CN114858200B - 车辆传感器检测到的对象的质量评价方法及装置 - Google Patents
车辆传感器检测到的对象的质量评价方法及装置 Download PDFInfo
- Publication number
- CN114858200B CN114858200B CN202210408024.5A CN202210408024A CN114858200B CN 114858200 B CN114858200 B CN 114858200B CN 202210408024 A CN202210408024 A CN 202210408024A CN 114858200 B CN114858200 B CN 114858200B
- Authority
- CN
- China
- Prior art keywords
- quality evaluation
- evaluation value
- value
- quality
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013441 quality evaluation Methods 0.000 claims abstract description 262
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 238000001303 quality assessment method Methods 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 description 44
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000135164 Timea Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提供车辆传感器检测到的对象的质量评价方法及装置。用于提高传感器检测到的对象的质量评价结果的准确率。包括：每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值表示对象的运动状态，且质量指标表示对象的状态测量值的可信度；针对任一识别到的对象，基于对象的状态测量值，得到对象的第一质量评价值，并根据识别到对象的传感器的类型，确定对象的第二质量评价值；将所述第一质量评价值、第二质量评价值和第三质量评价值加权求和，得到对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的。
Description
技术领域
本发明涉及自动驾驶技术领域，特别涉及一种车辆传感器检测到的对象的质量评价方法及装置。
背景技术
随着人工智能技术的迅速发展，自动驾驶技术也快速发展起来。在自动驾驶领域，无需驾驶员对车辆进行操作，而是由车辆自动对周围环境进行数据采集，并根据采集的数据得到对象的状态测量值，然后基于状态测量值进行自动行驶。所以，采集到的对象的状态测量值的质量在自动驾驶过程中尤为重要。
现有技术中，传感器检测到的对象的质量评价方法是基于传感器报告的对象的状态测量值的质量指标确定出的，但是此方式比较依赖传感器，在某些工况下会出现，不同传感器报告的质量指标出现明显偏差甚至矛盾的情况。此时，得出的质量指标变得不可信赖。由此，导致质量评价的结果的准确率较低。
发明内容
本公开示例性的实施方式中提供一种车辆传感器检测到的对象的质量评价方法及装置，用于提高传感器检测到的对象的质量评价的结果的准确率。
本公开的第一方面提供一种车辆传感器检测到的对象的质量评价方法，所述方法包括：
每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
针对任意一个识别到的对象，基于所述对象的状态测量值，得到所述对象的第一质量评价值，以及，
根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值；
将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的。
本实施例中通过多维度来对对象进行质量评价，得到多个质量评价值，然后基于多个质量评价值得到该对象的总质量评价值。本实施不仅仅只依赖传感器得到的质量指标来进行质量评价，而是通过多维度的质量评价值得到对象的质量贫家结果，提高了传感器检测到的对象的质量评价结果的准确率。
在一个实施例中，所述基于所述对象的状态测量值，得到所述对象的第一质量评价值，包括：
根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；
利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；
基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值。
本实施例通过对象在周期内的状态测量值、状态估计值以及各自对应的置信度，来确定出对象的第一质量评价值，由此，本实施例中基于状态测量值结合状态估计值来确定出质量评价值，提高了第一质量评价值的准确率。
在一个实施例中，所述第二质量评价值包括基于识别到所述对象的传感器的类型确定出的第一中间质量评价值和/或基于所述车辆中各传感器的类型确定出的第二中间质量评价值；
所述根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值，包括：
若所述第二质量评价值包括第一中间质量评价值，则利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值，并将所述第一中间质量评价值确定为所述第二质量评价值；
若所述第二质量评价值包括第二中间质量评价值，则基于各正增量和/或各负增量，得到与所述对象相对应的总增量；根据所述对象的总增量，确定所述对象的第二中间质量评价值，并将所述第二中间质量评价值确定为所述第二质量评价值，其中，所述各正增量是基于识别到所述对象的各传感器的类型确定出的，以及所述各负增量是通过未识别到所述对象的各传感器的类型确定出的；
若所述第二质量评价值包括第一中间质量评价值和第二中间质量评价值，则将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值。
本实施例中通过传感器的类型确定出第二中间质量评价值，由此，本实施例结合传感器自身的情况来确定第二质量评价值，使得确定出的第二质量评价值更加准确。
在一个实施例中，所述基于确定出的各正增量和/或各负增量，得到与所述对象相对应的总增量，包括：
将确定出的所述各正增量和所述各负增量相加，得到所述总增量；
所述根据所述对象的总增量，确定所述对象的第二中间质量评价值，包括：
通过以下公式得到所述第二中间质量评价值：
S2＝x0+ln(x)；
其中，S2为所述第二中间质量评价值，x0为预设的初始增量，x为所述总增量。
在一个实施例中，所述对象的状态测量值的数量与本次指定时长内识别到所述对象的传感器的数量相同；
通过以下方式确定所述第三质量评价值：
若所述对象的状态测量值的数量为指定数量，则将所述对象状态测量值对应的质量指标确定为所述第三质量评价值；
若所述对象的状态测量值的数量大于所述指定数量，则利用预设的不确定推理理论算法对各质量指标进行置信度分析，得到所述各质量指标分别对应的置信度，并将置信度最高的质量指标确定所述第三质量评价值。
本实施例中利用预设的各质量指标分别对应的置信度来确定所述第三质量评价值，以此使得第三质量评价值的更加准确。
本公开第二方面提供一种车辆传感器检测到的对象的质量评价装置，所述装置包括：
传感器采集模块，用于每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
第一质量评价值确定模块，用于针对任意一个识别到的对象，基于所述对象的状态测量值，得到所述对象的第一质量评价值，以及，
第二质量评价值确定模块，用于根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值；
总质量评价值确定模块，用于将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的。
在一个实施例中，所述第一质量评价值确定模块，具体用于：
根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；
利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；
基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值。
在一个实施例中，所述第二质量评价值包括基于识别到所述对象的传感器的类型确定出的第一中间质量评价值和/或基于所述车辆中各传感器的类型确定出的第二中间质量评价值；
所述第二质量评价值确定模块，具体用于：
若所述第二质量评价值包括第一中间质量评价值，则利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值，并将所述第一中间质量评价值确定为所述第二质量评价值；
若所述第二质量评价值包括第二中间质量评价值，则基于各正增量和/或各负增量，得到与所述对象相对应的总增量；根据所述对象的总增量，确定所述对象的第二中间质量评价值，并将所述第二中间质量评价值确定为所述第二质量评价值，其中，所述各正增量是基于识别到所述对象的各传感器的类型确定出的，以及所述各负增量是通过未识别到所述对象的各传感器的类型确定出的；
若所述第二质量评价值包括第一中间质量评价值和第二中间质量评价值，则将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值。
在一个实施例中，所述第二质量评价值确定模块执行所述基于确定出的各正增量和/或各负增量，得到与所述对象相对应的总增量，具体用于：
将确定出的所述各正增量和所述各负增量相加，得到所述总增量；
所述第二质量评价值确定模块执行所述根据所述对象的总增量，确定所述对象的第二中间质量评价值，具体用于：
通过以下公式得到所述第二中间质量评价值：
S2＝x0+ln(x)；
其中，S2为所述第二中间质量评价值，x0为预设的初始增量，x为所述总增量。
在一个实施例中，所述对象的状态测量值的数量与本次指定时长内识别到所述对象的传感器的数量相同；所述装置还包括：
第三质量评价值确定模块，用于通过以下方式确定所述第三质量评价值：
若所述对象的状态测量值的数量为指定数量，则将所述对象状态测量值对应的质量指标确定为所述第三质量评价值；
若所述对象的状态测量值的数量大于所述指定数量，则利用预设的不确定推理理论算法对各质量指标进行置信度分析，得到所述各质量指标分别对应的置信度，并将置信度最高的质量指标确定所述第三质量评价值。
根据本公开实施例的第三方面，提供一种电子设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有被所述至少一个处理器执行的指令；所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
根据本公开实施例提供的第四方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行如第一方面所述的方法。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为根据本公开一个实施例的车辆传感器检测到的对象的质量评价方法的流程示意图之一；
图2为根据本公开一个实施例的确定第一质量评价值的流程示意；
图3为根据本公开一个实施例的确定第二质量评价值的流程示意；
图4为根据本公开一个实施例的车辆传感器检测到的对象的质量评价方法的流程示意图之二；
图5为根据本公开一个实施例的车辆传感器检测到的对象的质量评价装置；
图6为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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他实施例，都属于本公开保护的范围。
本公开实施例中术语“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。
本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
现有技术中，传感器检测到的对象的质量评价方法是基于传感器报告的对象的状态测量值的质量指标确定出的，但是此方式比较依赖传感器，在某些工况下会出现，不同传感器报告的质量指标出现明显偏差甚至矛盾的情况。此时，得出的质量指标变得不可信赖。由此，导致质量评价的结果的准确率较低。
因此，本公开提供一种车辆传感器检测到的对象的质量评价方法，通过多维度来对对象进行质量评价，得到多个质量评价值，然后基于多个质量评价值得到该对象的总质量评价值。本公开不仅仅只依赖传感器得到的质量指标来进行质量评价，而是通过多维度的质量评价值得到对象的质量贫家结果，提高了传感器检测到的对象的质量评价结果的准确率。下面，结合附图对本公开的方案详细的进行介绍。
如图1所示，为本公开的车辆传感器检测到的对象的质量评价方法的流程示意图，可包括以下步骤：
步骤101：每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
需要说明的是：传感器采集的数据包括对象的状态测量值以及与所述状态测量值相对应的质量指标。
步骤102：针对任意一个识别到的对象，基于所述对象的状态测量值，得到所述对象的第一质量评价值；
步骤103：根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值；
步骤104：将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的。
需要说明的是，第一质量评价值、第二质量评价值以及第三质量评价值分别对应的权重可根据实际情况来进行设置，本实施在此并不对其具体的值进行限定。
下面，分别对第一质量评价值、第二质量评价以及第三质量评价值各自的确定方式进行详细的介绍：
1、第一质量评价值：
如图2所示，为确定第一质量评价值的流程示意图，可包括以下步骤：
步骤201：根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；
其中，所述状态测量值包括对象的位置，对象的速度、对象的加速度。本实施例中的状态测量值和状态估计值均是以矩阵来进行描述的，具体的，将状态测量值对应的矩阵与状态估计值对应的矩阵进行相减，得到所述状态变化值。
下面，对位置、速度以及加速度的确定方式进行详细的介绍：
(1)加速度，本实施例中的加速度包括横向加速度和纵向加速度。
横向加速度是基于本次指定时长之前的至少一个指定时长内的横向加速度得到的，包括以下两种计算方式：
方式一：将本次指定时长的前一指定时长对应的横向加速度确定为本次指定时长对应的横向加速度。通过公式(1)得到所述横向加速度：
其中，
为本次指定时长对应的横向加速度，/>
为本次指定时长的前一指定时长对应的横向加速度。
方式二：将本次指定时长的前指定数量的指定时长分别的对应的横向加速度的平均值确定为本次指定时长对应的横向加速度。通过公式(2)得到所述横向加速度：
其中，
为本次指定时长的前一指定时长对应的横向加速度，/>
为本次指定时长的前n指定时长对应的横向加速度，n为所述指定数量。
纵向加速度是基于本次指定时长之前的至少一个指定时长内的纵向加速度得到的，包括以下两种计算方式：
方式一：将本次指定时长的前一指定时长对应的纵向加速度确定为本次指定时长对应的纵向加速度。通过公式(3)得到所述纵向加速度：
其中，
为本次指定时长对应的纵向加速度，/>
为本次指定时长的前一指定时长对应的纵向加速度。
方式二：将本次指定时长的前指定数量的指定时长分别对应的纵向加速度的平均值确定为本次指定时长对应的纵向加速度。通过公式(4)得到所述纵向加速度：
其中，
为本次指定时长的前一指定时长对应的纵向加速度，/>
为本次指定时长的前n指定时长对应的纵向加速度，n为所述指定数量。
(2)速度，本实施例中的速度包括横向速度和纵向速度。
横向速度是基于本次指定时长之前的至少一个指定时长对应的横向速度以及本次指定时长对应的横向加速度得到的，可包括以下两种方式：
方式一：利用本次指定时长对应的横向加速度以及所述指定时长，得到第一中间横向速度，基于所述第一中间横向速度以及所述本次指定时长的前一指定时长对应的横向速度得到本次指定时长对应的横向速度。通过公式(5)得到所述横向速度：
其中，
为本次指定时长对应的横向速度，/>
为本次指定时长的前一指定时长对应的横向速度，t为所述指定时长。
方式二：利用本次指定时长的对应的横向加速度以及所述指定时长，得到第二中间横向速度，基于所述第二中间横向速度以及本次指定时长的前指定数量的指定时长分别的对应的横向速度的平均值得到本次指定时长对应的横向速度。通过公式(6)得到所述横向速度：
其中，
为本次指定时长的前一指定时长对应的横向速度，/>
为本次指定时长的前n指定时长对应的横向速度，n为所述指定数量。
纵向速度是基于本次指定时长之前的至少一个指定时长对应的纵向速度以及本次指定时长对应的纵向加速度确定的，可包括以下两种方式：
方式一：利用本次指定时长对应的纵向加速度以及前一指定时长，得到第一中间纵向速度，基于所述第一中间纵向速度以及所述本次指定时长的前一指定时长对应的纵向速度得到本次指定时长对应的纵向速度。通过公式(7)得到所述纵向速度：
其中，
为本次指定时长对应的纵向速度，/>
为本次指定时长的前一指定时长对应的纵向速度。
方式二：利用本次指定时长对应的纵向加速度以及所述指定时长，得到第二中间纵向速度，基于所述第二中间纵向速度以及本次指定时长的前指定数量的指定时长分别对应的纵向速度的平均值得到本次指定时长对应的纵向速度。通过公式(8)得到所述纵向速度：
其中，
为本次指定时长的前一指定时长对应的纵向速度，/>
为本次指定时长的前n指定时长对应的纵向速度，n为所述指定数量。
3、位置，本实施中的位置包括横坐标和纵坐标。
横坐标是基于本次指定时长之前的至少一个指定时长内的横坐标得到的，包括以下两种计算方式：
方式一：利用本次指定时长对应的横向加速度以及所述指定时长，得到第一中间横坐标，并基于所述本次指定时长对应的横向速度以及所述指定时长，得到第二中间横坐标，利用所述第一中间横坐标、所述第二中间横坐标以及所述本次指定时长的前一指定时长对应的横坐标，得到所述本次指定时长对应的横坐标。通过以下公式(9)得到所述横坐标：
其中，
为本次指定时长对应的横坐标，/>
为本次指定时长的前一指定时长对应的横坐标，/>
为本次指定时长对应横向加速度。
方式二：利用本次指定时长对应的横向加速度以及所述指定时长，得到第三中间横坐标，并基于所述本次指定时长对应的横向速度以及所述指定时长，得到第四中间横坐标，利用所述第三中间横坐标、所述第四中间横坐标以及所述本次指定时长的前指定数量的指定时长对应的横坐标的平均值，得到所述本次指定时长对应的横坐标。通过以下公式(10)得到所述横坐标：
其中，
为本次指定时长对应的横坐标，/>
为本次指定时长的前一指定时长对应的横向位置坐标，/>
为本次指定时长的前n指定时长对应的横向位置坐标，n为所述指定数量，/>
为本次指定时长对应横向加速度。
纵坐标是基于本次指定时长之前的至少一个指定时长内的纵坐标得到的，包括以下两种计算方式：
方式一：利用本次指定时长对应的纵向加速度以及所述指定时长，得到第一中间纵坐标，并基于所述本次指定时长对应的纵向速度以及所述指定时长，得到第二中间纵坐标，利用所述第一中间纵坐标、所述第二中间纵坐标以及所述本次指定时长的前一指定时长对应的纵坐标，得到所述本次指定时长对应的纵坐标。通过以下公式(11)得到所述纵坐标：
其中，
为本次指定时长对应的纵坐标，/>
为本次指定时长的前一指定时长对应的纵坐标，/>
为本次指定时长对应纵向加速度。
方式二：利用本次指定时长对应的纵向加速度以及所述指定时长，得到第三中间纵坐标，并基于所述本次指定时长对应的纵向速度以及所述指定时长，得到第四中间纵坐标，利用所述第三中间纵坐标、所述第四中间纵坐标以及所述本次指定时长的前指定数量的指定时长对应的纵坐标的平均值，得到所述本次指定时长对应的纵坐标。通过以下公式(12)得到所述纵坐标：
其中，
为本次指定时长对应的纵坐标，/>
为本次指定时长的前一指定时长对应的纵坐标，/>
为本次指定时长的前n指定时长对应的纵坐标，n为所述指定数量，
为本次指定时长对应纵向加速度。
需要说明的是：本实施例中的指定数量可根据实际情况来进行设置，本实施在并进行限定。
步骤202：利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；
在一个实施例中，通过公式(13)得到所述状态测量值对应的置信度：
Pt＝A×Pt-1×AT+Q；
其中，Pt为所述状态测量值对应的置信度，A为所述状态测量值，AT为所述状态测量值对应的转置矩阵，Q为预设的误差，Pt-1为上一指定时长的状态估计值的置信度或本次指定时长的前指定数量的指定时长对应的状态测量值对应的置信度的平均值。
步骤203：基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值。
在一个实施例中，通过公式(14)得到所述对象的第一质量评价值：
其中，S1为第一质量评价值，ΔM为所述状态变化量，Pt为本次指定时长内状态测量值对应置信度，R为预设阈值。
2、第二质量评价值：
所述第二质量评价值包括基于识别到所述对象的传感器的类型确定出的第一中间质量评价值和/或基于所述车辆中各传感器的类型确定出的第二中间质量评价值；其中，可通过以下三种方式确定出所述第二质量评价值：
方式一：若所述第二质量评价值包括第一中间质量评价值，则利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值，并将所述第一中间质量评价值确定为所述第二质量评价值；
在一个实施例中，将识别到所述对象的各传感器分别对应的置信度相加，得到所述第一中间质量评价值。
方式二：如图3所示，为确定第二质量评价值的流程示意图，包括以下步骤：
步骤301：若所述第二质量评价值包括第二中间质量评价值，则基于各正增量和/或各负增量，得到与所述对象相对应的总增量；其中，所述各正增量是基于识别到所述对象的各传感器的类型确定出的，以及所述各负增量是通过未识别到所述对象的各传感器的类型确定出的；
在一个实施例中，通过以下方式确定与所述对象相对应的总增量：
将确定出的所述各正增量和所述各负增量相加，得到所述总增量。
下面，对确定正增量和负增量的具体方式进行详细的介绍：
利用预设的传感器的类型和正增量的对应关系，确定与识别到所述对象的传感器相对应的正增量。
利用预设的传感器的类型和负增量的对应关系，确定与未识别到所述对象的传感器相对应的负增量。
步骤302：据所述对象的总增量，确定所述对象的第二中间质量评价值，并将所述第二中间质量评价值确定为所述第二质量评价值。
在一个实施例中，通过公式(15)得到所述第二中间质量评价值：
S2＝x0+ln(x)……(15)；
其中，S2为所述第二中间质量评价值，x0为预设的初始增量，x为所述总增量。
方式三：若所述第二质量评价值包括第一中间质量评价值和第二中间质量评价值，则将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值。
需要说明的是：第一中间质量评价值和第二中间质量评价值各自的权要可根据实际情况来进行设置，本实施例在此并不进行限定。
3、第三质量评价值：
首先，需要说明的值，状态测量值的数量与本次指定时长内识别到所述对象的传感器的数量相同。第三质量评价值的确定方式主要包括以下两种：
方式一：若所述对象的状态测量值的数量为指定数量，则将所述对象状态测量值对应的质量指标确定为所述第三质量评价值。
方式二：若所述对象的状态测量值的数量大于所述指定数量，则利用预设的不确定推理理论算法对各质量指标进行置信度分析，得到所述各质量指标分别对应的置信度，并将置信度最高的质量指标确定所述第三质量评价值。
为了进一步的了解本公开的技术方案，下面结合图4进行详细的说明，可包括以下步骤：
步骤401：每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
步骤402：根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；
步骤403：利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；
步骤404：基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值；
步骤405：利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值；
步骤406：基于各正增量和/或各负增量，得到与所述对象相对应的总增量；
步骤407：根据所述对象的总增量，确定所述对象的第二中间质量评价值；
步骤408：将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值；
步骤409：将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的。
基于相同的公开构思，本公开如上所述的车辆传感器检测到的对象的质量评价方法还可以由一种车辆传感器检测到的对象的质量评价装置实现。该车辆传感器检测到的对象的质量评价装置的效果与前述方法的效果相似，在此不再赘述。
图5为根据本公开一个实施例的车辆传感器检测到的对象的质量评价装置的结构示意图。
如图5所示，本公开的车辆传感器检测到的对象的质量评价装置500可以包括传感器采集模块510、第一质量评价值确定模块520、第二质量评价值确定模块530和总质量评价值确定模块540。
传感器采集模块510，用于每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
第一质量评价值确定模块520，用于针对任意一个识别到的对象，基于所述对象的状态测量值，得到所述对象的第一质量评价值；
第二质量评价值确定模块530，用于根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值；
总质量评价值确定模块540，用于将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的。
在一个实施例中，所述第一质量评价值确定模块520，具体用于：
根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；
利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；
基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值。
在一个实施例中，所述第二质量评价值包括基于识别到所述对象的传感器的类型确定出的第一中间质量评价值和/或基于所述车辆中各传感器的类型确定出的第二中间质量评价值；
所述第二质量评价值确定模块530，具体用于：
若所述第二质量评价值包括第一中间质量评价值，则利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值，并将所述第一中间质量评价值确定为所述第二质量评价值；
若所述第二质量评价值包括第二中间质量评价值，则基于各正增量和/或各负增量，得到与所述对象相对应的总增量；根据所述对象的总增量，确定所述对象的第二中间质量评价值，并将所述第二中间质量评价值确定为所述第二质量评价值，其中，所述各正增量是基于识别到所述对象的各传感器的类型确定出的，以及所述各负增量是通过未识别到所述对象的各传感器的类型确定出的；
若所述第二质量评价值包括第一中间质量评价值和第二中间质量评价值，则将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值。
在一个实施例中，所述第二质量评价值确定模块530执行所述基于确定出的各正增量和/或各负增量，得到与所述对象相对应的总增量，具体用于：
将确定出的所述各正增量和所述各负增量相加，得到所述总增量；
所述第二质量评价值确定模块530执行所述根据所述对象的总增量，确定所述对象的第二中间质量评价值，具体用于：
通过以下公式得到所述第二中间质量评价值：
S2＝x0+ln(x)；
其中，S2为所述第二中间质量评价值，x0为预设的初始增量，x为所述总增量。
在一个实施例中，所述对象的状态测量值的数量与本次指定时长内识别到所述对象的传感器的数量相同；所述装置还包括：
第三质量评价值确定模块550，用于通过以下方式确定所述第三质量评价值：
若所述对象的状态测量值的数量为指定数量，则将所述对象状态测量值对应的质量指标确定为所述第三质量评价值；
若所述对象的状态测量值的数量大于所述指定数量，则利用预设的不确定推理理论算法对各质量指标进行置信度分析，得到所述各质量指标分别对应的置信度，并将置信度最高的质量指标确定所述第三质量评价值。
在介绍了本公开示例性实施方式的一种车辆传感器检测到的对象的质量评价方法及设备之后，接下来，介绍根据本公开的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中，计算机存储介质存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的车辆传感器检测到的对象的质量评价方法中的步骤。例如，处理器可以执行如图1中所示的步骤101-104。
下面参照图6来描述根据本公开的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600以通用电子设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理器601、上述至少一个计算机存储介质602、连接不同系统组件(包括计算机存储介质602和处理器601)的总线603。
总线603表示几类总线结构中的一种或多种，包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
计算机存储介质602可以包括易失性计算机存储介质形式的可读介质，例如随机存取计算机存储介质(RAM)621和/或高速缓存存储介质622，还可以进一步包括只读计算机存储介质(ROM)623。
计算机存储介质602还可以包括具有一组(至少一个)程序模块624的程序/实用工具625，这样的程序模块624包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备600也可以与一个或多个外部设备604(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口605进行。并且，电子设备600还可以通过网络适配器606与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器606通过总线603与用于电子设备600的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本公开提供的一种车辆传感器检测到的对象的质量评价方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的车辆传感器检测到的对象的质量评价方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本公开的实施方式的车辆传感器检测到的对象的质量评价的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本公开是参照根据本公开的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中，使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。
Claims (6)
1.一种车辆传感器检测到的对象的质量评价方法，其特征在于，所述方法包括：
每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
针对任意一个识别到的对象，基于所述对象的状态测量值，得到所述对象的第一质量评价值，具体包括：根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值；
根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值，其中，所述第二质量评价值包括基于识别到所述对象的传感器的类型确定出的第一中间质量评价值和/或基于所述车辆中各传感器的类型确定出的第二中间质量评价值；通过以下方式确定所述第二质量评价值：
若所述第二质量评价值包括第一中间质量评价值，则利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值，并将所述第一中间质量评价值确定为所述第二质量评价值；
若所述第二质量评价值包括第二中间质量评价值，则基于各正增量和/或各负增量，得到与所述对象相对应的总增量；根据所述对象的总增量，确定所述对象的第二中间质量评价值，并将所述第二中间质量评价值确定为所述第二质量评价值，所述各正增量是基于识别到所述对象的各传感器的类型确定出的，以及所述各负增量是通过未识别到所述对象的各传感器的类型确定出的；
若所述第二质量评价值包括第一中间质量评价值和第二中间质量评价值，则将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值；
将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的，其中，所述对象的状态测量值的数量与本次指定时长内识别到所述对象的传感器的数量相同；通过以下方式得到所述第三质量评价值：
若所述对象的状态测量值的数量为指定数量，则将所述对象状态测量值对应的质量指标确定为所述第三质量评价值；
若所述对象的状态测量值的数量大于所述指定数量，则利用预设的不确定推理理论算法对各质量指标进行置信度分析，得到所述各质量指标分别对应的置信度，并将置信度最高的质量指标确定所述第三质量评价值。
2.根据权利要求1所述的方法，其特征在于，所述基于确定出的各正增量和/或各负增量，得到与所述对象相对应的总增量，包括：
将确定出的所述各正增量和所述各负增量相加，得到所述总增量；
所述根据所述对象的总增量，确定所述对象的第二中间质量评价值，包括：
通过以下公式得到所述第二中间质量评价值
；
其中，
为所述第二中间质量评价值，/>
为预设的初始增量，x为所述总增量。
3.一种车辆传感器检测到的对象的质量评价装置，其特征在于，所述装置包括：
传感器采集模块，用于每隔指定时长，通过车辆中的各传感器采集的数据，得到所述传感器检测到的对象的状态测量值以及与所述状态测量值对应的质量指标，其中，所述状态测量值用于表示所述对象的运动状态，且所述质量指标用于表示所述对象的状态测量值的可信度；
第一质量评价值确定模块，用于针对任意一个识别到的对象，基于所述对象的状态测量值，得到所述对象的第一质量评价值；其中，所述第一质量评价值确定模块，具体用于：根据所述对象的状态测量值以及状态估计值，得到状态变化值，其中，所述状态估计值是基于所述对象在本次指定时长之前的至少一个指定时长内得到的状态测量值确定的；利用所述对象的状态测量值以及与本次指定时长之前的至少一个指定时长内的状态测量值对应的置信度，得到与所述状态测量值对应的置信度；基于所述状态变化值以及所述状态测量值的置信度，得到所述对象第一质量评价值；
第二质量评价值确定模块，用于根据识别到所述对象的传感器的类型，确定所述对象的第二质量评价值，其中，所述第二质量评价值包括基于识别到所述对象的传感器的类型确定出的第一中间质量评价值和/或基于所述车辆中各传感器的类型确定出的第二中间质量评价值；所述第二质量评价值确定模块，具体用于：
若所述第二质量评价值包括第一中间质量评价值，则利用预设的传感器的类型与置信度的对应的关系，确定与识别到所述对象的各传感器分别对应的置信度，并基于各传感器的置信度，得到所述对象的第一中间质量评价值，并将所述第一中间质量评价值确定为所述第二质量评价值；
若所述第二质量评价值包括第二中间质量评价值，则基于各正增量和/或各负增量，得到与所述对象相对应的总增量；根据所述对象的总增量，确定所述对象的第二中间质量评价值，并将所述第二中间质量评价值确定为所述第二质量评价值，其中，所述各正增量是基于识别到所述对象的各传感器的类型确定出的，以及所述各负增量是通过未识别到所述对象的各传感器的类型确定出的；
若所述第二质量评价值包括第一中间质量评价值和第二中间质量评价值，则将所述第一中间质量评价值和所述第二中间质量评价值加权求和，得到所述第二质量评价值；
总质量评价值确定模块，用于将所述第一质量评价值、所述第二质量评价值以及第三质量评价值进行加权求和，得到所述对象的总质量评价值，其中，所述第三质量评价值是基于与所述对象的状态测量值对应的质量指标确定出的，所述对象的状态测量值的数量与本次指定时长内识别到所述对象的传感器的数量相同；
第三质量评价值确定模块，用于通过以下方式确定所述第三质量评价值：
若所述对象的状态测量值的数量为指定数量，则将所述对象状态测量值对应的质量指标确定为所述第三质量评价值；
若所述对象的状态测量值的数量大于所述指定数量，则利用预设的不确定推理理论算法对各质量指标进行置信度分析，得到所述各质量指标分别对应的置信度，并将置信度最高的质量指标确定所述第三质量评价值。
4.根据权利要求3所述的装置，其特征在于，所述第二质量评价值确定模块执行所述基于确定出的各正增量和/或各负增量，得到与所述对象相对应的总增量，具体用于：
将确定出的所述各正增量和所述各负增量相加，得到所述总增量；
所述第二质量评价值确定模块执行所述根据所述对象的总增量，确定所述对象的第二中间质量评价值，具体用于：
通过以下公式得到所述第二中间质量评价值
；
其中，
为所述第二中间质量评价值，/>
为预设的初始增量，x为所述总增量。
5.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有被所述至少一个处理器执行的指令；所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1-2中任一项所述的方法。
6.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行根据权利要求1-2中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210408024.5A CN114858200B (zh) | 2022-04-19 | 2022-04-19 | 车辆传感器检测到的对象的质量评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210408024.5A CN114858200B (zh) | 2022-04-19 | 2022-04-19 | 车辆传感器检测到的对象的质量评价方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114858200A CN114858200A (zh) | 2022-08-05 |
| CN114858200B true CN114858200B (zh) | 2023-06-27 |
Family
ID=82630731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210408024.5A Active CN114858200B (zh) | 2022-04-19 | 2022-04-19 | 车辆传感器检测到的对象的质量评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114858200B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8587770B1 (en) * | 2008-09-24 | 2013-11-19 | Jetprotect Corporation | Aircraft collision warning system |
| CN103428733A (zh) * | 2013-07-15 | 2013-12-04 | 上海华为技术有限公司 | 一种预测方法和装置 |
| CN108001456A (zh) * | 2016-11-02 | 2018-05-08 | 福特全球技术公司 | 基于车辆通信的对象分类调整 |
| CN108983213A (zh) * | 2018-09-07 | 2018-12-11 | 百度在线网络技术（北京）有限公司 | 障碍物静止状态的确定方法、装置、设备及存储介质 |
| CN109635868A (zh) * | 2018-12-10 | 2019-04-16 | 百度在线网络技术（北京）有限公司 | 障碍物类别的确定方法、装置、电子设备及存储介质 |
| CN109738884A (zh) * | 2018-12-29 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 对象检测方法、装置和计算机设备 |
| CN110497908A (zh) * | 2018-05-16 | 2019-11-26 | 通用汽车环球科技运作有限责任公司 | 自动驾驶系统和使用传感器融合进行智能车辆控制的控制逻辑 |
| CN111133447A (zh) * | 2018-02-18 | 2020-05-08 | 辉达公司 | 适于自主驾驶的对象检测和检测置信度 |
| CN111488776A (zh) * | 2019-01-25 | 2020-08-04 | 北京地平线机器人技术研发有限公司 | 对象检测方法、对象检测装置和电子设备 |
| CN112465193A (zh) * | 2020-11-09 | 2021-03-09 | 苏州挚途科技有限公司 | 多传感器数据融合的参数优化方法及装置 |
| CN113066048A (zh) * | 2021-02-27 | 2021-07-02 | 华为技术有限公司 | 一种分割图置信度确定方法及装置 |
| CN113313154A (zh) * | 2021-05-20 | 2021-08-27 | 四川天奥空天信息技术有限公司 | 一体化融合多传感器自动驾驶智能感知装置 |
| CN113470070A (zh) * | 2021-06-24 | 2021-10-01 | 国汽(北京)智能网联汽车研究院有限公司 | 驾驶场景目标跟踪方法、装置、设备及存储介质 |
| CN113514806A (zh) * | 2021-04-02 | 2021-10-19 | 苏州挚途科技有限公司 | 自动驾驶过程中障碍物确定方法、装置及电子设备 |
| CN114296095A (zh) * | 2021-12-17 | 2022-04-08 | 芜湖雄狮汽车科技有限公司 | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 |
| CN114359865A (zh) * | 2021-12-30 | 2022-04-15 | 广州赛特智能科技有限公司 | 一种障碍物的检测方法及相关装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9472098B2 (en) * | 2015-01-15 | 2016-10-18 | International Business Machines Corporation | Vehicle-based abnormal travel event detecting and reporting |
| CN107451446B (zh) * | 2017-07-18 | 2020-05-26 | Oppo广东移动通信有限公司 | 解锁控制方法及相关产品 |
| IL270540A (en) * | 2018-12-26 | 2020-06-30 | Yandex Taxi Llc | Method and system for training a machine learning algorithm to recognize objects from a distance |
| US11586914B2 (en) * | 2019-01-11 | 2023-02-21 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for evaluating perception systems for autonomous vehicles using quality temporal logic |
| AU2021262764B2 (en) * | 2020-04-28 | 2023-11-30 | Raven Industries, Inc. | Object detection and tracking for automated operation of vehicles and machinery |
| US11967161B2 (en) * | 2020-06-26 | 2024-04-23 | Amazon Technologies, Inc. | Systems and methods of obstacle detection for automated delivery apparatus |
| US11361201B2 (en) * | 2020-10-08 | 2022-06-14 | Argo AI, LLC | Systems and methods for determining an object type and an attribute for an observation based on fused sensor data |
-
2022
- 2022-04-19 CN CN202210408024.5A patent/CN114858200B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8587770B1 (en) * | 2008-09-24 | 2013-11-19 | Jetprotect Corporation | Aircraft collision warning system |
| CN103428733A (zh) * | 2013-07-15 | 2013-12-04 | 上海华为技术有限公司 | 一种预测方法和装置 |
| CN108001456A (zh) * | 2016-11-02 | 2018-05-08 | 福特全球技术公司 | 基于车辆通信的对象分类调整 |
| CN111133447A (zh) * | 2018-02-18 | 2020-05-08 | 辉达公司 | 适于自主驾驶的对象检测和检测置信度 |
| CN110497908A (zh) * | 2018-05-16 | 2019-11-26 | 通用汽车环球科技运作有限责任公司 | 自动驾驶系统和使用传感器融合进行智能车辆控制的控制逻辑 |
| CN108983213A (zh) * | 2018-09-07 | 2018-12-11 | 百度在线网络技术（北京）有限公司 | 障碍物静止状态的确定方法、装置、设备及存储介质 |
| CN109635868A (zh) * | 2018-12-10 | 2019-04-16 | 百度在线网络技术（北京）有限公司 | 障碍物类别的确定方法、装置、电子设备及存储介质 |
| CN109738884A (zh) * | 2018-12-29 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 对象检测方法、装置和计算机设备 |
| CN111488776A (zh) * | 2019-01-25 | 2020-08-04 | 北京地平线机器人技术研发有限公司 | 对象检测方法、对象检测装置和电子设备 |
| CN112465193A (zh) * | 2020-11-09 | 2021-03-09 | 苏州挚途科技有限公司 | 多传感器数据融合的参数优化方法及装置 |
| CN113066048A (zh) * | 2021-02-27 | 2021-07-02 | 华为技术有限公司 | 一种分割图置信度确定方法及装置 |
| CN113514806A (zh) * | 2021-04-02 | 2021-10-19 | 苏州挚途科技有限公司 | 自动驾驶过程中障碍物确定方法、装置及电子设备 |
| CN113313154A (zh) * | 2021-05-20 | 2021-08-27 | 四川天奥空天信息技术有限公司 | 一体化融合多传感器自动驾驶智能感知装置 |
| CN113470070A (zh) * | 2021-06-24 | 2021-10-01 | 国汽(北京)智能网联汽车研究院有限公司 | 驾驶场景目标跟踪方法、装置、设备及存储介质 |
| CN114296095A (zh) * | 2021-12-17 | 2022-04-08 | 芜湖雄狮汽车科技有限公司 | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 |
| CN114359865A (zh) * | 2021-12-30 | 2022-04-15 | 广州赛特智能科技有限公司 | 一种障碍物的检测方法及相关装置 |
Non-Patent Citations (3)
| Title |
|---|
| 传感器在汽车电子控制系统中的应用;赵玉成;袁帅;马斌强;李勉;赵仲麟;袁超;顿文涛;;农业网络信息(04);全文 * |
| 智能车辆的障碍物检测研究方法综述;王荣本;赵一兵;李琳辉;张明恒;;公路交通科技(11);全文 * |
| 自动驾驶汽车感知系统概述;谢卉瑜;杜志彬;孙亚轩;;时代汽车(18);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114858200A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059894B (zh) | 设备状态评估方法、装置、系统及存储介质 | |
| EP3739520A1 (en) | Method and apparatus for highly efficient exploring environment on metacognition | |
| TWI687711B (zh) | 震央距離推定裝置、震央距離推定方法及電腦可讀取之記錄媒體 | |
| CN114444608B (zh) | 数据集质量评估方法及装置、电子设备及存储介质 | |
| CN115979310B (zh) | 一种惯导系统性能退化评估方法、系统、电子设备及介质 | |
| CN112305418A (zh) | 一种基于混合噪声双重滤波的电机系统故障诊断方法 | |
| CN114066262A (zh) | 一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质 | |
| KR20190078850A (ko) | 동적 전이 앙상블 모형을 통한 실시간 다변량 시계열 예측방법 및 그 시스템 | |
| CN116519021A (zh) | 一种惯性导航系统故障诊断方法、系统及设备 | |
| CN114564345A (zh) | 一种服务器异常检测方法、装置、设备及存储介质 | |
| CN114858200B (zh) | 车辆传感器检测到的对象的质量评价方法及装置 | |
| JPWO2011093011A1 (ja) | 情報処理装置及び情報処理方法 | |
| US20200192342A1 (en) | Causal relationship learning method, program, device, and anomaly analysis system | |
| US10528883B2 (en) | Hybrid estimation of transition probability values in markov decision processes | |
| CN116176531A (zh) | 开度调节的性能指标的确定方法、装置和存储介质 | |
| KR102124425B1 (ko) | 시계열 데이터 예측 모델 평가 방법 및 장치 | |
| CN109711555B (zh) | 一种预测深度学习模型单轮迭代时间的方法和系统 | |
| CN114500075B (zh) | 用户异常行为检测方法、装置、电子设备及存储介质 | |
| CN115952916A (zh) | 基于人工智能的风电功率预测误差修正方法、装置及设备 | |
| CN115563810A (zh) | 丝杆寿命预测方法、装置、电子设备及可读存储介质 | |
| CN113986700A (zh) | 数据采集频率的优化方法、系统、装置及存储介质 | |
| US20220101196A1 (en) | Device for and computer implemented method of machine learning | |
| US20230297095A1 (en) | Monitoring device and method for detecting anomalies | |
| EP4012667A2 (en) | Data preparation for artificial intelligence models | |
| CN117634555A (zh) | 基于运动约束Transformer的数值传感器可信性自评估方法和系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant after: United New Energy Automobile Co.,Ltd. Address before: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant before: Hezhong New Energy Vehicle Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Quality evaluation method and device for objects detected by vehicle sensors Granted publication date: 20230627 Pledgee: Tongxiang Science and Technology Entrepreneurship Service Center Co.,Ltd. Pledgor: United New Energy Automobile Co.,Ltd. Registration number: Y2024330000709 |