CN117493834A - 定位性能评价方法、装置和电子设备 - Google Patents
定位性能评价方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117493834A CN117493834A CN202311844158.2A CN202311844158A CN117493834A CN 117493834 A CN117493834 A CN 117493834A CN 202311844158 A CN202311844158 A CN 202311844158A CN 117493834 A CN117493834 A CN 117493834A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning
- frame
- positioning data
- index
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 106
- 230000002159 abnormal effect Effects 0.000 claims abstract description 84
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 230000009191 jumping Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种定位性能评价方法、装置和电子设备,其中评价方法包括:获取目标定位数据,目标定位数据是由定位算法计算或仿真得到的定位数据;判断目标定位数据是否存在异常特征,异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。本发明不需要借助真值对定位性能进行评价,也就不需要用到昂贵的真值设备,更加便捷方便。
Description
技术领域
本发明主要涉及定位数据测量和处理技术领域,尤其涉及一种定位性能评价方法、装置和电子设备。
背景技术
无人驾驶汽车是一种智能汽车,主要依靠车内以计算机系统为主的智能驾驶系统实现无人驾驶。无人驾驶汽车集自动控制、环境交互、视觉识别等众多人工智能技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车,它利用车载传感器感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
目前已经量产落地的智能驾驶技术主要着眼于L2+级别,在高阶航辅助驾驶中,智能驾驶算法分为感知、定位和规控算法。在定位算法中,如何评价定位算法结果好坏是十分必要的工作。在仿真定位算法时,也需要一套较好的定位算法评价指标来评判仿真结果。现有的定位算法评价方式,通常将精度更好的传感器获得的定位结果当做真值,并使用真值来计算均方根误差或其它指标,但这种方式成本较高,适用性受限。例如,需要借助真值进行评价,但在实际工程场景中,通常不会有真值或真值设备昂贵;现有定位评价方式单一,通常只对某一个性能进行评价,如仅评价稳定性或实时性等。
发明内容
本发明要解决的技术问题是提供一种定位性能评价方法、装置和电子设备,不需要借助真值对定位性能进行评价,也就不需要用到昂贵的真值设备,更加便捷方便。
为解决上述技术问题,第一方面,本发明提供了一种定位性能评价方法,包括:获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
可选地,还包括:将所述评价指标的数值除以统计时间或统计距离,得到单位评价指标,以所述单位评价指标指示所述定位数据的定位性能;其中,所述统计时间为统计所述目标定位数据从开始到结束之用时,所述统计距离为经过所述统计时间后目标物的距离变化。
可选地所述目标定位数据包括第一输出数据和第二输出数据,所述第一输出数据和所述第二输出数据为连续的两帧数据。
可选地所述第一输出数据为当前时刻的定位数据,所述第二输出数据为所述第一输出数据前一帧的定位数据。
可选地判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在单帧数据跳变;包括:计算所述第一输出数据和所述第二输出数据之间的定位数据差值,所述定位数据包括时间戳、位置、姿态和/或速度;比较所述定位数据差值与对应的差值阈值,若所述定位数据差值大于对应的差值阈值,则存在单帧数据跳变。
可选地判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在数据丢帧;包括;计算连续两帧定位数据之间的时间间隔;比较所述时间间隔与时间间隔阈值,若所述时间间隔大于所述时间间隔阈值,则存在数据丢帧。
可选地,所述时间间隔阈值还包括通信时延和定位算法处理时延。
可选地所述目标定位数据包括从当前帧开始连续的M帧定位数据;判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在多帧数据跳变;包括:计算连续的M-1个定位数据的相邻节点的横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值,并根据所述横向位置差值、所述纵向位置差值、所述横向速度差值、所述纵向速度差值和/或所述偏航角差值分别计算平均值和标准差;由每对所述平均值和所述标准差设定对应的差值阈值区间;获取不属于所述差值阈值区间的定位数据点的异常数量,若所述异常数量大于异常数量阈值,则存在多帧数据跳变。
