CN109960857A - 一种激光雷达的仿真方法、装置及仿真平台 - Google Patents

Abstract

本申请公开一种激光雷达的仿真方法、装置及仿真平台，该方法获取车辆真实的行车性能数据；利用行车性能数据建立车辆对应的仿真车；仿真车上设置有第一激光雷达；在仿真环境下确定仿真行车路径；在仿真环境下的预设区域内设置仿真参照物；控制仿真车在仿真行车路径上行驶，获取第一激光雷达探测仿真参照物得到的第一仿真点云数据。仿真车是依据车辆真实的行车性能数据建立，利用仿真车上的激光雷达进行仿真时，所获得的第一仿真点云数据与真实车辆上的激光雷达的探测点云数据更加逼近，提高了仿真结果的真实性。建立仿真车不依靠于物理引擎实现仿真，相比于现有的激光雷达仿真方法，仿真效率提高，同时避免在计算机设备占用大量空间资源的问题。

Description

一种激光雷达的仿真方法、装置及仿真平台

技术领域

本申请涉及仿真技术领域，尤其涉及一种激光雷达的仿真方法、装置及仿真平台。

背景技术

自动驾驶技术是目前机动车领域的一类重要技术，也是目前各大厂商的热门研究方向。自动驾驶技术主要依靠人工智能、视觉计算、雷达、监控装置和全球定位***等的协同合作，让车载电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。对于车辆上激光雷达的仿真即仿真所述激光雷达在各种环境条件下的工作过程。激光雷达仿真对于雷达工作性能的改进与研发以及提升自动驾驶策略的安全性具有重要意义。

现有的激光雷达仿真技术基于物理引擎(例如虚幻4、UNITY等)来实现，通过物理引擎来构建车辆模型、车辆的驾驶参数与道路模型等仿真数据，然后通过物理引擎模拟车辆上激光雷达的工作过程。然而，用于进行激光雷达仿真的物理引擎通常存在启动缓慢、在计算机设备中占用的资源量过大等问题，导致现有的雷达仿真技术的仿真效率很低。

此外，仿真过程中物理引擎构建的仿真参数真实性低，从而导致利用物理引擎对激光雷达的仿真结果往往不具有实际价值。

发明内容

为了解决现有技术存在的上述技术问题，本申请提供了一种激光雷达的仿真方法、装置及仿真平台，能够提高仿真效率，并同时提高仿真结果的真实性。

本申请提供的技术方案具体如下。

第一方面，本申请提供一种激光雷达的仿真方法，包括：

获取第一车辆真实的行车性能数据；

利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达；

在仿真环境下确定仿真行车路径；

在所述仿真环境下的预设区域内设置仿真参照物；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域；

控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

可选地，所述在所述仿真环境下的预设区域内设置仿真参照物，具体包括：

将所述仿真参照物设置于所述预设范围内的第一位置；

所述方法还包括：

获得所述仿真参照物静止于第二位置的原始点云数据；

根据所述原始点云数据，以及所述仿真车的位置与所述第一位置的相对位置关系，获得所述仿真参照物在第一激光雷达的第一坐标系中的参考点云数据。

可选地，所述仿真参照物上设置有第二激光雷达，所述方法还包括：

获取所述第二激光雷达探测所述仿真车得到的第二仿真点云数据；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据；

将所述第二仿真点云数据进行坐标转换，获得所述第二仿真点云数据转换到所述第一激光雷达的第一坐标系中对应的第三仿真点云数据；所述第三仿真点云数据用于获得所述第一激光雷达的第一定位信息；所述第一仿真点云数据用于获得所述第一激光雷达的第二定位信息；所述第一定位信息与所述第二定位信息用于相互对照。

可选地，所述在仿真环境下确定仿真行车路径，具体包括：

获取目标区域的地图；

从所述地图中确定出目标行车路径；

根据所述地图中所述目标行车路径上各点的位置分布，在所述仿真环境下确定出所述目标行车路径对应的仿真行车路径。

可选地，所述获取第一车辆真实的行车性能数据，具体包括：

获取所述第一车辆从静止状态至极限行车状态真实的行车性能数据；

所述行车性能数据包括：最大行车加速度，和/或各个行车速度对应的最大转弯半径。

可选地，在所述设置仿真参照物之前，所述方法还包括：

根据所述第一激光雷达的探测角度、探测距离和所述仿真行车路径，确定所述可探测区域。

第二方面，本申请提供一种激光雷达的仿真装置，包括：

行车性能数据获取模块，用于获取第一车辆真实的行车性能数据；

仿真车构建模块，用于利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达；

仿真行车路径确定模块，用于在仿真环境下确定仿真行车路径；

仿真参照物设置模块，用于在所述仿真环境下的预设区域内设置仿真参照物；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域；

仿真数据第一获取模块，用于控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

可选地，所述仿真参照物上设置有第二激光雷达，所述装置还包括：

仿真数据第二获取模块，用于获取所述第二激光雷达探测所述仿真车得到的第二仿真点云数据；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据；

仿真数据第三获取模块，用于将所述第二仿真点云数据进行坐标转换，获得所述第二仿真点云数据转换到所述第一激光雷达的第一坐标系中对应的第三仿真点云数据；所述第三仿真点云数据用于获得所述第一激光雷达的第一定位信息；所述第一仿真点云数据用于获得所述第一激光雷达的第二定位信息；所述第一定位信息与所述第二定位信息用于相互对照。

第三方面，本申请提供一种激光雷达的仿真平台，包括：处理器、仿真车、仿真行车路径和仿真参照物；

所述处理器用于执行权利要求1-6任一项所述的激光雷达的仿真方法；

所述仿真车由所述处理器根据第一车辆真实的行车性能数据构建；所述仿真车上设置有第一激光雷达；

所述仿真行车路径由所述处理器确定；

所述仿真参照物设置于预设区域内；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域。

可选地，所述仿真参照物上设置有第二激光雷达，所述激光雷达用于探测所述仿真车得到第二仿真点云数据，并将所述第二仿真点云数据传输给所述处理器；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据。

本申请所述方法具有以下优点：

本申请提供的激光雷达的仿真方法，获取车辆真实的行车性能数据；利用行车性能数据建立车辆对应的仿真车；仿真车上设置有第一激光雷达；在仿真环境下确定仿真行车路径；在仿真环境下的预设区域内设置仿真参照物；预设区域为控制仿真车在仿真行车路径上行驶时，第一激光雷达的可探测区域；最后，控制仿真车在仿真行车路径上行驶，获取第一激光雷达探测仿真参照物得到的第一仿真点云数据。

由于该方法中，仿真车是依据车辆真实的行车性能数据建立的，因此，利用该仿真车上的激光雷达进行仿真时，所获得的第一仿真点云数据与真实车辆上的激光雷达的探测点云数据更加逼近，从而提高了仿真结果的真实性。并且，该方法基于真实的行车性能数据建立仿真车，不依靠于物理引擎实现仿真，因此相比于现有的激光雷达仿真方法，仿真效率得到提高，同时避免在计算机设备占用大量空间资源的问题。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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它的附图。

图1为本申请实施例提供的一种激光雷达的仿真方法的流程图；

图2为本申请实施例提供的另一种激光雷达的仿真方法的流程图；

图3为本申请实施例提供的又一种激光雷达的仿真方法的流程图；

图4为本申请实施例提供的一种激光雷达的仿真装置的结构示意图；

图5为本申请实施例提供的一种激光雷达的仿真平台的结构示意图。

具体实施方式

通过前文描述，目前，通常利用物理引擎仿真车辆上的激光雷达在各种环境条件下的工作过程。然而，由于激光雷达的仿真依托于物理引擎实现，物理引擎又存在启动缓慢、在计算机设备中占用大量空间资源等问题，导致仿真效率低下。同时，利用物理引擎仿真时的仿真参数缺乏真实性，从而导致仿真结果的应用性较低，缺乏实际意义。

基于以上问题，发明人经过研究，提供一种激光雷达的仿真方法、装置及仿真平台，通过第一车辆真实的行车性能数据构建仿真车，并在仿真车沿仿真行车路径行驶过程中利用仿真车上的第一激光雷达获得对仿真参照物的第一仿真点云数据。该方法不依托于物理引擎实现仿真，以真实的行车性能数据构建仿真车，从而保证了第一仿真点云数据更为真实可靠，并且避免了物理引擎仿真存在的诸多问题。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

方法实施例一：

参见图1，该图为本申请实施例提供的一种激光雷达的仿真方法的流程图。

如图1所示，本申请实施例提供的激光雷达的仿真方法，包括：

步骤101：获取第一车辆真实的行车性能数据。

本实施例提供的仿真方法目的是提高仿真结果的真实性，为此，在本发明中通过第一车辆真实的行车性能数据来构建一个具备真车行车性能数据的仿真车。

本实施例提供的仿真方法在仿真环境下实现。作为示例，仿真环境可以是由仿真软件搭建的仿真平台。

在本实施例中，第一车辆的行车性能数据是通过实际环境中实际测试获得的。在实际应用中，可以控制一辆车在不同环境中行驶，从而获得该第一车辆在不同环境中的行车性能数据。

作为一示例，可以控制第一车辆以某一车速行驶，获得第一车辆在该车速下的最大转弯半径、平均转弯半径等。

作为另一示例，可以控制第一车辆在特定材料的地面上行驶，获得第一车辆在该材料的地面上行驶所能达到的最大行驶速度。

作为又一示例，可以控制第一车辆从静止状态启动并逐渐达到极限行车状态，在此过程中不断对第一车辆采集行车性能数据。这些行车性能数据中包含从静止状态至极限行车状态之间各个状态下的行车性能数据。行车性能数据可以包括但不限于最大行车加速度，和/或各个行车速度对应的最大转弯半径。

可以理解的是，以上仅为本步骤的示例性实现方式。在实际应用中，还可采用其他方式获得第一车辆真实的行车性能数据。此处对于本步骤的具体实现形式不进行限定。

步骤102：利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达。

由于仿真车是依据前述第一车辆真实的行车性能数据建立的，因此，仿真车在仿真环境下行驶时具备与真实第一车辆相同的行车性能数据。例如，如果第一车辆以车速v1行驶时最大转弯半径为R1，则仿真车在仿真环境下以车速v1行驶时最大转弯半径也为R1。由此，保证仿真车与真实车辆行车性能的一致性。

可以理解的是，本实施例中，仿真车可以是具备第一车辆真实的性能参数的一个形状不加限定的模型(例如可移动的圆柱体)，也可以是具有真实第一车辆外观参数的车辆模型。

需要说明的是，本实施例中，仿真车上设置有第一激光雷达。第一激光雷达可以是具有真实激光雷达特性的虚拟的激光雷达。例如，真实激光雷达的探测角度α1，探测距离为d1，则所设置的第一激光雷达在仿真环境中的探测角度α1，探测距离为d1。

步骤103：在仿真环境下确定仿真行车路径。

本实施例中，仿真行车路径可以是根据真实地理环境中的某行车路径对应生成的仿真行车路径，也可以是人为在仿真环境中设置的仿真行车路径。本实施例中，对于仿真行车路径的长度、宽度、坡度、曲度、粗糙度等均不加以限定。

需要说明的是，本实施例中步骤103可以先于步骤101或步骤102执行，也可以与步骤101或步骤102同时执行，当然还可以在步骤101或步骤102之后执行。本实施例中，对于步骤103相对于步骤101及步骤102的执行顺序不进行限定。

步骤104：在所述仿真环境下的预设区域内设置仿真参照物。

本实施例中，仿真参照物是仿真车上第一激光雷达所探测的物体。因此，要保证仿真参照物具有明确的轮廓，且当仿真车移动时对于第一激光雷达是可探测的。

本实施例中，仿真过程是控制所述仿真车在所述仿真行车路径上行驶，并利用仿真车上的第一激光雷达对仿真参照物进行探测，获取探测到数据作为仿真结果。因此，只要仿真参照物在当仿真车沿仿真行车路径行驶过程中是可探测的即可。本实施例将控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域定义为预设区域，具体地，将仿真参照物设置于该预设区域内。

本实施例中，可以预先确定第一激光雷达的可探测区域。作为一种可能的实现方式，可以根据所述第一激光雷达的探测角度、探测距离和所述仿真行车路径，确定所述可探测区域作为预设区域。

在仿真环境中设置的仿真参照物可以为一个，也可以为多个；多个仿真参照物可以设置于仿真行车路径的同侧，也可以设置于仿真行车路径的不同侧；多个仿真参照物可以按照固定间距设置，也可以随机设置；多个仿真参照物可以是相同类型的，也可以是不同类型的。本实施例中，对于仿真参照物的数量、类型、在预设区域内的具体设置位置、设置间距等不加以限定。

步骤105：控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

在仿真过程中，可以通过控制触发仿真平台上仿真车沿仿真行车路径行驶。可以理解的是，由于仿真车是依据第一车辆真实的行车性能数据建立的，因此，在仿真过程中，仿真车行驶时的行车性能数据与第一车辆真实的行车性能数据切合。例如，仿真行车数据中第一车辆的最大加速度为a1，则仿真车在仿真行车路径上行驶时的加速度不会超过a1。

控制仿真车在仿真行车路径上行驶时，可以是控制仿真车以匀速v2行驶，也可以是控制仿真车分区段加速和/或减速行驶。

本实施例中，如果设置的仿真参照物有多个，则本步骤第一仿真点云数据可能包含各个仿真参照物对应的仿真点云数据；如果设置的仿真参照物为一个，则本步骤第一仿真点云数据为该仿真参照物对应的仿真点云数据。本实施例中，第一仿真点云数据即为仿真车上第一激光雷达在仿真环境下对仿真参照物的仿真探测结果。

本申请提供的激光雷达的仿真方法，获取第一车辆真实的行车性能数据；利用行车性能数据建立第一车辆对应的仿真车；仿真车上设置有第一激光雷达；在仿真环境下确定仿真行车路径；在仿真环境下的预设区域内设置仿真参照物；预设区域为控制仿真车在仿真行车路径上行驶时，第一激光雷达的可探测区域；最后，控制仿真车在仿真行车路径上行驶，获取第一激光雷达探测仿真参照物得到的第一仿真点云数据。

由于该方法中，仿真车是依据第一车辆真实的行车性能数据建立的，因此，利用该仿真车上的激光雷达进行仿真时，所获得的第一仿真点云数据与真实第一车辆上的激光雷达的探测点云数据更加逼近，从而提高了仿真结果的真实性。并且，该方法基于真实的行车性能数据建立仿真车，不依靠于物理引擎实现仿真，因此相比于现有的激光雷达仿真方法，仿真效率得到提高，同时避免在计算机设备占用大量空间资源的问题。

基于前述实施例，本申请还提供了另一种激光雷达的仿真方法。下面结合实施例和附图对该方法进行详细描述。

方法实施例二：

参见图2，该图为本申请实施例提供的另一种激光雷达的仿真方法的流程图。

如图2所示，本实施例提供的激光雷达的仿真方法，包括：

步骤201：获取第一车辆真实的行车性能数据。

步骤202：利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达。

步骤203：在仿真环境下确定仿真行车路径。

本实施例中，步骤201至步骤203的实现方式与前述实施例中步骤101至步骤103的实现方式相同，关于步骤201至步骤203的相关描述可参照前述实施例，此处不再进行赘述。

步骤204：在所述仿真环境下的预设区域内，将仿真参照物设置于第一位置。

本实施例中，仿真参照物可以为任何具有明确轮廓的参照物体。例如，仿真参照物可以是第二车辆，此处，所提及的第二车辆，可以是与前述步骤201中提及的第一车辆具有相同外观参数的车辆，也可以是外观参数不同于第一车辆的其他车辆。第一位置具体是指作为仿真参照物在预设区域内的设置位置。可以理解的是，如果在预设区域内设置了多个第二车辆作为仿真参照物，则作为仿真参照物的每一个第二车辆均具有对应的第一位置，即其在预设区域内各自对应的设置位置。

步骤205：控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

本实施例中，步骤205的实现方式与前述实施例中步骤105的实现方式相同，关于步骤205的相关描述可参照前述实施例，此处不再进行赘述。

步骤206：获得所述仿真参照物静止于第二位置的原始点云数据。

本实施例中，可以采用多种方式获得作为仿真参照物在第二位置的原始点云数据。作为一示例，可以通过真实地理环境中设置的一个或多个激光雷达探测仿真参照物，从而获得仿真参照物在第二位置的原始点云数据。作为另一示例，还可以通过摄像装置采集仿真参照物在第二位置的图像，对该图像进行图像处理，获得图像中位于第二位置的仿真参照物的点云数据作为该仿真参照物的原始点云数据。

需要说明的是，本步骤中第二位置可以是在真实地理环境中仿真参照物静止停放于的任一位置。可以理解的是，如果在预设区域内设置了多个仿真参照物，则本步骤中每个仿真参照物具有其对应的第二位置以及其与第二位置对应的原始点云数据。

可以理解的是，原始点云数据是对位于第二位置的仿真参照物在真实地理环境中的真实采集的数据。而步骤205获得的第一仿真点云数据是仿真车上第一激光雷达在仿真环境下对仿真参照物的仿真探测结果。本实施例中，可以将原始点云数据转换为仿真参照物在第一位置时的参考点云数据。从而，参考点云数据与第一仿真点云数据可作为相互的对照，以了解仿真车相比于真实第一车辆的工作状况，从而进行改进和调整以提高激光雷达仿真的准确性。

可以理解的是，本实施例中步骤206可以先于步骤201-205执行，也可以与步骤201-205中任意一个步骤同时执行，当然还可以在步骤201-205任意一个步骤之后执行。本实施例中，对于步骤206相对于步骤201-205的执行顺序不进行限定。

步骤207：根据所述原始点云数据，以及所述仿真车的位置与所述第一位置的相对位置关系，获得所述仿真参照物在第一激光雷达的第一坐标系中的参考点云数据。

本步骤的目标是获取仿真参照物设置于第一位置时的点云数据，即，参考点云数据。

本实施例中，原始点云数据是在一个统一的探测坐标系下获得的点云数据。可以理解的是，原始点云数据与该探测坐标系中的原点均具有对应的位置关系。

作为一种实现方式，本实施例中，可以将该原点放置于第一位置。由于第一激光雷达在仿真车上的设置位置是可以确定的，因此，结合仿真车的位置以及第一位置，能够获得第一位置在第一激光雷达的第一坐标系下的位置。其后，根据原始点云数据与位于第一位置的原点的相对位置关系，可以获得原始点云数据转到第一坐标系下的参考点云数据。

根据上述原始点云数据与第二位置的相对位置关系，在已知第一位置的条件下，很容易获得仿真参照物设置于第一位置时仿真参照物所对应的参考点云数据。该参考点云数据即可与第一仿真点云数据作为相互对照。

以上即为本申请实施例提供的一种激光雷达的仿真方法。该仿真方法能够获得仿真参照物在真实地理环境中的原始点云数据，根据原始点云数据能够获得仿真参照物在仿真环境的第一位置对应的参考点云数据。该参考点云数据以及第一仿真点云数据分别是仿真参照物的真实地理环境所得的点云数据以及在仿真环境中的点云数据，因此可以相互对照，通过对照结果确定仿真车在仿真环境中的工作状态等信息，进而根据工作状态等信息确定如何改进仿真车的仿真设置，提高激光雷达仿真的准确性。

在实际应用中，还可以在激光雷达仿真过程中实现对激光雷达的仿真定位。因此，下面提供了又一种激光雷达的仿真方法，结合实施例和附图对该方法进行详细描述。

方法实施例三：

参见图3，该图为本申请实施例提供的又一种激光雷达的仿真方法的流程图。

如图3所示，本实施例提供的激光雷达的仿真方法，包括：

步骤301：获取第一车辆真实的行车性能数据。

步骤302：利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达。

下面，本实施例将通过步骤303-305描述确定仿真行车路径的一种具体实现形式。

步骤303：获取目标区域的地图。

本步骤从真实地理环境中选定一块目标区域，获取目标区域的地图用于构建仿真环境。要求目标区域中至少包括一条行车路径。

步骤304：从所述地图中确定出目标行车路径。

可以理解的是，由于在目标区域的地图上能够获得至少一条行车路径，从而可以将该地图上的任意一条或多条行车路径作为目标行车路径，用于据此目标行车路径获得在仿真环境下对应的仿真行车路径。

步骤305：根据所述地图中所述目标行车路径上各点的位置分布，在所述仿真环境下确定出所述目标行车路径对应的仿真行车路径。

由于仿真行车路径是根据地图中目标行车路径对应获得的，因此，仿真行车路径与目标行车路径的曲度相同。目标行车路径上各点构成该目标行车路径，因此根据各点分布，可以按照分布方式以及各点分布方位、间距等，拟合确定出该目标行车路径对应的仿真行车路径。

步骤306：在所述仿真环境下的预设区域内设置仿真参照物，仿真参照物上设置有第二激光雷达。

需要特别说明的是，为实现仿真车上第一激光雷达的定位，本申请实施例中在仿真环境中布设的仿真参照物上特别设置了第二激光雷达。第二激光雷达用于探测该仿真车。

步骤307：控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

步骤308：获取所述第二激光雷达探测所述仿真车得到的第二仿真点云数据；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据。

需要说明的是，每一个激光雷达获得的点云数据均是以该激光雷达的坐标系为基准。本实施例中，将第一激光雷达的坐标系称为第一坐标系；将第二激光雷达的坐标系称为第二坐标系。可以理解的是，第二激光雷达探测仿真车得到的第二仿真点云数据是第二坐标系中的数据。而第一激光雷达探测仿真参照物得到的第一仿真点云数据是第一坐标系中的数据。

步骤309：将所述第二仿真点云数据进行坐标转换，获得所述第二仿真点云数据转换到所述第一激光雷达的第一坐标系中对应的第三仿真点云数据。

本步骤中坐标转换，具体是指将第二坐标系中第二仿真点云数据转换为第一坐标系中关于仿真车的第三仿真点云数据。

本实施例中，可以采用两种方式对第一激光雷达进行仿真定位。

第一种方式，可以基于第三仿真点云数据获得对第一激光雷达的第一定位信息。可以理解的是，由于第三仿真点云数据是第一激光雷达的第一坐标系下对该仿真车探测得到的点云数据，因此，能够实现对仿真车的定位。同时由于仿真车与第一激光雷达具有确定的安装位置关系，因此，根据仿真车的定位信息以及仿真车与第一激光雷达的安装位置关系，也能够相应获得第一坐标系下第一激光雷达的第一定位信息。因此，所述第三仿真点云数据作用之一是，获得所述第一激光雷达的第一定位信息。

第二种方式，可以基于第一仿真点云数据获得对第一激光雷达的第一定位信息。可以理解的是，仿真参照物在仿真环境中的位置是确定的，第一仿真点云数据是第一激光雷达对仿真参照物探测获得的点云数据，因此，根据仿真参照物的设置位置，以及第一仿真点云数据，能够相应地获得在第一坐标系中第一激光雷达的第二定位信息。因此，所述第一仿真点云数据作用之一是，获得所述第一激光雷达的第二定位信息。

根据上述描述可知，第一定位信息和第二定位信息分别是对第一激光雷达采用不同方式获得的定位信息，且第一定位信息和第二定位信息都是在第一激光雷达的第一坐标系下的定位信息，因此，第一定位信息和第二定位信息可以作为相互对照。根据对照结果调整对第一激光雷达的仿真，从而提高仿真准确性。

基于前述实施例提供的激光雷达的仿真方法，相应地，本申请还提供一种激光雷达的仿真装置。下面结合实施例和附图对该装置的具体实现进行描述。

装置实施例：

参见图4，该图为本申请实施例提供的一种激光雷达的仿真装置的结构示意图。

如图4所示，本实施例提供的激光雷达的仿真装置，包括：

行车性能数据获取模块401，用于获取第一车辆真实的行车性能数据；

仿真车构建模块402，用于利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达；

仿真行车路径确定模块403，用于在仿真环境下确定仿真行车路径；

仿真参照物设置模块404，用于在所述仿真环境下的预设区域内设置仿真参照物；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域；

仿真数据第一获取模块405，用于控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

由于仿真车是依据第一车辆真实的行车性能数据建立的，因此，利用该仿真车上的激光雷达进行仿真时，所获得的第一仿真点云数据与真实第一车辆上的激光雷达的探测点云数据更加逼近，从而提高了仿真结果的真实性。并且，该仿真装置基于真实的行车性能数据建立仿真车，不依靠于物理引擎实现仿真，因此相比于现有的激光雷达仿真方法，仿真效率得到提高，同时避免在计算机设备占用大量空间资源的问题。

可选地，仿真参照物设置模块404，具体包括：

第一设置单元，用于将所述仿真参照物设置于所述预设范围内的第一位置。

可选地，该仿真装置还可以包括：

原始点云数据获取模块，用于获得所述仿真参照物静止于第二位置的原始点云数据；

参考点云数据获取模块，用于根据所述原始点云数据，以及所述仿真车的位置与所述第一位置的相对位置关系，获得所述仿真参照物设置于所述第一位置的参考点云数据。

该参考点云数据以及第一仿真点云数据分别是仿真参照物的真实地理环境所得的点云数据以及在仿真环境中的点云数据，因此可以相互对照，通过对照结果确定仿真车在仿真环境中的工作状态等信息，进而根据工作状态等信息确定如何改进仿真车的仿真设置，提高激光雷达仿真的准确性。

在实际应用中，还可以在激光雷达仿真过程中实现对激光雷达的仿真定位。可选地，所述仿真参照物上设置有第二激光雷达，上述装置还可以包括：

仿真数据第二获取模块，用于获取所述第二激光雷达探测所述仿真车得到的第二仿真点云数据；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据；

仿真数据第三获取模块，用于将所述第二仿真点云数据进行坐标转换，获得所述第二仿真点云数据转换到所述第一激光雷达的第一坐标系中对应的第三仿真点云数据；所述第三仿真点云数据用于获得所述第一激光雷达的第一定位信息；所述第一仿真点云数据用于获得所述第一激光雷达的第二定位信息；所述第一定位信息与所述第二定位信息用于相互对照。

根据上述描述可知，第一定位信息和第二定位信息分别是对第一激光雷达采用不同方式获得的定位信息，且第一定位信息和第二定位信息都是在第一激光雷达的第一坐标系下的定位信息，因此，第一定位信息和第二定位信息可以作为相互对照。根据对照结果调整对第一激光雷达的仿真，从而提高仿真准确性。

可选地，仿真行车路径确定模块403可以具体包括：

地图获取单元，用于获取目标区域的地图；

目标行车路径确定单元，用于从所述地图中确定出目标行车路径；

仿真行车路径确定单元，用于根据所述地图中所述目标行车路径上各点的位置分布，在所述仿真环境下确定出所述目标行车路径对应的仿真行车路径。

可选地，行车性能数据获取模块401可以具体包括：

第一获取单元，用于获取所述第一车辆从静止状态至极限行车状态真实的行车性能数据。

本实施例中，所述行车性能数据可以包括：最大行车加速度，和/或各个行车速度对应的最大转弯半径。

可选地，该仿真装置还可以包括：

可探测区域确定模块，用于根据所述第一激光雷达的探测角度、探测距离和所述仿真行车路径，确定所述可探测区域。

基于上述实施例提供的激光雷达的仿真方法，本申请相应地，还提供一种激光雷达的仿真平台。下面结合实施例和附图对该平台进行描述。

参见图5，该图为本实施例提供的激光雷达的仿真平台的结构示意图。

如图5所示，本实施例提供的激光雷达的仿真平台，包括：

处理器501、仿真车502、仿真行车路径503和仿真参照物504；

所述处理器501用于执行上文所述的激光雷达的仿真方法；

所述仿真车502由所述处理器501根据第一车辆真实的行车性能数据构建；所述仿真车502上设置有第一激光雷达；

所述仿真行车路径503由所述处理器501确定；

所述仿真参照物504设置于预设区域内；所述预设区域为控制所述仿真车502在所述仿真行车路径503上行驶时，所述第一激光雷达的可探测区域。

由于该仿真平台中，仿真车502是依据第一车辆真实的行车性能数据建立的，因此，利用该仿真车502上的激光雷达进行仿真时，所获得的第一仿真点云数据与真实第一车辆上的激光雷达的探测点云数据更加逼近，从而提高了仿真结果的真实性。并且，该方法基于真实的行车性能数据建立仿真车502，不依靠于物理引擎实现仿真，因此仿真效率得到提高，同时避免在计算机设备占用大量空间资源的问题。

可选地，仿真平台中所述仿真参照物504上设置有第二激光雷达，所述激光雷达用于探测所述仿真车502得到第二仿真点云数据，并将所述第二仿真点云数据传输给所述处理器501；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种激光雷达的仿真方法，其特征在于，包括：

获取第一车辆真实的行车性能数据；

利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达；

在仿真环境下确定仿真行车路径；

在所述仿真环境下的预设区域内设置仿真参照物；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域；

控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

2.根据权利要求1所述的方法，其特征在于，所述在所述仿真环境下的预设区域内设置仿真参照物，具体包括：

将所述仿真参照物设置于所述预设范围内的第一位置；

所述方法还包括：

获得所述仿真参照物静止于第二位置的原始点云数据；

根据所述原始点云数据，以及所述仿真车的位置与所述第一位置的相对位置关系，获得所述仿真参照物在第一激光雷达的第一坐标系中的参考点云数据。

3.根据权利要求1所述的方法，其特征在于，所述仿真参照物上设置有第二激光雷达，所述方法还包括：

获取所述第二激光雷达探测所述仿真车得到的第二仿真点云数据；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据；

将所述第二仿真点云数据进行坐标转换，获得所述第二仿真点云数据转换到所述第一激光雷达的第一坐标系中对应的第三仿真点云数据；所述第三仿真点云数据用于获得所述第一激光雷达的第一定位信息；所述第一仿真点云数据用于获得所述第一激光雷达的第二定位信息；所述第一定位信息与所述第二定位信息用于相互对照。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述在仿真环境下确定仿真行车路径，具体包括：

获取目标区域的地图；

从所述地图中确定出目标行车路径；

根据所述地图中所述目标行车路径上各点的位置分布，在所述仿真环境下确定出所述目标行车路径对应的仿真行车路径。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述获取第一车辆真实的行车性能数据，具体包括：

获取所述第一车辆从静止状态至极限行车状态真实的行车性能数据；

所述行车性能数据包括：最大行车加速度，和/或各个行车速度对应的最大转弯半径。

6.根据权利要求1-3任一项所述的方法，其特征在于，在所述设置仿真参照物之前，所述方法还包括：

根据所述第一激光雷达的探测角度、探测距离和所述仿真行车路径，确定所述可探测区域。

7.一种激光雷达的仿真装置，其特征在于，包括：

行车性能数据获取模块，用于获取第一车辆真实的行车性能数据；

仿真车构建模块，用于利用所述行车性能数据建立所述第一车辆对应的仿真车；所述仿真车上设置有第一激光雷达；

仿真行车路径确定模块，用于在仿真环境下确定仿真行车路径；

仿真参照物设置模块，用于在所述仿真环境下的预设区域内设置仿真参照物；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域；

仿真数据第一获取模块，用于控制所述仿真车在所述仿真行车路径上行驶，获取所述第一激光雷达探测所述仿真参照物得到的第一仿真点云数据。

8.根据权利要求7所述的装置，其特征在于，所述仿真参照物上设置有第二激光雷达，所述装置还包括：

仿真数据第二获取模块，用于获取所述第二激光雷达探测所述仿真车得到的第二仿真点云数据；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据；

仿真数据第三获取模块，用于将所述第二仿真点云数据进行坐标转换，获得所述第二仿真点云数据转换到所述第一激光雷达的第一坐标系中对应的第三仿真点云数据；所述第三仿真点云数据用于获得所述第一激光雷达的第一定位信息；所述第一仿真点云数据用于获得所述第一激光雷达的第二定位信息；所述第一定位信息与所述第二定位信息用于相互对照。

9.一种激光雷达的仿真平台，其特征在于，包括：处理器、仿真车、仿真行车路径和仿真参照物；

所述处理器用于执行权利要求1-6任一项所述的激光雷达的仿真方法；

所述仿真车由所述处理器根据第一车辆真实的行车性能数据构建；所述仿真车上设置有第一激光雷达；

所述仿真行车路径由所述处理器确定；

所述仿真参照物设置于预设区域内；所述预设区域为控制所述仿真车在所述仿真行车路径上行驶时，所述第一激光雷达的可探测区域。

10.根据权利要求9所述的平台，其特征在于，所述仿真参照物上设置有第二激光雷达，所述激光雷达用于探测所述仿真车得到第二仿真点云数据，并将所述第二仿真点云数据传输给所述处理器；所述第二仿真点云数据为所述第二激光雷达的第二坐标系中的数据。