CN113093129B - 车载雷达的自动标定方法、装置及终端设备 - Google Patents
车载雷达的自动标定方法、装置及终端设备 Download PDFInfo
- Publication number
- CN113093129B CN113093129B CN202110402466.4A CN202110402466A CN113093129B CN 113093129 B CN113093129 B CN 113093129B CN 202110402466 A CN202110402466 A CN 202110402466A CN 113093129 B CN113093129 B CN 113093129B
- Authority
- CN
- China
- Prior art keywords
- target
- cloud data
- point cloud
- vehicle
- frame
- 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
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
- 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
Abstract
本发明适用于汽车技术领域,提供了一种车载雷达的自动标定方法、装置及终端设备,该方法包括:利用车载雷达在车辆的第一预设距离范围内获取多帧点云数据;根据多帧点云数据,确定多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;在预设标定时间内,根据第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;在目标护栏角度的目标平均值和目标截距的目标平均值均满足第一预设取值条件的情况下,将目标护栏角度的目标平均值作为车载雷达的标定角度,以根据标定角度对车载雷达进行自动标定。
Description
技术领域
本发明属于汽车技术领域,尤其涉及一种车载雷达的自动标定方法、装置及终端设备。
背景技术
随着汽车工业的发展,自动驾驶系统或者高级自动驾驶辅助系统ADAS应用越来越广泛。雷达可以探测车辆后方有无威胁目标,采用预警信号或者直接干预车辆的动作来规避可能发生的危险,是自动驾驶系统或者高级自动辅助驾驶ADAS系统中必不可少的组成部分。
在车辆安装好雷达后下生产线时,由于安装工艺的原因和结构件的尺寸公差等原因,每辆车上雷达的安装角度都不可能完全一致,甚至出现较大的偏差,因此有必要对安装角度进行标定。通常有两种方法对安装在车身上的雷达角度进行标定,一种方法是在车辆下线时增加一个角度校准的工序,在固定的角度上放置雷达目标模拟器来产生模拟目标,根据雷达检测出来的目标角度与模拟器实际放置的角度之间的偏差来实现对雷达安装角度的标定。另一种方法是在车辆下线时不做标定,而是车辆出厂后在外行驶期间根据路况来进行手动标定。
但是上述雷达的标定方法无法实现车载雷达的自动标定。
发明内容
有鉴于此,本发明实施例提供了一种车载雷达的自动标定方法、装置及终端设备,以解决现有技术无法实现车载雷达的自动标定的问题。
本发明实施例的第一方面提供了一种车载雷达的自动标定方法,包括:
在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
本发明实施例的第二方面提供了一种车载雷达的自动标定装置,包括:
数据获取模块,用于在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
初始参数计算模块,用于根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
初始参数选取模块,用于选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
目标参数计算模块,用于在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
标定角度确定模块,用于在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述一种车载雷达的自动标定方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例首先在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;之后根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;再选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;然后在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;最后在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。本发明通过对第一预设数量帧的点云数据对应的目标护栏角度和目标截距进行统计,计算目标护栏角度的目标平均值和目标截距的目标平均值,可得出可靠、精确的车载雷达的标定角度,实现车载雷达的自动标定。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明一实施例提供的一种车载雷达的自动标定方法的实现流程示意图;
图2是本发明实施例提供的车辆在直线道路行驶的示意图;
图3是本发明实施例中S102的细化步骤的实现流程示意图;
图4是本发明实施例提供的车载雷达与杂波点的几何关系示意图;
图5是本发明实施例中S301的细化步骤的实现流程示意图;
图6是本发明实施例中S303的细化步骤的实现流程示意图;
图7是本发明实施例中S104的细化步骤的实现流程示意图;
图8是本发明另一实施例提供的一种车载雷达的自动标定方法的实现流程示意图;
图9是本发明实施例中S802的细化步骤的实现流程示意图;
图10是本发明另一实施例提供的一种车载雷达的自动标定方法的实现流程示意图;
图11是本发明实施例提供的一种车载雷达的自动标定装置的结构示意图;
图12是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1是本发明一实施例提供的一种车载雷达的自动标定方法的示意图。如图1所示,该实施例的一种车载雷达的自动标定方法包括:
步骤S101:在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
步骤S102:根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
步骤S103:选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
步骤S104:在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
步骤S105:在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
在一实施例中,结合图2,本申请将雷达设置于车辆的后方(即后角雷达),在车辆所在道路的类型为直线道路的情况下,通过雷达CFAR检测对车辆周围环境的杂波点进行采样,得到多帧点云数据。其中,雷达的类型可以为激光雷达、毫米波角雷达等,本申请对雷达的类型不作具体限定。此外,在直线道路两侧存在路边护栏的情况下,路边护栏可为铁栅栏、水泥护栏或绿化带等,以路边护栏为铁栅栏为例,车辆的左车身与左侧铁栅栏之间的距离为d1,车辆的右车身与右侧铁栅栏之间的距离为d2,d1与d2可以相等或不等。
进一步地,护栏角度是指杂波点与车身侧面延长线的夹角,截距是指经车身侧面延长线的雷达到杂波点的垂直距离,通过护栏角度和截距可以获得雷达与杂波点之间的几何关系,以提高车载雷达标定的精确度。本申请以设置于车辆左后方的雷达为例,设置于车辆左后方的雷达在车辆的第一预设距离范围内对车辆周围环境的杂波点进行采样,可得到多帧点云数据,之后通过对多帧点云数据进行处理,可以确定每帧点云数据对应的目标护栏角度和目标截距。由于本申请采样的样本量庞大,为了对雷达进行高效率地标定,选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距进行分析。
本发明实施例首先在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;之后根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;再选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;然后在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;最后在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。本发明通过对第一预设数量帧的点云数据对应的目标护栏角度和目标截距进行统计,计算目标护栏角度的目标平均值和目标截距的目标平均值,可得出可靠、精确的车载雷达的标定角度,在车辆未发生碰撞或发生碰撞后(雷达出现部分角度的偏差)实现车载雷达的自动标定。
图3是本发明实施例中S102的细化步骤的流程示意图,如图3所示,S102包括:
步骤S301:根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标静态杂波点;
步骤S302:对所述每帧点云数据对应的目标静态杂波点进行霍夫变换,得到每帧点云数据对应的初始截距;
步骤S303:以第二预设距离为单位对所述每帧点云数据对应的初始截距进行量化处理,确定量化结果;
步骤S304:获取所述目标静态杂波点对应的第一统计数目;
步骤S305:在所述量化结果和所述目标静态杂波点对应的第一统计数目满足第二预设取值条件的情况下,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距。
在一实施例中,目标静态杂波点是通过对雷达采集的杂波点信息进行预处理、筛选获得。目标静态杂波点为多个或一个,设目标静态杂波点为M个的情况下,对M个目标静态杂波点中的每个静态目标杂波点进行Hough变换(霍夫变换),得到每个静态目标杂波点的初始截距。结合图4,对每个静态目标杂波点进行Hough变换的具体步骤如下述公式所示:
Rd=|Rx·cos(θ)+Ry·sin(θ)|
其中,Rx为目标静态杂波点的横向距离,Ry为目标静态杂波点的纵向距离,θ为穿过目标静态杂波点的直线与车身侧平面延长线的夹角(或称为护栏角度),取值范围为-90~90°,步进可取1°,Rd为经车身侧面延长线的雷达(图4显示的原点O)到杂波点的垂直距离。
进一步地,将通过上述公式得到每帧点云数据对应的初始截距之后,会对以第二预设距离为单位对所述每帧点云数据对应的初始截距进行量化处理,确定量化结果。由于每帧点云数据可能对应多个初始截距,且多个初始截距的数据相对分散,则需要用量化的方式将分散的多个初始截距分配至不同的预设区间内,以确定量化结果,量化结果包括:目标预设区间的最小区间值R0和所述目标静态杂波点迹对应的第二统计数目m。目标静态杂波点对应的第一统计数目指目标静态杂波点的数目M,再通过目标预设区间的最小区间值R0(作为标截距R0)、所述目标静态杂波点迹对应的第二统计数目m和目标静态杂波点对应的第一统计数目指目标静态杂波点的数目M来确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度θ0和目标截距R0。
此外,在确定目标护栏角度θ0和目标截距R0之前还需要量化结果和目标静态杂波点的数目M满足第二预设取值条件,具体为:
若上述参数满足第二预设取值条件,则说明当前帧为雷达自动标定的有效帧,否则当前帧为雷达自动标定的无效帧。其中,对于有效帧对应的目标护栏角度θ0和目标截距R0进行统计、更新等处理。
图5是本发明实施例中S301的细化步骤的流程示意图,如图5所示,S301包括:
步骤S501:在所述多帧点云数据中的每帧点云数据中选取超过预设门限的点云数据,作为每帧点云数据对应的初始杂波点信息;
步骤S502:依次对所述每帧点云数据对应的初始杂波点信息进行预处理、筛选,得到每帧点云数据对应的初始静态杂波点;
步骤S503:将所述每帧点云数据对应的初始静态杂波点进行汇总,确定每帧点云数据对应的静态杂波点集合;
步骤S504:在所述每帧点云数据对应的静态杂波点集合中挑选满足第三预设距离的初始静态杂波点,作为每帧点云数据对应的目标静态杂波点。
在一实施例中,在车辆在直道行驶状态下时,获取雷达CFAR检测结果中所有过门限的初始杂波点P={p0,p1,p2,...pN-1},每个初始杂波点pi的信息描述为(Rx,Ry,R,azim,Vr,snr),依次表示该初始杂波点的横向距离、纵向距离、径向距离、方位角度、径向速度和信噪比。对所有初始杂波点信息进行预处理,判断该点迹是否为初始静态杂波点,并挑选出所有的初始静态杂波点,所有的初始静态杂波点构成静态杂波点集合。
进一步地,在静态杂波点集合中筛选满足第三预设距离的初始静态杂波点。以雷达安装位置为直角坐标系原点,取出横向距离在0~6米、纵向距离在-2~40米以内的初始静态杂波点,将这些初始静态杂波点作为判断直道护栏的源数据,得到满足第三预设距离的初始静态杂波点数目为M,并将这M个初始静态杂波点作为每帧点云数据对应的目标静态杂波点。
图6是本发明实施例中步骤S303的细化步骤的流程示意图,如图6所示,步骤S303包括:
步骤S601:以第二预设距离为单位对所述每帧点云数据对应的初始截距进行量化处理,得到量化后的初始截距;
步骤S602:将所述量化后的初始截距设置于与所述量化后的初始截距相匹配的初始预设区间内,并将所述初始预设区间内包含所述量化后的初始截距数量最多的预设区间作为目标预设区间;
步骤S603:统计所述目标预设区间对应的目标静态杂波点的数目,确定目标静态杂波点对应的第二统计数目;
步骤S604:获取目标预设区间的最小区间值,并将所述目标预设区间的最小区间值和所述目标静态杂波点对应的第二统计数目作为量化结果。
在一实施例中,本申请对经过Hough变换后得到的初始截距进行量化处理。设将初始截距Rd以0.5米为单位进行量化处理,初始截距Rd属于预设区间[0,0.5)范围内的记为0米,初始截距Rd属于预设区间[0.5,1)范围内记为0.5米,初始截距Rd属于预设区间[1,1.5)范围内记为1米,并以此类推。如果当前帧统计结果中落入某目标预设区间[R0,R0+0.5)的目标静态杂波点数最多,且目标静态杂波点数目为m(即目标静态杂波点对应的第二统计数目),则将此目标预设区间的最小区间值R0和第二统计数目m作为量化结果。
图7是本发明实施例中步骤S104的细化步骤的流程示意图,如图7所示,步骤S104包括:
步骤S701:在所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距中选取连续的前第二预设数量帧的点云数据对应的目标护栏角度和目标截距;
步骤S702:分别计算所述前第二预设数量帧的点云数据对应的目标护栏角度和目标截距的平均值,得到目标护栏角度的初始平均值和目标截距的初始平均值;
步骤S703:利用滑窗的方式,以第二预设数量帧为窗口长度对所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距中除连续的前第二预设数量帧的点云数据对应的目标护栏角度和目标截距之外的点云数据对应的目标护栏角度和目标截距进行更新,确定目标护栏角度的目标平均值和目标截距的目标平均值。
在一实施例中,假设连续的前第二预设数量帧为20,即当前连续存储有20个有效帧的目标护栏角度θ0和目标截距R0,分别计算此连续20个有效帧的目标护栏角度θ0和目标截距R0的平均值,具体如下述公式所示:
由于第一预设数量帧大于第二预设数量帧,还需计算除了第二预设数量帧的目标护栏角度θ0和目标截距R0。假设第一预设数量帧为100,上述已经计算了20个目标护栏角度θ0和目标截距R0的平均值,剩下的80个目标护栏角度θ0和目标截距R0的平均值采用滑窗的方式,以20帧长度为窗口,不断向后滑动,继续更新当前统计数据目标护栏角度的平均值和目标截距的平均值。
图8是本发明一实施例提供的另一种车载雷达的自动标定方法的示意图。
如图8所示,该实施例的一种车载雷达的自动标定方法包括:
步骤S801:获取车辆的车身横摆角速度和车辆的速度;
步骤S802:根据所述车辆的车身横摆角速度和所述车辆的速度,确定车辆所在道路的类型。
在一实施例中,获取车辆的车身横摆角速度w和车辆的速度V的方式可以是通过传感器测量或者实际测得。通过对车辆的车身横摆角速度w和车辆的速度V进行计算车辆的转弯半径R,可以通过转弯半径R确定车辆所在道路的类型,道路类型可以为直线道路、非直线道路(弯曲道路或不规则道路)。
步骤S803:在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
步骤S804:根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
步骤S805:选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
步骤S806:在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
步骤S807:在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
在一实施例中,目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件,才能将目标护栏角度的目标平均值作为所述车载雷达的标定角度,第一预设取值条件具体为:
图9是本发明实施例中S802的细化步骤的流程示意图,如图9所示,S802包括:
步骤S901:以所述车辆的速度与所述车辆的车身横摆角速度的商,作为车辆的转弯半径;
步骤S902:根据所述车辆的转弯半径的绝对值的取值范围,确定车辆的行驶状态;
步骤S903:根据所述车辆的行驶状态,确定车辆所在道路的类型。
在一实施例中,通过对车辆的车身横摆角速度w和车辆的速度V计算车辆的转弯半径R,计算公式如下:
R=V/w
通过上述得到的转弯半径R判断车辆当前行驶状态,即直线行驶或非直线弯行驶等,如果转弯半径R的绝对值大于等于600m,则车辆为直线行驶状态;如果转弯半径R的绝对值小于600m,则车辆为非直线行驶状态。最后通过车辆的行驶状态来确定车辆所在道路的类型,若车辆为直线行驶状态,则车辆所在的道路类型为直线道路;若车辆为非直线行驶状态,则车辆所在的道路类型为非直线道路。
图10是本发明一实施例提供的另一种车载雷达的自动标定方法的示意图。如图10所示,该实施例的一种车载雷达的自动标定方法包括:
步骤S1001:根据所述车辆的行驶状态,确定车辆所在道路的类型;
步骤S1002:在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
步骤S1003:根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
步骤S1004:选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
步骤S1005a:在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
步骤S1005b:在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,未得到目标护栏角度的目标平均值和目标截距的目标平均值,则返回执行根据所述车辆的行驶状态,确定车辆所在道路的类型的步骤;
步骤S1006:在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中,如图11所示,提供了一种车载雷达的自动标定装置,包括:数据获取模块1101、初始参数计算模块1102、初始参数选取模块1103、目标参数计算模块1104和标定角度确定模块1105,其中,数据获取模块1101,用于在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;初始参数计算模块1102,用于根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;初始参数选取模块1103,用于选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;目标参数计算模块1104,用于在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;标定角度确定模块1105,用于在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
在一实施例中,初始参数计算模块1102,包括:静态杂波点确定单元,用于根据多帧点云数据,确定多帧点云数据中的每帧点云数据对应的目标静态杂波点;初始截距计算单元,用于对每帧点云数据对应的目标静态杂波点进行霍夫变换,得到每帧点云数据对应的初始截距;量化结果确定单元,用于以第二预设距离为单位对每帧点云数据对应的初始截距进行量化处理,确定量化结果;第一统计数目获取单元,用于获取目标静态杂波点对应的第一统计数目;初始参数确定单元,用于在量化结果和目标静态杂波点对应的第一统计数目满足第二预设取值条件的情况下,确定多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距。
在一实施例中,静态杂波点确定单元,包括:初始信息确定子单元,用于在多帧点云数据中的每帧点云数据中选取超过预设门限的点云数据,作为每帧点云数据对应的初始杂波点信息;信息处理子单元,用于依次对每帧点云数据对应的初始杂波点信息进行预处理、筛选,得到每帧点云数据对应的初始静态杂波点;集合确定子单元,用于将每帧点云数据对应的初始静态杂波点进行汇总,确定每帧点云数据对应的静态杂波点集合;静态杂波点筛选子单元,用于在每帧点云数据对应的静态杂波点集合中挑选满足第三预设距离的初始静态杂波点,作为每帧点云数据对应的目标静态杂波点。
在一实施例中,量化结果确定单元,包括:量化初始值确定子单元,用于以第二预设距离为单位对每帧点云数据对应的初始截距进行量化处理,得到量化后的初始截距;目标区间确定子单元,用于将量化后的初始截距设置于与量化后的初始截距相匹配的初始预设区间内,并将初始预设区间内包含量化后的初始截距数量最多的预设区间作为目标预设区间;第二统计数目获取子单元,用于统计目标预设区间对应的目标静态杂波点的数目,确定目标静态杂波点对应的第二统计数目;量化结果获取子单元,用于获取目标预设区间的最小区间值,并将目标预设区间的最小区间值和目标静态杂波点对应的第二统计数目作为量化结果。
在一实施例中,目标参数计算模块1104,包括:连续参数选取单元,用于在第一预设数量帧的点云数据对应的目标护栏角度和目标截距中选取连续的前第二预设数量帧的点云数据对应的目标护栏角度和目标截距;平均值计算单元,用于分别计算前第二预设数量帧的点云数据对应的目标护栏角度和目标截距的平均值,得到目标护栏角度的初始平均值和目标截距的初始平均值;滑窗处理单元,用于利用滑窗的方式,以第二预设数量帧为窗口长度对第一预设数量帧的点云数据对应的目标护栏角度和目标截距中除连续的前第二预设数量帧的点云数据对应的目标护栏角度和目标截距之外的点云数据对应的目标护栏角度和目标截距进行更新,确定目标护栏角度的目标平均值和目标截距的目标平均值。
在一实施例中,数据获取模块1101之前,还包括:车辆参数获取模块,用于获取车辆的车身横摆角速度和车辆的速度;道路类型确定模块,用于根据车辆的车身横摆角速度和车辆的速度,确定车辆所在道路的类型。
在一实施例中,道路类型确定模块,包括:转弯半径计算单元,用于以车辆的速度与车辆的车身横摆角速度的商,作为车辆的转弯半径;行驶状态确定单元,用于根据车辆的转弯半径的绝对值的取值范围,确定车辆的行驶状态;道路类型选取单元,用于根据车辆的行驶状态,确定车辆所在道路的类型。
在一实施例中,初始参数选取模块1103之后,还包括:返回执行模块,用于在预设标定时间内,根据第一预设数量帧的点云数据对应的目标护栏角度和目标截距,未得到目标护栏角度的目标平均值和目标截距的目标平均值,则返回执行根据车辆的行驶状态,确定车辆所在道路的类型的步骤。
图12是本发明一实施例提供的终端设备的示意图。如图12所示,该实施例的终端设备12包括:处理器1201、存储器1202以及存储在所述存储器1202中并可在所述处理器1201上运行的计算机程序1203。所述处理器1201执行所述计算机程序1203时实现上述各个车载雷达的自动标定方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器1201执行所述计算机程序1203时实现上述各装置实施例中各模块/单元的功能,例如图11所示模块1101至1105的功能。
示例性的,所述计算机程序1203可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器1202中,并由所述处理器1201执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序1203在所述终端设备10中的执行过程。例如,所述计算机程序1203可以被分割成数据获取模块、初始参数计算模块、初始参数选取模块、目标参数计算模块和标定角度确定模块,各模块具体功能如下:数据获取模块,用于在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;初始参数计算模块,用于根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;初始参数选取模块,用于选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;目标参数计算模块,用于在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;标定角度确定模块,用于在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定。
所述终端设备12可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述12终端设备可包括,但不仅限于,处理器1201、存储器1202。本领域技术人员可以理解,图12仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1201可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器1202可以是所述终端设备12的内部存储单元,例如终端设备12的硬盘或内存。所述存储器1202也可以是所述终端设备12的外部存储设备,例如所述终端设备12上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器1202还可以既包括所述终端设备12的内部存储单元也包括外部存储设备。所述存储器1202用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器1202还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述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所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种车载雷达的自动标定方法,其特征在于,包括:
在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定;
所述根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距,包括:
根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标静态杂波点;
对所述每帧点云数据对应的目标静态杂波点进行霍夫变换,得到每帧点云数据对应的初始截距;
以第二预设距离为单位对所述每帧点云数据对应的初始截距进行量化处理,确定量化结果;
获取所述目标静态杂波点对应的第一统计数目;
在所述量化结果和所述目标静态杂波点对应的第一统计数目满足第二预设取值条件的情况下,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距。
2.如权利要求1所述的车载雷达的自动标定方法,其特征在于,所述根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标静态杂波点,包括:
在所述多帧点云数据中的每帧点云数据中选取超过预设门限的点云数据,作为每帧点云数据对应的初始杂波点信息;
依次对所述每帧点云数据对应的初始杂波点信息进行预处理、筛选,得到每帧点云数据对应的初始静态杂波点;
将所述每帧点云数据对应的初始静态杂波点进行汇总,确定每帧点云数据对应的静态杂波点集合;
在所述每帧点云数据对应的静态杂波点集合中挑选满足第三预设距离的初始静态杂波点,作为每帧点云数据对应的目标静态杂波点。
3.如权利要求1所述的车载雷达的自动标定方法,其特征在于,所述以第二预设距离为单位对所述每帧点云数据对应的初始截距进行量化处理,确定量化结果,包括:
以第二预设距离为单位对所述每帧点云数据对应的初始截距进行量化处理,得到量化后的初始截距;
将所述量化后的初始截距设置于与所述量化后的初始截距相匹配的初始预设区间内,并将所述初始预设区间内包含所述量化后的初始截距数量最多的预设区间作为目标预设区间;
统计所述目标预设区间对应的目标静态杂波点的数目,确定目标静态杂波点对应的第二统计数目;
获取目标预设区间的最小区间值,并将所述目标预设区间的最小区间值和所述目标静态杂波点对应的第二统计数目作为量化结果。
4.如权利要求1-3中任一项所述的车载雷达的自动标定方法,其特征在于,所述在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值,包括:
在所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距中选取连续的前第二预设数量帧的点云数据对应的目标护栏角度和目标截距;
分别计算所述前第二预设数量帧的点云数据对应的目标护栏角度和目标截距的平均值,得到目标护栏角度的初始平均值和目标截距的初始平均值;
利用滑窗的方式,以第二预设数量帧为窗口长度对所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距中除连续的前第二预设数量帧的点云数据对应的目标护栏角度和目标截距之外的点云数据对应的目标护栏角度和目标截距进行更新,确定目标护栏角度的目标平均值和目标截距的目标平均值。
5.如权利要求1-3中任一项所述的车载雷达的自动标定方法,其特征在于,所述在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据之前,还包括:
获取车辆的车身横摆角速度和车辆的速度;
根据所述车辆的车身横摆角速度和所述车辆的速度,确定车辆所在道路的类型。
6.如权利要求5所述的车载雷达的自动标定方法,其特征在于,所述根据所述车辆的车身横摆角速度和所述车辆的速度,确定车辆所在道路的类型,包括:
以所述车辆的速度与所述车辆的车身横摆角速度的商,作为车辆的转弯半径;
根据所述车辆的转弯半径的绝对值的取值范围,确定车辆的行驶状态;
根据所述车辆的行驶状态,确定车辆所在道路的类型。
7.如权利要求6所述的车载雷达的自动标定方法,其特征在于,所述选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距之后,还包括:
在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,未得到目标护栏角度的目标平均值和目标截距的目标平均值,则返回执行根据所述车辆的行驶状态,确定车辆所在道路的类型的步骤。
8.一种车载雷达的自动标定装置,其特征在于,包括:
数据获取模块,用于在车辆所在道路的类型为直线道路的情况下,利用车载雷达在所述车辆的第一预设距离范围内获取多帧点云数据;
初始参数计算模块,用于根据所述多帧点云数据,确定所述多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距;
初始参数选取模块,用于选取第一预设数量帧的点云数据对应的目标护栏角度和目标截距;
目标参数计算模块,用于在预设标定时间内,根据所述第一预设数量帧的点云数据对应的目标护栏角度和目标截距,得到目标护栏角度的目标平均值和目标截距的目标平均值;
标定角度确定模块,用于在所述目标护栏角度的目标平均值和所述目标截距的目标平均值均满足第一预设取值条件的情况下,将所述目标护栏角度的目标平均值作为所述车载雷达的标定角度,以根据所述标定角度对所述车载雷达进行自动标定;
初始参数计算模块包括:静态杂波点确定单元,用于根据多帧点云数据,确定多帧点云数据中的每帧点云数据对应的目标静态杂波点;初始截距计算单元,用于对每帧点云数据对应的目标静态杂波点进行霍夫变换,得到每帧点云数据对应的初始截距;量化结果确定单元,用于以第二预设距离为单位对每帧点云数据对应的初始截距进行量化处理,确定量化结果;第一统计数目获取单元,用于获取目标静态杂波点对应的第一统计数目;初始参数确定单元,用于在量化结果和目标静态杂波点对应的第一统计数目满足第二预设取值条件的情况下,确定多帧点云数据中的每帧点云数据对应的目标护栏角度和目标截距。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述车载雷达的自动标定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402466.4A CN113093129B (zh) | 2021-04-14 | 2021-04-14 | 车载雷达的自动标定方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110402466.4A CN113093129B (zh) | 2021-04-14 | 2021-04-14 | 车载雷达的自动标定方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113093129A CN113093129A (zh) | 2021-07-09 |
CN113093129B true CN113093129B (zh) | 2022-10-25 |
Family
ID=76677586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110402466.4A Active CN113093129B (zh) | 2021-04-14 | 2021-04-14 | 车载雷达的自动标定方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093129B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113702929A (zh) * | 2021-08-16 | 2021-11-26 | 中汽创智科技有限公司 | 一种车载雷达安装角度校准方法、装置、设备及存储介质 |
CN115327501B (zh) * | 2022-10-13 | 2022-12-23 | 南京隼眼电子科技有限公司 | 水平安装角自标定方法、装置、电子设备及存储介质 |
CN116381632B (zh) * | 2023-06-05 | 2023-08-18 | 南京隼眼电子科技有限公司 | 雷达横滚角的自标定方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108859952A (zh) * | 2018-05-22 | 2018-11-23 | 森思泰克河北科技有限公司 | 车辆变道预警方法、装置和雷达 |
CN111157965A (zh) * | 2020-02-18 | 2020-05-15 | 北京理工大学重庆创新中心 | 车载毫米波雷达安装角度自校准方法、装置及存储介质 |
CN112213725A (zh) * | 2020-09-28 | 2021-01-12 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
CN112526465A (zh) * | 2020-11-23 | 2021-03-19 | 北京小马慧行科技有限公司 | 动态标定车载毫米波雷达的方位角度安装偏差的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110142805A (zh) * | 2019-05-22 | 2019-08-20 | 武汉爱速达机器人科技有限公司 | 一种基于激光雷达的机器人末端校准方法 |
CN110992356B (zh) * | 2019-12-17 | 2024-03-08 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
-
2021
- 2021-04-14 CN CN202110402466.4A patent/CN113093129B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108859952A (zh) * | 2018-05-22 | 2018-11-23 | 森思泰克河北科技有限公司 | 车辆变道预警方法、装置和雷达 |
CN111157965A (zh) * | 2020-02-18 | 2020-05-15 | 北京理工大学重庆创新中心 | 车载毫米波雷达安装角度自校准方法、装置及存储介质 |
CN112213725A (zh) * | 2020-09-28 | 2021-01-12 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
CN112526465A (zh) * | 2020-11-23 | 2021-03-19 | 北京小马慧行科技有限公司 | 动态标定车载毫米波雷达的方位角度安装偏差的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113093129A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113093129B (zh) | 车载雷达的自动标定方法、装置及终端设备 | |
CN111157965B (zh) | 车载毫米波雷达安装角度自校准方法、装置及存储介质 | |
CN108496059B (zh) | 一种惯量传感器的校正方法、装置、终端设备和存储介质 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN112213725B (zh) | 车载雷达的多径虚警抑制方法、装置及终端设备 | |
CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
CN110646772B (zh) | 雷达安装参数校准方法及装置 | |
CN113109783B (zh) | 航向角获取方法、装置、设备和存储介质 | |
CN113505687A (zh) | 设备测试方法、装置、电子设备、系统和存储介质 | |
CN112213728A (zh) | 一种超声测距方法、装置、计算机可读存储介质及机器人 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
DE102015116441A1 (de) | Verfahren zur adaptiven Schätzung einer Winkelkorrekturkennlinie | |
CN115951336A (zh) | 确定激光雷达误差的方法、装置、设备及存储介质 | |
CN113806920B (zh) | 一种无人机集群电磁散射仿真方法、装置、设备及介质 | |
CN113702931A (zh) | 一种车载雷达的外参标定方法、装置及存储介质 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN113050056B (zh) | 一种雷达工作环境识别方法、装置及终端设备 | |
CN116176579B (zh) | 自动驾驶跟车车距测量计算装置及方法 | |
CN110766005A (zh) | 目标特征提取方法、装置和终端设备 | |
CN113391276B (zh) | 一种雷达遮挡检测方法、装置及终端设备 | |
CN111554111B (zh) | 基于多源数据融合的信号配时优化方法、装置及终端 | |
CN110726976B (zh) | 目标信息校准方法、装置和终端设备 | |
CN116381632B (zh) | 雷达横滚角的自标定方法、装置及存储介质 | |
CN114460551A (zh) | 一种基于毫米波雷达与视觉的现场自动标定方法及装置 | |
CN115170601A (zh) | 雷达测量数据处理方法及装置 |
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 |