具有用于点云融合的探测器制造技术

公开了一种用于确定所有外参矩阵是否准确的方法、装置和系统。获得了基于安装在一个ADV上的多个LIDAR设备的同时输出的多个LIDAR融合后点云。对获得的多个点云进行滤波，以获得第一组点，该第一组点包括落入兴趣域内的多个点云中的所有点。第一组点中的每个点都对应于在上下方向上的轴线上的一个坐标值。获得第一多个坐标值的分布。确定第一多个坐标值的分布中的峰值量。基于第一多个坐标值的分布中的峰值量，确定与多个LIDAR设备相关联的所有外参矩阵是否准确。参矩阵是否准确。参矩阵是否准确。

【技术实现步骤摘要】
【国外来华专利技术】具有用于点云融合的探测器


[0001]本公开的实施例大体涉及操作自动驾驶车辆(autonomous driving vehicle，ADV)。更特别地，本公开的实施例涉及自动驾驶车辆中的传感器的校准。

技术介绍

[0002]以自动模式(例如，无人驾驶)操作的车辆可以减轻乘坐者，尤其是驾驶员的一些驾驶相关责任。当以自动模式操作时，车辆可以使用车载传感器导航到各种位置，从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
[0003]LIDAR(激光雷达、或光和雷达的合成词)技术已广泛用于军事、地理、海洋学以及近十年来的自动驾驶车辆中。LIDAR设备可以在扫描通过场景以收集表示对象的反射面的点云时估计到对象的距离。点云中的各个点可以通过以下方式确定：发射激光脉冲并检测从对象反射的返回脉冲(如果有)，并根据所发射的脉冲和接收反射脉冲之间的时间延迟来确定到对象的距离脉冲。一束或几束激光可以在整个场景中快速重复扫描，以提供到场景中的反射对象的距离的连续实时信息。一束激光的每旋转一圈会产生一圈点。
[0004]一些ADV可能配备有不止一个LIDAR设备，以减少或消除盲区。在将多个LIDAR设备的输出点云用于进一步处理(例如感知和规划过程)之前，需要将其转换至统一参考系。所使用的统一参考系通常可以是ADV的惯性测量单元(Inertial Measurement Unit，IMU)的参考系。这样的转换可以被称为LIDAR融合，并且基于可以采用外部变换/校准矩阵(或者简单地，“外参矩阵”)形式的外部校准参数。每个LIDAR设备可以对应于一个外参矩阵，该外参矩阵可以用于将LIDAR设备的点云输出转换为公共参考系。外部矩阵的计算以及基于外部矩阵的点云参考系的转换在本领域中是众所周知的。
[0005]LIDAR融合过程中使用的外参矩阵的不准确性可能会导致点云融合的错误，因此会导致例如包括对象探测过程的后续感知和规划过程的错误。由于错误的校准或计算，外参矩阵可能不准确，或者由于自从上次计算外参矩阵以来的LIDAR设备的姿势动作，外参矩阵可能已经不准确。
附图说明
[0006]本公开的实施例通过示例的方式示出并且不限于附图中的图，在附图中相同的附图标记表示相似的元件。
[0007]图1是示出根据一个实施例的网络系统的框图。
[0008]图2是示出根据一个实施例的自动驾驶车辆的示例的框图。
[0009]图3A
‑
3B是示出根据一个实施例的与自动驾驶车辆一起使用的自动驾驶系统的示例的框图。
[0010]图4是示出根据一个实施例的在确定所有外参矩阵是否准确中使用的各种模块的框图。
[0011]图5是示出根据一个实施例的第一多个坐标值的示例分布的示例直方图。
[0012]图6是示出根据一个实施例的用于确定所有外参矩阵是否准确的示例方法的流程图。
具体实施方式
[0013]将参考以下讨论的细节描述本公开的各个实施例和方面，并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各个实施例的全面理解。然而，在某些情况下，为了提供对本公开的实施例的简要讨论，没有描述公知或常规的细节。
[0014]说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。
[0015]公开了一种用于确定与多个LIDAR设备相关联的所有外参矩阵是否准确的方法、设备和系统。根据一些实施例，获得基于来自安装在一个自动驾驶车辆(ADV)处的多个LIDAR设备的同时输出的多个LIDAR融合后点云。基于来自多个LIDAR设备中的每一个的输出，获得点云的相应的第一量的连续帧。对获得的多个点云进行滤波，以获得第一组点，该第一组点包括落入兴趣域内的多个点云中的所有点。兴趣域从鸟瞰视角是封闭区域。获得第一组点在上下方向上的轴线上的第一多个坐标值。第一组点中的每个点与在上下方向上的轴线上的一个坐标值相对应。获得第一多个坐标值的分布。确定第一多个坐标值的分布中的峰值量。基于第一多个坐标值的分布中的峰值量，确定与多个LIDAR设备相关联的所有外参矩阵是否准确。此后，响应于确定与多个LIDAR设备相关联的所有外参矩阵并非都准确，提示用户重新校准外参矩阵。
[0016]在一个实施例中，基于第一多个坐标值的分布中的峰值量来确定与多个LIDAR设备相关联的所有外参矩阵是否准确包括：当在第一多个坐标值的分布中存在单个峰值时，确定所有外参矩阵都是准确的，以及当在第一多个坐标值的分布中存在不止一个峰值时，确定并非所有外参矩阵都准确。
[0017]在一个实施例中，当在距ADV的预定范围内的可检测地上对象的数量低于阈值时，获得多个LIDAR融合后点云。在一个实施例中，在兴趣域内不存在可检测地上对象。
[0018]在一个实施例中，点云的相应的第一量的连续帧包括点云的100到100,000个之间的帧。
[0019]在一个实施例中，获得第一多个坐标值的分布包括生成第一多个坐标值的直方图。在一个实施例中，直方图的区间大小在0.05米(m)至0.5m之间。
[0020]图1是示出根据本公开的一个实施例的自动驾驶网络配置的框图。参照图1，网络配置100包括自动驾驶车辆(ADV)101，其可以通过网络102通信地耦接到一个或多个服务器103
‑
104。尽管示出了一个ADV，但是多个ADV可以通过网络102彼此耦接合/或耦接到服务器103
‑
104。网络102可以是任何类型的网络，例如局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络、或其组合，有线或无线。服务器103
‑
104可以是任何种类的服务器或服务器集群，例如Web或云服务器，应用服务器，后端服务器或其组合。服务器103
‑
104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
[0021]ADV是指可以是被配置为处于自动模式的车辆，在该模式下，车辆在几乎很少或没有驾驶员输入的情况下导航通过环境。这样的ADV可以包括具有一个或多个传感器的传感器系统，传感器被配置为检测关于车辆运行时的环境的信息。车辆及其关联的控制器利用检测到的信息导航通过环境。ADV 101可以在手动模式、完全自动模式或部分自动模式下操作。
[0022]在一个实施例中，ADV 101包括但不限于自动驾驶系统(ADS)110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。ADV 101可以进一步包括在普通车辆中包括的某些通用组件，诸如发动机、车轮、方向盘、变速器等，这些组件可以由车辆控制系统111和/或ADS 110使用各种通信信号和/或命令来控制，例如加速信号或命令、减速信号或命令本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，所述方法包括：获取基于来自安装在一个自动驾驶车辆ADV上的多个LIDAR设备的输出的多个LIDAR融合后点云；对获得的多个点云进行过滤以获得兴趣域内的第一组点；获取第一组点在垂直方向上的轴线上的第一多个坐标值，第一组点中的每个点对应于在所述垂直方向上的轴线上的一个坐标值；获取第一多个坐标值的分布，以确定第一多个坐标值的分布中的峰值量；和基于第一多个坐标值的分布中的峰值量，确定与多个LIDAR设备相关联的所有外参矩阵是否均有效，其中，外参矩阵用于将后续点云转换为统一格式，以感知ADV的驾驶环境。2.如权利要求1所述的方法，确定与多个LIDAR设备相关联的所有外参矩阵是否均有效包括：当第一多个坐标值的分布中的峰值的数量低于第一预定阈值时，确定所有外参矩阵均有效，并且当第一多个坐标值的分布中的峰值的数量大于第二预定阈值时，确定所有外参矩阵均无效。3.如权利要求2所述的方法，其中，在分布中存在一个以上的峰值的情况下，与LIDAR设备相关联的所有外参矩阵都是无效的。4.如权利要求1所述的方法，其中，当在距ADV的预定范围内的可检测地上对象的数量低于预定阈值时，获得多个LIDAR融合后点云。5.如权利要求1所述的方法，其中，每个LIDAR设备生成点云的连续帧大约在点云的100到100,000个帧之间。6.如权利要求1所述的方法，其中，在兴趣域内不存在可检测地上对象。7.如权利要求1所述的方法，其中获得第一多个坐标值的分布包括生成第一多个坐标值的直方图。8.如权利要求7所述的方法，其中，直方图的区间大小在0.05米至0.5米之间。9.如权利要求1所述的方法，其中，兴趣域从鸟瞰视角表示封闭区域。10.一种非暂时性机器可读介质，具有存储在其中的指令，所述指令在由处理器执行时使处理器执行操作，所述操作包括：获取基于来自安装在一个自动驾驶车辆ADV上的多个LIDAR设备的输出的多个LIDAR融合后点云；对获得的多个点云进行过滤以获得兴趣域内的第一组点；获取第一组点在垂直方向上的轴线上的第一多个坐标值，其中，第一组点中的每个点对应于在垂直方向上的轴线上的一个坐标值；获取第一多个坐标值的分布，以确定第一多个坐标值的分布中的峰值量；以及基于第一多个坐标值的分布中的峰值量，确定与多个LIDAR设备相关联的所有外参矩阵是否均有效，其中外参矩阵用...

【专利技术属性】
技术研发人员：刘祥，张双，高斌，高懂超，朱帆，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：