CN114034316A - 一种路侧系统的定位性能评估方法及系统 - Google Patents
一种路侧系统的定位性能评估方法及系统 Download PDFInfo
- Publication number
- CN114034316A CN114034316A CN202111268444.XA CN202111268444A CN114034316A CN 114034316 A CN114034316 A CN 114034316A CN 202111268444 A CN202111268444 A CN 202111268444A CN 114034316 A CN114034316 A CN 114034316A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- positioning information
- time
- road side
- error
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Abstract
本发明涉及一种路侧系统的定位性能评估方法,该方法包括以下步骤:S1:车载单元和路侧单元分别实时采集定位信息,并对定位信息打上时间戳后打包传输至计算设备,以进行下一步评估;S2:通过计算设备进行实时评估,将获得的车载单元和路侧单元的定位信息对齐,并对路侧单元的准确度进行实时评估;S3:通过计算设备进行统计评估,存储车载单元和路侧单元的对齐后的定位信息,并对路侧单元在一段时间内的准确度进行统计评估;S4:获取评估结果和相关图像,将评估结果可视化,与现有技术相比,本发明具有能够简单移植至所有现存的车路协同系统中以及能够具体表现出路侧系统定位性能的优劣等优点。
Description
技术领域
本发明涉及车路协同技术领域,尤其是涉及一种路侧系统的定位性能评估方法及系统。
背景技术
随着目前智能技术、信息技术等的不断发展,汽车行业的重点已从传统的汽车制造业转向了智能交通领域,目前,基于单车系统的感知、定位、规划、控制等系统已发展得较为成熟,但是由于单车感知范围有限、高昂的传感器成本的限制,难以实现大面积普遍应用。
随着近些年通信技术的发展,车路协同技术得到了广泛的重视,车路协同技术能够使用路侧设备与车端设备联合感知环境信息,弥补了单车感知范围有限的缺点,极大地扩大了单车的感知视野,能够使车辆理解全局环境,更好地进行决策与控制,此外,在路侧安装传感器,可以将传感器成本视为由系统中的每个车辆用户均分,极大地降低了成本,综上所述,车路协同技术有广泛的应用前景。
目前,自车的定位技术发展已经很成熟,不论是GNSS和SLAM技术,都有很高的精度,但是车路协同技术还很不成熟,仍需要大量的研究成果,如何评估车路协同系统是一个至关重要的问题,而其中一个非常重要的方面就是对路侧系统性能的评估,一个好的评估方法,对日后技术的研发与改进具有指导意义。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种路侧系统的定位性能评估方法及系统。
本发明的目的可以通过以下技术方案来实现:
一种路侧系统的定位性能评估方法,该方法包括以下步骤:
步骤S1:车载单元和路侧单元分别实时采集定位信息,并对定位信息打上时间戳后打包传输至计算设备;
步骤S2:通过计算设备进行实时评估,将获得的车载单元和路侧单元的定位信息对齐,并对路侧单元的准确度进行实时评估;
步骤S3:通过计算设备进行统计评估,存储车载单元和路侧单元的对齐后的定位信息,并对路侧单元在一段时间内的准确度进行统计评估;
步骤S4:获取评估结果和相关图像,将评估结果可视化。
所述的步骤S1具体包括以下步骤:
步骤S1a:进行车载单元的定位信息采集与传输,车载单元每一时刻获取一个准确的自车定位信息,即数据标准车的自车定位信息,将每一时刻的自车定位信息打上时间戳,通过有线网络或无线网络的方式打包后传输至计算设备;
步骤S1b:进行路侧单元的定位信息采集与传输,路侧单元获取交通环境中感知范围内的所有目标的定位信息,将路侧单元在每一时刻得到的所有目标的定位信息打包为一组,并为这一组数据打上时间戳,打包后传输至计算设备。
所述的步骤S1a中,车载单元传输至计算设备的自车定位信息包括自车定位的位置、自车的朝向、自车的速度和时间戳:
(x,y,yaw,v,t)
其中,(x,y)为自车定位的位置,yaw为偏航角,即自车的朝向,v为自车的速度,t为时间戳,即得到自车定位信息的时间。
所述的步骤S1b中,路侧单元传输至计算设备的定位信息包括路侧单元获取的每一个目标的位置、朝向、速度以及统一的时间戳:
{(x1,y1,yaw1,v1),...,(xn,yn,yawn,vn),t}
其中,n为同一时刻路侧系统得到的目标个数,(xi,yi)为第i个目标的位置,yawi为第i个目标的偏航角,即朝向,vi为第i个目标的速度,t为统一的时间戳,即得到这组定位信息的时间。
所述的步骤S2中,通过计算设备进行实时评估的过程具体包括以下步骤:
步骤S2a:进行时间对齐操作,以路侧单元的自车定位信息的时间戳为基准,每次获取一组路侧单元的自车定位信息时,将获取的车载单元传输的最近一次定位信息按时间戳与路侧单元的自车定位信息的时间戳对齐,设当前组的路侧单元的自车定位信息的时间戳为tr,车载单元的收到的最近一次数据为(xon,yon,yawon,von,ton),基于卡尔曼滤波方法推算出第tr时刻的车载单元的自车定位信息,即(xor,yor,yawor,vor,tr),至此完成时间对齐操作;
步骤S2b:进行空间对齐操作,路侧单元得到的定位信息为感知范围内所有目标的定位信息,判断多个目标中为数据标准车的自车定位信息的目标信息,选择路侧单元的多个目标中目标位置与自车定位的位置信息中绝对距离最小者为匹配的同一目标信息,即数据标准车的自车定位信息,至此完成空间对齐操作;
步骤S2c:进行计算设备的在线评估,以数据标准车的自车定位信息为真值,通过在线评估指标对路侧单元的准确度进行评估,在线评估指标包括位置误差ep、朝向误差ed和速度误差ev,以衡量路侧单元的定位信息与数据标准车的自定位信息的一致程度,每接收到一次路侧单元的数据进行一次评估,并输出评估结果。
所述的步骤S2c中,所述的数据标准车的自车定位信息表示为(xo,yo,yawo,vo),路侧单元的定位信息表示为(xr,yr,yawr,vr),位置误差ep的表达式为:
其中,ep为位置误差,(xr,yr)为路侧单元得到的第r个目标的位置,(xo,yo)为数据标准车的位置;
朝向误差ed的表达式为:
ed=yawr-yawo
其中,ed为朝向误差,yawr为路侧单元得到的第r个目标的朝向,yawo为数据标准车的朝向;
速度误差ev的表达式为:
ev=vr-vo
其中,ev为速度误差,vr为路侧单元得到的第r个目标的速度,vo为数据标准车的速度。
所述的步骤S3中,通过计算设备进行统计评估的过程具体包括以下步骤:
步骤S3a:存储车载单元得到的自车定位信息和路侧单元得到的定位信息,进行统计评估;
步骤S3b:根据步骤S3a存储的车载单元得到的自车定位信息、路侧单元得到的定位信息以及设定的时间段进行统计评估,计算统计评估的评估指标;
步骤S3c:获取统计评估结果。
所述的步骤S3b中,统计评估的评估指标包括各项误差的均值、标准差、最大值、相对位姿误差RTE以及绝对轨迹误差ATE;
自车统计位置误差的均值epa、标准差eps和最大值epm的计算公式分别为:
其中,epj为第j时刻的位置误差,N为时刻总数,epa为自车统计位置误差的均值,eps为自车统计位置误差的标准差,epm为自车统计位置误差的最大值,max表示取最大值;
自车统计朝向误差的均值eda、标准差eds和最大值edm的计算公式分别为:
其中,edj为第j时刻的朝向误差,|·|为绝对值,eda为自车统计朝向误差的均值,eds为自车统计朝向误差的标准差,edm为自车统计朝向误差的最大值;
自车统计速度误差均值eva、标准差evs和最大值evm的计算公式分别为:
其中,evj为第j时刻的速度误差,eva为自车统计速度误差的均值,evs为自车统计速度误差的标准差,evm为自车统计速度误差的最大值;
设定的时间段内的相对位姿误差RTE的计算公式为:
其中,Ek为设定的时间段内每一次时间间隔Δ内的误差,Ek∈SE(3),SE(3)为李代数,trans(Ek)为误差Ek的平移向量部分,trans(Ek)∈R3,R3为笛卡尔三维坐标系,Qk为第k时刻的车载单元得到的位姿,Qk∈SE(3),Qk+Δ为第k+Δ时刻的车载单元得到的位姿,Pk为第k时刻的路侧单元得到的位姿,Pk+Δ为第k+Δ时刻的路侧单元得到的位姿,m为设定的时间段的时刻数,RTE为相对位姿误差,(·)-1表示求逆,||·||为范数;
N个时刻内的绝对轨迹误差ATE的计算公式为:
其中,S为刚体变换矩阵,Qj为第j时刻的车载单元得到的位姿,Qj∈SE(3),Pj为第j时刻的路侧单元得到的位姿,Fj为第j时刻的误差,Fj∈SE(3),trans(Fj)为第j时刻的误差Fj的平移向量部分,trans(Fj)∈R3。
所述的步骤S4中,可视化的过程具体包括以下步骤:
步骤S4a:将评估算法设置在与用户交互的软件内,并将软件部署在计算机上;
步骤S4b:设定统计评估的时间段,通过评估算法生成在线评估结果和统计评估结果,且均在可视化界面上实时显示;
步骤S4c:实时在图像中绘制路侧单元定位与数据标准车定位的结果,并在计算指定时间段内的RTE和ATE后,绘制相应的评估结果的图像,且在可视化界面上实时显示。
一种实现如所述的路侧系统的定位性能评估方法的系统,该系统包括:
定位信息采集模块:车载单元和路侧单元分别实时采集定位信息,并对定位信息打上时间戳后打包传输至计算设备;
数据预处理模块:将获得的车载单元和路侧单元的定位信息进行对齐;
评估模块:存储对齐后的定位信息,通过计算设备对路侧单元的准确度进行实时评估以及对路侧单元在一段时间内的准确度进行统计评估;
可视化模块:用以将获取的评估结果和相关图像可视化。
与现有技术相比,本发明具有以下优点:
1、本发明采用能实现精确的自定位的数据标准车作为真值对路侧系统的定位性能进行评估,可以有效解决目标真值获取难的问题,并且通过对数据标准车在道路上进行连续驾驶,可以获得连续的定位真值,从而能够进行大范围运动目标的评估,且只需普通的机动车驾驶员驾驶数据标准车即可进行,无需专业的测绘人员协助;
2、本发明能够基于数据标准车的精准定位结果对路侧系统的定位性能进行有效评估,具体的表现出路侧系统定位性能的优劣,并为路侧系统的评估提出了一系列指标,对日后路侧系统定位性能的技术提高提供了指导;
3、本发明具有普遍性,可简单移植至所有现存的车路协同系统中;
4、本发明基于数据标准车对路侧系统性能进行评估的方法为今后路侧系统的性能评估提供了新思路;
5、本发明的实施例还将评估算法嵌入编写的软件中,能够可视化显示评估结果,显示相关图像,并实现与用户的交互。
附图说明
图1是本发明的实施例的使用场景示意图。
图2是本发明的系统框架图。
图3是本发明的进行时间对齐的示意图。
图4是本发明的评估算法流程图。
图5是本发明的软件系统框架图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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获得的所有其他实施例,都应属于本发明保护的范围。
实施例
如图2所示,本发明提供了一种路侧系统的定位性能评估系统与方法,该方法通过具有准确定位性能的数据标准车为真值,通过在线评估指标和统计评估指标对路侧单元的定位性能分别进行在线评估和统计评估,在线评估指标包括位置误差ep,朝向误差ed以及速度误差ev,统计评估指标包括自车统计位置误差的均值epa、自车统计位置误差的标准差eps、自车统计位置误差的最大值epm、自车统计朝向误差的均值eda、自车统计朝向误差的标准差eds、自车统计朝向误差的最大值edm,自车统计速度误差的均值eva、自车统计速度误差的标准差evs、自车统计速度误差的最大值evm、相对位姿误差RTE以及绝对轨迹误差ATE,并将评估算法嵌入编写的软件中,显示评估结果和相关图像,实现可视化以及与用户交互,该方法包括以下步骤:
步骤S1:车载单元和路侧单元分别实时采集定位信息,并对定位信息打上时间戳后打包上传至计算设备,以进行下一步评估;
步骤S2:在计算设备进行实时评估,将获得的车载单元和路侧单元的定位信息对齐,并对路侧单元的准确度进行实时评估;
步骤S3:在计算设备进行统计评估,存储车载单元和路侧单元的对齐后的定位信息,并对路侧单元在一段时间内的准确度进行统计评估;
步骤S4:生成评估结果和相关图像,将评估结果可视化。
步骤S1具体包括以下步骤:
步骤S1a:进行车载单元的定位信息采集与传输,车载单元每一时刻获取一个准确的自车定位信息,即数据标准车的自车定位信息,将每一时刻的自车定位信息打上时间戳,通过有线网络或无线网络的方式打包后传输至计算设备,每次上传至计算设备的自车定位信息包括自车定位的位置、自车的朝向、自车的速度和时间戳:
(x,y,yaw,v,t)
其中,(x,y)为自车定位的位置,yaw为偏航角,即自车的朝向,v为自车的速度,t为时间戳,即得到自车定位信息的时间;
步骤S1b:进行路侧单元的定位信息采集与上传,车载系统每一时刻只能得到一个定位信息,即数据标准车的自车定位信息,与车载系统不同的是,路侧系统能够得到交通环境中感知范围内的所有目标的定位信息,将路侧系统在每一时刻得到的所有目标的定位信息打包为一组,并为这一组数据打上时间戳,打包上传至计算设备,每次上传至计算设备的定位信息包括路侧系统得到的每一个目标的位置、朝向、速度以及统一的时间戳:
{(x1,y1,yaw1,v1),...,(xn,yn,yawn,vn),t}
其中,n为同一时刻路侧系统得到的目标个数,(xi,yi)为第i个目标的位置,yawi为第i个目标的偏航角,即朝向,vi为第i个目标的速度,t为统一的时间戳,即得到这组定位信息的时间。
下一步进行S2步骤的计算设备的实时评估过程,计算设备包括云计算平台、部署在本地的计算机以及嵌入式平台等任何计算设备。
车载单元的定位信息和路侧单元的定位信息需要进行预处理后才能用于评估算法,因为两组数据时间和空间部分存在差异,车载单元的定位信息和路侧单元的定位信息的时间戳是不同的,因此需要进行时间上的对齐操作,此外路侧单元的每组数据中包含感知范围内的多个目标,因此需要判断多个目标中为数据标准车的目标信息,即空间对齐操作。
计算设备的实时评估过程具体步骤为:
步骤S2a:如图3所示,进行时间对齐操作,以路侧单元的自车定位信息的时间戳为基准,每次获取一组路侧单元的自车定位信息时,将获取的车载单元传输的最近一次定位信息按时间戳与路侧单元的自车定位信息的时间戳对齐,设当前组的路侧单元的自车定位信息的时间戳为tr,车载单元的收到的最近一次数据为(xon,yon,yawon,von,ton),基于卡尔曼滤波方法推算出第tr时刻的车载单元的自车定位信息,即(xor,yor,yawor,vor,tr),至此完成时间对齐操作;
步骤S2b:进行空间对齐操作,路侧单元得到的定位信息为感知范围内所有目标的定位信息,判断多个目标中为数据标准车的自车定位信息的目标信息,选择路侧单元的多个目标中目标位置与自车定位的位置信息中绝对距离最小者为匹配的同一目标信息,即数据标准车的自车定位信息,至此完成空间对齐操作;
步骤S2c:如图4所示,进行计算设备的在线评估,以数据标准车的自车定位信息为真值,通过在线评估指标对路侧单元的准确度进行评估,在线评估指标包括位置误差ep、朝向误差ed和速度误差ev,以衡量路侧单元的定位信息与数据标准车的自定位信息的一致程度,每接收到一次路侧单元的数据进行一次评估,并输出评估结果。
数据标准车的自车定位信息表示为(xo,yo,yawo,vo),路侧单元的定位信息表示为(xr,yr,yawr,vr);
位置误差ep的表达式为:
其中,ep为位置误差,(xr,yr)为路侧单元得到的第r个目标的位置,(xo,yo)为数据标准车的位置;
朝向误差ed的表达式为:
ed=yawr-yawo
其中,ed为朝向误差,yawr为路侧单元得到的第r个目标的朝向,yawo为数据标准车的朝向;
速度误差ev的表达式为:
ev=vr-vo
其中,ev为速度误差,vr为路侧单元得到的第r个目标的速度,vo为数据标准车的速度。
如图4所示,下一步进行S3步骤的计算设备的统计评估过程,统计评估是指对路侧单元在一个时间段内的准确度进行统计评估,即在数据对齐后,将车载单元和路侧单元得到的定位信息进行存储,需要评估时则根据一个时间段内存储的定位信息评估路侧单元在该时间段内的准确度,评估的时间段由系统用户决定。
计算设备的统计评估的过程包括以下步骤:
步骤S3a:存储车载单元和路侧单元得到的定位信息,进行统计评估;
步骤S3b:根据S3a步骤存储的定位信息以及用户指定的时间段进行统计评估,统计评估的评估指标包括各项误差的均值、标准差、最大值、相对位姿误差RTE以及绝对轨迹误差ATE,将第i时刻的位置误差记为epi,自车统计位置误差的均值epa、标准差eps和最大值epm的计算公式分别为:
其中,epj为第j时刻的位置误差,N为时刻总数,epa为自车统计位置误差的均值,eps为自车统计位置误差的标准差,epm为自车统计位置误差的最大值,max表示取最大值;
自车统计朝向误差的均值eda、标准差eds和最大值edm的计算公式分别为:
其中,edj为第j时刻的朝向误差,|·|为绝对值,eda为自车统计朝向误差的均值,eds为自车统计朝向误差的标准差,edm为自车统计朝向误差的最大值;
自车统计速度误差均值eva、标准差evs和最大值evm的计算公式分别为:
其中,evj为第j时刻的速度误差,eva为自车统计速度误差的均值,evs为自车统计速度误差的标准差,evm为自车统计速度误差的最大值;
设定的时间段内的相对位姿误差RTE的计算公式为:
其中,Ek为设定的时间段内每一次时间间隔Δ内的误差,Ek∈SE(3),SE(3)为李代数,trans(Ek)为误差Ek的平移向量部分,trans(Ek)∈R3,R3为笛卡尔三维坐标系,Qk为第k时刻的车载单元得到的位姿,Qk∈SE(3),Qk+Δ为第k+Δ时刻的车载单元得到的位姿,Pk为第k时刻的路侧单元得到的位姿,Pk+Δ为第k+Δ时刻的路侧单元得到的位姿,m为设定的时间段的时刻数,RTE为相对位姿误差,(·)-1表示求逆,||·||为范数;
N个时刻内的绝对轨迹误差ATE的计算公式为:
其中,S为刚体变换矩阵,Qj为第j时刻的车载单元得到的位姿,Qj∈SE(3),Pj为第j时刻的路侧单元得到的位姿,Fj为第j时刻的误差,Fj∈SE(3),trans(Fj)为第j时刻的误差Fj的平移向量部分,trans(Fj)∈R3。
步骤S3c:完成以上评估过程后,输出相应的评估结果。
如图5所示,在步骤S4中,编写评估软件与评估结果可视化过程具体包括以下步骤:
步骤S4a:将评估算法嵌入可与用户交互的软件,并将软件部署在个人计算机(PC)上;
步骤S4b:编写图形操作界面,图形界面实时显示实时评估结果,并且用户可自定义需要统计评估的时间段,以生成统计评估的评估结果,并将评估结果显示在界面上;
步骤S4c:实时在图像中绘制路侧单元定位与数据标准车定位的结果,并在计算指定时间段内的RTE和ATE后,绘制相应的评估结果的图像,且在可视化界面上实时显示。
以上所述,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工作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 (10)
1.一种路侧系统的定位性能评估方法,其特征在于,该方法包括以下步骤:
步骤S1:车载单元和路侧单元分别实时采集定位信息,并对定位信息打上时间戳后打包传输至计算设备;
步骤S2:通过计算设备进行实时评估,将获得的车载单元和路侧单元的定位信息对齐,并对路侧单元的准确度进行实时评估;
步骤S3:通过计算设备进行统计评估,存储车载单元和路侧单元的对齐后的定位信息,并对路侧单元在一段时间内的准确度进行统计评估;
步骤S4:获取评估结果和相关图像,将评估结果可视化。
2.根据权利要求1所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S1具体包括以下步骤:
步骤S1a:进行车载单元的定位信息采集与传输,车载单元每一时刻获取一个准确的自车定位信息,即数据标准车的自车定位信息,将每一时刻的自车定位信息打上时间戳,通过有线网络或无线网络的方式打包后传输至计算设备;
步骤S1b:进行路侧单元的定位信息采集与传输,路侧单元获取交通环境中感知范围内的所有目标的定位信息,将路侧单元在每一时刻得到的所有目标的定位信息打包为一组,并为这一组数据打上时间戳,打包后传输至计算设备。
3.根据权利要求2所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S1a中,车载单元传输至计算设备的自车定位信息包括自车定位的位置、自车的朝向、自车的速度和时间戳:
(x,y,yaw,v,t)
其中,(x,y)为自车定位的位置,yaw为偏航角,即自车的朝向,v为自车的速度,t为时间戳,即得到自车定位信息的时间。
4.根据权利要求2所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S1b中,路侧单元传输至计算设备的定位信息包括路侧单元获取的每一个目标的位置、朝向、速度以及统一的时间戳:
{(x1,y1,yaw1,v1),…,(xn,yn,yawn,vn),t}
其中,n为同一时刻路侧系统得到的目标个数,(xi,yi)为第i个目标的位置,yawi为第i个目标的偏航角,即朝向,vi为第i个目标的速度,t为统一的时间戳,即得到这组定位信息的时间。
5.根据权利要求1所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S2中,通过计算设备进行实时评估的过程具体包括以下步骤:
步骤S2a:进行时间对齐操作,以路侧单元的自车定位信息的时间戳为基准,每次获取一组路侧单元的自车定位信息时,将获取的车载单元传输的最近一次定位信息按时间戳与路侧单元的自车定位信息的时间戳对齐,设当前组的路侧单元的自车定位信息的时间戳为tr,车载单元的收到的最近一次数据为(xon,yon,yawon,von,ton),基于卡尔曼滤波方法推算出第tr时刻的车载单元的自车定位信息,即(xor,yor,yawor,vor,tr),至此完成时间对齐操作;
步骤S2b:进行空间对齐操作,路侧单元得到的定位信息为感知范围内所有目标的定位信息,判断多个目标中为数据标准车的自车定位信息的目标信息,选择路侧单元的多个目标中目标位置与自车定位的位置信息中绝对距离最小者为匹配的同一目标信息,即数据标准车的自车定位信息,至此完成空间对齐操作;
步骤S2c:进行计算设备的在线评估,以数据标准车的自车定位信息为真值,通过在线评估指标对路侧单元的准确度进行评估,在线评估指标包括位置误差ep、朝向误差ed和速度误差ev,以衡量路侧单元的定位信息与数据标准车的自定位信息的一致程度,每接收到一次路侧单元的数据进行一次评估,并输出评估结果。
6.根据权利要求5所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S2c中,所述的数据标准车的自车定位信息表示为(xo,yo,yawo,vo),路侧单元的定位信息表示为(xr,yr,yawr,vr),位置误差ep的表达式为:
其中,ep为位置误差,(xr,yr)为路侧单元得到的第r个目标的位置,(xo,yo)为数据标准车的位置;
朝向误差ed的表达式为:
ed=yawr-yawo
其中,ed为朝向误差,yawr为路侧单元得到的第r个目标的朝向,yawo为数据标准车的朝向;
速度误差ev的表达式为:
ev=vr-vo
其中,ev为速度误差,vr为路侧单元得到的第r个目标的速度,vo为数据标准车的速度。
7.根据权利要求1所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S3中,通过计算设备进行统计评估的过程具体包括以下步骤:
步骤S3a:存储车载单元得到的自车定位信息和路侧单元得到的定位信息,进行统计评估;
步骤S3b:根据步骤S3a存储的车载单元得到的自车定位信息、路侧单元得到的定位信息以及设定的时间段进行统计评估,计算统计评估的评估指标;
步骤S3c:获取统计评估结果。
8.根据权利要求7所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S3b中,统计评估的评估指标包括各项误差的均值、标准差、最大值、相对位姿误差RTE以及绝对轨迹误差ATE;
自车统计位置误差的均值epa、标准差eps和最大值epm的计算公式分别为:
其中,epj为第j时刻的位置误差,N为时刻总数,epa为自车统计位置误差的均值,eps为自车统计位置误差的标准差,epm为自车统计位置误差的最大值,max表示取最大值;
自车统计朝向误差的均值eda、标准差eds和最大值edm的计算公式分别为:
其中,edj为第j时刻的朝向误差,|·|为绝对值,eda为自车统计朝向误差的均值,eds为自车统计朝向误差的标准差,edm为自车统计朝向误差的最大值;
自车统计速度误差均值eva、标准差evs和最大值evm的计算公式分别为:
其中,evj为第j时刻的速度误差,eva为自车统计速度误差的均值,evs为自车统计速度误差的标准差,evm为自车统计速度误差的最大值;
设定的时间段内的相对位姿误差RTE的计算公式为:
其中,Ek为设定的时间段内每一次时间间隔Δ内的误差,Ek∈SE(3),SE(3)为李代数,trans(Ek)为误差Ek的平移向量部分,trans(Ek)∈R3,R3为笛卡尔三维坐标系,Qk为第k时刻的车载单元得到的位姿,Qk∈SE(3),Qk+Δ为第k+Δ时刻的车载单元得到的位姿,Pk为第k时刻的路侧单元得到的位姿,Pk+Δ为第k+Δ时刻的路侧单元得到的位姿,m为设定的时间段的时刻数,RTE为相对位姿误差,(·)-1表示求逆,||·||为范数;
N个时刻内的绝对轨迹误差ATE的计算公式为:
其中,S为刚体变换矩阵,Qj为第j时刻的车载单元得到的位姿,Qj∈SE(3),Pj为第j时刻的路侧单元得到的位姿,Fj为第j时刻的误差,Fj∈SE(3),trans(Fj)为第j时刻的误差Fj的平移向量部分,trans(Fj)∈R3。
9.根据权利要求1所述的一种路侧系统的定位性能评估方法,其特征在于,所述的步骤S4中,可视化的过程具体包括以下步骤:
步骤S4a:将评估算法设置在与用户交互的软件内,并将软件部署在计算机上;
步骤S4b:设定统计评估的时间段,通过评估算法生成在线评估结果和统计评估结果,且均在可视化界面上实时显示;
步骤S4c:实时在图像中绘制路侧单元定位与数据标准车定位的结果,并在计算指定时间段内的RTE和ATE后,绘制相应的评估结果的图像,且在可视化界面上实时显示。
10.一种实现如权利要求1~9任一项所述的路侧系统的定位性能评估方法的系统,其特征在于,该系统包括:
定位信息采集模块:车载单元和路侧单元分别实时采集定位信息,并对定位信息打上时间戳后打包传输至计算设备;
数据预处理模块:将获得的车载单元和路侧单元的定位信息进行对齐;
评估模块:存储对齐后的定位信息,通过计算设备对路侧单元的准确度进行实时评估以及对路侧单元在一段时间内的准确度进行统计评估;
可视化模块:用以将获取的评估结果和相关图像可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268444.XA CN114034316A (zh) | 2021-10-29 | 2021-10-29 | 一种路侧系统的定位性能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268444.XA CN114034316A (zh) | 2021-10-29 | 2021-10-29 | 一种路侧系统的定位性能评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114034316A true CN114034316A (zh) | 2022-02-11 |
Family
ID=80135742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111268444.XA Pending CN114034316A (zh) | 2021-10-29 | 2021-10-29 | 一种路侧系统的定位性能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114034316A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114279453A (zh) * | 2022-03-04 | 2022-04-05 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
CN115578709A (zh) * | 2022-11-24 | 2023-01-06 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种车路协同的特征级协同感知融合方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180188032A1 (en) * | 2017-01-04 | 2018-07-05 | Qualcomm Incorporated | Systems and methods for using a global positioning system velocity in visual-inertial odometry |
CN113029136A (zh) * | 2021-03-12 | 2021-06-25 | 北京百度网讯科技有限公司 | 定位信息处理的方法、设备、存储介质及程序产品 |
CN113359169A (zh) * | 2021-07-14 | 2021-09-07 | 北京理工大学 | 一种面向有交通灯十字路口的车辆协同定位方法 |
CN113654566A (zh) * | 2021-07-27 | 2021-11-16 | 上海智能网联汽车技术中心有限公司 | 路侧系统的定位性能评估方法、存储介质及车路协同系统 |
-
2021
- 2021-10-29 CN CN202111268444.XA patent/CN114034316A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180188032A1 (en) * | 2017-01-04 | 2018-07-05 | Qualcomm Incorporated | Systems and methods for using a global positioning system velocity in visual-inertial odometry |
CN113029136A (zh) * | 2021-03-12 | 2021-06-25 | 北京百度网讯科技有限公司 | 定位信息处理的方法、设备、存储介质及程序产品 |
CN113359169A (zh) * | 2021-07-14 | 2021-09-07 | 北京理工大学 | 一种面向有交通灯十字路口的车辆协同定位方法 |
CN113654566A (zh) * | 2021-07-27 | 2021-11-16 | 上海智能网联汽车技术中心有限公司 | 路侧系统的定位性能评估方法、存储介质及车路协同系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114279453A (zh) * | 2022-03-04 | 2022-04-05 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
CN114279453B (zh) * | 2022-03-04 | 2022-07-19 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
CN115578709A (zh) * | 2022-11-24 | 2023-01-06 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 一种车路协同的特征级协同感知融合方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104790283B (zh) | 一种基于车载加速度计的路面平整度快速检测系统 | |
US20190043278A1 (en) | Test drive scenario system for virtual test drive scenarios | |
CN110160542B (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
CN114034316A (zh) | 一种路侧系统的定位性能评估方法及系统 | |
JP6179191B2 (ja) | 運転診断装置,運転診断方法及びプログラム | |
CN104932359A (zh) | 基于cae技术的车辆远程无人定损系统及定损方法 | |
CN117836653A (zh) | 一种基于车载定位装置的路侧毫米波雷达校准方法 | |
CN113654566A (zh) | 路侧系统的定位性能评估方法、存储介质及车路协同系统 | |
CN111275969B (zh) | 一种基于道路环境智能识别的车辆轨迹填充方法 | |
CN107430815A (zh) | 用于自动识别停车区的方法和系统 | |
CN112070454B (zh) | 高速公路养护施工区域控制安全管理系统的设计方法 | |
JP2022514891A (ja) | 教師あり機械学習のための画像の自動ラベリングのためのシステムおよび方法 | |
KR102308456B1 (ko) | 라이다 및 카메라 수집정보 기반 수종탐지 시스템 및 이를 이용한 수종탐지방법, 수종탐지방법을 수행하는 프로그램이 수록된 기록매체 | |
CN110703739B (zh) | 车辆诊断方法、路侧单元、车载单元、系统及存储介质 | |
CN112146682B (zh) | 智能汽车的传感器标定方法、装置、电子设备及介质 | |
CN103063218B (zh) | 车辆远程监控及轨迹复现系统及其轨迹复现方法 | |
CN114970705A (zh) | 基于多传感数据的行驶状态分析方法、装置、设备及介质 | |
CN111257853B (zh) | 一种基于imu预积分的自动驾驶系统激光雷达在线标定方法 | |
CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测系统 | |
CN114485658A (zh) | 一种面向路侧感知系统精度评估的装置及方法 | |
CN115060505A (zh) | 一种高精度定位会车场景的紧急车道保持测试系统及方法 | |
CN110393531A (zh) | 一种基于智能设备的疲劳驾驶检测方法及系统 | |
CN109720353A (zh) | 一种基于智能手机的驾驶行为检测方法 | |
CN111103578B (zh) | 一种基于深度卷积神经网络的激光雷达在线标定方法 | |
CN116635739A (zh) | 一种基于车载定位装置的路侧毫米波雷达校准方法 |
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 |