CN109964149B - 用于轮式车辆的自校准感测器系统 - Google Patents
用于轮式车辆的自校准感测器系统 Download PDFInfo
- Publication number
- CN109964149B CN109964149B CN201780071453.5A CN201780071453A CN109964149B CN 109964149 B CN109964149 B CN 109964149B CN 201780071453 A CN201780071453 A CN 201780071453A CN 109964149 B CN109964149 B CN 109964149B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vehicle
- coordinate system
- wheeled vehicle
- point
- 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
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013442 quality metrics Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/46—Indirect determination of position data
- G01S17/48—Active triangulation systems, i.e. using the transmission and reflection of electromagnetic waves other than radio waves
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S17/66—Tracking systems using electromagnetic waves other than radio waves
-
- 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
- G06T17/05—Geographic models
Abstract
一种安装于车辆上的三维感测器(21)的局部坐标系(L)中检索轮式车辆(1)基点位置的方法和系统。该方法包括获取轮式车辆(1)沿直线路线和弧形路线移动时的点云框架,轮式车辆以及代表车辆(1)的一部分(19)的点云;计算主方向矢量、主方向线和轮式车辆(1)在局部坐标系(L)中的即时旋转中心的位置,以及检索基点的位置。
Description
技术领域
本发明涉及用于检索轮式车辆基点位置的方法,以及用于轮式车辆的自校准感测器系统,且涉及包括如此自校准感测器系统的无人驾驶车辆。
背景技术
本应用属于安装在轮式车辆上的三维感测器的领域。
发明内容
向车辆提供能够获取车辆周围三维点云的三维感测器,具有很多有趣的应用。
获取的点云,例如,可用于生成车辆已行驶区域的3D地图。
获取的点云也可用于辅助或自动驾驶车辆。
驾驶辅助的应用示例,是触发碰撞报警或避免碰撞的目标检测,但感测器也可用于全自动车辆中,以实现车辆的自动驾驶。
为了有效地执行,三维感测器必须对车辆进行高精度定位和对准。否则,感测器的操作可能对车辆乘客和其他道路使用者造成重大风险。例如,如果感测器检测到一个物体在主车辆的路径上,但是,由于未对准,认为该物体略微朝向轮式车辆路径的左侧,轮式车辆可能没有意识到严重的危险情况。
当存在数个感测器时,能够将获得的数据融合到公共参考系统中以作出决策也很重要。随后需要对感测器进行适当对准,以最小化感测器信息的冲突。
用于轮式车辆上的三维感测器获取的传统方法,依赖于精心加工的承板,以将感测器定位在受控的位置,相对于车辆对准,或进行工厂校准,以确定从感测器获取的局部坐标系至车辆参考框架系统的坐标转换函数。
这些方法需要昂贵的加工。此外,如果由于震动、老化或与天气相关的条件,感测器变得与车辆参考框架有偏差,那么,除了采用感测器来更换安装阶段或将车辆返厂重新校准,通常没有简单方法来纠正偏差,因为这些感测器的校准过程涉及在汽车车间中无法提供的3D测量工具和3D输入接口。
本发明旨在改善这种情况。
为此,本发明的第一个目的是轮式车辆在安装于所述车辆上的三维感测器的局部坐标系中的基点位置的方法,该方法包括:
当轮式车辆沿直线路线移动时,通过操作所述感测器,获取车辆环境的一系列第一点云框架,
当轮式车辆沿着弧形路线移动时,通过操作所述感测器,获取车辆环境的一系列第二点云框架,
提供由所述感测器获取的、代表一部分车辆的至少一个第三点云,
在三维感测器的局部坐标系中提供所述第一点云框架、所述第二点云框架和所述至少一个第三点云,
从一系列第一点云框架计算轮式车辆在感测器的局部坐标系中的主方向矢量,
从主方向矢量和第三点云,在感测器的局部坐标系中定义轮式车辆的主方向线,
从一系列第二点云框架,在感测器的局部坐标系中,确定沿弧形路线移动的轮式车辆的即时旋转中心的至少一个位置,
使用主方向线和即时旋转中心的位置,在局部坐标系中检索轮式车辆基点的位置。
在一些实施例中,还可以使用如下的一个或多个特征:
—通过寻找与即时旋转中心最小距离的主方向线的点,在感测器的局部坐标系中计算轮式车辆基点的位置;
—在感测器局部坐标系中,轮式车辆基点的位置应是这样:所述基点与即时旋转中心的连线垂直于主方向线;
—由至少一个第三点云代表的所述车辆的一部分,在轮式车辆的对称平面的两侧延伸类似的距离;
—至少一个三维感测器被安装在所述车辆顶部或顶部上方,由至少一个第三点云代表的所述车辆的一部分,包含至少一部分所述顶部的左外侧边缘和至少一部分所述顶部的右外侧边缘,所述顶部的所述左外侧边缘和右外侧边缘是根据轮式车辆的对称平面定义的;
—通过比较第一点云框架和第二点云框架中的至少两个点云,提供代表所述车辆的一部分的所述至少一个第三点云,以将所述至少两个点云的点分段成为代表所述车辆的环境的数据点和代表所述车辆的数据点,所述至少一个第三点云由代表所述车辆的所述数据点组成;
—从主方向矢量和第三点云,确定所述轮式车辆在感测器的局部坐标系中主方向线的步骤,其包括:
从第三点云确定位于轮式车辆对称面上的至少一个中间点在局部坐标系中的位置,以及
从主方向矢量和所述至少一个中间点的位置,确定轮式车辆在感测器的局部坐标系中的主方向线;
—通过计算第三点云的质心,确定所述中间点的位置;
—通过将第三点云投射在垂直于主方向矢量的平面上,并确定第三点云的投射中心,来确定所述中间点的位置;
—通过融合由安装在所述车辆上的至少两个三维感测器分别获得的至少两个点云,来确定第一点云框架、第二点云框架、和第三点云中的至少一个点云。
—该方法进一步包括确定轮式车辆的车身骨架坐标系,其中所述车身骨架坐标系由如下方面确定:
所述轮式车辆的基点,和
由主方向矢量和即时旋转中心确定的车身骨架坐标系的至少一个轴,优选为至少两个轴,更优选为三个轴。
本发明的另一个目的是将将安装在轮式车辆上的至少一个三维感测器获取的点云框架注册到轮式车辆的车身骨架坐标系的方法,所述方法包括:
在所述感测器的局部坐标系中,从所述至少一个三维感测器接收多个点云框架,
通过使用所述多个点云框架执行上述的方法,检索所述轮式车辆的车身骨架坐标系,
将所述感测器所获取的在所述感测器的所述局部坐标系中的至少一个点云框架注册到所述轮式车辆的所述车身骨架坐标系中。
本发明的另一个目的是一种用于轮式车辆的自校准三维感测器系统,其包括:
至少一个适于安装在轮式车辆上,以获取所述车辆的环境和所述车辆的至少一部分的点云框架的三维感测器,
与所述至少一个三维感测器相连的处理单元,并可操作于:
从所述至少一个三维感测器接收点云框架,和
通过实施上述方法,在所述三维感测器的局部坐标系中检索轮式车辆基点的位置,和/或通过实施根据权利要求11的方法,将至少一个所述点云框架注册到所述轮式车辆的车身骨架坐标系中。
本发明的另一个目的是包含如上详述的自校准三维感测器系统的自动或半自动的轮式车辆。
本发明的还有另一个目的是一种非临时计算机可读存储介质,其上存储有包括程序指令的计算机程序,该计算机程序可加载到按如上详述的自校准三维感测器系统或如上详述的方法的处理单元中,当该计算机程序由该处理单元运行时。
附图说明
从如下对本发明的数个作为非限制性示例给出的实施例的描述和对附图的描述,本发明的其他特征和优点将显而易见。
在图上:
-图1是根据本发明一个实施例的包括自校准三维感测器系统的轮式车辆的示意性透视图,
-图2是图1所示的轮式车辆沿直线路线的示意性俯视图,其中车辆主体被隐藏以显示轮子,
-图3是图2所示的轮式车辆沿弧形路线的示意性俯视图,
-图4A,4B和4C示出了根据本发明一个实施例的包括自校准三维感测器系统的图1所示的轮式车辆的替代配置,
-图5是根据本发明实施例的详细说明用于检索轮式车辆基点位置的方法的流程图。
在不同图中,相同附图标记表示相同或相似元件。
具体实施方式
图1示出了根据本发明一个实施例的轮式车辆1。
车辆1是轮式车辆,其方向可以受控以沿特定路线行驶。特别感兴趣的一个示例是具有转向机构的汽车,例如,如图1所示的前轮-转向车辆。应注意的是,本发明可应用于各类轮式车辆、后轮转向汽车、卡车、摩托车等。在最一般的情况下,轮式车辆10具有承载至少一个轮子12的底盘10。
在图1示例中,车辆1是具有底盘10的前轮-转向(FWS)车辆,底盘10将具有两个可转向轮12、13的前轴11与具有两个不可转向轮15、16的后轴14相连。
车辆1通常包括主体17,其从车辆1的环境E中界定出所述车辆的内部I。
车辆1的多个感测器可以安装在车辆1的主体17上或内部。
特别地,根据本发明的车辆1具有能够输出车辆1的环境E的点云框架的自校准三维感测器系统2。
感测器系统2安装并固定在车辆上或内部。
感测器系统可以将数据发送到车辆1的内部处理单元18和/或将数据发送到远程服务器(未示出)。
自校准三维感测器系统2包括至少一个适于安装在轮式车辆1上的三维感测器21。三维感测器21能够获取车辆1和至少一部分车辆1的环境E的点云和点云框架1,详见下文。
所谓“点云”,我们指坐标系中的一组三维数据点,例如,如下详述的所述感测器的局部坐标系L。点云的各个数据点与位于感测器21周围体量中的物体表面的一个点对应。
所谓“三维数据点”,可以理解为坐标系中感测器环境的一个点的三维坐标,例如,如下详述的所述感测器的局部坐标系L。三维数据点可进一步包括附加特征,例如,由所述点的感测器检测到的信号强度。
所谓“点云框架”,是指与一系列点云中指数相关的点云,例如:一系列获取期间点云获取时间的时间戳。因此,一系列点云框架可以在数据框架获取的时间线中进行组织。
点云尤其可以在所述感测器21的局部坐标系L中获取。
局部坐标系L是与所述感测器21相关的坐标系L,例如,其原点位于感测器位置的坐标系。局部坐标系L可以是笛卡尔坐标系、柱面坐标系或极坐标系。
三维感测器21例如可以包括一个激光测距仪,诸如光探测和测距(LIDAR)模块、雷达模块、超声测距模块、声纳模块、使用三角测量的测距模块或能够获取感测器21的局部坐标系L中环境的单点或多点P位置的任何其他设备。
在优选实施例中,三维感测器21发射初始物理信号,并接收沿局部坐标系受控方向的反射物理信号。被发射的和被反射的物理信号例如可以是光束、电磁波或声波等。
然后,感测器21计算范围,该范围与感测器21到感测器21周围体积中物体表面上初始信号反射点P的距离相对应。所述范围可通过将初始信号与反射信号进行比较来计算,例如,通过将发射和接收的时间或阶段进行比较。
然后从所述范围和所述受控方向,可计算感测器21局部坐标系中的三维数据点的坐标。
在一个示例中,感测器21包括以恒定时间速率发射光脉冲的激光器,所述光脉冲因沿两个方向旋转的移动镜而偏转。感测器收集反射光脉冲,发射脉冲和接收脉冲间的时间差,提供了感测器21环境中物体反射表面的距离。感测器21的处理器或单独的处理单元,然后使用简单三角公式,将感测器获取的各项观察转换成三维数据点D。
周期性获取包括感测器21局部环境全面扫描的点云,该点云包括代表感测器21周围体积中物体的一组三维数据点D。
所谓“局部环境的全面扫描”,是指感测器21已覆盖完整的视野。例如,在对局部环境进行全面扫描后,激光感测器的移动镜返回到原始位置,并准备开始新一轮的旋转运动。因此,感测器对局部环境的全面扫描是二维相机所获得的图像的三维等效物。
感测器21局部环境全面扫描获取的一组三维数据点D是点云。感测器21能够周期性地获取具有给定框架率的点云框架。
自校准三维感测器系统2进一步包括与所述至少一个三维感测器21相连的处理单元22。
处理单元22能够从所述感测器21接收点云和点云框架。处理单元22可与感测器21集成在一个单一单元中,或可选地,可以是固定到车辆1内部的不同单元。在一些实施例中,处理单元22可以是车辆1内部处理单元18的一部分。
处理单元22能够处理从所述感测器21接收到的点云和点云框架,以在三维感测器21的局部坐标系L中检索轮式车辆1基点B的位置。
根据本发明的一个实施例,使用自校准三维感测器系统2检索轮式车辆1的所述基点B的位置的方法,如图5所示,现将进一步详细说明。
通常,轮式车辆的“基点”可定义如下。
当所述车轮全部对齐时,根据本发明的轮式车辆具有与车辆车轮轴线垂直的对称平面S。对称平面S例如是汽车的中央垂直纵向平面。在摩托车的情形中,当所述车轮对准时,垂直纵向平面将是穿过两个车轮中部的垂直平面。
当车辆沿如图2所示的弧形路线CL行驶时,车辆的车轮循着通常不同的相应路径P1、P2、P3、P4。每次,所述路径P1、P2、P3、P4中每个路径都可以通过围绕所谓的即时旋转中心的瞬时圆局部地近似。特别是在Ackerman转向条件下,所述路径P1、P2、P3、P4的瞬时旋转中心在车辆1的即时旋转中心中重合。
然后可以将轮式车辆的基点B确定为与车辆1即时旋转中心最小距离的车辆1对称平面S的唯一点。
当车辆包括不可转向轴时,例如,在图1中所示的前轮-转向车辆1情况下的后轴,轮式车辆1的基点B位于所述不可转向轴的中心,如图2、图3所示。
在根据本发明的轮式车辆各种实施例的情况下,轮式车辆1的基点B如图4A、4B和4C中所示。
知道轮式车辆基点的位置,具有多项优点。特别地,它提供了一种对来自各种感测器有关车辆的共同和可靠参考点的数据进行合并的方法。
本发明的一个目的是提供一种在三维感测器局部坐标中检索轮式车辆1基点B位置的简单的、自动的且有效的方法。
根据本发明的这种方法详述在图5上。
在第一步中,在轮式车辆1沿如图2所示的直线路线SL移动时,通过操作所述感测器21获得载具1环境E的一系列第一点云框架C1。
第一点云框架C1在如上所述的三维感测器21局部坐标系L中获得。
一系列第一点云框架C1包括一组点云{C11,…,C1N},这些点云与各自获取时间的时间戳{t11,…,t1N}有关。
第一点云框架C1由处理单元22处理,以在感测器21的局部坐标系L中计算轮式车辆1的主方向矢量V。
轮式车辆1的主方向矢量V是三维(或者二维,假如点云在水平平面上投影)矢量。
应注意的是,主方向矢量V是一个矢量,这样仅包含在三维感测器21的局部坐标系L中车辆1的方向指示,但不足以在所述坐标系L中确定对称平面S的基点B的位置。
如上所述,三维感测器21获取的各个点云,可以包括代表车辆1环境E的点P_E的数据点DP_E,而且还能包括代表车辆1点P_V的数据点DP_V。例如,如果感测器21安装在车辆1的顶部,则感测器21获取的点云可以捕获车辆顶部的某些点。
如为第一点云框架C1的情况,则我们对代表车辆1环境E的数据点DP_E更感兴趣。
为了确定主方向矢量V,可将第一点云框架C1分段,以分别识别和标记代表环境E的数据点DP_E和代表车辆1本身的数据点DP_V。这种分段可通过一起比较连续第一点云框架C1来执行,以识别点云的固定点或区域。一旦对点云框架C1进行分段,可从第一点云框架C1中忽略代表车辆1的数据点DP_V。
然后通过一起比较连续第一点云框架C1来计算主方向矢量V,以计算移动方向。
例如,如此的比较可以通过使用迭代最近点算法(ICP)来执行,如P.J.Bes l和N.D.McKay在《IEEE模式分析与机器智能汇刊》14(2):239-256,1992出版的《一种三维形状登记方法》中有详述,或如Yang Chen和Gerard Medioni在图像和视觉计算》10(3),1992出版的《通过多范围图像注册进行物体建模》中有详细描述。ICP算法涉及在变换空间中的搜索,试图通过优化变换空间上定义的函数,来找到两个框架的成对变换集合。ICP的变体包括优化函数,其范围从“最小平方距离之和”等的误差度量到“图像距离”或概率度量等的质量度量。在该实施例中,处理单元22因此可以优化在第一点云{C11,…,C1N}之间数个点云变换空间上定义的函数,以确定车辆1在感测器21的局部坐标系L中的主方向矢量V。
在根据本发明方法的另一步骤中,当轮式车辆1沿着弧形路线CL移动时,通过操作所述感测器21获得车辆1的环境E的一系列第二点云框架C2,如图3所示。
再次,第二点云框架C2在上述的三维感测器21局部坐标系L中获得。
一系列第二点云框架C2包括一组M点云{C21,…,C2M},与一组各自获取时间的时间戳{t11,…,t1M}相关。
第二点云框架C2然后由处理单元22处理,以确定沿着弧形路线CL移动的轮式车辆1的即时旋转中心的至少一个位置。
在感测器21局部坐标系L中确定即时旋转中心的位置。
即时旋转中心的位置表示为所述感测器矢量的局部坐标系L中即时旋转中心的一组三维(或者二维,假如点云在水平平面上投影)坐标。
再次,由于我们对代表车辆1的环境E的数据点DP_E特别感兴趣,故可将第二点云框架C2分段,以识别和标记代表环境E的数据点DP_E和代表车辆1的数据点DP_V,尤其是一起比较连续的第二点云框架C2,以识别点云的固定点或区域。然后可从第二点云框架C1中忽略代表车辆1的数据点DP_V。
与主方向矢量V的计算方式类似,例如,可以通过一起比较连续的第二点云框架C2来计算即时旋转中心的位置,以计算运动方向。
