发明内容
本发明实施例的目的在于提供一种泊车性能的检测方法、电子设备及可读存储介质,以实现泊车性能检测的自动化,提高对泊车性能检测的精度。具体技术方案如下:
第一方面,本发明实施例提供了一种泊车性能的检测方法,包括:
获得测试场点云数据,其中,所述测试场点云数据是基于测量场坐标系测试场下的点云数据,所述测试场为至少两个激光雷达所覆盖区域的重叠区域,所述测量场坐标系为基于主激光雷达所在位置所构建的坐标系,所述主激光雷达为至少两个激光雷达中的一个激光雷达;
基于所述测试场点云数据,提取车辆实时位姿,所述测量实时位姿是车辆在泊车过程中的位姿;并根据车辆行驶方向,从所述车辆实时位姿中提取关键点位姿,所述关键点位姿包括车辆行驶方向发生变化时的车辆位姿;
提取规划轨迹对应的规划轨迹关键点位姿;
计算从所述车辆实时位姿中提取的关键点位姿与所述规划轨迹关键点位姿之间的偏差,得到关键点偏差;
提取车辆最终泊车位姿,所述车辆最终泊车位姿表示车辆泊车完成后的车辆位姿;
获取目标泊车点位姿;
计算所述车辆最终泊车位姿与目标泊车点位姿之间的偏差,得到泊车位姿偏差;
获取第一车位角点,所述第一车位角点包括所述车辆在泊车过程中检测到的各个可用车位的角点;
查找各个所述第一车位角点分别对应的第二车位角点,所述第二车位角点为测试场锚点中测试场车位线角点的锚点;所述测试场车位线角点的锚点为测试场中可用车位的车位角点;
计算所述第一车位角点与所述第二车位角点的偏差,得到车位偏差;
通过所述关键点偏差、所述泊车位姿偏差和所述车位偏差表征泊车性能。
可选的,所述测试场锚点的构建,包括:
利用障碍物提取可用车位的车位角点坐标,所述障碍物放置于所述可用车位的角点上;所述可用车位利用地面车位线确定;
计算目标泊车点位姿,所述目标泊车点位姿包括目标泊车位置的坐标值;
将所述可用车位的车位角点坐标和所述目标泊车位姿组成所述测试场锚点。
可选的,针对各个可用车位,所述车位角点坐标包括所述可用车位对应的4个角点的坐标,4个角点包括:左上角点、右上角点、左下角点和右下角点;
所述计算目标泊车点位姿,包括:
计算车辆后轴中心所在位置的坐标值;
计算所述左上角点和所述右上角点的中点;
以所述中点和所述车辆后轴中心所在位置的坐标值,计算车身方向与测试场x轴的夹角,并将所述车辆后轴中心所在位置的坐标值和所述车身方向与测试场x轴的夹角作为所述目标泊车点位姿。
可选的,所述计算所述第一车位角点与所述第二车位角点的偏差,得到车位偏差,包括:
针对各个所述第一车位角点,计算所述第一车位角点与所述第一车位角点对应的第二车位角点的偏差;
计算各个所述第一车位角点分别对应的偏差的统计值,并将所述统计值作为所述车位偏差。
可选的,所述通过所述关键点偏差、所述泊车位姿偏差和所述车位偏差表征泊车性能,包括:
针对车辆的泊车过程中的多次测量,对各次测量分别对应的所述关键点偏差进行统计,得到所述关键点偏差对应的统计结果;
对各次测量分别对应的所述泊车位姿偏差进行统计,得到所述泊车位姿偏差对应的统计结果;
对各次测量分别对应的所述车位偏差进行统计,得到所述车位偏差对应的统计结果;
通过所述关键点偏差对应的统计结果、所述泊车位姿偏差对应的统计结果和所述车位偏差对应的统计结果表征泊车性能。
可选的,所述统计结果包括均值、方差和/或两倍方差。
可选的,所述获得测试场点云数据,包括:
获得所述主激光雷达在所述测试场中的第一点云数据,所述第一点云数据是基于所述测量场坐标系的点云数据;
获得其他激光雷达在所述测试场中的第二点云数据,所述第二点云数据是基于测量场坐标系的点云数据,所述其他激光雷达为所述至少两个激光雷达中除所述主激光雷达之外的激光雷达;
将所述第一点云数据和所述第二点云数据组成所述测试场点云数据。
可选的,所述获得其他激光雷达在所述测试场中的第二点云数据,包括:
获取其他激光雷达在所述测试场中的点云数据;
基于所述其他激光雷达与所述主激光雷达的位置关系,将所述其他激光雷达在所述测试场中的点云数据转换为基于所述测量场坐标系的第二点云数据。
本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的方法步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面所述的方法步骤。
本发明实施例有益效果:
本发明实施例提供的泊车性能的检测方法、电子设备及可读存储介质,可以获得测试场点云数据,其中,测试场点云数据是基于测量场坐标系测试场下的点云数据,测试场为至少两个激光雷达所覆盖区域的重叠区域,测量场坐标系为基于主激光雷达所在位置所构建的坐标系,主激光雷达为至少两个激光雷达中的一个激光雷达;基于测试场点云数据,提取车辆实时位姿,测量实时位姿是车辆在泊车过程中的位姿;并根据车辆行驶方向,从车辆实时位姿中提取关键点位姿,关键点位姿包括车辆行驶方向发生变化时的车辆位姿;提取规划轨迹对应的规划轨迹关键点位姿;计算从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差,得到关键点偏差;提取车辆最终泊车位姿,车辆最终泊车位姿表示车辆泊车完成后的车辆位姿;获取目标泊车点位姿;计算车辆最终泊车位姿与目标泊车点位姿之间的偏差,得到泊车位姿偏差;获取第一车位角点,第一车位角点包括车辆在泊车过程中检测到的各个可用车位的角点;查找各个第一车位角点分别对应的第二车位角点,第二车位角点为测试场锚点中测试场车位线角点的锚点;计算第一车位角点与第二车位角点的偏差,得到车位偏差;通过关键点偏差、泊车位姿偏差和车位偏差表征泊车性能。如此,能够实现泊车性能检测的自动化。
且点云数据精度比较高,基于测试场点云数据,提取车辆实时位姿,车辆最终泊车位姿,能够提供精度较高的位姿真值,且通过测试场锚点能够提高精度较高的车位信息真值,并通过关键点偏差,也即从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差、泊车位姿偏差,也即车辆最终泊车位姿与目标泊车点位姿之间的偏差和车位偏差,也即第一车位角点与第二车位角点的偏差表征泊车性能,如此能够提高对泊车性能检测的精度。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
具体实施方式
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,所描述的实施例仅仅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基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
目前仅有针对室外环境基于实时动态差分法(Real-time kinematic,RTK)高精度定位信号完成泊车性能的评价、或者人工测量完成对泊车性能的评价,对于室内环境,尚未发现针对无卫星导航定位信号(GNSS,Global Navigation Satellite System)环境下泊车性能的检测,现有方式中仅能通过人工测量的方式对泊车性能的进行评价,而手动测量的方式存在手动测量误差大的问题,会导致对泊车性能评价的精度较低。且手动测量的方式还存在样本量小的问题,不能进行大规模高效测量。
本发明实施例提供的泊车性能的检测方法可以弥补现有在无GNSS信号区域自动化高效测量评价泊车性能方法缺失的问题,提高测试效率和测试结果可靠程度,实现高精度、高效率的泊车性能检测。
为了描述更加清楚,先对本发明实施例泊车性能的检测方法的应用场景进行描述。
本发明实施例中以至少两个激光雷达的重叠区域作为测试场,本发明实施例中多激光雷达布局同理,布局位置影响雷达空间同步,但没有唯一性要求。本发明实施例中不对激光雷达1和激光雷达2的位置和布局进行限制,只要至少两个激光雷达能够覆盖所需测量的区域即可,如保证激光雷达1和激光雷达2的重叠区域覆盖所需测量的区域,所需测量的区域可以包括车辆泊过程所涉及的范围等。为了描述简便,可以以包括两个激光雷达为例进行说明。
如图1所示,本发明实施例中以包括两个激光雷达(激光雷达1和激光雷达2)为例进行描述,激光雷达1覆盖区域和激光雷达2覆盖区域的重叠区域即为测试场。本发明实施例中所涉及的测试评价,即对泊车性能的性能检测在测试场内完成。
激光雷达简单理解是用激光器作为辐射源的雷达,有可能会因为存在遮挡区域等,导致无法透过待检测物体的一侧而辐射到待检测物体的另一侧,也可以理解为无法通过位于待检测物体的一侧的激光雷达而检测待检测物体的另一侧。如通过一个激光雷达检测的过程中,针对待检测物体,如对车辆检测的过程中,有可能仅会探测到车辆的一侧,而无法检测到车辆的另一侧,即仅能获取到车辆一侧的点云数据,如此会使得针对待检测物体的检测范围有局限,获取的数据不完整。为了使得能够全面地检测待检测物体,获取完整的点云数据,本发明实施例中激光雷达1和激光雷达1的布局要保证激光雷达1和激光雷达2存在重叠区域,且激光雷达1和激光雷达2分别位于待检测物体的不同侧面,优选的两个激光雷达设置于待测物体不同侧面的对角线位置,保证能够从不同侧面探测到待测物体,避免存在遮挡区域导致无法完整、全面地探测待检测物体。
以激光雷达1作为主激光雷达,基于该主激光雷达构建测量场坐标系,例如,以激光雷达1坐标系xy轴二维平面作为测量场坐标系,该测量场坐标系为右手坐标系。车辆坐标系,车辆后轴中心为坐标系原点,车辆中轴向车头方向为x轴,右手坐标系。里程计坐标系:起始时刻车辆坐标系。
为了理解简单,本发明实施例中可以使得激光雷达2的坐标轴与激光雷达1的坐标轴平行,x轴夹角180°,且两各激光雷达处于同一水平面。激光雷达2在测量场坐标系下的位置为(xlidar2,ylidar2)。
整个检测过程(对泊车性能进行检测的过程)中涉及到的元素:
1)可用泊车位,泊车系统检测确认的潜在泊车位置,由地面车位线确定,且车位线车位内没有其他障碍物。可用车位包含元素,车位位姿(x, y, phi)(其中phi表示车身方向与测试场x轴的夹角),4个角点位置坐标(x, y),4个角点包含左上角点、右上角点、左下角点和右下角点。
2)目标泊车位:从可用车位中选定的最终泊车位置;利用车位的4个角点坐标确认该目标泊车位。
3)目标泊车点位姿D:期望车辆完成泊车后,车辆后轴中心所在位置,及与x轴的方向(即车身方向)。
4)规划轨迹及关键点:泊车系统根据自身位置规划出的行车轨迹,轨迹中行车前进后退发生转变的点称为关键点,如图1中A/B/C三点。
结合图1所示应用场景,下面对本发明实施例提供泊车性能的检测方法进行详细说明。
本发明实施例提供的泊车性能的检测方法可以应用于无GNSS环境下,具体可以为有限距离范围内的无GNSS环境,如室内停车场、室内测试场等等。
本发明实施例提供的泊车性能的检测方法的执行主体可以是电子设备,如终端、服务器等。
本发明实施例提供了一种泊车性能的检测方法,可以包括:
获得测试场点云数据,其中,测试场点云数据是基于测量场坐标系测试场下的点云数据,测试场为至少两个激光雷达所覆盖区域的重叠区域,测量场坐标系为基于主激光雷达所在位置所构建的坐标系,主激光雷达为至少两个激光雷达中的一个激光雷达;
基于测试场点云数据,提取车辆实时位姿,测量实时位姿是车辆在泊车过程中的位姿;并根据车辆行驶方向,从车辆实时位姿中提取关键点位姿,关键点位姿包括车辆行驶方向发生变化时的车辆位姿;
提取规划轨迹对应的规划轨迹关键点位姿;
计算从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差,得到关键点偏差;
提取车辆最终泊车位姿,车辆最终泊车位姿表示车辆泊车完成后的车辆位姿;
获取目标泊车点位姿;
计算车辆最终泊车位姿与目标泊车点位姿之间的偏差,得到泊车位姿偏差;
获取第一车位角点,第一车位角点包括车辆在泊车过程中检测到的各个可用车位的角点;
查找各个第一车位角点分别对应的第二车位角点,第二车位角点为测试场锚点中测试场车位线角点的锚点;
计算第一车位角点与第二车位角点的偏差,得到车位偏差;
通过关键点偏差、泊车位姿偏差和车位偏差表征泊车性能。
本发明实施例中,可以获得测试场点云数据;基于测试场点云数据,提取车辆实时位姿,测量实时位姿是车辆在泊车过程中的位姿;并根据车辆行驶方向,从车辆实时位姿中提取关键点位姿,关键点位姿包括车辆行驶方向发生变化时的车辆位姿;提取规划轨迹对应的规划轨迹关键点位姿;计算从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差,得到关键点偏差;提取车辆最终泊车位姿,车辆最终泊车位姿表示车辆泊车完成后的车辆位姿;获取目标泊车点位姿;计算车辆最终泊车位姿与目标泊车点位姿之间的偏差,得到泊车位姿偏差;获取第一车位角点,第一车位角点包括车辆在泊车过程中检测到的各个可用车位的角点;查找各个第一车位角点分别对应的第二车位角点,第二车位角点为测试场锚点中测试场车位线角点的锚点;计算第一车位角点与第二车位角点的偏差,得到车位偏差;通过关键点偏差、泊车位姿偏差和车位偏差表征泊车性能。如此,能够实现泊车性能检测的自动化。
且点云数据精度比较高,基于测试场点云数据,提取车辆实时位姿,车辆最终泊车位姿,能够提供精度较高的位姿真值,且通过测试场锚点能够提高精度较高的车位信息真值,并通过关键点偏差,也即从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差、泊车位姿偏差,也即车辆最终泊车位姿与目标泊车点位姿之间的偏差和车位偏差,也即第一车位角点与第二车位角点的偏差表征泊车性能,如此能够提高对泊车性能检测的精度。
图2为本发明实施例提供的泊车性能的检测方法的流程图,参见图2,本发明实施例提供的泊车性能的检测方法,可以包括:
S201,获得测试场点云数据。
其中,测试场点云数据是基于测量场坐标系测试场下的点云数据,测试场为至少两个激光雷达所覆盖区域的重叠区域,至少两个激光雷达能够覆盖所需测量的区域。
本发明实施例中激光雷达的个数至少为两个,且本发明实施例中不对激光雷达的具体个数以及激光雷达的位置、布局进行限制,只要至少两个激光雷达能够覆盖所需测量的区域即可。
激光雷达的个数由所需测量的区域来决定,以覆盖所需测量区域为所需最小数量激光雷达的判断依据。
本发明实施例中激光雷达可以是多线激光雷达,可以根据多线激光雷达的覆盖范围与所需测量的区域的范围来确定所需激光雷达的个数。
例如,所需测量的区域为200米,通常16线激光雷达覆盖20米范围,32线激光雷达覆盖50米范围,64线激光雷达覆盖100米范围,若采用16线激光雷达,则激光雷达的个数为10个,若采用32线激光雷达,则激光雷达的个数为4个,若采用64线激光雷达,则激光雷达的个数为2个。
测量场坐标系为基于主激光雷达所在位置所构建的坐标系,主激光雷达为至少两个激光雷达中的一个激光雷达。
本发明实施例中以包括两个激光雷达(激光雷达1和激光雷达2)为例进行描述,激光雷达1覆盖区域和激光雷达2覆盖区域的重叠区域即为测试场。本发明实施例中所涉及的测试评价,即对泊车性能的性能检测在测试场内完成。
本发明实施例中多激光雷达布局同理,布局位置影响雷达空间同步,但没有唯一性要求。本发明实施例中不对激光雷达1和激光雷达2的位置和布局进行限制,只要至少两个激光雷达能够覆盖所需测量的区域即可,如保证激光雷达1和激光雷达2的重叠区域覆盖所需测量的区域,所需测量的区域可以包括车辆泊过程所涉及的范围等。
简单理解,选取主激光雷达是为了以该主激光雷达所在位置构建测量场坐标系,使得至少两个激光雷达获得的点云数据处于同一坐标系,实现至少两个激光雷达获得的点云数据的空间同步。本发明实施例中可以选取至少两个激光雷达中的任一个作为主激光雷达。
本发明实施例中,可以先分别获取各个激光雷达在其覆盖区域的所有点云数据,然后计算各个激光雷达对应的所有点云数据的交集,得到测试场点云数据。
也可以先对各个激光雷达的覆盖区域求取交集,得到所有激光雷达所覆盖区域的重叠区域,也即测试场,然后获取各个激光雷达在测试场中的点云数据,并将各个激光雷达在测试场中的点云数据组成测试场点云数据。
一种可选的实施例中,如图3所示,S201可以包括:
S2011,获得主激光雷达在测试场中的第一点云数据。
第一点云数据是基于测量场坐标系的点云数据。
基于主激光雷达所在位置构建坐标系,即构建测量场坐标系,获取主激光雷达的点云数据即第一点云数据,如测量场坐标系下主激光雷达采集的多点的x轴和y轴坐标值。
可以直接获取主激光雷达在测试场中的点云数据。也可以先获取主激光雷达在覆盖区域的所有点云数据,然后从所有点云数据中筛选出测试场中的点云数据。
S2012,获得其他激光雷达在测试场中的第二点云数据。
可以直接获取其他激光雷达在测试场中的点云数据。也可以先获取其他激光雷达在覆盖区域的所有点云数据,然后从所有点云数据中筛选出测试场中的点云数据。
一种可实现方式中,获取其他激光雷达在测试场中的点云数据;基于其他激光雷达与主激光雷达的位置关系,将其他激光雷达在测试场中的点云数据转换为基于测量场坐标系的第二点云数据。
获取其他激光雷达在基于该其他激光雷达所在位置所构建的坐标系下的点云数据,如该坐标系下其他激光雷达采集的多点的x轴和y轴坐标值。
根据其他激光雷达与主激光雷达的位置关系,将其他激光雷达的点云数据转换至测量场坐标系下,也可以理解为将多点在基于其他激光雷达所在位置所构建的坐标系下的坐标值转换为测量场坐标系下的坐标值。如此实现至少两个激光雷达点云数据的空间同步。
为了描述的简便,以本发明实施例中包括两个激光雷达:激光雷达1和激光雷达2为例进行说明,将激光雷达1作为主激光雷达,激光雷达2为其他激光雷达。
获取激光雷达1在测试场的点云数据即第一点云数据,获取激光雷达2在测试场的点云数据,并将激光雷达2在测试场的点云数据转换为基于测量场坐标系的第二点云数据,即将激光雷达2的点云数据转换至与激光雷达1的点云数据处于同一坐标系,实现点云数据的空间同步。
S2013,将第一点云数据和第二点云数据组成测试场点云数据。
测试场点云数据均为测量场坐标系下的坐标值。
S202,基于测试场点云数据,提取车辆实时位姿,测量实时位姿是车辆在泊车过程中的位姿;并根据车辆行驶方向,从车辆实时位姿中提取关键点位姿,关键点位姿包括车辆行驶方向发生变化时的车辆位姿。
可以从测试场点云数据中提取车辆轮廓点云数据;基于车辆轮廓点云数据计算车辆轮廓,得到车辆轮廓的车辆轮廓点坐标值;根据车辆轮廓点坐标值计算车辆的位姿。可以提取车辆实时轮廓得到最小外接矩形,计算实时位姿,具体地,可以根据车辆轮廓点云数据,计算车辆轮廓的外接矩形,得到外接矩形的四个顶点坐标,可以获取车辆的后轴中心到车身最前端距离与车长的比例;根据外接矩形的四个顶点坐标和比例,计算车辆相对于初始时刻的位置信息和车头朝向角,车头朝向角表示车辆中轴向车头方向。车辆相对于初始时刻的位置信息和车头朝向角可以理解为当前时刻车辆的位姿。
根据车辆行驶方向,从车辆实时位姿中提取关键点位姿,关键点位姿包括车辆行驶方向发生变化时的车辆位姿。
例如,关键点位姿可以包括关键点的位置信息,如车辆行驶方向发生变换的点的位置信息,以及当前时刻对应的车头朝向角,等等。其中,车辆行驶方向可以包括车辆前进、倒退,等等。
S203,提取规划轨迹对应的规划轨迹关键点位姿。
规划轨迹可以理解为待测泊车系统所得到的规划轨迹,该规划轨迹可以理解为待测泊车系统为待泊车的车辆所规划的泊车轨迹。规划轨迹可以包括对应的规划轨迹关键点位姿。在对待测泊车系统进行性能检测的过程中,可以提取该规划轨迹关键点位姿。
S204,计算从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差,得到关键点偏差。
例如,车辆在泊车过程检测车位中,车辆方向发生变换的关键点,也可以理解为车辆实际关键点,如可以包括A’、B’、C’分别对应的位姿;规划轨迹关键点位姿可以包括A、B、C分别对应的位姿,分别计算A与A’对应的位姿的偏差,B与B’对应的位姿的偏差,C与C对应的位姿偏差,得到关键点偏差。
S205,提取车辆最终泊车位姿。
车辆最终泊车位姿表示车辆泊车完成后的车辆位姿。
类似于S102中提取车辆在泊车过程中车辆实时位姿,可以提取车辆实时轮廓得到最小外接矩形,计算车辆泊车完成后的车辆位姿。
S206,获取目标泊车点位姿。
目标泊车点位姿可以为规划轨迹对应的目标泊车点位姿。或者,也可以通过查找测试场锚点中所包括的目标泊车点位姿。
S207,计算车辆最终泊车位姿与目标泊车点位姿之间的偏差,得到泊车位姿偏差。
例如,S205中提取车辆最终泊车位姿可以表示为D’,目标泊车点位姿可以表示为D,计算D与D’的偏差,得到泊车位姿偏差。
S208,获取第一车位角点。
第一车位角点包括车辆在泊车过程中检测到的各个可用车位的角点。
每一个可用车位可以通过多个点表示,为了平衡表示可用车位的准确率和复杂度,本发明实施例中, 每一可用车位可以包括4个车位角点,具体地,可以包括:上角点、右上角点、左下角点和右下角点。
S209,查找各个第一车位角点分别对应的第二车位角点。
第二车位角点为测试场锚点中测试场车位线角点的锚点。测试场车位线角点的锚点即可以理解为测试场中可用车位的车位角点。
S210,计算第一车位角点与第二车位角点的偏差,得到车位偏差。
可以针对各个第一车位角点,计算第一车位角点与第一车位角点对应的第二车位角点的偏差;计算各个第一车位角点分别对应的偏差的统计值,并将统计值作为车位偏差。
其中,统计值可以包括平均值及方差,等等。
S211,通过关键点偏差、泊车位姿偏差和车位偏差表征泊车性能。
一次测量结果可以检测泊车性能,也可以理解为可以评价单次测试泊车系统性能。
本发明实施例能够实现泊车性能检测的自动化。且通过测试场锚点能够提高精度较高的车位信息真值,并通过关键点偏差,也即从车辆实时位姿中提取的关键点位姿与规划轨迹关键点位姿之间的偏差、泊车位姿偏差,也即车辆最终泊车位姿与目标泊车点位姿之间的偏差和车位偏差,也即第一车位角点与第二车位角点的偏差表征泊车性能,如此能够提高对泊车性能检测的精度。另外,相比较于通过手动测量方式进行评价,本发明实施例可以提高测试效率,降低测试成本。总的来讲,本发明实施例提供的泊车性能的检测方法有着测试结果精度高,自动化程度高,测试效率高,成本低的特点。
本发明实施例可以进行多次测量,即每次测量均可以得到该次测量对应的关键点偏差、泊车位姿偏差和车位偏差。
具体地,如图4所示,S211可以包括:
S2110,针对车辆的泊车过程的多次测量,对各次测量分别对应的关键点偏差进行统计,得到关键点偏差对应的统计结果;
S2111,对各次测量分别对应的泊车位姿偏差进行统计,得到泊车位姿偏差对应的统计结果;
S2112,对各次测量分别对应的车位偏差进行统计,得到车位偏差对应的统计结果;
S2113,通过关键点偏差对应的统计结果、泊车位姿偏差对应的统计结果和车位偏差对应的统计结果表征泊车性能。
其中,统计结果包括均值、方差和/或两倍方差。
如此,能够检测泊车系统的整体性能,提高对泊车性能检测的精准度,使得检测结果更加可靠。
本发明实施例可以预先完成测试场锚点的构建的过程,以在对泊车性能进行检测的过程中可以直接使用。
如图5所示,测试场锚点的构建,可以包括:
S501,利用障碍物提取可用车位的车位角点坐标。
障碍物放置于可用车位的角点上;可用车位利用地面车位线确定。可用车位的车位角点可以理解为测试场车位线角点的锚点。
针对各个可用车位,车位角点坐标包括可用车位对应的4个角点的坐标,4个角点包括:左上角点、右上角点、左下角点和右下角点;
参见图6,以激光雷达1为主雷达,基于其坐标系构建为测量场坐标系,取原始点云数据x轴和y轴坐标值;获取其他激光雷达原始点云数据,利用其他激光雷达与激光雷达1的相对位置关系,将所有x轴坐标值和y轴坐标值转换到测量场坐标系,完成原始数据空间同步,得到t时刻测量场原始数据。具体可以参照S201获得测试场点云数据。
根据测量场原始数据及测试场现场环境,利用障碍物提取可用车位的车位角点坐标。
具体地,可以利用圆柱形障碍物提取车位角点坐标构建锚点,例如将圆柱形障碍物放置在车位的角点上,然后读取该障碍物轮廓点云坐标点,利用该点云簇拟合圆,圆心坐标值即为该角点锚点坐标值。
S502,计算目标泊车点位姿。
目标泊车点位姿可以包括目标泊车位置的坐标值,等等。
S503,将可用车位的车位角点坐标和目标泊车位姿组成测试场锚点。
具体地,可以计算车辆后轴中心所在位置的坐标值;计算左上角点和右上角点的中点;并以中点和车辆后轴中心所在位置的坐标值,计算车身方向与测试场x轴的夹角,并将车辆后轴中心所在位置的坐标值和车身方向与测试场x轴的夹角作为目标泊车点位姿。
如此,可以得到测试场区域内所有车位角点位置坐标及目标泊车点位姿,组成测试场锚点。在进行泊车性能检测过程中可以利用测试场锚点相关的信息。在检测过程中每次测试场原始数据中的锚点坐标如可用车位的坐标,要保证与事先构建的锚点重合。
测试场锚点可以包括:测试场坐标系下的所有可用车位的角点坐标(x, y)、对应的目标泊车点位姿D(x,y,phi)(phi表示位姿方向与x轴夹角,在测试场基本元素,可以作为每次测试相关量的真值。
即在测试前构建测试场锚点,测试过程中提取关键点车身姿态真值和规划值,泊车结束提取车辆最终位姿和目标车位位姿,测试结束后通过关键点偏差对应的统计结果、泊车位姿偏差对应的统计结果和车位偏差对应的统计结果表征泊车性能,即评价车位检测、关键点偏差及最终泊车姿态。
图7为本发明实施例提供的泊车性能的检测方法的应用示意图。可以应用本发明实施例提供的泊车性能的检测方法对自动泊车系统或者代客泊车系统的整体泊车性能进行检测,也可以理解为评价自动泊车系统或者代客泊车系统的整体泊车性能。
参照图7,可以获取测试场点云原始数据,提取车辆实时位姿,并提取车辆真实轨迹关键点位姿,以及提取车辆的最终泊车位姿,即车辆实际完成泊车后车辆的泊车位姿。
获取待测系统规划轨迹,提取规划轨迹关键点位姿,并计算提取的车辆真实轨迹关键点位姿与该规划轨迹关键点位姿的偏差,得到关键点偏差,可以评价该关键点偏差,以评价待测系统关于关键点的性能。
其中,待测系统可以包括自动泊车系统或代客泊车系统,待测系统控制车辆泊车。
可以基于测试场锚点得到目标泊车点位姿,计算提取的车辆的最终泊车位姿与该目标泊车点位姿的偏差,得到泊车位姿偏差,可以通过该泊车位姿偏差评价泊车姿态相关的性能。
可以获取待测系统检测出的车位信息,如可用车位的角点坐标,并基于测试场锚点得到测试场中可用车位的角点坐标,可以计算待测系统检测出的可用车位的角点坐标与测试场中可用车位的角点坐标的偏差,可以通过该偏差评价车位检测结果。
本发明提供的用于检测自动泊车系统或代客泊车系统整体泊车性能的方法,能够提供无GNSS信号区域高精度目标车位信息真值,高精度车辆位姿点真值为评价泊车系统或代客泊车系统出的车位检测、车辆控制及泊车姿态提供参考,评价整体性能。且对于评价或验收自动泊车系统的性能具有重要作用,可以作为生产工具应用到实际开发测试任务中。能够为自动泊车系统开发制造方、系统需求验收方等相关公司及人员提供便利的方法,具有积极的经济效益。
对应于上述实施例提供的泊车性能的检测方法,本发明实施例还提供了一种电子设备,如图8所示,包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信。
存储器803,用于存放计算机程序;
处理器801,用于执行存储器803上所存放的程序时,实现上述实施例中泊车性能的检测方法的方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中泊车性能的检测方法的方法步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中泊车性能的检测方法的方法步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备、计算机可读存储介质以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。