传感器测量数据的处理装置的结构示意图一；
图6为本发明实施例提供的超声波传感器测量数据的处理装置的结构示意图二；
图7为本发明实施例提供的超声波传感器测量数据的处理设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如前所述，实际应用中，超声波传感器的测量结果易受环境噪声干扰，将超声波传感器测量的距离信息直接用于实车平台，可能导致无法预料的结果。比如：泊车系统中，超声波传感器的测量数据异常可能导致无法正常搜索空车位，误报或者漏报障碍物等。为了提高超声波传感器的测量数据的抗干扰性，目前的现有技术主要是从硬件设计上进行抗干扰处理，例如：通过对超声波传感器的硬件电路进行设计，以提高测量数据的抗干扰性。然而，单从硬件上进行抗干扰设计，无法完全消除环境噪声对传感器测量数据的影响，使得超声波传感器的测量数据的准确性不高。
为了解决上述问题，本发明实施例提供一种超声波传感器测量数据的处理方法，用于对超声波传感器的测量数据从软件层面进行后处理，从而提高测量数据的准确性。
图1为本发明实施例提供的超声波传感器测量数据的处理方法所适用的场景示意图，如图1所示，该场景中包括：车辆和障碍物，其中，车辆中设置有超声波传感器，具体的，超声波传感器可以设置在车辆的任意位置，图1示例性的示出了超声波传感器设置在车头的情况。超声波传感器用于探测车辆周围的障碍物与车辆的距离信息。其中，障碍物可以为车辆在行驶过程中可能遇到的对象，例如：其他车辆、行人、栏杆、树桩等。图1中示例性的示出了障碍物为树桩时的场景。
需要说明的，本发明实施例中的车辆可以为无人车，还可以为普通车辆。当为无人车时，超声波传感器的测量数据用于无人车的控制系统，具体的，控制系统根据测量数据实现对无人车的控制，例如：自动泊车或者自动驾驶。当为普通车辆时，超声波传感器的测量数据用于指导驾驶人的操作，例如：当测量数据指示车辆距离障碍物的距离小于预设值时，向驾驶人发出报警信号，以使驾驶人根据报警信号采取合适的操作。
如图1所示，超声波传感器还连接了超声波传感器测量数据的处理装置，该处理装置用于执行本发明实施例提供的超声波传感器测量数据的处理方法。具体的，该处理装置可以与超声波传感器一体设置，还可以单独设置。该处理装置与超声波传感器之间可以有线连接或者无线连接。该处理装置可以为软件和/或硬件的形式。
本发明实施例中，超声波传感器经过超声探测得到测量数据(例如：
图1中车辆与障碍物的距离信息)后，将该测量数据发送给该处理装置，由该处理装置对测量数据进行滤波处理，得到处理结果，该处理结果是对测量数据去除环境噪声的影响后的滤波数据，提高了测量数据的准确性。进一步的，利用该处理后的数据对车辆进行控制，从而可以提高车辆的运行安全性。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的超声波传感器测量数据的处理方法的流程示意图一，本实施例的方法可以由图1中的超声波传感器测量数据的处理装置(为了描述方便，后续直接简称为“处理装置”)执行，如图2所示，本实施例的方法包括：
S201：获取超声波传感器的测量数据。
具体的，结合图1所示，在实际应用中，在运行车辆上设置有超声波传感器，超声波传感器通过超声探测得打测量数据，例如：测量数据可以为运行车辆与障碍物之间的距离信息。
本实施例中，超声波传感器通过探测得到测量数据后，可以实时将测量数据发送给图1中处理装置，从而，处理装置获取到超声波传感器的测量数据，并根据后续步骤对测量数据进行滤波处理。
S202：获取所述超声波传感器对应的噪声测量模型，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，所述环境噪声包括至少一种分布类型的噪声。
可以理解的，车辆在运行环境中，存在着环境噪声，环境噪声会影响超声波传感器的测量数据的准确性。环境噪声可以包括不同来源的噪声，例如：车辆噪声、行人噪声；也可以包括不同分布的环境噪声，例如：高斯分布的噪声，指数分布的噪声，均匀分布的噪声以及脉冲分布的噪声等，还可以包括不同频率的噪声，如低频噪声(主频率低于300Hz)、中频噪声(主频率在300～800Hz)、高频噪声(主频率高于800Hz)。
需要说明的是，本发明实施例中所涉及的噪声，指的是会影响超声波传感器的测量数据的准确性的任意因素。例如：可以是由于超声波传感器本身的测量精度导致的误差噪声，还可以是移动环境中的意外障碍物出现导致的意外检测噪声，还可以是环境的不确定性导致的漏检噪声，还可以是超声波传感器之间的串扰导致的误检噪声。当然，还可以是上述所列举的所有可能的噪声。
本实施例中，可以事先针对各种环境噪声对超声波传感器的测量数据的的影响程度进行建模，得到超声波传感器的噪声测量模型。也就是说，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，其中，所述环境噪声包括至少一种分布类型的噪声。
更具体的，可以是每种类型的超声波传感器对应一个噪声测量模型，因此，该步骤中，处理装置事先对各种类型的超声波传感器对应的噪声测量模型进行存储，然后根据处理装置所连接的超声波传感器的类型，获取该类型对应的噪声测量模型。当然，还可以是所有类型的超声波传感器对应一个噪声测量模型，本发明实施例不作具体限定。
具体的，噪声测量模型可以是根据试验数据获取的，也可以是采用仿真实验进行仿真模拟获取的。
一种可选的实施方式中，噪声测量模型可以是根据试验数据获取的。其中，在实验车辆中设置超声波传感器，实验车辆在至少一种预设的测量环境中运行。其中，预设的测量环境可以根据需要模拟不同的测试环境，例如：在车辆的不同方位设置不同类型的障碍物，例如：静止障碍物、移动障碍物、意外障碍物等。
进而，根据超声波传感器采集的测试数据，以及预设的测量环境对应的真实数据，得到各种类型的噪声数据。一种可选的实施方式中，根据获取到的误差噪声、意外检测噪声、漏检噪声、误检噪声，生成噪声测量模型。其中，各种噪声可以满足不同的分布。例如：误差噪声服从高斯分布、意外检测噪声服从指数分布、漏检噪声服从脉冲分布、误检噪声服从均值分布。
需要说明的是，具体实施过程中，还可以考虑其他类型的噪声，或者，对上述噪声采用不同的分布进行拟合，上述列举仅为示例。一种可选的生成噪声测量模型的方式可以参见后续实施例的详细描述，此处不再赘述。
本实施方式中，根据超声波传感器的大量测试数据，得到各种类型的噪声数据，然后，根据噪声数据进行曲线拟合或者深度学习等方式获取噪声测量模型。该噪声测量模型用于指示超声波传感器的测量数据受环境噪声的影响程度，也就是说，噪声测量模型表示了测量数据的不确定性程度。
另一种可选的实施方式中，该噪声测量模型采用仿真实验进行仿真模拟获取的。其中，可以预先设置不同的环境噪声，示例性的，按照噪声的分布不同，设置不同分布的环境噪声，例如：高斯分布的噪声、指数分布的噪声、脉冲分布的噪声、均值分布的噪声。
本实施例中，超声波传感器对应的噪声测量模型是预先建模生成的，并且可以存储在处理装置中，当处理装置获取到超声波传感器的测量数据后，可以利用该噪声测量模型对测量数据进行滤波处理。
S203：根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果，所述处理结果是对所述测量数据去除所述环境噪声的影响后的数据。
本实施例中，由于噪声测量模型指示的是超声波传感器的测量数据受环境噪声的影响程度，利用噪声测量模型对测量数据进行滤波处理，得到滤波后的处理结果，该处理结果是对测量数据去除环境噪声的影响后的数据，提高了测量数据的准确性，进而，提高了车辆的运行安全性。
需要说明的是，利用噪声测量模型对测量数据进行滤波处理的过程，可以有多种具体的实施方式，本发明实施例不作具体限定，只要利用噪声测量模型能够去除环境噪声对测量数据的影响即可。
示例性的，假设噪声测量模型指示了该超声波传感器的测量数据受环境影响的程度为0.1，并且，超声波传感器经过超声探测得到运行车辆与障碍物的距离信息为5米，则利用噪声测量模型对测量数据进行滤波后，得到的距离信息为4.5～5.5米。
本发明实施例提供的超声波传感器测量数据的处理方法，包括：获取超声波传感器的测量数据；获取所述超声波传感器对应的噪声测量模型；根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果；由于噪声测量模型指示的是超声波传感器的测量数据受环境噪声的影响程度，利用噪声测量模型对测量数据进行滤波处理，得到滤波后的处理结果，该处理结果是对测量数据去除环境噪声的影响后的数据，提高了测量数据的准确性，进而，提高了车辆的运行安全性。
图3为本发明实施例提供的超声波传感器测量数据的处理方法的流程示意图二，如图3所示，在图2所示实施例的基础上，利用噪声测量模型对测量数据进行滤波处理得到处理结果之后，还可以包括：
S204：对所述处理结果进行平滑滤波，得到平滑滤波后的处理结果。
图2所示的实施例中，噪声测量模型是通过对环境噪声进行一定的简化处理后建模得到的，实际应用中，基于上述的噪声测量模型对测量数据进行滤波得到的滤波结果不可能完全准确，也就是说，经过噪声测量模型滤波后的处理结果中仍然可能存在随机的环境噪声。为了进一步消除随机噪声对测量数据的影响，本实施例中对处理结果进行了进一步的平滑处理。
具体的，本步骤中，对处理结果进行平滑滤波，可以有多种方式实现，例如：中值滤波、均值滤波、限幅滤波等，本发明实施例不作具体限定，下面仅以中值滤波为例示出一种可选的实施方式。
以中值滤波为例，可以采用如下公式进行滤波：
其中，
表示噪声测量模型在t时刻输出的处理结果，
表示噪声测量模型在t-1时刻输出的处理结果，medfilter表示中值滤波器，zt表示经过平滑滤波后的处理结果。
与此同时，考虑到车载超声波传感器的使用场景主要为低速场景，相邻帧间的测量数据变化必然在一定范围内，因此，在对处理结果进行平滑滤波的同时，还可以添加限幅滤波，以进一步提高数据的准确性。
下面结合一个具体的实施例，以试验方式获取噪声测量模型为例，详细描述噪声测量模型的建模过程。
图4为本发明实施例提供的生成噪声测量模型的方法的流程示意图，如图4所示，本实施例的方法，包括：
S401：获取超声波传感器的测量误差数据，对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
具体的，由于超声波传感器本身测量的不精确性，其探测得到的测量数据通常存在一定的误差。以探测车辆与障碍物之间的距离信息为例，超声波传感器探测得到的距离与真实距离存在误差，比如真实距离为5m，测量距离通常位于4.9m～5.1m的范围内。本实施例中，将这种由于超声波传感器本身测量精度导致的误差称为误差噪声，并且，这种局部随机扰动的误差噪声一般服从高斯分布，因此，可以采用高斯分布进行拟合，得到服从高斯分布的误差噪声。
具体实施过程中，可以在实验车辆中设置超声波传感器，采集超声波传感器在预设测试环境下的测试数据，以及所述预设测试环境对应的真实数据；根据所述测试数据和所述真实数据，获取测量误差数据；对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
S402：获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据，对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
具体的，作为车载使用的超声波传感器，超声波传感器的感知环境通常是移动的，而且车辆自身也处于移动状态，这种非静止的场景可能会导致超声波传感器扫描到意外的障碍物，进而得到比真实障碍物位置更短的测量值。本实施例中，将这种由于扫描到意外障碍物导致的测量数据不准确，称为意外检测噪声。由于意外检测噪声与意外障碍物与车辆之间的距离相关，距离越近，对测量数据的影响概率越大，因此，可以认为意外检测噪声服从指数分布。可以采用指数分布进行拟合，得到服从指数分布的意外检测噪声。
具体实施过程中，可以在实验车辆中设置超声波传感器，采集所述超声波传感器在存在意外障碍物的测试环境下的测试数据；根据所述测试数据，获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据；对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
S403：获取所述超声波传感器的漏检数据，对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
具体的，由于环境的不确定性，超声波传感器可能存在检测失败的情形，即漏检。这种漏检可能来自于超声波在障碍物表面的反射角度太大，或者障碍物材质对超声波的反射较弱等等。但是，由于障碍物是随机出现的，对障碍物反射角度以及障碍物材质等因素进行建模并不现实。
因此，本实施例中采取了概率机器人中的处理方式：假设量程范围为有效测量范围，漏检的情形只会出现在量程范围之外。本本实施例中，将这种由于障碍物的反射角度和材质等到导致的漏检称为漏检噪声。可以根据超声波传感器的最大测量距离，统计出测量数据超出最大测量距离的漏检数据，对漏检数据采用脉冲分布进行建模，得到服从脉冲分布的漏检噪声。
具体实施过程中，可以在实验车辆中设置超声波传感器，采集所述超声波传感器在预设测试环境下的测试数据；根据所述测试数据，以及所述超声波传感器对应的最大测量距离，获取所述超声波传感器的漏检数据；对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
S404：获取所述超声波传感器由于随机意外障碍物和串扰导致的误检数据，对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
具体的，由于环境中可能随机出现意外障碍物，比如：飘落的树叶，飞行的昆虫等，另外，多个超声波传感器之间也存在一定的串扰，上述情况均会导致超声波传感器的误检，本发明实施例中将上述检称为误检噪声。这种误检噪声通常是完全随机出现的，因此，可以采用均值分别进行拟合，得到服从均值分布的误检噪声。
具体实施过程中，可以在实验车辆中设置超声波传感器，采集所述超声波传感器在预设测试环境下的测试数据；根据所述测试数据，以及多个所述超声波传感器之间的位置关系，分别获取由于随机意外障碍物导致的误检数据和由于多个所述超声波传感器之间的串扰导致的误检数据；对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
S405：根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型。
本实施例中，通过在各种测量环境下进行试验，得到四类环境噪声，并结合各类环境噪声的特定，采用不同的分布对各类噪声进行拟合，得到四类噪声分布特性。进而，可以根据四类噪声分布进行建模，生成超声波传感器对应的噪声测量模型。
一种可选的实施方式中，可以针对四种类型的噪声分布进行加权求和，得到噪声测量模型，如下述公式所示：
其中，ηi表示每种类型噪声对应的权重，pi表示每种噪声对应的概率分布，p表示噪声测量模型，即四类噪声对测量数据的影响的概率分布。
可以理解的，图4中的S401至S404的执行顺序并不作具体限定，可以为任意的执行顺序。
本实施例中，对环境噪声进行建模时，考虑了影响测量数据准确性的两个因素：1、环境噪声，虽然环境噪声通常是随机出现的，但是仍然可以用一定概率分布进行描述，如：高斯分布、指数分布、均值分布等；2、超声波的特性决定了超声波传感器对不同材质、不同形状的障碍物的检测效果存在较大差异，如：当障碍物为倾斜表面时，检测到的回波信号较弱甚至无返回结果。本实施例中，综合考虑不同类型噪声的特性以及分布，并结合四种类型的噪声分布建立噪声测量模型，使得噪声测量模型能够滤除环境中的各类噪声，提高了噪声测量模型的滤波效果。进一步的，由于噪声测量模型综合考虑了环境中可能出现的各种噪声，使得该噪声测量模型可以稳定的适用于不同场景中，提高了噪声测量模型的普适性。
采用图4所示的实施例，生成噪声测量模型后，可以将噪声测量模型存储在图1中的处理装置中，当处理装置获取到超声波传感器探测得到的测量数据后，参见图2和图3所示的实施例，利用噪声测量模型对测量数据进行滤波处理，从而提高测量数据的准确性，进而，提高车辆的行驶安全性。
图5为本发明实施例提供的超声波传感器测量数据的处理装置的结构示意图一，如图5所示，本实施例提供的超声波传感器测量数据的处理装置500，包括：第一获取模块501、第二获取模块502和处理模块503。
其中，第一获取模块501，用于获取超声波传感器的测量数据；
第二获取模块502，用于获取所述超声波传感器对应的噪声测量模型，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，所述环境噪声包括至少一种分布类型的噪声；
处理模块503，用于根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果，所述处理结果是对所述测量数据去除所述环境噪声的影响后的数据。
本实施例的装置，可用于执行如图2所示的超声波传感器测量数据的处理方法，其实现原理和技术效果类似，此处不再赘述。
图6为本发明实施例提供的超声波传感器测量数据的处理装置的结构示意图二，如图6所示，在图5所示实施例的基础上，本实施例的超声波传感器测量数据的处理装置500，还可以包括：生成模块504。
可选的，所述处理模块503还用于：
对所述处理结果进行平滑滤波，得到平滑滤波后的处理结果。
可选的，所述环境噪声包括：服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声；
所述生成模块504，用于根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型。
可选的，所述生成模块504还用于：
获取超声波传感器的测量误差数据，对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
可选的，所述生成模块504还用于：
获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据，对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
可选的，所述生成模块504还用于：
获取所述超声波传感器的漏检数据，对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
可选的，所述生成模块504还用于：
获取所述超声波传感器由于串扰导致的误检数据，对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
本实施例的装置，可用于执行上述任一方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图7为本发明实施例提供的超声波传感器测量数据的处理设备的硬件结构示意图，如图7所示，本实施例的超声波传感器测量数据的处理设备700，包括：至少一个处理器701和存储器702。其中，处理器701、存储器702以通过总线703连接。
在具体实现过程中，至少一个处理器701执行所述存储器702存储的计算机执行指令，使得至少一个处理器701执行上述任一方法实施例中的技术方案。
处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图7所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例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执行指令，当处理器执行所述计算机执行指令时，实现上述任一方法实施例中的技术方案。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种超声波传感器测量数据的处理方法，其特征在于，包括：
获取超声波传感器的测量数据；
获取所述超声波传感器对应的噪声测量模型，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，所述环境噪声包括至少一种分布类型的噪声；
根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果，所述处理结果是对所述测量数据去除所述环境噪声的影响后的数据；
所述环境噪声包括：服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声；
所述获取所述超声波传感器对应的噪声测量模型之前，还包括：
根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果之后，还包括：
对所述处理结果进行平滑滤波，得到平滑滤波后的处理结果。
3.根据权利要求1所述的方法，其特征在于，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取超声波传感器的测量误差数据，对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
4.根据权利要求1所述的方法，其特征在于，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据，对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
5.根据权利要求1所述的方法，其特征在于，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取所述超声波传感器的漏检数据，对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
6.根据权利要求1所述的方法，其特征在于，所述根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型之前，还包括：
获取所述超声波传感器由于串扰导致的误检数据，对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
7.一种超声波传感器测量数据的处理装置，其特征在于，包括：
第一获取模块，用于获取超声波传感器的测量数据；
第二获取模块，用于获取所述超声波传感器对应的噪声测量模型，所述噪声测量模型用于指示所述超声波传感器的测量数据受环境噪声的影响程度，所述环境噪声包括至少一种分布类型的噪声；
处理模块，用于根据所述测量数据和所述噪声测量模型，获取所述测量数据的处理结果，所述处理结果是对所述测量数据去除所述环境噪声的影响后的数据；
所述环境噪声包括：服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声；
所述装置还包括：
生成模块，用于根据所述服从高斯分布的误差噪声、服从指数分布的意外检测噪声、服从脉冲分布的漏检噪声、以及服从均值分布的误检噪声，生成所述超声波传感器对应的噪声测量模型。
8.根据权利要求7所述的装置，其特征在于，所述处理模块还用于：
对所述处理结果进行平滑滤波，得到平滑滤波后的处理结果。
9.根据权利要求7所述的装置，其特征在于，所述生成模块还用于：
获取超声波传感器的测量误差数据，对所述测量误差数据采用高斯分布进行拟合，得到所述服从高斯分布的误差噪声。
10.根据权利要求7所述的装置，其特征在于，所述生成模块还用于：
获取所述超声波传感器由于扫描到意外障碍物导致的意外检测数据，对所述意外检测数据采用指数分布进行拟合，得到所述服从指数分布的意外检测噪声。
11.根据权利要求7所述的装置，其特征在于，所述生成模块还用于：
获取所述超声波传感器的漏检数据，对所述漏检数据采用脉冲分布进行拟合，得到所述服从脉冲分布的漏检噪声。
12.根据权利要求7所述的装置，其特征在于，所述生成模块还用于：
获取所述超声波传感器由于串扰导致的误检数据，对所述误检数据采用均值分布进行拟合，得到所述服从均值分布的误检噪声。
13.一种超声波传感器测量数据的处理设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至6任一项所述的方法。
14.一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执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811625720.1A CN109696665B (zh) | 2018-12-28 | 2018-12-28 | 超声波传感器测量数据的处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811625720.1A CN109696665B (zh) | 2018-12-28 | 2018-12-28 | 超声波传感器测量数据的处理方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109696665A CN109696665A (zh) | 2019-04-30 |
| CN109696665B true CN109696665B (zh) | 2021-02-19 |
Family
ID=66232339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811625720.1A Active CN109696665B (zh) | 2018-12-28 | 2018-12-28 | 超声波传感器测量数据的处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109696665B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111077527A (zh) * | 2019-12-23 | 2020-04-28 | 上海闻泰信息技术有限公司 | 一种障碍物距离确定方法、装置、车载设备及存储介质 |
| WO2023063095A1 (ja) * | 2021-10-13 | 2023-04-20 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、および情報処理方法、並びにプログラム |
| CN116539148B (zh) * | 2023-07-04 | 2023-09-26 | 中国电力科学研究院有限公司 | 一种噪声测量装置、方法及系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS52112928A (en) * | 1976-03-17 | 1977-09-21 | Nippon Soken Inc | Device for detecting obstacle for automobile |
| CN100510776C (zh) * | 2006-10-08 | 2009-07-08 | 李世雄 | 自动修订感测器扫描范围的倒车雷达装置及其方法 |
| CN101324669A (zh) * | 2008-07-25 | 2008-12-17 | 杭州电子科技大学 | 多路超声波传感器信号处理方法 |
| CN101414008A (zh) * | 2008-11-27 | 2009-04-22 | 四川芯科力创电子科技有限责任公司 | 一种矿用防爆型的防撞雷达系统 |
| CN101539402B (zh) * | 2009-04-29 | 2011-08-17 | 陈炳生 | 实时测量数据的处理方法 |
| KR101143381B1 (ko) * | 2009-11-27 | 2012-05-22 | 주식회사 나인티시스템 | 초음파 거리측정의 환경소음 구분방법 |
| CN102866209B (zh) * | 2012-09-06 | 2014-12-31 | 中国计量学院 | 一种自适应超声波相控阵检测装置系统误差的方法 |
| CN103543447B (zh) * | 2013-09-22 | 2016-08-10 | 浙江工商大学 | 超声波短距高精度测量中环境噪音剔除方法 |
| CN105277933B (zh) * | 2014-07-14 | 2017-12-01 | 重庆邮电大学 | 一种多通道超声波障碍物防串扰检测方法 |
| CN107122333A (zh) * | 2017-03-09 | 2017-09-01 | 北京理工大学 | 一种降低测量数据不确定度的数据处理方法 |
-
2018
- 2018-12-28 CN CN201811625720.1A patent/CN109696665B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109696665A (zh) | 2019-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109696665B (zh) | 超声波传感器测量数据的处理方法、装置及设备 | |
| CN110807439B (zh) | 检测障碍物的方法及装置 | |
| CN110443275B (zh) | 去除噪声的方法、设备及存储介质 | |
| KR20130096702A (ko) | 차량의 주변 환경 모니터링 방법 및 장치 | |
| CN110275168A (zh) | 一种多目标识别和防撞预警方法和系统 | |
| JP5607347B2 (ja) | 誤りのあるセンサ出力を特定するための方法及び装置 | |
| CN108535709A (zh) | 道路杂波抑除 | |
| US8577534B2 (en) | Method for scanning a surrounding environment of a vehicle | |
| CN113711082A (zh) | 借助由车辆上安装的超声波传感器所接收的超声波信号评估对象高度的方法和设备 | |
| US20220244379A1 (en) | Method and driver assistance system for classifying objects in the surroundings of a vehicle | |
| CN111391752A (zh) | 一种用于识别障碍物的报警方法、装置、电子设备及存储介质 | |
| CN112863242B (zh) | 一种车位检测的方法和装置 | |
| CN109263649B (zh) | 车辆及其自动驾驶模式下的物体识别方法和物体识别系统 | |
| CN110426714A (zh) | 一种障碍物识别方法 | |
| CN114675295A (zh) | 一种障碍物判定的方法、装置、设备及存储介质 | |
| CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
| CN111159833A (zh) | 无人驾驶车辆算法的评估的方法和装置 | |
| CN112526525A (zh) | 对静态对象和动态对象的分类 | |
| CN111881874A (zh) | 车位识别方法、设备及系统 | |
| KR102420585B1 (ko) | 라이다 시스템의 운용 환경이 고려하여 점군 정보를 결정하기 위한 장치 및 방법 | |
| US20240168157A1 (en) | Method for operating an ultrasonic sensor device for monitoring an underbody region of a motor vehicle, computer program product, computer-readable storage medium, and ultrasonic sensor device | |
| CN111806379B (zh) | 检测施加于车辆的刮蹭和/或碰撞的方法和电子设备 | |
| JP4151631B2 (ja) | 物体検出装置 | |
| CN113589288A (zh) | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 | |
| CN112896070A (zh) | 一种车位障碍物检测方法、装置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 |