如此的比较这里也可以使用迭代最近点算法(ICP)来执行,如P.J.Bes l和N.D.McKay在《IEEE模式分析与机器智能汇刊》14(2):239-256,1992出版的《一种三维形状登记方法》中有详述,或如Yang Chen和Gerard Medioni在《图像和视觉计算》10(3),1992出版的《通过多范围图像注册进行物体建模》中有详细描述。ICP算法涉及在变换空间中的搜索,试图通过优化变换空间上定义的函数,来找到两个框架的成对变换集合。ICP的变体包括优化函数,其范围从“最小平方距离之和”等的误差度量到“图像距离”或概率度量等的质量度量。在该实施例中,处理单元22因此可以优化在第二点云{C21,…,C2M之间数个点云变换空间上定义的函数,以确定车辆1在感测器21的局部坐标系L中的即时旋转中心的位置。
在根据本发明方法的另一个步骤中,通过操作所述感测器21来获取至少一个第三点云。
如上所述,第三点云可以包括代表车辆1环境E的数据点DP_E和代表车辆1的数据点DP_V。
因此,上述对代表环境E的数据点DP_E和代表车辆1的数据点DP_V进行分段和标记的详细操作也可在第三点云的情况下进行。
但是,与第一点云框架C1和第二点云框架C2不同,我们在此对第三点云中车辆1本身的数据点DP_V特别感兴趣。
一旦对第三点云进行分段,此时可以将代表载具1环境E的数据点DP_E从第三点云中忽略。
在一个实施例中,第三点云从第一点云框架C1和第二点云框架C2中的至少两个点云框架生成。例如,可以通过对比两个点云框架来生成第三点云,以识别点云的固定点或区域,这些点云因此可被标记为车辆1的数据点DP_V并被收集起来以生成第三点云。
第三点云代表车辆1的一部分T。
这样的车辆1的一部分T的示例显示在图1中。所述车辆的部分T在所述轮式车辆1的对称平面S的任一侧上以实质上相似的距离延伸。
所谓“在对称平面任一侧上延伸相似距离”,是指对称平面S一侧上第三点云数据点的最大距离接近对称平面S另一侧上第三点云数据点的最大距离。因此,第三点云的质心或第三点云关于对称平面S的中间延伸,靠近或接近对称平面S。
在图1示例中,感测器21安装在车辆1的顶部19上。在这种情况下,所述车辆的部分T包括所述顶部19的一部分,尤其是至少一部分所述顶部19的左侧边缘19a和至少一部分所述顶部19的右侧边缘19b。根据轮式车辆1的对称平面S,定义顶部的左侧边缘19a和右侧边缘19b,如图1所示。
在本发明的一个实施例中,所述车辆的部分T包括车辆1顶部19的整个宽度。
一旦提供了第三点云,处理单元22就可以通过主方向矢量V和第三点云,在感测器21的局部坐标系L中定义轮式车辆1的主方向线M。
在一个实施例中,处理单元22在与所述主方向矢量V垂直的局部坐标系L的平面中,确定主方向矢量V的侧向位置,这样,主方向线M是沿主方向矢量V定向的、并穿过与所述主方向矢量V垂直的平面上第三点云的投影质心的三维线。
在另一个实施例中,处理单元22可以首先从第三点云确定位于轮式车辆对称面S上中间点O在局部坐标系中的三维位置。为此,处理单元22可以简单地确定第三点云质心的位置,如以上所详述。
然后,可以在感测器21的局部坐标系L中,将轮式车辆1的主方向线M确定为沿主方向矢量V定向的、并穿过所述中间点O的三维线。
上述的第一个和第二个例子是类似的,除了在前一个例子中,第三点云质心仅在垂直于所述主方向矢量V的平面上以两个维度计算。
一旦根据获取的点云确定了轮式车辆1的主方向线M和车辆1的即时旋转中心的位置,就有可能检索到车辆1基点的位置,如图3所示。
通过找到具有与即时旋转中心有最小距离的主方向线M的点,便获得局部坐标系L中基点B的位置。
因此,基点B在感测器局部坐标系中的位置应是这样的,使得连接所述基点B和即时旋转中心的直线,垂直于主方向线M。
通过观察如图3中所示的沿弧形路线移动的车辆1的运动学,可以看出,基点B因此自然位于非转向的中心轴(例如,用于图1中前轮-转向(FWS)车辆的后轴)。
需要强调的是,基点B在感测器21局部坐标系L内的位置,只需通过沿车辆1的两个标准路线(直线路线和任意弧形路线)记录的数据进行确定。因此,上述检索过程价格低廉,因为不需要任何外部校准工具。它可以很容易地重新实施,甚至可以集成到获取过程中,以便进行连续的重新校准。
上述过程可用于使三维感测器系统对可能改变感测器系统校准的事件具有高度弹性,所述事件例如是震动或老化。
该方法可容易扩展到包含多个三维感测器21中两个感测器的三维感测器系统2。在这种情况下,可通过融合由安装在所述车辆上的所述两个或多个三维感测器分别获取的点云,确定第一点云框架和/或第二点云框架。或者,为了合并点云,可在所述两个或多个三维感测器的每个局部坐标系中,确定单独的基点位置。
更通常地说,轮式车辆可通过将轮式车辆基点B位置设置为感测器所述车身骨架坐标系F的原点,并根据主方向矢量V和即时旋转中心C的位置,定义车身骨架坐标系B的至少一个轴,便可在感测器21的局部坐标系L中确定轮式车辆的车身骨架坐标系F。
在一个示例中,车身骨架坐标系F的第一轴X,可由主方向矢量V定义,第二轴Y可由从基点B指向即时旋转中心C的矢量定义,第三轴Z可定义为与所述第一轴和第二轴垂直的方向。
车身骨架坐标系F的一个优点是,即使可由感测器系统2以自主方式确定,也可根据车辆的一般运动特性定义,尤其是基点和主方向矢量。因此,另一个感测器(尤其是另一个三维感测器)或处理单元可以有效和可靠的方式使用这种坐标系。
因此,可将车身骨架坐标系F用于登记由感测器21获取的点云框架。
因此,本发明还涉及一种将安装在轮式车辆1上的三维感测器21获取的点云框架注册到轮式车辆1车身骨架坐标系F的方法。
该方法包括如下步骤:
—在感测器的局部坐标系L中,接收来自三维感测器21的多个点云框架,
—通过使用多个点云框架,执行如上所述的方法,在局部坐标系S中检索轮式车辆1的车身骨架坐标系F,以及
—将感测器21在局部坐标系L中获取的至少一个点云框架,注册到轮式车辆1车身骨架坐标系F。
注册的步骤是通过将坐标系变换应用于点云数据点的位置来完成的。
特别地,根据本发明的自校准三维感测器系统2,可执行所述方法的步骤,用于注册由三维感测器获取点云框架。
在特别感兴趣的本发明的一个实施例中,其上或其中安装有自校准三维感测器系统2的车辆1是自动驾驶车辆。
在该实施例中,感测器21能够与负责驾驶自动驾驶汽车的车辆1的内部处理单元18通信。
在本发明的一些实施例中,自校准三维感测器系统2可以包括一个通信单元,其可操作以输出至少一个已注册的点云框架,例如,将所述已注册点云框架输出到车辆1的内部处理单元18。通信单元可在系统2的处理单元22内集成。
本领域技术人员将会充分理解,本文描述本发明而讨论的数个和各种步骤和过程,可以指由计算机、处理器或其他使用电气现象操作和/或变换数据的电子计算设备执行的操作。这些计算机和电子设备可以采用各种易失性和/或非易失性存储器,包括带有其上存储的可执行程序的非暂时性计算机可读介质,包括能够由计算机或处理器执行的各种代码或可执行指令,其中,存储器和/或计算机可读介质可包括所有形式和类型的存储器以及其他计算机可读介质。
前述讨论公开并仅描述了本发明的示例性实施例。本领域技术人员将很容易从如此的讨论和附图以及权利说明书中认识到,可以在不脱离如下权利说明书中定义的本发明的精神和范围的情况下,作出各种更改、修改和变更。
Claims (15)
1.在安装于车辆上的三维感测器(21)的局部坐标系中检索轮式车辆(1)基点位置的方法,该方法包括:
-当轮式车辆(1)沿直线路线(SL)移动时,通过操作所述感测器(21)获取车辆(1)的环境(E)的一系列第一点云框架(C1),
-当轮式车辆(1)沿弧形路线(CL)移动时,通过操作所述感测器(21)获取车辆(1)的环境(E)的一系列第二点云框架(C2),
-提供由所述感测器(21)获取的、代表车辆(1)的一部分(19)的至少一个第三点云,
其中,在三维感测器(21)的局部坐标系(L)中提供所述第一点云框架、所述第二点云框架和所述至少一个第三点云,
-从一系列第一点云框架(C1)计算轮式车辆(1)在感测器(21)的局部坐标系(L)中的主方向矢量(V),
-从主方向矢量(V)和第三点云,在感测器(21)的局部坐标系(L)中定义轮式车辆(1)的主方向线(M),
-从一系列第二点云框架(C2),在感测器的局部坐标系中,确定沿弧形路线(CL)移动的轮式车辆(1)的即时旋转中心的至少一个位置,
-使用主方向线(M)和即时旋转中心的位置,在局部坐标系(L)中检索轮式车辆(1)基点(B)的位置。
2.根据权利要求1所述的方法,其特征在于,通过寻找与即时旋转中心最小距离的主方向线(M)的点,在感测器的局部坐标系(L)中计算轮式车辆(1)基点(B)的位置。
3.根据权利要求1所述的方法,其特征在于,感测器(21)的局部坐标系(L)中轮式车辆(1)基点(B)的位置,应是这样:一条将所述基点(B)与即时旋转中心相连的线,与主方向线(M)垂直。
4.根据权利要求1所述的方法,其特征在于,由至少一个第三点云代表的所述车辆的一部分(19),在轮式车辆(1)的对称平面(S)的两侧延伸类似的距离。
5.根据权利要求1所述的方法,其特征在于,至少一个三维感测器(21)被安装在所述车辆顶部(19)或顶部上方,且其中,由至少一个第三点云代表的所述车辆的一部分包含至少一部分所述顶部的左外侧边缘(19a)和至少一部分所述顶部的右外侧边缘(19b),所述顶部(19)的所述左外侧边缘和右外侧边缘是根据轮式车辆(1)的对称平面(S)定义的。
6.根据权利要求1所述的方法,其特征在于,通过比较第一点云框架(C1)和第二点云框架(C2)中的至少两个点云,提供代表所述车辆的一部分的所述至少一个第三点云,以将所述至少两个点云的点分段成为代表所述车辆(1)的环境(E)的数据点和代表所述车辆(1)的数据点,
其中,所述至少一个第三点云由代表所述车辆(1)的所述数据点组成。
7.根据权利要求1所述的方法,其特征在于,从主方向矢量(V)和第三点云,确定所述轮式车辆(1)在感测器(21)的局部坐标系(L)中主方向线(M)的步骤,其包括:
-从第三点云确定位于轮式车辆(1)对称面(S)上的至少一个中间点(O)在局部坐标系(L)中的位置,以及
-从主方向矢量(V)和所述至少一个中间点(O)位置,确定轮式车辆(1)在感测器(21)的局部坐标系(L)中的主方向线(M)。
8.根据权利要求7所述的方法,其特征在于,通过计算第三点云的质心,确定所述中间点(O)的位置。
9.根据权利要求7所述的方法,其特征在于,通过将第三点云投射在垂直于主方向矢量(V)的平面上并确定出第三点云的投射中心,来确定所述中间点(O)的位置。
10.根据权利要求1所述的方法,其特征在于,通过融合由安装在所述车辆(1)上的至少两个三维感测器(21)分别获得的至少两个点云,来确定第一点云框架(C1)、第二点云框架(C2)和第三点云中的至少一个点云。
11.根据权利要求1所述的方法,进一步包括确定轮式车辆(1)的车身骨架坐标系(F),其中所述车身骨架坐标系由如下方面确定:
所述轮式车辆(1)的基点(B),和
由主方向矢量(V)和即时旋转中心确定的车身骨架坐标系(F)的至少一个轴。
12.一种将安装在轮式车辆(1)上的至少一个三维感测器(21)获取的点云框架注册到轮式车辆(1)的车身骨架坐标系(F)的方法,所述方法包括:
-在所述感测器的局部坐标系(L)中,从所述至少一个三维感测器(21)接收多个点云框架,
-通过使用所述多个点云框架执行根据权利要求11所述的方法,检索所述轮式车辆(1)的车身骨架坐标系(F),
-将所述感测器(21)获取的在所述感测器的所述局部坐标系(L)中的至少一个点云框架注册到所述轮式车辆(1)的所述车身骨架坐标系(F)中。
13.一种用于轮式车辆(1)的自校准三维感测器系统(2),其包括:
-至少一个三维感测器(21),其适于安装在轮式车辆(1)上,以获取所述车辆(1)的环境(E)和所述车辆(1)的至少一部分(19)的点云框架,
-与所述至少一个三维感测器(21)相连的处理单元(22),其可操作用于:
从所述至少一个三维感测器(21)接收点云框架,和
通过实施根据权利要求1至10中任一项所述的方法,在所述三维感测器(21)的局部坐标系(F)中检索轮式车辆基点(B)的位置,和/或通过实施根据权利要求11所述的方法,将至少一个所述点云框架注册到轮式车辆(1)的车身骨架坐标系(F)中。
14.一种自动或半自动的轮式车辆(1),其包括根据权利要求13所述的自校准三维感测器系统(2)。
15.一种非临时计算机可读存储介质,其存储有包括程序指令的计算机程序,该计算机程序可加载到根据权利要求13至14中任一项所述的自校准三维感测器系统的处理单元中,当该计算机程序由该处理单元运行时,该计算机程序适于使该处理单元执行根据权利要求1至11中任一项所述方法或根据权利要求12所述方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16306516.2 | 2016-11-18 | ||
EP16306516.2A EP3324210B1 (en) | 2016-11-18 | 2016-11-18 | Self-calibrating sensor system for a wheeled vehicle |
PCT/EP2017/079663 WO2018091685A1 (en) | 2016-11-18 | 2017-11-17 | Self-calibrating sensor system for a wheeled vehicle |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109964149A CN109964149A (zh) | 2019-07-02 |
CN109964149B true CN109964149B (zh) | 2023-03-28 |
Family
ID=58158741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780071453.5A Active CN109964149B (zh) | 2016-11-18 | 2017-11-17 | 用于轮式车辆的自校准感测器系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11474243B2 (zh) |
EP (1) | EP3324210B1 (zh) |
JP (1) | JP6827642B2 (zh) |
KR (1) | KR20190082298A (zh) |
CN (1) | CN109964149B (zh) |
CA (1) | CA3044322A1 (zh) |
WO (1) | WO2018091685A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10365355B1 (en) * | 2016-04-21 | 2019-07-30 | Hunter Engineering Company | Method for collective calibration of multiple vehicle safety system sensors |
JP2020525809A (ja) * | 2018-06-14 | 2020-08-27 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | 両眼画像に基づき高解像度地図を更新するためのシステムおよび方法 |
EP3818700A1 (en) * | 2018-07-17 | 2021-05-12 | Huawei Technologies Co., Ltd. | Prediction type signaling and temporal order signaling in point cloud coding (pcc) |
US11454525B2 (en) | 2018-10-19 | 2022-09-27 | Robert Bosch Gmbh | Vehicle sensor field calibration utilizing other vehicles |
CN111723797B (zh) * | 2019-03-22 | 2024-04-16 | 北京京东乾石科技有限公司 | 一种确定三维目标的包围框的方法及系统 |
DE102019128103A1 (de) * | 2019-10-17 | 2021-04-22 | Valeo Schalter Und Sensoren Gmbh | Kalibrierung eines aktiven optischen Sensorsystems |
KR102359250B1 (ko) * | 2021-04-29 | 2022-02-08 | 주식회사 메이사 | 포인트 클라우드 추론 장치 및 그 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957567A (zh) * | 2009-07-16 | 2011-01-26 | Asml荷兰有限公司 | 多头对准系统中的对准头的位置校准 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2175206A1 (en) * | 1993-10-26 | 1995-05-04 | Vincent Hayward | Mechanisms for orienting and placing articles |
US6034764A (en) * | 1996-03-20 | 2000-03-07 | Carter; Robert J. | Portable electronic distance and vertical angle instrument |
JP4038944B2 (ja) * | 1999-08-30 | 2008-01-30 | 株式会社デンソー | 車両用障害物検出装置の中心軸偏向量算出装置及び中心軸偏向量補正装置、操舵角中立学習装置並びに車間制御装置 |
JP2002120775A (ja) * | 2000-10-19 | 2002-04-23 | Isuzu Motors Ltd | トレーラ連結角検出装置 |
KR100608997B1 (ko) * | 2002-08-26 | 2006-08-09 | 한국과학기술연구원 | 턱 운동 측정장치 및 측정방법 |
CN102197276A (zh) * | 2008-10-28 | 2011-09-21 | 株式会社博思科 | 道路计测装置及道路计测方法 |
CN102292646B (zh) * | 2009-01-20 | 2014-03-12 | 皇家飞利浦电子股份有限公司 | 调节用于测量车辆速度的自混合激光传感器系统的方法 |
JP5361421B2 (ja) * | 2009-01-30 | 2013-12-04 | 三菱電機株式会社 | 計測装置、計測装置のレーザー位置姿勢値補正方法およびレーザー位置姿勢値補正プログラム |
JP2011048470A (ja) * | 2009-08-25 | 2011-03-10 | Toyota Motor Corp | 環境予測装置 |
JP5414454B2 (ja) * | 2009-10-23 | 2014-02-12 | 日立オートモティブシステムズ株式会社 | 車両運動制御装置 |
DE102010012749A1 (de) * | 2010-03-25 | 2011-09-29 | Kuka Laboratories Gmbh | Verfahren zum Betreiben eines autonomen Flurförderfahrzeugs |
JP5517104B2 (ja) * | 2010-04-14 | 2014-06-11 | 株式会社安川電機 | 移動体 |
EP2574958B1 (en) * | 2011-09-28 | 2017-02-22 | Honda Research Institute Europe GmbH | Road-terrain detection method and system for driver assistance systems |
GB2501466A (en) | 2012-04-02 | 2013-10-30 | Univ Oxford | Localising transportable apparatus |
ES2742831T3 (es) * | 2012-04-11 | 2020-02-17 | Balyo | Aparato y método para determinar elementos de referencia de un entorno |
DE102012018012A1 (de) * | 2012-09-12 | 2014-05-15 | Lucas Automotive Gmbh | Verfahren zum Betreiben eines Umfeldbeobachtungssystems für ein Kraftfahrzeug |
US9107098B2 (en) * | 2012-10-08 | 2015-08-11 | Netgear, Inc. | Near-field MIMO wireless test systems, structures, and processes |
CN102901457B (zh) * | 2012-10-18 | 2015-04-15 | 北京航空航天大学 | 一种列车车轮直径动态测量方法及系统 |
CN103837095B (zh) * | 2014-03-18 | 2016-06-01 | 华中科技大学 | 一种三维激光扫描方法及装置 |
JP6180354B2 (ja) * | 2014-03-31 | 2017-08-16 | 株式会社デンソーアイティーラボラトリ | 衝突判定装置、衝突判定方法及びプログラム |
US9933515B2 (en) * | 2014-12-09 | 2018-04-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Sensor calibration for autonomous vehicles |
CN104990501B (zh) * | 2015-07-14 | 2018-01-26 | 华中科技大学 | 一种三维激光扫描装置的系统参数校准方法 |
-
2016
- 2016-11-18 EP EP16306516.2A patent/EP3324210B1/en active Active
-
2017
- 2017-11-17 JP JP2019523754A patent/JP6827642B2/ja active Active
- 2017-11-17 KR KR1020197017052A patent/KR20190082298A/ko unknown
- 2017-11-17 CA CA3044322A patent/CA3044322A1/en active Pending
- 2017-11-17 US US16/344,373 patent/US11474243B2/en active Active
- 2017-11-17 WO PCT/EP2017/079663 patent/WO2018091685A1/en active Application Filing
- 2017-11-17 CN CN201780071453.5A patent/CN109964149B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957567A (zh) * | 2009-07-16 | 2011-01-26 | Asml荷兰有限公司 | 多头对准系统中的对准头的位置校准 |
Also Published As
Publication number | Publication date |
---|---|
CN109964149A (zh) | 2019-07-02 |
KR20190082298A (ko) | 2019-07-09 |
CA3044322A1 (en) | 2018-05-24 |
EP3324210A1 (en) | 2018-05-23 |
US20190257949A1 (en) | 2019-08-22 |
JP2019536019A (ja) | 2019-12-12 |
JP6827642B2 (ja) | 2021-02-10 |
US11474243B2 (en) | 2022-10-18 |
EP3324210B1 (en) | 2020-07-29 |
WO2018091685A1 (en) | 2018-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109964149B (zh) | 用于轮式车辆的自校准感测器系统 | |
JP7124117B2 (ja) | トレーラの検出および自律的なヒッチング | |
JP6827627B2 (ja) | ビークル環境マップを生成および更新するための方法およびシステム | |
US11052944B2 (en) | Auto docking method for application in heavy trucks | |
US9201424B1 (en) | Camera calibration using structure from motion techniques | |
JP5348514B2 (ja) | 位置確認のために三次元位置と二次元強度のマッピングを組み合わせるための方法と装置 | |
KR20200042760A (ko) | 차량 위치 결정 방법 및 차량 위치 결정 장치 | |
US20140350835A1 (en) | Method and system for obstacle detection for vehicles using planar sensor data | |
EP3658957A1 (en) | Determining yaw error from map data, lasers, and cameras | |
CN102398598A (zh) | 使用前视和后视摄像机的车道融合系统 | |
KR20200109365A (ko) | Slam을 사용한 차량의 위치 보정 기법 | |
CN102700548A (zh) | 具有前摄像机和后摄像机的稳健的车辆侧向控制 | |
US11721043B2 (en) | Automatic extrinsic calibration using sensed data as a target | |
Almeida et al. | Real time egomotion of a nonholonomic vehicle using LIDAR measurements | |
CN112771591B (zh) | 用于评价运输工具的环境中的对象对运输工具的行驶机动动作的影响的方法 | |
Han et al. | Robust ego-motion estimation and map matching technique for autonomous vehicle localization with high definition digital map | |
US11409302B2 (en) | Method for autonomous parking of a vehicle, and an autonomous vehicle thereof | |
Muro et al. | Moving-object detection and tracking by scanning LiDAR mounted on motorcycle based on dynamic background subtraction | |
Parra-Tsunekawa et al. | A kalman-filtering-based approach for improving terrain mapping in off-road autonomous vehicles | |
US11607999B2 (en) | Method and apparatus for invisible vehicle underbody view | |
JP7462738B2 (ja) | 車載クラスタ追跡システム | |
US20220334259A1 (en) | Information processing apparatus, information processing method, and program | |
CN113753029B (zh) | 一种基于光流法的自动泊车方法及系统 | |
US20240078749A1 (en) | Method and apparatus for modeling object, storage medium, and vehicle control method | |
EP4134625A1 (en) | Drive device, vehicle, and method for automated driving and/or assisted driving |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200316 Address after: Paris France Applicant after: Otexeit Address before: Fa Guofanersai Applicant before: DIBOTICS |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |