CN114091626B - 真值检测方法、装置、设备及存储介质 - Google Patents
真值检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114091626B CN114091626B CN202210057243.3A CN202210057243A CN114091626B CN 114091626 B CN114091626 B CN 114091626B CN 202210057243 A CN202210057243 A CN 202210057243A CN 114091626 B CN114091626 B CN 114091626B
- Authority
- CN
- China
- Prior art keywords
- data
- true value
- result
- vehicle
- vehicle state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本发明涉及数据处理技术领域，公开了一种真值检测方法、装置、设备及存储介质，所述方法包括：获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。从而可先对采集的与车辆相关的数据进行时空同步，然后根据时空同步后的数据确定真值检测结果，提高了真值检测结果的精度，可高效地为量产化方案的验证提供准确度较高的真值检测结果。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种真值检测方法、装置、设备及存储介质。
背景技术
近年来，随着国家政策和各大汽车厂商的推动，自动驾驶汽车产业化快速落地，在项目开发过程中，传感器和软件算法的验证往往依靠可视化的定性评估，但是，这种方式需要耗费较多的人力成本，效率较低，并且准确度较差。
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。
发明内容
本发明的主要目的在于提出一种真值检测方法、装置、设备及存储介质，旨在解决如何高效地为量产化方案的验证提供准确度较高的真值检测结果的技术问题。
为实现上述目的，本发明提供一种真值检测方法，所述真值检测方法包括：
获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；
基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；
根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。
可选地，所述根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工调整得到真值检测结果，包括：
根据时空同步后的传感器数据和车辆状态数据确定摄像头数据和雷达数据；
将所述摄像头数据和所述雷达数据通过预设模型进行感知融合，并根据融合结果通过人工修正得到感知真值结果；
根据所述感知真值结果确定真值检测结果。
可选地，所述将所述摄像头数据和所述雷达数据通过预设模型进行感知融合，并根据融合结果通过人工修正得到感知真值结果，包括：
根据时空同步后的传感器数据和车辆状态数据进行场景分类，获得多个场景对应的场景数据；
根据所述场景数据进行场景化索引并进行标注，得到感知标注结果；
根据所述感知标注结果对感知模型进行训练，得到训练后的感知模型；
根据预设模型以及训练后的感知模型将所述摄像头数据和所述雷达数据进行融合；
根据融合结果通过人工修正得到感知真值结果。
可选地，所述根据预设模型以及训练后的感知模型将所述摄像头数据和所述雷达数据进行融合，包括：
对所述摄像头数据和雷达数据进行预处理和融合，得到高维数据；
利用预设特征提取网络从所述高维数据中提取目标特征；
根据预设模型以及训练后的感知模型和所述目标特征对所述摄像头数据和所述雷达数据进行融合。
可选地，所述根据所述感知真值结果确定真值检测结果，包括：
根据高精地图的地图数据确定地图定位数据，并根据组合惯导数据确定组合惯导定位数据；
将所述地图定位数据和所述组合惯导定位数据通过预设模型进行定位融合，并根据融合结果通过人工修正得到定位真值结果；
根据所述感知真值结果和所述定位真值结果确定真值检测结果。
可选地，所述根据所述感知真值结果和所述定位真值结果确定真值检测结果，包括：
根据场景数据确定驾驶员操作数据；
根据所述驾驶员操作数据对规控模型进行训练，得到训练后的规控模型；
根据训练后的规控模型、所述感知真值结果以及所述定位真值结果确定初始规控真值结果；
根据所述初始规控真值结果进行人工修正得到规控真值结果；
根据所述感知真值结果、所述定位真值结果以及所述规控真值结果确定真值检测结果，并对所述真值检测结果进行可视化显示。
可选地，所述基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据，包括：
根据各传感器之间的相对位置将所述传感器数据和所述车辆状态数据统一到所述车辆的车辆坐标系下，得到空间同步后的传感器数据和车辆状态数据；
基于组合惯导数据将空间同步后的传感器数据和车辆状态数据统一到同一时间戳下，得到时空同步后的传感器数据和车辆状态数据。
此外，为实现上述目的，本发明还提出一种真值检测装置，所述真值检测装置包括：
数据获取模块，用于获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；
时空同步模块，用于基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；
真值检测模块，根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。
此外，为实现上述目的，本发明还提出一种真值检测设备，所述真值检测设备包括：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真值检测程序，所述真值检测程序被处理器执行时实现如上所述的真值检测方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有真值检测程序，所述真值检测程序被处理器执行时实现如上所述的真值检测方法。
本发明提出的真值检测方法中，获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。从而可先对采集的与车辆相关的数据进行时空同步，然后根据时空同步后的数据确定真值检测结果，提高了真值检测结果的精度，可高效地为量产化方案的验证提供准确度较高的真值检测结果。
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真值检测设备结构示意图；
图2为本发明真值检测方法第一实施例的流程示意图；
图3为本发明真值检测方法一实施例的车端传感器布置示意图；
图4为本发明真值检测方法第二实施例的流程示意图；
图5为本发明真值检测方法一实施例的多任务检测网络示意图；
图6为本发明真值检测方法一实施例的真值系统原理框图；
图7为本发明真值检测方法第三实施例的流程示意图；
图8为本发明真值检测装置第一实施例的功能模块示意图。
附图标号说明：
| 标号 | 名称 | 标号 | 名称 |
| 10 | 控制器 | 20 | 中央高线束激光雷达 |
| 30 | 高线束前向激光雷达 | 40 | 侧向激光雷达 |
| 50 | 组合惯导天线 | 60 | 补盲激光雷达 |
| 70 | 摄像头 |
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。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的真值检测设备结构示意图。
如图1所示，该真值检测设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，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）、输入单元比如按键，可选用户接口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可以是高速随机存取存储器（Random Access Memory，RAM），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。
本领域技术人员可以理解，图1中示出的设备结构并不构成对真值检测设备的限定，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、用户接口模块以及真值检测程序。
在图1所示的真值检测设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户设备，与所述用户设备进行数据通信；本发明设备通过处理器1001调用存储器1005中存储的真值检测程序，并执行本发明实施例提供的真值检测方法。
基于上述硬件结构，提出本发明真值检测方法实施例。
参照图2，图2为本发明真值检测方法第一实施例的流程示意图。
在第一实施例中，所述真值检测方法包括：
步骤S10，获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据。
需要说明的是，本实施例的执行主体可为真值检测设备，例如具有数据处理功能的计算机设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以计算机设备为例进行说明。其中，该计算机设备可为设置在车辆上的车载终端设备，也可为设置在车辆外部的远程终端设备，本实施例对此不作限制。
需要说明的是，本实施例中的车辆可为汽车，也可为新能源车，还可为混动车，还可为其他类型的车辆，本实施例对此不作限制。
应当理解的是，本实施例车辆对应的传感器可为与车辆相关的传感器，可包括车端传感器和路端传感器，车端传感器指的是设置在汽车上的传感器，路端传感器指的是设置在路边或者道路上的传感器。为了精准地采集车端数据，本方案可在汽车上设置多种车端传感器，例如包括但不限于中央高线束激光雷达、高线束前向激光雷达、侧向激光雷达、组合惯导天线、补盲激光雷达以及摄像头，通过这些车端传感器来采集车端数据。并且，由于仅车端采集的数据并不足以建立某些遮挡场景完整的数据库，为了提高数据精度，使场景数据更加丰富，本方案还可通过各种路端传感器来采集路端数据，将车端数据和路端数据结合起来进行数据采集。
可以理解的是，本方案中的车端传感器支架高度集成，可固定多个激光雷达和摄像头以及组合惯导天线，多个传感器的组合FOV涵盖车身周围360°，减少视野盲区，并且支持路端数据接入，补充遮挡场景的外部环境数据缺失。
在具体实现中，可参照图3，图3为车端传感器布置示意图，图3中示出了控制器10、中央高线束激光雷达20、高线束前向激光雷达30、侧向激光雷达40、组合惯导天线50、补盲激光雷达60以及摄像头70等设备，其中，控制器10用于对车辆对应的各传感器的数据进行采集，各传感器的数量可为1个或多个，可根据实际情况进行设置，本实施例对此不作限制。
各车端传感器的布置方式可参照图3，中央为一个高线束机械式激光雷达，两侧为两个补盲短距激光雷达，左前右前为两个中距激光雷达，前方安装一个高线束固态激光雷达，后方为一个机械式激光雷达。摄像头包括前视的一个长焦摄像头和一个广角摄像头，两侧分别有两个摄像头覆盖侧前和侧后区域。控制器及其恒温装置、电源等置于后备箱中，传感器的布置覆盖车辆周身360°。除了上述布置方式外，还可通过其他方式对这些传感器进行布置，本实施例对此不作限制。
可以理解的是，可由驾驶员驾驶车辆出行，在车辆行驶的过程中，获取车辆对应的传感器采集的传感器数据，并从车辆的车载总线获取车辆状态数据。例如，可同时通过车端传感器和路端传感器来采集与车辆相关的传感器数据，可将各车端传感器采集的数据称为车端数据，将各路端传感器采集的数据称为路端数据。其中，车载总线可为车辆的CAN总线，从CAN总线获取车辆状态数据，本实施例对此不作限制。
步骤S20，基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据。
需要说明的是，本实施例中的组合惯导数据可为组合惯导天线采集的数据，在获取各传感器采集的传感器数据之后，可从传感器数据中筛选出组合惯导数据。
应当理解的是，由于数据采集以及数据传输需要时间，而各传感器的性能又并不一定相同，因此，传感器数据以及车辆状态数据等数据可能存在时间和空间上的差异，所以，为了提高数据精度，也为了便于后续对这些数据进行处理，可基于组合惯导数据对传感器数据和车辆状态数据进行时空同步处理，得到时空同步后的传感器数据和车辆状态数据。其中，时空同步可包括空间同步和时间同步，可先对这些数据进行空间同步，然后在空间同步后的数据的基础上进行时间同步，也可先对这些数据进行时间同步，然后在时间同步后的数据的基础上进行空间同步，本实施例对此不作限制。
可以理解的是，可对车端传感器进行精确标定，并通过GPS授时激光雷达数据，车辆状态数据等，并同步触发相机，之后对数据进行差值处理，保证车端采集得到的数据在同一时间戳下。路端同样使用卫星授时，并且通过与车端定位设备的相对位置，将数据坐标统一到车辆坐标系下，完成车端数据与路端数据的时空同步。基于同样的原理，还可对车辆状态数据进行时空同步，本实施例对此不作限制。
步骤S30，根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。
应当理解的是，目前，在项目开发过程中，传感器和软件算法的验证往往依靠可视化的定性评估，缺少一套真值系统来量化传感器或算法的性能，一般依靠人工标注的方式获得真值结果，将量产化解决方案获得的检测结果与人工标注结果进行对比，耗费人力成本。本方案设计了一套基于数采系统高精度传感器的真值系统，为量产化方案的验证提供真值检测结果。为了提供量产化方案的真值检测结果，节省传感器或算法评估所需的时间，提高评估的准确性，设计的真值系统方案，其中面临的问题主要有：环境传感器的布置及时间空间同步，感知真值检测结果的精度和实时性，规控模型的真值结果。
可以理解的是，本方案搭建一套真值系统，传感器与数据采集系统一样，在车端控制器中对数据进行处理，完成环境感知与规划控制。本方案可与数据采集系统结合，可同时进行数据采集和量产方案的评估，提高传感器和车辆资源利用率，节约标定等人力物力成本。
可以理解的是，真值系统可以数采系统结合，传感器种类与安装布置完全一致，提高设备利用率且节约传感器标定带来的人力物力成本，经过时空同步后的传感器数据可分为两个分支，一部分由数采设备进行采集，制作场景库，另一部分接入控制器，确定真值检测结果，将真值检测结果作为量产方案的真值。通过在数采系统基础上增加数据传输分支，在车端控制器中完成检测及规控任务，提高传感器设备利用率，避免重复标定，解决人力物力成本。
应当理解的是，对于接入数采设备的数据，可进行以下处理制作场景库：根据高精地图对时空同步后的车端数据和路端数据进行融合，得到目标数据，基于目标数据进行场景分类，获得多个场景对应的场景数据，并根据场景数据构建自动驾驶场景库。其中，根据高精地图对时空同步后的车端数据和路端数据进行融合，得到目标数据的步骤具体可为：获取高精地图中的地图数据，根据地图数据分别对时空同步后的车端数据和路端数据进行匹配定位，得到车端定位结果和路端定位结果，根据车端定位结果和路端定位结果对时空同步后的车端数据和路端数据进行融合，得到目标数据。
应当理解的是，对于接入真值检测设备的数据，可根据这些数据进行感知融合、定位融合以及规划控制等处理，分别得到感知真值结果、定位真值结果以及规控真值结果，进而将感知真值结果、定位真值结果以及规控真值结果作为真值检测结果，即真值检测结果中可同时包含上述三种类型的真值结果。除此之外，真值检测结果也可只包含上述三种类型的真值结果中的一种或两种，可根据实际情况进行设置，本实施例对此不作限制。
需要说明的是，本实施例中的预设模型可为预先设置的大模型，其具体模型类型可根据实际情况进行选择，本实施例对此不作限制。为了提高真值检测结果的准确性，在得到时空同步后的传感器数据和车辆状态数据之后，可先根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，然后通过人工修正得到真值检测结果。
在本实施例中，获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。从而可先对采集的与车辆相关的数据进行时空同步，然后根据时空同步后的数据确定真值检测结果，提高了真值检测结果的精度，可高效地为量产化方案的验证提供准确度较高的真值检测结果。
在一实施例中，如图4所示，基于第一实施例提出本发明真值检测方法第二实施例，所述步骤S30，包括：
步骤S301，根据时空同步后的传感器数据和车辆状态数据确定摄像头数据和雷达数据。
应当理解的是，在得到时空同步后的传感器数据和车辆状态数据之后，可根据这些时空同步后的数据确定摄像头数据和雷达数据，其中，雷达数据包括但不限于激光雷达数据和毫米波雷达数据，本实施例对此不作限制。
步骤S302，将所述摄像头数据和所述雷达数据通过预设模型进行感知融合，并根据融合结果通过人工修正得到感知真值结果。
应当理解的是，在确定摄像头数据和雷达数据之后，可基于这些数据通过预设模型进行感知融合，得到感知融合对应的融合结果，并根据该融合结果通过人工修正得到感知真值结果。
可以理解的是，由于存在不同类型的雷达数据，因此，可将摄像头数据与激光雷达数据进行融合，得到第一融合结果，将摄像头数据与毫米波雷达数据进行融合，得到第二融合结果，然后根据第一融合结果和第二融合结果来确定感知融合结果。
应当理解的是，在进行感知融合的过程中，可根据时空同步后的传感器数据和车辆状态数据进行场景分类，获得多个场景对应的场景数据，然后根据场景数据进行场景化索引并进行标注，得到感知标注结果，根据感知标注结果对感知模型进行训练，得到训练后的感知模型，再根据预设模型以及训练后的感知模型将摄像头数据和雷达数据进行融合，并根据融合结果通过人工修改得到感知真值结果。其中，本实施例中的感知模型可为环境感知模型。通过场景化索引得到的感知标注结果及驾驶员操作分别对感知模块和规划控制模块进行算法的训练，可提高算法对各种场景的泛化能力。
需要说明的是，由于真值系统传感器较多，激光点云数量多，相机视频像素高，为了提高真值检测结果的精度和效率，可设计一个多任务的大型检测网络，可参照图5，图5为多任务检测网络示意图。首先可对各传感器原始数据进行预处理和融合，形成4维或以上维度的数据，包含空间xyz信息和颜色rgb信息等。多任务网络利用一个特征提取网络获取目标特征，使用不同的检测头完成不同的检测任务。动态目标包括车辆、行人等，静态目标包括指示牌、红绿灯等，车道线检测可区分虚实线和黄白线，可行驶区域检测能够依靠路沿、绿化带、障碍物等提取出可供车辆行驶的区域。通过设计一个多源数据融合、多任务分支的大型检测网络，可同时对静态目标、动态目标、车道线和可行驶区域进行检测，提高检测精度和效率。
因此，为了提高真值检测结果的精度和效率，可对摄像头数据和雷达数据进行预处理和融合，得到高维数据，利用预设特征提取网络从所述高维数据中提取目标特征，根据预设模型以及训练后的感知模型和目标特征对所述摄像头数据和所述雷达数据进行融合，并根据融合结果确定感知真值结果。其中，预设特征提取网络可为上述多任务检测网络，还可为可实现相同或相似功能的特征提取网络，本实施例对此不作限制。
步骤S303，根据所述感知真值结果确定真值检测结果。
应当理解的是，在确定感知真值结果之后，便可将感知真值结果作为真值检测结果。而如果真值检测结果还需要包括定位真值结果以及规控真值结果的情况下，则可进一步确定定位真值结果和规控真值结果。
可以理解的是，为了确定定位真值结果，可根据高精地图的地图数据确定地图定位数据，并根据组合惯导数据确定组合惯导定位数据，将地图定位数据和组合惯导定位数据通过预设模型进行定位融合，得到定位融合对应的融合结果，并根据该融合结果通过人工修正得到定位真值结果。
可以理解的是，为了确定规控真值结果，可根据场景数据确定驾驶员操作数据，根据驾驶员操作数据对规控模型进行训练，得到训练后的规控模型，进而根据训练后的规控模型、感知真值结果以及定位真值结果确定初始规控真值结果，然后根据初始规控真值结果进行人工修正得到规控真值结果，从而利用大数据训练后的规控模型的控制结果作为规控真值结果。其中，本实施例中的规控模型可为规划控制模型。
应当理解的是，在确定感知真值结果、定位真值结果以及规控真值结果，可将这些真值结果作为真值检测结果，并对真值检测结果进行可视化显示，方便用户对真值检测结果进行查看。
在具体实现中，可参照图6，图6为真值系统原理框图，可将精确标定后的环境传感器、车载总线、高精地图、组合惯导数据接入控制器设备。依靠组合惯导GPS时间授时同步所有的数据，保证传感器数据在同一时间戳下。数据在车端控制器中进行处理及检测，主要包括摄像头和激光雷达的融合，摄像头和毫米波雷达的融合，融合结果作为真值感知结果。高精地图匹配定位和组合惯导定位融合结果作为真值定位结果。利用大数据训练后的规划控制模型的控制结果作为规控真值。将定位、感知与规控真值结果可视化显示。
在本实施例中，根据时空同步后的传感器数据和车辆状态数据确定摄像头数据和雷达数据，将所述摄像头数据和所述雷达数据进行感知融合，并根据融合结果确定感知真值结果，然后再分别确定定位真值结果和规控真值结果，根据所述感知真值结果、定位真值结果以及规控真值结果确定真值检测结果，从而使用多源传感器数据前融合，多任务分支的检测网络，提高检测精度和效率，并且依靠数采系统获得的大量驾驶员操作数据，训练得到能够适应各种场景的规控模型。
在一实施例中，如图7所示，基于第一实施例或第二实施例提出本发明真值检测方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤S20，包括：
步骤S201，根据各传感器之间的相对位置将所述传感器数据和所述车辆状态数据统一到所述车辆的车辆坐标系下，得到空间同步后的传感器数据和车辆状态数据。
应当理解的是，可对传感器数据以及车辆状态数据进行精确标定，先对这些精确标定后的数据进行空间同步，然后在进行时间同步。可先分别获取这些传感器对应的位置，然后根据传感器对应的位置确定这些传感器之间的相对位置，通过各传感器之间的相对位置将传感器数据和车辆状态数据统一到车辆的车辆坐标系下，得到空间同步后的传感器数据和车辆状态数据。
步骤S202，基于组合惯导数据将空间同步后的传感器数据和车辆状态数据统一到同一时间戳下，得到时空同步后的传感器数据和车辆状态数据。
应当理解的是，在通过上述方式实现空间同步之后，还可依靠组合惯导数据中的组合惯导GPS时间授时同步所有的数据，保证所有的空间同步后的数据在同一时间戳下，从而实现时间同步。在经过上述空间同步和时间同步的处理之后，可得到时空同步后的传感器数据和车辆状态数据。
在本实施例中，根据各传感器之间的相对位置将所述传感器数据和所述车辆状态数据统一到所述车辆的车辆坐标系下，得到空间同步后的传感器数据和车辆状态数据，基于组合惯导数据将空间同步后的传感器数据和车辆状态数据统一到同一时间戳下，得到时空同步后的传感器数据和车辆状态数据，从而可先对这些数据进行空间同步，然后再进行时间同步，达到了对传感器数据和车辆状态数据进行时空同步的效果，便于后续的真值检测，也进一步提高了真值检测结果的准确度。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有真值检测程序，所述真值检测程序被处理器执行时实现如上文所述的真值检测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，参照图8，本发明实施例还提出一种真值检测装置，所述真值检测装置包括：
数据获取模块10，用于获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据。
需要说明的是，本实施例的执行主体可为真值检测设备，例如具有数据处理功能的计算机设备，例如车载终端。其中，本实施例中的车辆可为汽车，也可为新能源车，还可为混动车，还可为其他类型的车辆，本实施例对此不作限制。
应当理解的是，本实施例车辆对应的传感器可为与车辆相关的传感器，可包括车端传感器和路端传感器，车端传感器指的是设置在汽车上的传感器，路端传感器指的是设置在路边或者道路上的传感器。为了精准地采集车端数据，本方案可在汽车上设置多种车端传感器，例如包括但不限于中央高线束激光雷达、高线束前向激光雷达、侧向激光雷达、组合惯导天线、补盲激光雷达以及摄像头，通过这些车端传感器来采集车端数据。并且，由于仅车端采集的数据并不足以建立某些遮挡场景完整的数据库，为了提高数据精度，使场景数据更加丰富，本方案还可通过各种路端传感器来采集路端数据，将车端数据和路端数据结合起来进行数据采集。
可以理解的是，本方案中的车端传感器支架高度集成，可固定多个激光雷达和摄像头以及组合惯导天线，多个传感器的组合FOV涵盖车身周围360°，减少视野盲区，并且支持路端数据接入，补充遮挡场景的外部环境数据缺失。
在具体实现中，可参照图3，图3为车端传感器布置示意图，图3中示出了控制器10、中央高线束激光雷达20、高线束前向激光雷达30、侧向激光雷达40、组合惯导天线50、补盲激光雷达60以及摄像头70等设备，其中，控制器10用于对车辆对应的各传感器的数据进行采集，各传感器的数量可为1个或多个，可根据实际情况进行设置，本实施例对此不作限制。
各车端传感器的布置方式可参照图3，中央为一个高线束机械式激光雷达，两侧为两个补盲短距激光雷达，左前右前为两个中距激光雷达，前方安装一个高线束固态激光雷达，后方为一个机械式激光雷达。摄像头包括前视的一个长焦摄像头和一个广角摄像头，两侧分别有两个摄像头覆盖侧前和侧后区域。控制器及其恒温装置、电源等置于后备箱中，传感器的布置覆盖车辆周身360°。除了上述布置方式外，还可通过其他方式对这些传感器进行布置，本实施例对此不作限制。
可以理解的是，可由驾驶员驾驶车辆出行，在车辆行驶的过程中，获取车辆对应的传感器采集的传感器数据，并从车辆的车载总线获取车辆状态数据。例如，可同时通过车端传感器和路端传感器来采集与车辆相关的传感器数据，可将各车端传感器采集的数据称为车端数据，将各路端传感器采集的数据称为路端数据。其中，车载总线可为车辆的CAN总线，从CAN总线获取车辆状态数据，本实施例对此不作限制。
时空同步模块20，用于基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据。
需要说明的是，本实施例中的组合惯导数据可为组合惯导天线采集的数据，在获取各传感器采集的传感器数据之后，可从传感器数据中筛选出组合惯导数据。
应当理解的是，由于数据采集以及数据传输需要时间，而各传感器的性能又并不一定相同，因此，传感器数据以及车辆状态数据等数据可能存在时间和空间上的差异，所以，为了提高数据精度，也为了便于后续对这些数据进行处理，可基于组合惯导数据对传感器数据和车辆状态数据进行时空同步处理，得到时空同步后的传感器数据和车辆状态数据。其中，时空同步可包括空间同步和时间同步，可先对这些数据进行空间同步，然后在空间同步后的数据的基础上进行时间同步，也可先对这些数据进行时间同步，然后在时间同步后的数据的基础上进行空间同步，本实施例对此不作限制。
可以理解的是，可对车端传感器进行精确标定，并通过GPS授时激光雷达数据，车辆状态数据等，并同步触发相机，之后对数据进行差值处理，保证车端采集得到的数据在同一时间戳下。路端同样使用卫星授时，并且通过与车端定位设备的相对位置，将数据坐标统一到车辆坐标系下，完成车端数据与路端数据的时空同步。基于同样的原理，还可对车辆状态数据进行时空同步，本实施例对此不作限制。
真值检测模块30，用于根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。
应当理解的是，目前，在项目开发过程中，传感器和软件算法的验证往往依靠可视化的定性评估，缺少一套真值系统来量化传感器或算法的性能，一般依靠人工标注的方式获得真值结果，将量产化解决方案获得的检测结果与人工标注结果进行对比，耗费人力成本。本方案设计了一套基于数采系统高精度传感器的真值系统，为量产化方案的验证提供真值检测结果。为了提供量产化方案的真值检测结果，节省传感器或算法评估所需的时间，提高评估的准确性，设计的真值系统方案，其中面临的问题主要有：环境传感器的布置及时间空间同步，感知真值检测结果的精度和实时性，规控模型的真值结果。
可以理解的是，本方案搭建一套真值系统，传感器与数据采集系统一样，在车端控制器中对数据进行处理，完成环境感知与规划控制。本方案可与数据采集系统结合，可同时进行数据采集和量产方案的评估，提高传感器和车辆资源利用率，节约标定等人力物力成本。
可以理解的是，真值系统可以数采系统结合，传感器种类与安装布置完全一致，提高设备利用率且节约传感器标定带来的人力物力成本，经过时空同步后的传感器数据可分为两个分支，一部分由数采设备进行采集，制作场景库，另一部分接入控制器，确定真值检测结果，将真值检测结果作为量产方案的真值。通过在数采系统基础上增加数据传输分支，在车端控制器中完成检测及规控任务，提高传感器设备利用率，避免重复标定，解决人力物力成本。
应当理解的是，对于接入数采设备的数据，可进行以下处理制作场景库：根据高精地图对时空同步后的车端数据和路端数据进行融合，得到目标数据，基于目标数据进行场景分类，获得多个场景对应的场景数据，并根据场景数据构建自动驾驶场景库。其中，根据高精地图对时空同步后的车端数据和路端数据进行融合，得到目标数据的步骤具体可为：获取高精地图中的地图数据，根据地图数据分别对时空同步后的车端数据和路端数据进行匹配定位，得到车端定位结果和路端定位结果，根据车端定位结果和路端定位结果对时空同步后的车端数据和路端数据进行融合，得到目标数据。
应当理解的是，对于接入真值检测设备的数据，可根据这些数据进行感知融合、定位融合以及规划控制等处理，分别得到感知真值结果、定位真值结果以及规控真值结果，进而将感知真值结果、定位真值结果以及规控真值结果作为真值检测结果，即真值检测结果中可同时包含上述三种类型的真值结果。除此之外，真值检测结果也可只包含上述三种类型的真值结果中的一种或两种，可根据实际情况进行设置，本实施例对此不作限制。
需要说明的是，本实施例中的预设模型可为预先设置的大模型，其具体模型类型可根据实际情况进行选择，本实施例对此不作限制。为了提高真值检测结果的准确性，在得到时空同步后的传感器数据和车辆状态数据之后，可先根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，然后通过人工修正得到真值检测结果。
在本实施例中，获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果。从而可先对采集的与车辆相关的数据进行时空同步，然后根据时空同步后的数据确定真值检测结果，提高了真值检测结果的精度，可高效地为量产化方案的验证提供准确度较高的真值检测结果。
在一实施例中，所述真值检测模块30，还用于根据时空同步后的传感器数据和车辆状态数据确定摄像头数据和雷达数据；将所述摄像头数据和所述雷达数据通过预设模型进行感知融合，并根据融合结果通过人工修正得到感知真值结果；根据所述感知真值结果确定真值检测结果。
在一实施例中，所述真值检测模块30，还用于根据时空同步后的传感器数据和车辆状态数据进行场景分类，获得多个场景对应的场景数据；根据所述场景数据进行场景化索引并进行标注，得到感知标注结果；根据所述感知标注结果对感知模型进行训练，得到训练后的感知模型；根据预设模型以及训练后的感知模型将所述摄像头数据和所述雷达数据进行融合；根据融合结果通过人工修正得到感知真值结果。
在一实施例中，所述真值检测模块30，还用于对所述摄像头数据和雷达数据进行预处理和融合，得到高维数据；利用预设特征提取网络从所述高维数据中提取目标特征；根据预设模型以及训练后的感知模型和所述目标特征对所述摄像头数据和所述雷达数据进行融合。
在一实施例中，所述真值检测模块30，还用于根据高精地图的地图数据确定地图定位数据，并根据组合惯导数据确定组合惯导定位数据；将所述地图定位数据和所述组合惯导定位数据通过预设模型进行定位融合，并根据融合结果通过人工修正得到定位真值结果；根据所述感知真值结果和所述定位真值结果确定真值检测结果。
在一实施例中，所述真值检测模块30，还用于根据场景数据确定驾驶员操作数据；根据所述驾驶员操作数据对规控模型进行训练，得到训练后的规控模型；根据训练后的规控模型、所述感知真值结果以及所述定位真值结果确定初始规控真值结果；根据所述初始规控真值结果进行人工修正得到规控真值结果；根据所述感知真值结果、所述定位真值结果以及所述规控真值结果确定真值检测结果，并对所述真值检测结果进行可视化显示。
在一实施例中，所述时空同步模块20，还用于根据各传感器之间的相对位置将所述传感器数据和所述车辆状态数据统一到所述车辆的车辆坐标系下，得到空间同步后的传感器数据和车辆状态数据；基于组合惯导数据将空间同步后的传感器数据和车辆状态数据统一到同一时间戳下，得到时空同步后的传感器数据和车辆状态数据。
在本发明所述真值检测装置的其他实施例或具体实现方法可参照上述各方法实施例，此处不再赘述。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置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，该估算机软件产品存储在如上所述的一个估算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能设备(可以是手机，估算机，真值检测设备，或者网络真值检测设备等)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。
Claims (8)
1.一种真值检测方法，其特征在于，所述真值检测方法包括：
获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；
基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；
根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果；
其中，所述根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工调整得到真值检测结果，包括：
根据时空同步后的传感器数据和车辆状态数据确定摄像头数据和雷达数据；
根据时空同步后的传感器数据和车辆状态数据进行场景分类，获得多个场景对应的场景数据；
根据所述场景数据进行场景化索引并进行标注，得到感知标注结果；
根据所述感知标注结果对感知模型进行训练，得到训练后的感知模型；
根据预设模型以及训练后的感知模型将所述摄像头数据和所述雷达数据进行融合；
根据融合结果通过人工修正得到感知真值结果；
根据所述感知真值结果确定真值检测结果。
2.如权利要求1所述的真值检测方法，其特征在于，所述根据预设模型以及训练后的感知模型将所述摄像头数据和所述雷达数据进行融合，包括：
对所述摄像头数据和雷达数据进行预处理和融合，得到高维数据；
利用预设特征提取网络从所述高维数据中提取目标特征；
根据预设模型以及训练后的感知模型和所述目标特征对所述摄像头数据和所述雷达数据进行融合。
3.如权利要求1所述的真值检测方法，其特征在于，所述根据所述感知真值结果确定真值检测结果，包括：
根据高精地图的地图数据确定地图定位数据，并根据组合惯导数据确定组合惯导定位数据；
将所述地图定位数据和所述组合惯导定位数据通过预设模型进行定位融合，并根据融合结果通过人工修正得到定位真值结果；
根据所述感知真值结果和所述定位真值结果确定真值检测结果。
4.如权利要求3所述的真值检测方法，其特征在于，所述根据所述感知真值结果和所述定位真值结果确定真值检测结果，包括：
根据场景数据确定驾驶员操作数据；
根据所述驾驶员操作数据对规控模型进行训练，得到训练后的规控模型；
根据训练后的规控模型、所述感知真值结果以及所述定位真值结果确定初始规控真值结果；
根据所述初始规控真值结果进行人工修正得到规控真值结果；
根据所述感知真值结果、所述定位真值结果以及所述规控真值结果确定真值检测结果，并对所述真值检测结果进行可视化显示。
5.如权利要求1至4中任一项所述的真值检测方法，其特征在于，所述基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据，包括：
根据各传感器之间的相对位置将所述传感器数据和所述车辆状态数据统一到所述车辆的车辆坐标系下，得到空间同步后的传感器数据和车辆状态数据；
基于组合惯导数据将空间同步后的传感器数据和车辆状态数据统一到同一时间戳下，得到时空同步后的传感器数据和车辆状态数据。
6.一种真值检测装置，其特征在于，所述真值检测装置包括：
数据获取模块，用于获取车辆对应的传感器采集的传感器数据，并从所述车辆的车载总线获取车辆状态数据；
时空同步模块，用于基于组合惯导数据对所述传感器数据和所述车辆状态数据进行时空同步，得到时空同步后的传感器数据和车辆状态数据；
真值检测模块，用于根据时空同步后的传感器数据和车辆状态数据通过预设模型进行预标注，并通过人工修正得到真值检测结果；
所述真值检测模块，还用于根据时空同步后的传感器数据和车辆状态数据确定摄像头数据和雷达数据；根据时空同步后的传感器数据和车辆状态数据进行场景分类，获得多个场景对应的场景数据；根据所述场景数据进行场景化索引并进行标注，得到感知标注结果；根据所述感知标注结果对感知模型进行训练，得到训练后的感知模型；根据预设模型以及训练后的感知模型将所述摄像头数据和所述雷达数据进行融合；根据融合结果通过人工修正得到感知真值结果；根据所述感知真值结果确定真值检测结果。
7.一种真值检测设备，其特征在于，所述真值检测设备包括：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真值检测程序，所述真值检测程序被处理器执行时实现如权利要求1至5中任一项所述的真值检测方法。
8.一种存储介质，其特征在于，所述存储介质上存储有真值检测程序，所述真值检测程序被处理器执行时实现如权利要求1至5中任一项所述的真值检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210057243.3A CN114091626B (zh) | 2022-01-19 | 2022-01-19 | 真值检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210057243.3A CN114091626B (zh) | 2022-01-19 | 2022-01-19 | 真值检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114091626A CN114091626A (zh) | 2022-02-25 |
| CN114091626B true CN114091626B (zh) | 2022-04-22 |
Family
ID=80308836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210057243.3A Active CN114091626B (zh) | 2022-01-19 | 2022-01-19 | 真值检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114091626B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114543830A (zh) * | 2022-02-28 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种基于真值系统的车载传感器噪声估计系统及方法 |
| CN116954657B (zh) * | 2023-07-19 | 2024-04-12 | 红石阳光(深圳)科技有限公司 | 一种汽车ota升级的策略控制方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103350661A (zh) * | 2013-07-25 | 2013-10-16 | 上海虎印电子科技有限公司 | 一种基于电子传感器的车辆转弯状态检测装置及其判断方法 |
| CN108139476A (zh) * | 2015-09-30 | 2018-06-08 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
| CN109816811A (zh) * | 2018-10-31 | 2019-05-28 | 杭州云动智能汽车技术有限公司 | 一种自然驾驶数据采集装置 |
| CN109919074A (zh) * | 2019-03-01 | 2019-06-21 | 中国科学院合肥物质科学研究院 | 一种基于视觉感知技术的车辆感知方法及装置 |
| CN110377027A (zh) * | 2019-06-04 | 2019-10-25 | 深圳市速腾聚创科技有限公司 | 无人驾驶感知方法、系统、装置和存储介质 |
| CN110570434A (zh) * | 2018-06-06 | 2019-12-13 | 杭州海康威视数字技术股份有限公司 | 一种图像分割标注方法和装置 |
| CN111398989A (zh) * | 2020-04-02 | 2020-07-10 | 昆易电子科技(上海)有限公司 | 驾驶辅助系统的性能分析方法和测试设备 |
| CN112802343A (zh) * | 2021-02-10 | 2021-05-14 | 上海交通大学 | 面向虚拟算法验证的通用虚拟传感数据采集方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3376472A1 (en) * | 2017-03-13 | 2018-09-19 | Koninklijke Philips N.V. | Anatomical measurements from ultrasound data |
| CN112693466A (zh) * | 2021-01-29 | 2021-04-23 | 重庆长安汽车股份有限公司 | 一种车辆环境感知传感器性能测评系统及方法 |
-
2022
- 2022-01-19 CN CN202210057243.3A patent/CN114091626B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103350661A (zh) * | 2013-07-25 | 2013-10-16 | 上海虎印电子科技有限公司 | 一种基于电子传感器的车辆转弯状态检测装置及其判断方法 |
| CN108139476A (zh) * | 2015-09-30 | 2018-06-08 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
| CN110570434A (zh) * | 2018-06-06 | 2019-12-13 | 杭州海康威视数字技术股份有限公司 | 一种图像分割标注方法和装置 |
| CN109816811A (zh) * | 2018-10-31 | 2019-05-28 | 杭州云动智能汽车技术有限公司 | 一种自然驾驶数据采集装置 |
| CN109919074A (zh) * | 2019-03-01 | 2019-06-21 | 中国科学院合肥物质科学研究院 | 一种基于视觉感知技术的车辆感知方法及装置 |
| CN110377027A (zh) * | 2019-06-04 | 2019-10-25 | 深圳市速腾聚创科技有限公司 | 无人驾驶感知方法、系统、装置和存储介质 |
| CN111398989A (zh) * | 2020-04-02 | 2020-07-10 | 昆易电子科技(上海)有限公司 | 驾驶辅助系统的性能分析方法和测试设备 |
| CN112802343A (zh) * | 2021-02-10 | 2021-05-14 | 上海交通大学 | 面向虚拟算法验证的通用虚拟传感数据采集方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| Guard rail detection using radar and vision data fusion for vehicle detection algorithm improvement and speed-up;Alberto Broggi 等;《Proceedings of the 8th International IEEE Conference on Intelligent Transportation Systems》;20050930;第857-861页 * |
| 对动态汽车衡检定用参考车辆约定真值的探讨;王书升 等;《计量技术》;20081231(第3期);第53-55页 * |
| 面向高级辅助驾驶雷达和视觉传感器信息融合算法的研究;杨鑫 等;《汽车实用技术》;20181231(第1期);第37-40页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114091626A (zh) | 2022-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109920246B (zh) | 一种基于v2x通信与双目视觉的协同局部路径规划方法 | |
| US11474247B2 (en) | Methods and systems for color point cloud generation | |
| CN114091626B (zh) | 真值检测方法、装置、设备及存储介质 | |
| CN110795819A (zh) | 自动驾驶仿真场景的生成方法和装置、存储介质 | |
| CN114079665B (zh) | 数据采集方法、装置、设备及存储介质 | |
| CN112203216B (zh) | 定位信息获取方法、辅助驾驶方法以及车端传感器检测方法 | |
| JPWO2007083494A1 (ja) | 図形認識装置、図形認識方法および図形認識プログラム | |
| CN111833627B (zh) | 车辆视觉范围扩展方法、装置、系统和计算机设备 | |
| CN110945320A (zh) | 车辆定位方法和系统 | |
| AU2018410435B2 (en) | Port area monitoring method and system, and central control system | |
| CN110244719A (zh) | 自动驾驶感知方法、车辆、系统、设备和存储介质 | |
| CN114670852A (zh) | 异常行驶行为的识别方法、装置、设备及介质 | |
| CN114782548B (zh) | 基于全局图像的雷视数据标定方法、装置、设备及介质 | |
| CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
| CN111651547B (zh) | 高精度地图数据的获取方法、装置及可读存储介质 | |
| CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| CN114581748B (zh) | 基于机器学习的多智能体感知融合系统及其实现方法 | |
| CN113205087B (zh) | 一种感知信息处理方法、装置、设备及计算机可读存储介质 | |
| CN114677658A (zh) | 十亿像素动态大场景图像采集和多目标检测方法及装置 | |
| CN109376653B (zh) | 用于定位车辆的方法、装置、设备和介质 | |
| CN108416305B (zh) | 连续型道路分割物的位姿估计方法、装置及终端 | |
| CN111860379A (zh) | 周边车辆模型的建立方法、装置、存储介质和计算机设备 | |
| CN114077875B (zh) | 信息验证方法、装置、设备及存储介质 | |
| CN116958915B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |