CN112013877A - 毫米波雷达与惯性测量单元的检测方法及相关装置 - Google Patents
毫米波雷达与惯性测量单元的检测方法及相关装置 Download PDFInfo
- Publication number
- CN112013877A CN112013877A CN202010901394.3A CN202010901394A CN112013877A CN 112013877 A CN112013877 A CN 112013877A CN 202010901394 A CN202010901394 A CN 202010901394A CN 112013877 A CN112013877 A CN 112013877A
- Authority
- CN
- China
- Prior art keywords
- position data
- millimeter wave
- wave radar
- measurement unit
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种毫米波雷达与惯性测量单元的检测方法及相关装置,该方法包括:获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,地理环境中设置有至少一个参照物;在第一位姿数据的坐标系下,搜索表征参照物的位置数据,作为目标位置数据;根据目标位置数据,计算毫米波雷达与惯性测量单元联合标定参数的偏差。利用第一位姿数据对毫米波雷达检测到的位置数据进行坐标转换,进一步搜索表征参照物的目标位置数据,基于目标位置数据进行偏差的计算,计算过程简单,占用内存较少,可实现对毫米波雷达与惯性测量单元联合标定参数的自动化检测,提高了检测的效率,可满足高频检测的需求。
Description
技术领域
本发明实施例涉及自动驾驶技术,尤其涉及一种毫米波雷达与惯性测量单元的检测方法及相关装置。
背景技术
在无人驾驶技术领域中,通常需要对各个传感器之间的相对位姿进行标定,使得多个传感器采集到的车辆位置信息统一到同一个坐标系下,进而根据同一个坐标系下的位置信息,对车辆进行规划、决策或者控制。
在车载自动驾驶系统运转过程中,各个传感器往往会由于各种原因(如碰撞、硬件拆装、长期颠簸行驶等等)而造成不可避免的位移,相对原有的位置发生变化,从而使得原来的标定参数失效。因此,对传感器之间的标定参数进行定期检测就成为了关键一环。
对毫米波雷达的标定,一般是标定毫米波雷达与惯性测量单元的相对位姿。在传统的标定检测方法中,常采用手工物理测量的方法或采用可视化标记并手动控制键盘移动进行标记匹配的方法,由于这些方法需要手工调整操作,效率较低,且存在较大的量测误差,无法实现自动化的标定检测。因此,现在多采用自动化的毫米波雷达标定方法对标定参数进行检测,即定期重复一遍完整的自动化毫米波雷达标定过程。该检测方法虽然可以实现自动化,但仍然需要重复一遍完整的标定过程,不适用于长期高频的对标定参数的检测需求。
发明内容
本发明提供一种毫米波雷达与惯性测量单元的检测方法及相关装置,以解决对毫米波雷达进行标定参数的检测,检测效率低下且检测过程繁琐的问题。
第一方面,本发明实施例提供了一种毫米波雷达与惯性测量单元的检测方法,包括:
获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,所述地理环境中设置有至少一个参照物;
在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据;
根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
第二方面,本发明实施例还提供了一种毫米波雷达与惯性测量单元的检测装置,包括:
数据获取模块,用于获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,所述地理环境中设置有至少一个参照物;
搜索模块,用于在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据;
偏差计算模块,用于根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的毫米波雷达与惯性测量单元的检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的毫米波雷达与惯性测量单元的检测方法。
本发明通过获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,地理环境中设置有至少一个参照物;在第一位姿数据的坐标系下,搜索表征参照物的位置数据,作为目标位置数据;根据目标位置数据,计算毫米波雷达与惯性测量单元联合标定参数的偏差。利用第一位姿数据对毫米波雷达检测到的位置数据进行坐标转换,在同一坐标系下搜索能够表征参照物的目标位置数据,基于目标位置数据计算毫米波雷达与惯性测量单元联合标定参数的偏差,计算过程简单,占用内存较少,可实现对毫米波雷达与惯性测量单元联合标定参数的自动化检测,提高了检测的效率,可满足高频检测的需求。
附图说明
图1为本发明实施例提供的无人驾驶车辆的结构示意图;
图2为本发明实施例一提供的一种毫米波雷达与惯性测量单元的检测方法的流程图;
图3A是本发明实施例一提供的一种设置参照物的示意图;
图3B是本发明实施例一提供的一种设置参照物的示意图;
图3C是本发明实施例一提供的一种设置参照物的示意图;
图4是本发明实施例二提供的一种毫米波雷达与惯性测量单元的检测方法的流程图;
图5为本发明实施例三提供的一种毫米波雷达与惯性测量单元的检测装置的结构示意图;
图6为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
获取传感器间的相对位姿(包括相对位置和朝向)的过程即是传感器标定过程。通过标定即可将所有传感器信息统一到同一个坐标系下做处理,从对车辆基于环境的多传感器检测信息进行融合、感知、规划、决策、控制等等。
启动车载自动驾驶系统之前,为了融合安装在车辆上的毫米波雷达与惯性测量单元之间的测量值,需要提前获取毫米波雷达与惯性测量单元联合标定的初始位姿数据,作为测试位姿数据(即待检测的标定参数),在车辆的行驶过程中,基于本发明实施例的检测方法和检测装置可以对该测试位姿数据进行检测,即判定毫米波雷达与惯性测量单元联合标定参数是否准确。
参见图1,示出了可以应用本发明实施例中毫米波雷达与惯性测量单元的检测方法、毫米波雷达与惯性测量单元的检测装置的实施例的无人驾驶车辆100。
如图1所示,无人驾驶车辆100可以包括驾驶控制设备101,车身总线102,ECU(Electronic Control Unit,电子控制单元)103、ECU 104、ECU 105,传感器106、传感器107、传感器108和执行器件109、执行器件110、执行器件111。
驾驶控制设备(又称为车载大脑)101负责整个无人驾驶车辆100的总体智能控制。驾驶控制设备101可以是单独设置的控制器,例如可编程逻辑控制器(ProgrammableLogicController,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。驾驶控制设备可以对从车身总线102上接收到的各个ECU发来的数据和/或各个传感器发来的数据进行分析处理,作出相应的决策,并将决策对应的指令发送到车身总线。
车身总线102可以是用于连接驾驶控制设备101,ECU 103、ECU 104、ECU105,传感器106、传感器107、传感器108以及无人驾驶车辆100的其他未示出的设备的总线。由于CAN(Controller AreaNetwork,控制器局域网络)总线的高性能和可靠性已被广泛认同,因此目前机动车中常用的车身总线为CAN总线。当然,可以理解的是车身总线也可以是其他类型的总线。
车身总线102可以将驾驶控制设备101发出的指令发送给ECU 103、ECU 104、ECU105,ECU 103、ECU 104、ECU 105再将上述指令进行分析处理后发给相应的执行器件执行。
传感器106、传感器107、传感器108包括但不限于激光雷达、相机、惯性测量单元、毫米波雷达,等等。
激光雷达作为无人驾驶领域常用的传感器,是一种使用激光对物体进行探测和测距的设备,其传感器内部具有一种旋转结构,能够每秒钟向环境发送数百万光脉冲,输出点云数据。
相机一般用于对无人驾驶车辆的周边环境拍摄图片,记录车辆行驶的场景。
惯性测量单元(Inertial Measurement Unit,IMU)是测量物体三轴姿态角(或角速率)以及加速度的装置,能提供车辆在世界坐标系下的精确坐标。一般的,一个惯性测量单元包含了三个单轴的加速度计和三个单轴的陀螺仪,加速度计也叫重力感应器,用于检测物体在载体坐标系统独立三轴的加速度信号,即通过测量组件在某个轴向的受力情况来得到轴向上的加速度大小和方向;而陀螺仪也叫地感器,用于检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态角,姿态角包括航向角、俯仰角和横滚角。有些惯性测量单元中还会集成有磁力计,磁力计也叫地磁、磁感器,可用于测试磁场强度和方向,定位设备的方位。
毫米波雷达(Radar,radio detecting and ranging)是指工作在毫米波波段探测的雷达,通常毫米波是指长度在1~10mm的电磁波,对应的频率范围为30~300GHz。毫米波雷达可以实现对目标位置、速度等信息的精确测量,且具有全天时、全天候、低成本、低功耗、长寿命的特点。毫米波雷达能分辨识别很小的目标,而且能同时识别多个目标。毫米波雷达的原理是把电磁波(毫米波)发射出去,然后接收回波,根据收发的时间差测得目标的位置数据和相对距离。根据电磁波的传播速度,可以确定目标的距离公式为:s=c*t/2,其中s为目标距离,t为电磁波从雷达发射出去到接收到目标回波的时间,c为光速。毫米波雷达的基本任务是发射电磁波对目标进行照射并接收其回波,由此获得目标至电磁波发射点的探测距离、方向、速度等状态参数。毫米波雷达被广泛地应用在自适应巡航控制(ACC)、前向防撞报警(FCW)、盲点检测(BSD)、辅助停车(PA)、辅助变道(LCA)等车辆驾驶辅助系统中。
需要说明的是,本发明实施例所提供的毫米波雷达与惯性测量单元的检测方法可以由驾驶控制设备101执行,相应地,毫米波雷达与惯性测量单元的检测装置一般设置于驾驶控制设备101中。
应该理解,图1中的无人驾驶车辆、驾驶控制设备、车身总线、ECU、执行器件和传感器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的无人驾驶车辆、驾驶控制设备、车身总线、ECU和传感器。
实施例一
图2为本发明实施例一提供的一种毫米波雷达与惯性测量单元的检测方法的流程图,本实施例可适用于将毫米波雷达检测地理环境中表征参照物的位置数据与参照物的真实位置数据进行比较、以对毫米波雷达与惯性测量单元联合标定参数进行检测的情况,该方法可以由毫米波雷达与惯性测量单元的检测装置来执行,该检测装置可以由软件和/或硬件实现,可配置在计算机设备中,例如,无人驾驶车辆、机器人、无人飞行器等无人设备,以及,服务器、个人电脑等计算设备,等等,该方法具体包括如下步骤:
S101、获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据。
在本实施例中,地理环境中设置有至少一个参照物,如图3A、图3B、图3C所示,可以按照图示方式布置参照物,则当车辆按照图中行车路线经过指定的地理环境时,位于车辆中360度各个方位上的毫米波雷达均有机会看到参照物,即照顾到了所有360度环视毫米波雷达。需要说明的是,本实施例对地理环境中设置参照物的方式和数量不作任何限定。
其中,地理环境可以是周围环境对参照物未造成显著信号干扰的环境。一般选择较为开阔的路面作为指定的地理环境。由于墙面会对毫米波雷达发射的电磁波产生散射,从而有可能会在地理环境中形成虚像,而多个墙面甚至会产生多次散射,在地理环境中形成一定数量的虚像,因此选择开阔的路面可以降低这种效应,从而使毫米波雷达在地理环境中对参照物的位置检测更为准确。
参照物一般选择对毫米波雷达发出的电磁波有强散射和收束的物体,这样表征参照物的信号在毫米波雷达接收到的信号里才会更明显且更聚焦,便于检测和定位。例如,金属角散射器可以作为一种参照物,但是考虑到地理环境泛化的需求,也可以因地制宜的选择细长电线杆作为参照物。
毫米波雷达和惯性测量单元可以安装在车辆的任意位置,在有些车载传感器系统中,往往会选择360度环视的毫米波雷达配置。这样就要求具备自动驾驶系统的车辆在检测过程中,位于360度各个方位上的毫米波雷达均有机会看到地理环境中的参照物,从而才能更高效的一次性对整个系统完成标定参数的检测。
当车辆在指定的地理环境中行驶时,毫米波雷达和惯性测量单元会对该地理环境进行信息检测,以获取位置数据和第一位姿数据。位置数据和第一位姿数据都是指三维空间中的位置坐标,以欧式空间为例,该位置坐标可以表示为(x,y,z)。其中,毫米波雷达在车辆的行驶过程中以固定的频率不断向地理环境发射毫米波,然后接收地理环境中的物体(包括参照物)反射回来的毫米波,根据收发的时间差测得地理环境中的物体(包括参照物)相对于毫米波雷达的位置数据,位置数据为物体(包括参照物)在毫米波雷达坐标系下的位置坐标;惯性测量单元通过对在车辆行驶的过程中采集得到的姿态角(或角速率)以及加速度进行积分解算,检测得到车辆在整个行驶过程中在世界坐标系下的位姿数据,该位姿数据包括车辆在世界坐标系下的位置坐标和姿态角(航向角、俯仰角、横滚角),将位置坐标与姿态角的融合数据作为惯性测量单元检测的第一位姿数据。
由于毫米波雷达和惯性测量单元的工作频率不同,加上数据处理、网络传输存在延迟等问题,毫米波雷达检测的位置数据与惯性测量单元检测的第一位姿数据之间存在数据不同步的问题。因此,需要对位置数据和第一位姿数据进行数据同步。
毫米波雷达检测的位置数据和惯性测量单元检测的第一位姿数据通常是以帧为单位计量的,即毫米波雷达获取到的是多帧位置数据,每一帧位置数据中包含多个测量点在以毫米波雷达为中心的坐标系下的三维空间位置信息,即表现为若干个位置点形成的点列,且每一帧位置数据标记有一个采集当前帧时、当前时刻的时间戳,惯性测量单元获取到的也是多帧第一位姿数据,每一帧第一位姿数据也标记有一个采集当前帧时、当前时刻的时间戳,每一帧第一位姿数据中包含当前时刻下车辆的三维空间位置信息(车辆在世界坐标系下的位置坐标和姿态角)。
在本实施例中,可以采用帧间同步的方法对位置数据和第一位姿数据进行数据同步,惯性测量单元的数据帧的频率一般比毫米波雷达的数据帧要高得多,所以帧间同步采用以毫米波雷达的数据帧为基准的时间序列匹配方式。
示例性的,将毫米波雷达的数据帧序列与惯性测量单元的数据帧序列各自按照时间戳从小到大排序;对毫米波雷达的每一帧位置数据,在时间轴上搜索与之最接近的惯性测量单元的一帧第一位姿数据;遍历所有毫米波雷达的数据帧,为每一帧位置数据找到与之对应的一帧第一位姿数据,从而完成多帧位置数据与多帧第一位姿数据之间的数据同步。
在不同传感器数据融合的过程中,不同传感器具有各自不同的坐标系,数据在不同坐标系下的转换需要使用两个坐标系之间的标定参数,该标定参数也是两个传感器联合标定的位姿,通常表示为位姿变换矩阵T,也可以表示为旋转矩阵R和平移向量t,其中,旋转矩阵R可以由姿态角(航向角、俯仰角、横滚角)转换得到,旋转矩阵R还可以转换为四元数Q(一种超复量,由实数和虚数组成)。
毫米波雷达与惯性测量单元联合标定是指将毫米波雷达的位置数据和惯性测量单元的位姿数据转换为相同坐标系下的数据,其可以是将待标定的毫米波雷达的位置数据转换为惯性测量单元的位姿数据的坐标系下,也可以是将惯性测量单元的位姿数据转换到待标定的毫米波雷达的位置数据的坐标系下,还可以是将待标定的毫米波雷达的位置数据及惯性测量单元的位姿数据转换到第三方坐标系下。
在本实施例中,可以通过手工测量方法或其他标定设备,获取毫米波雷达与惯性测量单元在某一静止时刻下进行联合标定时的初始位姿数据,作为测试位姿数据(即待检测的标定参数),该测试位姿数据可以用一个位姿变换矩阵T(包括旋转矩阵R和平移向量t)表达。
S102、在第一位姿数据的坐标系下,搜索表征参照物的位置数据,作为目标位置数据。
由于位置数据是毫米波雷达在整个车辆行驶过程中检测到地理环境中的物体(包括参照物)在毫米波雷达坐标系下的位置坐标,而参照物的位置信息是基于世界坐标系的,为了获得表征参照物的位置数据,因此,需要将获取得到的位置数据进行位置变换,转换至世界坐标系下,由于第一位姿数据表示的是车辆在世界坐标系下的位置信息,测试位姿数据表示的是毫米波雷达与惯性测量单元之间的相对位置信息,因此可以借助第一位姿数据和测试位姿数据,对毫米波雷达检测的位置数据进行位置变换,以搜索表征参照物的位置数据,作为目标位置数据。
在本实施例中,获取得到数据同步后的多帧位置数据和多帧第一位姿数据,并获取得到测试位姿数据,在同一时刻下,以当前帧的第一位姿数据和测试位姿数据的融合数据作为初值,将与该第一位姿数据同步的毫米波雷达的位置数据变换至当前帧的第一位姿数据的坐标系下,即变换至世界坐标系下,对毫米波雷达的每一帧位置数据均执行上述位置变换操作,将所有帧位置数据均变换在第一位姿数据的坐标系下,在变换后的位置数据中,通过预设的搜索算法搜索表征参照物的位置数据,作为目标位置数据。
S103、根据目标位置数据,计算毫米波雷达与惯性测量单元联合标定参数的偏差。
在本实施例中,若获取到目标位置数据,则进一步获取参照物在世界坐标系下的真实位置数据,将目标位置数据与真实位置数据进行比较,通过预设的计算规则计算毫米波雷达与惯性测量单元联合标定参数的偏差,并利用该偏差对毫米波雷达与惯性测量单元联合标定的位姿(也称标定参数)进行检测,获取检测的结果。
由于惯性测量单元的第一位姿数据表示的是车辆在世界坐标系下的位置信息,将毫米波雷达的位置数据同一在惯性测量单元的第一位姿数据的坐标系下,即目标位置数据与第一位姿数据在同一数据维度下,再者,目标位置数据又是毫米波雷达监测到地理环境中表征参照物的位置数据,因此目标位置数据与参照物的真实位置数据也是同一维度下的数据,即第一位姿数据、目标位置数据和真实位置数据都是世界坐标系下的位置信息,所以根据目标位置数据,可以计算毫米波雷达与惯性测量单元联合标定参数的偏差。
本发明通过获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,地理环境中设置有至少一个参照物;在第一位姿数据的坐标系下,搜索表征参照物的位置数据,作为目标位置数据;根据目标位置数据,计算毫米波雷达与惯性测量单元联合标定参数的偏差。利用第一位姿数据对毫米波雷达检测到的位置数据进行坐标转换,在同一坐标系下搜索能够表征参照物的目标位置数据,基于目标位置数据计算毫米波雷达与惯性测量单元联合标定参数的偏差,计算过程简单,占用内存较少,可实现对毫米波雷达与惯性测量单元联合标定参数的自动化检测,提高了检测的效率,可满足高频检测的需求。
实施例二
图4为本发明实施例二提供的一种毫米波雷达与惯性测量单元的检测方法的流程图,本实施例以前述实施例为基础,对毫米波雷达与惯性测量单元的检测方法进行了内容的补充和细化,该方法具体包括如下步骤:
S201、获取车辆在指定的地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据。
其中,地理环境中设置有至少一个参照物。
S202、将位置数据转换至第一位姿数据的坐标系下。
在本实施例中,按照对应的数据帧顺序,将毫米波雷达的每一帧位置数据通过与之对应的惯性测量单元的每一帧第一位姿数据、转换至第一位姿数据的坐标系下,得到当前帧毫米波雷达在第一位姿数据的坐标系下的位置数据,将毫米波雷达的所有数据帧(即多帧位置数据)全都转换成在第一位姿数据的坐标系下下的多帧位置数据。
每一帧位置数据中包括多个测量点的位置坐标,将当前帧的毫米波雷达的位置数据记为集合{Pi}i=1,2,…,N,其中,i表示测量点的序号,N表示当前帧内所包含的测量点的总数量,每个测量点i对应的位置坐标为Pi,与当前帧同步的惯性测量单元检测的第一位姿数据记为Himu,则对于任意一个测量点i的位置坐标Pi,其在世界坐标系下的位置坐标Qi为:对当前帧内的每一个测量点均进行上述处理,则可以得到世界坐标系下的当前帧的位置数据{Qi}i=1,2,…,N。
S203、若转换成功,则搜索表征参照物的位置数据,作为目标位置数据。
由于地理环境中可能存在多个参照物,在车辆的行驶过程中,毫米波雷达在可视范围内可能会接收到不同数量的参照物的反射信号,因此,每一帧位置数据中可能会存在表征参照物的位置数据,也可能不存在。
在本实施例中,若毫米波雷达的位置数据成功转换至第一位姿数据的坐标系下,则可以基于每一个参照物的空间位置范围,在转换后的位置数据中,以预设的搜索算法搜索表征每一个参照物的位置数据,统计所有的能够表征参照物的位置数据,作为目标位置数据。
在本实施例的一个示例中,将每一帧位置数据中每个测量点的坐标位置记为第一位置点,以地理环境中每个参照物所在的位置为圆心,预设的半径为搜索距离,构建每个参照物的邻域,对于当前帧的位置数据,在每个参照物的邻域的范围内搜索第一位置点,若搜索成功,则将距离参照物最近的第一位置点,作为第二位置点,统计当前帧下的所有第二位置点,作为当前帧的目标位置数据。
对于当前帧内未搜索到第一位置点的参照物,则不计入目标位置数据的统计中。
需要说明的是,本发明实施例对搜索表征参照物的位置数据的实现方式不作任何限制,例如,还可以通过聚类、特征提取等方式获取表征参照物的位置数据。
S204、获取所述参照物的真实位置数据。
其中,可以从与指定的地理环境相匹配的语义地图或者高清地图中获得参照物的真实位置数据,真实位置数据是参照物在世界坐标系下的位置坐标。
S205、计算目标位置数据中的第二位置点与真实位置数据之间的距离。
在本示例中,目标位置数据包括多个第二位置点,每一个第二位置点对应一个参照物,即第二位置点是毫米波雷达检测到的与参照物的真实位置数据最接近的测量点的位置坐标,需要说明的是,不是每一个参照物都存在一个第二位置点与之对应。
具体,根据预设的距离计算公式,例如欧式距离、曼哈顿距离等计算公式,计算目标位置数据中的第二位置点与真实位置数据之间的距离。
S206、基于距离计算第二位置点针对真实位置数据的误差。
在本实施例中,获取每个参照物的邻域的半径,将距离与半径的比值乘以第一权值、再加上第二权值,作为第一数值,对第一数值取负对数,得到第二数值,对第二数值求和,得到第二位置点针对该参照物的真实位置数据的误差,其中,第一权值与第二权值都是预设的数值,第一权值与第二权值之和为1。
具体的,记参照物(共M个)的真实位置数据为对每一个参照物的真实位置数据,在该参照物附近的半径为r的邻域内寻找距离其最近的毫米波雷达的测量点(即从S202得到的位置数据{Qi}i=1,2,…,N中寻找第二位置点),如果能找到,计算第二位置点与参照物的真实位置数据之间的距离,记为dj。
将第二数值记为{Sj}j=1,2,…,M,如下公式所示:
其中,a是一个位于(0,1)之间的常数,a即第一权值,(1-a)即第二权值。
在当前帧下,对所有的参照物均进行上述计算,求得每个第二位置点针对与其对应的参照物的真实位置数据的第二数值,对于当前帧内未搜索到第一位置点的参照物,即该参照物的邻域的范围内不存在第二位置点,则将该参照物的第二数值记为0。
S207、对误差进行求和,得到毫米波雷达与惯性测量单元联合标定参数的偏差。
在本实施例中,统计车辆在整个行驶区间内,毫米波雷达检测到的位置数据的总帧数K,对每一帧位置数据均按照S202-S206中的方法步骤计算误差,将多帧位置数据的误差进行求和,得到毫米波雷达与惯性测量单元联合标定参数的偏差S,如公式所示:
S208、若目标位置数据不存在,则将误差记为零。
对于每一帧毫米波雷达的位置数据而言,参照物的总数量是固定不变的,而位置数据均是测量值(也叫观测量),对于参照物在其邻域内没有搜索到第二位置点,则将第二数值记为零;若当前帧没有观测到任何一个参照物,也就是说不存在由第二位置点组成的目标位置数据,则将当前帧的误差记为零。
为了消除观测量的随机性、减少观测量的不确定性,统计多帧数据的误差,将总误差作为联合标定的偏差,可以提高观测量的准确性,在一定程度上可以消除随机误差。
S209、将偏差与预设的阈值进行比较。
在本实施例中,可以根据偏差与预设的阈值进行比较的结果,来判断毫米波雷达与惯性测量单元联合标定参数是否通过检测。
其中,预设的阈值没有确切的范围,会随着实际地理环境、数据采集时长等因素的变化而变化,因此需要根据车辆行驶的实际情况来调整一个合理的数值。若偏差大于或等于预设的阈值,则表示标定参数准确,通过检测。
S210、若偏差大于或等于阈值,则确定毫米波雷达与惯性测量单元联合标定参数通过检测。
S211、若偏差小于阈值,则确定毫米波雷达与惯性测量单元联合标定参数未通过检测。
在本实施例中,给定预设的阈值为α(0<α<1),毫米波雷达检测的位置数据的总帧数为K,地理环境中的参照物的总数量为M,若偏差SαKM,则判定毫米波雷达与惯性测量单元联合标定的初始位姿数据准确,通过检测;若偏差SαKM,则判定激光雷达与惯性测量单元联合标定的初始位姿数据不准确,未通过检测。
在本实施例中,由于毫米波雷达在地理环境中进行信息检测时,会在可视范围内接收参照物的反射信号,得到表征参照物的位置数据,第二位置点即是从表征参照物的位置数据中筛选出来的最具代表性的测量点,同时,在将位置数据从毫米波雷达的坐标系变换到世界坐标系的计算过程中引入了毫米波雷达与惯性测量单元联合标定的初始位姿数据(即待检测的标定参数),整个位置的转换、提取过程由粗颗粒度到细颗粒度,提高了误差计算的精度,能够保证对标定参数进行检测的精度;再者,第二位置点可视为参照物所在位置的测量值,计算参照物的测量值与其真实值(参照物的真实位置数据)之间的误差,计算简单,内存占用少,后续再进一步利用误差去衡量标定参数是否准确,整个过程无需人工干预,可满足自动化高频检测的需求。
实施例三
图5为本发明实施例三提供的一种毫米波雷达与惯性测量单元的检测装置的结构示意图,该装置具体可以包括如下模块:
数据获取模块501,用于获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,所述地理环境中设置有至少一个参照物;
搜索模块502,用于在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据;
偏差计算模块503,用于根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
在本发明的一个实施例中,所述搜索模块502包括:
位置转换子模块,用于将所述位置数据转换至所述第一位姿数据的坐标系下;
目标位置数据获取子模块,用于若转换成功,则搜索表征所述参照物的所述位置数据,作为目标位置数据。
在本发明的一个实施例中,所述位置数据包括第一位置点,所述目标位置数据获取子模块包括:
邻域构建单元,用于构建所述参照物的邻域;
搜索单元,用于在所述邻域的范围内搜索所述第一位置点;
目标位置数据获取单元,用于若搜索成功,则将距离所述参照物最近的所述第一位置点,作为第二位置点;
第二位置点统计单元,用于统计所述第二位置点,作为目标位置数据。
在本发明的一个实施例中,所述目标位置数据包括第二位置点,所述偏差计算模块503包括:
真实位置数据获取子模块,用于获取所述参照物的真实位置数据;
距离计算子模块,用于计算所述目标位置数据中的所述第二位置点与所述真实位置数据之间的距离;
误差获取子模块,用于基于所述距离计算所述第二位置点针对所述真实位置数据的误差;
偏差获取子模块,用于对所述误差进行求和,得到所述毫米波雷达与所述惯性测量单元联合标定参数的之间的偏差。
在本发明的一个实施例中,所述参照物具有邻域,所述误差获取子模块包括:
半径获取单元,用于获得所述参照物的所述邻域的半径;
第一数值获取单元,用于将所述距离与所述半径的比值乘以第一权值、再加上第二权值,作为第一数值;
第二数值获取单元,用于对所述第一数值取负对数,得到第二数值;
第一误差获取单元,用于对所述第二数值求和,得到所述第二位置点针对所述真实位置数据的误差;其中,所述第一权值与所述第二权值之和为1。
在本发明的一个实施例中,所述误差获取子模块还包括:
第二误差获取单元,用于若所述目标位置数据不存在,则将所述误差记为零。
在本发明的一个实施例中,毫米波雷达与惯性测量单元的检测装置还包括:
比较模块,用于将所述偏差与预设的阈值进行比较;
第一检测模块,用于若所述偏差大于或等于所述阈值,则确定所述毫米波雷达与所述惯性测量单元联合标定参数通过检测;
第二检测模块,用于若所述偏差小于所述阈值,则确定所述毫米波雷达与所述惯性测量单元联合标定参数未通过检测。
本发明实施例所提供的毫米波雷达与惯性测量单元的检测装置可执行本发明任意实施例所提供的毫米波雷达与惯性测量单元的检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6为本发明实施例四提供的一种计算机设备的结构示意图。如图6所示,该计算机设备包括处理器600、存储器601、通信模块602、输入装置603和输出装置604;计算机设备中处理器600的数量可以是一个或多个,图6中以一个处理器600为例;计算机设备中的处理器600、存储器601、通信模块602、输入装置603和输出装置604可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器601作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本实施例中的毫米波雷达与惯性测量单元的检测方法对应的模块(例如,如图5所示的毫米波雷达与惯性测量单元的检测装置中的数据获取模块501、搜索模块502和偏差计算模块503)。处理器600通过运行存储在存储器601中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的毫米波雷达与惯性测量单元的检测方法。
存储器601可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器601可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器601可进一步包括相对于处理器600远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块602,用于与显示屏建立连接,并实现与显示屏的数据交互。
输入装置603可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。
输出装置604可以包括扬声器等音频设备。
需要说明的是,输入装置603和输出装置604的具体组成可以根据实际情况设定。
处理器600通过运行存储在存储器601中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的毫米波雷达与惯性测量单元的检测方法。
本实施例提供的计算机设备,可执行本发明任一实施例提供的毫米波雷达与惯性测量单元的检测方法,具备相应的功能和有益效果。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种毫米波雷达与惯性测量单元的检测方法,该方法包括:
获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,所述地理环境中设置有至少一个参照物;
在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据;
根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的毫米波雷达与惯性测量单元的检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明各个实施例所述的方法。
值得注意的是,上述毫米波雷达与惯性测量单元的检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种毫米波雷达与惯性测量单元的检测方法,其特征在于,包括:
获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,所述地理环境中设置有至少一个参照物;
在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据;
根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
2.根据权利要求1所述的方法,其特征在于,所述在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据,包括:
将所述位置数据转换至所述第一位姿数据的坐标系下;
若转换成功,则搜索表征所述参照物的所述位置数据,作为目标位置数据。
3.根据权利要求2所述的方法,其特征在于,所述位置数据包括第一位置点;
所述若转换成功,则搜索表征所述参照物的所述位置数据,作为目标位置数据,包括:
构建所述参照物的邻域;
在所述邻域的范围内搜索所述第一位置点;
若搜索成功,则将距离所述参照物最近的所述第一位置点,作为第二位置点;
统计所述第二位置点,作为目标位置数据。
4.根据权利要求1或3所述的方法,其特征在于,所述目标位置数据包括第二位置点;
所述根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差,包括:
获取所述参照物的真实位置数据;
计算所述目标位置数据中的所述第二位置点与所述真实位置数据之间的距离;
基于所述距离计算所述第二位置点针对所述真实位置数据的误差;
对所述误差进行求和,得到所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
5.根据权利要求4所述的方法,其特征在于,所述参照物具有邻域;
所述基于所述距离计算所述第二位置点针对所述真实位置数据的误差,包括:
获取所述参照物的所述邻域的半径;
将所述距离与所述半径的比值乘以第一权值、再加上第二权值,作为第一数值;
对所述第一数值取负对数,得到第二数值;
对所述第二数值求和,得到所述第二位置点针对所述真实位置数据的误差;
其中,所述第一权值与所述第二权值之和为1。
6.根据权利要求5所述的方法,其特征在于,还包括:
若所述目标位置数据不存在,则将所述误差记为零。
7.根据权利要求1或2或3所述的方法,其特征在于,还包括:
将所述偏差与预设的阈值进行比较;
若所述偏差大于或等于所述阈值,则确定所述毫米波雷达与所述惯性测量单元联合标定参数通过检测;
若所述偏差小于所述阈值,则确定所述毫米波雷达与所述惯性测量单元联合标定参数未通过检测。
8.一种毫米波雷达与惯性测量单元的检测装置,其特征在于,包括:
数据获取模块,用于获取车辆在地理环境中行驶时,毫米波雷达检测的位置数据、惯性测量单元检测的第一位姿数据,所述地理环境中设置有至少一个参照物;
搜索模块,用于在所述第一位姿数据的坐标系下,搜索表征所述参照物的所述位置数据,作为目标位置数据;
偏差计算模块,用于根据所述目标位置数据,计算所述毫米波雷达与所述惯性测量单元联合标定参数的偏差。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的毫米波雷达与惯性测量单元的检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的毫米波雷达与惯性测量单元的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010901394.3A CN112013877B (zh) | 2020-08-31 | 2020-08-31 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010901394.3A CN112013877B (zh) | 2020-08-31 | 2020-08-31 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112013877A true CN112013877A (zh) | 2020-12-01 |
CN112013877B CN112013877B (zh) | 2021-09-17 |
Family
ID=73516481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010901394.3A Active CN112013877B (zh) | 2020-08-31 | 2020-08-31 | 毫米波雷达与惯性测量单元的检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112013877B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698281A (zh) * | 2020-12-09 | 2021-04-23 | 北京百度网讯科技有限公司 | 雷达数据处理方法、系统、装置、电子设备和存储介质 |
CN113091733A (zh) * | 2021-03-15 | 2021-07-09 | 武汉大学 | 一种基于毫米波雷达与imu融合的实时定位装置及方法 |
CN113192109A (zh) * | 2021-06-01 | 2021-07-30 | 北京海天瑞声科技股份有限公司 | 在连续帧中识别物体运动状态的方法及装置 |
CN113514803A (zh) * | 2021-03-25 | 2021-10-19 | 武汉光庭信息技术股份有限公司 | 一种单目相机和毫米波雷达的联合标定方法 |
WO2022198590A1 (zh) * | 2021-03-25 | 2022-09-29 | 华为技术有限公司 | 一种标定方法、装置、智能驾驶系统和车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211298A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 一种传感器标定方法和装置 |
US10379538B1 (en) * | 2017-03-20 | 2019-08-13 | Zoox, Inc. | Trajectory generation using motion primitives |
CN110231601A (zh) * | 2019-07-01 | 2019-09-13 | 百度在线网络技术(北京)有限公司 | 传感器误差补偿方法、装置、设备及存储介质 |
CN110907905A (zh) * | 2019-11-21 | 2020-03-24 | 重庆长安汽车股份有限公司 | 一种毫米波雷达安装位置的标定装置及方法 |
CN111398923A (zh) * | 2020-04-28 | 2020-07-10 | 东风汽车集团有限公司 | 一种多毫米波雷达联合自标定方法及系统 |
-
2020
- 2020-08-31 CN CN202010901394.3A patent/CN112013877B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10379538B1 (en) * | 2017-03-20 | 2019-08-13 | Zoox, Inc. | Trajectory generation using motion primitives |
CN109211298A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 一种传感器标定方法和装置 |
CN110231601A (zh) * | 2019-07-01 | 2019-09-13 | 百度在线网络技术(北京)有限公司 | 传感器误差补偿方法、装置、设备及存储介质 |
CN110907905A (zh) * | 2019-11-21 | 2020-03-24 | 重庆长安汽车股份有限公司 | 一种毫米波雷达安装位置的标定装置及方法 |
CN111398923A (zh) * | 2020-04-28 | 2020-07-10 | 东风汽车集团有限公司 | 一种多毫米波雷达联合自标定方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698281A (zh) * | 2020-12-09 | 2021-04-23 | 北京百度网讯科技有限公司 | 雷达数据处理方法、系统、装置、电子设备和存储介质 |
CN113091733A (zh) * | 2021-03-15 | 2021-07-09 | 武汉大学 | 一种基于毫米波雷达与imu融合的实时定位装置及方法 |
CN113514803A (zh) * | 2021-03-25 | 2021-10-19 | 武汉光庭信息技术股份有限公司 | 一种单目相机和毫米波雷达的联合标定方法 |
WO2022198590A1 (zh) * | 2021-03-25 | 2022-09-29 | 华为技术有限公司 | 一种标定方法、装置、智能驾驶系统和车辆 |
CN113192109A (zh) * | 2021-06-01 | 2021-07-30 | 北京海天瑞声科技股份有限公司 | 在连续帧中识别物体运动状态的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112013877B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051590B (zh) | 激光雷达与惯性测量单元的检测方法及相关装置 | |
CN112013877B (zh) | 毫米波雷达与惯性测量单元的检测方法及相关装置 | |
CN112051591B (zh) | 一种激光雷达与惯性测量单元的检测方法及相关装置 | |
CN112567201B (zh) | 距离测量方法以及设备 | |
CN112051575B (zh) | 一种毫米波雷达与激光雷达的调整方法及相关装置 | |
CN109710724B (zh) | 一种构建点云地图的方法和设备 | |
CN110889808B (zh) | 一种定位的方法、装置、设备及存储介质 | |
US20190164310A1 (en) | Camera registration in a multi-camera system | |
CN114111775B (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
CN109407086B (zh) | 一种飞行器轨迹生成方法、系统及诱捕系统目标引导方法 | |
Iqbal et al. | Imaging radar for automated driving functions | |
CN112964291A (zh) | 一种传感器标定的方法、装置、计算机存储介质及终端 | |
CN111121755B (zh) | 一种多传感器的融合定位方法、装置、设备及存储介质 | |
Ivancsits et al. | Visual navigation system for small unmanned aerial vehicles | |
CN110243364A (zh) | 无人机航向确定方法、装置、无人机及存储介质 | |
WO2024104418A1 (en) | Calibration method for lidar and calibration apparatus, storage medium, and terminal device | |
CN113093759A (zh) | 基于多传感器信息融合的机器人编队构造方法及系统 | |
CN114897942B (zh) | 点云地图的生成方法、设备及相关存储介质 | |
CN114119465B (zh) | 一种点云数据处理方法及装置 | |
WO2022037370A1 (zh) | 一种运动估计方法及装置 | |
WO2021196983A1 (zh) | 一种自运动估计的方法及装置 | |
CN115575892A (zh) | 目标位置确定方法、装置、电子设备及存储介质 | |
CN117872360B (zh) | 基于雷达波形反馈的目标属性判定方法、系统及存储介质 | |
CN112578363B (zh) | 激光雷达运动轨迹获取方法及装置、介质 | |
Zhu et al. | External guidance of anti-drone equipment based on GPS/INS combination algorithm design and accuracy analysis |
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 |