CN112867939B - 光探测和测距的直流偏置和噪声功率的实时估计 - Google Patents
光探测和测距的直流偏置和噪声功率的实时估计 Download PDFInfo
- Publication number
- CN112867939B CN112867939B CN201880098309.5A CN201880098309A CN112867939B CN 112867939 B CN112867939 B CN 112867939B CN 201880098309 A CN201880098309 A CN 201880098309A CN 112867939 B CN112867939 B CN 112867939B
- Authority
- CN
- China
- Prior art keywords
- time window
- noise
- estimated
- weight
- noise value
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 19
- 230000004931 aggregating effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 32
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 101150079125 DCN1 gene Proteins 0.000 description 2
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 non-metallic objects Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01S7/48—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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
- G01S7/4873—Extracting wanted echo signals, e.g. pulse detection by deriving and controlling a threshold value
Abstract
本公开的实施例提供一种用于分析光探测和测距(LiDAR)的噪声数据的系统。所述系统包括被配置为在时间窗口中依序接收所述LiDAR的噪声数据的通信接口、被配置为存储指令的至少一个存储设备以及被配置为执行指令以执行操作的至少一个处理器。示例性操作包括通过使用在第一时间窗口中接收到的噪声数据来确定所述第一时间窗口的估计的噪声值,以及通过使用在第二时间窗口中接收到的噪声数据来确定所述第二时间窗口的瞬时噪声值。所述第二时间窗口紧接在所述第一时间窗口之后。所述操作还包括:通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值。
Description
相关申请
本申请要求于2018年12月24日提交的美国专利申请第16/231,911号的优先权,其内容通过引用并入本文。
技术领域
本公开涉及一种光探测和测距(LiDAR)系统,并且更具体地,涉及一种估计LiDAR的直流(DC)偏置和噪声功率的系统和方法。
背景技术
光探测和测距(Light Detection And Ranging,LiDAR)系统已广泛用于自动驾驶和多个先进驾驶辅助系统(Advanced Driving Assistance System,ADAS)并用于生成高清地图。例如,LiDAR系统通过用脉冲激光照射目标并用传感器测量所反射的脉冲来测量到目标的距离。然后可以使用激光返回时间与波长的差异来制作目标的数字三维(3-D)表示。用于LiDAR扫描的激光可以是紫外光、可见光或近红外光。因为使用窄激光束作为来自扫描仪的入射光可以以非常高的分辨率绘制物理特征,所以LiDAR系统尤其适合如高清地图勘测等应用。
LiDAR发送器通常将信号(例如,激光脉冲)发送到表面上或周围环境中,并且由LiDAR接收器收集返回的信号(例如,由周围环境中的物体返回的信号)。然后,LiDAR可以基于例如光速和信号传播的时间(例如,发送信号的时间与接收信号的时间之间的持续时间)来计算期望的参数,如物体与车辆之间的距离,并使用参数来构造周围环境的地图和/或模型。然而,返回的信号与噪声耦合,这可能引起探测错误。因此,需要实时估计噪声参数,以提高LiDAR的效率和准确性。
本公开的实施例通过改进的用于LiDAR的噪声估计方法解决了以上问题。
发明内容
本公开的实施例提供一种用于分析光探测和测距(LiDAR)的噪声数据的系统。所述系统可以包括被配置为在多个时间窗口中依序接收所述LiDAR的噪声数据的通信接口,被配置为存储指令的至少一个存储设备,以及被配置为执行指令以执行操作的至少一个处理器。所述操作可以包括,使用在第一时间窗口中接收到的噪声数据确定所述第一时间窗口的估计的噪声值,以及使用在第二时间窗口中接收到的噪声数据确定所述第二时间窗口的瞬时噪声值。所述第二时间窗口可以紧接在所述第一时间窗口之后。所述操作还可以包含通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值。
本公开的实施例还提供一种用于分析光探测和测距(LiDAR)的噪声数据的方法。所述方法可以包括由处理器通过使用LiDAR的接收器在第一时间窗口中接收到的噪声数据确定所述第一时间窗口的估计的噪声值,以及由所述处理器通过使用所述LiDAR的所述接收器在第二时间窗口中接收到的噪声数据确定所述第二时间窗口的瞬时噪声值。所述第二时间窗口可以紧接在所述第一时间窗口之后。所述方法还可以包括由所述处理器通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值。
本公开的实施例还提供一种其上存储有指令的非暂时性计算机可读介质。当由至少一个处理器执行时,所述指令能够引起所述至少一个处理器执行用于分析光探测和测距(LiDAR)的噪声数据的方法。所述方法可以包括使用在第一时间窗口中接收到的噪声数据确定所述第一时间窗口的估计的噪声值,以及通过使用在第二时间窗口中接收到的噪声数据来确定所述第二时间窗口的瞬时噪声值。所述第二时间窗口可以紧接在所述第一时间窗口之后。所述方法还可以包括通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值。
应理解,如所要求地,前述一般描述和以下详细描述两者仅是示例性和说明性的,并不限制本发明。
附图简要说明
图1示出了根据本公开的实施例的配备有光探测和测距(LiDAR)系统的示例性车辆的示意图。
图2A示出了根据本公开的实施例的示例性光探测和测距(LiDAR)系统的框图。
图2B示出了根据本公开的实施例的用于计算估计的直流(DC)偏置和估计的噪声功率的示例性控制器的框图。
图3示出了根据本公开的实施例的作为样本指标函数的探测到的信号和噪声强度的示例。
图4示出了根据本公开的实施例的用于估计直流偏置的示例性数据流。
图5示出了根据本公开的实施例的用于估计噪声功率的示例性数据流。
图6示出了根据本公开的实施例的用于计算估计的直流偏置/噪声功率的示例性方法的流程图。
具体实施方式
现在将详细参考示例性实施例,其实例在附图中示出。将在所有附图中尽可能使用相同的附图标记指代相同或相似的部件。
图1示出了根据本公开的实施例的配备有光探测和测距(LiDAR)系统102的示例性车辆100的示意图。与一些实施例一致,车辆100可以是被配置用于例如构造高清地图的获取点云数据的勘测车辆。
如图1所示,车辆100可以配备有经由安装结构108安装到车身104的LiDAR系统102。安装结构108可以是安装到或以其它方式附接到车辆100的车身104的机电设备。在本公开的一些实施例中,安装结构108可以使用螺丝、粘合剂或其它安装机构。可以设想,可以将LiDAR系统102配备在车辆100上的方式不受图1所示的实例限制,并且可以根据LiDAR系统102和/或车辆100的类型进行修改,以实现期望的3-D感测性能。
与一些实施例相一致地,LiDAR系统102可以被配置为在车辆100沿着轨迹移动时捕获数据。例如,LiDAR系统102的发送器被配置为扫描周围环境并获取点云。LiDAR系统102通过用脉冲激光照射目标并用接收器测量反射脉冲来测量到目标的距离。用于LiDAR系统102的激光可以是紫外光、可见光或近红外光。在本公开的一些实施例中,LiDAR系统102可以捕获点云。当车辆100沿着轨迹移动时,LiDAR系统102可以连续地捕获数据。在特定时间范围捕获的每组场景数据被称为数据帧。
与本公开相一致地,可以包含用于处理和/或分析所收集的数据以进行各种操作(如分析所收集的数据)的控制器。控制器还可以与如服务器(或云)等远程处理设备通信以进行LiDAR系统102的操作。控制器的组件可以在集成设备中或分布于不同位置处,但是通过网络(未示出)彼此通信。在一些实施例中,控制器可以完全位于LiDAR系统102内。在一些替代的实施例中,控制器的一个或多个组件可以位于LiDAR系统102中、车辆100内,或者可替代地位于移动设备中、云中或其它远程位置中。
在一些实施例中,控制器可以本地处理噪声数据。在一些替代的实施例中,控制器连接到用于处理噪声数据的服务器。例如,控制器可以将收集的噪声数据导出到服务器以进行数据处理,并从服务器接收处理后的数据(例如,估计的直流偏置/噪声功率)。在一些实施例中,噪声数据可以被处理,并且直流偏置/噪声功率可以被实时估计。可以基于估计的直流偏置/噪声功率来更新探测阈值。
图2A示出了根据本公开的实施例的示例性光探测和测距(LiDAR)系统102的框图。LiDAR系统102具有用于扫描激光束209的发送器202,以及用于收集包含噪声数据的数据和由物体212反射的返回的激光束211的接收器204。发送器202可以包含将激光束209向外发送到车辆100的周围环境中的任何合适的光源。在一些实施例中,激光束209包含具有如图2A所示的扫描角的脉冲激光信号。
发送器202可以包含用于产生期望波长的激光束209的任何合适的组件。例如,发送器202可以包括在紫外线的、可见的或近红外线的波长范围内产生天然激光束207的激光源206。发送器202还可以包含校准天然激光束207以产生激光束209的光调制器208。扫描仪210能够以期望的扫描角度和期望的扫描速率扫描激光束209。激光束209可以入射在物体212上,反射回来,并由接收器214收集。物体212可以由多种材料制成,例如非金属物体、岩石、雨水、化合物、气溶胶、云甚至单个分子。激光束209的波长可以基于物体212的成分而变化。在本公开的一些实施例中,扫描仪210还可以包含能够将脉冲激光聚焦成窄激光束以增加物体212的扫描分辨率和范围的光学组件(例如,透镜、镜子)。
作为LiDAR系统102的一部分,接收器204可以被配置为探测从物体212返回的返回的激光束211(例如,返回的信号)。接收器204能够收集从物体212返回的激光束,并输出反映返回的激光束的强度的电信号。接触后,物体212能够经由如瑞利散射(Rayleighscattering)、米氏散射(Mie scattering)、拉曼散射(Raman scattering)和荧光反应(fluorescence)等反向散射反射激光束。如图2A所示,接收器204可以包含透镜214和光电探测器216。透镜214可以被配置为从其视场(FOV,field of view)中的相应的方向收集光。在扫描期间的每个时间点,返回的激光束211可以由透镜214收集。
光电探测器216可以被配置为探测从物体212返回的返回的激光束211。光电探测器216可以将由透镜214收集的激光(例如,返回的激光束211)转换成接收到的信号218(例如,电流或电压信号)。当光子被光电二极管吸收时,产生电流。接收到的信号218可以被发送到数据处理单元,例如LiDAR系统102的控制器252,以被处理和分析。
接收到的信号218可以包含噪声数据以及探测到的返回的激光束211。也即是说,当测量返回的激光束211时,接收器204还可以接收噪声数据(图2A中未示出)。噪声数据可以包含除返回的激光束211之外的任何数据(例如,由接收器204探测到的)。噪声数据可以由环境引起,如来自车辆100的其它部分的背景光和温度和/或光/电干扰,以及来自场中任何可反射物体的任何不想要的返回信号。在一个例子中,入射在光电探测器216上的背景光能够有助于噪声数据并形成直流偏置。当车辆100移动时,背景光可以改变,从而导致直流偏置的改变(例如,由背景光入射于光电探测器216上形成的)。电子的热活动(例如,光电探测器216的)还能够有助于直流偏置的改变。在一些实施例中,快速变化的环境可以导致快速变化的噪声数据(例如,以较高频率波动的噪声数据)。在一些实施例中,将接收到的信号218发送到LiDAR系统102的控制器252以进行处理,以便从返回的激光束211中去除/减少噪声数据,对所述信号进行调节用于后续处理,如距离测量、模型/地图构造等。
图2B示出了根据本公开的实施例的示例性控制器252。与本公开相一致地,控制器252可以从光电探测器216接收接收到的信号218(例如,含有噪声数据/信号和返回的激光束信号/数据),并且从一个或多个勘测设备220接收训练数据222。
在一些实施例中,如图2B所示,控制器252可以包含通信接口228、处理器230、内存器240和存储器242。在一些实施例中,控制器252在单个设备中可以具有不同的模块,如集成电路(IC)芯片(实施为专用集成电路(ASIC)或现场可编程门阵列(FPGA)),或具有专用功能的单独的设备。在一些实施例中,控制器252的一个或多个组件可以位于云中,或者可以替代地位于单个位置(如在车辆100或移动设备内部)或分散的位置中。控制器252的组件可以在集成设备中,或者分布在不同的位置,但是通过网络(未示出)彼此通信。
通信接口228可以经由通信电缆、无线局域网(WLAN)、广域网(WAN)、如无线电波的无线网络、蜂窝网络和/或本地或短距离无线网络(例如,BluetoothTM)或其它通信方法向如光电探测器216和/或勘测设备220等组件发送数据并从该组件接收数据。在一些实施例中,通信接口228可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器或提供数据通信连接的调制解调器。作为另一个例子,通信接口228可以是提供与兼容的局域网(LAN)数据通信连接的局域网卡。无线链接还可以由通信接口228实施。在这种实施中,通信接口228能够经由网络发送和接收携带表示各种类型信息的数字数据流的电、电磁或光信号。
与一些实施例一致,通信接口228可以接收接收到的信号218(例如,含有噪声信号/数据和返回的激光束信号/数据)。在一些实施例中,通信接口228可以在多个时间窗口中依序接收噪声数据。例如,通信接口228可以在第一时间窗口中接收噪声数据。在特定时间段之后,随着第二时间窗口中的噪声数据变得可用,通信接口228之后可以在第二时间窗口中接收噪声数据。时间窗口的长度可以在应用LiDAR之前预先设置,或者可以基于例如LiDAR所使用的环境,在应用LiDAR期间中显著地/自适应地确定。对于噪声的环境,可以将时间窗口的长度设置得较短,以便更频繁地进行噪声估计。
