CN113468735B - 一种激光雷达仿真方法、装置、系统和存储介质 - Google Patents
一种激光雷达仿真方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN113468735B CN113468735B CN202110708239.4A CN202110708239A CN113468735B CN 113468735 B CN113468735 B CN 113468735B CN 202110708239 A CN202110708239 A CN 202110708239A CN 113468735 B CN113468735 B CN 113468735B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- angle
- simulation
- emission
- lidar
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 62
- 238000013507 mapping Methods 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000009827 uniform distribution Methods 0.000 claims description 24
- 238000009828 non-uniform distribution Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及软件在环测试领域,具体公开了其中一种激光雷达仿真方法、装置、系统和存储介质。该方法包括:获取激光雷达的配置信息,配置信息为标识激光雷达的硬件配置和使用参数的信息;将激光雷达的每个发射点的发射角度映射为二维像素点,以根据配置信息生成每个二维像素点对应的光线角度分布数据;根据光线角度分布数据,模拟每个发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。本发明公开的激光雷达仿真方法、装置、系统和存储介质,能够解决实际不同的激光雷达对仿真结果产生了影响,致使仿真结果准确性和精度不高的问题。
Description
技术领域
本发明属于仿真技术领域,尤其涉及一种激光雷达仿真方法、装置、系统和存储介质。
背景技术
自动驾驶技术迅速发展,但在真正商业化应用前还需要经历大量的道路测试才能达到商用要求。目前,受道路测试的时间成本、极端场景及危险工况的测试安全性、各国道路交通环境及习惯不同等因素影响,实际场景下的自动驾驶测试很难全面铺开。为此,基于场景库的仿真测试为自动驾驶系统研发提供了解决方案。
在自动驾驶汽车的仿真测试中,激光雷达作为关键传感器,其仿真建模是整个仿真测试的重要环节,但目前激光雷达仿真研究多着重于光学层面和仿真模型的构建。而市面上的激光雷达多种多样,实际不同的激光雷达仿真的结果也不尽相同,由此致使仿真结果准确性和精度不高。
发明内容
本发明实施例提供了一种激光雷达仿真方法、装置、系统和存储介质,能够解决实际不同的激光雷达对仿真结果产生了影响,致使仿真结果准确性和精度不高的问题。
第一方面,提供一种激光雷达仿真方法,包括:
获取激光雷达的配置信息,配置信息为标识激光雷达的硬件配置和使用参数的信息;
将激光雷达的每个发射点的发射角度映射为二维像素点,以根据配置信息生成每个二维像素点对应的光线角度分布数据;
根据光线角度分布数据,模拟每个发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。
可选地,将激光雷达的每个发射点的发射角度映射为二维像素点包括:
根据配置信息确定激光雷达的发射角度分布类型;
获取发射角度分布类型对应的映射算法;
通过运行映射算法将发射角度映射为二维像素点。
可选地,当发射角度分布类型为均匀分布时,通过运行映射算法将发射角度映射为二维像素点包括:
从配置信息中获取激光雷达的视场角和分辨率,视场角和分辨率为映射算法的输入;
通过运行映射算法构建虚拟二维平面,虚拟二维平面包括多个二维像素点,每个二维像素点与每个发射角度一一对应。
可选地,通过运行映射算法构建虚拟二维平面包括:
获取发射角度的均匀分布方向;
对沿均匀分布方向上的视场角和分辨率进行除法运算,得到运算结果;
将运算结果作为虚拟二维平面沿均匀分布方向的单位像素个数,以形成虚拟二维平面。
可选地,将运算结果作为虚拟二维平面沿均匀分布方向的单位像素个数,以形成虚拟二维平面包括:
获取激光雷达在非均匀分布方向上的通道数;
将运算结果和通道数对应作为虚拟二维平面沿均匀分布方向和非均匀分布方向的单位像素个数,以形成虚拟二维平面。
可选地,当发射角度分布类型为非均匀分布时,通过运行映射算法将发射角度映射为二维像素点包括:
根据配置信息获取基于球坐标系的激光雷达角度分布信息,激光雷达角度分布信息包括每个发射点的水平角度值和垂直角度值;
按照激光雷达角度分布信息构建虚拟二维平面,虚拟二维平面包括多个二维像素点,每个二维像素点与每个发射角度一一对应。
结合上述可能的实现方式,在第六种可能的实现方式中,进行碰撞轨迹追踪得到激光雷达仿真结果之后,还包括:
获取激光雷达仿真结果对应的实际场景下的实际点云结果;
比较激光雷达仿真结果与实际点云结果,以评估激光雷达仿真的测距精度。
可选地,比较激光雷达仿真结果与实际点云结果,以评估激光雷达仿真的测距精度包括:
以实际点云结果作为真值,计算激光雷达仿真结果与真值的误差参数,误差参数包括均值误差、标准差以及预设范围内的精度中的至少一项;
通过误差参数评估激光雷达仿真的测距精度。
第二方面,提供一种激光雷达仿真装置,包括:
获取模块,用于获取激光雷达的配置信息,配置信息为标识激光雷达的硬件配置和使用参数的信息;
映射模块,用于将激光雷达的每个发射点的发射角度映射为二维像素点,以根据配置信息生成每个二维像素点对应的光线角度分布数据;
模拟模块,用于根据光线角度分布数据,模拟每个发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。
第三方面,提供了一种激光雷达仿真系统,包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面的激光雷达仿真方法。
第四方面,提供一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面的激光雷达仿真方法。
与现有技术相比,本申请实施例提供的激光雷达仿真方法、装置、系统和存储介质,通过激光雷达的配置信息生成光线角度分布数据,并根据光线角度分布数据进行仿真,而其中配置信息为标识激光雷达的硬件配置和使用参数的信息,因此输出的激光雷达仿真结果考虑了实际的激光雷达参数的影响,从而解决了实际不同的激光雷达对仿真结果产生影响,致使仿真结果准确性和精度不高的问题,提高了仿真结果的准确性和精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述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是本发明一实施例的激光雷达仿真方法的示意性流程图。
图2是本发明一实施例的激光雷达仿真方法中配置信息的存储示意图。
图3是本发明另一实施例的激光雷达仿真方法中激光雷达的发射角度映射到虚拟二维平面的示意图。
图4是本发明又一实施例的激光雷达仿真方法的示意性流程图。
图5是本发明又一实施例的激光雷达仿真方法中激光雷达仿真场景的示意图。
图6是本发明实施例的激光雷达仿真装置的示意性框图。
图7是本发明实施例的激光雷达仿真系统的示意性框图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
图1示出了本发明一较佳实施例的激光雷达仿真方法的示意性流程图。该方法包括以下步骤:
步骤S110,获取激光雷达的配置信息,配置信息为标识激光雷达的硬件配置和使用参数的信息;
步骤S120,将激光雷达的每个发射点的发射角度映射为二维像素点,以根据配置信息生成每个二维像素点对应的光线角度分布数据;
步骤S130,根据光线角度分布数据,模拟每个发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。
步骤S110中的激光雷达又称为激光雷达传感器。实际使用时,激光雷达可以用于自动驾驶汽车等场景的识别、距离和速度测量等。激光雷达仿真是对激光雷达传感器信息的模拟,能够模拟光线的发射、追踪以及接收。在一可选示例中,激光雷达仿真可以作为自动驾驶软件在环测试的一个环节。
激光雷达的配置信息可以依据激光雷达的实际安装位置、激光雷达使用手册参数和所支持的扫描方式获得。其中标识激光雷达的硬件配置的配置信息可以包括激光雷达的硬件参数和激光雷达实际支持的激光扫描形式。
硬件参数可以包括激光雷达型号、视场角、分辨率、最远测试距离和结构类型,其中视场角包括垂直视场角和水平视场角,分辨率包括水平分辨率和垂直分辨率。
结构类型是按激光雷达的结构进行分类,包括机械式、固态和混合固态式。不同的结构类型在视场角、最远探测距离、激光扫描方式和设备结果传输方式上存在很大差异。需要说明的是,激光雷达所对应支持的扫描方式可以通过激光雷达型号和/或结构类型获得。
标识激光雷达的使用参数的配置信息可以包括激光雷达在三维空间坐标系的安装位置坐标和/或欧拉角,还可以包括激光雷达的点云数据通讯信息,该点云数据通讯信息与激光雷达型号和/或厂商相关,与激光雷达的使用手册对应。例如,点云数据通讯信息包括数据帧帧头、帧尾、数据块格式定义、输出数据协议长度和端口号等。该安装位置坐标和/或欧拉角能够体现激光雷达的实际安装位置,例如激光雷达在自动驾驶汽车中的实际车载安装位置。
通过收集配置信息,能够获得激光雷达仿真的输入信息。在一可选示例中,参看图2,可以将获得的激光雷达的配置信息以表的形式存储,通过表进行存储,方便对不同激光雷达的配置信息进行管理。
由于激光雷达生成的点云数据是三维的、无序的且稀疏的,而激光雷达三维特性因光线的发射角度产生,因此在步骤S120中,可以将激光雷达的所有点的发射角度映射为二维像素点,每个二维像素点根据配置信息存储有对应发射角度的光线角度分布数据,所有像素点的集合类似于矩阵数据集。
在一可选的示例中,可以将所有发射角度映射到虚拟二维平面,虚拟二维平面上包括多个二维像素点,每一个二维像素点对应激光雷达一个点云点的点云数据。
初始情况下,每个二维像素点存储的数据仅包括每个二维像素点的坐标。当所有二维像素点确定形成有虚拟二维平面,可以根据配置信息为虚拟二维平面内每个二维像素点配置光线角度分布数据。该光线角度分布数据中包含激光雷达各个角度的光线发射分布,例如可以包括每个二维像素点对应的发射角度位置坐标以及发射角度的光线初始能量等。
在获得光线角度分布数据后,可以在虚拟二维平面上按照激光雷达的每个发射角度模拟发射光线。具体可以是根据光线角度分布数据按照光线追踪原理,追踪光线碰撞物体后碰撞点返回的x,y,z轴的位置信息,以根据位置信息形成碰撞的轨迹,进而计算每一个二维像素点(即点云中每一个点)的位置信息、距离信息和强度信息,即计算获得每个点云点的点云信息。
其中,距离信息可以包括碰撞点距离;强度信息可以包括光线碰撞物体后的剩余能量,此外还可以包括回波次数等。需要说明的是,可以根据点云的初始能量以及光线反射回来的剩余能量计算光线发射强度。通过数据计算,点云信息得到更新,更新后点云信息即是点云结果,该点云结果为激光雷达仿真结果。在一示例中,可以将点云结果存储至计算机共享内存中,方便仿真结果的显示和分享。
例如,可以基于CUDA(Compute Unified Device Architecture,显卡厂商NVIDIA推出的运算平台)中的OptiX光线加速引擎来模拟光线碰撞过程,以获取点云位置信息。其中,按照发射角度分布模拟光线发射,每一个角度的光线遇到仿真环境中的障碍物发生镜面反射以及漫反射。根据光线的可逆性,返回激光点打到物体后的角度信息以及距离信息。当光线在仿真世界中没有打到物体上,则返回“NAN”值。
因此,根据本发明实施例的激光雷达仿真方法,通过激光雷达的配置信息生成光线角度分布数据,并根据光线角度分布数据进行仿真,而其中配置信息为标识激光雷达的硬件配置和使用参数的信息,因此输出的激光雷达仿真结果考虑了实际的激光雷达参数的影响,从而解决了实际不同的激光雷达对仿真结果产生影响,致使仿真结果准确性和精度不高的问题,提高了仿真结果的准确性和精度。
可以理解的是,在步骤S120中将激光雷达的每个发射点的发射角度映射为二维像素点是不限于本实施例,还可以包括:
步骤S121,根据配置信息确定激光雷达的发射角度分布类型;
步骤S122,获取发射角度分布类型对应的映射算法;
步骤S123,通过运行映射算法将发射角度映射为二维像素点。
可以理解的是,不同的激光雷达结构类型对应不同的配置信息,例如视场角、最远探测距离、激光扫描方式、设备结果传输方式等。针对不同激光雷达产品配置信息不一致对仿真造成的影响,本方案为不同发射角度分布类型设置有不同的映射算法,将三维点云按照对应的映射算法转换为二维像素点。该激光雷达仿真方式通用性强,适用范围广,适合于机械式的均匀分布激光雷达,也适用于非均匀的混合固态、半固态或固态激光雷达。
在一个可选的实施例中,当根据配置信息中的结构类型和/或激光雷达型号确定发射角度分布类型为均匀分布时,通过运行映射算法将发射角度映射为二维像素点,可以包括以下步骤:
步骤S310,从配置信息中获取激光雷达的视场角和分辨率,视场角和分辨率为映射算法的输入;
步骤S320,通过运行映射算法构建虚拟二维平面,虚拟二维平面包括多个二维像素点,每个二维像素点与每个发射角度一一对应。
其中,构建虚拟二维平面可以是获取发射角度的均匀分布方向;对沿均匀分布方向上的视场角和分辨率进行除法运算,得到运算结果;将运算结果作为虚拟二维平面沿均匀分布方向的单位像素个数,以形成虚拟二维平面。
需要说明的是,机械式激光雷达以及部分混合固态激光雷达的角度是均匀分布的,而均匀分布的激光雷达至少在某一方向上的发射角度为均匀分布。
在发射角度为均匀分布的方向上,可以按照视场角以及分辨率进行均值计算,得到光线角度分布数据。例如,在垂直和水平两个方向上,发射角度均为均匀分布,此时计算水平方向像素点个数的映射算法为W=a/b,其中W为水平像素点的个数,a为水平视场角,b为水平分辨率;同理,垂直方向上的像素点个数算法亦是如此,在此不过多赘述。
若激光雷达在某一方向上的发射角度不是均匀分布,可以获取激光雷达在非均匀分布方向上的通道数;将运算结果和通道数对应作为虚拟二维平面沿均匀分布方向和非均匀分布方向的单位像素个数,以形成虚拟二维平面。
例如,继续以图2中速腾聚创RS-Ruby Lite的激光雷达的配置信息为例,其沿水平方向的发射角度为均匀分布,因此水平像素的数量为W=a/b=360/0.2=1800。该激光雷达在垂直方向是非均匀分布的,根据实际激光雷达80个通道对应80个垂直方向的角度,所以沿垂直方向的单位像素点个数h=80。
请一并参看图3,图3为图2中激光雷达的发射角度映射到虚拟二维平面的示意图。其中相对靠近单元格的数据为二维像素点的索引,相对远离的数据代表两个发射角度之间的角度差,由此将三维激光雷达映射到虚拟的二维平面上。根据计算,该激光雷达在10HZ频率下,一帧点云共有w*h=14.4万个点云数据。
还需要说明的是,除去限制像素点个数的视场角和分辨率,实际其他配置信息影响着最终点云结果的呈现,例如激光雷达的安装位置影响虚拟二维平面中激光发射原点的位置。相同视场角和分辨率,由于发射原点位置不同,点云结果也会不一致。
通过本实施例给出了激光雷达的发射角度分布类型为均匀分布时,构建虚拟二维平面的实现方式,提高了激光雷达仿真的准确度和精度。
在另一个可选实施例中,当根据激光雷达配置信息中的结构类型和/或激光雷达型号确定发射角度分布类型为非均匀分布时,通过运行映射算法将发射角度映射为二维像素点,可以包括以下步骤:
S330,根据配置信息获取基于球坐标系的激光雷达角度分布信息,激光雷达角度分布信息包括每个发射点的水平角度值和垂直角度值;
S340,按照激光雷达角度分布信息构建虚拟二维平面,虚拟二维平面包括多个二维像素点,每个二维像素点与每个发射角度一一对应。
需要说明的是,部分混合固态以及固态激光雷达的角度是非均匀分布,且激光源的扫描方式会有变化,光线角度分布要按照激光雷达实际角度分布信息来设置输入,该信息一般为球坐标系下的每一个激光发射点的水平角度值α和垂直角度值ω。对于发射角度非均匀分布的激光雷达,可以通过获取的球坐标系角度直接映射到虚拟二维平面上,实现虚拟二维平面的构建。可选地,还可以将光线角度分布数据存储为数据文件,例如,该文件可以为.dat格式。由于发射角度为非均匀分布,通过文件的形式进行存储,方便读取。
在又一可选的实施例中,如图4所示,该激光雷达仿真方法包括以下步骤:
步骤S410,获取激光雷达的配置信息,配置信息为标识激光雷达的硬件配置和使用参数的信息;
步骤S420,将激光雷达的每个发射点的发射角度映射为二维像素点,以根据配置信息生成每个二维像素点对应的光线角度分布数据;
步骤S430,根据光线角度分布数据,模拟每个发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果;
步骤S440,获取激光雷达仿真结果对应的实际场景下的实际点云结果;
步骤S450,比较激光雷达仿真结果与实际点云结果,以评估激光雷达仿真的测距精度。
其中上述步骤S410至S430的过程可以参考前述方法100中步骤S110至步骤S130实现,在此不作赘述。
在本实施例中,在得到激光雷达仿真结果后,可以使用UDP(User DatagramProtocol,用户数据报协议)在传输层传输激光雷达仿真结果,或者将单帧点云结果保存成点云结果pcd文件。进一步还可以利用激光雷达驱动或可视化软件对激光雷达仿真结果进行显示以及调试,方便查看仿真效果。
在一可选示例中,可以将激光雷达仿真结果存储在共享内存中,接着根据激光雷达的UDP通信协议发送包括激光雷达仿真结果的UDP信息到激光雷达驱动。其中,UDP通信协议输出包括扫描数据输出和设备信息输出两种。
在实现设备信息输出时,需要确定一帧点云发送的UDP长度以及每个点的格式,还需要配置UDP发送的计算机地址以及端口号等点云数据通讯信息。当设备信息UDP发送准确且与驱动的请求达成一致之后,开始发送包括激光雷达仿真结果的扫描数据UDP至激光雷达驱动,以显示点云结果。
在进行仿真结果调试以及评估之前,可以搭建一个与仿真场景一致的实际场景,并在实际场景下进行激光雷达测距获得实际点云结果。
例如,如图5所示,仿真场景中模拟有平面马路以及与平面相垂直的墙,安装有车载激光雷达的车辆位于平面马路中心且车辆车头方向靠近墙面,车辆状态为静止不动。可以将此作为标准场景,在外部环境下搭建一致的实体场景,计算并获得相同外界条件下,激光雷达发射光线打到墙面时的实际点云结果,再将激光雷达仿真结果与该实际点云结果比较,以评估激光雷达仿真的测距精度和准确性。
其中,在得到激光雷达仿真结果和实际点云结果时,可以多次测量,例如测量距离目标物,例如垂直的墙面,20m、30m、40m、50m、55m、60m、65m、70m、75m以及最大探测距离处的点云数据。每一处选择预设帧结果,形成连续数据进行统计分析。例如,可以每一处距离选择10帧作为结果,共100帧形成连续数据后进行统计分析。
比较的过程可以包括:以实际点云结果作为真值,计算激光雷达仿真结果与真值的误差参数,误差参数包括均值误差、标准差以及预设范围内的精度中的至少一项;通过误差参数评估激光雷达仿真的测距精度。
其中,均值误差是所有测量值的均值与真值的误差,能够反映测距准度。标准差是所有测量值的标准差σ,反映测量值的随机误差和稳定性,即测距精度。预设范围内的精度,例如可以是1σ范围内的精度或者3σ范围内的精度,能够统计对应范围内的测量值分布情况。
因此,根据本发明实施例的激光雷达仿真方法,通过搭建与仿真场景一致的实际场景,将实际点云结果与激光雷达仿真结果进行比较,其中使用误差参数进行评估,从而能够直观快速了解激光雷达仿真的实际情况,方便根据结果及时调整,进而提升激光雷达仿真的准确度。
上文中结合图1至图5,详细描述了根据本发明实施例的激光雷达仿真方法,下面将结合6,详细描述根据本发明实施例的装置。
获取模块10,用于获取激光雷达的配置信息,配置信息为标识激光雷达的硬件配置和使用参数的信息;
映射模块20,用于将激光雷达的每个发射点的发射角度映射为二维像素点,以根据配置信息生成每个二维像素点对应的光线角度分布数据;
模拟模块30,用于根据光线角度分布数据,模拟每个发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。
可选地,作为另一实施例,该映射模块具体用于:根据配置信息确定激光雷达的发射角度分布类型;获取发射角度分布类型对应的映射算法;通过运行映射算法将发射角度映射为二维像素点。
可选地,作为又一实施例,当发射角度分布类型为均匀分布时,该映射模块包括:
获取单元,用于从配置信息中获取激光雷达的视场角和分辨率,视场角和分辨率为映射算法的输入;
运行单元,通过运行映射算法构建虚拟二维平面,虚拟二维平面包括多个二维像素点,每个二维像素点与每个发射角度一一对应。
可选地,作为再一实施例,运行单元包括:
获取子单元,用于获取发射角度的均匀分布方向;
运算子单元,用于对沿均匀分布方向上的视场角和分辨率进行除法运算,得到运算结果;
形成子单元,用于将运算结果作为虚拟二维平面沿均匀分布方向的单位像素个数,以形成虚拟二维平面。
可选地,作为再一实施例,形成子单元具体用于:获取激光雷达在非均匀分布方向上的通道数;将运算结果和通道数对应作为虚拟二维平面沿均匀分布方向和非均匀分布方向的单位像素个数,以形成虚拟二维平面。
可选地,作为再一实施例,当发射角度分布类型为非均匀分布时,该映射模块包括:
获取单元,用于根据配置信息获取基于球坐标系的激光雷达角度分布信息,激光雷达角度分布信息包括每个发射点的水平角度值和垂直角度值;
构建单元,用于按照激光雷达角度分布信息构建虚拟二维平面,虚拟二维平面包括多个二维像素点,每个二维像素点与每个发射角度一一对应。
可选地,作为再一实施例,装置还包括比较模块:
获取模块,还用于获取激光雷达仿真结果对应的实际场景下的实际点云结果;
比较模块,用于比较激光雷达仿真结果与实际点云结果,以评估激光雷达仿真的测距精度。
可选地,作为再一实施例,比较模块包括:
计算单元,用于以实际点云结果作为真值,计算激光雷达仿真结果与真值的误差参数,误差参数包括均值误差、标准差以及预设范围内的精度中的至少一项;
评估单元,用于通过误差参数评估激光雷达仿真的测距精度。
图7示出了本申请实施例提供的激光雷达仿真系统的硬件结构示意图。其中,激光雷达仿真系统可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地,上述处理器701可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器702可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器702可在综合网关容灾设备的内部或外部。在特定实施例中,存储器702是非易失性固态存储器。
存储器702可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器602包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的上述方面的方法所描述的操作。
处理器701通过读取并执行存储器702中存储的计算机程序指令,以实现上述实施例中的任意一种激光雷达仿真方法。
在一个示例中,激光雷达仿真系统还可包括通信接口703和总线710。其中,如图7所示,处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
通信接口703,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线710包括硬件、软件或两者,将激光雷达仿真系统的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线710可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该激光雷达仿真系统可以基于激光雷达仿真方法,从而实现结合图1至图6描述的激光雷达仿真方法和装置。
另外,结合上述实施例中的激光雷达仿真方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种激光雷达仿真控制方法。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应理解,在本发明实施例中,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种激光雷达仿真方法,其特征在于,包括:
获取所述激光雷达的配置信息,所述配置信息为标识所述激光雷达的硬件配置和使用参数的信息;
将所述激光雷达的每个发射点的发射角度映射为二维像素点,以根据所述配置信息生成每个所述二维像素点对应的光线角度分布数,每个所述二维像素点与每个所述发射角度一一对应;
根据所述光线角度分布数据,模拟每个所述发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。
2.根据权利要求1所述的激光雷达仿真方法,其特征在于,所述将所述激光雷达的每个发射点的发射角度映射为二维像素点包括:
根据所述配置信息确定所述激光雷达的发射角度分布类型;
获取所述发射角度分布类型对应的映射算法;
通过运行所述映射算法将所述发射角度映射为二维像素点。
3.根据权利要求2所述的激光雷达仿真方法,其特征在于,当所述发射角度分布类型为均匀分布时,所述通过运行所述映射算法将所述发射角度映射为二维像素点包括:
从所述配置信息中获取所述激光雷达的视场角和分辨率,所述视场角和所述分辨率为所述映射算法的输入;
通过运行所述映射算法构建虚拟二维平面,所述虚拟二维平面包括多个二维像素点,每个所述二维像素点与每个所述发射角度一一对应。
4.根据权利要求3所述的激光雷达仿真方法,其特征在于,所述通过运行所述映射算法构建虚拟二维平面包括:
获取所述发射角度的均匀分布方向;
对沿所述均匀分布方向上的视场角和分辨率进行除法运算,得到运算结果;
将所述运算结果作为所述虚拟二维平面沿所述均匀分布方向的单位像素个数,以形成所述虚拟二维平面。
5.根据权利要求4所述的激光雷达仿真方法,其特征在于,所述将所述运算结果作为所述虚拟二维平面沿所述均匀分布方向的单位像素个数,以形成所述虚拟二维平面包括:
获取所述激光雷达在非均匀分布方向上的通道数;
将所述运算结果和所述通道数对应作为所述虚拟二维平面沿所述均匀分布方向和所述非均匀分布方向的单位像素个数,以形成所述虚拟二维平面。
6.根据权利要求2所述的激光雷达仿真方法,其特征在于,当所述发射角度分布类型为非均匀分布时,所述通过运行所述映射算法将所述发射角度映射为二维像素点包括:
根据所述配置信息获取基于球坐标系的激光雷达角度分布信息,所述激光雷达角度分布信息包括每个发射点的水平角度值和垂直角度值;
按照所述激光雷达角度分布信息构建虚拟二维平面,所述虚拟二维平面包括多个二维像素点,每个所述二维像素点与每个所述发射角度一一对应。
7.根据权利要求1~6中任一项所述的激光雷达仿真方法,其特征在于,所述进行碰撞轨迹追踪得到激光雷达仿真结果之后,还包括:
获取所述激光雷达仿真结果对应的实际场景下的实际点云结果;
比较所述激光雷达仿真结果与所述实际点云结果,以评估所述激光雷达仿真的测距精度。
8.根据权利要求7所述的激光雷达仿真方法,其特征在于,所述比较所述激光雷达仿真结果与所述实际点云结果,以评估所述激光雷达仿真的测距精度包括:
以所述实际点云结果作为真值,计算所述激光雷达仿真结果与所述真值的误差参数,所述误差参数包括均值误差、标准差以及预设范围内的精度中的至少一项;
通过所述误差参数评估所述激光雷达仿真的测距精度。
9.一种激光雷达仿真装置,其特征在于,所述激光雷达仿真装置包括:
获取模块,用于获取所述激光雷达的配置信息,所述配置信息为标识所述激光雷达的硬件配置和使用参数的信息;
映射模块,用于将所述激光雷达的每个发射点的发射角度映射为二维像素点,以根据所述配置信息生成每个所述二维像素点对应的光线角度分布数据,每个所述二维像素点与每个所述发射角度一一对应;
模拟模块,用于根据所述光线角度分布数据,模拟每个所述发射角度发射光线时所形成的碰撞轨迹,以进行碰撞轨迹追踪得到激光雷达仿真结果。
10.一种激光雷达仿真系统,其特征在于,所述激光雷达仿真系统包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1~8中任一项所述的激光雷达仿真方法。
11.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1~8中任一项所述的激光雷达仿真方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110708239.4A CN113468735B (zh) | 2021-06-24 | 2021-06-24 | 一种激光雷达仿真方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110708239.4A CN113468735B (zh) | 2021-06-24 | 2021-06-24 | 一种激光雷达仿真方法、装置、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468735A CN113468735A (zh) | 2021-10-01 |
CN113468735B true CN113468735B (zh) | 2024-03-22 |
Family
ID=77872835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110708239.4A Active CN113468735B (zh) | 2021-06-24 | 2021-06-24 | 一种激光雷达仿真方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468735B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225695B (zh) * | 2022-07-15 | 2024-03-01 | 阿波罗智能技术(北京)有限公司 | 雷达报文发送方法、装置、设备、介质和程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740283A (zh) * | 2019-01-17 | 2019-05-10 | 清华大学 | 自主多智能体对抗仿真方法及系统 |
CN110175344A (zh) * | 2019-03-21 | 2019-08-27 | 中山大学 | 一种针对自动驾驶场景的激光雷达线束分布调整优化方法 |
CN110196417A (zh) * | 2019-06-21 | 2019-09-03 | 西安电子科技大学 | 基于发射能量集中的双基地mimo雷达角度估计方法 |
CN112068153A (zh) * | 2020-08-24 | 2020-12-11 | 电子科技大学 | 一种基于地基激光雷达点云的冠层间隙率估算方法 |
CN112099053A (zh) * | 2020-08-21 | 2020-12-18 | 上海禾赛光电科技有限公司 | 激光雷达的探测方法、激光雷达及包括其的车辆系统 |
CN112348848A (zh) * | 2020-10-26 | 2021-02-09 | 国汽(北京)智能网联汽车研究院有限公司 | 一种交通参与者的信息生成方法及系统 |
-
2021
- 2021-06-24 CN CN202110708239.4A patent/CN113468735B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740283A (zh) * | 2019-01-17 | 2019-05-10 | 清华大学 | 自主多智能体对抗仿真方法及系统 |
CN110175344A (zh) * | 2019-03-21 | 2019-08-27 | 中山大学 | 一种针对自动驾驶场景的激光雷达线束分布调整优化方法 |
CN110196417A (zh) * | 2019-06-21 | 2019-09-03 | 西安电子科技大学 | 基于发射能量集中的双基地mimo雷达角度估计方法 |
CN112099053A (zh) * | 2020-08-21 | 2020-12-18 | 上海禾赛光电科技有限公司 | 激光雷达的探测方法、激光雷达及包括其的车辆系统 |
CN112068153A (zh) * | 2020-08-24 | 2020-12-11 | 电子科技大学 | 一种基于地基激光雷达点云的冠层间隙率估算方法 |
CN112348848A (zh) * | 2020-10-26 | 2021-02-09 | 国汽(北京)智能网联汽车研究院有限公司 | 一种交通参与者的信息生成方法及系统 |
Non-Patent Citations (4)
Title |
---|
基于图像与深度信息的室内视觉定位算法研究;杨浩;《中国优秀硕士学位论文全文数据库 信息科技辑》;全文 * |
基于短行程法的轻型乘用车行驶工况构建;王国林 等;《重庆交通大学学报(自然科学版)》;全文 * |
智能网联汽车计算平台虚拟化技术研究;严刚 等;《汽车工程》;全文 * |
激光雷达传感器功能仿真方法研究;张鸿喜 等;《舰船电子工程》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113468735A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3618008A1 (en) | Method for generating simulated point cloud data, device, and storage medium | |
EP3723001A1 (en) | Transferring synthetic lidar system data to real world domain for autonomous vehicle training applications | |
Rosenberger et al. | Benchmarking and functional decomposition of automotive lidar sensor models | |
WO2021170015A1 (zh) | 获取点云数据的方法及相关设备 | |
CN112652045A (zh) | 一种面向自动驾驶虚实融合测试的点云融合方法及其应用 | |
US11846727B2 (en) | System and method for emulating echo signals for a LiDAR sensor | |
CN108646233B (zh) | 模拟超声波雷达探测的方法、装置、系统及存储介质 | |
CN115436910B (zh) | 一种对激光雷达点云进行目标检测的数据处理方法和装置 | |
Ngo et al. | A multi-layered approach for measuring the simulation-to-reality gap of radar perception for autonomous driving | |
CN113468735B (zh) | 一种激光雷达仿真方法、装置、系统和存储介质 | |
Li et al. | Lidar sensor modeling for adas applications under a virtual driving environment | |
Abadpour et al. | Extraction of scattering centers using a 77 GHz FMCW radar | |
CN109871659B (zh) | 一种超声波雷达的仿真方法及系统 | |
CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
CN114280562A (zh) | 雷达仿真测试方法和实施该方法的计算机可读存储介质 | |
CN111638487B (zh) | 一种自动泊车测试设备及方法 | |
JP2019101924A (ja) | 学習装置、電磁波反射特性推定装置、学習プログラム、および電磁波反射特性推定プログラム | |
Wachtel et al. | Validation of a radar sensor model under non-ideal conditions for testing automated driving systems | |
CN112560258B (zh) | 一种测试方法、装置、设备及存储介质 | |
CN115792867A (zh) | 激光雷达仿真方法和装置 | |
CN114299161A (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
WO2022116873A1 (zh) | 仿真测试方法、装置及系统 | |
CN111812602A (zh) | 驾驶辅助系统性能的评估方法及存储介质 | |
CN110910633A (zh) | 路况信息处理方法、装置及系统 | |
CN112540616A (zh) | 一种基于无人驾驶的激光点云生成方法及装置 |
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 |