TWI759137B - 能夠降低環境雜訊的光達系統 - Google Patents
能夠降低環境雜訊的光達系統 Download PDFInfo
- Publication number
- TWI759137B TWI759137B TW110108889A TW110108889A TWI759137B TW I759137 B TWI759137 B TW I759137B TW 110108889 A TW110108889 A TW 110108889A TW 110108889 A TW110108889 A TW 110108889A TW I759137 B TWI759137 B TW I759137B
- Authority
- TW
- Taiwan
- Prior art keywords
- noise
- time
- model data
- point cloud
- sampling
- Prior art date
Links
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本發明提供一種能夠降低環境雜訊的光達系統,其包括一光學雷達及一處理模組。光學雷達自偵測環境中取得一點雲模型資料;以及處理模組係電性連接於光學雷達,處理模組包含有一鄰近點雲過濾單元以及一卡爾曼過濾單元,鄰近點雲過濾單元接收點雲模型資料並進行處理,以便輸出一個過濾模型資料,卡爾曼過濾單元接收過濾模型資料,以便過濾輸出一個低雜訊環境模型資料,藉以降低光達系統在惡劣環境中的環境雜訊。
Description
本發明係有關於一種能夠降低環境雜訊的光達系統,其透過兩次演算法而過濾雜訊,以降低光達系統在惡劣環境中的環境雜訊。
按,先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS),是近年來車廠積極發展的車輛技術之一,而ADAS的主要功能是為駕駛人提供車輛的行進情形與車外環境變化等相關資訊進行分析,且預先警告可能發生的危險狀況,讓駕駛人提早採取因應措施,避免交通意外發生。
然而,隨著ADAS的快速發展,越來越多的車廠也開始致力於發展自駕車,故自駕車勢嚴然為汽車產業的未來趨勢。
而光學雷達在自駕車上是不可或缺的重要元件之一,透過光學雷達能夠感測車輛外的環境狀況,惟光學雷達也是有使用上的限制,例如光學雷達會受到很多因素的影響,主要的影響有:光學雷達發射接收的雜訊、車輛移動造成的雜訊、環境雜訊等。
其中,環境雜訊包括從星體、地球、太陽、大氣、雲或者任何不應該有的輻射源照射到或反射到接收端上的訊號,此外惡劣天氣也是環境雜訊
的一種,如大雨、下雪、濃霧等皆會使光學雷達回波的偵測能力大幅下降,致使光學電達因環境雜訊而產生誤判,舉例來說,在大雨或濃霧中,水滴可能被誤判為車輛前方的物體,使得車輛停止下來,因此如何改善光學雷達所面對的雜訊問題,係為本發明所欲解決課題之一。
為解決上述課題,本發明揭露一種能夠降低環境雜訊的光達系統,其利用兩次演算過濾惡劣環境中的雜訊,以避免惡劣環境影響光學雷達的感測準確度。
為達上述目的,本發明一項實施例中提供一種能夠降低環境雜訊的光達系統,其包括一光學雷達及一處理模組。光學雷達自偵測環境中取得一點雲模型資料;以及處理模組係電性連接於光學雷達,處理模組包含有一鄰近點雲過濾單元以及一卡爾曼過濾單元,鄰近點雲過濾單元接收點雲模型資料並進行處理,以便輸出一個過濾模型資料,卡爾曼過濾單元接收過濾模型資料,以便過濾輸出一個低雜訊環境模型資料。
於本發明另一實施例中,點雲模型資料包括一具有X軸、Y軸、Z軸的環境框架及位於環境框架內、外側的複數點雲,其中,超過環境框架外側一定距離的點雲忽略不計。
於本發明另一實施例中,鄰近點雲過濾單元於環境框架內、外側的範圍以複數個取樣圓進行點雲的取樣,且兩個相鄰的取樣圓局部交疊,當取樣圓範圍內所取得點雲數量大於一個臨界判斷數值時,則保留取樣圓。
於本發明另一實施例中,取樣圓具有一個取樣半徑,取樣半徑為
2公分。
於本發明另一實施例中,兩個相鄰的取樣圓之圓心距離介於1公分至3公分之間。
於本發明另一實施例中,臨界判斷數值為10個,當取樣圓範圍內的點雲數量少於臨界判斷數值時,點雲則當作雜訊被濾除。
於本發明另一實施例中,更包括一行車電腦、一定位模組及一電源供應器,係分別電性連接於處理模組。
藉此,本發明利用鄰近點雲過濾單元以及卡爾曼過濾單元依序進行演算而過濾惡劣環境中的雜訊,以避免惡劣環境影響光學雷達的感測準確度。
100:光達系統
10:處理模組
11:鄰近點雲過濾單元
12:卡爾曼過濾單元
20:光學雷達
30:行車電腦
40:定位模組
50:電源供應器
X:X軸
Y:Y軸
Z:Z軸
S:環境框架
P:點雲
C:取樣圓
R:取樣半徑
D:圓心距離
[圖1]係為本發明之光達系統架構示意圖。
[圖2]係為本發明所取得之點雲模型資料之立體示意圖。
[圖3]係為本發明所取得之點雲模型資料之上視圖,並顯示取樣狀態。
[圖4]係為本發明之點雲模型資料經由第一次演算過濾後的過濾模型資料之立體示意圖。
[圖5]係為本發明之點雲模型資料經由第二次演算過濾後的低雜訊環境模型資料之立體示意圖。
以下參照各附圖詳細描述本發明的示例性實施例,且不意圖將本發明的技術原理限制於特定公開的實施例,而本發明的範圍僅由申請專利範圍限制,涵蓋了替代、修改和等同物。
請參閱圖1至圖5所示,係為本發明一種能夠降低環境雜訊的光達系統100,其應用於車輛上,所述的車輛包括但不限於房車、卡車、貨車、跑車等,光達系統100包括一處理模組10、一光學雷達20、一行車電腦30、一定位模組40及一電源供應器50。光學雷達20、行車電腦30、定位模組40及電源供應器50分別電性連接於處理模組10,而在其他實施例中,行車電腦30非為光達系統100之構件,使光達系統100電性連接於車輛之行車電腦30亦可。於本發明實施例中,定位模組40為全球衛星定位系統(GPS),用以接收衛星定位訊號,並提供處理模組10進行車輛的定位;電源供應器50為9v、1A或18v、2A的變壓器,用以電性連接於車輛的電池或電瓶。光學雷達20選自於Velodyne LiDAR雷達公司之16層360度的三維光達感測器(型號為VLP-16),其每秒有30萬個點、360度水平視場角以及30度的垂直視場角,且最遠有效感測範圍為100公尺,最近有效範圍為30公分。
光學雷達20係自偵測環境中取得一點雲模型資料。所述的點雲模型資料包括一具有X軸、Y軸、Z軸的環境框架S及位於環境框架S內、外側的複數點雲P(Point Cloud),因此所述的點雲P至少具有幾何位置資訊以外,還有可能含有色彩資訊或目標物反射面強度資訊。其中,在判斷是否列為雜訊時,在超過環境框架S外側一定距離的點雲P忽略不計。
處理模組10包含有一鄰近點雲過濾單元11以及一卡爾曼過濾單元12,鄰近點雲過濾單元11接收點雲模型資料並進行處理,以便輸出一個過濾模
型資料,卡爾曼過濾單元12接收過濾模型資料,以便過濾輸出一個低雜訊環境模型資料,藉此,當車輛行駛於如下雨、下雪、起霧的惡劣環境當中,透過處理模組10的兩次過濾處理,而能降低環境雜訊對於光學雷達20的感測和性能影響,進而改善光學雷達20的判斷。
以下進一步說明本發明的降低環境雜訊的處理方法:鄰近點雲過濾單元11於環境框架S內、外側的範圍以複數個取樣圓C進行點雲P的取樣,請配合參閱圖3所示,取樣圓C具有一個取樣半徑R,於本發明實施例中,取樣半徑R為2公分,且兩個相鄰的取樣圓C之圓心距離D介於1公分至3公分之間,以使兩個相鄰的取樣圓C局部交疊,如此能夠避免在取樣時,於兩個取樣圓C之間產生空隙,而導致空隙中的點雲P不被列入取樣資訊中,使得取樣資訊不夠精準的問題。
當每一個取樣圓C範圍內所取得點雲P數量大於一個臨界判斷數值時,則保留取樣圓C,反之,取樣圓C範圍內所取得點雲P數量少於臨界判斷數值時,點雲P則當作雜訊被濾除。於本發明實施例中,臨界判斷數值為10個。因此,當某一取樣圓C所取得的點雲P的數量少於10個時,此一取樣圓C範圍內的點雲P會被當作雜訊過濾掉,如此一來,對於環境中的微小雜訊,可忽略不計,如圖4所示。例如是車輛行駛中遇到毛毛雨時,而能透過前述方式過濾掉雨滴所帶來的雜訊,以便車輛不會因為雨滴產生誤判為物體而停止下來。然而,鄰近點雲過濾單元11可以過濾大部分的環境雜訊,但在車輛遇到濃霧情形時,光學雷達20仍無法建立起準確的空間模型資料。
因此接著,本發明以卡爾曼過濾單元12接收過濾模型資料,過濾輸出低雜訊環境模型資料。於本發明實施例中,卡爾曼過濾單元12為一種卡爾
曼濾波器(Kalman Filter),其具有實時性、快速性、高效性及抗干擾性等優點。其中,卡爾曼過濾單元12進行處理時都包含兩個步驟,主要先計算一個預估值,在對預估值和測量值做加權求和,以便得到最佳結果狀態。更進一步的說明,卡爾曼過濾單元12主要會進行五個程序:(1)利用k-1時刻的最佳結果狀態去計算在k時刻的預估值;(2)利用k-1時刻最佳結果狀態的雜訊Pk-1去計算在k時刻預估值的雜訊;(3)利用k時刻預估值的雜訊和k時刻測量值zk得雜訊r去計算k時刻的卡爾曼增益kk;(4)利用k時刻的預估值、k時刻的測量值zk和k時刻的卡爾曼增益kk去計算k時刻的最佳結果狀態;(5)利用k時刻預估值的雜訊和k時刻的卡爾曼增益kk去計算k時刻最佳結果狀態的誤差Pk。
因此透過卡爾曼過濾單元12處理而改善空間模型資料,據以過濾輸出低雜訊環境模型資料,從而降低環境雜訊對於光學雷達20感測的干擾,特別是卡爾曼過濾單元12可以用來過濾掉濃霧所帶來的雜訊,如圖5所示。
據此,本發明以鄰近點雲過濾單元11與卡爾曼過濾單元12進行兩次過濾處理,以便過濾修正光學雷達20所感測取得之點雲模型資料,使點雲模型資料於演算過濾前與演算過濾後的誤差值能夠明顯的下降10%~30%左右,讓本發明光達系統100在惡劣天氣與環境中改善感測訊號,降低環境雜訊對於光學電達20的不利影響。
因此,本發明能夠運用於自駕車上,降低自駕車使用其他輔助設備才能夠在惡劣環境中提升感測的準確度,故本發明節省了其他偵測設備的安裝,降低自駕車的成本。
雖然本發明是以一個最佳實施例作說明,精於此技藝者能在不脫離本發明精神與範疇下作各種不同形式的改變。以上所舉實施例僅用以說明本發明而已,非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或改變,俱屬本發明申請專利範圍。
100:光達系統
10:處理模組
11:鄰近點雲過濾單元
12:卡爾曼過濾單元
20:光學雷達
30:行車電腦
40:定位模組
50:電源供應器
Claims (7)
- 一種能夠降低環境雜訊的光達系統,其包括:一光學雷達,係自偵測環境中取得一點雲模型資料,其中,該點雲模型資料包括一環境框架以及複數點雲;以及一處理模組,係電性連接於該光學雷達,該處理模組包含有一鄰近點雲過濾單元以及一卡爾曼過濾單元,該鄰近點雲過濾單元接收該點雲模型資料,並於該環境框架內、外側的範圍以複數個半徑相同的取樣圓進行該些點雲的取樣,且兩個相鄰的該等取樣圓局部交疊,當該些取樣圓範圍內所取得該些點雲數量大於一個臨界判斷數值時,則保留該些取樣圓,當該取樣圓範圍內的該些點雲數量少於該臨界判斷數值時,該些點雲則當作雜訊全部濾除,以便輸出一個過濾模型資料,該卡爾曼過濾單元接收該過濾模型資料,以便過濾輸出一個低雜訊環境模型資料。
- 如請求項1所述之能夠降低環境雜訊的光達系統,其中,該環境框架具有X軸、Y軸及Z軸,各該點雲位於該環境框架內、外側,其中,超過該環境框架外側一定距離的該些點雲忽略不計。
- 如請求項2所述之能夠降低環境雜訊的光達系統,其中,該等取樣圓各具有一個取樣半徑,該取樣半徑為2公分。
- 如請求項3所述之能夠降低環境雜訊的光達系統,其中,兩個相鄰的該等取樣圓之圓心距離介於1公分至3公分之間。
- 如請求項1或3所述之能夠降低環境雜訊的光達系統,其中,該臨界判斷數值為10個。
- 如請求項1所述之能夠降低環境雜訊的光達系統,更包括一 行車電腦、一定位模組及一電源供應器,係分別電性連接於該處理模組。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110108889A TWI759137B (zh) | 2021-03-12 | 2021-03-12 | 能夠降低環境雜訊的光達系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110108889A TWI759137B (zh) | 2021-03-12 | 2021-03-12 | 能夠降低環境雜訊的光達系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI759137B true TWI759137B (zh) | 2022-03-21 |
TW202235910A TW202235910A (zh) | 2022-09-16 |
Family
ID=81710888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110108889A TWI759137B (zh) | 2021-03-12 | 2021-03-12 | 能夠降低環境雜訊的光達系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI759137B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772435A (zh) * | 2016-12-12 | 2017-05-31 | 浙江华飞智能科技有限公司 | 一种无人机避障方法和装置 |
CN110501719A (zh) * | 2019-08-27 | 2019-11-26 | 王玉娇 | 一种基于激光雷达的列车障碍物探测方法 |
-
2021
- 2021-03-12 TW TW110108889A patent/TWI759137B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772435A (zh) * | 2016-12-12 | 2017-05-31 | 浙江华飞智能科技有限公司 | 一种无人机避障方法和装置 |
CN110501719A (zh) * | 2019-08-27 | 2019-11-26 | 王玉娇 | 一种基于激光雷达的列车障碍物探测方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202235910A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215083B (zh) | 车载传感器的外部参数标定的方法和设备 | |
CN111307162B (zh) | 用于自动驾驶场景的多传感器融合定位方法 | |
JP6821712B2 (ja) | 自然光景中での統合センサの較正 | |
CN110008893B (zh) | 一种基于车载图像传感器的车辆行驶跑偏自动检测方法 | |
EP3403216B1 (en) | Systems and methods for augmenting upright object detection | |
CN110609274B (zh) | 一种测距方法、装置及系统 | |
CN106909152A (zh) | 一种车用环境感知系统及汽车 | |
CN110379178B (zh) | 基于毫米波雷达成像的无人驾驶汽车智能泊车方法 | |
CN113147738A (zh) | 一种自动泊车定位方法和装置 | |
US11828828B2 (en) | Method, apparatus, and system for vibration measurement for sensor bracket and movable device | |
CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN107274721B (zh) | 一种智能交通系统中多车辆协作定位方法 | |
CN114845916A (zh) | 调整载具传感器视场体积 | |
US20220035036A1 (en) | Method and apparatus for positioning movable device, and movable device | |
CN108974054B (zh) | 无缝列车定位方法及其系统 | |
CN112740225A (zh) | 一种路面要素确定方法及装置 | |
US20190257936A1 (en) | Apparatus and method for determining a speed of a vehicle | |
CN112634359A (zh) | 车辆防碰撞预警方法、装置、终端设备及存储介质 | |
CN114814823A (zh) | 基于毫米波雷达和相机融合的轨道车辆检测系统和方法 | |
CN110751693A (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN110728720B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN117452410A (zh) | 一种基于毫米波雷达的车辆检测系统 | |
TWI759137B (zh) | 能夠降低環境雜訊的光達系統 | |
CN110542902B (zh) | 一种适用于车载毫米波雷达的简易测高方法 | |
CN111141252B (zh) | 一种单目标定测距的方法及系统 |