一种基于多雷达的自动驾驶信息采集方法及其应用
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种能够精确采集目标信息的信息采集方法。
背景技术
自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和网联化发展的主要方向，已成为各国争抢的战略制高点。
自动驾驶硬件系统是多种技术、多个模块的集成，主要包括：传感器平台、计算平台、以及控制平台。目前现有的车载传感器包括超声波雷达、激光雷达、毫米波雷达、车载摄像头、红外探头等。目前主流的无人驾驶传感平台以激光雷达和车载摄像头为主，并呈现多传感器融合发展的趋势。基于测量能力和环境适应性，预计激光雷达和车载摄像头会持续传感器平台霸主的地位，并不断与多种传感器融合，发展出多种组合版本。
虽然现有技术中运用了雷达技术对目标信息进行采集，但是基于雷达本身的一些缺陷，导致其采集的数据稳定性较差，以及车辆运行过程中产生的震动，不利于真实数据的输出，同时目前自动驾驶车辆前方目标信息多采用单一雷达进行探测，探测范围较窄。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种基于多雷达的自动驾驶信息采集方法及其应用，以解决现有技术雷达探测数据精度低、探测范围窄的技术问题。
为了实现上述目的，本发明通过以下技术方案实现的：
本发明首先提供一种基于多雷达的自动驾驶信息采集方法，该方法包括以下步骤：
步骤1、在静止车辆前方绘制探测网格，在网格中每个格子中心树立角反射器，以车辆中心为坐标原点建立坐标系，分别测量每个格子中心的真实坐标；
步骤2、在车辆中心两侧对称安装多个第一探测雷达，每个第一探测雷达的探测方向均朝向车辆正前方；
步骤3、车辆启动怠速后，每个第一探测雷达分别多次检测每个格子中心的探测坐标，同一探测雷达检测同一格子的所有探测坐标构成一个探测坐标组，同一格子的所有探测坐标组构成一个对比坐标组；
步骤4、采用最小二乘法对每个探测坐标组中的所有探测坐标与对应格子的真实坐标进行误差值计算，获得对应探测坐标组的误差值组；
步骤5、对探测坐标组中探测坐标进行曲线拟合并与对应误差值建立等式求解参数，获得每个第一探测雷达对应每个格子的误差值与探测坐标的拟合关系；
步骤6、车辆启动进行前方信息采集，获取每个第一探测雷达的探测坐标，根据探测坐标判断目标所处格子并选取对应的拟合关系，将探测坐标带入对应拟合关系获得计算结果，输出最小计算结果对应的探测坐标。
进一步，步骤5和6之间还包括计算每个探测坐标组中探测坐标与对应真实坐标的误差均值，并以误差均值作为校准值，对探测坐标进行校准，获得探测坐标对应的校准坐标，且将步骤6输出的输出坐标全部替换为对应的校准坐标。
进一步，将步骤5替换为：将探测网格分为多个与车辆行进方向平行的网格组，将同一第一探测雷达同一网格组内的所有探测坐标进行曲线拟合并与对应误差值建立等式求解参数，获得每个第一探测雷达对应网格组中误差值与探测坐标的新拟合关系；将步骤6中“根据探测坐标判断目标所处格子并选取对应的拟合关系，将探测坐标带入对应拟合关系获得计算结果，输出最小计算结果对应的探测坐标”替换为“根据探测坐标判断目标所处网格组，将所得探测坐标输入对应网格组的对应新拟合关系获得新计算结果，输出最小新计算结果对应的校准坐标”。
进一步，还包括将步骤5替换为：获取同一探测坐标组的均值作为稳定坐标，采用最小二乘法获取每个稳定坐标与对应真实坐标的稳定误差值，将同一第一探测雷达同一网格组内的所有稳定坐标进行曲线拟合并与对应的稳定误差值建立等式求解参数，作为每个第一探测雷达在对应网格组中稳定误差值与探测坐标的简化拟合关系；同时将步骤6替换为车辆启动进行前方信息采集，获取每个第一探测雷达的探测坐标，根据探测坐标判断目标所处网格组，将探测坐标带入对应的简化拟合关系获得简化输出结果，将最小简化输出结果对应的探测坐标对应的校准坐标输出。
进一步，该方法还包括利用第二探测雷达检测本车车速，利用九轴陀螺仪采集车辆状态信息，利用摄像机采集车辆前方视频图像信息，采用相机标定法将校准坐标与视频图像中的图像坐标映射，还包括对采集的信息进行存储。
进一步，所述第一探测雷达一共两个，网格组共有四个，车辆前方自左往右网格组依次为第一车道、第二车道、第三车道和第四车道，车辆顶部的两个第一探测雷达自左往右依次为1号第一探测雷达和2号第一探测雷达，其中，1号第一探测雷达在每个车道的拟合曲线具体为：
第一车道：
第二车道：
第三车道：
第四车道：
2号第一探测雷达在每个车道的拟合曲线具体为：
第一车道：
第二车道：
第三车道：
第四车道：
其中，z误为稳定误差值，x测为探测坐标横坐标，y测为探测坐标纵坐标。
本发明还提供一种基于多雷达的自动驾驶信息采集装置，该装置的运行方法为上述的方法，该装置包括两个第一探测雷达、一个第二探测雷达、一个九轴陀螺仪、一个视频拍摄装置、多个存储装置和一个深度学习主板。
本发明相比现有技术具有以下优点：
本发明提供通过采用两个雷达直接扩大了探测范围，避免了单一雷达探测范围窄的弊端；本发明通过在车辆怠速时测量其探测坐标并进行曲线拟合，同时结合真实坐标，可有效的得出对应的拟合关系，进而可在车辆行进过程中对其采集的多个数据进行筛选，选取误差值最小的探测坐标为输出坐标，并根据校准值对探测坐标进行校准后输出，使得输出的数据最大程度的接近了真实值，从而提高了数据输出的精度，降低了震动、雷达自身等因素对输出结果的影响程度，提高了信息采集精度。
附图说明
图1为实施例1中网格示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例，对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书中的术语“包括”，意图在于覆盖不排他的包含，例如，包含了一系列步骤的方法不必限于清楚地列出的那些步骤，而是可包括没有清楚地列出的或对于这些方法固有的其它步骤。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考实施例来详细说明本申请。
实施例
本实施例提供一种基于多雷达的自动驾驶信息采集方法，该方法包括以下步骤：
步骤1、在静止车辆前方绘制探测网格(参考图1，在本实施例中将探测网格分为两大块，每块分为六格，可根据需要进行调整)，在网格中每个格子中心树立角反射器(以反射雷达发射的波从而使雷达获取对应的位置信息)，以车辆中心为坐标原点建立坐标系，分别测量每个格子中心的真实坐标；
步骤2、在车辆中心两侧对称安装多个第一探测雷达(在本实施例中第一探测雷达共两个，分别为1号第一探测雷达和2号第一探测雷达，且在图1中1号第一探测雷达具体为雷达A，2号第一探测雷达具体为雷达B，其中雷达A相对车的中心轴0.2m、雷达B相对车的中心轴0.2m，在本实施例中第一探测雷达的型号为ESRR)，每个第一探测雷达的探测方向均朝向车辆正前方；
步骤3、车辆启动怠速后，每个第一探测雷达分别多次检测每个格子中心的探测坐标，同一探测雷达检测同一格子的所有探测坐标构成一个探测坐标组，同一格子的所有探测坐标组构成一个对比坐标组；
在本实施例中，每个第一探测雷达分别对每个格子中心进行10次数据检测，获得对应10个探测坐标，具体探测坐标为：
雷达A原始数据(图1左边网格的数据，原点为雷达A安装处)
表1
雷达B原始数据(图1左边网格的数据，原点为雷达B安装处)
表2
雷达A原始数据(图1右边网格的数据，原点为雷达A安装处)
表3
雷达B原始数据(图1右边网格的数据，原点为雷达B安装处)
表4
获取上述数据后，进行一下步骤：
步骤4、采用最小二乘法对每个探测坐标组中的所有探测坐标与对应格子的真实坐标进行误差值计算，获得对应探测坐标组的误差值组；
其中最小二乘法具体为：
x测为探测坐标横坐标，y测为探测坐标纵坐标，x真为真实坐标横坐标，y真为探测坐标纵坐标，且在计算的过程中将上述坐标改为以车辆中心为原点的坐标进行计算
步骤5、对探测坐标组中探测坐标进行曲线拟合并与对应误差值建立等式求解参数，获得每个第一探测雷达对应每个格子的误差值与探测坐标的拟合关系；
步骤6、车辆启动进行前方信息采集，获取每个第一探测雷达的探测坐标，根据探测坐标判断目标所处格子并选取对应的拟合关系，将探测坐标带入对应拟合关系获得计算结果，即获得每个第一探测雷达所得探测坐标对应的计算结果，在多个计算结果中进行比较，输出最小计算结果对应的探测坐标。
本实施例通过在车辆怠速时进行数据采集，并与真实坐标的误差值进行曲线拟合，可有效的获取探测坐标与实际坐标之间的误差值，进而可根据误差值的大小，筛选出与真实坐标最接近的探测坐标，并选择作为输出坐标，从而可有效筛选出最接近真实值的坐标信息，提高了信息采集的准确性。
实施例2
实施例1中其输出的数据仍为探测坐标，一定程度上提高了输出数据的准确性，为了进一步提高数据的准确性，在本实施例中，对实施例1进行进一步改进，在步骤5和6之间还包括计算每个探测坐标组中探测坐标与对应真实坐标的误差均值，并以误差均值作为校准值，对探测坐标进行校准，获得探测坐标对应的校准坐标，且将步骤6输出的输出坐标全部替换为对应的校准坐标。
通过上述设置，将采集的多个探测坐标进行统计其与真实坐标的误差均值，并以误差均值作为校准值(即参数)，例如当所有探测坐标的横坐标的均值小于真实坐标的横坐标0.1时，校准值则为0.1，即输出的校准坐标的横坐标为探测坐标横坐标的值加0.1。
通过上述设置，可进一步提高输出数据的准确性。
实施例3
在实施例2的基础上，为了进一步简化计算流程，在本实施例将同一车道的探测坐标融合入同一拟合曲线内以简化后期数据选择问题，进行了如下操作：
将实施例2中步骤5替换为：将探测网格分为多个与车辆行进方向平行的网格组(同一车道指如图1中所示与Y轴平行的两两相连的3个格子构成的，在本实施例中(如图1)将车辆前方自左往右网格组依次分为第一车道、第二车道、第三车道和第四车道)，将同一第一探测雷达同一网格组内的所有探测坐标进行曲线拟合并与对应误差值建立等式求解参数，获得每个第一探测雷达对应网格组中误差值与探测坐标的新拟合关系；将实施例1步骤6中“根据探测坐标判断目标所处格子并选取对应的拟合关系，将探测坐标带入对应拟合关系获得计算结果，输出最小计算结果对应的探测坐标”替换为“根据探测坐标判断目标所处网格组，将所得探测坐标输入对应网格组的对应新拟合关系获得新计算结果，输出最小新计算结果对应的校准坐标”。
通过上述操作，将同一网格组(即同一车道)内所有的探测坐标与真实坐标进行曲线拟合，在本实施例可极大的降低所得拟合关系的数量，进而可有效降低数据输出过程中的计算量；例如在实施例1中所得拟合关系共有24个，而本实施例中所得拟合关系仅有8个，极大的降低了运算难道。
实施例4
虽然在实施例3中降低了拟合和运算难道，但是仍存在较大的计算量，因此，为了进一步降低运算难道，本实施例采用以下方法进行：
将实施例3中步骤5替换为：获取同一探测坐标组的均值作为稳定坐标(即对每个探测坐标组求取其均值)，采用最小二乘法获取每个稳定坐标与对应真实坐标的稳定误差值，其结果如下(即将表1-4中的探测坐标分别求取对应的平均值后转换为以车辆中心为坐标原点的坐标系计算所得，稳定误差值采用式(9)计算)：
雷达A：
表5
雷达B：
表6
将同一第一探测雷达同一网格组内的所有稳定坐标进行曲线拟合并与对应的稳定误差值建立等式求解参数，作为每个第一探测雷达在对应网格组中稳定误差值与探测坐标的简化拟合关系；；
即采用式(10)进行曲线拟合，获得简化拟合关系
a、b、c均为系数，z误为对应的稳定误差值，即将表5和6中的稳定误差值和对应的稳定坐标分别带入公式(10)进行计算；
可得，1号第一探测雷达在每个车道的拟合曲线具体为：
第一车道：
第二车道：
第三车道：
第四车道：
2号第一探测雷达在每个车道的拟合曲线具体为：
第一车道：
第二车道：
第三车道：
第四车道：
获得上述8个拟合关系后，在本实施例中同时将实施例3中步骤6替换为车辆启动进行前方信息采集，获取每个第一探测雷达的探测坐标，根据探测坐标判断目标所处网格组，将探测坐标带入对应的简化拟合关系获得简化输出结果，将最小简化输出结果对应的探测坐标对应的校准坐标输出。
通过上述设置，可有效降低计算难度，提高设备的运行效率。
实施例5
为了实现多信息采集，在本实施例中对实施例4的方法进一步改进，本实施例中还包括利用第二探测雷达检测本车车速，利用九轴陀螺仪采集车辆状态信息，利用摄像机采集车辆前方视频图像信息，采用相机标定法将校准坐标与视频图像中的图像坐标映射，还包括对采集的信息进行存储。
通过上述设置，可有效采集多种信息，
本发明还提供一种基于多雷达的自动驾驶信息采集装置，该装置的运行方法为上述任一实施例中的方法，该装置包括两个第一探测雷达、一个第二探测雷达、一个九轴陀螺仪、一个视频拍摄装置、多个存储装置和一个深度学习主板。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
