CN116167252B - 雷达配置信息的确定方法、装置、设备及存储介质 - Google Patents
雷达配置信息的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116167252B CN116167252B CN202310450500.4A CN202310450500A CN116167252B CN 116167252 B CN116167252 B CN 116167252B CN 202310450500 A CN202310450500 A CN 202310450500A CN 116167252 B CN116167252 B CN 116167252B
- Authority
- CN
- China
- Prior art keywords
- configuration information
- radar
- information
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 169
- 238000001514 detection method Methods 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开是关于一种雷达配置信息的确定方法、装置、设备及存储介质。其中，该方法包括：获取道路路口的三维仿真模型；在三维仿真模型中配置交通场景的场景信息和雷达；其中，雷达用于检测交通场景中的交通参与者；基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达的目标配置信息。通过本公开的技术方案，可以基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，从而快速获取符合要求的目标雷达配置信息。便于基于目标配置信息在道路路口对雷达进行配置，以辅助保障驾驶安全。
Description
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种雷达配置信息的确定方法、装置、设备及存储介质。
背景技术
基于车与任何事物（vehicle to everything，V2X）通信的技术，可以在城市道路路口加装激光雷达，通过将雷达对道路上的行人和车辆等目标的检测结果与车辆进行实时同步，辅助保障车辆的行车安全。如何从道路路口所包含的较大范围中，确定出能够满足检测要求且成本较低的雷达配置位置，是促进上述技术落地所需解决的一个重要问题。
发明内容
为克服相关技术中存在的问题，本公开提供一种雷达配置信息的确定方法、装置、设备及存储介质。
根据本公开实施例的第一方面，提供一种雷达配置信息的确定方法，包括：获取道路路口的三维仿真模型；在所述三维仿真模型中配置交通场景的场景信息和雷达；其中，所述雷达用于检测所述交通场景中的交通参与者；基于所述交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述雷达的目标配置信息。
在一种实现方式中，所述获取道路路口的三维仿真模型，包括：基于深度学习和摄影测量技术获取城市的三维模型；获取所述城市的道路地图；对所述道路地图进行路口识别，获取所述道路路口的二维位置信息；基于所述道路路口的二维位置信息，确定所述道路路口在所述三维模型中的三维位置信息；基于所述三维模型和所述道路路口的三维位置信息，生成所述三维仿真模型。
在一种实现方式中，所述在所述三维仿真模型中配置交通场景的场景信息，包括：获取所述道路路口的实际交通信息；基于所述实际交通信息配置所述交通场景的场景信息。
在一种实现方式中，所述基于所述交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述雷达的目标配置信息，包括：S1：基于所述交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述雷达对所述交通场景之中交通参与者的第一仿真检测结果；其中，所述配置信息包括以下至少一项：所述雷达的数量、位置和检测方向；S2：根据所述第一仿真检测结果调整所述配置信息以重新配置所述雷达，并返回执行所述步骤S1，直至获取多个仿真检测结果和对应的多个配置信息；S3：基于所述多个仿真检测结果和所述多个配置信息，确定所述目标配置信息。
在一种可选地实现方式中，所述基于所述多个仿真检测结果和所述多个配置信息，确定所述目标配置信息，包括：从所述多个仿真检测结果中，确定出符合检测要求的候选配置信息；获取所述候选配置信息对应的雷达数量；根据所述雷达数量，从所述候选配置信息中确定所述目标配置信息。
在一种实现方式中，所述道路路口为多个，所述方法还包括：基于多个所述道路路口对应的所述雷达的配置信息，生成雷达部署画像；其中，所述雷达部署画像用于辅助部署所述雷达。
根据本公开实施例的第二方面，提供一种雷达配置信息的确定装置，包括：获取模块，用于获取道路路口的三维仿真模型；配置模块，用于在所述三维仿真模型中配置交通场景的场景信息和雷达；其中，所述雷达用于检测所述交通场景中的交通参与者；处理模块，用于基于所述交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述雷达的目标配置信息。
在一种实现方式中，所述获取模块具体用于：基于深度学习和摄影测量技术获取城市的三维模型；获取所述城市的道路地图；对所述道路地图进行路口识别，获取所述道路路口的二维位置信息；基于所述道路路口的二维位置信息，确定所述道路路口在所述三维模型中的三维位置信息；基于所述三维模型和所述道路路口的三维位置信息，生成所述三维仿真模型。
在一种实现方式中，所述配置模块具体用于：获取所述道路路口的实际交通信息；基于所述实际交通信息配置所述交通场景的场景信息。
在一种实现方式中，所述处理模块具体用于：S1：基于所述交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述雷达对所述交通场景之中交通参与者的第一仿真检测结果；其中，所述配置信息包括以下至少一项：所述雷达的数量、位置和检测方向；S2：根据所述第一仿真检测结果调整所述配置信息以重新配置所述雷达，并返回执行所述步骤S1，直至获取多个仿真检测结果和对应的多个配置信息；S3：基于所述多个仿真检测结果和所述多个配置信息，确定所述目标配置信息。
在一种可选地实现方式中，所述处理模块具体用于：从所述多个仿真检测结果中，确定出符合检测要求的候选配置信息；获取所述候选配置信息对应的雷达数量；根据所述雷达数量，从所述候选配置信息中确定所述目标配置信息。
在一种实现方式中，所述道路路口为多个，所述装置还包括：生成模块，用于基于多个所述道路路口对应的所述雷达的配置信息，生成雷达部署画像；其中，所述雷达部署画像用于辅助部署所述雷达。
根据本公开实施例的第三方面，提供一种电子设备，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，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述第一方面所述的方法。
根据本公开实施例的第四方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如前述第一方面所述的方法。
根据本公开实施例的第五方面，本公开提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：能够在获取的道路路口的三维仿真模型中配置交通场景的场景信息和雷达，并基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，快速获取满足雷达检测要求且成本较低的目标配置信息。便于基于目标配置信息在道路路口对雷达进行配置，并降低激光雷达的部署成本，保障车辆经过路口的行车安全。
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，并不能限制本公开。
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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种雷达配置信息的确定方法的流程图。
图2是根据一示例性实施例示出的另一种雷达配置信息的确定方法的流程图。
图3是根据一示例性实施例示出的又一种雷达配置信息的确定方法的流程图。
图4是根据一示例性实施例示出的又一种雷达配置信息的确定方法的流程图。
图5是根据一示例性实施例示出的一种城市激光雷达画像的生成方法的流程图。
图6是根据一示例性实施例示出的一种雷达配置信息的确定装置的框图。
图7是根据一示例性实施例示出的另一种雷达配置信息的确定装置的框图。
图8是根据一示例性实施例示出的一种用于雷达配置信息的确定的电子设备的框图。
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发明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、本发明的一些方面相一致的装置和方法的例子。
其中，在本公开的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本公开中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本公开实施例的范围，也不表示先后顺序。
图1是根据一示例性实施例示出的一种雷达配置信息的确定方法的流程图，如图1所示，该方法可以包括但不限于以下步骤。
步骤S101：获取道路路口的三维仿真模型。
举例而言，获取道路路口的高精地图三维模型，并将该高精地图三维模型转换为三维仿真模型。
步骤S102：在三维仿真模型中配置交通场景的场景信息和雷达。
其中，在本公开的实施例中，雷达用于检测交通场景中的交通参与者（例如，行人和车辆等）。
举例而言，在三维仿真模型中配置道路路口交通场景的场景信息，该场景信息包括交通参与者以及交通参与者的速度和行进方向，并配置用于检测交通场景中的交通参与者的雷达。
需要说明的是，在本公开的实施例中，上述雷达可以为激光雷达。
步骤S103：基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达的目标配置信息。
举例而言，在三维仿真模型中进行雷达对交通场景的检测仿真，获取雷达的多个不同配置信息的检测效果，从多个不同配置信息中获取满足要求的配置信息作为目标配置信息。
通过实施本公开实施例，可以在获取的道路路口的三维仿真模型中配置交通场景的场景信息和雷达，以基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，从而快速获取满足要求的目标配置信息。便于基于目标配置信息在道路路口对雷达进行配置，以保障车辆的行车安全。
在本公开的一种实现方式中，可以基于获取的城市三维模型及道路地图，生成道路路口的三维仿真模型。作为一种示例，请参见图2，图2是根据一示例性实施例示出的另一种雷达配置信息的确定方法的流程图。如图2所示，该方法可以包括但不限于以下步骤：
步骤S201：基于深度学习和摄影测量技术获取城市的三维模型。
举例而言，基于摄影测量技术获取城市的图像信息，基于该图像信息构建包含大型目标物（例如，楼房等大型建筑）的初始三维模型，并使用预先训练的深度学习模型对图像信息进行识别，获取城市中的小型目标物（例如，道路边沿的树木、电线杆等），将小型目标物导入初始三维模型，获取城市的三维模型。
步骤S202：获取城市的道路地图。
步骤S203：对道路地图进行路口识别，获取道路路口的二维位置信息。
举例而言，对道路地图进行路口识别，获取道路地图中道路路口的二维位置信息。
在本公开的一些实施例中，上述道路路口可以是城市中道路交通流量较大的道路路口。
步骤S204：基于道路路口的二维位置信息，确定道路路口在三维模型中的三维位置信息。
举例而言，基于道路路口的二维位置信息，确定道路路口在三维模型中对应的位置，从而确定道路路口的三维位置信息。
步骤S205：基于三维模型和道路路口的三维位置信息，生成三维仿真模型。
举例而言，将三维模型转换为可用于进行仿真的道路三维仿真模型，并基于道路路口的三维位置信息，从道路三维仿真模型中获取道路路口的三维仿真模型。
步骤S206：在三维仿真模型中配置交通场景的场景信息和雷达。
在本公开的实施例中，步骤S206可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
步骤S207：基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达的目标配置信息。
在本公开的实施例中，步骤S207可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
通过实施本公开实施例，可以基于获取的城市三维模型及道路地图，生成道路路口的三维仿真模型，并在三维仿真模型中配置交通场景的场景信息和雷达，以基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，快速获取满足要求的雷达的目标配置信息。便于基于目标配置信息在道路路口对雷达进行配置，保障车辆的行车安全。
在本公开的一种实现方式中，可以基于道路路口的实际交通信息，在三维仿真模型中配置交通场景的场景信息。作为一种示例，请参见图3，图3是根据一示例性实施例示出的又一种雷达配置信息的确定方法的流程图。如图3所示，该方法可以包括但不限于以下步骤：
步骤S301：获取道路路口的三维仿真模型。
在本公开的实施例中，步骤S301可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
步骤S302：获取道路路口的实际交通信息。
举例而言，获取道路路口的道路交通流量最大时的实际交通信息，作为道路路口的实际交通信息。
步骤S303：基于实际交通信息在三维仿真模型中配置交通场景的场景信息。
举例而言，基于实际交通信息在三维仿真模型中配置相应数量的交通目标，以及交通目标对应的行进速度和行进方向等场景信息。
步骤S304：在三维仿真模型中配置雷达。
在本公开的实施例中，步骤S304可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
步骤S305：基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达的目标配置信息。
在本公开的实施例中，步骤S305可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
通过实施本公开实施例，可以基于道路路口的实际交通信息，在三维仿真模型中配置交通场景的场景信息，以基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，快速获取满足要求的目标配置信息，保障车辆的行车安全。
在本公开的一种实现方式中，可以根据每次获取的仿真检测结果调整雷达的配置信息，以基于调整后的配置信息重新配置雷达以再次进行仿真检测，并多次重复上述步骤获取多个仿真检测结果和对应的多个配置信息，从而从多个配置信息中确定目标配置信息。作为一种示例，请参见图4，图4是根据一示例性实施例示出的又一种雷达配置信息的确定方法的流程图。如图4所示，该方法可以包括但不限于以下步骤：
步骤S401：获取道路路口的三维仿真模型。
在本公开的实施例中，步骤S401可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
步骤S402：在三维仿真模型中配置交通场景的场景信息和雷达。
在本公开的实施例中，步骤S402可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
步骤S403：基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达对交通场景之中交通参与者的第一仿真检测结果。
其中，在本公开的实施例中，上述配置信息包括以下至少一项：雷达的数量、位置和检测方向。
举例而言，在三维仿真模型中使雷达对交通场景之中交通参与者进行仿真检测，获取雷达对交通参与者的第一仿真检测结果。
其中，在本公开的实施例中，仿真检测结果可以是雷达对交通参与者的检测率。
步骤S404：根据第一仿真检测结果调整配置信息以重新配置雷达，并返回执行步骤S403，直至获取多个仿真检测结果和对应的多个配置信息。
举例而言，根据第一仿真检测结果调整配置信息中雷达的数量、位置和检测方向中的至少一项，以得到新的配置信息，并基于交通场景的场景信息和新的配置信息在三维仿真模型中进行仿真检测，获取新的仿真检测结果。根据每次获取的仿真检测结果对配置信息进行调整，并在每次调整后重新部署雷达并进行仿真检测，从而获取多个仿真检测结果和对应的多个配置信息。
作为一种示例，根据第一仿真检测结果确定雷达不可以对交通参与者进行有效检测，调整配置信息中雷达的数量、位置和检测方向中的至少一项以重新配置雷达，并返回执行步骤S403。
作为又一种示例，根据第一仿真检测结果确定雷达能够对交通参与者进行有效检测，减少配置信息中雷达的数量，并调整配置信息中的位置和/或检测方向，并返回执行步骤S403。
步骤S405：基于多个仿真检测结果和多个配置信息，确定目标配置信息。
举例而言，从多个仿真检测结果中确定符合要求的目标检测结果，将该目标检测结果对应的配置信息确定为目标配置信息。
在一种可选地实现方式中，上述基于多个仿真检测结果和多个配置信息，确定目标配置信息，包括：从多个仿真检测结果中，确定出符合检测要求的候选配置信息；获取候选配置信息对应的雷达数量；根据雷达数量，从候选配置信息中确定目标配置信息。
举例而言，从多个仿真检测结果中，确定雷达对交通目标的检测率大于检测率阈值的候选检测结果，将候选检测结果对应的配置信息确定为候选配置信息；获取候选配置信息对应的雷达数量，将雷达数量最少的候选配置信息确定为目标配置信息。
通过实施本公开实施例，可以根据每次获取的仿真检测结果调整雷达的配置信息，并基于调整后的配置信息重新配置雷达以再次进行仿真检测，并多次重复上述步骤获取多个仿真检测结果和对应的多个配置信息，从而从多个配置信息中确定符合检测要求且所需雷达数量最少的目标配置信息。能够减少雷达的部署成本，并保障车辆的行车安全。
在本公开的一些实施例中，上述道路路口为多个，上述雷达配置信息的确定方法还可以包括：基于多个道路路口对应的雷达的配置信息，生成雷达部署画像；其中，雷达部署画像用于辅助部署雷达。
举例而言，将覆盖城市中多个道路路口的雷达的配置信息进行保存，以生成用于辅助部署雷达的城市雷达部署画像。
请参见图5，图5是根据一示例性实施例示出的一种城市激光雷达画像的生成方法的流程图。如图5所示，在该方法中，可以对城市的道路地图进行路口检测，获取道路路口的二维位置信息，基于该二维位置信息在城市模型中对相应的道路路口进行标记；之后将城市模型转化为可用于进行仿真的仿真场景模型，并在该仿真场景模型中的道路路口位置配置等交通参与者和雷达，获取雷达对交通参与者的仿真检测结果，并根据仿真检测结果调整雷达的配置信息以重新配置雷达，并再次进行仿真检测。重复上述步骤多次对雷达的配置信息进行调整，并在每次调整后进行仿真检测，从而获取多个仿真检测结果和对应的多个配置信息。基于多个仿真检测结果和对应的多个配置信息，确定出检测效果满足检测要求，且所需雷达数量最少的目标配置信息。并基于城市中多个道路路口的目标配置信息生成城市雷达覆盖画像。
请参见图6，图6是根据一示例性实施例示出的一种雷达配置信息的确定装置的框图。如图6所示，该装置600包括：获取模块601，用于获取道路路口的三维仿真模型；配置模块602，用于在三维仿真模型中配置交通场景的场景信息和雷达；其中，雷达用于检测交通场景中的交通参与者；处理模块603，用于基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达的目标配置信息。
在一种实现方式中，获取模块601具体用于：基于深度学习和摄影测量技术获取城市的三维模型；获取城市的道路地图；对道路地图进行路口识别，获取道路路口的二维位置信息；基于道路路口的二维位置信息，确定道路路口在三维模型中的三维位置信息；基于三维模型和道路路口的三维位置信息，生成三维仿真模型。
在一种实现方式中，配置模块602具体用于：获取道路路口的实际交通信息；基于实际交通信息配置交通场景的场景信息。
在一种实现方式中，处理模块603具体用于：S1：基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，获取雷达对交通场景之中交通参与者的第一仿真检测结果；其中，配置信息包括以下至少一项：雷达的数量、位置和检测方向；S2：根据第一仿真检测结果调整配置信息以重新配置雷达，并返回执行步骤S1，直至获取多个仿真检测结果和对应的多个配置信息；S3：基于多个仿真检测结果和多个配置信息，确定目标配置信息。
在一种可选地实现方式中，处理模块603具体用于：从多个仿真检测结果中，确定出符合检测要求的候选配置信息；获取候选配置信息对应的雷达数量；根据雷达数量，从候选配置信息中确定目标配置信息。
在一种实现方式中，上述道路路口为多个，装置还包括生成模块。作为一种示例，请参见图7，图7是根据一示例性实施例示出的另一种雷达配置信息的确定装置的框图。如图7所示，该装置700还包括生成模块704，用于基于多个道路路口对应的雷达的配置信息，生成雷达部署画像；其中，雷达部署画像用于辅助部署雷达。其中，图7中的模块701~703与图6中的模块601~603具有相同的结构和功能。
通过本公开实施例的装置，可以在获取的道路路口的三维仿真模型中配置交通场景的场景信息和雷达，以基于交通场景的场景信息和雷达的配置信息在三维仿真模型中进行仿真检测，快速获取满足要求的目标配置信息。便于基于目标配置信息在道路路口对雷达进行配置，保障车辆的行车安全。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种用于雷达配置信息的确定的电子设备的框图。
参照图8，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，输入/输出（I/O）接口810，以及通信组件812。
处理组件802通常控制电子设备800的整体操作，诸如与显示，数据通信和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。
电力组件806为电子设备800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器（LCD）和触摸面板（TP）。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
输入/输出接口810为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。
通信组件812被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件812经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件812还包括近场通信（NFC）模块，以促进短程通信。例如，在NFC模块可基于射频识别（RFID）技术，红外数据协会（IrDA）技术，超宽带（UWB）技术，蓝牙（BT）技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路（ASIC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本公开旨在涵盖本发明的任何变型、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发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (8)
1.一种雷达配置信息的确定方法，其特征在于，包括：
获取道路路口的三维仿真模型；
在所述道路路口的三维仿真模型中配置所述道路路口交通场景的场景信息和雷达；其中，所述雷达用于检测所述交通场景中的交通参与者；
基于所述道路路口交通场景的场景信息和所述雷达的配置信息在所述道路路口的三维仿真模型中进行仿真检测，获取所述道路路口雷达的目标配置信息；
所述获取道路路口的三维仿真模型，包括：
基于深度学习和摄影测量技术获取城市的三维模型；
获取所述城市的道路地图；
对所述道路地图进行路口识别，获取所述道路路口的二维位置信息；
基于所述道路路口的二维位置信息，确定所述道路路口在所述三维模型中的三维位置信息；
基于所述三维模型和所述道路路口的三维位置信息，生成所述道路路口的三维仿真模型；
所述基于所述道路路口交通场景的场景信息和所述雷达的配置信息在所述道路路口的三维仿真模型中进行仿真检测，获取所述道路路口雷达的目标配置信息，包括：
S1：基于所述道路路口交通场景的场景信息和所述雷达的配置信息在所述道路路口的三维仿真模型中进行仿真检测，获取所述雷达对所述交通场景之中交通参与者的第一仿真检测结果；其中，所述配置信息包括以下至少一项：所述雷达的数量、位置和检测方向；
S2：根据所述第一仿真检测结果调整所述配置信息以重新配置所述雷达，并返回执行所述步骤S1，直至获取多个仿真检测结果和对应的多个配置信息，其中，根据所述第一仿真检测结果调整所述配置信息中雷达的数量、位置和检测方向中的至少一项，以得到新的配置信息，并基于所述道路路口交通场景的场景信息和所述新的配置信息在所述三维仿真模型中进行仿真检测，获取新的仿真检测结果，根据每次获取的仿真检测结果对所述配置信息进行调整，并在每次调整后重新部署雷达并进行仿真检测，从而获取所述多个仿真检测结果和对应的多个配置信息；
S3：基于所述多个仿真检测结果和所述多个配置信息，确定所述道路路口雷达的目标配置信息；
所述道路路口为多个，所述方法还包括：
基于多个所述道路路口对应的所述雷达的配置信息，生成雷达部署画像；其中，所述雷达部署画像用于辅助部署所述雷达。
2.如权利要求1所述的方法，其特征在于，所述在所述三维仿真模型中配置所述道路路口交通场景的场景信息，包括：
获取所述道路路口的实际交通信息；
基于所述实际交通信息配置所述交通场景的场景信息。
3.如权利要求1所述的方法，其特征在于，所述基于所述多个仿真检测结果和所述多个配置信息，确定所述道路路口雷达的目标配置信息，包括：
从所述多个仿真检测结果中，确定出符合检测要求的候选配置信息；
获取所述候选配置信息对应的雷达数量；
根据所述雷达数量，从所述候选配置信息中确定所述道路路口雷达的目标配置信息。
4.一种雷达配置信息的确定装置，其特征在于，包括：
获取模块，用于获取道路路口的三维仿真模型；
配置模块，用于在所述道路路口的三维仿真模型中配置所述道路路口交通场景的场景信息和雷达；其中，所述雷达用于检测所述交通场景中的交通参与者；
处理模块，用于基于所述道路路口交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述道路路口雷达的目标配置信息；
所述获取模块具体用于：
基于深度学习和摄影测量技术获取城市的三维模型；
获取所述城市的道路地图；
对所述道路地图进行路口识别，获取所述道路路口的二维位置信息；
基于所述道路路口的二维位置信息，确定所述道路路口在所述三维模型中的三维位置信息；
基于所述三维模型和所述道路路口的三维位置信息，生成所述三维仿真模型；
所述处理模块具体用于：
S1：基于所述交通场景的场景信息和所述雷达的配置信息在所述三维仿真模型中进行仿真检测，获取所述雷达对所述交通场景之中交通参与者的第一仿真检测结果；其中，所述配置信息包括以下至少一项：所述雷达的数量、位置和检测方向；
S2：根据所述第一仿真检测结果调整所述配置信息以重新配置所述雷达，并返回执行所述步骤S1，直至获取多个仿真检测结果和对应的多个配置信息，其中，根据所述第一仿真检测结果调整所述配置信息中雷达的数量、位置和检测方向中的至少一项，以得到新的配置信息，并基于所述道路路口交通场景的场景信息和所述新的配置信息在所述三维仿真模型中进行仿真检测，获取新的仿真检测结果，根据每次获取的仿真检测结果对所述配置信息进行调整，并在每次调整后重新部署雷达并进行仿真检测，从而获取所述多个仿真检测结果和对应的多个配置信息；
S3：基于所述多个仿真检测结果和所述多个配置信息，确定所述道路路口雷达的目标配置信息；
所述道路路口为多个，所述装置还包括：
生成模块，用于基于多个所述道路路口对应的所述雷达的配置信息，生成雷达部署画像；其中，所述雷达部署画像用于辅助部署所述雷达。
5.如权利要求4所述的装置，其特征在于，所述配置模块具体用于：
获取所述道路路口的实际交通信息；
基于所述实际交通信息配置所述交通场景的场景信息。
6.如权利要求4所述的装置，其特征在于，所述处理模块具体用于：
从所述多个仿真检测结果中，确定出符合检测要求的候选配置信息；
获取所述候选配置信息对应的雷达数量；
根据所述雷达数量，从所述候选配置信息中确定所述道路路口雷达的目标配置信息。
7.一种电子设备，其特征在于，所述设备包括：
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，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至3中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行如权利要求1至3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310450500.4A CN116167252B (zh) | 2023-04-25 | 2023-04-25 | 雷达配置信息的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310450500.4A CN116167252B (zh) | 2023-04-25 | 2023-04-25 | 雷达配置信息的确定方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116167252A CN116167252A (zh) | 2023-05-26 |
| CN116167252B true CN116167252B (zh) | 2024-01-30 |
Family
ID=86413523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310450500.4A Active CN116167252B (zh) | 2023-04-25 | 2023-04-25 | 雷达配置信息的确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167252B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109683175A (zh) * | 2018-12-24 | 2019-04-26 | 广州文远知行科技有限公司 | 激光雷达配置方法、装置、设备和存储介质 |
| CN111856414A (zh) * | 2019-04-08 | 2020-10-30 | 是德科技股份有限公司 | 汽车雷达传感器配置的动态回波信号仿真 |
| CN112198859A (zh) * | 2020-09-07 | 2021-01-08 | 西安交通大学 | 混合场景下车辆在环的自动驾驶车辆测试方法、系统及装置 |
| CN112528477A (zh) * | 2020-12-03 | 2021-03-19 | 安徽江淮汽车集团股份有限公司 | 道路场景仿真方法、设备、存储介质及装置 |
| CN112650224A (zh) * | 2020-12-11 | 2021-04-13 | 国汽(北京)智能网联汽车研究院有限公司 | 自动驾驶仿真的方法、装置、设备及存储介质 |
| CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
| CN113033029A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 自动驾驶仿真方法、装置、电子设备及存储介质 |
| CN113111513A (zh) * | 2021-04-13 | 2021-07-13 | 上海商汤临港智能科技有限公司 | 传感器配置方案确定方法、装置、计算机设备及存储介质 |
| CN113687600A (zh) * | 2021-10-21 | 2021-11-23 | 中智行科技有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
| CN114280562A (zh) * | 2021-12-22 | 2022-04-05 | 大陆投资(中国)有限公司 | 雷达仿真测试方法和实施该方法的计算机可读存储介质 |
| CN114397829A (zh) * | 2022-01-06 | 2022-04-26 | 中国第一汽车股份有限公司 | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 |
| CN115524675A (zh) * | 2022-10-10 | 2022-12-27 | 一汽解放汽车有限公司 | 车载雷达性能分析方法、装置和计算机设备 |
| CN115792867A (zh) * | 2022-11-07 | 2023-03-14 | 北京宾理信息科技有限公司 | 激光雷达仿真方法和装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AT520577B1 (de) * | 2017-10-06 | 2021-01-15 | Avl List Gmbh | Radarzielemulator, Prüfstand und Verfahren zur Signalverarbeitung |
| US11682297B2 (en) * | 2020-03-31 | 2023-06-20 | Flir Systems Trading Belgium Bvba | Real-time scene mapping to GPS coordinates in traffic sensing or monitoring systems and methods |
| US11686814B2 (en) * | 2020-12-07 | 2023-06-27 | Keysight Technologies, Inc. | Frequency modulated continuous wave (FMCW) radar target emulation with synchronized modulation reflection devices |
| EP4092447A1 (en) * | 2021-05-21 | 2022-11-23 | Axis AB | Multipath classification in radar detections |
-
2023
- 2023-04-25 CN CN202310450500.4A patent/CN116167252B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109683175A (zh) * | 2018-12-24 | 2019-04-26 | 广州文远知行科技有限公司 | 激光雷达配置方法、装置、设备和存储介质 |
| CN111856414A (zh) * | 2019-04-08 | 2020-10-30 | 是德科技股份有限公司 | 汽车雷达传感器配置的动态回波信号仿真 |
| CN112198859A (zh) * | 2020-09-07 | 2021-01-08 | 西安交通大学 | 混合场景下车辆在环的自动驾驶车辆测试方法、系统及装置 |
| CN112528477A (zh) * | 2020-12-03 | 2021-03-19 | 安徽江淮汽车集团股份有限公司 | 道路场景仿真方法、设备、存储介质及装置 |
| CN112650224A (zh) * | 2020-12-11 | 2021-04-13 | 国汽(北京)智能网联汽车研究院有限公司 | 自动驾驶仿真的方法、装置、设备及存储介质 |
| CN112668153A (zh) * | 2020-12-11 | 2021-04-16 | 国汽(北京)智能网联汽车研究院有限公司 | 一种自动驾驶仿真场景生成的方法、装置及设备 |
| CN113111513A (zh) * | 2021-04-13 | 2021-07-13 | 上海商汤临港智能科技有限公司 | 传感器配置方案确定方法、装置、计算机设备及存储介质 |
| CN113033029A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 自动驾驶仿真方法、装置、电子设备及存储介质 |
| CN113687600A (zh) * | 2021-10-21 | 2021-11-23 | 中智行科技有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
| CN114280562A (zh) * | 2021-12-22 | 2022-04-05 | 大陆投资(中国)有限公司 | 雷达仿真测试方法和实施该方法的计算机可读存储介质 |
| CN114397829A (zh) * | 2022-01-06 | 2022-04-26 | 中国第一汽车股份有限公司 | 用于构建自动驾驶仿真场景的方法、装置、设备及介质 |
| CN115524675A (zh) * | 2022-10-10 | 2022-12-27 | 一汽解放汽车有限公司 | 车载雷达性能分析方法、装置和计算机设备 |
| CN115792867A (zh) * | 2022-11-07 | 2023-03-14 | 北京宾理信息科技有限公司 | 激光雷达仿真方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116167252A (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11360216B2 (en) | Method and system for positioning of autonomously operating entities | |
| CN109725329B (zh) | 一种无人车定位方法及装置 | |
| RU2744226C1 (ru) | Способ и устройство для планирования области полета беспилотного летательного аппарата и пульт дистанционного управления | |
| US9796379B2 (en) | Driving assistance apparatus, and control method thereof | |
| JP2018511038A (ja) | 適応型位置インジケータ | |
| CN110457407B (zh) | 用于处理点云数据的方法和装置 | |
| CN112590813A (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
| CN111060117B (zh) | 局部地图构建方法、装置、计算机设备以及存储介质 | |
| US10043391B2 (en) | Fine grained location-based services | |
| CN115408779A (zh) | 代客泊车算法仿真测试方法、装置及存储介质 | |
| EP3425339A1 (en) | Position estimating device, position estimating method and program | |
| CN113849969A (zh) | 毫米波雷达仿真方法、装置及电子设备 | |
| CN116167252B (zh) | 雷达配置信息的确定方法、装置、设备及存储介质 | |
| CN111651547B (zh) | 高精度地图数据的获取方法、装置及可读存储介质 | |
| CN112863219A (zh) | 位置更新方法、装置、存储介质及电子设备 | |
| CN111860074B (zh) | 目标对象检测方法及装置、驾驶控制方法及装置 | |
| CN113850909B (zh) | 点云数据处理方法、装置、电子设备及自动驾驶设备 | |
| CN116359942A (zh) | 点云数据的采集方法、设备、存储介质及程序产品 | |
| CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
| CN115061386A (zh) | 智能驾驶的自动化仿真测试系统及相关设备 | |
| CN111383337B (zh) | 用于识别对象的方法和装置 | |
| CN116834767A (zh) | 运动轨迹生成方法、装置、设备及存储介质 | |
| CN116500565B (zh) | 自动驾驶感知检测能力的评测方法、装置及设备 | |
| CN117292140B (zh) | 点云数据的处理方法、装置、车辆及存储介质 | |
| CN110779533A (zh) | 导航方法、系统和电子设备 |
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 |