CN112305513A - 一种传感器测量参数修正方法及系统 - Google Patents

一种传感器测量参数修正方法及系统 Download PDF

Info

Publication number
CN112305513A
CN112305513A CN202011166262.7A CN202011166262A CN112305513A CN 112305513 A CN112305513 A CN 112305513A CN 202011166262 A CN202011166262 A CN 202011166262A CN 112305513 A CN112305513 A CN 112305513A
Authority
CN
China
Prior art keywords
sensor
corrected
detection target
value
filtering
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
Application number
CN202011166262.7A
Other languages
English (en)
Other versions
CN112305513B (zh
Inventor
熊新立
王宽
陈剑斌
任凡
梁锋华
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202011166262.7A priority Critical patent/CN112305513B/zh
Publication of CN112305513A publication Critical patent/CN112305513A/zh
Application granted granted Critical
Publication of CN112305513B publication Critical patent/CN112305513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/02—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
    • 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
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous 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
    • G01S7/02—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
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • 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
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4039—Means for monitoring or calibrating of parts of a radar system of sensor or antenna obstruction, e.g. dirt- or ice-coating
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

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

Abstract

本方案涉及一种传感器测量参数修正方法及系统，实现对需要进行测量参数修正的传感器的测量参数进行修正。该方法包括：S1，获取安装在测试车辆上的待修正传感器针对探测目标所在位置所采集的测量值和标准传感器针对探测目标所在位置所采集到的真实值；S2，根据待修正传感器采集的测量值，进行二次曲线拟合，计算S3中进行卡尔曼滤波时所输入的测量噪声；S3，对待修正传感器采集的测量值进行卡尔曼滤波，获得初始滤波值；S4，利用二次曲线拟合，判断初始滤波值是否满足设定条件，若满足，将初始滤波值作为对待修正传感器所采集的测量值的最终滤波结果；反之，执行S5；S5，先调整S2中的测量噪声，再重复S3和S4，直至获得的初始滤波值满足设定条件。

Description

一种传感器测量参数修正方法及系统
技术领域
本发明涉及卡尔曼滤波参数调整，尤其涉及一种传感器测量参数修正方法及系统。
背景技术
近年来，随着人工智能及芯片处理器技术的高速发展，自动驾驶技术也取得了长足的发展。自动驾驶主要包含多传感器融合，决策及控制等关键技术，其中多传感器融合是自动驾驶技术的基础。目前，多传感器融合方法主要有粒子滤波，卡尔曼滤波，贝叶斯推理，D-S证据理论及聚类分析等多种方法。其中卡尔曼滤波及其拓展方法应用比较广泛。
20世纪60年代，为了弥补频域滤波方法的不足，卡尔曼提出了一种时域滤波方法——卡尔曼滤波方法。事实上，卡尔曼滤波方法将信号过程视为一个白噪声作用下的线性系统输出，利用系统的状态方程表达系统的输入-输出关系，使用系统过程噪声和观测噪声描述其估计过程。由于卡尔曼滤波是一种时域滤波方法，因此卡尔曼滤波不仅能够用于平稳的一维随机过程的估计，而且能够用于非平稳的、多维随机过程的估计。另外，由于卡尔曼滤波方法是递推计算的过程，所以它容易实时应用于计算机上。
尽管卡尔曼滤波方法相比于其它方法具有很多优点，但它也存在一定的局限性。一方面卡尔曼滤波算法会受到模型不确定性、不确定的干扰信号的影响，这些影响会造成卡尔曼滤波滤波算法失去最优性，估计精度大大降低；另一方面由于自动驾驶使用的传感器，其测量噪声在不同方位和距离是不同的，因此卡尔曼滤波过程中测量噪声的调整具有一定的难度。本发明以对角毫米波雷达输出的探测目标进行卡尔曼滤波参数调整为例进行阐述。
发明内容
依据上文提出的技术问题，而提供一种传感器测量参数修正方法及系统，实现对需要进行测量参数修正的传感器的测量参数进行修正。
本发明的技术方案为：
本发明实施例提供了一种传感器测量参数修正方法，包括：
步骤S1，获取安装在测试车辆上的待修正传感器针对探测目标所在位置所采集的测量值和标准传感器针对探测目标所在位置所采集到的真实值；
步骤S2，根据待修正传感器采集的测量值，进行二次曲线拟合，计算步骤S3中进行卡尔曼滤波时所输入的测量噪声；
步骤S3，对待修正传感器采集的测量值进行卡尔曼滤波，获得初始滤波值；
步骤S4，利用二次曲线拟合，判断初始滤波值是否满足设定条件，若满足，则将所述初始滤波值作为对待修正传感器所采集的测量值的最终滤波结果；若不满足，则执行步骤S5；
步骤S5，先调整步骤S2中的测量噪声，再重复步骤S3和步骤S4，直至获得的初始滤波值满足设定条件。
优选地，步骤S2中，计算步骤S3中进行卡尔曼滤波时所输入的测量噪声的具体步骤包括：
步骤S21，基于待修正传感器针对探测目标所在位置所采集到的测量值计算探测目标在待修正传感器视场角FOV范围内的方位角，并对计算出的方位角进行归一化处理；其中，方位角在待修正传感器的零度线右侧时为正，方位角在待修正传感器的零度线左侧时为负；
步骤S22，根据归一化处理后的方位角θ和待修正传感器采集到的探测目标的极径r，通过公式：N＝aθ2+br计算经过二次曲线拟合的测量噪声N；其中，a和b均为测量噪声拟合系数。
优选地，步骤S4中，判断初始滤波值是否满足设定条件的具体步骤为：
步骤S41，利用二次曲线拟合，通过公式：
Figure BDA0002745882760000031
计算第一结果ε1，第一结果ε1表示所述初始滤波值和标准传感器采集到的真实值的差值的平方和；
其中，Pi为集合{P1,P2,P3,…Pn}中的任意一个数值，集合{P1,P2,P3,…Pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标各自对应的初始滤波值，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
步骤S42，利用二次曲线拟合，通过公式：
Figure BDA0002745882760000032
计算所述第二结果ε2，第二结果ε2表示待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和；
其中，pi为集合{p1,p2,p3,…pn}中的任意一个数值，集合{p1,p2,p3,…pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
步骤S43，判断所述第二结果是否大于所述第一结果；若大于，则确定所述初始滤波值满足所述设定条件；反之，则确定所述初始滤波值不满足所述设定条件。
本发明实施例还提供了一种传感器测量参数修正系统，包括：
获取模块，获取安装在测试车辆上的待修正传感器针对探测目标所在位置所采集的测量值和标准传感器针对探测目标所在位置所采集到的真实值；
测量噪声计算模块，用于根据待修正传感器采集的测量值，进行二次曲线拟合，计算滤波模块中进行卡尔曼滤波时所输入的测量噪声；
滤波模块，用于对待修正传感器采集的测量值进行卡尔曼滤波，获得滤波值；
修正模块，用于将滤波值和标准传感器采集到的真实值的差值的平方和作为第一结果，将待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和作为第二结果；在所述第二结果大于所述第一结果时，确定待修正传感器的测量值修正完成。
优选地，测量噪声计算模块包括：
第一计算单元，用于基于待修正传感器针对探测目标所在位置所采集到的测量值计算探测目标在待修正传感器视场角FOV范围内的方位角，并对计算出的方位角进行归一化处理；其中，方位角在待修正传感器的零度线右侧时为正，方位角在待修正传感器的零度线左侧时为负；
第二计算单元，用于根据归一化处理后的方位角θ和待修正传感器采集到的探测目标的极径r，通过公式：N＝aθ2+br计算经过二次曲线拟合的测量噪声N；其中，a和b均为测量噪声拟合系数。
优选地，修正模块包括：
第三计算单元，用于利用二次曲线拟合，通过公式：
Figure BDA0002745882760000051
计算第一结果ε1，第一结果ε1表示所述初始滤波值和标准传感器采集到的真实值的差值的平方和；
其中，Pi为集合{P1,P2,P3,…Pn}中的任意一个数值，集合{P1,P2,P3,…Pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标各自对应的初始滤波值，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
第四计算单元，用于利用二次曲线拟合，通过公式：
Figure BDA0002745882760000052
计算所述第二结果ε2，第二结果ε2表示待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和；
其中，pi为集合{p1,p2,p3,…pn}中的任意一个数值，集合{p1,p2,p3,…pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
判断单元，用于判断所述第二结果ε2是否大于所述第一结果ε1；若大于，则确定所述初始滤波值满足所述设定条件；反之，则确定所述初始滤波值不满足所述设定条件。
本发明的有益效果为：
本发明基于二次曲线拟合的方法实现了卡尔曼滤波参数的调整，并对参数调整前后的结果进行了定性和定量的对比分析，从而表明本发明提出方法的可行性和可靠性。与其他方法相比，该方法通过对卡尔曼滤波参数中测量噪声的动态调整，来间接实现对卡尔曼滤波结果的精确调整，进而使得对待修正传感器的测量值的修正精度更高。而且该修正方法易操作且效果相对较好。基于以上原因本发明在智能驾驶汽车中卡尔曼滤波参数的调整问题上具有很高的使用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于二次曲线拟合的卡尔曼滤波参数调整方法的流程图。
图2是本发明基于二次曲线拟合的卡尔曼滤波参数调整方法的技术路线图。
图3是本发明角毫米波雷达安装位置的示意图。
图4是本发明使用的测试场景示意图。
图5a是表示测量值与真实值之间的对比图；
图5b是表示滤波值与真实值之间的对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1和图2所示，本发明提供了一种传感器测量参数修正方法，该方法基于二次曲线拟合的卡尔曼滤波来实现对传感器的测量参数进行修正，本实施例中，以待修正传感器为角毫米波雷达传感器，标准传感器为RT3K传感器为例，该方法具体包括如下步骤：
S1：进行角毫米波雷达传感器的安装以及对角毫米波雷达传感器进行安装位置的校正。
由于智能驾驶功能需求的要求不同，角毫米波雷达传感器的安装位置及角度不同，本发明中角毫米波雷达传感器的安装位置如图3所示，在测试车辆的四个角落处分别安装有角毫米波雷达传感器。
由于角毫米波雷达传感器的安装容易受到各种外部干扰因素的影响，因此角毫米波雷达传感器的安装角度可能存在一定的偏差，这会影响其对探测目标的探测精度，因此需要对其安装偏差进行校正。角毫米波雷达传感器的安装位置的校正过程本质上是其标定过程，其标定程序已由雷达厂商烧录到处理器内，雷达上电后，标定程序会自动启动。
S2:本车坐标系与角毫米波雷达坐标系之间的变换(本发明使用的角毫米波雷达输出目标以本车坐标系为参考)。
本发明中采用的角毫米波雷达以本车作为参考坐标系，为了便于拟合，需要将其变换到角毫米波雷达坐标系。由于已知角毫米波的雷达的安装角度和位置，本发明使用计算机视觉中的立体视觉实现两者坐标系的变换。
计算机视觉中任意两个坐标系的变换都可以使用旋转矩阵R和平移向量T来表示。假设探测目标在角毫米波雷达传感器和本车坐标系的坐标分别为p和q，则p和q的关系如下式：p＝qR+T。
S3：角毫米波雷达传感器对探测目标所在位置进行探测以及标准传感器对探测目标所在位置的真实位置进行探测。此处，标准传感器为预先经过验证，确定对探测目标的探测精度已经达到探测要求的传感器。
设角毫米波雷达传感器对探测目标进行多次探测的探测目标集合为p，RT3K获取的目标真实位置的集合为q，则p和q能够使用下式表示:
Figure BDA0002745882760000081
其中pi表示角毫米波雷达传感器对探测目标在测试场景中的第i帧采集结果对应的探测位置坐标，其中qi表示标准传感器对探测目标在测试场景中的第i帧采集结果对应的真实位置坐标，图4为本发明使用的测试场景示意图。
S4：基于角毫米波雷达传感器探测的视场角FOV范围以及探测的有效距离，利用二次曲线拟合其测量噪声的变化。
基于角毫米波雷达传感器对探测目标的测量坐标计算目标在其视场角FOV范围内的方位角，并对其进行归一化处理。对于方位角来说，在其位于角毫米波雷达传感器的零度线右侧时为正，在其位于角毫米波雷达传感器的零度线左侧时为负。
假设归一化处理后角毫米波雷达传感器所探测到的探测目标的方位角为θ，角毫米波雷达传感器所探测到的探测目标的极径为r，则卡尔曼滤波中的测量噪声N使用二次曲线拟合能够表示为下式：N＝aθ2+br
其中N表示二次曲线拟合的测量噪声，a和b均测量噪声拟合系数。该测量噪声N即为后续卡尔曼滤波时所输入的测量噪声。通过对探测目标的极径r的对角线位置进行调整，来实现对测量噪声进行调整。
S5：基于二次曲线拟合方法对角毫米波雷达传感器针对探测目标的测量值进行卡尔曼滤波，获得初始滤波值；再基于二次曲线拟合方法计算初始滤波值与RT3K传感器获取到的探测目标的真实值的差值的平方和(即第一结果)；将第一结果与第二结果(第二结果为角毫米波雷达传感器针对探测目标的测量值与RT3K传感器探测到的探测目标的真实值的差值的平方和)进行比对分析，来判断所确定的初始滤波值是否能够作为对角毫米波雷达传感器的测量值的最终修正结果。其具体步骤如下：
先利用Matlab软件将角毫米波雷达传感器采集到的探测目标的测量值进行卡尔曼滤波，获得初始滤波值；再基于二次曲线拟合来获得第一结果；并同时，基于二次曲线拟合获得第二结果，通过第一结果和第二结果的大小比对，判断获得的初始滤波值是否满足设定要求。其中，对滤波值和真实值进行二次曲线拟合的对比分析结果如图5b所示，对测量值和真实值进行二次曲线拟合的对比分析结果如图5a所示。
通过图5a和图5b可以看出，该基于二次曲线拟合的卡尔曼滤波参数调整方法在测量噪声的调整中具有一定的优势。
经过卡尔曼滤波后，针对角毫米波雷达传感器对探测目标进行多次探测的探测目标集合p，可以获得关于初始滤波值的集合{P＝P1,P2,P3,…Pn}。
其中，利用二次曲线拟合，通过公式：
Figure BDA0002745882760000101
计算第一结果ε1，第一结果ε1表示所述初始滤波值和标准传感器采集到的真实值的差值的平方和；
其中，Pi为集合{P1,P2,P3,…Pn}中的任意一个数值，集合{P1,P2,P3,…Pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标各自对应的初始滤波值，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标。
本实施例中，计算角毫米波雷达采集的测量值与RT3K获取真值的误差平方和的计算公式如下：
Figure BDA0002745882760000102
第二结果ε2表示待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和；
其中，pi为集合{p1,p2,p3,…pn}中的任意一个数值，集合{p1,p2,p3,…pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标。
当计算出的第二结果ε2大于第一结果ε1时，表明基于二次曲线拟合的卡尔曼滤波参数调整方法能够用于卡尔曼滤波中测量噪声的拟合，即此时获得的初始滤波值可以作为角毫米波雷达传感器的测量值的最终修正结果。如第二结果小于或等于第一结果ε1，则需要调整测量噪声N，再重复进行卡尔曼滤波计算，获得新的初始滤波值，再进行比对，直至确定能够满足上述条件的初始滤波值。
本发明基于二次曲线拟合的方法实现了卡尔曼滤波参数的调整，并对参数调整前后的结果进行了定性和定量的对比分析，从而表明本发明提出方法的可行性和可靠性。与其他方法相比，该方法通过对卡尔曼滤波参数中测量噪声的动态调整，来间接实现对卡尔曼滤波结果的精确调整，进而使得对待修正传感器的测量值的修正精度更高。而且该修正方法易操作且效果相对较好。基于以上原因本发明在智能驾驶汽车中卡尔曼滤波参数的调整问题上具有很高的使用价值。
本发明还提供了一种传感器测量参数修正系统，包括：
获取模块，获取安装在测试车辆上的待修正传感器针对探测目标所在位置所采集的测量值和标准传感器针对探测目标所在位置所采集到的真实值；
测量噪声计算模块，用于根据待修正传感器采集的测量值，进行二次曲线拟合，计算滤波模块中进行卡尔曼滤波时所输入的测量噪声；
滤波模块，用于对待修正传感器采集的测量值进行卡尔曼滤波，获得滤波值；
修正模块，用于将滤波值和标准传感器采集到的真实值的差值的平方和作为第一结果，将待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和作为第二结果；在所述第二结果大于所述第一结果时，确定待修正传感器的测量值修正完成。
优选地，测量噪声计算模块包括：
第一计算单元，用于基于待修正传感器针对探测目标所在位置所采集到的测量值计算探测目标在待修正传感器视场角FOV范围内的方位角，并对计算出的方位角进行归一化处理；其中，方位角在待修正传感器的零度线右侧时为正，方位角在待修正传感器的零度线左侧时为负；
第二计算单元，用于根据归一化处理后的方位角θ和待修正传感器采集到的探测目标的极径r，通过公式：N＝aθ2+br计算经过二次曲线拟合的测量噪声N；其中，a和b均为测量噪声拟合系数。
优选地，修正模块包括：
第三计算单元，用于利用二次曲线拟合，通过公式：
Figure BDA0002745882760000121
计算第一结果ε1，第一结果ε1表示所述初始滤波值和标准传感器采集到的真实值的差值的平方和；
其中，Pi为集合{P1,P2,P3,…Pn}中的任意一个数值，集合{P1,P2,P3,…Pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标各自对应的初始滤波值，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
第四计算单元，用于利用二次曲线拟合，通过公式：
Figure BDA0002745882760000122
计算所述第二结果ε2，第二结果ε2表示待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和；
其中，pi为集合{p1,p2,p3,…pn}中的任意一个数值，集合{p1,p2,p3,…pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
判断单元，用于判断所述第二结果ε2是否大于所述第一结果ε1；若大于，则确定所述初始滤波值满足所述设定条件；反之，则确定所述初始滤波值不满足所述设定条件。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种传感器测量参数修正方法，其特征在于，包括：
步骤S1，获取安装在测试车辆上的待修正传感器针对探测目标所在位置所采集的测量值和标准传感器针对探测目标所在位置所采集到的真实值；
步骤S2，根据待修正传感器采集的测量值，进行二次曲线拟合，计算步骤S3中进行卡尔曼滤波时所输入的测量噪声；
步骤S3，对待修正传感器采集的测量值进行卡尔曼滤波，获得初始滤波值；
步骤S4，利用二次曲线拟合，判断初始滤波值是否满足设定条件，若满足，则将所述初始滤波值作为对待修正传感器所采集的测量值的最终滤波结果；若不满足，则执行步骤S5；
步骤S5，先调整步骤S2中的测量噪声，再重复步骤S3和步骤S4，直至获得的初始滤波值满足设定条件。
2.根据权利要求1所述的方法，其特征在于，步骤S2中，计算步骤S3中进行卡尔曼滤波时所输入的测量噪声的具体步骤包括：
步骤S21，基于待修正传感器针对探测目标所在位置所采集到的测量值计算探测目标在待修正传感器视场角FOV范围内的方位角，并对计算出的方位角进行归一化处理；其中，方位角在待修正传感器的零度线右侧时为正，方位角在待修正传感器的零度线左侧时为负；
步骤S22，根据归一化处理后的方位角θ和待修正传感器采集到的探测目标的极径r，通过公式：N＝aθ2+br计算经过二次曲线拟合的测量噪声N；其中，a和b均为测量噪声拟合系数。
3.根据权利要求1所述的方法，其特征在于，步骤S4中，判断初始滤波值是否满足设定条件的具体步骤为：
步骤S41，利用二次曲线拟合，通过公式：
Figure FDA0002745882750000011
计算第一结果ε1，第一结果ε1表示所述初始滤波值和标准传感器采集到的真实值的差值的平方和；
其中，Pi为集合{P1,P2,P3,…Pn}中的任意一个数值，集合{P1,P2,P3,…Pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标各自对应的初始滤波值，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
步骤S42，利用二次曲线拟合，通过公式：
Figure FDA0002745882750000021
计算所述第二结果ε2，第二结果ε2表示待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和；
其中，pi为集合{p1,p2,p3,…pn}中的任意一个数值，集合{p1,p2,p3,…pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
步骤S43，判断所述第二结果ε2是否大于所述第一结果ε1；若大于，则确定所述初始滤波值满足所述设定条件；反之，则确定所述初始滤波值不满足所述设定条件。
4.一种传感器测量参数修正系统，其特征在于，包括：
获取模块，获取安装在测试车辆上的待修正传感器针对探测目标所在位置所采集的测量值和标准传感器针对探测目标所在位置所采集到的真实值；
测量噪声计算模块，用于根据待修正传感器采集的测量值，进行二次曲线拟合，计算滤波模块中进行卡尔曼滤波时所输入的测量噪声；
滤波模块，用于对待修正传感器采集的测量值进行卡尔曼滤波，获得滤波值；
修正模块，用于将滤波值和标准传感器采集到的真实值的差值的平方和作为第一结果，将待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和作为第二结果；在所述第二结果大于所述第一结果时，确定待修正传感器的测量值修正完成。
5.根据权利要求4所述的系统，其特征在于，测量噪声计算模块包括：
第一计算单元，用于基于待修正传感器针对探测目标所在位置所采集到的测量值计算探测目标在待修正传感器视场角FOV范围内的方位角，并对计算出的方位角进行归一化处理；其中，方位角在待修正传感器的零度线右侧时为正，方位角在待修正传感器的零度线左侧时为负；
第二计算单元，用于根据归一化处理后的方位角θ和待修正传感器采集到的探测目标的极径r，通过公式：N＝aθ2+br计算经过二次曲线拟合的测量噪声N；其中，a和b均为测量噪声拟合系数。
6.根据权利要求4所述的系统，其特征在于，修正模块包括：
第三计算单元，用于利用二次曲线拟合，通过公式：
Figure FDA0002745882750000031
计算第一结果ε1，第一结果ε1表示所述初始滤波值和标准传感器采集到的真实值的差值的平方和；
其中，Pi为集合{P1,P2,P3,…Pn}中的任意一个数值，集合{P1,P2,P3,…Pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标各自对应的初始滤波值，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
第四计算单元，用于利用二次曲线拟合，通过公式：
Figure FDA0002745882750000032
计算所述第二结果ε2，第二结果ε2表示待修正传感器采集到的测量值和标准传感器采集到的真实值的差值的平方和；
其中，pi为集合{p1,p2,p3,…pn}中的任意一个数值，集合{p1,p2,p3,…pn}表示待修正传感器针对探测目标进行n次探测所获得的n帧探测位置坐标，qi为集合{q1,q2,q3,…qn}中的任意一个数值，集合{q1,q2,q3,…qn}表示标准传感器针对探测目标进行n次探测所获得的n帧真实位置坐标；
判断单元，用于判断所述第二结果ε2是否大于所述第一结果ε1；若大于，则确定所述初始滤波值满足所述设定条件；反之，则确定所述初始滤波值不满足所述设定条件。
CN202011166262.7A 2020-10-27 2020-10-27 一种传感器测量参数修正方法及系统 Active CN112305513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011166262.7A CN112305513B (zh) 2020-10-27 2020-10-27 一种传感器测量参数修正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011166262.7A CN112305513B (zh) 2020-10-27 2020-10-27 一种传感器测量参数修正方法及系统

Publications (2)

Publication Number Publication Date
CN112305513A true CN112305513A (zh) 2021-02-02
CN112305513B CN112305513B (zh) 2023-06-30

Family

ID=74331251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011166262.7A Active CN112305513B (zh) 2020-10-27 2020-10-27 一种传感器测量参数修正方法及系统

Country Status (1)

Country Link
CN (1) CN112305513B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115290125A (zh) * 2022-10-10 2022-11-04 泉州昆泰芯微电子科技有限公司 注入随机噪声进行信号修调的方法及磁性编码器
CN117129371A (zh) * 2023-10-27 2023-11-28 宁德时代新能源科技股份有限公司 面密度测量仪的标定方法、装置和可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102221688A (zh) * 2011-03-24 2011-10-19 中国船舶重工集团公司第七○九研究所 一种雷达系统误差估计方法
CN107450057A (zh) * 2016-05-31 2017-12-08 松下知识产权经营株式会社 移动体中装载的雷达装置及其方位角校正方法
CN110058205A (zh) * 2019-05-24 2019-07-26 中国人民解放军陆军炮兵防空兵学院郑州校区 一种基于迭代最近点算法的警戒雷达系统误差校正方法
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
WO2020048649A1 (de) * 2018-09-04 2020-03-12 Robert Bosch Gmbh Verfahren zur erkennung von winkelmessfehlern bei einem radarsensor
CN111665479A (zh) * 2020-07-23 2020-09-15 杭州智波科技有限公司 汽车毫米波雷达的角度校准方法、装置、系统及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102221688A (zh) * 2011-03-24 2011-10-19 中国船舶重工集团公司第七○九研究所 一种雷达系统误差估计方法
CN107450057A (zh) * 2016-05-31 2017-12-08 松下知识产权经营株式会社 移动体中装载的雷达装置及其方位角校正方法
WO2020048649A1 (de) * 2018-09-04 2020-03-12 Robert Bosch Gmbh Verfahren zur erkennung von winkelmessfehlern bei einem radarsensor
CN110058205A (zh) * 2019-05-24 2019-07-26 中国人民解放军陆军炮兵防空兵学院郑州校区 一种基于迭代最近点算法的警戒雷达系统误差校正方法
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
CN111665479A (zh) * 2020-07-23 2020-09-15 杭州智波科技有限公司 汽车毫米波雷达的角度校准方法、装置、系统及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115290125A (zh) * 2022-10-10 2022-11-04 泉州昆泰芯微电子科技有限公司 注入随机噪声进行信号修调的方法及磁性编码器
CN117129371A (zh) * 2023-10-27 2023-11-28 宁德时代新能源科技股份有限公司 面密度测量仪的标定方法、装置和可读存储介质
CN117129371B (zh) * 2023-10-27 2024-04-09 宁德时代新能源科技股份有限公司 面密度测量仪的标定方法、装置和可读存储介质

Also Published As

Publication number Publication date
CN112305513B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN111025250B (zh) 一种车载毫米波雷达在线标定方法
CN113514806B (zh) 自动驾驶过程中障碍物确定方法、装置及电子设备
CN110320518B (zh) 一种车载bsd毫米波雷达安装位置自动标定方法
US20070182623A1 (en) Method and apparatus for on-vehicle calibration and orientation of object-tracking systems
CN112305513A (zh) 一种传感器测量参数修正方法及系统
CN114758504B (zh) 一种基于滤波校正的网联车超速预警方法及系统
CN113720428B (zh) 基于人工智能和计算机视觉的车速感知动态称重补偿方法
CN116148801B (zh) 一种基于毫米波雷达的目标检测方法及系统
CN108151806B (zh) 基于目标距离的异类多传感器数据融合方法
CN110988829B (zh) 一种基于uwb定位的车辆传感器标定方法及系统
CN114035187A (zh) 一种自动驾驶系统的感知融合方法
CN116863382A (zh) 一种基于雷视融合的高速公路多目标追踪方法
CN113552546B (zh) 一种车载雷达安装角度的标定方法及装置
CN115097419A (zh) 一种激光雷达到imu的外参标定方法及装置
CN113298725B (zh) 一种轮船图标图像叠加误差的纠正方法
CN117053838A (zh) 一种测距传感器测距结果校准方法
CN111976832B (zh) 一种方向盘转角数据的计算方法、装置及电子设备
CN114091562A (zh) 多传感数据融合方法、装置、系统、设备和存储介质
CN113933798A (zh) 一种基于相似性原理的全局传感器系统误差分区配准算法
CN113325415A (zh) 车辆雷达数据和相机数据的融合方法及系统
CN117129979B (zh) 一种基于机器学习模型的激光雷达标定方法及系统
CN112731357B (zh) 一种激光点云里程计定位误差的实时修正方法和系统
CN115371719B (zh) 探测设备的参数标定方法和装置、存储介质及电子装置
US20220302901A1 (en) Method for Determining Noise Statistics of Object Sensors
CN116560219B (zh) 基于输电杆塔风速联合分析的自适应监测控制方法及系统

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
GR01 Patent grant
GR01 Patent grant