仿真雷达的评测方法、装置、设备及计算机存储介质转让专利
申请号 : CN202111402165.8
文献号 : CN113822892B
文献日 : 2022-02-08
发明人 : 胡太群
申请人 : 腾讯科技(深圳)有限公司
摘要 :
权利要求 :
1.一种仿真雷达的评测方法,其特征在于,包括:获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描,所得到的物理点云数据帧;
获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描,所得到的仿真点云数据帧;其中,所述仿真雷达是通过仿真所述物理雷达得到的,所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的;
确定对所述仿真雷达进行真实性评测时所需的评测指标,并按照所述评测指标的计算需求,分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析,得到数据分析结果;
基于所述数据分析结果确定所述评测指标的指标值,并根据所述评测指标的指标值评测所述仿真雷达的真实性;
其中,所述评测指标包括:点云总数差异性指标;所述点云总数差异性指标的计算需求包括:采用所述物理点云数据帧的点云总数以及所述仿真点云数据帧的点云总数,进行指标值计算的需求;所述数据分析结果包括:按照所述点云总数差异性指标的计算需求,通过统计所述物理点云数据帧中的全部点的总数量,得到的所述物理点云数据帧的点云总数;
以及,通过统计所述仿真点云数据帧中的全部点的总数量,得到的所述仿真点云数据帧的点云总数。
2.如权利要求1所述的方法,其特征在于,所述目标物理评测场景中的物理被测对象的数量,与所述目标仿真评测场景中的仿真被测对象的数量为m个;且m个物理被测对象和m个仿真被测对象一一对应,m为大于1的整数;
所述物理点云数据帧是对所述m个物理被测对象进行扫描得到的,所述仿真点云数据帧是对所述m个仿真被测对象进行扫描得到的。
3.如权利要求2所述的方法,其特征在于,所述目标物理评测场景中的m个物理被测对象属于同一类别,且所述m个物理被测对象中的各个物理被测对象的对象尺寸不同;
在所述目标物理评测场景中,是以所述物理雷达所处的位置为起点,沿着一条直线,按照与所述物理雷达的距离从近到远,且对象尺寸从小到大的摆放方式,依次摆放所述m个物理被测对象的。
4.如权利要求1‑3任一项所述的方法,其特征在于,所述基于所述数据分析结果确定所述评测指标的指标值,包括:
对所述物理点云数据帧的点云总数和所述仿真点云数据帧的点云总数进行差值运算,得到点云总数差值;
基于所述点云总数差值和所述物理点云数据帧的点云总数,计算所述点云总数差异性指标的指标值。
5.如权利要求2或3所述的方法,其特征在于,所述评测指标包括:单对象点云差异性指标;所述单对象点云差异性指标的计算需求包括:采用单个物理被测对象的点云属性信息以及相应的仿真被测对象的点云属性信息,进行指标值计算的需求;
所述按照所述评测指标的计算需求,分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析,得到数据分析结果,包括:按照所述单对象点云差异性指标的计算需求,对所述物理点云数据帧进行分割处理,得到每个物理被测对象的点云数据;以及对所述仿真点云数据帧进行分割处理,得到每个仿真被测对象的点云数据;
分别对所述每个物理被测对象的点云数据进行属性识别,得到所述每个物理被测对象的点云属性信息;以及,分别对所述每个仿真被测对象的点云数据进行属性识别,得到所述每个仿真被测对象的点云属性信息;
其中,数据分析结果包括:所述每个物理被测对象的点云属性信息以及所述每个仿真被测对象的点云属性信息。
6.如权利要求5所述的方法,其特征在于,所述单对象点云差异性指标的指标值的数量为m个,任一点云属性信息包括相应被测对象的点云数;所述基于所述数据分析结果确定所述评测指标的指标值,包括:
对第i个物理被测对象的点云数,和第i个仿真被测对象的点云数进行差值运算,得到差值运算结果,i∈[1,m];
基于所述差值运算结果和所述第i个物理被测对象的点云数,计算所述第i个物理被测对象和所述第i个仿真被测对象之间的点云数差异度;
根据计算得到的点云数差异度,确定所述单对象点云差异性指标的第i个指标值。
7.如权利要求5所述的方法,其特征在于,所述单对象点云差异性指标的指标值的数量为m个,任一点云属性信息包括:对相应被测对象进行扫描得到的点云中的各个点的坐标值;所述基于所述数据分析结果确定所述评测指标的指标值,包括:基于第i个物理被测对象对应的各个点的坐标值,和第i个仿真被测对象对应的各个点的坐标值,计算所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点之间的距离值,i∈[1,m];
根据计算得到的距离值,对所述第i个物理被测对象对应的各个点和所述第i个仿真被测对象对应的各个点进行配对处理,得到一个或多个点对;一个点对包括:所述第i个物理被测对象对应的一个点,以及所述第i个仿真被测对象对应的一个点;
分别根据每个点对中的两个点的坐标值,计算所述每个点对的坐标差异度;并对各个点对的坐标差异度进行求和或均值运算,得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云坐标差异度;
根据计算得到的点云坐标差异度,确定所述单对象点云差异性指标的第i个指标值。
8.如权利要求5所述的方法,其特征在于,所述单对象点云差异性指标的指标值的数量为m个,任一点云属性信息包括:对相应被测对象进行扫描得到的点云中的各个点的坐标值;所述基于所述数据分析结果确定所述评测指标的指标值,包括:采用第i个物理被测对象对应的各个点的坐标值,构建所述第i个物理被测对象的点云坐标向量;采用第i个仿真被测对象对应的各个点的坐标值,构建所述第i个仿真被测对象的点云坐标向量,i∈[1,m];
采用构建得到的两个点云坐标向量,确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度;
根据计算得到的点云几何特性差异度,确定所述单对象点云差异性指标的第i个指标值。
9.如权利要求8所述的方法,其特征在于,所述采用构建得到的两个点云坐标向量,确定所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度,包括:采用余弦相似度算法对构建得到的两个点云坐标向量进行相似度运算,并将运算得到的向量相似度,作为所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性相似度;
对所述点云几何特性相似度进行反余弦处理,得到所述第i个物理被测对象和所述第i个仿真被测对象之间的点云几何特性差异度。
10.如权利要求1所述的方法,其特征在于,所述根据所述评测指标的指标值评测所述仿真雷达的真实性,包括:
根据所述评测指标的指标值,确定所述仿真雷达和所述物理雷达之间的雷达相似度;
基于所述雷达相似度评测所述仿真雷达的真实性,得到真实性评测结果。
11.如权利要求1所述的方法,其特征在于,所述目标物理评测场景属于Q个物理评测场景中的任一个物理评测场景,Q为大于1的整数;
其中,不同物理评测场景中的物理被测对象属于不同类别,且一个物理评测场景对应一个仿真评测场景;一个物理评测场景和相应的仿真评测场景,用于确定所述仿真雷达的一个真实性评测结果;
所述方法还包括:在通过所述Q个物理评测场景和Q个仿真评测场景,得到所述仿真雷达的Q个真实性评测结果后,若根据所述Q个真实性评测结果确定所述仿真雷达满足参数调整条件,则对所述仿真雷达的参数进行调整。
12.一种仿真雷达的评测装置,其特征在于,包括:获取单元,用于获取由被仿真的物理雷达对目标物理评测场景中的物理被测对象进行扫描,所得到的物理点云数据帧;
所述获取单元,还用于获取由仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描,所得到的仿真点云数据帧;其中,所述仿真雷达是通过仿真所述物理雷达得到的,所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的;
评测单元,用于确定对所述仿真雷达进行真实性评测时所需的评测指标,并按照所述评测指标的计算需求,分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析,得到数据分析结果;
所述评测单元,用于基于所述数据分析结果确定所述评测指标的指标值,并根据所述评测指标的指标值评测所述仿真雷达的真实性;
其中,所述评测指标包括:点云总数差异性指标;所述点云总数差异性指标的计算需求包括:采用所述物理点云数据帧的点云总数以及所述仿真点云数据帧的点云总数,进行指标值计算的需求;所述数据分析结果包括:按照所述点云总数差异性指标的计算需求,通过统计所述物理点云数据帧中的全部点的总数量,得到的所述物理点云数据帧的点云总数;
以及,通过统计所述仿真点云数据帧中的全部点的总数量,得到的所述仿真点云数据帧的点云总数。
13.一种计算机设备,包括输入接口和输出接口,其特征在于,还包括:处理器,适于实现一条或多条指令;以及,计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行如权利要求1‑11任一项所述的仿真雷达的评测方法。
14.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行如权利要求1‑11任一项所述的仿真雷达的评测方法。
说明书 :
仿真雷达的评测方法、装置、设备及计算机存储介质
技术领域
背景技术
System,全球定位系统)设备组合,并基于传感器融合技术作为感知算法模块的重要输入
源。由于交通仿真是自动驾驶技术落地实施前的重要阶段,通过预先进行交通仿真,可使得
自动驾驶技术在实际应用时保持较优的性能;因此,为保证交通仿真效果,通常需要对真实
的物理雷达进行仿真建模,并将建模得到的仿真雷达接入自动驾驶车辆仿真系统中,以作
为感知输入的一个重要设备。经研究表明,目前业界都是着重于如何仿真建模得到仿真雷
达,缺少一种评测仿真雷达的性能的方法。
发明内容
是通过对所述目标物理评测场景进行三维建模得到的;
析结果;
所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的;
析,得到数据分析结果;
点云总数,进行指标值计算的需求;相应的,评测单元在用于按照所述评测指标的计算需
求,分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析,得到数据分析结果
时,可具体用于:
点的总数量,得到所述仿真点云数据帧的点云总数;其中,数据分析结果包括:所述物理点
云数据帧的点云总数和所述仿真点云数据帧的点云总数。
所述点云总数差异性指标的指标值。
对象的点云属性信息,进行指标值计算的需求;相应的,评测单元在用于按照所述评测指标
的计算需求,分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析,得到数据
分析结果时,可具体用于:
个仿真被测对象的点云数据;分别对所述每个物理被测对象的点云数据进行属性识别,得
到所述每个物理被测对象的点云属性信息;以及,分别对所述每个仿真被测对象的点云数
据进行属性识别,得到所述每个仿真被测对象的点云属性信息;其中,数据分析结果包括:
所述每个物理被测对象的点云属性信息以及所述每个仿真被测对象的点云属性信息。
定所述评测指标的指标值时,可具体用于:
数,计算所述第i个物理被测对象和所述第i个仿真被测对象之间的点云数差异度;根据计
算得到的点云数差异度,确定所述单对象点云差异性指标的第i个指标值。
元在用于基于所述数据分析结果确定所述评测指标的指标值时,可具体用于:
的各个点之间的距离值,i∈[1,m];根据计算得到的距离值,对所述第i个物理被测对象对
应的各个点和所述第i个仿真被测对象对应的各个点进行配对处理,得到一个或多个点对;
一个点对包括:所述第i个物理被测对象对应的一个点,以及所述第i个仿真被测对象对应
的一个点;分别根据每个点对中的两个点的坐标值,计算所述每个点对的坐标差异度;并对
各个点对的坐标差异度进行求和或均值运算,得到所述第i个物理被测对象和所述第i个仿
真被测对象之间的点云坐标差异度;根据计算得到的点云坐标差异度,确定所述单对象点
云差异性指标的第i个指标值。
元在用于基于所述数据分析结果确定所述评测指标的指标值时,可具体用于:
对象的点云坐标向量,i∈[1,m];采用构建得到的两个点云坐标向量,确定所述第i个物理
被测对象和所述第i个仿真被测对象之间的点云几何特性差异度;根据计算得到的点云几
何特性差异度,确定所述单对象点云差异性指标的第i个指标值。
于:
何特性相似度;对所述点云几何特性相似度进行反余弦处理,得到所述第i个物理被测对象
和所述第i个仿真被测对象之间的点云几何特性差异度。
且一个物理评测场景对应一个仿真评测场景;一个物理评测场景和相应的仿真评测场景,
用于确定所述仿真雷达的一个真实性评测结果;评测单元还可用于:在通过所述Q个物理评
测场景和Q个仿真评测场景,得到所述仿真雷达的Q个真实性评测结果后,若根据所述Q个真
实性评测结果确定所述仿真雷达满足参数调整条件,则对所述仿真雷达的参数进行调整。
是通过对所述目标物理评测场景进行三维建模得到的;
析结果;
的评测方法。
其次,可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求,分别对物理点云
数据帧和仿真点云数据帧进行数据分析;这样可使得数据分析结果中的任一数据对于后续
计算评测指标的指标值均是有用的,保证数据分析结果的准确性,还可避免因盲目地进行
数据分析而浪费处理资源,达到节省处理资源的目的。在得到数据分析结果后,便可基于数
据分析结果确定评测指标的指标值,从而根据该评测指标的指标值实现对仿真雷达的真实
性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进
行三维建模得到的,因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景
信息之间的一致性,从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采
集到的,进而保证后续真实性评测的客观公正性,提供一个客观公正的真实性评测结果。
附图说明
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。
具体实施方式
论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解
智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能
也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人
工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人
工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理
技术、操作/交互系统、机电一体化等技术。
机、机器人、智能医疗、智能客服、智能视频服务,等等。其中,自动驾驶技术通常包括高精地
图、环境感知、行为决策、路径规划、运动控制等技术。自动驾驶测试技术通常可包括交通仿
真和实车测试(即控制车辆在实际车道上行驶),且交通仿真作为一种零风险、快速迭代、可
复现的测试方法,为自动驾驶技术上路奠定了坚实的基础。所谓的交通仿真又可称为道路
交通仿真,其是研究复杂交通问题的重要工具;尤其是当一个系统过于复杂,无法用简单抽
象的数学模型描述时,交通仿真的作用就更为突出。交通仿真可以清晰地辅助分析预测交
通堵塞的地段和原因,对城市规划、交通工程和交通管理的有关方案进行比较和评价,在问
题成为现实以前,尽量避免,或有所准备。总结而言,交通仿真技术是应用仿真硬件和仿真
软件通过仿真实验,借助某些数值计算和问题求解,反映系统行为或过程的仿真模型技术。
实性评测。所谓的仿真雷达是指:通过对物理雷达(即真实存在的雷达)进行仿真建模所得
到的雷达,仿真雷达的实质可理解成是一个模型。此处所提及的雷达可以是激光雷达、毫米
波雷达或者其他雷达等等;所谓的激光雷达是指可通过发射激光束对环境中的对象进行扫
描,从而输出对象的点云数据的雷达,所谓的毫米波雷达则是一种工作在毫米波波段探测
的雷达,其主要通过发射电磁波来对环境中的对象进行扫描,从而输出对象的点云数据。其
中,点云数据是指通过雷达所获取的、带有空间坐标的多个采样点(后续简称点)所构成的
集合。为便于阐述,后续所提及的雷达均以激光雷达为例进行说明;即后续所提及的仿真雷
达可以是仿真激光雷达,后续所提及的物理雷达可以是物理激光雷达。
个目标物理评测场景;并可对该目标物理评测场景进行三维建模,得到与该物理评测场景
一致的目标仿真评测场景,该目标仿真评测场景中可包括:通过仿真该物理雷达所得到的
仿真雷达,以及物理被测对象所对应的仿真被测对象。其次,可调用物理雷达对目标物理评
测场景中的物理被测对象进行扫描,并输出一个物理点云数据帧至计算机设备;以及调用
仿真雷达对目标仿真评测场景中的仿真被测对象进行扫描,并输出一个仿真点云数据帧至
计算机设备,如图1所示。然后,计算机设备可基于接收到的物理点云数据帧和仿真点云数
据帧对仿真雷达的真实性进行评测;具体的,计算机设备可按照对仿真雷达进行真实性评
测时所需的评测指标的计算需求,分别对接收到的物理点云数据帧和仿真点云数据帧进行
数据分析,并基于数据分析结果计算评测指标的指标值,从而根据评测指标的指标值对该
仿真雷达的真实性进行评测。
智能电视、智能车载终端等;终端内可安装并运行各式各样的应用,如以路网数据为基础的
地图导航应用(或路线规划应用)、地图开放平台对应的应用、社交应用等等。服务器可以是
独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以
是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服
务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平
台等基础云计算服务的云服务器,等等。
物理被测对象且该物理被测对象是以行人为例进行说明的;而在实际评测时,目标物理评
测场景中的物理被测对象的数量可不局限于1个,且物理被测对象可不局限于行人,还可以
是车辆、建筑物等。②上述图1是以计算机设备(终端或服务器)基于物理点云数据帧和仿真
点云数据帧,对仿真雷达进行真实性评测为例进行说明的;而在实际评测中,也可由终端和
服务器共同完成对仿真雷达的真实性评测。例如,可由终端按照对仿真雷达进行真实性评
测时所需的评测指标的计算需求,分别对接收到的物理点云数据帧和仿真点云数据帧进行
数据分析,得到数据分析结果;然后,由服务器基于终端得到的数据分析结果,计算评测指
标的指标值,从而根据评测指标的指标值对该仿真雷达的真实性进行评测。
评测指标和可行的评测方案;通过该方案可为自动驾驶仿真系统中的仿真雷达提供客观公
正的真实性评测结果,从而实现评价各种仿真雷达模型的优劣和真实性。
或者由终端和服务器共同执行。为便于阐述,本申请实施例主要以计算机设备执行该仿真
雷达的评测方法为例进行说明;请参见图2,该仿真雷达的评测方法可包括以下步骤S201‑
S204:
通场景所涉及的任一真实对象,如车辆、建筑物、植被、行人、锥形桶等。也就是说,本申请实
施例可以通过在评测场地中放置真实对象(行人、车辆等),来搭建目标物理评测场景。或
者,该物理被测对象也可以是用于代表真实交通场景中的任一真实对象的物体;具体的,物
理被测对象的表面材质可以是诸如金属、建筑物材料、木材、服装材料或塑料等材质,且物
理被测对象可具有三角形、正方形、圆形或菱形等几何形状,从而使得该物理被测对象可用
于代表真实交通场景中的不同真实对象,如车辆、建筑物、植被、行人、锥形桶,等等。也就是
说,本申请实施例可以在评测场地中放置指定材质且指定几何形状的物理以代表相应的真
实对象,来搭建目标物理评测场景;通过此方式,可降低评测场景的搭建成本和搭建难度。
之间的距离小于或等于物理雷达的最大探测距离;也就是说,此情况下的目标物理评测场
景的搭建方式可以是:在评测场地中标记出物理雷达所处的位置,得到雷达标记点;可在距
离雷达标记点的最大探测距离内,选取任一点标记为对象标记点;然后,将物理雷达放置在
雷达标记点,以及将物理被测对象放置在对象标记点,从而搭建出目标物理评测场景。通过
约束物理被测对象和物理雷达之间的距离不大于最大探测距离,可使得物理雷达能够完整
准确地扫描到物理被测对象,从而保证物理点云数据帧的完整性和准确性。
别,且m个物理被测对象中的各个物理被测对象的对象尺寸不同;例如,m个物理被测对象可
以是大小不一的车辆,或者大小不一的锥形桶,等等。并且,在目标物理评测场景中,是以物
理雷达所处的位置为起点,沿着一条直线,按照与物理雷达的距离从近到远,且对象尺寸从
小到大的摆放方式,依次摆放m个物理被测对象的。也就是说,此情况下的目标物理评测场
景的搭建方式可以是:在评测场地中标记出物理雷达所处的位置,得到雷达标记点;在距离
雷达标记点的最大探测距离内,以雷达标记点为起点,沿着一条直线每隔一段距离标记一
个对象标记点,以得到m个对象标记点;其次,确定m个对象标记点中的每个对象标记点和雷
达标记点之间的距离值,并按照对象尺寸与被分配的对象标记点对应的距离值成正相关的
分配原则,分别为每个物理被测对象分配一个对象标记点;然后,可将物理雷达放置在雷达
标记点,以及将各个物理被测对象放置在相应的被分配的对象标记点,从而搭建出目标物
理评测场景。
直线并按照间隔10米的距离,标记各个物理被测对象所需处于的放置位置,以得到4个对象
标记点;然后,可按照从近到远,对象尺寸从小到大的方式,在各个标记点处分别放置同一
类别的物理被测对象(即三角牌检测物)。相应的,这4个三角牌检测物的摆放示意图可参见
图3a所示,以雷达标记点O为基准,4个三角牌检测物与雷达标记点O的距离从近到远依次为
10米、20米、30米、40米。通过图3a可见,通过按照从近到远依次放置从小到大的物理被测对
象,可保证近处的物理被测对象不会遮挡完后方的物理被测对象,这样可使得物理雷达能
够完整准确地扫描到各个物理被测对象,从而保证物理点云数据帧的完整性和准确性。并
且,通过使所有物理被测对象位于同一条直线上,即所有物理被测对象的中心点与地面垂
线的交点在同一条直线上,可便于物理雷达一次性对所有物理被测对象进行扫描,提升扫
描效率和便利性,从而提升物理点云数据帧的采集效率;并且,还可使得扫描出的各个物理
被测对象的点云数据的中心位于同一直线上,从而便于后续从物理点云数据帧中准确地分
割出各个物理被测对象的点云数据,提升点云数据分割的准确性并降低点云数据分割的复
杂度。
象之间的间隔是相同的;在其他实施例中,也可以采用非等间隔地方式放置各个物理被测
对象,即各个相邻物理被测对象之间的间隔可以不同,如按照从近到远的顺序,第一个物理
被测对象和物理雷达之间的距离可以是10米,而第二个物理被测对象和第一个物理被测对
象之间的距离可以是20米,第三个物理被测对象和第二个物理被测对象之间的距离可以是
30米等等。又如,在图3a中是按照同一个摆放方向并沿着一条直线放置各个物理被测对象
的;在其他实施例中,也可按照同一个摆放方向但不沿着一条直线放置各个物理被测对象,
如图3b所示;或者,也可不沿着同一个摆放方向放置各个物理被测对象,如图3c所示。应理
解的是,当按照图3b或图3c所示的方式摆放各个物理被测对象时,各个物理被测对象的对
象尺寸可相同或不同,对此不作限定。并且,当各个物理被测对象未在同一条直线或同一个
摆放方向时,物理雷达可通过角度转动的方式实现完整扫描到各个物理被测对象,从而输
出物理点云数据帧,如图3d所示。
对象进行仿真建模得到的。可理解的是,目标仿真评测场景和目标物理评测场景之间具有
一致性;也就是说,目标仿真评测场景和目标物理评测场景是两个完全相同的场景,目标仿
真评测场景和目标物理评测场景的区别在于:目标仿真评测场景位于仿真系统中,而目标
物理评测场景位于真实的物理空间中而已。
系,与仿真被测对象和仿真雷达之间的位置关系是相同的。当目标物理评测场景中的物理
被测对象的数量是m(m为大于1的整数)个时,目标仿真评测场景中的仿真被测对象的数量
也为m个;且m个物理被测对象和物理雷达之间的位置关系,与m个仿真被测对象和仿真雷达
之间的位置关系是相同的。并且此情况下,物理点云数据帧是对m个物理被测对象进行扫描
得到的,仿真点云数据帧是对m个仿真被测对象进行扫描得到的;也就是说,物理点云数据
帧中包括每个物理被测对象的点云数据,仿真点云数据帧中包括每个仿真被测对象的点云
数据。
中所处的三维空间位置;其中,任一被测对象可以是任一物理被测对象或者任一仿真被测
对象。进一步的,任一被测对象的点云数据还可包括以下至少一项:对任一被测对象进行扫
描所得到的每个点的反射强度(intensity)、颜色信息(如RGB值,R表示红色、G表示绿色、B
表示蓝色),等等。
差异性指标用于衡量:物理点云数据帧和仿真点云数据帧之间的点云总数差异。②单对象
点云差异性指标用于衡量:单个物理被测对象和相应的单个仿真对象之间的点云数差异、
点云坐标差异以及点云几何特性差异中的至少一种差异。③点云反射强度差异性指标用于
衡量:物理点云数据帧中的点云和仿真点云数据帧中的点云之间的整体反射强度差异;或
者用于衡量:单个物理被测对象的点云和相应单个仿真对象的点云之间的整体反射强度差
异。④点云颜色差异性指标用于衡量:物理点云数据帧中的点云和仿真点云数据帧中的点
云之间的整体颜色差异;或者用于衡量:单个物理被测对象的点云和相应单个仿真对象的
点云之间的整体颜色差异。
物理点云数据帧的点云总数以及仿真点云数据帧的点云总数,进行指标值计算的需求。②
单对象点云差异性指标的计算需求可包括:采用单个物理被测对象的点云属性信息以及相
应的仿真被测对象的点云属性信息,进行指标值计算的需求;任一点云属性信息可以包括
但不限于:相应被测对象的点云数(即对相应被测对象进行扫描得到的点云中的全部点的
数量),对相应被测对象进行扫描得到的点云中的各个点的坐标值,等等。③点云反射强度
差异性指标的计算需求可包括:采用物理点云数据帧中的各个点的反射强度以及仿真点云
数据帧中的各个点的反射强度,进行指标值计算的需求;或者包括:采用单个物理被测对象
的各个点的反射强度以及相应单个仿真对象的各个点的反射强度,进行指标值计算的需
求。④点云颜色差异性指标的计算需求可包括:采用物理点云数据帧中的各个点的颜色信
息以及仿真点云数据帧中的各个点的颜色信息,进行指标值计算的需求;或者包括:采用单
个物理被测对象的各个点的颜色信息以及相应单个仿真对象的各个点的颜色信息,进行指
标值计算的需求。
时),则计算机设备可分别按照评测指标中的各个指标的计算需求,对物理点云数据帧和仿
真点云数据帧进行数据分析,从而得到数据分析结果。基于此,当评测指标包括点云总数差
异性指标时,数据分析结果可包括:物理点云数据帧的点云总数和仿真点云数据帧的点云
总数。当评测指标包括单对象点云差异性指标时,数据分析结果可包括:每个物理被测对象
的点云属性信息以及每个仿真被测对象的点云属性信息。当评测指标包括点云反射强度差
异性指标时,数据分析结果可包括:物理点云数据帧中的各个点的反射强度以及仿真点云
数据帧中的各个点的反射强度;当评测指标包括点云颜色差异性指标时,数据分析结果可
包括:物理点云数据帧中的各个点的颜色信息以及仿真点云数据帧中的各个点的颜色信
息。
析结果中的各个数据进行指标值计算,得到评测指标的指标值。若评测指标中包括至少两
个指标,则可从数据分析结果中确定每个指标对应的数据,分别采用每个指标的指标值计
算方式,根据每个指标对应的数据进行指标值计算,得到每个指标的指标值;即此情况下,
评测指标的指标值具体包括了每个指标的指标值。
标,因此计算机设备可通过判断评测指标的指标值与预期的差异性阈值之间的大小关系,
来确定仿真雷达的真实性。或者,计算机设备可按照指标值和相似度成反比的原则,基于评
测指标的指标值确定仿真雷达和物理雷达之间的雷达相似度,从而基于雷达相似度来评测
仿真雷达的真实性。若评测指标包括多个指标,则计算机设备可对各个指标的指标值进行
融合,并根据融合结果确定仿真雷达和物理雷达之间的雷达相似度,从而基于雷达相似度
评测仿真雷达的真实性。或者,计算机设备也可对各个指标的指标值进行融合,将融合结果
作为仿真雷达和物理雷达之间的雷达差异度,从而通过判断雷达差异度与预期的差异性阈
值之间的大小关系,来确定仿真雷达的真实性。
其次,可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求,分别对物理点云
数据帧和仿真点云数据帧进行数据分析;这样可使得数据分析结果中的任一数据对于后续
计算评测指标的指标值均是有用的,保证数据分析结果的准确性,还可避免因盲目地进行
数据分析而浪费处理资源,达到节省处理资源的目的。在得到数据分析结果后,便可基于数
据分析结果确定评测指标的指标值,从而根据该评测指标的指标值实现对仿真雷达的真实
性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进
行三维建模得到的,因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景
信息之间的一致性,从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采
集到的,进而保证后续真实性评测的客观公正性,提供一个客观公正的真实性评测结果。
图4,该仿真雷达的评测方法可包括以下步骤S401‑S408:
全部点的总数量,得到物理点云数据帧的点云总数;以及,统计仿真点云数据帧中的全部点
的总数量,得到仿真点云数据帧的点云总数。在此情况下,数据分析结果可包括:物理点云
数据帧的点云总数和仿真点云数据帧的点云总数。
进行分割处理,得到每个物理被测对象的点云数据;以及对仿真点云数据帧进行分割处理,
得到每个仿真被测对象的点云数据。具体的,计算机设备可通过采用预设的分割算法来实
现分割处理。其次,可分别对每个物理被测对象的点云数据进行属性识别,得到每个物理被
测对象的点云属性信息;以及,分别对每个仿真被测对象的点云数据进行属性识别,得到每
个仿真被测对象的点云属性信息。在此情况下,数据分析结果包括:每个物理被测对象的点
云属性信息以及每个仿真被测对象的点云属性信息。其中,任一点云属性信息包括以下至
少一项:相应被测对象的点云数,以及相应被测对象的各个点云的坐标值,等等;相应被测
对象的点云数具体是指:对相应被测对象进行扫描得到的点云中的点的总数量。
体阐述了在采用点云总数差异性指标和单对象点云差异性指标的情况下,步骤S404的具体
实施方式;由于针对点云反射强度差异性指标以及点云颜色差异性指标所采用的数据分析
方式,与针对点云总数差异性指标或者单对象点云差异性指标所采用的数据分析方式类
似,因此在此不再赘述。同理,后续也均以点云总数差异性指标和单对象点云差异性指标这
两个指标为例,对步骤S405的具体实施方式进行阐述。
方式可包括:将物理点云数据帧的点云总数和仿真点云数据帧的点云总数之间的比值,确
定为点云总数差异性指标的指标值。或者,步骤S405的具体实施方式可包括:计算机设备可
先对物理点云数据帧的点云总数和仿真点云数据帧的点云总数进行差值运算,得到点云总
数差值。然后,计算机设备可基于点云总数差值和物理点云数据帧的点云总数,计算点云总
数差异性指标的指标值。具体的,计算机设备可对点云总数差值进行绝对值运算,得到点云
总数差值绝对值;将点云总数差值绝对值和物理点云数据帧的点云总数之间的比值,确定
为点云总数差异性指标的指标值。
分比形式时,点云总数差异性指标的指标值可理解成是点云总数绝对百分比。基于此,采用
S表示仿真点云数据帧的点云总数,采用R表示物理点云数据帧的点云总数,采用P_cnt表示
点云总数差异性指标的指标值,则点云总数差异性指标的指标值的计算公式可参见下述公
式1.1所示:
骤S405的具体实施方式可包括以下一种或多种:
值运算,得到差值运算结果;其中,i∈[1,m]。然后,计算机设备可基于差值运算结果和第i
个物理被测对象的点云数,计算第i个物理被测对象和第i个仿真被测对象之间的点云数差
异度。具体的,计算机设备可对差值运算结果的绝对值和第i个物理被测对象的点云数之间
的比值,确定为第i个物理被测对象和第i个仿真被测对象之间的点云数差异度。其中,点云
数差异度可以采用小数形式进行表示,也可以采用百分比形式进行表示,对此不作限定;当
点云数差异度的形式为百分比形式时,由于被测对象的形状属于几何图形,因此点云数差
异度可理解成是几何图形中点云总数绝对百分比。基于此,采用Si表示第i个仿真被测对象
的点云数(即仿真雷达落在第i个几何图形中的点云数),采用Ri表示第i个物理被测对象的
点云数(即物理雷达落在第i个几何图形中的点云数),采用P_cnti表示第i个物理被测对象
和第i个仿真被测对象之间的点云数差异度,则该点云数差异度的计算公式可参见下述公
式1.2所示:
测对象的点云数之间的比值,确定为第i个物理被测对象和第i个仿真被测对象之间的点云
数差异度。
象点云差异性指标的第i个指标值。或者,计算机设备还可通过下述实施方式二计算点云坐
标差异度,通过实施方式三计算点云几何特性差异度中的至少一种,从而将点云坐标差异
度和点云几何特性差异度中的至少一种,与点云数差异度进行加权平均处理,得到单对象
点云差异性指标的第i个指标值。
i个仿真被测对象对应的各个点的坐标值,计算第i个物理被测对象对应的各个点和第i个
仿真被测对象对应的各个点之间的距离值。其次,可根据计算得到的距离值,对第i个物理
被测对象对应的各个点和第i个仿真被测对象对应的各个点进行配对处理,得到一个或多
个点对;一个点对包括:第i个物理被测对象对应的一个点,以及第i个仿真被测对象对应的
一个点。需要说明的是,本申请实施例对配对处理的具体方式不作限定。例如,计算机设备
可将距离值最小作为配对标准,从而进行配对处理;也就是说,针对第i个物理被测对象对
应的任一点,计算机设备可根据任一点和第i个仿真被测对象对应的各个点之间的距离值,
从第i个仿真被测对象对应的全部点中选取距离值最小的点,并采用被选取的点和第i个物
理被测对象对应的任一点构建一个点对。可选的,计算机设备在从第i个仿真被测对象对应
的全部点中选取出距离值最小的点后,还可先判断选取的点和该任一点之间的距离是否小
于距离阈值;若小于,则采用被选取的点和第i个物理被测对象的任一点构建一个点对;否
则,则舍弃该任一点。
i个仿真被测对象之间的点云坐标差异度。最后,可根据计算得到的点云坐标差异度,确定
单对象点云差异性指标的第i个指标值;具体的,计算机设备可直接将点云坐标差异度确定
为单对象点云差异性指标的第i个指标值。或者,计算机设备可将点云数差异度和点云几何
特性差异度中的至少一种,与点云坐标差异度进行加权平均处理,得到单对象点云差异性
指标的第i个指标值。
坐标差异度的过程中,可以是直接根据每个点对中的两个点的坐标值(x,y,z),计算每个点
对的坐标差异度,从而直接对每个点对的坐标差异度进行求和或均值运算,得到点云坐标
差异度。或者,计算机设备也可在横向维度、纵向维度以及竖向维度等各个维度下,分别计
算每个点对在各个维度下的坐标差异度,然后以维度为单位,对各个点对在每个维度下的
坐标差异度进行求和或者均值运算,得到第i个物理被测对象和第i个仿真被测对象在每个
维度下的坐标差异度,进而对第i个物理被测对象和第i个仿真被测对象在各个维度下的坐
标差异度进行均值计算,得到第i个物理被测对象和第i个仿真被测对象之间的点云坐标差
异度。
式进行表示时,通过均值运算所得到的第i个物理被测对象和第i个仿真被测对象在横向维
度下的坐标差异度可理解成是几何图形中x坐标值的平均绝对百分比误差(采用MAPE_Xi表
示),通过均值运算所得到的第i个物理被测对象和第i个仿真被测对象在纵向维度下的坐
标差异度可理解成是几何图形中y坐标值的平均绝对百分比误差(采用MAPE_Yi表示),通过
均值运算所得到的第i个物理被测对象和第i个仿真被测对象在竖向维度下的坐标差异度
可理解成是几何图形中z坐标值的平均绝对百分比误差(采用MAPE_Zi表示)。基于此,通过
均值运算所得到的第i个物理被测对象和第i个仿真被测对象在各个维度下的坐标差异度
的计算公式可参见下述公式1.3‑1.5所示:
个仿真被测对象对应的点的x坐标值,R_xi,j表示第j个点对中的第i个物理被测对象对应的
点的x坐标值。同理,S_yi,j表示第j个点对中的第i个仿真被测对象对应的点的y坐标值,R_
yi,j表示第j个点对中的第i个物理被测对象对应的点的y坐标值;S_zi,j表示第j个点对中的
第i个仿真被测对象对应的点的z坐标值,R_zi,j表示第j个点对中的第i个物理被测对象对
应的点的z坐标值。
用MAPEi表示)的计算公式可参见下述公式1.6所示:
第i个物理被测对象的点云坐标向量;采用第i个仿真被测对象对应的各个点的坐标值,构
建第i个仿真被测对象的点云坐标向量。具体的,采用S_Xi,j表示第i个仿真被测对象对应的
第j个点的x坐标值,采用S_Yi,j表示第i个仿真被测对象对应的第j个点的y坐标值,采用S_
Zi,j表示第i个仿真被测对象对应的第j个点的z坐标值;同理,采用R_Xi,j表示第i个物理被
测对象对应的第j个点的x坐标值,采用R_Yi,j表示第i个物理被测对象对应的第j个点的y坐
标值,采用R_Zi,j表示第i个物理被测对象对应的第j个点的z坐标值。那么,第i个仿真被测
对象的点云坐标向量(S_Vi),以及第i个物理被测对象的点云坐标向量(R_Vi)可参见下述:
算法对构建得到的两个点云坐标向量进行相似度运算,并将运算得到的向量相似度,作为
第i个物理被测对象和第i个仿真被测对象之间的点云几何特性相似度。再对点云几何特性
相似度进行反余弦处理,得到第i个物理被测对象和第i个仿真被测对象之间的点云几何特
性差异度。其中,向量相似度的计算公式以及点云几何特性差异度的计算公式可分别参见
下述公式1.7和公式1.8所示:
R_Vi的第j个分量。
云差异性指标的第i个指标值。或者,计算机设备可将点云数差异度和点云坐标差异度中的
至少一种,与点云几何特性差异度进行加权平均处理,得到单对象点云差异性指标的第i个
指标值。
数量为m个时,单对象点云差异性指标的指标值的数量为m个。并且,在计算机设备计算单对
象点云差异性指标的指标值时,上述三种实施方式均被采用,则单对象点云差异性指标的
第i个指标值可以是对点云数差异度、点云坐标差异度与点云几何特性差异度这三个差异
度进行加权平均处理得到的;采用D_cnti表示单对象点云差异性指标的第i个指标值,则此
情况下的第i个指标值的计算公式可参见下述公式1.9所示:
物理被测对象和第i个仿真被测对象之间的点云差异,因此计算机设备在执行步骤S406时,
可先根据单对象点云差异性指标的第i个指标值,计算第i个物理被测对象和第i个仿真被
测对象之间的点云相似度(Similarityi);在得到各个物理被测对象和相应仿真被测对象
之间的点云相似度后,可对各个点云相似度进行均值运算,将均值运算结果(Similarity)
作为仿真雷达和物理雷达之间的雷达相似度。其中,Similarityi的计算公式和Similarity
的计算公式可参见下述公式2.0和公式2.1所示:
备在执行步骤S406时,可采用基准数值(如数值1)对点云总数差异性指标的指标值进行差
值运算,从而将运算得到的差值作为仿真雷达和物理雷达之间的雷达相似度。应理解的是,
当评测指标包括点云总数差异性指标和单对象点云差异性指标时,则计算机设备在通过上
述公式2.1得到均值运算结果,以及通过基准数值(如数值1)对点云总数差异性指标的指标
值进行差值运算后,可对均值运算结果和运算得到的差值做进一步的求和处理,得到仿真
雷达和物理雷达之间的雷达相似度。
实性评测;若雷达相似度小于相似度阈值,则确定仿真雷达在目标仿真评测场景中未通过
真实性评测,从而得到真实性评测结果。或者,计算机设备也可直接将雷达相似度作为仿真
雷达的真实度,从而得到包含该真实度的真实性评测结果。
性评测,或用于指示仿真雷达和物理雷达之间的雷达相似度小于相似度阈值,则可确定仿
真雷达存在参数调整需求,从而触发执行步骤S408。
设备在仿真雷达和物理雷达的差异性较大的情况下,智能地调节仿真模型(即仿真雷达)的
参数,从而实现自动对仿真雷达进行改进优化,可在一定程度上节省人工调参的成本。
其次,可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求,分别对物理点云
数据帧和仿真点云数据帧进行数据分析;这样可使得数据分析结果中的任一数据对于后续
计算评测指标的指标值均是有用的,保证数据分析结果的准确性,还可避免因盲目地进行
数据分析而浪费处理资源,达到节省处理资源的目的。在得到数据分析结果后,便可基于数
据分析结果确定评测指标的指标值,从而根据该评测指标的指标值实现对仿真雷达的真实
性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进
行三维建模得到的,因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景
信息之间的一致性,从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采
集到的,进而保证后续真实性评测的客观公正性,提供一个客观公正的真实性评测结果。
的物理被测对象属于不同类型;从而实现分别在每个物理评测场景和相应的仿真评测场景
下,对仿真雷达的真实性进行评测,进而保证真实性评测的全面性。其中,Q为大于1的整数。
在此情况下,上述图2或图4所示的方法实施例中所提及的目标物理评测场景属于Q个物理
评测场景中的任一个物理评测场景。基于上述图2或图4所示的方法实施例可知,一个物理
评测场景和相应的仿真评测场景,用于确定仿真雷达的一个真实性评测结果;因此计算机
设备可重复执行Q次图2或图4所示的各个步骤,以得到Q个真实性评测结果。
近到远的方式,在m个对象标记点处分别放置从小到大的同一类别的m个物理被测对象,一
个对象标记点处放置一个物理被测对象。按照此方式,通过改变评测场地中的物理被测对
象,来建立Q个物理评测场景。在建立Q个物理评测场景后,可通过三维建模方式,将不同的
物理评测场景制作成三维模型,作为仿真系统里的对应仿真评测场景。需要说明的是,在将
物理雷达部署到评测场地的雷达标记点后,可调整物理雷达的高度及角度,确保其能扫描
到所有物理被测对象,同时记录物理雷达的位置信息和参数;其中,位置信息包括X、Y、Z等,
参数包括水平和垂直FOV(FieldofView,视场角)、扫描频率等。
各仿真评测场景中的仿真被测对象进行扫描,得到各仿真评测场景对应的仿真点云数据
帧。具体的,可将根据仿真系统接口,将仿真雷达模型(即仿真雷达)接入仿真系统,并可根
据之前记录的物理雷达的位置和参数,在仿真系统中为仿真激光雷达设备设置对应的配置
信息。在仿真系统中,依次之前创建的各个仿真评测场景作为输入数据发送给仿真雷达,使
得仿真雷达对不同的仿真评测场景中的仿真被测对象进行扫描,从而分别记录下仿真雷达
在各个仿真评测场景中输出的仿真点云数据帧。
雷达的真实性评测,得到仿真雷达的Q个真实性评测结果。进一步的,计算机设备在得到各
个仿真评测场景对应的评测指标的指标值后,还可通过数据管理模块、数据库、GUI
(Graphical User Interface,图形用户界面)报表展示模块,将每个仿真评测场景对应的
评测指标的指标值存储在数据库中,最终通过GUI报表向用户展示每个仿真评测场景对应
的评测指标的指标值。或者,计算机设备也可将各个仿真评测场景对应的真实性评测结果
存储至数据库,并通过GUI报表向用户展示每个仿真评测场景对应的真实性评测结果。
件,如图5b所示。其中,参数调整条件可包括但不限于:Q个真实性评测结果中,存在预期数
量的真实性评测结果指示仿真雷达未通过真实性评测;该预设数量可根据经验值或业务需
求设定,如预期数量可以为1,或预期数量可以等于Q,等等。若根据Q个真实性评测结果确定
仿真雷达满足参数调整条件,则可对仿真雷达的参数进行调整。具体的,计算机设备在根据
Q个真实性评测结果确定仿真雷达满足参数调整条件后,可直接对仿真雷达的参数进行调
整。或者,计算机设备在确定仿真雷达满足参数调整条件后,可进一步判断仿真雷达是否无
法收敛;若无法收敛,则结束整个流程,若可以收敛,则可对仿真雷达的参数进行调整。在调
整参数后,计算机设备可迭代执行图5a和图5b所示的流程,以对仿真雷达的参数进行迭代
的优化更新。
雷达仍无法提升仿真雷达的参数趋于稳定,使得仿真雷达仍需进行参数调整,那么便可确
定仿真雷达无法收敛。另外,对仿真雷达的参数进行调整的方式可以是:确定前一次对仿真
雷达所采用的参数调整方向,并判断当前的Q个真实性评测结果是否优于前一次获取到的Q
个真实性评测结果;若优于,则继续按照前一次对仿真雷达所采用的参数调整方向,对仿真
雷达进行参数调整;若不优于,则按照与前一次对仿真雷达所采用的参数调整方向相反的
方向,对仿真雷达进行参数调整。其中,若当前的Q个真实性评测结果中用于指示仿真雷达
未通过真实性评测的真实性评测结果的数量,少于前一次获取到的Q个真实性评测结果中
用于指示仿真雷达未通过真实性评测的真实性评测结果的数量,则可确定当前的Q个真实
性评测结果优于前一次获取到的Q个真实性评测结果。
入仿真系统中,并在仿真系统依次改变仿真被测物体,从而分别收集仿真雷达所输出的仿
真点云数据帧,并基于仿真点云数据帧计算出各种仿真评测场景对应的评测指标的指标
值,进而根据指标值综合评测仿真雷达的真实性,以提供仿真雷达的真实性评测结果;通过
提供真实性评测结果,可在真实性评测结果指示仿真雷达具有高度真实性和一致性时,让
用户更加信任仿真系统,进而提高和推广仿真系统的使用率和普及率。并且,本申请实施例
可自适应调节仿真雷达的参数,通过自动对仿真雷达进行改进优化,可极大地节省人工调
参的成本。
(包括程序代码)。该仿真雷达的评测装置可以执行图2或图4所示的仿真雷达的评测方法。
请参见图6,所述仿真雷达的评测装置可以运行如下单元:
的,所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的;
分析,得到数据分析结果;
点云总数,进行指标值计算的需求;
对象的点云属性信息,进行指标值计算的需求;
个仿真被测对象的点云数据;
所述每个仿真被测对象的点云属性信息;
确定所述评测指标的指标值时,可具体用于:
元602在用于基于所述数据分析结果确定所述评测指标的指标值时,可具体用于:
的各个点之间的距离值,i∈[1,m];
物理被测对象对应的一个点,以及所述第i个仿真被测对象对应的一个点;
真被测对象之间的点云坐标差异度;
元602在用于基于所述数据分析结果确定所述评测指标的指标值时,可具体用于:
对象的点云坐标向量,i∈[1,m];
用于:
何特性相似度;
达的一个真实性评测结果;
足参数调整条件,则对所述仿真雷达的参数进行调整。
S202均可由图6中所示的获取单元601来执行,步骤S203‑S204均可由图6中所示的评测单元
602来执行;又如,图4中所示的步骤S401‑步骤S402均可由图6中所示的获取单元601来执
行,步骤S403‑S408均可由图6中所示的评测单元602来执行,等等。
分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请的实施例的
技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以
由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其它实施例中,基于
仿真雷达的评测装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协
助实现,并且可以由多个单元协作实现。
行能够执行如图2或图4中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),
来构造如图6中所示的仿真雷达的评测装置设备,以及来实现本申请实施例的仿真雷达的
评测方法。所述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记
录介质装载于上述计算设备中,并在其中运行。
其次,可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求,分别对物理点云
数据帧和仿真点云数据帧进行数据分析;这样可使得数据分析结果中的任一数据对于后续
计算评测指标的指标值均是有用的,保证数据分析结果的准确性,还可避免因盲目地进行
数据分析而浪费处理资源,达到节省处理资源的目的。在得到数据分析结果后,便可基于数
据分析结果确定评测指标的指标值,从而根据该评测指标的指标值实现对仿真雷达的真实
性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进
行三维建模得到的,因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景
信息之间的一致性,从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采
集到的,进而保证后续真实性评测的客观公正性,提供一个客观公正的真实性评测结果。
存储介质704。其中,计算机设备内的处理器701、输入接口702、输出接口703以及计算机存
储介质704可通过总线或其他方式连接。计算机存储介质704可以存储在计算机设备的存储
器中,所述计算机存储介质704用于存储计算机程序,所述计算机程序包括程序指令,所述
处理器701用于执行所述计算机存储介质704存储的程序指令。处理器701(或称CPU
(Central Processing Unit,中央处理器))是计算机设备的计算核心以及控制核心,其适
于实现一条或多条指令,具体适于加载并执行一条或多条指令从而实现相应方法流程或相
应功能。
象进行扫描,所得到的物理点云数据帧;获取由仿真雷达对目标仿真评测场景中的仿真被
测对象进行扫描,所得到的仿真点云数据帧;其中,所述仿真雷达是通过仿真所述物理雷达
得到的,所述目标仿真评测场景是通过对所述目标物理评测场景进行三维建模得到的;确
定对所述仿真雷达进行真实性评测时所需的评测指标,并按照所述评测指标的计算需求,
分别对所述物理点云数据帧和所述仿真点云数据帧进行数据分析,得到数据分析结果;基
于所述数据分析结果确定所述评测指标的指标值,并根据所述评测指标的指标值评测所述
仿真雷达的真实性,等等。
以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介
质。计算机存储介质提供存储空间,该存储空间存储了计算机设备的操作系统。并且,在该
存储空间中还存放了适于被处理器加载并执行的一条或多条的指令,这些指令可以是一个
或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是
高速RAM存储器,也可以是非不稳定的存储器(non‑volatile memory),例如至少一个磁盘
存储器;可选的,还可以是至少一个位于远离前述处理器的计算机存储介质。
体实现中,计算机存储介质中的一条或多条指令由处理器加载并执行如下步骤:
是通过对所述目标物理评测场景进行三维建模得到的;
析结果;
点云总数,进行指标值计算的需求;
并具体执行:
对象的点云属性信息,进行指标值计算的需求;
并具体执行:
个仿真被测对象的点云数据;
所述每个仿真被测对象的点云属性信息;
标的指标值时,所述一条或多条指令可由处理器加载并具体执行:
所述数据分析结果确定所述评测指标的指标值时,所述一条或多条指令可由处理器加载并
具体执行:
的各个点之间的距离值,i∈[1,m];
物理被测对象对应的一个点,以及所述第i个仿真被测对象对应的一个点;
真被测对象之间的点云坐标差异度;
所述数据分析结果确定所述评测指标的指标值时,所述一条或多条指令可由处理器加载并
具体执行:
对象的点云坐标向量,i∈[1,m];
由处理器加载并具体执行:
何特性相似度;
达的一个真实性评测结果;
评测结果确定所述仿真雷达满足参数调整条件,则对所述仿真雷达的参数进行调整。
其次,可按照对仿真雷达进行真实性评测时所需的评测指标的计算需求,分别对物理点云
数据帧和仿真点云数据帧进行数据分析;这样可使得数据分析结果中的任一数据对于后续
计算评测指标的指标值均是有用的,保证数据分析结果的准确性,还可避免因盲目地进行
数据分析而浪费处理资源,达到节省处理资源的目的。在得到数据分析结果后,便可基于数
据分析结果确定评测指标的指标值,从而根据该评测指标的指标值实现对仿真雷达的真实
性进行评测。由于在评测过程中所涉及的目标仿真评测场景是通过对目标物理评测场景进
行三维建模得到的,因此可保证目标仿真评测场景的场景信息和目标物理评测场景的场景
信息之间的一致性,从而保证物理点云数据帧和仿真点云数据帧是在相同的场景环境中采
集到的,进而保证后续真实性评测的客观公正性,提供一个客观公正的真实性评测结果。
存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行
该计算机指令,使得该计算机设备执行上述图2或图4所示的仿真雷达的评测方法实施例方
面的各种可选方式中提供的方法。