CN114449533A - 基站部署方法、环境感知方法、装置、计算机设备和存储介质 - Google Patents

基站部署方法、环境感知方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN114449533A
CN114449533A CN202011185657.1A CN202011185657A CN114449533A CN 114449533 A CN114449533 A CN 114449533A CN 202011185657 A CN202011185657 A CN 202011185657A CN 114449533 A CN114449533 A CN 114449533A
Authority
CN
China
Prior art keywords
base station
target
information
detection result
deployment
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.)
Granted
Application number
CN202011185657.1A
Other languages
English (en)
Other versions
CN114449533B (zh
Inventor
王邓江
关喜嘉
刘建超
邓永强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Wanji Technology Co Ltd
Original Assignee
Beijing Wanji Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Wanji Technology Co Ltd filed Critical Beijing Wanji Technology Co Ltd
Priority to CN202011185657.1A priority Critical patent/CN114449533B/zh
Publication of CN114449533A publication Critical patent/CN114449533A/zh
Application granted granted Critical
Publication of CN114449533B publication Critical patent/CN114449533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Abstract

本申请涉及一种基站部署方法、环境感知方法、装置、计算机设备和存储介质。所述方法包括：对目标范围进行检测，获取道路信息和天气信息；根据该道路信息确定道路场景；根据该道路场景和该天气信息生成该目标范围的基站部署信息，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达‑相机基站和毫米波雷达‑相机基站。采用本方法能够实现基于道路信息和天气信息对不同类型的基站进行部署，使得部署方式能够与不同类型的基站所适应的道路场景和天气匹配，从而保证了基站部署的合理性。

Description

基站部署方法、环境感知方法、装置、计算机设备和存储介质
技术领域
本申请涉及通信技术领域，特别是涉及一种基站部署方法、环境感知方法、装置、计算机设备和存储介质。
背景技术
在当前的交通领域中，通常需要利用基站对一些道路数据进行监测，以减轻交通执勤人员的执勤压力。随着基站技术的不断发展，出现了许多不同类型的基站，例如，相机-激光雷达基站或相机-毫米波雷达基站等。
当前，如何合理地进行多类型基站的部署，并利用部署的多类型的基站协同对道路数据进行监测，已经成为了亟待解决的问题。
发明内容
基于此，提供一种能够进行多类型基站部署、并利用部署的多类型的基站对道路数据进行监测的基站部署方法、环境感知方法、装置、计算机设备和存储介质。
第一方面，提供了一种基站部署方法，该方法包括：
对目标范围进行检测，获取道路信息和天气信息；根据该道路信息确定道路场景；根据该道路场景和该天气信息生成该目标范围的基站部署信息，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
在其中一个实施例中，根据该道路场景和该天气信息生成该目标范围的基站部署信息，包括：
根据该道路场景和该天气信息确定该目标范围内的多个部署位置；根据各该部署位置以及对应的检测范围的道路类型，确定各个该部署位置的基站类型。
在其中一个实施例中，根据该道路场景和该天气信息确定该目标范围内的多个部署位置，包括：
根据该目标范围的天气信息，确定各类型基站的优先级；根据该各类型基站的优先级以及该道路场景确定该目标范围内的多个部署位置，以及各该部署位置对应的检测范围。
在其中一个实施例中，根据该目标范围的天气信息，确定各类型基站的优先级，包括：
根据预设时段内该目标范围的天气信息，评估该目标范围的常见天气类型，该常见天气类型包括：常见常规天气和常见恶劣天气；若该评估结果为常见恶劣天气，则该毫米波雷达-相机基站的优先级大于该激光雷达-相机；若该评估结果为常见常规天气，则该激光雷达-相机的优先级大于该毫米波雷达-相机基站。
第二方面，提供了一种环境感知方法，应用于多基站系统，该多基站系统为根据基站部署信息部署多个基站的系统，该基站部署信息根据如上述第一方面任意一项该的基站部署方法获取，该多基站系统的检测范围与上述第一方面任意一项中的目标范围对应，该方法包括：
分别获取各该基站的单基站感知数据，根据该多基站系统的标定参数，对各该基站的单基站感知数据进行时空同步处理；基于时空同步处理后的单基站感知数据，获取各该基站的目标检测结果；将各该基站的目标检测结果映射至全局场景，生成该全局场景下的感知信息；其中，该全局场景基于该目标范围确定。
在其中一个实施例中，该全局场景下的感知信息包括该全局场景下的目标移动轨迹；将该各该基站的目标检测结果映射至全局场景，生成该全局场景下的感知信息，包括：
将映射至该全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹；其中，该在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
在其中一个实施例中，该目标检测结果包括目标的位置、目标的速度以及目标的航向角，该在先目标检测结果还包括目标的预测信息；将映射至该全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹，包括：
根据各该基站的目标检测结果以及各该基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息；根据各该目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹。
在其中一个实施例中，根据各该目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹，包括：
基于候选预测信息中的位置信息从该多个基站中确定目标基站；其中，该候选预测信息为任一个该目标基于当前时刻的预测信息；在该预设时长之后，获取该目标基站的当前单基站感知数据，并对该当前单基站感知数据进行目标检测，得到该目标基站的当前目标检测结果；若该当前目标检测结果与该候选预测信息匹配，则将该候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
在其中一个实施例中，该方法还包括：
若该当前目标检测结果与该候选预测信息不匹配，则判断该当前目标检测结果对应的目标是否为新增目标；若该当前目标检测结果对应的目标为新增目标，则在全局场景的感知信息中增加该新增目标的感知信息。
在其中一个实施例中，该方法还包括：
获取该候选预测信息中的位置信息，若该目标基站未检测到与该位置信息对应的当前目标检测结果，则确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻；该后续时刻为在该当前时刻之后的时刻；将该目标后续时刻之前所对应的候选预测信息，作为该目标基站的目标检测结果。
在其中一个实施例中，该方法还包括：
根据该预测信息判断该全局场景下是否存在安全隐患；若存在安全隐患，则输出安全预警信息。
第三方面，提供了一种基站部署装置，该装置包括：
获取模块，用于对目标范围进行检测，获取道路信息和天气信息；
确定模块，用于根据该道路信息确定道路场景；
生成模块，用于根据该道路场景和该天气信息生成该目标范围的基站部署信息，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
在其中一个实施例中，该生成模块，具体用于：
根据该道路场景和该天气信息确定该目标范围内的多个部署位置；根据各该部署位置以及对应的检测范围的道路类型，确定各个该部署位置的基站类型。
在其中一个实施例中，该生成模块，具体用于：
根据该目标范围的天气信息，确定各类型基站的优先级；根据该各类型基站的优先级以及该道路场景确定该目标范围内的多个部署位置，以及各该部署位置对应的检测范围。
在其中一个实施例中，该生成模块，具体用于：
根据预设时段内该目标范围的天气信息，评估该目标范围的常见天气类型，该常见天气类型包括：常见常规天气和常见恶劣天气；若该评估结果为常见恶劣天气，则该毫米波雷达-相机基站的优先级大于该激光雷达-相机；若该评估结果为常见常规天气，则该激光雷达-相机的优先级大于该毫米波雷达-相机基站。
第四方面，提供了一种环境感知装置，应用于多基站系统，该多基站系统为根据基站部署信息部署多个基站的系统，该基站部署信息根据如上述第一方面任意一项所述的基站部署方法获取，该多基站系统的检测范围与上述第一方面任意一项中的目标范围对应，该装置包括：
第一获取模块，用于分别获取各该基站的单基站感知数据，根据该多基站系统的标定参数，对各该基站的单基站感知数据进行时空同步处理；
第二获取模块，用于基于时空同步处理后的单基站感知数据，获取各该基站的目标检测结果；
生成模块，用于将各该基站的目标检测结果映射至全局场景，生成该全局场景下的感知信息；其中，该全局场景基于该目标范围确定。
在其中一个实施例中，该全局场景下的感知信息包括该全局场景下的目标移动轨迹；该生成模块，具体用于：
将映射至该全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹；其中，该在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
在其中一个实施例中，该目标检测结果包括目标的位置、目标的速度以及目标的航向角，该在先目标检测结果还包括目标的预测信息；该生成模块，具体用于：
根据各该基站的目标检测结果以及各该基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息；根据各该目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹。
在其中一个实施例中，该生成模块，具体用于：
基于候选预测信息中的位置信息从该多个基站中确定目标基站；其中，该候选预测信息为任一个该目标基于当前时刻的预测信息；在该预设时长之后，获取该目标基站的当前单基站感知数据，并对该当前单基站感知数据进行目标检测，得到该目标基站的当前目标检测结果；若该当前目标检测结果与该候选预测信息匹配，则将该候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
在其中一个实施例中，该生成模块，还用于：
若该当前目标检测结果与该候选预测信息不匹配，则判断该当前目标检测结果对应的目标是否为新增目标；若该当前目标检测结果对应的目标为新增目标，则在全局场景的感知信息中增加该新增目标的感知信息。
在其中一个实施例中，该生成模块，还用于：
获取该候选预测信息中的位置信息，若该目标基站未检测到与该位置信息对应的当前目标检测结果，则确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻；该后续时刻为在该当前时刻之后的时刻；将该目标后续时刻之前所对应的候选预测信息，作为该目标基站的目标检测结果。
在其中一个实施例中，该装置还包括判断模块和输出模块；
该判断模块，用于根据该预测信息判断该全局场景下是否存在安全隐患；
该输出模块，用于在存在安全隐患的情况下，则输出安全预警信息。
第五方面，提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面和上述第二方面任一所述的方法。
第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面和上述第二方面任一所述的方法。
上述基站部署方法、环境感知方法、装置、计算机设备和存储介质，一方面，通过对目标范围进行检测，获取道路信息和天气信息，并根据道路信息确定道路场景，而后，根据道路场景和天气信息生成目标范围的基站部署信息，其中，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站，这样，就可以实现基于道路信息和天气信息对不同类型的基站进行部署，使得部署方式能够与不同类型的基站所适应的道路场景和天气匹配，从而保证了基站部署的合理性，另一方面，在基站部署之后，还可以分别获取各基站的单基站感知数据，根据多基站系统的标定参数，对各基站的单基站感知数据进行时空同步处理，基于时空同步处理后的单基站感知数据，获取各个基站的目标检测结果，将各个基站的目标检测结果映射至全局场景，生成全局场景下的感知信息，其中，全局场景基于上述目标范围确定，这样，就可以使用多基站系统覆盖整个交通场景的检测范围，也即是，上述目标范围，并基于各个基站的单基站感知数据得到整个全局场景的感知信息，即得到了整个交通场景的感知信息，这样，就实现了多类型的基站协同对道路数据进行监测，可以大大提高感知环境的范围。
附图说明
图1为本申请实施例提供的一种基站部署方法的流程图；
图2为本申请实施例提供的一种可选的生成目标范围的基站部署信息的技术过程的流程图；
图3为本申请实施例提供的一种多基站系统的示意图；
图4为本申请实施例提供的一种环境感知方法的流程图；
图5为本申请实施例提供的另一种环境感知方法的流程图；
图6为本申请实施例提供的另一种环境感知方法的流程图；
图7为本申请实施例提供的一种基站部署装置的框图；
图8为本申请实施例提供的一种环境感知装置的框图；
图9为本申请实施例提供的另一种环境感知装置的框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
请参考图1，其示出了本申请实施例提供的一种基站部署方法的流程图，如图1所示，该基站部署方法包括以下步骤。需要指出的是，本申请实施例提供的基站部署方法可以应用于计算机设备中，例如，该计算机设备可以为服务器，台式电脑等等，本申请实施例不对计算机设备的具体类型进行限定。
步骤101、计算机设备对目标范围进行检测，获取道路信息和天气信息。
其中，目标范围为待进行基站部署的道路范围，例如，该目标范围可以为十字路口周围预设范围。
在对目标范围进行基站部署之前，计算机设备可以对目标范围进行检测，以获取目标范围的道路信息和天气信息，其中，计算机设备对目标范围进行检测指的可以是：计算机设备在数据库中查询该目标范围的道路信息和天气信息。
在本申请的可选实施例中，该道路信息用于表征目标范围的车辆通过状况和道路状况中的至少一个，例如，该道路信息可以包括：历史时间段内通过目标范围的车辆的数量、类型，历史时间段内在该目标范围内发生的交通事故的数量、位置，历史时间段内在该目标范围内发生的交通违章时间的数量、位置，该目标范围内的道路的路宽，该目标范围内的道路的平整状况中的至少一种。
在本申请实施例中，该天气信息用于表征目标范围的统计学意义上的天气情况，例如，该天气信息可以包括目标范围处于阴雨天气的概率，目标范围处于晴天的概率，目标范围处于雾霾天气的概率，目标范围处于下雪天气的概率等等，本申请实施例对其不做具体限定。
步骤102、计算机设备根据道路信息确定道路场景。
在本申请实施例中，可以预先定义多种不同的道路场景，其中，每种不同的道路场景与不同的道路信息相对应，例如，定义的道路场景可以为复杂路况道路场景以及简单路况道路场景。
在步骤102中，计算机设备可以根据目标范围的道路信息确定目标范围的道路场景。
步骤103、计算机设备根据道路场景和天气信息生成目标范围的基站部署信息。
其中，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
需要指出的是，激光雷达扫描可以得到点云数据，毫米波雷达扫描可以得到毫米波数据，相机可以拍摄相机数据。
在本申请实施例中，计算机设备中可以预先存储有道路场景、天气信息以及基站部署信息的对应关系，计算机设备可以根据该对应关系，生成目标范围的基站部署信息。
本申请实施例提供的基站部署方法，通过对目标范围进行检测，获取道路信息和天气信息，并根据道路信息确定道路场景，而后，根据道路场景和天气信息生成目标范围的基站部署信息，其中，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站，这样，就可以实现基于道路信息和天气信息对不同类型的基站进行部署，使得部署方式能够与不同类型的基站所适应的道路场景和天气匹配，从而保证了基站部署的合理性。
请参考图2，其示出了本申请实施例提供的一种可选的生成目标范围的基站部署信息的技术过程的流程图，如图2所示，该技术过程包括以下步骤：
步骤201、计算机设备根据道路场景和天气信息确定目标范围内的多个部署位置。
在一种可选的实现方式中，确定多个部署位置的技术过程可以包括以下步骤：
1、计算机设备可以根据所述目标范围的天气信息，确定各类型基站的优先级。
可选的，计算机设备可以根据预设时段内目标范围的天气信息，评估目标范围的常见天气类型，其中，该常见天气类型包括：常见常规天气和常见恶劣天气。例如，若目标范围在预设时间段内处于阴雨天气的概率大于第一预设概率阈值，则目标范围的常见天气类型可以为常见恶劣天气，若目标范围在预设时间段内处于晴天的概率大于第二概率阈值，则目标范围的常见天气类型可以为常见常规天气。
若评估结果为常见恶劣天气，则计算机设备可以确定毫米波雷达-相机基站的优先级大于所述激光雷达-相机。
而若评估结果为常见常规天气，则计算机设备可以确定激光雷达-相机的优先级大于毫米波雷达-相机基站。
2、计算机设备根据各类型基站的优先级以及道路场景确定目标范围内的多个部署位置，以及各部署位置对应的检测范围。
在本申请实施例中，不同类型的基站的检测范围有所不同，因此，可以根据基站的优先级确定在目标范围内部署的基站的数量，同时，不同的道路场景所需部署的基站的数量也有所不同，故而，还可以根据道路场景确定在目标范围内部署的基站的数量。
在确定了需要部署的基站的数量之后，可以结合目标范围的实际情况确定部署位置。
步骤202、计算机设备根据各部署位置以及对应的检测范围的道路类型，确定各个部署位置的基站类型。
在上述基站部署方法的前提下，本申请实施例还提供了一种环境感知方法，可以适用于多基站系统中，其中，该多基站系统为根据上文所述的基站部署信息部署的多个基站的系统，该多基站系统的监测范围与上文所述的目标范围相对应。
请参考图3，其中，多基站系统包括多个基站11，该多个基站11布置于目标范围中的不同方位，如道路十字路口的斜对角，各基站11可以采集各自检测范围内的感知数据，并将感知数据发送至计算机设备12，其中，计算机设备12可以为服务器、台式电脑等，本申请实施例不对计算机设备的具体类型进行限定。计算机设备12可以基于各感知数据获取各基站11的目标检测结果，并映射至全局场景。
其中，如上文所述，基站11可以包括激光雷达-相机基站或毫米波雷达-相机基站等。需说明的是，若基站11具备检测处理能力，也可实现计算机设备12的处理过程。
在本申请的一个可选实施例中，如图4所示，提供了一种环境感知方法，以该方法应用于图3中的计算机设备为例进行说明，涉及的是计算机设备基于各基站的单基站感知数据生成全局场景下的感知信息的具体过程。该方法包括以下步骤：
步骤401、计算机设备分别获取各基站的单基站感知数据，根据多基站系统的标定参数，对各基站的单基站感知数据进行时空同步处理。
其中，单基站感知数据可以为基站所采集的自身检测范围内的采集数据，如点云数据、毫米波数据或相机数据等。计算机设备可以分别从各基站中获取采集到的单基站感知数据。因各基站都具有自身的基站坐标系，则所采集的单基站感知数据是处于各自的基站坐标系下的；为使得到的单基站感知数据处于同一基准下，从而得到同一基准下全局场景的感知信息，计算机设备需先对各单基站感知数据进行时空同步处理。具体地，计算机设备可以根据多基站系统的标定参数，对各基站的单基站感知数据进行时空同步处理，可选地，计算机设备可以根据标定参数(该标定参数可以包括平移向量和旋转矩阵等参数)，将各单基站感知数据配准至同一时空。
步骤402、计算机设备基于时空同步处理后的单基站感知数据获取各个基站的目标检测结果。
在本申请实施例中，计算机设备可以对得到的时空处理后的单基站感知数据进行目标检测，得到各基站检测范围内目标的位置、速度、航向角、加速度及类别(如行人、车辆等)等信息，作为目标检测结果。可选地，计算机设备可以基于深度学习算法(如神经网络)对单基站感知数据进行目标检测，以得到目标检测结果。
步骤403、计算机设备将各个基站的目标检测结果映射至全局场景，生成全局场景下的感知信息；其中，全局场景基于目标范围确定。
在本申请的可选实施例中，各个基站的目标检测结果都是基于单个基站的，为得到整个多基站系统的检测结果，计算机设备可以将各个基站的目标检测结果映射至全局场景，即将各基站的目标检测结果映射为全局感知数据，得到全局场景下的感知信息。其中，全局场景基于目标范围所确定，则计算机设备可以将各个目标检测结果“标记”至全局场景上，得到全局场景下的感知信息。
本申请实施例提供的环境感知方法，计算机设备根据多基站系统的标定参数，对获取到的各基站的单基站感知数据进行时空同步处理，并基于时空同步处理后的单基站感知数据获取各个基站的目标检测结果，然后将各个基站的目标检测结果映射至全局场景，生成全局场景下的感知信息，其中，全局场景基于目标范围确定。这样，就可以使用多基站系统覆盖整个交通场景的检测范围，也即是，上述目标范围，并基于各个基站的单基站感知数据得到整个全局场景的感知信息，即得到了整个交通场景的感知信息，这样，就实现了多类型的基站协同对道路数据进行监测，可以大大提高感知环境的范围。
为方便理解上述根据多基站系统的标定参数，对各基站的单基站感知数据进行时空同步处理的过程，下面对该过程进行详细介绍。该过程可以包括以下步骤：
A、利用测量仪测量各个基站的经纬度信息，并根据经纬度信息确定初始标定参数。
其中，基站内部具有可以测量自身经纬度信息的测量仪，该经纬度信息为大地坐标系下基站的定位信息。每个基站具有自身的基站坐标系，通常不同基站的基站坐标系不同，因此不同基站采集的单基站感知数据是位于不同基站坐标系下的(以下以点云数据为例进行说明，以下的点云数据即单基站感知数据，第一点云数据即第一单基站感知数据，待配准点云数据即待配准感知数据)。
具体地，利用上述测量仪测量各个基站的经纬度信息后，计算机设备可以根据各个基站的经纬度信息确定初始标定参数，该初始标定参数用于对各个基站采集的点云数据进行粗配准。可选地，计算机设备可以根据各个基站的经纬度信息确定基站之间的距离，并根据基站之间的距离以及自身的基站坐标系确定初始标定参数；其中，该初始标定参数可以包括配准时所需的平移向量和旋转矩阵。
B、利用初始标定参数处理各基站的单基站感知数据得到各基站对应的第一单基站感知数据。
具体地，计算机设备可以根据上述确定的初始标定参数处理各基站的点云数据，将各基站的点云数据同步至同一空间，得到各基站对应的第一点云数据。可选地，该同一空间可以为各基站中某个基站的基站坐标系空间，也可以为计算机设备选取的某个基准坐标系空间(如大地坐标系)。可选地，假设初始标定参数中平移向量为T、旋转矩阵为R，则计算机设备可以采用包含P0*R+T的关系式对基站的点云数据P0进行转换，得到第一点云数据。
C、根据预设条件从各基站对应的第一单基站感知数据中，分别选取各基站对应的待配准感知数据，并利用预设配准算法处理待配准感知数据，得到多基站系统的标定参数；预设条件用于表征所选取的待配准感知数据的数据范围。
其中，因上述粗配准过程是依据基站的经纬度信息所执行的，经纬度信息的准确度取决于基站自身的硬件因素，因此，为了进一步提高各基站点云数据在同一空间上的同步精度，则本实施例对各基站点云数据再进行一次精配准过程。
具体地，针对各基站对应的第一点云数据，计算机设备可以根据预设条件分别从各第一点云数据选取各基站对应的待配准点云数据，该预设条件用于表征所选取的待配准点云数据的数据范围。可选地，可以选取第一点云数据中距离点云中心Xm(如10m)范围内的数据作为待配准点云数据，即只选取点云密度较大的点云数据，以减少配准过程的数据量。然后计算机设备利用预设配准算法处理所选取的待配准点云数据，以得到多基站系统精配准时的标定参数，进而采用该标定参数对待配准数据进行配准。可选地，上述预设配准算法可以为最近点迭代算法(Iterative Closest Point，ICP)，也可以为其他类型的点云配准算法，本实施例对此不做限制。由此，对于多个基站采集的点云数据，本实施例通过粗配准和精配准两个过程确定多基站系统的精确标定参数，进而根据该标定参数对基站的点云数据进行配准，大大提高了多个基站点云数据的空间同步性。
在一个实施例中，上述多个基站的检测范围存在一定的交叠区域，多个基站在该交叠区域中可检测到共同目标，为提高检测到的共同目标信息的统一性，则计算机设备可以选取交叠区域所对应的点云数据进行配准。上述根据预设条件从各基站对应的第一单基站感知数据中，分别选取各基站对应的待配准感知数据的过程，可以包括以下步骤：
C1、根据各基站的检测范围，确定基站间的交叠区域。
C2、针对各基站，从第一点云数据中获取交叠区域对应的点云数据，作为待配准点云数据。
具体地，通过各基站的检测范围，计算机设备可以确定基站之间的交叠区域，例如，假设基站A和基站B的检测范围都是半径50m的圆形，基站A和基站B的距离为80m，则可以确定基站A的检测范围和基站B的检测范围的交叠区域为宽度20m的区域。
然后，针对各个基站，计算机设备可以从第一点云数据中，获取交叠区域所对应的那部分点云数据，作为待配准点云数据。可选地，计算机设备可以将第一点云数据中非交叠区域的点云数据删除，以得到待配准点云数据。通过选取基站间交叠区域对应的点云数据作为待配准点云数据，首先可减少配准时的点云数据量，提高配准效率，其次可提高基站检测范围内共同目标信息的统一性。
在一个实施例中，上述根据经纬度信息确定初始标定参数的过程，可以包括以下步骤：
A1、根据各个基站的经纬度信息获取原始标定参数。
A2、利用各基站检测范围内的共同目标对原始标定参数进行评估，根据评估结果获取初始标定参数。
具体地，根据各个基站的经纬度信息获取原始标定参数的过程可以参见上述实施例的描述，在此不再赘述。而得到原始标定参数后，计算机设备进一步对该原始标定参数进行评估，以得到精度较高的标定参数，提高粗配准的结果精度。在得到原始标定参数之后，计算机设备可以利用原始标定参数处理各基站的点云数据，然后对处理后的点云数据进行目标检测，利用各基站检测范围内的共同目标对上述原始标定参数进行评估，以获取初始标定参数。可选地，计算机设备可以分别计算共同目标到各基站的距离，根据各距离的差值对原始标定参数进行评估，若距离差值小于预设的差值阈值，则将原始标定参数作为初始标定参数，若距离误差不小于差值阈值，则需重新利用测量仪测量各个基站的经纬度信息，并根据经纬度信息重新获取原始标定参数，以此重复执行，直至共同目标到各基站的距离差值小于差值阈值。可选地，计算机设备还可以根据各基站检测到的共同目标的坐标之间的差异，对原始标定参数进行评估，以获取初始标定参数。
在另一种可实现的方式中，计算机设备还可以获取各基站检测范围内共同目标的检测框，并确定共同目标的各检测框之间的重叠度；若各检测框之间的重叠度大于重叠度阈值，则将原始标定参数作为初始标定参数。可选地，可以采用基于深度学习的目标检测算法对各处理后的点云数据进行目标检测，确定各基站检测范围内的共同目标的检测框，该检测框可以为能够包围目标的最小三维框，具有长宽高等信息。然后根据共同目标的各检测框确定各检测框之间的重叠度，若重叠度大于预设的重叠度阈值(如90％)，则说明得到的原始标定参数的精度已较高，可将原始标定参数作为初始标定参数；若重叠度不大于重叠度阈值，则说明得到的原始标定参数的精度还较低，需重新利用测量仪测量各个基站的经纬度信息，并根据经纬度信息重新获取原始标定参数，以此重复执行，直至共同目标的各检测框之间的重叠度大于重叠度阈值。由此，在保证粗配准具有一定精度的前提下再执行精配准过程，可以进一步提高进行点云配准的准确性。
在一个实施例中，计算机设备还可以利用基站检测范围内目标的经纬度信息和基站的经纬度信息共同确定上述原始标定参数。上述A1的过程可以包括：
A11、获取各个基站检测范围内目标的经纬度信息。
A12、根据各个基站的经纬度信息和目标的经纬度信息，确定各个基站之间的夹角和距离。
具体地，基站检测范围内目标的经纬度信息也可以为在大地坐标系下的位置信息，可以利用基站内部的测量仪进行测量；然后选取大地坐标系为基准坐标系，计算机设备根据各个基站的经纬度信息、各个基站检测范围内目标的经纬度信息和每个基站的基站坐标系，确定每个基站坐标系中预设坐标轴与大地坐标系下基准方向的夹角，并根据各基站坐标系中预设坐标轴与基准方向的夹角确定各个基站之间的夹角。
示例性的，基站坐标系可以为一个三维坐标系，包括X轴、Y轴和Z轴，基准方向可以为正北方向，则计算机设备可以确定基站坐标系中Y轴与大地坐标系下正北方向的夹角。假设基站A的经度为Aj、纬度为Aw，目标的经度为Bj、纬度为Bw，可选地，计算机设备可以根据
Figure BDA0002751364440000111
的关系式计算一个参考角度F；当然，计算机设备也可以根据包含
Figure BDA0002751364440000112
的其他关系式计算该参考角度。若目标在基站的基站坐标系的第一象限及Y轴正半轴，则基站坐标系中Y轴与正北方向的夹角Azimuth＝F；若目标在基站坐标系的第二象限，则Azimuth＝360°+A；若目标在基站坐标系的第三象限、第四象限及Y轴负半轴，则Azimuth＝180°+A。由此，可计算得到基站A坐标系中Y轴与大地坐标系下正北方向的夹角Azimuth1，基站B坐标系中Y轴与大地坐标系下正北方向的夹角Azimuth2，通过将夹角Azimuth1和夹角Azimuth2进行求差操作，即得到基站A和基站B之间的夹角ΔA＝Azimuth1-Azimuth2。
另外，计算机设备还可以根据每个基站的经纬度信息确定两个基站之间的距离，如通过计算两个基站之间的经度差、以及计算两个基站之间的纬度差，再根据包含
Figure BDA0002751364440000113
的距离公式确定两个基站之间的距离，其中为ΔJ经度差，ΔW为纬度差；可选地，计算机设备还可以直接将ΔJ作为两个基站在经度方向上的距离，将ΔW作为纬度方向上的距离。
A13、根据各个基站之间的夹角和距离，确定原始标定参数。
具体地，计算机设备可以将基站之间的夹角作为旋转矩阵、将基站之间的距离作为平移向量，并将该旋转矩阵和平移向量作为原始标定参数。由此，基于基站的经纬度信息和目标的经纬度信息确定原始标定参数，可以提高得到的原始标定参数的精度，进而提高多个基站点云数据的空间同步性。
为方便理解上述利用预设配准算法处理待配准点云数据的过程，本实施例采用两个基站进行解释说明，假设一个基站的待配准点云数据为第二点云数据，另一个基站的待配准点云数据为第三点云数据，上述利用预设配准算法处理待配准感知数据，得到多基站系统的标定参数的过程，可以包括：
C3、根据第二点云数据的点云点和第三点云数据的点云点之间的距离值，获取第二点云数据与第三点云数据中匹配的点对。
具体地，假设第二点云数据为P0，第三点云数据为Q，针对点云数据P0中的各个点云点，从点云数据Q中搜索与P0点云点距离最近的点云点，组成多个点对。
C4、采用误差函数计算各点对的均方误差，确定均方误差的值最小时所对应的旋转转换参数，并利用旋转转换参数处理第二点云数据和第三点云数据，得到第一候选点云数据和第二候选点云数据。
具体地，每个点对包括一个P0的点云点和一个Q的点云点(pi，qi)，其中，初始点对中的对应关系并不一定都是正确的，错误的对应关系会影响最终的配准结果，本实施例还可以采用方向向量阈值剔除错误的点对。然后，采用误差函数计算该多个点对的均方误差，确定该均方误差最小时的旋转转换参数，并采用旋转转换参数将第二点云数据P0转换为第一候选点云数据P1，需要是说明的是，此时可不必对第三点云数据进行转换，直接将第三点云数据Q作为第二候选点云数据；可选地，该误差函数的表达式可以为
Figure BDA0002751364440000114
其中n为点对的个数，R为旋转转换参数中的旋转矩阵，t为旋转转换参数中的平移向量，当前确定的是均方误差最小时的R和t的取值，并根据pi'＝{Rpi+t,pi∈P0}的转换关系式将点云数据P0转换为P1。
C5、计算第一候选点云数据和第二候选点云数据的均方误差，若均方误差小于误差阈值，将旋转转换参数作为多基站系统的标定参数。
然后，计算第一候选点云数据P1和第二候选点云数据Q之间的均方误差，可选地，可以采用
Figure BDA0002751364440000121
的关系式计算该均方误差，需要说明的是，pi’为与qi位于同一个点对的pi转换而来的。若该均方误差小于误差阈值，则将上述得到的旋转转换参数作为多基站系统的标定参数。若该均方误差不小于预设误差，则再确定点云数据P1和Q之间的点对，重新执行计算点对的均方误差的过程，直至均方误差小于预设误差或者迭代次数达到预设次数为止。由此迭代获得精配准过程的标定参数，可大大提高得到的标定参数的精度。
在一个实施例中，计算机设备得到上述各基站对应的待配准点云数据(如交叠区域对应的点云数据)之后，还可以基于待配准点云数据的数据精度和精度阈值，确定待配准点云数据中数据精度不大于精度阈值的待剔除数据，例如一些特征不明显的数据，并从待配准点云数据中剔除该待剔除数据。继而计算机设备可以利用预设配准算法处理所述待配准点云数据，得到多基站系统的标定参数。由此，可保留各待配准点云数据中精度较高的数据，为后续的精配准过程提供高精度数据，以进一步提高点云配准结果的准确性。可选地，计算机设备还可以对待配准点云数据进行地面点的滤除，即滤除待配准点云数据中的地面点数据，以减少地面点对数据配准过程的影响。
在一个实施例中，除了将多个基站的单基站感知数据进行空间同步之外，还可以将实现时间同步。可选地，时间同步的过程可以包括：接收各基站发送的基站时间轴；根据各基站的基站时间轴以及基准时间轴，将各基站时间轴同步至同一时间轴。具体地，首先选取一个基准时间轴，可选地，该基准时间轴可以为GPS时间轴；然后计算各基站的基站时间轴与基准时间轴之间的时间差ΔT1、ΔT2等等。若以两个基站为例，则将ΔT1与ΔT2之间的差值作为第一基站的基站时间轴与第二基站的基站时间轴之间的时间差，那么根据该时间差，第二基站可以将自身的基站时间轴同步至第一基站的基站时间轴上。由此，便实现了各基站之间的时间同步。
在一个实施例中，上述全局场景下的感知信息包括全局场景下的目标移动轨迹，即实现目标的跟踪过程，可选地，上述步骤403可以包括：将映射至全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到全局场景下的目标移动轨迹；其中，在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
具体地，目标检测结果中可以包括目标在当前时刻的位置，那么在先目标检测结果中也包括目标在当前时刻之间的时刻的位置；其中，计算机设备还可以对检测到的目标分配一个目标标识，以区分不同的目标，而相同的目标则使用相同的目标标识。因此，计算机设备可以通过目标标识以及目标的位置，将目标检测结果和在先目标检测结果进行关联，得到全局场景下的目标移动轨迹。
需要说明的是，计算机设备需要先判断当前的目标检测结果中的目标和在先目标检测结果中的目标是同一个目标时，才可为其分配相同的目标标识，以实现目标的跟踪过程。下面详细介绍一下实现目标跟踪的具体过程：
在一个实施例中，上述目标检测结果可以包括目标的位置、目标的速度以及目标的航向角，在先目标检测结果还包括目标的预测信息；可选地，如图5所示，上述步骤403可以包括：
步骤501、计算机设备根据各基站的目标检测结果以及各基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息。
具体地，计算机设备可以根据当前时刻的目标的位置、速度和航向角，以及各基站之间的相对位置，预测目标在预设时长(可以为多个预设时长)之后的位置和方向。例如，当前时刻为16:00:00，计算机设备根据基站A与基站B之间的距离和相对角度，预测目标在16:00:05、16:00:10、16:00:15、16:00:20等十个后续时刻的预测信息，需要说明的是，所预测后续时刻的数量可以根据实际场景的需要进行设定。可选地，计算机设备可以根据包含
Figure BDA0002751364440000131
的关系式计算目标在Δt时间间隔后的位置，其中，(Xi，Yi)为目标在当前时刻的经度和纬度，Vi为目标在当前时刻的速度，ψi为目标在当前时刻的航向角；根据包含Vi+aiΔt的关系式计算目标在Δt时间间隔后的后续时刻的速度，其中ai为目标在当前时刻的加速度。
另外，各基站在预设时长内也会不断的进行数据采集，并对每个时刻采集到的目标检测结果进行预测，将后一个时刻所得到的预测信息覆盖前一个时刻所得到的预测信息。示例性的，在16:00:00时刻预测了目标在16:00:05、16:00:10、16:00:15、16:00:20等十个时刻的预测信息；在16:00:05时仍检测到了该目标，则继续预测目标在16:00:10、16:00:15、16:00:20、16:00:25等十个时刻的预测信息，并将新预测的16:00:10、16:00:15、16:00:20时刻的预测信息覆盖第一次预测的预测信息。
步骤502、计算机设备根据各目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到全局场景下的目标移动轨迹。
具体地，计算机设备可以将各目标的预测信息与当前时刻的目标检测结果进行匹配，若匹配上则表明该目标在当前时刻仍处于基站的检测区域内，则将预测信息所对应的目标的目标标识赋予目标检测结果所对应的目标，根据该目标上一时刻的位置和当前时刻的位置即得到该目标的移动轨迹。
可选地，计算机设备还可以根据得到的预测信息判断全局场景下是否存在安全隐患；若存在安全隐患，则输出安全预警信息。可选地，计算机设备可以获取多个目标的预测信息，若多个目标的预测信息中的位置信息存在重叠，则确定全局场景下存在安全隐患。例如若两个或多个目标的预测信息中，存在位置信息重叠的情况，说明可能这两个或多个目标可能会发生碰撞，即存在安全隐患，则可以输出安全预警信息。
可选地，目标检测结果还可以包括目标的大小信息，根据全局场景中的目标检测结果和各目标的预测信息实现目标跟踪的过程，可以以下述方式实现(其中，下述的预测空间信息即预测信息)：
D、从全局场景中的目标检测结果中获取当前时刻检测区域中每个目标的三维空间信息；三维空间信息包括目标的位置信息和大小信息。
其中，上述三维空间信息包括目标的位置信息和大小信息；位置信息即目标当前所在的地理位置，可以用大地坐标系下的经纬度信息表示，大小信息可以用能够包围该目标的检测框尺寸来表示，如检测框的长宽高等。
E、将当前时刻检测区域中的每个目标的三维空间信息和目标集合中每个目标的预测空间信息进行比较，为三维空间信息与预测空间信息匹配的目标确定对应的标识，以完成目标跟踪；其中，预测空间信息为对目标集合中目标的三维空间信息进行预测所得到，目标集合包括上一时刻检测区域中的目标。
其中，目标跟踪过程通常是将一个目标上一时刻的行驶状态(可以包括位置信息等)与当前时刻的行驶状态进行关联，以获得目标整个行驶状态的过程。本实施例中，计算机设备可以将上一时刻检测到的目标以及各目标对应的三维空间信息进行存储，各目标可以位于目标集合中，该目标集合可以以列表形式进行存储。
具体地，计算机设备可以将当前时刻检测到的各目标的三维空间信息和目标集合中各目标的预测空间信息进行比较，该预测空间信息为对目标集合中目标的三维空间信息进行预测所得到，即由上一时刻的三维空间信息预测的当前时刻的三维空间信息。若当前时刻中存在一目标(a)的三维空间信息与预测空间信息匹配，则可以将匹配到的预测空间信息对应的目标的标识作为当前时刻目标(a)的标识，由此对于目标(a)便可以确定其上一时刻的位置信息及当前时刻的位置信息，完成该目标的跟踪过程。
可选地，计算机设备可以将当前时刻目标的位置信息与预测空间信息中的位置信息进行比较，若存在位置信息相同或相近的两个目标，再比较两者之间的大小信息；若大小信息也相同或相近，则可认为当前时刻的该目标与预测空间信息对应的目标为同一个目标，为当前时刻的该目标确定标识。由此充分考虑目标的在先目标检测结果以完成目标跟踪过程，可大大提高目标跟踪的准确性。
通常，基站采集得到的单基站感知数据的数据量都较大，若上述将全部单基站感知数据进行时空同步难免会增加计算量。因此，本实施例中可以先进行目标检测，只将得到的三维空间信息进行坐标系转换，以提高计算效率。可选地，上述目标检测过程可以包括：
F、分别对各基站的单基站感知数据进行目标检测处理，得到每个单基站感知数据中目标的三维空间信息。
具体地，计算机设备可以先分别对各单基站感知数据进行目标检测处理，可选地，可以采用基于深度学习的目标检测算法执行该目标检测处理过程，得到每个单基站感知数据中目标的三维空间信息。
G、从多个单基站感知数据的多个三维空间信息中选定第一三维空间信息所在的坐标系为参照坐标系，根据预设的转换矩阵，将第二三维空间信息转换至第一三维空间信息所在的参照坐标系下，并对转换后的第二三维空间信息和第一三维空间信息进行融合，得到融合三维空间信息；其中，第二三维空间信息为多个三维空间信息中与第一三维空间信息对应不同点云数据的其他三维空间信息，一个点云数据对应多个三维空间信息。
其中，计算机设备可以从上述多个三维空间信息中选定第一三维空间信息所在的坐标系为参照坐标系，将其他的三维空间信息都转换至该参考坐标系下，则实现多个三维空间信息位于同一坐标系下，且一个点云数据通常对应多个三维空间信息，即一个点云数据对应的场景中包括多个目标。具体地，计算机设备可以根据预设的转换矩阵，将第二三维空间信息转换至上述参照坐标系下，该第二三维空间信息为多个三维空间信息中与第一三维空间信息对应不同点云数据的其他三维空间信息，即第一三维空间信息与第二三维空间信息是由不同点云数据得到的。可选地，转换矩阵可以表征参照坐标系与第二三维空间信息所在的坐标系之间的相对关系；可选地，可以根据ICP算法确定该转换矩阵，以将第二三维空间信息转换至第一三维空间信息所在的参照坐标系下。然后对转换后的第二三维空间信息和第一三维空间信息进行融合，得到融合三维空间信息，该融合操作可以为两个三维空间信息的取并集操作。
H、对融合三维空间信息进行去冗处理，得到当前时刻检测区域中每个目标的三维空间信息。
具体地，对于多基站的扫描区域存在重叠部分的场景，融合三维空间信息中可能会存在一个目标具有多个空间信息，即多个基站同时检测到了该目标，那么计算机设备需要对该场景进行去冗处理，使得每个目标仅对应一个三维空间信息，即得到当前时刻检测区域中每个目标唯一的三维空间信息。可选地，计算机设备可以采用非极大值抑制算法对融合三维空间信息进行去冗处理，得到当前时刻检测区域中每个目标的三维空间信息。可以理解为，从多个三维空间信息中选取最优的(如位置信息精度最高或检测框尺寸为能够将目标包围的最小框)作为最终的三维空间信息。进而将当前时刻检测区域中的每个目标的三维空间信息和目标集合中每个目标的预测空间信息进行比较，为三维空间信息与预测空间信息匹配的目标确定对应的标识，以完成目标跟踪。由此，通过将不同三维空间信息转换至同一坐标系下，使各三维空间信息处于同一空间域下，以提高后续目标跟踪结果的准确性；同时，仅将三维空间信息进行转换，还提高了转换效率。
在一个实施例中，上述将每个目标的三维空间信息与预测空间信息进行比较，为当前时刻检测区域中的目标确定标识的过程，可以包括以下步骤：
E1、针对当前时刻每个三维空间信息对应的目标，识别目标的第一特征。
E2、针对每个预测空间信息对应的目标，识别目标的第二特征。
具体地，针对当前时刻每个三维空间信息对应的目标，计算机设备可以基于深度学习的目标识别算法识别目标的第一特征，以及针对每个预测空间信息对应的目标，也识别目标的第二特征。可选地，计算机设备还可以采用点云重识别网络来识别目标特征。
E3、若当前时刻中存在第一特征与第二特征的相似度大于相似度阈值的目标，将第二特征对应的目标的标识，作为第一特征对应的目标的标识。
具体地，在当前时刻所对应的所有目标中，若存在第一特征与第二特征的相似度大于相似度阈值的目标，即当前时刻的该目标在目标集合中存在，也即该目标在上一时刻也被扫描到；则计算机设备可以将第二特征对应的目标的标识(该目标在目标集合中的标识)，作为第一特征对应的目标的标识，即当前时刻的目标的标识，由此实现为当前时刻的目标确定标识的目的，并与上一时刻的目标进行了关联。
当然，在当前时刻的所有目标中，也必然会有第一特征与第二特征的相似度不大于相似度阈值的目标，即其通过相似度匹配未通过。可选地，计算机设备可以再计算当前时刻对应的目标中相似度不大于相似度阈值的目标对应的三维空间信息与候选预测空间信息之间的交并比，该候选预测空间信息为目标集合中相似度不大于相似度阈值的目标的预测空间信息，即计算当前时刻与目标集合的目标中，相似度匹配未通过的目标的空间信息的交并比。若有交并比大于交并比阈值的情况，则将满足该条件的候选预测空间信息对应的目标的标识，作为当前时刻该三维空间信息对应的目标的标识。由此，通过目标特征和三维空间信息交并比的双重匹配，为当前时刻检测到的目标确定对应的标识，可大大提高确定的标识的准确性，进而提高目标跟踪结果的准确性。
在一个实施例中，涉及了计算机设备将每个目标的三维空间信息与预测空间信息进行比较，为当前时刻检测区域中的目标确定标识的另一具体过程。该过程可以还包括以下步骤：
E4、采用卡尔曼滤波器对目标集合中目标的三维空间信息进行预测，得到目标集合中每个目标的预测空间信息；其中，预测空间信息对应的目标的标识与目标集合中目标的标识相对应。
具体地，针对目标集合中的每个目标，计算机设备采用卡尔曼滤波器对其三维空间信息进行预测，预测每个目标在当前时刻的预测空间信息，则每个预测空间信息对应的目标的标识即为对应的目标集合中目标的标识。
E5、针对当前时刻的每个目标，计算三维空间信息和所有预测空间信息之间的交并比，若存在交并比大于交并比阈值的三维空间信息，将匹配的预测空间信息对应的目标的标识，作为三维空间信息对应目标的标识。
具体地，针对当前时刻检测到的每个目标，计算机设备计算其三维空间信息与所有预测空间信息之间的交并比，该交并比可以为目标检测框尺寸的重合度；若存在交并比大于交并比阈值(如90％)的三维空间信息，则将与其匹配上的预测空间信息对应的目标的标识，作为该三维空间信息对应目标的标识。
当然，在当前时刻的所有目标中，也必然会存在交并比不大于交并比阈值的三维空间信息，即交并比匹配未通过，则计算机设备可以识别第一目标的第三特征和第二目标的第四特征，该第一目标为当前时刻对应的目标中三维空间信息交并比不大于交并比阈值的目标，第二目标为目标集合中预测空间信息交并比不大于交并比阈值的目标，即当前时刻和目标集合中交并比匹配未通过的目标。可选地，可以采用点云重识别网络分别提取第三特征和第四特征。然后计算第三特征与第四特征的相似度，若存在相似度大于相似度阈值的情况，则将对应第二目标的标识作为匹配的第一目标的标识。由此，同样通过目标特征和三维空间信息交并比的双重匹配，为当前时刻检测到的目标确定对应的标识，可大大提高确定的标识的准确性，进而提高目标跟踪结果的准确性。
在一个实施例中，还会存在当前时刻未确定标识的目标，如新进入检测区域的目标，不在目标集合中存在，则计算机设备可以对该未确定标识的目标分配随机标识，并将该目标和随机标识存储于目标集合中，且该随机标识与目标集合中其他目标的标识均不相同。由此，目标集合中的各目标可用于对下一时刻检测区域的目标进行匹配以确定标识。可选地，对于目标集合中的目标，还可能存在在下一时刻离开检测区域的情况，则计算机设备可以将不再位于检测区域的目标从目标集合中移除。
上述详细介绍了在整个多基站系统中，计算机设备对检测区域内的目标进行跟踪以得到目标移动轨迹的过程，下面以多基站系统中的一个基站为例，介绍该基站的检测跟踪过程。
在一个实施例中，如图6所示，上述步骤502可以包括：
步骤601，基于候选预测信息中的位置信息从多个基站中确定目标基站；其中，候选预测信息为任一一个所述目标基于当前时刻的预测信息。
具体地，计算机设备根据候选预测信息中的位置信息可以获知目标将要达到哪里，并根据该位置信息和基站的检测范围可以获知该位置是处于哪个基站的检测范围内，则将该基站作为目标基站。
步骤602，在预设时长之后，获取目标基站的当前单基站感知数据，并对当前单基站感知数据进行目标检测，得到目标基站的当前目标检测结果。
步骤603，若当前目标检测结果与候选预测信息匹配，则将候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
具体地，确定了目标基站之后，可以获取该目标基站在预设时长之后的当前单基站感知数据，并对当前单基站感知数据进行目标检测，得到当前目标检测结果。然后对该目标检测结果和上述候选预测信息进行匹配，匹配过程可以参见上述实施例的描述(如根据目标特征、检测框交并比等方式)，若匹配成功，则将候选预测信息对应的目标与该当前目标检测结果中的目标进行关联，即将候选预测信息对应的目标标识赋予当前目标检测结果中的目标。
可选地，若当前目标检测结果与候选预测信息不匹配，则目标基站未检测到候选预测信息对应的目标，则判断当前目标检测结果对应的目标是否为新增目标，例如该目标在目标基站之前都未检测到过，则认为是新增目标，则在全局场景的感知信息中增加该新增目标的感知信息，以提高全局场景感知信息的全面性。
可选地，计算机设备还可以获取候选预测信息中的位置信息，若目标基站未检测到与该位置信息对应的当前目标检测结果，即所预测的这个位置上目标基站未检测到目标，表明目标基站在此位置的感知能力较弱；则计算机设备可以确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻，即确定目标基站检测到该目标的时刻；然后将目标后续时刻之前所对应的候选预测信息作为该目标基站的目标检测结果。
示例性的，对于16:00:05时刻的当前目标检测结果，计算机设备可以该检测结果与候选预测信息进行匹配，若匹配成功，则该候选预测信息对应的目标即为目标基站在当前时刻检测到的目标，时刻(16:00:05)为目标后续时刻，即可以认为该目标在(16:00:05)被目标基站检测到了。若不存在匹配的位姿数据，则说明目标基站在16:00:05还未检测到该目标，计算机设备再根据16:00:10时刻的当前目标检测结果与16:00:10时刻的候选预测信息进行对比，若此时匹配上，则该候选预测信息对应的目标即为目标基站在当前时刻检测到的目标，时刻(16:00:10)为目标后续时刻；并且将(16:00:10)之前的候选预测信息作为目标基站的目标检测结果，则即使目标基站在未检测目标时也可获取到对应的目标检测结果，提高了目标基站的感知能力。若仍不存在匹配的位姿数据，则继续以后一个后续时刻的候选预测信息进行对比，直至确定目标后续时刻。
应该理解的是，虽然图1-图6的流程图中各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参考图7，在本申请的一个可选的实施例中，还提供了一种基站部署装置700，如图7所示，该基站部署装置700包括获取模块701、确定模块702以及生成模块703。
该获取模块701，用于对目标范围进行检测，获取道路信息和天气信息。
该确定模块702，用于根据该道路信息确定道路场景。
该生成模块703，用于根据该道路场景和该天气信息生成该目标范围的基站部署信息，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
在本申请的一个可选实施例中，该生成模块703，具体用于：根据该道路场景和该天气信息确定该目标范围内的多个部署位置；根据各该部署位置以及对应的检测范围的道路类型，确定各个该部署位置的基站类型。
在本申请的一个可选实施例中，该生成模块703，具体用于：根据该目标范围的天气信息，确定各类型基站的优先级；根据该各类型基站的优先级以及该道路场景确定该目标范围内的多个部署位置，以及各该部署位置对应的检测范围。
在本申请的一个可选实施例中，该生成模块703，具体用于：根据预设时段内该目标范围的天气信息，评估该目标范围的常见天气类型，该常见天气类型包括：常见常规天气和常见恶劣天气；若该评估结果为常见恶劣天气，则该毫米波雷达-相机基站的优先级大于该激光雷达-相机；若该评估结果为常见常规天气，则该激光雷达-相机的优先级大于该毫米波雷达-相机基站。
关于基站部署装置的具体限定可以参见上文中对于基站部署方法的限定，在此不再赘述。上述基站部署装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参考图8，在本申请的一个可选的实施例中，还提供了一种环境感知装置800，应用于多基站系统，该多基站系统为根据基站部署信息部署多个基站的系统，该基站部署信息根据如上述所述的基站部署方法获取，该多基站系统的检测范围与上文所述的目标范围对应，如图8所示，该环境感知装置800包括第一获取模块801、第二获取模块802以及生成模块803。
该第一获取模块801，用于分别获取各该基站的单基站感知数据，根据该多基站系统的标定参数，对各该基站的单基站感知数据进行时空同步处理。
该第二获取模块802，用于基于时空同步处理后的单基站感知数据，获取各该基站的目标检测结果。
该生成模块803，用于将各该基站的目标检测结果映射至全局场景，生成该全局场景下的感知信息；其中，该全局场景基于该目标范围确定。
在本申请的一个可选实施例中，该全局场景下的感知信息包括该全局场景下的目标移动轨迹；该生成模块803，具体用于：将映射至该全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹；其中，该在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
在本申请的一个可选实施例中，该目标检测结果包括目标的位置、目标的速度以及目标的航向角，该在先目标检测结果还包括目标的预测信息；该生成模块803，具体用于：根据各该基站的目标检测结果以及各该基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息；根据各该目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹。
在本申请的一个可选实施例中，该生成模块803，具体用于：基于候选预测信息中的位置信息从该多个基站中确定目标基站；其中，该候选预测信息为任一个该目标基于当前时刻的预测信息；在该预设时长之后，获取该目标基站的当前单基站感知数据，并对该当前单基站感知数据进行目标检测，得到该目标基站的当前目标检测结果；若该当前目标检测结果与该候选预测信息匹配，则将该候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
在本申请的一个可选实施例中，该生成模块803，还用于：若该当前目标检测结果与该候选预测信息不匹配，则判断该当前目标检测结果对应的目标是否为新增目标；若该当前目标检测结果对应的目标为新增目标，则在全局场景的感知信息中增加该新增目标的感知信息。
在本申请的一个可选实施例中，该生成模块803，还用于：获取该候选预测信息中的位置信息，若该目标基站未检测到与该位置信息对应的当前目标检测结果，则确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻；该后续时刻为在该当前时刻之后的时刻；将该目标后续时刻之前所对应的候选预测信息，作为该目标基站的目标检测结果。
请参考图9，本申请实施例还提供了另一种环境感知装置900，该环境感知装置900除了包括环境感知装置800包括的各个模块外，可选的，还可以包括判断模块804和输出模块805。
该判断模块804，用于根据该预测信息判断该全局场景下是否存在安全隐患。
该输出模块805，用于在存在安全隐患的情况下，则输出安全预警信息。
关于环境感知装置的具体限定可以参见上文中对于环境感知方法的限定，在此不再赘述。上述环境感知装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请实施例中，提供了一种计算机设备，该计算机设备可以是终端或者服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器以及通信接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基站部署方法或者环境感知方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对目标范围进行检测，获取道路信息和天气信息；根据该道路信息确定道路场景；根据该道路场景和该天气信息生成该目标范围的基站部署信息，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：根据该道路场景和该天气信息确定该目标范围内的多个部署位置；根据各该部署位置以及对应的检测范围的道路类型，确定各个该部署位置的基站类型。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：根据该目标范围的天气信息，确定各类型基站的优先级；根据该各类型基站的优先级以及该道路场景确定该目标范围内的多个部署位置，以及各该部署位置对应的检测范围。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：根据预设时段内该目标范围的天气信息，评估该目标范围的常见天气类型，该常见天气类型包括：常见常规天气和常见恶劣天气；若该评估结果为常见恶劣天气，则该毫米波雷达-相机基站的优先级大于该激光雷达-相机；若该评估结果为常见常规天气，则该激光雷达-相机的优先级大于该毫米波雷达-相机基站。
在本申请实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
分别获取各该基站的单基站感知数据，根据该多基站系统的标定参数，对各该基站的单基站感知数据进行时空同步处理；基于时空同步处理后的单基站感知数据，获取各该基站的目标检测结果；将各该基站的目标检测结果映射至全局场景，生成该全局场景下的感知信息；其中，该全局场景基于该目标范围确定。
在本申请实施例中，该全局场景下的感知信息包括该全局场景下的目标移动轨迹；处理器执行计算机程序时还实现以下步骤：将映射至该全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹；其中，该在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
在本申请实施例中，该目标检测结果包括目标的位置、目标的速度以及目标的航向角，该在先目标检测结果还包括目标的预测信息；处理器执行计算机程序时还实现以下步骤：根据各该基站的目标检测结果以及各该基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息；根据各该目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：基于候选预测信息中的位置信息从该多个基站中确定目标基站；其中，该候选预测信息为任一个该目标基于当前时刻的预测信息；在该预设时长之后，获取该目标基站的当前单基站感知数据，并对该当前单基站感知数据进行目标检测，得到该目标基站的当前目标检测结果；若该当前目标检测结果与该候选预测信息匹配，则将该候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：若该当前目标检测结果与该候选预测信息不匹配，则判断该当前目标检测结果对应的目标是否为新增目标；若该当前目标检测结果对应的目标为新增目标，则在全局场景的感知信息中增加该新增目标的感知信息。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：获取该候选预测信息中的位置信息，若该目标基站未检测到与该位置信息对应的当前目标检测结果，则确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻；该后续时刻为在该当前时刻之后的时刻；将该目标后续时刻之前所对应的候选预测信息，作为该目标基站的目标检测结果。
在本申请实施例中，处理器执行计算机程序时还实现以下步骤：根据该预测信息判断该全局场景下是否存在安全隐患；若存在安全隐患，则输出安全预警信息。
在本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
对目标范围进行检测，获取道路信息和天气信息；根据该道路信息确定道路场景；根据该道路场景和该天气信息生成该目标范围的基站部署信息，该基站部署信息包括部署位置和各部署位置的基站类型，该基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：根据该道路场景和该天气信息确定该目标范围内的多个部署位置；根据各该部署位置以及对应的检测范围的道路类型，确定各个该部署位置的基站类型。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：根据该目标范围的天气信息，确定各类型基站的优先级；根据该各类型基站的优先级以及该道路场景确定该目标范围内的多个部署位置，以及各该部署位置对应的检测范围。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：根据预设时段内该目标范围的天气信息，评估该目标范围的常见天气类型，该常见天气类型包括：常见常规天气和常见恶劣天气；若该评估结果为常见恶劣天气，则该毫米波雷达-相机基站的优先级大于该激光雷达-相机；若该评估结果为常见常规天气，则该激光雷达-相机的优先级大于该毫米波雷达-相机基站。
在本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
分别获取各该基站的单基站感知数据，根据该多基站系统的标定参数，对各该基站的单基站感知数据进行时空同步处理；基于时空同步处理后的单基站感知数据，获取各该基站的目标检测结果；将各该基站的目标检测结果映射至全局场景，生成该全局场景下的感知信息；其中，该全局场景基于该目标范围确定。
在本申请实施例中，该全局场景下的感知信息包括该全局场景下的目标移动轨迹；计算机程序被处理器执行时还实现以下步骤：将映射至该全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹；其中，该在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
在本申请实施例中，该目标检测结果包括目标的位置、目标的速度以及目标的航向角，该在先目标检测结果还包括目标的预测信息；计算机程序被处理器执行时还实现以下步骤：根据各该基站的目标检测结果以及各该基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息；根据各该目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到该全局场景下的目标移动轨迹。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：基于候选预测信息中的位置信息从该多个基站中确定目标基站；其中，该候选预测信息为任一个该目标基于当前时刻的预测信息；在该预设时长之后，获取该目标基站的当前单基站感知数据，并对该当前单基站感知数据进行目标检测，得到该目标基站的当前目标检测结果；若该当前目标检测结果与该候选预测信息匹配，则将该候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：若该当前目标检测结果与该候选预测信息不匹配，则判断该当前目标检测结果对应的目标是否为新增目标；若该当前目标检测结果对应的目标为新增目标，则在全局场景的感知信息中增加该新增目标的感知信息。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：获取该候选预测信息中的位置信息，若该目标基站未检测到与该位置信息对应的当前目标检测结果，则确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻；该后续时刻为在该当前时刻之后的时刻；将该目标后续时刻之前所对应的候选预测信息，作为该目标基站的目标检测结果。
在本申请实施例中，计算机程序被处理器执行时还实现以下步骤：根据该预测信息判断该全局场景下是否存在安全隐患；若存在安全隐患，则输出安全预警信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
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。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种基站部署方法，其特征在于，所述方法包括：
对目标范围进行检测，获取道路信息和天气信息；
根据所述道路信息确定道路场景；
根据所述道路场景和所述天气信息生成所述目标范围的基站部署信息，所述基站部署信息包括部署位置和各部署位置的基站类型，所述基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
2.根据权利要求1所述的方法，其特征在于，根据所述道路场景和所述天气信息生成所述目标范围的基站部署信息，包括：
根据所述道路场景和所述天气信息确定所述目标范围内的多个部署位置；
根据各所述部署位置以及对应的检测范围的道路类型，确定各个所述部署位置的基站类型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述道路场景和所述天气信息确定所述目标范围内的多个部署位置，包括：
根据所述目标范围的天气信息，确定各类型基站的优先级；
根据所述各类型基站的优先级以及所述道路场景确定所述目标范围内的多个部署位置，以及各所述部署位置对应的检测范围。
4.根据权利要求3所述的方法，其特征在于，根据所述目标范围的天气信息，确定各类型基站的优先级，包括：
根据预设时段内所述目标范围的天气信息，评估所述目标范围的常见天气类型，所述常见天气类型包括：常见常规天气和常见恶劣天气；
若所述评估结果为常见恶劣天气，则所述毫米波雷达-相机基站的优先级大于所述激光雷达-相机；
若所述评估结果为常见常规天气，则所述激光雷达-相机的优先级大于所述毫米波雷达-相机基站。
5.一种环境感知方法，其特征在于，应用于多基站系统，所述多基站系统为根据基站部署信息部署多个基站的系统，所述基站部署信息根据如权利要求1-4任意一项所述的基站部署方法获取，所述多基站系统的检测范围与权利要求1-4任意一项中的目标范围对应，所述方法包括：
分别获取各所述基站的单基站感知数据，根据所述多基站系统的标定参数，对各所述基站的单基站感知数据进行时空同步处理；
基于时空同步处理后的单基站感知数据，获取各所述基站的；
将各所述基站的目标检测结果映射至全局场景，生成所述全局场景下的感知信息；其中，所述全局场景基于所述目标范围确定。
6.根据权利要求5所述的方法，其特征在于，所述全局场景下的感知信息包括所述全局场景下的目标移动轨迹；所述将所述各所述基站的目标检测结果映射至全局场景，生成所述全局场景下的感知信息，包括：
将映射至所述全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到所述全局场景下的目标移动轨迹；其中，所述在先目标检测结果包括在当前时刻之前的时刻所对应的目标检测结果。
7.根据权利要求6所述的方法，其特征在于，所述目标检测结果包括目标的位置、目标的速度以及目标的航向角，所述在先目标检测结果还包括目标的预测信息；所述将映射至所述全局场景中的目标检测结果和在先目标检测结果进行关联匹配，得到所述全局场景下的目标移动轨迹，包括：
根据各所述基站的目标检测结果以及各所述基站之间的相对位置计算对应目标在预设时长之后的位置和方向，得到各目标的预测信息；
根据各所述目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到所述全局场景下的目标移动轨迹。
8.根据权利要求7所述的方法，其特征在于，所述根据各所述目标的预测信息对全局场景中的目标检测结果进行关联匹配，得到所述全局场景下的目标移动轨迹，包括：
基于候选预测信息中的位置信息从所述多个基站中确定目标基站；其中，所述候选预测信息为任一个所述目标基于当前时刻的预测信息；
在所述预设时长之后，获取所述目标基站的当前单基站感知数据，并对所述当前单基站感知数据进行目标检测，得到所述目标基站的当前目标检测结果；
若所述当前目标检测结果与所述候选预测信息匹配，则将所述候选预测信息对应的目标与当前目标检测结果中的目标进行关联。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
若所述当前目标检测结果与所述候选预测信息不匹配，则判断所述当前目标检测结果对应的目标是否为新增目标；
若所述当前目标检测结果对应的目标为新增目标，则在全局场景的感知信息中增加所述新增目标的感知信息。
10.根据权利要求8所述的方法，其特征在于，所述方法还包括：
获取所述候选预测信息中的位置信息，若所述目标基站未检测到与所述位置信息对应的当前目标检测结果，则确定后续时刻中目标检测结果与预测信息匹配的目标后续时刻；所述后续时刻为在所述当前时刻之后的时刻；
将所述目标后续时刻之前所对应的候选预测信息，作为所述目标基站的目标检测结果。
11.根据权利要求8所述的方法，其特征在于，所述方法还包括：
根据所述预测信息判断所述全局场景下是否存在安全隐患；
若存在安全隐患，则输出安全预警信息。
12.一种基站部署装置，其特征在于，所述装置包括：
获取模块，用于对目标范围进行检测，获取道路信息和天气信息；
确定模块，用于根据所述道路信息确定道路场景；
生成模块，用于根据所述道路场景和所述天气信息生成所述目标范围的基站部署信息，所述基站部署信息包括部署位置和各部署位置的基站类型，所述基站类型包括激光雷达-相机基站和毫米波雷达-相机基站。
13.一种环境感知装置，其特征在于，应用于多基站系统，所述多基站系统为根据基站部署信息部署多个基站的系统，所述基站部署信息根据如权利要求1-4任意一项所述的基站部署方法获取，所述多基站系统的检测范围与权利要求1-4任意一项中的目标范围对应，所述装置包括：
第一获取模块，用于分别获取各所述基站的单基站感知数据，根据所述多基站系统的标定参数，对各所述基站的单基站感知数据进行时空同步处理；
第二获取模块，用于基于时空同步处理后的单基站感知数据，获取各所述基站的目标检测结果；
生成模块，用于将各所述基站的目标检测结果映射至全局场景，生成所述全局场景下的感知信息；其中，所述全局场景基于所述目标范围确定。
14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至13中任一项所述的方法的步骤。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
CN202011185657.1A 2020-10-30 2020-10-30 基站部署方法、环境感知方法、装置、计算机设备和存储介质 Active CN114449533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011185657.1A CN114449533B (zh) 2020-10-30 2020-10-30 基站部署方法、环境感知方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011185657.1A CN114449533B (zh) 2020-10-30 2020-10-30 基站部署方法、环境感知方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN114449533A true CN114449533A (zh) 2022-05-06
CN114449533B CN114449533B (zh) 2024-02-06

Family

ID=81357617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011185657.1A Active CN114449533B (zh) 2020-10-30 2020-10-30 基站部署方法、环境感知方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN114449533B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115835377A (zh) * 2023-01-09 2023-03-21 广州世炬网络科技有限公司 场馆内毫米波基站的位置确定方法、装置、设备及存储介质
CN116564077A (zh) * 2023-04-12 2023-08-08 广州爱浦路网络技术有限公司 基于通信网络和数据管理技术的交通状况检测方法、装置和介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104656163A (zh) * 2015-02-04 2015-05-27 中国人民解放军理工大学 一种基于大数据的移动通信网降水分布及动态测量方法
CN106131220A (zh) * 2016-08-27 2016-11-16 安徽中凯信息产业有限公司 一种车联网中心基站部署方法
WO2017046978A1 (ja) * 2015-09-18 2017-03-23 日本電気株式会社 基地局装置、無線端末、及びこれらの方法
CN109166314A (zh) * 2018-09-29 2019-01-08 河北德冠隆电子科技有限公司 基于全方位跟踪检测雷达的路况感知设备及车路协同系统
CN110083163A (zh) * 2019-05-20 2019-08-02 三亚学院 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统
US20190320328A1 (en) * 2018-04-12 2019-10-17 Phantom Auto Inc. Optimizing wireless networking using a virtual geographic information system overlay
CN110412595A (zh) * 2019-06-04 2019-11-05 深圳市速腾聚创科技有限公司 路基感知方法、系统、车辆、设备和存储介质
CN111260941A (zh) * 2020-02-27 2020-06-09 贵州智诚科技有限公司 一种道路交通气象灾害预警信息发布方法
US20200226924A1 (en) * 2018-01-31 2020-07-16 Peter Yeung Roadway information detection system consists of sensors on the autonomous vehicles and devices for the road
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104656163A (zh) * 2015-02-04 2015-05-27 中国人民解放军理工大学 一种基于大数据的移动通信网降水分布及动态测量方法
WO2017046978A1 (ja) * 2015-09-18 2017-03-23 日本電気株式会社 基地局装置、無線端末、及びこれらの方法
CN106131220A (zh) * 2016-08-27 2016-11-16 安徽中凯信息产业有限公司 一种车联网中心基站部署方法
US20200226924A1 (en) * 2018-01-31 2020-07-16 Peter Yeung Roadway information detection system consists of sensors on the autonomous vehicles and devices for the road
US20190320328A1 (en) * 2018-04-12 2019-10-17 Phantom Auto Inc. Optimizing wireless networking using a virtual geographic information system overlay
CN109166314A (zh) * 2018-09-29 2019-01-08 河北德冠隆电子科技有限公司 基于全方位跟踪检测雷达的路况感知设备及车路协同系统
CN110083163A (zh) * 2019-05-20 2019-08-02 三亚学院 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统
CN110412595A (zh) * 2019-06-04 2019-11-05 深圳市速腾聚创科技有限公司 路基感知方法、系统、车辆、设备和存储介质
CN111260941A (zh) * 2020-02-27 2020-06-09 贵州智诚科技有限公司 一种道路交通气象灾害预警信息发布方法
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冯霏;蔡嘉;: "基于5G技术的智慧道路研究", 信息通信, no. 12 *
刘志;华国栋;吴峰;: "基于C-V2X的智能路侧单元系统设计", 机电信息, no. 11 *
汤筠筠;包左军;李长城;杨涛;: "基站式道路气象站布设原理和方法", 公路, no. 08 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115835377A (zh) * 2023-01-09 2023-03-21 广州世炬网络科技有限公司 场馆内毫米波基站的位置确定方法、装置、设备及存储介质
CN115835377B (zh) * 2023-01-09 2023-07-04 广州世炬网络科技有限公司 场馆内毫米波基站的位置确定方法、装置、设备及存储介质
CN116564077A (zh) * 2023-04-12 2023-08-08 广州爱浦路网络技术有限公司 基于通信网络和数据管理技术的交通状况检测方法、装置和介质
CN116564077B (zh) * 2023-04-12 2024-03-15 广州爱浦路网络技术有限公司 基于通信网络和数据管理技术的交通状况检测方法、装置和介质

Also Published As

Publication number Publication date
CN114449533B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN114091561A (zh) 目标跟踪方法、装置、服务器和可读存储介质
US9069055B2 (en) Wireless positioning method and apparatus using wireless sensor network
Liu et al. Improving positioning accuracy using GPS pseudorange measurements for cooperative vehicular localization
US10909395B2 (en) Object detection apparatus
US10812941B2 (en) Positioning method and device
CN105787502A (zh) 用于物体融合的目标分类集合技术
KR102110813B1 (ko) 무선 환경 변화에 강인한 slam 방법 및 장치
CN114449533B (zh) 基站部署方法、环境感知方法、装置、计算机设备和存储介质
JP6736931B2 (ja) 立体物検出方法及び立体物検出装置
CN111340877B (zh) 一种车辆定位方法及装置
US20200256977A1 (en) Method and system for mapping and locating a vehicle based on radar measurements
CN114359848A (zh) 目标检测方法、装置、车端感知设备和存储介质
CN114067556B (zh) 环境感知方法、装置、服务器和可读存储介质
CN110837077A (zh) 一种声源位置校验方法及装置
CN112689234B (zh) 室内车辆定位方法、装置、计算机设备和存储介质
US11288554B2 (en) Determination method and determination device
Zou et al. Design of a practical WSN based fingerprint localization system
CN111624589B (zh) 基于天基无线电监测的海上目标数据融合系统及方法
CN114067555B (zh) 多基站数据的配准方法、装置、服务器和可读存储介质
Choi et al. Cooperative localization based on topology matching
CN114078325B (zh) 多感知系统配准方法、装置、计算机设备和存储介质
Mikhalev et al. Passive emitter geolocation using agent-based data fusion of AOA, TDOA and FDOA measurements
Mikhalev et al. Fusion of sensor data for source localization using the Hough transform
Lai et al. Method for the Automatic Generation and Application of Landmark Control Point Library
CN112614162B (zh) 基于空间优化策略的室内视觉快速匹配定位方法及系统

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