CN110386147A - 应用于车辆的传感器的标定检测方法及装置 - Google Patents
应用于车辆的传感器的标定检测方法及装置 Download PDFInfo
- Publication number
- CN110386147A CN110386147A CN201910510436.8A CN201910510436A CN110386147A CN 110386147 A CN110386147 A CN 110386147A CN 201910510436 A CN201910510436 A CN 201910510436A CN 110386147 A CN110386147 A CN 110386147A
- Authority
- CN
- China
- Prior art keywords
- sensor
- calibration
- point cloud
- threshold value
- public domain
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
- B60W2050/0215—Sensor drifts or sensor failures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施方式提供一种应用于车辆的传感器的标定检测方法，该标定检测方法包括：分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则所述至少两个传感器标定正常；否则，至少一个传感器标定异常。本发明通过标定检查，可以快速检查出车辆标定环节中出现的标定异常。当自动驾驶车辆长时间运行后，容易出现传感器发生移动的现象，与之前标定的参数不匹配，可以及时发现，进行重新标定，避免因为标定问题导致的自动驾驶问题。
Description
技术领域
本发明涉及汽车驾驶领域，具体地涉及一种应用于车辆的传感器的标定检测方法及一种应用于车辆的传感器的标定检测装置。
背景技术
自动驾驶系统中包含imu、gnss接收机、激光雷达、camera等多种传感器，自动驾驶系统需要对这些传感器进行标定，通过标定参数，可以获取车上各个传感器之间的转换关系，进而可以对传感器的数据进行融合，并统一到一个统一的坐标系下。如果标定出现异常，会出现障碍物误检、漏检等异常的情况，会导致交通事故的产生。
发明内容
本发明实施方式的目的是解决传感器在驾驶过程中出现移动，使得标定出现异常，导致出现障碍物误检、漏检等异常情况。
为了实现上述目的，在本发明第一方面，提供一种应用于车辆的传感器的标定检测方法，所述标定检测方法包括：
分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；
分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常；否则，判断至少一个传感器标定异常。
可选的，上述步骤中进行数据配准采用的算法是ICP算法、PSTPS算法、GFC算法和MVS算法中的至少一种。
可选的，所述至少两个传感器的标定阈值包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数阈值；所述至少两个传感器相对于彼此的横向位置偏移长度阈值；所述至少两个传感器相对于彼此的纵向位置偏移长度阈值。
可选的，所述点云的面的位置特征包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数；
所述点云的点的位置特征包括：所述至少两个传感器相对于彼此的横向位置偏移长度；所述至少两个传感器相对于彼此的纵向位置偏移长度。
可选的，上述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数与所述夹角度数阈值进行比较，如果所述公共区域的点云平面夹角度数未超过所述夹角度数阈值，则确定所述至少两个传感器相互标定的点云的面正常；否则，所述至少两个传感器相互标定的点云的面异常。
可选的，上述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的横向位置偏移长度与所述横向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的横向位置偏移长度未超过所述横向位置偏移长度阈值，则判断所述至少两个传感器相互标定的横向位置正常；否则，判断所述至少两个传感器相互标定的横向位置异常。
可选的，上述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的纵向位置偏移长度与所述纵向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的纵向位置偏移长度未超过所述纵向位置偏移长度阈值，则判断所述至少两个传感器相互标定的纵向位置正常；否则，判断所述至少两个传感器相互标定的纵向位置异常。
可选的，所述传感器是激光雷达或摄像头。
在本发明第二方面，还提供一种应用于车辆的传感器的标定检测装置，该标定检测装置包括控制器，所述控制器被配置用于：
分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；
分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常；否则，判断至少一个传感器标定异常。
可选的，述步骤中进行数据配准采用的算法是ICP算法、PSTPS算法、GFC算法和MVS算法中的至少一种。
可选的，所述至少两个传感器的标定阈值包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数阈值；所述至少两个传感器相对于彼此的横向位置偏移长度阈值；所述至少两个传感器相对于彼此的纵向位置偏移长度阈值。
可选的，所述点云的面的位置特征包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数；
所述点云的点的位置特征包括：所述至少两个传感器相对于彼此的横向位置偏移长度；所述至少两个传感器相对于彼此的纵向位置偏移长度。
可选的，所述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数与所述夹角度数阈值进行比较，如果所述公共区域的点云平面夹角度数未超过所述夹角度数阈值，则确定所述至少两个传感器相互标定的点云的面正常；否则，所述至少两个传感器相互标定的点云的面异常。
可选的，所述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的横向位置偏移长度与所述横向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的横向位置偏移长度未超过所述横向位置偏移长度阈值，则所述至少两个传感器相互标定的横向位置正常；否则，所述至少两个传感器相互标定的横向位置异常。
可选的，所述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的纵向位置偏移长度与所述纵向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的纵向位置偏移长度未超过所述纵向位置偏移长度阈值，则判断所述至少两个传感器相互标定的纵向位置正常；否则，判断所述至少两个传感器相互标定的纵向位置异常。
可选的，所述传感器是激光雷达或摄像头。
在本发明第三方面，还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被控制器执行时能够使得所述控制器执行前述的应用于车辆的传感器的标定检测方法。
本发明的技术方案通过标定检查，可以快速检查出车辆标定环节中出现的标定异常，尤其是在所述车辆为自动驾驶车辆时，自动驾驶车辆长时间运行后，容易出现传感器发生移动的现象，与之前标定的参数不匹配，本发明的技术方案通过标定检查可以及时发现标定异常，进行重新标定，避免因为标定问题导致的自动驾驶问题。
附图说明
附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：
图1是本发明实施方式提供的应用于车辆的传感器的标定检测方法的流程图。
技术词语解释：
数据配准：是将两个或两个以上坐标系中的大容量三维空间数据点集转换到统一坐标系中的数学计算过程，实际上就是要找出两个坐标系之间的变换关系。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
在本发明实施方式中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
图1是本发明提供的应用于车辆的传感器的标定检测方法的流程图；如图1所示，在本发明第一方面，提供一种应用于车辆的传感器的标定检测方法，所述标定检测方法包括：
分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；点云即是通过传感器得到的产品外观表面的点数据集合，公共区域即是指至少两个传感器的视角都共同监视的区域。点云的面的特征是指对点云进行平面估算，获得车身坐标系下每个传感器公共区域对应的平面的位置特征，点云的点的位置特征是指传感器投射在产品外表面的点的位置特征。
分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则所述至少两个传感器标定正常；否则，至少一个传感器标定异常。
所述车辆可以为有人驾驶车辆或者无人驾驶车辆。在有人驾驶车辆中，对于传感器的标定的依赖度不是很高。但是，对于无人驾驶车辆，则对于传感器的依赖度很高。在无人驾驶车辆上的传感器相当于无人驾驶车辆的“眼睛”。安装在无人驾驶车辆上的传感器如果出现了位置移动，则会导致传感器获取的数据和传感器未发生位置移动时获取的数据有差异。
传感器获取的数据是与无人驾驶车辆的控制系统相关联的。无人驾驶车辆的传感器未发生位置移动时，无人驾驶系统的控制系统基于传感器的数据来控制无人驾驶车辆的路径和速度，便于绕过障碍物，避免发生碰撞。无论一个传感器还是多个传感器出现了位置移动，发生位置移动的传感器获取的数据都会有误，使得无人驾驶系统的控制系统控制无人驾驶车辆的路径和速度出现偏差，不能够正常的绕过障碍物，进而导致发生碰撞。
当然，由于车辆在移动时，车辆上的传感器不可避免的会有一定的位置移动，只要该传感器的位置移动足够小，不会导致依赖该传感器的车辆的控制系统根据该位置移动后的传感器的获取的数据做出错误的路径规划和速度规划，出现碰撞情况。因此，车辆控制系统的设计人员会设定传感器的标定阈值，只要发生位置移动的传感器获取的数据偏差在一定的阈值范围内，则车辆的控制系统不会做出错误的路径规划和速度规划，在此情况下可以认为无人驾驶车辆能够安全正常的工作。如果数据偏差超出阈值，则判断至少有一个传感器发生了位置移动。
可选的，上述步骤中进行数据配准采用的算法是ICP算法、PSTPS算法、GFC算法和MVS算法中的至少一种。
传感器处于三维空间中，因此，可以出现三个维度的位置变化。可选的，所述至少两个传感器的标定阈值包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数阈值；所述至少两个传感器相对于彼此的横向位置偏移长度阈值；所述至少两个传感器相对于彼此的纵向位置偏移长度阈值。
可选的，所述点云的面的位置特征包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数；当传感器处于正常情况下，即未发生偏移的情况下，则测量出的点云的面与初始设定的点云的面的夹角度数处于阈值范围内，则可以判定传感器工作正常。
可选的，所述点云的点的位置特征包括：所述至少两个传感器相对于彼此的横向位置偏移长度；所述至少两个传感器相对于彼此的纵向位置偏移长度。
可选的，上述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数与所述夹角度数阈值进行比较，如果所述公共区域的点云平面夹角度数未超过所述夹角度数阈值，则确定所述至少两个传感器相互标定的点云的面正常；否则，所述至少两个传感器相互标定的点云的面异常。例如，设定夹角度数阈值为0.5度，当传感器实时测得的点云平面与初始时刻的传感器测得的点云平面之间夹角度数为0.6度，则判断所述传感器偏移的位置过大，传感器工作异常，会导致无人驾驶车辆控制系统控制出错，容易出现交通事故。
可选的，上述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的横向位置偏移长度与所述横向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的横向位置偏移长度未超过所述横向位置偏移长度阈值，则所述至少两个传感器相互标定的横向位置正常；否则，所述至少两个传感器相互标定的横向位置异常。
可选的，上述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的纵向位置偏移长度与所述纵向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的纵向位置偏移长度未超过所述纵向位置偏移长度阈值，则所述至少两个传感器相互标定的纵向位置正常；否则，所述至少两个传感器相互标定的纵向位置异常。例如，设定偏移长度阈值为1厘米，当多个传感器实时获取的彼此纵向位置偏移长度为0.5厘米，则所述多个传感器的移动位置未超出偏移长度阈值，所述无人驾驶车辆的控制系统可以做出正确的判断，避免交通事故的发生。
可选的，所述传感器是激光雷达或摄像头。
在本发明第二方面，还提供一种应用于车辆的传感器的标定检测装置，包括控制器，所述控制器用于：
分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；
分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常；否则，判断至少一个传感器标定异常。
可选的，述步骤中进行数据配准采用的算法是ICP算法、PSTPS算法、GFC算法和MVS算法中的至少一个。
可选的，所述至少两个传感器的标定阈值包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数阈值；所述至少两个传感器相对于彼此的横向位置偏移长度阈值；所述至少两个传感器相对于彼此的纵向位置偏移长度阈值。
可选的，所述点云的面的位置特征包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数；
所述点云的点的位置特征包括：所述至少两个传感器相对于彼此的横向位置偏移长度；所述至少两个传感器相对于彼此的纵向位置偏移长度。
可选的，所述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数与所述夹角度数阈值进行比较，如果所述公共区域的点云平面夹角度数未超过所述夹角度数阈值，则确定所述至少两个传感器相互标定的点云的面正常；否则，所述至少两个传感器相互标定的点云的面异常。
可选的，所述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的横向位置偏移长度与所述横向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的横向位置偏移长度未超过所述横向位置偏移长度阈值，则所述至少两个传感器相互标定的横向位置正常；否则，所述至少两个传感器相互标定的横向位置异常。
可选的，所述步骤中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的纵向位置偏移长度与所述纵向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的纵向位置偏移长度未超过所述纵向位置偏移长度阈值，则判断所述至少两个传感器相互标定的纵向位置正常；否则，判断所述至少两个传感器相互标定的纵向位置异常。
可选的，所述传感器是激光雷达或摄像头。
在本发明第三方面，还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被控制器执行时能够使得所述控制器执行任意一项所述的应用于车辆的传感器的标定检测方法。
本发明上述实施例的技术方案解决了传感器在车辆上出现位置移动后，车辆控制系统仍然按照所述传感器来控制车辆的技术问题。通过判定车辆行驶中或行驶后的传感器获取的数据是否与车辆初始状态时传感器获取的数据是否处于阈值范围内，来判断该传感器是否处于正常工作状态。可以及时发现传感器的问题，进行重新标定，避免因为标定问题导致的车辆驾驶问题。
以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。
Claims (17)
1.一种应用于车辆的传感器的标定检测方法，其特征在于，所述标定检测方法包括：
S1)分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；
S2)分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常；否则，判断至少一个传感器标定异常。
2.根据权利要求1所述的标定检测方法，其特征在于，所述步骤S2)中进行数据配准采用的算法是ICP算法、PSTPS算法、GFC算法和MVS算法中的至少一种。
3.根据权利要求1所述的标定检测方法，其特征在于，所述至少两个传感器的标定阈值包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数阈值；所述至少两个传感器相对于彼此的横向位置偏移长度阈值；所述至少两个传感器相对于彼此的纵向位置偏移长度阈值。
4.根据权利要求3所述的标定检测方法，其特征在于，所述点云的面的位置特征包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数；
所述点云的点的位置特征包括：所述至少两个传感器相对于彼此的横向位置偏移长度；所述至少两个传感器相对于彼此的纵向位置偏移长度。
5.根据权利要求4所述的标定检测方法，其特征在于，所述步骤S2)中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数与所述夹角度数阈值进行比较，如果所述公共区域的点云平面夹角度数未超过所述夹角度数阈值，则判断所述至少两个传感器相互标定的点云的面正常；否则，判断所述至少两个传感器相互标定的点云的面异常。
6.根据权利要求4所述的标定检测方法，其特征在于，所述步骤S2)中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的横向位置偏移长度与所述横向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的横向位置偏移长度未超过所述横向位置偏移长度阈值，则判断所述至少两个传感器相互标定的横向位置正常；否则，判断所述至少两个传感器相互标定的横向位置异常。
7.根据权利要求4所述的标定检测方法，其特征在于，所述步骤S2)中，分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的纵向位置偏移长度与所述纵向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的纵向位置偏移长度未超过所述纵向位置偏移长度阈值，则判断所述至少两个传感器相互标定的纵向位置正常；否则，判断所述至少两个传感器相互标定的纵向位置异常。
8.根据权利要求1所述的标定检测方法，其特征在于，所述传感器是激光雷达或摄像头。
9.一种应用于车辆的传感器的标定检测装置，其特征在于，该标定检测装置包括控制器，所述控制器被配置用于：
分别提取至少两个传感器的监视区域都覆盖的公共区域的点云的点云数据，所述点云数据包括点云的面的位置特征和点云的点的位置特征；
分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常；否则，判断至少一个传感器标定异常。
10.根据权利要求9所述的标定检测装置，其特征在于，上述步骤中进行数据配准采用的算法是ICP算法、PSTPS算法、GFC算法和MVS算法中的至少一种。
11.根据权利要求9所述的标定检测装置，其特征在于，所述至少两个传感器的标定阈值包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数阈值；所述至少两个传感器相对于彼此的横向位置偏移长度阈值；所述至少两个传感器相对于彼此的纵向位置偏移长度阈值。
12.根据权利要求11所述的标定检测装置，其特征在于，所述点云的面的位置特征包括：所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数；
所述点云的点的位置特征包括：所述至少两个传感器相对于彼此的横向位置偏移长度；所述至少两个传感器相对于彼此的纵向位置偏移长度。
13.根据权利要求12所述的标定检测装置，其特征在于，所述分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器的监视区域都覆盖的公共区域的点云平面夹角度数与所述夹角度数阈值进行比较，如果所述公共区域的点云平面夹角度数未超过所述夹角度数阈值，则判断所述至少两个传感器相互标定的点云的面正常；否则，判断所述至少两个传感器相互标定的点云的面异常。
14.根据权利要求12所述的标定检测装置，其特征在于，所述分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的横向位置偏移长度与所述横向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的横向位置偏移长度未超过所述横向位置偏移长度阈值，则判断所述至少两个传感器相互标定的横向位置正常；否则，判断所述至少两个传感器相互标定的横向位置异常。
15.根据权利要求12所述的标定检测装置，其特征在于，所述分别将所述公共区域的点云数据通过数据配准方法与所述至少两个传感器的标定阈值进行比较，如果所述点云数据未超过所述标定阈值，则判断所述至少两个传感器标定正常，否则判断至少一个传感器标定异常，包括：
将所述至少两个传感器相对于彼此的纵向位置偏移长度与所述纵向位置偏移长度阈值进行比较，如果所述至少两个传感器相对于彼此的纵向位置偏移长度未超过所述纵向位置偏移长度阈值，则判断所述至少两个传感器相互标定的纵向位置正常；否则，判断所述至少两个传感器相互标定的纵向位置异常。
16.根据权利要求9所述的标定检测装置，其特征在于，所述传感器是激光雷达或摄像头。
17.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令在被控制器执行时能够使得所述控制器执行权利要求1至8中任意一项所述的应用于车辆的传感器的标定检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910510436.8A CN110386147B (zh) | 2019-06-13 | 2019-06-13 | 应用于车辆的传感器的标定检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910510436.8A CN110386147B (zh) | 2019-06-13 | 2019-06-13 | 应用于车辆的传感器的标定检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110386147A true CN110386147A (zh) | 2019-10-29 |
| CN110386147B CN110386147B (zh) | 2020-09-01 |
Family
ID=68285668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910510436.8A Active CN110386147B (zh) | 2019-06-13 | 2019-06-13 | 应用于车辆的传感器的标定检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110386147B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111693491A (zh) * | 2020-07-30 | 2020-09-22 | 重庆理工大学 | 基于法-珀干涉的透明流体折射率的测量方法 |
| CN114623856A (zh) * | 2022-02-08 | 2022-06-14 | 武汉路特斯汽车有限公司 | 多传感器的下线复合标定系统和方法 |
| GB2619117A (en) * | 2022-05-24 | 2023-11-29 | Motional Ad Llc | Component calibration using motion capture sensor data |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107564069A (zh) * | 2017-09-04 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 标定参数的确定方法、装置及计算机可读存储介质 |
| CN108072396A (zh) * | 2016-11-18 | 2018-05-25 | 福特全球技术公司 | 使用无线网络连接传感器进行车辆传感器校准 |
| CN108226883A (zh) * | 2017-11-28 | 2018-06-29 | 深圳市易成自动驾驶技术有限公司 | 测试毫米波雷达性能的方法、装置及计算机可读存储介质 |
| US10026239B2 (en) * | 2015-12-09 | 2018-07-17 | Hyundai Motor Company | Apparatus and method for failure diagnosis and calibration of sensors for advanced driver assistance systems |
| US20190064333A1 (en) * | 2017-04-28 | 2019-02-28 | SZ DJI Technology Co., Ltd. | Calibration of laser sensors |
| CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
-
2019
- 2019-06-13 CN CN201910510436.8A patent/CN110386147B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10026239B2 (en) * | 2015-12-09 | 2018-07-17 | Hyundai Motor Company | Apparatus and method for failure diagnosis and calibration of sensors for advanced driver assistance systems |
| CN108072396A (zh) * | 2016-11-18 | 2018-05-25 | 福特全球技术公司 | 使用无线网络连接传感器进行车辆传感器校准 |
| US20190064333A1 (en) * | 2017-04-28 | 2019-02-28 | SZ DJI Technology Co., Ltd. | Calibration of laser sensors |
| CN107564069A (zh) * | 2017-09-04 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 标定参数的确定方法、装置及计算机可读存储介质 |
| CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
| CN108226883A (zh) * | 2017-11-28 | 2018-06-29 | 深圳市易成自动驾驶技术有限公司 | 测试毫米波雷达性能的方法、装置及计算机可读存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111693491A (zh) * | 2020-07-30 | 2020-09-22 | 重庆理工大学 | 基于法-珀干涉的透明流体折射率的测量方法 |
| CN111693491B (zh) * | 2020-07-30 | 2023-01-06 | 重庆理工大学 | 基于法-珀干涉的透明流体折射率的测量方法 |
| CN114623856A (zh) * | 2022-02-08 | 2022-06-14 | 武汉路特斯汽车有限公司 | 多传感器的下线复合标定系统和方法 |
| GB2619117A (en) * | 2022-05-24 | 2023-11-29 | Motional Ad Llc | Component calibration using motion capture sensor data |
| GB2619117B (en) * | 2022-05-24 | 2024-10-02 | Motional Ad Llc | Component calibration using motion capture sensor data |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110386147B (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110386147A (zh) | 应用于车辆的传感器的标定检测方法及装置 | |
| US11194328B2 (en) | Operation-security system for an automated vehicle | |
| KR102514740B1 (ko) | 로봇의 동작 제어를 위한 시스템 및 방법 | |
| JP6838717B2 (ja) | 故障検知装置 | |
| KR102437124B1 (ko) | 장애물과의 충돌이 임박한 경우에 자동차의 조향 수단을 제어하기 위한 시스템 | |
| KR101372023B1 (ko) | 차량 주변의 이동체 감지 장치 및 방법 | |
| US8352074B2 (en) | Path planning apparatus and method of robot | |
| EP3726428A1 (en) | Optimization method and apparatus for multi-sensor target information fusion, computer device, and recording medium | |
| CN110850859B (zh) | 一种机器人及其避障方法和避障系统 | |
| CN113805569B (zh) | 基于多智能体技术的对抗系统、方法、终端及存储介质 | |
| CN109353337B (zh) | 一种智能车换道阶段碰撞概率安全预测方法 | |
| KR101473736B1 (ko) | 폐루프 기반의 다중 센서 캘리브레이션 장치 및 그 방법 | |
| JP6523050B2 (ja) | 鉱山用作業機械 | |
| CN105303887B (zh) | 用于监视车辆的期望轨迹的方法和设备 | |
| CN111188549A (zh) | 一种应用于车辆的防撞方法和装置 | |
| Kamarudin et al. | Improving performance of 2D SLAM methods by complementing Kinect with laser scanner | |
| CN112757345A (zh) | 一种协作机器人碰撞检测方法、装置、介质及电子设备 | |
| Ferrera et al. | Decentralized safe conflict resolution for multiple robots in dense scenarios | |
| CN109353338A (zh) | 一种智能车超车道碰撞概率安全预测方法 | |
| Bouraine et al. | Passively safe partial motion planning for mobile robots with limited field-of-views in unknown dynamic environments | |
| KR102545582B1 (ko) | 교차로 충돌 회피 시스템 및 그 제어 방법 | |
| CN114942430A (zh) | 传感器数据的基于多假设的融合 | |
| CN118276585A (zh) | 机器人自动避障目标识别方法 | |
| CN110597255B (zh) | 一种利用避座信号的安全区建立方法 | |
| CN116572988A (zh) | 一种自动驾驶车辆避撞的方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211021 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |