CN110231601A - 传感器误差补偿方法、装置、设备及存储介质 - Google Patents
传感器误差补偿方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110231601A CN110231601A CN201910586824.4A CN201910586824A CN110231601A CN 110231601 A CN110231601 A CN 110231601A CN 201910586824 A CN201910586824 A CN 201910586824A CN 110231601 A CN110231601 A CN 110231601A
- Authority
- CN
- China
- Prior art keywords
- sensor
- compensated
- error
- multiframe data
- unmanned vehicle
- 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.)
- Pending
Links
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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种传感器误差补偿方法、装置、设备及存储介质,通过无人车的待补偿传感器采集被测物体的多帧数据;根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。本实施例中结合待补偿传感器对被测物体采集的具有时序性的多帧数据,可以实现对待补偿传感器由于稀疏采样造成的误差的补偿,从而提高传感器的精度。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种传感器误差补偿方法、装置、设备及存储介质。
背景技术
无人驾驶汽车(简称无人车)是一种依靠车内以计算机系统为主的智能设备来实现无人驾驶的汽车,集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物,也是衡量一个国家科研实力和工业水平的一个重要标志,在国防和国民经济领域具有广阔的应用前景。无人驾驶车辆作为未来汽车的发展方向,已经被世界各国广泛地研究。
无人车通常需要基于传感器尽可能准确地感知到车辆前方甚至是车辆周边一定范围内的交通信息情况,以及获取车辆自身的运动状态信息,例如能够获知周围的车辆、人员、交通信号等等信息,因此无人车对于传感器的精度具有较高的要求。然而高精度的传感器通常价格高昂,增加了无人车的成本,短期内无法实现大规模应用,而采用低精度的传感器时,则可能导致无人车无法准确的进行环境感知和自身运动状态信息的获取,存在一定的安全风险。
发明内容
本发明提供一种传感器误差补偿方法、装置、设备及存储介质,以提高无人车传感器的精度。
本发明的第一方面是提供一种传感器误差补偿方法,包括:
通过无人车的待补偿传感器采集被测物体的多帧数据;
根据所述多帧数据获取所述待补偿传感器的误差;
根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
进一步的,所述通过无人车的待补偿传感器采集被测物体的多帧数据,包括:
通过所述待补偿传感器以不同角度对所述被测物体进行扫描,得到被测物体的多帧数据。
进一步的,所述方法还包括:
获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,所述行驶状态信息包括无人车的位置、速度、加速度中至少一项;
所述根据所述多帧数据获取所述待补偿传感器的误差,包括:
根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差。
进一步的,所述根据所述多帧数据获取所述待补偿传感器的误差,包括:
对所述多帧数据根据所述被测物体的特征进行融合,从而获取所述待补偿传感器的误差。
进一步的,所述获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,包括:
在采集所述多帧数据时,通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息。
进一步的,所述方法还包括:
对所述待补偿传感器完成误差补偿后,与其他传感器进行相对标定。
进一步的,所述待补偿传感器包括如下至少一种:激光雷达、毫米波雷达。
本发明的第二方面是提供一种传感器误差补偿装置,包括:
采集模块,用于通过无人车的待补偿传感器采集被测物体的多帧数据;
处理模块,用于根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
进一步的,所述采集模块用于:
通过所述待补偿传感器以不同角度对所述被测物体进行扫描,得到被测物体的多帧数据。
进一步的,所述采集模块还用于:
获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,所述行驶状态信息包括无人车的位置、速度、加速度中至少一项;
所述处理模块用于:
根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差。
进一步的,所述处理模块用于:
对所述多帧数据根据所述被测物体的特征进行融合,从而获取所述待补偿传感器的误差。
进一步的,所述采集模块用于:
在采集所述多帧数据时,通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息。
进一步的,所述处理模块还用于:
对所述待补偿传感器完成误差补偿后,与其他传感器进行相对标定。
进一步的,所述待补偿传感器包括如下至少一种:激光雷达、毫米波雷达。
本发明的第三方面是提供一种传感器误差补偿设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面所述的方法。
本发明的第四方面是提供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如第一方面所述的方法。
本发明提供的传感器误差补偿方法、装置、设备及存储介质,通过无人车的待补偿传感器采集被测物体的多帧数据;根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。本实施例中结合待补偿传感器对被测物体采集的具有时序性的多帧数据,可以实现对待补偿传感器由于稀疏采样造成的误差的补偿,从而提高传感器的精度。
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传感器误差补偿方法流程图;
图2为本发明另一实施例提供的传感器误差补偿方法流程图;
图3为本发明实施例提供的传感器误差补偿装置的结构图;
图4为本发明实施例提供的传感器误差补偿设备的结构图。
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,本发明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。
图1为本发明实施例提供的传感器误差补偿方法流程图。本实施例针对低配置的传感器存在的测量误差,提供了一种传感器误差补偿方法,如图1所示,该方法具体步骤如下:
S101、通过无人车的待补偿传感器采集被测物体的多帧数据。
在本实施例中,待补偿传感器可以为激光雷达、毫米波雷达等雷达传感器,当然也可以为其他的传感器,如IMU(Inertial Measurement Unit,惯性测量单元)等。由于一些精度较高的传感器价格高昂,例如一个64线的激光雷达市场价格高达几十万人民币,无法在无人车上进行大规模部署,处于成本的考虑,无人车上的传感器可采用精度相对较低的传感器,例如16线的激光雷达,由于其扫描密度相对较为稀疏,故无法得到密集采样的采样数据,导致精度相对较低,因此需要通过误差补偿提高传感器的精度。当然本实施例并不仅限于精度较低的传感器,对于精度较高的传感器若需要获取更高精度的数据时也可采用本实施例的方法进行误差补偿。
在本实施例中通过无人车的待补偿传感器对被测物体采集多帧数据,其中多帧数据具有时序性,其中在待补偿传感器采集多帧数据时,无人车可以为静止、缓慢运动或者以较快速度运动,通过对多帧数据的后续处理可将待补偿传感器的稀疏采样数据转换为密集采样数据,从而实现提高传感器的精度。
S102、根据所述多帧数据获取所述待补偿传感器的误差。
在本实施例中,通过根据多帧数据进行拟合,可获取待补偿常感器的误差。其中对于不同的传感器,补偿过程中误差的获取可采用不同的算法。例如,对于激光雷达,可采用将多帧数据进行融合得到密集的三维点云数据,进而可获取每一帧数据相对于融合后的三维点云数据的误差,也即获取了待补偿传感器的误差;再如,对于低精度的惯性测量单元IMU,可对多帧数据经过卡尔曼滤波得到稳定状态,进行姿势推导。
S103、根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
在本实施例中,在获取了待补偿传感器的误差后,即可根据待补偿传感器的误差对待补偿传感器进行误差补偿,从而提高传感器的精度,进而可以对完成误差补偿的传感器与其他传感器进行相对标定,提高标定准确度。
本实施例提供的传感器误差补偿方法,通过无人车的待补偿传感器采集被测物体的多帧数据;根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。本实施例中结合待补偿传感器对被测物体采集的具有时序性的多帧数据,可以实现对待补偿传感器由于稀疏采样造成的误差的补偿,从而提高传感器的精度。
在上述实施例的基础上,S101所述通过无人车的待补偿传感器采集被测物体的多帧数据,包括:
通过所述待补偿传感器以不同角度对所述被测物体进行扫描,得到被测物体的多帧数据。
本实施例中,无人车的待补偿传感器采集被测物体的多帧数据时,无人车可处于运动状态,也即无人车在误差补偿阶段可在运动状态下通过待补偿传感器采集周围物体的多帧数据,由于每次采集时无人车的位置已发生变化,因此对于同一物体则是以不同的角度采集了多帧数据,进而在根据所述多帧数据获取所述待补偿传感器的误差时,可通过将不同角度的多帧数据进行融合,从而提高采集数据的密度,提高误差补偿的准确性。
进一步的,如图2所示,所述方法还包括:
S201、获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,所述行驶状态信息包括无人车的位置、速度、加速度中至少一项;
相应的,S102所述根据所述多帧数据获取所述待补偿传感器的误差,包括:
S202、根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差。
在本实施例中,在进行将不同的角度采集的多帧数据进行融合时,需要获知无人车在采集该些多帧数据时的行驶状态信息,从而可以得知待补偿传感器在在采集该些多帧数据时的位姿,进而可实现多帧数据的准确融合,提高误差补偿的准确性。更具体的,根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差,具体包括:
进一步的,所述根据所述多帧数据获取所述待补偿传感器的误差,包括:
对所述多帧数据根据所述被测物体的特征进行融合,从而获取所述待补偿传感器的误差。
在本实施例中,被测物体可以为平面、杆状、反射面等特征较容易识别的物体,可通过识别被测物体的边角等特征,可便于多帧数据的融合,例如对于激光雷达,可根据被测物体的边角特征实现多帧点云数据的融合,从而便于获取待补偿传感器的误差。
进一步的,所述获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,包括:
在采集所述多帧数据时,通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息。
本实施例中,可通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,也即在待补偿传感器采集一次数据时即由惯性测量单元IMU记录一次无人车的行驶状态信息,并将无人车的行驶状态信息与待补偿传感器采集的数据进行关联。
进一步的,所述方法还包括:
对所述待补偿传感器完成误差补偿后,与其他传感器进行相对标定。
在本实施例中,由于各传感器分别具有各自的坐标系,而若各传感器若不进行相对标定,则无法建立相互间的关系,所采集到的数据也不在同一坐标系中,导致无法进行数据融合,因此要将各传感器采集数据统一到同一参考坐标系中,实现空间对准,也即完成各传感器的相对标定。其中标定方法可采用手眼标定模型求解标定矩阵方程AX=XB的方法,此外,也可通过求解标定矩阵方程AX=ZB来建立传感器与世界坐标系的关系,关于标定矩阵方程的建立以及求解可采用现有技术中的方法,此处不再赘述。本实施例中通过在将各待补偿传感器完成误差补偿后再进行相对标定,从而提高各传感器间的标定准确性。
图3为本发明实施例提供的传感器误差补偿装置的结构图。本实施例提供的传感器误差补偿装置可以执行传感器误差补偿方法实施例提供的处理流程,如图3所示,本实施例提供的传感器误差补偿装置30包括采集模块31、及处理模块32。
其中,采集模块31,用于通过无人车的待补偿传感器采集被测物体的多帧数据;
处理模块32,用于根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
进一步的,所述采集模块31用于:
通过所述待补偿传感器以不同角度对所述被测物体进行扫描,得到被测物体的多帧数据。
进一步的,所述采集模块31还用于:
获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,所述行驶状态信息包括无人车的位置、速度、加速度中至少一项;
所述处理模块32用于:
根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差。
进一步的,所述处理模块32用于:
对所述多帧数据根据所述被测物体的特征进行融合,从而获取所述待补偿传感器的误差。
进一步的,所述采集模块31用于:
在采集所述多帧数据时,通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息。
进一步的,所述处理模块32还用于:
对所述待补偿传感器完成误差补偿后,与其他传感器进行相对标定。
进一步的,所述待补偿传感器包括如下至少一种:激光雷达、毫米波雷达。
本发明实施例提供的传感器误差补偿装置,可以具体用于执行上述图1和图2所提供的方法实施例,具体功能此处不再赘述。
本发明实施例提供的传感器误差补偿装置,通过无人车的待补偿传感器采集被测物体的多帧数据;根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。本实施例中结合待补偿传感器对被测物体采集的具有时序性的多帧数据,可以实现对待补偿传感器由于稀疏采样造成的误差的补偿,从而提高传感器的精度。
图4为本发明实施例提供的传感器误差补偿设备的结构示意图。本发明实施例提供的传感器误差补偿设备可以执行传感器误差补偿方法实施例提供的处理流程,如图4所示,传感器误差补偿设备40包括存储器41、处理器42、计算机程序和通讯接口43;其中,计算机程序存储在存储器41中,并被配置为由处理器42执行以上实施例所述的传感器误差补偿方法。
具体的,所述处理器42执行所述计算机程序,可以实现以下步骤:
通过无人车的待补偿传感器采集被测物体的多帧数据;
根据所述多帧数据获取所述待补偿传感器的误差;
根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
图4所示实施例的传感器误差补偿设备可用于执行上述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。
本发明实施例提供的传感器误差补偿设备,通过无人车的待补偿传感器采集被测物体的多帧数据;根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。本实施例中结合待补偿传感器对被测物体采集的具有时序性的多帧数据,可以实现对待补偿传感器由于稀疏采样造成的误差的补偿,从而提高传感器的精度。
另外,本实施例还提供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以实现上述实施例所述的传感器误差补偿方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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 (16)
1.一种传感器误差补偿方法,其特征在于,包括:
通过无人车的待补偿传感器采集被测物体的多帧数据;
根据所述多帧数据获取所述待补偿传感器的误差;
根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
2.根据权利要求1所述的方法,其特征在于,所述通过无人车的待补偿传感器采集被测物体的多帧数据,包括:
通过所述待补偿传感器以不同角度对所述被测物体进行扫描,得到被测物体的多帧数据。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,所述行驶状态信息包括无人车的位置、速度、加速度中至少一项;
所述根据所述多帧数据获取所述待补偿传感器的误差,包括:
根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述多帧数据获取所述待补偿传感器的误差,包括:
对所述多帧数据根据所述被测物体的特征进行融合,从而获取所述待补偿传感器的误差。
5.根据权利要求3所述的方法,其特征在于,所述获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,包括:
在采集所述多帧数据时,通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述待补偿传感器完成误差补偿后,与其他传感器进行相对标定。
7.根据权利要求1所述的方法,其特征在于,所述待补偿传感器包括如下至少一种:激光雷达、毫米波雷达。
8.一种传感器误差补偿装置,其特征在于,包括:
采集模块,用于通过无人车的待补偿传感器采集被测物体的多帧数据;
处理模块,用于根据所述多帧数据获取所述待补偿传感器的误差;根据所述待补偿传感器的误差对所述待补偿传感器进行误差补偿。
9.根据权利要求8所述的装置,其特征在于,所述采集模块用于:
通过所述待补偿传感器以不同角度对所述被测物体进行扫描,得到被测物体的多帧数据。
10.根据权利要求9所述的装置,其特征在于,所述采集模块还用于:
获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息,所述行驶状态信息包括无人车的位置、速度、加速度中至少一项;
所述处理模块用于:
根据所述多帧数据以及所述多帧数据采集时刻对应的无人车的行驶状态信息,获取所述待补偿传感器的误差。
11.根据权利要求8-10任一项所述的装置,其特征在于,所述处理模块用于:
对所述多帧数据根据所述被测物体的特征进行融合,从而获取所述待补偿传感器的误差。
12.根据权利要求10所述的装置,其特征在于,所述采集模块用于:
在采集所述多帧数据时,通过惯性测量单元IMU获取所述多帧数据采集时刻对应的所述无人车的行驶状态信息。
13.根据权利要求8所述的装置,其特征在于,所述处理模块还用于:
对所述待补偿传感器完成误差补偿后,与其他传感器进行相对标定。
14.根据权利要求8所述的装置,其特征在于,所述待补偿传感器包括如下至少一种:激光雷达、毫米波雷达。
15.一种传感器误差补偿设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求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,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 |
---|---|---|---|
CN201910586824.4A CN110231601A (zh) | 2019-07-01 | 2019-07-01 | 传感器误差补偿方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910586824.4A CN110231601A (zh) | 2019-07-01 | 2019-07-01 | 传感器误差补偿方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110231601A true CN110231601A (zh) | 2019-09-13 |
Family
ID=67856589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910586824.4A Pending CN110231601A (zh) | 2019-07-01 | 2019-07-01 | 传感器误差补偿方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110231601A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079079A (zh) * | 2019-11-29 | 2020-04-28 | 北京百度网讯科技有限公司 | 数据修正方法、装置、电子设备及计算机可读存储介质 |
CN111486888A (zh) * | 2020-04-14 | 2020-08-04 | 新石器慧通(北京)科技有限公司 | 误差校正方法、装置及无人车辆 |
CN111830210A (zh) * | 2020-07-30 | 2020-10-27 | 广州交信投科技股份有限公司 | 空气质量监测方法、装置、系统和计算机设备 |
CN112013877A (zh) * | 2020-08-31 | 2020-12-01 | 广州景骐科技有限公司 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
CN112305513A (zh) * | 2020-10-27 | 2021-02-02 | 重庆长安汽车股份有限公司 | 一种传感器测量参数修正方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2334842A (en) * | 1998-02-27 | 1999-09-01 | Jaguar Cars | Vehicular sensor |
US20070115169A1 (en) * | 2005-11-22 | 2007-05-24 | Mitsubishi Denki Kabushiki Kaisha | Radar system |
CN105954710A (zh) * | 2016-07-06 | 2016-09-21 | 南京理工大学 | 一种基于嵌入式阵列的误差分析装置及方法 |
CN107192375A (zh) * | 2017-04-28 | 2017-09-22 | 北京航空航天大学 | 一种基于航拍姿态的无人机多帧图像自适应定位校正方法 |
CN107710010A (zh) * | 2015-06-11 | 2018-02-16 | 奥托立夫开发公司 | 车辆雷达系统的失准估计 |
CN109511087A (zh) * | 2018-12-17 | 2019-03-22 | 北京百度网讯科技有限公司 | 无人车站点广播方法、装置、设备及存储介质 |
-
2019
- 2019-07-01 CN CN201910586824.4A patent/CN110231601A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2334842A (en) * | 1998-02-27 | 1999-09-01 | Jaguar Cars | Vehicular sensor |
US20070115169A1 (en) * | 2005-11-22 | 2007-05-24 | Mitsubishi Denki Kabushiki Kaisha | Radar system |
CN107710010A (zh) * | 2015-06-11 | 2018-02-16 | 奥托立夫开发公司 | 车辆雷达系统的失准估计 |
CN105954710A (zh) * | 2016-07-06 | 2016-09-21 | 南京理工大学 | 一种基于嵌入式阵列的误差分析装置及方法 |
CN107192375A (zh) * | 2017-04-28 | 2017-09-22 | 北京航空航天大学 | 一种基于航拍姿态的无人机多帧图像自适应定位校正方法 |
CN109511087A (zh) * | 2018-12-17 | 2019-03-22 | 北京百度网讯科技有限公司 | 无人车站点广播方法、装置、设备及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111079079A (zh) * | 2019-11-29 | 2020-04-28 | 北京百度网讯科技有限公司 | 数据修正方法、装置、电子设备及计算机可读存储介质 |
CN111079079B (zh) * | 2019-11-29 | 2023-12-26 | 北京百度网讯科技有限公司 | 数据修正方法、装置、电子设备及计算机可读存储介质 |
CN111486888A (zh) * | 2020-04-14 | 2020-08-04 | 新石器慧通(北京)科技有限公司 | 误差校正方法、装置及无人车辆 |
CN111830210A (zh) * | 2020-07-30 | 2020-10-27 | 广州交信投科技股份有限公司 | 空气质量监测方法、装置、系统和计算机设备 |
CN112013877A (zh) * | 2020-08-31 | 2020-12-01 | 广州景骐科技有限公司 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
CN112013877B (zh) * | 2020-08-31 | 2021-09-17 | 广州景骐科技有限公司 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
CN112305513A (zh) * | 2020-10-27 | 2021-02-02 | 重庆长安汽车股份有限公司 | 一种传感器测量参数修正方法及系统 |
CN112305513B (zh) * | 2020-10-27 | 2023-06-30 | 重庆长安汽车股份有限公司 | 一种传感器测量参数修正方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110231601A (zh) | 传感器误差补偿方法、装置、设备及存储介质 | |
CN111912417B (zh) | 地图构建方法、装置、设备及存储介质 | |
EP3264364B1 (en) | Method and apparatus for obtaining range image with uav, and uav | |
CN110426051A (zh) | 一种车道线绘制方法、装置及存储介质 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
EP3852065A1 (en) | Data processing method and apparatus | |
CN110501036A (zh) | 传感器参数的标定检查方法及装置 | |
CN104658012A (zh) | 一种基于惯性与光学测量融合的运动捕捉方法 | |
CN107886477A (zh) | 无人驾驶中立体视觉与低线束激光雷达的融合矫正方法 | |
CN109946701A (zh) | 一种点云坐标转换方法及装置 | |
WO2015160289A1 (en) | Method and system for rendering a synthetic aperture radar image | |
CN106370435A (zh) | 道路谱采集系统、车辆和道路谱采集方法 | |
CN111694012A (zh) | 一种基于机载激光雷达的三维地形在线生成方法及系统 | |
CN106323272B (zh) | 一种获取航迹起始轨迹的方法及电子设备 | |
CN106291567A (zh) | 一种激光雷达、激光雷达系统及数据处理方法 | |
De Croce et al. | DS-PTAM: distributed stereo parallel tracking and mapping SLAM system | |
CN113419563A (zh) | 一种无人机定位装置、方法、设备及介质 | |
CN115588144A (zh) | 基于高斯动态阈值筛选的实时姿态捕捉方法及装置、设备 | |
CN106240454A (zh) | 提供车辆碰撞预警的系统及车载设备 | |
Zsedrovits et al. | Error analysis of algorithms for camera rotation calculation in GPS/IMU/camera fusion for UAV sense and avoid systems | |
CN105372671A (zh) | 一种基于无人机的电力线三维重建系统 | |
CN109891188A (zh) | 移动平台、摄像路径生成方法、程序、以及记录介质 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
CN112489118B (zh) | 一种无人机机载传感器组外参快速标定方法 | |
CN109635050A (zh) | 地图准确度评价方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190913 |
|
RJ01 | Rejection of invention patent application after publication |