CN113219507A - 基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 - Google Patents
基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 Download PDFInfo
- Publication number
- CN113219507A CN113219507A CN202110130124.1A CN202110130124A CN113219507A CN 113219507 A CN113219507 A CN 113219507A CN 202110130124 A CN202110130124 A CN 202110130124A CN 113219507 A CN113219507 A CN 113219507A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- test
- target vehicle
- perception
- 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.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 56
- 230000008447 perception Effects 0.000 title claims abstract description 54
- 238000000691 measurement method Methods 0.000 title claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 5
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000001953 sensory effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 13
- 238000012827 research and development Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000036461 convulsion Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，步骤包括：测试车上装配有多个车用传感器和自动驾驶感知系统，在测试车和目标车的中心位置均安装RT3000系统；开始试验；试验完成后，导出测试车RT3000原始数据、目标车RT3000原始数据和自动驾驶感知系统输出的感知融合数据；对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步；将经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析并对目标车相关数据进行误差分析。该方法，用RT3000系统做为真值系统，能够得到自动驾驶感知系统输出的融合数据的精度信息；且能够对场景无要求，相较于传统的强依赖于GPS的测试系统实现对场地更高的鲁棒性和精度。
Description
技术领域
本发明涉及车用传感器精度测试技术领域，尤其涉及一种基于RT3000的自动驾驶车辆感知融合数据的精度测量方法。
背景技术
为了获得移动载体的实时位置和姿态信息，已经提出了多种导航方式。其中，以惯性导航系统（INS）和全球卫星导航系统（以Global Positioning System, GPS 为典型代表）应用最为广泛。INS不仅能够提供载体位置速度参数，还能提供载体的三维姿态参数，是完全自主的导航方式，在航天，航空，航海和陆地等几乎所有领域中都得到了广泛的应用。随着惯性技术与卫星导航定位技术的发展，由GPS/INS 不同程度组合而成的定位定姿传感器已成为移动测图系统中确定载体轨迹和平台姿态的重要工具，其中GPS多用于定位而INS则用于测姿。随着城市建设的飞速发展和人民生活水平的提高，车辆在人们的生活中起着越来越重要的作用，其发展速度也越来越快，对车用传感器的精度要求也越来越高，而GPS和/或INS不能满足更高的测量和精度要求。
发明内容
本发明的目的是提供一种基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，将RT3000系统做为真值系统，能得到自动驾驶感知系统输出的融合数据的精度信息，能推动后续的研发；且在没有GPS的地下车库、隧道、封闭的室内空间，都可以得到真值，相较于传统的强依赖于GPS的测试系统实现对场地更高的鲁棒性和精度。
为实现上述目的，本发明提供了一种基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，包括以下步骤：
（S1）设置一辆测试车和一辆目标车，在测试车上装配有多个车用传感器和自动驾驶感知系统，在测试车和目标车的中心位置均安装RT3000系统，在测试车和目标车的试验区附近架设RT基站；其中，自动驾驶感知系统能够对多个车用传感器数据进行融合并输出感知融合数据；
（S2）对测试车和目标车进行试验，试验包括跟车试验、超车试验和并行驾驶试验中的一种或多种；
（S3）试验完成后，导出测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据；
（S4）对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步；
（S5）将经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析并对目标车相关数据进行误差分析，从而判断感知融合数据的精度是否满足当前项目需求。
进一步，目标车相关数据包括目标车横向位置、目标车纵向位置、目标车速度和目标车加速度。
进一步，在步骤（S2）中，所述对测试车和目标车进行试验，还执行以下步骤：测试车在设定速度下进行n次试验，以及测试车在m种不同速度下试验。
进一步，多个车用传感器包括前视摄像头、环视摄像头、前向毫米波雷达和角毫米波雷达。
进一步，所述测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据通过ATDF软件进行采集，且ATDF软件还能够对经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析。
进一步，对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步，具体执行以下步骤：
根据目标车RT3000原始数据的GPS时间对测试车RT3000原始数据进行GPS时钟同步；然后运用经过GPS时钟同步后的测试车RT3000原始数据的ADTF时间戳对感知融合数据进行ADTF时钟同步，以得到经过时钟同步后的测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据；
再将时钟同步后的测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据转换到世界坐标系中。
进一步，在试验前，需对测试车和目标车上的RT3000系统进行预热准备。
进一步，所述在试验前，需对测试车和目标车上的RT3000系统进行预热准备，具体包括以下步骤：将装有RT3000系统的测试车和目标车按照阿拉伯数字8的形状，行驶预设时间。
本发明与现有技术相比较具有以下优点：
本发明的RT3000的自动驾驶感知系统的精度测试方法，使用RT3000系统对汽车的横向位置、纵向位置、速度、角速度和航向俯仰角等进行记录，并且作为真值系统，能够得到自动驾驶感知系统输出的融合数据的精度信息，能够推动后续的研发；且在没有GPS的地下车库、隧道、封闭的室内空间，都能够得到真值，相较于传统的强依赖于GPS的测试系统实现对场地更高的鲁棒性和精度；RT3000比只使用GPS的系统有以下优势：RT3000 有一个很高（100Hz）的刷新率和很宽的带宽；输出可以被访问的反应时间很低，只有3.9ms；所有的输出可以持续被访问，即使GPS 中断期间；RT3000可以辨识GOS 位置的跳动并忽略他；GPS 进行的位置和速度测量中的高频噪声可以被RT3000消除；RT3000可以进行许多GPS 不能做的测量，例如：加速度、角速度，航向、俯仰、侧倾等，因此RT3000系统作为真值系统测量精度更高，且和常规的惯性导航系统不同，RT3000用GPS 校正所有的测量值，当GPS起作用时RT3000进行测量时就没有漂移。
附图说明
图1为本发明基于RT3000的自动驾驶车辆感知融合数据的精度测量方法的流程图；
图2为本发明车用传感器数据融合的结构示意图；
图3为本发明测试车在设定速度下n次跟车行驶误差的结构示意图；
图4为本发明测试车在m种不同速度下跟车行驶误差的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
参见图1和图2所示，本实施例公开了一种基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，包括以下步骤：
（S1）设置一辆测试车和一辆目标车，在测试车上装配有多个车用传感器和自动驾驶感知系统，在测试车和目标车的中心位置均安装RT3000系统，在测试车和目标车的试验区附近架设RT基站；其中，自动驾驶感知系统能够对多个车用传感器数据进行融合并输出感知融合数据。
（S2）对测试车和目标车进行试验，试验包括跟车试验、超车试验和并行驾驶试验中的一种或多种。
（S3）试验完成后，导出测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据。
（S4）对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步；其中，测试车RT3000系统做时间和空间同步中需要使用到。
（S5）将经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析并对目标车相关数据进行误差分析，从而判断感知融合数据的精度是否满足当前项目需求。其中，目标车的RT3000系统作为真值系统，同测试车输出的感知融合数据进行对比。在本实施例中，使用MATLAB软件对目标车相关数据进行误差分析并判断测试车的自动驾驶感知系统输出的感知融合数据的精度是否满足当前项目需求。RT3000 系统采用四元数法进行姿态描述，通过捷联惯性导航计算导航参数，利用卡尔曼滤波进行修正，在这些先进技术的支持下，确保了RT3000测量的精确性，并且通过倾斜路面的实车测试，发现RT3000能补偿了没有真值情况下，感知融合数据的精度可以测量，从而推动研发进行。
在本实施例中，目标车相关数据包括目标车横向位置、目标车纵向位置、目标车速度和目标车加速度。
在本实施例中，在步骤（S2）中，所述对测试车和目标车进行试验，还执行以下步骤：测试车在设定速度下进行n次试验，以及测试车在m种不同速度下试验。如图3所示，测试车在设定速度下n次跟车行驶误差，图中从左至右依次为平均距离误差、平均速度误差和平均加速度误差。如图4所示，测试车在m种不同速度下跟车行驶误差，图中从左至右依次为距离误差、速度误差和加速度误差。
在本实施例中，多个车用传感器包括前视摄像头、环视摄像头、前向毫米波雷达和角毫米波雷达。
在本实施例中，所述测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据通过ATDF软件进行采集，且ATDF软件还能够对经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析。其中，ADTF采集的RT3000数据既包含ADTF时间戳，又包含GPS时间，ADTF采集的感知融合数据仅包含ADTF时间戳。ATDF软件采集目标车上的RT3000输出的目标车RT3000原始数据以及测试车上RT3000输出的测试车RT3000原始数据，自动驾驶感知系统通过ATDF软件采集每个车用传感器输出的数据后，进而对各车用传感器输出的数据进行融合。
在本实施例中，对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步，具体执行以下步骤：
根据目标车RT3000原始数据的GPS时间对测试车RT3000原始数据进行GPS时钟同步；然后运用经过GPS时钟同步后的测试车RT3000原始数据的ADTF时间戳对感知融合数据进行ADTF时钟同步，以得到经过时钟同步后的测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据；
再将时钟同步后的测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据转换到世界坐标系中。
在本实施例中，在试验前，需对测试车和目标车上的RT3000系统进行预热准备。对RT3000系统进行预热准备，能够提高RT3000的定位精度。
在本实施例中，所述在试验前，需对测试车和目标车上的RT3000系统进行预热准备，具体包括以下步骤：将装有RT3000系统的测试车和目标车按照阿拉伯数字8的形状，行驶预设时间。预设时间为6分钟，在某些实施例中，也可以为其他时间。
本发明的RT3000的自动驾驶感知系统的精度测试方法，使用RT3000系统对汽车的横向位置、纵向位置、速度、角速度和航向俯仰角等进行记录，并且作为真值系统，能够得到自动驾驶感知系统输出的融合数据的精度信息，并能够推动后续的研发；且在没有GPS的地下车库、隧道、封闭的室内空间，都能够得到真值，相较于传统的强依赖于GPS的测试系统实现对场地更高的鲁棒性和精度；RT3000比只使用GPS的系统有以下优势：RT3000 有一个很高（100Hz）的刷新率和很宽的带宽；输出可以被访问的反应时间很低，只有3.9ms；所有的输出可以持续被访问，即使GPS 中断期间；RT3000可以辨识GOS 位置的跳动并忽略他；GPS 进行的位置和速度测量中的高频噪声可以被RT3000消除；RT3000可以进行许多GPS 不能做的测量，例如：加速度、角速度，航向、俯仰、侧倾等，因此RT3000系统作为真值系统测量精度更高，且和常规的惯性导航系统不同，RT3000用GPS 校正所有的测量值，当GPS起作用时RT3000进行测量时就没有漂移。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.一种基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，包括以下步骤：
（S1）设置一辆测试车和一辆目标车，在测试车上装配有多个车用传感器和自动驾驶感知系统，在测试车和目标车的中心位置均安装RT3000系统，在测试车和目标车的试验区附近架设RT基站；其中，自动驾驶感知系统能够对多个车用传感器数据进行融合并输出感知融合数据；
（S2）对测试车和目标车进行试验，试验包括跟车试验、超车试验和并行驾驶试验中的一种或多种；
（S3）试验完成后，导出测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据；
（S4）对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步；
（S5）将经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析并对目标车相关数据进行误差分析，从而判断感知融合数据的精度是否满足当前项目需求。
2.根据权利要求1所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，目标车相关数据包括目标车横向位置、目标车纵向位置、目标车速度和目标车加速度。
3.根据权利要求1或2所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，在步骤（S2）中，所述对测试车和目标车进行试验，还执行以下步骤：测试车在设定速度下进行n次试验，以及测试车在m种不同速度下试验。
4.根据权利要求3所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，多个车用传感器包括前视摄像头、环视摄像头、前向毫米波雷达和角毫米波雷达。
5.根据权利要求1或2或4所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，所述测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据通过ATDF软件进行采集，且ATDF软件还能够对经过时钟同步和空间同步后的目标车RT3000原始数据和感知融合数据进行解析。
6.根据权利要求5所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，对测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据进行时钟同步和空间同步，具体执行以下步骤：
根据目标车RT3000原始数据的GPS时间对测试车RT3000原始数据进行GPS时钟同步；然后运用经过GPS时钟同步后的测试车RT3000原始数据的ADTF时间戳对感知融合数据进行ADTF时钟同步，以得到经过时钟同步后的测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据；
再将时钟同步后的测试车RT3000原始数据、目标车RT3000原始数据和感知融合数据转换到世界坐标系中。
7.根据权利要求1或2或4或6所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，在试验前，需对测试车和目标车上的RT3000系统进行预热准备。
8.根据权利要求7所述的基于RT3000的自动驾驶车辆感知融合数据的精度测量方法，其特征在于，所述在试验前，需对测试车和目标车上的RT3000系统进行预热准备，具体包括以下步骤：将装有RT3000系统的测试车和目标车按照阿拉伯数字8的形状，行驶预设时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110130124.1A CN113219507B (zh) | 2021-01-29 | 2021-01-29 | 基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110130124.1A CN113219507B (zh) | 2021-01-29 | 2021-01-29 | 基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113219507A true CN113219507A (zh) | 2021-08-06 |
| CN113219507B CN113219507B (zh) | 2024-02-23 |
Family
ID=77084502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110130124.1A Active CN113219507B (zh) | 2021-01-29 | 2021-01-29 | 基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113219507B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113932834A (zh) * | 2021-12-15 | 2022-01-14 | 智道网联科技(北京)有限公司 | 融合定位设备的检验方法、装置及电子设备、存储介质 |
| CN114077875A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 信息验证方法、装置、设备及存储介质 |
| CN114440931A (zh) * | 2022-01-29 | 2022-05-06 | 重庆长安汽车股份有限公司 | 一种基于整车电磁环境的车载导航定位性能调试方法 |
| 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 |
| 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 |
| 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 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107731009A (zh) * | 2017-11-28 | 2018-02-23 | 吉林大学 | 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法 |
| CN109188932A (zh) * | 2018-08-22 | 2019-01-11 | 吉林大学 | 一种面向智能驾驶的多摄像头在环仿真测试方法及系统 |
| CN109752719A (zh) * | 2019-01-27 | 2019-05-14 | 南昌航空大学 | 一种基于多传感器的智能汽车环境感知方法 |
| CN110208842A (zh) * | 2019-05-28 | 2019-09-06 | 长安大学 | 一种车联网环境下车辆高精度定位方法 |
| CN110687901A (zh) * | 2019-10-31 | 2020-01-14 | 重庆长安汽车股份有限公司 | 仿真测试平台 |
| CN110703272A (zh) * | 2019-09-27 | 2020-01-17 | 江苏大学 | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 |
| CN110726990A (zh) * | 2019-09-23 | 2020-01-24 | 江苏大学 | 一种基于ds-gnn算法的多传感器融合方法 |
| CN110888126A (zh) * | 2019-12-06 | 2020-03-17 | 西北工业大学 | 基于多源传感器的无人船信息感知系统数据综合处理方法 |
| WO2020216316A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技（上海）股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
| CN112230228A (zh) * | 2020-09-30 | 2021-01-15 | 中汽院智能网联科技有限公司 | 一种基于场地测试技术的智能汽车视觉传感器测试方法 |
-
2021
- 2021-01-29 CN CN202110130124.1A patent/CN113219507B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107731009A (zh) * | 2017-11-28 | 2018-02-23 | 吉林大学 | 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法 |
| CN109188932A (zh) * | 2018-08-22 | 2019-01-11 | 吉林大学 | 一种面向智能驾驶的多摄像头在环仿真测试方法及系统 |
| CN109752719A (zh) * | 2019-01-27 | 2019-05-14 | 南昌航空大学 | 一种基于多传感器的智能汽车环境感知方法 |
| WO2020216316A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技（上海）股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
| CN110208842A (zh) * | 2019-05-28 | 2019-09-06 | 长安大学 | 一种车联网环境下车辆高精度定位方法 |
| CN110726990A (zh) * | 2019-09-23 | 2020-01-24 | 江苏大学 | 一种基于ds-gnn算法的多传感器融合方法 |
| CN110703272A (zh) * | 2019-09-27 | 2020-01-17 | 江苏大学 | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 |
| CN110687901A (zh) * | 2019-10-31 | 2020-01-14 | 重庆长安汽车股份有限公司 | 仿真测试平台 |
| CN110888126A (zh) * | 2019-12-06 | 2020-03-17 | 西北工业大学 | 基于多源传感器的无人船信息感知系统数据综合处理方法 |
| CN112230228A (zh) * | 2020-09-30 | 2021-01-15 | 中汽院智能网联科技有限公司 | 一种基于场地测试技术的智能汽车视觉传感器测试方法 |
Non-Patent Citations (1)
| Title |
|---|
| ELEKTROBIT: "验证自动驾驶技术的挑战-将真实数据与基于云的模拟技术相结合", 《汽车与配件》, no. 7, 15 April 2019 (2019-04-15), pages 51 - 53 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113932834A (zh) * | 2021-12-15 | 2022-01-14 | 智道网联科技(北京)有限公司 | 融合定位设备的检验方法、装置及电子设备、存储介质 |
| CN113932834B (zh) * | 2021-12-15 | 2022-05-17 | 智道网联科技(北京)有限公司 | 融合定位设备的检验方法、装置及电子设备、存储介质 |
| CN114077875A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 信息验证方法、装置、设备及存储介质 |
| CN114440931A (zh) * | 2022-01-29 | 2022-05-06 | 重庆长安汽车股份有限公司 | 一种基于整车电磁环境的车载导航定位性能调试方法 |
| 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 |
| 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 |
| 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113219507B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113219507B (zh) | 基于rt3000的自动驾驶车辆感知融合数据的精度测量方法 | |
| JP7073052B2 (ja) | ビークルの角度位置を測定するシステムおよび方法 | |
| CN107132563B (zh) | 一种里程计结合双天线差分gnss的组合导航方法 | |
| CN107389064A (zh) | 一种基于惯性导航的无人车变道控制方法 | |
| CN107830865B (zh) | 一种车辆目标分类方法、装置、系统及计算机程序产品 | |
| CN110208842A (zh) | 一种车联网环境下车辆高精度定位方法 | |
| CN104678415A (zh) | 车辆位置推测系统及其方法 | |
| CN110361008B (zh) | 地下车库自动泊车的定位方法及装置 | |
| US20230358541A1 (en) | Inertial navigation system capable of dead reckoning in vehicles | |
| CN104835353A (zh) | Vanet中基于ins和gnss伪距双差的协作相对定位方法 | |
| CN112378410B (zh) | 车辆行驶盲区校准方法、装置、设备及存储介质 | |
| CN111649740B (zh) | 一种基于imu进行车辆高精度定位的方法及系统 | |
| CN112455331B (zh) | 车辆防撞预警方法、系统及车载计算机设备 | |
| CN112923931A (zh) | 一种基于固定路线下的特征地图匹配与gps定位信息融合方法 | |
| CN110579786A (zh) | 定位方法及系统、导航方法及系统和一种车辆管理终端 | |
| CN106093992A (zh) | 一种基于cors的亚米级组合定位导航系统及导航方法 | |
| CN111443363A (zh) | 一种卫星导航的欺骗识别方法及装置 | |
| CN202649469U (zh) | 有效全球卫星定位系统所在位置判断的定位装置 | |
| CN112525207B (zh) | 一种基于车辆俯仰角地图匹配的无人驾驶汽车定位方法 | |
| CN114993303A (zh) | 自动泊车测试方法、装置、计算机终端及存储介质 | |
| CN112710343B (zh) | 一种基于rt的车载传感器性能测试方法 | |
| CN110187374B (zh) | 一种智能驾驶性能检测多目标协同定位系统及方法 | |
| Bai et al. | Vehicle precise positioning based on integrated navigation system in vehicle networking | |
| CN115574838A (zh) | 一种组合导航系统的自动对准方法 | |
| US20200249031A1 (en) | Method for determining a position of a vehicle in a digital map |
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 |