CN112598314A

CN112598314A - 智能驾驶汽车的感知置信度确定方法、装置、设备及介质

Info

Publication number: CN112598314A
Application number: CN202011607860.3A
Authority: CN
Inventors: 孙凯信; 武志鹏; 李桂清; 孟辉磊; 吕轩轩
Original assignee: Weichai Power Co Ltd
Current assignee: Weichai Power Co Ltd
Priority date: 2020-12-29
Filing date: 2020-12-29
Publication date: 2021-04-02
Anticipated expiration: 2040-12-29
Also published as: CN112598314B

Abstract

本发明公开了一种智能驾驶汽车的感知置信度确定方法、装置、设备及介质，所述方法包括：获取智能驾驶汽车识别的障碍物的位置信息以及速度信息；以所述智能驾驶汽车为坐标系原点，建立虚拟栅格，根据所述障碍物的速度信息以及与所述智能驾驶汽车的距离信息将所述障碍物存放在不同的栅格内；根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率；根据每个栅格中位置误差在允许范围内的概率，得到所述智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。根据本公开实施例提供的方法，能够统计智能驾驶汽车在路上对不同距离、不同速度的障碍物的感知能力，有效评估传感器的感知范围。

Description

智能驾驶汽车的感知置信度确定方法、装置、设备及介质

技术领域

本发明涉及智能驾驶汽车技术领域，特别涉及一种智能驾驶汽车的感知置信度确定方法、装置、设备及介质。

背景技术

感知系统作为智能驾驶汽车的眼睛，决定着智能驾驶系统的好坏，因此，有效评估感知系统的感知能力是十分有必要的。

现有技术中的方案都是利用传感器自身的特性确定感知范围，但是，目前智能驾驶汽车传感器布置方案存在较大差异性，不同厂家、不同车型、不同配置都会存在一定的差异性，而且目前大多数感知方案都是多传感器融合，所以现有方案对车端感知系统的评估是片面的。

发明内容

本公开实施例提供了一种智能驾驶汽车的感知置信度确定方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本公开实施例提供了一种智能驾驶汽车的感知置信度确定方法，包括：

获取智能驾驶汽车识别的障碍物的位置信息以及速度信息；

以智能驾驶汽车为坐标系原点，建立虚拟栅格，根据障碍物的速度信息以及与智能驾驶汽车的距离信息将障碍物存放在不同的栅格内；

根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率；

根据每个栅格中位置误差在允许范围内的概率，得到智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

在一个实施例中，获取智能驾驶汽车识别的障碍物的位置信息以及速度信息之前，还包括：

获取车载感知系统采集的障碍物的位置信息；

对障碍物的位置信息进行清洗标注，得到修正后的障碍物的位置信息。

在一个实施例中，获取智能驾驶汽车识别的障碍物的位置信息以及速度信息，包括：

将修正后的障碍物的位置信息作为智能驾驶汽车识别的障碍物的位置信息；

根据修正后同一个障碍物在不同帧所处的不同位置以及相隔的时间得到障碍物的速度信息。

在一个实施例中，根据障碍物的速度信息以及与智能驾驶汽车的距离信息将障碍物存放在不同的栅格内，包括：

根据障碍物与智能驾驶汽车的距离信息将障碍物存放在不同的栅格内；

将每个栅格划分为多个维度，其中每个维度代表不同的速度区间；

根据障碍物的速度信息将障碍物存放在栅格中的不同维度。

在一个实施例中，根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率，包括：

根据车载感知系统识别的障碍物的位置信息以及清洗修正后的障碍物的位置信息，得到障碍物的位置误差；

当位置误差小于预设误差阈值时，确定位置误差在允许范围内；

统计每个栅格的每个维度中位置误差在允许范围内的概率。

在一个实施例中，根据每个栅格中误差在允许范围内的概率，得到智能驾驶汽车对不同距离不同速度的障碍物的感知置信度，包括：

根据统计完成的每个栅格的每个维度中位置误差在允许范围内的概率，生成matlab可视化网格图，得到智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

第二方面，本公开实施例提供了一种智能驾驶汽车的感知置信度确定装置，包括：

获取模块，用于获取智能驾驶汽车识别的障碍物的位置信息以及速度信息；

建立模块，用于以所述智能驾驶汽车为坐标系原点，建立虚拟栅格，根据所述障碍物的速度信息以及与所述智能驾驶汽车的距离信息将所述障碍物存放在不同的栅格内；

对比分析模块，用于根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率；

结果可视化模块，用于根据每个栅格中位置误差在允许范围内的概率，得到所述智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

在一个实施例中，还包括：

数据清洗修正模块，用于获取车载感知系统采集的障碍物的位置信息，对所述障碍物的位置信息进行清洗标注，得到修正后的障碍物的位置信息。

第三方面，本公开实施例还提供了一种智能驾驶汽车的感知置信度确定设备，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行上述实施例提供的智能驾驶汽车的感知置信度确定方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现上述实施例提供的一种智能驾驶汽车的感知置信度确定方法。

本公开实施例提供的技术方案可以包括以下有益效果：

根据本公开实施例提供的智能驾驶汽车的感知置信度确定方法，通过记录车辆行驶过程中的传感器数据，进行后期的清洗和标注，得到真实世界的场景，将真实世界的场景和车端的感知结果进行对比，并统计分析误差数据，得出车辆在该传感器布置方案下的有效感知范围及感知置信度。该方法能够统计智能驾驶汽车在路上对不同距离、不同速度的障碍物的感知能力，而且利用车辆实际运行工况对传感器的有效感知范围进行评估，提高评估结果的可用性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种智能驾驶汽车的感知置信度确定方法的流程示意图；

图2是根据一示例性实施例示出的一种智能驾驶汽车的感知置信度确定方法的流程示意图；

图3是根据一示例性实施例示出的一种数据清洗的示意图；

图4是根据一示例性实施例示出的一种虚拟栅格的示意图；

图5是根据一示例性实施例示出的一种智能驾驶汽车的感知置信度确定装置的结构示意图；

图6是根据一示例性实施例示出的一种智能驾驶汽车的感知置信度确定设备的结构示意图；

图7是根据一示例性实施例示出的一种计算机存储介质的示意图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。

应当明确，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

现有的方案利用传感器自身的特性确定感知范围，但是不同传感器感知范围是不一样的，在不同范围、不同速度下的感知精度也是不一样的，目前大多数感知方案都是多传感器融合，所以现有方案对车端感知系统的评估是片面的，本公开实施例综合考虑了距离和速度，并通过人工校验的方式，确保真值的准确性，能够有效的从多维度对智能驾驶汽车有效感知范围进行统计。

下面将结合附图1-附图4，对本申请实施例提供的智能驾驶汽车的感知置信度确定方法进行详细介绍。图1是根据一示例性实施例示出的一种智能驾驶汽车的感知置信度确定方法的流程示意图，参见图1，该方法具体包括以下步骤：

S101获取智能驾驶汽车识别的障碍物的位置信息以及速度信息。

在一个实施例中，在执行步骤S101之前，还包括：获取车载感知系统采集的障碍物的位置信息，对障碍物的位置信息进行清洗标注，得到修正后的障碍物的位置信息。

具体地，首先通过智能驾驶汽车的车载感知系统采集数据，在一种可能的实现方式中，利用数据采集设备，对车载传感器的原始数据和识别后的障碍物数据进行记录，例如，通过激光雷达采集激光点云数据，通过毫米波雷达采集数据，通过智能摄像头采集数据，通过超声波雷达采集数据，通过摄像头采集原始图像信息，通过惯导、GPS定位传感器获取定位后的数据，通过车载感知模块采集融合后的感知结果数据。由于智能驾驶汽车上安装了多种类型的传感器，可能有的传感器采集的数据并没有融合在感知结果数据中，因此，在采集融合后的感知结果数据时，还包括采集各个传感器的原始数据，以便获得全部的障碍物的位置信息。

得到车端感知系统采集的障碍物的位置信息后，对采集的障碍物的数据进行人工清洗标注，主要修正识别错误的障碍物信息，使感知结果尽量还原现实结果，得到修正后的障碍物的位置数据。图3是根据一示例性实施例示出的一种数据清洗的示意图，如图3a所示，为车辆在公共道路行驶时，激光雷达的扫描信息以及感知结果，图中有多个障碍物，且标注了每个障碍物的位置信息，对图a进行数据清洗，可以看出自车左侧超车的车辆识别结果存在明显的滞后，在图b中对其进行重新标注，如矩形框所示，对矩形框中的障碍物重新标注位置信息，得到修正后的数据。

进一步地，将修正后的障碍物的位置信息作为智能驾驶汽车识别的障碍物的位置信息，通过对多帧识别结果进行标注后，可以根据修正后同一个障碍物在不同帧所处的不同位置以及相隔的时间得到障碍物的速度信息。考虑到手工标注会存在一定的误差，在求速度的时候采用均值滤波的方法，对速度进行一定的平滑和滤波。

S102以智能驾驶汽车为坐标系原点，建立虚拟栅格，根据障碍物的速度信息以及与智能驾驶汽车的距离信息将障碍物存放在不同的栅格内。

进一步地，从位置、速度两个维度分析智能驾驶汽车的感知能力，首先，以智能驾驶汽车为坐标系原点，建立虚拟栅格。

图4是根据一示例性实施例示出的一种虚拟栅格的示意图，如图4所示，中心点为本公开实施例中的智能驾驶汽车，然后划分栅格，用于存放与智能驾驶汽车不同距离内的障碍物，每个栅格的长度大小本领域技术人员可以自行设定，栅格越小，精度越高，然后将每个栅格划分为多个维度，其中每个维度代表不同的速度区间，在一个示例性场景中，0-5km/h为一个纬度，5-10km/h为一个纬度，10-15km/h为一个纬度，根据上述步骤中得到的障碍物的速度信息将障碍物存放在栅格中的不同维度。

根据该步骤，可以根据障碍物的速度信息以及与智能驾驶汽车的距离信息将各个障碍物划分到不同距离的栅格中，且划分到不同速度区间的维度中。

S103根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率。

进一步地，将障碍物划分到不同栅格的不同维度之后，可以根据车载感知系统识别的障碍物的原始位置信息以及修正后的位置信息，分析车载感知系统的识别误差。

在一种可能的实现方式中，每个栅格的每个维度内可能存放着多个障碍物，首先根据车载感知系统识别的障碍物的位置信息以及清洗修正后的障碍物的位置信息，分析得到每个栅格的每个维度内的障碍物的位置误差，然后设定一个误差阈值，当位置误差小于预设误差阈值时，确定位置误差在允许范围内，统计每个栅格的每个维度中位置误差在允许范围内的概率。

例如，某个栅格的某个维度内有100个障碍物，其中有80个障碍物的位置误差在允许的范围内，则该栅格的该维度中位置误差在允许范围内的概率为80％。

根据该步骤，将真实数据和车端的感知结果进行对比统计，得出车辆在该传感器布置方案下的有效感知范围。

S104根据每个栅格中位置误差在允许范围内的概率，得到智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

由于不同的栅格代表不同的距离，不同的维度代表不同的速度，因此，可以根据不同栅格不同维度中位置误差在允许范围内的概率，分析车辆的感知能力，得到车辆的感知置信度。例如，障碍物在某栅格的某维度中位置误差在允许范围内的概率为90％，则车辆的感知系统对相应速度相应距离的障碍物的感知置信度为90％，障碍物在某栅格的某维度中位置误差在允许范围内的概率为20％，则车辆的感知系统对相应速度相应距离的障碍物的感知置信度为20％。

进一步地，为了使分析结果可视化，根据统计完成的每个栅格的每个维度中位置误差在允许范围内的概率，可以生成matlab可视化网格图，可直观的分析出不同距离对不同速度障碍物的感知能力，用于判断智能驾驶汽车有效的感知范围。

为了便于理解本申请实施例提供的智能驾驶汽车的感知置信度确定方法，下面结合附图2进行说明。如图2所示，该方法包括：

首先，获取车载传感器采集的原始数据以及识别出来的障碍物数据，得到智能驾驶汽车识别到的所有障碍物的位置信息。

然后，通过人工对获取到的障碍物的位置信息进行数据清洗，修正其中的错误数据，得到标注好的正确的障碍物的位置信息，并将数据进行备份和封装。

进一步地，对数据进行对比分析，首先建立栅格图，以智能驾驶汽车为坐标系原点，建立虚拟栅格，根据障碍物的速度信息以及与智能驾驶汽车的距离信息将障碍物存放在不同的栅格的不同维度内。

进一步地，将障碍物划分到不同栅格的不同维度之后，首先根据车载感知系统识别的障碍物的位置信息以及清洗修正后的障碍物的位置信息，分析得到每个栅格的每个维度内的障碍物的位置误差，然后设定一个误差阈值，当位置误差小于预设误差阈值时，确定位置误差在允许范围内，统计每个栅格的每个维度中位置误差在允许范围内的概率。根据每个栅格中位置误差在允许范围内的概率，得到智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

最后，生成结果报告，为了使分析结果可视化，根据统计完成的每个栅格的每个维度中位置误差在允许范围内的概率，可以生成matlab可视化网格图，可直观的分析出不同距离对不同速度障碍物的感知能力，用于判断智能驾驶汽车有效的感知范围。

本公开实施例还提供一种智能驾驶汽车的感知置信度确定装置，该装置用于执行上述实施例的智能驾驶汽车的感知置信度确定方法，如图5所示，该装置包括：

获取模块501，用于获取智能驾驶汽车识别的障碍物的位置信息以及速度信息；

建立模块502，用于以所述智能驾驶汽车为坐标系原点，建立虚拟栅格，根据所述障碍物的速度信息以及与所述智能驾驶汽车的距离信息将所述障碍物存放在不同的栅格内；

对比分析模块503，用于根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率；

结果可视化模块504，用于根据每个栅格中位置误差在允许范围内的概率，得到所述智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

在一个实施例中，还包括：

需要说明的是，上述实施例提供的智能驾驶汽车的感知置信度确定装置在执行智能驾驶汽车的感知置信度确定方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的智能驾驶汽车的感知置信度确定装置与智能驾驶汽车的感知置信度确定方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

本公开实施例还提供一种与前述实施例所提供的智能驾驶汽车的感知置信度确定方法对应的电子设备，以执行上述智能驾驶汽车的感知置信度确定方法。

请参考图6，其示出了本申请的一些实施例所提供的一种电子设备的示意图。如图6所示，电子设备包括：处理器600，存储器601，总线602和通信接口603，处理器600、通信接口603和存储器601通过总线602连接；存储器601中存储有可在处理器600上运行的计算机程序，处理器600运行计算机程序时执行本申请前述任一实施例所提供的智能驾驶汽车的感知置信度确定方法。

其中，存储器601可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口603(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。

总线602可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。其中，存储器601用于存储程序，处理器600在接收到执行指令后，执行程序，前述本申请实施例任一实施方式揭示的智能驾驶汽车的感知置信度确定方法可以应用于处理器600中，或者由处理器600实现。

处理器600可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器600中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器600可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器601，处理器600读取存储器601中的信息，结合其硬件完成上述方法的步骤。

本申请实施例提供的电子设备与本申请实施例提供的智能驾驶汽车的感知置信度确定方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。

本申请实施例还提供一种与前述实施例所提供的智能驾驶汽车的感知置信度确定方法对应的计算机可读存储介质，请参考图7，其示出的计算机可读存储介质为光盘700，其上存储有计算机程序(即程序产品)，计算机程序在被处理器运行时，会执行前述任意实施例所提供的智能驾驶汽车的感知置信度确定方法。

需要说明的是，计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。

本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的智能驾驶汽车的感知置信度确定方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种智能驾驶汽车的感知置信度确定方法，其特征在于，包括：

获取智能驾驶汽车识别的障碍物的位置信息以及速度信息；

以所述智能驾驶汽车为坐标系原点，建立虚拟栅格，根据所述障碍物的速度信息以及与所述智能驾驶汽车的距离信息将所述障碍物存放在不同的栅格内；

根据每个栅格中位置误差在允许范围内的概率，得到所述智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

2.根据权利要求1所述的方法，其特征在于，获取智能驾驶汽车识别的障碍物的位置信息以及速度信息之前，还包括：

获取车载感知系统采集的障碍物的位置信息；

对所述障碍物的位置信息进行清洗标注，得到修正后的障碍物的位置信息。

3.根据权利要求2所述的方法，其特征在于，获取智能驾驶汽车识别的障碍物的位置信息以及速度信息，包括：

根据修正后同一个障碍物在不同帧所处的不同位置以及相隔的时间得到所述障碍物的速度信息。

4.根据权利要求1所述的方法，其特征在于，根据所述障碍物的速度信息以及与所述智能驾驶汽车的距离信息将所述障碍物存放在不同的栅格内，包括：

根据所述障碍物与所述智能驾驶汽车的距离信息将所述障碍物存放在不同的栅格内；

根据所述障碍物的速度信息将所述障碍物存放在所述栅格中的不同维度。

5.根据权利要求4所述的方法，其特征在于，根据车载感知系统识别的障碍物位置信息以及清洗修正后的障碍物位置信息，统计每个栅格中位置误差在允许范围内的概率，包括：

当所述位置误差小于预设误差阈值时，确定所述位置误差在允许范围内；

统计每个栅格的每个维度中位置误差在允许范围内的概率。

6.根据权利要求5所述的方法，其特征在于，根据每个栅格中误差在允许范围内的概率，得到所述智能驾驶汽车对不同距离不同速度的障碍物的感知置信度，包括：

根据统计完成的每个栅格的每个维度中位置误差在允许范围内的概率，生成matlab可视化网格图，得到所述智能驾驶汽车对不同距离不同速度的障碍物的感知置信度。

7.一种智能驾驶汽车的感知置信度确定装置，其特征在于，包括：

8.根据权利要求7所述的装置，其特征在于，还包括：

9.一种智能驾驶汽车的感知置信度确定设备，其特征在于，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至6任一项所述的智能驾驶汽车的感知置信度确定方法。

10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至6任一项所述的一种智能驾驶汽车的感知置信度确定方法。