一种激光雷达点云位置和强度仿真模拟及测试方法技术

本发明专利技术涉及一种激光雷达点云位置和强度仿真模拟及测试方法，包括以下步骤：选取感兴趣的目标板；选取需建模的激光雷达，利用目标板点云统计数据采集台架采集不同位姿条件下的激光雷达的真实点云数据；对采集到的点云数据进行位置信息和强度信息的提取，依据提取信息建立并训练包括强度模型、位置模型和检测概率模型的仿真点云单点计算模型；对仿真点云的单点计算模型进行机器学习与曲线拟合精度的评价，并进行相应的优化；对仿真点云计算模型进行计算速度和仿真点云精度评价，并进行相应的优化得到激光雷达仿真模型。与现有技术相比，本发明专利技术具有点云强度和点云测距误差仿真一致性高、实时性高、通用性强等优点。通用性强等优点。通用性强等优点。

【技术实现步骤摘要】
一种激光雷达点云位置和强度仿真模拟及测试方法


[0001]本专利技术涉及激光雷达点云数据仿真
，尤其是涉及一种激光雷达点云位置和强度仿真模拟及测试方法。

技术介绍

[0002]随着智能网联汽车技术的发展，激光雷达作为一种新型的传感器在车载和路侧系统中的应用越来越普遍。
[0003]目前针对激光雷达应用的主要目的是开展道路交通参与者的检测跟踪及轨迹预测，采用的主流方法是基于深度学习理论的方法。因此此类方法训练需要充足的泛化性能足够好的优质数据集。然而不管是车端还是路端应用，数据集的构建都需要配备复杂的数据采集系统，精心规划数采周期，进行数据后处理以及标签化，这些繁琐的工作使得数据集的数量和质量难以保证，同时成本及其昂贵。
[0004]因此业内越来越多的专家学者在考虑利用仿真的方式扩展激光雷达点云数据，扩充可用于深度学习算法预训练的数据集。目前针对激光雷达建模仿真，有三大主流方法。
[0005]第一类方法是基于光线追踪算法的简单模型。此类模型仅仅模拟了不同型号激光雷达的扫描线束，最远检测距离，分辨率以及扫描频率等初级参数，结合三维场景模型输出三维点云。这样的模型仅适用于为自动驾驶规划决策等部件的输入，仿真的一致性最低。
[0006]第二类方法是基于光线衰减原理的激光雷达模型。此类模型在第一类模型的基础上，研究光线在介质中的传输过程，考虑诸如雨或者雾等大气现象导致的光束衰减模式，进而建立点云漏检以及最大检测距离。这样的模型理论性高，但是由于环境中影响因素众多，其模型中不可避免的简化使得模型的普适性低，且配置复杂。
[0007]第三类方法是基于数据驱动的激光雷达模型。此类模型是基于即时定位与建图方法，直接构建出真实交通环境的点云地图。在此基础上，利用体素下采样及法线估计算法重构三维网格及三维交通参与物模型，进而通过重采样重构点云。此类模型由于是基于真实采集点云数据生成仿真点云，其具有天然的高一致性，但是该方法依赖于真实场景的三维重构，无法充分发挥仿真点云灵活性的优势。

技术实现思路

[0008]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种激光雷达点云位置和强度仿真模拟及测试方法，充分结合物理建模及数据驱动建模的优缺点，通过构建理想可控的数据采集条件，采集真实激光雷达及目标板材质的数据，结合构建的仿真点云计算模型，重点重构真实点云的噪声特性。进一步结合光线追踪基础仿真模型，可实现灵活的三维交通场景建模及多种型号激光雷达的便捷模拟，为自动驾驶算法的测试及深度感知模型的合成数据构建提供基础；合成数据为是指利用自动驾驶仿真工具链构建具有较高一致性的模拟数据。
[0009]本专利技术的目的可以通过以下技术方案来实现：
[0010]一种激光雷达点云位置和强度仿真模拟及测试方法，包括以下步骤：
[0011]选取感兴趣的目标板；
[0012]选取需建模的激光雷达，利用目标板点云统计数据采集台架采集不同位姿条件下的激光雷达的真实点云数据，所述位姿条件包括入射角度以及激光雷达与目标板的相对距离；
[0013]对采集到的真实点云数据进行预处理；根据预处理后的真实点云数据进行平面拟合，提取激光光束与目标板之间相对入射角以及激光光束的测距，根据预设的强度建模及测距建模目标，仿真获取不同入射角度与强度的相关数据以及不同距离与测距误差的相关数据；
[0014]针对单束激光产生的一个目标板上的点进行模拟计算，生成包括强度模型、位置模型和检测概率模型的仿真点云单点计算模型，采用由真实点云数据获取的相关数据对所述仿真点云单点计算模型中的机器学习参数及曲线拟合参数进行训练；
[0015]对训练好的所述仿真点云的单点计算模型进行机器学习与曲线拟合精度的评价，若拟合精度达到预设的精度要求，则得到仿真点云计算模型；否则对拟合参数进行优化；
[0016]对所述仿真点云计算模型进行计算速度和仿真点云精度评价，若均满足预设的仿真需求，则作为激光雷达仿真模型，若计算速度不满足仿真需求，则优化仿真点云计算模型，若仿真点云精度不满足仿真需求，则优化仿真点云计算模型或单点计算模型。
[0017]进一步地，所述感兴趣的目标板的材质为不同颜色的车辆漆面材质、不同颜色的车衣材质、衣物布料材质、沥青路面或者水泥路面材质。
[0018]进一步地，所述不同位姿条件对用多个不同的入射角度和不同的激光雷达与目标板的相对距离，所述多个不同的入射角度包括激光光束与目标板相对入射角0
°
、1
°
、2
°
、3
°
、4
°
、5
°
、6
°
、7
°
、8
°
、9
°
、10
°
、20
°
、30
°
、40
°
、50
°
、60
°
、70
°
、80
°
、81
°
、82
°
、83
°
、84
°
、85
°
、86
°
、87
°
、88
°
和89
°
；所述不同的激光雷达与目标板的相对距离包括激光雷达与目标板相对距离10米、20米、30米、40米、50米、60米和70米。
[0019]进一步地，所述对采集到的真实点云数据进行的预处理包括非目标板点云剔除、目标板内异常点剔除以及多帧点云累积，并且判断目标板内点云是否过于稀疏或存在遮挡导致的点云缺失，若是则判定该帧点云无效，重新开展数据采集。
[0020]进一步地，所述提取激光光束与目标板之间相对入射角的计算表达式为：
[0021][0022]式中，θ为激光光束与目标板之间相对入射角，向量(x
T
,y
T
,z
T
)
T
为拟合平面的法线，T为拟合的平面，向量(x
L
,y
L
,z
L
)
T
为激光光束的方向；
[0023]提取的所述激光光束的测距的计算表达式为：
[0024]d＝||(x
L
,y
L
,z
L
)
T
||
[0025]式中，d为激光光束的测距。
[0026]进一步地，所述强度模型的表达式为：
[0027][0028][0029]式中，I为最终计算出的强度，I
B
为基于迪士尼双向反射分布函数，输入参数R、G、B是光度仪测得的目标板的颜色数值，Ro、Me、Sp是对于BRDF而言的目标板粗糙度、金属度、镜面度参数，是后续机器学习及曲线拟合需要训练的参数，I
C
为补偿项，由拟合高斯核函数组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光雷达点云位置和强度仿真模拟及测试方法，其特征在于，包括以下步骤：选取感兴趣的目标板；选取需建模的激光雷达，利用目标板点云统计数据采集台架采集不同位姿条件下的激光雷达的真实点云数据，所述位姿条件包括入射角度以及激光雷达与目标板的相对距离；对采集到的真实点云数据进行预处理；根据预处理后的真实点云数据进行平面拟合，提取激光光束与目标板之间相对入射角以及激光光束的测距，根据预设的强度建模及测距建模目标，仿真获取不同入射角度与强度的相关数据以及不同距离与测距误差的相关数据；针对单束激光产生的一个目标板上的点进行模拟计算，生成包括强度模型、位置模型和检测概率模型的仿真点云单点计算模型，采用由真实点云数据获取的相关数据对所述仿真点云单点计算模型中的机器学习参数及曲线拟合参数进行训练；对训练好的所述仿真点云的单点计算模型进行机器学习与曲线拟合精度的评价，若拟合精度达到预设的精度要求，则得到仿真点云计算模型；否则对拟合参数进行优化；对所述仿真点云计算模型进行计算速度和仿真点云精度评价，若均满足预设的仿真需求，则作为激光雷达仿真模型，若计算速度不满足仿真需求，则优化仿真点云计算模型，若仿真点云精度不满足仿真需求，则优化仿真点云计算模型或单点计算模型。2.根据权利要求1所述的一种激光雷达点云位置和强度仿真模拟及测试方法，其特征在于，所述感兴趣的目标板的材质为不同颜色的车辆漆面材质、不同颜色的车衣材质、衣物布料材质、沥青路面或者水泥路面材质。3.根据权利要求1所述的一种激光雷达点云位置和强度仿真模拟及测试方法，其特征在于，所述不同位姿条件对用多个不同的入射角度和不同的激光雷达与目标板的相对距离，所述多个不同的入射角度包括激光光束与目标板相对入射角0
°
、1
°
、2
°
、3
°
、4
°
、5
°
、6
°
、7
°
、8
°
、9
°
、10
°
、20
°
、30
°
、40
°
、50
°
、60
°
、70
°
、80
°
、81
°
、82
°
、83
°
、84
°
、85
°
、86
°
、87
°
、88
°
和89
°
；所述不同的激光雷达与目标板的相对距离包括激光雷达与目标板相对距离10米、20米、30米、40米、50米、60米和70米。4.根据权利要求1所述的一种激光雷达点云位置和强度仿真模拟及测试方法，其特征在于，所述对采集到的真实点云数据进行的预处理包括非目标板点云剔除、目标板内异常点剔除以及多帧点云累积，并且判断目标板内点云是否过于稀疏或存在遮挡导致的点云缺失，若是则判定该帧点云无效，重新开展数据采集。5.根据权利要求1所述的一种激光雷达点云位置和强度仿真模拟及测试方法，其特征在于，所述提取激光光束与目标板之间相对入射角的计算表达式为：式中，θ为激光光束与目标板之间相对入射角，向量(x
T
,y
T
,z
T
)

【专利技术属性】
技术研发人员：杨小可，代堃鹏，李波，秦文刚，殷承良，
申请(专利权)人：上海智能网联汽车技术中心有限公司，
类型：发明
国别省市：