CN111999720A - 激光雷达参数调整方法、激光雷达***和计算机存储介质 - Google Patents
激光雷达参数调整方法、激光雷达***和计算机存储介质 Download PDFInfo
- Publication number
- CN111999720A CN111999720A CN202011090310.9A CN202011090310A CN111999720A CN 111999720 A CN111999720 A CN 111999720A CN 202011090310 A CN202011090310 A CN 202011090310A CN 111999720 A CN111999720 A CN 111999720A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- scene
- parameter adjustment
- lidar
- adjustment strategy
- 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.)
- Granted
Links
Images
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
- G01S7/497—Means for monitoring or calibrating
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- 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
- G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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
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)
- Aviation & Aerospace Engineering (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及雷达技术领域,公开了一种激光雷达参数调整方法、激光雷达***和计算机存储介质。其中,所述激光雷达参数调整方法包括:获取激光雷达周围三维环境信息;基于所述三维环境信息,识别所述激光雷达所处的场景类型以及可行驶区域;根据所述场景类型和所述可行驶区域,确定所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数。通过上述方式,本发明实施例能够根据不同的场景自动调整激光雷达的工作参数。
Description
本申请是申请号为202010650848.4,申请日为2020年07月08日、名称为“激光雷达参数调整方法、装置及激光雷达”的专利申请的分案申请。
技术领域
本发明实施例涉及雷达技术领域,具体涉及一种激光雷达参数调整方法、装置及激光雷达。
背景技术
目前,激光雷达因为其优异的特性以及对外界环境的强适应性,在自动驾驶、辅助驾驶等领域取得了广泛的应用。
现有的激光雷达普遍保持固定的工作频率、探测角度和范围,不具备动态调整工作参数的能力,从而使得不管在什么类型的场景中工作时,激光雷达都保持相同的参数。
发明内容
本发明实施例一个目的旨在提供一种激光雷达参数调整方法、装置及激光雷达,能够根据不同的场景自动调整激光雷达的工作参数。
根据本发明实施例的一个方面,提供了一种激光雷达参数调整方法,包括:获取激光雷达周围三维环境信息;基于所述三维环境信息,识别所述激光雷达所处的场景类型以及可行驶区域;根据所述场景类型和所述可行驶区域,确定所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数。
在一种可选的方式中,所述三维环境信息包括三维点云数据;所述基于所述三维环境信息,识别所述激光雷达所处的场景类型以及可行驶区域,具体包括:对所述三维点云数据进行处理,生成多通道点云特征图;从所述多通道点云特征图提取高维特征信息;根据所述高维特征信息,确定所述场景类型;根据所述高维特征信息,确定所述可行驶区域。
在一种可选的方式中,所述从所述多通道点云特征图提取高维特征信息,具体包括:将所述多通道点云特征图输入第一神经网络,并获取所述第一神经网络输出的所述高维特征信息;
所述根据所述高维特征信息,确定所述场景类型,具体包括:将所述高维特征信息输入第二神经网络,并获取所述第二神经网络输出的场景类型输出值;根据预设场景类型输出值与场景类型标签的对应关系,确定所述场景类型输出值对应的所述场景类型;
所述根据所述高维特征信息,确定所述可行驶区域,具体包括:将所述高维特征信息输入第三神经网络,并获取所述第三神经网络输出的可行驶区域输出图;根据预设可行驶区域输出图与可行驶区域标签的对应关系,确定所述可行驶区域输出图对应的所述可行驶区域。
在一种可选的方式中,所述根据所述场景类型和所述可行驶区域,确定所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数,具体包括:根据所述场景类型,确定所述激光雷达的水平视场角、所述激光雷达的垂直视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描密度、所述激光雷达的扫描频率以及所述激光雷达的脉冲发射功率中的一种或多种的场景参数调整策略;根据所述可行驶区域,调整所述场景参数调整策略,并将所述调整后的场景参数调整策略确定为所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数。
在一种可选的方式中,所述根据所述可行驶区域,调整所述场景参数调整策略,并将所述调整后的场景参数调整策略确定为所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数,具体包括:根据所述场景类型,获取所述场景类型下的标准行驶区域以及所述标准行驶区域对应的所述激光雷达的水平视场角以及所述激光雷达的垂直视场角的行驶参数调整策略;将所述标准行驶区域和所述可行驶区域进行匹配,根据所述匹配的结果以及所述行驶参数调整策略,调整所述场景参数调整策略;基于调整后的所述场景参数调整策略调整所述激光雷达的当前工作参数。
在一种可选的方式中,所述将所述标准行驶区域和所述可行驶区域进行匹配,根据所述匹配的结果以及所述行驶参数调整策略,调整所述场景参数调整策略,具体包括:分析所述可行驶区域的拓扑结构以及所述标准行驶区域的拓扑结构;计算所述可行驶区域的拓扑结构和所述标准行驶区域的拓扑结构的拓扑相关性;根据所述拓扑相关性,确定所述可行驶区域相对于所述标准行驶区域的场景差异系数;根据所述场景差异系数以及所述行驶参数调整策略,调整所述场景参数调整策略。
在一种可选的方式中,所述激光雷达的当前工作参数包括:所述激光雷达的发射光束的垂直视场角、所述激光雷达的发射光束的水平视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描频率以及激光雷达的脉冲发射频率中的一种或多种。
根据本发明实施例的另一方面,提供了一种激光雷达参数调整装置,包括:环境信息获取模块,用于获取激光雷达周围三维环境信息;识别模块,用于基于所述三维环境信息,识别所述激光雷达所处的场景类型以及可行驶区域;调整模块,用于根据所述场景类型和所述可行驶区域,确定所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数。
根据本发明实施例的又一方面,提供了一种激光雷达,包括:发射装置、接收装置、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;所述发射装置用于发射出射激光至探测区域;所述接收装置用于接收所述探测区域内的物体反射的回波激光;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根据如上所述的激光雷达参数调整方法的步骤。
根据本发明实施例的另又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行根据如上所述的激光雷达参数调整方法的步骤。
本发明实施例获取激光雷达周围三维环境信息,基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域,根据场景类型和可行驶区域,确定激光雷达的参数调整策略,并基于参数调整策略调整激光雷达的当前工作参数,能够根据不同的场景自动调整激光雷达的工作参数,使激光雷达的工作状态自动调整到适合当前场景的工作状态,从而提高激光雷达的工作效率,并且,还能够实时识别当前场景和检测出可行驶区域,从而调整激光雷达的扫描范围与可行驶区域适配,不仅能够提高障碍物检测率,还能够提升计算资源利用率,降低功耗。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、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提供的应用场景的结构示意图;
图2示出了本发明实施例提供的一种激光雷达参数调整方法的流程示意图;
图3a-图3c示出了本发明实施例中数据处理不同阶段的点云特征图;
图4示出了本发明实施例中的神经网络训练的流程示意图;
图5a示出了本发明实施例中减小激光雷达的发射光束的垂直视场角的光路示意图;
图5b示出了本发明实施例中降低激光雷达的发射光束的光轴方向的光路示意图;
图6a和图6b示出了本发明实施例提供的可行驶区域的拓扑结构的示意图;
图7示出了本发明实施例提供的参数调整前后激光雷达的探测范围的示意图;
图8a示出了本发明另一实施例提供的应用场景的结构示意图;
图8b示出了本发明另一实施例提供的包括3个激光雷达的应用场景的示意图;
图8c示出了本发明另一实施例提供的包括5个激光雷达的应用场景的示意图;
图9示出了本发明另一实施例提供的一种激光雷达参数调整方法的流程示意图;
图10示出了本发明实施例提供的一种激光雷达参数调整装置的结构示意图;
图11示出了本发明实施例提供的一种激光雷达的结构示意图。
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提供的应用场景示意图。如图1所示,该应用场景包括:激光雷达101和交通工具102。激光雷达101装设于各种需要进行周围环境探测的交通工具102上,交通工具102例如可以为车辆、船舶、飞行器等。
其中,当交通工具102为车辆时,激光雷达可以装设在车辆的车头、车尾、车顶、车侧身或其他任意可进行激光雷达固定的车身位置,可以理解的是激光雷达也可以固定于其他与车辆进行外接的装置结构平台上。其中,可以理解的是所述外接的装置结构平台在车辆运行时与车辆可以保持同步运行。
图2示出了本发明实施例提供的一种激光雷达参数调整方法的流程示意图。该方法应用于图1中的激光雷达101。如图2所示,该方法包括:
步骤110、获取激光雷达周围三维环境信息。
其中,激光雷达可以为旋转式机械激光雷达或者固态激光雷达。可以理解的是,当激光雷达为旋转式机械激光雷达时,三维环境信息覆盖激光雷达周围360度视场范围,当激光雷达为固态激光雷达时,三维环境信息覆盖激光雷达前方一定角度范围,例如为120度。
其中,三维环境信息可以为三维点云数据。其中,可以理解的是,当激光雷达发射的激光束照射到物体表面上并被物体反射回来被接收器接收时,被接收的激光信号以点的形式被记录,便形成了三维点云数据。其中,所述三维点云数据可以包括几何位置信息、反射强度信息。其中,所述反射强度信息为激光雷达接收装置采集到的回波强度,此强度信息与目标的表面材质、粗糙度、入射角方向,以及仪器的发射能量,激光波长有关。
可以理解的是,在一些实施例中,所述三维环境信息还可以为三维点云数据与图像数据的结合数据,通过图像传感器获取彩色影像,然后将对应位置的像素的颜色信息(RGB)赋予点云中对应的点中,从而使三维点云数据具有颜色信息。其中,所述图像传感器可以集成于激光雷达内部,从而在点云数据输出前就完成这个点云数据对应颜色信息的获取;从而进行三维环境语义特征的识别;可选的,图像传感器也可以独立设置于雷达的外部,将点云数据和图像数据分别整合为三维环境信息。其中,所述图像数据可以是图像数据也可以为影像数据。
可以理解的是,激光雷达周围三维环境信息是实时获取的。
步骤120、基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域。
其中,激光雷达所处的场景类型与激光雷达所运用的领域相关,当激光雷达运用在不同的领域时,其所处的场景也不相同,因此场景类型也可以包括多种。当激光雷达运用于车辆时,场景类型包括但不限于:高速公路场景类型、十字路口场景类型、停车场场景类型等。
基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域,具体可以包括:
步骤121、对三维点云数据进行处理,生成多通道点云特征图;
其中,对三维点云数据进行处理,生成多通道点云特征图,具体包括:
将获取的三维点云数据投影到XY平面上,然后按照预设栅格大小对一定范围内的区域进行栅格化,栅格保存不同的特征值,形成多通道特征图。其中,多通道特征图中的每一通道代表某一维度的特征值。
其中,多个通道所对应的特征值可以包括而不限于以下几种:占据率,点个数,最低点高度,最高点高度,平均高度,平均强度,距离,方位角等等。
其中,具体实施中,可以确定栅格大小0.2米,前后左右范围各80米,形成800×800大小特征图,选择多个上述特征组合作为点云多通道特征图。例如,选择占据率,点个数,平均高度和平均强度四个特征,则会构成800×800×4大小点云特征图。
步骤122、从多通道点云特征图提取高维特征信息;
其中,从多通道点云特征图提取高维特征信息,具体包括:将多通道点云特征图输入第一神经网络,所述第一神经网络通过卷积运算得到高维特征信息,其中,所述高维特征信息可以包括:边缘特征信息,形状特征信息,纹理特征信息,甚至是具有语义的特征等,例如车的轮廓信息、收费站轮廓信息,红绿灯轮廓信息,道路交通指示牌信息、路沿信息、车道线信息、人行横道信息等。其中,可以理解的是,当所述三维环境信息为三维点云数据与图像数据的结合数据时,所述从多通道点云特征图提取的高维特征信息具有颜色特征,可以进行道路指示牌、红绿灯等这种具有文字或者颜色的语义特征识别。
步骤123、根据所述高维特征信息,确定场景类型;
其中,所述根据所述高维特征信息,确定场景类型,具体包括:将所述高维特征信息输入第二神经网络,得到场景类型输出值,根据所述场景类型输出值与场景类型标签的对应关系,将所述场景类型输出值与场景类型标签匹配,确定所述场景类型输出值对应的场景类型,从而确定所述激光雷达所处的场景类型。其中,可以理解的是,场景类型标签包括与所述场景类型标签的场景类型输出值范围。可以理解的是,所述根据预设场景类型输出值与场景类型标签的对应关系,将所述场景类型输出值与场景类型标签匹配,具体包括:将所述场景类型输出值与场景类型标签对应的场景类型输出值范围进行匹配,当所述场景类型输出值落入所述场景类型标签对应的场景类型输出值范围时,则确定所述场景类型为该场景类型标签对应的场景类型。
举例来说,若将所述高维特征为弯曲的路沿、人行横道斑马线、红绿灯轮廓信息等输入第二神经网络,得到的场景输出值为9,若所述十字路口场景标签对应的场景类型输出值范围为7-10,则该场景对应的标签为十字路口场景;在举例来说,若将所述高维特征为人行横道斑马线,红绿灯轮廓信息,输入第二神经网络得到的场景类型输出值为8,则该场景也落入十字路口场景标签对应的场景输出值范围,则该场景对应的标签为十字路口场景。
可以理解的是,通过场景类型输出值与场景类型标签的对应关系来确定所述激光雷达所处的场景类型,增加了场景类型判断的准确性。
在另一种可行的实施例中,所述将所述高维特征信息输入第二神经网络得到场景类型输出值,具体可以包括:将所述高维特征信息输入第二神经网络,将所述高维特征信息与第二神经网络模型库中的特征信息进行匹配得到,其中,可以理解的是所述第二神经网络模型库中的特征信息具有特征值及权重值,根据匹配到的特征值及权重值得到所述场景类型输出值。
步骤124、根据所述高维特征信息,确定可行驶区域。
其中,根据所述高维特征信息,确定可行驶区域,具体包括:将所述高维特征信息输入第三神经网络,得到可行驶区域输出图,根据预设可行驶区域输出图与可行驶区域标签的对应关系,将可行驶区域输出图与可行驶区域标签进行匹配,确定所述可行驶区域输出图对应的可行驶区域,从而确定可行驶区域。
其中,可以理解的是,将所述高维特征信息输入第三神经网络,得到可行驶区域输出图,可以包括:将所述高维特征信息输入第三神经网络,第三神经网络进行可行驶区域特征提取,其中,可行驶区域特征例如可以包括路沿信息、车道线信息等;将包含所述可行驶区域特征的区域提取出来,生成可行驶区域输出图。
其中,可以理解的是,不同场景下的可行驶区域标签可以不同,举例来说,高速公路的可行驶区域标签可以为包含有车道线信息的标签,十字路口的可行驶区域标签可以包含路沿信息和车道线信息,停车场的可行驶区域标签可以包括停车的车位线信息等。
将可行驶区域输出图与可行驶区域标签进行匹配,确定可行驶区域,可以包括:将可行驶区域输出图与可行驶区域标签进行匹配,确定所述可行驶区域输出图所在的场景,根据所述场景确定可行驶区域。
其中,所述将可行驶区域输出图与可行驶区域标签进行匹配,确定可行驶区域之后,所述方法还包括:获取可行驶区域中的障碍物信息,根据所述障碍物信息确定可行驶区域的复杂度;若所述可行驶区域的复杂度超过预设阈值,则重新获取可行驶区域。
其中,可以理解的是,其中,第一神经网络和第二神经网络均由卷积层和池化层组成,第三神经网络由反卷积层组成。高维特征信息为中间变量,由第一神经网络通过卷积运算得到,并分别输入到第二神经网络和第三神经网络中。例如,如图3a-3c所示,为不同处理阶段的点云特征图,其中图3a为数据处理初期的点云特征图(原始的三维点云数据),图3b为数据处理中期的点云特征图(经过第一神经网络后的输出),图3c为数据处理完成的点云特征图(经过第二神经网络后的输出)。
其中,由于神经网络的基础运算为卷积运算,其由一系列乘加操作组成,为了引入非线性变换,神经网络中会加入非线性激活函数。常用的非线性激活函数有ReLU、Sigmoid等。
可选的,在一些可选的实施例中,在步骤120之前,该方法还包括:获取训练点云数据,训练点云数据中包含原始点云数据和与该原始点云数据对应的场景类型标签和可行驶区域标签;根据原始点云数据和与该原始点云数据对应的场景类型标签和可行驶区域标签,对第一神经网络、第二神经网络、第三神经网络进行训练。
其中,原始点云数据可以由车载激光雷达得到,与该原始点云数据对应的场景类型标签和可行驶区域标签可以由人工标注得到。其中,原始点云数据形成的训练集中的原始点云数据量越大,训练得到的神经网络就越准确。
其中,如图4所示,对第一神经网络、第二神经网络、第三神经网络进行训练,具体可以包括:分别获取第一神经网络、第二神经网络、第三神经网络的初始化参数;将训练点云数据中的原始点云数据生成训练点云特征图;将训练点云特征图输入第一神经网络、第二神经网络、第三神经网络,并获取第二神经网络输出的训练场景类型、第三神经网络输出的训练感兴趣区域;将训练场景类型与场景类型标签比较,通过第二损失函数计算场景类型损失值;将训练感兴趣区域与可行驶区域标签比较,通过第三损失函数计算可行驶区域损失值;基于场景类型损失值和可行驶区域损失值,通过反向传播算法对第一神经网络、第二神经网络、第三神经网络进行参数更新;当场景类型损失值和可行驶区域损失值不再变化时停止训练,保存最终的神经网络参数值。
步骤130、根据场景类型和可行驶区域,确定激光雷达的参数调整策略,并基于参数调整策略调整激光雷达的当前工作参数。
其中,在本实施例中,激光雷达的当前工作参数包括但不限于:激光雷达的发射光束的垂直视场角、激光雷达的发射光束的水平视场角、激光雷达的发射光束的光轴方向、激光雷达的扫描密度、激光雷达的扫描频率以及激光雷达的脉冲发射功率中的一种或多种。
其中,步骤130具体可以包括:
步骤131、根据所述场景类型,确定激光雷达的水平视场角、激光雷达的垂直视场角、激光雷达的发射光束的光轴方向、激光雷达的扫描密度、激光雷达的扫描频率以及激光雷达的脉冲发射功率中的一种或多种的场景参数调整策略。
其中,场景参数调整策略以及场景类型与场景参数调整策略的对应关系由用户根据场景类型预先设置。
例如,当装载有激光雷达的车辆行驶在高速公路场景中,需要激光雷达将扫描范围集中在前后方道路区域内,减少对车辆左右方的探测,忽略或者减少对可行驶区域外的探测。缩小探测范围不仅能够节省计算力,还能提高重点区域内的障碍物检测率。因此,在一些可选的实施例中,当检测到为高速公路场景类型时,则减小激光雷达的垂直视场角、降低激光雷达的发射光束的脉冲发射频率和提高激光雷达的扫描频率。其中,减小发射光束的垂直视场角,如图5a,例如可以压缩20%垂直视场角,或者,将激光雷达的垂直视场角从+15°~-25°调整到+12°~-20°,能够将更多线束集中在水平方向,增大激光雷达的前后探测距离,从而探测到远距离目标。其中,降低脉冲发射频率,例如将脉冲发射频率从每秒发射5万个调整到每秒发射1万个,能够增加脉冲激光发射器的充能时间,使得激光能量增增加,从而探测更远的距离。其中,提高扫描频率,例如将扫描频率从10Hz调整到15Hz,能够更快地探测到移动物体的变化,以提高自动驾驶的安全性。
例如,当装载有激光雷达的车辆位于十字路口场景中时,通过十字路口时,周围环境中的物体移动变化快,此时需要更快地探测到移动物体的变化。当检测到为十字路口场景类型时,则需要减少前后方的探测距离,增加车周边近距离的探测,以满足更快的探测到移动物体的变化。因此,在一些可选的实施例中,当检测到为十字路口场景时,则提高激光雷达的脉冲发射频率、降低激光雷达的发射光束的光轴方向以及提高激光雷达的扫描频率。其中,提高激光雷达的脉冲发射频率,例如将脉冲发射频率从每秒发射1万个调整到每秒发射5万个,从而能够更快的获取周围移动物体的变化。其中,降低发射光束的光轴方向,如图5b,例如可以发射光束的光轴方向下移20°,在一具体应用实例中将发射光束的光轴方向从0°(也即水平出射)向下偏转20°,发射光束的探测范围将更靠近地面,能够减少激光雷达的探测距离,从而集中探测近距离目标。其中,提高激光雷达的扫描频率,例如可以将扫描频率从10Hz调整到15Hz,能够更快地探测到移动物体的变化。
例如,当装载有激光雷达的车辆进入停车场等静态场景或者停车等待时,在周围固定不变的情况下,可以减少激光雷达的功率消耗。因此,在一些可选的实施例中,当检测到为停车场场景类型时,则降低激光雷达的脉冲发射频率、降低激光雷达的发射光束的光轴方向以及降低激光雷达的扫描频率。其中,降低激光雷达的扫描频率,例如可以将扫描频率从15Hz调整到10Hz,能够减少激光雷达的功率消耗。
步骤132、根据所述可行驶区域,调整所述场景参数调整策略,并将所述调整后的场景参数调整策略确定为所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数。
其中,步骤132具体可以包括:
步骤1321、根据所述场景类型,获取所述场景类型下的标准行驶区域以及所述标准行驶区域对应的所述激光雷达的水平视场角以及所述激光雷达的垂直视场角的行驶参数调整策略。
其中,预先设置场景类型与标准行驶区域的对应关系,则能够根据当前场景类型,在场景类型与标准行驶区域的对应关系中查找当前场景类型下的标准行驶区域。例如,预先设定高速公路场景类型对应的标准行驶区域为某特定的直线道路区域,则当确定场景类型为高速公路场景类型,查找到对应的标准行驶区域为某特定的直线道路区域。同时,场景类型、标准行驶区域、行驶参数调整策略存在对应关系,在理想情况下,在某个场景类型的可行驶区域应该为标准行驶区域,而根据该标准行驶区域应该设置预设标准视场角参数,然而,实际确定的可行驶区域不一定与标准行驶区域完全吻合,因此,还预先设置标准行驶区域与所述激光雷达的水平视场角以及所述激光雷达的垂直视场角的行驶参数调整策略的对应关系,则能够根据获取的标准行驶区域,在标准行驶区域与所述激光雷达的水平视场角以及所述激光雷达的垂直视场角的行驶参数调整策略的对应关系中查找获取的标准行驶区域对应的所述激光雷达的水平视场角以及所述激光雷达的垂直视场角的行驶参数调整策略。
步骤1322、将所述可行驶区域与标准行驶区域进行匹配,根据所述匹配的结果以及所述行驶参数调整策略,对所述场景参数调整策略进行再调整。
其中,在一些可选的实施例中,将所述标准行驶区域和所述可行驶区域进行匹配,根据所述匹配的结果以及所述行驶参数调整策略,调整所述场景参数调整策略,具体包括:分析可行驶区域的拓扑结构以及标准行驶区域的拓扑结构,并计算可行驶区域的拓扑结构与标准行驶区域的拓扑结构的拓扑相关性;根据所述拓扑相关性,确定可行驶区域相对于标准行驶区域的场景差异系数;其中,所述场景差异系数包括的平移差异系数、旋转差异系数和缩放差异系数等;根据所述场景差异系数以及所述行驶参数调整策略,调整所述场景参数调整策略。其中,在一些实施例中,根据所述场景差异系数以及所述行驶参数调整策略,调整所述场景参数调整策略,具体包括:获取行驶参数调整策略中的标准视场角参数(包括标准垂直视场角参数及标准水平视场角参数);根据场景差异系数,在标准视场角参数的基础上等比例计算新的视场角参数(包括新的垂直视场角及新的水平视场角参数);根据新的视场参数,调整场景参数调整策略中的垂直视场角和水平视场角。例如,如图6a所示,假设可行驶区域的拓扑结构和标准行驶区域的拓扑结构的中心重合、边平行、宽度相同、长度之比为5:3,则确定可行驶区域的拓扑结构和标准行驶区域的拓扑结构的平移差异系数为0、旋转差异系数为0、缩放差异系数为(5/3)*1。又例如,如图6b所示,假设可行驶区域的拓扑结构和标准行驶区域的拓扑结构的中心重合、边平行、宽度之比为6:4、长度之比为6:4,则确定可行驶区域的拓扑结构和标准行驶区域的拓扑结构的平移差异系数为0、旋转差异系数为0、缩放差异系数为(6/4)*(6/4)。可选地,在一些其他实施例中,当可行驶区域的拓扑结构和标准行驶区域的拓扑结构的中心不重合或者边不平行,则可以保持标准行驶区域的拓扑结构不变,对可行驶区域的拓扑结构进行旋转、平移,直至可行驶区域的拓扑结构和标准行驶区域的拓扑结构的中心重合且边平行,并记录平移差异系数和旋转差异系数,然后再计算可行驶区域的拓扑结构和标准行驶区域的拓扑结构的长度和宽度的比例关系,确定缩放差异系数。
其中,当计算得到平移差异系数、旋转差异系数和缩放差异系数后,可以根据平移差异系数、旋转差异系数和缩放差异系数,计算新的视场角参数。例如,当计算得到平移差异系数、旋转差异系数和缩放差异系数,则可以根据平移差异系数、旋转差异系数、缩放差异系数、以及相似图形的边的比例关系,计算得到视场角的放大倍数,从而计算得到新的视场角参数,以使得当调整到新的视场角参数时,激光雷达的探测范围能够完全覆盖标准行驶区域。又例如,当计算得到平移差异系数、旋转差异系数和缩放差异系数,可以根据旋转差异系数调整激光雷达的发射光束的光轴方向,以使得调整后的激光雷达的发射光束的光轴方向平行标准行驶区域的拓扑结构的中心轴,然后再根据平移差异系数、缩放差异系数、以及相似图形的边的比例关系,计算得到视场角的放大倍数,从而计算得到新的视场角参数,以使得当调整到新的视场角参数时,激光雷达的探测范围能够完全覆盖标准行驶区域。
其中,可以理解的是,雷达调整状态后,新的检测范围将与可行驶区域按照上述方法再次计算差异系数,在此基础进一步调整视场角参数(垂直视场角及水平视场角参数)。
步骤1323、基于调整后的所述场景参数调整策略调整所述激光雷达的当前工作参数。
需要说明的是,参数调整幅度或者预设的调整后的参数值不能超过激光雷达可执行的范围。在一些可选的实施例中,当参数调整幅度或者预设的调整范围超过激光雷达可执行的范围时,提示重新调整监控区域。
例如,确定与高速公路场景类型匹配的场景参数调整策略包括:将激光雷达的发射光束的垂直视场角从+45°压缩到40°、将激光雷达的发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将激光雷达的扫描频率从10Hz调整到15Hz,以及与高速公路场景类型匹配的行驶参数调整策略包括:水平视场角为120°、垂直视场角为35°,假设可行驶区域的拓扑结构与标准行驶区域的拓扑结构的拓扑相关性为中心重合、边平行、宽度相同、长度之比为3:5,即平移差异系数0、旋转差异系数为0、缩放差异系数为(3/5)*1,则计算得到新的水平视场角为(3/5)*120°=72°、新的垂直视场角为35°(如图7所示),最后得到调整后的场景参数调整策略包括:将激光雷达的发射光束的水平视场调整为72°、将激光雷达的发射光束的垂直视场角调整为35°、将激光雷达的发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将激光雷达的扫描频率从10Hz调整到15Hz。
例如,确定与十字路口场景类型匹配的场景参数调整策略包括:将脉冲发射频率从每秒发射1万个调整到每秒发射5万个、将发射光束的光轴方向下移20°、将扫描频率从10Hz调整到15Hz,以及与十字路口场景类型匹配的行驶参数调整策略包括:水平视场角为120°、垂直视场角为90°,假设可行驶区域的拓扑结构与标准行驶区域的拓扑结构的拓扑相关性为中心重合、边平行、宽度之比为6:4、长度之比为6:4,即平移差异系数为0、旋转差异系数为0、缩放差异系数为(6/4)*(6/4),则计算得到新的水平视场角为(6/4)*120°=180°、新的垂直视场角为(6/4)*90°=135°,最后得到调整后的场景参数调整策略包括:将激光雷达的发射光束的水平视场角调整为180°,将激光雷达的发射光束的垂直视场角调整为135°,将脉冲发射频率从每秒发射1万个调整到每秒发射5万个,将发射光束的光轴方向下移20°,将扫描频率从10Hz调整到15Hz。
例如,确定与停车场场景类型匹配的场景参数调整策略包括:将激光雷达的发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将激光雷达的发射光束的光轴方向降低20°、将扫描频率从15Hz降低为10Hz,以及与停车场场景类型匹配的行驶参数调整策略包括:水平视场角为120°、垂直视场角为60°,假设可行驶区域的拓扑结构与标准行驶区域的拓扑结构的拓扑相关性为中心重合、边平行、宽度之比为1:2、长度之比为1:2,即平移差异系数0、旋转差异系数为0、缩放差异系数为(1/2)*(1/2),则计算得到新的水平视场角为(1/2)*120°=60°、新的垂直视场角为(1/2)*60°=30°,最后得到调整后的场景参数调整策略包括:将激光雷达的发射光束的水平视场调整为60°,将激光雷达的发射光束的垂直视场角调整为30°,将激光雷达的发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将激光雷达的发射光束的光轴方向降低20°、将扫描频率从15Hz降低为10Hz。
本发明实施例通过获取激光雷达周围三维环境信息,基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域,根据场景类型和可行驶区域,确定激光雷达的参数调整策略,并基于参数调整策略调整激光雷达的当前工作参数,能够根据不同的场景自动调整激光雷达的工作参数,使激光雷达的工作状态自动调整到适合当前场景的工作状态,从而提高激光雷达的工作效率,并且,还能够实时识别当前场景和检测出可行驶区域,从而调整激光雷达的扫描范围与可行驶区域适配,不仅能够提高障碍物检测率,还能够提升计算资源利用率,降低功耗。
图8a示出了本发明另一实施例提供的应用场景的结构示意图。如图8a所示,该应用场景包括:激光雷达***103和交通工具102。激光雷达***103装设于各种需要进行周围环境探测的交通工具102上,交通工具102可以为车辆、船舶、飞行器等。
其中,激光雷达***103包括多个激光雷达。多个激光雷达可以设于同一平面上,也可以设于不同平面上。当交通工具102为车辆时,激光雷达可以装设在车辆的车头、车尾、车顶中的一处或多处。例如,如图8b所示,激光雷达***103包括三个激光雷达,三个激光雷达1031、1032、1033均设置在车辆的车顶,并且,激光雷达1031位于车顶的中心,激光雷达1032、1033位于车顶的相对两侧,激光雷达1031可以用于获取车辆四周且离车辆较远的环境信息,激光雷达1032、1033分别用于获取车辆左右两侧且离车辆较近的环境信息;又例如,如图8c所示,激光雷达***103包括五个激光雷达,激光雷达1034设置在车辆的车顶、并位于车顶的中心,激光雷达1035、1036设置在车辆的左右两侧、并位于后视镜周围,激光雷达1037设置车辆的车头,激光雷达1038设置车辆的车尾。
图9示出了本发明另一实施例提供的一种激光雷达参数调整方法的流程示意图。该方法应用于图8a至图8c中的激光雷达***103。如图9所示,该方法包括:
步骤210、获取激光雷达***周围三维环境信息。
其中,步骤210的具体实施方式与上述实施例中的步骤110大致相同。在本实施例中,通过激光雷达***中的一个激光雷达获取激光雷达***周围三维环境信息,也可以通过激光雷达***中的多个激光雷达获取激光雷达***周围三维环境信息。例如,如图8b所示,当通过激光雷达***中的一个激光雷达获取激光雷达***周围三维环境信息时,具体可以为:通过激光雷达***103中的激光雷达1031获取激光雷达***103周围三维环境信息;当通过激光雷达***中的多个激光雷达获取激光雷达***103周围三维环境信息时,具体也可以为:通过激光雷达***103中的激光雷达1031、1032、1033分别获取部分三维环境信息(如激光雷达1031获取前侧三维环境信息、激光雷达1032获取右侧三维环境信息、激光雷达1033获取左侧三维环境信息),并整合获取的三维环境信息,从而得到完整的三维环境信息。
步骤220、基于三维环境信息,识别激光雷达***所处的场景类型以及可行驶区域。
其中,步骤220的具体实施方式与上述实施例中的步骤120大致相同,此处不再赘述。
步骤230、根据场景类型和可行驶区域,确定激光雷达***中各个激光雷达的参数调整策略,并基于各个激光雷达的参数调整策略分别调整各个激光雷达的当前工作参数。
具体地,步骤230包括:
步骤231、根据场景类型,确定激光雷达***中各个激光雷达的水平视场角、垂直视场角、发射光束的光轴方向、扫描密度、扫描频率以及脉冲发射功率中的一种或多种的场景参数调整策略。
其中,场景参数调整策略以及场景类型与场景参数调整策略的对应关系由用户根据场景类型预先设置。激光雷达***中的不同激光雷达的场景参数调整策略可以不同。例如,场景类型与不同激光雷达的场景参数调整策略的对应关系也可以由用户根据场景类型以及不同激光雷达的位置预先设置。在本实施例中,根据场景类型,确定激光雷达***中各个激光雷达的水平视场角、垂直视场角、发射光束的光轴方向、扫描密度、扫描频率以及脉冲发射功率中的一种或多种的场景参数调整策略,具体可以为:获取激光雷达***中的激光雷达的标识,根据预设的场景类型、激光雷达的标识和场景参数调整策略的对应关系,确定与识别的场景类型以及获取的激光雷达的标识对应的场景参数调整策略。
例如,如图8b所示,假设激光雷达1031、1032、1033的标识分别为a、b、c,则确定与识别的场景类型以及标识a、b、c对应的场景参数调整策略,当检测到当前的场景类型为高速公路场景类型时,确定a对应的场景参数调整策略为:减小激光雷达的垂直视场角、降低激光雷达的发射光束的脉冲发射频率和提高激光雷达的扫描频率,确定b、c对应的场景参数调整策略为:减小激光雷达的水平视场角、降低激光雷达的发射光束的脉冲发射频率和提高激光雷达的扫描频率,从而增大车顶的激光雷达的前后探测距离,压缩车顶两侧的激光雷达的左右探测距离,并且更快的检测到移动物体的变化;当检测到当前的场景类型为十字路口场景类型时,确定a对应的场景参数调整策略为:增大激光雷达的垂直视场角、提高激光雷达的脉冲发射频率、降低激光雷达的发射光束的光轴方向以及提高激光雷达的扫描频率,确定b、c对应的场景参数调整策略为:减小激光雷达的水平视场角、提高激光雷达的脉冲发射频率以及提高激光雷达的扫描频率,从而车顶的激光雷达的前后探测距离,使车顶上的激光雷达的发射光束的探测范围更靠近地面,压缩车顶两侧的激光雷达的左右探测距离,并且使所有激光雷达更快地探测到移动物体的变化;当检测到当前的场景类型为停车场场景类型时,确定a对应的场景参数调整策略为:减小激光雷达的垂直视场角、降低激光雷达的脉冲发射频率以及降低激光雷达的扫描频率,确定b、c对应的场景参数调整策略为:减小激光雷达的水平视场角、降低激光雷达的脉冲发射频率以及降低激光雷达的扫描频率,从而减小激光雷达的探测范围,并且减少激光雷达的功率消耗。
在一些可选的实施例中,可以根据所述各个激光雷达的扫描区域范围确定所述各个激光雷达的参数调整策略。
其中,所述将标准行驶区域和可行驶区域进行匹配,根据匹配的结果以及激光雷达***中各个激光雷达的行驶参数调整策略,分别调整激光雷达***中各个激光雷达的场景参数调整策略之前,所述方法还包括:获取所述激光雷达***中各个激光雷达的扫描区域范围;根据所述各个激光雷达的扫描区域范围确定所述各个激光雷达的参数调整策略。
其中,如图8b所示的激光雷达***,中心激光雷达1031用于探测中远距离视场的探测,激光雷达1033和激光雷达1032分别用于近距离视场探测和左右视场探测;
其中,可以理解的是,所述激光雷达1031的中轴线垂直于水平面;其中,激光雷达1031的中轴线为通过激光雷达1031的底面中心的底面法线。激光雷达1031位于所述中心激光雷达的左侧,激光雷达1033的中轴线与激光雷达1031的中轴线之间的夹角度小于零度;激光雷达1032位于激光雷达的右侧,激光雷达1032的中轴线与激光雷达1031的中轴线之间的夹角大于零度;其中,激光雷达1032和激光雷达1033的中轴线为通过所述激光雷达的底面中心的底面法线。
其中,可以理解的是,所述激光雷达***中各个激光雷达可以在同一平面也可以在不同平面。
其中,可以理解的是,当根据识别的场景需要加强中远视场的探测需求的时候,调整激光雷达1031扫描频率、扫描密度、脉冲发射功率中的一种或多种。当根据识别的场景需要加强近场车左右的视场的探测需求的时候,可以调整左激光雷达1033和右激光雷达1032的发射光束的光轴方向、扫描密度、扫描频率以及所述激光雷达的脉冲发射功率中的一种或多种。
其中,在另一些可选的实施例中,激光雷达***也可以根据识别的场景选择部分激光雷达工作或者全部激光雷达工作;举例来说,如图8b,当识别为高速公路场景(即更需要进行中远视场的探测),可以选择激光雷达1031工作,根据场景及可行驶区域确定激光雷达1031的调整参数。当识别为十字路口场景时(即需要增强车身周边物体的探测),则可以同时开启***中所有激光雷达的工作,调整***中(如图8b)激光雷达1033和激光雷达1032的工作参数。
其中,可以理解的是,如图8c,所述激光雷达***103也可以包括五个激光雷达,其中,中心激光雷达1031用于探测中远距离视场的探测,激光雷达1033和激光雷达1032分别用于左右近距离视场探测;1034和1035为近距离前后视场探测。
其中,当激光雷达***包括5个激光雷达的时候,激光雷达***根据所述各个激光雷达的扫描区域范围确定所述各个激光雷达的参数调整策略。具体,举例来说,如图8c,当识别为高速公路场景(即更需要进行中远视场的探测),可以选择激光雷达1031工作,根据场景及可行驶区域确定激光雷达1031的调整参数。当识别为十字路口场景时(即需要增强车身周边物体的探测),则可以同时开启***中所有激光雷达的工作,调整***中(如图8b)激光雷达1033、激光雷达1032、激光雷达1034和激光雷达1035的工作参数。
步骤232、根据可行驶区域,调整各个激光雷达的场景参数调整策略,并将调整后的各个激光雷达场景参数调整策略确定为各个激光雷达的参数调整策略,并基于各个激光雷达的参数调整策略分别调整各个激光雷达的当前工作参数。
其中,步骤232具体可以包括:
步骤2321、根据场景类型,获取场景类型下的标准行驶区域以及标准行驶区域对应的激光雷达***中各个激光雷达的水平视场角以及垂直视场角的行驶参数调整策略。
其中,预先设置场景类型与标准行驶区域的对应关系,则能够根据当前场景类型,在场景类型与标准行驶区域的对应关系中查找当前场景类型下的标准行驶区域。例如,预先设定高速公路场景类型对应的标准行驶区域为某特定的直线道路区域,则当确定场景类型为高速公路场景类型,查找到对应的标准行驶区域为某特定的直线道路区域。同时,场景类型、标准行驶区域、行驶参数调整策略存在对应关系,在理想情况下,在某个场景类型的可行驶区域应该为标准行驶区域,根据该标准行驶区域可以设置预设标准视场角参数,然而,实际确定的可行驶区域不一定与标准行驶区域完全吻合,因此,还需要预先设置标准行驶区域与激光雷达***中各个激光雷达的水平视场角以及垂直视场角的行驶参数调整策略的对应关系,则能够根据获取的标准行驶区域,在标准行驶区域与激光雷达***中各个激光雷达的水平视场角以及垂直视场角的行驶参数调整策略的对应关系中查找获取的标准行驶区域对应的各个激光雷达的水平视场角以及垂直视场角的行驶参数调整策略。
步骤2322、将标准行驶区域和可行驶区域进行匹配,根据匹配的结果以及激光雷达***中各个激光雷达的行驶参数调整策略,分别调整激光雷达***中各个激光雷达的场景参数调整策略。
其中,在一些可选的实施例中,将标准行驶区域和可行驶区域进行匹配,根据匹配的结果以及激光雷达***中各个激光雷达的行驶参数调整策略,分别调整激光雷达***中各个激光雷达的场景参数调整策略,具体包括:分析可行驶区域的拓扑结构以及标准行驶区域的拓扑结构,并计算可行驶区域的拓扑结构与标准行驶区域的拓扑结构的拓扑相关性;根据拓扑相关性,确定可行驶区域相对于标准行驶区域的场景差异系数,其中,场景差异系数包括的平移差异系数、旋转差异系数和缩放差异系数等;根据场景差异系数以及激光雷达***中各个激光雷达的行驶参数调整策略,分别调整激光雷达***中各个激光雷达的场景参数调整策略。其中,在一些实施例中,根据场景差异系数以及激光雷达***中各个激光雷达的行驶参数调整策略,分别调整激光雷达***中各个激光雷达的场景参数调整策略,具体包括:获取某个激光雷达的行驶参数调整策略中的标准视场角参数(包括标准垂直视场角参数及标准水平视场角参数);根据场景差异系数,在标准视场角参数的基础上等比例计算新的视场角参数(包括新的垂直视场角及新的水平视场角参数);根据新的视场参数,调整该激光雷达的场景参数调整策略中的垂直视场角和水平视场角;并按照相同的方式调整激光雷达***中各个激光雷达的场景参数调整策略。
步骤2323、基于激光雷达***中各个激光雷达的场景参数调整策略调整激光雷达***中各个激光雷达的当前工作参数。
例如,如图8b所示,假设激光雷达1031、1032、1033的标识分别为a、b、c,当检测到当前的场景类型为高速公路场景类型时,确定a对应的场景参数调整策略为:将发射光束的垂直视场角从+90°压缩到80°、将发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将扫描频率从10Hz调整到15Hz,确定b、c对应的场景参数调整策略为:将发射光束的水平视场角从+180°压缩到120°、将发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将扫描频率从10Hz调整到15Hz;确定a对应的行驶参数调整策略为:水平视场角为120°、垂直视场角为60°,确定b、c对应的行驶参数调整策略为:水平视场角为100°、垂直视场角为35°;假设可行驶区域的拓扑结构与标准行驶区域的拓扑结构的拓扑相关性为中心重合、边平行、宽度相同、长度之比为3:5,即平移差异系数0、旋转差异系数为0、缩放差异系数为(3/5)*1,计算得到a对应的新的水平视场角为(3/5)*120°=72°、新的垂直视场角为60°,b、c对应的新的水平视场角为(3/5)*100°=60°、新的垂直视场角为35°;最后得到a对应的调整后的场景参数调整策略为:将发射光束的水平视场角调整为72°、将发射光束的垂直视场角调整为60°、将发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将扫描频率从10Hz调整到15Hz,b、c对应的调整后的场景参数调整策略为:将发射光束的水平视场角调整为60°、将发射光束的垂直视场角调整为35°、将发射光束的脉冲发射频率从每秒发射5万个调整到每秒发射1万个、将扫描频率从10Hz调整到15Hz。
本发明实施例通过获取激光雷达***周围三维环境信息,基于三维环境信息,识别激光雷达***所处的场景类型以及可行驶区域,根据场景类型和可行驶区域,确定激光雷达***中各个激光雷达的参数调整策略,并基于各个激光雷达的参数调整策略分别调整各个激光雷达的当前工作参数,能够根据不同的场景自动调整激光雷达***中各个激光雷达的工作参数,使激光雷达***的工作状态自动调整到适合当前场景的工作状态,从而提高工作效率,并且,还能够实时识别当前场景和检测出可行驶区域,从而使激光雷达***中的各个激光雷达的扫描范围与可行驶区域适配,不仅能够提高障碍物检测率,还能够提升计算资源利用率,降低功耗。
图10示出了本发明实施例提供的一种激光雷达参数调整装置的结构示意图。该装置可以应用于上述实施例中的激光雷达或激光雷达***。如图10所示,该装置600包括:环境信息获取模块610、识别模块620和调整模块630。
其中,环境信息获取模块610用于获取激光雷达周围三维环境信息;识别模块620用于基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域;调整模块630用于根据场景类型和可行驶区域,确定激光雷达的参数调整策略,并基于参数调整策略调整激光雷达的当前工作参数。
在一种可选的方式中,所述三维环境信息包括三维点云数据;识别模块620具体用于:对所述三维点云数据进行处理,生成多通道点云特征图;从所述多通道点云特征图提取高维特征信息;根据所述高维特征信息,确定所述场景类型;根据所述高维特征信息,确定所述可行驶区域。
在一种可选的方式中,识别模块620具体用于:将所述多通道点云特征图输入第一神经网络,并获取所述第一神经网络输出的所述高维特征信息;将所述高维特征信息输入第二神经网络,并获取所述第二神经网络输出的场景类型输出值;根据预设场景类型输出值与场景类型标签的对应关系,确定所述场景类型输出值对应的所述场景类型;将所述高维特征信息输入第三神经网络,并获取所述第三神经网络输出的可行驶区域输出图;根据预设可行驶区域输出图与可行驶区域标签的对应关系,确定所述可行驶区域输出图对应的所述可行驶区域。
在一种可选的方式中,调整模块630具体用于:根据所述场景类型,确定所述激光雷达的水平视场角、所述激光雷达的垂直视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描密度、所述激光雷达的扫描频率以及所述激光雷达的脉冲发射功率中的一种或多种的场景参数调整策略;根据所述可行驶区域,调整所述场景参数调整策略,并将所述调整后的场景参数调整策略确定为所述激光雷达的参数调整策略,并基于所述参数调整策略调整所述激光雷达的当前工作参数。
在一种可选的方式中,调整模块630具体还用于:根据所述场景类型,获取所述场景类型下的标准行驶区域以及所述标准行驶区域对应的所述激光雷达的水平视场角以及所述激光雷达的垂直视场角的行驶参数调整策略;将所述标准行驶区域和所述可行驶区域进行匹配,根据所述匹配的结果以及所述行驶参数调整策略,调整所述场景参数调整策略;基于调整后的所述场景参数调整策略调整所述激光雷达的当前工作参数。
在一种可选的方式中,调整模块630具体还用于:分析所述可行驶区域的拓扑结构以及所述标准行驶区域的拓扑结构;计算所述可行驶区域的拓扑结构和所述标准行驶区域的拓扑结构的拓扑相关性;根据所述拓扑相关性,确定所述可行驶区域相对于所述标准行驶区域的场景差异系数;根据所述场景差异系数以及所述行驶参数调整策略,调整所述场景参数调整策略。
在一种可选的方式中,所述激光雷达的当前工作参数包括:所述激光雷达的发射光束的垂直视场角、所述激光雷达的发射光束的水平视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描频率以及激光雷达的脉冲发射频率中的一种或多种。
需要说明的是,本发明实施例提供的激光雷达参数调整装置是能够执行上述激光雷达参数调整方法的装置,则上述基于激光雷达参数调整方法的所有实施例均适用于该装置,且均能达到相同或相似的有益效果。
本实施例通过获取激光雷达周围三维环境信息,基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域,根据场景类型和可行驶区域,确定激光雷达的参数调整策略,并基于参数调整策略调整激光雷达的当前工作参数,能够根据不同的场景自动调整激光雷达的工作参数,使激光雷达的工作状态自动调整到适合当前场景的工作状态,从而提高激光雷达的工作效率,并且,还能够实时识别当前场景和检测出可行驶区域,从而调整激光雷达的扫描范围与可行驶区域适配,不仅能够提高障碍物检测率,还能够提升计算资源利用率,降低功耗。
本发明实施例还提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行上述任意方法实施例中的激光雷达参数调整方法。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任意方法实施例中的激光雷达参数调整方法。
图11示出了本发明实施例提供的一种激光雷达的结构示意图,本发明具体实施例并不对激光雷达的具体实现做限定。
如图11所示,该激光雷达可以包括:发射装置701、接收装置702、处理器(processor)703、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。
其中,发射装置701用于发射出射激光至探测区域,接收装置702用于接收探测区域内的物体反射的回波激光。其中,发射装置701具体用于将出射激光扫描发射至探测区域,以扫描探测区域内的物体。
其中:处理器703、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704,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703,通过通信接收704与发射装置701连接,用于执行程序710,具体可以执行上述任意方法实施例中的激光雷达参数调整方法。
具体地,程序710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703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706,用于存放程序710。存储器706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。
本实施例通过获取激光雷达周围三维环境信息,基于三维环境信息,识别激光雷达所处的场景类型以及可行驶区域,根据场景类型和可行驶区域,确定激光雷达的参数调整策略,并基于参数调整策略调整激光雷达的当前工作参数,能够根据不同的场景自动调整激光雷达的工作参数,使激光雷达的工作状态自动调整到适合当前场景的工作状态,从而提高激光雷达的工作效率,并且,还能够实时识别当前场景和检测出可行驶区域,从而调整激光雷达的扫描范围与可行驶区域适配,不仅能够提高障碍物检测率,还能够提升计算资源利用率,降低功耗。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***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***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。
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)
1.一种激光雷达参数调整方法,应用于包括多个激光雷达的激光雷达***,其特征在于,包括:
获取所述激光雷达***周围三维环境信息;
基于所述三维环境信息,识别所述激光雷达***所处的场景类型以及可行驶区域;
根据所述场景类型,确定所述激光雷达***中至少一个所述激光雷达的水平视场角、所述激光雷达的垂直视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描密度、所述激光雷达的扫描频率以及所述激光雷达的脉冲发射功率中的一种或多种的场景参数调整策略;
根据所述可行驶区域,调整至少一个所述激光雷达的所述场景参数调整策略,并将调整后的场景参数调整策略确定为至少一个所述激光雷达的参数调整策略,并基于所述参数调整策略调整至少一个所述激光雷达的当前工作参数。
2.根据权利要求1所述的方法,其特征在于,所述获取所述激光雷达***周围三维环境信息,包括:
通过所述激光雷达***中的一个激光雷达获取所述激光雷达***周围三维环境信息;其中,所述一个激光雷达为探测中远探测视场的激光雷达;
或者,通过所述激光雷达***中的多个激光雷达分别获取所述激光雷达***周围三维环境信息,其中,所述多个激光雷达对应不同的探测视场,整合所述多个激光雷达分别获取的所述三维环境信息,得到所述激光雷达***完整的三维环境信息。
3.根据权利要求1所述的方法,其特征在于,基于所述三维环境信息,识别所述激光雷达***所处的场景类型以及可行驶区域之后,所述方法还包括:
根据所述场景类型确定与所述场景类型对应的扫描区域范围;
确定激光雷达***中各个激光雷达的扫描区域范围;
根据所述场景类型对应的扫描区域范围和所述激光雷达***中各个激光雷达的扫描区域范围确定所述激光雷达***中处于工作状态的激光雷达。
4.根据权利要求3所述的方法,其特征在于,所述根据所述场景类型对应的扫描区域范围和所述激光雷达***中各个激光雷达的扫描区域范围确定所述激光雷达***中处于工作状态的激光雷达,包括:
当识别的所述场景类型为高速公路的场景时,选择所述激光雷达***中用于探测中远探测视场的激光雷达工作;
当识别的所述场景类型为十字路口场景时,选择激光雷达***中所有激光雷达工作。
5.根据权利要求1所述的方法,其特征在于,所述根据所述场景类型,确定所述激光雷达***中至少一个所述激光雷达的水平视场角、所述激光雷达的垂直视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描密度、所述激光雷达的扫描频率以及所述激光雷达的脉冲发射功率中的一种或多种的场景参数调整策略,包括:
获取所述激光雷达***中的各个激光雷达的标识;
根据预设的所述场景类型、所述激光雷达***中至少一个所述激光雷达的标识和所述场景参数调整策略的对应关系,确定与所述场景类型以及所述激光雷达***中至少一个激光雷达的标识对应的所述激光雷达***中至少一个激光雷达的水平视场角、所述激光雷达的垂直视场角、所述激光雷达的发射光束的光轴方向、所述激光雷达的扫描密度、所述激光雷达的扫描频率以及所述激光雷达的脉冲发射功率中的一种或多种的场景参数调整策略。
6.根据权利要求1所述的方法,其特征在于,所述根据所述可行驶区域,调整至少一个所述激光雷达的所述场景参数调整策略,并将所述调整后的场景参数调整策略确定为至少一个所述激光雷达的参数调整策略,并基于所述参数调整策略调整至少一个所述激光雷达的当前工作参数,具体包括:
根据所述场景类型,获取所述场景类型下的标准行驶区域以及所述标准行驶区域对应的所述激光雷达***中至少一个所述激光雷达的水平视场角以及垂直视场角的行驶参数调整策略;
将所述标准行驶区域和所述可行驶区域进行匹配,根据匹配的结果以及所述激光雷达***中至少一个所述激光雷达的行驶参数调整策略,调整所述激光雷达***中至少一个所述激光雷达的场景参数调整策略;
基于所述激光雷达***中至少一个所述激光雷达的场景参数调整策略调整所述激光雷达***中至少一个所述激光雷达的当前工作参数。
7.根据权利要求6所述的方法,其特征在于,所述将所述标准行驶区域和所述可行驶区域进行匹配,根据匹配的结果以及所述激光雷达***中至少一个所述激光雷达的行驶参数调整策略,调整所述激光雷达***中至少一个所述激光雷达的场景参数调整策略,包括:
分析所述可行驶区域的拓扑结构以及所述标准行驶区域的拓扑结构;
计算所述可行驶区域的拓扑结构和所述标准行驶区域的拓扑结构的拓扑相关性;
根据所述拓扑相关性,确定所述可行驶区域相对于所述标准行驶区域的场景差异系数;
根据所述场景差异系数以及所述激光雷达***中至少一个所述激光雷达的所述行驶参数调整策略,调整所述激光雷达***中至少一个所述激光雷达的所述场景参数调整策略。
8.根据权利要求7所述的方法,其特征在于,所述根据所述场景差异系数以及所述激光雷达***中至少一个所述激光雷达的所述行驶参数调整策略,调整所述激光雷达***中至少一个所述激光雷达的所述场景参数调整策略,包括:
获取所述激光雷达***中至少一个所述激光雷达的所述行驶参数调整策略中的标准视场角参数;
根据所述场景差异系数,在所述标准视场角参数的基础上等比例计算新的视场角参数;
根据所述新的视场参数,调整所述激光雷达***中至少一个所述激光雷达的所述场景参数调整策略中的垂直视场角和水平视场角。
9.一种激光雷达***,其特征在于,包括多个激光雷达,所述多个激光雷达设于激光雷达***承载装置的同一平面上,或者设于所述激光雷达***承载装置的不同平面上,所述激光雷达包括:发射装置、接收装置、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;
所述发射装置用于发射出射激光至探测区域;
所述接收装置用于接收所述探测区域内的物体反射的回波激光;
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根据权利要求1-8任一项所述的激光雷达参数调整方法的步骤,对所述发射装置的工作参数进行调整。
10.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行根据权利要求1-8任一项所述的激光雷达参数调整方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011090310.9A CN111999720B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、激光雷达***和计算机存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011090310.9A CN111999720B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、激光雷达***和计算机存储介质 |
CN202010650848.4A CN111537980B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、装置及激光雷达 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010650848.4A Division CN111537980B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、装置及激光雷达 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111999720A true CN111999720A (zh) | 2020-11-27 |
CN111999720B CN111999720B (zh) | 2022-08-16 |
Family
ID=71980901
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010650848.4A Active CN111537980B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、装置及激光雷达 |
CN202011090310.9A Active CN111999720B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、激光雷达***和计算机存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010650848.4A Active CN111537980B (zh) | 2020-07-08 | 2020-07-08 | 激光雷达参数调整方法、装置及激光雷达 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11768293B2 (zh) |
CN (2) | CN111537980B (zh) |
WO (1) | WO2022007859A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748417A (zh) * | 2020-12-28 | 2021-05-04 | 北京一径科技有限公司 | 激光雷达控制方法及装置、电子设备及存储介质 |
CN113178091A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 安全行驶区域方法、装置和网络设备 |
WO2022007859A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳市速腾聚创科技有限公司 | 激光雷达参数调整方法、装置及激光雷达 |
CN114325730A (zh) * | 2021-11-17 | 2022-04-12 | 杭州宏景智驾科技有限公司 | 一种大视场远距离激光雷达测试方法 |
CN114571450A (zh) * | 2022-02-23 | 2022-06-03 | 达闼机器人股份有限公司 | 机器人控制方法、装置及存储介质 |
CN114637016A (zh) * | 2022-05-11 | 2022-06-17 | 西安晟昕科技发展有限公司 | 一种激光雷达信号发射及信号处理方法 |
CN116660868A (zh) * | 2022-04-18 | 2023-08-29 | 深圳阜时科技有限公司 | 电子设备 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806464A (zh) * | 2021-09-18 | 2021-12-17 | 北京京东乾石科技有限公司 | 路牙确定方法、装置、设备以及存储介质 |
CN114488191A (zh) * | 2022-01-13 | 2022-05-13 | 杭州涂鸦信息技术有限公司 | 激光雷达扫描方法、控制设备及激光雷达 |
CN115291198B (zh) * | 2022-10-10 | 2023-01-24 | 西安晟昕科技发展有限公司 | 一种雷达信号发射及信号处理方法 |
US11828846B1 (en) * | 2023-06-10 | 2023-11-28 | IntraAction Corp. | Lidar acousto-optic device and methods of fabrication |
CN116559896B (zh) * | 2023-07-10 | 2023-10-27 | 深圳市欢创科技有限公司 | 调整激光雷达测距精度的方法、装置及激光雷达 |
CN117554992B (zh) * | 2024-01-10 | 2024-04-09 | 青岛镭测创芯科技有限公司 | 基于激光雷达的消光系数获取方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108072880A (zh) * | 2018-01-17 | 2018-05-25 | 上海禾赛光电科技有限公司 | 激光雷达视场中心指向的调整方法、介质、激光雷达*** |
CN108375775A (zh) * | 2018-01-17 | 2018-08-07 | 上海禾赛光电科技有限公司 | 车载探测设备及其参数的调整方法、介质、探测*** |
CN109597093A (zh) * | 2018-11-14 | 2019-04-09 | 深圳市速腾聚创科技有限公司 | 激光雷达的参数调整方法及装置 |
CN109871850A (zh) * | 2019-01-21 | 2019-06-11 | 北京大学 | 一种基于神经网络模型的车载激光雷达数据的分类方法 |
CN109884651A (zh) * | 2019-04-03 | 2019-06-14 | 深圳市镭神智能***有限公司 | 一种激光雷达扫描方法和激光雷达 |
CN110275167A (zh) * | 2019-06-03 | 2019-09-24 | 浙江吉利控股集团有限公司 | 一种雷达探测的控制方法、控制器及终端 |
CN110531339A (zh) * | 2018-05-25 | 2019-12-03 | 北京万集科技股份有限公司 | 激光雷达的探测方法、装置及计算机可读存储介质 |
US20190370565A1 (en) * | 2018-06-01 | 2019-12-05 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for extracting lane line and computer readable storage medium |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10360890A1 (de) * | 2003-12-19 | 2005-07-21 | Robert Bosch Gmbh | Radarsensor und Verfahren zu dessen Betrieb |
CN103760569B (zh) * | 2013-12-31 | 2016-03-30 | 西安交通大学 | 一种基于激光雷达的可行驶区域检测方法 |
DE102014223900A1 (de) * | 2014-11-24 | 2016-05-25 | Conti Temic Microelectronic Gmbh | Fahrzeug-Umfeld-Abtastung mittels eines phasengesteuerten Lasers |
US9715016B2 (en) * | 2015-03-11 | 2017-07-25 | The Boeing Company | Real time multi dimensional image fusing |
US11221413B2 (en) * | 2018-03-14 | 2022-01-11 | Uatc, Llc | Three-dimensional object detection |
CN110654320A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 探测装置探测角度的调整方法、装置及具有其的车辆 |
CN110376594B (zh) * | 2018-08-17 | 2022-02-01 | 北京京东叁佰陆拾度电子商务有限公司 | 一种基于拓扑图的智能导航的方法和*** |
CN109143207B (zh) * | 2018-09-06 | 2020-11-10 | 百度在线网络技术(北京)有限公司 | 激光雷达内参精度验证方法、装置、设备及介质 |
CN109543600A (zh) * | 2018-11-21 | 2019-03-29 | 成都信息工程大学 | 一种实现可行驶区域检测方法及***和应用 |
CN110171417B (zh) * | 2019-05-24 | 2020-08-11 | 无锡佶达德光电子技术有限公司 | 基于激光雷达的定速巡航装置 |
CN110824476A (zh) * | 2019-08-26 | 2020-02-21 | 惠州市德赛西威汽车电子股份有限公司 | 一种探测范围动态可调的汽车探测方法及雷达*** |
CN110795821B (zh) * | 2019-09-25 | 2024-04-09 | 的卢技术有限公司 | 一种基于场景区分的深度强化学习训练方法及*** |
CN110703216B (zh) * | 2019-10-21 | 2023-08-22 | 苏州豪米波技术有限公司 | 一种雷达调整***、调整方法及雷达装置 |
CN110703223B (zh) * | 2019-11-07 | 2023-06-30 | 上海禾赛科技有限公司 | 应用于激光雷达的调节方法和电子设备 |
CN111537980B (zh) * | 2020-07-08 | 2020-11-27 | 深圳市速腾聚创科技有限公司 | 激光雷达参数调整方法、装置及激光雷达 |
-
2020
- 2020-07-08 CN CN202010650848.4A patent/CN111537980B/zh active Active
- 2020-07-08 CN CN202011090310.9A patent/CN111999720B/zh active Active
-
2021
- 2021-07-07 WO PCT/CN2021/105048 patent/WO2022007859A1/zh active Application Filing
-
2023
- 2023-01-07 US US18/094,346 patent/US11768293B2/en active Active
- 2023-07-27 US US18/227,283 patent/US20240027621A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108072880A (zh) * | 2018-01-17 | 2018-05-25 | 上海禾赛光电科技有限公司 | 激光雷达视场中心指向的调整方法、介质、激光雷达*** |
CN108375775A (zh) * | 2018-01-17 | 2018-08-07 | 上海禾赛光电科技有限公司 | 车载探测设备及其参数的调整方法、介质、探测*** |
CN110531339A (zh) * | 2018-05-25 | 2019-12-03 | 北京万集科技股份有限公司 | 激光雷达的探测方法、装置及计算机可读存储介质 |
US20190370565A1 (en) * | 2018-06-01 | 2019-12-05 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for extracting lane line and computer readable storage medium |
CN109597093A (zh) * | 2018-11-14 | 2019-04-09 | 深圳市速腾聚创科技有限公司 | 激光雷达的参数调整方法及装置 |
CN109871850A (zh) * | 2019-01-21 | 2019-06-11 | 北京大学 | 一种基于神经网络模型的车载激光雷达数据的分类方法 |
CN109884651A (zh) * | 2019-04-03 | 2019-06-14 | 深圳市镭神智能***有限公司 | 一种激光雷达扫描方法和激光雷达 |
CN110275167A (zh) * | 2019-06-03 | 2019-09-24 | 浙江吉利控股集团有限公司 | 一种雷达探测的控制方法、控制器及终端 |
Non-Patent Citations (1)
Title |
---|
程子阳等: "三维激光雷达在地面无人平台中的外参数标定", 《应用激光》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022007859A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳市速腾聚创科技有限公司 | 激光雷达参数调整方法、装置及激光雷达 |
CN112748417A (zh) * | 2020-12-28 | 2021-05-04 | 北京一径科技有限公司 | 激光雷达控制方法及装置、电子设备及存储介质 |
CN113178091A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 安全行驶区域方法、装置和网络设备 |
CN114325730A (zh) * | 2021-11-17 | 2022-04-12 | 杭州宏景智驾科技有限公司 | 一种大视场远距离激光雷达测试方法 |
CN114571450A (zh) * | 2022-02-23 | 2022-06-03 | 达闼机器人股份有限公司 | 机器人控制方法、装置及存储介质 |
CN116660868A (zh) * | 2022-04-18 | 2023-08-29 | 深圳阜时科技有限公司 | 电子设备 |
CN116660868B (zh) * | 2022-04-18 | 2024-03-01 | 深圳阜时科技有限公司 | 电子设备 |
CN114637016A (zh) * | 2022-05-11 | 2022-06-17 | 西安晟昕科技发展有限公司 | 一种激光雷达信号发射及信号处理方法 |
CN114637016B (zh) * | 2022-05-11 | 2022-08-09 | 西安晟昕科技发展有限公司 | 一种激光雷达信号发射及信号处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111537980A (zh) | 2020-08-14 |
WO2022007859A1 (zh) | 2022-01-13 |
US20230161045A1 (en) | 2023-05-25 |
US11768293B2 (en) | 2023-09-26 |
CN111537980B (zh) | 2020-11-27 |
US20240027621A1 (en) | 2024-01-25 |
CN111999720B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111999720B (zh) | 激光雷达参数调整方法、激光雷达***和计算机存储介质 | |
WO2022141912A1 (zh) | 一种面向车路协同的感知信息融合表征及目标检测方法 | |
Paek et al. | K-radar: 4d radar object detection for autonomous driving in various weather conditions | |
US11315271B2 (en) | Point cloud intensity completion method and system based on semantic segmentation | |
Hebert | Outdoor scene analysis using range data | |
CN110148144A (zh) | 点云数据的分割方法和装置、存储介质、电子装置 | |
CN112698301B (zh) | 基于距离强度关联的激光雷达目标识别方法、装置及设备 | |
CN113378760A (zh) | 训练目标检测模型和检测目标的方法及装置 | |
CN114442101A (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN115876198A (zh) | 基于数据融合的目标检测及预警方法、设备、***和介质 | |
Stroescu et al. | Object detection on radar imagery for autonomous driving using deep neural networks | |
Chavan et al. | Obstacle detection and avoidance for automated vehicle: A review | |
CN114581748B (zh) | 基于机器学习的多智能体感知融合***及其实现方法 | |
Oniga et al. | A fast ransac based approach for computing the orientation of obstacles in traffic scenes | |
CN113611008B (zh) | 一种车辆行驶场景采集方法、装置、设备及介质 | |
CN115755026A (zh) | 车辆引导方法及车辆 | |
Degen et al. | Virtual urban traffic infrastructure for testing highly auto-mated mobility systems | |
CN111862654B (zh) | 智能领航方法、应用、智能领航***和车辆 | |
Zheng | (Retracted) Laser radar-based intelligent vehicle target recognition and detection system using image detection technology | |
Rui et al. | A study for obstacle determination fusing mmw radar and vision sensor | |
Sajjad et al. | A Comparative Analysis of Camera, LiDAR and Fusion Based Deep Neural Networks for Vehicle Detection | |
CN118366117A (zh) | 数据处理方法和装置 | |
Guerrero-Bañales et al. | Use of LiDAR for Negative Obstacle Detection: A Thorough Review | |
Hellinckx | Lane Marking Detection Using LiDAR Sensor | |
CN114626185A (zh) | 点云仿真方法、装置和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |