CN116242410A - 一种标定方法、终端及计算机存储介质 - Google Patents

一种标定方法、终端及计算机存储介质 Download PDF

Info

Publication number
CN116242410A
CN116242410A CN202211098510.8A CN202211098510A CN116242410A CN 116242410 A CN116242410 A CN 116242410A CN 202211098510 A CN202211098510 A CN 202211098510A CN 116242410 A CN116242410 A CN 116242410A
Authority
CN
China
Prior art keywords
lanes
preset area
sensor
vehicle
determining
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.)
Granted
Application number
CN202211098510.8A
Other languages
English (en)
Other versions
CN116242410B (zh
Inventor
吴建康
王逸平
徐高伟
董树才
于诗梦
王鑫琛
邢少杰
陈大宇
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.)
Smart Motor Shanghai Robot Technology Co ltd
Zhejiang Zhima Intelligent Technology Co Ltd
Original Assignee
Smart Motor Shanghai Robot Technology Co ltd
Zhejiang Zhima Intelligent Technology 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 Smart Motor Shanghai Robot Technology Co ltd, Zhejiang Zhima Intelligent Technology Co Ltd filed Critical Smart Motor Shanghai Robot Technology Co ltd
Priority to CN202211098510.8A priority Critical patent/CN116242410B/zh
Publication of CN116242410A publication Critical patent/CN116242410A/zh
Application granted granted Critical
Publication of CN116242410B publication Critical patent/CN116242410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40Means for monitoring or calibrating
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请涉及一种标定方法、终端及计算机存储介质,其中,标定方法包括:根据预设场景中第一障碍物的分布信息及车辆的定位信息,确定第一障碍物在车辆坐标系下的第一位置;根据车辆的传感器在预设场景中的第一探测数据,确定第一位置对应的第二位置;在车辆坐标系中确定至少一个预设区域,根据预设区域及第二位置,确定传感器在预设区域的测量噪声协方差矩阵。本申请提供的标定方法、终端及计算机存储介质,通过预设场景标定车辆坐标系中各区域的测量噪声协方差矩阵,并在实际应用中,根据障碍物在车辆坐标系中所处的区域提供对应的测量噪声协方差矩阵,提高了测量噪声协方差矩阵的标定效率及准确性,提升了传感器数据融合结果的准确性。

Description

一种标定方法、终端及计算机存储介质
技术领域
本申请属于智能驾驶技术领域,尤其涉及一种标定方法、终端及计算机存储介质。
背景技术
在智能驾驶领域中,需使用多个传感器对环境进行探测,在对环境探测的过程中,各传感器对相同环境有不同的感知结果,各传感器的感知结果会存在较大的误差,需对不同传感器的感知结果进行融合,融合结果会比各传感器的感知结果具有更高的精度;以同一个障碍物的位置{x,y,z}举例,多个传感器对此障碍物感知到的位置{x,y,z}是不同的,而通过传感器融合算法会对每个传感器感知到的位置{x,y,z}做滤波运算,所得到的结果会更接近于真值。在多传感器融合的过程中,业界普遍使用的融合算法是卡尔曼滤波,而卡尔曼滤波算法在对不同传感器的感知结果进行融合时,需获得各传感器的测量噪声协方差矩阵;每个传感器会对自己探测到的障碍物位置的各维度(如x、y、z)以及各维度之间(如xy、xz、yz)有一个统计数据,这个统计数据包含了各维度(如x、y、z)的方差,各维度(如xy、xz、yz)之间的协方差,这些数据组合在一起就是测量噪声协方差矩阵。
目前测量噪声协方差矩阵的标定方法一般有如下两种:方案一,在车辆前方的特定位置放置静止障碍物,车辆静止采集该障碍物的位置信息,静止一段时间会采集到多帧结果,并对所采集到的结果进行统计,例如,可以获得多个{x,y,z},然后对采集到的所有x进行统计求出方差,对所有的y,z也可以同样求出方差,对x,y可以求出x,y之间的协方差,对于其他的组合也可以求出协方差,如此统计出一个测量噪声协方差矩阵;方案二,在车辆周围多个位置放置静止障碍物,自车静止采集多个障碍物的位置信息,一段时间后会采集到包含多个障碍物的多帧结果,并对所采集到结果进行统计,统计的方式与方案一相同,最终也可以统计出一个测量噪声协方差矩阵。
由于方案二考虑了不同位置的障碍物,故方案二得到的测量噪声协方差矩阵要比方案一的准确,但是目前的标定方法得到的测量噪声协方差矩阵都是一个固定不变的协方差矩阵。而传感器感知结果的准确度与障碍物和车辆的相对位置高度相关,如距离车辆越远的地方,障碍物位置的测量准确度越低,对应的位置数据的稳定性也就越低,反应到协方差矩阵上,矩阵中的数值会越大;距离车辆越近的地方,障碍物位置的测量准确度越高,对应的位置数据的稳定性也就越高,反应到协方差矩阵上,矩阵中的数值会越小;而分布在车辆前方两侧(如车辆前方非正中央的位置)的障碍物的位置测量准确度会比分布在车辆前方中央(如正前方)的障碍物的位置测量准确度低,反应在协方差矩阵中,分布在车辆两侧的障碍物的位置测量结果对应的协方差矩阵中的数值会比分布在车辆中央的障碍物的位置测量结果对应的协方差矩阵中的数值大。
故目前的标定方法得到的一个固定不变的测量噪声协方差矩阵,无法准确表示分布在车辆周围不同区域的障碍物的位置测量结果的误差,导致卡尔曼滤波最终输出的传感器数据融合结果不准确。
发明内容
针对上述技术问题,本申请提供一种标定方法、终端及计算机存储介质,以提高测量噪声协方差矩阵的标定效率及准确性,并提升传感器数据融合结果的准确性。
本申请提供了一种标定方法,包括:根据预设场景中第一障碍物的分布信息及车辆的定位信息,确定所述第一障碍物在车辆坐标系下的第一位置;根据车辆的传感器在所述预设场景中的第一探测数据,确定所述第一位置对应的第二位置;在所述车辆坐标系中确定至少一个预设区域,根据所述预设区域及所述第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵。
在一实施方式中,所述预设场景包括:平行设置的n条车道,以及放置于所述n条车道中的m条相邻车道上的r个第一障碍物;所述m条相邻车道中的任一车道上的第一障碍物之间的距离大于或等于所述车辆的前向传感器与后向传感器的最大探测距离中的最大值;所述m条相邻车道中的任一车道上的第一障碍物中心点的连线与对应车道的边界线平行;所述m条相邻车道中的各车道上的第一障碍物与各车道的同侧边界线的距离呈等差数列排列;其中,n、r为大于1的正整数,m为大于或等于1的正整数,n≥m。
在一实施方式中,所述预设场景包括:所述车辆在所述n条车道行驶;所述车辆在所述n条车道中的行驶方向交替变换。
在一实施方式中,所述预设场景还包括:平行设置的s条车道,以及分别放置于所述s条车道中的最外侧两条车道上的t个第一障碍物;所述最外侧两条车道中的任一车道上的第一障碍物在对应车道的宽度方向上的距离呈等差数列排列,相互平行且互不遮挡;所述最外侧两条车道中的任一车道上的第一障碍物与对应车道的起点、终点的最小距离分别大于或等于所述车辆的后向传感器、前向传感器的最大探测距离;所述最外侧两条车道上的第一障碍物的位置分布规律相反;其中,s、t为大于2的正整数。
在一实施方式中,所述预设场景包括:所述车辆在所述s条车道中的s-2条车道行驶,其中,所述s-2条车道不包括所述s条车道中的最外侧两条车道;所述车辆在所述s-2条车道中的行驶方向保持一致。
在一实施方式中,根据所述预设区域及所述第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵,包括:若所述预设区域包括多个第一位置,则根据所述预设区域中的第一位置及所述预设区域中的第一位置对应的第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵;若所述预设区域包括一个第一位置,则根据所述预设区域中的第一位置对应的第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵。
在一实施方式中,根据所述预设区域中的第一位置及所述预设区域中的第一位置对应的第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵,包括:根据所述预设区域中的第一位置的坐标及所述预设区域中的第一位置对应的第二位置的坐标,确定所述预设区域的绝对位置坐标;根据所述预设区域的绝对位置坐标,确定所述传感器在所述预设区域的测量噪声协方差矩阵。
在一实施方式中,在确定所述传感器在所述预设区域的测量噪声协方差矩阵之后,包括:根据所述传感器的第二探测数据,确定第二障碍物在所述车辆坐标系下的第三位置;根据所述第三位置对应的目标预设区域,确定目标测量噪声协方差矩阵;根据所述目标测量噪声协方差矩阵对所述第三位置进行修正。
本申请还提供了一种终端,所述终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述标定方法的步骤。
本申请还提供了一种计算机存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述标定方法的步骤。
本申请提供的一种标定方法、终端及计算机存储介质,通过预设场景,以及车辆边行驶边采集障碍物位置数据的形式,标定车辆坐标系中各区域的测量噪声协方差矩阵,可以快速采集到足够多的障碍物位置数据,并在实际应用中,根据障碍物在车辆坐标系中所处的区域提供对应的测量噪声协方差矩阵,提高了测量噪声协方差矩阵的标定效率及准确性,提升了传感器数据融合结果的准确性。
附图说明
图1是本申请实施例一提供的标定方法的流程示意图;
图2是本申请实施例一提供的预设场景的效果示意图一;
图3是本申请实施例一提供的预设场景的效果示意图二;
图4是本申请实施例一提供的车辆坐标系下的预设区域示意图;
图5是本申请实施例二提供的终端的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。除非另有定义,本申请所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1是本申请实施例一提供的标定方法的流程示意图。如图1所示,本申请的标定方法可以包括如下步骤:
步骤S101:根据预设场景中第一障碍物的分布信息及车辆的定位信息,确定第一障碍物在车辆坐标系下的第一位置;
在一实施方式中,预设场景包括:平行设置的n条车道,以及放置于n条车道中的m条相邻车道上的r个第一障碍物;
m条相邻车道中的任一车道上的第一障碍物之间的距离大于或等于车辆的前向传感器与后向传感器的最大探测距离中的最大值;
m条相邻车道中的任一车道上的第一障碍物中心点的连线与对应车道的边界线平行;
m条相邻车道中的各车道上的第一障碍物与各车道的同侧边界线的距离呈等差数列排列;
其中,n、r为大于1的正整数,m为大于或等于1的正整数,n≥m。
在一实施方式中,预设场景包括:车辆在n条车道行驶;车辆在n条车道中的行驶方向交替变换。
可选地,n条车道的宽度及长度都相同;r=2m,在m条相邻车道中各车道的起点、终点附近分别放置一个第一障碍物;为覆盖双向8车道的场景,优选地,n=13,m=5。图2列出了13条车道中最后5条放置第一障碍物的车道,如图2所示,同一车道的两个第一障碍物的中心点位于车道宽度的5等分的位置,自上而下,第一条车道的两个第一障碍物的中心点位于距离第一条车道的下侧边界线为车道宽度的1/5的位置,第二条车道的两个第一障碍物的中心点位于距离第二条车道的下侧边界线为车道宽度的2/5的位置,依次类推,第五条车道的两个第一障碍物的中心点位于距离第五条车道的下侧边界线为车道宽度的5/5的位置。车辆从第一条车道的左侧第一障碍物附近,沿着该车道中心线行驶到右侧第一障碍物附近,然后掉头从第二条车道的右侧第一障碍物附近,沿着该车道中心线行驶到左侧第一障碍物附近,不断交替变换行驶方向,直到到达最后一条车道右侧第一障碍物附近。
在一实施方式中,预设场景还包括:平行设置的s条车道,以及分别放置于s条车道中的最外侧两条车道上的t个第一障碍物;
最外侧两条车道中的任一车道上的第一障碍物在对应车道的宽度方向上的距离呈等差数列排列,相互平行且互不遮挡;
最外侧两条车道中的任一车道上的第一障碍物与对应车道的起点、终点的最小距离分别大于或等于车辆的后向传感器、前向传感器的最大探测距离;
最外侧两条车道上的第一障碍物的位置分布规律相反;
其中,s、t为大于2的正整数。
在一实施方式中,预设场景包括:车辆在s条车道中的s-2条车道行驶,其中,s-2条车道不包括s条车道中的最外侧两条车道;车辆在s-2条车道中的行驶方向保持一致。
可选地,s条车道的长度及宽度都相同,车道起点为车道中心线的起始点,车道终点为车道中心线的终止点;为覆盖双向8车道的场景,优选地,s=9,t=5。如图3所示,在最上侧车道和最下侧车道中分别放置5个第一障碍物,各车道上的第一障碍物的中心点分布在对应车道的车道宽度5等分的位置,最下侧车道中第一障碍物的中心点的位置自左向右依次自下向上排列,而最上侧车道中第一障碍物的中心点的位置自左向右依次自上向下排列,以最上侧车道为例,该车道中的第一障碍物的中心点自左向右依次自上向下分布在车道宽度1/5、2/5、3/5、4/5、5/5的位置,同车道的相邻两个第一障碍物之间的距离可适当放大,以互不遮挡为准。最上侧车道和最下侧车道中最左侧的障碍物距离对应车道起点的距离大于车辆前向传感器探测距离的最大值,最右侧的障碍物距离对应车道终点的距离大于车辆后向传感器探测距离的最大值。车辆分别从中间7条车道的起点行驶到终点。
可选地,以车辆中心为坐标原点,车辆行驶方向为x轴正方向,垂直于车辆行驶方向且由副驾驶指向正驾驶的方向为y轴正方向,x轴、y轴与坐标原点所在的平面与地面平行,垂直于车辆行驶方向且指向车辆上方的方向为z轴正方向,x轴、z轴与坐标原点所在的平面与地面垂直。由于第一障碍物在预设场景中的位置已知,结合车辆的实时定位,统计车辆行驶过程中第一障碍物与车辆的实时相对位置,即得到第一障碍物在车辆坐标系下的第一位置,也称真实位置。
步骤S102:根据车辆的传感器在预设场景中的第一探测数据,确定第一位置对应的第二位置;
可选地,车辆的传感器包括安装在车辆前方的前向传感器、安装在车辆后方的后向传感器,以及安装在车辆侧面的侧向传感器;传感器类型包括图像传感器、雷达传感器、超声波传感器等能够探测障碍物的传感器。车辆在上述预设场景行驶的过程中,车辆上的各传感器都不断探测各自探测范围内的第一障碍物的位置,得到多个第一障碍物的测量位置;由于第一障碍物的真实位置与测量位置之间的偏差小于预设偏差范围,根据预设偏差范围,将第一障碍物的第一位置与第一障碍物的测量位置进行匹配,确定第一障碍物在车辆坐标系下的第一位置对应的第二位置。
步骤S103:在车辆坐标系中确定至少一个预设区域,根据预设区域及第二位置,确定传感器在预设区域的测量噪声协方差矩阵。
可选地,图2、图3两种预设场景或两种预设场景相结合,从车辆前向传感器的最大探测距离到车辆后向传感器的最大探测距离,以及从车辆左侧8车道宽度到车辆右侧8车道宽度的范围内能够获取足够多的第一障碍物的第一位置及各传感器探测到的第一位置对应的第二位置。如图4所示,以车辆中心为坐标原点,x轴指向车辆行驶方向,y轴由副驾驶指向正驾驶,针对车辆前向传感器,在该传感器的探测范围内的任意一个预设区域都可以框选到足够多的第一障碍物的第一位置及车辆前向传感器探测到的该预设区域内的第一位置对应的第二位置,根据车辆前向传感器探测范围内的任意一个预设区域及对应预设区域内的第一位置对应的第二位置,就可以得到车辆前向传感器在对应预设区域的测量噪声协方差矩阵。可选地,预设区域为1m*1m的矩形框。
在一实施方式中,根据预设区域及第二位置,确定传感器在预设区域的测量噪声协方差矩阵,包括:
若预设区域包括多个第一位置,则根据预设区域中的第一位置及预设区域中的第一位置对应的第二位置,确定传感器在预设区域的测量噪声协方差矩阵;
若预设区域包括一个第一位置,则根据预设区域中的第一位置对应的第二位置,确定传感器在预设区域的测量噪声协方差矩阵。
在一实施方式中,根据预设区域中的第一位置及预设区域中的第一位置对应的第二位置,确定传感器在预设区域的测量噪声协方差矩阵,包括:
根据预设区域中的第一位置的坐标及预设区域中的第一位置对应的第二位置的坐标,确定预设区域的绝对位置坐标;
根据预设区域的绝对位置坐标,确定传感器在预设区域的测量噪声协方差矩阵。
可选地,在预设区域中的第一位置对应的第二位置的坐标的基础上减去该预设区域中的第一位置的坐标,得到该预设区域的绝对位置坐标。
在一实施方式中,在确定传感器在预设区域的测量噪声协方差矩阵之后,包括:
根据传感器的第二探测数据,确定第二障碍物在车辆坐标系下的第三位置;
根据第三位置对应的目标预设区域,确定目标测量噪声协方差矩阵;
根据目标测量噪声协方差矩阵对第三位置进行修正。
具体地,在传感器在车辆坐标系下的预设区域的测量噪声协方差矩阵标定完成之后,在实际应用过程中,根据传感器的第二探测数据,确定第二障碍物在车辆坐标系下的第三位置,并确定第三位置属于车辆坐标系中哪个预设区域,即第三位置对应的目标预设区域,将传感器在该目标预设区域的测量噪声协方差矩阵作为目标测量噪声协方差矩阵,根据目标测量噪声协方差矩阵对第三位置进行修正。
可选地,根据目标测量噪声协方差矩阵对第三位置进行修正,包括以下任一项:
利用同一传感器的目标测量噪声协方差矩阵,通过卡尔曼滤波,对同一传感器探测到的第三位置进行融合,确定第二障碍物在车辆坐标系下的第四位置;
利用多个传感器的目标测量噪声协方差矩阵,通过卡尔曼滤波,对多个传感器探测到的第三位置进行融合,确定第二障碍物在车辆坐标系下的第五位置。
本申请实施例一提供的标定方法,通过预设场景,以及车辆边行驶边采集障碍物位置数据的形式,标定车辆坐标系中各区域的测量噪声协方差矩阵,可以快速采集到足够多的障碍物位置数据,并在实际应用中,根据障碍物在车辆坐标系中所处的区域提供对应的测量噪声协方差矩阵,提高了测量噪声协方差矩阵的标定效率及准确性,提升了传感器数据融合结果的准确性。
图5是本申请实施二提供的终端的结构示意图。本申请的终端包括:处理器110、存储器111以及存储在存储器111中并可在处理器110上运行的计算机程序112。处理器110执行计算机程序112时实现上述标定方法实施例中的步骤。
终端可包括,但不仅限于,处理器110、存储器111。本领域技术人员可以理解,图5仅仅是终端的示例,并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端还可以包括输入输出设备、网络接入设备、总线等。
处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数词信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器111可以是终端的内部存储单元,例如终端的硬盘或内存。存储器111也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数词(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器111还可以既包括终端的内部存储单元也包括外部存储设备。存储器111用于存储计算机程序以及终端所需的其他程序和数据。存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
本申请还提供一种计算机存储介质,计算机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上述标定方法实施例中的步骤。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种标定方法,其特征在于,包括:
根据预设场景中第一障碍物的分布信息及车辆的定位信息,确定所述第一障碍物在车辆坐标系下的第一位置;
根据所述车辆的传感器在所述预设场景中的第一探测数据,确定所述第一位置对应的第二位置;
在所述车辆坐标系中确定至少一个预设区域,根据所述预设区域及所述第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵。
2.如权利要求1所述的标定方法,其特征在于,所述预设场景包括:平行设置的n条车道,以及放置于所述n条车道中的m条相邻车道上的r个第一障碍物;
所述m条相邻车道中的任一车道上的第一障碍物之间的距离大于或等于所述车辆的前向传感器与后向传感器的最大探测距离中的最大值;
所述m条相邻车道中的任一车道上的第一障碍物中心点的连线与对应车道的边界线平行;
所述m条相邻车道中的各车道上的第一障碍物与各车道的同侧边界线的距离呈等差数列排列;
其中,n、r为大于1的正整数,m为大于或等于1的正整数,n≥m。
3.如权利要求2所述的标定方法,其特征在于,所述预设场景包括:
所述车辆在所述n条车道行驶;
所述车辆在所述n条车道中的行驶方向交替变换。
4.如权利要求1所述的标定方法,其特征在于,所述预设场景还包括:平行设置的s条车道,以及分别放置于所述s条车道中的最外侧两条车道上的t个第一障碍物;
所述最外侧两条车道中的任一车道上的第一障碍物在对应车道的宽度方向上的距离呈等差数列排列,相互平行且互不遮挡;
所述最外侧两条车道中的任一车道上的第一障碍物与对应车道的起点、终点的最小距离分别大于或等于所述车辆的后向传感器、前向传感器的最大探测距离;
所述最外侧两条车道上的第一障碍物的位置分布规律相反;
其中,s、t为大于2的正整数。
5.如权利要求4所述的标定方法,其特征在于,所述预设场景包括:
所述车辆在所述s条车道中的s-2条车道行驶,其中,所述s-2条车道不包括所述s条车道中的最外侧两条车道;
所述车辆在所述s-2条车道中的行驶方向保持一致。
6.如权利要求1所述的标定方法,其特征在于,根据所述预设区域及所述第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵,包括:
若所述预设区域包括多个第一位置,则根据所述预设区域中的第一位置及所述预设区域中的第一位置对应的第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵;
若所述预设区域包括一个第一位置,则根据所述预设区域中的第一位置对应的第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵。
7.如权利要求6所述的标定方法,其特征在于,根据所述预设区域中的第一位置及所述预设区域中的第一位置对应的第二位置,确定所述传感器在所述预设区域的测量噪声协方差矩阵,包括:
根据所述预设区域中的第一位置的坐标及所述预设区域中的第一位置对应的第二位置的坐标,确定所述预设区域的绝对位置坐标;
根据所述预设区域的绝对位置坐标,确定所述传感器在所述预设区域的测量噪声协方差矩阵。
8.如权利要求1所述的标定方法,其特征在于,在确定所述传感器在所述预设区域的测量噪声协方差矩阵之后,包括:
根据所述传感器的第二探测数据,确定第二障碍物在所述车辆坐标系下的第三位置;
根据所述第三位置对应的目标预设区域,确定目标测量噪声协方差矩阵;
根据所述目标测量噪声协方差矩阵对所述第三位置进行修正。
9.一种终端,其特征在于,所述终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述标定方法的步骤。
10.一种计算机存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述标定方法的步骤。
CN202211098510.8A 2022-09-05 2022-09-05 一种标定方法、终端及计算机存储介质 Active CN116242410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211098510.8A CN116242410B (zh) 2022-09-05 2022-09-05 一种标定方法、终端及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211098510.8A CN116242410B (zh) 2022-09-05 2022-09-05 一种标定方法、终端及计算机存储介质

Publications (2)

Publication Number Publication Date
CN116242410A true CN116242410A (zh) 2023-06-09
CN116242410B CN116242410B (zh) 2023-12-19

Family

ID=86631871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211098510.8A Active CN116242410B (zh) 2022-09-05 2022-09-05 一种标定方法、终端及计算机存储介质

Country Status (1)

Country Link
CN (1) CN116242410B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124080A (ja) * 1994-10-20 1996-05-17 Honda Motor Co Ltd 車両の障害物検出装置
KR20150067682A (ko) * 2013-12-10 2015-06-18 현대모비스 주식회사 검출 영역을 최적화하는 장애물 추적 장치 및 방법
CN106772516A (zh) * 2016-12-01 2017-05-31 湖南大学 一种基于模糊理论的复合定位新方法
CN110488818A (zh) * 2019-08-08 2019-11-22 深圳市银星智能科技股份有限公司 一种基于激光雷达的机器人定位方法、装置和机器人
CN114061611A (zh) * 2021-11-17 2022-02-18 腾讯科技(深圳)有限公司 目标对象定位方法、装置、存储介质和计算机程序产品
CN114413934A (zh) * 2022-01-20 2022-04-29 北京经纬恒润科技股份有限公司 一种车辆定位系统校正方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124080A (ja) * 1994-10-20 1996-05-17 Honda Motor Co Ltd 車両の障害物検出装置
KR20150067682A (ko) * 2013-12-10 2015-06-18 현대모비스 주식회사 검출 영역을 최적화하는 장애물 추적 장치 및 방법
CN106772516A (zh) * 2016-12-01 2017-05-31 湖南大学 一种基于模糊理论的复合定位新方法
CN110488818A (zh) * 2019-08-08 2019-11-22 深圳市银星智能科技股份有限公司 一种基于激光雷达的机器人定位方法、装置和机器人
CN114061611A (zh) * 2021-11-17 2022-02-18 腾讯科技(深圳)有限公司 目标对象定位方法、装置、存储介质和计算机程序产品
CN114413934A (zh) * 2022-01-20 2022-04-29 北京经纬恒润科技股份有限公司 一种车辆定位系统校正方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周欣;黄席樾;: "基于卡尔曼滤波的车辆跟踪技术", 四川师范大学学报(自然科学版), vol. 31, no. 06, pages 766 - 769 *

Also Published As

Publication number Publication date
CN116242410B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
EP3683547B1 (en) Position capturing system and position capturing method
CN112577526B (zh) 一种多传感器融合定位的置信度计算方法及系统
CN111986512B (zh) 一种目标距离确定方法及装置
EP3736734A1 (en) Tracking device, tracking method and tracking system
EP3805698A1 (en) Gyro sensor calibration method
CN104677361A (zh) 一种综合定位的方法
CN113256729A (zh) 激光雷达与相机的外参标定方法、装置、设备及存储介质
CN111483464B (zh) 基于路侧单元的动态自动驾驶换道方法、设备、存储介质
CN114296095A (zh) 自动驾驶车辆的有效目标提取方法、装置、车辆及介质
JP7534651B2 (ja) 点群データの取得方法及び点群データ取得システム
CN115406440A (zh) 一种车辆定位校正方法、系统及电子设备
CN113936045B (zh) 路侧激光雷达点云配准方法及装置
CN110413942B (zh) 车道线方程筛选方法及其筛选模块
CN116242410B (zh) 一种标定方法、终端及计算机存储介质
JP2018055222A (ja) 走路検出方法及び走路検出装置
EP3623994A2 (en) Method, device, apparatus and storage medium for detecting a height of an obstacle
US20210365039A1 (en) Target tracking method and device
CN114019182B (zh) 零速状态检测方法、装置及电子设备
CN113203424B (zh) 多传感器的数据融合方法、装置及相关设备
CN115366899A (zh) 一种基于北斗的远程车载路径识别系统
CN112598314B (zh) 智能驾驶汽车的感知置信度确定方法、装置、设备及介质
JP7344744B2 (ja) 路側端検出方法、及び、路側端検出装置
CN111596288B (zh) 测量速度的方法、装置、车载终端和车载测速系统
CN113888602B (zh) 一种雷达车辆目标与视觉车辆目标的关联方法及装置
CN113658268B (zh) 摄像头标定结果的验证方法、装置及电子设备、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