一种自动驾驶车辆传感器误差分布标定方法技术

本发明专利技术提供一种自动驾驶车辆传感器误差分布标定方法，通过传感器真值系统获取车辆周围环境的准确信息，同时收集智能驾驶车辆所有传感器对周围环境的感知信息。利用网格划分的方法，将每个传感器的可探测区域划分为多个子区域，在每个子区域中统计真值和传感器的观测值，进而得到传感器误差分布。本发明专利技术可以解决智能驾驶车辆传感器误差分布难以准确获取的问题。问题。问题。

【技术实现步骤摘要】
一种自动驾驶车辆传感器误差分布标定方法


[0001]本专利技术属于汽车智能驾驶领域，具体涉及传感器误差分布标定方法。

技术介绍

[0002]在车辆智能驾驶系统中，智能驾驶域控制器接收多个传感器信号，信号中包括行驶环境中目标的位置、速度、加速度。这些信息均属于传感器的观测值，由于观测都是存在误差的，每个传感器观测值的误差分布对后续的滤波算法和信号处理逻辑极为重要，直接影响最终多传感器融合输出的目标质量，进而影响后续智能驾驶系统的决策规划。

技术实现思路

[0003]针对目前智能驾驶车辆传感器误差分布难以准确获取的问题，本专利技术提供一种自动驾驶车辆传感器误差分布标定方法。
[0004]本专利技术解决其技术问题所采用的技术方案：一种自动驾驶车辆传感器误差分布标定方法，其特点包括下述步骤：步骤1：同时从真值系统和传感器输出接口收集信号，并对每个信号赋予接收时的绝对时间。
[0005]步骤2：对真值系统数据和传感器数据进行时间同步操作，筛选出同时刻，真值系统、传感器输出的目标信息。
[0006]步骤3：对同步后的真值数据和传感数据进行关联，筛选出同时刻、同一物体，真值系统、传感器输出的目标信息。
[0007]步骤4：求同时刻、同一物体真值系统、传感器输出目标属性的误差，如横纵向位置、速度、加速度误差。
[0008]步骤5：统计划分网格中误差分布，拟合分布曲线。
[0009]本方法通过传感器真值系统获取车辆周围环境的准确信息，同时收集智能驾驶车辆所有传感器对周围环境的感知信息。利用网格划分的方法，将每个传感器的可探测区域划分为多个子区域，在每个子区域中统计真值和传感器的观测值，进而得到传感器误差分布，由此可以准确获取智能驾驶车辆传感器误差分布。
附图说明
[0010]图1真值、传感器系统数据采集框图；图2真值、传感器数据时间同步流程图；图3真值、传感器数据关联流程图；图4传感器误差统计示意图；图5传感器误差分布曲线拟合示意图。
具体实施方式
[0011]下面结合附图对本专利技术进行进一步的描述：本实施例提供一种自动驾驶车辆传感器误差分布标定方法，包括下述步骤：步骤1：真值、传感器系统数据采集：同时从真值系统和传感器输出接口收集信号，并对每个信号赋予接收时的绝对时间。
[0012]如图1所示，真值、传感器系统数据采集过程：真值系统激光雷达通过以太网的方式将感知信息（点云信息）发送给真值系统ECU，ECU中的点云算法模块将点云信息处理成目标信息后，再通过以太网的方式将目标信息发送给数据采集电脑；智能驾驶系统的各个传感器，如前视觉传感器、前毫米波雷达等，以CAN信号的方式将目标信息发送在汽车CAN总线上，利用USB
‑
CAN数据采集卡从CAN总线上获取传感器信号，再通过USB接口传输给数据采集电脑；数据采集电脑收到真值系统的目标信息和传感器的目标信息后，保存为同样的数据格式。
[0013]步骤2：对真值系统数据和传感器数据进行时间同步操作，筛选出同时刻，真值系统、传感器输出的目标信息。
[0014]如图2所示，真值、传感器数据时间同步流程：遍历传感数据，将传感信息每一帧时间戳和真值信息时间戳做差值，若此差值绝对值小于阈值则表示此帧数据传感器与真值系统同步成功，否则没有同步成功，即跳过此帧数据继续下一帧数据。
[0015]步骤3：对同步后的真值数据和传感数据进行关联，筛选出同时刻、同一物体，真值系统、传感器输出的目标信息。
[0016]如图3所示，真值、传感器数据关联流程：遍历同步后的真值、传感器数据，第一步判断位置信息是否满足要求，即传感器输出的位置坐标（x1,y1）、真值输出的坐标（xt,yt）,求两点的欧式距离d = sqrt((x1
‑
xt)2+(y1
‑
yt)2)，若d小于设定的阈值即满足位置匹配要求，则继续判断速度是否满足要求，否则进入下一帧数据判定；速度判定与位置判定的思路一致，也是利用两者的欧式距离进行判定。
[0017]步骤4：求同时刻、同一物体真值系统、传感器输出目标属性的误差，如横纵向位置、速度、加速度误差。
[0018]如图4所示，传感器误差统计示意图，横坐标表示误差值 = 传感器观测值
‑
真值系统真值，纵坐标为统计次数；本例图为前视觉传感器的观测值与真值的误差统计图。
[0019]步骤5：统计划分网格中误差分布，拟合分布曲线。
[0020]如图5传感器误差分布曲线拟合示意图，根据图4的统计示意图可以此误差分布明显为正太分布，正太分布均值u为图4中最高频次与左右相邻频次对应误差统计的均值，u对应的概率密度曲线值y
max
为最高频次与左右相邻频次之和除以总频次，再利用y=1/(sqrt(2*pi)*sigma)*e
‑
(x
‑
u)^2/(2*sigma^2)
公式求sigma。综上得到了正太分布的u和sigma，即完成分布曲线拟合。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆传感器误差分布标定方法，其特征在于，所述方法包括下述步骤：步骤1：同时从传感器真值系统和传感器输出接口收集车辆周围环境的信号，并对每个信号赋予接收时的绝对时间；步骤2：对真值系统数据和传感器数据进行时间同步，筛选出同时刻真值系统、传感器输出的目标信息；步骤3：对同步后的真值系统数据和传感器数据进行关联，筛选出同时刻、同一物体真值系统、传感器输出的目标信息；步骤4：求同时刻、同一物体真值系统、传感器输出目标属性的误差，误差值 = 传感器观测值
‑
真值系统真值；步骤5：统计划分网格中误差分布，拟合分布曲线。2.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：李涛，谭伟，任凡，高翔，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：