CN116660873A - 一种激光传感器的精度补偿方法、装置、设备及存储介质 - Google Patents
一种激光传感器的精度补偿方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116660873A CN116660873A CN202310953895.XA CN202310953895A CN116660873A CN 116660873 A CN116660873 A CN 116660873A CN 202310953895 A CN202310953895 A CN 202310953895A CN 116660873 A CN116660873 A CN 116660873A
- Authority
- CN
- China
- Prior art keywords
- laser sensor
- distance
- measurement
- test parameters
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012360 testing method Methods 0.000 claims abstract description 97
- 238000005259 measurement Methods 0.000 claims abstract description 92
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 31
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提供了一种激光传感器的精度补偿方法、装置、设备及存储介质,涉及数据处理技术领域,方法包括:获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离;本发明可以有效提高激光传感器的测距精度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种激光传感器的精度补偿方法、装置、设备及存储介质。
背景技术
激光传感器的精度是其在实际应用中的重要指标之一,在基于出厂标定的回波强度-距离的对应关系进行测距时,由于激光传感器在使用中受测量条件的影响,使得其精度难以得到准确保证。
相关技术中,激光传感器的精度补偿方法是结合使用经验值对基于对回波强度计算得到的距离进行修正。虽然这样的方法可以在一定程度上提高精度,但其补偿精度仍有瓶颈。
因此,亟待对现有的激光传感器的精度补偿方式做出改进,能够提高激光传感器的测距准确度。
发明内容
本发明的目的在于提出一种激光传感器的精度补偿方法、装置、设备及存储介质,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,根据本发明的一方面,提供一种激光传感器的精度补偿方法,所述方法包括以下步骤:
获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;
基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;
基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;
基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离。
在一些实施例中,所述获取预先设置好的多组测试参数之前,所述方法还包括:
确定测试参数的类别;其中,所述测试参数的类别包括:激光传感器与漫反射板的距离、激光传感器的入射角和漫反射板的颜色;
获取所述激光传感器在每个类别的探测范围;
在所述探测范围内等间隔设置所述激光传感器的测试参数,得到三组测试参数。
在一些实施例中,所述确定激光传感器在每组测试参数下对应的回波强度,建立多组所述测试参数和所述回波强度的对应关系,包括:
从三组所述测试参数中选取一组测试参数作为变化因素,将剩余两组测试参数作为固定因素,得到三类测量场景;
按各类所述测量场景对应的测试参数分别对激光传感器与漫反射板进行标定,得到三类测量场景对应的标定参数;其中,所述标定参数包括标定距离、标定入射角和标定颜色;
分别测试激光传感器在三类测量场景对应的标定参数下的回波强度,得到三类所述测量场景和所述回波强度的对应关系。
在一些实施例中,所述基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型,包括:
基于所述回波强度确定所述激光传感器与所述漫反射板之间的理论距离,确定所述理论距离和标定距离之间的距离偏差;
建立每类测量场景和距离偏差的对应关系,得到三组测试数据;其中,每组测试数据包含一组测试参数和距离偏差的对应关系;
利用机器学习算法分别对三组测试数据进行训练,得到精度补偿模型。
在一些实施例中,所述利用机器学习算法分别对三组测试数据进行训练,得到精度补偿模型,包括:
对于每组测试数据,获取测量场景中作为变化因素的测试参数和距离偏差的对应关系;
基于所述测试参数对所述距离偏差进行数据降维处理,得到多组样本数据;
将每组样本数据输入机器学习模型进行训练,确定每类测量场景对应的数学模型;
将每类测量场景对应的数学模型组合为精度补偿模型。
在一些实施例中,所述基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离,包括:
确定所述激光传感器在测距时对应的测量场景;
获取所述激光传感器测量的检测距离,基于所述测量场景对应的数学模型确定所述检测距离对应的修正值;
基于所述修正值对所述检测距离进行精度修正,得到最终距离。
在一些实施例中,所述激光传感器包括感光单元阵列,所述感光单元阵列包括N个感光单元,N为大于等于1的整数,所述获取所述激光传感器测量的检测距离,包括:
获取所述激光传感器测量的检测强度;
基于所述检测强度确定被激光信号照射的感光单元,作为目标感光单元;
确定所述目标感光单元与所述感光单元阵列的预定位置之间的距离,作为目标距离;
基于所述目标距离确定所述激光传感器测量的检测距离。
为实现上述目的,本发明实施例的第二方面提出了一种激光传感器的精度补偿装置,所述装置包括:
第一模块,用于获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;
第二模块,用于基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;
第三模块,用于基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;
第四模块,用于基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离。
为实现上述目的,本发明实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现上述第一方面所述的方法。
为实现上述目的,本发明实施例的第四方面提出了一种计算机可读存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述第一方面所述的方法。
根据本发明实施例提供的方案,根据影响所述激光传感器测距精度的物理因素,确定出多个测量场景;通过测试不同测量场景下的回波强度,得到回波强度和各个测量场景的对应关系,建立多个所述测量场景下的精度补偿模型;进而通过精度补偿模型对激光传感器测量的距离进行精度补偿,有效提高了激光传感器的测距精度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中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性的前提下,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激光传感器的精度补偿方法的流程图;
图2是本发明实施例提供的激光传感器的精度补偿装置的结构示意图;
图3是本发明实施例提供的电子设备的硬件结构示意图。
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用以解释本发明,并不用于限定本发明。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
首先,对本发明中涉及的若干名词进行解析:
激光测距传感器:先由激光二极管对准目标发射激光脉冲。经目标反射后激光向各方向散射。部分散射光返回到传感器接收器,被光学系统接收后成像到雪崩光电二极管上。雪崩光电二极管是一种内部具有放大功能的光学传感器,因此它能检测极其微弱的光信号。记录并处理从光脉冲发出到返回被接收所经历的时间,即可测定目标距离。
为解决背景技术中的问题,本发明实施例提供一种激光传感器的精度补偿方法、装置、设备及存储介质,具体通过如下实施例进行说明,首先描述本发明实施例中激光传感器的精度补偿方法。
如图1所示为一种激光传感器的精度补偿方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种激光传感器的精度补偿方法,所述方法包括以下步骤:
S100,获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;
S200,基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;
S300,基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;
S400,基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离。
本发明提供的实施例中,根据影响所述激光传感器测距精度的物理因素,确定出多个测量场景;通过测试不同测量场景下的回波强度,得到回波强度和各个测量场景的对应关系,建立多个所述测量场景下的精度补偿模型;进而通过精度补偿模型对激光传感器测量的距离进行精度补偿,有效提高了激光传感器的测距精度。
需要说明的是,激光传感测量通常包含距离和强度两个信息。强度信息是从物体表面反射的强度。进行物理分析时,强度由三个因素决定:物体的反射率、距离、入射角。
作为上述实施例的改进,所述获取预先设置好的多组测试参数之前,所述方法还包括:
S110,确定测试参数的类别;其中,所述测试参数的类别包括:激光传感器与漫反射板的距离、激光传感器的入射角和漫反射板的颜色;
S120,获取所述激光传感器在每个类别的探测范围;
具体地,获取激光传感器的测距范围、入射角范围和可探测颜色的频率分布范围;
S130,在所述探测范围内等间隔设置所述激光传感器的测试参数,得到三组测试参数。
具体地,在所述测距范围内等间隔设置所述激光传感器与漫反射板的距离、在所述入射角范围内等间隔设置所述激光传感器的入射角,在所述频率分布范围内对所述漫反射板等间隔设置不同频率的颜色。
作为上述实施例的改进,S200中,所述确定激光传感器在每组测试参数下对应的回波强度,建立多组所述测试参数和所述回波强度的对应关系,包括:
S210,从三组所述测试参数中选取一组测试参数作为变化因素,将剩余两组测试参数作为固定因素,得到三类测量场景;
需要说明的是,每组测试参数均包含多个测试参数,在一些实施例中,激光传感器与漫反射板的距离共m个,激光传感器的入射角共n个,漫反射板的颜色共p个;则如果选取激光传感器与漫反射板的距离作为变化因素,则对应的测量场景包含n*p个组合;如果选取激光传感器的入射角作为变化因素,则对应的测量场景包含m*p个组合;如果选取漫反射板的颜色作为变化因素,则对应的测量场景包含m*n个组合;
S220,按各类所述测量场景对应的测试参数分别对激光传感器与漫反射板进行标定,得到三类测量场景对应的标定参数;其中,所述标定参数包括标定距离、标定入射角和标定颜色;
S230,分别测试激光传感器在三类测量场景对应的标定参数下的回波强度,得到三类所述测量场景和所述回波强度的对应关系。
需要说明的是,激光传感器发射的激光波强度始终保持一致,在标定环节中,应当选择高精度、高稳定性的仪器对激光传感器与漫反射板的距离、激光传感器的入射角进行标定,以确保测试时激光传感器与漫反射板的距离、激光传感器的入射角和漫反射板的颜色的准确性和可靠性;在实际测试中,应当依据测试需要,在激光传感器的测距范围内按设定的间隔设置多个距离,在激光传感器的入射角范围内按设定的角度间隔设置多个入射角,在颜色的频率分布范围内按设定的频率设置多个漫反射板的颜色,确保得到足够多的测试数据;在一些实施例中,在保持激光传感器的入射角和漫反射板的颜色不变的情况下,按设定的间隔调整激光传感器与漫反射板的距离,得到一组测试数据;在保持激光传感器与漫反射板的距离和漫反射板的颜色不变的情况下,按设定的间隔调整激光传感器的入射角,得到一组测试数据;在保持激光传感器与漫反射板的距离和漫反射板的颜色不变的情况下,按设定的间隔调整激光传感器的入射角,得到一组测试数据。在记录测试数据时,通过标准化的方法,确保得到的数据准确,避免人为因素的干扰。
作为上述实施例的改进,S300中,所述基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型,包括:
S310,基于所述回波强度确定所述激光传感器与所述漫反射板之间的理论距离,确定所述理论距离和标定距离之间的距离偏差;
S320,建立每类测量场景和距离偏差的对应关系,得到三组测试数据;其中,每组测试数据包含一组测试参数和距离偏差的对应关系;
S330,利用机器学习算法分别对三组测试数据进行训练,得到精度补偿模型。
需要说明的是,本实施例中,精度补偿模型包括样本数据和距离的数学模型、样本数据和入射角的数学模型、以及样本数据和颜色的数学模型。
作为上述实施例的改进,S330中,所述利用机器学习算法分别对三组测试数据进行训练,得到精度补偿模型,包括:
S331,对于每组测试数据,获取测量场景中作为变化因素的测试参数和距离偏差的对应关系;
S332,基于所述测试参数对所述距离偏差进行数据降维处理,得到多组样本数据;
需要说明的是,在完成测试数据的分类后,需要对多维测试数据进行降维处理,将其换为二维或三维数据,可以采用以下方法进行:
主成分分析法(PCA):这是一种最常见的降维方法。可以将高维数据集转化为低维数据集,同时尽可能地保留样本的特征信息。首先通过协方差矩阵求解出数据的主成分,并将较小的特征值舍弃,从而达到降维的目的。
线性判别分析法(LDA):与PCA不同的是,LDA是基于类别标签信息对数据进行投影的。
S333,将每组样本数据输入机器学习模型进行训练,确定每类测量场景对应的数学模型;
S334,将每类测量场景对应的数学模型组合为精度补偿模型。
需要说明的是,在以上过程中,精度补偿模型是关键,通过精度补偿模型能够准确地计算出每类数据对应的误差修正值。为此,可以利用机器学习等方法训练精度补偿模型,使其能够更好地适应实际情况。在一些实施例中,利用机器学习模型,如神经网络、支持向量机等,对不同样本数据进行训练,并据此确定每类测量场景对应的精度补偿模型。所述机器学习模型的输入是测试参数,输出是降维后的距离偏差。
作为上述实施例的改进,S400中,所述基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离,包括:
S410,确定所述激光传感器在测距时对应的测量场景;
S420,获取所述激光传感器测量的检测距离,基于所述测量场景对应的数学模型确定所述检测距离对应的修正值;
S430,基于所述修正值对所述检测距离进行精度修正,得到最终距离。
本实施例中,在精度补偿处理之前,根据测量场景将检测距离分为不同的类别,然后根据每类测量场景对应的修正值对检测距离进行修正,并得到经过精度补偿后的数据。需要说明的是,激光传感器在测距时对应的测量场景可以是一类或多类,如果是多类测量场景,则将每类测量场景对应的修正值对检测距离进行修正,得到最终距离。
作为上述实施例的改进,所述激光传感器包括感光单元阵列,所述感光单元阵列包括N个感光单元,N为大于等于1的整数,S420中,获取所述激光传感器测量的检测距离,包括:
S421,获取所述激光传感器测量的检测强度;
S422,基于所述检测强度确定被激光信号照射的感光单元,作为目标感光单元;
S423,确定所述目标感光单元与所述感光单元阵列的预定位置之间的距离,作为目标距离;
S424,基于所述目标距离确定所述激光传感器测量的检测距离。
在一些实施例中,按照如下公式计算所述激光传感器与所述漫反射板之间的检测距离q:
q=f*s/x;
其中,f是所述感光单元阵列的等效焦距,s是基线,x为目标距离。
请参阅图2,本发明实施例还提供一种激光传感器的精度补偿装置,该激光传感器的精度补偿装置包括:
第一模块100,用于获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;
第二模块200,用于基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;
第三模块300,用于基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;
第四模块400,用于基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离。
本发明实施例还提供了一种电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,程序被处理器执行时实现上述激光传感器的精度补偿方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
需要说明的是,本发明提供的电子设备可以是服务器端,所述服务器端与各个客户端通过无线网络连接,所述服务器端通过有线网络或无线网络与各个存储服务器连接。
请参阅图3,图3示意了另一实施例的电子设备的硬件结构,所述电子设备包括:
处理器301,可以采用通用的CPU(Central-Processing-Unit,中央处理器)、微处理器、应用专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本发明实施例所提供的技术方案;
存储器302,可以采用只读存储器(Read-Only-Memory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random-Access-Memory,RAM)等形式实现。存储器302可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器302中,并由处理器301来调用执行本发明实施例的激光传感器的精度补偿方法;
输入/输出接口303,用于实现信息输入及输出;
通信接口304,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线305,在设备的各个组件(例如处理器301、存储器302、输入/输出接口303和通信接口304)之间传输信息;
其中处理器301、存储器302、输入/输出接口303和通信接口304通过总线305实现彼此之间在设备内部的通信连接。
本发明实施例还提供了一种计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述激光传感器的精度补偿方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。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。
本发明实施例描述的实施例是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,附图中的技术方案并不构成对本发明实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。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实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本发明的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本发明中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本发明实施例的优选实施例,并非因此局限本发明实施例的权利范围。本领域技术人员不脱离本发明实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本发明实施例的权利范围之内。
Claims (10)
1.一种激光传感器的精度补偿方法,其特征在于,所述方法包括以下步骤:
获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;
基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;
基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;
基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离。
2.根据权利要求1所述的一种激光传感器的精度补偿方法,其特征在于,所述获取预先设置好的多组测试参数之前,所述方法还包括:
确定测试参数的类别;其中,所述测试参数的类别包括:激光传感器与漫反射板的距离、激光传感器的入射角和漫反射板的颜色;
获取所述激光传感器在每个类别的探测范围;
在所述探测范围内等间隔设置所述激光传感器的测试参数,得到三组测试参数。
3.根据权利要求1所述的一种激光传感器的精度补偿方法,其特征在于,所述确定激光传感器在每组测试参数下对应的回波强度,建立多组所述测试参数和所述回波强度的对应关系,包括:
从三组所述测试参数中选取一组测试参数作为变化因素,将剩余两组测试参数作为固定因素,得到三类测量场景;
按各类所述测量场景对应的测试参数分别对激光传感器与漫反射板进行标定,得到三类测量场景对应的标定参数;其中,所述标定参数包括标定距离、标定入射角和标定颜色;
分别测试激光传感器在三类测量场景对应的标定参数下的回波强度,得到三类所述测量场景和所述回波强度的对应关系。
4.根据权利要求3所述的一种激光传感器的精度补偿方法,其特征在于,所述基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型,包括:
基于所述回波强度确定所述激光传感器与所述漫反射板之间的理论距离,确定所述理论距离和标定距离之间的距离偏差;
建立每类测量场景和距离偏差的对应关系,得到三组测试数据;其中,每组测试数据包含一组测试参数和距离偏差的对应关系;
利用机器学习算法分别对三组测试数据进行训练,得到精度补偿模型。
5.根据权利要求4所述的一种激光传感器的精度补偿方法,其特征在于,所述利用机器学习算法分别对三组测试数据进行训练,得到精度补偿模型,包括:
对于每组测试数据,获取测量场景中作为变化因素的测试参数和距离偏差的对应关系;
基于所述测试参数对所述距离偏差进行数据降维处理,得到多组样本数据;
将每组样本数据输入机器学习模型进行训练,确定每类测量场景对应的数学模型;
将每类测量场景对应的数学模型组合为精度补偿模型。
6.根据权利要求5所述的一种激光传感器的精度补偿方法,其特征在于,所述基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离,包括:
确定所述激光传感器在测距时对应的测量场景;
获取所述激光传感器测量的检测距离,基于所述测量场景对应的数学模型确定所述检测距离对应的修正值;
基于所述修正值对所述检测距离进行精度修正,得到最终距离。
7.根据权利要求6所述的一种激光传感器的精度补偿方法,其特征在于,所述激光传感器包括感光单元阵列,所述感光单元阵列包括N个感光单元,N为大于等于1的整数,所述获取所述激光传感器测量的检测距离,包括:
获取所述激光传感器测量的检测强度;
基于所述检测强度确定被激光信号照射的感光单元,作为目标感光单元;
确定所述目标感光单元与所述感光单元阵列的预定位置之间的距离,作为目标距离;
基于所述目标距离确定所述激光传感器测量的检测距离。
8.一种激光传感器的精度补偿装置,其特征在于,所述装置包括:
第一模块,用于获取预先设置好的多组测试参数;其中,所述测试参数为影响所述激光传感器测距精度的物理因素;
第二模块,用于基于所述多组测试参数确定多类测量场景,确定激光传感器在每类测量场景下对应的回波强度,建立多个所述测量场景和所述回波强度的对应关系;
第三模块,用于基于多个所述测量场景和所述回波强度的对应关系建立精度补偿模型;
第四模块,用于基于所述精度补偿模型对所述激光传感器测量的距离进行精度修正,作为所述激光传感器的最终距离。
9.一种电子设备,其特征在于,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310953895.XA CN116660873B (zh) | 2023-08-01 | 2023-08-01 | 一种激光传感器的精度补偿方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310953895.XA CN116660873B (zh) | 2023-08-01 | 2023-08-01 | 一种激光传感器的精度补偿方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116660873A true CN116660873A (zh) | 2023-08-29 |
CN116660873B CN116660873B (zh) | 2023-11-03 |
Family
ID=87722876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310953895.XA Active CN116660873B (zh) | 2023-08-01 | 2023-08-01 | 一种激光传感器的精度补偿方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116660873B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140002806A1 (en) * | 2011-03-22 | 2014-01-02 | Leica Geosystems Ag | Electro-optical distance measuring device with a gesture-based measurement trigger that functions without contacting the measuring device |
US20170328992A1 (en) * | 2016-05-11 | 2017-11-16 | Samsung Electronics Co., Ltd. | Distance sensor, and calibration method performed by device and system including the distance sensor |
CN110058254A (zh) * | 2019-04-22 | 2019-07-26 | 中国科学院上海光学精密机械研究所 | 脉冲激光测距回波时刻解算方法、系统及终端 |
CN110275155A (zh) * | 2018-12-24 | 2019-09-24 | 北京航空航天大学 | 一种地基激光雷达强度数据的自校正方法 |
US20200041652A1 (en) * | 2018-07-31 | 2020-02-06 | Uatc, Llc | Object detection based on lidar intensity |
CN111856434A (zh) * | 2019-04-29 | 2020-10-30 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法、装置、计算机设备和存储介质 |
CN111983625A (zh) * | 2020-07-20 | 2020-11-24 | 重庆邮电大学 | 一种基于gabp的脉冲激光测距误差补偿方法 |
CN112363149A (zh) * | 2020-11-06 | 2021-02-12 | 深圳奥锐达科技有限公司 | 激光雷达的测距误差标定系统和标定方法 |
CN113138373A (zh) * | 2021-03-31 | 2021-07-20 | 苏州玖物互通智能科技有限公司 | 激光雷达测量值修正方法、误差补偿模型以及激光雷达 |
CN113466836A (zh) * | 2021-06-23 | 2021-10-01 | 深圳市欢创科技有限公司 | 一种测距方法、装置及激光雷达 |
WO2021195831A1 (zh) * | 2020-03-30 | 2021-10-07 | 深圳市大疆创新科技有限公司 | 反射率的实时测量方法、装置、可移动平台和计算机可读存储介质 |
CN113748359A (zh) * | 2020-03-27 | 2021-12-03 | 深圳市速腾聚创科技有限公司 | 基于连续波测距的补偿方法、装置和激光雷达 |
CN115097420A (zh) * | 2022-05-13 | 2022-09-23 | 深圳市恒天伟焱科技股份有限公司 | 基于ad数据的激光测距仪信号校准方法、装置及电子设备 |
CN115656992A (zh) * | 2022-11-03 | 2023-01-31 | 武汉万集光电技术有限公司 | 一种激光设备的反射率标定系统、方法及可读存储介质 |
WO2023004628A1 (zh) * | 2021-07-28 | 2023-02-02 | 深圳市速腾聚创科技有限公司 | 反射率校正方法、装置、计算机可读存储介质及终端设备 |
CN115685159A (zh) * | 2022-09-30 | 2023-02-03 | 国科光芯(海宁)科技股份有限公司 | 雷达模组的数据标定方法及装置、系统、设备、存储介质 |
WO2023024493A1 (zh) * | 2021-08-23 | 2023-03-02 | 上海禾赛科技有限公司 | 用于激光雷达的信号处理方法、探测方法以及激光雷达 |
CN115754994A (zh) * | 2022-09-29 | 2023-03-07 | 深圳越登智能技术有限公司 | 激光雷达误差标定方法、装置、设备及存储介质 |
WO2023050905A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海禾赛科技有限公司 | 激光雷达的校准方法、激光雷达以及校准系统 |
CN116008966A (zh) * | 2022-12-08 | 2023-04-25 | 武汉万集光电技术有限公司 | 一种激光雷达的采集脉宽修正信息的方法及系统 |
CN116008964A (zh) * | 2021-10-24 | 2023-04-25 | 北醒(北京)光子科技有限公司 | 激光雷达及其反射率标定方法和反射率测量方法 |
CN116087967A (zh) * | 2022-12-06 | 2023-05-09 | 深圳深浦电气有限公司 | 激光测距传感器的校正方法、装置及激光测距传感器 |
DE102021212628A1 (de) * | 2021-11-10 | 2023-05-11 | Zf Friedrichshafen Ag | Prüf- und/oder Kalibrieraufbau |
-
2023
- 2023-08-01 CN CN202310953895.XA patent/CN116660873B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140002806A1 (en) * | 2011-03-22 | 2014-01-02 | Leica Geosystems Ag | Electro-optical distance measuring device with a gesture-based measurement trigger that functions without contacting the measuring device |
US20170328992A1 (en) * | 2016-05-11 | 2017-11-16 | Samsung Electronics Co., Ltd. | Distance sensor, and calibration method performed by device and system including the distance sensor |
US20200041652A1 (en) * | 2018-07-31 | 2020-02-06 | Uatc, Llc | Object detection based on lidar intensity |
CN110275155A (zh) * | 2018-12-24 | 2019-09-24 | 北京航空航天大学 | 一种地基激光雷达强度数据的自校正方法 |
CN110058254A (zh) * | 2019-04-22 | 2019-07-26 | 中国科学院上海光学精密机械研究所 | 脉冲激光测距回波时刻解算方法、系统及终端 |
CN111856434A (zh) * | 2019-04-29 | 2020-10-30 | 深圳市速腾聚创科技有限公司 | 激光雷达标定方法、装置、计算机设备和存储介质 |
CN113748359A (zh) * | 2020-03-27 | 2021-12-03 | 深圳市速腾聚创科技有限公司 | 基于连续波测距的补偿方法、装置和激光雷达 |
WO2021195831A1 (zh) * | 2020-03-30 | 2021-10-07 | 深圳市大疆创新科技有限公司 | 反射率的实时测量方法、装置、可移动平台和计算机可读存储介质 |
CN111983625A (zh) * | 2020-07-20 | 2020-11-24 | 重庆邮电大学 | 一种基于gabp的脉冲激光测距误差补偿方法 |
WO2022095247A1 (zh) * | 2020-11-06 | 2022-05-12 | 深圳奥锐达科技有限公司 | 激光雷达的测距误差标定系统和标定方法 |
CN112363149A (zh) * | 2020-11-06 | 2021-02-12 | 深圳奥锐达科技有限公司 | 激光雷达的测距误差标定系统和标定方法 |
CN113138373A (zh) * | 2021-03-31 | 2021-07-20 | 苏州玖物互通智能科技有限公司 | 激光雷达测量值修正方法、误差补偿模型以及激光雷达 |
CN113466836A (zh) * | 2021-06-23 | 2021-10-01 | 深圳市欢创科技有限公司 | 一种测距方法、装置及激光雷达 |
WO2023004628A1 (zh) * | 2021-07-28 | 2023-02-02 | 深圳市速腾聚创科技有限公司 | 反射率校正方法、装置、计算机可读存储介质及终端设备 |
WO2023024493A1 (zh) * | 2021-08-23 | 2023-03-02 | 上海禾赛科技有限公司 | 用于激光雷达的信号处理方法、探测方法以及激光雷达 |
WO2023050905A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海禾赛科技有限公司 | 激光雷达的校准方法、激光雷达以及校准系统 |
CN116008964A (zh) * | 2021-10-24 | 2023-04-25 | 北醒(北京)光子科技有限公司 | 激光雷达及其反射率标定方法和反射率测量方法 |
DE102021212628A1 (de) * | 2021-11-10 | 2023-05-11 | Zf Friedrichshafen Ag | Prüf- und/oder Kalibrieraufbau |
CN115097420A (zh) * | 2022-05-13 | 2022-09-23 | 深圳市恒天伟焱科技股份有限公司 | 基于ad数据的激光测距仪信号校准方法、装置及电子设备 |
CN115754994A (zh) * | 2022-09-29 | 2023-03-07 | 深圳越登智能技术有限公司 | 激光雷达误差标定方法、装置、设备及存储介质 |
CN115685159A (zh) * | 2022-09-30 | 2023-02-03 | 国科光芯(海宁)科技股份有限公司 | 雷达模组的数据标定方法及装置、系统、设备、存储介质 |
CN115656992A (zh) * | 2022-11-03 | 2023-01-31 | 武汉万集光电技术有限公司 | 一种激光设备的反射率标定系统、方法及可读存储介质 |
CN116087967A (zh) * | 2022-12-06 | 2023-05-09 | 深圳深浦电气有限公司 | 激光测距传感器的校正方法、装置及激光测距传感器 |
CN116008966A (zh) * | 2022-12-08 | 2023-04-25 | 武汉万集光电技术有限公司 | 一种激光雷达的采集脉宽修正信息的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116660873B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180164417A1 (en) | Method of error correction for 3d imaging device | |
CN110084262B (zh) | 用于光谱量化的减少的误报识别 | |
JP7228585B2 (ja) | 分析測定を行うための方法および装置 | |
US5889582A (en) | Image-directed active range finding system | |
US10928490B2 (en) | Lidar calibration | |
CN111372005B (zh) | Tof摄像模组自动曝光补偿方法及其系统 | |
CN112965048B (zh) | 激光测距误差校正方法、装置、电子设备和存储介质 | |
CN116008964A (zh) | 激光雷达及其反射率标定方法和反射率测量方法 | |
CN113748359B (zh) | 基于连续波测距的补偿方法、装置和激光雷达 | |
CN111337910A (zh) | 一种雷达检验方法及装置 | |
CN116429260A (zh) | 光谱仪的波长标定方法、装置、设备及可读存储介质 | |
CN111854966A (zh) | 温度测量方法、装置、可穿戴设备和介质 | |
CN116660873B (zh) | 一种激光传感器的精度补偿方法、装置、设备及存储介质 | |
CN111157115B (zh) | 一种水下布里渊散射光谱获取方法及装置 | |
CN112014829B (zh) | 一种激光雷达扫描仪的性能指标测试方法与装置 | |
US8333876B2 (en) | Ion concentration measurement system and methods thereof | |
CN110174711A (zh) | 终端设备及其异物检测结果评价方法、计算机存储介质 | |
CN217981856U (zh) | 激光雷达测试系统及车辆 | |
CN111815552A (zh) | 一种工件检测方法、装置、可读存储介质及终端设备 | |
CN113405664B (zh) | 一种测温方法、测温设备及机器可读存储介质 | |
CN113795748A (zh) | 用于配置光谱测定装置的方法 | |
CN112763998A (zh) | 用于确定雷达目标列表的设备、传感器系统及方法 | |
CN113899739B (zh) | 动态光学信号处理方法、装置、设备及存储介质 | |
CN111750781B (zh) | 一种基于ccd的自动测试系统及其方法 | |
CN116299497B (zh) | 光学检测的方法、装置和计算机可读存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 528000 101 and 301, ladder 1, building 8, shengyueyuan, No. 33, shunye East Road, Xingtan town, Shunde District, Foshan City, Guangdong Province Patentee after: Guangdong Xingsong Technology Co.,Ltd. Address before: 528000 101 and 301, ladder 1, building 8, shengyueyuan, No. 33, shunye East Road, Xingtan town, Shunde District, Foshan City, Guangdong Province Patentee before: FOSHAN HINSON ROBOT TECHNOLOGY CO.,LTD. |
|
CP01 | Change in the name or title of a patent holder |