CN111751831A - 用于光学距离测量的方法及设备 - Google Patents

用于光学距离测量的方法及设备 Download PDF

Info

Publication number
CN111751831A
CN111751831A CN202010223283.1A CN202010223283A CN111751831A CN 111751831 A CN111751831 A CN 111751831A CN 202010223283 A CN202010223283 A CN 202010223283A CN 111751831 A CN111751831 A CN 111751831A
Authority
CN
China
Prior art keywords
particle cloud
measurement
time
flight
curve
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
Application number
CN202010223283.1A
Other languages
English (en)
Inventor
H·霍尔朱特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microvision Inc
Original Assignee
Ibeo Automotive Systems GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ibeo Automotive Systems GmbH filed Critical Ibeo Automotive Systems GmbH
Publication of CN111751831A publication Critical patent/CN111751831A/zh
Pending legal-status Critical Current

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
    • G01S7/48—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
    • G01S7/4865—Time delay measurement, e.g. time-of-flight measurement, time of arrival measurement or determining the exact position of a peak
    • G01S7/4866—Time delay measurement, e.g. time-of-flight measurement, time of arrival measurement or determining the exact position of a peak by fitting a model or function to the received signal
    • 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
    • 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
    • G01S17/08—Systems determining position data of a target 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
    • 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
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated 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
    • G01S17/88—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
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4811—Constructional features, e.g. arrangements of optical elements common to transmitter and receiver

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

提出了用于光学距离测量的方法(100)，该方法包括执行(101)至少一个飞行时间测量，其中飞行时间测量包括借助于发射单元(12)发射(102)至少一个测量脉冲，反射(103)至少一个发射的测量脉冲，并借助于接收单元(11)接收(104)至少一个反射的测量脉冲。方法(100)包括基于飞行时间测量生成(105)反向散射曲线(20)，并评估(109)反向散射曲线(20)以用于物体识别(113)。方法(100)进一步包括提供(106)用于评估(109)反向散射曲线(20)的灵敏度曲线(21)，其中，评估(109)包括确定(110)灵敏度曲线(21)与反向散射曲线(20)之间的相关性，以便使用至少一个飞行时间测量来确定粒子云是否布置在通过飞行时间测量所测量的测量范围内，并向飞行时间测量分配(120)粒子云特征。

Description

用于光学距离测量的方法及设备
技术领域
本发明涉及用于光学距离测量的方法和设备。
背景技术
从现有技术已知LIDAR(“光检测和测距”的缩写)传感器。LIDAR传感器包括用于发射测量脉冲的发射单元以及用于接收反射的测量脉冲的接收单元，反射的测量脉冲被传感器的测量范围内的物体反射。根据飞行时间原理，光速用于推断到反射测量脉冲的物体的距离。
通过这种飞行时间测量获得的是点云，其中每个点代表单个测量值，即，发射和反射的测量脉冲的接收。总体而言，这种点云的质量在恶劣的天气条件下会受到影响，例如雾、灰尘、喷雾等。这是因为LIDAR点云中粒子及其伴随点的反射被错误地识别为物体反射。根据粒子密度，最终可能导致设备完全损坏。
由现有技术已知的用于距离测量的设备本身不能识别它们位于粒子云中。结果，设备错误地将粒子识别为物体。这降低了飞行时间测量的质量。但是，由于设备无法识别出这种情况，因此与在没有粒子云的情况下进行的测量一样，以相同的确定性(即，具有同样高的置信度)对已经由粒子云降解的飞行时间测量结果进行处理。由于在后续计算单元中进行的飞行时间测量，因此只能估计产生的点云的质量，这些计算单元会在几个时间间隔内评估传送的数据。
发明概述
本发明的目的是进一步开发用于光学距离测量的方法和设备，使得可以将测量脉冲在粒子云上的反射与在物体上的反射区分开。
通过用于光学距离测量的方法来实现前述目的，该方法包括执行至少一个飞行时间测量。
飞行时间测量包括借助于发射单元发射至少一个测量脉冲，特别是精确地一个或多个测量脉冲，以及优选地在粒子云上或在至少一个物体上反射至少一个发射的测量脉冲，特别是发射的测量脉冲，并且借助于接收单元接收至少一个测量脉冲，特别是反射的测量脉冲。特别地，该方法包括基于飞行时间测量来生成点云。点云是飞行时间测量的结果。
该方法可以进一步优选地包括确定每个发射、反射和接收的测量脉冲的飞行时间。特别地，该方法还包括生成直方图，在该直方图中记录所接收的光功率(或基于所测量的光功率的相应电子信号)相对于所确定的飞行时间。所确定的几个测量脉冲的飞行时间可以进一步平均。然后也可以生成带有平均值的直方图。
尤其是，借助于接收单元接收的每个反射的测量脉冲在点云中，优选在2D或3D局部坐标系中产生一个点。因此，作为飞行时间测量的结果，获得了点云中的至少一个点。另外，可以平均所确定的几个接收和反射测量脉冲的飞行时间，以使后者一起代表点云中的一个点。
该方法包括基于飞行时间测量生成反向散射曲线，其中该方法包括评估反向散射曲线，以用于至少一个测量脉冲反射到其上的至少一个物体和/或至少一个粒子云的物体识别。该方法包括提供用于评估反向散射曲线的灵敏度曲线，其中评估反向散射曲线包括确定灵敏度曲线和反向散射曲线之间的相关性，以便使用至少一个飞行时间测量来确定粒子云是否布置通过在至少一个飞行时间测量中所测量的测量范围内，并且将粒子云特征分配给飞行时间测量。特别地，术语“测量的测量范围”应理解为飞行时间测量的测量脉冲所经过的面积。
确定相关性，以便确定粒子云是否位于借助至少一个飞行时间测量而测量的测量范围内。换句话说，确定用于实现该方法的设备是否位于粒子云之中和/或粒子云之前。该方法有利地包括使用至少一个飞行时间测量来确定是否在测量范围内布置了粒子云，并且将粒子云特征分配给飞行时间测量。
特别地，术语“粒子云特征”应被理解为粒子云状态和/或粒子云概率。特别地，基于所确定的相关性来确定粒子云特征。粒子云状态可以指示相关性是否表明粒子云位于测量范围内。因此，状态可以显示为双重“是/否”信息。例如，如果相关性超过预设阈值，则状态可能为“是”，如果相关度低于此阈值，则状态为“否”。
另外，可以确定粒子云概率。粒子云概率可以理解为将测量脉冲反射在粒子云上这一事实的置信度。结果，该方法可以确定0到100％之间的置信度，其中100％表示相关性非常高，因此假定测量脉冲反射在粒子云上，而0％表示相关性几乎可以忽略不计，因此假定没有测量脉冲反射到粒子云上。特别地，基于所确定的相关性来确定置信度。
特别地，确定相关性以便不会错误地将粒子云识别为物体。
术语“光学距离测量”应被理解为光学信号，这里是光学测量脉冲，用于确定距离。测量脉冲所覆盖的距离应理解为发射测量脉冲的发射单元与反射该测量脉冲的反射物体之间的路径，加上反射物体与接收相应反射的测量脉冲的接收单元之间的路径。反射的测量脉冲分别代表所发射的测量脉冲的反向散射信号。术语“反射物体”可以被理解为物体和/或粒子云。
特别地，该方法用于车辆，特别是汽车的无人驾驶导航中。最重要的是，该方法可以用于自主控制车辆。另外，该方法可以辅助车辆驾驶员。为此，特别是确定到位于测量范围内的所有反射物体的距离。
特别地，测量脉冲是光信号，尤其是电磁信号。有利地，测量脉冲是光脉冲，即，具有不源自人眼可见范围的波长的脉冲。出于安全原因，优选使用不可见的红外线。测量脉冲优选具有脉冲宽度，使得测量脉冲可以理解为电磁辐射的时间受限部分。由于测量脉冲包括电磁信号，并且测量脉冲的速度是已知的，因此可以使用光速从测量脉冲的飞行时间推断出测量脉冲在该飞行时间内覆盖了哪个路径。
接收单元可以优选地包括至少一个探测器，例如光电探测器，尤其是光学探测器。接收单元可以包括多个接收元件，接收元件优选地以线性或盖革(Geiger)模式工作。以线性模式操作的接收元件可以特别地包括雪崩光电二极管、PN光电二极管、PIN二极管或光电倍增器，而以盖革模式操作的接收元件优选地包括单光子雪崩二极管(SPAD)。在后者中，每个光子被单独测量，并通过获得的直方图进行平均。特别地，使用时间相关的单光子计数。术语“接收元件”尤其包括像素。当在盖革模式下使用接收元件时，最好不使用A/D转换器。这降低了过程的成本。
此外，发射单元可以包括多个发射元件，其尤其是分别由激光器形成。特别地，发射单元应被理解为“发射矩阵”，即，发射元件的阵列，而接收单元应被理解为接收矩阵，即，接收元件的阵列。特别地，可以将矩阵理解为三维的，尤其是板状的本体，在其表面上布置有相应的元件，即发射元件或接收元件。
特别地，术语“粒子云”包括空气中粒子的积聚。特别地，粒子云包括气雾剂。有利地，粒子云是悬浮在空气中的细分散的固体和/或液体颗粒。例如，粒子云可以是空气中的细分散的液滴，例如雾或喷雾。粒子云也可以是细分散的固体灰尘颗粒，例如灰尘或烟雾。另外，粒子云可以理解为来自车辆的排气管的排气云，其尤其由油和烟尘组成。粒子的尺寸，特别是直径，通常小于1mm，特别是小于100μm，最优选小于50μm。
与粒子云相比，在本发明的意义上，物体不是气溶胶。主要涉及固体或液体。
术语“反向散射曲线”应被理解为可用于推断与所确定的飞行时间有关的由接收单元接收的光功率的曲线。特别地，反向散射曲线是生成的飞行时间测量的直方图。接收的光功率在此优选地被转换成电信号，该电信号相对于所确定的飞行时间被记录。为了产生反向散射曲线，优选地基于所测量的光功率来确定相应的电子信号以及至少一个发射和再次接收的测量脉冲的飞行时间，其中，在以电子信号为y轴和飞行时间为x轴的坐标系上记录至少一个相应的值对。
换句话说，反向散射曲线包括飞行时间测量的原始信号。可以理解为原始信号的是反射光信号的模拟或数字表示，换句话说就是将接收到的反射光功率转换成的电子信号。反向散射曲线是同一飞行时间测量的所有发射，反射和再次接收到的测量脉冲的结果。
在使用以线性模式工作的接收元件时，飞行时间测量尤其包括精确地发射一个测量脉冲。在接收分别发射并反射的测量脉冲期间已经考虑了多个光子的飞行时间信息，因此所生成的单个测量脉冲的直方图表示反向散射曲线。这是由于单个光子在粒子云的更近的粒子上反射而其他光子在更远的粒子上被反射这一事实。
相反，当在盖革模式中使用接收元件时，飞行时间测量包括多个测量脉冲的发射，其中直方图显示平均飞行时间。直方图可以表示反向散射曲线。
接收单元的术语“灵敏度曲线”尤其应被理解为接收单元，尤其是用于实施该方法的设备的灵敏度曲线。除其它之外，灵敏度曲线尤其描述了接收单元或接收单元的各个接收元件对反射物体与接收单元之间的距离的大小的反应有多敏感。换句话说，灵敏度曲线描述了假设测量脉冲的相同的光功率，由反射物体的距离(在该反射物体上反射了测量脉冲)对检测到的光功率所产生的影响。另外，其他因素也会影响灵敏度曲线，例如，设备的发射和接收单元之间的差异和/或发射和接收单元彼此之间的距离。对灵敏度曲线的基本影响因素还包括接收单元和/或发射单元以及所应用的电子部件(例如接收元件和/或发射元件，尤其是二极管，和/或放大器)的光学和机械设计。因此，灵敏度曲线是接收单元特定的，特别是设备特定的或传感器特定的。
总体上，灵敏度曲线表示坐标系中的高程，即“峰值”，其中光功率所转换成的电子功率在y轴上，而飞行时间在x上轴，最好具有上升沿和下降沿。
灵敏度曲线的形状来自以下事实：随着距离的增加，自然会期望反向散射信号的光功率变小。然而，由于上述影响因素，仅在距接收单元特定距离处开始达到最大功率。
该方法可以包括为整个接收单元和/或整个设备提供单个共享的灵敏度曲线。另外，该方法可以包括为接收单元的每个接收元件提供灵敏度曲线。该方法可以有利地为每个单独的接收元件生成反向散射曲线。换句话说，可以将接收元件分配给每个飞行时间测量。可以基于反向散射曲线和灵敏度曲线确定每个接收元件的相关性，并且可以任选地对它们进行平均。
另外，接收单元的接收元件的仅一部分或仅一个接收元件可用于粒子云识别。换句话说，用于粒子云检测的接收元件的数量小于接收元件的总数。
然后，该接收元件用于确定反向散射曲线和灵敏度曲线。
评估包括确定灵敏度曲线和反向散射曲线之间的相关性。在此有利的是，灵敏度曲线具有与反向散射曲线的可以归因于粒子云上的反射的区段非常相似的特性。
用简化的术语描述，这是由于这样的事实，即粒子云在特定距离范围内延伸到用于实施该方法的设备，因此多个测量脉冲会反射到粒子云的较近粒子上，而其他测量脉冲会反射到粒子云的更多远距粒子上。总体上，通常从粒子云所包围的到用于实施该方法的设备的所有距离接收反射。精确地，这种类型的反射由灵敏度曲线表示，该灵敏度曲线反映了接收单元(优选地是用于实施该方法的设备)对来自距接收单元(特别是用于实施该方法的设备)的所有变化距离的反射如何进行响应。
因此，灵敏度曲线的级数与反向散射曲线的归因于粒子云上的反射的区段非常相似。特别地，曲线的形状是相似的。特别地，灵敏度曲线和反向散射曲线之间的相关性的确定使得可以确定反向散射曲线的至少一个区段是否具有与灵敏度曲线相似的级数，特别是形状，使得该区段将是归因于粒子云上的反射。
术语“相关性”应理解为反向散射曲线和灵敏度曲线之间的关系。该相关性是反向散射曲线的至少一个区段，特别是其形状与灵敏度曲线的相似程度。反向散射曲线的这一区段可能对应于粒子云上的反射。
反向散射曲线首先包括至少一个高程，优选地为多个高程。尤其是，如果高程明显地突出于反向散射曲线的噪声，换句话说突出于具有相同的飞行时间的光功率的值的相应偏差，则存在高程。如果高程具有优选地对应于噪声的至少两倍的最大光功率，则存在高程。
特别地，确定相关性以确认反向散射曲线的至少一个区段是否表现出与灵敏度曲线相似。特别地，术语“区段”应理解为反向散射曲线的部分，其包括反向散射曲线中的高程。特别地，可以基于所确定的相关性来确认在飞行时间测量期间是否测量了粒子云，换句话说，飞行时间测量的测量脉冲是否在粒子云上被反射。
该方法可以包括识别粒子云并且优选地确定用于识别粒子云的置信度。特别地，基于所确定的相关性来确定置信度。置信度是粒子云识别的质量(换言之，可信度)的程度。
该方法优选地包括输出关于至少一个粒子云特征的消息。例如，输出可能如下所示：“粒子云状态为“是”，粒子云概率为75％”。
特别地，该方法包括执行多个飞行时间测量，其中飞行时间测量的粒子云状态分别为“是”或“否”。该方法包括设置第一阈值，其中如果具有“是”的粒子云状态的飞行时间测量的数量超过第一阈值，则识别出粒子云。第一阈值可以被定义为“1”，例如使得在给定的飞行时间测量中已经识别出粒子云且粒子云状态为“是”。另外，可以以这样的方式定义第一阈值，使得其测量所有飞行时间测量的10％，最优选为20％。
另外，该方法可以包括设置用于粒子云概率的第二阈值，其中当粒子云概率高于第二阈值的飞行时间测量的数量超过第一阈值时，识别出粒子云。
特别地，置信度表示为概率。因此，该方法确定置信度在0到100％之间，其中100％表示相关性非常高，因此该方法非常确定测量脉冲在粒子云上反射，而0％表示相关性是可以忽略不计，因此必须假定没有测量脉冲在粒子云上被反射。
该方法优选地包括输出关于粒子云的识别和所确定的置信度的消息。例如，输出可能如下所示：“此处识别出粒子云，置信度为75％”。
特别地，通过将反向散射曲线与灵敏度曲线折叠来确定相关性。另外，相关性的确定可以包括傅立叶变换，特别是快速傅立叶变换。相关性的确定可以进一步包括使用调整至灵敏度曲线的最佳滤波器。可以事先对其进行训练，其中该方法包括借助于神经网络对最佳滤波器的训练。特别是，可以在自动编码器的帮助下训练最佳滤波器。另外，可以通过深度学习来训练最佳滤波器。
为了提供灵敏度曲线，该方法可以包括模拟灵敏度曲线。
替代地或附加地，可以测量灵敏度曲线。例如，至少一个物体可以放置到距接收单元不同的距离处，特别是在不存在粒子云的情况下，其中，接收单元接收各自反射的光功率，并将其转换为相应的电子信号。接收单元或者更确切地说是用于进行处理的设备包括双轴光学器件。因此，总体上，这产生了作为反射光功率的量度的电子信号的级数，该反射光功率是距离或飞行时间的函数，并因此是灵敏度曲线的函数。通过与模拟的比较，测量的优点，特别是其测量的终点，是它还包括接收单元的电气性能，特别是用于实施方法的设备的电气性能，换句话说，传感器的电气性能，以及各个传感器的机械和光学偏差。另外，模拟需要付出更多的努力，并且可能是不完整的。
可以针对设计用于执行该方法的设备(换句话说，传感器)专门测量灵敏度曲线。术语“传感器设计”首先应被理解为传感器的设计，受模型和相应技术的影响，或受检测器类型和/或光学器件和/或测量原理的影响。
特别地，该方法包括在确定相关性时考虑反向散射曲线的可能缩放比例作为粒子云的密度的函数。特别是，粒子云上的反射取决于其厚度。粒子云越密集，反向散射曲线中的信号(即间接的光功率)越高。换句话说，可以使用考虑了粒子云密度的因子来缩放反向散射曲线。粒子云越密集，在x轴方向上压缩反向散射曲线就越多。这种缩放可以改变反向散射曲线相对于灵敏度曲线的进展。尽管归因于粒子云上反射的反向散射曲线中的高程高度取决于其厚度，但基本形状仍在一定程度上类似于灵敏度曲线，即使通过密度不同的粒子云仍是如此，可以确定表明反射是粒子云上的反射的相关性。
在另一步骤中，该方法可以包括识别粒子云的密度，并且优选地确定用于识别密度的置信度。特别地，该方法可以包括考虑峰值的高度。评估优选地包括估计在反向散射曲线中的被分配给粒子云上的反射的高程的最大高度，从中可以推断出粒子云的密度。置信度是对所识别密度的质量(换句话说，是可信度)的度量。
特别地，用于识别密度的置信度被表示为概率。因此，该方法确定的置信度为0至100％，其中100％表示评估非常清楚地使得可以推断出所识别的密度，并且该方法因此非常确定粒子云恰好具有该密度，而0％表示评估不清楚，因此非常不确定粒子云是否真正具有所识别的密度。
该方法优选地包括输出关于密度的识别和所确定的置信度的消息。例如，输出可能如下所示：“粒子云的密度测量每体积X个粒子，置信度为80％”。
消息首先可以指向车辆的驾驶员，其中，借助本发明的方法来导航车辆和/或借助本发明的方法来辅助驾驶员。该输出尤其用于通知驾驶员该车辆位于粒子云中和/或正朝着粒子云行驶。
特别地，该方法可以包括执行至少一个附加测量以度量至少一个附加传感器模态的测量数据。换句话说，传感器模态涉及传感器类别。因此，传感器尤其在传感器模态或传感器类别方面有所不同。特别地，传感器模态确定产生测量数据的测量方法。传感器模态优选地包括激光雷达、雷达、图像或超声。关于相应的传感器模态，这优选地意味着涉及激光雷达传感器、雷达传感器、图像传感器，特别是照相机，或超声传感器。该方法优选地包括测量雷达测量数据、图像数据和/或超声数据。
该方法可以优选地包括确定用于检测每个传感器模态的测量数据的粒子云的置信度，其中该方法还包括平衡所确定的置信度。特别地，确定总体置信度，其中考虑各个传感器模态的置信度。该总体置信度可以与消息一起输出。
特别是，可以将相应的飞行时间测量分配给点云中的每个点。在另外的步骤中，该方法可以包括通过考虑对粒子云的识别来确定飞行时间测量的置信度，特别是点云中的对应点的置信度。
特别地，可以将置信度理解为飞行时间测量的质量，即，可以理解为质量或其结果降级的概率，尤其是借助在粒子云上的反射。置信水平越高，其降级的可能性就越小。总体上，本方法因此使得可以估计飞行时间测量的质量。
一旦识别出粒子云，就会调整由于粒子云而降级的飞行时间测量的置信度。尤其是，与期间未识别出任何粒子云的飞行时间测量相比对置信度进行了调整。特别地，根据粒子云的识别和/或其密度的识别和/或用于粒子云的识别的置信度和/或识别密度的置信度来确定置信度。
另外，该方法可以包括生成3D深度图，该3D深度图描述了从用于实现该方法的设备到粒子云和/或识别的物体所位于的距离和/或方向。
如果该方法包括多个飞行时间测量，则优选针对每个测量进行上述各个步骤。
可以将飞行时间测量的置信度首先分配给点云中的相应点。该方法可以包括生成点云，该点云包括来自各种飞行时间测量的点。置信度的分配允许点云包含具有各种置信度的点。
特别地，该方法包括物体识别，其中该方法包括在物体和粒子云之间进行区分。特别地，在物体识别的框架内观察并分类了反向散射曲线中的高程。为了评估是否应将物体分配给反向散射曲线中的高程，有关相似性(即反向散射曲线和灵敏度曲线之间的相关性)的信息可以是相关的。如果高程和灵敏度曲线之间存在足够的相关性，则必须假定该高程不是由物体上的反射引起的，而是由粒子云上的反射引起的。该方法首先包括将高程分类为粒子云或物体，而该方法还优选地包括确定每个分类的置信度。特别地，基于所确定的相关性来确定置信度。置信度是对分类的质量的度量，换句话说，是对分类的可信度的度量。
特别地，置信度表示为概率。因此，该方法确定置信水平在0到100％之间，其中100％表示相关性非常清楚地表明此处涉及相应分类的反射物体，而0％表示相关性不清楚，因此不确定高程是归因于粒子云上的反射还是物体上的反射。
该方法有利地包括输出关于分类和所确定的置信度的消息。例如，输出可能如下所示：“此处在距离x处识别了一个物体，置信度为60％”。
在另一方面，本发明包括用于距离测量的设备，其中该设备包括用于执行至少一个飞行时间测量的接收单元和发射单元。发射单元用于发射至少一个测量脉冲，尤其是多个测量脉冲，而接收单元用于接收至少一个反射的测量脉冲，特别是反射的测量脉冲，该反射的测量脉冲事先被发射并在粒子云或至少一个物体上反射。该设备被设计用于实现上述方法。
特别地，本发明还包括评估单元，该评估单元被设计为评估反向散射曲线，以用于物体识别，特别是至少一个物体和/或一个粒子云的识别，测量脉冲在至少一个物体和/或一个粒子云上反射。评估单元还被设计为确定灵敏度曲线和反向散射曲线之间的相关性。评估单元可以进一步被设计为识别物体和/或识别粒子云和/或识别物体和/或分类识别的粒子云的密度和/或输出响应和/或确定置信度和/或区分粒子云和物体。评估单元可以包括数字信号处理器，例如ASIC和/或FPGA和/或微处理器等。
该设备首先包括LIDAR设备，特别是扫描LIDAR设备或闪光灯LIDAR设备。特别地，该设备包括LIDAR传感器。该设备可以进一步包括雷达传感器、图像传感器，特别是照相机，或超声传感器。另外，该设备可以是驾驶员辅助系统。
在另一方面，本发明包括计算机程序产品，该计算机程序产品由计算机可读存储介质组成，程序存储在该计算机可读存储介质上，一旦将程序加载到计算机的存储器中，则使计算机能够实现上述方法，在必要时可以与上述设备结合使用。
另外，本发明涉及计算机可读存储介质，程序存储在该计算机可读存储介质上，一旦将程序加载到计算机的存储器中，使计算机能够实现上述方法，在必要时可以与上述设备结合使用。
附图说明
示意图显示在：
图1是根据本发明的方法的流程图；
图2是灵敏度曲线。
图3是根据本发明的用于实现根据本发明的方法的设备；
图4是根据本发明的具有粒子云和物体的设备。
图5是根据本发明的具有粒子云和物体的设备。
图6是反向散射曲线和灵敏度曲线；并且
图7是另一个反向散射曲线以及灵敏度曲线。
发明详述
图1示出了根据本发明的用于距离测量的方法(100)的流程图。该方法包括执行(101)至少一个飞行时间测量，其中飞行时间测量包括借助于发射单元(12)发射(102)至少一个测量脉冲，反射(103)至少一个发射的测量脉冲，通过接收单元(11)接收(104)至少一个反射的测量脉冲。该方法可以进一步包括执行几个飞行时间测量。
该方法还包括基于飞行时间测量来生成(105)反向散射曲线(20)，以及提供(106)灵敏度曲线(21)。灵敏度曲线(21)可以被模拟(107)和/或被测量(108)。
方法(100)进一步包括评估(109)反向散射曲线(20)以用于物体识别(113)。评估(109)包括确定(110)灵敏度曲线(21)和反向散射曲线(20)之间的相关性。可以通过叠合(111)和/或通过使用(112)最佳滤波器来确定相关性。确定(110)相关性的目的是使用至少一个飞行时间测量来确定是否在通过飞行时间测量所测量的测量范围内布置了粒子云(27)，并为飞行时间测量分配(120)粒子云特征。特别地，该方法包括这样的分配(120)。
评估(109)可以进一步包括物体识别(113)。方法(100)可以包括识别(114)粒子云(27)。为此，该方法可以首先包括设置第一阈值，其中如果飞行时间测量消息的数量相对于粒子云状态为“是”，则识别出(114)粒子云。替代地或附加地，该方法可以包括为粒子云概率设置第二阈值，其中，如果粒子云概率高于第二阈值的飞行时间测量的数量超过第一阈值，则识别出(114)粒子云。
在已经识别出(114)粒子云之后，方法(100)可以确定用于识别的置信度(114a)。另外，方法(100)可以包括识别(115)粒子云的密度，以及确定(115a)用于密度识别的置信度。方法(100)可以包括物体的识别(116)，其中可以在粒子云(27)和物体(26)之间进行区分(118)。另外，该方法可以包括输出(117)关于粒子云和/或其密度的识别的消息。反向散射曲线(20)的评估(109)可以进一步包括生成(119)3D深度图，该3D深度图指示识别的粒子云和/或识别的物体(26)距用于实施方法(100)的设备(10)的距离。
图2显示了灵敏度曲线(21)。灵敏度曲线表示飞行时间(31)上的、从接收到的光功率转换而来的电子信号(30)，因此可作为飞行时间(31)上光功率的间接度量。一方面，这里的图2显示了如何通过单个测量(22)测量灵敏度曲线(21)。各个测量(22)基于相对于接收单元(11)将物体放置在变化的距离处并且因此具有变化的飞行时间(31)的测量值。对于每个距离或每个飞行时间(31)，在物体上反射之后测量光功率，并将光功率转换为相对于飞行时间记录的电子信号(30)。因此，通过对灵敏度曲线(21)进行插值得出光功率。另外，可以模拟灵敏度曲线(21)。然后也得到相同的进展。
图3示出了用于实施根据本发明的方法(100)的根据本发明的设备(10)。根据本发明的设备(10)包括接收单元(11)和发射单元(12)。发射单元(12)用于发射测量脉冲，而接收单元(11)用于接收反射的测量脉冲。总体上，接收单元(11)和发射单元(12)用于执行飞行时间测量。评估单元(13)用于评估作为飞行时间测量结果的反向散射曲线，特别是借助于灵敏度曲线(21)。设备(10)还具有控制单元(14)，该控制单元被设置为相应地致动接收单元(11)、发射单元(12)和/或评估单元(13)。
图4示出了根据本发明的设备(10)，在该设备(10)的前面紧邻有粒子云(27)，以及与该设备(10)和粒子云(27)相距一定距离的物体(26)。
图5示出了根据本发明的设备(10)，在其前面紧邻有粒子云(27)。物体(26)位于粒子云中。
在执行基于图4的飞行时间测量之后相应获得的反向散射曲线(20)可见于图6中。反向散射曲线(20)间接表示飞行时间(31)上的光功率，其中，相对于飞行时间记录从接收到的光功率转换而来的电子信号(30)。在反向散射曲线(20)中可以看到几个高程(23)。通常将物体分配给这样的高程(23)。
图6还用虚线示出了灵敏度曲线(21)。在确定相关性的框架内，确定至少反向散射曲线(20)的包括左高程(23)的区段与灵敏度曲线(21)强烈相关。这在图6上也清晰可见，反向散射曲线(20)和灵敏度曲线(21)的形状的相似性也很明显。基于高相关性，将左高程(23)分类为在粒子云(27)上反射的结果。结果，反向散射曲线(20)的高程(25)由粒子云(27)上的反射引起。
关于右高程(23)，不能确定相关性-至少没有足够的相关性，从而由于物体上的反射，可以以足够的概率将该高程识别为高程(24)。这样，可以清楚地区分粒子云(27)和物体(26)。
图7示出了在基于图5执行飞行时间测量之后获得的反向散射曲线(20)。由于物体(26)位于粒子云(27)内，因此将归因于物体的高程(23)将排列在粒子云产生的高程上。信号已在此位置加在一起，因此，如果物体(26)位于粒子云(27)内，则可以清楚地识别该物体并将其与粒子云(27)区分开。
附图标记清单
100距离测量方法
101执行至少一个飞行时间测量
102通过发射单元发射至少一个测量脉冲
103在至少一个物体上反射至少一个发射的测量脉冲
104通过接收单元接收至少一个反射的测量脉冲
105根据飞行时间测量生成反向散射曲线
106提供灵敏度曲线
107模拟灵敏度曲线
108测量灵敏度曲线
109反向散射曲线的评估
110确定灵敏度曲线与反向散射曲线之间的相关性
111叠合
112使用最佳过滤器
120将粒子云特征分配给飞行时间测量
113识别物体
114识别粒子云
114a识别用于识别粒子云的置信度
115识别粒子云的密度
115a确定用于检测密度的置信度
116识别物体
117输出消息
118区分粒子云和物体
119生成3D深度图
10设备
11接收单元
12发射单元
13评估单元
14控制单元
20反向散射曲线
21灵敏度曲线
22单独的测量
23高程
24基于物体反射的高程
25基于粒子云反射的高程
26物体
27粒子云
30电子信号
31飞行时间

Claims (16)

1.用于光学距离测量的方法(100)，
其中，该方法(100)包括执行(101)至少一个飞行时间测量，
其中，飞行时间测量包括：通过发射单元(12)发射(102)至少一个测量脉冲，反射(103)至少一个发射的测量脉冲，并通过接收单元(11)接收(104)至少一个反射的测量脉冲，
其中，所述方法(100)包括基于所述飞行时间测量生成(105)反向散射曲线(20)，
其中，所述方法(100)包括评估(109)所述反向散射曲线(20)以进行物体识别(113)，
其特征在于
所述方法(100)包括提供(106)灵敏度曲线(21)，用于评估(109)所述反向散射曲线(20)，
其中所述评估(109)包括确定(110)所述灵敏度曲线(21)和所述反向散射曲线(20)之间的相关性，以便使用所述至少一个飞行时间测量来确定是否有粒子云(27)布置在由所述飞行时间测量所测量的测量范围内，并且将粒子云特征分配(120)给所述飞行时间测量。
2.根据权利要求1所述的方法(100)，
其特征在于
确定(110)相关性包括考虑作为粒子云(27)的密度的函数的反向散射曲线(20)的可能缩放。
3.根据权利要求1或2所述的方法(100)，
其特征在于
为了提供(106)所述灵敏度曲线(21)，所述方法(100)包括模拟(107)所述灵敏度曲线(21)。
4.根据前述权利要求中的一项所述的方法(100)，
其特征在于
为了提供(106)所述灵敏度曲线(21)，所述方法(100)包括测量(108)所述灵敏度曲线(21)。
5.根据权利要求4所述的方法(100)，
其特征在于
所述方法(100)包括使用设备(10)进行光学距离测量，
其中，该方法包括测量(108)专门针对所述设备(10)的灵敏度曲线(21)。
6.根据前述权利要求中的一项所述的方法(100)，
其特征在于
所述方法(100)包括识别(114)粒子云(27)，并且优选地确定(114a)对所述粒子云(27)的识别(114)的置信度。
7.根据权利要求6所述的方法(100)，
其特征在于
所述方法(100)包括执行多个飞行时间测量，
其中，所述飞行时间测量的粒子云状态分别为“是”或“否”，
其中，该方法包括设置第一阈值，
其中如果粒子云状态为“是”的飞行时间测量的数量超过第一阈值，则识别出(114)粒子云。
8.根据权利要求5或6之一的方法(100)。
其特征在于
所述方法(100)包括执行多个飞行时间测量，
其中，该方法包括设置第一阈值，
其中，该方法包括为粒子云概率设置第二阈值，
其中当粒子云概率高于第二阈值的飞行时间测量的数量超过第一阈值，识别出(114)粒子云。
9.根据权利要求6至8之一所述的方法(100)。
其特征在于
所述方法(100)包括识别(115)被识别的粒子云(27)的密度，并且优选地确定(115a)用于所述密度识别(115)的置信度。
10.根据权利要求6至9之一所述的方法(100)。
其特征在于
所述方法(100)包括输出(117)关于被识别的粒子云(27)的消息并且优选地关于所述粒子云(27)识别的置信度的消息，和/或，输出关于所述被识别的粒子云(27)的密度的消息，并且最好是关于所述密度识别的置信度的消息。
11.根据权利要求6至10中的一项所述的方法(100)，
其特征在于
所述方法(100)包括在考虑到粒子云(27)的识别(114)的情况下确定飞行时间测量的置信度。
12.根据前述权利要求中的一项所述的方法(100)，
其特征在于
所述方法(100)包括物体识别(113)，
其中，该方法包括在物体(26)和粒子云(27)之间进行区分(118)。
13.根据前述权利要求中的一项所述的方法(100)，
其特征在于
所述接收单元(11)包括多个接收元件，
其中，所述方法(100)包括提供(106)每个接收元件的灵敏度曲线。
14.用于光学距离测量的设备(10)，
其中，该设备包括用于执行(101)至少一个飞行时间测量的接收单元(11)和发射单元(12)，
其特征在于
所述设备(10)被配置用于实现根据权利要求1至13之一的方法。
15.计算机程序产品，其包括计算机可读介质，程序存储在该计算机可读介质上，一旦将所述程序加载到计算机的存储器中，使计算机能够实现根据权利要求1至13中任一项所述的方法(100)，在必要时结合根据权利要求14的设备(10)。
16.计算机可读存储介质，程序存储在该计算机可读存储介质上，一旦将所述程序加载到计算机的存储器中，使计算机能够实现根据权利要求1至13中任一项所述的方法，在必要时结合根据权利要求14的设备(10)。
CN202010223283.1A 2019-03-27 2020-03-26 用于光学距离测量的方法及设备 Pending CN111751831A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP19165546.3 2019-03-27
EP19165546.3A EP3715908A1 (de) 2019-03-27 2019-03-27 Verfahren und vorrichtung zur optischen distanzmessung

Publications (1)

Publication Number Publication Date
CN111751831A true CN111751831A (zh) 2020-10-09

Family

ID=65995559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010223283.1A Pending CN111751831A (zh) 2019-03-27 2020-03-26 用于光学距离测量的方法及设备

Country Status (5)

Country Link
US (1) US11892569B2 (zh)
EP (1) EP3715908A1 (zh)
CN (1) CN111751831A (zh)
CA (1) CA3074628C (zh)
IL (1) IL273036A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112433222A (zh) * 2020-11-24 2021-03-02 长春理工大学 一种透雾霾激光测距系统与方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0411097D0 (en) * 2004-05-19 2004-06-23 Qinetiq Ltd Laser radar device and method
DE102012112987B3 (de) * 2012-12-21 2013-12-05 Sick Ag Optoelektronischer Sensor und Verfahren zur Erfassung und Abstandsbestimmung von Objekten
US8983705B2 (en) 2013-04-30 2015-03-17 Google Inc. Methods and systems for detecting weather conditions including fog using vehicle onboard sensors
US20160014395A1 (en) * 2014-07-10 2016-01-14 Arete Associates Data fusion processing to identify obscured objects
JP7294139B2 (ja) * 2017-12-15 2023-06-20 コニカミノルタ株式会社 距離測定装置、距離測定装置の制御方法、および距離測定装置の制御プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112433222A (zh) * 2020-11-24 2021-03-02 长春理工大学 一种透雾霾激光测距系统与方法

Also Published As

Publication number Publication date
EP3715908A1 (de) 2020-09-30
CA3074628C (en) 2024-05-14
US11892569B2 (en) 2024-02-06
IL273036A (en) 2020-09-30
US20200309922A1 (en) 2020-10-01
CA3074628A1 (en) 2020-09-27

Similar Documents

Publication Publication Date Title
CN107144839B (zh) 通过传感器融合检测长对象
CN109219760B (zh) 用于识别用于车辆的至少一个泊车空位的方法
US8885889B2 (en) Parking assist apparatus and parking assist method and parking assist system using the same
JP6058072B2 (ja) 物体識別装置
US20210018611A1 (en) Object detection system and method
CN108780149B (zh) 通过传感器的间接测量来改进对机动车辆周围的至少一个物体的检测的方法，控制器，驾驶员辅助系统和机动车辆
JPWO2019116641A1 (ja) 距離測定装置、距離測定装置の制御方法、および距離測定装置の制御プログラム
CN110954912B (zh) 用于光学距离测量的方法和设备
KR101236234B1 (ko) 레이저 센서와 카메라를 이용한 차선 인식 시스템
CN111751831A (zh) 用于光学距离测量的方法及设备
CN113099120B (zh) 深度信息获取方法、装置、可读存储介质及深度相机
KR102337034B1 (ko) 자율 주행 상황 인지 프로그램 성능 테스트 방법 및 동일 방법을 수행하기 위한 자율 주행 상황 인지 프로그램 성능 테스트 장치
US11402492B2 (en) Surroundings detection system for motor vehicles
KR20090108960A (ko) 자차 주변의 물체의 종류를 파악하기 위한 물체종류식별방법 및 그 시스템
TWI735191B (zh) 光達除霧系統與方法
CN116997818A (zh) 用于操作用来监测机动车辆的底部区域的超声波传感器设备的方法、计算机程序产品、计算机可读存储介质和超声波传感器设备
US20230221410A1 (en) Object sensing device and object sensing method
US20240012121A1 (en) Method and device for detecting dirt on a viewing window of a lidar
CN117396778A (zh) 用于在代表环境的3d点云中求取被遮挡的对象的方法和设备
US20230146935A1 (en) Content capture of an environment of a vehicle using a priori confidence levels
JP7195447B2 (ja) 障害物検知装置
US20210278512A1 (en) Ascertainment of range limits for Lidar devices
US20240010195A1 (en) Method for ascertaining an approximate object position of a dynamic object, computer program, device, and vehicle
CN117826179A (zh) 分类和去除光探测和测距点云中对象伪影以增强探测的系统和方法
CN113950629A (zh) 用于对车辆周围环境中的对象进行高度分类的方法及驾驶员辅助系统

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
TA01 Transfer of patent application right

Effective date of registration: 20230419

Address after: Washington, DC

Applicant after: Microvision, Inc.

Address before: Nuremberg, Germany

Applicant before: MICROVISION, Inc.

Effective date of registration: 20230419

Address after: Nuremberg, Germany

Applicant after: MICROVISION, Inc.

Address before: Hamburg, Germany

Applicant before: IBEO AUTOMOTIVE SYSTEMS GmbH