CN117836653A - 一种基于车载定位装置的路侧毫米波雷达校准方法 - Google Patents

一种基于车载定位装置的路侧毫米波雷达校准方法 Download PDF

Info

Publication number
CN117836653A
CN117836653A CN202280026659.7A CN202280026659A CN117836653A CN 117836653 A CN117836653 A CN 117836653A CN 202280026659 A CN202280026659 A CN 202280026659A CN 117836653 A CN117836653 A CN 117836653A
Authority
CN
China
Prior art keywords
track data
vehicle
millimeter wave
calibration
wave radar
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
Application number
CN202280026659.7A
Other languages
English (en)
Inventor
赵聪
请求不公布姓名
都州扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ma Ruzheng
Original Assignee
Ma Ruzheng
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ma Ruzheng filed Critical Ma Ruzheng
Publication of CN117836653A publication Critical patent/CN117836653A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
    • 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
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • 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
    • 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
    • G01S7/4972—Alignment of sensor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

一种基于车载定位装置的路侧毫米波雷达进行校准方法，属于移动车辆检测和传感器检测目标标定技术领域。该方法使用带有车载定位装置的校准车辆，按照预先设计的路线行驶并采集数据，通过处理单元对所采集的数据进行处理分析，实现路侧毫米波雷达的校准。

Description

一种基于车载定位装置的路侧毫米波雷达校准方法 技术领域
本发明属于移动车辆检测和传感器检测目标标定技术领域，涉及运用车载定位装置对路侧已经安装毫米波雷达进行校准的方法。
背景技术
在车路协同背景下，测距传感器如毫米波雷达等能够敏锐感知周围车辆的距离、速度，图像类传感器能够从视觉上补充周围车辆的多维信息，多样传感器的融合能够显著提升对环境的感知能力。在这当中，路侧毫米波雷达优势明显。毫米波雷达显著优势在于，能够不受雨雪雾等天气和光照条件的影响，能全天候工作，实现对目标位置和速度航向的检测，是重要的环境感知手段。路侧毫米波雷达应用在交通领域，可以完成“测速+测距+测角”的功能，实现多目标检测和轨迹跟踪，同时能够实现交通运行异常事件检测、多断面交通流数据统计、交叉口全息状态感知等多样化的功能。与此同时，在车路协同和自动驾驶的场景下，安装在路侧的毫米波雷达能够辅助激光雷达、视频摄像头等完成多传感器的全息感知，实现全息融合的目标级场景语义建立。
智慧道路对毫米波雷达在数据层面，集中在两个方面的需求，一方面是原始的点云数据，也就是雷达在扫描时，不同空间位置，给雷达返回的信号分析处理的原始结果；另一方面是即时数据，这是雷达在点云数据的基础上进行分析得出的所有交通目标的位置、速度、航向、尺寸及赋予该目标的跟踪编号，这两类原始数据给到边缘计算器后，与其他感知手段实现空间和时间上的融合，实现对交通环境的高精度、多维度的感知，再通过RSU进行感知结果的发布。
实现上述融合感知一个重要的前提就是数据标定。传感器的标定是指，通过一定的技术手段或方法，建立设备自身相对坐标系与世界坐标系之间的映射关系。
在车路协同进行信息交互的***中，车、路两端要有统一的坐标系才能够进行对感知的物体做出精准的定位与融合，因此必须对车端与路侧感知设备进行标定，以确保两端获得的数据有一个统一的参照标准，并能够互相转换。与此同时，路侧或车载的传感器在自然影响(风振、桥振)下，设备的位姿可能会发生非塑性的偏移和改变。此时需要对设备的外部参数进行重新校准。
毫米波雷达传感器在测量时将世界坐标系下的检测目标坐标映射至自身对应的相对坐标系，但由于雷达传感器的安装位置、姿态和角度不同，其坐标映射关系也有所差异。同时，由于自然桥振、风振和外界环境的影响，毫米波雷达的外参会产生改变，需要进行及时的校准，以满足精确定位和多传感器的融合。
现有方案中对于路侧毫米波雷达的校准研究较少，多数文献描述车载毫米波雷达在出厂前、下线后进行的厂内校准，以及激光雷达、摄像机等其它路侧感知设备的校准技术，较少提出对于路侧毫米波雷达的校准方案。
现有的校准方法根据原理的不同，可以大致分为基于几何的方法、基于运动的方法、基于互信息的方法和基于深度学习的方法。该类方法的本质是，依据已经标定好的某类传感器，从不同的传感器中分别提取特征，根据所提取特征在不同坐标系下的坐标映射关系来进行标定，该类方法是不依赖于标定物、基于特征点(线、面)的快速标定方法，但十分依赖于已经标定好的其他传感器。
传统的路侧毫米波雷达设备校准方法之一是通过借助人工标定物进行校准。例如为了对路侧毫米波雷达进行标定，首先对安装在同一位置的路侧摄像机进行标定。在同一视野范围内，将标定棋盘图铺设在视频摄像头与毫米波雷达共同的视野范围内的路面上，采用张正友标定法和RTK差分定位技术标定视频摄像头内部参数与外部参数，通过建立视频图像像素坐标与世界经纬度坐标的映射关系，实现对摄像头内外参数的标定，再通过建立视频图像像素坐标系与雷达坐标系之间的关系，完成对毫米波雷达的标定。该方法应用广泛但缺点也十分明显：标定方法过于依赖人工，仅适用于小范围内的标定，难以大规模的批量应用。并且对于在线的自动驾驶***而言，这将降低自动驾驶***的自治性；并且该方案需要其他传感器，才能完成对毫米波雷达的间接标定。并且在实际的复杂交通环境中，传感器因强风、桥振等外部因素发生振动偏移，或因人为的旋转产生姿态的变化，导致之前建立的坐标系映射关系失效，此时传感器的参数就需要重新标定。
另一种传统的路侧毫米波雷达标定方法是选择自然环境中的标定物体或特征。通过所选择标定物体或特征的世界坐标系，与毫米波雷达坐标系下的特征点对一一对应，求解参数。该类方法对物体的形状、特征以及位置做出了明确的要求，方可实现准确的标定。该方法可以解决传统标定方法依赖于人工的问题，并且能够实时的解决传感器重新标定的难题，不同方法在不同具体的应用场景下也达到了很高的精度。但该方法由于需要路侧有特征明显的静态特征或标定物，不适宜大范围推广。为此，亟需一种实用性强的方法解决路侧毫米波雷达校准的问题。
随着车路协同技术的不断发展，带有高精度车载定位设备的车辆渗透率不断提高。由于自动驾驶技术的需要，车载定位装置可达到厘米级的定位精度，且能够实时向云端发送自身位置信息。因此，将其作为路侧视频和雷达感知设备的标定数据来源，可以大大降低标定所需人工和定位装置的成本和难度，有效解决多源感知设备检测目标坐标在线标定的难题。
现有专利：
专利CN 111929652 A
专利CN 110703254 A
美国专利US 6927725 B2
美国专利US 2015/0070207 A1
美国专利US 2014/0240690 A1
专利CN 111060881 A
发明内容
为了解决对路侧毫米波雷达进行校准的问题，本发明采用的技术方法是：一种基于车载定位装置的路侧毫米波雷达校准方法。本发明使用带有车载定位装置的校准车辆，按照预先设计的路线行驶并采集数据，通过处理单元对所采集的数据进行处理分析，实现路侧毫米波雷达的校准。
【术语解释】
●本发明中所述的带有车载定位装置的校准车辆按照车辆类型不同可划分为两类，一类指内嵌式自动驾驶车辆，内嵌安装有高精度定位装置，自动驾驶车辆能够对车辆位置进行精准定位，输出实时的车辆定位数据；一类指外带定位设备的校准车辆，校准车辆搭载高精度定位装置，能够对车辆位置进行精准定位，并输出实时的车辆定位数据。
●本发明中所述的路侧毫米波雷达，是指已经安装在道路上的毫米波雷达，所述路侧毫米波雷达的安装位置根据实际场景的不同、安装所处位置不同可分三类，即安装于道 路左侧、安装于道路右侧以及安装于道路的中央，该三类安装方案均为本方案所述的“路侧”范围，并具有识别移动目标车辆的能力，能够输出检测目标的定位数据。
●本发明中所述的标定参数校准，是指对雷达校准参数矩阵的校准，即对毫米波雷达坐标系转换至世界坐标系坐标的转换参数的修正与更新。
●本发明中所述的预先设计的路线，是指在道路中依据道路线型所设计的行驶路线，分为常规路线与复杂路线：常规路线是用于常规校准的路线，分别为对角线、曲线、环形以及以上路线的组合；复杂路线是用于验证校准结果的路线，分为边缘路线、中央模式，具体路线为对角线、曲线以及环形线路的组合。
●本发明所述的处理单元，是具有数据收集、数据处理与数据分析功能的计算机。本发明中，可选用云端处理单元，使之与路侧毫米波雷达、与带有车载定位设备的校准车辆连接；可选用基站处理单元，作为独立基站在室内或路侧安装；可选用内嵌式处理单元，内嵌于路侧毫米波雷达或校准车辆。
●本发明所述的重采样是指处理单元所进行的数据分析与处理的步骤之一，通过插值或预测等方法使得两条轨迹间的采样点数量相同且采样时间对齐。对两条采样频率一致且采样时间对齐的轨迹而言，无需进行重采样；对两条采样频率不一致或采样时间不相同的轨迹而言，至少一条轨迹需要进行重采样。
●本发明所述的第一轨迹数据D 1是指带有车载定位装置的校准车辆按照预先设计的常规路线行驶，所输出的原始车辆轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的经过重采样的第一轨迹数据D 1′是指对所述第一轨迹数据D 1进行重采样后所得到的轨迹数据，该数据的坐标系为世界坐标系
●本发明所述的第二轨迹数据D 2是指路侧毫米波雷达所输出的对目标进行检测得到的轨迹数据，该数据的坐标系为路侧毫米波雷达所处于的雷达坐标系。
●本发明所述的第三轨迹数据D 3是指对第二轨迹数据D 2按照路侧毫米波雷达的校准参数进行转换后所得到的轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的经过重采样的第三轨迹数据D 3′是指对所述第三轨迹数据D 3进行重采样后所得到的轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的第四轨迹数据D 4是指在验证步骤中，路侧毫米波雷达所输出的对目标进行检测得到的轨迹数据，该数据的坐标系为路侧毫米波雷达所处于的雷达坐标系。
●本发明所述的第五轨迹数据D 5是指在验证步骤中，带有车载定位装置的校准车辆按照预先设计的复杂路线行驶，所输出的原始车辆轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的第五轨迹数据D 5′是指是指对所述第五轨迹数据D 5进行重采样后所得到的轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的第六轨迹数据D 6是指在验证步骤中，对第四轨迹数据D 4按照路侧毫米波雷达的校准参数进行转换后所得到的轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的第六轨迹数据D 6′是指对所述第六轨迹数据D 6进行重采样后所得到的轨迹数据，该数据的坐标系为世界坐标系。
●本发明所述的时空相似度数值是指通过本发明所述的时空相似度计算方法，将两条轨迹数据代入该计算方法中所求得的数值。
●本发明所述的时空相似度阈值是指，通过人为设定、专家建议或大数据分析等手段，所得出的能够判定雷达的标定参数准确程度的数值。
●本发明所述的判断是指将本发明所述的时空相似度数值与时空相似度阈值进行大小比较的过程。
本发明专利解决其技术问题采用以下步骤，其整体流程如图1：
1)对校准车辆的车载定位装置设置不小于路侧毫米波雷达的采样频率，对带有车载定位装置的校准车辆、路侧毫米波雷达以及处理单元设置时钟同步；
2)带有车载定位装置的校准车辆按照预先设计的一种常规路线在路侧毫米波雷达的覆盖范围内进行行驶，输出第一轨迹数据与第二轨迹数据；
3)处理单元收集带有车载定位装置的校准车辆与路侧毫米波雷达所产生的第一轨迹数据、第二轨迹数据，并进行坐标转换后得出第三轨迹数据，对第一轨迹数据与第三轨迹数据进行数据处理与分析，输出第一轨迹数据与第三轨迹数据的时空相似度数值；
4)处理单元根据时空相似度数值与时空相似度阈值，判断路侧毫米波雷达的参数无需校准，则本次校准结束；处理单元判断路侧毫米波雷达的参数需要校准，则对路侧毫米波雷达的参数进行校准；
5)处理单元在对路侧毫米波雷达的参数进行校准后，进行如下验证步骤：
带有车载定位装置的校准车辆需要按照预先设计的一种复杂路线或另一种常规路线在路侧毫米波雷达的覆盖范围内进行行驶，输出第四轨迹数据与第五轨迹数据；
对所输出的第四轨迹数据与第五轨迹数据，执行步骤3)输出时空相似度数值；对所输出的时空相似度数值，执行步骤4)。
若判断路侧毫米波雷达的参数小于等于时空相似度阈值，则本次路侧毫米波雷达的标定参数满足要求。
若所计算获得的时空相似度数值大于时空相似度阈值，则可按照以下三个备选方案进行处理：
①不对毫米波雷达的标定参数进行校准，即按照首次获取的雷达标定参数暂时作为雷达的标定参数；
②对毫米波雷达的标定参数进行校准，即按照更新后的雷达标定参数暂时作为雷达的标定参数；
③重新执行步骤1)至步骤4)，若步骤4)所得的时空相似度数值小于时空相似度阈值，则校准结束；若步骤4)所得的时空相似度数值大于等于时空相似度阈值，则将该雷达标定为故障雷达上报处理单元。
本发明专利上述步骤中的具体技术方案如下所述：
(1)所述路侧毫米波雷达的安装角度根据实际场景的不同，在路侧的安装位置如图2所示。所述外带定位设备的校准车辆，其带有的车载定位装置一般为高精度RTK差分定位装置。安装在校准车辆的内部或车顶。
所述带有车载定位装置的校准车辆的采样频率设置，至少不低于路侧毫米波雷达的采样频率。当保持较高采样频率时，校准路侧毫米波雷达的准确率较高。当车载定位装置的采样频率与路侧毫米波雷达的采样频率一致且采样时间相同时，无需进行重采样处理。当车载定位装置的采样频率与路侧毫米波雷达的采样频率不一致或采样时间点不同时，至少有一条轨迹需要进行重采样处理。重采样处理后，两条轨迹可实现采样点数量相同且采样时间对齐。
处理单元调整带有车载定位装置的校准车辆与路侧毫米波雷达时间时钟，使之与处理单元的时钟时间严格同步，实现时钟同步。
所述带有车载定位装置的校准车辆所采集的第一轨迹数据D 1的数据点可以使用如下向量表示：
R v＝[x v,y v,z v]
其中：
x v表示车载定位装置在世界坐标系中的X坐标；
y v表示车载定位装置在世界坐标系中的Y坐标；
z v表示车载定位装置在世界坐标系中的Z坐标。
所述路侧毫米波雷达所采集的第二轨迹数据D 2的数据点可以使用如下向量表示：
R r＝[x r,y r,z r]
其中：
x r表示路侧毫米波雷达在雷达坐标系中的X坐标；
y r表示路侧毫米波雷达在基准坐标系中的Y坐标；
z r表示路侧毫米波雷达在基准坐标系中的Z坐标。
(2)在路侧毫米波雷达的检测覆盖范围内，带有车载定位装置的校准车辆按照预先设计的常规路线在路侧毫米波雷达的覆盖范围内进行行驶，产生第一轨迹数据D 1与第二轨迹数据D 2。具体地，带有车载定位装置的校准车辆按照预先设计的一种常规路线行驶，校准车辆的车载定位装置连续采集车辆自身定位数据，得到第一轨迹数据D 1；路侧毫米波雷达连续采集道路中校准车辆的回波数据，得到第二轨迹数据D 2。
如图3所示，常规路线是指在道路中的对角直线、曲线、环形路线以及以上路线的组合线路，用于本发明中对路侧毫米波雷达进行常规校准。
1)第一轨迹数据D 1，是所述带有车载定位装置的校准车辆，按照预先设计的常规路线(或复杂路线)在路侧毫米波雷达的覆盖范围内进行行驶，车载定位装置在不同时刻实时不间断采集校准车辆自身定位数据。数据可用如下集合表示：
S v＝{tr 1,tr 2,…tr N}
其中，tr n表示该车载定位装置在不同时刻采集到第n条轨迹集合。
其中：
表示在车载定位装置采集到的第n个目标轨迹中，第j个轨迹点的采集时间；
表示在车载定位装置采集到的第n个目标轨迹中，第j个轨迹点的横坐标；
表示在车载定位装置采集到的第n个目标轨迹中，第j个轨迹点的纵坐标。
2)第二轨迹数据D 2，是所述路侧毫米波雷达不间断产生的校准车辆的轨迹回波数据。数据可用如下集合表示：
S r＝{tr 1,tr 2,…tr M}
其中，tr m表示路侧毫米波雷达采集到第m个目标轨迹集合。其表达式为：
其中：
表示路侧毫米波雷达采集到的第m个目标轨迹中，第i个轨迹点的采集时间；
表示路侧毫米波雷达采集到的第m个目标轨迹中，第i个轨迹点的横坐标；
表示路侧毫米波雷达采集到的第m个目标轨迹中，第i个轨迹点的纵坐标。
(3)处理单元获取带有车载定位装置的校准车辆与路侧毫米波雷达所产生的D 1、D 2，并对D 2进行坐标转换得出第三轨迹数据D 3，对D 1与D 3进行计算分析，判断路侧毫米波雷达是否需要校准。具体流程如图4所示。
1)坐标转换。由于D 1处于世界坐标系，而D 2处于雷达坐标系，两者之间存在角度和位置的差异，无法对两个坐标系下不同尺度的数据进行直接处理，因此需要进行坐标的转换。坐标转换是通过选取两类轨迹点中对应特征点，形成4个及以上的点对集合，并根据坐标转换公式，计算雷达坐标系到世界坐标系的校准参数矩阵。最后通过校准参数矩阵，将D 2转换为D 3。具体的过程如下：
①选取D 1集合与D 2集合中对应的特征点，至少选取4对及以上的特征点对。特征选取的原则是，在两个轨迹数据中选择具有时间、空间对应关系的点。选取的特征点对如下所示：
该特征点对中，每一个点对的一个特征点 来自于车载定位装置所产生的D 1数据，另一个特征点 来自于路侧毫米波雷达所产生的D 2。
②根据所获取的特征点对，解算将D 1坐标转换至D 3所对应的校准参数矩阵。
本发明中，世界坐标系指在环境中选择一个参考坐标系来描述校准车辆的位置，该坐标系称为世界坐标系。本发明中，世界坐标由校准车辆上带有的车载定位装置获取。车载定位装置能够实时地提供测站点在指定坐标系中的三维定位结果。
本发明中，路侧毫米波雷达获取的坐标处于雷达坐标系。本发明中的雷达校准参数矩阵是指将雷达坐标系转换为世界坐标系的矩阵。雷达校准参数矩阵H如下式所示：
如下式所示，(x r,y r,z r)表示D 2中某点的三维坐标，(x v,y v,z v)表示D 1中某点的三维坐标。
通过步骤1)中手动选取的对应特征点对进行线性方程求解，可以求解出雷达校准参数矩阵H的值。
③根据所求解的雷达校准参数矩阵H，可以将雷达坐标系下的D 2变换到世界坐标系下的D 3。如下所示：
其中，(x r,y r,z r)表示D 2中某点，(x′ r,y′ r,z′ r)表示转换到世界坐标系后路侧毫米波雷达新的三维坐标数据，即为第三轨迹数据D 3中的点。
2)对D 1与D 3进行计算分析。
①重采样：在1)的基础上，将D 1与D 3进行重采样，使得D 1与D 3在空间上保持一致，两类数据的点迹一一对应。
虽然校准车辆上的车载定位装置与路侧毫米波雷达的数据采集频率都较高，但是两者的采集不一定相同。在空间上，表现为两者的采样点分布时间间隔不一致。因此D 1与D 3在空间上不能一一对应，无法完成对点迹准确程度的判断。为此，需要通过重采样的方法，对数据进行重新采样，重新修正为采样点数量相同且采样时间对齐的两条轨迹。其中，当车载定位装置的采样频率与路侧毫米波雷达的采样频率一致且采样时间相同时，无需进行重采样处理。当车载定位装置的采样频率与路侧毫米波雷达的采样频率不一致或采样时间点不同时，至少有一条轨 迹需要进行重采样处理。具体的步骤为：
首先求解D 1中时间点集合T 1与D 3中时间点集合T 3的并集T all。具体关系式如下所示：
T 1∪T 3＝T all
接着，依次遍历D 1与D 3的数据点，每隔四个点作为一组，拟合一个三次函数。带入轨迹数据中相邻四个点迹的横坐标即可求解该三次函数G x的系数a,b,c,d。带入轨迹数据中相邻三个点迹的纵坐标即可求解该三次函数函数G y的系数e,f,g,h。三次函数的表达式如下式所示：
G x＝ax 3+bx 2+cx+d
G y＝ex 3+fx 2+gx+h
最后，以区间内的T all时刻点作为数据重采样的横坐标，求取坐标点的三次函数y g中，最终获取以T all为时刻点的、重采样后的路侧毫米波雷达新数据D 1′与重采样后的车载定位装置轨迹数据D 3′，两者在时间维度上保持一致的采样频率，如图7所示。
②时空相似度计算：重采样后的D 1′与D 3′在各个时刻点一一对应。为了对雷达校准参数矩阵的准确性进行判断，需要将D 1′与D 3′进行时空相似度计算，在时间空间双重维度上进行准确性评价。评价的流程如下所示：
首先，为D 1′与D 3′建立匹配点对的集合C 2。表达式如下所示：
其中， 表示D 3′数据集合中第u个路侧毫米波雷达轨迹数据点，数据点包含横坐标 纵坐标 以及时间戳 表示D 1′数据集合中第u个带有车载定位装置的校准车辆所行驶的轨迹数据，数据点包含横坐标 纵坐标 以及时间戳 且该轨迹点在时间上与D 3′点 相匹配。
接着，基于所述匹配点对集合C 2，对点对的相似度从空间、时间双重维度进行评价。评价相似度的表达式如下所示：
其中，式中sim(p,q)表示点p与点q的相似度， 表示集合C 2中U个点对的匹配相似度的和，用该指标衡量D 1′与D 3′的相似程度。相似度的值越大，表示雷达校准参数矩阵越准确。
f S表示空间相似度，衡量所述匹配点对集合C 2中点对之间时间差值的大小。计算公式如下所示：
f T表示时间相似度，衡量所述匹配点对集合C 2中点对之间时间差值的大小。计算公式如下所示：
此外，式中 表示空间相似度的权重， 表示时间相似度的权重。f S表示空间相似度，衡量所述匹配点对集合C 2中点对之间横纵坐标的距离大小。从空间维度对点对的相似度进行度量，直接反映出所计算出的雷达校准参数矩阵的准确程度；从时间维度对点对的相似度进行度量，直接反映出匹配点对在时间上的接近程度，间接反映出所计算出的雷达校准参数矩阵的准确程度。采用权重 自由调节空间相似度与时间相似度所占比重，能够实现在存在时钟同步问题时，同样实现准确的评价。
此外，式中β表示非重采样点相似度的权重，(1-β)表示重采样点所占权重。 表示非重采样点之间的相似度， 表示重采样点之间的相似度。对非重采样点对的相似度进行度量，可信度高，直接反映出D 1′与D 3′之间的相似程度；对重采样点对的相似度进行度量，可信度低，间接反映出D 1′与D 3′之间的相似程度；采用权重β自由调节非重采样点对与重采样点对所占比重，能够在进行重采样后可信度降低的情况下，实现较为准确的评价。
(4)判断参数是否满足时空相似度阈值：在经处理单元采集数据与分析数据基础上，判断所求解的D 1′与D 3′的时空相似度是否小于等于时空相似度阈值。若满足阈值要求，则路侧毫米波雷达无需进行重新校准；若不满足阈值要求，则认为路侧毫米波雷达需要进行重新校准。具体步骤为：
通过步骤(3)计算出D 1′与D 3′的相似度 若相似度 大于等于时空相似度阈值δ，则认为雷达校准参数矩阵H满足阈值要求，无需进行重新校准；若相似 小于相似度阈值δ，则认为雷达校准参数矩阵H不满足阈值要求，路侧毫米波雷达需要按照步骤(5)进行校准。
(5)校准与验证：当经步骤(4)判断雷达校准参数矩阵H不满足阈值要求，则需对路侧毫米波雷达的雷达校准参数矩阵重新计算，进行校准。校准完毕后，为了确保结果的准确性，应当对校准结果进行进一步验证。具体流程如图10所示。
①重新校准。重复步骤(3)中的第①步进行坐标转换，选取新的特征匹配点对，对D 1与D 2重新计算雷达校准参数矩阵H′，更新雷达校准参数矩阵值。雷达校准参数矩阵H′如下式所示：
②结果验证。在路侧毫米波雷达的检测覆盖范围内，带有车载定位装置的校准车辆按照预先设计的一种复杂路线或另一种常规路线，在路侧毫米波雷达的覆盖范围内进行行驶，将带有车载定位装置的校准车辆产生的数据记为第五轨迹数据D 5，由路侧毫米波雷达进行目标检测到的数据记为第四轨迹数据D 4。
所述结果验证的步骤中，校准车辆可选择预先设计的一种复杂路线，如图4所示，复杂路线是指在道路中央或边缘的直线、曲线、环形路线以及以上路线的组合线路；校准车辆也可选择预先设计的另一种常规路线，如图3所示，常规路线是指在道路中的对角直线、曲线、环形路线以及以上路线的组合线路。在路线的选择方面，可充分依据首次选择出常规路线的特点，针对性的选择与所述常规路线特点有所差异的复杂路线、或另一种常规路线进行行驶与验证。在路线的选择方面，还可充分依据处理单元所计算得出的时空相似度数值与时空相似度阈值的差异大小，当差异较大时，针对性的选择与首次行驶的一种常规路线线性较为相似的另一种常规路线或一种复杂路线，对结果进行验证；或当差异较小时，针对性的选择与首次行驶的一种常规路线线性较为不同的另一种常规路线或一种复杂路线，对结果进行验证。
首先，由所述更新后的雷达校准参数矩阵H′可以将雷达坐标系下的第四轨迹数据D 4变换到世界坐标系下的第六轨迹数据D 6。如下所示：
其中，(x r,y r,z r)表示第四轨迹数据点，(x′ r,y′ r,z′ r)表示按照所求解的雷达校准参数矩阵H′ 转换到世界坐标系后路侧毫米波雷达新的三维坐标数据，即为第六轨迹数据点。
接着，将D 5与D 6上传至处理单元进行数据收集与数据分析，即按照步骤(3)的第2)步进行重采样计算，得到重采样后的轨迹数据D 5′与D 6′。
接着，对重采样后获得的轨迹数据D 5′与D 6′进行时空相似度数值计算，获得D 5′与D 6′的时空相似度数值。将所计算获得的时空相似度数值按照步骤(4)进行判断。若所计算获得的时空相似度数值小于等于时空相似度阈值，则路侧毫米波雷达的标定参数满足要求；若所计算获得的时空相似度数值大于时空相似度阈值，则可按照以下三个备选方案进行处理：
1)不对毫米波雷达的标定参数进行校准，即按照首次获取的雷达标定参数H暂时作为雷达的标定参数；
2)对毫米波雷达的标定参数进行校准，即按照更新后的雷达标定参数H′暂时作为雷达的标定参数；
3)重新执行步骤(1)至步骤(4)，若步骤(4)所得的时空相似度数值小于时空相似度阈值，则校准结束；若步骤(4)所得的时空相似度数值大于等于时空相似度阈值，则将该雷达标定为故障雷达上报处理单元。
本发明具有技术关键点和优势包括：
使用校准车辆上带有的车载定位装置所采集的数据作为路侧毫米波雷达校准的真值数据，提供一种自动化、高精度的数据源，有效提升对路侧毫米波雷达的校准精度。同时，使用重采样作为不同采样频率数据匹配的预处理方法，解决了不同采样频率的多源轨迹数据难以进行比较的问题。此外，使用时空相似度的度量方法判断路侧毫米波雷达是否需要进行校准，判断方法简便可行，无需采用人工进行校准。最后，为校准车辆设计采用常规路线与复杂路线行驶方案，对路侧毫米波雷达的校准结果进行多角度的结果验证。
以上符号及其所表示含义归纳如下表：
附图说明
图1为本发明的流程示意图；
图2为本发明的路侧毫米雷达布设与车载定位装置相对位置的示意图；
图3为数据采集的常规行驶路线示意图；
图4为结果验证的复杂行驶路线示意图；
图5为处理单元采集数据与分析数据的流程示意图；
图6为轨迹特征点选取示意图；
图7为轨迹空间匹配示意图；
图8为路侧毫米雷达布设与车载定位装置不同采样频率的轨迹示意图；
图9为重采样示意图；
图10为重新校准与结果验证的流程示意图。
【具体实施方式】
下面结合附图和具体实施方式对本发明作详细说明。
本发明涉及一种基于车载定位装置的路侧毫米波雷达校准方法。如图1所示，本发明可以分为五个主要步骤：
第一步，路侧毫米波雷达的布设以及时钟同步设置。
校准车辆带有的车载定位装置能够辅助自动驾驶车辆或普通车辆进行高精度定位，具有厘米级的定位精度，能够实时输出校准车辆的行驶轨迹点。本发明将其作为数据参照值，从而对路侧毫米波雷达进行标定参数的校准与更新。校准车辆带有的车载定位装置应当能够实现对校准车辆实时的位置数据进行输出，设置不小于路侧毫米波雷达采样频率的采样频率。
路侧毫米波雷达安装于路侧，已布设于道路的不同位置，所布设位置覆盖道路路面完整范围，如图2所示，道路场地应当尽可能空旷开阔，无高楼或树木遮挡，单个检测范围300米左右，能够实现对检测目标的距离、速度的准确测量。按照设定的采样频率输出检测道路上移动目标的位置数据。
处理单元位于虚拟云端或位于基站，或采用内嵌方式安装于路侧毫米波雷达或校准车辆内部。处理单元与路侧毫米波雷达与带有车载定位装置的校准车辆实时连接。对路侧毫米波雷达、处理单元与校准车辆上的车载定位装置，利用基站连接或网络授时实现时钟同步。
第二步，校准车辆按照预先设计的路线行驶，并将数据上传至处理单元。
首先，在路侧毫米波雷达实际监测的道路环境中，带有车载定位装置的校准车辆沿道路按照预先设计的常规路线或复杂路线行驶，常规路线见图3，复杂路线见图4。
在行驶的过程中，带有车载定位装置的校准车辆实时产生带有时间戳的目标车辆轨迹数据，记为第一轨迹数据，数据位于世界坐标系下，并将第一轨迹数据上传至处理单元；路侧毫米波雷达同步获取带有时间戳的目标车辆轨迹检测数据，记为第二轨迹数据，数据位于雷达坐标系下，并将第二轨迹数据上传至处理单元。通过校准车辆的行驶实现数据采集。
第三步，处理单元进行数据处理与数据分析。
处理单元接受到所上传的第一轨迹数据与第二轨迹数据，并对数据进行处理与分析。分别为坐标转换、重采样与时空相似度计算。如图5所示。
首先，由于第一轨迹数据与第二轨迹数据未处于同一坐标系，对第二轨迹数据进行坐标转换。在第一轨迹数据与第二轨迹数据的轨迹点中，如图6所示，选取四组以上的特征点对，解算路侧毫米波雷达的雷达校准参数矩阵。按照所解算的雷达校准参数矩阵，将雷达坐标系下的第二轨迹数据点转换至世界坐标系，得到第三轨迹数据，实现坐标转换，此时两类轨迹处于同一坐标系。
接着，为了解决第一轨迹数据与第二轨迹数据采样频率不一致的问题，如图8所示，对第一轨迹数据与第三轨迹数据进行重采样。重采样求取第一轨迹数据与第三轨迹数据点集中采样时间点的并集。并利用所求取的采样时间点的并集，检查第一轨迹数和第三轨迹数据中分别缺失的时间点，对所检查出的缺失时间点基于三次插值算法补缺横纵坐标，实现重采样，此时两 类轨迹处于同一坐标系且采样时间点一致，第一轨迹数据与路侧毫米波雷达所对应的第三轨迹数据点实现一对一匹配。见图9。
最后，为了定量判断路侧毫米波雷达的雷达校准参数是否准确，对经过坐标转换与重采样后的第一、第三轨迹数据进行时空相似度计算。依据时空相似度的表达式，分别代入相同采样时间点下的第一轨迹数据点与第三轨迹数据点对，计算出第一轨迹数据与第二轨迹数据点的时空相似度值。
第四步，判断校准参数的准确度。
处理单元求解完第一轨迹数据与第三轨迹数据的时空相似度值后，将求解结果与预设的精度阈值进行比较。若所求解的时空相似度值小于等于预设的精度阈值，则路侧毫米波雷达无需进行重新校准，流程结束；若所求解的时空相似度值大于预设的精度阈值，则认为路侧毫米波雷达需要进行重新校准，执行第五步，并进行结果验证。
第五步，重新校准与结果验证。
当确定路侧毫米波雷达在步骤(4)中确定需要进行重新校准后，执行当前步骤(5)进行重新校准与结果验证。具体流程示意如图10所示。
首先路侧毫米波雷达进行重新校准。对于初次校准中的第一轨迹数据与第二轨迹数据，重新计算达校准参数矩阵。在第一轨迹数据与第二轨迹数据的轨迹点中，如图6所示，重新选取不同于初次校准中的四组以上的特征点对，更新路侧毫米波雷达的雷达校准参数矩阵。
接着进行校准车辆的校准实验。在路侧毫米波雷达实际监测的道路环境中，带有车载定位装置的校准车辆重新沿道路按照预先设计的复杂路线行驶，复杂路线见图4。在行驶的过程中，带有车载定位装置的校准车辆实时产生带有时间戳的目标车辆轨迹数据，记为第五轨迹数据，数据位于世界坐标系下，并将第五轨迹数据上传至处理单元；路侧毫米波雷达同步获取带有时间戳的目标车辆轨迹检测数据，记为第四轨迹数据，数据位于雷达坐标系下，并将第四轨迹数据上传至处理单元。处理单元按照所更新的雷达校准参数矩阵，将雷达坐标系下的第四轨迹数据点转换至世界坐标系，得到第六轨迹数据，实现坐标转换，此时两类轨迹处于同一坐标系。
最后，处理单元对更新后的雷达校准参数矩阵进行结果验证。按照以下三步依次进行：
①为了解决第五轨迹数据与第六轨迹数据采样频率不一致的问题，对第五轨迹数据与第六轨迹数据进行重采样。重采样求取第五轨迹数据与第六轨迹数据点集中采样时间点的并集。并利用所求取的采样时间点的并集，检查第五轨迹数和第六轨迹数据中分别缺失的时间点，对所检查出的缺失时间点基于三次插值算法补缺横纵坐标，实现重采样，此时两类轨迹处于同一坐标系且采样时间点一致，第五轨迹数据与路侧毫米波雷达所对应的第六轨迹数据点实现一对一匹配。
②为了定量判断路侧毫米波雷达的雷达校准参数是否准确，对经过坐标转换与重采样后的第五、第六轨迹数据进行时空相似度计算。依据时空相似度的表达式，分别代入相同采样时间点下的第五轨迹数据点与第六轨迹数据点对，计算出第五轨迹数据与第二轨迹数据点的时空相似度值。
③处理单元求解完第五轨迹数据与第六轨迹数据的时空相似度值后，将求解结果与预设的精度阈值进行比较。若所求解的时空相似度值小于等于预设的精度阈值，则路侧毫米波雷达无需进行重新校准，流程结束；若所求解的时空相似度值大于预设的精度阈值，则认为路侧毫米波雷达需要进行重新校准，执行第五步，并进行结果验证。
本发明具有技术关键点和优势包括：
使用校准车辆上带有的车载定位装置所采集的数据作为路侧毫米波雷达校准的真值数据， 提供一种自动化、高精度的数据源，有效提升对路侧毫米波雷达的校准精度。同时，使用重采样作为不同采样频率数据匹配的预处理方法，解决了不同采样频率的多源轨迹数据难以进行比较的问题。此外，使用时空相似度的度量方法判断路侧毫米波雷达是否需要进行校准，判断方法简便可行，无需采用人工进行校准。最后，为校准车辆设计采用常规路线与复杂路线行驶方案，对路侧毫米波雷达的校准结果进行多角度的结果验证。
实施例一如下：
(1)路侧毫米波雷达的布设以及时钟同步设置，云端服务器作为处理单元
在上海市嘉定区上汽创新港园区设置实验场景。在实验场景中，在路侧250米等间距设置路侧毫米波雷达，安装高度5.0米，俯角10°，路侧毫米波雷达覆盖道路全部区域，场地空旷且没有到达建筑物遮挡。在用于校准的普通车辆上安装高精度RTK定位设备，RTK安装在校准车辆的顶端，与车辆之间的角度关系保持稳定。接入云端服务器用作处理单元，同时采用网络对路侧毫米波雷达、校准车辆的RTK定位设备、处理单元进行统一授时，使得三者保持时钟同步。
(2)校准车辆按照预先设计的常规路线(曲线)行驶，并将数据上传至云端处理单元。
在园区的实验道路环境中，带有高精度RTK定位设备的校准车辆沿园区的道路，按照预先设计的常规路线中的曲线路线正常行驶。与此同时，校准车辆上的RTK高精度所采集的第一轨迹数据实时上传至云端处理单元；路侧毫米波雷达所采集的第二轨迹数据实时上传至云端处理单元。实现数据的采集与上传。
(3)云端处理单元进行数据处理与数据分析。
经过步骤(2)，采集到的第二轨迹数据的采样频率为10Hz；采集到的校准车辆的第一轨迹数据的采集频率为100Hz。云端处理单元接受到所上传的第一轨迹数据与第二轨迹数据，并对数据进行处理与分析。分别为坐标转换、重采样与时空相似度计算。
①坐标转换：在云端处理单元实现数据采集后，由于第一轨迹数据与第二轨迹数据未处于同一坐标系，因此对第二轨迹数据进行坐标转换。在第一轨迹数据与第二轨迹数据的轨迹点中，选取四组的特征点对，解算路侧毫米波雷达的雷达校准参数矩阵H：
按照所解算的雷达校准参数矩阵，将雷达坐标系下的第二轨迹数据点转换至世界坐标系，得到第三轨迹数据，实现坐标转换，此时两类轨迹处于同一坐标系。
②重采样：为了解决第一轨迹数据与第二轨迹数据采样频率不一致的问题，对第一轨迹数据与第三轨迹数据进行重采样。重采样求取第一轨迹数据与第三轨迹数据点集中采样时间点的并集，并集为[1516783680.132207,…1516783954.932218]。并利用所求取的采样时间点的并集，检查第一轨迹数据和第三轨迹数据中分别缺失的时间点，对所检查出的缺失时间点基于三次插值算法补缺横纵坐标，实现重采样，此时两类轨迹处于同一坐标系且采样时间点一致，第一轨迹数据与路侧毫米波雷达所对应的第三轨迹数据点实现一对一匹配。
③时空相似度计算：为了定量判断路侧毫米波雷达的雷达校准参数是否准确，对经过坐标转换与重采样后的第一、第三轨迹数据进行时空相似度计算。依据时空相似度的表达式，分别代入相同采样时间点下的第一轨迹数据点与第三轨迹数据点对，计算出第一轨迹数据与第二轨迹数据点的时空相似度值
具体地，取空间相似度的权重 则时间的相似度的权重 以不同权重计算所匹配点迹中经过重采样的点与未经过重采样的点迹。取非重采样点对的权重β＝0.6,则重采样点对的权重(1-β)＝0.4。计算sim(p,q)：
相似度函数f的计算方法均按照欧式距离的平均值计算。
(4)判断校准参数的准确度。
在实现时空相似度指标的求解后，将求解结果与预设的阈值δ进行比较。发现求解结果小于预设的阈值，表明路侧毫米波雷达无需重新校准。
实施例二如下：
(1)路侧毫米波雷达的布设以及时钟同步设置，路侧计算机作为处理单元
在上海市嘉定区上汽创新港园区设置实验场景。在实验场景中，在路侧250米等间距设置路侧毫米波雷达，安装高度5.0米，俯角10°，路侧毫米波雷达覆盖道路全部区域，场地空旷且没有到达建筑物遮挡。在用于校准的普通车辆上安装高精度RTK定位设备，RTK安装在校准车辆的顶端，与车辆之间的角度关系保持稳定。接入云端服务器用作处理单元，同时采用网络对路侧毫米波雷达、校准车辆的RTK定位设备、处理单元进行统一授时，使得三者保持时钟同步。
(2)校准车辆按照预先设计的常规路线(环形)行驶，并将数据上传至路侧处理单元。
在园区的实验道路环境中，带有高精度RTK定位设备的校准车辆沿园区的道路，按照预先设计的常规路线中的环形路线正常行驶。与此同时，校准车辆上的RTK高精度所采集的第一轨迹数据实时上传至云端处理单元；路侧毫米波雷达所采集的第二轨迹数据实时上传至云端处理单元。实现数据的采集与上传。
(3)路侧处理单元进行数据处理与数据分析。
经过步骤(2)，采集到的第二轨迹数据的采样频率为10Hz；采集到的校准车辆的第一轨迹数据的采集频率为100Hz。云端处理单元接受到所上传的第一轨迹数据与第二轨迹数据，并对数据进行处理与分析。分别为坐标转换、重采样与时空相似度计算。
①坐标转换：在云端处理单元实现数据采集后，由于第一轨迹数据与第二轨迹数据未处于同一坐标系，因此对第二轨迹数据进行坐标转换。在第一轨迹数据与第二轨迹数据的轨迹点中，选取四组的特征点对，解算路侧毫米波雷达的雷达校准参数矩阵H：
按照所解算的雷达校准参数矩阵，将雷达坐标系下的第二轨迹数据点转换至世界坐标系，得到第三轨迹数据，实现坐标转换，此时两类轨迹处于同一坐标系。
②重采样：为了解决第一轨迹数据与第二轨迹数据采样频率不一致的问题，对第一轨迹数据与第三轨迹数据进行重采样。重采样求取第一轨迹数据与第三轨迹数据点集中采样时间点的并集，并集为[1516783680.132207,…1516783954.932218]。并利用所求取的采样时间点的并 集，检查第一轨迹数据和第三轨迹数据中分别缺失的时间点，对所检查出的缺失时间点基于三次插值算法补缺横纵坐标，实现重采样，此时两类轨迹处于同一坐标系且采样时间点一致，第一轨迹数据与路侧毫米波雷达所对应的第三轨迹数据点实现一对一匹配。
③时空相似度计算：为了定量判断路侧毫米波雷达的雷达校准参数是否准确，对经过坐标转换与重采样后的第一、第三轨迹数据进行时空相似度计算。依据时空相似度的表达式，分别代入相同采样时间点下的第一轨迹数据点与第三轨迹数据点对，计算出第一轨迹数据与第二轨迹数据点的时空相似度值
具体地，取空间相似度的权重 则时间的相似度的权重 以不同权重计算所匹配点迹中经过重采样的点与未经过重采样的点迹。取非重采样点对的权重β＝0.5,则重采样点对的权重(1-β)＝0.5。计算sim(p,q)：
相似度函数f的计算方法均按照欧式距离的平均值计算。
(4)判断校准参数的准确度。
在实现时空相似度指标的求解后，将求解结果与预设的阈值δ进行比较。发现求解结果大于预设的阈值，认为路侧毫米波雷达需要进行重新校准，执行第五步，并进行结果验证。
(5)重新校准与结果验证。
当确定路侧毫米波雷达在步骤(4)中确定需要进行重新校准后，执行当前步骤(5)进行重新校准与结果验证。具体流程示意如图10所示。
首先对路侧毫米波雷达进行重新校准。对于初次校准中的第一轨迹数据与第二轨迹数据，重新计算达校准参数矩阵。在第一轨迹数据与第二轨迹数据的轨迹点中，重新选取不同于初次校准中的四组以上的特征点对，更新路侧毫米波雷达的雷达校准参数矩阵H′。
接着进行校准车辆的校准实验。在路侧毫米波雷达实际监测的道路环境中，带有车载定位装置的校准车辆重新沿道路按照预先设计的复杂路线(路线组合1)行驶，见图4。在行驶的过程中，带有车载定位装置的校准车辆实时产生带有时间戳的目标车辆轨迹数据，记为第五轨迹数据，数据位于世界坐标系下，并将第五轨迹数据上传至处理单元；路侧毫米波雷达同步获取带有时间戳的目标车辆轨迹检测数据，记为第四轨迹数据，数据位于雷达坐标系下，并将第四轨迹数据上传至路侧处理单元。处理单元按照所更新的雷达校准参数矩阵，将雷达坐标系下的第四轨迹数据点转换至世界坐标系，得到第六轨迹数据，实现坐标转换，此时两类轨迹处于同一坐标系。
最后，处理单元对更新后的雷达校准参数矩阵进行结果验证。按照以下三步依次进行：
①为了解决第五轨迹数据与第六轨迹数据采样频率不一致的问题，对第五轨迹数据与第六轨迹数据进行重采样。重采样求取第五轨迹数据与第六轨迹数据点集中采样时间点的并集，，并集为[1516783680.132207,…1516784063.852348]。并利用所求取的采样时间点的并集，检查第五轨迹数和第六轨迹数据中分别缺失的时间点，对所检查出的缺失时间点基于三次插值算法 补缺横纵坐标，实现重采样，此时两类轨迹处于同一坐标系且采样时间点一致，第五轨迹数据与路侧毫米波雷达所对应的第六轨迹数据点实现一对一匹配。
②为了定量判断路侧毫米波雷达的雷达校准参数是否准确，对经过坐标转换与重采样后的第五、第六轨迹数据进行时空相似度计算。依据时空相似度的表达式，分别代入相同采样时间点下的第五轨迹数据点与第六轨迹数据点对，计算出第五轨迹数据与第二轨迹数据点的时空相似度值。
具体地，取空间相似度的权重 则时间的相似度的权重 以不同权重计算所匹配点迹中经过重采样的点与未经过重采样的点迹。取非重采样点对的权重β＝0.5,则重采样点对的权重(1-β)＝0.5。计算sim(p,q)：
相似度函数f的计算方法均按照欧式距离的平均值计算。
③处理单元求解完第五轨迹数据与第六轨迹数据的时空相似度值后，将求解结果与预设的精度阈值进行比较。所求解的时空相似度值小于等于预设的精度阈值δ，则路侧毫米波雷达此次重新校准较为准确，流程结束。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权力要求的保护范围为准。

Claims (12)

  1. 一种基于车载定位装置的路侧毫米波雷达校准方法，所述方法涉及校准车辆、路侧毫米波雷达以及处理单元，包括以下步骤：
    1)对校准车辆的车载定位装置设置不小于路侧毫米波雷达的采样频率，对带有车载定位装置的校准车辆、路侧毫米波雷达以及处理单元设置时钟同步；
    2)所述带有车载定位装置的校准车辆按照预先设计的一种常规路线在所述路侧毫米波雷达的覆盖范围内进行行驶，输出第一轨迹数据与第二轨迹数据；
    3)所述处理单元收集带有所述车载定位装置的校准车辆与所述路侧毫米波雷达所产生的第一轨迹数据、第二轨迹数据，进行坐标转换后得出第三轨迹数据，对第一轨迹数据与第三轨迹数据进行数据处理与分析，输出第一轨迹数据与第三轨迹数据的时空相似度数值；
    4)所述处理单元根据时空相似度数值与时空相似度阈值，若判断路侧毫米波雷达的参数无需校准，则本次校准结束；若处理单元判断路侧毫米波雷达的参数需要校准，则对路侧毫米波雷达的参数进行校准；
    5)处理单元在对路侧毫米波雷达的参数进行校准后，进行如下验证步骤：
    5.1)带有车载定位装置的校准车辆按照预先设计的一种复杂路线或另一种常规路线在路侧毫米波雷达的覆盖范围内进行行驶，输出第四轨迹数据与第五轨迹数据；
    5.2)对所输出的第四轨迹数据与第五轨迹数据，执行步骤3)输出时空相似度数值；对所输出的时空相似度数值，执行步骤4)；
    若判断路侧毫米波雷达的参数小于等于时空相似度阈值，则本次路侧毫米波雷达的标定参数满足要求；
    若所计算获得的时空相似度数值大于时空相似度阈值，则可按照以下三个备选方案进行处理：
    5.2.1)不对毫米波雷达的标定参数进行校准，即按照首次获取的雷达标定参数暂时作为雷达的标定参数；
    5.2.2)对毫米波雷达的标定参数进行校准，即按照更新后的雷达标定参数暂时作为雷达的标定参数；
    5.2.3)重新执行步骤1)至步骤4)，若步骤4)所得的时空相似度数值小于时空相似度阈值，则校准结束；若步骤4)所得的时空相似度数值大于等于时空相似度阈值，则将该毫米波雷达标定为故障雷达上报处理单元。
  2. 如权利要求1所述的方法，其特征在于，所述路侧毫米波雷达的安装位置分为三类，即安装于道路左侧、安装于道路右侧以及安装于道路的中央；所述毫米波雷达具有识别移动车辆目标的能力，能够输出检测目标的定位数据。
  3. 如权利要求1所述的方法，其特征在于，所述带有车载定位装置的校准车辆按照车辆类型不同可划分为两类，一类指内嵌安装有高精度定位装置的自动驾驶车辆，自动驾驶车辆能够对车辆位置进行精准定位，输出实时的车辆定位数据；另一类指外带定位设备的校准车辆，校准车辆搭载高精度定位装置，能够对车辆位置进行精准定位，并通过处理单元输出实时的车辆定位数据；校准车辆带有的车载定位装置的采样频率不小于路侧毫米波雷达。
  4. 如权利要求1所述的方法，其特征在于，所述路侧毫米波雷达参数的校准，是指对路侧毫米波雷达校准参数矩阵的校准，即对毫米波雷达坐标系转换至世界坐标系坐标的转换参数的修正与更新。
  5. 如权利要求1所的述方法，其特征在于，所述处理单元具有对数据进行收集、处理分析与上传的功能；同时所述处理单元调整带有车载定位装置的校准车辆与路侧毫米波雷达时间时钟，使之与处理单元的时钟时间严格同步，实现时钟同步。
  6. 如权利要求5所的述方法，其特征在于，所述处理单元采用如下三种方式之一：
    6.1)云端处理单元，与路侧毫米波雷达与带有车载定位装置的校准车辆连接；
    6.2)基站处理单元，作为独立基站在处理中心安装；
    6.3)内嵌式处理单元，内嵌于路侧毫米波雷达或校准车辆。
  7. 如权利要求1所的述方法，其特征在于，所述第一轨迹数据与第二轨迹数据的获得方法为：在行驶的过程中，所述车载定位装置的校准车辆实时产生带有时间戳的目标车辆轨迹数据，记为第一轨迹数据，第一轨迹数据位于世界坐标系下，并将第一轨迹数据上传至处理单元；路侧毫米波雷达同步获取带有时间戳的目标车辆轨迹检测数据，记为第二轨迹数据，第二轨迹数据位于雷达坐标系下，并将第二轨迹数据上传至处理单元。
  8. 如权利要求1所的述方法，其特征在于，所述处理单元进行数据处理与数据分析，包含三个步骤：1)坐标转换，2)重采样，3)时空相似度计算。
  9. 如权利要求8所述的方法，其特征在于，所述坐标转换的方法包括：
    ①在第一轨迹数据与第二轨迹数据中，利用手动或自动的方式选取四组对应的特征点对；
    ②基于所述四组特征点对，分别将第一轨迹数据点(x r,y r,z r)，与第二轨迹数点(x v,y v,z v)代入下式中，计算雷达校准参数矩阵H：
    ③根据所求解的雷达校准参数矩阵H，将第二轨迹数据点(x r,y r,z r)转换至世界坐标系下的(x′ r,y′ r,z′ r)，作为第三轨迹数据：
    其中，参数x r表示路侧毫米波雷达在雷达坐标系中的X坐标，参数x′ r表示路侧毫米波雷
    达在雷达坐标系中的X坐标转换到世界坐标系后新的坐标数据；
    参数y r表示路侧毫米波雷达在基准坐标系中的Y坐标，参数y′ r表示路侧毫米波雷达在雷达坐标系中的Y坐标转换到世界坐标系后新的坐标数据；
    参数z r表示路侧毫米波雷达在基准坐标系中的Z坐标，参数z′ r表示路侧毫米波雷达在雷达坐标系中的Z坐标转换到世界坐标系后新的坐标数据。
  10. 如权利要求8所述的方法，其特征在于，所述重采样的方法包括：
    ①对于第一轨迹数据与第三轨迹数据，求取第一轨迹数据与第三轨迹数据点集中采样时间点的并集T all：T 1∪T 2＝T all
    ②利用所求取的采样时间点的并集T all，检查第一轨迹数据和第三轨迹数据中分别缺失的时间点。对所检查出的缺失时间点，基于三次插值算法补缺横纵坐标；通过已知轨迹点拟合三次函数G x、G y：
    G x＝ax 3+bx 2+cx+d
    G y＝ex 3+fx 2+gx+h
    ③以T all时刻点作为重采样的时间点，通过三次函数G x、G y实现重采样；此时两类轨迹处于同一坐标系且采样时间点一致，第一轨迹数据与路侧毫米波雷达所对应的第三轨迹数据点实现一对一匹配；
    其中，参数a,b,c,d代表用于拟合轨迹X坐标的三次插值函数G x的系数；
    参数e,f,g,h代表用于拟合轨迹坐标Y的三次插值函数G y的系数。
  11. 如权利要求8所述的方法，其特征在于，所述时空相似度计算，是指对经过坐标转换与重采样后的第一轨迹数据、第三轨迹数据进行时空相似度计算；依据时空相似度的表达式：
    分别代入相同采样时间点下的第一轨迹数据点与第三轨迹数据点对，计算出第一轨迹数据与第二轨迹数据点的时空相似度值；
    其中，参数 代表空间相似度的权重，采用权重参数 自由调节空间相似度与时间相似度所占比重；
    参数β代表非重采样点相似度的权重，采用权重参数β自由调节非重采样点相似度与重采样点相似度所占比重；
    参数f S代表空间相似度，参数f T表示时间相似度，参数 表示非重采样点之间的相似度，参数 表示重采样点之间的相似度。
  12. 如权利要求11所述的方法，其特征在于，若相似度 小于等于相似度阈值d，则认为雷达校准参数矩阵H满足精度要求；若相似 大于相似度阈值d，则认为雷达校准参数矩阵H不满足精度要求，路侧毫米波雷达需要进行重新校准。
CN202280026659.7A 2021-01-01 2022-04-01 一种基于车载定位装置的路侧毫米波雷达校准方法 Pending CN117836653A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CN202110000327 2021-01-01
CN202110228419 2021-03-01
PCT/CN2021/085149 WO2022141913A1 (zh) 2021-01-01 2021-04-01 一种基于车载定位装置的路侧毫米波雷达校准方法
CNPCT/CN2021/085149 2021-04-01
PCT/CN2022/084929 WO2022206978A1 (zh) 2021-01-01 2022-04-01 一种基于车载定位装置的路侧毫米波雷达校准方法

Publications (1)

Publication Number Publication Date
CN117836653A true CN117836653A (zh) 2024-04-05

Family

ID=82260124

Family Applications (5)

Application Number Title Priority Date Filing Date
CN202180011148.3A Pending CN116685873A (zh) 2021-01-01 2021-04-01 一种面向车路协同的感知信息融合表征及目标检测方法
CN202280026658.2A Pending CN117441113A (zh) 2021-01-01 2022-04-01 一种面向车路协同的感知信息融合表征及目标检测方法
CN202280026657.8A Pending CN117441197A (zh) 2021-01-01 2022-04-01 一种基于行车安全风险场的激光雷达点云动态分割及融合方法
CN202280026656.3A Pending CN117836667A (zh) 2021-01-01 2022-04-01 一种基于路侧感知单元的静态和非静态物体点云识别方法
CN202280026659.7A Pending CN117836653A (zh) 2021-01-01 2022-04-01 一种基于车载定位装置的路侧毫米波雷达校准方法

Family Applications Before (4)

Application Number Title Priority Date Filing Date
CN202180011148.3A Pending CN116685873A (zh) 2021-01-01 2021-04-01 一种面向车路协同的感知信息融合表征及目标检测方法
CN202280026658.2A Pending CN117441113A (zh) 2021-01-01 2022-04-01 一种面向车路协同的感知信息融合表征及目标检测方法
CN202280026657.8A Pending CN117441197A (zh) 2021-01-01 2022-04-01 一种基于行车安全风险场的激光雷达点云动态分割及融合方法
CN202280026656.3A Pending CN117836667A (zh) 2021-01-01 2022-04-01 一种基于路侧感知单元的静态和非静态物体点云识别方法

Country Status (3)

Country Link
CN (5) CN116685873A (zh)
GB (2) GB2620877A (zh)
WO (9) WO2022141912A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114724362B (zh) * 2022-03-23 2022-12-27 中交信息技术国家工程实验室有限公司 一种车辆轨迹数据处理方法
CN115358530A (zh) * 2022-07-26 2022-11-18 上海交通大学 一种车路协同感知路侧测试数据质量评价方法
CN115236628B (zh) * 2022-07-26 2024-05-31 中国矿业大学 一种基于激光雷达检测车厢残留货物的方法
CN115113157B (zh) * 2022-08-29 2022-11-22 成都瑞达物联科技有限公司 一种基于车路协同雷达的波束指向校准方法
CN115166721B (zh) * 2022-09-05 2023-04-07 湖南众天云科技有限公司 路侧感知设备中雷达与gnss信息标定融合方法及装置
CN115480243B (zh) * 2022-09-05 2024-02-09 江苏中科西北星信息科技有限公司 多毫米波雷达端边云融合计算集成及其使用方法
CN115272493B (zh) * 2022-09-20 2022-12-27 之江实验室 一种基于连续时序点云叠加的异常目标检测方法及装置
CN115235478B (zh) * 2022-09-23 2023-04-07 武汉理工大学 基于视觉标签和激光slam的智能汽车定位方法及***
CN115830860B (zh) * 2022-11-17 2023-12-15 西部科学城智能网联汽车创新中心(重庆)有限公司 交通事故预测方法及装置
CN115966084B (zh) * 2023-03-17 2023-06-09 江西昂然信息技术有限公司 全息路口毫米波雷达数据处理方法、装置及计算机设备
CN116189116B (zh) * 2023-04-24 2024-02-23 江西方兴科技股份有限公司 一种交通状态感知方法及***
CN117452392B (zh) * 2023-12-26 2024-03-08 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种用于车载辅助驾驶***的雷达数据处理***和方法
CN117471461B (zh) * 2023-12-26 2024-03-08 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种用于车载辅助驾驶***的路侧雷达服务装置和方法
CN117961915B (zh) * 2024-03-28 2024-06-04 太原理工大学 煤矿掘进机器人的智能辅助决策方法

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6661370B2 (en) * 2001-12-11 2003-12-09 Fujitsu Ten Limited Radar data processing apparatus and data processing method
EP2923174A2 (en) * 2012-11-22 2015-09-30 GeoSim Systems Ltd. Point-cloud fusion
KR101655606B1 (ko) * 2014-12-11 2016-09-07 현대자동차주식회사 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법
TWI597513B (zh) * 2016-06-02 2017-09-01 財團法人工業技術研究院 定位系統、車載定位裝置及其定位方法
CN105892471B (zh) * 2016-07-01 2019-01-29 北京智行者科技有限公司 汽车自动驾驶方法和装置
WO2018126248A1 (en) * 2017-01-02 2018-07-05 Okeeffe James Micromirror array for feedback-based image resolution enhancement
KR102056147B1 (ko) * 2016-12-09 2019-12-17 (주)엠아이테크 자율주행차량을 위한 거리 데이터와 3차원 스캔 데이터의 정합 방법 및 그 장치
CN106846494A (zh) * 2017-01-16 2017-06-13 青岛海大新星软件咨询有限公司 倾斜摄影三维建筑物模型自动单体化算法
US10281920B2 (en) * 2017-03-07 2019-05-07 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
CN108629231B (zh) * 2017-03-16 2021-01-22 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、设备及存储介质
CN107133966B (zh) * 2017-03-30 2020-04-14 浙江大学 一种基于采样一致性算法的三维声纳图像背景分割方法
CN108932462B (zh) * 2017-05-27 2021-07-16 华为技术有限公司 驾驶意图确定方法及装置
FR3067495B1 (fr) * 2017-06-08 2019-07-05 Renault S.A.S Procede et systeme d'identification d'au moins un objet en deplacement
CN109509260B (zh) * 2017-09-14 2023-05-26 阿波罗智能技术(北京)有限公司 动态障碍物点云的标注方法、设备及可读介质
CN107609522B (zh) * 2017-09-19 2021-04-13 东华大学 一种基于激光雷达和机器视觉的信息融合车辆检测***
CN108152831B (zh) * 2017-12-06 2020-02-07 中国农业大学 一种激光雷达障碍物识别方法及***
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知***
CN108639059B (zh) * 2018-05-08 2019-02-19 清华大学 基于最小作用量原理的驾驶人操控行为量化方法及装置
CN109188379B (zh) * 2018-06-11 2023-10-13 深圳市保途者科技有限公司 驾驶辅助雷达工作角度的自动校准方法
CN112368598A (zh) * 2018-07-02 2021-02-12 索尼半导体解决方案公司 信息处理设备、信息处理方法、计算机程序和移动设备
US10839530B1 (en) * 2018-09-04 2020-11-17 Apple Inc. Moving point detection
CN109297510B (zh) * 2018-09-27 2021-01-01 百度在线网络技术（北京）有限公司 相对位姿标定方法、装置、设备及介质
CN111429739A (zh) * 2018-12-20 2020-07-17 阿里巴巴集团控股有限公司 一种辅助驾驶方法和***
JP7217577B2 (ja) * 2019-03-20 2023-02-03 フォルシアクラリオン・エレクトロニクス株式会社 キャリブレーション装置、キャリブレーション方法
CN110296713B (zh) * 2019-06-17 2024-06-04 广州卡尔动力科技有限公司 路侧自动驾驶车辆定位导航***及单个、多个车辆定位导航方法
CN110220529B (zh) * 2019-06-17 2023-05-23 深圳数翔科技有限公司 一种路侧自动驾驶车辆的定位方法
CN110532896B (zh) * 2019-08-06 2022-04-08 北京航空航天大学 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法
CN110443978B (zh) * 2019-08-08 2021-06-18 南京联舜科技有限公司 一种摔倒报警设备及方法
CN110458112B (zh) * 2019-08-14 2020-11-20 上海眼控科技股份有限公司 车辆检测方法、装置、计算机设备和可读存储介质
CN110850378B (zh) * 2019-11-22 2021-11-19 深圳成谷科技有限公司 一种路侧雷达设备自动校准方法和装置
CN110850431A (zh) * 2019-11-25 2020-02-28 盟识(上海)科技有限公司 一种拖车偏转角的测量***和方法
CN110906939A (zh) * 2019-11-28 2020-03-24 安徽江淮汽车集团股份有限公司 自动驾驶定位方法、装置、电子设备、存储介质及汽车
CN111121849B (zh) * 2020-01-02 2021-08-20 大陆投资(中国)有限公司 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感***
CN111999741B (zh) * 2020-01-17 2023-03-14 青岛慧拓智能机器有限公司 路侧激光雷达目标检测方法及装置
CN111157965B (zh) * 2020-02-18 2021-11-23 北京理工大学重庆创新中心 车载毫米波雷达安装角度自校准方法、装置及存储介质
CN111476822B (zh) * 2020-04-08 2023-04-18 浙江大学 一种基于场景流的激光雷达目标检测与运动跟踪方法
CN111554088B (zh) * 2020-04-13 2022-03-22 重庆邮电大学 一种多功能v2x智能路侧基站***
CN111192295B (zh) * 2020-04-14 2020-07-03 中智行科技有限公司 目标检测与跟踪方法、设备和计算机可读存储介质
CN111537966B (zh) * 2020-04-28 2022-06-10 东南大学 一种适用于毫米波车载雷达领域的阵列天线误差校正方法
CN111766608A (zh) * 2020-06-12 2020-10-13 苏州泛像汽车技术有限公司 一种基于激光雷达的环境感知***
CN111880191B (zh) * 2020-06-16 2023-03-28 北京大学 基于多智能体激光雷达和视觉信息融合的地图生成方法
CN111880174A (zh) * 2020-07-03 2020-11-03 芜湖雄狮汽车科技有限公司 一种用于支持自动驾驶控制决策的路侧服务***及其控制方法
CN111914664A (zh) * 2020-07-06 2020-11-10 同济大学 基于重识别的车辆多目标检测和轨迹跟踪方法
CN111985322B (zh) * 2020-07-14 2024-02-06 西安理工大学 一种基于激光雷达的道路环境要素感知方法
CN111862157B (zh) * 2020-07-20 2023-10-10 重庆大学 一种机器视觉与毫米波雷达融合的多车辆目标跟踪方法
CN112019997A (zh) * 2020-08-05 2020-12-01 锐捷网络股份有限公司 一种车辆定位方法及装置
CN112509333A (zh) * 2020-10-20 2021-03-16 智慧互通科技股份有限公司 一种基于多传感器感知的路侧停车车辆轨迹识别方法及***

Also Published As

Publication number Publication date
WO2022141912A1 (zh) 2022-07-07
CN117836667A (zh) 2024-04-05
WO2022141911A1 (zh) 2022-07-07
WO2022206974A1 (zh) 2022-10-06
GB202313215D0 (en) 2023-10-11
CN117441197A (zh) 2024-01-23
WO2022206978A1 (zh) 2022-10-06
CN117441113A (zh) 2024-01-23
WO2022206942A1 (zh) 2022-10-06
WO2022141910A1 (zh) 2022-07-07
GB2618936A (en) 2023-11-22
CN116685873A (zh) 2023-09-01
WO2022141913A1 (zh) 2022-07-07
GB202316625D0 (en) 2023-12-13
WO2022141914A1 (zh) 2022-07-07
WO2022206977A1 (zh) 2022-10-06
GB2620877A (en) 2024-01-24

Similar Documents

Publication Publication Date Title
CN117836653A (zh) 一种基于车载定位装置的路侧毫米波雷达校准方法
CN103176185B (zh) 用于检测道路障碍物的方法及***
CN112836737A (zh) 一种基于车路数据融合的路侧组合感知设备在线标定方法
CN102208013B (zh) 风景匹配参考数据生成***和位置测量***
CN110322702A (zh) 一种基于双目立体视觉***的车辆智能测速方法
CN113340325B (zh) 一种验证车路协同路侧感知融合精度的***、方法及介质
CN112363167A (zh) 一种基于毫米波雷达与单目相机融合的扩展目标跟踪方法
CN110864696A (zh) 一种基于车载激光惯导数据的三维高精地图绘制方法
JP6465421B1 (ja) 構造物変状検出装置
CN114758504A (zh) 一种基于滤波校正的网联车超速预警方法及***
CN111325187B (zh) 一种车道位置的识别方法及装置
CN113252051A (zh) 一种地图构建方法及装置
CN114488094A (zh) 一种车载多线激光雷达与imu外参数自动标定方法及装置
CN114663473A (zh) 基于多视角信息融合的人员目标定位与追踪方法及***
CN116635739A (zh) 一种基于车载定位装置的路侧毫米波雷达校准方法
CN116736322B (zh) 融合相机图像与机载激光雷达点云数据的速度预测方法
CN117198057A (zh) 一种面向路侧感知轨迹数据质量检评的实验方法及***
CN206096937U (zh) 无人配送车
CN117310627A (zh) 一种应用于车路协同路侧感知***的联合标定方法
CN117029840A (zh) 一种移动车辆定位方法及***
CN110095776B (zh) 用于确定对象的存在和/或特性的方法和周围环境识别设备
Zhang et al. A Roadside Millimeter-Wave Radar Calibration Method Based on Connected Vehicle Technology
CN112163059A (zh) 基于量产车的地图数据更新方法、装置和***
CN111141252A (zh) 一种单目标定测距的方法及***
US20230025579A1 (en) High-definition mapping

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