CN112710327A - 用于车辆传感器的无监督的自动对准的方法 - Google Patents
用于车辆传感器的无监督的自动对准的方法 Download PDFInfo
- Publication number
- CN112710327A CN112710327A CN202011137524.7A CN202011137524A CN112710327A CN 112710327 A CN112710327 A CN 112710327A CN 202011137524 A CN202011137524 A CN 202011137524A CN 112710327 A CN112710327 A CN 112710327A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sensor
- relative orientation
- measurement
- motion vector
- 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 23
- 239000013598 vector Substances 0.000 claims abstract description 88
- 238000005259 measurement Methods 0.000 claims abstract description 65
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000001133 acceleration Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005314 correlation function Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000012190 activator Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
- G05D1/0077—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements using redundant signals or controls
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
车辆、用于将传感器与车辆对准的***和方法。与车辆相关联的第一惯性测量单元(IMU)获得车辆的运动矢量的第一测量值。与传感器相关联的第二IMU获得运动矢量的第二测量值。处理器从运动矢量确定与车辆关联的第一参考系和与传感器关联的第二参考系之间的当前相对取向,并基于当前相对取向和指定的相对取向来确定传感器与车辆之间的对准误差,并将传感器从当前相对取向调整到指定的相对取向,以校正对准误差。
Description
技术领域
本主题公开涉及车辆传感器,尤其涉及用于自动对准车辆传感器的***和方法。
背景技术
自主、半自主和驾驶员辅助的车辆使用诸如激光雷达、雷达、相机等的传感器,以获得对车辆周围环境的测量值。然后,这些测量值由车辆的处理器或导航***使用,以便控制车辆的操作和导航。这些传感器的正确几何对准对于向处理器或导航***提供自一致的数据很重要。然而,车辆的正常使用和磨损会导致这些传感器随着时间的流逝而失去对准。因此,期望提供一种用于自动重新对准这些传感器的***和方法。
发明内容
在一个示例性实施例中,公开了一种用于将传感器与车辆对准的方法。在与车辆相关联的第一惯性测量单元(IMU)处获得车辆的运动(kinematic)矢量的第一测量值。在与传感器相关联的第二IMU处获得运动矢量的第二测量值。从运动矢量确定与车辆相关联的第一参考系和与传感器相关联的第二参考系之间的当前相对取向。基于当前相对取向和指定的相对取向来确定传感器与车辆之间的对准误差。将传感器调整到指定的相对方向以校正对准误差。
除了本文所述的一个或多个特征之外,确定当前相对取向还包括确定用于将第一参考系旋转为第二参考系的旋转矩阵。确定旋转矩阵还包括减少成本函数。成本函数包括第一参考系中的运动矢量的第一测量值与运动矢量的第二测量值的旋转之间的差。在各种实施例中,运动矢量的第一测量值在第一时间获得,运动矢量的第二测量值在第二时间获得。运动矢量是加速度矢量和角速度矢量中的至少一个。第一IMU与车辆和另一个传感器相关联。
在另一个示例性实施例中,公开了一种用于将传感器与车辆对准的***。该***包括与车辆相关联的第一惯性测量单元(IMU),第一IMU被构造为获得车辆的运动矢量的第一测量值;与传感器相关联的第二IMU,第二IMU被构造为获得运动矢量的第二测量值;以及处理器。处理器被构造为从运动矢量确定与车辆相关联的第一参考系和与传感器相关联的第二参考系之间的当前相对取向,基于当前相对取向和指定相对取向来确定传感器与车辆之间的对准误差,然后将传感器从当前相对取向调整到指定相对取向,以校正对准误差。
除了本文描述的一个或多个特征之外,处理器还被构造为通过确定用于将第一参考系旋转为第二参考系的旋转矩阵来确定当前相对取向。处理器还被构造为通过减少成本函数来确定旋转矩阵。成本函数包括运动矢量的第一测量值和运动矢量的第二测量值的旋转之间的差。处理器还被构造为在第一时间获得第一测量值并且在第二时间获得第二测量值。运动矢量是加速度矢量和角速度矢量中的至少一个。第一IMU与车辆和另一个传感器相关联。
在又一示例性实施例中,公开了一种车辆。车辆包括与车辆相关联的第一惯性测量单元(IMU),第一IMU构造成获得车辆的运动矢量的第一测量值;与车辆的传感器相关联的第二IMU,第二IMU构造成获得运动矢量的第二测量值;以及处理器。处理器被构造为从运动矢量确定与车辆相关联的第一参考系和与传感器相关联的第二参考系之间的当前相对取向,基于当前相对取向和指定相对取向来确定传感器与车辆之间的对准误差,然后将传感器从当前相对取向调整到指定相对取向,以校正对准误差。
除了本文描述的一个或多个特征之外,处理器还被构造为通过确定用于将第一参考系旋转为第二参考系的旋转矩阵来确定当前相对取向。处理器还被构造为通过减少成本函数来确定旋转矩阵,该成本函数包括运动矢量的第一测量值与运动矢量的第二测量值的旋转之间的差。处理器还被构造为在第一时间获得第一测量值并且在第二时间获得第二测量值。运动矢量是加速度矢量和角速度矢量中的至少一个。第一IMU与车辆和另一个传感器相关联。
当结合附图考虑时,根据以下详细描述,本公开的上述特征和优点以及其他特征和优点将显而易见。
附图说明
在下面的详细描述中,仅以示例的方式出现其他特征、优点和细节,该详细描述参考附图,在附图中:
图1示出了说明性实施例中的车辆;
图2示出了图1的车辆的透视图;
图3示出了流程图,该流程图示出了用于确定多个IMU及其相关传感器的对准的方法;
图4示出了车辆的不同IMU的参考系中的加速度和角速度测量值;
图5示出了图示用于在两个传感器/IMU处模拟运动矢量的方法的图;和
图6示出了三维图,其示出了噪声和时间延迟对对准误差测量值的影响。
具体实施方式
以下描述本质上仅是示例性的,并不旨在限制本公开、其应用或用途。应当理解,在所有附图中,相应的附图标记表示相同或相应的部件和特征。
根据示例性实施例,图1示出了车辆10。在示例性实施例中,车辆10是半自主或自主车辆。在各种实施例中,车辆10包括至少一个驾驶员辅助***,该驾驶员辅助***用于使用关于驾驶环境的信息(例如巡航控制和车道居中)来进行转向和加速/减速。尽管驾驶员可以通过使他或她的手同时离开方向盘和脚离开踏板来从物理得操作车辆10脱离,但是驾驶员必须准备好控制车辆。
通常,轨迹计划***100确定用于车辆10的自动驾驶的轨迹计划。车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14被布置在底盘12上并基本上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16和18各自在车身14的相应拐角附近旋转地联接至底盘12。
如所示的,车辆10通常包括推进***20、变速器***22、转向***24、制动***26、传感器***28、致动器***30、至少一个数据存储设备32、至少一个控制器34和通信***36。在各个实施例中,推进***20可以包括内燃机,诸如牵引电动机之类的电机和/或燃料电池推进***。变速器***22构造成根据可选择的速比将动力从推进***20传递至车轮16和18。根据各种实施例,变速器***22可包括有级传动比的自动变速器、无级变速器或其他合适的变速器。制动***26被构造为向车轮16和18提供制动扭矩。在各种实施例中,制动***26可以包括摩擦制动器、线制动,诸如电机的再生制动***和/或其他适当的制动***。转向***24影响车轮16和18的位置。虽然出于说明性目的被描绘为包括方向盘,但是在本公开的范围内设想的一些实施例中,转向***24可以不包括方向盘。
传感器***28包括一个或多个感测设备40a-40n,其感测车辆10的外部环境和/或内部环境的可观察到的状况。感测设备40a-40n可以包括但不限于雷达、激光雷达、全球定位***、光学相机、热像仪、超声传感器和/或其他用于观察和测量外部环境参数的传感器。感测设备40a-40n还可包括用于观察和测量车辆的车内参数的制动传感器、转向角传感器、车轮速度传感器等。相机可包括彼此隔开选定距离的两个或更多个数字相机,其中,两个或更多个数字相机用于获得周围环境的立体图像以便获得三维图像。致动器***30包括一个或多个致动器设备42a-42n,其控制一个或多个车辆特征,例如但不限于推进***20、变速器***22、转向***24和制动***26。在各种实施例中,车辆特征可以进一步包括内部和/或外部车辆特征,例如但不限于门、行李箱和舱室特征,例如空气、音乐、照明等(未编号)。
所述至少一个控制器34包括至少一个处理器44和计算机可读存储设备或介质46。所述至少一个处理器44可以是任何定制或可商购的处理器、中央处理器(CPU)、图形处理单元(GPU)、与至少一个控制器34相关联的多个处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片集的形式)、宏处理器、其任何组合或通常用于执行指令的任何设备。计算机可读存储设备或介质46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保持活动存储器(KAM)中的易失性和非易失性存储器。KAM是永久性或非易失性存储器,其可用于在至少一个处理器44断电时存储各种操作变量。计算机可读存储设备或介质46可以使用许多已知的存储设备中的任何一种来实现,例如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其他电、磁、光或组合存储器设备,其中一些代表由至少一个控制器34在控制车辆10中使用的可执行指令。
指令可以包括一个或多个单独的程序,每个程序包括用于实现逻辑功能的可执行指令的有序列表。所述指令在由至少一个处理器44执行时,接收并处理来自传感器***28的信号,执行用于自动控制车辆10的部件的逻辑、计算、方法和/或算法,并向致动器***30生成控制信号以基于逻辑、计算、方法和/或算法自动控制车辆10的部件。尽管在图1中仅显示了一个控制器,但是车辆10的实施例可以包括任何数量的控制器,其通过任意合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号,执行逻辑、计算、方法,和/或算法,并生成控制信号以自动控制车辆10的特征。
通信***36被构造为与其他实体48进行无线通信,例如,但不限于,其他车辆(“V2V”通信,)、基础设施(“V2I”通信)、远程***和/或个人设备。在示例性实施例中,通信***36是被构造为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信的无线通信***。然而,在本公开的范围内还考虑了诸如专用短程通信(DSRC)信道之类的附加或替代通信方法。DSRC信道是指专门为汽车使用以及一组相应的协议和标准而设计的单向或双向短程到中程无线通信通道。
图2示出了图1的车辆10的透视图。车辆10包括多个惯性测量单元(IMU),其能够测量运动学参数或运动矢量。多个IMUS包括与车辆10的底盘12相关联的以车辆为中心的IMU200和一个或多个以传感器为中心的IMU 202a,202b,202c,...,202N。每个以传感器为中心的IMU 202a,202b,202c,...202N均附接到或联接到关联的传感器。传感器可以包括天线、数码相机、激光雷达、雷达、超声波传感器等,这些传感器可用于车辆的自主控制或帮助驾驶员操作车辆10。每个以传感器为中心的IMU均具有一个或多个调节致动器,用于沿三个平移方向(x,y,z)和三个角度方向(θ,ψ)移动其关联的传感器,以便调整其关联传感器的对准方式。多个IMU与车辆的处理器44通信,以便将关于运动学参数的数据发送到处理器,并接收用于使用调节致动器来调节其相关传感器的对准的命令。尽管出于说明目的在图1中显示了五个IMU,但可以在车辆中使用任意数量的IMU。
每个IMU 200,202a,202b,202c,...202N包括用于测量运动矢量的运动传感器。每个以传感器为中心的IMU 202a,202b,202c,...202N在其相关传感器的参考系中测量运动矢量,而以车辆为中心的IMU 200在车辆10的参考系中测量运动矢量。在各个实施例中,运动矢量包括角速度矢量Ω和加速度矢量A。IMU可以测量三维运动矢量的分量。加速度矢量是三维矢量。然而,加速度矢量的最大分量沿前轴方向,而侧向加速度和竖直加速度相当小。类似地,角速度是三维矢量。但是,角速度的最大分量是偏航率分量Ωz,而俯仰和侧倾(pitch and roll)分量矢量则小得多。通常在车辆运动时测量加速度和角速度矢量。
在车辆运动期间,每个IMU获得运动矢量的测量值,并将其矢量测量值记录在处理器44上。处理器44确定矢量测量值之间的当前相对取向,从而确定车辆的传感器和底盘之间或任何两个传感器之间的当前相对取向。可以将当前相对取向与传感器所需的指定取向进行比较,从而确定对准误差。然后,处理器44可以将信号发送到选定的IMU,使选定的IMU激活其一个或多个调节激活器,以将传感器调节回指定的取向。
图3示出了流程图300,其示出了用于确定多个IMU及其相关传感器的对准的方法。在框302中,将车辆放置为运动一段延长的时间。在框304中,对每个IMU进行采样以便测量运动学参数(即,加速度和/或取向)。可以按时间顺序对IMU进行采样。在说明性实施例中,在时间t处对车辆IMU 200进行采样,以获得A_车辆(t)和Ω_车辆(t)。在时间t+Δt1处采样第一传感器IMU,以获得a_1(t+Δt1)和Ω_1(t+Δt1),在时间t+Δt2处采样第二传感器IMU,以获得a_2(t+Δt2)和Ω_2(t+Δt2)等。在时间t+ΔtN处采样第N个传感器IMU以获得a_N(t+ΔtN)和Ω_N(t+ΔtN)。
在框306中,将相关函数应用于运动学测量值,以便求解由于测量值之间的时间差而导致的运动矢量的差。如框308所示,相关函数的结果在时间t处为所有传感器提供运动学测量值(即(((a_车辆(t),Ω_车辆(t)),(a_1(t),Ω_1(t)),(a_2(t),Ω_2(t),…,(a_N(t),Ω_N(t))),如框308所示。
在框310中,使用在框308中获得的经过时间校正的运动矢量,在每个以传感器为中心的IMU与以车辆为中心的IMU之间找到旋转矩阵。可以使用相关的运动矢量来确定旋转矩阵。例如,可以使用(a_车辆(t)、Ω_车辆(t))和(a_1(t)、Ω_1(t))来找到第一IMU的参照系(或“参考系”)与车辆的参考系之间的旋转矩阵。因此,第一IMU相对于车辆底盘的当前相对取向由旋转矩阵给出。在框312中,可以根据在框310中找到的旋转矩阵来确定任何两个基于传感器的IMU之间的相对旋转矩阵Rij。将当前相对取向与指定的相对取向进行比较会产生对准误差。处理器44可以确定该对准误差,并向相关IMU发送信号,以便校正对准误差。
图4示出了车辆的不同IMU的参考系中的加速度和角速度测量值400。为了说明的目的,示出了车辆参考系402、第一传感器参考系404和第二传感器参考系406。每个参考系与一IMU相关联。在三个参考系的每一个中示出了车辆的角速度矢量Ω和车辆的加速度矢量A。不管参考系如何,车辆的角速度矢量Ω和加速度矢量A都相同,但是这些矢量在参考系中的测量值取决于参考系的取向。因此,每个参考系中这些矢量的测量值可用于确定参考系之间的相对取向。
参考图4的说明性示例,在车辆参考系402中,角速度矢量Ω沿z轴,而加速度矢量A沿y轴。在第一传感器参考系404中,角速度矢量Ω在xz平面内与z轴成小角度,并且加速度矢量A在yz平面内与y轴成小角度。在第二传感器参考系406中,角速度矢量Ω在yz平面内与z轴成一角度,并且加速度矢量A在xy平面内与y轴成一角度。
旋转矩阵R1将第一传感器参考系404旋转为与车辆参考系402对准。旋转矩阵R2将第二传感器参考系406旋转为车辆参考系402。假设正交,则旋转矩阵R1R2 T将第一传感器参考系404旋转为第二传感器参考系406。
一般而言,通过将旋转矩阵Ri应用于车辆参考系402中的加速度矢量A和角速度矢量Ω,可获得第i个传感器参考系中的加速度矢量ai和第i个传感器参考系中的角速度矢量Ωi,如等式(1)所示的:
ai=Ria 等式(1)
和
Ωi=RiΩ 等式(2)
第i个传感器参考系和第j个传感器参考系之间的旋转矩阵由下式给出:
ai=Rijaj 等式(3)
其中
考虑到任意两组测量值(例如,第i个参考系中的m个测量值{v(m)}j和第j个参考系中的m个测量值{v(m)}j),本文公开的方法确定第i个参考系的IMUi和第j个参考系的IMUj之间的相对旋转矩阵。通过找到最小化或减少成本函数的角旋转变量的值来确定相对旋转矩阵(等式(5)):
其中,成本函数Φ由下式给出:
通过包括来自所有IMU的所有对应测量值,在等式(5)-(7)执行的计算可以扩展到多个IMU的全局对准,以获得成本函数:
Φg=∑i>jΦ(θij,φij,ψij) 等式(8)
并如等式(5)-(7)所示的,最小化等式(8)的成本函数。该方法倾向于在传感器之间分配误差,并减少了该方法的整体误差传播。
图5示出了图示500,其示出了用于在两个传感器/IMU处模拟运动矢量的方法。在阶段502处,生成参考IMU信号。参考IMU信号可以是车辆参考系内的运动矢量,并且可以包括加速度矢量和角速度矢量。在阶段504处,沿着一个分支,参考IMU信号被旋转(经由R1)成第一传感器参考系,以获得第一旋转矢量。沿着另一个分支,参考IMU信号(经由R2)旋转到第二传感器参考系中,以获得第二个旋转矢量。在阶段506处,将噪声添加到第一旋转矢量和第二旋转矢量的每一个。在阶段508处,将第一随机时间延迟添加到第一旋转矢量,并且将第二随机时间延迟添加到第二旋转矢量。在阶段510处,结果是在第一IMU和第二IMU的每一个处的运动矢量(即,加速度和角速度)的信号测量的模拟。
通过在多个传感器取向上执行图5所示的模拟,可以获得一组统计数据,并且可以确定噪声和网络延迟对对准误差的影响。
图6示出了三维图600,其示出了噪声和时间延迟对对准误差测量值的影响。曲线图600的一个轴示出了以毫秒为单位的最大网络延迟。第二轴显示以分贝为单位的信噪比(SNR)。第三轴以度为单位显示均方根对准误差。对于高信噪比和较小的网络延迟,对准误差显示为最小值。增加网络延迟(至多约10毫秒)对增加对准误差的影响很小。然而,随着信噪比降低(即,信号变得更加嘈杂),对准误差会增加。在SNR为20分贝时,对准误差约为0.1度。
尽管已经参考示例性实施例描述了以上公开,但是本领域技术人员将理解,在不脱离本发明范围的情况下,可以进行各种改变并且可以用等同物代替其要素。另外,在不脱离本公开的实质范围的情况下,可以做出许多修改以使特定情况或材料适应本公开的教导。因此,意图是本公开不限于所公开的特定实施例,而是将包括落入其范围内的所有实施例。
Claims (10)
1.一种用于将传感器与车辆对准的方法,包括:
在与车辆相关联的第一惯性测量单元处获得车辆的运动矢量的第一测量值;
在与传感器相关联的第二惯性测量单元处获得运动矢量的第二测量值;
从运动矢量确定与车辆相关联的第一参考系和与传感器相关联的第二参考系之间的当前相对取向;
基于当前相对取向和指定的相对取向,确定传感器与车辆之间的对准误差;和
将传感器调整到指定的相对取向以校正对准误差。
2.根据权利要求1所述的方法,其中,确定当前相对取向还包括确定用于将第一参考系旋转为第二参考系的旋转矩阵。
3.根据权利要求2所述的方法,其中,确定所述旋转矩阵还包括减小成本函数,该成本函数包括第一参考系中的运动矢量的第一测量值与运动矢量的第二测量值的旋转之间的差。
4.根据权利要求1所述的方法,还包括在第一时间获得运动矢量的第一测量值,并且在第二时间获得运动矢量的第二测量值。
5.根据权利要求1所述的方法,其中,第一惯性测量单元与车辆和另一个传感器中的一个相关联。
6.一种用于将传感器与车辆对准的***,包括:
与车辆相关联的第一惯性测量单元,第一惯性测量单元被构造成获得车辆的运动矢量的第一测量值;
与传感器相关联的第二惯性测量单元,第二惯性测量单元被构造为获得运动矢量的第二测量值;和
处理器构造为:
从运动矢量确定与车辆相关联的第一参考系和与传感器相关联的第二参考系之间的当前相对取向;
基于当前相对取向和指定的相对取向,确定传感器与车辆之间的对准误差;和
将传感器从当前相对取向调整到指定的相对取向,以校正对准误差。
7.根据权利要求6所述的***,其中,处理器还被构造为通过确定用于将第一参考系旋转为第二参考系的旋转矩阵来确定所述当前相对取向。
8.根据权利要求7所述的***,其中,处理器还被构造为通过减少成本函数来确定所述旋转矩阵,该成本函数包括运动矢量的第一测量值与运动矢量的第二测量值的旋转之间的差。
9.根据权利要求6所述的***,其中,处理器还被构造为在第一时间获得第一测量值并且在第二时间获得第二测量值。
10.根据权利要求6所述的***,其中,第一惯性测量单元与所述车辆和另一个传感器中的一个相关联。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/663,706 US20210123754A1 (en) | 2019-10-25 | 2019-10-25 | Method for unsupervised automatic alignment of vehicle sensors |
US16/663,706 | 2019-10-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112710327A true CN112710327A (zh) | 2021-04-27 |
Family
ID=75378876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011137524.7A Pending CN112710327A (zh) | 2019-10-25 | 2020-10-22 | 用于车辆传感器的无监督的自动对准的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210123754A1 (zh) |
CN (1) | CN112710327A (zh) |
DE (1) | DE102020124572A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11680824B1 (en) * | 2021-08-30 | 2023-06-20 | Zoox, Inc. | Inertial measurement unit fault detection |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11738694B2 (en) * | 2019-12-16 | 2023-08-29 | Plusai, Inc. | System and method for anti-tampering sensor assembly |
US11470265B2 (en) | 2019-12-16 | 2022-10-11 | Plusai, Inc. | System and method for sensor system against glare and control thereof |
US11077825B2 (en) | 2019-12-16 | 2021-08-03 | Plusai Limited | System and method for anti-tampering mechanism |
US11313704B2 (en) | 2019-12-16 | 2022-04-26 | Plusai, Inc. | System and method for a sensor protection assembly |
US11650415B2 (en) | 2019-12-16 | 2023-05-16 | Plusai, Inc. | System and method for a sensor protection mechanism |
US11754689B2 (en) * | 2019-12-16 | 2023-09-12 | Plusai, Inc. | System and method for detecting sensor adjustment need |
US11724669B2 (en) | 2019-12-16 | 2023-08-15 | Plusai, Inc. | System and method for a sensor protection system |
US20220042802A1 (en) * | 2020-08-10 | 2022-02-10 | Qualcomm Incorporated | Extended dead reckoning accuracy |
JP7349978B2 (ja) * | 2020-12-28 | 2023-09-25 | 本田技研工業株式会社 | 異常判定装置、異常判定方法、異常判定プログラム、及び、車両状態推定装置 |
US20230097251A1 (en) * | 2021-09-30 | 2023-03-30 | Zoox, Inc. | Pose component |
US11772667B1 (en) | 2022-06-08 | 2023-10-03 | Plusai, Inc. | Operating a vehicle in response to detecting a faulty sensor using calibration parameters of the sensor |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121601A1 (en) * | 2008-11-13 | 2010-05-13 | Honeywell International Inc. | Method and system for estimation of inertial sensor errors in remote inertial measurement unit |
CN103328928A (zh) * | 2011-01-11 | 2013-09-25 | 高通股份有限公司 | 用于个人导航设备的基于相机的惯性传感器对准 |
US20140098229A1 (en) * | 2012-10-05 | 2014-04-10 | Magna Electronics Inc. | Multi-camera image stitching calibration system |
-
2019
- 2019-10-25 US US16/663,706 patent/US20210123754A1/en not_active Abandoned
-
2020
- 2020-09-22 DE DE102020124572.6A patent/DE102020124572A1/de not_active Withdrawn
- 2020-10-22 CN CN202011137524.7A patent/CN112710327A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121601A1 (en) * | 2008-11-13 | 2010-05-13 | Honeywell International Inc. | Method and system for estimation of inertial sensor errors in remote inertial measurement unit |
CN103328928A (zh) * | 2011-01-11 | 2013-09-25 | 高通股份有限公司 | 用于个人导航设备的基于相机的惯性传感器对准 |
US20140098229A1 (en) * | 2012-10-05 | 2014-04-10 | Magna Electronics Inc. | Multi-camera image stitching calibration system |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11680824B1 (en) * | 2021-08-30 | 2023-06-20 | Zoox, Inc. | Inertial measurement unit fault detection |
Also Published As
Publication number | Publication date |
---|---|
US20210123754A1 (en) | 2021-04-29 |
DE102020124572A1 (de) | 2021-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112710327A (zh) | 用于车辆传感器的无监督的自动对准的方法 | |
CN110727267B (zh) | 具有冗余超声雷达的自动驾驶车辆 | |
EP3353494B1 (en) | Speed control parameter estimation method for autonomous driving vehicles | |
US20200159216A1 (en) | Motion Planning Methods And Systems For Autonomous Vehicle | |
US10836395B2 (en) | Efficient optimal control with dynamic model for autonomous vehicle | |
US9903945B2 (en) | Vehicle motion estimation enhancement with radar data | |
US11199846B2 (en) | Learning-based dynamic modeling methods for autonomous driving vehicles | |
US20200334861A1 (en) | Methods and Systems to Compensate for Vehicle Calibration Errors | |
US10407076B2 (en) | Method and system for determining road frictions of autonomous driving vehicles using learning-based model predictive control | |
US10775790B2 (en) | Methods and systems for model predictive control of autonomous driving vehicle | |
US10409280B2 (en) | Control dominated planning and control system for autonomous driving vehicles | |
US10421463B2 (en) | Automatic steering control reference adaption to resolve understeering of autonomous driving vehicles | |
EP3652602B1 (en) | A spiral path based three-point turn planning for autonomous driving vehicles | |
EP3652601B1 (en) | Control dominated three-point turn planning for autonomous driving vehicles | |
CN111806421B (zh) | 车辆姿态确定***和方法 | |
US20210139038A1 (en) | Low-speed, backward driving vehicle controller design | |
US11325611B2 (en) | Torque feedback based vehicle longitudinal automatic calibration system for autonomous driving vehicles | |
EP3625635B1 (en) | A speed control command auto-calibration system for autonomous vehicles | |
US20210188266A1 (en) | A camera-based low-cost lateral position calibration method for level-3 autonomous vehicles | |
US20230365144A1 (en) | Control arithmetic device | |
EP3659886B1 (en) | Method to determine vehicle load of autonomous driving vehicle using predetermined load calibration tables | |
CN114488111A (zh) | 利用雷达数据估算车辆速度 | |
US20230035637A1 (en) | Vehicle state estimation systems and methods | |
KR102644325B1 (ko) | 자율 주행 장치 및 방법 | |
US20220194375A1 (en) | Vehicle control system and vehicle control method |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210427 |