CN112462353B - 超声波雷达的测试方法、装置、系统及设备 - Google Patents

Abstract

本发明实施例公开了一种超声波雷达的测试方法、装置、系统及设备。包括：获取待测试超声波雷达探测多个第一设定标定杆的测量参数；根据所述测量参数确定所述待测试超声波雷达的特征属性；所述特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；将所述特征属性输入训练好的机器学习算法中，获得所述待测试超声波雷达的测试系数；根据所述测试系数确定所述待测试超声波雷达是否合格。本发明实施例提供的超声波雷达的测试方法，通过多个特征属性来测试超声波雷达是否合格，可以提高超声波雷达的测试准确性。

Description

超声波雷达的测试方法、装置、系统及设备

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种超声波雷达的测试方法、装置、系统及设备。

背景技术

超声波雷达在自动驾驶领域中起着非常重要的作用，自动驾驶车辆基于超声波雷达测距感知数据，可以实现诸如自动泊车、侧翼保护、倒车辅助等功能。超声波雷达的测距性能直接影响上述功能的实现效果与安全性，如何筛选符合使用要求的超声波雷达就非常重要。

超声波雷达由于物理特性，在不同环境下的测距性能存在差异。如果想要实现满足使用要求的功能，需要精确控制不同环境下超声波雷达的测距性能。目前对于超声波雷达的测距性能判定都是标定探测包络，一种是人工在需要测量的位置放置测试杆，一种是通过机械装置控制测试杆移动。之后通过观察超声波雷达是否能识别到测试杆，最终得到超声波雷达的探测包络。

现在的方法通过移动测试杆得到超声波雷达的探测包络，一方面只是表征了超声波雷达测距性能的一方面，没有全面的反应超声波雷达的测距性能；另一方面由于硬件的不确定性，在超声波雷达大规模生产使用时，探头之间存在性能差异，必须要做一定的性能筛选。使用当前的方法筛选符合使用要求的探头，费时费力。即使可以通过自动机械装置完成探测包络的标定，对于测距性能的判定也是不准确，存在偏差。

发明内容

本发明实施例提供一种超声波雷达的测试方法、装置、系统及设备，测试超声波雷达的多个属性，可以提高超声波雷达的测试准确性。

第一方面，本发明实施例提供了一种超声波雷达的测试方法，包括：

获取待测试超声波雷达探测多个第一设定标定杆的测量参数；

根据所述测量参数确定所述待测试超声波雷达的特征属性；所述特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；

将所述特征属性输入训练好的机器学习算法中，获得所述待测试超声波雷达的测试系数；

根据所述测试系数确定所述待测试超声波雷达是否合格。

进一步地，所述多个第一设定标定杆的位置信息由所述待测试超声波雷达的内参阈值分界点和测距范围确定。

进一步地，获取待测试超声波雷达探测多个第一设定标定杆的测量参数，包括：

对于每个第一设定标定杆，控制所述待测试超声波进行多次探测，获得多组测量参数。

进一步地，所述测量参数包括测量距离、实际距离、有效探测数量、实际测距强度和实际余震。

进一步地，对于每个设定标定杆：所述测距误差率为所述测量距离与实际距离的误差均方根、所述测距探测率为单位时间内有效探测与探测总数的比例；所述测距强度偏差率为实际测距强度和标准测距强度的误差均方根；所述探头余震偏差率为实际余震与标准余震的误差均方根。

进一步地，所述机器学习算法的训练方式为：

获取多个初始超声波雷达样本；

获取各初始超声波雷达样本探测多个第二设定标定杆的测量参数，

根据所述测量参数确定各初始超声波雷达样本的特征属性；

根据所述特征属性对所述多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；

根据所述标准超声波雷达样本的特征属性训练所述机器学习算法。

进一步地，根据所述特征属性对所述多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；

对各初始超声波雷达样本的探头余震偏差率进行排序；

按照正态分布规律选取处于中间态范围设定比例的初始超声波雷达样本；确定为候选超声波雷达样本；

将候选超声波雷达样本中测距探测率不满足设定条件的超声波雷达样本删除，获得标准超声波雷达样本。。

第二方面，本发明实施例还提供了一种超声波雷达的测试装置，包括：

测量参数获取模块，用于获取待测试超声波雷达探测多个第一设定标定杆的测量参数；

特征属性确定模块，用于根据所述测量参数确定所述待测试超声波雷达的特征属性；所述特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；

测试系数获取模块，用于将所述特征属性输入训练好的机器学习算法中，获得所述待测试超声波雷达的测试系数；

测试模块，用于根据所述测试系数确定所述待测试超声波雷达是否合格。

第三方面，本发明实施例还提供了一种超声波雷达的测试系统，包括：测试流程配置装置、雷达控制器、雷达安装支架、驱动电机、多个升降支架以及设置于所述升降支架上的标定杆；

所述测试流程配置装置分别与所述雷达控制器和所述驱动电机相连；所述驱动电机与所述多个升降支架相连；

所述测试流程配置装置用于向所述雷达控制器发送第一测试指令，向所述驱动电机发送第二测试指令；其中，所述第二控制指令包括标定杆编号信息；

所述雷达控制器用于根据所述第一测试指令控制所述雷达安装支架上的超声波雷达进行探测；所述驱动电机用于根据所述第二测试指令控制所述标定杆编号信息对应的升降支架带动标定杆升降。

第四方面，本发明实施例还提供了一种计算机设备，所述设备包括：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例所述的超声波雷达的测试方法。

本发明实施例公开了超声波雷达的测试方法、装置、系统及设备。获取待测试超声波雷达探测多个第一设定标定杆的测量参数；根据测量参数确定待测试超声波雷达的特征属性；特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；将特征属性输入训练好的机器学习算法中，获得待测试超声波雷达的测试系数；根据测试系数确定待测试超声波雷达是否合格。本发明实施例提供的超声波雷达的测试方法，通过多个特征属性来测试超声波雷达是否合格，可以提高超声波雷达的测试准确性。

附图说明

图1是本发明实施例一中的一种超声波雷达的测试系统的结构示意图；

图2是本发明实施例一中的升降支架的示例图；

图3是本发明实施例二中的一种超声波雷达的测试方法的流程图；

图4是本发明实施例二中的第一设定标定杆的示例图；

图5是本发明实施例二中的第二设定标定杆的示例图；

图6是本发明实施例三中的一种超声波雷达的测试装置的结构示意图；

图7是本发明实施例四中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。

实施例一

图1为本发明实施例一提供的一种超声波雷达的测试系统的结构示意图。如图1所示，该装置包括：测试流程配置装置110、雷达控制器120、雷达安装支架130、驱动电机140、多个升降支架150以及设置于所述升降支架上的标定杆160。

测试流程配置装置110分别与雷达控制器120相连；雷达控制器120和驱动电机140相连；驱动电机140与多个升降支架160相连。测试流程配置装置110用于向雷达控制器120发送第一测试指令，向驱动电机140发送第二测试指令；其中，第二控制指令包括标定杆编号信息。雷达控制器120用于根据第一测试指令控制雷达安装支架130上的超声波雷达进行探测。驱动电机140用于根据第二测试指令控制所述标定杆编号信息对应的升降支架150带动标定杆160升降。

其中，测试流程配置装置110可以是由台式电脑以及对应的连接线组成，测试流程配置装置110与雷达控制器120通过串口线连接。测试流程配置装置110安装有对应的上位机处理软件，该上位机处理软件根据用户设置下发测试指令。测试流程配置装置110向雷达控制器120下发第一测试指令，雷达控制器120根据第一测试指令控制超声波雷达工作。测试流程配置装置110向驱动电机140下发第二测试指令，使得驱动电机140控制标定杆编号信息对应的升降支架带动标定杆升降，从而使得超声波雷达对该标定杆进行探测。

其中，多个升降支架为大小相同的N*N的正方形方格，实例性的，图2是本发明实施例中的升降支架的示例图。方格下面安装抬升支架和标定杆固定卡扣。根据使用需求，可以适配安装直径75mm或者直径50mm的标定杆。本实施例中，每个升降支架与雷达安装支架的距离固定，将每个正方形方格与探头的距离计算之后做表存储在测试流程配置装置110的上位机处理软件中。使用设备时，上位机软件根据测距方格编号，对比超声波雷达测距与实际距离，分析对比处理数据。

本实施例提供的超声波雷达的测试系统，包括：测试流程配置装置、雷达控制器、雷达安装支架、驱动电机、多个升降支架以及设置于升降支架上的标定杆；测试流程配置装置分别与雷达控制器相连；雷达控制器和驱动电机相连；驱动电机与多个升降支架相连；测试流程配置装置用于向雷达控制器发送第一测试指令，向驱动电机发送第二测试指令；其中，第二控制指令包括标定杆编号信息；雷达控制器用于根据第一测试指令控制雷达安装支架上的超声波雷达进行探测；述驱动电机用于根据第二测试指令控制标定杆编号信息对应的升降支架带动标定杆升降。可以实现对超声波雷达测距性能的自动测试，节省人力成本。

实施例二

图3为本发明实施例二提供的一种超声波雷达的测试方法的流程图。如图3所示，该方法包括如下步骤：

步骤210，获取待测试超声波雷达探测多个第一设定标定杆的测量参数。

其中，测量参数可以包括测量距离、实际距离、有效探测数量、实际测距强度和实际余震。其中，测距强度可以理解为超声波雷达探测障碍物返回的回波宽度。多个第一设定标定杆的位置信息由待测试超声波雷达的内参阈值分界点和测距范围确定，示例性的，图4为确定的第一设定标定杆的示例图。

本实施例中，获取待测试超声波雷达探测多个第一设定标定杆的测量参数，的方式可以是：对于每个第一设定标定杆，控制待测试超声波进行多次探测，获得多组测量参数。

具体的，将待测超声波雷达安装于雷达安装支架上，将测试流程配置装置中的上位机软件的工作模式设置为测试模式，设置需要探测的第一设定标定杆对应的编号，每个标定杆测距的次数。测试流程配置装置下发测试指令，驱动电机根据测试指令逐个控制标定杆升起，雷达控制器根据测试指令控制待测超声波雷达测距，完成测量参数的采集。

步骤220，根据测量参数确定待测试超声波雷达的特征属性。

其中，特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率。

对于每个设定标定杆：测距误差率为测量距离与实际距离的误差均方根、测距探测率为单位时间内有效探测与探测总数的比例；测距强度偏差率为实际测距强度和标准测距强度的误差均方根；探头余震偏差率为实际余震与标准余震的误差均方根。

由于每个标定杆均具有多组测量数据，因此根据统计原理，可以根据多组测量数据获得每个标定杆对应的多个特征属性。

步骤230，将特征属性输入训练好的机器学习算法中，获得待测试超声波雷达的测试系数。

其中，测试系数可以反映待测试超声波雷达是否合格。

其中，机器学习算法可以通过训练或者标定获得。具体的方式可以是：获取多个初始超声波雷达样本；获取各初始超声波雷达样本探测多个第二设定标定杆的测量参数，根据测量参数确定各初始超声波雷达样本的特征属性；根据特征属性对多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；根据标准超声波雷达样本的特征属性训练机器学习算法。

其中，第二设定标定杆有需要测试的包络范围确定。图5是本实施例中第二设定标定杆的示例图。本实施例中，在准备测试的超声波雷达批次产品中随机选取不少于100件的样本，分别编号标记。按照编号从低到高拿取样本，安装在雷达安装支架上，在升降支架的安装卡扣上根据需要测试的包络范围分别在方格中固定75mm标定杆。在测试流程配置对应的上位机软件中设置工作模式为超声波雷达标定模式，设置需要测试的标定杆方格编号，每个标定杆测距的次数；测距误差距离等。配置完成之后开始进行标定。测试流程配置装置下发测试指令，驱动电机根据测试指令逐个控制标定杆升起，雷达控制器根据测试指令控制待测超声波雷达测距，完成测量参数的采集。待全部初始超声波雷达样本测试完成后，根据测量参数确定各初始超声波雷达样本的特征属性。

其中，测量参数包括测量距离、实际距离、有效探测数量、实际测距强度和实际余震。特征属性包括测距误差率、测距探测率、测距强度偏差率及探头余震偏差率。

本实施例中，根据特征属性对多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本的方式可以是：对各初始超声波雷达样本的探头余震偏差率进行排序；按照正态分布规律选取处于中间态范围设定比例的初始超声波雷达样本；确定为候选超声波雷达样本；将候选超声波雷达样本中测距探测率不满足设定条件的超声波雷达样本删除，获得标准超声波雷达样本。

其中，测距探测率不满足设定条件可以理解为测距探测率超过设定阈值。

具体的，在获得标准超声波雷达样本后，根据标准超声波雷达样本的特征属性训练机器学习算法，从而完成标定。

本实施例的技术方案，获取待测试超声波雷达探测多个第一设定标定杆的测量参数；根据测量参数确定待测试超声波雷达的特征属性；特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；将特征属性输入训练好的机器学习算法中，获得待测试超声波雷达的测试系数；根据测试系数确定待测试超声波雷达是否合格。本发明实施例提供的超声波雷达的测试方法，通过多个特征属性来测试超声波雷达是否合格，可以提高超声波雷达的测试准确性。

实施例三

图6是本发明实施例三提供的一种超声波雷达的测试装置的结构示意图。如图6所示，该装置包括：

测量参数获取模块610，用于获取待测试超声波雷达探测多个第一设定标定杆的测量参数；

特征属性确定模块620，用于根据所述测量参数确定所述待测试超声波雷达的特征属性；所述特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；

测试系数获取模块630，用于将所述特征属性输入训练好的机器学习算法中，获得所述待测试超声波雷达的测试系数；

测试模块640，用于根据所述测试系数确定所述待测试超声波雷达是否合格。

可选的，所述多个第一设定标定杆的位置信息由所述待测试超声波雷达的内参阈值分界点和测距范围确定。

可选的，测量参数获取模块610，还用于：

对于每个第一设定标定杆，控制所述待测试超声波进行多次探测，获得多组测量参数。

可选的，所述测量参数包括测量距离、实际距离、有效探测数量、实际测距强度和实际余震。

可选的，对于每个设定标定杆：所述测距误差率为所述测量距离与实际距离的误差均方根、所述测距探测率为单位时间内有效探测与探测总数的比例；所述测距强度偏差率为实际测距强度和标准测距强度的误差均方根；所述探头余震偏差率为实际余震与标准余震的误差均方根。

可选的，还包括：训练模块，用于：

获取多个初始超声波雷达样本；

获取各初始超声波雷达样本探测多个第二设定标定杆的测量参数，

根据所述测量参数确定各初始超声波雷达样本的特征属性；

根据所述特征属性对所述多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；

根据所述标准超声波雷达样本的特征属性训练所述机器学习算法。

可选的，训练模块，还用于：

对各初始超声波雷达样本的探头余震偏差率进行排序；

按照正态分布规律选取处于中间态范围设定比例的初始超声波雷达样本；确定为候选超声波雷达样本；

将候选超声波雷达样本中测距探测率不满足设定条件的超声波雷达样本删除，获得标准超声波雷达样本。

上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。

实施例四

图7是本实施例四提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的计算机设备312的框图。图7显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的超声波雷达的测试功能的计算设备。

如图7所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。

总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的超声波雷达的测试方法。

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 (7)

1.一种超声波雷达的测试方法，其特征在于，包括：

获取待测试超声波雷达探测多个第一设定标定杆的测量参数；

根据所述测量参数确定所述待测试超声波雷达的特征属性；所述特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；

将所述特征属性输入训练好的机器学习算法中，获得所述待测试超声波雷达的测试系数；

根据所述测试系数确定所述待测试超声波雷达是否合格；

其中，所述机器学习算法的训练方式为：

获取多个初始超声波雷达样本；

获取各初始超声波雷达样本探测多个第二设定标定杆的测量参数，

根据所述测量参数确定各初始超声波雷达样本的特征属性；

根据所述特征属性对所述多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；

根据所述标准超声波雷达样本的特征属性训练所述机器学习算法；

其中，所述根据所述特征属性对所述多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；

对各初始超声波雷达样本的探头余震偏差率进行排序；

按照正态分布规律选取处于中间态范围设定比例的初始超声波雷达样本；确定为候选超声波雷达样本；

将候选超声波雷达样本中测距探测率不满足设定条件的超声波雷达样本删除，获得标准超声波雷达样本。

2.根据权利要求1所述的方法，其特征在于，所述多个第一设定标定杆的位置信息由所述待测试超声波雷达的内参阈值分界点和测距范围确定。

3.根据权利要求1所述的方法，其特征在于，获取待测试超声波雷达探测多个第一设定标定杆的测量参数，包括：

对于每个第一设定标定杆，控制所述待测试超声波进行多次探测，获得多组测量参数。

4.根据权利要求3所述的方法，其特征在于，所述测量参数包括测量距离、实际距离、有效探测数量、实际测距强度和实际余震。

5.根据权利要求4所述的方法，其特征在于，对于每个设定标定杆：所述测距误差率为所述测量距离与实际距离的误差均方根、所述测距探测率为单位时间内有效探测与探测总数的比例；所述测距强度偏差率为实际测距强度和标准测距强度的误差均方根；所述探头余震偏差率为实际余震与标准余震的误差均方根。

6.一种超声波雷达的测试装置，其特征在于，包括：

测量参数获取模块，用于获取待测试超声波雷达探测多个第一设定标定杆的测量参数；

特征属性确定模块，用于根据所述测量参数确定所述待测试超声波雷达的特征属性；所述特征属性包括：测距误差率、测距探测率、测距强度偏差率及探头余震偏差率；

测试系数获取模块，用于将所述特征属性输入训练好的机器学习算法中，获得所述待测试超声波雷达的测试系数；

测试模块，用于根据所述测试系数确定所述待测试超声波雷达是否合格；

其中，训练模块，用于：

获取多个初始超声波雷达样本；

获取各初始超声波雷达样本探测多个第二设定标定杆的测量参数，

根据所述测量参数确定各初始超声波雷达样本的特征属性；

根据所述特征属性对所述多个初始超声波雷达样本进行筛选，获得标准超声波雷达样本；

根据所述标准超声波雷达样本的特征属性训练所述机器学习算法；

其中，训练模块，还用于：

对各初始超声波雷达样本的探头余震偏差率进行排序；

按照正态分布规律选取处于中间态范围设定比例的初始超声波雷达样本；确定为候选超声波雷达样本；

将候选超声波雷达样本中测距探测率不满足设定条件的超声波雷达样本删除，获得标准超声波雷达样本。

7.一种计算机设备，其特征在于，所述设备包括：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-5任一所述的超声波雷达的测试方法。