CN115421127A - 一种激光雷达仿真模型的生成方法、装置及电子设备 - Google Patents

一种激光雷达仿真模型的生成方法、装置及电子设备 Download PDF

Info

Publication number
CN115421127A
CN115421127A CN202211176533.6A CN202211176533A CN115421127A CN 115421127 A CN115421127 A CN 115421127A CN 202211176533 A CN202211176533 A CN 202211176533A CN 115421127 A CN115421127 A CN 115421127A
Authority
CN
China
Prior art keywords
point cloud
cloud data
real
laser radar
deviation
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
Application number
CN202211176533.6A
Other languages
English (en)
Inventor
王宗千
杨彦召
秦伟
杨欣雨
高奥
张钊彬
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.)
China Automotive Innovation Co Ltd
Original Assignee
China Automotive Innovation 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 China Automotive Innovation Co Ltd filed Critical China Automotive Innovation Co Ltd
Priority to CN202211176533.6A priority Critical patent/CN115421127A/zh
Publication of CN115421127A publication Critical patent/CN115421127A/zh
Pending legal-status Critical Current

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
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请涉及激光雷达技术领域，特别涉及一种激光雷达仿真模型的生成方法、装置及电子设备，该方法包括：获取在目标仿真测试场景下，虚拟激光雷达的理想点云数据；采用预设雷达探测方程，对理想点云数据进行修正，得到仿真点云数据；根据目标仿真测试场景，获取真实激光雷达的真实点云数据；确定仿真点云数据和真实点云数据之间的点云数据偏差；在点云数据偏差达到预设的偏差阈值的情况下，基于点云数据偏差，调整雷达探测方程中的环境探测参数；在点云数据偏差未达到偏差阈值的情况下，基于虚拟激光雷达和雷达探测方程，生成激光雷达仿真模型。提高激光雷达仿真模型的输出数据的精度、真实性，实现模型参数可视化调节，节约成本。

Description

一种激光雷达仿真模型的生成方法、装置及电子设备
技术领域
本申请涉及激光雷达仿真技术领域，特别涉及一种激光雷达仿真模型的生成方法、装置及电子设备。
背景技术
在自动驾驶技术领域，传感器是不可或缺的感知单元。目前自动驾驶技术还处于L1—L2+等级的辅助驾驶阶段，传感器主要包括摄像头、毫米波雷达以及超声波雷达等。要实现高等级的自动驾驶，激光雷达是必不可少的传感器。
通常搭载自动驾驶系统的车辆在上市前需要经过多轮测试，仿真测试是验证其自动驾驶系统性能的重要手段，而传感器仿真模型又是仿真测试重要的基础。
目前，自动驾驶仿真软件内部的激光雷达模型大多为理想模型。而理想的激光雷达模型没有考虑真实世界的各种因素影响，例如，不同材质物体的反射率、大气衰减因素等，导致激光雷达模型的输出数据(即感知数据)与真实激光雷达的输出数据存在较大差异(如反射强度差异)，进而对自动驾驶系统整体仿真测试结果造成较大影响。
现有技术中，通常采用深度学习模型，并基于真实激光雷达采集的数据对理想激光雷达模型进行优化，然后将优化后的理想激光雷达模型作为激光雷达仿真模型。其中，采用深度学习模型生成激光雷达仿真模型的过程中，对理想的激光雷达的参数调整不透明，不利于激光雷达仿真模型后续的参数调整和应用，并且深度学习模型的训练过程需要耗费计算资源、成本高。
因此，需要提供一种激光雷达仿真模型的生成方法、装置及电子设备，可以考虑真实世界的各种因素影响，提高激光雷达仿真模型的性能和其输出数据的精度，减小激光雷达仿真模型输出数据与真实激光雷达输出数据之间的差距，实现激光雷达仿真模型的参数调节可视化，且节约成本。
发明内容
本申请实施例提供了一种激光雷达仿真模型的生成方法、装置及电子设备，可以考虑真实世界的各种因素影响，提高激光雷达仿真模型的性能和其输出数据的精度，减小激光雷达仿真模型输出数据与真实激光雷达输出数据之间的差距，实现激光雷达仿真模型的参数调节可视化，且节约成本。
第一方面，本申请实施例提供了一种激光雷达仿真模型的生成方法，所述方法包括：
获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；所述目标仿真测试场景包括多种仿真测试场景中的一种；
采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；
根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据；
确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；
在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；
在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。
一些可选的实施例中，所述点云数据偏差包括点强度偏差、点数偏差和点位置偏差中的至少一项偏差。
一些可选的实施例中，所述环境探测参数包括目标物反射率参数、目标物散射参数和天气参数中的至少一种。
一些可选的实施例中，在所述获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据之前，所述方法还包括：
获取所述真实激光雷达的安装位置和安装姿态；
根据所述安装位置和所述安装姿态，调整所述虚拟激光雷达的虚拟安装位置和虚拟安装姿态；
采用调整后的所述虚拟激光雷达生成所述理想点云数据。
一些可选的实施例中，根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据，包括：
获取所述真实激光雷达的真实点云数据集；所述真实点云数据集包括多种真实测试场景下所述真实激光雷达所生成的点云数据；所述多种真实测试场景与所述多种仿真测试场景之间一一对应；
根据所述目标仿真测试场景，从所述多种真实测试场景中确定目标真实测试场景；
根据所述目标真实测试场景，对所述真实点云数据集进行预处理，得到所述真实点云数据。
一些可选的实施例中，所述预处理包括清洗、切片和时间对齐中的至少一种数据处理方式。
一些可选的实施例中，所述虚拟激光雷达包括光源数、视场角和分辨率中的至少一项特征参数。
一些可选的实施例中，所述虚拟激光雷达基于仿真引擎与光线追踪技术创建。
第二方面，本申请实施例提供了一种激光雷达仿真模型的生成装置，所述装置包括：
第一获取模块，用于获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；所述目标仿真测试场景包括多种仿真测试场景中的一种；
修正模块，用于采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；
第二获取模块，用于根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据；
确定模块，用于确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；
第一调整模块，用于在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；
第一生成模块，用于在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。
一些可选的实施例中，所述装置还包括：
第三获取模块，用于获取所述真实激光雷达的安装位置和安装姿态；
第二调整模块，用于根据所述安装位置和所述安装姿态，调整所述虚拟激光雷达的虚拟安装位置和虚拟安装姿态；
第二生成模块，用于采用调整后的所述虚拟激光雷达生成所述理想点云数据。
一些可选的实施例中，第二获取模块包括：
第一获取子模块，用于获取所述真实激光雷达的真实点云数据集；所述真实点云数据集包括多种真实测试场景下所述真实激光雷达所生成的点云数据；所述多种真实测试场景与所述多种仿真测试场景之间一一对应；
第二获取子模块，用于根据所述目标仿真测试场景，从所述多种真实测试场景中确定目标真实测试场景；
第三获取子模块，用于根据所述目标真实测试场景，对所述真实点云数据集进行预处理，得到所述真实点云数据。
第三方面，本申请实施例提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行上述激光雷达仿真模型的生成方法。
第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现上述激光雷达仿真模型的生成方法。
第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序存储在可读存储介质中，计算机设备的至少一个处理器从可读存储介质读取并执行计算机程序，使得计算机设备执行上述激光雷达仿真模型的生成方法。
本申请通过获取在目标仿真测试场景下，虚拟激光雷达(即上述理想激光雷达)所生成的理想点云数据；通过采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据(与理想点云数据属于相同场景)；通过确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；并在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。如此，采用包括环境相关的环境探测参数的预设雷达探测方程，对虚拟激光雷达生成的理想点云数据进行修正；根据真实点云数据和修正后的仿真点云数据之间的数据偏差，对环境探测参数进行调整，可以实现基于真实世界的各种环境因素影响，优化激光雷达仿真模型的环境探测参数，提高激光雷达仿真模型的性能，提高激光雷达仿真模型输出数据的精度，减小仿真点云数据与真实点云数据之间的差距，并实现激光雷达仿真模型的参数调节可视化，同时节约成本。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请实施例提供的一种激光雷达仿真模型的生成方法的应用场景图；
图2是本申请实施例提供的一种激光雷达仿真模型的生成方法的流程示意图；
图3是本申请实施例提供的另一种激光雷达仿真模型的生成方法的部分流程示意图；
图4是本申请实施例提供的一种获取真实点云数据的流程示意图；
图5是本申请实施例提供的一种激光雷达仿真模型的生成装置的结构示意图；
图6是本申请实施例提供的一种用于实现激光雷达仿真模型的生成方法的电子设备的硬件结构框图。
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，显然，所描述的实施例仅仅是本发明一部分的实施例，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前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本发明的描述中，需要理解的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在介绍本申请实施例的方法之前，首先对激光雷达仿真模型的生成方法的应用场景进行举例介绍。
请参阅图1，图1是本申请实施例提供的一种激光雷达仿真模型的生成方法的应用场景图。由于虚拟激光雷达是忽略环境因素(如目标物的反射率)影响的理想激光雷达，因此通常虚拟激光雷达所生成的理想点云数据中，同一物体的相关点强度一致、相关点数量一定、相关点位置关系固定且分布均匀(相对于物体形状，相关点位置固定且分布均匀)。例如，虚拟激光雷达通过对目标物扫描获取了图1所示的，该理想点云数据包括4个点，且该4个点的强度一致、位置分布均匀。但是，实际上真实激光雷达对目标物扫描获取的真实点云数据(图1所示)受扫描时环境因素影响，使得真实点云数据中目标物的相关点数量是3，各点的强度不同(如受环境因素中目标物的反射率因素影响，造成各点的强度不同)，其中，图1中各点的颜色深度代表各点的强度，各点的位置分布不均匀，如受物体速度的影响，造成各点的位置分布不均匀。
现有技术中，在采用深度学习模型从多层面上学习到复杂的真实环境对于激光雷达生成点云数据的影响，减小仿真点云数据与真实点云数据之间的偏差。具体的，采用深度学习模型来对基于虚拟激光雷达的激光雷达仿真模型进行优化，但是关于深度学习模型优化激光雷达仿真模型过程中，激光雷达仿真模型的参数调整不透明，不利于激光雷达仿真模型后续的参数调整和应用，并且深度学习模型的训练过程需要耗费计算资源、成本高。
为了解决上述问题，本申请通过获取相同场景下的理想点云数据和真实点云数据；采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；通过确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；并在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。如此，采用预设雷达探测方程对虚拟激光雷达生成的理想点云数据进行修正；并根据真实点云数据和仿真点云数据(即修正后的理想点云数据)之间的数据偏差，对预设雷达探测方程中的环境探测参数进行调整，可以实现基于真实世界的各种环境因素影响，优化激光雷达仿真模型的环境探测参数，提高激光雷达仿真模型的性能和其输出数据的精度，减小仿真点云数据与真实点云数据之间的差距，并实现激光雷达仿真模型的参数调节可视化，同时节约成本。
以下介绍本申请提供的一种激光雷达仿真模型的生成方法的具体实施例，图2是本申请实施例提供的一种激光雷达仿真模型的生成方法的流程示意图；本说明书提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，该方法可以包括：
S202：获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；所述目标仿真测试场景包括多种仿真测试场景中的一种。
具体的，通过仿真软件，可以生成多种仿真测试场景；上述虚拟激光雷达不考虑环境因素生成理想点云数据。
为了保证虚拟激光雷达的探测性能接近真实激光雷达，一些可选的实施例中，所述虚拟激光雷达包括光源数、视场角和分辨率中的至少一项特征参数
具体的，所述虚拟激光雷达的特征参数基于所述真实激光雷达的特征参数确定，通常特征参数包括光源数、视场角和分辨率。如此虚拟激光雷达的探测性能接近真实激光雷达。
为了进一步保证虚拟激光雷达的探测性能，一些可选的实施例中，所述虚拟激光雷达基于仿真引擎与光线追踪技术创建。
为了避免两激光雷达的安装参数不同，造成的仿真点云数据和真实点云数据之间数据偏差，在获取虚拟激光雷达的理想点云数据之前，需要保证虚拟激光雷达和真实激光雷达之间的安装参数一致性，以提高针对环境因素的数据偏差的准确性。图3是本申请实施例提供的另一种激光雷达仿真模型的生成方法的部分流程示意图，一些可选的实施例中，在所述获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据之前，所述方法还包括图3所示的下述步骤：
S302：获取所述真实激光雷达的安装位置和安装姿态。
具体的，对真实激光雷达的安装参数和安装位置，与真实点云数据之间的对应关系进行预存。根据目标仿真测试场景，确定真实点云数据，以及真实激光雷达的安装参数和安装位置。
本实施例中，安装姿态包括安装角度。具体的，在三维坐标系下确定激光雷达的安装位置和安装角度。激光雷达的安装位置可以是激光雷达相对于数据采集车的安装位置，即根据激光雷达在三维坐标系中相对于数据采集车的坐标确定。激光雷达的安装角度可以是激光雷达相对于三维坐标系中坐标轴XYZ的偏转角度(即Pitch、Heading和Yaw)。
S304：根据所述安装位置和所述安装姿态，调整所述虚拟激光雷达的虚拟安装位置和虚拟安装姿态。
具体的，调整虚拟激光雷达的虚拟安装位置和虚拟安装姿态，与真实激光雷达的安装参数和安装位置一致。
S306：采用调整后的所述虚拟激光雷达生成所述理想点云数据。
本实施例中，通过预存真实激光雷达的安装位置和安装姿态与真实点云数据之间的对应关系；在获取理想点云数据之前，先调整虚拟激光雷达的安装位置和安装姿态，保证虚拟激光雷达和真实激光雷达之间的安装参数一致性，提高基于环境因素的数据偏差(如步骤S208中的数据偏差)的准确性。
S204：采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数。
通常目标物反射率、目标物散射面材质和天气等环境因素，会影响激光雷达发射激相应的反射激光强度，一些可选的实施例中，所述环境探测参数包括目标物反射率参数、目标物散射参数(如目标物散射截面的散射率)和天气参数中的至少一种。
具体的，预设雷达探测方程可以是如下公式(1)：
Rmax 2＝AρTexp(-2γRmax) (1)
其中，Rmax为激光雷达的最大探测距离；A为系统常数，A与激光雷达在极限探测条件有关，其中探测条件可以包括目标物散射截面的散射率；ρT为目标物反射率参数，ρT与目标物的材质有关；为衰减系数，γ与激光的传播途径有关，即γ与天气相关。
由于真实激光雷达的探测距离与激光雷达的发射性能、激光雷达的接收性能、目标物对激光的反射情况等有关。一些实施例中，系统常数A可以根据目标物散射截面的散射率、激光雷达的发射功率、激光雷达的接收功率、激光雷达的接收孔径、激光雷达的光学传输系数中的至少一项确定。例如，目标物散射截面的散射率影响激光雷达接收反射光的效率。具体的，系统常数A可以通过下述公式(2)计算得到：
Figure BDA0003864687010000101
其中，PT为激光雷达的激光发射功率，D为激光雷达的接收孔径，ηsys是激光雷达的光学系统的光学传输系数，PRmin是激光雷达的最小激光接收功率。
大气中分子对激光的吸收和散射情况，影响大气传输激光的效率，进而影响激光雷达的探测距离。一些实施例中，衰减系数γ基于大气中分子对光的吸收和散射情况确定。具体的，天气类型影响大气中分子对光的吸收和散射情况，衰减系数γ可以根据天气类型来设置不同的参数。例如，在雾霾天气时，衰减系数γ根据大气能见度、激光波长的波长修正因子、大气对光的吸收波长范围等确定，其中，大气能见度可以用于确定上述散射情况和上述波长修正因子。在雨天中，衰减系数γ可以基于降雨速度确定。在雪天时，衰减系数γ可以基于降雪速度与降雪量确定。
例如，在雾霾天气时，上述衰减系数γ的计算如下述公式(3)：
Figure BDA0003864687010000102
其中，γ的单位km-1；V为大气能见度，其单位为km；λ为波长，其单位为μm；a为波长修正因子。
上述公式(3)中波长修正因子a可以根据大气能见度V确定，例如，a可以根据下述公式(4)计算：
Figure BDA0003864687010000103
由上述公式(4)可知，波长修正因子a的取值与大气能见度V正相关。
本实施例中，通过设置预设雷达探测方程，可以实现针对目标物反射率、目标物材质和天气等环境因素进行可视化优化。
S206：根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据。
具体的，在现实中建立激光雷达测试相关的多种真实测试场景，如，数据采集车上安装待测试激光雷达。利用数据采集设备记录并存储激光雷达探测数据，即真实点云数据，。
为了提高优化预设雷达探测方程的准确性和有效性。图4是本申请实施例提供的一种获取真实点云数据的流程示意图，一些可选的实施例中，根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据，包括如下步骤：
S2061：获取所述真实激光雷达的真实点云数据集；所述真实点云数据集包括多种真实测试场景下所述真实激光雷达所生成的点云数据；所述多种真实测试场景与所述多种仿真测试场景之间一一对应。
具体的，通过选取特定场景下相应的真实点云数据和仿真点云数据，实现针对特定场景来优化预设雷达探测方程，提高优化预设雷达探测方程的准确性和有效性。
S2062：根据所述目标仿真测试场景，从所述多种真实测试场景中确定目标真实测试场景。
具体的，确定目标真实测试场景与目标仿真测试场景的测试场景一致。
S2063：根据所述目标真实测试场景，对所述真实点云数据集进行预处理，得到所述真实点云数据。
为了快速筛选出真实点云数据，一些可选的实施例中，所述预处理包括清洗、切片和时间对齐中的至少一种数据处理方式。本实施例中，通过预处理之后，形成片段式真实点云数据，并标识片段式真实点云数据，使得各片段式真实点云数据与环境对应。
本实施例中，通过预先创建特定场景下相应的真实测试场景和仿真测试场景(如目标仿真测试场景和目标真实测试场景属于相同的特定场景)，可以实现针对该特定场景来优化预设雷达探测方程，提高优化预设雷达探测方程的准确性和有效性。
S208：确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差。
通常点云数据中包含点强度、点位置、点数量等信息，其中点强度、点位置和点数量是影响识别目标物的重要点云数据。一些可选的实施例中，所述点云数据偏差包括点强度偏差、点数偏差和点位置偏差中的至少一项偏差。
S210：在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数。
具体的，根据点云数据偏差中点强度偏差、点数偏差和点位置偏差等，可以对环境探测参数进行调节，使得仿真点云数据和真实点云数据接近。
例如，在雾霾天时，根据点云偏差阈值，调节上述雷达探测方程(1)中的大气衰减系数，使得探测距离与真实激光雷达的探测距离接近。进而调节了点强度偏差、点数偏差和点位置偏差。
通过本实施例可以实现，根据用户研究需要，可以确定点数据偏差中特定类型数据偏差与特定环境探测参数之间的特定数据依赖关系，例如，根据用户研究需求，可以确定上述点强度偏差与上述大气衰减系数之间的特定数据依赖关系。
S212：在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。
当点云数据偏差较小时，基于调整后的预设激光雷达探测方程和虚拟激光雷达生成的激光雷达仿真模型，可以在特定测试场景下获得接近真实点云数据的仿真点云数据。
上述实施例中，采用包括环境相关的环境探测参数的预设雷达探测方程，对虚拟激光雷达生成的理想点云数据进行修正；根据在特定测试场景下，真实点云数据和仿真点云数据之间的数据偏差，对环境探测参数进行调整，可以实现基于真实世界的各种环境因素，来优化激光雷达仿真模型的环境探测参数，提高激光雷达仿真模型的性能，减小仿真点云数据与真实点云数据之间的差距，提高激光雷达仿真模型输出数据的精度，并实现激光雷达仿真模型的参数调节可视化，同时节约成本。
本申请实施例提供了一种激光雷达仿真模型的生成装置，图5是本申请实施例提供的一种激光雷达仿真模型的生成装置的结构示意图，如图5所示，所述装置包括第一获取模块、修正模块、第二获取模块、确定模块、第一调整模块和第一生成模块。
第一获取模块，用于获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；所述目标仿真测试场景包括多种仿真测试场景中的一种；
修正模块，用于采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；
第二获取模块，用于根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据；
确定模块，用于确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；
第一调整模块，用于在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；
第一生成模块，用于在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。
一些可选的实施例中，所述装置还包括：
第三获取模块，用于获取所述真实激光雷达的安装位置和安装姿态；
第二调整模块，用于根据所述安装位置和所述安装姿态，调整所述虚拟激光雷达的虚拟安装位置和虚拟安装姿态；
第二生成模块，用于采用调整后的所述虚拟激光雷达生成所述理想点云数据。
一些可选的实施例中，第二获取模块包括：
第一获取子模块，用于获取所述真实激光雷达的真实点云数据集；所述真实点云数据集包括多种真实测试场景下所述真实激光雷达所生成的点云数据；所述多种真实测试场景与所述多种仿真测试场景之间一一对应；
第二获取子模块，用于根据所述目标仿真测试场景，从所述多种真实测试场景中确定目标真实测试场景；
第三获取子模块，用于根据所述目标真实测试场景，对所述真实点云数据集进行预处理，得到所述真实点云数据。
本申请实施例中的装置与方法实施例基于同样地申请构思。
图6是本申请实施例提供的一种用于实现激光雷达仿真模型的生成方法的电子设备的硬件结构框图。该电子设备可以是服务器，还可以是终端设备，其内部结构图可以如图6所示。如图6所示，该电子设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，CPU)610(处理器610可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器630，一个或一个以上存储应用程序623或数据622的存储介质620(例如一个或一个以上海量存储设备)。其中，存储器630和存储介质620可以是短暂存储或持久存储。存储在存储介质620的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器610可以设置为与存储介质620通信，在电子设备600上执行存储介质620中的一系列指令操作。电子设备600还可以包括一个或一个以上电源650，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口640，和/或，一个或一个以上操作系统621，例如Windows，Mac OS，Unix,Linux，FreeBSD等等。
输入输出接口640可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备600的通信供应商提供的无线网络。在一个实例中，输入输出接口640包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口640可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
电源660可以通过电源管理系统与处理器610逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
本领域普通技术人员可以理解，图6所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备600还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。
本申请的实施例还提供了一种计算机存储介质，计算机存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现上述激光雷达仿真模型的生成方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本申请的实施例还提供了一种电子设备，电子设备至少包括处理器610和存储器630，存储器630中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器610加载并执行上述的激光雷达仿真模型的生成方法。
本申请通过获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据；确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。如此，采用包括环境相关的环境探测参数的预设雷达探测方程，对虚拟激光雷达生成的理想点云数据进行修正；根据真实点云数据和修正后的仿真点云数据之间的数据偏差，对环境探测参数进行调整，可以实现基于真实世界的各种环境因素影响，优化激光雷达仿真模型的环境探测参数，提高激光雷达仿真模型的性能，提高激光雷达仿真模型输出数据的精度，减小仿真点云数据与真实点云数据之间的差距，并实现激光雷达仿真模型的参数调节可视化，同时节约成本。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且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，对于设备实施例而言，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。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种激光雷达仿真模型的生成方法，其特征在于，所述方法包括：
获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；所述目标仿真测试场景包括多种仿真测试场景中的一种；
采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；
根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据；
确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；
在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；
在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。
2.根据权利要求1所述的方法，其特征在于，所述点云数据偏差包括点强度偏差、点数偏差和点位置偏差中的至少一项偏差。
3.根据权利要求1所述的方法，其特征在于，所述环境探测参数包括目标物反射率参数、目标物散射参数和天气参数中的至少一种。
4.根据权利要求1至3任一项所述的方法，其特征在于，在所述获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据之前，所述方法还包括：
获取所述真实激光雷达的安装位置和安装姿态；
根据所述安装位置和所述安装姿态，调整所述虚拟激光雷达的虚拟安装位置和虚拟安装姿态；
采用调整后的所述虚拟激光雷达生成所述理想点云数据。
5.根据权利要求1至3任一项所述的方法，其特征在于，根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据，包括：
获取所述真实激光雷达的真实点云数据集；所述真实点云数据集包括多种真实测试场景下所述真实激光雷达所生成的点云数据；所述多种真实测试场景与所述多种仿真测试场景之间一一对应；
根据所述目标仿真测试场景，从所述多种真实测试场景中确定目标真实测试场景；
根据所述目标真实测试场景，对所述真实点云数据集进行预处理，得到所述真实点云数据。
6.根据权利要求5所述的方法，其特征在于，所述预处理包括清洗、切片和时间对齐中的至少一种数据处理方式。
7.根据权利要求1所述的方法，其特征在于，所述虚拟激光雷达包括光源数、视场角和分辨率中的至少一项特征参数。
8.根据权利要求1所述的方法，其特征在于，所述虚拟激光雷达基于仿真引擎与光线追踪技术创建。
9.一种激光雷达仿真模型的生成装置，其特征在于，所述装置包括：
第一获取模块，用于获取在目标仿真测试场景下，虚拟激光雷达所生成的理想点云数据；所述目标仿真测试场景包括多种仿真测试场景中的一种；
修正模块，用于采用预设雷达探测方程，对所述理想点云数据进行修正，得到仿真点云数据；所述预设雷达探测方程包括环境相关的环境探测参数；
第二获取模块，用于根据所述目标仿真测试场景，获取真实激光雷达所生成的真实点云数据；
确定模块，用于确定所述仿真点云数据和所述真实点云数据之间的点云数据偏差；
第一调整模块，用于在所述点云数据偏差达到预设的偏差阈值的情况下，基于所述点云数据偏差，调整所述雷达探测方程中的所述环境探测参数；
第一生成模块，用于在所述点云数据偏差未达到所述偏差阈值的情况下，基于所述虚拟激光雷达和所述雷达探测方程，生成激光雷达仿真模型。
10.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行如权利要求1-8任一项所述的激光雷达仿真模型的生成方法。
CN202211176533.6A 2022-09-26 2022-09-26 一种激光雷达仿真模型的生成方法、装置及电子设备 Pending CN115421127A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211176533.6A CN115421127A (zh) 2022-09-26 2022-09-26 一种激光雷达仿真模型的生成方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211176533.6A CN115421127A (zh) 2022-09-26 2022-09-26 一种激光雷达仿真模型的生成方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN115421127A true CN115421127A (zh) 2022-12-02

Family

ID=84206257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211176533.6A Pending CN115421127A (zh) 2022-09-26 2022-09-26 一种激光雷达仿真模型的生成方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN115421127A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116152770A (zh) * 2023-04-19 2023-05-23 深圳佑驾创新科技有限公司 一种3d目标匹配模型建立方法及装置
CN116449807A (zh) * 2023-06-14 2023-07-18 北京市计量检测科学研究院 一种物联网汽车操控系统仿真测试方法及系统
CN116577762A (zh) * 2023-07-12 2023-08-11 西安深信科创信息技术有限公司 仿真雷达数据生成方法、装置、设备及存储介质
CN117269940A (zh) * 2023-11-17 2023-12-22 北京易控智驾科技有限公司 点云数据生成方法、激光雷达的感知能力验证方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116152770A (zh) * 2023-04-19 2023-05-23 深圳佑驾创新科技有限公司 一种3d目标匹配模型建立方法及装置
CN116152770B (zh) * 2023-04-19 2023-09-22 深圳佑驾创新科技股份有限公司 一种3d目标匹配模型建立方法及装置
CN116449807A (zh) * 2023-06-14 2023-07-18 北京市计量检测科学研究院 一种物联网汽车操控系统仿真测试方法及系统
CN116449807B (zh) * 2023-06-14 2023-09-01 北京市计量检测科学研究院 一种物联网汽车操控系统仿真测试方法及系统
CN116577762A (zh) * 2023-07-12 2023-08-11 西安深信科创信息技术有限公司 仿真雷达数据生成方法、装置、设备及存储介质
CN116577762B (zh) * 2023-07-12 2023-10-31 西安深信科创信息技术有限公司 仿真雷达数据生成方法、装置、设备及存储介质
CN117269940A (zh) * 2023-11-17 2023-12-22 北京易控智驾科技有限公司 点云数据生成方法、激光雷达的感知能力验证方法
CN117269940B (zh) * 2023-11-17 2024-03-15 北京易控智驾科技有限公司 点云数据生成方法、激光雷达的感知能力验证方法

Similar Documents

Publication Publication Date Title
CN115421127A (zh) 一种激光雷达仿真模型的生成方法、装置及电子设备
CN109459734B (zh) 一种激光雷达定位效果评估方法、装置、设备及存储介质
US10877152B2 (en) Systems and methods for generating synthetic sensor data
US11768293B2 (en) Method and device for adjusting parameters of LiDAR, and LiDAR
US10592805B2 (en) Physics modeling for radar and ultrasonic sensors
CN112433934B (zh) 仿真测试方法、装置、计算机设备和存储介质
US11208110B2 (en) Method for modeling a motor vehicle sensor in a virtual test environment
CN111781611B (zh) 建立模型的方法、装置、存储介质及电子设备
US20210350044A1 (en) Rough Surface Model for Shooting and Bouncing Rays
CN109035390B (zh) 基于激光雷达的建模方法及装置
CN113822892B (zh) 仿真雷达的评测方法、装置、设备及计算机存储介质
CN115482277A (zh) 一种社交距离风险预警方法及装置
CN116449807B (zh) 一种物联网汽车操控系统仿真测试方法及系统
Roos et al. A method for evaluation and optimization of automotive camera systems based on simulated raw sensor data
Kesury et al. Radar modeling for autonomous vehicle simulation environment with open-source utilities
US20230162382A1 (en) Method and system for determining lidar intensity values, and training method
CN116577762B (zh) 仿真雷达数据生成方法、装置、设备及存储介质
Latger et al. Millimeter waves sensor modeling and simulation
US11982747B2 (en) Systems and methods for generating synthetic sensor data
CN115081303B (zh) 激光雷达虚拟建模和仿真方法、电子设备和存储介质
Yang et al. High-fidelity LiDAR Simulation System Based on Real Pointcloud Features
CN116451590B (zh) 自动驾驶仿真测试平台的仿真方法及装置
CN117848303B (zh) 一种建筑工程的测绘智能规划方法及系统
CN113655494B (zh) 路侧相机与4d毫米波融合的目标检测方法、设备及介质
CN117647852B (zh) 天气状态检测方法、装置、电子设备及存储介质

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