CN113687337A - 车位识别性能测试方法、装置、测试车辆及存储介质 - Google Patents

车位识别性能测试方法、装置、测试车辆及存储介质 Download PDF

Info

Publication number
CN113687337A
CN113687337A CN202110881457.8A CN202110881457A CN113687337A CN 113687337 A CN113687337 A CN 113687337A CN 202110881457 A CN202110881457 A CN 202110881457A CN 113687337 A CN113687337 A CN 113687337A
Authority
CN
China
Prior art keywords
obstacle information
vehicle
acquiring
radar
test
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
Application number
CN202110881457.8A
Other languages
English (en)
Other versions
CN113687337B (zh
Inventor
罗伟健
孟范孔
张驰
张志康
郑顺航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Autopilot Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiaopeng Autopilot Technology Co Ltd filed Critical Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority to CN202110881457.8A priority Critical patent/CN113687337B/zh
Priority claimed from CN202110881457.8A external-priority patent/CN113687337B/zh
Publication of CN113687337A publication Critical patent/CN113687337A/zh
Application granted granted Critical
Publication of CN113687337B publication Critical patent/CN113687337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52004—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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车位识别性能测试方法、装置、测试车辆及存储介质，应用于测试车辆，该测试车辆上安装有超声波雷达以及激光雷达，超声波雷达与激光雷达安装在测试车辆的同一侧，该方法包括：获取所述测试车辆的车辆信息；若所述测试车辆的车辆信息满足预设条件，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息；基于所述第一障碍物信息以及所述第二障碍物信息，确定所述超声波雷达识别车位性能的测试结果。本发明通过获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试，从而提升超声波雷达识别车位的精确性。

Description

车位识别性能测试方法、装置、测试车辆及存储介质
技术领域
本发明涉及车辆技术领域，更具体地，涉及一种车位识别性能测试方法、装置、测试车辆及存储介质。
背景技术
随着电动车技术的发展，越来越多的电动车中配置有自动泊车功能，在自动泊车功能开启后，车辆可能会基于不同的技术确定车位。
在一种实现方式中，车辆中设置有超声波雷达感知系统，超声波雷达采集车辆附近区域的环境(障碍物)信息，并针对采集的环境信息输出空间车位，车辆后续能够针对空间车位进行自动泊车。每一个空间车位都是基于超声波雷达识别到障碍物边界构成的车位，而识别障碍物边界的性能，决定了输出车位的精度。
发明内容
鉴于上述问题，本发明提出了一种车位识别性能测试方法、装置、测试车辆及存储介质，以改善上述问题。
第一方面，本申请实施例提供了一种车位识别性能测试方法，应用于测试车辆，该测试车辆上安装有超声波雷达以及激光雷达，超声波雷达与激光雷达安装在该测试车辆的同一侧。该方法包括：获取测试车辆的车辆信息，若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息，基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
第二方面，本申请实施例还提供了一种车位识别性能测试装置，应用于测试车辆，该测试车辆上安装有超声波雷达以及激光雷达，超声波雷达以及激光雷达安装在该测试车辆的同一侧。该装置包括：车辆信息获取模块、测试结果确定模块以及测试结果确定模块。其中，车辆信息获取模块用于获取测试车辆的车辆信息。障碍物信息获取模块用于若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。测试结果确定模块用于基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
第三方面，本发明实施例还提供了一种测试车辆，包括一个或多个处理器、存储器以及一个或多个程序。其中一个或多个程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行第一方面所述的方法。
第四方面，本发明实施例提供了一种计算机可读取存储介质，计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述方法。
本发明实施例提供车位识别性能测试方法、装置、测试车辆及存储介质，应用于测试车辆，该测试车辆上安装有超声波雷达以及激光雷达，超声波雷达与激光雷达安装在测试车辆的同一侧，该方法包括：获取测试车辆的车辆信息，若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息，基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。从而通过获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试，以提升超声波雷达识别车位的精确性。
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它的附图。
图1示出了本发明一实施例提供的车位识别性能测试方法的流程示意图。
图2示出了本发明另一实施例提供的车位识别性能测试方法的流程示意图。
图3示出了本申请另一实施例提供的激光雷达检测的三维点云数据的图像与超声波雷达检测的三维点云数据的图像的对比图。
图4示出了本发明又一实施例提供的车位识别性能测试方法的流程示意图。
图5示出了本发明再一实施例提供的车位识别性能测试方法的流程示意图。
图6示出了本发明还一实施例提供的车位识别性能测试方法的流程示意图。
图7示出了本发明还一实施例中步骤S520的流程示意图。
图8示出了本发明一实施例提供的激光雷达检测到的三维点云数据的俯视图。
图9示出了本发明一实施例提供的激光雷达检测到的三维点云数据的XZ面视图。
图10示出了本发明实施例提供的车位识别性能测试装置的结构框图。
图11示出了本发明实施例用于执行根据本发明实施例的车位识别性能测试方法的测试车辆的结构框图。
图12示出了本发明实施例提供的一种计算机可读取存储介质的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
随着电动车技术的发展，越来越多的电动车中配置有自动泊车功能，在自动泊车功能开启后，车辆可能会基于不同的技术确定车位。
在一种实现方式中，车辆中设置有超声波雷达感知系统，超声波雷达采集车辆附近区域的环境(障碍物)信息，并针对采集的环境信息输出空间车位，车辆后续能够针对空间车位进行自动泊车。每一个空间车位都是基于超声波雷达识别到障碍物边界构成的车位，而识别障碍物边界的性能，决定了输出车位的精度。因此，需要对超声波雷达的识别结果进行性能测试。
针对上述问题，发明人提出了本发明实施例提供的车位识别性能测试方法、装置、测试车辆及存储介质，通过获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试，从而提升超声波雷达识别车位的精确性。其中，具体的车位识别性能测试方法在后续的实施例中进行详细的说明。
请参阅图1，图1示出了本发明一实施例提供的车位识别性能测试方法的流程示意图。下面将针对图1所示的流程进行详细的阐述，该方法应用于测试车辆，该测试车辆上安装有超声波雷达以及激光雷达，超声波雷达与激光雷达安装在该测试车辆的同一侧，该车位识别性能测试方法具体可以包括以下步骤S110至步骤S130。
步骤S110、获取测试车辆的车辆信息。
目前，越来越多的车辆配置有自动泊车功能，在自动泊车功能开启后，车辆中设置有雷达感知系统，雷达感知系统可以采集车辆附近区域的障碍物信息，根据障碍物信息输出车位，车辆根据输出的车位进行自动泊车。其中，雷达感知系统可以是激光雷达、毫米波雷达以及超声波雷达等。可以理解的是，激光雷达的检测精度更高，因此，激光雷达对障碍物的识别也更为准确，但激光雷达较为昂贵，使用成本较高。因此，发明人提出了可以使用超声波进行自动泊车，同时，可以通过获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试，从而提升超声波雷达识别车位的精准性，同时还可以降低成本。
因此，在本实施例中，获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试。其中，超声波雷达与激光雷达安装在测试车辆的同一侧，侧向安装是为了使激光雷达与超声波雷达扫描区域对齐，从而保证激光雷达与超声波雷达检测到的数据偏差不会太大，确保测试结果的有效性和准确性。
进一步地，在本实施例中，可以获取测试车辆的车辆信息。其中，车辆信息可以包括测试车辆的速度、测试车辆与测试车位的距离、测试车辆的状态等。可以根据测试车辆的车辆信息确定是否开始对超声波车位识别性能进行测试。
在一些实施方式中，可以获取测试车辆的速度。作为一种实施方式，可以通过车轮转速的传感器确定车轮转速，再经过内置的公式计算得到该测试车辆的速度。作为另一种实施方式，可以获取测试车辆的CAN(Controller Area Network，控制器局域网络)信号，根据CAN信号确定车辆的速度。
在一些实施方式中，可以获取测试车辆与测试车位的距离。作为一种实施方式，测试车辆上可以安装有360°环视系统，可以通过360°环视系统获取测试车辆与测试车位之间的距离。进一步地，在一些实施方式中，还可以通过测试车辆的CAN信号获取测试车辆的状态。其中，测试车辆的状态可以包括行驶状态、泊车状态等。
步骤S120、若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
在本实施例中，若测试车辆的车辆信息满足预设条件，表明可以开始对超声波车位识别性能进行测试，于是可以获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。其中，车辆信息可以包括测试车辆的速度、测试车辆与测试车位的距离、测试车辆的状态等。作为一种实施方式，测试车辆的车辆信息满足预设条件，可以是测试车辆的速度满足预设速度。作为另一种实施方式，测试车辆的车辆信息满足预设条件，可以是测试车辆与测试车位的距离满足预设距离。作为又一种实施方式，测试车辆的车辆信息满足预设条件，可以是测试车辆的状态为泊车状态等。上述方式仅为示例，在此不作限定。
在一些实施方式中，激光雷达通过向外发射激光检测信号，通过接收器接收到返回的激光检测信号的时间差来计算距离。因此，通过获取激光雷达计算得到的距离，可以确定第一障碍物信息，其中，障碍物可以是其他车辆、柱子、墙体、路沿等，障碍物信息可以包括测试车辆与障碍物之间的距离、障碍物的尺寸等。
进一步地，超声波雷达与激光雷达的工作原理近似，超声波雷达通过超声波发射装置向外发出超声波检测信号，到通过接收器接收到发送过来超声波检测信号时的时间差来测算距离。因此，可以通过超声波雷达测算的距离，确定第二障碍物信息。其中，第一障碍物信息和第二障碍物信息是激光雷达和超声波雷达检测同一障碍物得到的信息。目前，常用探头的工作频率有40kHz，48kHz和58kHz三种。一般来说，频率越高，灵敏度越高，但水平与垂直方向的探测角度就越小，故一般可以采用40kHz的探头。
在一些实施方式中，可以获取激光雷达检测到的三维点云数据，根据三维点云数据确定第一障碍物信息。具体地，激光雷达可以根据接收器接收到的激光扫描得到物体表面的点的集合，即得到三维点云数据，通过对三维点云数据进行处理，即可得到第一障碍物信息。作为一种实施方式，可以对三维点云数据进行过滤，过滤掉非目标数据，其中，目标数据即为障碍物的三维点云数据，然后自动提取过滤后的三维点云数据，得到较为干净的障碍物的三维点云数据，接着再进行感兴趣区域分割和边缘提取，从而得到精确的障碍物的三维点云数据，进而得到第一障碍物信息。
在一些实施方式中，获取超声波雷达检测到的第二障碍物信息，同样地，可以根据超声波雷达的接收器接收到的物体表面的点，得到三维点云数据，通过对三维点云数据进行上述处理，即可得到第二障碍物信息。
作为一种实施方式，测试车辆可以同步采集激光雷达检测到的第一障碍物信息、超声波雷达检测到的第二障碍物信息，同时还可以同步采集测试车辆整车相关的CAN信号，通过将超声波雷达检测到的第二障碍物信息、车辆CAN数据以及激光雷达检测到的第一障碍物信息同步，使得影响车位识别性能的其它因素均一致，从而根据激光雷达检测到的第一障碍物信息，可以更精确的验证超声波雷达的车位识别性能。其中，将超声波雷达检测到的第二障碍物信息、车辆CAN数据以及激光雷达检测到的第一障碍物信息同步，可以是基于测试车辆的系统时间同步，即确定这三项数据是在同一时间采集的，确保影响车位识别性能的其他因素是一致的。
步骤S130、基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
在本实施例中，可以基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。具体地，由于激光雷达的检测精度大于超声波雷达的检测精度，因此，可以获取第一障碍物信息以及第二障碍物信息的差值，从而得到激光雷达与超声波雷达的检测误差，根据激光雷达与超声波雷达的检测误差，确定超声波雷达识别车位性能的测试结果。
在一些实施方式中，在得到超声波雷达识别车位性能的测试结果后，可以根据测试结果优化超声波雷达的车位检测算法，具体地，可以根据第一障碍物信息以及第二障碍物信息的差值，对超声波雷达的检测结果进行补偿，从而可以得到更为准确的车位识别结果，进而为自动泊车提供更为准确的数据，提升用户的自动泊车体验。
本申请一实施例提供的车位识别性能测试方法，通过获取测试车辆的车辆信息，若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息，基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。从而通过获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试，以提升超声波雷达识别车位的精确性。
请参阅图2，图2示出了本发明另一实施例提供的车位识别性能测试方法的流程示意图。下面将针对图2所示的流程进行详细的阐述，该方法具体可以包括以下步骤S210至步骤S240。
步骤S210、获取测试车辆的车辆信息。
步骤S220、若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
其中，步骤S210至步骤S220的具体描述请参阅步骤S110至步骤S120，在此不再赘述。
步骤S230、根据第一障碍物信息与第二障碍物信息确定超声波雷达的检测误差。
在本实施例中，可以根据第一障碍物信息与第二障碍物信息确定超声波雷达的检测误差。具体地，可以将第一障碍物信息与第二障碍物信息进行对比，计算超声波雷达的检测误差。例如，若障碍物信息为测试车辆到障碍物之间的距离，激光雷达检测到的测试车辆与障碍物之间的距离，即第一障碍物信息为1米；超声波雷达检测到测试车辆与障碍物之间的距离，即第二障碍物信息为1.2米。可以计算得到第一障碍物信息与第二障碍物信息之间的差值为-0.2米，于是可以得到超声波雷达的检测误差为-0.2米。
在一些实施方式中，可以分别获取激光雷达和超声波雷达检测到的三维点云数据，通过可视化手段将三维点云数据进行显示，并通过对比激光雷达检测到的三维点云数据的图像与超声波雷达检测到的三维点云数据的图像，得到超声波雷达的检测误差。例如，如图3所示，激光雷达检测到的三维点云数据的图像为区域A，超声波雷达检测到的三维点云数据的图像为区域B，观察区域A与区域B之间的误差，如图中的第一误差△S1和第二误差△S2，可以将区域A与区域B之间的误差作为超声波雷达的检测误差。
步骤S240、基于检测误差确定超声波雷达识别车位性能的测试结果。
在本实施例中，可以基于检测误差确定超声波雷达识别车位性能的测试结果。
作为一种实施方式，可以将超声波雷达的检测误差之间作为超声波雷达识别车位性能的测试结果，则可以根据超声波雷达的检测误差对超声波雷达的识别车位性能进行优化。作为另一种实施方式，可以根据超声波雷达的检测误差，得出超声波雷达识别车位性能的关键绩效指标，将该关键绩效指标作为超声波雷达识别车位性能的测试结果，进而可以根据测试结果优化超声波雷达车位检测算法。
本申请另一实施例提供的车位识别性能测试方法，通过获取激光雷达检测到的第一障碍物信息以及超声波雷达检测到的第二障碍物信息，根据第一障碍物信息与第二障碍物信息确定超声波雷达的检测误差，基于检测误差确定超声波雷达识别车位性能的测试结果，从而提升超声波雷达识别车位的精确性。
请参阅图4，图4示出了本发明又一实施例提供的车位识别性能测试方法的流程示意图。下面将针对图4所示的流程进行详细的阐述，其中，预设条件包括预设速度，该方法具体可以包括以下步骤S310至步骤S330。
步骤S310、获取测试车辆的速度。
在本实施例中，可以获取测试车辆的速度，根据车辆的速度确定是否开始对超声波车位识别性能进行测试。作为一种实施方式，可以通过车轮转速的传感器确定车轮转速，再经过内置的公式计算得到该测试车辆的速度。作为另一种实施方式，可以获取测试车辆的CAN信号，根据CAN信号确定车辆的速度。
步骤S320、若测试车辆的速度为预设速度，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
在本实施例中，预设条件可以包括预设速度。若测试车辆的速度为预设速度，则可以获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。具体地，可以将上述获取的测试车辆的速度与预设速度进行比较，若测试车辆的速度与预设速度相同，即测试车辆的速度为预设速度，则可以获取激光雷达检测的数据以及超声波雷达检测的数据。其中，第一障碍物信息的获取方式与第二障碍物信息的获取方式可以参照上述实施例，在此不再赘述。
作为一种实施方式，可以分别获取不同车速下激光雷达以及超声波雷达检测到的数据，从而可以更好的验证超声波雷达在不同车速下感知障碍物的性能差异。例如，第一预设速度可以设置为3KM/H，若测试车辆的速度为3KM/H，可以同步采集激光雷达检测到的数据、超声波雷达检测到的数据以及整车相关的CAN信号，从而得到车速在3KM/H时，超声波雷达识别车位性能的测试结果；第二预设速度可以设置为5KM/H，若测试车辆的速度为5KM/H，可以同步采集激光雷达检测到的数据、超声波雷达检测到的数据以及整车相关的CAN信号，从而得到车速在5KM/H时，超声波雷达识别车位性能的测试结果。以此类推，可以测试多个不同的车速下，超声波雷达识别车位的性能差异，从而可以根据差异得到更为精确的优化算法优化超声波雷达识别车位的性能。
步骤S330、基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
其中，步骤S330的具体描述请参阅步骤S130，在此不再赘述。
本申请又一实施例提供的车位识别性能测试方法，通过获取测试车辆的速度，若测试车辆的速度为预设速度，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息，对超声波雷达识别车位性能进行测试，从而提升超声波雷达识别车位的精确性。
请参阅图5，图5示出了本发明再一实施例提供的车位识别性能测试方法的流程示意图。下面将针对图5所示的流程进行详细的阐述，其中，预设条件包括预设距离，该方法具体可以包括步骤S410至步骤S430。
步骤S410、获取测试车辆与测试车位的距离。
在本实施例中，可以获取测试车辆与测试车位的距离。其中，测试车位可以是在测试过程需要测试车辆停进的目标车位。在一些实施方式中，测试车辆可以安装有摄像头或360°环视系统，测试车辆可以实时采集车辆周边环境的图像，也可以在测试车辆处于自动泊车状态时采集车辆周边环境的图像。测试车辆可以对车辆周边环境的图像进行处理，例如，滤波、分割、边缘检测等处理方式，以定位测试车位在图像中的位置，进而计算测试车辆与测试车位的距离。在另一些实施方式中，测试车辆上安装有激光雷达和超声波雷达，可以根据激光雷达或超声波雷达检测到的数据确定测试车辆与测试车位的距离。
步骤S420、若距离为预设距离，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
在本实施例中，预设条件可以包括预设距离。若测试车辆与测试车位的距离为预设距离，则可以获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。具体地，可以将上述获取的测试车辆与测试车位的距离与预设距离进行比较，若该距离与预设距离相同，即测试车辆与测试车位的距离为预设距离，则可以获取激光雷达检测的数据以及超声波雷达检测的数据。其中，第一障碍物信息的获取方式与第二障碍物信息的获取方式可以参照上述实施例，在此不再赘述。
作为一种实施方式，可以在测试车辆与测试车位的不同距离下，分别获取激光雷达以及超声波雷达检测到的数据，从而可以更好的验证超声波雷达在车辆与车位不同距离下感知障碍物的性能差异。例如，第一预设距离为0.5米，若测试车辆与测试车位的距离为0.5米，可以同步采集激光雷达检测到的数据、超声波雷达检测到的数据以及整车相关的CAN信号，从而得到车辆与车位距离为0.5米时，超声波雷达识别车位性能的测试结果；第二预设距离可以设置为1米，若测试车辆的速度为1米，可以同步采集激光雷达检测到的数据、超声波雷达检测到的数据以及整车相关的CAN信号，从而得到车辆与车位距离为1米时，超声波雷达识别车位性能的测试结果。以此类推，可以测试多个不同的车辆与车位距离下，超声波雷达识别车位的性能差异，从而可以根据差异得到更为精确的优化算法优化超声波雷达识别车位的性能。
步骤S430、基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
其中，步骤S430的具体描述请参阅步骤S130，在此不再赘述。
本申请再一实施例提供的车位识别性能测试方法，通过获取测试车辆与测试车位的距离，若该距离为预设距离，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息，对超声波雷达识别车位性能进行测试，从而提升超声波雷达识别车位的精确性。
请参阅图6，图6是示出了本发明还一实施例提供的车位识别性能测试方法的流程示意图。下面将针对图6所示的流程进行详细的阐述，该方法具体可以包括以下步骤S510至步骤S550。
步骤S510、基于激光雷达的安装位置，获取激光雷达的基本参数信息。
在本实施例中，可以基于激光雷达的安装位置，获取激光雷达的基本参数信息。具体地，可以根据激光雷达的安装位置测量激光雷达的基本参数信息。可以以测试车辆为原点建立坐标系，得到车辆坐标系，根据激光雷达在车辆坐标系中的位置，得到激光雷达的基本参数信息。其中，基本参数信息包括激光雷达在车辆坐标系中的X、Y、Z坐标、偏航角、俯仰角、横滚角等。
步骤S520、若基本参数信息不满足预设参数条件，则对激光雷达进行标定。
在本实施例中，得到激光雷达的基本参数信息后，可以将激光雷达的基本参数信息与预设参数条件进行对比。其中，预设参数条件可以是由测试人员设置的，也可以是由系统自行设置的，在此不作限定。预设参数条件可以是指满足该预设参数条件的基本参数信息的激光雷达，其检测到的数据可以作为评判超声波雷达车位识别性能的可靠数据。因此，若基本参数信息不满足预设参数条件，可以对激光雷达进行标定，从而使得标定后的激光雷达的基本参数信息满足预设参数条件，即标定后的激光雷达检测到的数据可以作为评判超声波雷达车位识别性能的可靠数据。
在一些实施方式中，根据激光雷达的安装位置测量得到基本参数信息后，可以通过样本场景采集、离线标定调优等方法，标定出精确的激光雷达参数。具体地，可以基于固定典型场景数据，即样本场景，采集激光雷达检测到的三维点云数据，然后使用可视化手段将三维点云数据进行显示，再通过俯视图、XZ面视图调整激光雷达在车辆坐标系中的X、Y、Z坐标以及偏航角、俯仰角、横滚角，以得到标定后的激光雷达。
具体地，请参阅图7，图7示出了本申请还一实施例中步骤S520的流程示意图，在本申请的实施例中，步骤S520可以包括：步骤S521至步骤S524。
步骤S521、若基本参数信息不满足预设参数条件，则获取激光雷达在预设场景数据下检测到的三维点云数据。
一般情况下，激光雷达在安装时不能够保证安装位置的绝对精确，实际安装总有一定偏差，因此需要对激光雷达进行微调标定。在本实施例中，若基本参数信息不满足预设参数条件，则可以获取激光雷达在预设场景数据下检测到的三维点云数据，其中，预设场景数据可以是一些固定的典型场景，例如，地下车库、停车场等。具体地，可以在固定的典型场景录制一组数据，即获取激光雷达在该固定的典型场景下检测到的三维点云数据。进一步地，可以将激光雷达检测到的三维点云数据通过可视化手段进行可视化，其中，可视化手段可以包括Matplotlib方法，Matplotlib是一种python 2D绘图库，其可定制性强、图表资源丰富且简单易用。将三维点云数据的格式转化可以用PCL_Viewer进行可视化、Three.js网页可视化、Mayavi可视化等，在此不作限定。其中，Point Cloud Library(PCL)是独立的大型的处理二维/三维图像和点云数据的开源工程。Three.js是可以运行在浏览器中的3D引擎，可以通过用Three.js创建各种三维场景。Mayavi是一个数据可视化工具，可以进行三维图像的渲染和交互操作等。可以理解的是，本申请并不限制于此，其它可以进行可视化或者格式转化的方式也可以应用于本申请。
步骤S522、获取三维点云数据在第一视图下的图像，根据三维点云数据在第一视图下的图像调整激光雷达的基本参数信息，得到第一参数信息。
在通过可视化手段对三维点云数据进行显示后，可以通过查看三维点云数据在不同视图下的图像，来调整激光雷达的基本参数信息，以达到对激光雷达的标定。在本实施例中，可以获取三维点云数据在第一视图下的图像，根据三维点云数据在第一视图下的图像调整激光雷达的基本参数信息，得到第一参数信息。
作为一种示例，如图8所示，可以获取三维点云数据在俯视图下的图像。由图8可以看出，车辆、柱子等产生了X、Y方向的畸变，如X方向的偏差△x，Y方向的偏差△y。因此，可以调整激光雷达的横滚角、俯仰角等参数，从而保证柱子、车没有X、Y方向的畸变。其中，调整后的横滚角、俯仰角等参数即可以为第一参数信息。作为一种实施方式，调整激光雷达的基本参数信息可以通过人工手动调整，也可以机械控制激光雷达自行调整。
步骤S523、获取三维点云数据在第二视图下的图像，根据三维点云数据在第二视图下的图像调整激光雷达的第一参数信息，得到第二参数信息。
进一步地，在本实施例中，可以继续获取三维点云数据在第二视图下的图像，根据三维点云数据在第二视图下的图像调整激光雷达的第一参数信息，得到第二参数信息。其中，第一视图与第二视图不同。
作为一种示例，如图9所示，在通过三维点云数据在俯视图下的图像对激光雷达的基本参数信息进行调整后，可以进一步地获取三维点云数据在XZ面视图下的图像。由图9可以看出接地线在Z方向与0坐标值具有一定的误差△z，因此，可以调整激光雷达的横滚角、俯仰角以及Z坐标，以保证接地线在Z方向与0坐标值的误差<1cm，同时，在调整激光雷达的横滚角、俯仰角以及Z坐标时，要确保上一步俯视图的准确。其中，调整后的横滚角、俯仰角以及Z坐标即可以为第二参数信息。
步骤S524、若第二参数信息满足预设参数条件，则完成对激光雷达的标定。
在经过上面的调整后，若第二参数信息满足预设参数条件，则可以完成对激光雷达的标定。其中，第二参数信息满足预设参数条件，可以是指第二参数信息对应的激光雷达所检测到的数据，可以作为评判超声波雷达车位识别性能的可靠数据，即完成了对激光雷达的标定。作为一种示例，当三维点云数据在不同的视图中的图像都没有畸变，且接地线在Z方向与0坐标值的误差＜1cm，此时激光雷达的参数信息即满足了预设参数条件，即完成了对激光雷达的标定。根据标定后的激光雷达检测到的第一障碍物信息，可以得到更为精准的超声波雷达的测试结果，从而提升超声波雷达车位识别性能的精确性。
在一些实施方式中，在得到第二参数信息后，可以同步CAN数据与视觉车位角点，通过超声波生成线段进行二次确认，微调激光雷达的X坐标值、Y坐标值、偏航角等参数，优选地，验证3-5组数据即可完成标定。
步骤S530、获取测试车辆的车辆信息。
步骤S540、若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
步骤S550、基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
其中，步骤S530至步骤S550的具体描述请参阅步骤S110至步骤S130，在此不再赘述。
本申请还一实施例提供的车位识别性能测试方法，通过基于激光雷达的安装位置，获取激光雷达的基本参数信息，若基本参数信息不满足预设参数条件，则对激光雷达进行标定。从而可以得到更为准确的激光雷达检测数据，进而为超声波雷达车位识别性能的测试提供更可靠的数据，提升超声波雷达车位识别的精确性。
请参阅图10，图10示出了本发明实施例提供的车位识别性能测试装置100的模块框图。下面将针对图10所述的框图进行阐述，该车位识别性能测试装置100包括：车辆信息获取模块110、障碍物信息获取模块120以及测试结果确定模块130。
其中，车辆信息获取模块110，用于获取测试车辆的车辆信息。
进一步地，预设条件包括预设速度。车辆信息获取模块110包括速度获取子模块。其中，速度获取子模块，用于获取测试车辆的速度。
进一步地，预设条件包括预设距离，车辆信息获取模块110包括距离获取子模块。其中，距离获取子模块，用于获取测试车辆与测试车位的距离。
障碍物信息获取模块120，用于若测试车辆的车辆信息满足预设条件，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
进一步地，预设条件包括预设速度，障碍物信息获取模块120包括障碍物信息获取第一子模块，其中，障碍物信息获取第一子模块用于若测试车辆的速度为预设速度，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
进一步地，预设条件包括预设距离，障碍物信息获取模块120包括障碍物信息获取第二子模块，其中，障碍物信息获取第二子模块用于若距离为预设距离，则获取激光雷达检测到的第一障碍物信息，并获取超声波雷达检测到的第二障碍物信息。
进一步地，障碍物信息获取模块120还包括：点云数据获取子模块以及第一障碍物信息获取子模块。其中，点云数据获取子模块，用于获取激光雷达检测到的三维点云数据。第一障碍物信息获取子模块，用于根据三维点云数据确定第一障碍物信息。
测试结果确定模块130，用于基于第一障碍物信息以及第二障碍物信息，确定超声波雷达识别车位性能的测试结果。
进一步地，测试结果确定模块130包括误差确定子模块以及结果确定子模块，其中，误差确定子模块用于根据第一障碍物信息与第二障碍物信息确定超声波雷达的检测误差。结果确定子模块用于基于检测误差确定超声波雷达识别车位性能的测试结果。
进一步地，车位识别性能测试装置100还包括：参数获取模块以及雷达标定模块。其中，参数获取模块用于基于激光雷达的安装位置，获取激光雷达的基本参数信息。雷达标定模块用于若基本参数信息不满足预设参数条件，则对激光雷达进行标定。
进一步地，雷达标定模块包括：点云数据获取子模块，第一参数调整子模块、第二参数调整子模块以及雷达标定子模块。其中，点云数据获取子模块用于若基本参数信息不满足预设参数条件，则获取激光雷达在预设场景数据下检测到的三维点云数据。第一参数调整子模块用于获取三维点云数据在第一视图下的图像，根据三维点云数据在第一视图下的图像调整激光雷达的基本参数信息，得到第一参数信息。第二参数调整子模块，用于获取三维点云数据在第二视图下的图像，根据三维点云数据在第二视图下的图像调整激光雷达的第一参数信息，得到第二参数信息。
雷达标定子模块，用于若第二参数信息满足预设参数条件，则完成对激光雷达的标定。其中，第一视图与第二视图不同。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和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。
在本发明所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
请参阅图11，其示出了本发明实施例提供的一种测试车辆200的结构框图。本发明中的测试车辆200可以包括一个或多个如下部件：处理器210、存储器220以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器220中并被配置为由一个或多个处理器210执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。
其中，处理器210可以包括一个或者多个处理核。处理器210利用各种接口和线路连接整个测试车辆200内的各个部分，通过运行或执行存储在存储器220内的指令、程序、代码集或指令集，以及调用存储在存储器220内的数据，执行测试车辆200的各种功能和处理数据。可选地，处理器210可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。处理器210可集成中央处理器(CentralProcessing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器210中，单独通过一块通信芯片进行实现。
存储器220可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器220可用于存储指令、程序、代码、代码集或指令集。存储器220可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令、用于实现下述各个方法实施例的指令等。存储数据区还可以测试车辆200在使用中所创建的数据等。
请参阅图12，其示出了本发明实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取存储介质300中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读取存储介质300可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读取存储介质300包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读取存储介质300具有执行上述方法中的任何方法步骤的程序代码310的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码310可以例如以适当形式进行压缩。
综上所述，本发明实施例提供的车位识别性能测试方法、装置、测试车辆及存储介质，应用于测试车辆，该测试车辆上安装有超声波雷达以及激光雷达，超声波雷达与激光雷达安装在测试车辆的同一侧，获取所述测试车辆的车辆信息；若所述测试车辆的车辆信息满足预设条件，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息；基于所述第一障碍物信息以及所述第二障碍物信息，确定所述超声波雷达识别车位性能的测试结果。从而通过获取激光雷达检测到的障碍物信息以及超声波雷达检测到的障碍物信息，对超声波雷达识别车位性能进行测试，提升超声波雷达识别车位的精确性。
最后应说明的是：以上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，并不驱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。

Claims (10)

1.一种车位识别性能测试方法，其特征在于，应用于测试车辆，所述测试车辆上安装有超声波雷达以及激光雷达，所述超声波雷达与所述激光雷达安装在所述测试车辆的同一侧，所述方法包括：
获取所述测试车辆的车辆信息；
若所述测试车辆的车辆信息满足预设条件，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息；
基于所述第一障碍物信息以及所述第二障碍物信息，确定所述超声波雷达识别车位性能的测试结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一障碍物信息以及所述第二障碍物信息，确定所述超声波雷达识别车位性能的测试结果，包括：
根据所述第一障碍物信息与所述第二障碍物信息确定所述超声波雷达的检测误差；
基于所述检测误差确定所述超声波雷达识别车位性能的测试结果。
3.根据权利要求1所述的方法，其特征在于，所述预设条件包括预设速度，所述若所述测试车辆的车辆信息满足预设条件，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息，包括：
获取所述测试车辆的速度；
若所述测试车辆的速度为所述预设速度，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息。
4.根据权利要求1所述的方法，其特征在于，所述预设条件包括预设距离，所述若所述测试车辆的车辆信息满足预设条件，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息，包括：
获取所述测试车辆与测试车位的距离；
若所述距离为所述预设距离，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
基于所述激光雷达的安装位置，获取所述激光雷达的基本参数信息；
若所述基本参数信息不满足预设参数条件，则对所述激光雷达进行标定。
6.根据权利要求5所述的方法，其特征在于，所述若所述基本参数信息不满足预设参数条件，则对所述激光雷达进行标定，包括：
若所述基本参数信息不满足预设参数条件，则获取所述激光雷达在预设场景数据下检测到的三维点云数据；
获取所述三维点云数据在第一视图下的图像，根据所述三维点云数据在第一视图下的图像调整所述激光雷达的基本参数信息，得到第一参数信息；
获取所述三维点云数据在第二视图下的图像，根据所述三维点云数据在第二视图下的图像调整所述激光雷达的第一参数信息，得到第二参数信息；
若所述第二参数信息满足所述预设参数条件，则完成对所述激光雷达的标定；
其中，所述第一视图与所述第二视图不同。
7.根据权利要求1所述的方法，其特征在于，所述获取所述激光雷达检测到的第一障碍物信息，包括：
获取所述激光雷达检测到的三维点云数据；以及
根据所述三维点云数据确定第一障碍物信息。
8.一种车位识别性能测试装置，其特征在于，应用于测试车辆，所述测试车辆上安装有超声波雷达以及激光雷达，所述超声波雷达与所述激光雷达安装在所述测试车辆的同一侧，所述装置包括：
车辆信息获取模块，用于获取所述测试车辆的车辆信息；
障碍物信息获取模块，用于若所述测试车辆的车辆信息满足预设条件，则获取所述激光雷达检测到的第一障碍物信息，并获取所述超声波雷达检测到的第二障碍物信息；
测试结果确定模块，用于基于所述第一障碍物信息以及所述第二障碍物信息，确定所述超声波雷达识别车位性能的测试结果。
9.一种测试车辆，其特征在于，包括：
存储器；
一个或多个处理器，与所述存储器耦接；
一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-7任一项所述的方法。
10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
CN202110881457.8A 2021-08-02 车位识别性能测试方法、装置、测试车辆及存储介质 Active CN113687337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110881457.8A CN113687337B (zh) 2021-08-02 车位识别性能测试方法、装置、测试车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110881457.8A CN113687337B (zh) 2021-08-02 车位识别性能测试方法、装置、测试车辆及存储介质

Publications (2)

Publication Number Publication Date
CN113687337A true CN113687337A (zh) 2021-11-23
CN113687337B CN113687337B (zh) 2024-05-31

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114779665A (zh) * 2022-06-14 2022-07-22 小米汽车科技有限公司 自动泊车仿真测试方法、装置及可读存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130265189A1 (en) * 2012-04-04 2013-10-10 Caterpillar Inc. Systems and Methods for Determining a Radar Device Coverage Region
CN109493633A (zh) * 2018-12-20 2019-03-19 广州小鹏汽车科技有限公司 一种可停车位的检测方法及装置
CN109633687A (zh) * 2018-11-28 2019-04-16 浙江中车电车有限公司 一种补偿汽车激光雷达识别障碍物盲区的系统及方法
CN109696664A (zh) * 2019-01-07 2019-04-30 广州小鹏汽车科技有限公司 一种超声波同频干扰的检测方法及检测装置
CN109814112A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种超声波雷达与激光雷达信息融合方法和系统
CN110096059A (zh) * 2019-04-25 2019-08-06 杭州飞步科技有限公司 自动驾驶方法、装置、设备及存储介质
US20190391235A1 (en) * 2018-06-20 2019-12-26 Metawave Corporation Super-resolution radar for autonomous vehicles
CN110689761A (zh) * 2019-12-11 2020-01-14 上海赫千电子科技有限公司 一种自动泊车方法
CN110837080A (zh) * 2019-10-28 2020-02-25 武汉海云空间信息技术有限公司 激光雷达移动测量系统的快速标定方法
US20200116867A1 (en) * 2018-10-12 2020-04-16 Baidu Usa Llc Automatic lidar calibration based on pre-collected static reflection map for autonomous driving
CN111532260A (zh) * 2020-05-20 2020-08-14 湖北亿咖通科技有限公司 一种车位检测性能评价方法及电子设备
CN111930128A (zh) * 2020-09-14 2020-11-13 中国科学院宁波材料技术与工程研究所 智能全向移动机器人超声避障系统及其应用
WO2021026705A1 (zh) * 2019-08-09 2021-02-18 华为技术有限公司 匹配关系确定方法、重投影误差计算方法及相关装置
WO2021068378A1 (zh) * 2019-10-12 2021-04-15 惠州市德赛西威智能交通技术研究院有限公司 一种基于超声波传感器车位检测系统的车位识别补偿方法
KR20210046100A (ko) * 2019-10-17 2021-04-28 주식회사 만도 자동주차 제어장치 및 그 방법
CN112835019A (zh) * 2020-12-30 2021-05-25 广州小鹏自动驾驶科技有限公司 车辆传感器标定方法、装置、车辆和存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130265189A1 (en) * 2012-04-04 2013-10-10 Caterpillar Inc. Systems and Methods for Determining a Radar Device Coverage Region
US20190391235A1 (en) * 2018-06-20 2019-12-26 Metawave Corporation Super-resolution radar for autonomous vehicles
US20200116867A1 (en) * 2018-10-12 2020-04-16 Baidu Usa Llc Automatic lidar calibration based on pre-collected static reflection map for autonomous driving
CN109633687A (zh) * 2018-11-28 2019-04-16 浙江中车电车有限公司 一种补偿汽车激光雷达识别障碍物盲区的系统及方法
CN109493633A (zh) * 2018-12-20 2019-03-19 广州小鹏汽车科技有限公司 一种可停车位的检测方法及装置
WO2020124986A1 (zh) * 2018-12-20 2020-06-25 广州小鹏汽车科技有限公司 一种可停车位的检测方法及装置
CN109696664A (zh) * 2019-01-07 2019-04-30 广州小鹏汽车科技有限公司 一种超声波同频干扰的检测方法及检测装置
CN109814112A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种超声波雷达与激光雷达信息融合方法和系统
CN110096059A (zh) * 2019-04-25 2019-08-06 杭州飞步科技有限公司 自动驾驶方法、装置、设备及存储介质
WO2021026705A1 (zh) * 2019-08-09 2021-02-18 华为技术有限公司 匹配关系确定方法、重投影误差计算方法及相关装置
WO2021068378A1 (zh) * 2019-10-12 2021-04-15 惠州市德赛西威智能交通技术研究院有限公司 一种基于超声波传感器车位检测系统的车位识别补偿方法
KR20210046100A (ko) * 2019-10-17 2021-04-28 주식회사 만도 자동주차 제어장치 및 그 방법
CN110837080A (zh) * 2019-10-28 2020-02-25 武汉海云空间信息技术有限公司 激光雷达移动测量系统的快速标定方法
CN110689761A (zh) * 2019-12-11 2020-01-14 上海赫千电子科技有限公司 一种自动泊车方法
CN111532260A (zh) * 2020-05-20 2020-08-14 湖北亿咖通科技有限公司 一种车位检测性能评价方法及电子设备
CN111930128A (zh) * 2020-09-14 2020-11-13 中国科学院宁波材料技术与工程研究所 智能全向移动机器人超声避障系统及其应用
CN112835019A (zh) * 2020-12-30 2021-05-25 广州小鹏自动驾驶科技有限公司 车辆传感器标定方法、装置、车辆和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
仇旭;朱浩;邓元望;: "基于超声波雷达的改进车位检测算法研究", 中国机械工程, no. 14 *
姜灏;: "一种自动代客泊车系统研究", 河南科技, no. 11 *
姜灏;: "一种自动代客泊车系统研究", 河南科技, no. 11, 5 June 2018 (2018-06-05) *
杨林丰: "逆向工程在激光内雕中的应用研究", 《信息技术》, 20 August 2017 (2017-08-20) *
王丽英: "一种机载LiDAR条带平差最小二乘匹配算法", 《遥感学报》, 31 December 2011 (2011-12-31) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114779665A (zh) * 2022-06-14 2022-07-22 小米汽车科技有限公司 自动泊车仿真测试方法、装置及可读存储介质

Similar Documents

Publication Publication Date Title
CN110782465B (zh) 一种基于激光雷达的地面分割方法、装置及存储介质
CN112014845B (zh) 一种车辆障碍物定位方法、装置、设备及存储介质
CN107392103A (zh) 路面车道线的检测方法及装置、电子设备
CN107796373B (zh) 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法
CN110568433A (zh) 基于毫米波雷达的高空抛物检测方法
JP2017068700A (ja) 物体検出装置、物体検出方法、及びプログラム
EP3910533B1 (en) Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device
CN111222441B (zh) 基于车路协同的点云目标检测和盲区目标检测方法及系统
CN113537287A (zh) 多传感器信息融合方法与装置、存储介质、自动驾驶系统
CN112313539A (zh) 护栏检测方法及设备、存储介质和可移动平台
CN114758504A (zh) 一种基于滤波校正的网联车超速预警方法及系统
CN112799091A (zh) 算法评估方法、装置及存储介质
CN114821526A (zh) 基于4d毫米波雷达点云的障碍物三维边框检测方法
CN112801024B (zh) 一种检测信息处理方法和装置
CN114550142A (zh) 基于4d毫米波雷达和图像识别融合的车位检测方法
CN114442073A (zh) 激光雷达的标定方法、装置、车辆及存储介质
US20230094836A1 (en) Method for Detecting Moving Objects in the Surroundings of a Vehicle, and Motor Vehicle
CN111332306A (zh) 一种基于机器视觉的交通道路感知辅助驾驶预警装置
CN113687337B (zh) 车位识别性能测试方法、装置、测试车辆及存储介质
CN113687337A (zh) 车位识别性能测试方法、装置、测试车辆及存储介质
CN114492676B (zh) 一种目标检测模型的构建方法、装置和电子设备
CN115902839A (zh) 港口激光雷达标定方法及装置、存储介质及电子设备
CN115331214A (zh) 用于目标检测的感知方法及系统
CN114228411A (zh) 连接控制方法、装置、设备及存储介质
CN114167426A (zh) 基于无人机的地下管线测量及三维建模分析方法、装置及介质

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