CN118707470B - 一种路侧雷达位置识别方法及装置 - Google Patents

Abstract

本发明公开了一种路侧雷达位置识别方法及装置，方法包括：获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；基于所述地图数据生成多个虚拟视点的位置；基于所述雷达扫描数据获取虚拟雷达参数；基于多个所述虚拟视点的位置及虚拟雷达参数，将所述地图数据转化成多个虚拟扫描；分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置。本发明解决了路侧雷达标定过程中初值难以确定的问题。

Description

一种路侧雷达位置识别方法及装置

技术领域

本发明涉及车路协同技术领域，尤其涉及一种路侧雷达位置识别方法及装置。

背景技术

在智能交通系统中，路侧雷达系统是实现车路协同的关键技术之一，它们通过实时收集车辆的位置、速度和流量信息，为交通管理和决策提供支持，被广泛用于监测交通流量、检测交通事件、以及提供有关道路使用情况的数据。路侧雷达的精确标定是实现其在实际应用中高效协同感知的前提条件。当前的标定方法存在局限性：一些方法依赖于GPS信号来提供雷达的初始定位信息，而另一些方法则仅关注于传感器之间的标定。在实际应用中，为每个雷达系统配备GPS信号不仅会增加人力资源的消耗，而且仅进行传感器间的标定可能无法满足所有场景的需求。因此，开发一种能够自动完成路侧雷达位置识别的方法显得尤为迫切。

发明内容

本发明提供了一种路侧雷达位置识别方法及装置，以解决路侧雷达标定过程中初值难以确定的问题。

根据本发明的一方面，提供了一种路侧雷达位置识别方法，包括：

获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；

基于所述地图数据生成多个虚拟视点的位置；

基于所述雷达扫描数据获取虚拟雷达参数；

基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描；

分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；

基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；所述第一距离用于表达雷达扫描数据和虚拟扫描之间的相似度；

基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置。

可选的，所述基于所述地图数据生成多个虚拟视点的位置，包括：

获取所述地图数据中每条道路的向量组；

对所述向量组中的每条向量进行线性插值，每条向量上均生成多个所述虚拟视点。

可选的，所述获取所述地图数据中每条道路的向量组，包括：

其中，R_i表示第i条道路的向量组，V_i，j表示组成第i条道路的向量组中的第j个向量，n_i表示第i条道路上的坐标点数，P_i，j表示第i条道路上的第j个坐标点；

所述对所述向量组中的每条向量进行线性插值，每条向量上均生成多个所述虚拟视点，包括：

其中，P_i（k）表示第i条道路上的第j个向量上生成的第k个虚拟视点，m表示的第j个向量上希望生成的虚拟视点数量，表示第i条道路中第j个向量的起始点，表示第i条道路中第j个向量的终止点。

可选的，所述基于所述雷达扫描数据获取虚拟雷达参数，包括：

计算所述雷达扫描数据中每个点到路侧雷达的第二距离、第一水平角度以及第一垂直角度；

基于所述第一垂直角度的数量获取所述虚拟雷达线数；

基于每个点的第二距离获取所述虚拟雷达的测量范围；

基于每个点的所述第一水平角度以及所述第一垂直角度获取所述虚拟雷达的水平角度间隔以及垂直角度间隔；

以最大和最小的所述垂直角度间隔作为所述虚拟雷达的垂直视场角；

基于所述垂直角度间隔以及以及所述虚拟雷达线数计算虚拟雷达激光射线的垂直角集合，基于所述水平角度间隔计算所述虚拟雷达激光射线的水平角集合。

可选的，所述基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描，包括：

基于所述虚拟视点的位置及参数对所述地图数据进行裁剪；

计算裁剪后的所述地图数据中每个点到所述虚拟视点的第三距离、第二水平角度和第二垂直角度；

若所述第二水平角度属于所述水平角集合，并且所述第二垂直角度属于所述垂直集合，则保留所述第二水平角度对应的点；

保留所述地图数据中距离所述虚拟视点最近的点，得到所述虚拟视点对应的所述虚拟扫描，进而得到多个所述虚拟视点对应的多个所述虚拟扫描。

可选的，所述分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征，包括：

分别对所述雷达扫描数据以及多个所述虚拟扫描的点云数据，按照水平方向、水平角度以及垂直角度进行分箱；

对每个箱中的点进行编码；

通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，所述特征描述符包括分别沿不同水平方向以及不同水平角度的所有箱对应的特征。

可选的，所述对每个箱中的点进行编码，包括：

式中，P_i，j，k表示箱中点的集合，N_r表示沿水平方向的箱数，N_h表示水平角度的箱数，N_v表示垂直角度的箱数；表示对应集合中点的数量，N_th表示数量阈值；表示编码函数，表示判断函数；

所述通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，包括：

F_ij表示沿第i个水平方向、第j个水平角度上所有箱对应的特征，F表示整个点云的特征描述符。

可选的，所述基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离，包括：

式中，和分别表示所述雷达扫描数据以及多个所述虚拟扫描的所述特征描述符的列数；dis_i表示所述虚拟扫描向右移动i 列后与所述雷达扫描数据之间的距离，dis表示所述虚拟扫描与所述雷达扫描数据之间的所述第一距离，g（i，j）表示所述特征描述符中第j 列向右移动i 列后的索引；表示所述虚拟扫描的所述特征描述符第g（i，j）列的数据，表示所述雷达扫描数据的特征描述符第j列的数据。

可选的，所述基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置，包括：

将多个所述第一距离进行排序，获取前K个候选虚拟视点；

将所述候选虚拟视点分为多个簇，计算每个簇中各元素之间的第四距离；

基于所述第一距离以及所述第四距离构建距离矩阵；所述距离矩阵的第一行中各元素为所述雷达扫描数据分别与前K个候选虚拟视点的所述虚拟扫描之间的第一距离，除第一行外的其他行为前K个候选虚拟视点的所述虚拟扫描中任意两个所述虚拟扫描之间的第四距离；

计算所述距离矩阵中每一行与第一行之间的第五距离，根据所述第五距离最短的那一行所对应的所述虚拟扫描来确定所述目标虚拟视点。

根据本发明的另一方面，提供了一种路侧雷达位置识别装置，包括：

第一获取单元，用于获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；

生成单元，用于基于所述地图数据生成多个虚拟视点的位置；

第二获取单元，用于基于所述雷达扫描数据获取虚拟雷达参数；

转化单元，用于基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描；

提取单元，用于分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；

计算单元，用于基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；所述第一距离用于表达雷达扫描数据和虚拟扫描之间的相似度；

位置识别单元，用于基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置。

本发明实施例的技术方案，通过地图数据生成多个虚拟视点的位置，以及通过雷达扫描数据获取虚拟雷达参数，从而生成虚拟试点的虚拟扫描；通过提取雷达扫描数据以及多个虚拟扫描的特征，以特征值计算出雷达扫描数据以及多个虚拟扫描的第一距离，根据第一距离的值来确定目标虚拟视点，从而确定路侧雷达的位置，解决了路侧雷达标定过程中初值难以确定的问题，本发明能够可应用于城区车路协同的数据整合工作，有助于实现更安全、高效的道路交通系统。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种路侧雷达位置识别方法的一个实施例流程图；

图2为本发明提供的一种路侧雷达位置识别方法的一个子实施例的流程图；

图3为本发明提供的一种路侧雷达位置识别方法的一个子实施例的流程图；

图4为本发明提供的一种路侧雷达位置识别方法的另一个子实施例的流程图；

图5为本发明提供的一种路侧雷达位置识别方法的又一个子实施例的流程图；

图6是实现本发明实施例的路侧雷达位置识别装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1为本发明实施例一提供了一种路侧雷达位置识别方法的流程图。如图1所示，该方法包括：

S101、获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；

路侧雷达具体为路侧激光雷达，路侧激光雷达是一种高精度激光雷达技术，也称为移动式激光雷达。它采用激光束扫描地面，能够获取车辆周围的3D环境信息，并实现对车辆的定位、感知和控制。

本实施例可以获取车辆上多个不同路侧雷达分别在多个路口的不同方向的雷达采集数据，以及可以获取该路口的地图数据。雷达扫描数据可以是路侧激光雷达采集到的点云数据。地图数据可以是高精度地图数据。

S102、基于所述地图数据生成多个虚拟视点的位置；

本实施例可以选取地图数据中不同点的位置作为虚拟视点的位置，其选取方法可以有多种，本实施例不做具体限制。

S103、基于所述雷达扫描数据获取虚拟雷达参数；

针对获取的雷达扫描数据，可以确定获取虚拟扫描时所采用的虚拟雷达的相关参数。例如，针对雷达扫描数据中选取的任一点，可以根据路侧激光雷达采集到的点云数据，计算每个点到该点的距离，水平角度，垂直角度等，进而可以以雷达扫描数据中每个点到该点的距离，水平角度，垂直角度等，来确定当该点作为虚拟视点时所采用的虚拟雷达参数。

S104、基于多个所述虚拟视点的位置及虚拟雷达参数，将所述地图数据转化成多个虚拟扫描；

结合选取的虚拟试点，以及该点所采用的虚拟雷达参数信息，可以将地图数据转化成为多个不同虚拟试点对应的虚拟扫描，每个虚拟试点的虚拟扫描对应于以该点为中心采用虚拟雷达进行扫描的虚拟雷达扫描数据，即本实施例从多个虚拟扫描中找到与雷达扫描数据最接近的虚拟扫描，其对应的虚拟视点可以作为真实的雷达所在位置。

S105、分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；

本实施例中所提取的特征可以是表示雷达扫描数据与虚拟扫描之间相似度的特征，其特征提取的方式可以有很多种，本实施例不做具体的限制。可以通过计算雷达扫描数据与虚拟扫描的相似性，以选取最接近于雷达扫描数据的虚拟扫描。

S106、基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；所述第一距离用于表达雷达扫描数据和虚拟扫描之间的相似度。

S107、基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置。

本实施例中的第一距离可以表示为雷达扫描数据与虚拟扫描之间的相似度，即通过计算雷达扫描数据分别与多个虚拟扫描之间的第一距离，可以用于从多个虚拟扫描中找到与雷达扫描数据最接近的虚拟扫描，找到该虚拟扫描对应的虚拟视点即为目标虚拟试点，从而可以以该虚拟试点的所在位置即为路侧雷达的位置。例如，可以以第一距离的值最小时所对应的虚拟视点作为目标虚拟视点，此时虚拟视点的虚拟扫描与真实的雷达扫描数据最接近。

本发明实施例的技术方案，通过地图数据生成多个虚拟视点的位置，以及通过雷达扫描数据获取多个虚拟视点的参数，从而生成虚拟试点的虚拟扫描；通过提取雷达扫描数据以及多个虚拟扫描的特征，以特征值计算出雷达扫描数据以及多个虚拟扫描的第一距离，根据第一距离的值来确定目标虚拟试点，从而确定路侧雷达的位置，解决了路侧雷达标定过程中初值难以确定的问题，本发明能够可应用于城区车路协同的数据整合工作，有助于实现更安全、高效的道路交通系统。

在一实施例中，如图2所示，步骤S102包括：

S1021、获取所述地图数据中每条道路的向量组；

本实施例可以从地图数据中获取道路信息，并采用一系列的向量表示每条道路，从而使每条道路都有对应的向量组。

在一实施例中，获取地图数据中每条道路的向量组，具体为：

其中，R_i表示第i条道路的向量组，V_i，j表示组成第i条道路的的向量组第j个向量，n_i表示第i条道路上的坐标点数，P_i，j表示第i条道路上的第j个坐标点；

S1022、对所述向量组中的每条向量进行线性插值，每条向量上均生成多个所述虚拟视点。

对向量组中的每个向量进行线性插值，每条向量上均生成多个虚拟视点，包括：

其中，P_i（k，j）表示第i条道路上的第j个向量上生成的第k个虚拟视点，m表示的第j个向量上希望生成的虚拟视点数量，表示第i条道路中第j个向量的起始点，表示第i条道路中第j个向量的终止点。

在一实施例中，步骤S103基于所述雷达扫描数据获取虚拟雷达参数。

由于为路侧雷达安装高度相对固定，因此其对应的虚拟雷达的Z轴可以统一设定为相同高度。对于虚拟雷达的姿态信息，考虑到特征描述符（特征描述符为表示雷达扫描数据以及虚拟扫描的特征集合的矩阵）的旋转不变性，可以将虚拟雷达的偏航角、横滚角和俯仰角均设置为0。即基于雷达扫描数据获取虚拟雷达参数，可以包括虚拟雷达线数、虚拟雷达的测量范围、水平角度间隔、垂直角度间隔、垂直视场角、垂直角直集合以及水平角集合等。

具体的，可以计算雷达扫描数据中每个点到路侧雷达的第二距离、第一水平角度以及第一垂直角度。

在一实施例中计算第二距离、第一水平角度以及第一垂直角度的方法为：

其中，表示雷达扫描数据中的第i个点，分别表示点i的x,y,z坐标，D_i表示第i个点的第二距离，H_i表示第i个点的第一水平角度，V_i表示第i个点的第一垂直角度。

基于第一垂直角度的数量获取虚拟雷达线数。

基于每个点的第二距离获取虚拟雷达的测量范围。

基于每个点的第一水平角度以及第一垂直角度获取虚拟雷达的水平角度间隔以及垂直角度间隔；

以最大和最小的所述垂直角度间隔作为虚拟雷达的垂直视场角；

基于垂直角度间隔以及虚拟雷达线数计算虚拟雷达激光射线的垂直集合，基于水平角度间隔计算虚拟雷达激光射线的水平角集合。

在一实施例中，可以将第一垂直角度的数量作为虚拟雷达线数N_rays；雷达扫描数据中每个点到路侧雷达的第二距离中的最大的距离作为虚拟雷达的测量范围；可以根据上面得到的每个点的第一水平角度和第一垂直角度，选择相同第一垂直角度的点之间的最小第一水平角度间隔作为水平角度间隔；将最大和最小的垂直角度间隔作为虚拟雷达的垂直视场角。本实施例中，由于考虑到真实激光雷达的常见参数的限制，可以将虚拟雷达线数也约束到16、32、64、128等常见的参数，同时也可以对虚拟雷达的测量范围、垂直视场角进行取整约束得到最终的虚拟雷达估计参数。最后，可以通过插值的方法，基于垂直角度间隔以及虚拟雷达线数计算虚拟雷达激光射线的垂直角集合，基于水平角度间隔计算虚拟雷达激光射线的水平角集合。具体的，垂直角集合和水平角集合的计算方法可以为：

式中，N_rays表示虚拟雷达的线数；为虚拟雷达的垂直视场角；为虚拟雷达的水平角度间隔；A_vn表示垂直角集合，A_vi表示第i个点的垂直角度；A_hn表示水平角集合，A_hi表示第i个点的水平角度。

在一实施例中，如图3所示，步骤S104包括：

S1041、基于所述虚拟视点的位置及所述虚拟雷达的测量范围对所述地图数据进行裁剪。

由于雷达的感知范围有限，本实施例可以以虚拟视点的位置为中心，以虚拟雷达的测量范围参数作为约束，对地图数据进行裁剪。当然也可以以其他的范围作为测量半径对地图数据进行裁剪，例如可以选取测量范围参数的0.9倍作为测量半径。即本实施例可以获取地图数据作为虚拟雷达在一虚拟视点的数据。

S1042、计算裁剪后的所述地图数据中每个点到所述虚拟视点的第三距离、第二水平角度和第二垂直角度。

可以计算裁剪后的地图数据中每个点到虚拟视点的第三距离、第二水平角度和第二垂直角度，作为以虚拟视点为中心的点云图中各点到虚拟视点的第三距离、第二水平角度和第二垂直角度。其第三距离、第二水平角度和第二垂直角度的计算方法与第二距离、第一水平角度以及第一垂直角度的计算方法相同。

S1043、由所述第二水平角度和所述第二垂直角度生成虚拟雷达扫描线。

可以根据裁剪后的地图数据中每个点到虚拟视点的第二水平角度和第二垂直角度来生成虚拟雷达扫描线。例如，当裁剪后的地图数据中存在N个点，并且其中有M个点与其他点的第二水平角度或者第二垂直角度相同，那么可以生成N-M个雷达扫描线。当然，以上仅为一种示例性说明，实际也可以采用其他的方法来生成虚拟雷达的扫描线。

S1044、若存在第一点的所述第二水平角度属于所述水平角集合，且所述第一点的所述第二垂直角度属于所述垂直角集合，则所述第一点在所述虚拟雷达的扫描线上，保留所述第一点。

若存在第一点的第二水平角度属于步骤S1022中得到的水平角集合，并且第二垂直角度属于步骤S1022中得到的所述垂直集合，则表示该点位于雷达扫描线上，可以保留该点，作为虚拟扫描的扫描点。

S1045、保留所述虚拟雷达的扫描线上距离所述虚拟视点最近的点，得到所述虚拟视点对应的所述虚拟扫描，进而得到多个所述虚拟视点分别对应的所述虚拟扫描。

由于真实雷达在扫描过程中不具有穿透性，因此本实施例中仅需保留裁剪后地图数据中每一个扫描线上距离虚拟视点最近的点，从而可以得到各虚拟视点对应的虚拟扫描，即在虚拟视点的虚拟扫描中的各扫描线上均只包含一个点。以上述方式获取的虚拟扫描能够大幅减少后续计算第一距离时的计算量。

在一实施例中，如图4所示，步骤S105包括：

S1051、分别对所述雷达扫描数据以及多个所述虚拟扫描的点云数据，按照水平方向、水平角度以及垂直角度进行分箱。

需要说明的是，本实施例可以分别对雷达扫描数据以及多个虚拟扫描的点云数据，按照水平方向、水平角度以及垂直角度进行分箱。具体的，可以将点云数据以等间隔的方式划分为方位角和径向箱，然后沿垂直角度进一步进行划分。划分完成后，可以得到个箱，其中N_r表示沿水平方向的箱数，N_h表示水平角度的箱数，N_v表示垂直角度的箱数。另外，由于路侧真实扫描的水平视场角通常较小，而生成的虚拟扫描的水平视场角为360度，因此两种扫描的 并不相同。

S1052、对每个箱中的点进行编码；

可以对每个箱中的点进行编码，然后通过累计统一横截面中所有箱的编码函数，可以计算得到点云的特征描述符。

在一实施例中，对每个箱中的点进行编码具体为：

式中，P_i，j，k表示箱中点的集合，N_r表示沿水平方向的箱数，N_h表示水平角度的箱数，N_v表示垂直角度的箱数；表示对应集合中点的数量，N_th表示数量阈值；表示编码函数，表示判断函数；

S1053、通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，所述特征描述符包括分别沿不同水平方向以及不同水平角度的所有箱对应的特征。

在一实施例中，通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，包括：

F_ij表示沿第i个水平方向、第j个水平角度上所有箱对应的特征，F表示整个点云的特征描述符。

在一实施例中，步骤S106基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离，具体为：

考虑到虚拟雷达视场角设置为360 度，而真实的雷达视场角通常小于360 度，因此两者的特征描述符的维度并不相同。因此，可以将特征中的每一列视为离散分布，通过将虚拟扫描不断向右移位，并使用余弦相似性计算每次移位后对应列之间的距离，并将最小距离作为最终的距离，将移位次数与水平角间隙的乘积作为偏航角。一个虚拟视点的虚拟扫描为一帧虚拟扫描。则可以计算雷达扫描数据到一个虚拟扫描之间的距离dis为：

式中，和分别表示所述雷达扫描数据以及多个所述虚拟扫描的所述特征描述符的列数；dis_i表示所述虚拟扫描向右移动i 列后与所述雷达扫描数据之间的距离，dis表示所述虚拟扫描与所述雷达扫描数据之间的所述第一距离，g（i，j）表示所述特征描述符中第j 列向右移动i 列后的索引；表示所述虚拟扫描的所述特征描述符第g（i，j）列的数据，表示所述雷达扫描数据的特征描述符第j列的数据。

在一实施例中，如图5所示，步骤S107包括：

S1071、将多个所述第一距离进行排序，获取前K个候选虚拟视点。

S1072、将所述候选虚拟视点分为多个簇，计算每个簇中各元素之间的第四距离。

需要说明，第一距离表示虚拟扫描与雷达扫描数据之间的相似度，那么可以根据第一距离对虚拟扫描进行排序，例如，可以选取前3或者前5个第一距离最大（相似度最大）的虚拟扫描作为候选扫描，以从中选取与雷达扫描数据最相似的虚拟扫描作为目标虚拟扫描。

本实施例可以基于欧式距离将候选扫描分为多个簇，并计算每个簇中各元素之间的第四距离，即计算每个簇中两个候选虚拟视点之间的相似度。

S1073、基于所述第一距离以及所述第五距离构建距离矩阵；所述距离矩阵的第一行中各元素为所述雷达扫描数据分别与前K个候选虚拟视点的所述虚拟扫描之间的第一距离，除第一行外的其他行为前K个候选虚拟视点的所述虚拟扫描中任意两个所述虚拟扫描之间的第四距离。

在一实施例中，计算簇中每个元素之间的相似性，并添加雷达扫描数据与簇中每个元素的相似性，从而构建一个距离矩阵，具体公式如下：

其中，dis_Li表示雷达扫描数据与第i 个虚拟扫描之间的距离，dis_ij表示第i 个虚拟扫描与第j 个虚拟扫描之间的距离。

S1074、计算所述距离矩阵中每一行与第一行之间的第五距离，根据所述第五距离最短的那一行所对应的所述虚拟扫描来确定所述目标虚拟视点。

基于以上的距离矩阵，可以计算矩阵中每一行与第一行之间的距离作为任意两个虚拟扫描之间的第五距离，以及任意一个虚拟扫描与真实雷达扫描数据之间的第五距离，具体的，可以将每一行当做单位向量，计算每一行与其他行之间的欧式距离，例如上式中可以把第一行作为真实雷达扫描数据的单位向量，把第二行作为第一个候选虚拟扫描的单位向量，第k行作为第k-1个候选虚拟扫描的单位向量，通过计算第i行与第一行之间的欧氏距离来判断第i个候选扫描与真实雷达扫描之间的相似性。确定候选虚拟扫描的单位向量与真实雷达扫描数据的单位向量之间的第五距离中的最小的值，即表示候选虚拟扫描与真实雷达扫描数据之间最相似，通过这种方法可以用来当一个候选虚拟扫描出现数据错误时带来的误差验证，从而保证最终得到的候选虚拟扫描为目标虚拟扫描。

本发明基于高精地图数据，引入了虚拟视点技术，基于特征提取实现了路侧雷达的位置识别，解决了路侧雷达标定过程中初值难以确定的问题；本发明可应用于城区车路协同的数据整合工作，有助于实现更安全、高效的道路交通系统。

图6为本发明实施例提供的一种路侧雷达位置识别装置的结构示意图。如图6所示，该装置包括：

第一获取单元601，用于获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；

生成单元602，用于基于所述地图数据生成虚拟雷达的位置；

第二获取单元603，用于基于所述雷达扫描数据获取多个所述虚拟视点的参数；

转化单元604，用于基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描；

提取单元605，用于分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；

计算单元606，用于基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；所述第一距离用于表达雷达扫描数据和虚拟扫描之间的相似度；

位置识别单元607，用于基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置。

在一实施例中，生成单元602还用于获取所述地图数据中每条道路的向量组；对所述向量组中的每条向量进行线性插值，每条向量上均生成多个所述虚拟视点。

在一实施例中，第二获取单元603还用于计算所述雷达扫描数据中每个点到路侧雷达的第二距离、第一水平角度以及第一垂直角度；

计算所述雷达扫描数据中每个点到路侧雷达的第二距离、第一水平角度以及第一垂直角度；

基于所述第一垂直角度的数量获取所述虚拟雷达线数；

基于每个点的第二距离获取所述虚拟雷达的测量范围；

基于每个点的所述第一水平角度以及所述第一垂直角度获取所述虚拟雷达的水平角度间隔以及垂直角度间隔；

以最大和最小的所述垂直角度间隔作为所述虚拟雷达的垂直视场角；

基于所述垂直角度间隔以及所述虚拟雷达线数计算虚拟雷达激光射线的垂直角集合，基于所述水平角度间隔计算所述虚拟雷达激光射线的水平角集合。

在一实施例中，转化单元604还用于基于所述虚拟视点的位置及所述虚拟雷达的测量范围对所述地图数据进行裁剪；

计算裁剪后的所述地图数据中每个点到所述虚拟视点的第三距离、第二水平角度和第二垂直角度；

由所述第二水平角度和所述第二垂直角度生成虚拟雷达扫描线；

若存在第一点的所述第二水平角度属于所述水平角集合，且所述第一点的所述第二垂直角度属于所述垂直角集合，则所述第一点在所述虚拟雷达的扫描线上，保留所述第一点；

保留所述虚拟雷达的扫描线上距离所述虚拟视点最近的点，得到所述虚拟视点对应的所述虚拟扫描，进而得到多个所述虚拟视点分别对应的所述虚拟扫描。

在一实施例中，提取单元605还用于分别对所述雷达扫描数据以及多个所述虚拟扫描的点云数据，按照水平方向、水平角度以及垂直角度进行分箱；

对每个箱中的点进行编码；

通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，所述特征描述符包括分别沿不同水平方向以及不同水平角度的所有箱对应的特征。

在一实施例中，位置识别单元607还用于将多个所述第一距离进行排序，获取前K个候选虚拟视点；

将所述候选虚拟视点分为多个簇，计算每个簇中各元素之间的第四距离；

基于所述第一距离以及所述第五距离构建距离矩阵；所述距离矩阵的第一行中各元素为所述雷达扫描数据分别与前K个候选虚拟视点的所述虚拟扫描之间的第一距离，除第一行外的其他行为前K个候选虚拟视点的所述虚拟扫描中任意两个所述虚拟扫描之间的第四距离；

计算所述距离矩阵中每一行与第一行之间的第五距离，根据所述第五距离最短的那一行所对应的所述虚拟扫描来确定所述目标虚拟视点。

本发明实施例所提供的路侧雷达位置识别装置可执行本发明任意实施例所提供的路侧雷达位置识别方法，具备执行方法相应的功能模块和有益效果。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (9)

1.一种路侧雷达位置识别方法，其特征在于，包括：

获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；

基于所述地图数据生成多个虚拟视点的位置；

基于所述雷达扫描数据获取虚拟雷达参数；

基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描；

分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；

基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；所述第一距离用于表达雷达扫描数据和虚拟扫描之间的相似度；

基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置；

其中，所述分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征，包括：

分别对所述雷达扫描数据以及多个所述虚拟扫描的点云数据，按照水平方向、水平角度以及垂直角度进行分箱；

对每个箱中的点进行编码；

通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，所述特征描述符包括分别沿不同水平方向以及不同水平角度的所有箱对应的特征；

所述对每个箱中的点进行编码，包括：

式中，P_i，j，k表示箱中点的集合，，N_r表示沿水平方向的箱数，N_h表示水平角度的箱数，N_v表示垂直角度的箱数；表示对应集合中点的数量，N_th表示数量阈值；表示编码函数，表示判断函数。

2.根据权利要求1所述的路侧雷达位置识别方法，其特征在于，所述基于所述地图数据生成多个虚拟视点的位置，包括：

获取所述地图数据中每条道路的向量组；

对所述向量组中的每条向量进行线性插值，每条向量上均生成多个所述虚拟视点。

3.根据权利要求2所述的路侧雷达位置识别方法，其特征在于，所述获取所述地图数据中每条道路的向量组，包括：

其中，R_i表示第i条道路的向量组，V_i，j表示组成第i条道路的向量组中的第j个向量，n_i表示第i条道路上的坐标点数，P_i，j表示第i条道路上的第j个坐标点；

所述对所述向量组中的每条向量进行线性插值，每条向量上均生成多个所述虚拟视点，包括：

其中，P_i（k，j）表示第i条道路上的第j个向量上生成的第k个虚拟视点，m表示第j个向量上希望生成的虚拟视点数量，表示第i条道路中第j个向量的起始点，表示第i条道路中第j个向量的终止点。

4.根据权利要求1所述的路侧雷达位置识别方法，其特征在于，所述基于所述雷达扫描数据获取虚拟雷达参数，包括：

计算所述雷达扫描数据中每个点到路侧雷达的第二距离、第一水平角度以及第一垂直角度；

基于所述第一垂直角度的数量获取虚拟雷达线数；

基于每个点的第二距离获取所述虚拟雷达的测量范围；

基于每个点的所述第一水平角度以及所述第一垂直角度获取所述虚拟雷达的水平角度间隔以及垂直角度间隔；

以最大和最小的所述垂直角度间隔作为所述虚拟雷达的垂直视场角；

基于所述垂直角度间隔以及所述虚拟雷达线数计算虚拟雷达激光射线的垂直角集合，基于所述水平角度间隔计算所述虚拟雷达激光射线的水平角集合。

5.根据权利要求4所述的路侧雷达位置识别方法，其特征在于，所述基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描，包括：

基于所述虚拟视点的位置及所述虚拟雷达的测量范围对所述地图数据进行裁剪；

计算裁剪后的所述地图数据中每个点到所述虚拟视点的第三距离、第二水平角度和第二垂直角度；

由所述第二水平角度和所述第二垂直角度生成虚拟雷达扫描线；

若存在第一点的所述第二水平角度属于所述水平角集合，且所述第一点的所述第二垂直角度属于所述垂直角集合，则所述第一点在所述虚拟雷达的扫描线上，保留所述第一点；

保留所述虚拟雷达的扫描线上距离所述虚拟视点最近的点，得到所述虚拟视点对应的所述虚拟扫描，进而得到多个所述虚拟视点分别对应的所述虚拟扫描。

6.据权利要求1所述的路侧雷达位置识别方法，其特征在于，所述通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，包括：

F_ij表示沿第i个水平方向、第j个水平角度上所有箱对应的特征，F表示整个点云的特征描述符。

7.据权利要求1所述的路侧雷达位置识别方法，其特征在于，所述基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离，包括：

式中，和分别表示所述雷达扫描数据以及多个所述虚拟扫描的所述特征描述符的列数；dis_i表示所述虚拟扫描向右移动i 列后与所述雷达扫描数据之间的距离，dis表示所述虚拟扫描与所述雷达扫描数据之间的所述第一距离，g（i，j）表示所述特征描述符中第j 列向右移动i 列后的索引；表示所述虚拟扫描的所述特征描述符第g（i，j）列的数据，表示所述雷达扫描数据的特征描述符第j列的数据。

8.据权利要求7所述的路侧雷达位置识别方法，其特征在于，所述基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置，包括：

将多个所述第一距离进行排序，获取前K个候选虚拟视点；

将所述候选虚拟视点分为多个簇，计算每个簇中各元素之间的第四距离；

基于所述第一距离以及所述第四距离构建距离矩阵；所述距离矩阵的第一行中各元素为所述雷达扫描数据分别与前K个候选虚拟视点的所述虚拟扫描之间的第一距离，除第一行外的其他行为前K个候选虚拟视点的所述虚拟扫描中任意两个所述虚拟扫描之间的第四距离；

计算所述距离矩阵中每一行与第一行之间的第五距离，根据所述第五距离最短的那一行所对应的所述虚拟扫描来确定所述目标虚拟视点。

9.一种路侧雷达位置识别装置，其特征在于，包括：

第一获取单元，用于获取路侧雷达在路口的雷达扫描数据，以及路口的地图数据；

生成单元，用于基于所述地图数据生成多个虚拟视点的位置；

第二获取单元，用于基于所述雷达扫描数据获取虚拟雷达参数；

转化单元，用于基于多个所述虚拟视点的位置及所述虚拟雷达参数，将所述地图数据转化成所述多个所述虚拟视点所在位置处分别对应的虚拟扫描；

提取单元，用于分别提取所述雷达扫描数据以及多个所述虚拟扫描的特征；

计算单元，用于基于所述雷达扫描数据的特征以及多个所述虚拟扫描的特征，计算所述雷达扫描数据分别与多个所述虚拟扫描之间的第一距离；所述第一距离用于表达雷达扫描数据和虚拟扫描之间的相似度；

位置识别单元，用于基于多个所述第一距离的值确定目标虚拟视点，所述目标虚拟视点所在位置即为路侧雷达的位置；

所述提取单元还用于分别对所述雷达扫描数据以及多个所述虚拟扫描的点云数据，按照水平方向、水平角度以及垂直角度进行分箱；

对每个箱中的点进行编码；

通过累计统一横截面中所有箱的编码函数，计算得到点云的特征描述符，所述特征描述符包括分别沿不同水平方向以及不同水平角度的所有箱对应的特征；

所述对每个箱中的点进行编码，包括：

式中，P_i，j，k表示箱中点的集合，，N_r表示沿水平方向的箱数，N_h表示水平角度的箱数，N_v表示垂直角度的箱数；表示对应集合中点的数量，N_th表示数量阈值；表示编码函数，表示判断函数。