CN117665749A - 车载激光雷达、自检方法、电子设备与存储介质 - Google Patents
车载激光雷达、自检方法、电子设备与存储介质 Download PDFInfo
- Publication number
- CN117665749A CN117665749A CN202311639537.8A CN202311639537A CN117665749A CN 117665749 A CN117665749 A CN 117665749A CN 202311639537 A CN202311639537 A CN 202311639537A CN 117665749 A CN117665749 A CN 117665749A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- vehicle
- correlation coefficient
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method 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
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种车载激光雷达、自检方法、电子设备与存储介质,其中车载激光雷达包括发射模块、接收模块、与接收模块连接的主控模块,与主控模块连接的诊断模块,诊断模块用于:根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,第一点云数据为任意场景的点云数据,标准点云特征为根据正常激光雷达获得的目标物体的点云特征;若特征相关系数小于预设相关性阈值,根据第二点云数据确定车载激光雷达的故障状态,其中,第二点云数据为车载激光雷达的横轴垂直于目标面并且测试距离为使得车载激光雷达的所有激光束可扫描到目标面场景得到的点云数据。本发明降低了车载激光雷达故障检查的难度和工作量,提高了故障诊断效率。
Description
技术领域
本发明涉及车载激光雷达技术领域,具体涉及一种车载激光雷达、自检方法、电子设备与存储介质。
背景技术
智能驾驶技术在汽车行业的应用越来越广泛,激光雷达作为智能驾驶技术的核心传感器,也得到了越来越广泛的应用。激光雷达为整车提供环境目标的距离信息,为整车的智能驾驶提供决策输入数据,是关系到行车安全的产品。激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。激光雷达的工作原理是向目标发射激光束,然后将接收到的从目标反射回来的回波信号与发射信号进行比较,获得目标的相关信息,如目标距离、方位和高度等参数。若激光雷达发生故障,将导致获得的目标有关信息不准确,从而影响对目标的探测、跟踪和识别结果。因此,激光雷达产品本身的安全性需要得到充分保障。对于激光雷达来说,提供可靠性的目标距离信息是最重要的功能,一旦该功能存在风险,需要有监测和故障诊断、上报机制,实现安全输出。
目前,现有的车载激光雷达故障检测方法通常是通过人工检查的方式确定激光雷达是否存在故障,但是人工检查方式存在流程复杂、工作量大等问题,故障检测速度慢。或者,通过设置在目标区域内不同位置处的相机获取目标区域的图像,并根据图像中的光斑确定激光束的实际扫描范围是否存在偏差,以及通过设置在目标区域中的其他传感器检测激光束的能量是否衰减,但是需要借助其他传感器,其检测过程繁琐,已经无法满足车载激光雷达发展的需求。
因此,如何对车载激光雷达进行检测以保障激其工作可靠性的问题亟需解决。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述车载激光雷达检测效率较低问题的车载激光雷达、自检方法、电子设备与存储介质。
根据本发明的一个方面,提供了一种车载激光雷达,包括:
发射模块、接收模块、与所述接收模块连接的主控模块,与所述主控模块连接的诊断模块,所述诊断模块用于:根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
在一种可选的方式中,所述标准点云特征包括:标准投影轮廓特征和标准几何特征;
所述根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数进一步包括:
根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数;
根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数;
根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数。
在一种可选的方式中,所述根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数进一步包括:
将所述第一点云数据投影到预设平面极坐标系中,得到所述预设平面极坐标系下的第一点云数据;
根据激光雷达水平角分辨率,将所述预设平面极坐标系下的第一点云数据划分到预设的各个扇形区域内,得到各个所述扇形区域的点云数据;
根据所述扇形区域的点云数据计算得到所述扇形区域对应的径向最小值;
根据所述径向最小值和所述标准投影轮廓特征,计算所述扇形区域对应的相关性百分比;
将所述相关性百分比的平均值作为所述投影轮廓相关系数。
在一种可选的方式中,所述标准几何特征包括标准点云簇的质心、长、宽和高;
所述根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数进一步包括:
根据所述第一点云数据,计算所述第一点云数据的点云簇质心以及各坐标轴方向的最大值和最小值;
根据所述最大值和最小值,计算所述第一点云数据的点云簇的长、宽和高;
根据所述点云簇的质心、长、宽和高以及所述标准几何特征,计算所述第一点云数据的点云簇的质心、长、宽和高分别对应的相关性百分比;
将所述相关性百分比的平均值作为所述几何特征相关系数。
在一种可选的方式中,所述根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数进一步包括:
计算所述投影轮廓相关系数和所述几何特征相关系数的权重,根据所述投影轮廓相关系数、所述几何特征相关系数以及所述权重,计算所述特征相关系数。
在一种可选的方式中,所述根据第二点云数据确定所述车载激光雷达的故障状态进一步包括:
若所述特征相关系数小于预设相关性阈值,计算所述第二点云数据中各点云分别与X轴的夹角,具体计算公式为:
其中,xi,yi,zi为第二点云数据中各点云i的数据,γi为点云i与X轴的夹角,i=1,2,…n,n为点云的数量;
根据激光雷达垂直角分辨率以及所述第二点云数据中各点云分别与X轴的夹角,计算所述车载激光雷达中各激光器分别对应的点云,具体计算公式为:
Lj=Lj∪pi
其中,Lj为激光器j,pi为第二点云数据中的点云i;
若所述激光器对应的点云数量小于预设点云数量阈值,则确定所述激光器为故障状态。
在一种可选的方式中,若所述激光器为故障状态且所述激光器对应的点云数量大于0时,对所述激光器对应的点云进行排序;
针对排序之后的任意两个相邻点云,根据所述第二点云数据中该相邻点云的数据计算该相邻点云的距离阈值,具体计算公式为:
其中,dth为相邻点云的距离阈值,ω为激光雷达水平角分辨率,xi,yi,zi为相邻点云中第一个点云i的信息;
根据所述距离阈值计算所述激光器的故障视角范围,具体计算公式为:
v∈(a,b)
其中,v为故障视角范围, xi+1,yi+1,zi+1为相邻点云中第二个点云i的信息。
根据本发明的另一方面,提供了一种车载激光雷达的自检方法,包括:
根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
根据本发明的又一方面,提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述车载激光雷达的自检方法。
根据本发明的再一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述车载激光雷达的自检方法对应的操作。
根据本发明提供的方案,包括发射模块、接收模块、与所述接收模块连接的主控模块,与所述主控模块连接的诊断模块,所述诊断模块用于:根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。本发明根据接收的目标物体的点云数据对车载激光雷达进行功能性诊断以确定故障状态,降低了车载激光雷达故障检查的难度和工作量,提高了故障诊断效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例的车载激光雷达的结构示意图;
图2示出了本发明实施例的车载激光雷达的自检方法的流程示意图;
图3示出了本发明实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例的车载激光雷达的结构示意图,如图1所示,包括:发射模块、接收模块、与所述接收模块连接的主控模块,与所述主控模块连接的诊断模块。
车载激光雷达设置在车辆内部,其中,发射模块包括激励源与激光器,接收模块包括接收光学系统和光电控制器,主控模块包括计算模块和信号处理模块。发射模块在主控模块的控制下向被测物发射激光,当激光打在被测物上时,被测物会将激光反射回接收模块,然后由主控模块对接收模块接收到的信号进行计算和处理,得到大量点云数据。主控模块通过对点云数据进行处理即可获得被测物的有关信息,如与被测物的距离、被测物的方位、高度、速度、姿态、甚至形状等参数,从而实现对被测物进行探测、跟踪,进而根据测量数据,有效实现车速测量,以及车辆与被测物之间距离的测量。
本实施例中,诊断模块根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征。标准点云特征为激光雷达控制器预先存储的先验信息,是指根据正常激光雷达获得的目标物体的点云数据确定的点云特征。
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
其中,目标面可以是平面或已知形状的曲面。例如,第二点云数据对应的场景为:首先检测车载激光雷达(包括至少一个激光器)的前方视角,使车载激光雷达X轴垂直于墙面(该墙面为平面),测试距离要求为使得车载激光雷达包含的所有激光器发射的激光束可扫描到墙面。第一点云数据对应的场景只要能够得到点云信息的场景均可作为该第一点云数据对应的场景,例如,第一点云数据对应的场景与第二点云信息对应的场景可以相同,也可以不同,本文对此不加以限定。
在一种可选的方式中,所述标准点云特征包括:标准投影轮廓特征和标准几何特征;
所述根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数进一步包括:
根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数;
根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数;
根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数。
例如,针对接收到的第一点云数据,采用特征检测算法计算出第一点云数据对应的目标物体的投影轮廓特征,然后与预先存储的标准投影轮廓特征进行匹配,以得到第一点云数据对应的投影轮廓相关系数。
在一种可选的方式中,所述根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数进一步包括:
将所述第一点云数据投影到预设平面极坐标系中,得到所述预设平面极坐标系下的第一点云数据;
根据激光雷达水平角分辨率,将所述预设平面极坐标系下的第一点云数据划分到预设的各个扇形区域内,得到各个所述扇形区域的点云数据;
根据所述扇形区域的点云数据计算得到所述扇形区域对应的径向最小值;
根据所述径向最小值和所述标准投影轮廓特征,计算所述扇形区域对应的相关性百分比;
将所述相关性百分比的平均值作为所述投影轮廓相关系数。
本实施例中,预设平面极坐标系可以为XOY平面极坐标系,将第一点云数据投影到XOY平面极坐标系中,得到XOY平面极坐标系下的第一点云数据。根据激光雷达水平角分辨率,将预设平面极坐标系下的第一点云数据包含的各点云数据分别划分到预设的各个扇形区域内,得到各个扇形区域分别包含的点云数据。其中,各个扇形区域是根据激光雷达水平角分辨率进行划分得到,例如,激光雷达水平角分辨率为0.2°,则可将360°环境划分为1800个扇形区域。激光雷达水平角分辨率是指车载激光雷达的水平角分辨率。水平角分辨率通常是均匀的,但竖直角分辨率可能不均(与场景有关,如中间分辨率高,两侧分辨率低等)。扇形区域对应的径向最小值是指该扇形区域包含的点云数据与预设平面极坐标系原点距离中的最小值。可根据各个扇形区域包含的点云数据,计算出各个扇形区域包含的各点云分别与预设平面极坐标系原点的距离值,进而可以计算出各个扇形区域分别对应的径向最小值。例如,对于某一扇形区域,计算出该扇形区域包含的各点云与预设平面极坐标系原点的距离值分别为2、3、4、5和6,则该扇形区域对应的径向最小值为2。
然后,根据所述径向最小值和所述标准投影轮廓特征,计算所述扇形区域对应的相关性百分比,将所述相关性百分比的平均值作为所述投影轮廓相关系数。其中,各个扇形区域分别对应的径向最小值即为目标物体的投影轮廓特征,可根据目标物体的投影轮廓特征和标准投影轮廓特征,计算各扇形区域分别对应的相关性百分比。
在一种可选的方式中,所述标准几何特征包括标准点云簇的质心、长、宽和高;
所述根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数进一步包括:
根据所述第一点云数据,计算所述第一点云数据的点云簇质心以及各坐标轴方向的最大值和最小值;
根据所述最大值和最小值,计算所述第一点云数据的点云簇的长、宽和高;
根据所述点云簇的质心、长、宽和高以及所述标准几何特征,计算所述第一点云数据的点云簇的质心、长、宽和高分别对应的相关性百分比;
将所述相关性百分比的平均值作为所述几何特征相关系数。
例如,将第一点云数据包含的点云簇的长、宽和高分别与对应的标准几何特征进行对比,得到这三个几何特征分别对应的相关性百分比,即得到第一点云数据包含的点云簇的长、宽和高分别对应的相关性百分比。
在一种可选的方式中,所述根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数进一步包括:
计算所述投影轮廓相关系数和所述几何特征相关系数的权重,根据所述投影轮廓相关系数、所述几何特征相关系数以及所述权重,计算所述特征相关系数。例如,采用加权求和的方法计算特征相关系数。
在一种可选的方式中,所述根据第二点云数据确定所述车载激光雷达的故障状态进一步包括:
若所述特征相关系数小于预设相关性阈值,计算所述第二点云数据中各点云分别与X轴的夹角,具体计算公式为:
其中,xi,yi,zi为第二点云数据中各点云i的数据,γi为点云i与X轴的夹角,i=1,2,…n,n为点云的数量;
根据激光雷达垂直角分辨率以及所述第二点云数据中各点云分别与X轴的夹角,计算所述车载激光雷达中各激光器分别对应的点云,具体计算公式为:
Lj=Lj∪pi
其中,Lj为激光器j,pi为第二点云数据中的点云i;
若所述激光器对应的点云数量小于预设点云数量阈值,则确定所述激光器为故障状态。
在一种可选的方式中,若所述激光器为故障状态且所述激光器对应的点云数量大于0时,对所述激光器对应的点云进行排序;
针对排序之后的任意两个相邻点云,根据所述第二点云数据中该相邻点云的数据计算该相邻点云的距离阈值,具体计算公式为:
其中,dth为相邻点云的距离阈值,ω为激光雷达水平角分辨率,xi,yi,zi为相邻点云中第一个点云i的信息;
根据所述距离阈值计算所述激光器的故障视角范围,具体计算公式为:
v∈(a,b)
其中,v为故障视角范围, xi+1,yi+1,zi+1为相邻点云中第二个点云i的信息。
需要说明的是,对于每个激光器来说,对应的故障区域可能有多个,相应的故障视角范围可能也有多个。对于一个激光器来说,若故障视角范围为整个激光器扫描范围的一部分时,可能为激光外壳部分被遮挡或受损;当故障视角范围为整个激光器扫描范围时,则诊断为该激光器(激光发射器或者激光接收器)发生硬件故障。
根据本发明提供的方案,包括发射模块、接收模块、与所述接收模块连接的主控模块,与所述主控模块连接的诊断模块,所述诊断模块用于:根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。本发明根据接收的目标物体的点云数据对车载激光雷达进行功能性诊断以确定故障状态,降低了车载激光雷达故障检查的难度和工作量,提高了故障诊断效率。
图2示出了本发明实施例的车载激光雷达的自检方法的流程示意图。包括:
根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
图3示出了本发明计算设备实施例的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图3所示,该计算设备可以包括:处理器(processor)32、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。处理器302,用于执行程序310,具体可以执行上述车载激光雷达的自检方法对应的操作。
具体地,程序310可以包括程序代码,该程序代码包括计算机操作指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序310具体可以用于使得处理器302执行以下操作:
根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
在一种可选的方式中,所述标准点云特征包括:标准投影轮廓特征和标准几何特征;
所述根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数进一步包括:
根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数;
根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数;
根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数。
在一种可选的方式中,所述根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数进一步包括:
将所述第一点云数据投影到预设平面极坐标系中,得到所述预设平面极坐标系下的第一点云数据;
根据激光雷达水平角分辨率,将所述预设平面极坐标系下的第一点云数据划分到预设的各个扇形区域内,得到各个所述扇形区域的点云数据;
根据所述扇形区域的点云数据计算得到所述扇形区域对应的径向最小值;
根据所述径向最小值和所述标准投影轮廓特征,计算所述扇形区域对应的相关性百分比;
将所述相关性百分比的平均值作为所述投影轮廓相关系数。
在一种可选的方式中,所述标准几何特征包括标准点云簇的质心、长、宽和高;
所述根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数进一步包括:
根据所述第一点云数据,计算所述第一点云数据的点云簇质心以及各坐标轴方向的最大值和最小值;
根据所述最大值和最小值,计算所述第一点云数据的点云簇的长、宽和高;
根据所述点云簇的质心、长、宽和高以及所述标准几何特征,计算所述第一点云数据的点云簇的质心、长、宽和高分别对应的相关性百分比;
将所述相关性百分比的平均值作为所述几何特征相关系数。
在一种可选的方式中,所述根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数进一步包括:
计算所述投影轮廓相关系数和所述几何特征相关系数的权重,根据所述投影轮廓相关系数、所述几何特征相关系数以及所述权重,计算所述特征相关系数。
在一种可选的方式中,所述根据第二点云数据确定所述车载激光雷达的故障状态进一步包括:
若所述特征相关系数小于预设相关性阈值,计算所述第二点云数据中各点云分别与X轴的夹角,具体计算公式为:
其中,xi,yi,zi为第二点云数据中各点云i的数据,γi为点云i与X轴的夹角,i=1,2,…n,n为点云的数量;
根据激光雷达垂直角分辨率以及所述第二点云数据中各点云分别与X轴的夹角,计算所述车载激光雷达中各激光器分别对应的点云,具体计算公式为:
Lj=Lj∪pi
其中,Lj为激光器j,pi为第二点云数据中的点云i;
若所述激光器对应的点云数量小于预设点云数量阈值,则确定所述激光器为故障状态。
在一种可选的方式中,若所述激光器为故障状态且所述激光器对应的点云数量大于0时,对所述激光器对应的点云进行排序;
针对排序之后的任意两个相邻点云,根据所述第二点云数据中该相邻点云的数据计算该相邻点云的距离阈值,具体计算公式为:
其中,dth为相邻点云的距离阈值,ω为激光雷达水平角分辨率,xi,yi,zi为相邻点云中第一个点云i的信息;
根据所述距离阈值计算所述激光器的故障视角范围,具体计算公式为:
v∈(a,b)
其中,v为故障视角范围, xi+1,yi+1,zi+1为相邻点云中第二个点云i的信息。
根据本发明提供的方案,包括发射模块、接收模块、与所述接收模块连接的主控模块,与所述主控模块连接的诊断模块,所述诊断模块用于:根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。本发明根据接收的目标物体的点云数据对车载激光雷达进行功能性诊断以确定故障状态,降低了车载激光雷达故障检查的难度和工作量,提高了故障诊断效率。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种车载激光雷达,包括:发射模块、接收模块、与所述接收模块连接的主控模块,与所述主控模块连接的诊断模块,其特征在于,所述诊断模块用于:
根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
2.根据权利要求1所述的车载激光雷达,其特征在于,所述标准点云特征包括:标准投影轮廓特征和标准几何特征;
所述根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数进一步包括:
根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数;
根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数;
根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数。
3.根据权利要求2所述的车载激光雷达,其特征在于,所述根据所述第一点云数据和所述标准投影轮廓特征,计算所述第一点云数据对应的投影轮廓相关系数进一步包括:
将所述第一点云数据投影到预设平面极坐标系中,得到所述预设平面极坐标系下的第一点云数据;
根据激光雷达水平角分辨率,将所述预设平面极坐标系下的第一点云数据划分到预设的各个扇形区域内,得到各个所述扇形区域的点云数据;
根据所述扇形区域的点云数据计算得到所述扇形区域对应的径向最小值;
根据所述径向最小值和所述标准投影轮廓特征,计算所述扇形区域对应的相关性百分比;
将所述相关性百分比的平均值作为所述投影轮廓相关系数。
4.根据权利要求2所述的车载激光雷达,其特征在于,所述标准几何特征包括标准点云簇的质心、长、宽和高;
所述根据所述第一点云数据和所述标准几何特征,计算所述第一点云数据对应的几何特征相关系数进一步包括:
根据所述第一点云数据,计算所述第一点云数据的点云簇质心以及各坐标轴方向的最大值和最小值;
根据所述最大值和最小值,计算所述第一点云数据的点云簇的长、宽和高;
根据所述点云簇的质心、长、宽和高以及所述标准几何特征,计算所述第一点云数据的点云簇的质心、长、宽和高分别对应的相关性百分比;
将所述相关性百分比的平均值作为所述几何特征相关系数。
5.根据权利要求2所述的车载激光雷达,其特征在于,所述根据所述投影轮廓相关系数和所述几何特征相关系数,计算所述特征相关系数进一步包括:
计算所述投影轮廓相关系数和所述几何特征相关系数的权重,根据所述投影轮廓相关系数、所述几何特征相关系数以及所述权重,计算所述特征相关系数。
6.根据权利要求1所述的车载激光雷达,其特征在于,所述根据第二点云数据确定所述车载激光雷达的故障状态进一步包括:
若所述特征相关系数小于预设相关性阈值,计算所述第二点云数据中各点云分别与X轴的夹角,具体计算公式为:
其中,xi,yi,zi为第二点云数据中各点云i的数据,γi为点云i与X轴的夹角,i=1,2,…n,n为点云的数量;
根据激光雷达垂直角分辨率以及所述第二点云数据中各点云分别与X轴的夹角,计算所述车载激光雷达中各激光器分别对应的点云,具体计算公式为:
Lj=Lj∪pi
其中,Lj为激光器j,pi为第二点云数据中的点云i;
若所述激光器对应的点云数量小于预设点云数量阈值,则确定所述激光器为故障状态。
7.根据权利要求6所述的车载激光雷达,其特征在于,若所述激光器为故障状态且所述激光器对应的点云数量大于0时,对所述激光器对应的点云进行排序;
针对排序之后的任意两个相邻点云,根据所述第二点云数据中该相邻点云的数据计算该相邻点云的距离阈值,具体计算公式为:
其中,dth为相邻点云的距离阈值,ω为激光雷达水平角分辨率,xi,yi,zi为相邻点云中第一个点云i的信息;
根据所述距离阈值计算所述激光器的故障视角范围,具体计算公式为:
v∈(a,b)
其中,v为故障视角范围, xi+1,yi+1,zi+1为相邻点云中第二个点云i的信息。
8.一种基于权利要求1-7中任一项所述的车载激光雷达的自检方法,其特征在于,包括:
根据接收的目标物体的第一点云数据和标准点云特征,计算特征相关系数,其中,所述第一点云数据为任意场景的点云数据,所述标准点云特征为根据正常激光雷达获得的所述目标物体的点云特征;
若所述特征相关系数小于预设相关性阈值,根据第二点云数据确定所述车载激光雷达的故障状态,其中,所述第二点云数据为所述车载激光雷达的横轴垂直于目标面并且测试距离为使得所述车载激光雷达的所有激光束可扫描到所述目标面场景得到的点云数据。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的车载激光雷达的自检方法。
10.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的车载激光雷达的自检方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311639537.8A CN117665749A (zh) | 2023-12-01 | 2023-12-01 | 车载激光雷达、自检方法、电子设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311639537.8A CN117665749A (zh) | 2023-12-01 | 2023-12-01 | 车载激光雷达、自检方法、电子设备与存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117665749A true CN117665749A (zh) | 2024-03-08 |
Family
ID=90072662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311639537.8A Pending CN117665749A (zh) | 2023-12-01 | 2023-12-01 | 车载激光雷达、自检方法、电子设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117665749A (zh) |
-
2023
- 2023-12-01 CN CN202311639537.8A patent/CN117665749A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106767852B (zh) | 一种生成探测目标信息的方法、装置和设备 | |
CN112014845B (zh) | 一种车辆障碍物定位方法、装置、设备及存储介质 | |
EP3973316A1 (en) | Interference mitigation for light detection and ranging | |
CN109782258B (zh) | 车辆激光雷达的位置检测方法、装置及存储介质 | |
US11262434B2 (en) | Antenna array design and processing to eliminate false detections in a radar system | |
US11954918B2 (en) | Object detection device, object detection method, and storage medium | |
CN108780149B (zh) | 通过传感器的间接测量来改进对机动车辆周围的至少一个物体的检测的方法,控制器,驾驶员辅助系统和机动车辆 | |
CN114152935B (zh) | 一种雷达外参标定精度的评估方法、装置及设备 | |
US20220113171A1 (en) | Sensor diagnosis device and computer readable medium | |
WO2022061758A1 (zh) | 采用点云雷达估计物体速度的方法、点云雷达及系统 | |
CN114755666B (zh) | 点云膨胀的评估方法、装置及设备 | |
CN112799067A (zh) | 装船机溜筒防撞预警方法、装置、系统和预警设备 | |
US10794999B2 (en) | Method for detecting edge of object by laser ranging device | |
CN114296044A (zh) | 一种激光雷达故障诊断方法和装置 | |
US12092733B2 (en) | Radar anti-spoofing system for identifying ghost objects created by reciprocity-based sensor spoofing | |
EP3971606A1 (en) | Radar elevation angle validation | |
EP3835725B1 (en) | Location detection method, apparatus, device and readable storage medium | |
CN117836659A (zh) | 测距方法、波形检测方法、装置及相关设备 | |
CN116400331A (zh) | 激光雷达误差测定方法和装置 | |
CN112689842A (zh) | 一种目标检测方法以及装置 | |
US11609307B2 (en) | Object detection apparatus, vehicle, object detection method, and computer readable medium | |
CN117665749A (zh) | 车载激光雷达、自检方法、电子设备与存储介质 | |
CN116224338A (zh) | 一种雷达数据处理结果的检验方法、装置、设备及介质 | |
CN113589326B (zh) | 激光雷达的物体识别方法、装置、设备及存储介质 | |
CN115728772A (zh) | 激光扫描点的类别检测方法、装置及终端设备 |
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 |