一种时空同步多传感器误差分析方法和装置与流程

本发明属于智能交通，具体涉及一种时空同步多传感器误差分析方法和装置。

背景技术：

1、交通是城市发展的动力，日益增长的汽车保有量引发了严峻的交通堵塞，严重影响了城市社会经济的发展。智能交通系统(intelligent traffic system，简称its)将计算机技术、传感器技术、信息技术和通信技术等有效集成并应用于交通信息管理中，并构建了一种大范围、全方位、准确实时高效的综合交通运输管理系统，是未来几十年交通系统的发展方向。多样化的物联网传感器，如摄像头、地磁传感器、毫米波雷达等，被部署在交通系统中，提供了精准的道路和车辆信息，促进了智能交通系统的发展。而不同传感器设备之间进行数据融合，若直接采用两者的时间信息和空间信息进行关联融合，受时空同步误差影响较为严重，当时空同步误差较大时，容易出现关联错误的情况。因此，准确确定和优化时空同步误差就显得尤为重要。

2、同济大学在其申请的专利“一种智能汽车多传感器时空融合的自动在线标定方法”(申请号：cn202210785604.6，公开号cn115144828a)中提出一种智能汽车多传感器时空融合的自动在线标定方法。该方法通过利用多种传感器的数据进行时空融合，实现对智能汽车的自动在线标定。首先，该方法通过各种传感器采集车辆的运行数据，包括车辆的位置、速度、方向等信息；然后，对采集到的数据进行预处理，包括数据清洗、数据融合等，以提高数据的质量和准确性；接着，通过构建时空融合模型，将预处理后的数据进行融合，以获取更全面、更准确的车辆状态信息；最后，通过在线标定，实时调整和优化模型参数，以进一步提高标定的准确性和稳定性。该方法的不足之处在于涉及到多个传感器的融合和实时在线标定，系统的稳定性和可靠性得不到保证。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种时空同步多传感器误差分析方法和装置。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明实施例提供了一种时空同步多传感器误差分析方法，所述方法包括：

3、获取路侧预先部署的物联网传感器对经过车辆所采集的原始数据，并进行预处理；其中，所述物联网传感器包括地磁传感器和毫米波雷达；

4、将预处理后的数据从物联网传感器坐标系转换到全局坐标系，得到坐标转换后数据；

5、建立时空同步误差模型；其中，所述时空同步误差模型用于表征同一时刻所述地磁传感器和所述毫米波雷达对同一车辆获取的位置的差值；所述时空同步误差模型由时间同步误差、空间同步误差和传感器测量误差三部分组成；

6、基于所有物联网传感器得到的坐标转换后数据，按照不同车型对所述传感器测量误差分别进行求解；

7、基于不同车型求解到的传感器测量误差，通过拟合求解的方式得到不同车型的空间同步误差。

8、在本发明的一个实施例中，在路侧预先部署物联网传感器的过程，包括：

9、在车辆行驶方向右侧的道路上以第一预设间距埋设多个地磁传感器；

10、在车辆行驶方向右侧的道路上以第二预设间距架设多个毫米波雷达；其中，所述毫米波雷达的接收面朝向车辆行驶方向；所述毫米波雷达距离地面的高度在预设高度范围内。

11、在本发明的一个实施例中，所述预设高度范围为4m～6m。

12、在本发明的一个实施例中，所述获取路侧预先部署的物联网传感器对经过车辆所采集的原始数据，并进行预处理，包括：

13、获取所述地磁传感器探测到车辆经过时采集到的、携带有时间戳的扰动信号，对所述扰动信号进行滤波后，选取扰动信号峰值时的时间戳作为车辆经过所述地磁传感器的时间；

14、获取所述毫米波雷达接收到车辆反射信号后转换得到的、携带有时间戳的点云数据，对所述点云数据进行聚类生成车辆轨迹数据，得到车辆的位置、速度和时间。

15、在本发明的一个实施例中，所述将预处理后的数据从物联网传感器坐标系转换到全局坐标系，得到坐标转换后数据，包括：

16、根据实际道路和各物联网传感器的安装位置，选取参考坐标系作为统一的全局坐标系，并确定各物联网传感器在所述全局坐标系中的位置；

17、根据各物联网传感器在所述全局坐标系中的位置，建立对应的物联网传感器坐标系到全局坐标系的坐标转换关系；

18、针对每个物联网传感器，根据自身的物联网传感器坐标系到全局坐标系的坐标转换关系，将自身的预处理后的数据转换到全局坐标系下，得到该物联网传感器对应的坐标转换后数据。

19、在本发明的一个实施例中，所述建立时空同步误差模型，包括：

20、根据地磁传感器时间轴与毫米波雷达时间轴不同步所存在的对时误差，以及车辆的速度，确定时间同步误差的表达式为：

21、δ(t)＝v*dt；

22、其中，v为车辆的速度；d(t)为所述对时误差，d(t)＝tb-tr；tb和tr分别为针对同一位置同一车辆，所述坐标转换后数据中地磁传感器的时间戳和毫米波雷达的时间戳；

23、根据地磁传感器的安装误差与毫米波雷达的安装误差的差值，确定空间同步误差的表达式为：

24、δ(s)＝dsb-dsr；

25、dsb＝sb-s'b；

26、dsr＝sr-s'r；

27、其中，dsb为地磁传感器的理论安装位置与实际安装位置的差值；sb为地磁传感器的理论安装位置；s'b为地磁传感器的实际安装位置；dsr为毫米波雷达的理论安装位置与实际安装位置的差值；sr为毫米波雷达的理论安装位置；s'r为毫米波雷达的实际安装位置；

28、根据毫米波雷达测量的实际测量点为车辆上距离毫米波雷达的最近点而非车辆中点，以及根据地磁传感器测量的扰动信号峰值时间下，车辆中点与地磁传感器具有的非平齐可能性，确定传感器测量误差的分布特性为：服从均值为车身长度一半的高斯分布；

29、根据所述时间同步误差、所述空间同步误差和所述传感器测量误差，建立时空同步误差模型的表达式为：

30、ds＝δ(t)+δ(s)+δ(m)；

31、其中，δ(t)为时间同步误差；δ(s)为空间同步误差；δ(m)为传感器测量误差。

32、在本发明的一个实施例中，所述基于所有物联网传感器得到的坐标转换后数据，按照不同车型对所述传感器测量误差分别进行求解，包括：

33、根据所述传感器测量误差的分布特性，将所有物联网传感器得到的坐标转换后数据根据车身长度，分为大型车、中型车和小型车三种，确定所述传感器测量误差的车型通用表达式为：

34、δ(m)＝a*δ(m)big+b*δ(m)middle+c*δ(m)small；

35、其中，δ(m)big为大型车的传感器测量误差；δ(m)middle为中型车的传感器测量误差；δ(m)small为小型车的传感器测量误差；a、b、c分别为δ(m)big、δ(m)middle、δ(m)small对应的比例系数；若车辆为大型车，所述车型通用表达式中a＝1，b＝0，c＝0；若车辆为中型车，所述车型通用表达式中a＝0，b＝1，c＝0；若车辆为小型车，所述车型通用表达式中a＝0，b＝0，c＝1；

36、根据所述时空同步误差模型的表达式，分别构建大型车、中型车和小型车分别对应的时空同步误差模型计算表达式为：

37、d's＝v'*dt+δ(s)+δ(m)big；

38、d”s＝v”*dt+δ(s)+δ(m)middle；

39、d”'s＝v”'*dt+δ(s)+δ(m)small；

40、其中，v'，v”和v”'分别为大型车、中型车和小型车的速度；

41、将大型车、中型车分别对应的时空同步误差模型计算表达式求取差值，得到第一表达式；将中型车、小型车分别对应的时空同步误差模型计算表达式求取差值，得到第二表达式；将大型车、小型车分别对应的时空同步误差模型计算表达式求取差值，得到第三表达式；其中，所述第一表达式、所述第二表达式和所述第三表达式分别为：

42、d's-d”s＝(v'-v”)*dt+(δ(m)big-δ(m)middle)；

43、d”s-d”'s＝(v”-v”')*dt+(δ(m)middle-δ(m)small)；

44、d's-d”'s＝(v'-v”')*dt+(δ(m)big-δ(m)small)；

45、从所有物联网传感器得到的坐标转换后数据中获取所有大型车、中型车和小型车的时空同步误差数据和速度，合并作为数据集；

46、基于所述数据集中各车型的数据，对所述第一表达式、所述第二表达式、所述第三表达式进行拟合求解，得到大型车、中型车和小型车分别对应的传感器测量误差以及对时误差。

47、在本发明的一个实施例中，所述基于不同车型求解到的传感器测量误差，通过拟合求解的方式得到不同车型的空间同步误差，包括：

48、针对每种车型，基于该车型下求解得到的传感器测量误差、对时误差，以及该车型下各车辆的时空同步误差数据和速度，通过对该车型的时空同步误差模型计算表达式进行拟合求解，得到该车型的空间同步误差。

49、在本发明的一个实施例中，所述拟合求解采用最小二乘法实现。

50、第二方面，本发明实施例提供了一种时空同步多传感器误差分析装置，所述装置包括：

51、车辆数据采集及预处理模块，用于获取路侧预先部署的物联网传感器对经过车辆所采集的原始数据，并进行预处理；其中，所述物联网传感器包括地磁传感器和毫米波雷达；

52、坐标转换模块，用于将预处理后的数据从物联网传感器坐标系转换到全局坐标系，得到坐标转换后数据；

53、时空同步误差模型建立模块，用于建立时空同步误差模型；其中，所述时空同步误差模型用于表征同一时刻所述地磁传感器和所述毫米波雷达对同一车辆获取的位置的差值；所述时空同步误差模型由时间同步误差、空间同步误差和传感器测量误差三部分组成；

54、传感器测量误差求解模块，用于基于所有物联网传感器得到的坐标转换后数据，按照不同车型对所述传感器测量误差分别进行求解；

55、空间同步误差求解模块，用于基于不同车型求解到的传感器测量误差，通过拟合求解的方式得到不同车型的空间同步误差。

56、本发明的有益效果：

57、本发明实施例提供了一种时空同步多传感器误差分析方法，用于解决智能交通系统中多传感器数据融合时存在的误差问题。本发明通过建立多个传感器之间的时空同步模型，将多个传感器的数据进行时空同步处理，得到各车型对应的传感器测量误差、空间同步误差等以用作后续的参数补偿，对系统时空同步误差进行修正，解决了不同传感器之间的时间和空间对齐问题，从而提高了数据的准确性和可靠性，实现了对传感器数据的精确校准和优化处理，能够解决不同传感器设备的数据由于时空同步误差导致关联错误的问题，能够优化后续的数据关联。