CN109871659B - 一种超声波雷达的仿真方法及*** - Google Patents
一种超声波雷达的仿真方法及*** Download PDFInfo
- Publication number
- CN109871659B CN109871659B CN201910232928.5A CN201910232928A CN109871659B CN 109871659 B CN109871659 B CN 109871659B CN 201910232928 A CN201910232928 A CN 201910232928A CN 109871659 B CN109871659 B CN 109871659B
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- traffic vehicle
- ultrasonic radar
- parameters
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000009466 transformation Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000000877 morphologic effect Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- SDIXRDNYIMOKSG-UHFFFAOYSA-L disodium methyl arsenate Chemical compound [Na+].[Na+].C[As]([O-])([O-])=O SDIXRDNYIMOKSG-UHFFFAOYSA-L 0.000 claims 2
- 238000012360 testing method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Traffic Control Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种超声波雷达的仿真方法及***，该方法包括：采集本车超声波雷达探测参数和目标交通车参数，其中，本车为安装有超声波雷达的车辆，目标交通车为与本车存在预设位置对应关系的车辆；根据本车超声波雷达探测参数和目标交通车参数，创建目标交通车的交通车模型；基于交通车模型，计算获得超声波雷达的仿真数据。本发明交通车模型能够对交通车进行建模，并基于建模后的信息获得仿真数据息，基于建模后计算的信息比直接根据交通车的信息进行仿真的精度更高，且该超声波雷达模型为通用模型可以对各个超声波雷达采集的参数进行计算，提升了仿真***的运行效率。
Description
技术领域
本发明涉及超声波雷达技术领域，特别是涉及一种超声波雷达的仿真方法及***。
背景技术
智能辅助驾驶***(Advanced Driver Assistant Systems，ADAS)是人工智能在交通领域的重要应用，超声波雷达作为ADAS中重要的环境感知传感器，它通过探测路面目标的相对距离，为ADAS提供路面环境变量。超声波雷达在汽车上的ADAS应用主要为自动泊车辅助***(Auto Parking Assist，APA)。
在智能辅助驾驶***的设计和实现过程中，模型在环和硬件在环测试是重要的步骤，通常会利用仿真场景软件进行仿真测试，以验证超声波雷达功能，以及整车***设计的合理性。在进行模型在环测试和硬件在环测试的过程中，超声波模型需要把仿真场景软件中的信息转化为被测超声波雷达算法或者被测超声波雷达样件的输入信息，以便能够实现对超声波雷达在自动泊车***中的仿真测试。
但是，现有技术中的超声波模型的精度要求较低，导致无法使得车辆识别到车位，并且现有***中超声波模型只能针对一个超声波雷达进行运算，会使得整车在仿真或实际应用中应用多个超声波模型，使得仿真工程整体运行效率降低。
发明内容
针对于上述问题，本发明提供一种超声波雷达的仿真方法及***，实现了提高超声波雷达的仿真精度和仿真效率。
一种超声波雷达的仿真方法，该方法包括：
采集本车超声波雷达探测参数和目标交通车参数，其中，所述本车为安装有超声波雷达的车辆，所述目标交通车为与所述本车存在预设位置对应关系的车辆；
根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型；
基于所述交通车模型，计算获得所述超声波雷达的仿真数据。
可选地，所述采集本车超声波雷达探测参数和目标交通车参数，包括：
采集本车超声波雷达对交通车的探测参数，所述探测参数包括所述交通车与所述本车的距离范围参数和角度范围参数；
基于所述探测参数，确定与所述本车满足预设位置对应关系的车辆，将所述车辆记为目标交通车；
采集获得目标交通车参数，所述目标交通车参数包括目标交通车位置参数和尺寸参数。
可选地，所述根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型，包括：
将所述目标交通车抽象为长方体结构，并根据所述目标交通车参数，确定在交通车坐标系下的所述目标交通车的目标顶点坐标，所述目标顶点坐标为
l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff长方体形心相对于目标交通车坐标系原点的长度方向偏移，woff长方体形心相对于目标交通车坐标系原点的长度方向偏移，hoff长方体形心相对于目标交通车坐标系原点的长度方向偏移，I表征第几个顶点；
对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，其中，所述目标坐标系为所述本车超声波雷达对应的坐标系；
利用交通车特征点坐标，确定所述交通车的各表面方程和边界条件；
根据所述交通车的各表面方程和边界条件，生成所述目标交通车的交通车模型。
可选地，所述对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，包括：
依据预设变换矩阵对所述目标顶点坐标进行坐标变换，获得所述目标顶点变换后的坐标；
其中，所述预设变换矩阵为
(x0,y0,z0)T为本车后轴中心在地面坐标系的坐标，(alphax0,alphay0,alphaz0)T为其旋转向量，变换后的坐标为：
可选地，所述基于所述交通车模型，计算获得所述超声波雷达的仿真数据，包括：
基于本车超声波雷达探测参数利用所述目标交通车的交通车模型，确定所述目标交通车的目标平面；
依据所述目标平面的类型，在所述目标平面中确定目标点；
获得所述目标点的坐标信息，并根据所述坐标信息计算所述目标点与所述超声波雷达的距离。
可选地，所述依据所述目标平面的类型，在所述目标平面中确定目标点，包括：
确定目标平面的类型，并基于平面类型确定目标点的计算方法；
根据所述计算方法，在所述目标平面中确定目标点；
其中，目标平面的类型包括第一类型、第二类型和第三类型，第一类型表征超声波雷达法线与所述目标平面之间的夹角小于90度，第二类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面相交，第三类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面不相交。
可选地，该方法还包括：
获取所述超声波雷达的形态参数；
根据所述超声波雷达的形态参数，生成所述超声波雷达的轮廓方程；
根据所述轮廓方程，对所述交通车模型进行校正，使得所述交通车模型符合所述超声雷达的形态参数。
一种超声波雷达的仿真***，该***包括：
采集单元，用于采集本车超声波雷达探测参数和目标交通车参数，其中，所述本车为安装有超声波雷达的车辆，所述目标交通车为与所述本车存在预设位置对应关系的车辆；
创建单元，用于根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型；
计算单元，用于基于所述交通车模型，计算获得所述超声波雷达的仿真数据。
可选地，所述采集单元包括：
第一采集子单元，用于采集本车超声波雷达对交通车的探测参数，所述探测参数包括所述交通车与所述本车的距离范围参数和角度范围参数；
确定子单元，用于基于所述探测参数，确定与所述本车满足预设位置对应关系的车辆，将所述车辆记为目标交通车；
第二采集子单元，用于采集获得目标交通车参数，所述目标交通车参数包括目标交通车位置参数和尺寸参数。
可选地，所述创建单元包括：
坐标确定子单元，用于将所述目标交通车抽象为长方体结构，并根据所述目标交通车参数，确定在交通车坐标系下的所述目标交通车的目标顶点坐标，所述目标顶点坐标为
l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff长方体形心相对于目标交通车坐标系原点的长度方向偏移，woff长方体形心相对于目标交通车坐标系原点的长度方向偏移，hoff长方体形心相对于目标交通车坐标系原点的长度方向偏移，I表征第几个顶点；
坐标变换子单元，用于对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，其中，所述目标坐标系为所述本车超声波雷达对应的坐标系；
信息确定子单元，用于利用交通车特征点坐标，确定所述交通车的各表面方程和边界条件；
生成子单元，用于根据所述交通车的各表面方程和边界条件，生成所述目标交通车的交通车模型。
相较于现有技术，本发明提供了一种超声波雷达的仿真方法及***，通过采集安装有超声波雷达的本车对应的超声波雷达探测参数，并采集与本车具有预设位置对应关系的目标交通车参数，创建了目标交通车的交通车模型，然后根据该目标交通车模型，计算获得超声波雷达的仿真参数，由于可以对目标交通车进行准确建模，能够充分利用超声波雷达的探测参数和车辆位置相关参数，使得模型更加精准，并且可以用于仿真任何安装角度的超声波雷达，无需利用多个模型进行计算，使得计算过程时效更高，保证了仿真效率。
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地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种超声波雷达的仿真方法的流程示意图；
图2为本发明实施例提供的超声波雷达用于自动停车功能的示意图；
图3为本发明实施例提供的一种对交通车进行结构描述的模型示意图；
图4为本发明实施例提供的一种超声波雷达纺锤形波束的示意图；
图5为本发明实时提供的一种超声波雷达的仿真***的结构示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种超声波雷达的仿真方法，参见图1，该方法包括：
S101、采集本车超声波雷达探测参数和目标交通车参数；
其中，本车为安装有超声波雷达的车辆，目标交通车为与本车存在预设位置对应关系的车辆。
参见图2，是超声波雷达用于自动停车功能的示意图，在该应用场景中，利用超声波雷达的探测参数进行自动停车时，需要确定本车周边车辆的位置，此时目标交通车为与本车距离较近的车辆，具体的距离范围可以由用户或***自动设置。在该应用场景中，车用超声波雷达的探测范围一般为0.1m至5m，波束形状为纺锤型，或者可以用圆锥做近似。超声波雷达根据返回波相对于发射波的时间延迟，可计算出探测范围内最近障碍点到超声波雷达的距离。因此，在本发明实施例中超声波雷达仿真时是将超声波雷达波束采用圆锥做近似处理的。
在本发明的另一实施例中，采集本车超声波雷达探测参数和目标交通车参数，包括：
采集本车超声波雷达对交通车的探测参数，该探测参数包括交通车与本车的距离范围参数和角度范围参数；
基于探测参数，确定与本车满足预设位置对应关系的车辆，将该车辆记为目标交通车；
采集获得目标交通车参数，该目标交通车参数包括目标交通车位置参数和尺寸参数。
例如，在自动停车***的应用场景中，为了触发自动停车***的运行，在本发明实施例中需要采集参数，其中，采集参数具体包括：
超声波雷达探测参数即超声波雷达探测距离范围、角度范围，主要是指对交通车或者周围障碍物的探测参数；超声波雷达相对于本车的安装参数包括安装位置和角度；本车位置参数、交通车参数包括交通车位置、尺寸等相关参数，其中，本车是指安装有超声波雷达的车辆，即将进行自动停车仿真或自动停车的车辆，交通车为跟本车相关的车辆，需要对本车所在场景中所有车辆，根据它们到本车的距离进行筛选，通常会保留5-10辆交通车。
S102、根据本车超声波雷达探测参数和目标交通车参数，创建目标交通车的交通车模型。
在利用本车超声波雷达探测参数和目标交通车参数，对目标交通车进行建模，即对目标交通车进行结构描述，参见图3，为本发明实施例提供的一种交通车进行结构描述的模型示意图。该建模过程可以包括以下步骤：
S1021、将目标交通车抽象为长方体结构，并根据所述目标交通车参数，确定在交通车坐标系下的所述目标交通车的目标顶点坐标，目标顶点坐标为
其中，l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff长方体形心相对于目标交通车坐标系原点的长度方向偏移，woff长方体形心相对于目标交通车坐标系原点的长度方向偏移，hoff长方体形心相对于目标交通车坐标系原点的长度方向偏移，I表征第几个顶点，包括A～H。
例如，仍以图3为例，对于自动停车场景，交通车的位置和尺寸对应本车的车位信息是可以采集获得的，因此目标交通车是主要的建模和描述对象。根据目标交通车的目标到交通车的目标尺寸(长、宽、高)信息，将目标交通车抽象为长方体结构，确定8个顶点坐标包括A到H，作为特征点，并且会主要考虑4个侧面，前面Q1，左侧Q2，后向Q3和右侧Q4。
在交通车坐标系下，8个顶点的坐标分别为：
其中，l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff长方体形心相对于交通车坐标系原点的长度方向(x方向)偏移，woff长方体形心相对于交通车坐标系原点的长度方向(y方向)偏移，hoff长方体形心相对于交通车坐标系原点的长度方向(z方向)偏移，且顶点坐标的表达式采用的是矩阵的转置的方式，即上述顶点坐标中的T表示的是转置，下面描述的公式中的T均表示该含义。
S1022、对目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标；
其中，所述目标坐标系为所述本车超声波雷达对应的坐标系。
依据预设变换矩阵对目标顶点坐标进行坐标变换，获得所述目标顶点变换后的坐标；
其中，所述预设变换矩阵为
(x0,y0,z0)T为本车后轴中心在地面坐标系的坐标，(alphax0,alphay0,alphaz0)T为其旋转向量，变换后的坐标为：
需要说明的是，上述的变换矩阵是本发明实施例提供的一种矩阵形式，具体的可以根据实际场景进行相关调整。为了实现计算的方便，可以先将目标交通车的顶点坐标从地面坐标系到本车坐标系进行变换，即上述的变换矩阵作为该变换过程的变换矩阵M1，由于坐标变换都是相对的，依次思路，可以进一步得到车辆坐标系到超声波雷达坐标系的变换矩阵M2，因此可以求得仿真场景中任意点在超声波雷达坐标系中的坐标。
S1023、利用交通车特征点坐标，确定交通车的各表面方程和边界条件；
S1024、根据交通车的各表面方程和边界条件，生成目标交通车的交通车模型。
进行了坐标变换的交通特征点坐标更能反映目标交通车相对于本车的位置关系，因此根据交通特征点坐标确定的各表面方程和边界条件，更能精准的确定各个距离点的位置参数。基于各表面方程和边界条件生成该目标交通车模型，实现了目标交通车的准确建模。
S103、基于交通车模型，计算获得超声波雷达的仿真数据。
由于超声波雷达的应用场景不同，因此可以根据创建获得的交通车模型计算获得超声波雷达在相应场景下的仿真数据，例如，在自动停车场景中可以计算到目标点到本车的距离，用于仿真或指导本车自动停车。也可以仿真计算获得超声波雷达发射或者回波的相关的参数，基于该参数判定超声波雷达的工作精度。并且利用交通车模型可以精确给出本车各个超声波雷达最近障碍点的距离，实现运行效率高，保证仿真工程的实时性。
本发明提供了一种超声波雷达的仿真方法，通过采集安装有超声波雷达的本车对应的超声波雷达探测参数，并采集与本车具有预设位置对应关系的目标交通车参数，创建了目标交通车的交通车模型，然后根据该目标交通车模型，计算获得超声波雷达的仿真参数，由于可以对目标交通车进行准确建模，能够充分利用超声波雷达的探测参数和车辆位置相关参数，使得模型更加精准，并且可以用于仿真任何安装角度的超声波雷达，无需利用多个模型进行计算，使得计算过程时效更高，保证了仿真效率。
为了保证仿真精度，在本发明的另一实施例中还提供了一种仿真计算方法，包括：
S201、基于本车超声波雷达探测参数利用目标交通车的交通车模型，确定目标交通车的目标平面；
S202、依据目标平面的类型，在目标平面中确定目标点；
S203、获得目标点的坐标信息，并根据坐标信息计算目标点与超声波雷达的距离。
对应的，在步骤S202中需要根据目标平面的类型确定目标点，是由于本车和目标交通车可能会存在各种相对位置关系，而不同的相对位置关系，超声波雷达检测到的最近点所在平面是不同的，为了提高计算精度，在本发明实施例中目标平面的类型包括第一类型、第二类型和第三类型，第一类型表征超声波雷达法线与所述目标平面之间的夹角小于90度，第二类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面相交，第三类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面不相交。
然后在确定了目标平面的类型后，会基于平面类型确定目标点的计算方法，再确定目标点。
即在计算过程中会记载不同的平面类型，和与之对应的目标点信息的计算方法，可以为对应的映射关系进行记载。该映射关系的生成是根据对历史数据中不同平面类型和对应的目标点的信息进行训练得到的，即能够准确的根据不同的平面类型选择对应的方法进行计算，使得获得的目标点的计算方法更加准确。平面的分类主要依据超声波雷达法线与目标相关平面的夹角关系进行确定。
在本发明的另一实施例中还提供了一种迭代更新的方法，可以依据该方法更加准确的进行仿真，该方法包括：
S301、获取超声波雷达的形态参数；
S302、根据超声波雷达的形态参数，生成超声波雷达的轮廓方程；
S303、根据轮廓方程，对所述交通车模型进行校正，使得所述交通车模型符合所述超声雷达的形态参数。
在本发明实施例中是将超声波雷达的波速近似为圆锥形，实际的超声波雷达探头的波束是如图4所示的纺锤形。为了修正偏差和更接近实际情况，可以采用二次迭代计算的方式来实现圆锥型对纺锤形的逼真。从图4中可以看出，纺锤形也可以是为无数个共顶点和共轴线的圆锥形求并集得到的，但是如果可以获取到超声波雷达的形态参数，可以通过该形态参数对该超声波雷达的状态即纺锤形进行描述，从而得到轮廓方程。将之前利用圆锥形超声波雷达模型第一次求得的最近点距离带入纺锤形轮廓方程，求解到一个新的圆锥角度，再次用圆锥形模型进行第二次求解，从而逼真纺锤形的超声波雷达实际波束形状。即实现了对所述目标信息进行校正，获得校正后的目标参数，其中，校正后的目标参数用于控制所述本车的自动停车***的运行。
在本发明实施例中基于超声波的自动泊车***使用超声波雷达反馈的最近障碍点距离进行车位、近距离障碍物识别。自动泊车***一般安装12个超声波雷达(前4，后4，左2，右2)。进行自动泊车的HIL(Hardware-in-the-loop，硬件在环测试)、MIL(Model-in-the-loop，模型在环测试)测试时，需要使用超声波雷达模型。超声波雷达模型可配置传感器内外参数，并从场景中提取本车位置参数、周围各交通车位置和尺寸参数，实时计算出周边最近障碍点的距离，输送给被测超声波雷达(对应硬件在环测试)或者被测APA算法(对应模型在环测试)，为功能闭环测试提供必要条件。
对应的，参见图5，在本发明实施例中还提供了一种自动停车仿真***，包括：
采集单元10，用于采集本车超声波雷达探测参数和目标交通车参数，其中，所述本车为安装有超声波雷达的车辆，所述目标交通车为与所述本车存在预设位置对应关系的车辆；
创建单元20，用于根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型；
计算单元30，用于基于所述交通车模型，计算获得所述超声波雷达的仿真数据。
本发明提供了一种超声波雷达的仿真***，采集单元通过采集安装有超声波雷达的本车对应的超声波雷达探测参数，并采集与本车具有预设位置对应关系的目标交通车参数，创建单元创建了目标交通车的交通车模型，然后根据该目标交通车模型，通过计算单元计算获得超声波雷达的仿真参数，由于可以对目标交通车进行准确建模，能够充分利用超声波雷达的探测参数和车辆位置相关参数，使得模型更加精准，并且可以用于仿真任何安装角度的超声波雷达，无需利用多个模型进行计算，使得计算过程时效更高，保证了仿真效率。
在上述实施例的基础上，采集单元10包括：
第一采集子单元，用于采集本车超声波雷达对交通车的探测参数，所述探测参数包括所述交通车与所述本车的距离范围参数和角度范围参数；
确定子单元，用于基于所述探测参数，确定与所述本车满足预设位置对应关系的车辆，将所述车辆记为目标交通车；
第二采集子单元，用于采集获得目标交通车参数，所述目标交通车参数包括目标交通车位置参数和尺寸参数。
在上述实施例的基础上，创建单元20包括：
坐标确定子单元，用于将所述目标交通车抽象为长方体结构，并根据所述目标交通车参数，确定在交通车坐标系下的所述目标交通车的目标顶点坐标，所述目标顶点坐标为
l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff长方体形心相对于目标交通车坐标系原点的长度方向偏移，woff长方体形心相对于目标交通车坐标系原点的长度方向偏移，hoff长方体形心相对于目标交通车坐标系原点的长度方向偏移；
坐标变换子单元，用于对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，其中，所述目标坐标系为所述本车超声波雷达对应的坐标系；
信息确定子单元，用于利用交通车特征点坐标，确定所述交通车的各表面方程和边界条件；
生成子单元，用于根据所述交通车的各表面方程和边界条件，生成所述目标交通车的交通车模型。
在上述实施例的基础上，坐标变换子单元具体用于：
依据预设变换矩阵对所述目标顶点坐标进行坐标变换，获得所述目标顶点变换后的坐标；
其中，所述预设变换矩阵为
(x0,y0,z0)T为本车后轴中心在地面坐标系的坐标，(alphax0,alphay0,alphaz0)T为其旋转向量，变换后的坐标为：
在上述实施例的基础上，计算单元30包括：
平面确定子单元，用于基于本车超声波雷达探测参数利用所述目标交通车的交通车模型，确定所述目标交通车的目标平面；
目标点确定子单元，用于依据所述目标平面的类型，在所述目标平面中确定目标点；
计算子单元，用于获得所述目标点的坐标信息，并根据所述坐标信息计算所述目标点与所述超声波雷达的距离。
在上述实施例的基础上，目标点确定子单元具体用于：
确定目标平面的类型，并基于平面类型确定目标点的计算方法；
根据所述计算方法，在所述目标平面中确定目标点；
其中，目标平面的类型包括第一类型、第二类型和第三类型，第一类型表征超声波雷达法线与所述目标平面之间的夹角小于90度，第二类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面相交，第三类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面不相交。
在上述实施例的基础上，该***还包括：
形态参数获取单元，用于获取所述超声波雷达的形态参数；
方程生成单元，用于根据所述超声波雷达的形态参数，生成所述超声波雷达的轮廓方程；
校正单元，用于根据所述轮廓方程，对所述交通车模型进行校正，使得所述交通车模型符合所述超声雷达的形态参数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种超声波雷达的仿真方法，其特征在于，该方法包括：
采集本车超声波雷达探测参数和目标交通车参数，其中，所述本车为安装有超声波雷达的车辆，所述目标交通车为与所述本车存在预设位置对应关系的车辆；
根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型；
基于所述交通车模型，计算获得所述超声波雷达的仿真数据；
所述基于所述交通车模型，计算获得所述超声波雷达的仿真数据，包括：
基于本车超声波雷达探测参数利用所述目标交通车的交通车模型，确定所述目标交通车的目标平面；
依据所述目标平面的类型，在所述目标平面中确定目标点；其中，平面的分类依据超声波雷达法线与目标相关平面的夹角关系进行确定；
获得所述目标点的坐标信息，并根据所述坐标信息计算所述目标点与所述超声波雷达的距离；
所述依据所述目标平面的类型，在所述目标平面中确定目标点包括：
确定目标平面的类型，并基于平面类型和平面类型与目标点的计算方法的映射关系确定目标点的计算方法；所述平面类型与目标点的计算方法的映射关系是根据对历史数据中不同平面类型和对应的目标点的信息进行训练得到的；
根据所述计算方法，在所述目标平面中确定目标点。
2.根据权利要求1所述的方法，其特征在于，所述采集本车超声波雷达探测参数和目标交通车参数，包括：
采集本车超声波雷达对交通车的探测参数，所述探测参数包括所述交通车与所述本车的距离范围参数和角度范围参数；
基于所述探测参数，确定与所述本车满足预设位置对应关系的车辆，将所述车辆记为目标交通车；
采集获得目标交通车参数，所述目标交通车参数包括目标交通车位置参数和尺寸参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型，包括：
将所述目标交通车抽象为长方体结构，并根据所述目标交通车参数，确定在交通车坐标系下的所述目标交通车的目标顶点坐标，所述目标顶点坐标为
l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff为长方体形心相对于目标交通车坐标系原点的长度方向偏移，woff为长方体形心相对于目标交通车坐标系原点的宽度方向偏移，hoff为长方体形心相对于目标交通车坐标系原点的高度方向偏移，I表征第几个顶点；
对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，其中，所述目标坐标系为所述本车超声波雷达对应的坐标系；
利用交通车特征点坐标，确定所述交通车的各表面方程和边界条件；
根据所述交通车的各表面方程和边界条件，生成所述目标交通车的交通车模型。
4.根据权利要求3所述的方法，其特征在于，所述对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，包括：
依据预设变换矩阵对所述目标顶点坐标进行坐标变换，获得所述目标顶点变换后的坐标；
其中，所述预设变换矩阵为
(x0,y0,z0)T为本车后轴中心在地面坐标系的坐标，(alphax0,alphay0,alphaz0)T为其旋转向量，变换后的坐标为：
5.根据权利要求1所述的方法，其特征在于，
其中，目标平面的类型包括第一类型、第二类型和第三类型，第一类型表征超声波雷达法线与所述目标平面之间的夹角小于90度，第二类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面相交，第三类型表征超声波雷达法线与所述目标平面之间的夹角大于90度，且所述超声波雷达法线与所述目标平面不相交。
6.根据权利要求3所述的方法，其特征在于，该方法还包括：
获取所述超声波雷达的形态参数；
根据所述超声波雷达的形态参数，生成所述超声波雷达的轮廓方程；
根据所述轮廓方程，对所述交通车模型进行校正，使得所述交通车模型符合所述超声雷达的形态参数。
7.一种超声波雷达的仿真***，其特征在于，该***包括：
采集单元，用于采集本车超声波雷达探测参数和目标交通车参数，其中，所述本车为安装有超声波雷达的车辆，所述目标交通车为与所述本车存在预设位置对应关系的车辆；
创建单元，用于根据所述本车超声波雷达探测参数和目标交通车参数，创建所述目标交通车的交通车模型；
计算单元，用于基于所述交通车模型，计算获得所述超声波雷达的仿真数据；
所述计算单元包括：
平面确定子单元，用于基于本车超声波雷达探测参数利用所述目标交通车的交通车模型，确定所述目标交通车的目标平面；
目标点确定子单元，用于依据所述目标平面的类型，在所述目标平面中确定目标点；其中，平面的分类依据超声波雷达法线与目标相关平面的夹角关系进行确定；
计算子单元，用于获得所述目标点的坐标信息，并根据所述坐标信息计算所述目标点与所述超声波雷达的距离；
所述目标点确定子单元具体用于：
确定目标平面的类型，并基于平面类型和平面类型与目标点的计算方法的映射关系确定目标点的计算方法；所述平面类型与目标点的计算方法的映射关系是根据对历史数据中不同平面类型和对应的目标点的信息进行训练得到的；
根据所述计算方法，在所述目标平面中确定目标点。
8.根据权利要求7所述的***，其特征在于，所述采集单元包括：
第一采集子单元，用于采集本车超声波雷达对交通车的探测参数，所述探测参数包括所述交通车与所述本车的距离范围参数和角度范围参数；
确定子单元，用于基于所述探测参数，确定与所述本车满足预设位置对应关系的车辆，将所述车辆记为目标交通车；
第二采集子单元，用于采集获得目标交通车参数，所述目标交通车参数包括目标交通车位置参数和尺寸参数。
9.根据权利要求8所述的***，其特征在于，所述创建单元包括：
坐标确定子单元，用于将所述目标交通车抽象为长方体结构，并根据所述目标交通车参数，确定在交通车坐标系下的所述目标交通车的目标顶点坐标，所述目标顶点坐标为
l为长方体的长度，w为长方体的宽度，h为长方体的高度；loff为长方体形心相对于目标交通车坐标系原点的长度方向偏移，woff为长方体形心相对于目标交通车坐标系原点的宽度方向偏移，hoff为长方体形心相对于目标交通车坐标系原点的高度方向偏移，I表征第几个顶点；
坐标变换子单元，用于对所述目标顶点坐标进行坐标变换，获得在目标坐标系下的交通车特征点坐标，其中，所述目标坐标系为所述本车超声波雷达对应的坐标系；
信息确定子单元，用于利用交通车特征点坐标，确定所述交通车的各表面方程和边界条件；
生成子单元，用于根据所述交通车的各表面方程和边界条件，生成所述目标交通车的交通车模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232928.5A CN109871659B (zh) | 2019-03-26 | 2019-03-26 | 一种超声波雷达的仿真方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232928.5A CN109871659B (zh) | 2019-03-26 | 2019-03-26 | 一种超声波雷达的仿真方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109871659A CN109871659A (zh) | 2019-06-11 |
| CN109871659B true CN109871659B (zh) | 2023-04-18 |
Family
ID=66921258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910232928.5A Active CN109871659B (zh) | 2019-03-26 | 2019-03-26 | 一种超声波雷达的仿真方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109871659B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110412378B (zh) * | 2019-07-30 | 2021-08-24 | 北京经纬恒润科技股份有限公司 | 目标物体检测方法及装置 |
| CN110796063B (zh) * | 2019-10-24 | 2022-09-09 | 百度在线网络技术（北京）有限公司 | 用于检测车位的方法、装置、设备、存储介质以及车辆 |
| CN113985366A (zh) * | 2021-05-27 | 2022-01-28 | 中山大学 | 一种基于matlab的机载预警雷达探测能力仿真方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009288055A (ja) * | 2008-05-29 | 2009-12-10 | Ishikawajima Transport Machinery Co Ltd | 物体の位置情報算出方法 |
| CN104354656A (zh) * | 2014-10-20 | 2015-02-18 | 同济大学 | 智能泊车***的障碍物检测与库位判别方法及实现*** |
| CN106970364A (zh) * | 2017-05-11 | 2017-07-21 | 合肥工业大学 | 一种车载雷达在环实时仿真测试***及其方法 |
| CN108646233A (zh) * | 2018-04-20 | 2018-10-12 | 驭势（上海）汽车科技有限公司 | 模拟超声波雷达探测的方法、装置、***及存储介质 |
| CN109484399A (zh) * | 2018-09-28 | 2019-03-19 | 福瑞泰克智能***有限公司 | 一种车辆驾驶辅助装置及方法 |
-
2019
- 2019-03-26 CN CN201910232928.5A patent/CN109871659B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009288055A (ja) * | 2008-05-29 | 2009-12-10 | Ishikawajima Transport Machinery Co Ltd | 物体の位置情報算出方法 |
| CN104354656A (zh) * | 2014-10-20 | 2015-02-18 | 同济大学 | 智能泊车***的障碍物检测与库位判别方法及实现*** |
| CN106970364A (zh) * | 2017-05-11 | 2017-07-21 | 合肥工业大学 | 一种车载雷达在环实时仿真测试***及其方法 |
| CN108646233A (zh) * | 2018-04-20 | 2018-10-12 | 驭势（上海）汽车科技有限公司 | 模拟超声波雷达探测的方法、装置、***及存储介质 |
| CN109484399A (zh) * | 2018-09-28 | 2019-03-19 | 福瑞泰克智能***有限公司 | 一种车辆驾驶辅助装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109871659A (zh) | 2019-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901139B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
| CN109871659B (zh) | 一种超声波雷达的仿真方法及*** | |
| CN111797734B (zh) | 车辆点云数据处理方法、装置、设备和存储介质 | |
| CN103745452B (zh) | 相机外参评估方法、装置、相机外参标定方法和装置 | |
| CN103424112B (zh) | 一种基于激光平面辅助的运动载体视觉导航方法 | |
| JP2020527500A (ja) | オンボードセンサの外部パラメータを較正する方法及び装置 | |
| CN110850859B (zh) | 一种机器人及其避障方法和避障*** | |
| CN110555407B (zh) | 路面车辆空间识别方法及电子设备 | |
| CN111192295A (zh) | 目标检测与跟踪方法、相关设备和计算机可读存储介质 | |
| US10509980B2 (en) | Method to provide a vehicle environment contour polyline from detection data | |
| JP2017526083A (ja) | 位置特定およびマッピングの装置ならびに方法 | |
| CN113945219B (zh) | 动态地图生成方法、***、可读存储介质及终端设备 | |
| CN106240454B (zh) | 提供车辆碰撞预警的***及车载设备 | |
| US20240001941A1 (en) | Method and system for testing a control unit of a vehicle | |
| CN114820657A (zh) | 地面点云分割方法、***、地面建模方法及介质 | |
| Wachtel et al. | Validation of a radar sensor model under non-ideal conditions for testing automated driving systems | |
| CN115432007A (zh) | 用于车辆自动驾驶***的碰撞检测方法、装置、电子设备 | |
| CN116129669A (zh) | 一种基于激光雷达的车位测评方法、***、设备及介质 | |
| CN115615449A (zh) | 一种路径规划方法、装置、设备及存储介质 | |
| CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及*** | |
| CN113468735A (zh) | 一种激光雷达仿真方法、装置、***和存储介质 | |
| CN110909569B (zh) | 路况信息识别方法及终端设备 | |
| CN114820416A (zh) | 车辆航向角计算方法、车辆位姿计算方法、装置及设备 | |
| Zhou et al. | Positioning System Based on Lidar Fusion | |
| US20240103131A1 (en) | Radar-based environmental detection system for motor vehicles |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101 Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |