CN113253219B - 毫米波雷达的无参照物自标定方法、装置、设备和介质 - Google Patents

Abstract

本发明涉及雷达标定领域，具体而言，涉及一种毫米波雷达的无参照物自标定方法、装置、设备和介质。方法包括：车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置；根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线；计算每条直线与雷达法线的夹角，以及每条直线的夹角的概率密度；选择概率密度满足要求的直线的夹角作为所述目标雷达的偏置角度；按照所述偏置角度对所述目标雷达进行自标定。本发明实施例能够实现无参照物的雷达自标定。

Description

毫米波雷达的无参照物自标定方法、装置、设备和介质

技术领域

本发明涉及雷达标定技术领域，具体而言，涉及一种毫米波雷达的无参照物自标定方法、装置、设备和介质。

背景技术

毫米波雷达，是工作在毫米波波段探测的雷达，具有体积小、质量轻和空间分辨率高的特点。目标车辆上普遍安装毫米波雷达来探测前方视野。

在车辆行驶过程中，如果出现事故或者长时间颠簸抖动，毫米波雷达可能会出现安装角度的倾斜，需要对雷达进行重新标定。

目标对毫米波雷达的标定一般采用固定位置的参照物，例如利用角反射器、护栏，通过雷达探测到的数据进行自标定。这种方法依赖于外界参照物，不适用于当不存在外界参照物时的标定。

有鉴于此，特提出本发明。

发明内容

本发明实施例提供了一种毫米波雷达的无参照物自标定方法、装置、设备和存储介质，实现无参照物的雷达自标定。

为了实现上述目的，本发明采用以下技术方案：

第一方面，本发明提供了一种毫米波雷达的无参照物自标定方法，包括：

车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置；

根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线；

计算每条直线与雷达法线的夹角，以及每条直线的夹角的概率密度；

选择概率密度满足要求的直线的夹角作为所述目标雷达的偏置角度；

按照所述偏置角度对所述目标雷达进行自标定。

第二方面，本发明提供了一种毫米波雷达的无参照物自标定装置，包括：

采集模块，用于车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置；

识别模块，用于根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线；

计算模块，用于计算每条直线相对于雷达法线的偏置角度，以及每条直线的偏置角度的概率密度；

选择模块，用于选择概率密度满足要求的直线的偏置角度作为所述目标雷达的偏置角度；

标定模块，用于按照所述偏置角度对所述目标雷达进行自标定

第三方面，本发明提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一所述的毫米波雷达的无参照物自标定方法。

第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如任一所述的毫米波雷达的无参照物自标定方法。

与现有技术相比，本发明的有益效果为：

本实施例不依赖任何固定的参照物，根据道路轮廓上静止对象的分布特点对其直线方程进行求取，进而计算出夹角的概率密度，采用大数据统计的思路确定雷达的偏置角度。本实施例的标定方法更加简易、耗时短，适用于几乎所有的道路场景。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种毫米波雷达的无参照物自标定方法的流程图；

图2是本发明实施例提供的一帧探测数据的示意图；

图3是本发明实施例提供的雷达法线的示意图；

图4是本发明实施例提供的概率密度曲线的示意图；

图5是本发明实施例提供的标定前的显示效果的示意图；

图6是本发明实施例提供的标定后的显示效果的示意图；

图7是本发明实施例提供的毫米波雷达的无参照物自标定装置的结构示意图；

图8为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例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在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

图1是本发明实施例提供的一种毫米波雷达的无参照物自标定方法的流程图，适用于无参照物的情况下进行雷达自标定的情况。本方法可以由毫米波雷达的无参照物自标定装置执行，该装置由硬件和/或软件构成，并一般集成在电子设备中。参见图1，该方法包括以下操作：

S110、车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置。

本实施例中的真实车辆在实际道路上行驶，不限定道路上的对象，不以固定位置的参照物进行标定，而是利用道路上所有采集到的静态数据，结合大数据分析实现自标定。

在实际道路上，路边会存在很多沿道路轮廓分布的静态对象，典型路况如护栏、连续的树木等，但本发明并不限定静止对象的种类、分布情况等等。在车辆行驶时，通过安装在车辆上的毫米波雷达（目标雷达）实时采集探测到的多帧数据，每帧数据包括各反射点的位置。示例性的，雷达每隔70ms探测一次，形成一帧数据。通过结合本车车速对各帧数据进行分析，可以识别出哪些是静态反射点，哪些是动态反射点，具体方法参见现有技术，此处不再赘述。本实施例仅提取静态反射点的位置，不对静态反射点的种类做区分。

S120、根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线。

图2是本发明实施例提供的一帧探测数据的示意图。X轴沿车辆的横向方向，Y轴沿车辆的纵向方向，类似俯视道路时的视觉效果。图2用圆点表示反射点，空心圆点表示静态反射点，实心圆点表示动态反射点。可知，随着车辆不断行驶，静态反射点的数量、位置等均会动态变化，其反应了道路上动态对象的种类、数量和位置的变化。

对于每帧数据来说，根据各静态反射点的位置分布情况，识别各静态反射点穿过的直线。具体可采用霍夫变换的方法。

在识别各静态反射点对应的直线时，由于静态反射点数量较多、需要统计多个周期的数据，所以实施过程中所需动态存储空间要求很大。针对此问题，采用统计的方式减少对存储空间的依赖，以便移植到算力更低的平台。目标雷达采集到的数据一般为笛卡尔坐标系下的数据，笛卡尔坐标系要向极坐标系进行转换，需要大量的三角函数的计算，会拖慢系统的运行速度。基于此困难，采用查表方式，预先存储极坐标系下角度与三角函数值的对应关系。例如，30°与sin30°=0.5，cos30°=0.86的对应关系。具体而言，按照设定粒度（如0.1度）在最大允许偏置角度范围内构造多个θ，例如在-10°到10°的范围内，间隔0.1°构造201个角度θ。将静态反射点（x₁,y₁）和每个θ分别带入笛卡尔坐标系到极坐标系的转换公式（1），通过查表的方式计算r，这样就得到穿过静态反射点（x₁,y₁）的（θ，r）点对。同理，对每个静态反射点都计算得到（θ，r）点对，在r<允许偏置距离的范围（如15米）内，统计所有的θ，找到合适的角度值θ，也就是直线相对于雷达法线的夹角。公式（1）中的r为直线与笛卡尔坐标系原点的距离。

r=xcosθ+ysinθ（1）

图3是本发明实施例提供的笛卡尔坐标系下雷达偏置角度的示意图。O点为雷达坐标原点，y轴为雷达的法线方向，x为雷达静态反射点的横轴方向，其中虚线部分为雷达法线的平行线。假设允许雷达最大偏置为θ，那么直线1、2、3和4为可能出现的最大角度的直线，其中黑色圆点代表雷达探测到的静态反射点。将静态反射点的坐标带入公式（1），利用霍夫变换的方法经过统计计算，统计每个特定的（θ，r）点对，也就是各静态反射点经过的直线。后续还需要通过统计的方式求解最终的偏置角度θ。

本实施例通过查表将三角函数的计算转化为乘法与加法的计算方式，节省大量时间，方案用少量的时间与空间完成雷达的自校准功能。

在识别得到各静态反射点经过的多条直线之后，从该多条直线中筛选有效直线参与到后续的统计过程中。可选的，统计各静态反射点映射到的（θ，r）点对的数量，如果某个（θ，r）点对的数量超过阈值（例如4）。则将（θ，r）点对对应的直线确定为有效直线，作为本步骤中的各静态反射点对应的直线，从而保证选出的直线尽可能地反映道路上真实静态对象的位置。

假设雷达的偏置角度不大，且道路两边均能探测到静态对象时，一帧数据中可能会识别出多条直线，即探测视野的左侧识别出多条直线，探测视野的右侧识别出多条直线。

S130、计算每条直线与雷达法线的夹角，以及每条直线的夹角的概率密度。

由于道路的工况复杂，不一定总能够存在护栏等有规律的反射目标。而且尽管路况良好但道路反射目标分布并无非常明显规律，分布较为杂散，这样可能就会导致计算数值偏差较大。针对此情况，需要基于统计得出结果才能靠近真值（即真实的偏置角度）。

雷达法线参见图3，直线与雷达法线的夹角即相对于雷达法线的偏置角度。利用静态对象基本沿道路轮廓分布，且车辆会沿道路轮廓行驶，则雷达在无偏置时采集到的静态反射点应与法线平行；所以，直线与雷达法线的夹角，与雷达的偏置角度是一致的。

在雷达的偏置角度不变的情况下，获取到的直线越多，这些直线与法线的夹角越逼近雷达的偏置角度。本实施例计算各夹角的概率密度，从而选择出较大的概率密度对应的直线夹角，从而确定雷达的偏置角度。

可选的，将设定角度范围按照设定粒度划分为多个区间；计算夹角落在每个区间内的次数；根据所述次数计算偏置角度的概率密度。

具体的，根据道路上静态对象的分布位置和雷达的探测角度，将设定角度范围确定为θ=-10°~0°或者0°~10°或者-170°~-180°或者170°~180°，设定粒度可以为0.1°。将直线与雷达的距离（r）限定在15m以内，避免远处的对象的干扰。根据上述描述，每帧数据中的有效直线均计算出与雷达法线的夹角θ，则该直线对应的角度次数加1，经过多帧后统计每个θ的次数得到概率密度曲线。

S140、选择概率密度满足要求的直线的夹角作为所述目标雷达的偏置角度。

图4是本发明实施例提供的概率密度曲线的示意图。其体现了直线的夹角大部分落在哪些区间，概率密度越大，其为偏置角度的概率越高。由于探测过程中难免会有误判，使得概率密度曲线中出现尖峰，为了过滤掉这种情况，采用滑动窗口的方法选择最合适的夹角。

具体的，构造第一滑动窗口和第二滑动窗口，所述第一滑动窗口的尺寸（如2°）大于所述第二滑动窗口（如0.8°）。将所述第一滑动窗口在夹角的概率密度曲线上滑动，选择窗口覆盖面积最大的第一角度范围；如图4所示。将所述第二滑动窗口在所述第一角度范围的概率密度曲线上滑动，选择窗口覆盖面积最大的第二角度范围；根据所述第二角度范围确定所述目标雷达的偏置角度。可选的，直接将第二角度范围作为雷达的偏置角度范围，例如-2.1°~-2.5°；或者，在第二角度范围内取最大的概率密度对应的角度，作为偏置角度。

S150、按照所述偏置角度对所述目标雷达进行自标定。

本实施例中的毫米波雷达具有自标定功能，根据偏置角度对探测到的数据进行补偿，从而输出真实的数据。

可选的，将所述偏置角度上传至云平台，以供所述云平台判断所述偏置角度是否满足调整条件；如果满足调整条件，向车辆下发调整指令；响应所述调整指令，按照所述偏置角度对所述目标雷达进行软件自标定。

调整条件包括车辆处于预警状态，偏置角度大于设定值（如3°），此时有必要对目标雷达进行标定，避免不必要的操作。

本实施例不依赖任何固定的参照物，根据道路轮廓上静止对象的分布特点对其直线方程进行求取，进而计算出夹角的概率密度，采用大数据统计的思路确定雷达的偏置角度。本实施例的标定方法更加简易、耗时短，适用于几乎所有的道路场景。

在实际驾驶场景中，驾驶员的驾驶行为可能比较随机，不一定沿着道路直行，会存在转弯、变道和超车等行为，此种工况会严重干扰标定结果。针对此难点，静态反射点位置的获取应该车辆满足特定条件。具体而言，从所述多帧数据的每帧数据中确定静态反射点的位置，包括：在每帧数据采集时，获取所述车辆的车速和横摆角速度；如果所述车速在设定车速阈值以上，且横摆角速度在设定角速度范围内，从该帧数据中确定静态反射点的位置。

经过大量试验，车速在15km/h以上时，横摆角速度幅值在滤波后小于0.5°/s时，根据静态反射点确定的直线能够较真实的反映道路轮廓。

图5是本发明实施例提供的标定前的显示效果的示意图，图5左侧是摄像头拍摄的真实场景，右侧是采集到的静态反射点，此时计算出的雷达偏置角度9.55°。随着车辆的行驶，静态反射点的位置会发生变化，如果采集到的点数足够多，经过统计得到的雷达偏置角度会逐渐收敛。图6是本发明实施例提供的标定后的显示效果的示意图，图6左侧是拍摄的真实场景，右侧是经过校准补偿之后的静态反射点。

图7是本发明实施例提供的毫米波雷达的无参照物自标定装置的结构示意图，包括：采集模块610，识别模块620，计算模块630，选择模块640和标定模块650。

采集模块610，用于车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置；

识别模块620，用于根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线；

计算模块630，用于计算每条直线相对于雷达法线的偏置角度，以及每条直线的偏置角度的概率密度；

选择模块640，用于选择概率密度满足要求的直线的偏置角度作为所述目标雷达的偏置角度；

标定模块650，用于按照所述偏置角度对所述目标雷达进行自标定。

可选的，选择模块640包括：构造单元，用于构造第一滑动窗口和第二滑动窗口，所述第一滑动窗口的尺寸大于所述第二滑动窗口；第一滑动单元，用于将所述第一滑动窗口在夹角的概率密度曲线上滑动，选择窗口覆盖面积最大的第一角度范围；第二滑动单元，用于将所述第二滑动窗口在所述第一角度范围的概率密度曲线上滑动，选择窗口覆盖面积最大的第二角度范围；确定单元，用于根据所述第二角度范围确定所述目标雷达的偏置角度。

可选的，计算模块630在计算每条直线的夹角的概率密度时，具体用于：将设定角度范围按照设定粒度划分为多个区间；计算夹角落在每个区间内的次数；根据所述次数计算夹角的概率密度。

可选的，采集模块610在从多帧数据的每帧数据中确定静态反射点的位置时，具体用于：在每帧数据采集时，获取所述车辆的车速和横摆角速度；如果所述车速在设定车速阈值以上，且横摆角速度在设定角速度范围内，从该帧数据中确定静态反射点的位置。

可选的，标定模块650具体用于将所述偏置角度上传至云平台，以供所述云平台判断所述偏置角度是否满足调整条件；如果满足调整条件，向车辆下发调整指令；响应所述调整指令，按照所述偏置角度对所述目标雷达进行软件自标定。

可选的，识别模块620具体用于确定每帧数据中各静态反射点的位置在笛卡尔坐标系下的点坐标；采用查表的方式，根据笛卡尔坐标系到极坐标系的转换公式，将笛卡尔坐标系下的点坐标映射到极坐标系下，得到直线在极坐标系下的角度，作为相对于雷达法线的夹角；其中，所述表存储有极坐标系下角度与三角函数值的对应关系。

本发明实施例提供的毫米波雷达的无参照物自标定装置可以执行上述任一实施例提供的方法，具备相应的技术效果。

图8为本发明实施例提供的一种电子设备的结构示意图，如图8所示，该电子设备包括处理器70、存储器71、输入装置72和输出装置73；电子设备中处理器70的数量可以是一个或多个，图8中以一个处理器70为例；电子设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图8中以通过总线连接为例。

存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的毫米波雷达的无参照物自标定方法对应的程序指令/模块（例如，毫米波雷达的无参照物自标定装置中的采集模块610，识别模块620，计算模块630，选择模块640和标定模块650）。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的毫米波雷达的无参照物自标定方法。

存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置72可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示电子设备。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例的毫米波雷达的无参照物自标定方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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。

Claims (10)

1.一种毫米波雷达的无参照物自标定方法，其特征在于，包括：

车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置；

根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线；

计算每条直线与雷达法线的夹角，以及每条直线的夹角的概率密度；

采用滑动窗口的方法，选择概率密度满足要求的直线的夹角作为所述目标雷达的偏置角度；

按照所述偏置角度对所述目标雷达进行自标定。

2.根据权利要求1所述的方法，其特征在于，所述计算每条直线的夹角的概率密度，包括：

将设定角度范围按照设定粒度划分为多个区间；

计算夹角落在每个区间内的次数；

根据所述次数计算夹角的概率密度。

3.根据权利要求1所述的方法，其特征在于，所述选择概率密度满足要求的直线的夹角作为所述目标雷达的偏置角度，包括：

构造第一滑动窗口和第二滑动窗口，所述第一滑动窗口的尺寸大于所述第二滑动窗口；

将所述第一滑动窗口在夹角的概率密度曲线上滑动，选择窗口覆盖面积最大的第一角度范围；

将所述第二滑动窗口在所述第一角度范围的概率密度曲线上滑动，选择窗口覆盖面积最大的第二角度范围；

根据所述第二角度范围确定所述目标雷达的偏置角度。

4.根据权利要求1所述的方法，其特征在于，所述从所述多帧数据的每帧数据中确定静态反射点的位置，包括：

在每帧数据采集时，获取所述车辆的车速和横摆角速度；

如果所述车速在设定车速阈值以上，且横摆角速度在设定角速度范围内，从该帧数据中确定静态反射点的位置。

5.根据权利要求1所述的方法，其特征在于，所述按照所述偏置角度对所述目标雷达进行自标定，包括：

将所述偏置角度上传至云平台，以供所述云平台判断所述偏置角度是否满足调整条件；如果满足调整条件，向车辆下发调整指令；

响应所述调整指令，按照所述偏置角度对所述目标雷达进行软件自标定。

6.根据权利要求1所述的方法，其特征在于，所述根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线，包括：

确定每帧数据中各静态反射点的位置在笛卡尔坐标系下的点坐标；

采用查表的方式，根据笛卡尔坐标系到极坐标系的转换公式，将笛卡尔坐标系下的点坐标映射到极坐标系下，得到直线在极坐标系下的角度，作为相对于雷达法线的夹角；

其中，所述表存储有极坐标系下角度与三角函数值的对应关系。

7.一种毫米波雷达的无参照物自标定装置，其特征在于，包括：

采集模块，用于车辆在实际道路的行驶过程中，采集目标雷达探测到的多帧数据，并从所述多帧数据的每帧数据中确定静态反射点的位置；

识别模块，用于根据每帧数据中各静态反射点的位置，识别各静态反射点对应的直线；

计算模块，用于计算每条直线相对于雷达法线的偏置角度，以及每条直线的偏置角度的概率密度；

选择模块，用于采用滑动窗口的方法，选择概率密度满足要求的直线的偏置角度作为所述目标雷达的偏置角度；

标定模块，用于按照所述偏置角度对所述目标雷达进行自标定。

8.根据权利要求7所述的装置，其特征在于，所述选择模块包括：

构造单元，用于构造第一滑动窗口和第二滑动窗口，所述第一滑动窗口的尺寸大于所述第二滑动窗口；

第一滑动单元，用于将所述第一滑动窗口在夹角的概率密度曲线上滑动，选择窗口覆盖面积最大的第一角度范围；

第二滑动单元，用于将所述第二滑动窗口在所述第一角度范围的概率密度曲线上滑动，选择窗口覆盖面积最大的第二角度范围；

确定单元，用于根据所述第二角度范围确定所述目标雷达的偏置角度。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的毫米波雷达的无参照物自标定方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的毫米波雷达的无参照物自标定方法。

Images