CN115248441A - 数据处理方法、装置、终端及介质 - Google Patents
数据处理方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN115248441A CN115248441A CN202111087747.1A CN202111087747A CN115248441A CN 115248441 A CN115248441 A CN 115248441A CN 202111087747 A CN202111087747 A CN 202111087747A CN 115248441 A CN115248441 A CN 115248441A
- Authority
- CN
- China
- Prior art keywords
- radar
- point cloud
- target
- radars
- transfer matrix
- 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
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本说明书提供一种数据处理方法、装置、终端及介质,所述方法包括:获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据;基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵;以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,使得各个雷达所采集到的数据,均能映射到参考雷达的坐标系中;进而基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合,实现多个雷达所获取的数据的融合。
Description
技术领域
本说明书涉及自动驾驶技术领域,尤其涉及一种数据处理方法、装置、终端及介质。
背景技术
自动驾驶技术作为汽车产业与人工智能、大数据等新一代信息技术融合的产物,能够减少交通事故的发生,提升驾驶安全性。
在自动驾驶技术中,一般采用高线束激光雷达作为自动驾驶车辆的感知系统的主传感器,从而通过高线束激光雷达向多个方向发射激光,进而根据接收到激光的时间,确定自动驾驶车辆所处环境中的障碍物分布情况。
但是,由于高线束激光雷达的成本较高,从而导致自动驾驶车辆的成本较高,针对上述情况,使用多个低线束激光雷达代替一个高线束激光雷达的方案应运而生,然而,每个激光雷达的坐标系原点和正方向不尽相同,从而使得多个激光雷达所获取到的数据无法融合。
发明内容
为克服相关技术中存在的问题,本说明书提供了如下的数据方法、装置、终端及介质。
根据本说明书实施例的第一方面,提供一种数据处理方法,所述方法包括:
获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据;
基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,第一转移矩阵为对应雷达的坐标系相对于第一目标场景的坐标系的转移矩阵;
以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,第二转移矩阵为对应雷达的坐标系相对于参考雷达的坐标系的转移矩阵;
基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合。
在一些实施例中,获取第一目标场景的点云地图,包括:
基于位于第一目标场景中的预置雷达所采集到的点云数据,确定用于搭载预置雷达的目标物体的运动方程和观测方程,运动方程用于指示目标物体的位置与目标物体的运动数据之间的关系,观测方程用于指示第一目标场景中的预设点的位置与目标物体的位置之间的关系;
基于目标物体的运动方程和所述观测方程,确定目标物体所处的位置以及第一目标场景中多个预设点的位置,得到第一目标场景的点云地图。
在一些实施例中,基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,包括:
对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值,设定条件为任一雷达的点云数据所对应的点的位置,与第一目标场景的点云地图中的点的位置的匹配程度最大;
基于目标参数值和第一目标场景的点云地图,确定任一雷达对应的第一转移矩阵。
在一些实施例中,对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值,包括:
响应于对目标参数的参数值调整操作,基于调整后的参数值,显示任一雷达的点云数据所对应的点云地图;
响应于对目标参数的参数值的提交操作,获取目标参数当前的参数值,作为目标参数的目标参数值。
在一些实施例中,第一转移矩阵包括第一旋转矩阵和第一平移矩阵;
基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,包括:
对于多个雷达中任一雷达,将任一雷达对应的点云数据与目标参数对应的点云数据,作为任一雷达对应的中间点云数据,基于中间点云数据、第一目标场景的点云地图和目标误差函数,确定在目标误差函数的函数值最小的情况下对应的第一旋转矩阵和第一平移矩阵,得到第一转移矩阵。
在一些实施例中,目标参数包括翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度中至少一项。
在一些实施例中,以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,包括:
对于多个雷达中除参考雷达外的其他雷达中的目标雷达,基于参考雷达对应的第一转移矩阵,以及目标雷达对应的第一转移矩阵的逆矩阵,确定目标雷达对应的第二转移矩阵。
根据本说明书实施例的第二方面,提供一种数据处理装置,所述装置包括:
获取单元,用于获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据;
第一确定单元,用于基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,第一转移矩阵为对应雷达的坐标系相对于第一目标场景的坐标系的转移矩阵;
第二确定单元,用于以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,第二转移矩阵为对应雷达的坐标系相对于参考雷达的坐标系的转移矩阵;
数据融合单元,用于基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合。
在一些实施例中,所述获取单元,在用于获取第一目标场景的点云地图时,具体用于:
基于位于第一目标场景中的预置雷达所采集到的点云数据,确定用于搭载预置雷达的目标物体的运动方程和观测方程,运动方程用于指示目标物体的位置与目标物体的运动数据之间的关系,观测方程用于指示第一目标场景中的预设点的位置与目标物体的位置之间的关系;
基于目标物体的运动方程和所述观测方程,确定目标物体所处的位置以及第一目标场景中多个预设点的位置,得到第一目标场景的点云地图。
在一些实施例中,所述第一确定单元,在用于基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵时,包括获取子单元和确定子单元;
其中,所述获取子单元,用于对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值,设定条件为任一雷达的点云数据所对应的点的位置,与第一目标场景的点云地图中的点的位置的匹配程度最大;
所述确定子单元,用于基于目标参数值和第一目标场景的点云地图,确定任一雷达对应的第一转移矩阵。
在一些实施例中,所述获取子单元,在用于对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值时,具体用于:
响应于对目标参数的参数值调整操作,基于调整后的参数值,显示任一雷达的点云数据所对应的点云地图;
响应于对目标参数的参数值的提交操作,获取目标参数当前的参数值,作为目标参数的目标参数值。
在一些实施例中,第一转移矩阵包括第一旋转矩阵和第一平移矩阵;
所述第一确定单元,在用于基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵时,具体用于:
对于多个雷达中任一雷达,将任一雷达对应的点云数据与目标参数对应的点云数据,作为任一雷达对应的中间点云数据,基于中间点云数据、第一目标场景的点云地图和目标误差函数,确定在目标误差函数的函数值最小的情况下对应的第一旋转矩阵和第一平移矩阵,得到第一转移矩阵。
在一些实施例中,目标参数包括翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度中至少一项。
在一些实施例中,所述第二确定单元,在用于以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵时,具体用于:
对于多个雷达中除参考雷达外的其他雷达中的目标雷达,基于参考雷达对应的第一转移矩阵,以及目标雷达对应的第一转移矩阵的逆矩阵,确定目标雷达对应的第二转移矩阵。
根据本说明书实施例的第三方面,提供一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行计算机程序时实现上述数据处理方法所执行的操作。
根据本说明书实施例的第四方面,提供一种计算机可读存储介质,计算机可读存储介质上存储有程序,程序被处理器执行上述数据处理方法所执行的操作。
根据本说明书实施例的第五方面,提供一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现上述数据处理方法所执行的操作。
本说明书的实施例提供的技术方案可以包括以下有益效果:
本说明书的实施例提供的技术方案,通过获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据;基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,第一转移矩阵为对应雷达的坐标系相对于第一目标场景的坐标系的转移矩阵;以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,第二转移矩阵为对应雷达的坐标系相对于参考雷达的坐标系的转移矩阵,从而使得各个雷达所采集到的数据,均能映射到参考雷达的坐标系中;进而基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合,实现多个雷达所获取的数据的融合。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种数据处理方法的流程图。
图2是本说明书根据一示例性实施例示出的一种点云数据的可视化显示结果示意图。
图3是本说明书根据一示例性实施例示出的一种数据处理装置的框图。
图4是本说明书根据一示例性实施例示出的一种终端的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请提供了一种数据处理方法,用于处理自动驾驶车辆的多个雷达所采集到的数据。所述数据处理方法可以由终端执行,所述终端可以是车载便携式终端,例如,手机(如高性能手机)、平板电脑、游戏机、便携式计算机、安装在自动驾驶车辆上的车载便携式计算机(如车载终端),等等,本申请对终端的具体类型不加以限定。
在本申请中,自动驾驶车辆上安装有多个雷达(例如,低线束激光雷达),各个雷达的探测半径可以相同,也可以不同,但各个雷达的探测方向均不相同,从而使得各个雷达的探测范围均不相同。自动驾驶车辆通过这多个雷达,来采集各个雷达所对应的探测范围中的点云数据,进而将采集到的点云数据传输给终端,由终端对各个雷达所采集的点云数据进行融合处理,以使融合后的点云数据对应于相同坐标原点和正方向,而由于各个雷达所采集的点数数据均对应于不同的探测范围,从而能够获取到更大探测范围内的点云数据,而无需使用高线束激光雷达,在保证自动驾驶过程中雷达的探测范围的基础上,降低自动驾驶过程中的成本。
上述仅为关于本申请的应用场景的相关介绍,接下来结合本说明书实施例,对本申请所提供的行驶路径确定方法进行详细说明。
如图1所示,图1是本说明书根据一示例性实施例示出的一种数据处理方法的流程图,包括以下步骤:
在步骤101、获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据。
其中,第一目标场景为用于对自动驾驶车辆进行出厂测试的厂房场景,或者,第一目标场景为其他场景,本申请对此不加以限定。
第一目标场景的点云地图可以预先建立,进而对所建立的点云地图进行存储,以便在进行雷达标定时,能够直接获取到已存储的第一目标场景的点云地图。例如,预先通过预置雷达扫描第一目标场景,得到第一目标场景的点云数据,进而基于第一目标场景的点云数据,构建第一目标场景的点云地图。
通过预先建立第一目标场景的点云地图,以便后续可以直接获取第一目标场景的点云地图,无需每次都重新进行第一目标场景的点云地图的生成,减少处理成本,提高处理效率。
其中,第一目标场景中的预置雷达为已标定的雷达,也即是,预置雷达所对应的坐标原点和正方向已知。在通过预置雷达获取第一目标场景的点云地图时,可以有如下两种方式:
在一种可能的实现方式中,在通过预置雷达获取第一目标场景的点云数据时,将预置雷达放置在第一目标场景中的任一位置处,从而通过放置在任一位置处的预置雷达,来对第一目标场景进行扫描(例如,进行激光扫描),来采集第一目标场景的点云数据。
在另一种可能的实现方式中,将预置雷达安装在可移动物体(例如车或手推车)上,进而使可移动物体在第一目标场景中移动,在可移动物体的移动过程中,通过安装在可移动物体上的预置雷达,来对第一目标场景进行扫描(例如,进行激光扫描),以实时采集第一目标场景的点云数据。
在获取多个雷达扫描第一目标场景所得到的点云数据时,将多个雷达安装在一个可移动物体上,在第一目标场景中对可移动物体进行移动,从而通过安装在可移动物体上的多个雷达,来对第一目标场景进行扫描,从而得到各个雷达扫描第一目标场景得到的点云数据。
在通过多个雷达扫描第一目标场景以获取点云数据时,由于各个雷达的坐标原点和正方向可能存在不同,从而导致各个雷达所获取到的点云数据对应的坐标系有所不同。
可选地,在获取到第一目标场景的点云数据后,依次导出各个雷达的点云数据,并将每个雷达的点云数据保存为一个点云数据(Point Cloud Data,PCD)文件,以便将所导出的PCD文件发送给其他终端或服务器,以便其他终端或服务器可以基于接收到的PCD文件,进行点云数据的可视化显示。
在步骤102、基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,第一转移矩阵为对应雷达的坐标系相对于第一目标场景的坐标系的转移矩阵。
其中,对于多个雷达中任一雷达,任一雷达对应的第一转移矩阵表示任一雷达对应的点云数据,要转换成与第一目标场景的点云地图中相应的点云地图部分所对应的点云数据经过的变换(包括旋转和平移),而由于任一雷达对应的点云数据和第一目标场景的点云地图所对应的点云数据都对应于相应的坐标系,从而使得任一雷达对应的第一转移矩阵能够表示任一雷达的坐标系要转换成第一目标场景的坐标系所经过的变换。
可选地,第一转移矩阵为4*3的矩阵,或者,第一转移矩阵为4*4的矩阵,本申请对此不加以限定。
下面以这两种情况为例,来对第一转移矩阵的组成进行说明:
若第一转移矩阵为4*3的矩阵,则第1-3行和第1-3列对应的部分为旋转矩阵,第4行和第1-3列对应的部分为平移矩阵。
若第一转移矩阵为4*4的矩阵,则第1-3行和第1-3列对应的部分为旋转矩阵,第4行和第1-3列对应的部分为平移矩阵,第1-4行和第4列对应的部分为数列(0,0,0,1),以使第一转移矩阵为齐次矩阵,便于后续进行矩阵的变换,从而提高矩阵变换效率。
步骤103、以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,第二转移矩阵为对应雷达的坐标系相对于参考雷达的坐标系的转移矩阵。
由于在自动驾驶车辆的行驶过程中,可能不会涉及到目标场景,因而在获取到各个雷达对应的第一转移矩阵后,通过在多个雷达中任选一个雷达作为参考雷达,从而将除参考雷达外的其他雷达对应的第一转移矩阵,均变换为相对于参考雷达的第二转移矩阵,从而使得各个雷达所获取到的点云数据能够进行融合。
其中,第二转移矩阵为4*3的矩阵,或者,第二转移矩阵为4*4的矩阵,本申请对此不加以限定。可选地,第一转移矩阵和第二转移矩阵的维度可以相同,也可以不同。
以第二转移矩阵为4*3的矩阵为例,与4*3的转移矩阵同理,第二转移矩阵的第1-3行和第1-3列对应的部分为旋转矩阵,第4行和第1-3列对应的部分为平移矩阵,而对于参考雷达而言,参考雷达的第二转移矩阵为零矩阵,也即是参考雷达的旋转矩阵和平移矩阵均为零矩阵。
以第二转移矩阵为4*4的矩阵为例,与4*4的转移矩阵同理,第二转移矩阵的第1-3行和第1-3列对应的部分为旋转矩阵,第4行和第1-3列对应的部分为平移矩阵,第1-4行和第4列对应的部分为数列(0,0,0,1),而对于参考雷达而言,参考雷达的旋转矩阵和平移矩阵均为零矩阵。
步骤104、基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合。
其中,第二目标场景为任意的行驶场景,例如,第二目标场景为自动驾驶车辆所行驶的道路,或者,第二目标场景为其他场景,本申请对此不加以限定。
在一种可能的实现方式中,基于其他雷达对应的第二转移矩阵,对各个雷达所采集到的点云数据中各个点的坐标进行变换,从而使得各个点的坐标均是相对于相同坐标系的,进而得到相对于相同坐标系的多个点所对应的点云数据,从而实现了点云数据的融合。
在本说明书的实施例中,通过获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据,从而基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,进而以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,使得各个雷达所采集到的数据,均能映射到参考雷达的坐标系中,以便基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合,实现多个雷达所获取的数据的融合。
而在第一目标场景为用于对自动驾驶车辆进行出厂测试的厂房场景时,通过本申请所提供的方法,可以实现对自动驾驶车辆的雷达的出厂标定,以便在自动驾驶车辆投入使用后,可以直接基于已确定出的第二转移矩阵,来对多个雷达的点云数据进行融合。
在介绍了本申请的基本实现过程之后,下面具体介绍本申请的各种非限制性实施方式。
在一些实施例中,可以通过如下方式获取第一目标场景的点云地图。
步骤一,基于位于第一目标场景中的预置雷达所采集到的点云数据,确定用于搭载预置雷达的目标物体的运动方程和观测方程。
其中,运动方程用于指示目标物体的位置与目标物体的运动数据之间的关系,观测方程用于指示第一目标场景中的预设点的位置与目标物体的位置之间的关系。
下面分别对运动方程和观测方程的确定过程进行说明。
运动方程的确定过程如下:
可选地,目标物体携带有运动传感器,用于获取目标物体的运动数据。例如,运动传感器为加速度传感器,用于获取目标物体的运动加速度,运动加速度即为目标物体的运动数据。
以相邻时间记为第一时刻和第二时刻为例,基于预置雷达在第一时刻和第二时刻采集到的点云数据,分别确定目标物体在第一时刻和第二时刻的坐标,进而基于目标物体在第一时刻和第二时刻的坐标,确定目标物体的运动方程。
上述运动方程可以参见如下公式(1):
xk=f(xk-1,uk,wk) (1)
其中,xk表示目标物体在第二时刻的坐标,f表示抽象函数,xk-1表示目标物体在第一时刻的坐标,uk表示目标物体的运动数据(如运动加速度),wk表示目标物体的运动过程中所存在的噪声。
观测方程的确定过程如下:
第一目标场景中预先设置有多个标志性的预设点,例如,预设点为预先设置在第一目标场景中的指示牌所处的位置,或者,预设点为其他类型,本申请对此不加以限定。
若当目标物体移动到任一位置时,检测到了多个预设点中的任一个预设点,则基于目标物体当前所处的位置,以及检测到的任一预设点的位置,确定目标物体的观测方程。
上述观测方程可以参见如下公式(2):
zk,j=h(yj,xk,vk,j) (2)
其中,zk,j表示对所检测的预设点的观测量,h表示抽象函数,yj表示所检测到的预设点所述的位置对应的坐标,xk表示目标物体的坐标,vk,j表示此次观测过程中所存在的噪声。
上述过程中所涉及到的运动方程和观测方程,仅为两种示例性的表达方式,在更多可能的实现方式中,运动方程和观测方程还可以采用其他公式表示,本申请对此不加以限定。
步骤二,基于目标物体的运动方程和观测方程,确定目标物体所处的位置以及第一目标场景中多个预设点的位置,得到第一目标场景的点云地图。
在构建点云地图时,主要要解决的问题有两个,一个是定位问题,另一个是建图问题,通过确定运动方程,即可实现对目标物体的定位,通过确定观测方程,即可实现对第一目标场景中多个预设点的检测,而所谓的地图,即为所有预设点的集合,因而通过确定目标物体所处的位置以及第一目标场景中多个预设点的位置,即可实现第一目标场景的点云地图的构建。
在一些实施例中,基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,包括:
步骤一,对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值,设定条件为任一雷达的点云数据所对应的点的位置,与第一目标场景的点云地图中的点的位置的匹配程度最大。
在一种可能的实现方式中,在获取到任一雷达对应的点云数据后,基于已获取到的第一目标场景的点云地图以及任一雷达对应的点云数据,来进行可视化显示,并在可视化界面上提供用于对目标参数的参数值进行调整的参数值调整控件,以便相关技术人员通过对参数值调整控件进行操作,来对目标参数的参数值进行调整。可选地,参数调整控件为滑动条,或者,参数调整控件为输入框,等等,本申请对此不加以限定。
其中,目标参数包括翻滚角(Roll)、偏航角(Yaw)、俯仰角(Pitch)、横坐标(x)、纵坐标(y)和高度(z)中至少一项。
可选地,一种目标参数对应于一个参数值调整控件,以目标参数包括翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度为例,则可视化界面中提供有6个参数值调整控件,以便通过这6个参数值调整控件,分别对翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度的参数值进行调整,进而响应于对目标参数的参数值调整操作,基于调整后的参数值,显示任一雷达的点云数据所对应的点云地图,从而达到基于参数调整情况,来实时显示参数调整结果的目的,以便相关技术人员能够及时获知参数值的调整情况是否满足要求。
其中,对目标参数的参数值调整操作,也即是对参数值调整控件的触发操作。可选地,触发操作可以为点击操作或拖拽操作,或者,触发操作可以为其他类型的操作,本申请对此不加以限定。
以参数调整控件为滑动条为例,若触发操作为点击操作,则相关技术人员可以直接在滑动条上任意位置进行点击,终端响应于对滑动条的点击操作,将发生点击操作的位置对应的参数值,确定为调整后的参数值。
仍以参数值调整控件为滑动条为例,若触发操作为拖拽操作,则相关技术人员可以拖拽滑动条上的滑动块,终端响应于对滑动块的拖拽操作,将拖拽操作结束的位置对应的参数值,确定为调整后的参数值。
参见图2,图2是本说明书根据一示例性实施例示出的一种点云数据的可视化显示结果示意图。在如图2所示的可视化显示结果中,显示有第一目标场景的点云地图,以及任一雷达的点云数据对应的可视化显示结果,该任一雷达的点云数据对应的可视化结果可以参见图2中矩形框中所示的部分。在如图2所示的界面中的左侧部分,还显示有用于对目标参数的参数值进行调整的多个滑动条(也即是参数值调整控件),分别用于对翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度的参数值进行调整。
可选地,相关技术人员将各个目标参数的参数值,调整为满足要求的参数值后,在可视化界面中触发提交操作,终端响应于对目标参数的参数值的提交操作,获取目标参数当前的参数值,作为目标参数的目标参数值。
在一种可能的实现方式中,可视化界面中提供有提交控件,例如,图2中所示的GICP按钮,相关技术人员可以触发提交控件,以在可视化界面中触发提交操作。终端响应于对提交控件的触发操作,获取目标参数当前的参数值,作为目标参数的目标参数值。
上述仅为进行参数值调整时的示例性说明,并不构成对本说明书的限定,在更多可能的实现方式中,还可以采用其他方式来进行参数值的调整。
步骤二,基于所述目标参数值和所述第一目标场景的点云地图,确定所述任一雷达对应的第一转移矩阵。
其中,第一转移矩阵包括第一旋转矩阵和第一平移矩阵。
在一种可能的实现方式中,对于多个雷达中任一雷达,将任一雷达对应的点云数据与目标参数对应的点云数据,作为任一雷达对应的中间点云数据,基于中间点云数据、第一目标场景的点云地图和目标误差函数,确定在目标误差函数的函数值最小的情况下对应的第一旋转矩阵和第一平移矩阵,得到第一转移矩阵。
其中,目标误差函数表示任一雷达的中间点云数据在第一转移矩阵下,与目标参数对应的点云数据的误差。基于中间点云数据、第一目标场景的点云地图和目标误差函数,确定在目标误差函数的函数值最小的情况下对应的第一旋转矩阵和第一平移矩阵,也即是,分别从中间点云数据和第一目标场景的地图对应的点云数据中,按照目标约束条件,确定最近邻点(pi,qi),从而基于最近邻点(pi,qi)和如公式(3)所示的目标误差函数,确定第一旋转矩阵和第一平移矩阵。公式(3)参见下式:
其中,R表示第一旋转矩阵,t表示第一平移矩阵,f(R,t)表示目标误差函数,n表示最近邻点对的个数,pi表示任一雷达的中间点云数据中的一点,qi表示目标参数对应的点云数据中的一点。
对于上述过程中涉及到的目标约束条件,可以为任一雷达的中间点云数据中的点pi,与目标参数对应的点云数据的距离最小,也即是,目标约束条件可以参见如下公式(4):
其中,pi表示任一雷达的中间点云数据中的一点,qi表示目标参数对应的点云数据中的一点,Q表示目标参数对应的点云数据,d(pi,Q)表示任一雷达的中间点云数据中的点pi与目标参数对应的点云数据Q的距离。
通过预先对目标参数的参数值进行人工调整,各个雷达的点云数据对应的点云图经过人工调整后,与第一目标场景的点云地图中对应的部分已经基本匹配,进而在人工调整所得到的结果的基础上,进行第一转移矩阵的确定,能够减少计算时的处理压力,从而提高计算速度,降低计算时间。
在一些实施例中,以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除所述参考雷达外的其他雷达对应的第二转移矩阵,包括:
对于多个雷达中除参考雷达外的其他雷达中的目标雷达,基于参考雷达对应的第一转移矩阵,以及目标雷达对应的第一转移矩阵的逆矩阵,确定目标雷达对应的第二转移矩阵。
在一种可能的实现方式中,将参考雷达对应的第一转移矩阵,以及目标雷达对应的第一转移矩阵的逆矩阵进行点积处理后得到的矩阵,作为目标雷达对应的第二转移矩阵。
可选地,若第一转移矩阵为4*3的矩阵,则在第一转移矩阵的第3列后增加一列(0,0,0,1),以使第一转移矩阵变为齐次矩阵,便于进行矩阵运算。若第一转移矩阵为4*4的矩阵,则无需进行其他处理,直接基于第一转移矩阵进行后续的矩阵计算即可。
与前述方法的实施例相对应,本说明书还提供了装置及其所应用的终端的实施例。
参见图3,图3是本说明书根据一示例性实施例示出的一种数据处理装置的框图,数据处理装置包括:
获取单元301,用于获取第一目标场景的点云地图以及多个雷达扫描第一目标场景所得到的点云数据;
第一确定单元302,用于基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,第一转移矩阵为对应雷达的坐标系相对于第一目标场景的坐标系的转移矩阵;
第二确定单元303,用于以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵,第二转移矩阵为对应雷达的坐标系相对于参考雷达的坐标系的转移矩阵;
数据融合单元304,用于基于参考雷达和其他雷达对应的第二转移矩阵,对多个雷达扫描第二目标场景所得到的点云数据进行数据融合。
在一些实施例中,所述获取单元301,在用于获取第一目标场景的点云地图时,具体用于:
基于位于第一目标场景中的预置雷达所采集到的点云数据,确定用于搭载预置雷达的目标物体的运动方程和观测方程,运动方程用于指示目标物体的位置与目标物体的运动数据之间的关系,观测方程用于指示第一目标场景中的预设点的位置与目标物体的位置之间的关系;
基于目标物体的运动方程和所述观测方程,确定目标物体所处的位置以及第一目标场景中多个预设点的位置,得到第一目标场景的点云地图。
在一些实施例中,所述第一确定单元302,在用于基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵时,包括获取子单元和确定子单元;
其中,所述获取子单元,用于对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值,设定条件为任一雷达的点云数据所对应的点的位置,与第一目标场景的点云地图中的点的位置的匹配程度最大;
所述确定子单元,用于基于目标参数值和第一目标场景的点云地图,确定任一雷达对应的第一转移矩阵。
在一些实施例中,所述获取子单元,在用于对于多个雷达中任一雷达,获取任一雷达的目标参数满足设定条件的目标参数值时,具体用于:
响应于对目标参数的参数值调整操作,基于调整后的参数值,显示任一雷达的点云数据所对应的点云地图;
响应于对目标参数的参数值的提交操作,获取目标参数当前的参数值,作为目标参数的目标参数值。
在一些实施例中,第一转移矩阵包括第一旋转矩阵和第一平移矩阵;
所述第一确定单元302,在用于基于所获取到的各个雷达对应的点云数据以及第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵时,具体用于:
对于多个雷达中任一雷达,将任一雷达对应的点云数据与目标参数对应的点云数据,作为任一雷达对应的中间点云数据,基于中间点云数据、第一目标场景的点云地图和目标误差函数,确定在目标误差函数的函数值最小的情况下对应的第一旋转矩阵和第一平移矩阵,得到第一转移矩阵。
在一些实施例中,目标参数包括翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度中至少一项。
在一些实施例中,所述第二确定单元303,在用于以多个雷达中任一雷达作为参考雷达,基于参考雷达对应的第一转移矩阵,确定多个雷达中除参考雷达外的其他雷达对应的第二转移矩阵时,具体用于:
对于多个雷达中除参考雷达外的其他雷达中的目标雷达,基于参考雷达对应的第一转移矩阵,以及目标雷达对应的第一转移矩阵的逆矩阵,确定目标雷达对应的第二转移矩阵。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本申请还提供了一种终端,参见图4,图4是本说明书根据一示例性实施例示出的一种终端的结构示意图。如图4所示,终端包括处理器410、存储器420和网络接口430,存储器420用于存储可在处理器410上运行的计算机指令,处理器410用于在执行所述计算机指令时实现本申请任一实施例所提供的数据处理方法,网络接口430用于实现输入输出功能。在更多可能的实现方式中,终端还可以包括其他硬件,本申请对此不做限定。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质可以是多种形式,比如,在不同的例子中,所述计算机可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。特殊的,所述的计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现本申请任一实施例所提供的数据处理方法。
本申请还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现本申请任一实施例所提供的数据处理方法。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、装置、终端、计算机可读存储介质或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于终端所对应的实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中描述的主题及功能操作的实施例可以在以下中实现:数字电子电路、有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序,即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地,程序指令可以被编码在人工生成的传播信号上,例如机器生成的电、光或电磁信号,该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行,以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行,并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括,例如通用和/或专用微处理器,或任何其他类型的中央处理单元。通常,中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还将包括用于存储数据的一个或多个大容量存储设备,例如磁盘、磁光盘或光盘等,或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据,抑或两种情况兼而有之。然而,计算机不是必须具有这样的设备。此外,计算机可以嵌入在另一设备中,例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备,仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备,例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本说明书包含许多具体实施细节,但是这些不应被解释为限制任何发明的范围或所要求保护的范围,而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面,在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外,虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护,但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除,并且所要求保护的组合可以指向子组合或子组合的变型。
类似地,虽然在附图中以特定顺序描绘了操作,但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行,以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离,并且应当理解,所描述的程序组件和系统通常可以一起集成在单个软件产品中,或者封装成多个软件产品。
由此,主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下,权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外,附图中描绘的处理并非必需所示的特定顺序或顺次顺序,以实现期望的结果。在某些实现中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。也即是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。
以上所述仅为本说明书的可选实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
获取第一目标场景的点云地图以及多个雷达扫描所述第一目标场景所得到的点云数据;
基于所获取到的各个雷达对应的点云数据以及所述第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,所述第一转移矩阵为对应雷达的坐标系相对于所述第一目标场景的坐标系的转移矩阵;
以所述多个雷达中任一雷达作为参考雷达,基于所述参考雷达对应的第一转移矩阵,确定所述多个雷达中除所述参考雷达外的其他雷达对应的第二转移矩阵,所述第二转移矩阵为对应雷达的坐标系相对于所述参考雷达的坐标系的转移矩阵;
基于所述参考雷达和其他雷达对应的第二转移矩阵,对所述多个雷达扫描第二目标场景所得到的点云数据进行数据融合。
2.根据权利要求1所述的方法,其特征在于,所述获取第一目标场景的点云地图,包括:
基于位于第一目标场景中的预置雷达所采集到的点云数据,确定用于搭载所述预置雷达的目标物体的运动方程和观测方程,所述运动方程用于指示所述目标物体的位置与所述目标物体的运动数据之间的关系,所述观测方程用于指示所述第一目标场景中的预设点的位置与所述目标物体的位置之间的关系;
基于所述目标物体的运动方程和所述观测方程,确定所述目标物体所处的位置以及所述第一目标场景中多个预设点的位置,得到所述第一目标场景的点云地图。
3.根据权利要求1所述的方法,其特征在于,所述基于所获取到的各个雷达对应的点云数据以及所述第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,包括:
对于所述多个雷达中任一雷达,获取所述任一雷达的目标参数满足设定条件的目标参数值,所述设定条件为所述任一雷达的点云数据所对应的点的位置,与所述第一目标场景的点云地图中的点的位置的匹配程度最大;
基于所述目标参数值和所述第一目标场景的点云地图,确定所述任一雷达对应的第一转移矩阵。
4.根据权利要求3所述的方法,其特征在于,所述对于所述多个雷达中任一雷达,获取所述任一雷达的目标参数满足设定条件的目标参数值,包括:
响应于对所述目标参数的参数值调整操作,基于调整后的参数值,显示所述任一雷达的点云数据所对应的点云地图;
响应于对所述目标参数的参数值的提交操作,获取所述目标参数当前的参数值,作为所述目标参数的目标参数值。
5.根据权利要求3所述的方法,其特征在于,所述第一转移矩阵包括第一旋转矩阵和第一平移矩阵;
所述基于所获取到的各个雷达对应的点云数据以及所述第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,包括:
对于所述多个雷达中任一雷达,将所述任一雷达对应的点云数据与所述目标参数对应的点云数据,作为所述任一雷达对应的中间点云数据,基于所述中间点云数据、所述第一目标场景的点云地图和目标误差函数,确定在所述目标误差函数的函数值最小的情况下对应的第一旋转矩阵和第一平移矩阵,得到所述第一转移矩阵。
6.根据权利要求3所述的方法,其特征在于,所述目标参数包括翻滚角、偏航角、俯仰角、横坐标、纵坐标和高度中至少一项。
7.根据权利要求1所述的方法,其特征在于,所述以所述多个雷达中任一雷达作为参考雷达,基于所述参考雷达对应的第一转移矩阵,确定所述多个雷达中除所述参考雷达外的其他雷达对应的第二转移矩阵,包括:
对于所述多个雷达中除所述参考雷达外的其他雷达中的目标雷达,基于所述参考雷达对应的第一转移矩阵,以及所述目标雷达对应的第一转移矩阵的逆矩阵,确定所述目标雷达对应的第二转移矩阵。
8.一种雷达标定装置,其特征在于,所述装置包括:
获取单元,用于获取第一目标场景的点云地图以及多个雷达扫描所述第一目标场景所得到的点云数据;
第一确定单元,用于基于所获取到的各个雷达对应的点云数据以及所述第一目标场景的点云地图,确定各个雷达对应的第一转移矩阵,所述第一转移矩阵为对应雷达的坐标系相对于所述第一目标场景的坐标系的转移矩阵;
第二确定单元,用于以所述多个雷达中任一雷达作为参考雷达,基于所述参考雷达对应的第一转移矩阵,确定所述多个雷达中除所述参考雷达外的其他雷达对应的第二转移矩阵,所述第二转移矩阵为对应雷达的坐标系相对于所述参考雷达的坐标系的转移矩阵;
数据融合单元,用于基于所述参考雷达和其他雷达对应的第二转移矩阵,对所述多个雷达扫描第二目标场景所得到的点云数据进行数据融合。
9.一种终端,其特征在于,所述终端包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1至7中任一项所述的数据处理方法所执行的操作。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有程序,所述程序被处理器执行如权利要求1至7中任一项所述的数据处理方法所执行的操作。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087747.1A CN115248441A (zh) | 2021-09-16 | 2021-09-16 | 数据处理方法、装置、终端及介质 |
PCT/CN2022/070559 WO2023040137A1 (zh) | 2021-09-16 | 2022-01-06 | 数据处理 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111087747.1A CN115248441A (zh) | 2021-09-16 | 2021-09-16 | 数据处理方法、装置、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115248441A true CN115248441A (zh) | 2022-10-28 |
Family
ID=83697050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111087747.1A Pending CN115248441A (zh) | 2021-09-16 | 2021-09-16 | 数据处理方法、装置、终端及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115248441A (zh) |
WO (1) | WO2023040137A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116299367B (zh) * | 2023-05-18 | 2024-01-26 | 中国测绘科学研究院 | 一种多激光空间标定方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1180794A (en) * | 1981-01-19 | 1985-01-08 | Lawrence F. Anderson | Multiple radar combination system |
CN110596653A (zh) * | 2019-09-24 | 2019-12-20 | 江苏集萃智能传感技术研究所有限公司 | 一种多雷达数据融合方法及装置 |
CN113052761B (zh) * | 2019-12-26 | 2024-01-30 | 炬星科技(深圳)有限公司 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
CN111507928A (zh) * | 2020-03-27 | 2020-08-07 | 福建汇川物联网技术科技股份有限公司 | 点云数据融合方法、装置设备及存储介质 |
CN112230241B (zh) * | 2020-10-23 | 2021-07-20 | 湖北亿咖通科技有限公司 | 基于随机扫描型雷达的标定方法 |
CN112558043B (zh) * | 2020-11-17 | 2022-07-22 | 浙江众合科技股份有限公司 | 一种激光雷达的标定方法及电子设备 |
CN112462350B (zh) * | 2020-12-10 | 2023-04-04 | 苏州一径科技有限公司 | 雷达标定方法及装置、电子设备及存储介质 |
-
2021
- 2021-09-16 CN CN202111087747.1A patent/CN115248441A/zh active Pending
-
2022
- 2022-01-06 WO PCT/CN2022/070559 patent/WO2023040137A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023040137A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108419446B (zh) | 用于激光深度图取样的系统及方法 | |
US11250288B2 (en) | Information processing apparatus and information processing method using correlation between attributes | |
US11204610B2 (en) | Information processing apparatus, vehicle, and information processing method using correlation between attributes | |
Rawashdeh et al. | Collaborative automated driving: A machine learning-based method to enhance the accuracy of shared information | |
CN111201448B (zh) | 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法 | |
CN113160327A (zh) | 一种点云补全的实现方法和系统 | |
US20210190537A1 (en) | Method and system for generating and updating digital maps | |
CN111563450A (zh) | 数据处理方法、装置、设备及存储介质 | |
JP2019191133A (ja) | 位置推定装置 | |
JP2017181476A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
CN113985405A (zh) | 障碍物检测方法、应用于车辆的障碍物检测设备 | |
CN113989766A (zh) | 道路边缘检测方法、应用于车辆的道路边缘检测设备 | |
KR101030317B1 (ko) | 스테레오 비전을 이용하여 장애물을 추적하는 장치 및 방법 | |
CN115457354A (zh) | 融合方法、3d目标检测方法、车载设备及存储介质 | |
CN115248441A (zh) | 数据处理方法、装置、终端及介质 | |
Rabe et al. | Ego-lane estimation for downtown lane-level navigation | |
CN112825131B (zh) | 基于图像的三维车道检测 | |
CN115248430A (zh) | 目标物体的定位方法、装置、终端及介质 | |
CN117313828A (zh) | 一种感知模型的迁移方法、装置、设备及介质 | |
WO2022133986A1 (en) | Accuracy estimation method and system | |
CN113312403A (zh) | 地图获取方法、装置、电子设备及存储介质 | |
CN114612875A (zh) | 目标检测方法、装置、存储介质及电子设备 | |
JP2021103482A (ja) | 自己位置推定方法 | |
JP2019132701A (ja) | 地図情報作成方法 | |
CN117635683A (zh) | 一种基于多相机的小车室内定位方法 |
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 |