CN117007083A - 车辆测距能力评估方法及其系统、设备、介质 - Google Patents
车辆测距能力评估方法及其系统、设备、介质 Download PDFInfo
- Publication number
- CN117007083A CN117007083A CN202311231104.9A CN202311231104A CN117007083A CN 117007083 A CN117007083 A CN 117007083A CN 202311231104 A CN202311231104 A CN 202311231104A CN 117007083 A CN117007083 A CN 117007083A
- Authority
- CN
- China
- Prior art keywords
- ranging
- values
- preset
- deviation
- function
- 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 62
- 238000009826 distribution Methods 0.000 claims abstract description 78
- 238000005259 measurement Methods 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims description 110
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 6
- 230000008447 perception Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 5
- 230000033772 system development Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开一种车辆测距能力评估方法及其系统、设备、介质,包括:获取q个待测距离对应的q个相对真值和q组测量结果,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的;将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;确定q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征;基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果。根据本申请,能够对智能车辆的测距能力进行准确有效评估。
Description
技术领域
本申请属于车辆控制技术领域,尤其涉及一种车辆测距能力评估方法及其系统、设备、介质。
背景技术
目前,随着感知、控制、计算机、传感、人工智能等相关科学与技术的进步,智能驾驶车辆已进入人们的生活中,将会影响与改变人类未来交通与通行方式。
但目前智能驾驶技术还未成熟,基于现实交通环境的复杂与多变性以及感知技术的局限,以及人员误用或误操作等多种因素的影响,智能车辆的智能驾驶功能还存在大量安全隐患,尤其是智能车辆的智能驾驶功能不足或性能局限,例如智能车辆在测距能力上的不足。因此,如何对智能车辆的测距能力进行评估,是当前亟需解决的问题。
发明内容
本申请实施例提供一种车辆测距能力评估方法及其系统、设备、介质,能够对智能车辆的测距能力进行准确有效评估。
第一方面,本申请实施例提供一种车辆测距能力评估方法,该方法包括:获取q个待测距离对应的q个相对真值和q组测量结果,其中,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的,q为正整数;将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;确定q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征;基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果。
在第一方面的一些可实现方式中,基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果,包括:基于分布特征,确定在不同预设相对真值下目标测距偏差的分布离散度或者分布偏差度,得到评估结果。
在第一方面的一些可实现方式中,对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能对应的目标测距偏差,包括:基于q个测距偏差均值和q个相对真值,确定第一参数;基于q个测距偏差方差和q个相对真值,确定第二参数;结合第一参数和第二参数,得到目标函数;基于目标函数,确定感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征。
在第一方面的一些可实现方式中,目标函数为高斯函数,分布特征为正态分布,基于q个测距偏差均值和q个相对真值,确定第一参数,包括:获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值,k为正整数;基于k个预设取值、q个测距偏差均值和q个相对真值,确定第一参数。
在第一方面的一些可实现方式中,基于k个预设取值、q个测距偏差均值和q个相对真值,确定第一参数,包括:对于每个预设取值,基于预设取值、q个测距偏差均值以及q个相对真值,计算预设取值对应的第一系数,得到k个预设取值的k个第一系数;获取预设相对真值为底数,k个预设取值分别为指数时的k个幂;将每个预设取值对应的第一系数和幂相乘,得到第一乘积;将k个预设取值对应的k个第一乘积相加,得到第一参数。
在第一方面的一些可实现方式中,基于q个测距偏差方差和q个相对真值,确定第二参数,包括:获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值;基于k个预设取值、q个测距偏差方差和q个相对真值,确定第二参数。
在第一方面的一些可实现方式中,基于k个预设取值、q个测距偏差方差和q个相对真值,确定第二参数,包括:对于每个预设取值,基于预设取值、q个测距偏差方差以及q个相对真值,计算预设取值对应的第二系数,得到k个预设取值的k个第二系数;获取预设相对真值为底数,k个预设取值分别为指数时的k个幂;将每个预设取值对应的第二系数和幂相乘,得到第二乘积;将k个预设取值对应的k个第二乘积相加,得到第二参数。
第二方面,本申请实施例提供了一种车辆测距能力评估系统,该系统包括:获取模块,用于获取q个待测距离对应的q个相对真值和q组测量结果,其中,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的,q为正整数;运算模块,用于将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;确定模块,用于确定q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;分析模块,用于对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征;评估模块,用于基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果。
在第二方面的一些可实现方式中,评估模块具体用于:基于分布特征,确定在不同预设相对真值下目标测距偏差的分布离散度或者分布偏差度,得到评估结果。
在第二方面的一些可实现方式中,分析模块包括:确定单元,用于基于q个测距偏差均值和q个相对真值,确定第一参数;确定单元,还用于基于q个测距偏差方差和q个相对真值,确定第二参数;确定单元,还用于结合第一参数和第二参数,得到目标函数;计算单元,用于基于目标函数,确定感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征。
在第二方面的一些可实现方式中,确定单元包括:获取子单元,用于获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值,k为正整数;确定子单元,用于基于k个预设取值、q个测距偏差均值和q个相对真值,确定第一参数。
在第二方面的一些可实现方式中,确定子单元具体用于:对于每个预设取值,基于预设取值、q个测距偏差均值以及q个相对真值,计算预设取值对应的第一系数,得到k个预设取值的k个第一系数;获取预设相对真值为底数,k个预设取值分别为指数时的k个幂;将每个预设取值对应的第一系数和幂相乘,得到第一乘积;将k个预设取值对应的k个第一乘积相加,得到第一参数。
在第二方面的一些可实现方式中,确定单元包括:获取子单元,用于获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值;确定子单元,用于基于k个预设取值、q个测距偏差方差和q个相对真值,确定第二参数。
在第二方面的一些可实现方式中,确定子单元具体用于:对于每个预设取值,基于预设取值、q个测距偏差方差以及q个相对真值,计算预设取值对应的第二系数,得到k个预设取值的k个第二系数;获取预设相对真值为底数,k个预设取值分别为指数时的k个幂;将每个预设取值对应的第二系数和幂相乘,得到第二乘积;将k个预设取值对应的k个第二乘积相加,得到第二参数。
第三方面,本申请实施例提供了一种电子设备,该设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现如第一方面的任一项实施例中所示的车辆测距能力评估方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面的任一项实施例中所示的车辆测距能力评估方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面的任一项实施例中所示的车辆测距能力评估方法的步骤。
本申请实施例的车辆测距能力评估方法、系统、设备、介质,设定或选取q个被测距离,对于每个被测距离,利用感知系统测距功能对同一待测距离进行多次测距得到一组测量结果,如此可以获取到q个待测距离对应的q个相对真值和q组测量结果。基于此,将q组测量结果中每组测量结果与其对应的相对真值进行作差,可以得到q组测距偏差值,并确定每一组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差。通过对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征,基于该分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果,完成对智能驾驶车辆感知系统测距功能的测距能力评估,便于后期开发人员及时发现系统缺陷并进行系统方案优化或更换,有利于降低系统开发成本,降低开发周期,有效提高智能驾驶系统的预期功能安全性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请一实施例提供的车辆测距能力评估方法的流程示意图;
图2是本申请一实施例提供的测试环境的示例性示意图;
图3是本申请另一实施例提供的测试环境的示例性示意图;
图4是本申请另一实施例提供的车辆测距能力评估方法的流程示意图;
图5是本申请再一实施例提供的车辆测距能力评估方法的流程示意图;
图6是本申请再一实施例提供的车辆测距能力评估方法的流程示意图;
图7是本申请实施例提供的一种车辆测距能力评估系统的结构示意图;
图8是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
目前,随着感知、控制、计算机、传感、人工智能等相关科学与技术的进步,智能驾驶车辆已进入人们的生活中,将会影响与改变人类未来交通与通行方式。
但目前智能驾驶技术还未成熟,基于现实交通环境的复杂与多变性以及感知技术的局限,以及人员误用或误操作等多种因素的影响,智能车辆的智能驾驶功能还存在大量安全隐患,尤其是智能车辆的智能驾驶功能不足或性能局限,例如智能车辆在测距能力上的不足。因此,如何对智能车辆的测距能力进行评估,是当前亟需解决的问题。
针对相关技术中出现的问题,本申请实施例提供了一种车辆测距能力评估方法,设定或选取q个被测距离,对于每个被测距离,利用感知系统测距功能对同一待测距离进行多次测距得到一组测量结果,如此可以获取到q个待测距离对应的q个相对真值和q组测量结果。基于此,将q组测量结果中每组测量结果与其对应的相对真值进行作差,可以得到q组测距偏差值,并确定每一组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差。通过对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征,基于该分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果,完成对智能驾驶车辆感知系统测距功能的测距能力评估,便于后期开发人员及时发现系统缺陷并进行系统方案优化或更换,有利于降低系统开发成本,降低开发周期,有效提高智能驾驶系统的预期功能安全性。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的车辆测距能力评估方法进行详细地说明。
图1是本申请实施例提供的一种车辆测距能力评估方法的流程示意图,该车辆测距能力评估方法的执行主体可以为电子设备。需要说明的是,上述执行主体并不构成对本申请的限定。
上述电子设备可以为手机、平板电脑、一体机等具有通讯功能的设备,也可以包括虚拟机或模拟器模拟的设备,当然,还可以包括云服务器或者服务器集群等具有存储以及计算功能的设备。
如图1所示,本申请实施例提供的车辆测距能力评估方法可以包括步骤110-步骤150。
步骤110,获取q个待测距离对应的q个相对真值和q组测量结果,其中,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的;
步骤120,将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;
步骤130,确定q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;
步骤140,对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征;
步骤150,基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果。
本申请实施例的车辆测距能力评估方法,设定或选取q个被测距离,对于每个被测距离,利用感知系统测距功能对同一待测距离进行多次测距得到一组测量结果,如此可以获取到q个待测距离对应的q个相对真值和q组测量结果。基于此,将q组测量结果中每组测量结果与其对应的相对真值进行作差,可以得到q组测距偏差值,并确定每一组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差。通过对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征,基于该分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果,完成对智能驾驶车辆感知系统测距功能的测距能力评估,便于后期开发人员及时发现系统缺陷并进行系统方案优化或更换,有利于降低系统开发成本,降低开发周期,有效提高智能驾驶系统的预期功能安全性。
同时,本申请可为智能驾驶感知系统设计开发人员提供参考,开发人员可根据智能驾驶车辆感知系统在不同真实距离时的测量结果的特征,设计合理且安全的智能驾驶规划算法与控制算法,例如智能车辆感知系统测距功能测量结果与距离的相对真值偏差过大或不确定性过大,可通过增加自车与周围物体的安全距离,提高车辆在运行过程中的预期功能安全度。
下面结合具体的实施例,对上述步骤的具体实现方式进行详细说明。
涉及步骤110,获取q个待测距离对应的q个相对真值和q组测量结果。
具体地,可以布置如图2所示的测试环境,该测试环境包括:感知系统201、高精密仪器202、被测对象203和导轨204。其中,被测对象203可通过导轨204改变与感知系统之间的相对距离,被测对象203每次移动后,可通过高精密仪器202对被测对象203与感知系统201之间的待测距离进行测距,得到该待测距离的相对真值,并可通过感知系统201的测距功能对被测对象203与感知系统201之间的待测距离进行多次测量,每个被测距离的测量结果记为一组,得到该待测距离对应的一组测量结果。d i,j为感知系统201在第i组第j次实验的测量值,i=1,2,...,q,j=1,2,...,p,p i 为第i组测试的测量次数,r i 为第i组被测距离的相对真值,通过高精度仪器测量202计算得出,i=1,2,...,q。
本申请可以在智能驾驶车辆的感知系统测距功能的探测范围内,设定或选取q个待测距离,q为正整数,根据建模精度需求选择,设置取值范围q∈[20,+∞)。根据智能驾驶车辆的感知系统测距功能的最大测量距离dmax与最小测量距离dmin,在[dmin,dmax]选取待测距离,可等距取值,或非等距取值。
示例性地,如图3所示,301为感知系统,dmin为感知系统测距功能301的最小量程,dmax为感知系统测距功能301的最大量程,r1、r2...rq为所选择的q个待测距离。
涉及步骤120,将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值。
示例性地,d i,j 为感知系统测距功能在第i组第j次实验的测量值,i=1,2,...,q,j=1,2,...,p,p i 为第i组测试的测量次数,r i 为第i组被测距离的相对真值,通过高精度仪器测量或其他科学方法计算得出,i=1,2,...,q。
对于第1组第2次实验,i=1,j=2,相对真值为r 1 ,测量结果为d 1,2 ,则将d 1,2 与r 1 作差,得到测距偏差值d 1,2 -r 1 。
涉及步骤130,确定q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差。
具体地,可以通过公式(1)确定q组测距偏差值中每组测距偏差值对应的测距偏差均值,得到q个测距偏差均值;通过公式(2)确定q组测距偏差值中每组测距偏差值对应的测距偏差方差,得到q个测距偏差方差。
(1)
(2)
其中,μ i 为第i组测量结果对应的测距偏差均值,为第i组测量结果对应的测距偏差方差。
涉及步骤140,对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征。
具体地,预设相对真值可以根据具体需求进行设置,可以设置多个预设相对真值,分布特征即为感知系统测距功能在不同预设相对真值下的目标测距偏差的分布情况或分布趋势,如此,基于多个预设相对真值下目标测距偏差的分布特征,能够评估感知系统测距功能在多个预设相对真值下的测距能力,从而能够对感知系统测距功能在不同待测距离下的测距能力表现进行全面评估。
在本申请的一些实施例中,图4是本申请另一实施例提供的车辆测距能力评估方法的流程示意图,上述步骤140可以包括图4所示的步骤410-步骤440。
步骤410,基于q个测距偏差均值和q个相对真值,确定第一参数;
步骤420,基于q个测距偏差方差和q个相对真值,确定第二参数;
步骤430,结合第一参数和第二参数,得到目标函数;
步骤440,基于目标函数,确定感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征。
需要说明的是,本申请不对目标函数的函数类型进行具体限定,示例性地,若目标函数为高斯函数,则分布特征为正态分布;若目标函数为等概率函数,则分布特征为均值分布;若目标函数为非规则函数,例如高阶多项式,则分布特征为非规则分布,例如多谷分布;若目标函数为指数函数,则分布特征为指数分布;若目标函数为伽马函数,则分布特征为伽马分布。除此以外,目标函数还可以为其它函数类型,分布特征也可以为其它类型的分布,例如t分布,本申请对此不做具体限定。
下面以目标函数为高斯函数,分布特征为正态分布为例,详细说明确定目标函数的过程。
在本申请的一些实施例中,目标函数为高斯函数,分布特征为正态分布,为了获取第一参数,图5是本申请再一实施例提供的车辆测距能力评估方法的流程示意图,上述步骤410可以包括图5所示的步骤510和步骤520。
步骤510,获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值;
步骤520,基于k个预设取值、q个测距偏差均值和q个相对真值,确定第一参数。
其中,预设相对真值为r,预设相对真值对应指数为i,其中i的最大取值为k,也即r的最高次方为k,i∈[0,k],指数i的预设取值均为连续数字,因此当i的最大取值为k时,指数对应k个预设取值。k为正整数,k的预设取值范围可以根据具体需求进行设置,例如k的取值可以为(0,5]之间的整数,本申请对此不做具体限定。
具体地,上述步骤520具体可以包括下述步骤:
步骤5201,对于每个预设取值,基于预设取值、q个测距偏差均值以及q个相对真值,计算预设取值对应的第一系数,得到k个预设取值的k个第一系数。
示例性地,步骤5201具体可以通过公式(3)计算k个第一系数:
(3)
其中,为第一系数,i∈[0,k],/>为i=k时的第一系数,μ 1 …μ q 为q个测距偏差均值,r 1 …r q 为q个相对真值。
步骤5202,获取预设相对真值为底数,k个预设取值分别为指数时的k个幂。
其中,在k大于2时,k个幂可以分别为r 0 、r 1 、r 2 …r k 。
步骤5203,将每个预设取值对应的第一系数和幂相乘,得到第一乘积。
步骤5204,将k个预设取值对应的k个第一乘积相加,得到第一参数。
其中,第一乘积可以为,第一参数可以为/>,第一参数可以为高斯函数的均值。
在本申请的一些实施例中,为了获取第二参数,图6是本申请再一实施例提供的车辆测距能力评估方法的流程示意图,上述步骤420可以包括图6所示的步骤610和步骤620。
步骤610,获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值;
步骤620,基于k个预设取值、q个测距偏差方差和q个相对真值,确定第二参数。
其中,相对真值为r,预设相对真值对应指数为i,其中i的最大取值为k,也即r的最高次方为k,i∈[0,k],指数i的预设取值均为连续数字,因此当i的最大取值为k时,指数对应k个预设取值。k为正整数,k的预设取值范围可以根据具体需求进行设置,例如k的取值可以为(0,5]之间的整数,本申请对此不做具体限定。
具体地,上述步骤620具体可以包括下述步骤:
步骤6201,对于每个预设取值,基于预设取值、q个测距偏差方差以及q个相对真值,计算预设取值对应的第二系数,得到k个预设取值的k个第二系数。
示例性地,步骤7201具体可以通过公式(4)计算k个第二系数:
(4)
其中,b i 为第二系数,i∈[0,k],b k 为i=k时的第二系数,为q个测距偏差方差,r 1 …r q 为q个相对真值。
步骤6202,获取预设相对真值为底数,k个预设取值分别为指数时的k个幂。
其中,在k大于2时,k个幂可以分别为r 0 、r 1 、r 2 …r k 。
步骤6203,将每个预设取值对应的第二系数和幂相乘,得到第二乘积。
步骤6204,将k个预设取值对应的k个第二乘积相加,得到第二参数。
其中,第二乘积可以为,第二参数可以为/>,第二参数可以为高斯函数的方差。
示例性地,结合第一参数和第二参数可以得到高斯函数N(,/>),该高斯函数即为目标测距偏差的函数,基于该高斯函数可以反映感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征。
涉及步骤150,基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果。
在步骤150中,可以基于分布特征,确定在不同预设相对真值下目标测距偏差的分布离散度或者分布偏差度,得到评估结果。
具体地,该分布离散度或者分布偏差度即为感知系统测距功能的测距能力的表达。
在本申请的一些实施例中,可以基于第一参数和第二参数/>进行形式化建模。
在本申请实施例中,根据智能驾驶车辆的感知系统测距功能检测范围,设定或选取多个被测距离,布置实验场地,通过高精密仪器或计算方法得到距离的相对真值,记录智能驾驶车辆感知系统测距功能的测距结果,进而根据全部测试实验的测量值及被测距离的相对真值,对智能驾驶感知系统测距能力进行形式化建模,评估智能驾驶车辆感知系统测距功能的测距能力。
在本申请的一些实施例中,可以基于公式(1)-(4)以及N(,/>)进行形式化建模,得到测距能力评估模型。
如此,后续通过向测距能力评估模型输入智能驾驶车辆的运动参数,可以对该智能驾驶车辆的测距能力进行评估,能够完备、高效的实现预期功能安全风险评估,便于开发人员在发现系统缺陷并进行系统方案优化或更换,有利于降低系统开发成本,降低开发周期,有效提高智能驾驶系统的预期功能安全性。
基于此,本申请可以为智能驾驶集成商,如主机厂等商家在设备选型过程时提供参考,集成商可根据智能驾驶整车层的预期功能安全要求,选择满足整车层预期功能安全需求的智能驾驶车辆感知测距功能的设备或系统,如基于相机的测距设备或系统、基于毫米波雷达的测距设备或系统、基于激光雷达的测距设备或系统或融合测距设备或系统等。
需要说明的是,本申请实施例提供的车辆测距能力评估方法,执行主体可以为电子设备,或者车辆测距能力评估系统中用于执行车辆测距能力评估方法的控制模块。本申请实施例中以车辆测距能力评估系统执行车辆测距能力评估方法为例,说明本申请实施例提供的车辆测距能力评估系统。下面对车辆测距能力评估系统进行详细介绍。
图7是本申请实施例提供的一种车辆测距能力评估系统的结构示意图。如图7所示,该车辆测距能力评估系统700可以包括:获取模块710、运算模块720、确定模块730、分析模块740和评估模块750。
其中,获取模块710,用于获取q个待测距离对应的q个相对真值和q组测量结果,其中,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的,q为正整数;运算模块720,用于将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;确定模块730,用于确定q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;分析模块740,用于对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征;评估模块750,用于基于分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果。
在本申请的一些实施例中,评估模块750具体用于:基于分布特征,确定在不同预设相对真值下目标测距偏差的分布离散度或者分布偏差度,得到评估结果。
在本申请的一些实施例中,分析模块740包括:确定单元,用于基于q个测距偏差均值和q个相对真值,确定第一参数;确定单元,还用于基于q个测距偏差方差和q个相对真值,确定第二参数;确定单元,还用于结合第一参数和第二参数,得到目标函数;计算单元,用于基于目标函数,确定感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征。
在本申请的一些实施例中,目标函数为高斯函数,分布特征为正态分布,确定单元包括:获取子单元,用于获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值,k为正整数;确定子单元,用于基于k个预设取值、q个测距偏差均值和q个相对真值,确定第一参数。
在本申请的一些实施例中,确定子单元具体用于:对于每个预设取值,基于预设取值、q个测距偏差均值以及q个相对真值,计算预设取值对应的第一系数,得到k个预设取值的k个第一系数;获取预设相对真值为底数,k个预设取值分别为指数时的k个幂;将每个预设取值对应的第一系数和幂相乘,得到第一乘积;将k个预设取值对应的k个第一乘积相加,得到第一参数。
在本申请的一些实施例中,确定单元包括:获取子单元,用于获取预设相对真值对应指数的预设取值范围,预设取值范围包含k个预设取值;确定子单元,用于基于k个预设取值、q个测距偏差方差和q个相对真值,确定第二参数。
在本申请的一些实施例中,确定子单元具体用于:对于每个预设取值,基于预设取值、q个测距偏差方差以及q个相对真值,计算预设取值对应的第二系数,得到k个预设取值的k个第二系数;获取预设相对真值为底数,k个预设取值分别为指数时的k个幂;将每个预设取值对应的第二系数和幂相乘,得到第二乘积;将k个预设取值对应的k个第二乘积相加,得到第二参数。
本申请实施例的车辆测距能力评估系统,设定或选取q个被测距离,对于每个被测距离,利用感知系统测距功能对同一待测距离进行多次测距得到一组测量结果,如此可以获取到q个待测距离对应的q个相对真值和q组测量结果。基于此,将q组测量结果中每组测量结果与其对应的相对真值进行作差,可以得到q组测距偏差值,并确定每一组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差。通过对q个测距偏差均值和q个测距偏差方差进行分析,得到感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征,基于该分布特征对感知系统测距功能的测距准确度进行评估,得到评估结果,完成对智能驾驶车辆感知系统测距功能的测距能力评估,便于后期开发人员及时发现系统缺陷并进行系统方案优化或更换,有利于降低系统开发成本,降低开发周期,有效提高智能驾驶系统的预期功能安全性。
本申请实施例中的车辆测距能力评估系统可以是系统,也可以是终端中的部件、集成电路、或芯片。该系统可以包括移动电子设备,也可以包括非移动电子设备。示例性地,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的车辆测距能力评估系统可以为具有操作系统的系统。该操作系统可以为安卓(Android)操作系统,可以为iOS操作系统,还可以为其它可能的操作系统,本申请实施例不作具体限定。
图8是本申请实施例提供的一种电子设备的硬件结构示意图。
如图8所示,本实施例中的电子设备800可以包括处理器801以及存储有计算机程序指令的存储器802。
具体地,上述处理器801可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器802可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器802可在综合网关容灾设备的内部或外部。在特定实施例中,存储器802是非易失性固态存储器。存储器可包括只读存储器(Read-Only Memory,ROM),随机存取存储器(RandomAccess Memory ,RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请实施例的方法所描述的操作。
处理器801通过读取并执行存储器802中存储的计算机程序指令,以实现上述实施例中的任意一种车辆测距能力评估方法。
在一个示例中,电子设备800还可以包括通信接口803和总线810。其中,如图8所示,处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。
通信接口803,主要用于实现本申请实施例中各模块、系统、单元和/或设备之间的通信。
总线810包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线810可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
本申请实施例提供的电子设备,能够实现图1-图6的方法实施例中所实现的各个过程,并能实现相同的技术效果,为避免重复,在此不再赘述。
结合上述实施例中的车辆测距能力评估方法,本申请实施例可提供一种车辆测距能力评估系统,该车辆测距能力评估系统包括上述实施例中的电子设备。电子设备的具体内容可参见上述实施例中的相关说明,在此不再赘述。
另外,结合上述实施例中的车辆测距能力评估方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种车辆测距能力评估方法的步骤。
结合上述实施例中的车辆测距能力评估方法,本申请实施例可提供一种计算机程序产品来实现。该计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面的任一项实施例中所示的车辆测距能力评估方法的步骤。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,做出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者系统描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、系统(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理系统的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理系统的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种车辆测距能力评估方法,其特征在于,所述方法包括:
获取q个待测距离对应的q个相对真值和q组测量结果,其中,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的,q为正整数;
将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;
确定所述q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;
对所述q个测距偏差均值和q个测距偏差方差进行分析,得到所述感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征;
基于所述分布特征对所述感知系统测距功能的测距准确度进行评估,得到评估结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述分布特征对所述感知系统测距功能的测距准确度进行评估,得到评估结果,包括:
基于所述分布特征,确定在所述不同预设相对真值下所述目标测距偏差的分布离散度或者分布偏差度,得到所述评估结果。
3.根据权利要求1所述的方法,其特征在于,所述对所述q个测距偏差均值和q个测距偏差方差进行分析,得到所述感知系统测距功能对应的目标测距偏差的分布特征,包括:
基于所述q个测距偏差均值和所述q个相对真值,确定第一参数;
基于所述q个测距偏差方差和所述q个相对真值,确定第二参数;
结合所述第一参数和所述第二参数,得到目标函数;
基于所述目标函数,确定所述感知系统测距功能在不同预设相对真值下目标测距偏差的分布特征。
4.根据权利要求3所述的方法,其特征在于,所述目标函数为高斯函数,所述分布特征为正态分布,所述基于所述q个测距偏差均值和所述q个相对真值,确定第一参数,包括:
获取所述预设相对真值对应指数的预设取值范围,所述预设取值范围包含k个预设取值,k为正整数;
基于所述k个预设取值、所述q个测距偏差均值和所述q个相对真值,确定所述第一参数。
5.根据权利要求4所述的方法,其特征在于,基于所述k个预设取值、所述q个测距偏差均值和所述q个相对真值,确定所述第一参数,包括:
对于每个所述预设取值,基于所述预设取值、所述q个测距偏差均值以及所述q个相对真值,计算所述预设取值对应的第一系数,得到所述k个预设取值的k个第一系数;
获取所述预设相对真值为底数,所述k个预设取值分别为指数时的k个幂;
将每个预设取值对应的第一系数和幂相乘,得到第一乘积;
将所述k个预设取值对应的k个第一乘积相加,得到所述第一参数。
6.根据权利要求3所述的方法,其特征在于,所述基于所述q个测距偏差方差和所述q个相对真值,确定第二参数,包括:
获取所述预设相对真值对应指数的预设取值范围,所述预设取值范围包含k个预设取值;
基于所述k个预设取值、所述q个测距偏差方差和所述q个相对真值,确定所述第二参数。
7.根据权利要求6所述的方法,其特征在于,基于所述k个预设取值、所述q个测距偏差方差和所述q个相对真值,确定所述第二参数,包括:
对于每个所述预设取值,基于所述预设取值、所述q个测距偏差方差以及所述q个相对真值,计算所述预设取值对应的第二系数,得到所述k个预设取值的k个第二系数;
获取所述预设相对真值为底数,所述k个预设取值分别为指数时的k个幂;
将每个预设取值对应的第二系数和幂相乘,得到第二乘积;
将所述k个预设取值对应的k个第二乘积相加,得到所述第二参数。
8.一种车辆测距能力评估系统,其特征在于,所述系统包括:
获取模块,用于获取q个待测距离对应的q个相对真值和q组测量结果,其中,每组测量结果是利用感知系统测距功能对同一待测距离进行多次测距得到的,q为正整数;
运算模块,用于将q组测量结果中每组测量结果与其对应的相对真值进行作差,得到q组测距偏差值;
确定模块,用于确定所述q组测距偏差值中每组测距偏差值对应的测距偏差均值和测距偏差方差,得到q个测距偏差均值和q个测距偏差方差;
分析模块,用于对所述q个测距偏差均值和q个测距偏差方差进行分析,得到所述感知系统测距功能在不同预设相对真值下的目标测距偏差的分布特征;
评估模块,用于基于所述分布特征对所述感知系统测距功能的测距准确度进行评估,得到评估结果。
9.一种电子设备,其特征在于,所述电子设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的车辆测距能力评估方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的车辆测距能力评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311231104.9A CN117007083B (zh) | 2023-09-22 | 2023-09-22 | 车辆测距能力评估方法及其系统、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311231104.9A CN117007083B (zh) | 2023-09-22 | 2023-09-22 | 车辆测距能力评估方法及其系统、设备、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117007083A true CN117007083A (zh) | 2023-11-07 |
CN117007083B CN117007083B (zh) | 2024-03-05 |
Family
ID=88576546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311231104.9A Active CN117007083B (zh) | 2023-09-22 | 2023-09-22 | 车辆测距能力评估方法及其系统、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117007083B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006057004A1 (en) * | 2004-11-23 | 2006-06-01 | Hewlett-Packard Development Company, L.P. | Systems and methods for estimating distances using multi-resolution functions |
CN102506902A (zh) * | 2011-12-02 | 2012-06-20 | 中国计量科学研究院 | 全站仪无棱镜测距的准确度评估装置及方法 |
RU2013154163A (ru) * | 2013-12-05 | 2015-06-10 | Акционерное общество "Ракетно-космический центр "Прогресс" (АО "РКЦ "Прогресс") | Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления |
CN106767933A (zh) * | 2017-02-10 | 2017-05-31 | 深圳奥比中光科技有限公司 | 深度相机误差的测量系统、测量方法、评价方法及补偿方法 |
US20180209815A1 (en) * | 2017-01-24 | 2018-07-26 | Korea University Research And Business Foundation | Method of estimating reliability of measurement distance of laser rangefinder, and localizating method of mobile robot using laser rangefinder |
CN110006451A (zh) * | 2019-04-16 | 2019-07-12 | 北京遥感设备研究所 | 一种基于全站仪的脉冲激光测距高精度标校系统 |
CN111457940A (zh) * | 2020-03-31 | 2020-07-28 | 上海北斗导航创新研究院 | 一种车载多波段立体视觉传感器测距性能测试方法及系统 |
CN114061622A (zh) * | 2021-11-11 | 2022-02-18 | 中国西安卫星测控中心 | 一种深空三向测距系统误差标定方法 |
CN115524689A (zh) * | 2022-11-21 | 2022-12-27 | 北京云迹科技股份有限公司 | 超声波传感器的性能评估方法及装置 |
CN116558469A (zh) * | 2023-04-20 | 2023-08-08 | 嬴彻星创智能科技(上海)有限公司 | 距离误差评价方法、装置、电子设备及存储介质 |
-
2023
- 2023-09-22 CN CN202311231104.9A patent/CN117007083B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006057004A1 (en) * | 2004-11-23 | 2006-06-01 | Hewlett-Packard Development Company, L.P. | Systems and methods for estimating distances using multi-resolution functions |
CN102506902A (zh) * | 2011-12-02 | 2012-06-20 | 中国计量科学研究院 | 全站仪无棱镜测距的准确度评估装置及方法 |
RU2013154163A (ru) * | 2013-12-05 | 2015-06-10 | Акционерное общество "Ракетно-космический центр "Прогресс" (АО "РКЦ "Прогресс") | Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления |
US20180209815A1 (en) * | 2017-01-24 | 2018-07-26 | Korea University Research And Business Foundation | Method of estimating reliability of measurement distance of laser rangefinder, and localizating method of mobile robot using laser rangefinder |
CN106767933A (zh) * | 2017-02-10 | 2017-05-31 | 深圳奥比中光科技有限公司 | 深度相机误差的测量系统、测量方法、评价方法及补偿方法 |
CN110006451A (zh) * | 2019-04-16 | 2019-07-12 | 北京遥感设备研究所 | 一种基于全站仪的脉冲激光测距高精度标校系统 |
CN111457940A (zh) * | 2020-03-31 | 2020-07-28 | 上海北斗导航创新研究院 | 一种车载多波段立体视觉传感器测距性能测试方法及系统 |
CN114061622A (zh) * | 2021-11-11 | 2022-02-18 | 中国西安卫星测控中心 | 一种深空三向测距系统误差标定方法 |
CN115524689A (zh) * | 2022-11-21 | 2022-12-27 | 北京云迹科技股份有限公司 | 超声波传感器的性能评估方法及装置 |
CN116558469A (zh) * | 2023-04-20 | 2023-08-08 | 嬴彻星创智能科技(上海)有限公司 | 距离误差评价方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117007083B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101248365B (zh) | 估算与电池相关的状态向量的系统和方法 | |
KR101529515B1 (ko) | Mmae-ekf를 이용한 배터리의 soc 추정 방법 및 그 장치 | |
CN115291108A (zh) | 数据生成方法、装置、设备及计算机程序产品 | |
CN116968733B (zh) | 车辆安全风险评估方法及其装置、设备、介质 | |
CN113158589B (zh) | 一种电池管理系统的仿真模型校准方法以及装置 | |
CN117007083B (zh) | 车辆测距能力评估方法及其系统、设备、介质 | |
CN106779354B (zh) | 用于飞行器性能评估的Bayes数据融合评估方法 | |
Wang et al. | A generalized degradation model based on Gaussian process | |
CN118191783A (zh) | 车辆传感器测量能力评估方法及其系统、设备、介质 | |
CN104050349A (zh) | 外部空气温度测量设备和方法 | |
CN117217422B (zh) | 车辆运动控制能力评估方法及其系统、设备、介质 | |
CN112581727B (zh) | 桥梁的位移漂移预警方法、装置、设备及存储介质 | |
CN116433255B (zh) | 刷单嫌疑度确定方法、装置、设备及介质 | |
CN114547101B (zh) | 数据中台的数据质量评估方法、装置、设备及存储介质 | |
Reddy et al. | Efficient numerical solution of boundary identification problems: MFS with adaptive stochastic optimization | |
CN106934193B (zh) | 车辆信息获取方法及装置 | |
CN113052582B (zh) | 一种账单校验的方法、装置、设备及计算机存储介质 | |
CN117944694A (zh) | 路线重复度的评估方法、装置、设备、存储介质及车辆 | |
CN113496288B (zh) | 用户稳定性确定方法、装置、设备及存储介质 | |
CN116908603B (zh) | 基于连接器的可靠性检测方法及其系统 | |
CN116307680A (zh) | 订单风险评估方法、装置、设备及介质 | |
EP2658152B1 (en) | Flexible evaluation of free space over the air measurement uncertainty method and apparatus | |
CN115496569A (zh) | 信息确定的方法、装置、设备、存储介质及程序产品 | |
CN117665584A (zh) | 电芯热失控预警规则生成方法、装置、设备和介质 | |
CN114218529A (zh) | 数据处理方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |