CN112693466A - 一种车辆环境感知传感器性能测评系统及方法 - Google Patents
一种车辆环境感知传感器性能测评系统及方法 Download PDFInfo
- Publication number
- CN112693466A CN112693466A CN202110126415.3A CN202110126415A CN112693466A CN 112693466 A CN112693466 A CN 112693466A CN 202110126415 A CN202110126415 A CN 202110126415A CN 112693466 A CN112693466 A CN 112693466A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- module
- sensor
- lane line
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000008447 perception Effects 0.000 title claims abstract description 13
- 230000004927 fusion Effects 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明是一种车辆环境感知传感器性能测评系统及方法，其由激光雷达组实时采集环境点云信息，摄像头采集环境中的图像信息，惯性导航系统模块采集车辆定位信息，激光雷达组、摄像头和惯性导航系统模块传输数据给数据融合控制器，数据融合控制器对数据进行处理后输出给工控机，作为评价待测传感器性能指标的真值，工控机获取待测传感器采集的目标信息并实时保存，并将评价待测传感器性能指标真值与待测传感器检测到的目标信息通过运算来判断该传感器是否满足既定性能评价指标。本发明能够提供精确的道路环境上的障碍物与车道线信息，并快速分析用于后续评价待测传感器性能指标的真值，提高对传感器性能的评测能力。
Description
技术领域
本发明属于车辆环境感知传感技术领域，具体涉及车辆驾驶环境感知传感器性能测评技术。
背景技术
随着智能驾驶技术的发展，市场上涌现了不同类型的车载传感器，基于目前的自动驾驶系统，较为常用的传感器有摄像头、毫米波雷达、超声波雷达、激光雷达这四种。不同的传感器采用了不同的技术原理来实现对周围环境目标的感知与跟踪。
目前，对自动驾驶系统所使用的传感器性能测评主要基于高性能惯导设备RT3000，通过将两台高性能惯导设备RT3000分别装载到安装有待测传感器的车辆与作为传感器测量目标的测试车辆上。通过比较高精度定位设备与待测传感器测量的目标车辆的位置、速度、加速度、朝向角等指标，来得出待测传感器的性能指标。该测试方式主要存在以下几点问题：测试场景单一，只能在封闭场景对传感器的基本性能进行测试，无法覆盖自动驾驶所涵盖的复杂场景；测试数据采集后需要离线进行处理分析，无法进行线上实时分析；无法进行场景还原，RT3000无法记录道路的图像信息与环境信息，无法对特定环境下的测试数据进行正确分类与测试；无车道线检测功能；无法提供检测目标的可追溯路径。
可见，为了确定不同传感器的检测性能，目前采用的方案无法精准且高效的完成传感器性能的评估，不能为多传感器融合提供可靠的环境信息。
发明内容
本发明的目的是提供一种车辆环境感知传感器测评系统及方法，以实现对环境感知传感器性能进行精准的测评与测试，为自动驾驶提供可靠的环境信息。
本发明的技术方案如下：
一种车辆环境感知传感器性能测评系统，其包括激光雷达组和/或摄像头、数据融合控制器、惯性导航系统模块、时间同步模块和工控机。
所述激光雷达组具有多个，分别布置在车辆四周，实时采集环境点云信息；所述摄像头布置在车辆上实时采集环境中的图像信息。
所述惯性导航系统模块采集车辆定位信息。
所述激光雷达组、摄像头和惯性导航系统模块通过交换机和线束与数据融合控制器连接，传输各自的信息数据给数据融合控制器；
所述数据融合控制器对数据进行处理后输出，作为评价待测传感器性能指标的真值。
所述工控机连接数据融合控制器，还通过CANFD与待测传感器直接连接，获取待测传感器采集的目标信息并实时保存，并将数据融合控制器输出的评价待测传感器性能指标的真值与待测传感器检测到的目标信息通过运算来判断该传感器是否满足既定性能评价指标。
进一步，所述数据融合控制器包括激光点云预处理模块、目标检测模块、车道线检测模块、坐标转换模块、目标融合模块和目标输出模块、道线输出模块。
进一步，所述数据融合控制器获取激光雷达点云数据、道路点云数据以及惯性导航系统模块采集的定位信息。
进一步，所述激光点云预处理模块配置为，对激光雷达点云数据进行预处理，将预处理后的点云数据发送给坐标转换模块。
进一步，所述坐标转换模块配置为：将预处理后的点云数据的坐标系转换为车辆坐标系下X,Y,Z方向上的三维坐标，再转化为基于惯性导航系统模块的坐标系坐标，发送给目标检测模块与车道线检测模块；
进一步， 所述目标检测模块与车道线检测模块被配置为，利用预训练好的深度神经网络模块识别激光雷达点云信息中的障碍物和车道线，将获取到的信息发送给目标融合模块。
进一步，所述目标融合模块被配置为，融合激光雷达组检测到的重叠障碍物目标和车道线数据，将处理后的障碍物信息和车道线信息分别发送给目标输出模块和车道线输出模块。
进一步，所述目标输出模块与车道线输出模块被配置为，将将处理后的障碍物信息和车道线信息保存为指定的文件类型，作为评价待测传感器性能指标的真值。
使用本系统时，所述待测传感器可以根据测试需求对数量和类型进行调整，分别安装在车辆的相关位置，如前保险杠，前挡风玻璃，车顶，车后视镜等，实时采集传感器检测到目标信息。
本发明进一步提出一种车辆环境感知传感器性能测评方法，其包括以下步骤：
步骤1、数据融合控制器通过CAN传输获取车辆速度、驾驶等车辆信息，通过数据传输获取车辆定位与激光雷达点云信息。待测传感器实时采集道路上的障碍物目标和车道线信息，通过CANFD传输给工控机并保存。
步骤2、激光点云预处理模块对车辆信息、激光雷达点云信息、定位信息进行预处理，然后将经过预处理后的点云信息发送至坐标转换模块。
步骤3、坐标转换模块将激光雷达点云从激光雷达坐标系转换至基于本车的车身坐标系中，然后将转换后的激光雷达点云发送至目标与车道线检测模块。
步骤4、目标检测模块识别激光雷达点云信息中的目标信息和车道线信息，将获取到的信息发送给目标融合模块。
步骤5、目标融合模块融合激光雷达组检测到的重叠障碍物目标和车道线数据，得到最终的融合目标，分别发送给目标输出模块和车道线输出模块。
步骤6、目标输出模块将融合模块处理后的目标信息、车道线信息，进行格式转换，目标分类，车道线分类等操作。将最终的目标信息与车道线信息保存为指定的文件格式，用于后续评价待测传感器性能指标的真值。
本发明的优点如下：
1、本发明能够提供精确的道路环境上的障碍物与车道线信息，提高对传感器性能的评测能力。
2、本发明能够满足开发道路测试时的大数据储存及处理。
3、本发明对测试数据采集后实时进行在线处理分析，方便进行场景还原与场景重构。
4、本发明能够快速分析获得道路环境上的障碍物与车道线信息，用于后续评价待测传感器性能指标的真值，方便后续自动化的获取传感器性能分析报告，得到性能测试结果。
附图说明
图1为本发明提出的车辆环境感知传感器性能测评系统的一种实施例的架构图；
图2为本发明提出的车辆环境感知传感器性能测评方法的一种实施例的流程图。
具体实施方式
下面结合说明书附图对本发明进行进一步的描述：
如图1所示的车辆环境感知传感器性能测评系统，系统硬件部分包含六个四线激光雷达，一个数据融合控制器，一套惯导航系统，两个摄像头，一个GPS（全球定位系统）时间同步模块，两个单线激光雷达，一个工控机，以及所有系统连接需要的电源和线束。
六个四线激光雷达分别安装在前保险杠左侧，前保险杠中心，前保险杠右侧，后保险杠左侧，后保险杠中心，后保险杠右侧。
两个单线激光雷达中，一个为车顶左侧单线激光雷达，一个为车顶右侧单线激光雷达，分别装在车顶尾部支架左侧与右侧。
两个摄像头分别安装在车辆驾驶台中心与后挡风玻璃中心处。
一个待测摄像头安装在前挡风玻璃顶部中心。
激光雷达，摄像头，GPS时间同步模块通过交换机和线束与数据融合控制器连接。
以上八个激光雷达实时采集环境点云信息，摄像头采集环境中的图像信息， GPS同时采集车辆定位信息，这些信息均通过数据线实时传输给数据融合控制器，数据融合控制器进行处理后，分别输出传感器测评系统与待测传感器检测到的障碍物目标信息。
数据融合模块接收来自激光雷达、摄像头、高精度惯导的车辆定位数据，对整体数据进行处理后输出目标与车道线数据给工控机进行下一步处理。待测传感器通过CANFD与工控机直接连接，采集待测传感器相关数据并保存在工控机上。
其中，数据融合控制器具有激光点云预处理模块、坐标转换模块、障碍物车道线检测模块、数据融合模块和障碍物车道线信息输出模块。
如图2所示的车辆环境感知传感器性能测评方法包括：
步骤一、数据融合控制器通过CAN传输获取车辆速度、航向角等车辆信息，通过数据传输获取高精度定位与激光雷达点云信息。待测传感器实时采集道路上的障碍物目标和车道线信息，通过CANFD传输给工控机并保存为指定的数据格式。
步骤二、激光点云预处理对车辆信息、点云信息，高精度定位信息进行预处理，包括数据同步、数据裁剪、滤除地面点云等，然后将经过预处理后的点云信息发送至坐标转换模块。
步骤三、坐标转换模块通过平移与旋转将激光雷达点云从激光雷达坐标系转换至基于本车的车身坐标系中，再转化为基于惯性导航系统模块的坐标系坐标，然后将转换后的激光雷达点云发送至目标检测模块与车道线检测模块。
步骤四、目标检测模块首先通过利用预训练好的深度神经网络模块对激光雷达点云原始点云进行分割、构建与过滤等操作得到目标的ID、边界框，加速度，横纵向位置，速度，航向角等目标信息。车道线检测模块通过对杂波进行过滤、点云聚类、拟合等方法得到车道线的ID、曲率、曲率变化率、朝向角、截取点、车道线数量车道线系数等车道线信息。然后将获取到的信息发送给目标融合模块。
步骤五、目标融合模块对各个激光雷达检测的障碍物目标进行融合与分割，若有多个激光雷达同时检测到同一个目标，融合模块将各个激光雷达检测到的目标进行筛选，进行概率匹配，得到目标关联的概率，通过设定相关的阈值将不能够关联上的目标进行滤除，将通过关联阈值的目标进行数据融合，得到最终的融合目标。目标融合模块对各个激光雷达检测到的车道线信息进行筛选，设置车道线融合的权重，得到融合后的车道线信息。
目标融合模块的作用是融合周围六个四线激光雷达和车顶上方两个单线激光雷达检测到的重叠障碍物目标和车道线数据。避免出现同一个车俩目标被测评系统识别为两个目标。
步骤六、目标输出模块将车道线信息以及融合模块处理后的目标信息进行格式转换、目标分类、车道线分类等操作。将最终的目标信息与车道线信息保存为指定的文件格式，用于后续评价待测传感器性能指标的真值。
步骤七、将评价待测传感器性能指标的真值与待测传感器检测到的障碍物目标信息通过统计运算（如均方误差（MSE），RMSE，均值，方差等指标）来判断该传感器是否满足既定性能评价指标。
Claims (9)
1.车辆环境感知传感器性能测评系统，其特征在于，包括激光雷达组和/或摄像头、数据融合控制器、惯性导航系统模块、时间同步模块和工控机；
所述激光雷达组布置在车辆四周，实时采集环境点云信息；
所述摄像头布置在车辆上，采集环境中的图像信息；
所述惯性导航系统模块采集车辆定位信息；
所述激光雷达组、摄像头和惯性导航系统模块通过交换机和线束与数据融合控制器连接，传输各自的信息数据给数据融合控制器；
所述数据融合控制器对数据进行处理后输出给工控机，作为评价待测传感器性能指标的真值；
所述工控机连接数据融合控制器，还通过CANFD与待测传感器直接连接，获取待测传感器采集的目标信息并实时保存，并将数据融合控制器输出的评价待测传感器性能指标的真值与待测传感器检测到的目标信息通过运算来判断该传感器是否满足既定性能评价指标。
2.根据权利要求1所述的车辆环境感知传感器性能测评系统，其特征在于，所述数据融合控制器包括激光点云预处理模块、目标检测模块、车道线检测模块、坐标转换模块、目标融合模块和目标输出模块、车道线输出模块；
数据融合控制器获取激光雷达点云数据、道路点云数据以及惯性导航系统模块采集的定位信息；
所述激光点云预处理模块配置为，对激光雷达点云数据进行预处理，将预处理后的点云数据发送给坐标转换模块；
所述坐标转换模块配置为：将预处理后的点云数据的坐标系转换为车辆坐标系下X,Y,Z方向上的三维坐标，再转化为基于惯性导航系统模块的坐标系坐标，发送给目标检测模块与车道线检测模块；
所述目标检测模块与车道线检测模块被配置为，利用预训练好的深度神经网络模块识别激光雷达点云信息中的障碍物和车道线，将获取到的信息发送给目标融合模块；
所述目标融合模块被配置为，融合激光雷达组检测到的重叠障碍物目标和车道线数据，将处理后的障碍物信息和车道线信息分别发送给目标输出模块和车道线输出模块；
所述目标输出模块与车道线输出模块被配置为，将处理后的障碍物信息和车道线信息保存为指定的文件类型，作为评价待测传感器性能指标的真值。
3.根据权利要求2所述的车辆环境感知传感器性能测评系统，其特征在于，所述传感器性能指标是指各个障碍物的目标ID、目标边界框、目标加速度、目标横纵向位置、目标速度、目标航向角、目标类型、车道线数量、车道线系数、车道线类型。
4.根据权利要求1、2或3所述的车辆环境感知传感器性能测评系统，其特征在于，所述待测传感器可为摄像头、毫米波雷达和/或超声波雷达等智能驾驶传感器，可根据测试需求对传感器数量和类型进行调整，分别安装在车辆前保险杠、前挡风玻璃、车顶和/或车后视镜上，实时采集目标信息。
5.根据权利要求4所述的车辆环境感知传感器性能测评系统，其特征在于，所述激光雷达组包括六个四线激光雷达和两个单线激光雷达；六个四线激光雷达分别安装在前保险杠左侧、中心和右侧，后保险杠左侧、中心和右侧；两个单线激光雷达分别安装在车辆后方车顶。
6.根据权利要求4所述的车辆环境感知传感器性能测评系统，其特征在于，所述时间同步模块采用NTP时间同步模块。
7.一种车辆环境感知传感器性能测评方法，其特征在于，采用权利要求1-6所述的系统，包括以下步骤：
步骤1、数据融合控制器通过CAN传输获取车辆速度、驾驶等车辆信息，通过数据传输获取车辆定位与激光雷达点云信息；待测传感器实时采集道路上的障碍物目标和车道线信息，通过CANFD传输给工控机并保存；
步骤2、激光点云预处理模块对车辆信息、激光雷达点云信息、定位信息进行预处理，然后将经过预处理后的点云信息发送至坐标转换模块；
步骤3、坐标转换模块将激光雷达点云从激光雷达坐标系转换至基于本车的车身坐标系中，然后将转换后的激光雷达点云发送至目标与车道线检测模块；
步骤4、目标检测模块识别激光雷达点云信息中的目标信息和车道线信息，将获取到的信息发送给目标融合模块；
步骤5、目标融合模块融合激光雷达组检测到的重叠障碍物目标和车道线数据，得到最终的融合目标，分别发送给目标输出模块和车道线输出模块；
步骤6、目标输出模块将融合模块处理后的目标信息、车道线信息，进行格式转换，目标分类，车道线分类等操作，将最终的目标信息与车道线信息保存为指定的文件格式，作为后续评价待测传感器性能指标的真值，输出到工控机。
8.根据权利要求7所述的车辆环境感知传感器性能测评方法，其特征在于，所述步骤4包括：目标检测模块通过神经网络对目标进行分割、构建与过滤得到目标的ID、速度、位置、加速度、朝向角等目标信息；车道线检测模块通过对杂波进行过滤、点云聚类、拟合等方法得到车道线的ID、曲率、曲率变化率、朝向角、截取点等车道线信息。
9.根据权利要求7所述的车辆环境感知传感器性能测评方法，其特征在于，所述步骤5包括：目标融合模块对各个激光雷达检测的目标进行融合与分割，若有多个激光雷达同时检测到同一个目标，融合模块将各个激光雷达检测到的目标进行筛选，概率匹配，得到目标关联的概率，通过设定相关的阈值将不能够关联上的目标进行滤除，将通过关联阈值的目标进行数据融合，得到最终的融合目标；目标融合模块对各个激光雷达检测到的车道线信息进行筛选，设置车道线融合的权重，得到融合后的车道线信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110126415.3A CN112693466A (zh) | 2021-01-29 | 2021-01-29 | 一种车辆环境感知传感器性能测评系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110126415.3A CN112693466A (zh) | 2021-01-29 | 2021-01-29 | 一种车辆环境感知传感器性能测评系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112693466A true CN112693466A (zh) | 2021-04-23 |
Family
ID=75516388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110126415.3A Pending CN112693466A (zh) | 2021-01-29 | 2021-01-29 | 一种车辆环境感知传感器性能测评系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112693466A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113155173A (zh) * | 2021-06-02 | 2021-07-23 | 福瑞泰克智能系统有限公司 | 感知性能评测方法、装置、电子装置和存储介质 |
| CN113566833A (zh) * | 2021-07-28 | 2021-10-29 | 上海工程技术大学 | 一种多传感器融合的车辆定位方法及系统 |
| CN113781471A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶测试场系统及方法 |
| CN114091626A (zh) * | 2022-01-19 | 2022-02-25 | 浙江吉利控股集团有限公司 | 真值检测方法、装置、设备及存储介质 |
| CN114353817A (zh) * | 2021-12-28 | 2022-04-15 | 重庆长安汽车股份有限公司 | 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质 |
| CN114459503A (zh) * | 2021-12-28 | 2022-05-10 | 武汉中海庭数据技术有限公司 | 一种用于智能驾驶的定位系统有效性实车评估方法及系统 |
| CN114543830A (zh) * | 2022-02-28 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种基于真值系统的车载传感器噪声估计系统及方法 |
| CN114543842A (zh) * | 2022-02-28 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种多传感器融合定位系统的定位精度评价系统及方法 |
| CN114579417A (zh) * | 2022-03-23 | 2022-06-03 | 小米汽车科技有限公司 | 车道线识别的性能测试方法、装置及电子设备 |
| CN114802284A (zh) * | 2022-02-16 | 2022-07-29 | 武汉路特斯汽车有限公司 | 车辆感知性能评价方法及系统 |
| CN114866762A (zh) * | 2022-03-15 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种摄像头传感器的可视化检测方法、装置及系统 |
| CN115825901A (zh) * | 2023-02-21 | 2023-03-21 | 南京楚航科技有限公司 | 一种车载传感器感知性能评测真值系统 |
| CN117420143A (zh) * | 2023-12-19 | 2024-01-19 | 斯润天朗（北京）科技有限公司 | 基于多源传感器融合的路面缺陷检测方法、装置和计算机设备 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130242284A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHODS AND APPARATUS OF FUSING RADAR/CAMERA OBJECT DATA AND LiDAR SCAN POINTS |
| US9707961B1 (en) * | 2016-01-29 | 2017-07-18 | Ford Global Technologies, Llc | Tracking objects within a dynamic environment for improved localization |
| DE102016206631A1 (de) * | 2016-04-20 | 2017-10-26 | Continental Automotive Gmbh | Vorrichtung zur Datenfusion von Messdaten für eine Generierung eines räumlichen Belegungsrasters für ein Kraftfahrzeug |
| CN108196260A (zh) * | 2017-12-13 | 2018-06-22 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合系统的测试方法和装置 |
| US20190351899A1 (en) * | 2018-05-16 | 2019-11-21 | GM Global Technology Operations LLC | Automated driving systems and control logic using sensor fusion for intelligent vehicle control |
| CN111103577A (zh) * | 2020-01-07 | 2020-05-05 | 湖南大学 | 一种基于循环神经网络的端到端激光雷达标定方法 |
| CN111142091A (zh) * | 2020-01-10 | 2020-05-12 | 清华大学 | 一种融合车载信息的自动驾驶系统激光雷达在线标定方法 |
| US20200200566A1 (en) * | 2018-12-20 | 2020-06-25 | Samsung Electronics Co., Ltd. | Vehicle driving control apparatus and calibration method performed by the vehicle driving control apparatus |
| US20200210887A1 (en) * | 2018-12-31 | 2020-07-02 | Lyft, Inc. | Approaches for determining sensor calibration |
| CN111522043A (zh) * | 2020-04-30 | 2020-08-11 | 北京联合大学 | 一种无人车激光雷达快速重新匹配定位方法 |
| CN111928862A (zh) * | 2020-08-10 | 2020-11-13 | 廊坊和易生活网络科技股份有限公司 | 利用激光雷达和视觉传感器融合在线构建语义地图的方法 |
| US20200410704A1 (en) * | 2019-06-28 | 2020-12-31 | Baidu Usa Llc | Sensor calibration system for autonomous driving vehicles |
| CN112241007A (zh) * | 2020-07-01 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶环境感知传感器的标定方法、布置结构及车辆 |
-
2021
- 2021-01-29 CN CN202110126415.3A patent/CN112693466A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130242284A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHODS AND APPARATUS OF FUSING RADAR/CAMERA OBJECT DATA AND LiDAR SCAN POINTS |
| US9707961B1 (en) * | 2016-01-29 | 2017-07-18 | Ford Global Technologies, Llc | Tracking objects within a dynamic environment for improved localization |
| DE102016206631A1 (de) * | 2016-04-20 | 2017-10-26 | Continental Automotive Gmbh | Vorrichtung zur Datenfusion von Messdaten für eine Generierung eines räumlichen Belegungsrasters für ein Kraftfahrzeug |
| CN108196260A (zh) * | 2017-12-13 | 2018-06-22 | 北京汽车集团有限公司 | 无人驾驶车辆多传感器融合系统的测试方法和装置 |
| US20190351899A1 (en) * | 2018-05-16 | 2019-11-21 | GM Global Technology Operations LLC | Automated driving systems and control logic using sensor fusion for intelligent vehicle control |
| US20200200566A1 (en) * | 2018-12-20 | 2020-06-25 | Samsung Electronics Co., Ltd. | Vehicle driving control apparatus and calibration method performed by the vehicle driving control apparatus |
| US20200210887A1 (en) * | 2018-12-31 | 2020-07-02 | Lyft, Inc. | Approaches for determining sensor calibration |
| US20200410704A1 (en) * | 2019-06-28 | 2020-12-31 | Baidu Usa Llc | Sensor calibration system for autonomous driving vehicles |
| CN111103577A (zh) * | 2020-01-07 | 2020-05-05 | 湖南大学 | 一种基于循环神经网络的端到端激光雷达标定方法 |
| CN111142091A (zh) * | 2020-01-10 | 2020-05-12 | 清华大学 | 一种融合车载信息的自动驾驶系统激光雷达在线标定方法 |
| CN111522043A (zh) * | 2020-04-30 | 2020-08-11 | 北京联合大学 | 一种无人车激光雷达快速重新匹配定位方法 |
| CN112241007A (zh) * | 2020-07-01 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶环境感知传感器的标定方法、布置结构及车辆 |
| CN111928862A (zh) * | 2020-08-10 | 2020-11-13 | 廊坊和易生活网络科技股份有限公司 | 利用激光雷达和视觉传感器融合在线构建语义地图的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 白云龙等: "汽车多传感器融合技术应用", 《时代汽车》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113155173B (zh) * | 2021-06-02 | 2022-08-30 | 福瑞泰克智能系统有限公司 | 感知性能评测方法、装置、电子装置和存储介质 |
| CN113155173A (zh) * | 2021-06-02 | 2021-07-23 | 福瑞泰克智能系统有限公司 | 感知性能评测方法、装置、电子装置和存储介质 |
| CN113566833A (zh) * | 2021-07-28 | 2021-10-29 | 上海工程技术大学 | 一种多传感器融合的车辆定位方法及系统 |
| CN113781471A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶测试场系统及方法 |
| CN113781471B (zh) * | 2021-09-28 | 2023-10-27 | 中国科学技术大学先进技术研究院 | 一种自动驾驶测试场系统及方法 |
| CN114353817A (zh) * | 2021-12-28 | 2022-04-15 | 重庆长安汽车股份有限公司 | 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质 |
| CN114459503A (zh) * | 2021-12-28 | 2022-05-10 | 武汉中海庭数据技术有限公司 | 一种用于智能驾驶的定位系统有效性实车评估方法及系统 |
| CN114353817B (zh) * | 2021-12-28 | 2023-08-15 | 重庆长安汽车股份有限公司 | 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质 |
| CN114091626A (zh) * | 2022-01-19 | 2022-02-25 | 浙江吉利控股集团有限公司 | 真值检测方法、装置、设备及存储介质 |
| CN114802284A (zh) * | 2022-02-16 | 2022-07-29 | 武汉路特斯汽车有限公司 | 车辆感知性能评价方法及系统 |
| CN114543842B (zh) * | 2022-02-28 | 2023-07-28 | 重庆长安汽车股份有限公司 | 一种多传感器融合定位系统的定位精度评价系统及方法 |
| CN114543842A (zh) * | 2022-02-28 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种多传感器融合定位系统的定位精度评价系统及方法 |
| CN114543830A (zh) * | 2022-02-28 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种基于真值系统的车载传感器噪声估计系统及方法 |
| CN114866762A (zh) * | 2022-03-15 | 2022-08-05 | 中国第一汽车股份有限公司 | 一种摄像头传感器的可视化检测方法、装置及系统 |
| CN114579417A (zh) * | 2022-03-23 | 2022-06-03 | 小米汽车科技有限公司 | 车道线识别的性能测试方法、装置及电子设备 |
| CN114579417B (zh) * | 2022-03-23 | 2023-02-21 | 小米汽车科技有限公司 | 车道线识别的性能测试方法、装置及电子设备 |
| CN115825901A (zh) * | 2023-02-21 | 2023-03-21 | 南京楚航科技有限公司 | 一种车载传感器感知性能评测真值系统 |
| CN117420143A (zh) * | 2023-12-19 | 2024-01-19 | 斯润天朗（北京）科技有限公司 | 基于多源传感器融合的路面缺陷检测方法、装置和计算机设备 |
| CN117420143B (zh) * | 2023-12-19 | 2024-03-15 | 斯润天朗（北京）科技有限公司 | 基于多源传感器融合的路面缺陷检测方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112693466A (zh) | 一种车辆环境感知传感器性能测评系统及方法 | |
| CN108196260B (zh) | 无人驾驶车辆多传感器融合系统的测试方法和装置 | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| CN112562405A (zh) | 一种雷达视频智能融合与预警方法及系统 | |
| CN105109484A (zh) | 目标障碍物体确定方法及装置 | |
| CN109828571A (zh) | 基于v2x的自动驾驶车辆、方法和装置 | |
| CN110873879A (zh) | 一种多源异构传感器特征深度融合的装置及方法 | |
| CN109270524B (zh) | 基于无人驾驶的多数据融合障碍物检测装置及其检测方法 | |
| CN113850102B (zh) | 基于毫米波雷达辅助的车载视觉检测方法及系统 | |
| CN112379674A (zh) | 一种自动驾驶设备及系统 | |
| CN115257784A (zh) | 基于4d毫米波雷达的车路协同系统 | |
| CN111413983A (zh) | 一种无人驾驶车辆的环境感知方法及控制端 | |
| CN111123262B (zh) | 自动驾驶3d建模方法、装置及系统 | |
| CN116347385A (zh) | 一种面向车路协同的通信感知及边缘计算一体化系统 | |
| CN112949782A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| CN112116031A (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
| CN113378741A (zh) | 一种基于多源传感器的飞机牵引车辅助感知方法及其系统 | |
| CN112462368B (zh) | 一种障碍物检测方法、装置、车辆及存储介质 | |
| CN111695619A (zh) | 一种多传感器目标融合方法、装置、车辆及存储介质 | |
| CN114495064A (zh) | 一种基于单目深度估计的车辆周围障碍物预警方法 | |
| CN112784679A (zh) | 车辆避障方法和装置 | |
| CN111796287A (zh) | 一种自动驾驶汽车道路数据采集分析装置 | |
| CN114049767A (zh) | 一种边缘计算方法、装置及可读存储介质 | |
| CN113962301A (zh) | 一种多源输入信号融合的路面质量检测方法及系统 | |
| CN117008574A (zh) | 一种智能网联汽车高级辅助驾驶系统和自动驾驶系统测试平台 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210423 |
|
| RJ01 | Rejection of invention patent application after publication |