在一些实施例中,通信接口228可以进一步从勘测设备220接收训练数据222。训练数据222可以包含任何合适的仿真数据,所述仿真数据用于确定在确定估计的直流偏置和/或估计的噪声功率(如下所述)中使用的偏置估计系数和/或功率估计系数的值。训练数据222可以由如勘测车辆等勘测设备220收集和/或由设备(例如,处理器)生成,并且可以包括反映偏置估计系数/功率估计系数与环境之间的相关性的数据。通信接口228可以进一步提供接收到的信号218和训练数据222以进行存储或者提供给处理器230进行处理。
处理器230可以包含任何适当类型的通用或专用微处理器、数字信号处理器或微控制器。处理器230可以被配置为专用于分析信号(例如,噪声数据)的独立处理器模块。可替代地,处理器230可以被配置为用于执行与信号分析无关的其它功能的共享处理器模块。
如图2B所示,处理器230可以包含多个模块,如估计系数确定单元232、估计的噪声值计算单元234、探测阈值确定单元236、返回的激光束处理单元238等。估计系数确定单元232可以被配置为基于例如训练数据222来确定分别用于估计直流偏置和噪声功率的偏置估计系数和/或功率估计系数。可以使用任何合适的方法(例如算法)来从训练数据222中提取这些系数。例如,训练数据可以包含分别对应于快速变化的环境和缓慢变化的环境的快速变化的数据(例如,高波动频率的数据)和缓慢变化的数据(例如,低波动频率的数据)。可以将如机器学习和/或线性回归等方法应用于训练数据以确定反映快速变化的环境和缓慢变化的环境的偏置估计系数/功率估计系数。在一个例子中,大的偏置估计系数(或功率估计系数)能够反映快速变化的环境,而小的偏置估计系数(或功率估计系数)能够反映缓慢变化的环境。在一些实施例中,这些系数各自具有在0与1之间的范围。在一些实施例中,快速变化的环境对应于具有在0.5和与1之间的值的偏置估计系数(或功率估计系数),而缓慢变化的环境对应于具有在0与0.5之间的值的偏置估计系数(或功率估计系数)。
估计的噪声值计算单元234可以被配置为基于偏置估计系数和/或功率估计系数来确定估计的噪声值(例如,分别为估计的直流偏置和/或估计的噪声功率),以及接收到的信号218中的噪声数据。在一些实施例中,当接收到下一个时间窗口中的噪声数据时,估计的噪声值计算单元234可以连续地更新估计的噪声值。例如,可以集合刚刚过去的时间窗口的估计的噪声值与为当前时间窗口确定的瞬时噪声值,以得出更新的估计的噪声值。通过使用来自过去时间窗口的数据和来自当前时间窗口的数据依序更新估计的噪声值,估计的噪声值计算单元234能够实时估计LiDAR噪声。
探测阈值确定单元236可以被配置为基于估计的直流偏置或估计的噪声功率实时地更新探测阈值。在一些实施例中,“探测阈值”是系统102能够探测/测量的返回的激光束的最低强度。探测阈值可以是系统102的直流偏置和/或噪声功率的函数。在一些实施例中,探测阈值应用于对接收到的数据进行匹配滤波之后。在一些实施例中,可以基于估计的直流偏置和/或估计的噪声功率来估计和更新探测阈值,因此可以在变化的环境中探测/测量返回的激光束。
返回的激光束处理单元238可以被配置为通过实时地从接收到的信号218中去除/减少噪声数据来确定返回的激光束的信号(例如,幅度和/或功率)。在一些实施例中,可以根据基于估计的噪声的水平确定的探测阈值对返回的激光束信号进行滤波。在一个例子中,返回的激光束处理单元238可以过滤低于探测阈值的返回的激光束信号的幅度和功率。
单元232-238(以及任何对应的子模块或子单元)可以是处理器230的硬件单元(例如,集成电路的部分),被设计为用于在执行程序的至少一部分的过程中与由处理器230实施的其它组件或软件单元一起使用。程序可以存储在计算机可读介质上,并且当由处理器230执行时,可以执行一个或多个功能或操作。尽管图2B示出了全部在一个处理器230内的单元232-238,但是可以设想,这些单元可以分布在彼此靠近或远离的多个处理器之间。
内存器240和存储器242可以包含被提供来存储处理器230可能需要操作的任何类型的信息的任何适当类型的大容量存储。内存器240和/或存储器242可以是易失性或非易失性的、磁性的、半导体的、磁带的、光学的、可移动的、不可移动的或其它类型的存储设备或有形的(即,非暂时性的)计算机可读介质,包含但不限于只读存储器(ROM)、闪存、动态随机存取存储器(dynamic RAM)和静态随机存取存储器(static RAM)。内存器240和/或存储器242可以被配置为存储可以由处理器230执行以执行本申请公开的功能的一个或多个计算机程序。例如,内存器240和/或存储器242可以被配置为存储可以由处理器230执行以分析LiDAR信号的一个或多个程序。
内存器240和/或存储器242可以进一步被配置为存储/缓存由处理器230接收和/或使用的信息和数据。例如,内存器240和/或存储器242可以被配置为存储/缓存由处理器230的不同单元获得的接收到的信号218、训练数据222和计算结果。各种类型的数据可以在处理完每帧数据后永久存储、定期删除或立即忽略。
图3示出了作为样本指标函数的探测到的信号电压(或电流)强度(例如,由接收器204探测或由控制器252接收的)的示例性图表300。如图3所示,由接收器204探测到的信号(例如,接收到的信号218)可以包含返回的激光束信号302和噪声信号304(也称为噪声数据304)。与本公开相一致地,直流偏置306(如图3中标记)是噪声信号304的幅度,并且噪声功率是噪声信号304(图3中未标记)的方差(或与方差成比例的)。噪声功率可以表示由噪声信号304产生的功率。
为了确定返回的激光束信号302的参数(如幅度和功率),控制器252可能需要确定噪声信号304的直流偏置值和噪声功率值。例如,当接收到的信号218的幅度高于探测阈值时,控制器252能够将其探测为返回的激光束信号302。当接收到的信号218的幅度约等于或小于探测阈值时,控制器252可能无法准确地或有效地确定其是返回的激光束信号302的一部分还是噪声信号304。也即是说,探测阈值是允许控制器252从接收到的信号218中提取返回的激光束信号302的值。类似地,探测阈值还允许控制器252准确地确定返回的激光束信号302的功率。因为噪声信号304能够改变/波动,例如当车辆100在四周移动时,实时确定探测阈值是十分重要的,以允许控制器252更准确地确定返回的激光束信号302的幅度和/或功率。在一些实施例中,除了将阈值直接应用于原始接收到的数据之外,接收到的数据(信号和噪声共同)将由滤波器,如匹配的滤波器,处理。滤波器输出将取决于信号和噪声两者。然后,将阈值应用于滤波器输出。噪声直流偏置和功率的估计将应用于确定滤波器输出的合适阈值,以执行探测工作并帮助维持一定的误报概率(PFA)和探测概率(PD)。更具体地,将首先从原始接收到的数据中减去直流偏置,并且将估计的噪声功率用于计算在滤波器(例如,匹配滤波器)之后应用的阈值。
如本申请所使用地,“估计的噪声值”可以是估计的直流偏置或估计的噪声功率。使用在时间窗口之前接收到的噪声数据来确定该时间窗口的“估计的噪声值”。例如,使用在第一时间窗口和第二时间窗口中接收到的噪声数据来确定第二时间窗口的估计的噪声值。“过去估计的直流偏置”、“过去估计的噪声功率”等指代为在当前时间窗口之前并紧挨着当前时间窗口的时间窗口计算的估计的直流偏置和估计的噪声功率。如本申请所使用地,“瞬时噪声值”可以是瞬时直流偏置或瞬时噪声功率。使用仅在该特定时间窗口中接收到的噪声数据来确定时间窗口的“瞬时噪声值”。例如,使用仅在第二时间窗口中接收到的噪声数据来确定第二时间窗口的瞬时噪声值。
本公开提供了实时地以提高的准确性和效率来确定LiDAR系统的估计的噪声值的系统和方法。LiDAR系统的估计的噪声值包含LiDAR系统的估计的直流偏置和估计的噪声功率。本公开提供了优化在估计的直流偏置和估计的噪声功率的计算中使用的可用噪声数据(例如,噪声数据的长度)的量的方法,因此能够提高计算速度。估计的直流偏置和/或估计的噪声功率能够用于计算LiDAR系统的探测阈值,其能够用于从接收到的信号中提取返回的激光束信号(例如,通过从接收到的信号218中滤除噪声)。然后,可以实时地更准确和更有效地确定返回的激光束信号。
在一些实施例中,执行顺序计算以将过去估计的噪声值(例如,过去估计的直流偏置/噪声功率)合并到当前噪声值(例如,当前直流偏置/噪声功率)的估计中。在一些实施例中,当前时间窗口的估计噪声值可以是过去估计的噪声值和当前时间窗口的瞬时噪声值的加权和。控制器能够基于车辆所处的环境(例如,由控制器接收的噪声数据反映的)来控制权重。通过控制权重,能够有效地控制由先前环境引起的噪声的影响。在一个例子中,控制器能够通过使用当前时间窗口的瞬时直流偏置/噪声功率和紧接在当前时间窗口之前的时间窗口的过去估计的直流偏置/噪声功率来计算当前时间窗口的估计的直流偏置/噪声功率。换句话说,可以将当前时间窗口的估计的直流偏置/噪声功率合并到紧接当前时间窗口之后的时间窗口的直流偏置/噪声功率的估计中。因为过去估计的直流偏置/噪声功率是预先计算的,并且控制器仅需要计算当前时间窗口的瞬时直流偏置/噪声功率,所以控制器的计算载荷很小。因此,可以实时估计由当前环境引起的噪声。因此,能够更准确地估计探测阈值,并且能够以提高的准确性和效率来提取返回的激光束信号。
图4示出根据本公开的实施例的噪声数据的直流偏置的估计的示例性数据流400。在一些实施例中,如图4所示,控制器252在N个时间窗口(例如,时间窗口402-1、402-2、402-3,…,402-N(N为正整数))上依序接收数据帧,并基于当前时间窗口的瞬时直流偏置和先前时间窗口的过去估计的直流偏置估计每个时间窗口的噪声数据(例如,噪声数据304)的直流偏置。在一些实施例中,控制器252在接收噪声数据之前确定每个时间窗口的长度。控制器252可以计算过去时间窗口的估计的直流偏置,并且通过集合过去时间窗口的估计的直流偏置与当前时间窗口的瞬时直流偏置,来计算紧接过去时间窗口之后的当前时间窗口的估计的直流偏置。在一些实施例中,控制器252在接收紧接当前时间窗口之后的下一时间窗口的噪声数据之前,计算当前时间窗口的估计的直流偏置。
对于每个数据帧,控制器252可以在第一时间窗口(例如,时间窗口402-1)中开始接收噪声数据。控制器252可以基于时间窗402-1的噪声数据来计算/测量时间窗口402-1的瞬时直流偏置(例如,表示为DC1)。在一些实施例中,当控制器252接收第二时间窗口(例如,时间窗口402-2)的噪声数据时,控制器252基于时间窗口402-2的噪声数据来计算时间窗口402-2的瞬时直流偏置(例如,表示为DC2_0)。控制器252可以进一步通过合并先前时间窗口的瞬时直流偏置(例如,DC1)以获得时间窗口402-2的估计的直流偏置来执行对时间窗口402-2的直流偏置的估计,其被表示为DC2_1。在一些实施例中,控制器252通过DC2_1=α×DC2_0+(1-α)×DC1来获得DC2_1。在一些实施例中,α表示偏置估计系数并且在0至1的范围内。例如,偏置估计系数α可以是0、0.1、0.3、0.5、0.8、1或0与1之间的任何其它值。可以使用例如训练数据222来训练偏置估计系数α,并且能够基于当前环境(例如,适合于车辆100所处的当前环境)来反映瞬时直流偏置的重要性。因此,系数α能够用作瞬时直流偏置的权重。(1-α)能够用作过去估计的直流偏置的权重。
进一步地,当控制器252接收第三时间窗口(例如,时间窗口402-3)的噪声数据时,控制器252可以基于时间窗口402-3的噪声数据来计算时间窗口402-3的瞬时直流偏置(例如,表示为DC3_0)。控制器252可以进一步通过合并先前时间窗口的估计的直流偏置(例如,DC2_1)来计算时间窗口402-3的估计的直流偏置(例如,DC3_1)。在一些实施例中,控制器252通过DC3_1=α×DC3_0+(1-α)×DC2_1来获得DC3_1。类似地,当控制器252接收到时间窗口402-N的噪声数据时,控制器252能够通过DCN_1=α×DCN_0+(1-α)×DC(N-1)_1来计算估计的直流偏置DCN_1,其中,DCN_0表示时间窗口402-N的瞬时直流偏置,并且DC(N-1)_1表示时间窗口(N-1)的估计的直流偏置。
在一些实施例中,α能够在N个时间窗口上保持恒定值。在一些实施例中,α能够在N个时间窗口上变化。α的值可以由控制器252通过例如训练先前收集的噪声数据来确定。在一些实施例中,在估计的直流偏置的计算中,α反映当前噪声水平的权重(例如,当记录当前时间窗口的噪声数据时,由车辆100的环境引起的),并且(1-α)反映过去噪声水平的权重。如用于估计的直流偏置(例如DC2_1)的计算公式所示,较大的α能够导致当前时间窗口的瞬时直流偏置(例如DC2_0)的权重较大,而过去计算的直流偏置(例如DC1)的权重较小,反之亦然。
控制器252可以基于训练数据222和/或从其它传感器(例如,安装在车辆100上的能够实时探测环境的温度传感器、湿度传感器和/或任何其它传感器)收集的探测结果来确定α的值。在各个实施例中,α可以是恒定的,或者可以在N个时间窗口中变化。例如,α能够在所有N个时间窗口中是恒定的,在N个时间窗口中的某些中是恒定的,或者在N个时间窗口中的每个时间窗口中更改其值。在一些实施例中,如果控制器252确定当前时间窗口的直流偏置快速波动(例如,由快速变化的环境引起),控制器252确定α具有更大的值,如0.9。与由过去环境(例如,环境车辆100处于过去的时间窗口的环境)引起的直流偏置相比,由当前环境引起的直流偏置可以对当前时间窗口的估计的直流偏置具有更大的影响。例如,可以在时间窗口内或时间窗口之间测量波动。例如,可以通过噪声数据与基线之间的差(例如,由控制器252确定的)来测量波动。基线可以是指示噪声数据的趋势的噪声值。噪声数据的波动频率表示噪声数据围绕基线变化的时间。在一些实施例中,如果控制器252确定当前时间窗口的直流偏置波动缓慢(例如,由缓慢变化的环境引起),控制器252确定α具有较小的值,如0.1。与由过去环境造成的直流偏置相比,由当前环境造成的直流偏置可能会对当前时间窗口的估计的直流偏置产生较小的影响。在一些实施例中,当控制器252确定α等于1时,过去计算的直流偏置对当前时间窗口的估计的直流偏置有很小或几乎没有影响。
当控制器252接收到相应的时间窗口(例如402-1,402-2,……,和402-N)的噪声数据时,可以通过任何合适的方法来获得时间窗口的瞬时直流偏置的值(例如DC1,DC2_0,DC3_0,……,和DCN_0),和/或可用于计算的相应的时间窗口的噪声数据。在一些实施例中,通过在时间窗口中平均接收到的噪声数据来计算瞬时直流偏置的值。例如,DC1等于时间窗口402-1的噪声数据的平均值,DC2_0等于时间窗口402-2的噪声数据的平均值,DC3_0等于时间窗口402-3的噪声数据的平均值,……,DCN_0等于时间窗口402-N的噪声数据的平均值。在一个例子中,时间窗口402-1,402-2,402-3,……,402-N的噪声数据可以由X1,X2,X3,……,XN表示,并且每个相应的时间窗口的瞬时直流偏置可以等于平均值(X1),平均值(X2),平均值(X3),……,平均值(XN)。然后,控制器252能够通过如上所述集合过去计算的直流偏置和由偏置估计系数α加权的瞬时直流偏置,来获得每个时间窗口的估计的直流偏置。
图5示出了根据本公开的实施例的用于估计噪声功率的示例性数据流500。与数据流400类似,控制器252在N个时间窗口(例如,502-1,502-2,502-3,……,502-N)中接收噪声数据,依序计算每个时间窗口的瞬时噪声功率(例如,P1,P2_0,P3_0,……,PN_0),并依序计算时间窗口502-1至502-N的估计的噪声功率(例如,P2_1,P3_1,……,PN_1)。为了获得估计的噪声功率,控制器252能够在执行当前时间窗口的噪声功率估计时,将过去计算的噪声功率并入。与数据流400类似,在数据流500中,控制器252可以在接收到紧接的后续时间窗口的噪声数据之前获得某一时间窗口的估计的噪声功率。在一些实施例中,控制器252通过使用功率估计系数β来控制当前时间窗口中的噪声功率的估计中的瞬时噪声功率的权重。功率估计系数β的范围和应用场景可以与偏置估计系数α类似,并且可以参考图4的描述。
与数据流400不同,在数据流500中,可以将每个时间窗口502-1,502-2,……,502-N(N是正整数)的瞬时噪声功率计算为相应的时间窗口的噪声数据的方差。作为一个例子,对于时间窗口502-1,瞬时噪声功率可以计算为P1=方差(X1)。对于时间窗口502-2,瞬时噪声功率可以计算为P2_0=方差(X2)。对于时间窗口502-3,瞬时噪声功率可以计算为P3_0=方差(X3)。对于时间窗口502-N,瞬时噪声功率可以计算为PN_0=方差(XN)。时间窗502-2至502-N的估计的噪声功率可以分别计算为:P2_1=β×P2_0+(1-β)×P1,P3_1=β×P3_0+(1-β)×P2_1,……,以及PN_1=β×PN_0+(1-β)×P(N-1)_1。
与偏置估计系数α类似,可以从训练数据222确定功率估计系数β的范围和应用场景。例如,β的范围可以从0到1。在一些实施例中,β可以是在0与1之间的任何合适的值,如0、0.1、0.3、0.5、0.8或相应的时间窗口的环境条件的任何适合的其它值。应用场景的详细描述以及使用功率估计系数β的优势与偏置估计系数α的详细描述和优势类似,因此不再赘述。
图6示出了根据一些实施例的用于计算噪声数据的估计的直流偏置/噪声功率的示例性方法600的流程图。如下所述,由控制器252执行的操作还可以由远程服务器部分或全部执行。
在步骤602中,控制器252可以接收由接收器204发送的第一时间窗口的噪声数据,并使用在第一时间窗口中接收到的噪声数据来确定第一时间窗口的估计的噪声值。在一些实施例中,噪声数据由光电探测器216收集并实时发送到控制器252。噪声数据可以是由光电探测器216输出的电流和/或电压的形式,并且可以包含由如天气、背景光、温度等环境引起的噪声。在一些实施例中,控制器252接收训练数据222(例如,从勘测设备220),并基于训练数据确定偏置估计系数α和/或功率估计系数β(例如,通过估计系数确定单元232)。
控制器252可以计算第一时间窗口的估计的直流偏置和估计的噪声功率。在一些实施例中,估计的噪声值计算单元234可以执行计算。当第一时间窗口恰好是相应的数据帧的第一时间窗口时,第一时间窗口的估计的直流偏置/噪声功率可以等于第一时间窗口的瞬时直流偏置/噪声功率。在一些实施例中,第一时间窗口的瞬时直流偏置计算为第一时间窗口的噪声数据的平均值,且瞬时噪声功率计算为第一时间窗口的噪声数据的方差。
在步骤604中,控制器252可以接收紧接在第一时间窗口之后的第二时间窗口的噪声数据,并使用在第二时间窗口中接收到的噪声数据来确定第二时间窗口的瞬时噪声值。在一些实施例中,第二时间窗口的瞬时噪声值包含第二时间窗口的瞬时直流偏置和/或瞬时噪声功率。瞬时直流偏置/噪声功率的计算细节可以参考图4和图5的描述,此处不再赘述。
在步骤606中,控制器252可以确定噪声数据的波动,并且基于所述波动动态地确定第一权重和第二权重的值。例如,如果估计的噪声值是估计的直流偏置,则将第一权重表示为α,并且将第二权重表示为(1-α)。如果估计的噪声值是估计的噪声功率,则将第一权重表示为β,并且将第二权重表示为(1-β)。权重计算的细节可以发现于图4和图5的描述,此处不再赘述。
在步骤608中,控制器252可以通过集合分别由第二权重和第一权重加权的第一时间窗口的估计的噪声值和第二时间窗口的瞬时噪声值,来确定第二时间窗口的估计的噪声值。
例如,如果估计的噪声值是估计的直流偏置(例如,DC2_1),估计的噪声值可以计算为通过第一权重(例如,α)加权的第二时间窗口的瞬时直流偏置(例如,DC2_0)和通过第二权重(例如,(1-α))加权的第一时间窗口的估计的直流偏置(例如,DC1)之和。如果估计的噪声值是估计的噪声功率(例如,P2_1),估计的噪声值可以计算为通过第一权重(例如,β)加权的第二时间窗口的瞬时噪声功率(例如,P2_0)和通过第二权重(例如(1-β)加权的第一时间窗口的估计的噪声功率(例如,P1)之和。
在步骤610中,控制器252可以基于估计的噪声值来确定探测阈值,并且可以通过使用探测阈值滤除噪声来确定返回的激光束的参数。探测阈值可以是返回的激光信号控制器252能够探测和测量的最低强度。探测阈值可以是系统102的噪声的函数,并且可以使用估计的噪声值来估计。在一些实施例中,控制器252在接收后续时间窗口的噪声数据之前,基于第二时间窗口的估计的噪声值来更新探测阈值。然后,控制器252使用更新的探测阈值来滤除接收到的信号218中的噪声,以探测返回的激光束信号并执行必要的数据处理以获得返回的激光束信号的参数。
在步骤612中,控制器252可以接收紧接在第二时间窗口之后的第三时间窗口的噪声数据,基于在第三时间窗口和第二时间窗口中接收到的噪声数据的波动来动态地调整第一权重和第二权重,通过分别由第二权重和第一权重加权的在第三时间窗口中接收到的噪声数据和第二时间窗口的估计的噪声值来确定第三时间窗口的估计的噪声值,基于估计的噪声值确定探测阈值,以及通过使用探测阈值滤除噪声来确定返回的激光束的参数。与步骤602和604中描述的操作类似,控制器252可以继续接收第三时间窗口的噪声数据并确定第三时间窗口的估计的噪声值。第三时间窗口的估计的噪声值的确定,探测阈值以及返回的激光束的参数的确定也可以与步骤602-610中描述的操作相似,因此不再赘述。
控制器252可以继续接收一个或多个时间窗口的噪声数据,并依序计算一个或多个时间窗口的估计的噪声值,如步骤602-612中所述。在一些实施例中,控制器252在接收到紧接的后续时间窗口的噪声数据之前,计算时间窗口的估计的噪声值。在一些实施例中,控制器252可以在数据帧中接收N个时间窗的噪声数据。N可以是任何合适的正整数。在一些实施例中,控制器252确定N的值。N在不同的数据帧中可以相同或不同。控制器252可以确定时间窗口的长度和每个数据帧中N的值。时间窗口的长度可以彼此相同或彼此不同。在一些实施例中,N可以在5到100的范围内,并且时间窗口的长度可以在1微秒到1秒之间。N的特定值和时间窗口的长度应基于例如控制器252的可计算性、每个时间窗中接收到的噪声数据的量、和/或更新探测阈值的频率来确定,并且不应受本公开的实施例限制。
控制器252可以在接收到紧接的后续时间窗口的噪声数据之前,基于用于返回的激光束的测量的估计的直流偏置和/或估计的噪声功率来连续地更新探测阈值,以用于测量返回的激光束。在一些实施例中,更新过程是实时执行的。例如,当计算新的估计的直流偏置/噪声功率时,控制器252可以连续地更新探测阈值。在一些实施例中,控制器252在一个数据帧中(例如,使用N个时间窗口的N个估计的直流偏置和N个估计的噪声功率)更新探测阈值N次。在一些实施例中,控制器252在一个数据帧中(例如,使用N个时间窗口的N个估计的直流偏置和N个估计的噪声功率的一部分)的更新次数少于N次。在一些实施例中,控制器252在一个数据帧中基于更新的探测阈值来N次确定返回的激光束信号的参数。每个数据帧的更新的特定频率N应该基于例如控制器252的可计算性来确定,并且不应该被本公开的实施例限制。
本公开的另一方面针对一种存储指令的非暂时性计算机可读介质,该指令在被执行时,引起一个或多个处理器执行如上讨论的方法。计算机可读介质可以包含易失性或非易失性的、磁性的、半导体的、磁带的、光学的、可移动的、不可移动或其它类型的计算机可读介质或计算机可读存储设备。例如,如所公开的,计算机可读介质可以是其上存储有计算机指令的存储设备或存储模块。在一些实施例中,计算机可读介质可以是其上存储有计算机指令的光盘或闪存驱动器。
对于本领域技术人员将显而易见的是,可以对所公开的系统和相关方法进行各种修改和变化。通过考虑所公开的系统和相关方法的说明书以及实践,其它实施例对于本领域技术人员将是显而易见的。
说明书和实例旨在仅被认为是示例性的,真正的范围由所附权利要求及其等同物指示。
Claims (20)
1.一种用于分析光探测和测距(LiDAR)的噪声数据的系统,包括:
通信接口,被配置为在多个时间窗口中依序接收所述LiDAR的噪声数据;
至少一个存储设备,被配置为存储指令;以及
至少一个处理器,被配置为执行指令以执行操作,所述操作包括:
使用在第一时间窗口中接收到的噪声数据确定所述第一时间窗口的估计的噪声值;
使用在第二时间窗口中接收到的噪声数据确定所述第二时间窗口的瞬时噪声值,其中,所述第二时间窗口紧接在所述第一时间窗口之后;
确定所述第二时间窗口的瞬时噪声值的第一权重和所述第一时间窗口的估计的噪声值的第二权重;
基于所述第一权重和所述第二权重,通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值;以及
动态地调整所述第一权重和所述第二权重。
2.根据权利要求1所述的系统,其中,先于在紧接所述第二时间窗口之后的第三时间窗口中接收所述噪声数据,实时地确定所述第二时间窗口的估计的噪声值。
3.根据权利要求2所述的系统,其中,所述操作进一步包括:
使用在所述第三时间窗口中接收到的噪声数据确定瞬时噪声值;以及
通过集合所述第二时间窗口的估计的噪声值与所述第三时间窗口的瞬时噪声值来确定所述第三时间窗口的估计的噪声值。
4.根据权利要求1所述的系统,其中,所述第一权重以及所述第二权重之和等于1。
5.根据权利要求4所述的系统,其中,确定所述第二时间窗口的估计的噪声值进一步包括计算通过所述第一权重加权的所述第二时间窗口的瞬时噪声值以及通过所述第二权重加权的所述第一时间窗口的估计的噪声值之和。
6.根据权利要求4所述的系统,其中,所述操作进一步包括基于所述噪声数据中的波动来动态地调整所述第一权重和所述第二权重。
7.根据权利要求6所述的系统,其中,响应于所述噪声数据中的较大波动来增加所述第一权重。
8.根据权利要求1所述的系统,其中,所述第一时间窗口的估计的噪声值是被确定为在所述第一时间窗口中接收到的所述噪声数据的平均值的估计的直流(DC)偏置。
9.根据权利要求1所述的系统,其中,所述第一时间窗口的估计的噪声值是被确定为在所述第一时间窗口中接收到的所述噪声数据的方差的所述第一时间窗口的估计的噪声功率。
10.根据权利要求1所述的系统,其中,所述操作进一步包括:
基于所述噪声数据确定探测阈值;
接收与所述噪声数据耦合的激光束信号;以及
通过使用所述探测阈值滤除噪声来确定所述激光束信号的参数。
11.一种用于分析光探测和测距(LiDAR)的噪声数据的方法,包括:
由处理器通过使用所述LiDAR的接收器在第一时间窗口中接收到的噪声数据来确定所述第一时间窗口的估计的噪声值;
由所述处理器通过使用所述LiDAR的所述接收器在第二时间窗口中接收到的噪声数据来确定所述第二时间窗口的瞬时噪声值,其中,所述第二时间窗口紧接在所述第一时间窗口之后;
由所述处理器确定所述第二时间窗口的瞬时噪声值的第一权重和所述第一时间窗口的估计的噪声值的第二权重;
由所述处理器基于所述第一权重和所述第二权重,通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值;以及
由所述处理器动态地调整所述第一权重和所述第二权重。
12.根据权利要求11所述的方法,进一步包括先于在紧接所述第二时间窗口之后的第三时间窗口中接收所述噪声数据,实时地确定所述第二时间窗口的估计的噪声值。
13.根据权利要求12所述的方法,进一步包括:
通过使用所述LiDAR的接收器在第三时间窗口中接收到的噪声数据来确定瞬时噪声值;以及
通过集合所述第二时间窗口的估计的噪声值与所述第三时间窗口的瞬时噪声值来确定所述第三时间窗口的估计的噪声值。
14.根据权利要求11所述的方法,其中,所述第一权重和所述第二权重之和等于1。
15.根据权利要求14所述的方法,其中,确定所述第二时间窗口的估计的噪声值进一步包括,计算通过所述第一权重加权的所述第二时间窗口的瞬时噪声值和通过所述第二权重加权的所述第一时间窗口的估计的噪声值之和。
16.根据权利要求14所述的方法,进一步包括基于所述噪声数据中的波动来动态地调整所述第一权重和所述第二权重。
17.根据权利要求16所述的方法,进一步包括响应于所述噪声数据中的较大波动来增加所述第一权重。
18.根据权利要求11所述的方法,其中,所述第一时间窗口的估计的噪声值是被确定为所述第一时间窗口中接收到的所述噪声数据的平均值的估计的直流(DC)偏置,或被确定为所述第一时间窗口中接收到的所述噪声数据的方差的估计的噪声功率。
19.一种非暂时性计算机可读介质,其上存储有指令,其中,所述指令当由至少一个处理器执行时,引起所述至少一个处理器执行用于分析光探测和测距(LiDAR)的噪声数据的方法,所述方法包括:
使用在第一时间窗口中接收到的噪声数据确定所述第一时间窗口的估计的噪声值;
使用在第二时间窗口中接收到的噪声数据确定所述第二时间窗口的瞬时噪声值,其中,所述第二时间窗口紧接在所述第一时间窗口之后;
确定所述第二时间窗口的瞬时噪声值的第一权重和所述第一时间窗口的估计的噪声值的第二权重;
基于所述第一权重和所述第二权重,通过集合所述第一时间窗口的估计的噪声值和所述第二时间窗口的瞬时噪声值来确定所述第二时间窗口的估计的噪声值;以及
动态地调整所述第一权重和所述第二权重。
20.根据权利要求19所述的非暂时性计算机可读介质,其中,所述方法进一步包括先于在紧接所述第二时间窗口之后的第三时间窗口中接收所述噪声数据,实时地确定所述第二时间窗口的估计的噪声值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/231,911 US11175390B2 (en) | 2018-12-24 | 2018-12-24 | Real-time estimation of DC bias and noise power of light detection and ranging (LiDAR) |
US16/231,911 | 2018-12-24 | ||
PCT/US2018/067574 WO2020139332A1 (en) | 2018-12-24 | 2018-12-26 | Real-time estimation of dc biac and noise power of light detection and ranging (lidar) |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112867939A CN112867939A (zh) | 2021-05-28 |
CN112867939B true CN112867939B (zh) | 2024-03-12 |
Family
ID=71098416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880098309.5A Active CN112867939B (zh) | 2018-12-24 | 2018-12-26 | 光探测和测距的直流偏置和噪声功率的实时估计 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11175390B2 (zh) |
CN (1) | CN112867939B (zh) |
WO (1) | WO2020139332A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558107B (zh) * | 2020-11-12 | 2023-03-28 | 北京遥测技术研究所 | 一种增大激光雷达瞬时动态的直流基线调节装置及方法 |
US11822016B2 (en) | 2021-03-26 | 2023-11-21 | Aeye, Inc. | Hyper temporal lidar using multiple matched filters to orient a lidar system to a frame of reference |
US11474212B1 (en) | 2021-03-26 | 2022-10-18 | Aeye, Inc. | Hyper temporal lidar with dynamic laser control and shot order simulation |
US11635495B1 (en) | 2021-03-26 | 2023-04-25 | Aeye, Inc. | Hyper temporal lidar with controllable tilt amplitude for a variable amplitude scan mirror |
US20230044929A1 (en) | 2021-03-26 | 2023-02-09 | Aeye, Inc. | Multi-Lens Lidar Receiver with Multiple Readout Channels |
US11686845B2 (en) | 2021-03-26 | 2023-06-27 | Aeye, Inc. | Hyper temporal lidar with controllable detection intervals based on regions of interest |
EP4148460A1 (de) * | 2021-09-13 | 2023-03-15 | Leuze electronic GmbH + Co. KG | Optischer sensor und verfahren zur detektion von objekten mittels eines optischen sensors |
WO2023183631A1 (en) * | 2022-03-25 | 2023-09-28 | Innovusion, Inc | Real-time monitoring dc offset of adc data of lidar system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105953822A (zh) * | 2015-03-09 | 2016-09-21 | 洛克威尔自动控制技术股份有限公司 | 基于脉冲的感测 |
CN107798290A (zh) * | 2017-09-14 | 2018-03-13 | 中国科学院西安光学精密机械研究所 | 基于光子计数的三维图像信噪分离和混合正则化重构方法 |
EP3370078A1 (en) * | 2017-03-01 | 2018-09-05 | STMicroelectronics (Grenoble 2) SAS | Range and parameter extraction using processed histograms generated from a time of flight sensor - crosstalk correction |
CN108663673A (zh) * | 2017-03-27 | 2018-10-16 | 迈来芯电子科技有限公司 | 用于回波检测的方法和装置 |
CN110537124A (zh) * | 2017-03-01 | 2019-12-03 | 奥斯特公司 | 用于lidar的准确光检测器测量 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577265B2 (en) * | 2001-01-10 | 2003-06-10 | University Corporation For Atmospheric Research | Multi-stage processing for efficient and accurate spectral moment estimation |
EP1499852A4 (en) * | 2002-04-15 | 2008-11-19 | Toolz Ltd | DISTANCE MEASURING DEVICE WITH SHORT DISTANCE OPTICAL SYSTEM |
JP3966301B2 (ja) | 2004-03-25 | 2007-08-29 | 株式会社デンソー | 車両用レーダ装置 |
JP5876289B2 (ja) * | 2011-12-28 | 2016-03-02 | 浜松ホトニクス株式会社 | 距離測定装置 |
CN104062642B (zh) * | 2013-11-22 | 2016-08-24 | 董立新 | 一种对激光雷达波形数据进行高斯回波分解的方法 |
US10254405B2 (en) * | 2014-08-15 | 2019-04-09 | The United States Of America As Represented By The Administrator Of Nasa | Hyperfine interpolated range finding for CW lidar, radar, and sonar using repeating waveforms and fourier transform reordering |
KR102547651B1 (ko) | 2016-09-20 | 2023-06-26 | 이노비즈 테크놀로지스 엘티디 | Lidar 시스템 및 방법 |
US11120104B2 (en) * | 2017-03-01 | 2021-09-14 | Stmicroelectronics (Research & Development) Limited | Method and apparatus for processing a histogram output from a detector sensor |
CN108459314B (zh) * | 2018-03-08 | 2020-05-19 | 北京理工大学 | 一种三维固态面阵激光雷达非均匀校正方法 |
-
2018
- 2018-12-24 US US16/231,911 patent/US11175390B2/en active Active
- 2018-12-26 CN CN201880098309.5A patent/CN112867939B/zh active Active
- 2018-12-26 WO PCT/US2018/067574 patent/WO2020139332A1/en active Application Filing
-
2021
- 2021-09-11 US US17/472,633 patent/US11892573B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105953822A (zh) * | 2015-03-09 | 2016-09-21 | 洛克威尔自动控制技术股份有限公司 | 基于脉冲的感测 |
EP3370078A1 (en) * | 2017-03-01 | 2018-09-05 | STMicroelectronics (Grenoble 2) SAS | Range and parameter extraction using processed histograms generated from a time of flight sensor - crosstalk correction |
CN110537124A (zh) * | 2017-03-01 | 2019-12-03 | 奥斯特公司 | 用于lidar的准确光检测器测量 |
CN108663673A (zh) * | 2017-03-27 | 2018-10-16 | 迈来芯电子科技有限公司 | 用于回波检测的方法和装置 |
CN107798290A (zh) * | 2017-09-14 | 2018-03-13 | 中国科学院西安光学精密机械研究所 | 基于光子计数的三维图像信噪分离和混合正则化重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112867939A (zh) | 2021-05-28 |
US11175390B2 (en) | 2021-11-16 |
US20200200884A1 (en) | 2020-06-25 |
WO2020139332A1 (en) | 2020-07-02 |
US11892573B2 (en) | 2024-02-06 |
US20210405167A1 (en) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112867939B (zh) | 光探测和测距的直流偏置和噪声功率的实时估计 | |
US11255728B2 (en) | Systems and methods for efficient multi-return light detectors | |
US10198004B2 (en) | Method and apparatus for obtaining range image with UAV, and UAV | |
US20220128658A1 (en) | Waveform reconstruction in a time-of-flight sensor | |
CN110456369B (zh) | 飞行时间传感系统及其测距方法 | |
CN109188452B (zh) | 飞行时间测距传感器及其光源调制方法 | |
US11216705B2 (en) | Object detection based on machine learning combined with physical attributes and movement patterns detection | |
CN111352121B (zh) | 飞行时间测距系统及其测距方法 | |
US11885669B2 (en) | Systems and methods for imaging and sensing vibrations | |
JP6412673B1 (ja) | 画像処理装置及び方法、並びに、プログラム | |
US11841466B2 (en) | Systems and methods for detecting an electromagnetic signal in a constant interference environment | |
CN111366943B (zh) | 飞行时间测距系统及其测距方法 | |
CN112255638A (zh) | 一种距离测量系统及方法 | |
JP2019023640A (ja) | 画像処理装置及び方法、並びに、プログラム | |
EP3276576B1 (en) | Disparity estimation by fusion of range data and stereo data | |
US20230194666A1 (en) | Object Reflectivity Estimation in a LIDAR System | |
CN114119465A (zh) | 一种点云数据处理方法及装置 | |
CN114866703A (zh) | 基于tof成像系统的主动曝光方法、装置及电子设备 | |
CN116679320B (zh) | 一种气溶胶和风场的同时测量方法、装置、设备及介质 | |
CN117473456B (zh) | 一种雷视智能融合的方法及系统 | |
KR20230024612A (ko) | 센서퓨전 기반 객체 위치 추정 방법 및 그를 위한 장치 | |
KR20140054755A (ko) | 환경 정보를 반영하는 센서 융합 시스템 및 그 방법 | |
CN117830775A (zh) | 一种基于毫米波雷达-相机多阶段融合的深度估计方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230821 Address after: Room 101, 1st Floor, No. 19 Yanjiang Avenue, Huadu District, Guangzhou City, Guangdong Province, 510830 Applicant after: Guangzhou Woya Lailing Technology Co.,Ltd. Address before: 100193 no.218, 2nd floor, building 34, courtyard 8, Dongbeiwang West Road, Haidian District, Beijing Applicant before: Beijing Track Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |