CN117053838A - 一种测距传感器测距结果校准方法 - Google Patents

Abstract

本发明涉及测距校准领域，且公开了一种测距传感器测距结果校准方法，包括以下步骤：步骤1：在待测距区域布置传感器收集距离测量数据，同时采集环境因素数据；步骤2：获取所采集的环境数据，进行预处理后，转化为机器可读语言，进行干扰因子模型的构建，描述测距数据与环境因素变化趋势；步骤3：分析干扰因子模型的参数，通过机器学习确定每个环境因素对测距结果的影响度；通过建立干扰因子模型和校准策略，通过评估不同环境因素的影响度，并根据其大小采取相应的校准措施，可以有效降低环境因素对测距结果的负面影响，使测距传感器在不同环境条件下仍能提供更准确的测距结果，有助于精确测量目标距离。

Description

一种测距传感器测距结果校准方法

技术领域

本发明涉及测距校准技术领域，具体为一种测距传感器测距结果校准方法。

背景技术

测距传感器的测距校准是用于确保传感器测量距离的准确性和可靠性，校准是一个非常重要的过程，因为传感器的性能在不同环境和应用中可能会有变化，而校准可以帮助消除或修正这些变化，以确保传感器提供准确的距离测量，在导航、避障、自动化控制和科学研究等领域都是至关重要的；

但是，现有的测距传感器测距结果校准方法还存在一定不足，例如：

1、传统的测距技术常常受到多种环境因素的干扰和影响，这些环境因素都可能对测距结果的准确性产生不利影响，导致结果出现偏差、失真甚至完全错误，然而，传统的测距技术在面对这些影响因素时，往往缺乏有效的手段和方法来判断和识别这些因素对测距结果的影响程度，以及甄别哪些结果是不准确的，这使得传统的测距技术在应对复杂多变的环境条件时显得力不从心，难以确保其测量结果的准确性和可靠性；

2、传感器信号的质量往往会在不同的传输环境中产生波动或受到干扰，这种现象在许多现实场景中是十分常见的，尤其在复杂的环境中，信号质量更加难以保证，这些波动和干扰可能导致信号延迟、数据跳动，甚至完全无法进行测距。

发明内容

针对现有技术所存在的上述缺点，本发明提供了一种测距传感器测距结果校准方法，能够有效地解决现有技术易受环境因素干扰，导致结果偏差、失真甚至错误，但难以判断和识别影响程度及甄别不准确结果，使其在复杂环境条件下的测量准确性和可靠性难以保证。传感器信号质量在不同传输环境中波动或受干扰，导致信号延迟、数据跳动甚至无法测距的问题。

为实现以上目的，本发明通过以下技术方案予以实现；

本发明公开了一种测距传感器测距结果校准方法，包括以下步骤：

步骤1：在待测距区域布置传感器收集距离测量数据，同时采集环境因素数据；

步骤2：获取所采集的环境数据，进行预处理后，转化为机器可读语言，进行干扰因子模型的构建，描述测距数据与环境因素变化趋势；

步骤3：分析干扰因子模型的参数，通过机器学习确定每个环境因素对测距结果的影响度；

步骤4：根据已建立的模型和干扰因素影响度，评估当前环境因素对测距的影响程度；

步骤5：获取影响程度系数，判断是否可对干扰因素进行修正处理；

步骤6：若判断为可执行修正处理，则再判断当前测距信号环境是否与标准值差异过大，反之则忽略；

步骤7：若判断环境差异大于标准值，则执行信号增强策略，根据所选策略，对测距数据进行相应的处理；

步骤8：在实际测距中，监测获取当前环境数据，将当前环境数据代入建立的干扰因子模型，计算出预测的测距结果，计算实际测距值和预测值之间的残差，根据残差的大小，进行线性修正，将修正后的测距值作为最终的测距结果。

更进一步地，所述步骤1中的环境因素数据包括：温度、湿度、干扰信号和光照强度。

更进一步地，所述步骤2中的干扰因子模型表示为：

；

其中，R代表预测测距值，、/>.../>代表若干环境因素，a、b和c代表待定的参数，表示每个环境因素对测距结果的线性影响。

更进一步地，所述步骤4中评估当前环境因素对测距的影响程度，其通过对所选模型进行参数估计，以获得模型权重系数。

更进一步地，所述步骤6中的判断当前测距信号环境是否与标准值差异过大，其判断指标包括：信号强度、噪声水平和干扰源数量，并为指标设定阈值，当信号环境指标超过这个阈值时，则认为环境差异较大。

更进一步地，所述步骤7中的信号增强策略，包括增加采样次数、滤波、改变工作频率、多路径反射和增加发射功率。

更进一步地，所述步骤7中的信号增强策略应用后，则实时监测测距结果，判断是否出现变化值，判断为是，则按照预定设置持续运行，反之，则将问题信息上报至管理。

更进一步地，所述步骤8中线性修正的计算公式为：

W=R-k*M；

其中，W代表修正后的测距值，R代表实际测距值，k代表校准系数，M代表残差。

更进一步地，所述步骤8的实际测距过程中，实时计算实际间隔测量的准确度，其计算公式为：

；

式中，P代表准确度系数，G为噪声幅度，A为被测信号幅度，为信号上升或下降沿时间，/>为采样时隙不确定度，TBA为时基准确度，MI为测量时间间隔。

采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

1.本发明通过建立干扰因子模型和校准策略，通过评估不同环境因素的影响度，并根据其大小采取相应的校准措施，可以有效降低环境因素对测距结果的负面影响，使测距传感器在不同环境条件下仍能提供更准确的测距结果，有助于精确测量目标距离。

2.本发明通过信号增强策略的使用，从而应对不同传输环境下的信号质量波动和干扰。这意味着即使在复杂或嘈杂的环境中，传感器也能维持稳定的测距性能，减小信号抖动和波动，能够根据实际测距环境的变化来调整测距策略，这使得传感器系统能够适应不同应用场景和环境条件，而无需手动重新校准或调整参数。

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，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。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的前提下，还可以根据这些附图获得其他的附图。

图1为一种测距传感器测距结果校准方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合实施例对本发明作进一步的描述。

实施例1：本实施例的一种测距传感器测距结果校准方法，如图1所示，包括以下步骤：

步骤1：在待测距区域布置传感器收集距离测量数据，同时采集环境因素数据，环境因素数据包括：温度、湿度、干扰信号和光照强度；

步骤2：获取所采集的环境数据，进行预处理后，转化为机器可读语言，进行干扰因子模型的构建，描述测距数据与环境因素变化趋势，干扰因子模型表示为：

；

其中，R代表预测测距值，、/>.../>代表若干环境因素，a、b和c代表待定的参数，表示每个环境因素对测距结果的线性影响；

步骤3：分析干扰因子模型的参数，通过机器学习确定每个环境因素对测距结果的影响度；

步骤4：根据已建立的模型和干扰因素影响度，评估当前环境因素对测距的影响程度，评估当前环境因素对测距的影响程度，其通过对所选模型进行参数估计，以获得模型权重系数；

步骤5：获取影响程度系数，判断是否可对干扰因素进行修正处理；

步骤6：若判断为可执行修正处理，则再判断当前测距信号环境是否与标准值差异过大，反之则忽略，判断当前测距信号环境是否与标准值差异过大，其判断指标包括：信号强度、噪声水平和干扰源数量，并为指标设定阈值，当信号环境指标超过这个阈值时，则认为环境差异较大；

步骤7：若判断环境差异大于标准值，则执行信号增强策略，根据所选策略，对测距数据进行相应的处理，信号增强策略，包括增加采样次数、滤波、改变工作频率、多路径反射和增加发射功率；

步骤8：在实际测距中，监测获取当前环境数据，将当前环境数据代入建立的干扰因子模型，计算出预测的测距结果，计算实际测距值和预测值之间的残差，根据残差的大小，进行线性修正，将修正后的测距值作为最终的测距结果。

本实施例在具体实施时，改进了传统测距技术，减少了环境因素和信号质量波动引起的测距误差，提高了测距传感器的性能和可靠性，由于提高了测距传感器的性能和可靠性，这些方法扩展了测距技术的应用领域。它们可以更可靠地应用于自动导航、智能制造、遥感测绘、智能交通系统等众多领域。

实施例2：本实施例中，所述步骤8中线性修正的计算公式为：

W=R-k*M；

其中，W代表修正后的测距值，R代表实际测距值，k代表校准系数，M代表残差。

校准系数k的选择取决于残差的大小以及系统性能的需求，如果残差为正，即实际测距值高于预测值，则k会是正数；如果残差是负的，即实际测距值低于预测值，则k会是负数，校准系数的绝对值应根据需要来调整，以实现所需的校准效果。

实施例3：本实施例中，提供一种计算实际间隔测量的准确度的方法，所述步骤8的实际测距过程中，实时计算实际间隔测量的准确度，其计算公式为：

；

式中，P代表准确度系数，G为噪声幅度，A为被测信号幅度，为信号上升或下降沿时间，/>为采样时隙不确定度，TBA为时基准确度，MI为测量时间间隔。

使用数字信号发生器产生与地面专用测距校准装置由固定延时的标准距离信号，通过定向耦合器和环行器分别进入地面专用测距校准装置和数字示波器，以数字示波器测量得到的标准延迟时间来校准地面专用测距校准装置对固定延时进行测量得到距离。

综上所述，通过建立干扰模型和校准策略，本发明能够评估不同环境因素对测距结果的影响程度，并采取相应的校准措施予以降低，测距传感器能够在不同环境条件下提供更为准确的测距结果，为精确测量目标距离提供了有利条件；

同时，通过应用信号增强策略，本发明能够应对不同传输环境下信号质量的波动与干扰，即便在复杂或噪声较大的环境中，传感器也能维持稳定的测距表现，减小信号的抖动与波动，使得传感器系统能够适应不同应用场景以及各种环境条件，无需手动重新校准或调整参数。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种测距传感器测距结果校准方法，其特征在于，包括以下步骤：

步骤1：在待测距区域布置传感器收集距离测量数据，同时采集环境因素数据；

步骤2：获取所采集的环境数据，进行预处理后，转化为机器可读语言，进行干扰因子模型的构建，描述测距数据与环境因素变化趋势；

步骤3：分析干扰因子模型的参数，通过机器学习确定每个环境因素对测距结果的影响度；

步骤4：根据已建立的模型和干扰因素影响度，评估当前环境因素对测距的影响程度；

步骤5：获取影响程度系数，判断是否可对干扰因素进行修正处理；

步骤6：若判断为可执行修正处理，则再判断当前测距信号环境是否与标准值差异过大，反之则忽略；

步骤7：若判断环境差异大于标准值，则执行信号增强策略，根据所选策略，对测距数据进行相应的处理；

步骤8：在实际测距中，监测获取当前环境数据，将当前环境数据代入建立的干扰因子模型，计算出预测的测距结果，计算实际测距值和预测值之间的残差，根据残差的大小，进行线性修正，将修正后的测距值作为最终的测距结果。

2.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤1中的环境因素数据包括：温度、湿度、干扰信号和光照强度。

3.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤2中的干扰因素模型表示为：

；

其中，R代表预测测距值，、/>.../>代表若干环境因素，a、b和c代表待定的参数，表示每个环境因素对测距结果的线性影响。

4.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤4中评估当前环境因素对测距的影响程度，其通过对所选模型进行参数估计，以获得模型权重系数。

5.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤6中的判断当前测距信号环境是否与标准值差异过大，其判断指标包括：信号强度、噪声水平和干扰源数量，并为指标设定阈值，当信号环境指标超过这个阈值时，则认为环境差异较大。

6.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤7中的信号增强策略，包括增加采样次数、滤波、改变工作频率、多路径反射和增加发射功率。

7.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤7中的信号增强策略应用后，则实时监测测距结果，判断是否出现变化值，判断为是，则按照预定设置持续运行，反之，则将问题信息上报至管理。

8.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤8中线性修正的计算公式为：

W=R-k*M；

其中，W代表修正后的测距值，R代表实际测距值，k代表校准系数，M代表残差。

9.根据权利要求1所述的一种测距传感器测距结果校准方法，其特征在于，所述步骤8的实际测距过程中，实时计算实际间隔测量的准确度，其计算公式为：

；

式中，P代表准确度系数，G为噪声幅度，A为被测信号幅度，为信号上升或下降沿时间，/>为采样时隙不确定度，TBA为时基准确度，MI为测量时间间隔。