可选地,M帧定位数据中M的取值与输出所述目标定位数据的频率数值相同。
可选地,所述差值阈值区间的下限为所述平均值减n倍所述标准差,所述差值阈值区间的上限为所述平均值加n倍所述标准差,其中n≥1。
可选地,所述目标定位数据包括第三输出数据,所述第三输出数据为接收的当前定位数据;判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在数据延时;包括:计算所述第三输出数据的时间戳与当前基准定位数据的时间戳之间的时间差;比较所述时间差与时间差阈值,若所述时间差大于所述时间差阈值,则存在数据延时。
可选地,所述时间差阈值还包括通信时延和定位算法处理时延。
第二方面,本发明提供了一种定位性能评价装置,包括:获取模块,用于获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;判断模块,用于判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;统计模块,用于分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
第三方面,本发明提供了一种电子设备,包括:处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的定位性能评价方法的步骤。
第四方面,本发明提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的定位性能评价方法的步骤。
与现有技术相比,本发明具有以下优点:首先获取目标定位数据,再判断目标定位数据是否存在异常特征,最后分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。该性能评价方式利用了定位数据本身的特征,不需要借助真值,也就不需要用到昂贵的真值设备,更加便捷方便。
附图说明
包括附图是为提供对本申请进一步的理解,它们被收录并构成本申请的一部分,附图示出了本申请的实施例,并与本说明书一起起到解释本申请原理的作用。附图中:
图1是本发明一实施例定位性能评价方法的流程示意图;
图2是本发明一实施例定位性能评价装置的结构示意图;
图3是根据本发明一实施例示出的电子设备示意图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例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申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
此外,需要说明的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本申请保护范围的限制。此外,尽管本申请中所使用的术语是从公知公用的术语中选择的,但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的,其详细含义在本文的描述的相关部分中说明。此外,要求不仅仅通过所使用的实际术语,而是还要通过每个术语所蕴含的意义来理解本申请。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,或将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例一:参考图1所示,本实施例提供的定位性能评价方法包括:S110、获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;S120、判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;S130、分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
其中,目标定位数据包括第一输出数据和第二输出数据,第一输出数据和第二输出数据为连续的两帧数据。目标定位数据的评价指标为单帧稳定性指标(Single FrameStability,SFS),异常特征为单帧数据跳变。判断目标定位数据是否存在单帧数据跳变包括:计算第一输出数据和第二输出数据之间的定位数据差值,定位数据包括时间戳、位置、姿态和/或速度;比较定位数据差值与对应的差值阈值,若定位数据差值大于对应的差值阈值,则存在单帧数据跳变。再统计单帧数据跳变的次数,以单帧数据跳变次数作为单帧稳定性指标。
在一示例中,第一输出数据为当前时刻的定位数据,第二输出数据为第一输出数据前一帧的定位数据。
示例性的,获取定位数据的第一输出数据Fout1、第二输出数据Fout2,计算第一输出数据Fout1与第二输出数据Fout2之间的时间戳差值为Tdiff,再计算车体坐标系下第一输出数据Fout1与第二输出数据Fout2之间位置差值、姿态差值和/或速度差值,单帧稳定性指标记为CntSFS,当满足以下任一条件时,CntSFS计数加1:
1)时间戳跳变
2)位置跳变
3)速度跳变
4)姿态跳变
式中,、分别为前后帧相邻节点纵向位置差值、横向位置差值,
、分别为前后帧相邻节点纵向速度差值、横向速度差值,为前后帧相邻节点偏
航角差值;、分别为前后帧相邻节点最大时间戳差值阈值、偏航角差值阈
值,、、分别为车辆最大纵向位置差值
阈值、最大横向位置差值阈值、最大纵向速度差值阈值、最大横向速度差值阈值。
在一示例中,本实施例方法还可以包括将评价指标的数值除以统计时间或统计距离,得到单位评价指标,以单位评价指标指示定位数据的定位性能,其中,统计时间为统计目标定位数据从开始到结束之用时,统计距离为经过统计时间后目标物(如车辆)的距离变化。
示例性的,对定位数据从开始统计到结束统计的用时T(统计时间),车辆行驶距离为D(统计距离),即经过统计时间T后车辆的距离变化为D,定位算法发生单帧数据跳变的计数为CntSFS,则计算时间维度上的单帧稳定性指标,记为SFSt,则SFSt = CntSFS / T,单位为次/S。计算距离维度上的单帧稳定性指标,记为SFSd,SFSd = CntSFS / D,单位为次/m。
一般情况下,单帧稳定性在时间维度指标SFSt可以参考1/600次/S,物理含义为每10分钟发生定位单帧跳变一次是可接受的。单帧稳定性在距离维度指标SFSd可以参考1/20000次/m,物理含义为每20公里发生定位单帧跳变一次是可接受的。
本实施例提供的定位性能评价方法,其评价指标为单帧稳定性指标,首先获取目标定位数据,包括第一输出数据和第二输出数据,再计算第一输出数据和第二输出数据之间的定位数据差值,定位数据包括时间戳、位置、姿态和/或速度,比较定位数据差值与对应的差值阈值,若定位数据差值大于对应的差值阈值,则存在单帧数据跳变,统计单帧数据跳变次数,以单帧数据跳变次数作为单帧稳定性指标,进而可以不需要借助真值对定位结果的单帧稳定性进行评价,便捷方便。
实施例二:参考图1所示,本实施例提供的定位性能评价方法包括:S110、获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;S120、判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;S130、分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
其中,目标定位数据包括从当前帧开始连续的M帧定位数据。目标定位数据的评价指标为多帧稳定性指标(Multi Frame Stability,MFS),异常特征为多帧数据跳变。判断目标定位数据是否存在多帧数据跳变包括:计算连续的M-1个定位数据的相邻节点的横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值,并根据横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值分别计算平均值和标准差;由每对平均值和标准差设定对应的差值阈值区间;获取不属于差值阈值区间的定位数据点的异常数量,若异常数量大于异常数量阈值,则存在多帧数据跳变。再统计多帧数据跳变的次数,以多帧数据跳变次数作为多帧稳定性指标。
在一示例中,M帧定位数据中M的取值与输出目标定位数据的频率数值相同。例如,定位数据输出频率为100HZ,可以将M设定为100,这样既保证了数据准确性,也保证了检测的实时性。
在一示例中,差值阈值区间的下限为平均值减n倍标准差,差值阈值区间的上限为平均值加n倍标准差,其中n≥1。
示例性的,获取定位数据中从当前帧开始连续的M帧历史数据,设定滑窗窗口为N,N表示当前帧开始连续的N帧历史数据,M>N。以1表示当前帧节点,2表示上一帧节点,依次类推,M表示历史M帧节点,由于定位数据输出频率为100HZ,可以将M设定为100,N设定为10,计算如下:
计算连续的M-1个定位数据的相邻节点的纵向位置差值,得数组:
计算连续的M-1个定位数据的相邻节点的横向位置差值,得数组:
,
计算连续的M-1个定位数据的相邻节点的纵向速度差值,得数组:
,
计算连续的M-1个定位数据的相邻节点的横向速度差值,得数组:
,
计算连续的M-1个定位数据的相邻节点的偏航角差值,得数组:
。
并根据上述纵向位置差值数组计算其平均值和标准差,得:
并根据上述横向位置差值数组计算其平均值和标准差,得:
并根据上述纵向速度差值数组计算其平均值和标准差,得:
并根据上述横向速度差值数组计算其平均值和标准差,得:
并根据上述偏航角差值数组计算其平均值和标准差,得:
。
假设数据分布是服从正态分布,利用平均值加减n倍标准差作为差值阈值区间,进行异常点筛选,当满足以下任一条件时,多帧稳定性指标记CNTMFS,计数加1:
设定纵向位置差值阈值区间为[,],
遍历相邻节点纵向位置差值数组,将不满足差值阈值区间的数据点视作异常,N帧内异常点
数量超过posX_cnt;posX_cnt为纵向位置异常数量阈值,表示当异常点数量超过该值时,定
位数据不稳定;
设定横向位置差值阈值区间为[,],
遍历相邻节点横向位置差值数组,将不满足差值阈值区间的数据点视作异常,N帧内异常点
数量超过posY_cnt;posY_cnt为横向位置异常数量阈值,表示当异常点数量超过该值时,定
位数据不稳定;
设定纵向速度差值阈值区间[,],
遍历相邻节点纵向速度差值数组,将不满足差值阈值区间的数据点视作异常,N帧内异常点
数量超过velX_cnt;velX_cnt为纵向速度异常数量阈值,表示当异常点数量超过该值时,定
位数据不稳定;
设定横向速度差值阈值区间为[,],
遍历相邻节点横向位置差值数组,将不满足差值阈值区间的数据点视作异常,N帧内异常点
数量超过velY_cnt;velY_cnt为横向速度异常数量阈值,表示当异常点数量超过该值时,定
位数据不稳定;
设定姿态差值阈值区间为[,],遍
历相邻节点姿态差值数组,将不满足差值阈值区间的数据点视作异常,N帧内异常点数量超
过yaw_cnt;yaw_cnt为定姿态差值异常数量阈值,表示当异常点数量超过该值时,定位数据
不稳定。
在一示例中,本实施例评价方法还包括将评价指标的数值除以统计时间或统计距离,得到单位评价指标,以单位评价指标指示定位数据的定位性能,其中,统计时间为统计目标定位数据从开始到结束之用时,统计距离为经过统计时间后目标物(如车辆)的距离变化。
示例性的,对定位数据从开始统计到结束统计的用时T(统计时间),车辆行驶距离为D(统计距离),即经过统计时间T后车辆的距离变化为D,定位算法发生多帧数据跳变的计数为CntMFS,则计算时间维度上的多帧稳定性指标,记MFSt,则MFSt =CntMFS / T,单位为次/S。计算距离维度上的多帧稳定性指标,记MFSd,则MFSd =CntMFS / D,单位为次/m。
一般情况下,多帧稳定性在时间维度指标MFSt可以参考1/1200次/S,物理含义为每20分钟发生定位多帧跳变一次是可接受的。多帧稳定性在距离维度指标MFSd可以参考1/40000次/m,物理含义为每40公里发生定位多帧跳变一次是可接受的。
本实施例中各步骤执行的其他操作的细节可以参考前述实施例中相同的细节,在此不再展开。
本实施例提供的定位性能评价方法,其评价指标为多帧稳定性指标,首先获取目标定位数据,从当前帧开始连续的M帧定位数据,再计算连续的M-1个定位数据的相邻节点的横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值,根据横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值分别计算平均值和标准差,由每对平均值和标准差设定对应的差值阈值区间,获取不属于差值阈值区间的定位数据点的异常数量,若异常数量大于异常数量阈值,则存在多帧数据跳变;统计多帧数据跳变次数,以多帧数据跳变次数作为多帧稳定性指标,进而可以不需要借助真值对定位结果的多帧稳定性进行评价,便捷方便。
实施例三:参考图1所示,本实施例提供的定位性能评价方法包括:S110、获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;S120、判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;S130、分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
其中,目标定位数据包括第一输出数据和第二输出数据,第一输出数据和第二输出数据为连续的两帧数据。目标定位数据的评价指标为帧率连续性指标(Frame RateContinous,FRC),异常特征为数据丢帧。判断目标定位数据是否存在数据丢帧包括:计算连续两帧定位数据之间的时间间隔,比较时间间隔与时间间隔阈值,若时间间隔大于时间间隔阈值,则存在数据丢帧。再统计数据丢帧的次数,以数据丢帧次数作为帧率连续性指标。
在一示例中,第一输出数据为当前时刻的定位数据,第二输出数据为第一输出数据前一帧的定位数据。
在一示例中,时间间隔阈值还包括通信时延和定位算法处理时延。
示例性的,获取定位数据中第一输出数据Fout1、第二输出数据Fout2,计算第一输出数据Fout1与第二输出数据Fout2之间的时间戳差值为Tdiff,设定位算法的输出频率为100HZ,即每两帧定位结果输出间隔为0.01s,考虑传感器通信时延和算法处理时延,可留定20%余量对时间戳差值进行限制,帧率连续性指标记为CntFRC,当不满以下条件时,CntFRC计数加1:
0 < Tdiff < 0.012
在一示例中,本实施例评价方法还包括将评价指标的数值除以统计时间或统计距离,得到单位评价指标,以单位评价指标指示定位数据的定位性能,其中,统计时间为统计目标定位数据从开始到结束之用时,统计距离为经过统计时间后目标物(如车辆)的距离变化。
示例性的,对定位数据从开始统计到结束统计的用时T(统计时间),车辆行驶距离为D(统计距离),即经过统计时间T后车辆的距离变化为D,定位算法发生数据丢帧的计数为CntFRC,则帧率连续性在时间维度上指标记FRCt,则FRCt = CntFRC / T,单位为次/S。帧率连续性在距离维度上指标记FRCd,FRCd = CntFRC / D,单位为次/m。
一般情况下,帧率连续性在时间维度的指标FRCt可以参考1/3600次/S,物理含义为每60分钟发生定位丢帧一次是可接受的。帧率连续性在距离维度的指标FRCd可以参考1/100000次/m,物理含义为每100公里发生定位丢帧一次是可接受的。
本实施例中各步骤执行的其他操作的细节可以参考前述实施例中相同细节,在此不再展开。
本实施例提供的定位性能评价方法,其评价指标为帧率连续性指标,首先获取目标定位数据,目标定位数据包括第一输出数据和第二输出数据,再计算连续两帧定位数据之间的时间间隔,比较时间间隔与时间间隔阈值,若时间间隔大于时间间隔阈值,则存在数据丢帧;统计数据丢帧次数,以数据丢帧次数作为帧率连续性指标,进而可以不需要借助真值对定位结果的帧率连续性进行评价,便捷方便。
实施例四:参考图1所示本实施例提供的定位性能评价方法包括:S110、获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;S120、判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;S130、分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
其中,目标定位数据包括第三输出数据,第三输出数据为接收的当前定位数据。目标定位数据的评价指标为帧率实时性指标(Real Time Frame Rate,RTFR),异常特征为数据延时。判断目标定位数据是否存在数据延时包括:计算第三输出数据的时间戳与当前基准定位数据的时间戳之间的时间差,比较时间差与时间差阈值,若时间差大于时间差阈值,则存在数据延时。再统计数据延时的次数,以数据延时次数作为帧率实时性指标。
在一示例中,时间差阈值还包括通信时延和定位算法处理时延。
示例性的,获取定位数据中最新输出数据,即第三输出数据Fout3,设第三输出数据Fout3的时间戳为TFC,一般组合导航频率输出很高且稳定,可将组合导航当做时间基准,其数据为基准定位数据,若组合导航最新输出数据的时间戳为TINS,定位算法的数据输出频率为100HZ,考虑传感器通信时延和算法处理时延,留定20%余量对时间戳差值进行限制,帧率实时性指标记为CntFTFR,当不满以下条件时,CntFTFR计数加1:
0 < TINS-TFC < 0.002
在一示例中,本实施例评价方法还包括将评价指标的数值除以统计时间或统计距离,得到单位评价指标,以单位评价指标指示定位数据的定位性能,其中,统计时间为统计目标定位数据从开始到结束之用时,统计距离为经过统计时间后目标物(如车辆)的距离变化。
示例性的,对定位数据从开始统计到结束统计的用时T(统计时间),车辆行驶距离为D(统计距离),即经过统计时间T后车辆的距离变化为D,定位算法结果输出不实时(延时)的计数为CntRTFR,则帧率实时性在时间维度上的指标记RTFRt,RTFRt = CntRTFR / T,单位为次/S。帧率实时性在距离维度上的指标记RTFRd ,RTFRd= CntRTFR / D,单位为次/m。
一般情况下,帧率实时性在时间维度的指标RTFRt可以参考1/3600次/s,物理含义为每60分钟发生定位不实时一次是可接受的。帧率实时性在距离维度的指标RTFRd可以参考1/100000次/m,物理含义为每100公里发生定位不实时一次是可接受的。
本实施例中各步骤执行的其他操作的细节可以参考前述实施例中相同细节,在此不再展开。
本实施例提供的定位性能评价方法,其评价指标为帧率实时性指标,首先获取第三输出数据,第三输出数据为接收的当前定位数据,再计算第三输出数据的时间戳与当前基准定位数据的时间戳之间的时间差,比较时间差与时间差阈值,若时间差大于时间差阈值,则存在数据延时;再统计数据延时的次数,以数据延时次数作为帧率实时性指标,进而可以不需要借助真值对定位结果的帧率实时性进行评价,便捷方便。
实施例五:参考图2所示,本实施例提供的定位性能评价装置200包括:获取模块201,用于获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;判断模块202,用于判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;统计模块203,用于分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
在一示例中,装置200还可以包括单位评价指标计算模块,用于将评价指标的数值除以统计时间或统计距离,得到单位评价指标,以单位评价指标指示定位数据的定位性能,其中,所述统计时间为统计所述目标定位数据从开始到结束之用时,所述统计距离为经过所述统计时间后目标物的距离变化。
在一示例中,目标定位数据包括第一输出数据和第二输出数据,第一输出数据和第二输出数据为连续的两帧数据。
在一示例中,第一输出数据为当前时刻的定位数据,第二输出数据为第一输出数据前一帧的定位数据。
在一示例中,判断目标定位数据是否存在异常特征为判断目标定位数据是否存在单帧数据跳变;包括:计算第一输出数据和第二输出数据之间的定位数据差值,定位数据包括时间戳、位置、姿态和/或速度;比较定位数据差值与对应的差值阈值,若定位数据差值大于对应的差值阈值,则存在单帧数据跳变。
在一示例中,判断目标定位数据是否存在异常特征为判断目标定位数据是否存在数据丢帧;包括:计算连续两帧定位数据之间的时间间隔;比较时间间隔与时间间隔阈值,若时间间隔大于时间间隔阈值,则存在数据丢帧。
在一示例中,时间间隔阈值还包括通信时延和定位算法处理时延。
在一示例中,目标定位数据包括从当前帧开始连续的M帧定位数据;判断目标定位数据是否存在异常特征为判断目标定位数据是否存在多帧数据跳变;包括:计算连续的M-1个定位数据的相邻节点的横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值,并根据横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值分别计算平均值和标准差;由每对平均值和标准差设定对应的差值阈值区间;获取不属于差值阈值区间的定位数据点的异常数量,若异常数量大于异常数量阈值,则存在多帧数据跳变。
在一示例中,M帧定位数据中M的取值与输出目标定位数据的频率数值相同。
在一示例中,差值阈值区间的下限为平均值减n倍标准差,差值阈值区间的上限为平均值加n倍标准差,其中n≥1。
在一示例中,目标定位数据包括第三输出数据,第三输出数据为接收的当前定位数据;判断目标定位数据是否存在异常特征为判断目标定位数据是否存在数据延时;包括:计算第三输出数据的时间戳与当前基准定位数据的时间戳之间的时间差;比较时间差与时间差阈值,若时间差大于时间差阈值,则存在数据延时。
在一示例中,时间差阈值还包括通信时延和定位算法处理时延。
本实施例中各模块执行的其他操作的细节可以参考前述实施例,在此不再展开。
本实施例提供的定位性能评价装置,首先获取目标定位数据,目标定位数据是由定位算法计算或仿真得到的定位数据;再判断目标定位数据是否存在异常特征,异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;最后分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标,该定位性能评价方式利用了定位数据本身的特征,不需要借助真值,也就不需要用到昂贵的真值设备,更加便捷方便。
本申请实施例中的一种定位性能评价装置可以是装置,也可以是终端中的部件、集成电路、或芯片。本申请实施例中的一种定位性能评价装置可以为具有操作系统的装置。该操作系统可以为安卓操作系统,可以为iOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请还提供了一种电子设备,包括:存储器,用于存储可由处理器执行的程序或指令;以及处理器,用于执行上述程序或指令以实现上述定位性能评价方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
图3是根据本发明一实施例示出的电子设备示意图。电子设备300可包括内部通信总线301、处理器(Processor)302、只读存储器(ROM)303、随机存取存储器(RAM)304、以及通信端口305。内部通信总线301可以实现电子设备300组件之间的数据通信。处理器302可以进行判断和发出提示。在一些实施方式中,处理器302可以由一个或多个处理器组成。通信端口305可以实现电子设备300与外部的数据通信。在一些实施方式中,电子设备300可以通过通信端口305从网络发送和接收信息及数据。电子设备300还可以包括不同形式的程序储存单元以及数据储存单元,只读存储器(ROM)303和随机存取存储器(RAM)304,能够存储计算机处理和/或通信使用的各种数据文件,以及处理器302所执行的可能的程序或指令。处理器302处理的结果通过通信端口305传给用户设备,在用户界面上显示。
本申请实施例还提供一种可读存储介质,可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述定位性能评价方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,处理器为上述实施例中电子设备中的处理器。可读存储介质包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory, ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等。
对于本领域技术人员来说,上述发明披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
虽然本申请已参照当前的具体实施例来描述,但是本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本申请,在没有脱离本申请精神的情况下还可作出各种等效的变化或替换,因此,只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (15)
1.一种定位性能评价方法,其特征在于,包括:
获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;
判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;
分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
2.如权利要求1所述的定位性能评价方法,其特征在于,还包括:将所述评价指标的数值除以统计时间或统计距离,得到单位评价指标,以所述单位评价指标指示所述定位数据的定位性能;其中,所述统计时间为统计所述目标定位数据从开始到结束之用时,所述统计距离为经过所述统计时间后目标物的距离变化。
3.如权利要求1所述的一种定位性能评价方法,其特征在于,
所述目标定位数据包括第一输出数据和第二输出数据,所述第一输出数据和所述第二输出数据为连续的两帧数据。
4.如权利要求3所述的定位性能评价方法,其特征在于,所述第一输出数据为当前时刻的定位数据,所述第二输出数据为所述第一输出数据前一帧的定位数据。
5.如权利要求3或4所述的定位性能评价方法,其特征在于,
判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在单帧数据跳变;包括:
计算所述第一输出数据和所述第二输出数据之间的定位数据差值,所述定位数据包括时间戳、位置、姿态和/或速度;比较所述定位数据差值与对应的差值阈值,若所述定位数据差值大于对应的差值阈值,则存在单帧数据跳变。
6.如权利要求3或4所述的定位性能评价方法,其特征在于,
判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在数据丢帧;包括:
计算连续两帧定位数据之间的时间间隔;比较所述时间间隔与时间间隔阈值,若所述时间间隔大于所述时间间隔阈值,则存在数据丢帧。
7.如权利要求6所述的定位性能评价方法,其特征在于,所述时间间隔阈值还包括通信时延和定位算法处理时延。
8.如权利要求1所述的定位性能评价方法,其特征在于,
所述目标定位数据包括从当前帧开始连续的M帧定位数据;
判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在多帧数据跳变;包括:
计算连续的M-1个定位数据的相邻节点的横向位置差值、纵向位置差值、横向速度差值、纵向速度差值和/或偏航角差值,并根据所述横向位置差值、所述纵向位置差值、所述横向速度差值、所述纵向速度差值和/或所述偏航角差值分别计算平均值和标准差;由每对所述平均值和所述标准差设定对应的差值阈值区间;获取不属于所述差值阈值区间的定位数据点的异常数量,若所述异常数量大于异常数量阈值,则存在多帧数据跳变。
9.如权利要求8所述的定位性能评价方法,其特征在于,M帧定位数据中M的取值与输出所述目标定位数据的频率数值相同。
10.如权利要求8所述的定位性能评价方法,其特征在于,所述差值阈值区间的下限为所述平均值减n倍所述标准差,所述差值阈值区间的上限为所述平均值加n倍所述标准差,其中n≥1。
11.如权利要求1所述的定位性能评价方法,其特征在于,
所述目标定位数据包括第三输出数据,所述第三输出数据为接收的当前定位数据;
判断所述目标定位数据是否存在异常特征为:判断所述目标定位数据是否存在数据延时;包括:
计算所述第三输出数据的时间戳与当前基准定位数据的时间戳之间的时间差;比较所述时间差与时间差阈值,若所述时间差大于所述时间差阈值,则存在数据延时。
12.如权利要求11所述的定位性能评价方法,其特征在于,所述时间差阈值还包括通信时延和定位算法处理时延。
13.一种定位性能评价装置,其特征在于,包括:
获取模块,用于获取目标定位数据,所述目标定位数据是由定位算法计算或仿真得到的定位数据;
判断模块,用于判断所述目标定位数据是否存在异常特征,所述异常特征包括:单帧数据跳变、多帧数据跳变、数据丢帧和/或数据延时;
统计模块,用于分别统计每一种异常特征的次数,以每一种异常特征的次数作为一个评价指标,所述评价指标包括以下指标中一个或多个:以单帧数据跳变次数作为单帧稳定性指标、以多帧数据跳变次数作为多帧稳定性指标、以数据丢帧次数作为帧率连续性指标和以数据延时次数作为帧率实时性指标。
14.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-12任一项所述的定位性能评价方法的步骤。
15.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-12任一项所述的定位性能评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311844158.2A CN117493834A (zh) | 2023-12-29 | 2023-12-29 | 定位性能评价方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311844158.2A CN117493834A (zh) | 2023-12-29 | 2023-12-29 | 定位性能评价方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117493834A true CN117493834A (zh) | 2024-02-02 |
Family
ID=89672982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311844158.2A Pending CN117493834A (zh) | 2023-12-29 | 2023-12-29 | 定位性能评价方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117493834A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230607A (zh) * | 2018-01-23 | 2018-06-29 | 公安部沈阳消防研究所 | 一种基于区域特征分析的图像火灾探测方法 |
WO2021216745A1 (en) * | 2020-04-22 | 2021-10-28 | Qualcomm Incorporated | Sps spoofing detection |
CN113961627A (zh) * | 2021-10-29 | 2022-01-21 | 重庆长安汽车股份有限公司 | 一种基于高保真传感器仿真的数据融合的评测方法及系统 |
CN115265566A (zh) * | 2022-06-20 | 2022-11-01 | 安徽蔚来智驾科技有限公司 | 自动驾驶定位数据收集处理方法、装置、介质及车辆 |
CN116528279A (zh) * | 2023-05-06 | 2023-08-01 | 智道网联科技(北京)有限公司 | 一种路侧测试时延的方法、装置、存储介质及电子设备 |
CN116883460A (zh) * | 2023-07-05 | 2023-10-13 | 北京星云互联科技有限公司 | 一种视觉感知定位方法、装置、电子设备及存储介质 |
-
2023
- 2023-12-29 CN CN202311844158.2A patent/CN117493834A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230607A (zh) * | 2018-01-23 | 2018-06-29 | 公安部沈阳消防研究所 | 一种基于区域特征分析的图像火灾探测方法 |
WO2021216745A1 (en) * | 2020-04-22 | 2021-10-28 | Qualcomm Incorporated | Sps spoofing detection |
CN113961627A (zh) * | 2021-10-29 | 2022-01-21 | 重庆长安汽车股份有限公司 | 一种基于高保真传感器仿真的数据融合的评测方法及系统 |
CN115265566A (zh) * | 2022-06-20 | 2022-11-01 | 安徽蔚来智驾科技有限公司 | 自动驾驶定位数据收集处理方法、装置、介质及车辆 |
CN116528279A (zh) * | 2023-05-06 | 2023-08-01 | 智道网联科技(北京)有限公司 | 一种路侧测试时延的方法、装置、存储介质及电子设备 |
CN116883460A (zh) * | 2023-07-05 | 2023-10-13 | 北京星云互联科技有限公司 | 一种视觉感知定位方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
林鹏: "《网络通信安全管理员》", 31 March 2010, 北京邮电大学出版社, pages: 256 - 257 * |
罗际炜等: ""嵌入式多通道无线视频传输的码率自适应算法"", 《计算机应用》, vol. 40, no. 04, 10 April 2020 (2020-04-10), pages 1123 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109444932B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
CN110706307A (zh) | 电子地图构建方法、装置以及存储介质 | |
CN116360426A (zh) | 车辆自动驾驶全局路径规划方法、系统、介质及设备 | |
CN111044053B (zh) | 单舵轮无人车的导航方法、装置和单舵轮无人车 | |
CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN117493834A (zh) | 定位性能评价方法、装置和电子设备 | |
CN115235527B (zh) | 传感器外参标定方法、装置以及电子设备 | |
CN116543271A (zh) | 目标检测评价指标的确定方法、装置、电子设备及介质 | |
CN116691659A (zh) | 一种无gps信号下车辆行驶轨迹的评估方法、装置 | |
CN116534059A (zh) | 自适应感知路径决策方法、装置、计算机设备及存储介质 | |
CN116010543A (zh) | 车道信息确定方法、装置、电子设备以及存储介质 | |
CN115790640A (zh) | 一种基于多维数据智能分析的车辆里程纠偏方法及装置 | |
CN114111815B (zh) | 一种地图数据的处理方法和装置 | |
CN113640760B (zh) | 基于空情数据的雷达发现概率评估方法及设备 | |
CN112346046B (zh) | 基于车载毫米波雷达的单目标跟踪方法及其系统 | |
CN111160594A (zh) | 一种到达时间的预估方法、装置及存储介质 | |
CN115140029A (zh) | 一种自动驾驶汽车的安全能力检测方法和装置 | |
CN112561932A (zh) | 航迹线去噪方法、装置、电子设备和存储介质 | |
CN113252049B (zh) | 一种车距确定方法及装置 | |
CN111191734A (zh) | 传感器数据融合方法、装置、设备及存储介质 | |
CN115733867B (zh) | 一种车载gps数据上传方法、系统及设备 | |
CN114228708B (zh) | 车辆控制方法和系统 | |
CN117452448B (zh) | 高精定位跳变联合故障诊断方法和车辆定位控制系统 | |
CN117473455B (zh) | 多源定位数据的融合方法、装置和电子设备 | |
CN112925867B (zh) | 定位真值的获取方法、装置及电子设备 |
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 |