本发明涉及雷达技术领域，尤其涉及一种测试毫米波雷达性能的方法、装置及计算机可读存储介质。
背景技术：
毫米波雷达，是工作在毫米波波段(millimeter wave)探测的雷达。毫米波雷达具有探测范围广、受天气影响小等优点，在自动驾驶等领域有着广泛的应用。车载毫米波雷达对目标的探测主要包括目标的距离、角度和速度三个特征数据，然而，车载毫米波雷达受制于波长，在探测目标时存在频段损耗，因而车载毫米波雷达的探测精度欠佳，在车载毫米波雷达应用于无人驾驶领域时，难以确定其所检测的障碍物信息的精准度。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
技术实现要素：
本发明的主要目的在于提供一种测试毫米波雷达性能的方法、装置及计算机可读存储介质，旨在解决车载毫米波雷达应用于无人驾驶领域时，难以确定其所检测的障碍物信息的精准度的技术问题。
为实现上述目的，本发明提供一种测试毫米波雷达性能的方法，该方法包括：
在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据；
根据所述目标点云数据，确定目标在激光雷达坐标系下的坐标，并根据预设的毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据；
将所述毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，确定毫米波雷达探测的目标特征数据的误差。
可选地，所述在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据的步骤之前，包括：
通过位于预设位置的标定物对位于预设安装位置的毫米波雷达和激光雷达进行联合标定，确定所述毫米波雷达与激光雷达的坐标系转换关系。
可选地，所述目标特征数据包括目标的距离和角度。
可选地，所述根据所述激光雷达探测的目标点云数据，确定目标在激光雷达坐标系下的坐标的步骤包括：
对所述目标点云数据进行体素滤波处理，得到目标在激光雷达坐标系下的坐标。
可选地，所述方法还包括：
在毫米波雷达处于静态场景时，获取毫米波雷达探测的移动目标特征数据，并获取实际测量的毫米波雷达与位于预设位置的标定物之间的距离，以及所述标定物与移动目标之间的距离；
根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，确定移动目标的标准特征数据；
将毫米波雷达探测的移动目标特征数据与所述移动目标的标准特征数据进行比对，确定毫米波雷达探测的移动目标特征数据的误差。
可选地，所述根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，确定移动目标的标准特征数据的步骤包括：
根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，计算移动目标的距离和角度作为移动目标的标准特征数据。
可选地，所述方法还包括：
获取所述毫米波雷达探测的移动目标速度，并获取移动目标的实际速度；
将毫米波雷达探测的移动目标速度与移动目标的实际速度进行比对，确定毫米波雷达探测的移动目标速度的误差。
可选地，所述方法还包括：
分别对毫米波雷达探测的目标特征数据以及移动目标特征数据进行误差校验。
此外，为实现上述目的，本发明还提供一种测试毫米波雷达性能的装置，所述测试毫米波雷达性能的装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的测试毫米波雷达性能的程序，所述测试毫米波雷达性能的程序被所述处理器执行时实现如上所述的测试毫米波雷达性能的方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有测试毫米波雷达性能的程序，所述测试毫米波雷达性能的程序被处理器执行时实现如上所述的测试毫米波雷达性能的方法的步骤。
本发明提供一种测试毫米波雷达性能的方法，在该方法中，在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，首先获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据；然后根据激光雷达探测的目标点云数据，确定目标在激光雷达坐标系下的坐标，并根据预设的毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据，之后，将毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，也就是将激光雷达所探测的目标特征数据作为真值，验证毫米波雷达探测的目标特征数据的误差，完成对毫米波雷达的探测精度验证，从而实现对毫米波雷达的性能测试。通过上述方式对毫米波性能进行测试，在毫米波雷达应用于无人驾驶领域时，可校验毫米波雷达探测的障碍物信息，从而可有效地利用毫米波雷达对障碍物实现精准检测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明测试毫米波雷达性能的方法第一实施例的流程示意图；
图3为本发明测试毫米波雷达性能的方法第一实施例的细化流程示意图；
图4为本发明测试毫米波雷达性能的方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据；根据所述目标点云数据，确定目标在激光雷达坐标系下的坐标，并根据预设的毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据；将所述毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，确定毫米波雷达探测的目标特征数据的误差。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置所属终端结构示意图。
本发明实施例终端承载有无人驾驶车辆的控制系统。
如图1所示，该终端可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、Wi-Fi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及测试毫米波雷达性能的程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的测试毫米波雷达性能的程序，并执行以下操作：
在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据；
根据所述目标点云数据，确定目标在激光雷达坐标系下的坐标，并根据预设的毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据；
将所述毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，确定毫米波雷达探测的目标特征数据的误差。
进一步地，处理器1001可以调用存储器1005中存储的测试毫米波雷达性能的程序，还执行以下操作：
通过位于预设位置的标定物对位于预设安装位置的毫米波雷达和激光雷达进行联合标定，确定所述毫米波雷达与激光雷达的坐标系转换关系。
进一步地，处理器1001可以调用存储器1005中存储的测试毫米波雷达性能的程序，还执行以下操作：
对所述目标点云数据进行体素滤波处理，得到目标在激光雷达坐标系下的坐标。
进一步地，处理器1001可以调用存储器1005中存储的测试毫米波雷达性能的程序，还执行以下操作：
在毫米波雷达处于静态场景时，获取毫米波雷达探测的移动目标特征数据，并获取实际测量的毫米波雷达与位于预设位置的标定物之间的距离，以及所述标定物与移动目标之间的距离；
根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，确定移动目标的标准特征数据；
将毫米波雷达探测的移动目标特征数据与所述移动目标的标准特征数据进行比对，确定毫米波雷达探测的移动目标特征数据的误差。
进一步地，处理器1001可以调用存储器1005中存储的测试毫米波雷达性能的程序，还执行以下操作：
根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，计算移动目标的距离和角度作为移动目标的标准特征数据。
进一步地，处理器1001可以调用存储器1005中存储的测试毫米波雷达性能的程序，还执行以下操作：
获取所述毫米波雷达探测的移动目标速度，并获取移动目标的实际速度；
将毫米波雷达探测的移动目标速度与移动目标的实际速度进行比对，确定毫米波雷达探测的移动目标速度的误差。
进一步地，处理器1001可以调用存储器1005中存储的测试毫米波雷达性能的程序，还执行以下操作：
分别对毫米波雷达探测的目标特征数据以及移动目标特征数据进行误差校验。
基于上述硬件结构，提出本发明测试毫米波雷达性能的方法的各个实施例。
参照图2，本发明测试毫米波雷达性能的方法第一实施例提供一种测试毫米波雷达性能的方法，所述方法包括：
步骤S10，在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据；
毫米波雷达，是工作在毫米波波段(millimeter wave)探测的雷达。毫米波雷达具有探测范围广、受天气影响小等优点，在自动驾驶等领域有着广泛的应用。车载毫米波雷达对目标的探测主要包括目标的距离、角度和速度三个特征数据，然而，由于车载毫米波雷达在探测目标时存在频段损耗的问题，会导致其探测到的目标特征数据的精准度不够高，为对车载毫米波雷达的性能进行测试(也就是验证车载毫米波雷达探测的目标的距离、角度和速度三个特征数据的精准度)，本实施例提供一种测试毫米波雷达性能的方法。
本实施例在动态场景下对毫米波雷达的性能进行测试。动态场景是指，车辆以一较小的速度沿正前方行驶，此时车载的毫米波雷达随车辆一起运动，而目标可以是静止目标，也可以是移动目标。动态场景下，测试毫米波雷达性能的方法涉及的系统架构包括毫米波雷达和激光雷达。该毫米波雷达可以是调频连续波(FMCW)毫米波雷达。激光雷达主要是通过发射激光束来探测目标的距离、角度和速度，可以是工作在从红外到紫外光谱段的雷达系统，激光雷达的探测精度较高。由此，本实施例将激光雷达对目标的探测数据作为真值来测试毫米波雷达的性能。为了将激光雷达对目标的探测数据作为真值来测试毫米波雷达的性能，本实施例需对毫米波雷达和激光雷达进行联合标定，确定毫米波雷达与激光雷达的坐标系转换关系。那么，参照图3，步骤S10之前，包括：
步骤S11，通过位于预设位置的标定物对位于预设安装位置的毫米波雷达和激光雷达进行联合标定，确定所述毫米波雷达与激光雷达的坐标系转换关系。
具体实施时，本实施例预先在车辆的车身安装激光雷达，在车辆的车头安装毫米波雷达，确保激光雷达和毫米波雷达的安装位置在同一竖直方向，且激光雷达和毫米波雷达的安装位置不等高。此外，在车辆正前方的某一固定位置(比如车辆正前方50m或100m处等)预先设置标定物，标定物可以是截面积较小的杆状物，标定物的设置需与激光雷达和毫米波雷达处于同一竖直方向，确保激光雷达探测到的标定物在激光雷达坐标系下位于X轴上且其角度在0度左右。基于毫米波雷达和激光雷达的预设安装位置与标定物的设置位置，毫米波雷达探测到的标定物相较于激光雷达的水平偏移量为X，垂直偏移量为Z(竖直方向是重合的，因此竖直偏移量为0)，那么，毫米波雷达到激光雷达的变换矩阵计算为R＝[单位阵]，T＝[X，0，Z]，即为毫米波雷达与激光雷达的坐标系转换关系。
在本实施例中，当毫米波雷达和激光雷达处于动态场景时，控制毫米波雷达和激光雷达同时对目标进行探测，毫米波雷达探测的目标特征数据包括目标的距离和角度，激光雷达探测的是目标的点云数据。在本实施例中，首先获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据。
步骤S20，根据所述目标点云数据，确定目标在激光雷达坐标系下的坐标，并根据预设的毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据；
之后，根据激光雷达探测的目标点云数据，确定目标在激光雷达坐标系下的坐标(该坐标是空间坐标)，然后根据上述毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，之后，根据所述目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据。
步骤S30，将所述毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，确定毫米波雷达探测的目标特征数据的误差。
将毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，计算毫米波雷达探测的目标特征数据与目标的标准特征数据之间的差值，得到毫米波雷达探测的目标特征数据的误差，完成对毫米波的探测精度验证，从而实现了对毫米波雷达的性能测试。
之后，还可对毫米波雷达探测的目标特征数据进行校验，即根据毫米波雷达探测的目标特征数据的误差，对探测的目标特征数据进行校验。
在动态场景下，对毫米雷达性能的测试还包括对毫米波雷达探测的目标速度的测试。具体地，获取毫米波雷达探测的目标速度，而相对于随着运动的车辆一起运动的毫米波雷达和激光雷达来说，目标的实际速度(设为v)可通过如下公式计算得到：
v＝V*cosθ
其中，V表示车速，可从车辆CAN总线上解析得到；θ表示目标的实际角度，将激光雷达探测的目标的角度作为目标的实际角度。
将计算结果V*cosθ与毫米波雷达探测的目标速度进行比对，验证毫米波雷达探测的目标速度的误差。
本实施例在位于预设安装位置的毫米波雷达和激光雷达处于动态场景时，首先获取毫米波雷达探测的目标特征数据，并获取激光雷达探测的目标点云数据；然后根据激光雷达探测的目标点云数据，确定目标在激光雷达坐标系下的坐标，并根据预设的毫米波雷达与激光雷达的坐标系转换关系，将目标在激光雷达坐标系下的坐标转换为目标在毫米波雷达坐标系下的坐标，得到目标的标准特征数据，之后，将毫米波雷达探测的目标特征数据与目标的标准特征数据进行比对，也就是将激光雷达所探测的目标特征数据作为真值，验证毫米波雷达探测的目标特征数据的误差，完成对毫米波雷达的探测精度验证，从而实现对毫米波雷达的性能测试。通过上述方式对毫米波性能进行测试，在毫米波雷达应用于无人驾驶领域时，可校验毫米波雷达探测的障碍物信息，从而可有效地利用毫米波雷达对障碍物实现精准检测。
本发明第二实施例提供一种测试毫米波雷达性能的方法，基于上述图2所示的实施例，根据所述激光雷达探测的目标点云数据，确定目标在激光雷达坐标系下的坐标的步骤包括：
步骤S21，对所述目标点云数据进行体素滤波处理，得到目标在激光雷达坐标系下的坐标。
在本实施例中，获取激光雷达探测的目标点云数据后，由于三维点云数据冗余量大，需对目标点云数据进行滤波处理，以对激光雷达探测的目标点云数据去噪。可预先设置体素滤波器，通过调用体素滤波器对激光雷达探测的目标点云数据进行体素滤波处理，得到目标在激光雷达坐标系下的坐标。
在另外的实施方式中，还可预先设置其他滤波器，比如直通滤波器、统计滤波器、半径滤波器等，以对激光雷达探测的目标点云数据进行滤波处理。
本实施例对激光雷达探测的目标点云数据进行体素滤波处理，可去除点云数据的噪声，以获得高精度的空间坐标。
参照图4，本发明第三实施例提供一种测试毫米波雷达性能的方法，基于上述图2所示的实施例，该方法还包括：
步骤S40，在毫米波雷达静态处于场景时，获取毫米波雷达探测的移动目标特征数据，并获取实际测量的毫米波雷达与位于预设位置的标定物之间的距离，以及所述标定物与移动目标之间的距离；
步骤S50，根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，确定移动目标的标准特征数据；
步骤S60，将毫米波雷达探测的移动目标特征数据与所述移动目标的标准特征数据进行比对，确定毫米波雷达探测的移动目标特征数据的误差。
本实施例在静态场景下毫米波雷达的性能进行测试。静态场景是指，车载的毫米波雷达是静止的，而目标是移动的。静态场景下，在毫米波雷达的正前方，与毫米波雷达在同一竖直方向上的某一位置预先设置标定物，然后在标定物的同一水平方向设置移动目标，使移动目标始终沿标定物的同一水平方向以一较小速度进行移动，由此，毫米波雷达与标定物、移动目标的位置关系始终构成直角三角形。
在本实施例中，首先获取毫米波雷达探测的移动目标特征数据，并同时获取采用测量工具实际测量的毫米波雷达与位于预设位置的标定物之间的距离，以及采用测量工具实际测量的标定物与移动目标之间的距离。之后，根据毫米波雷达与标定物之间的距离，以及标定物与移动目标之间的距离，确定移动目标的标准特征数据。具体地，步骤S50包括：
步骤S51，根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，计算移动目标的距离和角度作为移动目标的标准特征数据。
基于前述毫米波雷达与标定物、移动目标的位置关系始终构成直角三角形，可预设三角函数算法，利用三角函数，根据毫米波雷达与所述标定物之间的距离，以及所述标定物与移动目标之间的距离，计算移动目标的距离，然后结合移动目标的距离，通过预设反三角函数算法，计算移动目标的角度，将移动目标的距离和角度作为移动目标的标准特征数据。
之后，将移动目标的距离和角度作为移动目标的标准特征数据与毫米波雷达探测的移动目标特征数据进行比对，验证毫米波雷达探测的移动目标特征数据的误差。
此外，在静态场景下，对毫米雷达性能的测试还包括对毫米波雷达探测的移动目标速度的验证，具体地，所述方法还可以包括：
步骤S70，获取所述毫米波雷达探测的移动目标速度，并获取移动目标的实际速度；
步骤S80，将毫米波雷达探测的移动目标速度与移动目标的实际速度进行比对，确定毫米波雷达探测的移动目标速度的误差。
毫米波雷达探测的移动目标速度可通过毫米波雷达探测的移动目标的距离，与毫米波雷达发射毫米波到接收到被移动目标反射回的毫米波的时间差，之间的线性关系计算得到。首先获取所述毫米波雷达探测的移动目标速度，并获取移动目标的实际速度，然后将毫米波雷达探测的移动目标速度与移动目标的实际速度进行比对，即可将毫米波雷达探测的移动目标速度的误差。
此外，还可对毫米波雷达在静态场景下探测的移动目标特征数据进行校验，即根据毫米波雷达探测的移动目标特征数据的误差，对探测的移动目标特征数据进行校验。
本实施例在毫米波雷达处于静态场景时，首先获取毫米波雷达探测的移动目标特征数据，并获取实际测量的毫米波雷达与位于预设位置的标定物之间的距离，以及所述标定物与移动目标之间的距离；然后根据毫米波雷达与标定物之间的距离，以及标定物与移动目标之间的距离，确定移动目标的标准特征数据；之后，将毫米波雷达探测的移动目标特征数据与移动目标的标准特征数据进行比对，验证毫米波雷达探测的移动目标特征数据的误差。通过上述方式，本实施例实现了在静态场景下对毫米波性能进行测试，在毫米波雷达应用于无人驾驶领域时，可校验毫米波雷达探测的障碍物信息，从而可有效地利用毫米波雷达对障碍物实现精准检测。
此外，本发明实施例还提出一种测试毫米波雷达性能的装置。
本发明实施例测试毫米波雷达性能的装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的测试毫米波雷达性能的程序，所述测试毫米波雷达性能的程序被所述处理器执行时实现上所述的测试毫米波雷达性能的方法的步骤。
其中，本发明测试毫米波雷达性能的装置中存储的测试毫米波雷达性能的程序被处理器执行的具体实施例与上述测试毫米波雷达性能的方法各实施例基本相同，在此不作赘述。
此外，本发明实施例还提出一种计算机可读存储介质。
本发明计算机可读存储介质上存储有测试毫米波雷达性能的程序，所述测试毫米波雷达性能的程序被处理器执行时实现如上所述的测试毫米波雷达性能的方法的步骤。
其中，所述测试毫米波雷达性能的程序被处理器执行时的具体实施例与上述测试毫米波雷达性能的方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。