CN112241007A - 自动驾驶环境感知传感器的标定方法、布置结构及车辆 - Google Patents

自动驾驶环境感知传感器的标定方法、布置结构及车辆 Download PDF

Info

Publication number
CN112241007A
CN112241007A CN202010618016.4A CN202010618016A CN112241007A CN 112241007 A CN112241007 A CN 112241007A CN 202010618016 A CN202010618016 A CN 202010618016A CN 112241007 A CN112241007 A CN 112241007A
Authority
CN
China
Prior art keywords
vehicle
radar
millimeter wave
coordinate system
camera
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
CN202010618016.4A
Other languages
English (en)
Inventor
张婷
原诚寅
朱明哲
周玉祥
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.)
Beijing New Energy Vehicle Technology Innovation Center Co Ltd
Original Assignee
Beijing New Energy Vehicle Technology Innovation Center Co Ltd
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 Beijing New Energy Vehicle Technology Innovation Center Co Ltd filed Critical Beijing New Energy Vehicle Technology Innovation Center Co Ltd
Priority to CN202010618016.4A priority Critical patent/CN112241007A/zh
Publication of CN112241007A publication Critical patent/CN112241007A/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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • 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
    • G01S13/862—Combination of radar systems with sonar systems
    • 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
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • 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
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52004—Means for monitoring or calibrating
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Abstract

本发明涉及自动驾驶传感器领域，具体涉及一种自动驾驶环境感知传感器的标定方法、布置结构及车辆；所述标定方法针对不同的传感器采用不同的标定方法，基于对激光点云等数据的利用及处理，将不同传感器的坐标系通过不同的方法进行相对于车辆坐标系的位姿变换，提升了自动驾驶环境感知传感器标定的自动化程度，且精确性高，满足多传感器融合的要求；所述布置结构为在满足车体360度均覆盖的同时，实现一定程度的传感器冗余，当个别传感器出现故障的情况下，可以正常进行周围环境的监测，提升了自动驾驶安全性的，而且，通过本实施例布置方法能够在保证感知性能的前提下，实现最大限度的相互配合，尽可能减少传感器的使用数量，有效降低了成本。

Description

自动驾驶环境感知传感器的标定方法、布置结构及车辆
技术领域
本发明涉及自动驾驶传感器领域，具体涉及一种自动驾驶环境感知传感器的标定方法、布置结构及车辆。
背景技术
自动驾驶需要传感器进行环境检测，目前采用的激光雷达、摄像头、毫米波雷达、超声波雷达等几类传感器各有优缺点，在特性上都有所差异，需要进行多传感器信息融合，相互补充，发挥各传感器的优点，才能实现精确的感知，进而保证自动驾驶车辆的安全行驶。
基于技术和成本的考虑，当前的自动驾驶汽车主要应用于特定场景。现有技术中自动驾驶车辆对前方、侧前方、侧向、侧后方和后方的感知范围和检测要求不同，而且不同的场景需要实现不同的功能，故自动驾驶系统根据不同的感知需求，对感知传感器的布置要求也不同；另外，对于感知传感器的标定，现有技术中，传感器的标定方法通常是每种传感器建立自己的独立坐标系，或者不同的传感器按照相同的方法进行标定；标定方法实施复杂、过程繁琐，需要大量人工操作，影响标定效率和标定精度。
综上所述，目前自动驾驶领域中，环境感知传感器的布置和标定存在着精度低，安全性能等差等不足，故设计一种能够实现准确性和自动化程度较高的感知传感器标定及布置结构十分必要。
发明内容
鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种自动驾驶环境感知传感器的标定方法、布置结构及车辆，提升了标定的自动化程度及准确性，且能够保证安全自动驾驶安全性的同时，有效降低成本。
作为本发明实施例的一个方面，提供了一种自动驾驶环境感知传感器的标定方法，所述标定方法包括：
建立车辆坐标系；
基于激光雷达发送的地面点云数据建立平整地面的平面方程，确定激光雷达坐标系相对于车辆坐标系的位姿变换关系；
匹配同一场景的激光雷达的点云数据及摄像头的图像数据的边缘点，根据摄像头和激光雷达的坐标系变换关系确定所述摄像头坐标系相对于车辆坐标系的位姿变换关系；
通过激光雷达与毫米波雷达数据检测毫米波反射器的位置计算所述毫米波雷达的坐标系参数，确定毫米波雷达坐标系相对于车辆坐标系的位姿变换关系；
比较激光雷达和超声波雷达检测的移动目标的位置差异，确定超声波雷达的位置坐标。
进一步地，所述“基于激光雷达发送的地面点云数据建立平整地面的平面方程，确定激光雷达坐标系相对于车辆坐标系的位姿变换关系”的方法包括：
测量激光雷达的初始安装位置，结合车辆坐标系确定x轴、y轴方向的偏移量Δx、Δy；
接收激光雷达发送的地面点云数据，获取地面点云的三维坐标，采用最小二乘法拟合地面的平面方程，建立地面平整度函数为优化目标函数，以翻滚角α、俯仰角β为待优化参数，采用BP神经网络方法求解最优值；
利用平面方程确定相对z轴方向的偏移量Δz；
基于深度学习的激光点云目标物识别结果，采用优化算法求解偏航角最优值γ。
进一步地，所述“基于深度学习的激光点云目标物识别结果，采用优化算法求解最优偏航角值γ”的方法包括：
在车辆坐标系的x轴上设置标定物，将所述标定物放在在车辆正前方的预设距离内，设置初始偏航角值γ；
接收激光雷达检测标定物的点云数据，根据所述Δx、Δy、Δz、α、β、γ，将点云数据从激光雷达坐标系转换到车辆坐标系下；
建立Pointnet深度学习网络，识别点云数据中的标定物，确定标定物的位置，采用梯度下降法求解最优γ。
进一步地，所述“匹配同一场景的激光雷达的点云数据及摄像头的图像数据的边缘点，根据摄像头和激光雷达的坐标系变换关系确定所述摄像头坐标系相对于车辆坐标系的位姿变换关系”的方法包括：
利用张正友标定法标定摄像头内参；
确定标定场景，获取雷达激光及摄像头在标定场景下针对移动的标定板的点云数据及图像数据；
提取并匹配所述点云数据及图像数据的边缘点；
根据匹配关系求解摄像头坐标系和激光雷达坐标系之间的变换关系。
进一步地，所述“通过激光雷达与毫米波雷达数据检测毫米波反射器的位置计算所述毫米波雷达的坐标系参数，确定毫米波雷达坐标系相对于车辆坐标系的位姿变换关系”的方法包括：
获取毫米波雷达安装时的α、β、Δz；
根据车辆坐标系计算毫米波雷达的Δx、Δy；
获取激光雷达及毫米波雷达针对毫米波反射器的激光点云数据和毫米波雷达数据，以从激光点云数和毫米波雷达检测到的毫米波反射器位置重叠为目标，采用梯度下降法求解最优的偏航角γ。
进一步地，所述“比较激光雷达和超声波雷达检测的移动目标的位置差异，确定超声波雷达的位置坐标”的方法包括：
测量超声波雷达安装的位置，根据车辆坐标系计算所述超声波雷达的初始位置坐标；
设置移动目标，获取激光雷达及超声波雷达针对移动目标的激光点云数据及超声波雷达数据；
比较激光点云数据及超声波雷达数据的位置差异，确定超声波雷达的位置坐标。
作为本发明实施例的再一方面，提供了一种自动驾驶环境感知传感器的布置结构，包括设置在车辆顶部上方的激光雷达；交错设置在车辆四周的中距毫米波雷达、超声波雷达及360度环视摄像头；设置在车辆前方的长距毫米波雷达，设置在车辆前风挡内容部的前置摄像头，所述激光雷达的线束接头、长距毫米波雷达、前置摄像头与车辆中轴线重合，所述中距毫米波雷达、超声波雷达及360度环视摄像头对称设置。
进一步地，所述布置结构还包括：
设置有一个所述激光雷达，所述激光雷达通过支架安装在车顶，所述激光雷达与车顶设置高度为20-30cm，用于获取车辆周围准确的三维信息；和/或
设置有四个所述中距毫米波雷达，分别设置在车辆前后保险杠的两侧，左右对称布置，位于前保险杠两侧的所述中距毫米波雷达与车辆行驶方向设置为第一夹角，位于后保险杠两侧的所述中距毫米波雷达与车辆行驶方向设置为第二夹角，所述第一夹角大于第二夹角，用于检测车身四周障碍物；和/或
设置有十二个所述超声波雷达，所述超声波雷达包括8个超声波驻车辅助类型雷达和4个自动泊车辅助类型雷达，所述超声波驻车辅助类型雷达分别位于车辆前、后保险杠，用于探测车辆前后障碍物；所述自动泊车辅助类型雷达安装在车辆前、后保险杠四角，呈左右对称布置，用于探测侧方停车空间；和/或
设置有四个所述360度环视摄像头，分别位于车辆前、后保险杠及两侧后视镜，位于车辆前、后保险杠的所述360度环视摄像头设置在车辆中轴线上，设置与保险杠前端，与地面呈第三角度夹角，位于两侧后视镜的所述360度环视摄像头的中轴线与地面呈第四角度夹角；设置在外后视镜下表面；用于感知近距离物体；和/或
设置有一个所述长距毫米波雷达，位于车辆前方的保险杠内，所述长距毫米雷达与保险杠表面距离设置在50-150mm，与地面的距离设置50-80cm，所述长距毫米雷达用于检测前方障碍物；和/或
设置一个所述前置摄像头与车辆中轴线上，位于车辆的前挡风玻璃的上边缘内侧，用于识别前方路面信息；和/或
所述布置结构还设置有一个内置摄像头，位于驾驶员对面，用于检测驾驶员疲劳状况。
进一步地，所述布置结构中的激光雷达、中距毫米波雷达、长距毫米波雷达、超声波雷达、前置摄像头通过上述的自动驾驶环境感知传感器的标定方法进行标定。
作为本发明实施例的又一方面，提供了一种车辆，所述车辆包括上述任意所述的自动驾驶环境感知传感器的布置结构。
本发明实施例至少实现了如下技术效果：
本发明实施例提供的自动驾驶环境感知传感器的标定方法，基于对激光雷达的激光点云数据、摄像头的图像数据、毫米波雷达数据、超声波雷达数据的处理，针对不同的传感器采用不同的标定方法，提升了自动驾驶环境感知传感器标定的自动化程度，且精确性高，满足多传感器融合的要求；本发明实施例提供的自动驾驶环境感知传感器的布置结构为基于驾驶的应用场景和感知需求，设计的感知传感器布置方式，在满足车体360度均覆盖的同时，实现一定程度的传感器冗余，当个别传感器出现故障的情况下，可以正常进行周围环境的监测，提升了自动驾驶安全性的，而且，通过本实施例布置方法能够在保证感知性能的前提下，实现最大限度的相互配合，尽可能降低传感器数量，有效降低成本。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所记载的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明一实施例的自动驾驶环境感知传感器的标定方法流程图；
图2为本发明一实施例的车辆坐标系示意图；
图3为本发明一实施例的激光雷达标定方法的流程图；
图4为本发明一实施例的计算激光雷达坐标系中偏航角方法的流程图；
图5为本发明一实施例的摄像头标定方法的流程图；
图6为本发明一实施例的毫米波雷达标定方法的流程图；
图7为本发明一实施例的超声波雷达标定方法的流程图；
图8为本发明一实施例的自动驾驶环境感知传感器的布置结构示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
附图和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案，已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将落在本发明的保护范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此，本发明并不局限于下述可选实施方式，而仅由权利要求和它们的等同物限定。
实施例1
本实施例提供了一种自动驾驶环境感知传感器的标定方法，如图1所示，所述标定方法包括：
S11建立车辆坐标系；
S12基于激光雷达发送的地面点云数据建立平整地面的平面方程，确定激光雷达坐标系相对于车辆坐标系的位姿变换关系；
S13匹配同一场景的激光雷达的点云数据及摄像头的图像数据的边缘点，根据摄像头和激光雷达的坐标系变换关系确定所述摄像头坐标系相对于车辆坐标系的位姿变换关系；
S14通过激光雷达与毫米波雷达数据检测毫米波反射器的位置计算所述毫米波雷达的坐标系参数，确定毫米波雷达坐标系相对于车辆坐标系的位姿变换关系；
S15比较激光雷达和超声波雷达检测的移动目标的位置差异，确定超声波雷达的位置坐标。
在本实施例中，首先通过S11建立车辆坐标系，可以根据数据处理的方便，定义一个合适的坐标系，保证在车辆行驶过程中各传感器在坐标系中的位置和角度不变，一般以车辆后轴中心为原点，如图2所示，车辆中轴线设置为x轴，后轴所在直线设置为y轴，z轴朝上；再由S12、S13、S14、S15将各个传感器的坐标系统一到车辆坐标系下，实现更加方便描述传感器感知的环境信息以及统一处理这些环境信息；通过S12进行激光雷达坐标系的确定，其中的激光雷达可以是32线激光雷达，本步骤可以借助标定物采用自动标定的方法建立激光雷达坐标系相对于车辆坐标系的位姿变换关系，计算的参数包括偏移量Δx、Δy、Δz以及旋转角α(翻滚角)、β(俯仰角)、γ(偏航角)；通过S13进行摄像头的标定，例如前置摄像头，以激光雷达为参照，利用激光雷达标定结果，借助标定板(棋盘格、四孔板)，通过摄像头和激光雷达的联合标定，求解摄像头坐标系相对于车辆坐标系的位姿变换关系，用于实现激光雷达和视觉数据的融合处理。通过S14进行毫米波雷达标定，其中的毫米波雷达包括长距毫米波雷达和中距毫米波雷达；通过S15利用激光雷达检测的移动目标位置和超声波雷达探测的同一移动目标位置，比较激光点云和超声波探头数据，计算超声波雷达位置。
在本实施例中，基于对自动驾驶的应用和感知范围的分析，提供了感知传感器的自动标定方法，借助自然标定场地和标定工具，对传感器接收的数据中的典型特征进行处理分析，其中自然标定场地中，针对激光雷达的标定场地需要地面平整，针对摄像头的标定场地优选的为周围环境具有较多边缘明显的场景，室外或者亮一点的室内环境均可，场景不能太空旷，不能有树等边缘不明显的参照物。
优选地，在一个实施例中，如图3，所述S12的方法包括：
S21测量激光雷达的初始安装位置，结合车辆坐标系确定x轴、y轴方向的偏移量Δx、Δy；
S22接收激光雷达发送的地面点云数据，获取地面点云的三维坐标，采用最小二乘法拟合地面的平面方程，建立地面平整度函数为优化目标函数，以翻滚角α、俯仰角β为待优化参数，采用BP神经网络方法求解最优值；
S23利用平面方程确定相对z轴方向的偏移量Δz；
S24基于深度学习的激光点云目标物识别结果，采用优化算法求解偏航角最优值γ。
在本实施例中，先获得激光雷达的初始安装位置，其中可以根据车身结构、激光雷达支架设计确定初步安装位置，保证激光雷达的感知范围尽可能大；测量数据的精确性能够更方便Δx、Δy的计算，保证安装时激光雷达的中心在车辆中轴线上，这样Δx＝0，到后轴中心的水平距离；通过S22建立平整地面的平面方程，基于非线性优化方法，求解α、β最优值，从而实现标定α、β值，在本步骤中，以水平平整地面为参照，保证车辆两侧的平整地面不小于一定宽度，实现地面水平的的宽度阈值优选为5-10米；其中的平面方程为数学上的平面方程，形式如：ax+by+cz+d＝0，建立地面平整度函数为优化目标函数，通过BP神经网络方法求解α、β最优值；S23根据S22最终拟合的平面方程ax+by+cz+d＝0，当a＝0、b＝0时，计算Z轴方向的偏移量；在利用标定物获得激光点云数据，进行深度学习，计算偏航角。
通过本实施例方法通过上述步骤，获得了Δx、Δy、Δz、α、β、γ的相对值，确定了车顶激光雷达相对于车体的准确位姿，实现了对激光雷达的标定，方法简单，精准率高，而且方便操作，自动化程度高。
优选地，在一个实施例中，如图4所示，所述S24的方法包括：
S241在车辆坐标系的x轴上设置标定物，将所述标定物放在在车辆正前方的预设距离内，设置初始偏航角值γ；
S242接收激光雷达检测标定物的点云数据，根据所述Δx、Δy、Δz、α、β、γ，将点云数据从激光雷达坐标系转换到车辆坐标系下；
S243建立Pointnet深度学习网络，识别点云数据中的标定物，确定标定物的位置，采用梯度下降法求解最优γ。
在本实施例中，S241标定物可以是圆锥形标定物，在激光点云数据中能够精确定位圆锥形标定物的位置，比较容易判断是否在坐标系的轴线上，其他有规则棱角的形状也可以；其中的预设距离可以是5-7米，优选的为6米；通过S242及S243，计算标定物到y＝0轴线的距离作为目标函数，以标定物落在y＝0的轴线上作为目标，求最优γ，本实施例标定方法简单，自动化程度高，而且数据准确率高。
优选地，在一个实施例中，如图5所示，所述S13的方法包括：
S31利用张正友标定法标定摄像头内参；
S32确定标定场景，获取雷达激光及摄像头在标定场景下针对移动的标定板的点云数据及图像数据；
S33提取并匹配所述点云数据及图像数据的边缘点；
S34根据匹配关系求解摄像头坐标系和激光雷达坐标系之间的变换关系。
在本实施例中，S32中的确定的标定场景，选择边缘多的场景，提取更多的边缘信息，就会有更多的数据参与匹配，匹配的准确性更高；其中，边缘比较多的场景主要指周围有棱角物体比较多，如正方体柱子的四角、标定板的四角、标定板之间的圆孔、窗户的四角等，移动标定板的目的也是为了提取更多的边缘信息，增加匹配的数据；通过S33匹配边缘点，确定匹配关系，即从图像中提取n个(n尽可能多)边缘点(正方体柱子的四角点、标定板的四角点等)，从点云中找到对应的点，得到n个点对，通过优化计算建立起图像点坐标和点云点坐标的对应关系，其他的非边缘点也能由图像坐标计算出点云坐标；具体的匹配方法可以首先点云重采样，将三维点云转换为二维图像，再利用二维图像的常用匹配方法，如SIFT算法、SURF算法等进行匹配；通过本实施例方法求解摄像头坐标系和激光雷达坐标系之间的变换关系，从而获取摄像头坐标系相对于车辆坐标系的位姿变换关系。
优选地，在一个实施例中，如图6所示，所述S14的方法包括：
S41获取毫米波雷达安装时的α、β、Δz；
S42根据车辆坐标系计算毫米波雷达的Δx、Δy；
S43获取激光雷达及毫米波雷达针对毫米波反射器的激光点云数据和毫米波雷达数据，以从激光点云数和毫米波雷达检测到的毫米波反射器位置重叠为目标，采用梯度下降法求解最优的偏航角γ。
在本实施例中，通过三种不同方式获得不同的参数，由于毫米波雷达安装时对翻滚角、俯仰角和高度有较高要求，获取安装时参数值的精度能够满足数据处理的要求，例如：通过安装时的离地高度减去车轴半径，可以得到Δz；再根据车辆坐标系通过加减推算毫米波雷达的Δx、Δy；其中Δx为测量毫米波雷达安装位置到车轴的距离；Δy根据车辆前后轴距、前轴到车头距离、毫米波雷达安装位置到车头距离可以计算毫米波雷达到后轴中心的水平距离；S43中接收激光点云和毫米波雷达数据，以从激光点云检测到反射器的位置和毫米波雷达检测到的位置重叠为目标，采用梯度下降法求解最优的偏航角。
优选地，在一个实施例中，如图7所示，所述S15的方法包括：
S51测量超声波雷达安装的位置，根据车辆坐标系计算所述超声波雷达的初始位置坐标；
S52设置移动目标，获取激光雷达及超声波雷达针对移动目标的激光点云数据及超声波雷达数据；
S53比较激光点云数据及超声波雷达数据的位置差异，确定超声波雷达的位置坐标。
在本实施例中，通过加减法推算超声波雷达的初始位置坐标，根据超声波雷达安装时的位置、车轴半径、前后轴距等计算超声波探头在车辆坐标系中的坐标。
本实施例可以是在传感器布置和安装之后，进行的传感器标定，确定不同传感器坐标系之间的相互转换关系，保证多传感器之间良好的融合。本实施例借助自然标定场地和标定工具，结合目标识别等技术，通过处理传感器的接收数据，基于对激光点云、图像、毫米波雷达数据、超声波探头数据的处理分析，结合深度学习和目标识别技术，实现准确性和自动化程度高的感知传感器标定，满足多传感器融合的要求，对实现准确和完整的环境感知，保证自动驾驶的安全性，具有重要的意义。
实施例2
本发明实施例提供了一种自动驾驶环境感知传感器的布置结构，如图8所示，包括设置在车辆顶部上方的激光雷达11；交错设置在车辆四周的中距毫米波雷达12、超声波雷达13及360度环视摄像头14；设置在车辆前方的长距毫米波雷达15，设置在车辆前风挡内容部的前置摄像头16，所述激光雷达11的线束接头、长距毫米波雷达15、前置摄像头16与车辆中轴线重合，所述中距毫米波雷达12、超声波雷达13及360度环视摄像头14对称设置。
本实施例针对特定的自动驾驶应用场景，设计感知传感器的布置方式，根据不同传感器感知范围不同，在保证车体360度均覆盖的同时，保证一定的传感器冗余；由于传感器配置影响感知范围、性能、传感器数量等，从而影响价格，每种传感器的价格不同，本实施例在保证感知性能的前提下，合理配置传感器，最大限度的降低传感器数量，降低成本，实现了在保证自动驾驶安全性的同时，有效降低成本。
优选地，在一个实施例中，所述布置结构还包括：
设置有一个所述激光雷达11，所述激光雷达通过支架安装在车顶，所述激光雷达与车顶设置高度为20-30cm，用于获取车辆周围准确的三维信息。
在本实施例中，激光雷达布置在车辆中轴线上，其本体线束接头与车辆中轴线重合且接头向后；激光雷达本体中轴线与地面基本平行，与路面夹角的最大偏差不超过5°；其中，车顶1个32线激光雷达，通过安装支架安装在车顶，获取最大的感知范围，识别和跟踪障碍物，实现自动驾驶感知系统的冗余，同时获取车辆周围准确的三维信息，确保车辆行驶安全。车顶的支架距离车顶的范围优选的可以25cm。
优选地，在一个实施例中，所述布置结构还包括：
设置有四个所述中距毫米波雷达12，分别设置在车辆前后保险杠的两侧，左右对称布置，位于前保险杠两侧的所述中距毫米波雷达与车辆行驶方向设置为第一夹角，位于后保险杠两侧的所述中距毫米波雷达与车辆行驶方向设置为第二夹角，所述第一夹角大于第二夹角，用于检测车身四周障碍物。
在本实施例中，采用隐藏式安装方式，雷达波束的中心平面要求与路面基本平行，与路面夹角的最大偏差不超过5度；其中，第一夹角的范围可以是40-50度，第二夹角的范围为25-35度；优选地，前侧向毫米波雷达与车辆行驶方向成45度夹角；后侧向毫米波雷达与车辆行驶方向成30度夹角；中距毫米波雷达用于监测车辆盲区，检测车身四周障碍物，判断车辆变道和超车条件。
优选地，在一个实施例中，所述布置结构还包括：
设置有十二个所述超声波雷达13，所述超声波雷达包括8个超声波驻车辅助类型雷达和4个自动泊车辅助类型雷达，所述超声波驻车辅助类型雷达分别位于车辆前、后保险杠，用于探测车辆前后障碍物；所述自动泊车辅助类型雷达安装在车辆前、后保险杠四角，呈左右对称布置，用于探测侧方停车空间；
在本实施例中，超声波雷达用于泊车等低速和短距离场景，其中，8个UPA(UltrasonicParkingAssistant，超声波驻车辅助)类型安装在车辆前后保险杠上方，超声波雷达探测面与保险杠表面齐平且法向垂直；探测车辆前后障碍物，4个APA(AutomaticParkingAssistant，自动泊车辅助)类型安装在车身侧面，呈左右对称布置，超声波雷达布置在原车位置上，雷达探测面与保险杠表面齐平且法向垂直，探测侧方停车空间。
优选地，在一个实施例中，所述布置结构还包括：
设置有四个所述360度环视摄像头14，分别位于车辆前、后保险杠及两侧后视镜，位于车辆前、后保险杠的所述360度环视摄像头设置在车辆中轴线上，设置与保险杠前端，与地面呈第三角度夹角，位于两侧后视镜的所述360度环视摄像头的中轴线与地面呈第四角度夹角；设置在外后视镜下表面；用于感知近距离物体。
在本实施例中，采用内装方式，感知车身四周的车辆、行人等障碍物，辅助判断道路交通拥堵状况，并辅助实现自动泊车功能，不做标定数据。其中，设置在前、后保险杠的360度环视摄像头外漏于保险杠，尽量布置在保险杠最前端；摄像头离地高度至少50cm，第三夹角的范围为5-15度，优选的与地面夹角呈10度，向下；设置在两侧后视镜的360度环视摄像头镜头中轴线与地面夹第四角度夹角范围为25-35度，优选的为30度。
优选地，在一个实施例中，所述布置结构还包括：
设置有一个所述长距毫米波雷达15，位于车辆前方的保险杠内，所述长距毫米雷达与保险杠表面距离设置在50-150mm，与地面的距离设置50-80cm，所述长距毫米雷达用于检测前方障碍物。
在本实施例中，毫米波雷达需隐藏在保险杠内部；其中雷达波束的中心平面要求与路面基本平行，与路面夹角的最大偏差不超过5°；毫米波雷达优先布置在车辆中轴线上，如无法实现，允许正Y向最大偏置距离为300mm；另外，雷达安装位置保险杠表面必须平滑且厚度均匀，不能出现料厚突变或结构复杂的情况，且不得夹杂有金属和碳纤维；用于检测前方车辆的距离、速度和方向信息，保证自适应巡航和自动紧急制动时，与前方车辆处于安全距离内。
优选地，在一个实施例中，所述布置结构还包括：
设置一个所述前置摄像头16与车辆中轴线上，位于车辆的前挡风玻璃的上边缘内侧，用于识别前方路面信息。
在本实施例中，前置摄像头也可以同时设置在内后视镜的后方，识别路面车道标线、行人和交通指示标牌，保证车辆在本车道内行驶，以及自动驾驶车辆遵守交通法规的能力；其中，摄像头的安装可以通过粘贴前结合前风挡玻璃倾斜角度确认摄像头角度，根据设计要求进行角度调节；摄像头通过双面胶粘贴在前风挡玻璃内侧，内后视镜支架下端，不得影响驾驶员视野；摄像头线束采用隐藏式布置，隐藏在顶棚内侧。
优选地，在一个实施例中，所述布置结构还包括：
所述布置结构还设置有一个内置摄像头17，位于驾驶员对面，用于检测驾驶员疲劳状况。
在本实施例中，内置摄像头位于驾驶员对面，可以设置在车辆的前挡风玻璃等位置，通过分析驾驶员面部表情变化，检测驾驶员疲劳状况，可以不做标定处理。
优选地，在一个实施例中，所述布置结构还包括：
所述布置结构中的激光雷达、中距毫米波雷达、长距毫米波雷达、超声波雷达、前置摄像头通过上述的自动驾驶环境感知传感器的标定方法进行标定。
在本实施例中，将一种自动驾驶环境感知传感器的布置结构及一种自动驾驶环境感知传感器的标定方法相结合，将布置结构中的各个传感器的坐标系统一到车辆坐标系下，满足多传感器融合的要求，对实现准确和完整的环境感知，保证自动驾驶的安全性。
上述实施例中，由于激光雷达、前向毫米波雷达、前置摄像头都安装在中轴线上，能最大限地利用三个传感器接收的数据，减少数据处理时间；而且，由于前侧方的两个中距离毫米波雷达的安装角度应使得感知范围覆盖正前方区域，保证正前方行车重点关注区域有更多的冗余信息；另外，通过4个中距毫米波雷达、360度环视摄像头、超声波雷达以车辆中轴线为中心，呈对称分布，减少线束连接距离，缩短通信时间，降低传感器安装工作量。实现了整个传感器布置结构在某个传感器失效的情况下，仍能保证感知系统运行，鲁棒性强，成本低。
实施例3
基于同一发明构思，本发明实施例还提供了一种车辆，由于本实施车辆所解决问题的原理与前述实施例的自动驾驶环境感知传感器的布置结构相似，因此本实施例车辆的实施可以参见前述一种自动驾驶环境感知传感器的布置结构的实施例，重复之处不再赘述。
本发明实施例提供了一种车辆，所述车辆中包括如上述任一项实施例所述的一种自动驾驶环境感知传感器的布置结构。
在本实施例中，提供了一套适用自动驾驶的环境感知传感器配置方案及传感器的自动标定方法，实现一种新的适用于自动驾驶的环境感知传感器布置和标定方案。在本实施车辆中，除激光雷达之外，其他传感器均采用隐藏式的内装方案，适用于L3级自动驾驶量产车辆的整车集成。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种自动驾驶环境感知传感器的标定方法，其特征在于，所述标定方法包括：建立车辆坐标系；
基于激光雷达发送的地面点云数据建立平整地面的平面方程，确定激光雷达坐标系相对于车辆坐标系的位姿变换关系；
匹配同一场景的激光雷达的点云数据及摄像头的图像数据的边缘点，根据摄像头和激光雷达的坐标系变换关系确定所述摄像头坐标系相对于车辆坐标系的位姿变换关系；
通过激光雷达与毫米波雷达数据检测毫米波反射器的位置计算所述毫米波雷达的坐标系参数，确定毫米波雷达坐标系相对于车辆坐标系的位姿变换关系；
比较激光雷达和超声波雷达检测的移动目标的位置差异，确定超声波雷达的位置坐标。
2.如权利要求1所述的自动驾驶环境感知传感器的标定方法，其特征在于，所述“基于激光雷达发送的地面点云数据建立平整地面的平面方程，确定激光雷达坐标系相对于车辆坐标系的位姿变换关系”的方法包括：
测量激光雷达的初始安装位置，结合车辆坐标系确定x轴、y轴方向的偏移量Δx、Δy；
接收激光雷达发送的地面点云数据，获取地面点云的三维坐标，采用最小二乘法拟合地面的平面方程，建立地面平整度函数为优化目标函数，以翻滚角α、俯仰角β为待优化参数，采用BP神经网络方法求解最优值；
利用平面方程确定相对z轴方向的偏移量Δz；
基于深度学习的激光点云目标物识别结果，采用优化算法求解偏航角最优值γ。
3.如权利要求2所述的自动驾驶环境感知传感器的标定方法，其特征在于，所述“基于深度学习的激光点云目标物识别结果，采用优化算法求解最优偏航角值γ”的方法包括：
在车辆坐标系的x轴上设置标定物，将所述标定物放在在车辆正前方的预设距离内，设置初始偏航角值γ；
接收激光雷达检测标定物的点云数据，根据所述Δx、Δy、Δz、α、β、γ，将点云数据从激光雷达坐标系转换到车辆坐标系下；
建立Pointnet深度学习网络，识别点云数据中的标定物，确定标定物的位置，采用梯度下降法求解最优γ。
4.如权利要求1所述的自动驾驶环境感知传感器的标定方法，其特征在于，所述“匹配同一场景的激光雷达的点云数据及摄像头的图像数据的边缘点，根据摄像头和激光雷达的坐标系变换关系确定所述摄像头坐标系相对于车辆坐标系的位姿变换关系”的方法包括：
利用张正友标定法标定摄像头内参；
确定标定场景，获取雷达激光及摄像头在标定场景下针对移动的标定板的点云数据及图像数据；
提取并匹配所述点云数据及图像数据的边缘点；
根据匹配关系求解摄像头坐标系和激光雷达坐标系之间的变换关系。
5.如权利要求1所述的自动驾驶环境感知传感器的标定方法，其特征在于，所述“通过激光雷达与毫米波雷达数据检测毫米波反射器的位置计算所述毫米波雷达的坐标系参数，确定毫米波雷达坐标系相对于车辆坐标系的位姿变换关系”的方法包括：
获取毫米波雷达安装时的α、β、Δz；
根据车辆坐标系计算毫米波雷达的Δx、Δy；
获取激光雷达及毫米波雷达针对毫米波反射器的激光点云数据和毫米波雷达数据，以从激光点云数和毫米波雷达检测到的毫米波反射器位置重叠为目标，采用梯度下降法求解最优的偏航角γ。
6.如权利要求1所述的自动驾驶环境感知传感器的标定方法，其特征在于，所述“比较激光雷达和超声波雷达检测的移动目标的位置差异，确定超声波雷达的位置坐标”的方法包括：
测量超声波雷达安装的位置，根据车辆坐标系计算所述超声波雷达的初始位置坐标；
设置移动目标，获取激光雷达及超声波雷达针对移动目标的激光点云数据及超声波雷达数据；
比较激光点云数据及超声波雷达数据的位置差异，确定超声波雷达的位置坐标。
7.一种自动驾驶环境感知传感器的布置结构，其特征在于，包括设置在车辆顶部上方的激光雷达；交错设置在车辆四周的中距毫米波雷达、超声波雷达及360度环视摄像头；设置在车辆前方的长距毫米波雷达，设置在车辆前风挡内容部的前置摄像头，所述激光雷达的线束接头、长距毫米波雷达、前置摄像头与车辆中轴线重合，所述中距毫米波雷达、超声波雷达及360度环视摄像头对称设置。
8.如权利要求7所述的自动驾驶环境感知传感器的布置结构，其特征在于，所述布置结构还包括：
设置有一个所述激光雷达，所述激光雷达通过支架安装在车顶，所述激光雷达与车顶设置高度为20-30cm，用于获取车辆周围准确的三维信息；和/或
设置有四个所述中距毫米波雷达，分别设置在车辆前后保险杠的两侧，左右对称布置，位于前保险杠两侧的所述中距毫米波雷达与车辆行驶方向设置为第一夹角，位于后保险杠两侧的所述中距毫米波雷达与车辆行驶方向设置为第二夹角，所述第一夹角大于第二夹角，用于检测车身四周障碍物；和/或
设置有十二个所述超声波雷达，所述超声波雷达包括8个超声波驻车辅助类型雷达和4个自动泊车辅助类型雷达，所述超声波驻车辅助类型雷达分别位于车辆前、后保险杠，用于探测车辆前后障碍物；所述自动泊车辅助类型雷达安装在车辆前、后保险杠四角，呈左右对称布置，用于探测侧方停车空间；和/或
设置有四个所述360度环视摄像头，分别位于车辆前、后保险杠及两侧后视镜，位于车辆前、后保险杠的所述360度环视摄像头设置在车辆中轴线上，设置与保险杠前端，与地面呈第三角度夹角，位于两侧后视镜的所述360度环视摄像头的中轴线与地面呈第四角度夹角；设置在外后视镜下表面；用于感知近距离物体；和/或
设置有一个所述长距毫米波雷达，位于车辆前方的保险杠内，所述长距毫米雷达与保险杠表面距离设置在50-150mm，与地面的距离设置50-80cm，所述长距毫米雷达用于检测前方障碍物；和/或
设置一个所述前置摄像头与车辆中轴线上，位于车辆的前挡风玻璃的上边缘内侧，用于识别前方路面信息；和/或
所述布置结构还设置有一个内置摄像头，位于驾驶员对面，用于检测驾驶员疲劳状况。
9.如权利要求7或8任意一项所述的自动驾驶环境感知传感器的布置结构，其特征在于，所述布置结构中的激光雷达、中距毫米波雷达、长距毫米波雷达、超声波雷达、前置摄像头通过如权利要求1-6任意一项所述的自动驾驶环境感知传感器的标定方法进行标定。
10.一种车辆，其特征在于，所述车辆包括如权利要求7-9任意所述的自动驾驶环境感知传感器的布置结构。
CN202010618016.4A 2020-07-01 2020-07-01 自动驾驶环境感知传感器的标定方法、布置结构及车辆 Pending CN112241007A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010618016.4A CN112241007A (zh) 2020-07-01 2020-07-01 自动驾驶环境感知传感器的标定方法、布置结构及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010618016.4A CN112241007A (zh) 2020-07-01 2020-07-01 自动驾驶环境感知传感器的标定方法、布置结构及车辆

Publications (1)

Publication Number Publication Date
CN112241007A true CN112241007A (zh) 2021-01-19

Family

ID=74170526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010618016.4A Pending CN112241007A (zh) 2020-07-01 2020-07-01 自动驾驶环境感知传感器的标定方法、布置结构及车辆

Country Status (1)

Country Link
CN (1) CN112241007A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112693466A (zh) * 2021-01-29 2021-04-23 重庆长安汽车股份有限公司 一种车辆环境感知传感器性能测评系统及方法
CN112882000A (zh) * 2021-02-05 2021-06-01 北京科技大学 一种激光雷达的自动标定方法
CN113470354A (zh) * 2021-06-24 2021-10-01 上海智能网联汽车技术中心有限公司 全天候路测感知系统
CN113537287A (zh) * 2021-06-11 2021-10-22 北京汽车研究总院有限公司 多传感器信息融合方法与装置、存储介质、自动驾驶系统
CN113763560A (zh) * 2021-08-02 2021-12-07 纵目科技（上海）股份有限公司 点云数据的生成方法、系统、设备及计算机可读存储介质
CN113771852A (zh) * 2021-08-13 2021-12-10 江铃汽车股份有限公司 一种智能驾驶方法、装置、电子设备及存储介质
CN114035187A (zh) * 2021-10-26 2022-02-11 北京国家新能源汽车技术创新中心有限公司 一种自动驾驶系统的感知融合方法
CN114216483A (zh) * 2021-12-14 2022-03-22 北京云迹科技股份有限公司 一种机器人的检测方法及装置
WO2022156176A1 (zh) * 2021-01-22 2022-07-28 上海西井信息科技有限公司 多种雷达和相机联合标定方法、系统、设备及存储介质
WO2022206519A1 (zh) * 2021-03-31 2022-10-06 华为技术有限公司 一种车载雷达的外参标定方法与装置
WO2022251995A1 (zh) * 2021-05-31 2022-12-08 周宇 实时车辆稳定系统及其方法
WO2023028774A1 (zh) * 2021-08-30 2023-03-09 华为技术有限公司 一种激光雷达的标定方法、装置及存储介质
CN116039620A (zh) * 2022-12-05 2023-05-02 北京斯年智驾科技有限公司 基于自动驾驶感知的安全冗余处理系统
WO2023103143A1 (zh) * 2021-12-07 2023-06-15 上海仙途智能科技有限公司 传感器检测的方法、装置、电子设备及可读储存介质
CN116415353A (zh) * 2023-03-13 2023-07-11 清华大学 基于自动驾驶功能的感知系统设计需求的建模方法
CN117058210A (zh) * 2023-10-11 2023-11-14 比亚迪股份有限公司 基于车载传感器的距离计算方法和装置及存储介质和车辆
WO2024002734A1 (de) * 2022-06-28 2024-01-04 Zf Friedrichshafen Ag Automatisiert betreibbares fahrzeug, insbesondere shuttle
US11901601B2 (en) 2020-12-18 2024-02-13 Aptiv Technologies Limited Waveguide with a zigzag for suppressing grating lobes
US11949145B2 (en) 2021-08-03 2024-04-02 Aptiv Technologies AG Transition formed of LTCC material and having stubs that match input impedances between a single-ended port and differential ports
US11962085B2 (en) 2021-07-29 2024-04-16 Aptiv Technologies AG Two-part folded waveguide having a sinusoidal shape channel including horn shape radiating slots formed therein which are spaced apart by one-half wavelength

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405555A (zh) * 2016-09-23 2017-02-15 百度在线网络技术（北京）有限公司 用于车载雷达系统的障碍物检测方法和装置
CN107351785A (zh) * 2017-07-12 2017-11-17 奇瑞汽车股份有限公司 车辆周围环境感知系统
CN109375635A (zh) * 2018-12-20 2019-02-22 安徽江淮汽车集团股份有限公司 一种自动驾驶汽车道路环境感知系统及方法
CN109696663A (zh) * 2019-02-21 2019-04-30 北京大学 一种车载三维激光雷达标定方法和系统
CN109975773A (zh) * 2018-12-28 2019-07-05 文远知行有限公司 毫米波雷达标定方法、装置、设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405555A (zh) * 2016-09-23 2017-02-15 百度在线网络技术（北京）有限公司 用于车载雷达系统的障碍物检测方法和装置
CN107351785A (zh) * 2017-07-12 2017-11-17 奇瑞汽车股份有限公司 车辆周围环境感知系统
CN109375635A (zh) * 2018-12-20 2019-02-22 安徽江淮汽车集团股份有限公司 一种自动驾驶汽车道路环境感知系统及方法
CN109975773A (zh) * 2018-12-28 2019-07-05 文远知行有限公司 毫米波雷达标定方法、装置、设备和存储介质
CN109696663A (zh) * 2019-02-21 2019-04-30 北京大学 一种车载三维激光雷达标定方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王世峰 等: "无人驾驶汽车环境感知技术综述", 《长春理工大学学报(自然科学版)》, vol. 40, no. 1, pages 1 - 6 *
王世峰 等: "无人驾驶汽车环境感知技术综述", 长春理工大学学报(自然科学版), vol. 40, no. 1, pages 1 - 6 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11901601B2 (en) 2020-12-18 2024-02-13 Aptiv Technologies Limited Waveguide with a zigzag for suppressing grating lobes
WO2022156176A1 (zh) * 2021-01-22 2022-07-28 上海西井信息科技有限公司 多种雷达和相机联合标定方法、系统、设备及存储介质
CN112693466A (zh) * 2021-01-29 2021-04-23 重庆长安汽车股份有限公司 一种车辆环境感知传感器性能测评系统及方法
CN112882000A (zh) * 2021-02-05 2021-06-01 北京科技大学 一种激光雷达的自动标定方法
CN112882000B (zh) * 2021-02-05 2023-02-03 北京科技大学 一种激光雷达的自动标定方法
WO2022206519A1 (zh) * 2021-03-31 2022-10-06 华为技术有限公司 一种车载雷达的外参标定方法与装置
WO2022251995A1 (zh) * 2021-05-31 2022-12-08 周宇 实时车辆稳定系统及其方法
CN113537287A (zh) * 2021-06-11 2021-10-22 北京汽车研究总院有限公司 多传感器信息融合方法与装置、存储介质、自动驾驶系统
CN113470354A (zh) * 2021-06-24 2021-10-01 上海智能网联汽车技术中心有限公司 全天候路测感知系统
US11962085B2 (en) 2021-07-29 2024-04-16 Aptiv Technologies AG Two-part folded waveguide having a sinusoidal shape channel including horn shape radiating slots formed therein which are spaced apart by one-half wavelength
CN113763560A (zh) * 2021-08-02 2021-12-07 纵目科技（上海）股份有限公司 点云数据的生成方法、系统、设备及计算机可读存储介质
CN113763560B (zh) * 2021-08-02 2024-02-09 纵目科技（上海）股份有限公司 点云数据的生成方法、系统、设备及计算机可读存储介质
US11949145B2 (en) 2021-08-03 2024-04-02 Aptiv Technologies AG Transition formed of LTCC material and having stubs that match input impedances between a single-ended port and differential ports
CN113771852A (zh) * 2021-08-13 2021-12-10 江铃汽车股份有限公司 一种智能驾驶方法、装置、电子设备及存储介质
WO2023028774A1 (zh) * 2021-08-30 2023-03-09 华为技术有限公司 一种激光雷达的标定方法、装置及存储介质
CN114035187A (zh) * 2021-10-26 2022-02-11 北京国家新能源汽车技术创新中心有限公司 一种自动驾驶系统的感知融合方法
WO2023103143A1 (zh) * 2021-12-07 2023-06-15 上海仙途智能科技有限公司 传感器检测的方法、装置、电子设备及可读储存介质
CN114216483A (zh) * 2021-12-14 2022-03-22 北京云迹科技股份有限公司 一种机器人的检测方法及装置
WO2024002734A1 (de) * 2022-06-28 2024-01-04 Zf Friedrichshafen Ag Automatisiert betreibbares fahrzeug, insbesondere shuttle
CN116039620A (zh) * 2022-12-05 2023-05-02 北京斯年智驾科技有限公司 基于自动驾驶感知的安全冗余处理系统
CN116039620B (zh) * 2022-12-05 2024-04-19 北京斯年智驾科技有限公司 基于自动驾驶感知的安全冗余处理系统
CN116415353A (zh) * 2023-03-13 2023-07-11 清华大学 基于自动驾驶功能的感知系统设计需求的建模方法
CN117058210A (zh) * 2023-10-11 2023-11-14 比亚迪股份有限公司 基于车载传感器的距离计算方法和装置及存储介质和车辆

Similar Documents

Publication Publication Date Title
CN112241007A (zh) 自动驾驶环境感知传感器的标定方法、布置结构及车辆
CN110077399B (zh) 一种基于道路标线、车轮检测融合的车辆防碰撞方法
CN110239535B (zh) 一种基于多传感器融合的弯道主动避撞控制方法
CN211765500U (zh) 一种用于封闭场景下的智能驾驶环境感知系统及汽车
CN106909152B (zh) 一种车用环境感知系统及汽车
CN106054174B (zh) 使用雷达和摄像机用于横越交通应用的融合方法
CN101894271B (zh) 汽车偏离车道线角度和距离的视觉计算及预警方法
WO2018105179A1 (ja) 車載用画像処理装置
CN101469991B (zh) 全天时结构化道路多行道线检测方法
CN106908783A (zh) 基于多传感器信息融合的障碍物检测方法
CN112698302B (zh) 一种颠簸路况下的传感器融合目标检测方法
CN114442101B (zh) 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN105699985A (zh) 一种单线激光雷达装置
CN111439198B (zh) 一种大型车辆转弯预警方法及系统
CN103204104B (zh) 一种车辆全视角驾驶监控系统及方法
CN210062816U (zh) 车辆内轮差防碰撞预警系统
CN107229906A (zh) 一种基于可变部件模型算法的汽车超车预警方法
CN111736153A (zh) 用于无人驾驶车辆的环境检测系统、方法、设备和介质
CN111694031A (zh) 一种基于差分定位的无人驾驶车辆控制系统
CN109367529B (zh) 毫米波雷达组合安装结构及虚拟隧道构建与障碍判断方法
CN212322114U (zh) 一种用于自动驾驶车辆的环境感知及道路环境裂纹检测系统
CN110893849A (zh) 一种自动驾驶车辆避障换道控制方法及装置
CN112485784A (zh) 内轮差区域内目标的危险系数确定方法、装置、电子设备及存储介质
JP6901982B2 (ja) 路面状態検出装置
CN110412565A (zh) 传感器系统及自动驾驶车辆

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
CB02 Change of applicant information

Address after: 100176 floor 10, building 1, zone 2, yard 9, Taihe 3rd Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Beijing National New Energy Vehicle Technology Innovation Center Co.,Ltd.

Address before: 100089 1705 100176, block a, building 1, No. 10, Ronghua Middle Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant before: BEIJING NEW ENERGY VEHICLE TECHNOLOGY INNOVATION CENTER Co.,Ltd.

CB02 Change of applicant information