基于云计算的激光传感器测距精度评估处理系统及方法与流程

本发明属于数据处理领域，具体来说，特别涉及基于云计算的激光传感器测距精度评估处理系统及方法。

背景技术：

1、激光传感器是一种使用激光束进行测量和检测的装置；它利用激光发射器发射出的激光束，通过激光束与目标物体之间的相互作用来检测和测量目标物体的位置、距离、形状、速度等参数；激光传感器通常由激光发射器、接收器和信号处理器组成；激光发射器发射出激光束，激光束经过反射、散射或吸收后，会被激光传感器的接收器接收到；接收器将接收到的激光信号转换成电信号，并传输给信号处理器进行处理和分析；信号处理器根据激光信号的特性，通过计算和解析，得到所需的测量数据；激光传感器具有高精度、快速响应、非接触性等优势，广泛应用于工业测量、机器人导航、自动驾驶、地质勘探、医疗诊断等领域；常见的激光传感器类型包括测距传感器、位移传感器、速度传感器、轮廓扫描传感器等。

2、中国专利cn116720050a公开了一种地面伪卫星增强系统的信号质量评估方法；首先将接收机稳定状态下的信号质量指标测距精度作为一个样本进行记录，选取最新获取的m个样本，对样本中的各指标进行标准化处理，得到标准化后的指标矩阵；然后获取主成分；再确定主成分的个数；再用所获得的主成分指标与测距精度指标进行多元线性回归，评估各个测距精度指标对测距精度的影响；最后根据获得的质量评估指标对测距精度进行预测；该方法可以有效地提取伪卫星信号的主要特征，准确稳定地预测对应通道的测距精度。

3、现有对激光传感器的测距精度的评估往往时单一的对其进行测距测试，再根据测试结果与真实距离的误差值来进行精度评估，然而，在测试过程中会受到较多外界因素的影响且这种通过外界测试方式还会受到测量者的测试水平的影响，因此不能完全的反映出激光传感器的测距精度，且激光传感器的测距精度往往与自身的性能是相关的，通过外界测试的方式没有考虑到激光传感器的自身性能，以至于导致评估结果不全面且不准确。

技术实现思路

1、针对相关技术中的问题，本发明提出基于云计算的激光传感器测距精度评估处理系统及方法，以克服现有相关技术所存在的上述技术问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为激光传感器测距精度评估处理方法，包括以下步骤：

4、s1、设定激光传感器测距精度影响因素集，记为精度影响因素集；收集激光传感器样本集；根据所述精度影响因素集采集激光传感器样本集中各个激光传感器样本对应的影响因素数据，得到精度影响因素数据矩阵；根据所述激光传感器样本集设定对应的测距精度等级集；

5、s2、根据所述精度影响因素集设定对应的精度影响因素权重数据集；根据所述精度影响因素权重数据集设定各个精度影响因素数据属于同一类别的数据区间范围，得到精度影响因素数据区间范围集；对所述精度影响因素数据矩阵按列进行遍历，根据所述精度影响因素数据区间范围集对精度影响因素数据矩阵中的各个数据进行分类，得到精度影响因素数据类别矩阵；根据所述精度影响因素数据类别矩阵以及测距精度等级集构建最终测距精度等级决策树；

6、s3、设定待评估激光传感器，根据所述激光传感器测距精度影响因素集采集待评估激光传感器的各个测距精度影响因素对应的数据，得到待评估测距精度影响因素数据集；采用所述最终测距精度等级决策树对待评估测距精度影响因素数据集进行分类，得到第一待评估激光传感器测距精度等级；

7、s4、设定测距长度集；根据所述测距长度集设置测距物体样品集；进行测距操作，得到测量数据集；进行对比，得到测量误差数据集；设定测量误差阈值矩阵，根据所述测量误差阈值矩阵以及测距精度等级集设定测距精度等级判定规则；根据所述测距精度等级判定规则以及测量误差数据集得到第二待评估激光传感器测距精度等级；将所述第一待评估激光传感器测距精度等级和第二待评估激光传感器测距精度等级中较低的测距精度等级作为最终待评估激光传感器测距精度等级；

8、精度影响因素集中的影响因素包括例如激光器功率：激光器的功率决定了激光束的强度，功率越大，测距精度越高；接收器灵敏度：接收器的灵敏度决定了它能够接收到的激光信号强度，灵敏度越高，测距精度越高；激光束直径：激光束的直径越小，测距精度越高，因为小直径的激光束可以更准确地对准目标物体；传感器的校准和稳定性：传感器的校准和稳定性也会影响测距精度，如果传感器的校准不准确或不稳定，测距结果可能会产生偏差；上述影响因素较为全面的包括了影响激光传感器测距精度的所有自身因素，通过对这些因素的综合考虑，使得后续构建的最终测距精度等级决策树对激光传感器的测距精度等级评估的更加细致和准确；通过对精度影响因素数据矩阵中的各个数据进行分类，确定了每个精度影响因素数据的类别，从而便于后续构建最终测距精度等级决策树，最终测距精度等级决策树可以对待评估的激光传感器进行较为准确的分类；其次，再通过对待评估的激光传感器进行测距测试，从实际测试的角度再次进行测距精度等级评估，最后根据从两个不同的角度进行评估的结果确定最终的测距精度等级；根据上述方案，评估过程更加的全面细致，从而使得评估结果更加准确。

9、优选地，所述s1包括以下步骤：

10、s11、设定激光传感器测距精度影响因素集a＝{a1,a2,...,ai,...,aa′}，记为精度影响因素集，ai表示第i个激光传感器测距精度影响因素，a′表示所述精度影响因素集中影响因素的总个数；

11、s12、收集激光传感器样本集bi表示第i个激光传感器样本，表示收集的激光传感器样本的总个数；根据所述精度影响因素集a＝{a1,a2,...,ai,...,aa′}采集激光传感器样本集中各个激光传感器样本对应的影响因素数据，得到精度影响因素数据矩阵如下，

12、

13、其中，表示第i个激光传感器测距精度影响因素对应的第j个激光传感器样本的数据；

14、s13、根据所述激光传感器样本集设定对应的测距精度等级集bi′表示第i个激光传感器样本对应的测距精度等级；

15、通过设置激光传感器测距精度影响因素集、激光传感器样本集、精度影响因素数据矩阵以及测距精度等级集，为后续构建最终测距精度等级决策树提供了数据基础。

16、优选地，所述s2包括以下步骤：

17、s21、根据所述精度影响因素集a＝{a1,a2,...,ai,...,aa′}设定对应的精度影响因素权重数据集表示第i个激光传感器测距精度影响因素的权重值；

18、s22、根据所述精度影响因素权重数据集设定各个精度影响因素数据属于同一类别的数据区间范围，得到精度影响因素数据区间范围集和分别表示第i个影响因素数据属于同一类别的数据区间下限和上限；

19、s23、对所述精度影响因素数据矩阵按列进行遍历，根据所述精度影响因素数据区间范围集对精度影响因素数据矩阵中的各个数据进行分类，得到精度影响因素数据类别矩阵c，如下，

20、

21、其中，cij表示第i个激光传感器测距精度影响因素对应的第j个激光传感器样本的数据的类别；

22、s24、根据所述精度影响因素数据类别矩阵c以及测距精度等级集构建最终测距精度等级决策树；

23、通过对精度影响因素数据矩阵中的各个数据进行分类，使得精度影响因素数据矩阵中的各个数据离散化，便于后续通过每个数据的种类对激光传感器的测距精度的影响程度构建决策树。

24、优选地，所述s23包括以下步骤：

25、s231、对所述精度影响因素数据矩阵按列进行遍历，设定精度影响因素数据类别判定规则，如下，

26、当时，将数据和数据作为同一类别；否则，将数据和数据作为不同类别；

27、s232、根据所述精度影响因素数据类别判定规则以及精度影响因素数据矩阵得到精度影响因素数据类别矩阵c；

28、通过精度影响因素数据类别判定规则，能够较为清晰的将精度影响因素数据矩阵中的各个数据分开。

29、优选地，所述s24包括以下步骤：

30、s241、构建初始测距精度等级决策树，所述初始测距精度等级决策树的根节点为测距精度等级，记为决策树第一层；

31、s242、计算所述测距精度等级集的信息熵，记为等级信息熵c′；计算公式如下，

32、

33、式中，ci′表示第i类测距精度等级在所述测距精度等级集中出现的概率；表示所述测距精度等级集中测距精度等级类别的总个数；

34、s243、对所述精度影响因素数据类别矩阵c按列进行遍历，计算当所述精度影响因素数据类别矩阵每列中每类影响因素数据出现时，对所述测距精度等级的条件信息熵，得到测距精度等级条件信息熵数据矩阵如下，

35、

36、其中，表示第i个激光传感器测距精度影响因素中第j类影响因素数据对所述测距精度等级的条件信息熵数据；di表示第i个激光传感器测距精度影响因素中影响因素数据类别的总个数；

37、s244、根据所述测距精度等级条件信息熵数据矩阵计算精度影响因素数据类别条件信息熵数据集d′＝{d1′,d2′,...,di′,...,da″}，di′表示第i个激光传感器测距精度影响因素对测距精度等级的条件信息熵；di′的计算公式如下，

38、

39、s245、根据所述等级信息熵c′以及精度影响因素数据类别条件信息熵数据集d′＝{d1′,d2′,...,di′,...,da″}得到第一信息增益集表示第i个激光传感器测距精度影响因素与测距精度等级之间的信息增益，的计算公式如下，

40、

41、取对应的激光传感器测距精度影响因素作为所述测距精度等级决策树的第二层；同时将所述精度影响因素数据类别条件信息熵数据集d′＝{d1′,d2′,...,di′,...,da″}对应的数据进行剔除；

42、s246、再以所述初始测距精度等级决策树的第二层作为基础重复s242、s243、s244和s245，当所述精度影响因素数据类别条件信息熵数据集d′＝{d1′,d2′,...,di′,...,da″}中不存在数据时，得到最终测距精度等级决策树；

43、首先计算没有任何影响因素限制下的测距精度等级的信息熵，在计算在每个影响因素影响下的测距精度等级的信息熵，将二者进行对比，即计算二者之间的信息增益，能够得到对测距精度等级影响程度最大的影响因素；如此循环往复，使得构建出的决策树可以较为准确的依据各种影响因素的数据值对激光传感器的测距精度等级进行较好的分类，为最终确定激光传感器的测距精度等级提供了准确的依据。

44、优选地，所述s3包括以下步骤：

45、s31、设定待评估激光传感器，根据所述激光传感器测距精度影响因素集a＝{a1,a2,...,ai,...,aa′}采集待评估激光传感器的各个测距精度影响因素对应的数据，得到待评估测距精度影响因素数据集表示所述待评估激光传感器在第i个激光传感器测距精度影响因素对应的数据值；

46、s32、采用所述最终测距精度等级决策树对待评估测距精度影响因素数据集进行分类，得到第一待评估激光传感器测距精度等级；

47、采用最终测距精度等级决策树对待评估测距精度影响因素数据进行分类，使得可以快速且准确的评估出待评估的激光传感器的测距精度等级，为后续确定待评估的激光传感器的最终测距精度等级提供了准确的依据。

48、优选地，所述s4包括以下步骤：

49、s41、设定测距长度集e＝{e1,e2,...,ei,...,ee′}，ei表示第i个测距长度，e′表示测距长度集中测距长度的总个数；

50、s42、根据所述测距长度集e＝{e1,e2,...,ei,...,ee′}设置测距物体样品集表示第i个测距物体样品；

51、s43、采用所述待评估激光传感器对测距物体样品集中的各个测距物体样品进行测距操作，得到测量数据集表示对第i个测距物体样品进行测量得到的测量数据；

52、s44、将所述测量数据集与测距长度集e＝{e1,e2,...,ei,...,ee′}进行对比，得到测量误差数据集f＝{f1,f2,...,fi,...,fe′}，fi表示所述待评估激光传感器对第i个测距物体样品进行测量产生的误差，

53、根据所述测距精度等级集以及测距长度集e＝{e1,e2,...,ei,...,ee′}设定对应的测量误差阈值矩阵f′，如下，

54、

55、fij′表示在第i个测距长度上的第j个测量误差阈值；

56、根据所述测量误差阈值矩阵f′以及测距精度等级集设定测距精度等级判定规则；

57、s45、根据所述测距精度等级判定规则以及测量误差数据集f＝{f1,f2,...,fi,...,fe′}得到待评估激光传感器测距精度等级集表示在第i个测距长度上进行测距得到的测距精度等级；

58、s46、将所述待评估激光传感器测距精度等级集中的最低等级作为第二待评估激光传感器测距精度等级；

59、s47、将所述第一待评估激光传感器测距精度等级和第二待评估激光传感器测距精度等级中较低的测距精度等级作为最终待评估激光传感器测距精度等级；

60、通过设定测距长度集和测距物体样品集，提供了测试的对象；再通过收集测量数据集，为后续对待评估激光传感器测距精度等级进行二次评估提供了数据支持；通过测距精度等级判定规则可以具体的量化待评估激光传感器测距精度等级，从而得到二次评估结果，以确定待评估激光传感器最终测距精度等级。

61、优选地，所述测距精度等级判定规则具体如下：

62、当fi＜fi′1时，所述待评估激光传感器的测距精度等级为b1′；当fi′1≤fi＜fi′2时，所述待评估激光传感器的测距精度等级为b2′；...；当fij′≤fi＜fi′(j+1)时，所述待评估激光传感器的测距精度等级为bj′；...；当时，所述待评估激光传感器的测距精度等级为

63、通过测距精度等级判定规则可以具体的量化待评估激光传感器测距精度等级。

64、一种基于云计算的激光传感器测距精度评估处理系统，包括精度影响因素构建模块、精度影响因素数据采集模块、精度影响因素数据类别计算模块、最终测距精度等级决策树构建模块、待评估激光传感器影响因素数据采集模块、第一测距精度等级确定模块、测量数据采集模块、第二测距精度等级确定模块和最终测距精度等级确定模块；

65、所述精度影响因素构建模块用于构建激光传感器测距精度影响因素集；

66、所述精度影响因素数据采集模块用于根据所述精度影响因素集采集激光传感器样本集中各个激光传感器样本对应的影响因素数据；

67、所述精度影响因素数据类别计算模块用于根据所述精度影响因素数据区间范围集对精度影响因素数据矩阵中的各个数据进行分类；

68、所述最终测距精度等级决策树构建模块用于根据所述精度影响因素数据类别矩阵以及测距精度等级集构建最终测距精度等级决策树；

69、所述待评估激光传感器影响因素数据采集模块用于根据所述激光传感器测距精度影响因素集采集待评估激光传感器的各个测距精度影响因素对应的数据；

70、所述第一测距精度等级确定模块用于采用所述最终测距精度等级决策树对待评估测距精度影响因素数据集进行分类，得到第一待评估激光传感器测距精度等级；

71、所述测量数据采集模块用于根据所述测距长度集设置测距物体样品集；进行测距操作，得到测量数据集；

72、所述第二测距精度等级确定模块用于根据所述测距精度等级判定规则以及测量误差数据集得到第二待评估激光传感器测距精度等级；

73、所述最终测距精度等级确定模块用于根据第一待评估激光传感器测距精度等级和第二待评估激光传感器测距精度等级得到最终待评估激光传感器测距精度等级。

74、本发明具有以下有益效果：

75、1.本发明中通过设置精度影响因素构建模块、精度影响因素数据采集模块、精度影响因素数据类别计算模块、最终测距精度等级决策树构建模块、待评估激光传感器影响因素数据采集模块、第一测距精度等级确定模块、测量数据采集模块、第二测距精度等级确定模块和最终测距精度等级确定模块；精度影响因素集中的影响因素较为全面的包括了影响激光传感器测距精度的所有自身因素，通过对这些因素的综合考虑，使得后续构建的最终测距精度等级决策树对激光传感器的测距精度等级评估的更加细致和准确；通过对精度影响因素数据矩阵中的各个数据进行分类，确定了每个精度影响因素数据的类别，从而便于后续构建最终测距精度等级决策树，最终测距精度等级决策树可以对待评估的激光传感器进行较为准确的分类；其次，再通过对待评估的激光传感器进行测距测试，从实际测试的角度再次进行测距精度等级评估，最后根据从两个不同的角度进行评估的结果确定最终的测距精度等级；根据上述方案，评估过程更加的全面细致，从而使得评估结果更加准确。

76、2.本发明中通过对精度影响因素数据矩阵中的各个数据进行分类，使得精度影响因素数据矩阵中的各个数据离散化，便于后续通过每个数据的种类对激光传感器的测距精度的影响程度构建决策树，其中，通过精度影响因素数据类别判定规则，能够较为清晰的将精度影响因素数据矩阵中的各个数据分开。

77、3.本发明中首先计算没有任何影响因素限制下的测距精度等级的信息熵，在计算在每个影响因素影响下的测距精度等级的信息熵，将二者进行对比，即计算二者之间的信息增益，能够得到对测距精度等级影响程度最大的影响因素；如此循环往复，使得构建出的决策树可以较为准确的依据各种影响因素的数据值对激光传感器的测距精度等级进行较好的分类，为最终确定激光传感器的测距精度等级提供了准确的依据，再通过设定测距长度集和测距物体样品集，提供了测试的对象；再通过收集测量数据集，为后续对待评估激光传感器测距精度等级进行二次评估提供了数据支持；通过测距精度等级判定规则可以具体的量化待评估激光传感器测距精度等级，从而得到二次评估结果，以确定待评估激光传感器最终测距精度等级。

78、4.本发明中采集得到各项影响因素数据以及测量数据均采用云计算中的分布存储技术进行存储，采用分布式存储的方式存储数据，用冗余存储的方式保证数据的可靠性。

79、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

技术特征：

1.激光传感器测距精度评估处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的激光传感器测距精度评估处理方法，其特征在于，所述s1包括以下步骤：

3.根据权利要求1所述的激光传感器测距精度评估处理方法，其特征在于，所述s2包括以下步骤：

4.根据权利要求3所述的激光传感器测距精度评估处理方法，其特征在于，所述s23包括以下步骤：

5.根据权利要求3所述的激光传感器测距精度评估处理方法，其特征在于，所述s24包括以下步骤：

6.根据权利要求1所述的激光传感器测距精度评估处理方法，其特征在于，所述s3包括以下步骤：

7.根据权利要求1所述的激光传感器测距精度评估处理方法，其特征在于，所述s4包括以下步骤：

8.根据权利要求7所述的激光传感器测距精度评估处理方法，其特征在于，所述测距精度等级判定规则具体如下：

9.一种实现如权利要求1-8任意一项所述的激光传感器测距精度评估处理方法的基于云计算的激光传感器测距精度评估处理系统，其特征在于：包括精度影响因素构建模块、精度影响因素数据采集模块、精度影响因素数据类别计算模块、最终测距精度等级决策树构建模块、待评估激光传感器影响因素数据采集模块、第一测距精度等级确定模块、测量数据采集模块、第二测距精度等级确定模块和最终测距精度等级确定模块；

技术总结
本发明公开了基于云计算的激光传感器测距精度评估处理系统及方法，涉及数据处理领域，本发明中精度影响因素集中的影响因素较为全面的包括了影响激光传感器测距精度的所有自身因素，通过对这些因素的综合考虑，使得后续构建的最终测距精度等级决策树对激光传感器的测距精度等级评估的更加细致和准确；通过对精度影响因素数据矩阵中的各个数据进行分类，从而便于后续构建最终测距精度等级决策树，最终测距精度等级决策树可以对待评估的激光传感器进行较为准确的分类；再通过对待评估的激光传感器进行测距测试，根据从两个不同的角度进行评估的结果确定最终的测距精度等级；根据上述方案，评估过程更加的全面细致，从而使得评估结果更加准确。

技术研发人员：邹辰星
受保护的技术使用者：苏州简奇科技有限公司
技术研发日：
技术公布日：2024/9/23