CN110441790A - 激光雷达系统中的方法和装置串扰和多径降噪 - Google Patents
激光雷达系统中的方法和装置串扰和多径降噪 Download PDFInfo
- Publication number
- CN110441790A CN110441790A CN201910322895.3A CN201910322895A CN110441790A CN 110441790 A CN110441790 A CN 110441790A CN 201910322895 A CN201910322895 A CN 201910322895A CN 110441790 A CN110441790 A CN 110441790A
- Authority
- CN
- China
- Prior art keywords
- range
- reflection
- laser pulse
- response
- 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.)
- Granted
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
- 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
- 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
-
- 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
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
-
- 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
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
- G01S7/4876—Extracting wanted echo signals, e.g. pulse detection by removing unwanted 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
- 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
- G01S7/495—Counter-measures or counter-counter-measures using electronic or electro-optical means
-
- 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
- G01S7/51—Display arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请一般性地涉及在受监控的驾驶环境中的通信和危险规避。更具体地,本申请教导了一种系统,用于通过响应于多个光脉冲反射确定多个范围并通过利用环境中表面的预期连续性确定错误的目标指示来改进配备有激光检测和测距激光雷达系统的车辆中的目标物体检测。
Description
技术领域
本申请一般涉及自主和半自主车辆。更具体地,本申请教导了一种用于通过利用环境中表面的预期连续性消除源自传感器之间的串扰和多径效应的激光雷达中的噪声点,改进配备有激光检测和测距激光雷达的车辆中的目标物体检测的装置。
背景技术
现代车辆的操作变得更加自动化,即能够以越来越少的驾驶员干预提供驾驶控制。车辆自动化被分类为数字水平,范围从零(对应于没有自动化和全人为控制)到五级(对应于完全自动化而没有人为控制)。各种自动驾驶辅助系统,例如巡航控制、自适应巡航控制和停车辅助系统对应于较低的自动化水平,而真正的“无人驾驶”车辆对应于较高的自动化水平。
越来越多的车辆能够使用车载传感器自主地或半自主地确定周围的环境。用于此任务的有价值的传感器是激光雷达,它是一种测量技术,通过用激光照射目标来测量距离。然而,用于自主驾驶车辆中的典型激光雷达传感器的当前几何和相位偏移设置导致大量的串扰点,其中:由来自一个传感器的光被另一个传感器读取的检测。期望提供一种用于在没有相位偏移变化的情况下减少串扰的方法,该方法还降低了通过来自其他车辆的串扰引起的以及来自具有实时运行能力的多径效应的噪声点。
发明内容
根据本公开的实施例提供了许多优点。例如,根据本公开的实施例可以实现自主车辆控制命令的独立验证,以帮助诊断主控制系统中的软件或硬件条件。因此,根据本公开的实施例可以更稳健,从而提高客户满意度。
根据本发明的一个方面,一种方法包括:从第一方向接收第一发射激光脉冲的第一反射,从第二方向接收第二发射激光脉冲的第二反射,接收第三反射第三方向的第三发射激光脉冲,其中第二方向在第一方向和第三方向之间,确定与第一反射相关联的第一范围,与第二反射相关联的第二范围和与第三反射相关联的第三范围,响应于第一范围和第二范围之间的第一差异和第二范围和第三范围之间的第二差异超过最大值并且第一范围和第三范围之间的第三差异不超过最小值而丢弃第二范围,以及响应于第一范围和第三范围确定物体的位置。
根据本发明的另一方面,一种激光雷达系统,包括用于发射第一光激光脉冲、第二激光脉冲和第三激光脉冲的发射器,用于检测第一激光脉冲的第一反射、第二激光脉冲的第二反射和第三激光脉冲的第三反射的检测器,用于响应于第一激光脉冲和第一反射确定第一范围,响应于第二激光脉冲和第二反射确定第二范围,以及响应于第三激光脉冲和第三反射确定第三范围的处理器,其中第一范围、第二范围和第三反射,以及处理器还可操作以响应第一范围和第三范围之间的第一差异小于第一范围和第二范围之间的第二差异以及第三范围和第二范围之间的第三差异而丢弃第二范围,以及用于响应所述第一范围和所述第三范围产生控制信号的控制器。
根据本发明的另一方面,一种利用激光雷达检测物体的方法,包括发射第一光激光脉冲、第二激光脉冲和第三激光脉冲,接收第一激光脉冲的第一反射、第二激光脉冲的第二反射和第三激光脉冲的第三反射,响应于第一激光脉冲和第一反射确定第一范围、响应第二激光脉冲和第二反射确定第二范围、和响应于第三激光脉冲和第三反射确定第三范围,其中第一范围、第二范围和第三范围,响应于第一范围和第三范围之间的第一差异小于第一范围和第二范围之间的第二差异以及第三范围和第二范围之间的第三差异而丢弃第二范围,并且响应于第一范围和第三范围产生控制信号。
通过以下结合附图对优选实施例的详细描述,本公开的上述优点和其他优点和特征将变得显而易见。
附图说明
本发明的上述和其他特征和优点以及实现它们的方式将变得更加明显,并且通过参考以下结合附图对本发明的实施例进行的描述将更好地理解本发明,其中:
图1是根据实施例的包括自主控制车辆的通信系统的示意图。
图2是根据实施例的用于车辆的自动驾驶系统(ADS)的示意性框图。
图3示出了根据示例性实施例的用于实现本公开系统和方法的环境。
图4示出了根据示例性方法和系统的激光雷达系统的功能框图。
图5示出了根据示例性实施例的用于改进的激光雷达扫描的方法的流程图。
本文阐述的示例说明了本发明的优选实施例,并且这些示例不应被解释为以任何方式限制本发明的范围。
具体实施方式
以下详细描述本质上仅是示例性的,并不旨在限制本公开或其应用和用途。此外,无意受前述背景技术或以下详细描述中提出的任何理论的约束。例如,本发明的激光雷达传感器具有在车辆上使用的特定应用。然而,如本领域技术人员将理解的,本发明的激光雷达传感器可以具有其他应用。
现代车辆有时包括各种主动安全和控制系统,例如防撞系统、自适应巡航控制系统、车道保持系统、车道居中系统等,其中车辆技术正朝着半自动和全自动驾驶车辆发展。例如,本领域已知防撞系统,其在检测到与另一车辆或物体的潜在或即将发生的碰撞的情况下提供自动车辆控制,例如制动,并且还可提供警告以允许驾驶员采取纠正措施以防止碰撞。此外,已知自适应巡航控制系统采用前视传感器,如果本车辆正在接近另一车辆,则该前视传感器提供自动速度控制和/或制动。用于这些类型的系统的物体检测传感器可以使用多种技术中的任何一种,例如短程雷达、远程雷达、具有图像处理的相机、激光或激光雷达、超声波等。物体检测传感器检测在本车辆的路径中的车辆和其他物体,并且应用软件使用物体检测信息来提供警告或采取适当的动作。
激光雷达传感器有时用于车辆上以检测车辆周围的物体,并使用来自物体的反射提供到这些物体的范围和定向,其提供多个扫描点,这些扫描点组合为点群范围图,其中在传感器的整个视场(FOV)上每1/2°或更小的角度提供单独的扫描点。因此,如果在本车辆前方检测到目标车辆或其他物体,则可能存在多个返回的扫描点,其识别目标车辆距本车辆的距离。通过提供一簇扫描返回点,可以更容易地检测具有各种任意形状的物体,例如卡车、拖车、自行车、行人、护栏等,其中物体越大和/或物体距本车辆越接近,提供的扫描点越多。
大多数已知的激光雷达传感器采用单个激光器和快速旋转镜来产生围绕车辆的三维点反射云或返射。当镜子旋转时,激光器发射光脉冲,并且传感器测量光脉冲被其FOV中的物体反射和返回所花费的时间以确定物体的距离,在本领域中称为飞行时间计算。通过非常快速地脉冲激光,可以生成传感器的FOV中的物体的三维图像。可以提供多个传感器,并且可以将来自其的图像相关联以生成车辆周围的物体的三维图像。
大多数已知的激光雷达传感器的一个缺点是有限角度网格分辨率。激光雷达可操作以在车辆周围的离散角度脉冲激光。例如,如果激光器以0.5度的角分辨率脉冲,则在50米处,视场的交叉范围间隔约为0.5米。对于在自主车辆应用中使用的激光雷达,目标车辆可以仅反射一个或两个发射的激光脉冲。在大距离处的目标物体的少量命中可能提供物体边界的不充分信息。
图1示意性地示出了包括用于机动车辆12的移动车辆通信和控制系统10的操作环境。用于车辆12的通信和控制系统10通常包括一个或多个无线载波系统60、陆地通信网络62、计算机64、联网无线设备57(包括但不限于智能手机、平板电脑或可穿戴设备,例如手表)、以及远程访问中心78。
在图1中示意性地示出的车辆12包括推进系统13,推进系统13在各种实施例中可包括内燃发动机、诸如牵引马达的电机和/或燃料电池推进系统。在所示实施例中,车辆12被描绘为乘用车,但是应当理解,包括摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等的任何其他车辆也可以使用。
车辆12还包括变速器14,变速器14配置为根据可选择的速比将动力从推进系统13传递到多个车轮15。根据各种实施例,变速器14可包括步进比自动变速器、无级变速器或其他适当的变速器。车辆12还包括车轮制动器17,车轮制动器17配置为向车轮15提供制动转矩。在各种实施例中,车轮制动器17可包括摩擦制动器、再生制动系统(例如电机)和/或其他适当的制动系统。
车辆12另外包括转向系统16。虽然为了说明的目的被描绘为包括方向盘,但是在本公开的范围内预期的一些实施例中,转向系统16可以不包括方向盘。
车辆12包括无线通信系统28,其配置为与其他车辆(“V2V”)和/或基础设施(“V2I”)无线通信。在示例性实施例中,无线通信系统28被配置为使用IEEE 802.11标准或通过使用蜂窝数据通信通过无线局域网(WLAN)进行通信。然而,诸如专用短程通信(DSRC)信道的附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专为汽车应用而设计的单向或双向短程到中程无线通信信道以及相应的协议和标准集。
推进系统13、变速器14、转向系统16和车轮制动器17与至少一个控制器22通信或在其控制下。虽然为了说明的目的描绘为单个单元,但是控制器22可以另外包括一个或多个其他控制器,统称为“控制器”。控制器22可包括与各种类型的计算机可读存储设备或介质通信的微处理器,例如中央处理单元(CPU)或图形处理单元(GPU)。计算机可读存储设备或介质可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是持久性或非易失性存储器,可用于在CPU断电时存储各种操作变量。计算机可读存储设备或介质可以使用许多已知存储器设备中的任何一种来实现,例如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其他电、磁、光或组合存储器设备,其中一些代表可执行由控制器22用于控制车辆的指令。
控制器22包括用于自动控制车辆中的各种致动器的自动驾驶系统(ADS)24。在示例性实施例中,ADS 24是所谓的四级或五级自动化系统。四级系统表示“高度自动化”,指的是动态驾驶任务的所有方面的自动驾驶系统的驾驶模式特定性能(即使人类驾驶员没有对干预请求做出适当响应)。五级系统表示“完全自动化”,指的是自动驾驶系统在可由人类驾驶员管理的所有道路和环境条件下的动态驾驶任务的所有方面的全时性能。在示例性实施例中,ADS 24被配置为控制推进系统13、变速器14、转向系统16和车轮制动器17响应于来自多个传感器26(其在适当情况下可以包括GPS、雷达、激光雷达、光学相机、热像仪、超声波传感器和/或附加传感器)的输入,分别控制车辆加速、转向和制动,而无需通过多个致动器30进行人为干预。
图1示出了可以与车辆12的无线通信系统28通信的若干联网设备。可以通过无线通信系统28与车辆12通信的联网设备之一是联网的无线设备57。无线设备57可以包括计算机处理能力、能够使用短程无线协议进行通信的收发器以及视觉显示器59。计算机处理能力包括可编程设备形式的微处理器,其包括存储在内部存储器结构中的一个或多个指令,并应用于接收二进制输入以创建二进制输出。在一些实施例中,联网无线设备57包括能够接收GPS卫星信号并基于这些信号生成GPS坐标的GPS模块。在其他实施例中,联网无线设备57包括蜂窝通信功能,使得联网无线设备57使用一个或多个蜂窝通信协议在无线载波系统60上执行语音和/或数据通信,如本文所讨论的。视觉显示器59还可以包括触摸屏图形用户界面。
无线载波系统60优选地是蜂窝电话系统,其包括多个蜂窝塔70(仅示出一个)、一个或多个移动交换中心(MSC)72、以及将无线载波系统60与陆地通信网络62连接所需的任何其他网络组件。每个蜂窝塔70包括发送和接收天线以及基站,来自不同蜂窝塔的基站直接或通过诸如基站控制器的中间设备连接到MSC 72。无线载波系统60可以实现任何合适的通信技术,包括例如数字技术,例如CDMA(例如,CDMA2000)、LTE(例如,4G LTE或5G LTE)、GSM/GPRS或其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置是可能的并且可以与无线载波系统60一起使用。例如,基站和蜂窝塔可以共同位于同一站点或者它们可以彼此远程定位,每个基站可以负责单个蜂窝塔,或者单个基站可以服务于各种蜂窝塔,或者各种基站可以耦合到单个MSC,仅举几个可能的布置。
除了使用无线载波系统60之外,可以使用卫星通信形式的第二无线载波系统来提供与车辆12的单向或双向通信。这可以使用一个或多个通信卫星66和上行链路发送站67来完成。单向通信可以包括例如卫星无线电服务,其中发送站67接收节目内容(新闻、音乐等)、打包以便上载、然后发送到卫星66,卫星66向订户广播节目。双向通信可以包括,例如,使用卫星66来中继车辆12和站67之间的电话通信的卫星电话服务。除了无线载波系统60之外或代替无线载波系统60,可以使用卫星电话。
陆地网络62可以是连接到一个或多个陆线电话的传统陆基电信网络,并且将无线载波系统60连接到远程接入中心78。例如,陆地网络62可以包括公共交换电话网络(PSTN),例如用于提供硬连线电话、分组交换数据通信和因特网基础设施的网络。陆地网络62的一个或多个段可以通过使用标准有线网络、光纤或其他光网络、有线网络、电力线、诸如无线局域网(WLAN)的其他无线网络或提供宽带无线接入(BWA)的网络或其任何组合来实现。此外,远程访问中心78不需要通过陆地网络62连接,而是可以包括无线电话设备,使得它可以直接与无线网络(例如无线载波系统60)通信。
虽然在图1中示出为单个设备,但计算机64可包括可通过诸如因特网的私人或公共网络访问的多个计算机。每个计算机64可用于一个或多个目的。在示例性实施例中,计算机64可以被配置为车辆12可通过无线通信系统28和无线载波60访问的网络服务器。其他计算机64可以包括例如:服务中心计算机,其中诊断信息和其他车辆数据可以通过无线通信系统28或第三方存储库(车辆数据或其他信息从无线通信系统28或第三方存储库提供或提供到无线通信系统28或第三方存储库)从车辆上载到服务中心计算机,无论是否通过与车辆12、远程访问中心78、联网无线设备57或这些的某种组合进行通信。计算机64可以维护可搜索的数据库和数据库管理系统,其允许输入、删除和修改数据以及接收在数据库内定位数据的请求。计算机64还可以用于提供诸如DNS服务之类的因特网连接,或者用作使用DHCP或其他合适协议来为车辆12分配IP地址的网络地址服务器。
远程访问中心78被设计为向车辆12的无线通信系统28提供多个不同的系统功能,并且根据图1所示的示例性实施例,通常包括一个或多个交换机80、服务器82、数据库84、现场顾问86以及自动语音响应系统(VRS)88。这些各种远程访问中心组件优选地通过有线或无线局域网90彼此耦合。可以是专用分支交换(PBX)机的交换机80路由输入信号,使得语音传输通常通过普通电话发送给现场顾问86或使用VoIP发送到自动语音响应系统88。现场顾问电话也可以使用VoIP,如图1中的虚线所示。通过交换机80的VoIP和其他数据通信是通过连接在交换机80和网络90之间的调制解调器(未示出)实现的。数据传输通过调制解调器传递到服务器82和/或数据库84。数据库84可以存储账户信息,例如订户认证信息、车辆标识符、简档记录、行为模式和其他相关的订户信息。数据传输也可以由无线系统进行,例如802.11x、GPRS等。尽管所示实施例描述为其将与使用现场顾问86的有人操作的远程访问中心78结合使用,但是应当理解,远程访问中心可以使用VRS 88作为自动顾问,或者可以使用VRS 88和现场顾问86的组合。
如图2所示,ADS 24包括多个不同的控制系统,至少包括用于确定车辆附近的检测到的特征或物体的存在、位置、分类和路径的感知系统32。感知系统32被配置为从各种传感器(例如图1中所示的传感器26)接收输入,并合成和处理传感器输入以生成用作ADS 24的其他控制算法的输入的参数。
感知系统32包括传感器融合和预处理模块34,其处理和合成来自各种传感器26的传感器数据27。传感器融合和预处理模块34执行传感器数据27的校准,包括但不限于,激光雷达到激光雷达校准,相机到激光雷达校准,激光雷达到底盘校准,以及激光雷达光束强度校准。传感器融合和预处理模块34输出预处理后的传感器输出35。
分类和分割模块36接收预处理后的传感器输出35并执行物体分类、图像分类、交通灯分类、物体分割、地面分割和物体跟踪过程。物体分类包括但不限于识别和分类周围环境中的物体,包括交通信号和标志的识别和分类,雷达融合和跟踪以考虑传感器的放置和视野(FOV)以及通过激光雷达融合拒绝误报以消除城市环境中存在的许多误报,例如井盖、桥梁、架空树木或灯杆,以及雷达横截面大但不影响车辆沿着其路径行驶的能力的其他障碍物。由分类和分割模型36执行的附加物体分类和跟踪过程包括但不限于自由空间检测和高级跟踪,其融合来自雷达跟踪的数据、激光雷达分割、激光雷达分类、图像分类、物体形状拟合模型、语义信息、运动预测、栅格地图、静态障碍物地图和其他来源,以产生高质量的物体跟踪。
分类和分割模块36另外执行交通控制设备分类和交通控制设备与车道关联和交通控制设备行为模型的融合。分类和分割模块36生成包括物体标识信息的物体分类和分割输出37。
定位和映射模块40使用物体分类和分割输出37来计算参数,包括但不限于在典型和挑战性驾驶场景中车辆12的位置和定向的估计。这些具有挑战性的驾驶场景包括但不限于具有许多汽车的动态环境(例如,密集交通)、具有大规模障碍物的环境(例如,道路施工或建筑工地)、丘陵、多车道道路、单车道道路、各种道路标记和建筑物或没有各种道路标记和建筑物(例如,住宅区与商业区)、桥梁和立交桥(车辆当前路段的上方和下方)。
定位和映射模块40还结合了作为通过车辆12在操作期间执行的车载映射功能获得的扩展映射区域而收集的新数据以及通过无线通信系统28将数据“推送”到车辆12的映射数据。定位和映射模块40用新信息(例如,新车道标记、新建筑结构、建筑区域的添加或移除等)更新先前映射数据,同时保持未受影响的映射区域未被修改。可以生成或更新的映射数据的示例包括但不限于屈服线分类、车道边界生成、车道连接、次要和主要道路的分类、左转弯和右转弯的分类以及交叉车道创建。
在一些实施例中,定位和映射模块40使用SLAM技术来开发周围环境的地图。SLAM是Simultaneous Localization and Mapping(同时定位和映射)的首字母缩写。SLAM技术构建环境地图并跟踪物体在环境中的位置。Graph SLAM是SLAM的变体,它采用稀疏矩阵,用于生成包含观察相互依赖性的图。
地图内的物体位置由以物体的预测路径为中心的高斯概率分布表示。最简单形式的SLAM利用三个约束:初始位置约束;相对运动约束(其为物体的路径);以及相对测量约束(其为物体到地标的一个或多个测量)。
初始运动约束是车辆的初始姿势(例如,位置和定向),其包括车辆在二维或三维空间中的位置,包括俯仰、滚转和偏航数据。相对运动约束是物体的移位运动,其包含一定程度的灵活性以适应地图一致性。相对测量约束包括从物体传感器到地标的一个或多个测量。初始位置约束、相对运动约束和相对测量约束通常是高斯概率分布。传感器生成的地图内的物体定位方法通常采用卡尔曼滤波器,各种统计相关方法,例如Pearson乘积矩相关和/或粒子滤波器。
在一些实施例中,一旦构建了地图,就通过粒子滤波器实时地实现车辆定位。与贝叶斯或卡尔曼滤波器不同,粒子滤波器适用于非线性系统。为了定位车辆,通过高斯概率分布在预期平均值周围产生粒子。为每个粒子分配一个数字权重,表示粒子位置对预测位置的准确性。考虑传感器数据并调整粒子权重以适应传感器数据。粒子与传感器调整位置的距离越近,粒子权重的数值越大。
当发生动作命令时,每个粒子被更新为新的预测位置。在新的预测位置处观察传感器数据,并且为每个粒子被分配表示粒子位置相对于预测位置和传感器数据的准确度的新权重。对粒子进行重新采样,选择具有最大数值大小的权重,从而提高预测和传感器校正的物体位置的准确度。通常,重新采样数据的均值、方差和标准偏差提供新的物体位置可能性。
粒子滤波处理表示为:
P(Ht|Ht-1,At,Dt) 等式1
其中Ht是当前的假设,即物体位置。Ht-1是前一个物体位置,At是动作,通常是马达命令,并且Dt是可观察数据。
在一些实施例中,定位和映射模块40通过结合来自多个源的数据来维持车辆的全球位置的估计,如上面在扩展卡尔曼滤波器(EKF)框架中所讨论的。卡尔曼滤波器是基于递归贝叶斯滤波器的线性滤波器。递归贝叶斯滤波器(也称为递归贝叶斯估计)基本上将估计的后验替换为先前位置以在新的估计迭代上计算新的后验。这有效地产生:
P(Ht|Ht-1,Dt) 等式2
其中假设Ht的概率是通过前一次迭代Ht-1的假设和当前时间t的数据Dt估计的。
卡尔曼滤波器添加一个动作变量At,其中t是时间迭代,产生:
P(Ht|Ht-1,At,Dt) 等式3
其中假设Ht的概率基于先前的假设Ht-1,动作At和当前时间t的数据Dt。
在机器人技术中广泛使用,卡尔曼滤波器估计当前位置,其是联合概率分布,并且基于动作命令预测新位置,该新位置也是联合概率分布,称为状态预测。获取传感器数据并计算分离的联合概率分布,称为传感器预测。
状态预测表示为:
Xt=AXt-1+Bμ+εt 等式4
其中X′t是基于先前状态AXt-1、Bμ和ξt的新状态。常数A和B由感兴趣的物理定义,μ通常是机器人马达命令,并且ξt是高斯状态误差预测。
传感器预测表示为:
Zt=CXt+εz 等式5
其中Z′t是新的传感器估计,C是函数,并且ξz是高斯传感器误差预测。
新的预测状态估计表示为:
XEST=Xt+K(Zt-Zt) 等式6
其中产品K(Zt-Z′t)被称为卡尔曼增益因子。如果传感器预测Z′t与实际传感器数据Zt之间的差异(也即,Zt-Z′t)合理地接近零,则X′t被认为是新的状态估计。如果Zt-Z′t合理地大于零,则添加K(Zt-Z′t)因子以产生新的状态估计。
当接收到车辆运动信息时,EKF更新车辆位置估计,同时还扩展估计协方差。一旦传感器协方差被集成到EKF中,定位和映射模块40就生成定位和映射输出41,其包括车辆12相对于检测到的障碍物和道路特征的位置和取向。
车辆测距模块46从车辆传感器26接收数据27并生成车辆测距输出47,其包括例如车辆航向、速度和距离信息。绝对定位模块42接收定位和映射输出41和车辆测距信息47,并生成车辆位置输出43,其用于如下所述的单独计算中。
物体预测模块38使用物体分类和分割输出37来生成参数,包括但不限于检测到的障碍物相对于车辆的位置,检测到的障碍物相对于车辆的预测路径,以及交通车道相对于车辆的位置和方向。在一些实施例中可以使用贝叶斯模型来基于语义信息、先前轨迹和瞬时姿势来预测驾驶员或行人意图,其中姿势是物体的位置和取向的组合。
贝叶斯定理通常用于机器人,也称为贝叶斯滤波器,是条件概率的一种形式。贝叶斯定理,如下面的等式7所示,提出在给定数据D时的假设H的概率等于假设的概率H乘以给定假设H时的数据D的似然性除以数据P(D)的概率。
P(H/D)被称为后验,并且P(H)被称为先验。贝叶斯定理测量了在数据D中体现的证据解释之前(先前)和之后(后验)对命题的概率信任程度。贝叶斯定理在迭代时通常递归使用。在每次新的迭代中,先前的后验成为产生新后验的先验,直到迭代完成。关于物体(包括行人、周围车辆和其他运动物体)的预测路径的数据被输出作为物体预测输出39,并且在如下所述的单独计算中使用。
ADS 24还包括观察模块44和解释模块48。观察模块44生成由解释模块48接收的观察输出45。观察模块44和解释模块48允许远程访问中心78访问。现场专家或顾问,例如如图1所示的顾问86可以可选地检查物体预测输出39并提供附加的输入和/或超控自动驾驶操作,并且如果车辆情况需要或要求则承担车辆的操作。解释模块48生成解释输出49,其包括由现场专家提供的附加输入(如果有的话)。
路径规划模块50处理和合成从远程访问中心78的在线数据库或现场专家接收的物体预测输出39、解释输出49和附加路由信息79,以确定在遵守交通规则和避免任何检测到的障碍物的同时将车辆保持在期望路线上的车辆路径。路径规划模块50采用被配置为避开车辆附近的任何检测到的障碍物,将车辆保持在当前行车道中并且将车辆保持在期望路线上的算法。路径规划模块50使用姿势图优化技术,包括非线性最小二乘姿态图优化,以六个自由度优化汽车车辆轨迹的地图并减少路径误差。路径规划模块50输出车辆路径信息作为路径规划输出51。路径规划输出51包括基于车辆路线的命令的车辆路径、相对于路线的车辆位置、车道的位置和取向、以及任何检测到的障碍的存在和路径。
第一控制模块52处理和合成路径规划输出51和车辆位置输出43以生成第一控制输出53。在远程接管车辆操作模式的情况下,第一控制模块52还结合了由远程访问中心78提供的路由信息79。
车辆控制模块54接收第一控制输出53以及从车辆测距仪46接收的速度和航向信息47,并生成车辆控制输出55。车辆控制输出55包括一组致动器命令以实现来自车辆控制模块54的命令的路径,包括但不限于转向命令、换挡命令、油门命令和制动命令。
车辆控制输出55被传递到致动器30。在示例性实施例中,致动器30包括转向控制、换挡器控制、油门控制和制动控制。转向控制可以例如控制如图1所示的转向系统16。换挡器控制可以例如控制如图1所示的变速器14。油门控制可以例如控制推进系统13,如图1所示。制动控制可以是例如如图1所示的控制车轮制动器17。
应当理解,所公开的方法可以与任何数量的不同系统一起使用,并且不具体限于这里示出的操作环境。系统10及其各个部件的架构、构造、设置和操作通常是已知的。此处未示出的其他系统也可以采用所公开的方法。
现在转向图3,示出了用于实现本公开的系统和方法的示例性环境300。在说明性示例中,车辆310正在带着可操作的激光雷达系统行进。该系统具有可操作以将脉冲光或激光器330远离车辆310发射的发射器。一些脉冲光入射在车辆周围的物体320上,并且反射信号返回到车辆上的接收器。车辆310还配备有处理器,以处理返回的信号以测量幅度、传播时间和相移及其他特性,以便确定到物体320的距离,以及物体320的尺寸和速率。
现在转到图4,示出了根据示例性方法和系统的激光雷达系统400的功能框图。配备有激光雷达收发器的车辆410可操作以产生激光束、传输激光束415并捕获从FOV内的物体散射/反射的激光能量。扫描仪420使激光束移过整个目标区域,使得第一目标420被照亮并且第二目标430被照射。第一目标420具有远离车辆的第一距离,并且第二目标430具有远离车辆的第二距离。在一些情况下,激光雷达可能由于来自传感器之间的串扰和多径效应的噪声而错误地检测到错误目标440。然后该系统可操作以利用强度和到目标的范围之间的预期的反平方关系。
激光雷达收发器可操作以产生激光束、将激光束发射到FOV中并捕获从目标反射的能量。激光雷达传感器采用飞行时间来确定从物体到反射脉冲激光束的距离。振荡光信号被物体反射并由激光雷达收发器410内的检测器检测,其相移取决于物体距传感器的距离。可以使用电子锁相环(PLL)从信号中提取相移,并且通过已知技术将相移转换为距离。检测器还可以采用峰值检测。
该系统可操作以利用对在照亮FOV时预计不会发生范围测量的大变化的观察。然后,系统响应于FOV中的相邻点确定要移除的点。例如,假设在发射时间n由单个激光器测量的范围是r_n,对于第一测量点,n=0,并且其中Δr_n是范围和相邻范围之间的距离的变化。
设Δr_n=|r_n-r_(n+1)|
当激光扫描表面时,Δr_n从范围测量到相邻范围测量很小。当扫描移动到新表面时Δr_n很大,但随着新表面的扫描继续,Δr_n再次变小。根据示例性实施例,如果相邻距离测量之间的Δr_n较大,但随后的Δr_n较小,即小、大、小,则保持范围测量,因为它可能表示表面的变化,例如在第一目标420和第二目标430之间的范围的差。然而,如果两个连续测量具有大的Δr_n,则它可以指示错误目标440。
由相同激光器在光滑表面上捕获的相邻点之间的范围差由下式给出,其中r是更近点的范围,Δθ是激光雷达的角分辨率,并且φ是激光雷达光束与表面之间的入射角。
Δr=r(cos(Δθ)+sin(Δθ)cot(φ)-1)
由于Δr的这个值取决于范围,因此可能希望在将它们用作滤波特征之前,按范围缩放范围增量测量值。或者,可以使用混合方法,其中在近范围处使用缩放值,而在较长范围使用未缩放值。
除了范围检测之外,可以通过利用强度和到目标的范围之间的预期的反平方关系来确定可能的错误检测。激光雷达返回的强度随着范围的平方而减小。该平方反比关系意味着不预期长范围的高强度返回。该系统可操作以响应于意外的强度和/或范围不连续而丢弃检测。然后,该系统可操作以响应于基于代表性数据为每个激光器计算的异常值阈值,基于实际数据中的范围/强度的分布来移除异常值。
图5示出了根据示例性实施例的用于改进的激光雷达扫描的方法的流程图500。该方法可操作以在扫描视场期间能够在一系列预定方向上传输多个激光脉冲510。激光脉冲以已知的角度间隔以已知的高度或高度传输。然后,该方法使得能够检测或返回所发射的激光脉冲的反射520。然后按时间顺序对返回进行排序530。在一组激光雷达配置中,检测到的反射或返回按各个激光器分组,则然后,每个激光器按时间顺序排序。
一旦返回按时间顺序排序,则从每个返回提取范围540。然后该方法可操作以相对于时间区分返回的范围550。然后计算范围增量的绝对值560。将前增量和后增量中最小的分配给值570,并且移除具有超过阈值的最小范围增量的点580。将剩余的点存储并耦合到范围映射生成器,以便构建接近激光雷达系统的检测到的物体的映射590。检测到的物体的映射用于控制自主车辆等595。
应当理解,虽然在完全功能的计算机系统的背景下描述了该示例性实施例,但是本领域技术人员将认识到,本公开的机制能够作为程序产品分发为一个或多个更多类型的非暂时性计算机可读信号承载介质,其用于存储程序及其指令并执行其分发,例如,带有程序并包含存储在其中的计算机指令的非暂时性计算机可读介质,用于使计算机处理器实施和执行程序。这样的程序产品可以采用各种形式,并且本公开同样适用,而与用于执行分发的特定类型的计算机可读信号承载介质无关。信号承载介质的示例包括:可记录介质,例如软盘、硬盘驱动器、存储卡和光盘,以及传输介质,例如数字和模拟通信链路。
Claims (10)
1.一种方法,包括:
-从第一方向接收第一发射激光脉冲的第一反射;
-从第二方向接收第二发射激光脉冲的第二反射;
-从第三方向接收第三发射激光脉冲的第三反射,其中所述第二方向在所述第一方向和所述第三方向之间;
-确定与所述第一反射相关联的第一范围、与所述第二反射相关联的第二范围和与所述第三反射相关联的第三范围;
-响应于所述第一范围和所述第二范围之间的第一差异并且所述第二范围和所述第三范围之间的第二差异超过最大值并且所述第一范围和所述第三范围之间的第三差异不超过最小值而丢弃所述第二范围;以及
-响应所述第一范围和所述第三范围确定物体的位置。
2.根据权利要求1所述的方法,还包括响应于所述物体的位置产生控制信号,其中所述控制信号用于为车辆控制系统产生物体映射。
3.根据权利要求1所述的方法,其中所述第一差异和所述第二差异超过响应于所述第三差异而确定的阈值。
4.根据权利要求1所述的方法,还包括按时间顺序排序所述第一反射、所述第二反射和所述第三反射。
5.根据权利要求1所述的方法,其中另外,响应于所述第二反射的第二强度超过所述第一反射的第一强度和所述第三反射的第三强度之间的最大差异,丢弃所述第二范围。
6.根据权利要求1所述的方法,还包括响应于所述第一范围、所述第二范围和所述第三范围超过阈值,缩放所述第一范围、所述第二范围和所述第三范围。
7.根据权利要求1所述的方法,还包括响应于所述物体的位置产生控制信号,其中所述控制信号用于控制自主车辆。
8.一种激光雷达系统,包括:
-发射器,用于发射第一光激光脉冲、第二激光脉冲和第三激光脉冲;
-检测器,用于检测所述第一激光脉冲的第一反射、所述第二激光脉冲的第二反射和所述第三激光脉冲的第三反射;
-处理器,用于响应于所述第一激光脉冲和所述第一反射确定第一范围,响应于所述第二激光脉冲和所述第二反射确定第二范围,以及响应于所述第三激光脉冲和所述第三反射确定第三范围,其中所述第一范围、所述第二范围和所述第三范围,以及所述处理器还可操作以响应于所述第一范围和所述第三范围之间的第一差异小于所述第一范围和所述第二范围之间的第二差异以及所述第三范围和所述第二范围之间的第三差异而丢弃第二范围;以及
-控制器,用于响应所述第一范围和所述第三范围产生控制信号。
9.根据权利要求8所述的激光雷达系统,其中另外,响应于所述第二反射的第二强度超过所述第一反射的第一强度和所述第三反射的第三强度之间的最大差异而丢弃所述第二范围。
10.一种利用激光雷达检测物体的方法,包括:
-传输第一光激光脉冲、第二激光脉冲和第三激光脉冲;
-接收所述第一激光脉冲的第一反射、所述第二激光脉冲的第二反射和所述第三激光脉冲的第三反射;
-响应于所述第一激光脉冲和所述第一反射确定第一范围,响应所述第二激光脉冲和所述第二反射确定第二范围,响应所述第三激光脉冲和所述第三反射确定第三范围,其中所述第一反射范围,所述第二范围和所述第三范围;以及
-响应于所述第一范围和所述第三范围之间的第一差异小于所述第一范围和所述第二范围之间的第二差异以及所述第三范围和所述第二范围之间的第三差异而丢弃所述第二范围;以及
-响应所述第一范围和所述第三范围产生控制信号。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/970,336 US11156717B2 (en) | 2018-05-03 | 2018-05-03 | Method and apparatus crosstalk and multipath noise reduction in a LIDAR system |
US15/970336 | 2018-05-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110441790A true CN110441790A (zh) | 2019-11-12 |
CN110441790B CN110441790B (zh) | 2023-09-12 |
Family
ID=68276588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910322895.3A Active CN110441790B (zh) | 2018-05-03 | 2019-04-22 | 激光雷达系统中的方法和装置串扰和多径降噪 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11156717B2 (zh) |
CN (1) | CN110441790B (zh) |
DE (1) | DE102019110772A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022188495A1 (zh) * | 2021-03-10 | 2022-09-15 | 上海禾赛科技有限公司 | 雷达、用于雷达的数据处理方法及设备、可读存储介质 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11391823B2 (en) * | 2018-02-21 | 2022-07-19 | Innovusion, Inc. | LiDAR detection systems and methods with high repetition rate to observe far objects |
US20200088883A1 (en) * | 2018-09-19 | 2020-03-19 | Here Global B.V. | One-dimensional vehicle ranging |
US11500075B2 (en) * | 2019-02-01 | 2022-11-15 | Zoox, Inc. | Identifying and/or removing ghost detections from lidar sensor output |
EP4026049A4 (en) * | 2019-09-05 | 2022-11-02 | Netradyne, Inc. | VEHICLE SENSOR SYSTEM CALIBRATION |
KR20210054920A (ko) * | 2019-11-06 | 2021-05-14 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
KR20210086904A (ko) * | 2019-12-31 | 2021-07-09 | 현대자동차주식회사 | 자율 발렛 주차를 지원하는 시스템 및 방법, 그리고 이를 위한 인프라 및 차량 |
WO2021189347A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Neighbor-based point cloud filter system |
WO2021205787A1 (ja) * | 2020-04-06 | 2021-10-14 | パナソニックIpマネジメント株式会社 | 測距装置、およびプログラム |
CN113514254B (zh) * | 2021-04-30 | 2022-05-17 | 吉林大学 | 一种针对自动驾驶仿真的并行加速测试方法 |
EP4379424A1 (en) | 2022-08-14 | 2024-06-05 | Innoviz Technologies Ltd. | Multipath object identification for navigation |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2308763A (en) * | 1995-12-29 | 1997-07-02 | Barr & Stroud Ltd | Laser range finders |
US20050134440A1 (en) * | 1997-10-22 | 2005-06-23 | Intelligent Technolgies Int'l, Inc. | Method and system for detecting objects external to a vehicle |
CN1820212A (zh) * | 2003-07-03 | 2006-08-16 | 纳夫科姆技术公司 | 用于本地定位的合成孔径雷达系统和方法 |
US7171328B1 (en) * | 2004-08-30 | 2007-01-30 | Sandia Corporation | Method for measuring thermal properties using a long-wavelength infrared thermal image |
US20110133914A1 (en) * | 2009-12-04 | 2011-06-09 | Delphi Technologies, Inc. | Image based vehicle object detection sensor with range finder |
CN104111446A (zh) * | 2009-01-27 | 2014-10-22 | Xyz互动技术公司 | 用于单个和/或多个设备的测距、定向和/或定位的方法和装置 |
US20180060700A1 (en) * | 2016-08-30 | 2018-03-01 | Microsoft Technology Licensing, Llc | Foreign Substance Detection in a Depth Sensing System |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6473027B1 (en) * | 2001-05-15 | 2002-10-29 | Northrop Grumman Corporation | False reflected target elimination and automatic reflector mapping in secondary surveillance radar |
US6898528B2 (en) * | 2002-07-23 | 2005-05-24 | Ford Global Technologies, Llc | Collision and injury mitigation system using fuzzy cluster tracking |
JP4569652B2 (ja) * | 2008-03-21 | 2010-10-27 | 株式会社デンソー | 認識システム |
US9739881B1 (en) | 2016-03-24 | 2017-08-22 | RFNAV, Inc. | Low cost 3D radar imaging and 3D association method from low count linear arrays for all weather autonomous vehicle navigation |
US10382140B2 (en) | 2016-06-07 | 2019-08-13 | California Institute Of Technology | Optical sparse phased array receiver |
-
2018
- 2018-05-03 US US15/970,336 patent/US11156717B2/en active Active
-
2019
- 2019-04-22 CN CN201910322895.3A patent/CN110441790B/zh active Active
- 2019-04-25 DE DE102019110772.5A patent/DE102019110772A1/de active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2308763A (en) * | 1995-12-29 | 1997-07-02 | Barr & Stroud Ltd | Laser range finders |
US20050134440A1 (en) * | 1997-10-22 | 2005-06-23 | Intelligent Technolgies Int'l, Inc. | Method and system for detecting objects external to a vehicle |
CN1820212A (zh) * | 2003-07-03 | 2006-08-16 | 纳夫科姆技术公司 | 用于本地定位的合成孔径雷达系统和方法 |
US7171328B1 (en) * | 2004-08-30 | 2007-01-30 | Sandia Corporation | Method for measuring thermal properties using a long-wavelength infrared thermal image |
CN104111446A (zh) * | 2009-01-27 | 2014-10-22 | Xyz互动技术公司 | 用于单个和/或多个设备的测距、定向和/或定位的方法和装置 |
US20110133914A1 (en) * | 2009-12-04 | 2011-06-09 | Delphi Technologies, Inc. | Image based vehicle object detection sensor with range finder |
US20180060700A1 (en) * | 2016-08-30 | 2018-03-01 | Microsoft Technology Licensing, Llc | Foreign Substance Detection in a Depth Sensing System |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022188495A1 (zh) * | 2021-03-10 | 2022-09-15 | 上海禾赛科技有限公司 | 雷达、用于雷达的数据处理方法及设备、可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110441790B (zh) | 2023-09-12 |
DE102019110772A1 (de) | 2019-11-07 |
US20190339393A1 (en) | 2019-11-07 |
US11156717B2 (en) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110441790A (zh) | 激光雷达系统中的方法和装置串扰和多径降噪 | |
CN108761474A (zh) | 用于具有高处理增益的脉冲重复序列的方法和装置 | |
CN108073170B (zh) | 用于自主车辆的自动化协同驾驶控制 | |
US10699142B2 (en) | Systems and methods for traffic signal light detection | |
US10365650B2 (en) | Methods and systems for moving object velocity determination | |
US10613547B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
US10229590B2 (en) | System and method for improved obstable awareness in using a V2X communications system | |
CN108372857A (zh) | 自主驾驶系统的通过事件发生和情节记忆回顾进行有效情景感知 | |
US10416679B2 (en) | Method and apparatus for object surface estimation using reflections delay spread | |
CN110356412B (zh) | 用于自主驾驶的自动规则学习的方法和设备 | |
CN109307869B (zh) | 用于增加激光雷达探测器的视场的设备和照明装置 | |
CN109387857B (zh) | 激光雷达系统中的跨网段检测方法和设备 | |
CN108574929A (zh) | 用于自主驾驶系统中的车载环境中的联网场景再现和增强的方法和设备 | |
CN108068792A (zh) | 用于自主车辆的自动协同驾驶控制 | |
US10928507B2 (en) | Apparatus and method for improved radar beamforming | |
CN109143261A (zh) | 由vcsel阵列进行并行照明的方法和装置 | |
CN110435667A (zh) | 用于控制自主车辆的系统和方法 | |
CN109541620A (zh) | 激光雷达阵列中帧速率提升的方法和装置 | |
CN109387856A (zh) | 用于lidar阵列中的并行采集的方法和设备 | |
CN110789515B (zh) | 机动车辆中用于硬件验证的系统和方法 | |
CN117387647A (zh) | 融合车载传感器数据与道路传感器数据的道路规划方法 | |
Druml et al. | Programmable Systems for Intelligence in Automobiles (PRYSTINE): Technical Progress after Year 2 | |
CN113936058A (zh) | 基于车辆的数据获取 |
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 |