CN115792944B - 一种配合激光雷达的道路快速定标方法和系统 - Google Patents
一种配合激光雷达的道路快速定标方法和系统 Download PDFInfo
- Publication number
- CN115792944B CN115792944B CN202310043329.5A CN202310043329A CN115792944B CN 115792944 B CN115792944 B CN 115792944B CN 202310043329 A CN202310043329 A CN 202310043329A CN 115792944 B CN115792944 B CN 115792944B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- laser radar
- point cloud
- wireless signal
- road
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及激光雷达运用技术领域,提供了一种配合激光雷达的道路快速定标方法和系统。第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。本发明提出了一种在现有激光雷达探测处理过程中,融入基于车体自身结构特性的无线收发定位方案,并且,进一步考虑到物联网越来越普及的趋势下,对相应的布局在车辆中的无线发射设备设置了携带车辆信息的设定,由此,对于在该范围区域内的激光雷达的数据就可以通过分簇的方式集中优化处理。
Description
技术领域
本发明涉及激光雷达运用技术领域,特别是涉及一种配合激光雷达的道路快速定标方法和系统。
背景技术
激光雷达在现有汽车领域应用的越来越多,作为高精度、远距离检测手段,其自身的点云生成在处理效率上比高分辨率车载摄像头更具优势。但是,激光雷达对于平面物体的识别又不如摄像头来的有效。
在近距离中,激光雷达的响应效率又没有微波雷达来得高,因此,在实际场景中都是诸多解决方案的结合,由此,也应运而生了属于各家汽车厂家的自动驾驶解决方案。
例如,某公司所提出的由摄像头作为主打的自动驾驶解决方案,以及由中国一系列电动汽车厂商推出的以激光雷达作为主打的自动驾驶解决方案。但是,无论是哪种方案,在物联网越来越普及的当下,仍然存在更多的综合解决途径等待开发。
激光雷达甚至摄像头在处理车辆之间存在遮挡情况时的不足,这个在低速情况下可能不是大问题,在高速情况下则可能成为致命的问题,在实际情况中,激光雷达的检测和响应效率即便是跟得上的,但是,还得考虑实际情况中车辆的物理应急反应是能和电子响应速度相提并论的,好比人脑通过视觉已经看到危险了,但是实际你的身体的物理肌理实际上无法达到应急反应需求的。
鉴于此,克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
本发明要解决的技术问题是现有的激光雷达和摄像头解决方案,相对的都是各自成封闭体系,即各自的分析和算法处理都是基于自身采集激光雷达数据或者视频采集数据完成,而缺乏一种更为高效的融合解决方案。
本发明采用如下技术方案:
第一方面,本发明提供了一种配合激光雷达的道路快速定标方法,道路行驶的车辆中,至少有两台车辆各自分别安装一无线信号发射器,并且,其中作为方法执行主体的第一车辆上的至少三个不在一条直线上的空间点位设置有无线信号接收器,方法包括:
第一车辆中所设置的不在一条直线上的空间点位设置有无线信号接收器,在各自的时间节点上接收到来自安装有无线信号发射器的第二车辆的无线信号;
其中,第二车辆的无线信号发射器每一轮所发射的无线信号中包括设备标识,以及轮次值或发射时间值;
第一车辆的智能中控通过第一接收器、第二接收器、第三接收器所收到的所述第二车辆无线信号的时差,以及三个接收器的空间点位设置关系,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置;
第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。
优选的,所述设备标识具体为第二车辆的型号,并且,第二车辆中的无线信号发射器被设置在车体预设位置,则所述算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,具体包括:
所述第二车辆相对第一车辆的空间距离;所述第二车辆相对承载第一车辆中激光雷达扫描的范围,以及当前所计算出的所述空间距离下,由所述第二车辆所反映的激光雷达检测距离的范围区间。
优选的,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,具体包括:
对于进入所述第二车辆相对承载第一车辆中激光雷达扫描的范围内的激光雷达扫描数据暂时不进行点云数据生成,而是先进行缓存;其中,此时缓存的为相应的由激光雷达采集得到的距离参数;
在缓存完后,即得到了相应的分簇;将缓存的数据按照从中心向四周扩散的路径,逐一检验相应的距离参数是否落入所述第二车辆所反映的激光雷达检测距离的范围区间;
若结果为落入所述第二车辆所反映的激光雷达检测距离的范围区间,则直接以本地缓存相应的第二车辆的型号模型生成点云数据。
优选的,根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,所述方法还包括:
以相应的第二车辆的设备标识和第三车辆的设备标识,确认两者的车辆型号;
根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性;
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界后,得到第一分簇和第二分簇;
分别以所述第一分簇和第二分簇内的激光雷达采集数据,完成相应第二车辆的型号模型生成点云数据和第三车辆的型号模型生成点云数据。
优选的,若结果为出现未落入所述第二车辆所反映的激光雷达检测距离的范围区间,则判断相应第二车辆存在超出车体自身范围改装或者第二车辆存在装载超出正常车体自身范围的物品,方法还包括:
完整分析当前分簇内的激光雷达数据,并依据此生成第二车辆点云数据呈现。
优选的,所述方法还包括:
在第一接收器、第二接收器和第三接收器同时接收到多个无线信号时,三者将相应解析出的无线信号进行存储;
第一车辆的智能中控梳理各接收器接收到的无线信号,其中,设备标识相同,且轮次值或发射时间值相同的一组信号,从而进行所述计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置的过程。
优选的,第一车辆的智能中控梳理各接收器接收到的无线信号,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,方法具体还包括:
在针对第二车辆的第一次计算时,相应的第二车辆与第一车辆的理论空间距离在3-10m;
在完成第一次计算并生成相应的第二车辆的点云数据后,在后续接收到所述第二车辆的无线信号并计算得到其与第一车辆的实际空间距离小于等于3m时,建立所述无线信号定位与激光雷达采集的点云数据映射关系,并将点云的分析逻辑设置在对点云中异常距离点的分析,以及对第二车辆的异化运动轨迹分析上。
优选的,第一车辆的激光雷达的扫描处理周期之中,按照预设的周期比例,分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程。
优选的,根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,且在根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性;
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界失败后,确认相应的第二车辆和第三车辆之间存在遮挡;
在通过分簇生成所述第二车辆或者第三车辆的点云数据之后,以本地存储的型号模型按照相应的空间位置生成另一车辆的模型;
并且,调整分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程,两者之间的周期比例关系,使得调整分别执行常规方式下的计算其采集到的所有内容的点云数据的执行周期占比提高。
第二方面,本发明还提供了一种配合激光雷达的道路快速定标系统,道路行驶的车辆中,至少有两台车辆各自分别安装一无线信号发射器,并且,其中作为执行主体的第一车辆上的至少三个不在一条直线上的空间点位设置有无线信号接收器,系统包括:
第一车辆中所设置的不在一条直线上的空间点位设置有无线信号接收器,在各自的时间节点上接收到来自安装有无线信号发射器的第二车辆的无线信号;
其中,第二车辆的无线信号发射器每一轮所发射的无线信号中包括设备标识,以及轮次值或发射时间值;
第一车辆的智能中控通过第一接收器、第二接收器、第三接收器所收到的所述第二车辆无线信号的时差,以及三个接收器的空间点位设置关系,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置;
第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。
第三方面,本发明还提供了一种配合激光雷达的道路快速定标装置,用于实现第一方面所述的配合激光雷达的道路快速定标方法,所述装置包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,用于执行第一方面所述的配合激光雷达的道路快速定标方法。
第四方面,本发明还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,用于完成第一方面所述的配合激光雷达的道路快速定标方法。
本发明提出了一种在现有激光雷达探测处理过程中,融入基于车体自身结构特性的无线收发定位方案,并且,进一步考虑到物联网越来越普及的趋势下,对相应的布局在车辆中的无线发射设备设置了携带车辆信息的设定,由此,对于在该范围区域内的激光雷达的数据就可以通过分簇的方式集中优化处理。本发明不仅可以简化激光雷达的数据生成和分析过程,可以将更多的算力放在应急和相邻车的形式模型的分析上,使得预判和避险操作能够更早的执行,进一步改善了在高速场景下,小的车辆物理应急操作反而可能造成更大危害的情况发生。
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是本发明实施例提供的一种配合激光雷达的道路快速定标方法流程示意图;
图2是本发明实施例提供的一种车辆上布局无线信号接收器架构示意图;
图3是本发明实施例提供的一种无线信号接收器定位无线信号发射器原理示意图;
图4是本发明实施例提供的一种配合激光雷达的道路快速定标方法流程示意图;
图5是本发明实施例提供的一种配合激光雷达的道路快速定标方法流程示意图;
图6是本发明实施例提供的一种配合激光雷达的道路快速定标实例场景示意图;
图7是本发明实施例提供的一种配合激光雷达的道路快速定标实例场景示意图;
图8是本发明实施例提供的一种配合激光雷达的道路快速定标实例场景示意图;
图9是本发明实施例提供的一种配合激光雷达的道路快速定标装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明的描述中,术语“内”、“外”、“纵向”、“横向”、“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作,因此不应当理解为对本发明的限制。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本发明实施例1提供了一种配合激光雷达的道路快速定标方法,道路行驶的车辆中,至少有两台车辆各自分别安装一无线信号发射器,并且,其中作为方法执行主体的第一车辆上的至少三个不在一条直线上的空间点位设置有无线信号接收器。此处,使用了至少有两台车辆各自分IE安装一无线信号发射器的原因在于,考虑本发明技术方案所适用场景的复杂情况性,即不一定每一辆车都装载了本发明所提出的装置结构,但是,一旦其中包含了本发明所提出的关联结构就可以使用本发明所提出的方案内容进行处理效率和性能的提升。如图1所示,方法包括:
在步骤201中,第一车辆中所设置的不在一条直线上的空间点位设置有无线信号接收器,在各自的时间节点上接收到来自安装有无线信号发射器的第二车辆的无线信号。如图2所示,给出了最为简单的一种无线信号接收器安装示例,即在车辆的驾驶室顶盖板上满足条件的位置设置第一接收器、第二接收器和第三接收器;在实际实现过程中,理论几个无线信号接收器相隔越远,其起到的识别效果会越好,而设置的相隔越近,则对接收器的信号识别精度有更高的要求,实际情况中,若遇到大货车,则相应的设置无线信号接收器的位置还可以是外挂的拖车部分上。
其中,第二车辆的无线信号发射器每一轮所发射的无线信号中包括设备标识,以及轮次值或发射时间值。
此处,是对于基础数学理论的一种借鉴和应用,即以不在一条直线上的三个点作为圆心,然后以他们接收无线信号的时间和发射时间值所计算出的距离作为半径,就可以唯一的确定出相应的无线信号发射器的空间点位。
若具体实现过程中并非携带发射时间值,而仅仅是携带轮次值的话,也可以通过带入距离变量的方式,通过三个无线信号接收器的接收时间差计算出相应的无线信号发射器的实际空间位置。
在步骤202中,第一车辆的智能中控通过第一接收器、第二接收器、第三接收器所收到的所述第二车辆无线信号的时差,以及三个接收器的空间点位设置关系,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置。
如图3所示,其中以图2所示的第一车辆上所安装的第一接收器、第二接收器和第三接收器作为模型,并按照各自接收所接收到的第二车辆的无线信号作为依据作圆,相应的交汇点即理论上的第二车辆的无线信号发射器的位置。
在步骤203中,第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。
本发明实施例提出了一种在现有激光雷达探测处理过程中,融入基于车体自身结构特性的无线收发定位方案,并且,进一步考虑到物联网越来越普及的趋势下,对相应的布局在车辆中的无线发射设备设置了携带车辆信息的设定,由此,对于在该范围区域内的激光雷达的数据就可以通过分簇的方式集中优化处理。本发明不仅可以简化激光雷达的数据生成和分析过程,可以将更多的算力放在应急和相邻车的形式模型的分析上,使得预判和避险操作能够更早的执行,进一步改善了在高速场景下,小的车辆物理应急操作反而可能造成更大危害的情况发生。
在本发明实施例的一种可选实现方案中,所述设备标识具体为第二车辆的型号,并且,第二车辆中的无线信号发射器被设置在车体预设位置,则所述算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,具体包括:
所述第二车辆相对第一车辆的空间距离;所述第二车辆相对承载第一车辆中激光雷达扫描的范围,以及当前所计算出的所述空间距离下,由所述第二车辆所反映的激光雷达检测距离的范围区间。
为了进一步将本发明的实现优势体现出来,结合本发明实施例还提供一种优选扩展方案,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,如图4所示,具体包括:
在步骤301中,对于进入所述第二车辆相对承载第一车辆中激光雷达扫描的范围内的激光雷达扫描数据暂时不进行点云数据生成,而是先进行缓存;其中,此时缓存的为相应的由激光雷达采集得到的距离参数。
在步骤302中,在缓存完后,即得到了相应的分簇;将缓存的数据按照从中心向四周扩散的路径,逐一检验相应的距离参数是否落入所述第二车辆所反映的激光雷达检测距离的范围区间。
此处使用的原理在于,按照本发明优选方案所设定的,相应的无线信号发射器在车辆中的安装位置以其几何中心为宜,或者以其平面投影后所得平面图形的中心为宜;至此,在进一步根据计算出的无线信号发射器与自身的空间位置关系,以及相应的第二车辆的型号信息,便可以推算出即将采集到的激光雷达反射信号落到相应第二车辆中的区域范围,并以该区域范围的中心向外扩散的路径进行验证是最快完成轮廓闭环的方式和手段。
在步骤303中,若结果为落入所述第二车辆所反映的激光雷达检测距离的范围区间,则直接以本地缓存相应的第二车辆的型号模型生成点云数据。
结合本发明实施例,出于其在具体实现过程中可能遇到的复杂情况,接下来就对其中的一种可能发生情形进行扩展阐述。根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,如图5和图6所示,所述方法还包括:
在步骤401中,以相应的第二车辆的设备标识和第三车辆的设备标识,确认两者的车辆型号。
在图6中,表现出的第二车辆的型号为普通的轿车或者SUV,相应的第三车辆的型号为一辆公交车。
在步骤402中,根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性。
此处的阶跃属性包括类似图6所示的第二车辆与环境之间的阶跃属性,即相应的第二车辆与环境之间的边界特性;也包括第三车辆与环境之间的阶跃属性,即相应的第三车辆与环境之间边界特性。
再以图7的情况为例,相应的所示第一车辆的激光雷达信号检测范围内,第二车辆正好被第三车辆完整遮挡,此时,在本实施例中所阐述的第二车辆与第三车辆之间就不存在有效的阶跃属性。而这个场景也正是本发明后续提出的扩展实现方案所要进一步解决和改善的场景,在此不做过多描述。
在步骤403中,在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界后,得到第一分簇和第二分簇。
此处的分簇理念和实施例1中的分簇理念是一致的,即结合了相应的车辆型号和无线信号发射器的定位位置两个要素,来对才到的激光雷达反射信号进行分簇,理论上第一分簇和第二分簇则相应的分别代表了第一车辆和第二车辆的点云数据。
在步骤404中,分别以所述第一分簇和第二分簇内的激光雷达采集数据,完成相应第二车辆的型号模型生成点云数据和第三车辆的型号模型生成点云数据。
在实现过程中,若结果为出现未落入所述第二车辆所反映的激光雷达检测距离的范围区间,则判断相应第二车辆存在超出车体自身范围改装或者第二车辆存在装载超出正常车体自身范围的物品,方法还包括:完整分析当前分簇内的激光雷达数据,并依据此生成第二车辆点云数据呈现。
作为本发明实施例实现过程中的优选方案之一,通常在第一接收器、第二接收器和第三接收器同时接收到多个无线信号时,三者将相应解析出的无线信号进行存储;
第一车辆的智能中控梳理各接收器接收到的无线信号,其中,设备标识相同,且轮次值或发射时间值相同的一组信号,从而进行所述计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置的过程。
本发明实施例所提出的无线信号接收器和无线信号发射器搭配情况下,组合激光雷达实现的综合解决方案,关键性的还是利用新增设的无线信号收发器来完成近距环境下的中控系统的处理效率,以及,利用无线信号收发器布局方式实现的定位来弥补激光雷达信号检测,一旦遇到车辆之间遮挡就会丢失有效分析数据的场景问题(这在高速场景,以及上下班拥堵时段尤其容易发生)。因此,基于本发明实施例中第一车辆的智能中控梳理各接收器接收到的无线信号,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,方法具体还包括:
在针对第二车辆的第一次计算时,相应的第二车辆与第一车辆的理论空间距离在3-10m。这个距离是本发明实施例所提出的警觉性距离,相应的不同的距离数值也是根据不同的车速和场景而定,而对于常规市区50km/h场景的话,3m足以完成相应的车辆的安全机械制动。
在完成第一次计算并生成相应的第二车辆的点云数据后,在后续接收到所述第二车辆的无线信号并计算得到其与第一车辆的实际空间距离小于等于3m时,建立所述无线信号定位与激光雷达采集的点云数据映射关系,并将点云的分析逻辑设置在对点云中异常距离点的分析,以及对第二车辆的异化运动轨迹分析上。
第一车辆的激光雷达的扫描处理周期之中,按照预设的周期比例,分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程。其中,所述预设的周期比例包括2:1、4:1或5:1
如图8所示,根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,且在根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性;
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界失败后,确认相应的第二车辆和第三车辆之间存在遮挡;
在通过分簇生成所述第二车辆或者第三车辆的点云数据之后,以本地存储的型号模型按照相应的空间位置生成另一车辆的模型;
并且,调整分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程,两者之间的周期比例关系,使得调整分别执行常规方式下的计算其采集到的所有内容的点云数据的执行周期占比提高。
实施例2:
本发明实施例还提供了一种配合激光雷达的道路快速定标系统,参考图2、图3和图6,道路行驶的车辆中,至少有两台车辆各自分别安装一无线信号发射器,并且,其中作为执行主体的第一车辆上的至少三个不在一条直线上的空间点位设置有无线信号接收器,系统包括:
第一车辆中所设置的不在一条直线上的空间点位设置有无线信号接收器,在各自的时间节点上接收到来自安装有无线信号发射器的第二车辆的无线信号;
其中,第二车辆的无线信号发射器每一轮所发射的无线信号中包括设备标识,以及轮次值或发射时间值;
第一车辆的智能中控通过第一接收器、第二接收器、第三接收器所收到的所述第二车辆无线信号的时差,以及三个接收器的空间点位设置关系,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置;
第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。
本发明实施例提出了一种在现有激光雷达探测处理过程中,融入基于车体自身结构特性的无线收发定位方案,并且,进一步考虑到物联网越来越普及的趋势下,对相应的布局在车辆中的无线发射设备设置了携带车辆信息的设定,由此,对于在该范围区域内的激光雷达的数据就可以通过分簇的方式集中优化处理。本发明不仅可以简化激光雷达的数据生成和分析过程,可以将更多的算力放在应急和相邻车的形式模型的分析上,使得预判和避险操作能够更早的执行,进一步改善了在高速场景下,小的车辆物理应急操作反而可能造成更大危害的情况发生。
在本发明实施例的一种可选实现方案中,所述设备标识具体为第二车辆的型号,并且,第二车辆中的无线信号发射器被设置在车体预设位置,则所述算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,具体包括:
所述第二车辆相对第一车辆的空间距离;所述第二车辆相对承载第一车辆中激光雷达扫描的范围,以及当前所计算出的所述空间距离下,由所述第二车辆所反映的激光雷达检测距离的范围区间。
为了进一步将本发明的实现优势体现出来,结合本发明实施例还提供一种优选扩展方案,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,具体包括:
对于进入所述第二车辆相对承载第一车辆中激光雷达扫描的范围内的激光雷达扫描数据暂时不进行点云数据生成,而是先进行缓存;其中,此时缓存的为相应的由激光雷达采集得到的距离参数。
在缓存完后,即得到了相应的分簇;将缓存的数据按照从中心向四周扩散的路径,逐一检验相应的距离参数是否落入所述第二车辆所反映的激光雷达检测距离的范围区间。
此处使用的原理在于,按照本发明优选方案所设定的,相应的无线信号发射器在车辆中的安装位置以其几何中心为宜,或者以其平面投影后所得平面图形的中心为宜;至此,在进一步根据计算出的无线信号发射器与自身的空间位置关系,以及相应的第二车辆的型号信息,便可以推算出即将采集到的激光雷达反射信号落到相应第二车辆中的区域范围,并以该区域范围的中心向外扩散的路径进行验证是最快完成轮廓闭环的方式和手段。
若结果为落入所述第二车辆所反映的激光雷达检测距离的范围区间,则直接以本地缓存相应的第二车辆的型号模型生成点云数据。
结合本发明实施例,出于其在具体实现过程中可能遇到的复杂情况,接下来就对其中的一种可能发生情形进行扩展阐述。根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,如图5和图6所示,所述方法还包括:
以相应的第二车辆的设备标识和第三车辆的设备标识,确认两者的车辆型号。
在图6中,表现出的第二车辆的型号为普通的轿车或者SUV,相应的第三车辆的型号为一辆公交车。
根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性。
此处的阶跃属性包括类似图6所示的第二车辆与环境之间的阶跃属性,即相应的第二车辆与环境之间的边界特性;也包括第三车辆与环境之间的阶跃属性,即相应的第三车辆与环境之间边界特性。
再以图7的情况为例,相应的所示第一车辆的激光雷达信号检测范围内,第二车辆正好被第三车辆完整遮挡,此时,在本实施例中所阐述的第二车辆与第三车辆之间就不存在有效的阶跃属性。而这个场景也正是本发明后续提出的扩展实现方案所要进一步解决和改善的场景,在此不做过多描述。
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界后,得到第一分簇和第二分簇。
此处的分簇理念和实施例1中的分簇理念是一致的,即结合了相应的车辆型号和无线信号发射器的定位位置两个要素,来对才到的激光雷达反射信号进行分簇,理论上第一分簇和第二分簇则相应的分别代表了第一车辆和第二车辆的点云数据。
分别以所述第一分簇和第二分簇内的激光雷达采集数据,完成相应第二车辆的型号模型生成点云数据和第三车辆的型号模型生成点云数据。
在实现过程中,若结果为出现未落入所述第二车辆所反映的激光雷达检测距离的范围区间,则判断相应第二车辆存在超出车体自身范围改装或者第二车辆存在装载超出正常车体自身范围的物品,方法还包括:完整分析当前分簇内的激光雷达数据,并依据此生成第二车辆点云数据呈现。
作为本发明实施例实现过程中的优选方案之一,通常在第一接收器、第二接收器和第三接收器同时接收到多个无线信号时,三者将相应解析出的无线信号进行存储;
第一车辆的智能中控梳理各接收器接收到的无线信号,其中,设备标识相同,且轮次值或发射时间值相同的一组信号,从而进行所述计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置的过程。
本发明实施例所提出的无线信号接收器和无线信号发射器搭配情况下,组合激光雷达实现的综合解决方案,关键性的还是利用新增设的无线信号收发器来完成近距环境下的中控系统的处理效率,以及,利用无线信号收发器布局方式实现的定位来弥补激光雷达信号检测,一旦遇到车辆之间遮挡就会丢失有效分析数据的场景问题(这在高速场景,以及上下班拥堵时段尤其容易发生)。因此,基于本发明实施例中第一车辆的智能中控梳理各接收器接收到的无线信号,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,方法具体还包括:
在针对第二车辆的第一次计算时,相应的第二车辆与第一车辆的理论空间距离在3-10m。这个距离是本发明实施例所提出的警觉性距离,相应的不同的距离数值也是根据不同的车速和场景而定,而对于常规市区50km/h场景的话,3m足以完成相应的车辆的安全机械制动。
在完成第一次计算并生成相应的第二车辆的点云数据后,在后续接收到所述第二车辆的无线信号并计算得到其与第一车辆的实际空间距离小于等于3m时,建立所述无线信号定位与激光雷达采集的点云数据映射关系,并将点云的分析逻辑设置在对点云中异常距离点的分析,以及对第二车辆的异化运动轨迹分析上。
第一车辆的激光雷达的扫描处理周期之中,按照预设的周期比例,分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程。其中,所述预设的周期比例包括2:1、4:1或5:1
如图8所示,根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,且在根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性;
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界失败后,确认相应的第二车辆和第三车辆之间存在遮挡;
在通过分簇生成所述第二车辆或者第三车辆的点云数据之后,以本地存储的型号模型按照相应的空间位置生成另一车辆的模型;
并且,调整分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程,两者之间的周期比例关系,使得调整分别执行常规方式下的计算其采集到的所有内容的点云数据的执行周期占比提高。
实施例3:
如图9所示,是本发明实施例的配合激光雷达的道路快速定标装置的架构示意图。本实施例的配合激光雷达的道路快速定标装置包括一个或多个处理器21以及存储器22。其中,图9中以一个处理器21为例。
处理器21和存储器22可以通过总线或者其他方式连接,图9中以通过总线连接为例。
存储器22作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序和非易失性计算机可执行程序,如实施例1中的配合激光雷达的道路快速定标方法。处理器21通过运行存储在存储器22中的非易失性软件程序和指令,从而执行配合激光雷达的道路快速定标方法。
存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器22可选包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器22中,当被所述一个或者多个处理器21执行时,执行上述实施例1中的配合激光雷达的道路快速定标方法,例如,执行以上描述的图1、图4和图5所示的各个步骤。
值得说明的是,上述装置和系统内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的处理方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种配合激光雷达的道路快速定标方法,其特征在于,道路行驶的车辆中,至少有两台车辆各自分别安装一无线信号发射器,并且,其中作为方法执行主体的第一车辆上的至少三个不在一条直线上的空间点位设置有无线信号接收器,方法包括:
第一车辆中所设置的不在一条直线上的空间点位设置有无线信号接收器,在各自的时间节点上接收到来自安装有无线信号发射器的第二车辆的无线信号;
其中,第二车辆的无线信号发射器每一轮所发射的无线信号中包括设备标识,以及轮次值或发射时间值;
第一车辆的智能中控通过第一接收器、第二接收器、第三接收器所收到的第二车辆无线信号的时差,以及三个接收器的空间点位设置关系,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置;
第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。
2.根据权利要求1所述的配合激光雷达的道路快速定标方法,其特征在于,所述设备标识具体为第二车辆的型号,并且,第二车辆中的无线信号发射器被设置在车体预设位置,则所述算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,具体包括:
所述第二车辆相对第一车辆的空间距离;所述第二车辆相对承载第一车辆中激光雷达扫描的范围,以及当前所计算出的所述空间距离下,由所述第二车辆所反映的激光雷达检测距离的范围区间。
3.根据权利要求2所述的配合激光雷达的道路快速定标方法,其特征在于,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,具体包括:
对于进入所述第二车辆相对承载第一车辆中激光雷达扫描的范围内的激光雷达扫描数据暂时不进行点云数据生成,而是先进行缓存;其中,此时缓存的为相应的由激光雷达采集得到的距离参数;
在缓存完后,即得到了相应的分簇;将缓存的数据按照从中心向四周扩散的路径,逐一检验相应的距离参数是否落入所述第二车辆所反映的激光雷达检测距离的范围区间;
若结果为落入所述第二车辆所反映的激光雷达检测距离的范围区间,则直接以本地缓存相应的第二车辆的型号模型生成点云数据。
4.根据权利要求3所述的配合激光雷达的道路快速定标方法,其特征在于,根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,所述方法还包括:
以相应的第二车辆的设备标识和第三车辆的设备标识,确认两者的车辆型号;
根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性;
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界后,得到第一分簇和第二分簇;
分别以所述第一分簇和第二分簇内的激光雷达采集数据,完成相应第二车辆的型号模型生成点云数据和第三车辆的型号模型生成点云数据。
5.根据权利要求3所述的配合激光雷达的道路快速定标方法,其特征在于,若结果为出现未落入所述第二车辆所反映的激光雷达检测距离的范围区间,则判断相应第二车辆存在超出车体自身范围改装或者第二车辆存在装载超出正常车体自身范围的物品,方法还包括:
完整分析当前分簇内的激光雷达数据,并依据此生成第二车辆点云数据呈现。
6.根据权利要求1-5任一所述的配合激光雷达的道路快速定标方法,其特征在于,所述方法还包括:
在第一接收器、第二接收器和第三接收器同时接收到多个无线信号时,三者将相应解析出的无线信号进行存储;
第一车辆的智能中控梳理各接收器接收到的无线信号,其中,设备标识相同,且轮次值或发射时间值相同的一组信号,从而进行所述计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置的过程。
7.根据权利要求1-5任一所述的配合激光雷达的道路快速定标方法,其特征在于,第一车辆的智能中控梳理各接收器接收到的无线信号,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置,方法具体还包括:
在针对第二车辆的第一次计算时,相应的第二车辆与第一车辆的理论空间距离在3-10m;
在完成第一次计算并生成相应的第二车辆的点云数据后,在后续接收到所述第二车辆的无线信号并计算得到其与第一车辆的实际空间距离小于等于3m时,建立所述无线信号定位与激光雷达采集的点云数据映射关系,并将点云的分析逻辑设置在对点云中异常距离点的分析,以及对第二车辆的异化运动轨迹分析上。
8.根据权利要求7所述的配合激光雷达的道路快速定标方法,其特征在于,第一车辆的激光雷达的扫描处理周期之中,按照预设的周期比例,分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程。
9.根据权利要求8所述的配合激光雷达的道路快速定标方法,其特征在于,根据其他无线信号发射器的无线信号,计算出位于与所述第二车辆相邻位置还存在第三车辆时,且在根据相应的车辆型号和计算出的各自离第一车辆的空间距离,计算出相应的激光雷达采集的距离参数中的阶跃属性;
在完成对所述第二车辆和第三车辆分簇下的激光雷达信号采集后,以所述阶跃属性定位所述第二车辆和第三车辆的分界失败后,确认相应的第二车辆和第三车辆之间存在遮挡;
在通过分簇生成所述第二车辆或者第三车辆的点云数据之后,以本地存储的型号模型按照相应的空间位置生成另一车辆的模型;
并且,调整分别执行常规方式下的计算其采集到的所有内容的点云数据,以及执行所述分簇集中快速处理得到点云数据过程,两者之间的周期比例关系,使得调整分别执行常规方式下的计算其采集到的所有内容的点云数据的执行周期占比提高。
10.一种配合激光雷达的道路快速定标系统,其特征在于,道路行驶的车辆中,至少有两台车辆各自分别安装一无线信号发射器,并且,其中作为执行主体的第一车辆上的至少三个不在一条直线上的空间点位设置有无线信号接收器,系统包括:
第一车辆中所设置的不在一条直线上的空间点位设置有无线信号接收器,在各自的时间节点上接收到来自安装有无线信号发射器的第二车辆的无线信号;
其中,第二车辆的无线信号发射器每一轮所发射的无线信号中包括设备标识,以及轮次值或发射时间值;
第一车辆的智能中控通过第一接收器、第二接收器、第三接收器所收到的所述第二车辆无线信号的时差,以及三个接收器的空间点位设置关系,计算出所述第二车辆的无线信号发射器相对第一车辆的道路相对位置;
第一车辆的智能中控在获取自身激光雷达扫描数据时,将所述计算出的道路相对位置所关联的范围内的激光雷达扫描数据进行分簇集中快速处理得到点云数据,而对于计算出的道路相对位置以外的激光雷达扫描数据则按照常规的方式计算点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043329.5A CN115792944B (zh) | 2023-01-29 | 2023-01-29 | 一种配合激光雷达的道路快速定标方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043329.5A CN115792944B (zh) | 2023-01-29 | 2023-01-29 | 一种配合激光雷达的道路快速定标方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115792944A CN115792944A (zh) | 2023-03-14 |
CN115792944B true CN115792944B (zh) | 2023-04-25 |
Family
ID=85429038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310043329.5A Active CN115792944B (zh) | 2023-01-29 | 2023-01-29 | 一种配合激光雷达的道路快速定标方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792944B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107407723A (zh) * | 2015-03-19 | 2017-11-28 | 托波森斯有限公司 | 用于3d位置确定的方法和设备 |
CN110988848A (zh) * | 2019-12-23 | 2020-04-10 | 潍柴动力股份有限公司 | 车载激光雷达相对位姿监测方法及设备 |
CN113281775A (zh) * | 2021-05-26 | 2021-08-20 | 珠海市一微半导体有限公司 | 一种基于激光扫描信息的充电座定位方法、芯片及机器人 |
CN115061152A (zh) * | 2022-08-18 | 2022-09-16 | 深圳煜炜光学科技有限公司 | 一种激光雷达扫描点云处理方法和装置 |
CN115327553A (zh) * | 2022-10-12 | 2022-11-11 | 湖南仕博测试技术有限公司 | 一种诱导变异的快速激光雷达样本生成方法 |
CN115609587A (zh) * | 2022-10-27 | 2023-01-17 | 广州赛特智能科技有限公司 | 一种目标跟随的方法、装置、设备及存储介质 |
WO2023284705A1 (zh) * | 2021-07-13 | 2023-01-19 | 华为技术有限公司 | 一种激光雷达点云聚类方法、装置、激光雷达及车辆 |
-
2023
- 2023-01-29 CN CN202310043329.5A patent/CN115792944B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107407723A (zh) * | 2015-03-19 | 2017-11-28 | 托波森斯有限公司 | 用于3d位置确定的方法和设备 |
CN110988848A (zh) * | 2019-12-23 | 2020-04-10 | 潍柴动力股份有限公司 | 车载激光雷达相对位姿监测方法及设备 |
CN113281775A (zh) * | 2021-05-26 | 2021-08-20 | 珠海市一微半导体有限公司 | 一种基于激光扫描信息的充电座定位方法、芯片及机器人 |
WO2023284705A1 (zh) * | 2021-07-13 | 2023-01-19 | 华为技术有限公司 | 一种激光雷达点云聚类方法、装置、激光雷达及车辆 |
CN115061152A (zh) * | 2022-08-18 | 2022-09-16 | 深圳煜炜光学科技有限公司 | 一种激光雷达扫描点云处理方法和装置 |
CN115327553A (zh) * | 2022-10-12 | 2022-11-11 | 湖南仕博测试技术有限公司 | 一种诱导变异的快速激光雷达样本生成方法 |
CN115609587A (zh) * | 2022-10-27 | 2023-01-17 | 广州赛特智能科技有限公司 | 一种目标跟随的方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115792944A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127931B (zh) | 一种智能网联汽车的车路云协同方法、装置及系统 | |
CN111845728B (zh) | 一种驾驶辅助数据采集方法及系统 | |
CN113792566A (zh) | 一种激光点云的处理方法及相关设备 | |
CN106314424B (zh) | 基于汽车的超车辅助方法、装置及汽车 | |
CN110789515B (zh) | 机动车辆中用于硬件验证的系统和方法 | |
CN113335297B (zh) | 一种车辆控制方法及装置 | |
KR20150028258A (ko) | 정보 이용을 위한 방법 및 시스템 | |
WO2024131679A1 (zh) | 车路云融合的道路环境场景仿真方法、电子设备及介质 | |
CN113734166A (zh) | 一种基于感知融合swc的汽车自动驾驶控制系统及方法 | |
CN113286273A (zh) | 通信装置及系统、无线基站、通信控制方法及存储介质 | |
CN114466333A (zh) | 一种基于eSIM和5G的车联网控制系统 | |
CN116135654A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
CN115792944B (zh) | 一种配合激光雷达的道路快速定标方法和系统 | |
CN117416349A (zh) | V2X环境下基于改进YOLOV7-Tiny和SS-LSTM的自动驾驶风险预判系统及方法 | |
CN109286785B (zh) | 一种环境信息共享系统及方法 | |
US20230347925A1 (en) | Agent and scenario modeling extracted via an mbse classification on a large number of real-world data samples | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
CN111860379A (zh) | 周边车辆模型的建立方法、装置、存储介质和计算机设备 | |
CN111723866A (zh) | 点云聚类的方法及装置、无人车、可读存储介质 | |
KR20210090329A (ko) | 카메라를 이용하여 자율 주행을 수행하는 차량 및 그의 동작 방법 | |
CN108447290A (zh) | 基于车联网的智能避让系统 | |
CN114077875B (zh) | 信息验证方法、装置、设备及存储介质 | |
CN113696896B (zh) | 路面信息处理方法、装置、电子设备及存储介质 | |
CN116346862B (zh) | 用于智能网联汽车的传感器共享方法及装置 | |
CN110896530A (zh) | 传输和接收数据的方法、装置、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |