CN112540352A - 一种基于无人驾驶车辆的评测目标检测算法的方法及装置 - Google Patents

Abstract

本发明实施例公开一种基于无人驾驶车辆的评测目标检测算法的方法及装置。无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，该方法包括：获取无人驾驶车辆在行驶过程中相机采集的连续图像、车身信号传感器采集的车身信号、激光雷达对应的雷达数据、以及毫米波雷达对应的毫米波雷达数据；将连续图像和车身信号输入目标检测算法中，得到各预测目标的预测位置和预测速度；根据雷达数据和毫米波雷达数据，计算各采样时刻无人驾驶车辆周围各真值目标的真值位置和真值速度；根据各预测目标的预测位置和预测速度，以及各真值目标的真值位置和真值速度，计算目标检测算法的评测结果。本发明实施例能够提高目标检测算法的评测精度。

Description

一种基于无人驾驶车辆的评测目标检测算法的方法及装置

技术领域

本发明涉及智能驾驶技术领域，具体而言，涉及一种基于无人驾驶车辆的评测目标检测算法的方法及装置。

背景技术

在无人驾驶车辆行驶过程中，其需要检测道路上出现的目标，如其他车辆、行人、自行车等，从而才可以避免发生碰撞等事故，保证其行驶的安全性。具体的，可以在车辆安装相机，通过相机采集车辆行驶过程中周围环境的图像，并由目标检测算法对相机采集的图像进行目标检测，得到各目标的坐标信息。

目标检测算法的检测精度将影响目标检测结果的准确性。评测目标检测算法的检测精度时，需要获取目标的真值位置，也就是目标在真实场景中的位置信息。从而可以通过对比目标的真值位置和目标的位置检测结果，来确定目标检测算法的精确性。

上述方法在获取目标的真值位置时，主要为通过在待测目标安装定位设备，来获取待测目标的准确位置。然而，由于待测目标和车辆行驶过程中周围的真实目标存在差异，从而导致获取的目标的真值位置无法客观描述真实场景下的复杂情况，也就是说，获取的目标的真值位置准确性较差，从而导致目标检测算法的评测结果准确性较差。因此，为了提高目标检测算法的评测精度，亟需一种评测目标检测算法的方法。

发明内容

本发明提供了一种基于无人驾驶车辆的评测目标检测算法的方法及装置，以提高目标检测算法的评测精度。具体的技术方案如下。

第一方面，本发明实施例提供一种基于无人驾驶车辆的评测目标检测算法的方法，所述无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，所述方法包括：

获取所述无人驾驶车辆在行驶过程中所述相机采集的连续图像、所述车身信号传感器采集的车身信号、所述激光雷达对应的雷达数据、以及所述毫米波雷达对应的毫米波雷达数据；

将所述连续图像和所述车身信号输入目标检测算法中，得到各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

按照预设采样间隔，在所述雷达数据中抽取各采样时刻对应的各采样雷达数据，展示所述各采样时刻对应的各采样雷达数据，并接收用户针对所述各采样雷达数据输入的标注结果，所述标注结果标识所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置；

根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度；

在所述各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取所述各采样时刻对应的所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果。

可选的，所述根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度包括：

在所述毫米波雷达数据包含的位置中，选取与所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置最近的位置，并将该位置对应的毫米波雷达数据作为采样毫米波雷达数据；

根据所述采样毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度。

可选的，所述根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果包括：

获取预设的多个匹配比例阈值，并针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值；其中，所述纵向为所述无人驾驶车辆的行进方向，所述横向为与所述纵向垂直的水平方向；

针对每个所述匹配比例阈值，确定每个采样时刻所述无人驾驶车辆周围的真值目标和预测目标中的同一目标，计算每个采样时刻所述无人驾驶车辆周围同一目标的预测位置和真值位置的纵向距离和横向距离，并在任一采样时刻任一目标的预测位置和真值位置的纵向距离小于该匹配比例阈值对应的该真值位置的纵向匹配阈值，且该目标的预测位置和真值位置的横向距离小于该匹配比例阈值对应的该真值位置的横向匹配阈值时，将该目标确定为匹配目标；

统计所述各匹配比例阈值对应的匹配目标的各第一数量，所述真值目标的第二数量，以及所述预测目标的第三数量，并计算所述各第一数量与所述第二数量的商的第一平均值，以及所述各第一数量与所述第三数量的商的第二平均值；

根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标；

将所述第一平均值、所述第二平均值、所述速度误差的均值、以及所述误差指标，均作为所述目标检测算法的评测结果。

可选的，所述针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值包括：

计算所述各真值位置距离所述无人驾驶车辆起始点的纵向距离和横向距离；

针对每个所述匹配比例阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的纵向距离的乘积，作为该匹配比例阈值对应的各真值位置的纵向匹配阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的横向距离的乘积，作为该匹配比例阈值对应的各真值位置的横向匹配阈值。

可选的，所述根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标包括：

计算所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值的平均值，作为所述各匹配比例阈值对应的匹配目标的速度误差的均值；

将所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在预设位置处的值作为所述各匹配比例阈值对应的匹配目标的误差指标。

第二方面，本发明实施例提供一种基于无人驾驶车辆的评测目标检测算法的装置，所述无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，所述装置包括：

数据获取模块，用于获取所述无人驾驶车辆在行驶过程中所述相机采集的连续图像、所述车身信号传感器采集的车身信号、所述激光雷达对应的雷达数据、以及所述毫米波雷达对应的毫米波雷达数据；

目标预测模块，用于将所述连续图像和所述车身信号输入目标检测算法中，得到各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

真值确定模块，用于按照预设采样间隔，在所述雷达数据中抽取各采样时刻对应的各采样雷达数据，展示所述各采样时刻对应的各采样雷达数据，并接收用户针对所述各采样雷达数据输入的标注结果，所述标注结果标识所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置；

速度确定模块，用于根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度；

信息提取模块，用于在所述各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取所述各采样时刻对应的所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

算法评测模块，用于根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果。

可选的，所述速度确定模块包括：

数据选取子模块，用于在所述毫米波雷达数据包含的位置中，选取与所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置最近的位置，并将该位置对应的毫米波雷达数据作为采样毫米波雷达数据；

速度确定子模块，用于根据所述采样毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度。

可选的，所述算法评测模块包括：

阈值获取子模块，用于获取预设的多个匹配比例阈值，并针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值；其中，所述纵向为所述无人驾驶车辆的行进方向，所述横向为与所述纵向垂直的水平方向；

目标匹配子模块，用于针对每个所述匹配比例阈值，确定每个采样时刻所述无人驾驶车辆周围的真值目标和预测目标中的同一目标，计算每个采样时刻所述无人驾驶车辆周围同一目标的预测位置和真值位置的纵向距离和横向距离，并在任一采样时刻任一目标的预测位置和真值位置的纵向距离小于该匹配比例阈值对应的该真值位置的纵向匹配阈值，且该目标的预测位置和真值位置的横向距离小于该匹配比例阈值对应的该真值位置的横向匹配阈值时，将该目标确定为匹配目标；

数量统计子模块，用于统计所述各匹配比例阈值对应的匹配目标的各第一数量，所述真值目标的第二数量，以及所述预测目标的第三数量，并计算所述各第一数量与所述第二数量的商的第一平均值，以及所述各第一数量与所述第三数量的商的第二平均值；

指标确定子模块，用于根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标；

算法评测子模块，用于将所述第一平均值、所述第二平均值、所述速度误差的均值、以及所述误差指标，均作为所述目标检测算法的评测结果。

可选的，所述阈值获取子模块，具体用于：

计算所述各真值位置距离所述无人驾驶车辆起始点的纵向距离和横向距离；

针对每个所述匹配比例阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的纵向距离的乘积，作为该匹配比例阈值对应的各真值位置的纵向匹配阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的横向距离的乘积，作为该匹配比例阈值对应的各真值位置的横向匹配阈值。

可选的，所述指标确定子模块，具体用于：

计算所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值的平均值，作为所述各匹配比例阈值对应的匹配目标的速度误差的均值；

将所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在预设位置处的值作为所述各匹配比例阈值对应的匹配目标的误差指标。

由上述内容可知，本发明实施例提供的基于无人驾驶车辆的评测目标检测算法的方法及装置，无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，可以获取无人驾驶车辆在行驶过程中相机采集的连续图像、车身信号传感器采集的车身信号、激光雷达对应的雷达数据、以及毫米波雷达对应的毫米波雷达数据；将连续图像和车身信号输入目标检测算法中，得到各时刻无人驾驶车辆周围各预测目标的预测位置和预测速度；按照预设采样间隔，在雷达数据中抽取各采样时刻对应的各采样雷达数据，展示各采样时刻对应的各采样雷达数据，并接收用户针对各采样雷达数据输入的标注结果，标注结果标识各采样时刻无人驾驶车辆周围各真值目标的真值位置；根据毫米波雷达数据，计算各采样时刻无人驾驶车辆周围各真值目标的真值速度；在各时刻无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取各采样时刻对应的无人驾驶车辆周围各预测目标的预测位置和预测速度；根据各采样时刻无人驾驶车辆周围各预测目标的预测位置和预测速度，以及各采样时刻无人驾驶车辆周围各真值目标的真值位置和真值速度，计算目标检测算法的评测结果，可以基于无人驾驶车辆在实际行驶过程中采集的数据来确定目标的真值位置，从而能够客观描述真实场景下的实际情况，提高目标真值位置获取的准确性，从而提高目标检测算法的评测精度。并且，在根据无人驾驶车辆在行驶过程中采集的数据确定目标的真值位置时，是由人工进行位置标定的，从而可以保证目标真值位置的准确性，进一步提高目标检测算法的评测精度。当然，实施本发明的任一产品或方法并不一定需要同时达到以上的所有优点。

本发明实施例的创新点包括：

1、基于无人驾驶车辆在实际行驶过程中采集的数据来确定目标的真值位置，从而能够客观描述真实场景下的实际情况，提高目标真值位置获取的准确性，从而提高目标检测算法的评测精度。并且，在根据无人驾驶车辆在行驶过程中采集的数据确定目标的真值位置时，是由人工进行位置标定的，从而可以保证目标真值位置的准确性，进一步提高目标检测算法的评测精度。

2、根据自动驾驶需求感知特点，并且无人驾驶车辆离起始点距离不同误差也不同，因此，针对不同的真值位置设置不同的纵向匹配阈值和横向匹配阈值，进而将各目标的真值位置和预测位置进行对比，确定位置匹配的匹配目标的数量，别与真值目标数量和预测目标数量之间的比值，该比值高表明匹配目标数量较多，也就是目标检测算法的精确度较高，该比值低表明匹配目标数量较少，也就是目标检测算法的精确度较低；另外还计算了匹配目标的速度误差的均值和误差指标，速度误差均值和误差指标能够反映匹配目标速度检测的准确性；并且，通过雷达数据确定的真值位置为三维位置坐标，因此，将上述比值、速度误差均值和误差指标均确定为目标检测算法的评测结果，能够使评测结果和上层应用挂钩，准确的评估目标感知算法，反映目标感知迭代方向。

3、考虑到无人驾驶车辆离起始点越远误差可能会越大，因此，针对每个真值位置，将该真值位置处的纵向匹配阈值设置为匹配比例阈值与该真值位置距离无人驾驶车辆起始点的纵向距离的乘积，将该真值位置处的横向匹配阈值设置为匹配比例阈值与该真值位置距离无人驾驶车辆起始点的横向距离的乘积，能够提高各真值位置处纵向匹配阈值和横向匹配阈值的准确性，提高确定匹配目标的准确性，进而提高目标检测算法的评测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。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为本发明实施例提供的基于无人驾驶车辆的评测目标检测算法的方法的一种流程图；

图2为本发明实施例提供的基于无人驾驶车辆的评测目标检测算法的方法的另一种流程图；

图3为本发明实施例提供的基于无人驾驶车辆的评测目标检测算法的装置的一种结构示意图。

具体实施方式

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、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，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付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

本发明实施例公开了一种基于无人驾驶车辆的评测目标检测算法的方法及装置，能够提高目标检测算法的评测精度。下面对本发明实施例进行详细说明。

图1为本发明实施例提供的基于无人驾驶车辆的评测目标检测算法的方法的一种流程示意图。该方法应用于电子设备。该方法具体包括以下步骤。

S110：获取无人驾驶车辆在行驶过程中相机采集的连续图像、车身信号传感器采集的车身信号、激光雷达对应的雷达数据、以及毫米波雷达对应的毫米波雷达数据。

在本发明实施例中，可以在无人驾驶车辆安装相机、车身信号传感器、激光雷达、以及毫米波雷达，其中，各设备之间均满足时间同步和空间同步。相机可以采集无人驾驶车辆行驶过程中周围环境的连续图像；车身信号传感器可以采集车身信号，如速度信息、姿态角信息等；激光雷达可以投射激光点，并获取到各点投射至周围目标的雷达数据；毫米波雷达可以投射激光点，并获取到各点投射至周围目标的毫米波雷达数据。

本发明实施例提供的方法可以在电子设备中离线进行，也就是说，可以在无人驾驶车辆在道路中行驶之后进行。无人驾驶车辆在道路中行驶过程中，相机采集的连续图像、车身信号传感器采集的车身信号、激光雷达获取的雷达数据、以及毫米波雷达获取的毫米波雷达数据可以分别存储至预设位置。

进行目标检测算法评测时，电子设备可以从上述预设位置处获取到无人驾驶车辆在行驶过程中相机采集的连续图像、车身信号传感器采集的车身信号、激光雷达对应的雷达数据、以及毫米波雷达对应的毫米波雷达数据。

S120：将连续图像和车身信号输入目标检测算法中，得到各时刻无人驾驶车辆周围各预测目标的预测位置和预测速度。

在本发明实施例中，电子设备可以基于连续图像和车身信号进行目标检测。具体的，可以将连续图像和车身信号输入目标检测算法中，得到各时刻无人驾驶车辆周围各预测目标的预测位置和预测速度。

其中，上述预测目标可以为需要进行检测的任意目标，如车辆、行人、三轮车、自行车等，本发明实施例对此不作限定。

S130：按照预设采样间隔，在雷达数据中抽取各采样时刻对应的各采样雷达数据，展示各采样时刻对应的各采样雷达数据，并接收用户针对各采样雷达数据输入的标注结果，标注结果标识各采样时刻无人驾驶车辆周围各真值目标的真值位置。

在本发明实施例中，电子设备可以基于雷达数据和毫米波雷达数据得到目标的真值位置和真值速度。具体的，可以通过人工标定的方式根据雷达数据确定真值位置。

可以理解，雷达数据的数据量比较大，并且，相邻的数据之间相似度较高。因此，在本发明实施例中，可以按照预先设定的采样间隔，如30毫秒、50毫秒、1秒等，在雷达数据中抽取各采样时刻对应的各采样雷达数据。

并且，可以将各采样时刻对应的各采样雷达数据展示在显示屏，从而用户可以根据采样雷达数据确定无人驾驶车辆周围各真值目标的真值位置，并输入电子设备中。

例如，真值目标所在位置处与其他位置相比，各采样雷达数据中相邻点在竖直方向的坐标差值可能会较大。基于此，用户可以在各采样雷达数据中确定出真值目标所在位置，作为真值位置。

S140：根据毫米波雷达数据，计算各采样时刻无人驾驶车辆周围各真值目标的真值速度。

电子设备根据毫米波雷达数据计算各采样时刻无人驾驶车辆周围各真值目标的真值速度，具体可以在毫米波雷达数据包含的位置中，选取与各采样时刻无人驾驶车辆周围各真值目标的真值位置最近的位置，并将该位置对应的毫米波雷达数据作为采样毫米波雷达数据，进而根据采样毫米波雷达数据，计算各采样时刻无人驾驶车辆周围各真值目标的真值速度。

S150：在各时刻无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取各采样时刻对应的无人驾驶车辆周围各预测目标的预测位置和预测速度。

在本发明实施例中，为了对目标检测算法进行测评，可以在根据目标检测算法得到的各时刻无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取各采样时刻对应的无人驾驶车辆周围各预测目标的预测位置和预测速度，以对各采样时刻对应的结果分别进行对比，确定目标检测算法的评测结果。

S160：根据各采样时刻无人驾驶车辆周围各预测目标的预测位置和预测速度，以及各采样时刻无人驾驶车辆周围各真值目标的真值位置和真值速度，计算目标检测算法的评测结果。

在一种实现方式中，如图2所示，计算目标检测算法的评测结果的过程可以包括以下步骤。

S210：获取预设的多个匹配比例阈值，并针对每个匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值；其中，纵向为无人驾驶车辆的行进方向，横向为与纵向垂直的水平方向。

在本发明实施例中，可以预先设置多个匹配比例阈值，如1％、2％、5％等。并且，考虑到距离越远误差越大，且横纵向分别对上层应用影响不一样，难以定义明确误差多少是合理的值。因此，可以针对不同的距离设置不同的匹配阈值。

具体的，可以计算各真值位置距离无人驾驶车辆起始点的纵向距离和横向距离，之后针对每个匹配比例阈值，计算该匹配比例阈值与各真值位置距离无人驾驶车辆起始点的纵向距离的乘积，作为该匹配比例阈值对应的各真值位置的纵向匹配阈值，计算该匹配比例阈值与各真值位置距离无人驾驶车辆起始点的横向距离的乘积，作为该匹配比例阈值对应的各真值位置的横向匹配阈值。

考虑到无人驾驶车辆离起始点越远误差可能会越大，因此，针对每个真值位置，将该真值位置处的纵向匹配阈值设置为匹配比例阈值与该真值位置距离无人驾驶车辆起始点的纵向距离的乘积，将该真值位置处的横向匹配阈值设置为匹配比例阈值与该真值位置距离无人驾驶车辆起始点的横向距离的乘积，能够提高各真值位置处纵向匹配阈值和横向匹配阈值的准确性，提高确定匹配目标的准确性，进而提高目标检测算法的评测精度。

S220：针对每个匹配比例阈值，确定每个采样时刻无人驾驶车辆周围的真值目标和预测目标中的同一目标，计算每个采样时刻无人驾驶车辆周围同一目标的预测位置和真值位置的纵向距离和横向距离，并在任一采样时刻任一目标的预测位置和真值位置的纵向距离小于该匹配比例阈值对应的该真值位置的纵向匹配阈值，且该目标的预测位置和真值位置的横向距离小于该匹配比例阈值对应的该真值位置的横向匹配阈值时，将该目标确定为匹配目标。

在本发明实施例中，针对每个匹配比例阈值，可以确定该匹配比例阈值对应的匹配目标。例如，可以通过二分图匹配方法，确定每个匹配比例阈值对应的匹配目标。

S230：统计各匹配比例阈值对应的匹配目标的各第一数量，真值目标的第二数量，以及预测目标的第三数量，并计算各第一数量与第二数量的商的第一平均值，以及各第一数量与第三数量的商的第二平均值。

例如，可以针对任一匹配比例阈值a％，计算出匹配目标的数量为TP，预测目标的总数量为PR，真值目标的总数量为GT。则可以计算固定a的时候，对应的单个指标为：

Precision＝TP/PR

Recall＝TP/GT

变换不同的a％的值，即可得到不同的Precision和Recall的值，可以得到一个Precision曲面和Recall曲面，对不同匹配比例阈值求平均，Precision曲面平均就是AP(Average Precision)，Recall曲面平均就是AR(Average Recall)，AP和AR即作为整套3D系统的评测准则，综合评价了2D及3D整套系统的最终表现。

S240：根据各采样时刻无人驾驶车辆周围各预测目标的预测速度，以及各真值目标的真值速度，计算各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标。

在一种实现方式中，电子设备可以计算各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值的平均值，作为各匹配比例阈值对应的匹配目标的速度误差的均值，并将各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在预设位置处的值作为各匹配比例阈值对应的匹配目标的误差指标。

其中，上述误差指标可以为2sigma误差指标。具体的，可以将各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在第95.45％处的值作为各匹配比例阈值对应的匹配目标的2sigma误差指标。

S250：将第一平均值、第二平均值、速度误差的均值、以及误差指标，均作为目标检测算法的评测结果。

根据自动驾驶需求感知特点，并且无人驾驶车辆离起始点距离不同误差也不同，因此，针对不同的真值位置设置不同的纵向匹配阈值和横向匹配阈值，进而将各目标的真值位置和预测位置进行对比，确定位置匹配的匹配目标的数量，别与真值目标数量和预测目标数量之间的比值，该比值高表明匹配目标数量较多，也就是目标检测算法的精确度较高，该比值低表明匹配目标数量较少，也就是目标检测算法的精确度较低；另外还计算了匹配目标的速度误差的均值和误差指标，速度误差均值和误差指标能够反映匹配目标速度检测的准确性；并且，通过雷达数据确定的真值位置为三维位置坐标，因此，将上述比值、速度误差均值和误差指标均确定为目标检测算法的评测结果，能够使评测结果和上层应用挂钩，准确的评估目标感知算法，反映目标感知迭代方向。

由上述内容可知，本实施例可以基于无人驾驶车辆在实际行驶过程中采集的数据来确定目标的真值位置，从而能够客观描述真实场景下的实际情况，提高目标真值位置获取的准确性，从而提高目标检测算法的评测精度。并且，在根据无人驾驶车辆在行驶过程中采集的数据确定目标的真值位置时，是由人工进行位置标定的，从而可以保证目标真值位置的准确性，进一步提高目标检测算法的评测精度。

图3为本发明实施例提供的基于无人驾驶车辆的评测目标检测算法的一种结构示意图，所述无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，所述装置包括：

数据获取模块310，用于获取所述无人驾驶车辆在行驶过程中所述相机采集的连续图像、所述车身信号传感器采集的车身信号、所述激光雷达对应的雷达数据、以及所述毫米波雷达对应的毫米波雷达数据；

目标预测模块320，用于将所述连续图像和所述车身信号输入目标检测算法中，得到各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

真值确定模块330，用于按照预设采样间隔，在所述雷达数据中抽取各采样时刻对应的各采样雷达数据，展示所述各采样时刻对应的各采样雷达数据，并接收用户针对所述各采样雷达数据输入的标注结果，所述标注结果标识所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置；

速度确定模块340，用于根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度；

信息提取模块350，用于在所述各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取所述各采样时刻对应的所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

算法评测模块360，用于根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果。

由上述内容可知，本发明实施例可以基于无人驾驶车辆在实际行驶过程中采集的数据来确定目标的真值位置，从而能够客观描述真实场景下的实际情况，提高目标真值位置获取的准确性，从而提高目标检测算法的评测精度。并且，在根据无人驾驶车辆在行驶过程中采集的数据确定目标的真值位置时，是由人工进行位置标定的，从而可以保证目标真值位置的准确性，进一步提高目标检测算法的评测精度。

可选的，所述速度确定模块340包括：

数据选取子模块，用于在所述毫米波雷达数据包含的位置中，选取与所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置最近的位置，并将该位置对应的毫米波雷达数据作为采样毫米波雷达数据；

速度确定子模块，用于根据所述采样毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度。

可选的，所述算法评测模块360包括：

阈值获取子模块，用于获取预设的多个匹配比例阈值，并针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值；其中，所述纵向为所述无人驾驶车辆的行进方向，所述横向为与所述纵向垂直的水平方向；

目标匹配子模块，用于针对每个所述匹配比例阈值，确定每个采样时刻所述无人驾驶车辆周围的真值目标和预测目标中的同一目标，计算每个采样时刻所述无人驾驶车辆周围同一目标的预测位置和真值位置的纵向距离和横向距离，并在任一采样时刻任一目标的预测位置和真值位置的纵向距离小于该匹配比例阈值对应的该真值位置的纵向匹配阈值，且该目标的预测位置和真值位置的横向距离小于该匹配比例阈值对应的该真值位置的横向匹配阈值时，将该目标确定为匹配目标；

数量统计子模块，用于统计所述各匹配比例阈值对应的匹配目标的各第一数量，所述真值目标的第二数量，以及所述预测目标的第三数量，并计算所述各第一数量与所述第二数量的商的第一平均值，以及所述各第一数量与所述第三数量的商的第二平均值；

指标确定子模块，用于根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标；

算法评测子模块，用于将所述第一平均值、所述第二平均值、所述速度误差的均值、以及所述误差指标，均作为所述目标检测算法的评测结果。

可选的，所述阈值获取子模块，具体用于：

计算所述各真值位置距离所述无人驾驶车辆起始点的纵向距离和横向距离；

针对每个所述匹配比例阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的纵向距离的乘积，作为该匹配比例阈值对应的各真值位置的纵向匹配阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的横向距离的乘积，作为该匹配比例阈值对应的各真值位置的横向匹配阈值。

可选的，所述指标确定子模块，具体用于：

计算所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值的平均值，作为所述各匹配比例阈值对应的匹配目标的速度误差的均值；

将所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在预设位置处的值作为所述各匹配比例阈值对应的匹配目标的误差指标。

上述装置实施例与方法实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见方法实施例部分，此处不再赘述。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种基于无人驾驶车辆的评测目标检测算法的方法，其特征在于，所述无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，所述方法包括：

获取所述无人驾驶车辆在行驶过程中所述相机采集的连续图像、所述车身信号传感器采集的车身信号、所述激光雷达对应的雷达数据、以及所述毫米波雷达对应的毫米波雷达数据；

将所述连续图像和所述车身信号输入目标检测算法中，得到各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

按照预设采样间隔，在所述雷达数据中抽取各采样时刻对应的各采样雷达数据，展示所述各采样时刻对应的各采样雷达数据，并接收用户针对所述各采样雷达数据输入的标注结果，所述标注结果标识所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置；

根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度；

在所述各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取所述各采样时刻对应的所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度包括：

在所述毫米波雷达数据包含的位置中，选取与所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置最近的位置，并将该位置对应的毫米波雷达数据作为采样毫米波雷达数据；

根据所述采样毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度。

3.根据权利要求1所述的方法，其特征在于，所述根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果包括：

获取预设的多个匹配比例阈值，并针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值；其中，所述纵向为所述无人驾驶车辆的行进方向，所述横向为与所述纵向垂直的水平方向；

针对每个所述匹配比例阈值，确定每个采样时刻所述无人驾驶车辆周围的真值目标和预测目标中的同一目标，计算每个采样时刻所述无人驾驶车辆周围同一目标的预测位置和真值位置的纵向距离和横向距离，并在任一采样时刻任一目标的预测位置和真值位置的纵向距离小于该匹配比例阈值对应的该真值位置的纵向匹配阈值，且该目标的预测位置和真值位置的横向距离小于该匹配比例阈值对应的该真值位置的横向匹配阈值时，将该目标确定为匹配目标；

统计所述各匹配比例阈值对应的匹配目标的各第一数量，所述真值目标的第二数量，以及所述预测目标的第三数量，并计算所述各第一数量与所述第二数量的商的第一平均值，以及所述各第一数量与所述第三数量的商的第二平均值；

根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标；

将所述第一平均值、所述第二平均值、所述速度误差的均值、以及所述误差指标，均作为所述目标检测算法的评测结果。

4.根据权利要求3所述的方法，其特征在于，所述针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值包括：

计算所述各真值位置距离所述无人驾驶车辆起始点的纵向距离和横向距离；

针对每个所述匹配比例阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的纵向距离的乘积，作为该匹配比例阈值对应的各真值位置的纵向匹配阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的横向距离的乘积，作为该匹配比例阈值对应的各真值位置的横向匹配阈值。

5.根据权利要求3所述的方法，其特征在于，所述根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标包括：

计算所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值的平均值，作为所述各匹配比例阈值对应的匹配目标的速度误差的均值；

将所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在预设位置处的值作为所述各匹配比例阈值对应的匹配目标的误差指标。

6.一种基于无人驾驶车辆的评测目标检测算法的装置，其特征在于，所述无人驾驶车辆安装有相机、车身信号传感器、激光雷达、以及毫米波雷达，所述装置包括：

数据获取模块，用于获取所述无人驾驶车辆在行驶过程中所述相机采集的连续图像、所述车身信号传感器采集的车身信号、所述激光雷达对应的雷达数据、以及所述毫米波雷达对应的毫米波雷达数据；

目标预测模块，用于将所述连续图像和所述车身信号输入目标检测算法中，得到各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

真值确定模块，用于按照预设采样间隔，在所述雷达数据中抽取各采样时刻对应的各采样雷达数据，展示所述各采样时刻对应的各采样雷达数据，并接收用户针对所述各采样雷达数据输入的标注结果，所述标注结果标识所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置；

速度确定模块，用于根据所述毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度；

信息提取模块，用于在所述各时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度中，提取所述各采样时刻对应的所述无人驾驶车辆周围各预测目标的预测位置和预测速度；

算法评测模块，用于根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测位置和预测速度，以及所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置和真值速度，计算所述目标检测算法的评测结果。

7.根据权利要求6所述的装置，其特征在于，所述速度确定模块包括：

数据选取子模块，用于在所述毫米波雷达数据包含的位置中，选取与所述各采样时刻所述无人驾驶车辆周围各真值目标的真值位置最近的位置，并将该位置对应的毫米波雷达数据作为采样毫米波雷达数据；

速度确定子模块，用于根据所述采样毫米波雷达数据，计算所述各采样时刻所述无人驾驶车辆周围各真值目标的真值速度。

8.根据权利要求6所述的装置，其特征在于，所述算法评测模块包括：

阈值获取子模块，用于获取预设的多个匹配比例阈值，并针对每个所述匹配比例阈值，计算该匹配比例阈值对应的各真值位置的纵向匹配阈值和横向匹配阈值；其中，所述纵向为所述无人驾驶车辆的行进方向，所述横向为与所述纵向垂直的水平方向；

目标匹配子模块，用于针对每个所述匹配比例阈值，确定每个采样时刻所述无人驾驶车辆周围的真值目标和预测目标中的同一目标，计算每个采样时刻所述无人驾驶车辆周围同一目标的预测位置和真值位置的纵向距离和横向距离，并在任一采样时刻任一目标的预测位置和真值位置的纵向距离小于该匹配比例阈值对应的该真值位置的纵向匹配阈值，且该目标的预测位置和真值位置的横向距离小于该匹配比例阈值对应的该真值位置的横向匹配阈值时，将该目标确定为匹配目标；

数量统计子模块，用于统计所述各匹配比例阈值对应的匹配目标的各第一数量，所述真值目标的第二数量，以及所述预测目标的第三数量，并计算所述各第一数量与所述第二数量的商的第一平均值，以及所述各第一数量与所述第三数量的商的第二平均值；

指标确定子模块，用于根据所述各采样时刻所述无人驾驶车辆周围各预测目标的预测速度，以及所述各真值目标的真值速度，计算所述各匹配比例阈值对应的匹配目标的速度误差的均值以及误差指标；

算法评测子模块，用于将所述第一平均值、所述第二平均值、所述速度误差的均值、以及所述误差指标，均作为所述目标检测算法的评测结果。

9.根据权利要求8所述的装置，其特征在于，所述阈值获取子模块，具体用于：

计算所述各真值位置距离所述无人驾驶车辆起始点的纵向距离和横向距离；

针对每个所述匹配比例阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的纵向距离的乘积，作为该匹配比例阈值对应的各真值位置的纵向匹配阈值，计算该匹配比例阈值与所述各真值位置距离所述无人驾驶车辆起始点的横向距离的乘积，作为该匹配比例阈值对应的各真值位置的横向匹配阈值。

10.根据权利要求8所述的装置，其特征在于，所述指标确定子模块，具体用于：

计算所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值的平均值，作为所述各匹配比例阈值对应的匹配目标的速度误差的均值；

将所述各匹配比例阈值对应的匹配目标的预测速度和真值速度的差值按从小到大的顺序排列，选取排列在预设位置处的值作为所述各匹配比例阈值对应的匹配目标的误差指标。

Images