CN115900731A - 一种航迹数据集的管理方法、装置、设备及存储介质 - Google Patents
一种航迹数据集的管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115900731A CN115900731A CN202211287782.2A CN202211287782A CN115900731A CN 115900731 A CN115900731 A CN 115900731A CN 202211287782 A CN202211287782 A CN 202211287782A CN 115900731 A CN115900731 A CN 115900731A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- flight path
- data set
- track
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种航迹数据集的管理方法、装置、设备及存储介质。该方法还包括:响应于检测到至少一个传感器分别采集到的观测数据,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;针对每个待处理航迹,基于预设证据列表以及待处理航迹对应的传感器关联数据,确定待处理航迹的预测存在概率;基于待处理航迹数据集中各待处理航迹分别对应的预测存在概率,确定目标航迹数据集。本发明实施例解决了现有的航迹数据集的管理方法确定的航迹数据集准确度不高的问题,降低了障碍物目标的误检率和漏检率,提高了智能驾驶的感知性能和安全性能。
Description
技术领域
本发明涉及车辆驾驶技术领域,尤其涉及一种航迹数据集的管理方法、装置、设备及存储介质。
背景技术
智能驾驶是工业革命与信息化相结合的一项技术变革,随着驾驶场景的复杂程度增加,对智能驾驶的智能感知技术的要求也越来越高。
航迹关联是智能感知技术的重要组成部分,其中,航迹关联过程中的航迹数据集的准确度对智能驾驶的感知性能影响较大。
现有的航迹数据集的管理方法存在确定的航迹数据集准确度不高的问题,从而提高了障碍物目标的误检率和漏检率,使得智能驾驶的感知性能降低,为下游决策和控制造成干扰。
发明内容
本发明实施例提供了一种航迹数据集的管理方法、装置、设备及存储介质,以解决现有的航迹数据集的管理方法确定的航迹数据集准确度不高的问题,降低障碍物目标的误检率和漏检率,提高智能驾驶的感知性能和安全性能。
根据本发明一个实施例提供了一种航迹数据集的管理方法,该方法包括:
响应于检测到至少一个传感器分别采集到的观测数据,基于各所述观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;
获取所述待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;其中,所述传感器关联数据表征所述待处理航迹与各所述传感器的关联情况;
针对每个待处理航迹,基于预设证据列表以及所述待处理航迹对应的传感器关联数据,确定所述待处理航迹的预测存在概率;其中,所述预设证据列表表征各所述传感器检测出障碍物目标的确定程度;
基于所述待处理航迹数据集中各所述待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
根据本发明另一个实施例提供了一种航迹数据集的管理装置,该装置包括:
待处理航迹数据集确定模块,用于响应于检测到至少一个传感器分别采集到的观测数据,基于各所述观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;
传感器关联数据获取模块,用于获取所述待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;其中,所述传感器关联数据表征所述待处理航迹与各所述传感器的关联情况;
预测存在概率确定模块,用于针对每个待处理航迹,基于预设证据列表以及所述待处理航迹对应的传感器关联数据,确定所述待处理航迹的预测存在概率;其中,所述预设证据列表表征各所述传感器检测出障碍物目标的确定程度;
目标航迹数据集确定模块,用于基于所述待处理航迹数据集中各所述待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
根据本发明另一个实施例提供了一种电子设备,所述电子设备包括:
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,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序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本发明任一实施例所述的航迹数据集的管理方法。
根据本发明另一个实施例,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的航迹数据集的管理方法。
本发明实施例的技术方案,通过基于检测到的至少一个传感器分别采集到的观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集,获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据,其中,传感器关联数据表征待处理航迹与各传感器的关联情况,基于预设证据列表以及各传感器关联数据,确定各待处理航迹分别对应的预测存在概率,其中,预设证据列表表征各传感器检测出障碍物目标的确定程度,基于各预测存在概率,确定目标航迹数据集,解决了现有的航迹数据集的管理方法确定的航迹数据集准确度不高的问题,降低了障碍物目标的误检率和漏检率,提高了智能驾驶的感知性能和安全性能。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种航迹数据集的管理方法的流程图;
图2为本发明一个实施例所提供的另一种航迹数据集的管理方法的流程图;
图3为本发明一个实施例所提供的另一种航迹数据集的管理方法的流程图;
图4为本发明一个实施例所提供的一种航迹数据集的管理方法的具体实例的流程图;
图5为本发明一个实施例所提供的一种航迹数据集的管理装置的结构示意图;
图6为本发明一个实施例所提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明一个实施例所提供的一种航迹数据集的管理方法的流程图,本实施例可适用于在智能驾驶场景中,对多传感器融合过程中使用的航迹数据集进行管理的情况,该方法可以由航迹数据集的管理装置来执行,该航迹数据集的管理装置可以采用硬件和/或软件的形式实现,该航迹数据集的管理装置可配置于终端设备中。如图1所示,该方法包括:
S110、响应于检测到至少一个传感器分别采集到的观测数据,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集。
其中,示例性的,至少一个传感器包括但不限于超声波雷达、单目摄像头、双目摄像头、三目摄像头、环视摄像头、夜视设备、红外传感器、毫米波雷达和激光雷达等等。此处对车辆上设置的传感器的具体数量和具体类型不作限定,用户可根据实际需求自定义安装设置。
其中,示例性的,观测数据包括但不限于时间戳、坐标数据、速度数据和尺寸数据等等。
在一个可选实施例中,在基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集之前,该方法还包括:在传感器的数量为至少两个的情况下,基于各观测数据中的时间戳,对各观测数据执行时间对齐操作,得到时间对齐的至少两个观测数据,基于各传感器分别对应的标定坐标数据,对时间对齐后的各观测数据执行空间对齐操作,得到时空对齐的至少两个观测数据。
这样设置的好处在于,保证多个观测数据在时间和空间上的一致性,可以提高后续关联步骤的准确度,从而进一步可以提高确定的预测存在概率的准确度。
其中,具体的,历史航迹数据集中包含至少一个历史航迹,其中,历史航迹是基于在当前触发时刻之前的历史触发时刻检测到的各观测数据生成的。
在一个可选实施例中,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集,包括:针对每个观测数据,在历史航迹数据集中不存在与观测数据关联的历史航迹的情况下,基于观测数据,生成新建航迹,并将新建航迹作为待处理航迹添加到待处理航迹数据集中;在历史航迹数据集中存在与观测数据关联的历史航迹的情况下,基于观测数据对关联的历史航迹执行更新操作,并将更新后的历史航迹作为待处理航迹添加到待处理航迹数据集中。
其中,示例性的,采用的关联算法包括但不限于匈牙利分配算法、最近邻算法、基于统计数学的方法、基于模糊数学的方法、神经网络算法或概率数据关联算法等等,此处对采用的关联算法不作限定。
S120、获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据。
在本实施例中,传感器关联数据表征待处理航迹与各传感器的关联情况。
在一个可选实施例中,传感器关联数据包括关联传感器集合和未关联传感器集合,相应的,获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据,包括:针对每个待处理航迹,获取与待处理航迹对应的初始传感器集合;将初始传感器集合中与待处理航迹关联的传感器作为关联传感器,并将关联传感器添加到传感器关联数据中的关联传感器集合中;将初始传感器集合中与待处理航迹未关联的传感器作为未关联传感器,并将未关联传感器添加到传感器关联数据中的未关联传感器集合中。
在一个可选实施例中,获取与待处理航迹对应的初始传感器集合,包括:将所有传感器均添加到待处理航迹对应的初始传感器集合中。
在另一个可选实施例中,获取与待处理航迹对应的初始传感器集合,包括:获取各传感器分别对应的当前观测范围以及待处理航迹中的最新坐标数据;将包含最新坐标数据的当前观测范围对应的传感器添加到待处理航迹的初始传感器集合中。
其中,示例性的,假设传感器1的当前观测范围包含待处理航迹A中的最新坐标数据,则将传感器1添加到待处理航迹A的初始传感器集合中。
这样设置的好处在于,传感器对于位于其近端采集到的观测数据的可靠性要高于对于位于其远端采集到的观测数据的可靠性,本实施通过判断最新坐标数据相对于传感器的距离,对多个传感器进行筛选,可以进一步提高后续确定的预测存在概率的准确度。
其中,具体的,基于各传感器分别对应的观测数据与待处理航迹的关联情况,对各传感器进行分类。示例性的,假设传感器1的观测数据与待处理航迹A关联,则将传感器1添加到待处理航迹A对应的关联传感器集合中,假设传感器1的观测数据与待处理航迹A未关联,则将传感器1添加到待处理航迹A对应的未关联传感器集合中。
其中,具体的,待处理航迹对应的关联传感器集合和未关联传感器集合都有可能为空集,但关联传感器集合和未关联传感器集合不会同时为空集。具体的,当关联传感器集合为空集时,未关联传感器集合即为初始传感器集合,当未关联传感器集合为空集时,关联传感器集合即为初始传感器集合。
S130、针对每个待处理航迹,基于预设证据列表以及待处理航迹对应的传感器关联数据,确定待处理航迹的预测存在概率。
在本实施例中,预设证据列表表征各传感器检测出障碍物目标的确定程度。
在一个可选实施例中,预设证据列表中包含各传感器分别对应的存在证据数据和不存在证据数据,其中,存在证据数据包括第一存在概率、第一不存在概率和第一未知概率,不存在证据数据包括第二存在概率、第二不存在概率和第二未知概率,第一不存在概率和第二存在概率均为0。
表1为本发明一个实施例所提供的一种示例性的预设证据列表。
需要说明的是,此处对预设证据列表中的具体概率值不作限定,用户可进行自定义设置。可参考的,传感器采集到的观测数据的精确度越高,则该传感器对应的存在证据数据中的存在概率越大,传感器采集到的观测数据的可召回率越高,则该传感器对应的不存在证据数据中的不存在概率越大。
在本实施例中,基于预设证据列表以及待处理航迹对应的传感器关联数据,确定待处理航迹的预测存在概率,包括:获取预设证据列表中与关联传感器集合中各关联传感器分别对应的存在证据数据以及与未关联传感器集合中各未关联传感器分别对应的不存在证据数据;将各存在证据数据和不存在证据数据均作为初始证据数据;采用两两合成原则,对各初始证据数据执行合成操作,得到目标证据数据,并将目标证据数据中的存在概率作为待处理航迹的预测存在概率。
在上述实施例的基础上,可选的,该方法还包括:在初始传感器集合中仅包含一个传感器的情况下,如果该传感器包含于关联传感器集合,则将预设证据列表中与该传感器对应的存在证据数据作为目标证据数据;如果该传感器包含于未关联传感器集合,则将预设证据列表中与该传感器对应的不存在证据数据作为目标证据数据。
以表1中的举例为例,假设待处理航迹A的关联传感器集合中包含传感器A和传感器B,未关联传感器集合中包含传感器C,则待处理航迹A对应的各初始证据数据包括[0.70.0 0.3]、[0.65 0.0 0.35]以及[0.0 0.95 0.05]。
在一个可选实施例中,两两合成原则满足公式:
其中,k表示归一化系数,m(ex)、m(unex)和m(unkn)表示两两合成后的当前合成证据数据,m1(ex)、m1(unex)和m1(unkn)表示上一合成证据数据或第一初始证据数据,m2(ex)、m2(unex)和m2(unkn)表示第二初始证据数据;其中,k=1-m1(ex)m2(unex)-m1(unex)m2(ex)。
其中,示例性的,假设待处理航迹A对应的各初始证据数据分别包括初始证据数据1、初始证据数据2、初始证据数据3...初始证据数据N,则可先对初始证据数据1和初始证据数据2执行合成操作,得到合成证据数据1,再对合成证据数据1和初始证据数据3执行合成操作,得到合成证据书2,以此类推,直到对合成证据数据N-2和初始证据数据N执行合成操作,得到目标证据数据。
以上述举例为例,待处理航迹A对应的初始证据数据1、初始证据数据2和初始证据数据3分别为[0.7 0.0 0.3]、[0.65 0.0 0.35]以及[0.0 0.95 0.05],对初始证数据1与初始证据数据2执行合成操作得到合成证据数据1,合成证据数据1中存在概率m(ex)=0.7*0.65+0.7*0.35+0.3*0.65=0.895,不存在概率m(unex)=0,未知概率m(unkn)=0.3*0.65=0.105。
继续对合成证据数据1与初始证据数据3执行合成操作得到目标证据数据,目标证据数据中存在概率不存在概率未知概率其中,k=1-0.895*0.95=0.14975。在本示例中,待处理航迹A的预测存在概率为0.2998。
S140、基于待处理航迹数据集中各待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
在一个可选实施例中,将待处理航迹数据集中预测存在概率小于预设概率阈值的待处理航迹删除,得到目标航迹数据集。
在上述实施例的基础上,该方法还包括:将待处理航迹数据集中最大的预测存在概率对应的待处理航迹作为发布航迹;对发布航迹执行融合操作,并将融合后的发布航迹进行输出。
本实施例的技术方案,通过基于检测到的至少一个传感器分别采集到的观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集,获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据,其中,传感器关联数据表征待处理航迹与各传感器的关联情况,基于预设证据列表以及各传感器关联数据,确定各待处理航迹分别对应的预测存在概率,其中,预设证据列表表征各传感器检测出障碍物目标的确定程度,基于各预测存在概率,确定目标航迹数据集,解决了现有的航迹数据集的管理方法确定的航迹数据集准确度不高的问题,降低了障碍物目标的误检率和漏检率,提高了智能驾驶的感知性能和安全性能。
图2为本发明一个实施例所提供的另一种航迹数据集的管理方法的流程图,本实施例对上述实施例中目标证据数据的确定方法进行进一步优化。如图2所示,该方法包括:
S210、响应于检测到至少一个传感器分别采集到的观测数据,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集。
S220、获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据。
S230、针对每个待处理航迹,基于待处理航迹对应的传感器关联数据,从预设证据列表中获取至少两个初始证据数据。
S240、采用两两合成原则,对各初始证据数据执行合成操作,得到参考证据数据。
其中,具体的,参考证据数据的确定步骤与上述实施例中提供的“目标证据数据”的确定步骤相同,此处不再赘述。
S250、获取与当前触发时刻对应的上一触发时刻的上一证据数据,并基于参考证据数据和上一证据数据,确定目标证据数据。
其中,示例性的,当前触发时刻为本次检测到至少一个传感器分别采集到的观测数据的触发时刻,上一触发时刻为上一次检测到至少一个传感器分别采集到的观测数据的触发时刻。其中,具体的,上一证据数据用于描述历史航迹数据集中与待处理航迹对应的历史航迹的预测概率。
其中,具体的,采用上述实施例中提供的两两合成原则的公式,对参考证据数据以及上一证据数据执行合成操作,得到目标证据数据。在本实施例中,示例性的,目标证据数据满足公式:
其中,k表示归一化系数,m(ex)、m(unex)和m(unkn)表示目标证据数据,mt(ex)、mt(unex)和mt(unkn)表示参考证据数据,mt-1(ex)、mt-1(unex)和mt-1(unkn)表示上一证据数据;其中,k=1-mt(ex)mt-1(unex)-mt(unex)mt-1(ex)。
在上述实施例的基础上,可选的,基于参考证据数据和上一证据数据,确定目标证据数据,包括:基于当前车辆坐标数据以及待处理航迹中的最新坐标数据,确定时序衰减系数;基于时序衰减系数,对上一证据数据执行衰减操作得到衰减后的上一证据数据;对参考证据数据以及衰减后的上一证据数据执行合成操作,得到目标证据数据。
其中,具体的,基于当前车辆坐标数据以及待处理航迹中的最新坐标数据,确定航迹距离,基于预设映射数据,确定与航迹距离对应的时序衰减系数。其中,预设映射数据用于表征航迹距离与时序衰减系数的映射关系,具体的,航迹距离与时序衰减系数呈正相关,即航迹距离越大则时序衰减系数越大,航迹距离越小则时序衰减系数越小。
其中,示例性的,预设映射数据可以是离散数据或连续曲线数据,此处对预设映射数据的数据类型不作限定。
在一个可选实施例中,衰减后的上一证据数据满足公式:
m′t-1(ex)=αmt-1(exi)
m′t-1(unex)=αmt-1(unex)
m′t-1(unkn)=(1-α)+αmt-1(unkn)
其中,m′t-1(ex)、m′t-1(unex)和m′t-1(unkn)表示衰减后的上一证据数据,α表示时序衰减系数,mt-1(exi)、mt-1(unex)和mt-1(unkn)表示上一证据数据。
在本实施例中,示例性的,目标证据数据满足公式:
其中,k=1-mt(ex)m′t-1(unex)-mt(unex)m′t-1(ex)。
这样设置的好处在于,在考虑时序因素的时候,由于车辆处于行驶状态,相比于上一触发时刻,当前触发时刻下的障碍物目标会出现遮挡或进出视野等情况,因此,上一证据数据的可信度会低于参考证据数据。本实施例通过引入时序衰减系数,可以进一步提高确定的预测存在概率的准确度。
S260、将目标证据数据中的存在概率作为待处理航迹的预测存在概率。
S270、基于待处理航迹数据集中各待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
本实施例的技术方案,通过采用两两合成原则,对各初始证据数据执行合成操作,得到参考证据数据,获取与当前触发时刻对应的上一触发时刻的上一证据数据,并基于参考证据数据和上一证据数据,确定目标证据数据,考虑到观测数据的连续性也是确定预测存在概率的重要因素,从时序角度对待处理航迹的预测存在概率的确定方法进行了进一步优化,解决了确定的预测存在概率低的问题,降低了预测存在概率计算过程中的噪声干扰,提高了预测存在概率的鲁棒性,从而进一步降低了障碍物目标的误检率和漏检率,提高了智能驾驶的感知性能和安全性能。
图3为本发明一个实施例所提供的另一种航迹数据集的管理方法的流程图,本实施例对上述实施例提供的目标航迹数据集的确定方法进行进一步优化。如图3所示,该方法包括:
S310、响应于检测到至少一个传感器分别采集到的观测数据,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集。
在本实施例中,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集,包括:针对每个观测数据,在历史航迹数据集中不存在与观测数据关联的历史航迹的情况下,基于观测数据,生成新建航迹,并将新建航迹作为待处理航迹添加到待处理航迹数据集中的候选航迹数据集中;在历史航迹数据集中存在与观测数据关联的历史航迹的情况下,基于观测数据对关联的历史航迹执行更新操作,并将更新后的历史航迹作为待处理航迹添加到待处理航迹数据集中。
在本实施例中,待处理航迹数据集中包含候选航迹数据集和确认航迹数据集,其中,候选航迹数据集中包含与当前触发时刻对应的新建的航迹和/或与历史触发时刻对应的新建的航迹,历史触发时刻包括上一触发时刻、上上触发时刻等等。
其中,具体的,更新后的历史航迹可能包含于候选航迹数据集,也可能包含于确认航迹数据集中,如果历史航迹包含于历史航迹数据集中的候选航迹数据集时,则更新后的历史航迹包含于待处理航迹数据集中的候选航迹数据集中,如果历史航迹包含于历史航迹数据集中的确认航迹数据集时,则更新后的历史航迹包含于待处理航迹数据集中的确认航迹数据集中。
S320、获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据。
S330、针对每个待处理航迹,基于预设证据列表以及待处理航迹对应的传感器关联数据,确定待处理航迹的预测存在概率。
S340、将待处理航迹数据集中确认航迹数据集中的各待处理航迹均作为确认航迹,以及将各确认航迹分别对应的预测存在概率均作为确认存在概率。
S350、将待处理航迹数据集中候选航迹数据集中的各待处理航迹均作为候选航迹,以及将各候选航迹分别对应的预测存在概率均作为候选存在概率。
S360、将小于第一概率阈值的确认存在概率对应的确认航迹从待处理航迹数据集中删除,以及将大于第二概率阈值的候选存在概率对应的候选航迹移动到待处理航迹数据集中的确认航迹数据集中,得到目标航迹数据集。
在本实施例中,第一概率阈值小于第二概率阈值。
在一个可选实施例中,该方法还包括:将大于或等于第一概率阈值的确认存在概率对应的确认航迹作为发布航迹;对发布航迹执行融合操作,并将融合后的发布航迹进行输出。
在一个可选实施例中,该方法还包括:将小于或等于第二概率阈值的候选存在概率对应的候选航迹保留在待处理航迹数据集中的候选航迹数据集中。
在一个可选实施例中,该方法还包括:将大于第二概率阈值的候选存在概率对应的候选航迹作为发布航迹;对发布航迹执行融合操作,并将融合后的发布航迹进行输出。
图4为本发明一个实施例所提供的一种航迹数据集的管理方法的具体实例的流程图。具体的,获取至少一个传感器分别采集到的观测数据,对各观测数据进行遍历,在观测数据遍历未结束的情况下,判断该观测数据是否与历史航迹数据集中的历史航迹关联,如果是,则基于观测数据对关联上的历史航迹进行更新,将更新后的历史航迹作为待处理航迹添加到待处理航迹数据集中,继续执行遍历观测数据的步骤;如果否,则基于观测数据生成新建航迹,并将新建航迹作为待处理航迹添加到待处理航迹数据集中的候选航迹数据集中,继续执行遍历观测数据的步骤。
在观测数据遍历结束的情况下,对上述步骤得到的待处理航迹数据集进行遍历,在待处理航迹遍历未结束的情况下,确定该待处理航迹的预测存在概率,判断待处理航迹是否包含于候选航迹数据集,如果是,则继续判断预测存在概率是否大于第二概率阈值,如果预测存在概率大于第二概率阈值,则将待处理航迹从候选航迹数据集中移动到确认航迹数据集中,并将待处理航迹作为发布航迹,继续执行遍历待处理航迹数据集的步骤。如果预测存在概率小于或第二概率阈值,则继续执行遍历待处理航迹数据集的步骤。
在待处理航迹未包含于候选航迹数据集的情况下,说明待处理航迹为确认航迹,判断预测存在概率是否小于第一概率阈值,如果是,则将待处理航迹从待处理航迹数据集中删除,继续执行遍历待处理航迹数据集的步骤如果否,则将待处理航迹作为发布航迹,继续执行遍历待处理航迹数据集的步骤。
本实施例的技术方案,通过将待处理航迹数据集中确认航迹数据集中的各待处理航迹均作为确认航迹,以及将各确认航迹分别对应的预测存在概率均作为确认存在概率,将待处理航迹数据集中候选航迹数据集中的各待处理航迹均作为候选航迹,以及将各候选航迹分别对应的预测存在概率均作为候选存在概率,将大于第二概率阈值的候选存在概率对应的候选航迹移动到待处理航迹数据集中的确认航迹数据集中,以及将小于第一概率阈值的确认存在概率对应的确认航迹从待处理航迹数据集中删除,得到目标航迹数据集,从双阈值的角度对待处理航迹数据集中的待处理航迹执行维持、删除或移动的管理操作,解决了现有的管理方法中设置的管理条件过于简单的问题,使得目标航迹数据集中的目标航迹更加稳定且准确,进一步降低了障碍物目标的误检率和漏检率,提高了智能驾驶的感知性能和安全性能。
图5为本发明一个实施例所提供的一种航迹数据集的管理装置的结构示意图。如图5所示,该装置包括:待处理航迹数据集确定模块410、传感器关联数据获取模块420、预测存在概率确定模块430和目标航迹数据集确定模块440。
其中,待处理航迹数据集确定模块410,用于响应于检测到至少一个传感器分别采集到的观测数据,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;
传感器关联数据获取模块420,用于获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;其中,传感器关联数据表征待处理航迹与各传感器的关联情况;
预测存在概率确定模块430,用于针对每个待处理航迹,基于预设证据列表以及待处理航迹对应的传感器关联数据,确定待处理航迹的预测存在概率;其中,预设证据列表表征各传感器检测出障碍物目标的确定程度;
目标航迹数据集确定模块440,用于基于待处理航迹数据集中各待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
本实施例的技术方案,通过基于检测到的至少一个传感器分别采集到的观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集,获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据,其中,传感器关联数据表征待处理航迹与各传感器的关联情况,基于预设证据列表以及各传感器关联数据,确定各待处理航迹分别对应的预测存在概率,其中,预设证据列表表征各传感器检测出障碍物目标的确定程度,基于各预测存在概率,确定目标航迹数据集,解决了现有的航迹数据集的管理方法确定的航迹数据集准确度不高的问题,降低了障碍物目标的误检率和漏检率,提高了智能驾驶的感知性能和安全性能。
在上述实施例的基础上,可选的,传感器关联数据包括关联传感器集合和未关联传感器集合,相应的,传感器关联数据获取模块420,包括:
初始传感器集合获取单元,用于针对每个待处理航迹,获取与待处理航迹对应的初始传感器集合;
关联传感器集合确定单元,用于将初始传感器集合中与待处理航迹关联的传感器作为关联传感器,并将关联传感器添加到传感器关联数据中的关联传感器集合中;
未关联传感器集合确定单元,用于将初始传感器集合中与待处理航迹未关联的传感器作为未关联传感器,并将未关联传感器添加到传感器关联数据中的未关联传感器集合中。
在上述实施例的基础上,可选的,预设证据列表中包含各传感器分别对应的存在证据数据和不存在证据数据,相应的,预测存在概率确定模块430,包括:
存在证据获取单元,用于获取预设证据列表中与关联传感器集合中各关联传感器分别对应的存在证据数据以及与未关联传感器集合中各未关联传感器分别对应的不存在证据数据;
初始证据数据确定单元,用于将各存在证据数据和不存在证据数据均作为初始证据数据;
预测存在概率确定单元,用于采用两两合成原则,对各初始证据数据执行合成操作,得到目标证据数据,并将目标证据数据中的存在概率作为待处理航迹的预测存在概率;其中,存在证据数据包括第一存在概率、第一不存在概率和第一未知概率,不存在证据数据包括第二存在概率、第二不存在概率和第二未知概率,第一不存在概率和第二存在概率均为0。
在上述实施例的基础上,可选的,两两合成原则满足公式:
其中,k表示归一化系数,m(ex)、m(unex)和m(unkn)表示两两合成后的当前合成证据数据,m1(ex)、m1(unex)和m1(unkn)表示上一合成证据数据或第一初始证据数据,m2(ex)、m2(unex)和m2(unkn)表示第二初始证据数据;其中,k=1-m1(ex)m2(unex)-m1(unex)m2(ex)。
在上述实施例的基础上,可选的,预测存在概率确定单元,包括:
参考证据数据确定子单元,用于采用两两合成原则,对各初始证据数据执行合成操作,得到参考证据数据;
目标证据数据确定子单元,用于获取与当前触发时刻对应的上一触发时刻的上一证据数据,并基于参考证据数据和上一证据数据,确定目标证据数据。
在上述实施例的基础上,可选的,目标证据数据确定子单元,具体用于:
基于当前车辆坐标数据以及待处理航迹中的最新坐标数据,确定时序衰减系数;
基于时序衰减系数,对上一证据数据执行衰减操作得到衰减后的上一证据数据;
对参考证据数据以及衰减后的上一证据数据执行合成操作,得到目标证据数据。
在上述实施例的基础上,可选的,衰减后的上一证据数据满足公式:
m′t-1(ex)=αmt-1(exi)
m′t-1(unex)=αmt-1(unex)
m′t-1(unkn)=(1-α)+αmt-1(unkn)
其中,m′t-1(ex)、m′t-1(unex)和m′t-1(unkn)表示衰减后的上一证据数据,α表示时序衰减系数,mt-1(exi)、mt-1(unex)和mt-1(unkn)表示上一证据数据。
在上述实施例的基础上,可选的,初始传感器集合获取单元,具体用于:
获取各传感器分别对应的当前观测范围以及待处理航迹中的最新坐标数据;
将包含最新坐标数据的当前观测范围对应的传感器添加到待处理航迹的初始传感器集合中。
在上述实施例的基础上,可选的,待处理航迹数据集中包含确认航迹数据集,相应的,目标航迹数据集确定模块440,包括:
确认航迹删除单元,用于将待处理航迹数据集中确认航迹数据集中的各待处理航迹均作为确认航迹,以及将各确认航迹分别对应的预测存在概率均作为确认存在概率;
将小于第一概率阈值的确认存在概率对应的确认航迹从待处理航迹数据集中删除,得到目标航迹数据集。
在上述实施例的基础上,可选的,待处理航迹数据集还包括候选航迹数据集,相应的,目标航迹数据集确定模块440,还包括:
候选航迹移动单元,用于将待处理航迹数据集中候选航迹数据集中的各待处理航迹均作为候选航迹,以及将各候选航迹分别对应的预测存在概率均作为候选存在概率;
将大于第二概率阈值的候选存在概率对应的候选航迹移动到待处理航迹数据集中的确认航迹数据集中,得到目标航迹数据集;其中,第一概率阈值小于第二概率阈值。
在上述实施例的基础上,可选的,待处理航迹数据集确定模块410,具体用于:
针对每个观测数据,在历史航迹数据集中不存在与观测数据关联的历史航迹的情况下,基于观测数据,生成新建航迹,并将新建航迹作为待处理航迹添加到待处理航迹数据集中的候选航迹数据集中;
在历史航迹数据集中存在与观测数据关联的历史航迹的情况下,基于观测数据对关联的历史航迹执行更新操作,并将更新后的历史航迹作为待处理航迹添加到待处理航迹数据集中。
本发明实施例所提供的航迹数据集的管理装置可执行本发明任意实施例所提供的航迹数据集的管理方法,具备执行方法相应的功能模块和有益效果。
图6为本发明一个实施例所提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本发明实施例所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器11执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如航迹数据集的管理方法。
在一些实施例中,航迹数据集的管理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的航迹数据集的管理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行航迹数据集的管理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
本发明实施例五还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种航迹数据集的管理方法,该方法包括:
响应于检测到至少一个传感器分别采集到的观测数据,基于各观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;
获取待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;其中,传感器关联数据表征待处理航迹与各传感器的关联情况;
针对每个待处理航迹,基于预设证据列表以及待处理航迹对应的传感器关联数据,确定待处理航迹的预测存在概率;其中,预设证据列表表征各传感器检测出障碍物目标的确定程度;
基于待处理航迹数据集中各待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种航迹数据集的管理方法,其特征在于,包括:
响应于检测到至少一个传感器分别采集到的观测数据,基于各所述观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;
获取所述待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;其中,所述传感器关联数据表征所述待处理航迹与各所述传感器的关联情况;
针对每个待处理航迹,基于预设证据列表以及所述待处理航迹对应的传感器关联数据,确定所述待处理航迹的预测存在概率;其中,所述预设证据列表表征各所述传感器检测出障碍物目标的确定程度;
基于所述待处理航迹数据集中各所述待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
2.根据权利要求1所述的方法,其特征在于,所述传感器关联数据包括关联传感器集合和未关联传感器集合,相应的,所述获取所述待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据,包括:
针对每个待处理航迹,获取与所述待处理航迹对应的初始传感器集合;
将所述初始传感器集合中与所述待处理航迹关联的传感器作为关联传感器,并将所述关联传感器添加到传感器关联数据中的关联传感器集合中;
将所述初始传感器集合中与所述待处理航迹未关联的传感器作为未关联传感器,并将所述未关联传感器添加到传感器关联数据中的未关联传感器集合中。
3.根据权利要求2所述的方法,其特征在于,所述预设证据列表中包含各所述传感器分别对应的存在证据数据和不存在证据数据,相应的,所述基于预设证据列表以及所述待处理航迹对应的传感器关联数据,确定所述待处理航迹的预测存在概率,包括:
获取所述预设证据列表中与所述关联传感器集合中各关联传感器分别对应的存在证据数据以及与所述未关联传感器集合中各未关联传感器分别对应的不存在证据数据;
将各所述存在证据数据和不存在证据数据均作为初始证据数据;
采用两两合成原则,对各所述初始证据数据执行合成操作,得到目标证据数据,并将所述目标证据数据中的存在概率作为所述待处理航迹的预测存在概率;
其中,所述存在证据数据包括第一存在概率、第一不存在概率和第一未知概率,所述不存在证据数据包括第二存在概率、第二不存在概率和第二未知概率,所述第一不存在概率和所述第二存在概率均为0。
5.根据权利要求3所述的方法,其特征在于,所述采用两两合成原则,对各所述初始证据数据执行合成操作,得到目标证据数据,包括:
采用两两合成原则,对各所述初始证据数据执行合成操作,得到参考证据数据;
获取与当前触发时刻对应的上一触发时刻的上一证据数据,并基于所述参考证据数据和上一证据数据,确定目标证据数据。
6.根据权利要求5所述的方法,其特征在于,所述基于所述参考证据数据和上一证据数据,确定目标证据数据,包括:
基于当前车辆坐标数据以及所述待处理航迹中的最新坐标数据,确定时序衰减系数;
基于所述时序衰减系数,对所述上一证据数据执行衰减操作得到衰减后的上一证据数据;
对所述参考证据数据以及衰减后的上一证据数据执行合成操作,得到目标证据数据。
7.根据权利要求6所述的方法,其特征在于,所述衰减后的上一证据数据满足公式:
m’t-1(ex)=αmt-1(exi)
m’t-1(unex)=αmt-1(unex)
m’t-1(unkn)=(1-α)+αmt-1(unkn)
其中,m’t-1(ex)、m’t-1(unex)和m’t-1(unkn)表示衰减后的上一证据数据,α表示时序衰减系数,mt-1(exi)、mt-1(unex)和mt-1(unkn)表示上一证据数据。
8.根据权利要求2所述的方法,其特征在于,所述获取与所述待处理航迹对应的初始传感器集合,包括:
获取各所述传感器分别对应的当前观测范围以及所述待处理航迹中的最新坐标数据;
将包含所述最新坐标数据的当前观测范围对应的传感器添加到所述待处理航迹的初始传感器集合中。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述待处理航迹数据集中包含确认航迹数据集,相应的,所述基于所述待处理航迹数据集中各所述待处理航迹分别对应的预测存在概率,确定目标航迹数据集,包括:
将所述待处理航迹数据集中确认航迹数据集中的各待处理航迹均作为确认航迹,以及将各所述确认航迹分别对应的预测存在概率均作为确认存在概率;
将小于第一概率阈值的确认存在概率对应的确认航迹从所述待处理航迹数据集中删除,得到目标航迹数据集。
10.根据权利要求9所述的方法,其特征在于,所述待处理航迹数据集还包括候选航迹数据集,相应的,所述基于所述待处理航迹数据集中各所述待处理航迹分别对应的预测存在概率,确定目标航迹数据集,还包括:
将所述待处理航迹数据集中候选航迹数据集中的各待处理航迹均作为候选航迹,以及将各所述候选航迹分别对应的预测存在概率均作为候选存在概率;
将大于第二概率阈值的候选存在概率对应的候选航迹移动到所述待处理航迹数据集中的确认航迹数据集中,得到目标航迹数据集;其中,所述第一概率阈值小于所述第二概率阈值。
11.根据权利要求10所述的方法,其特征在于,所述基于各所述观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集,包括:
针对每个观测数据,在所述历史航迹数据集中不存在与所述观测数据关联的历史航迹的情况下,基于所述观测数据,生成新建航迹,并将所述新建航迹作为待处理航迹添加到所述待处理航迹数据集中的候选航迹数据集中;
在所述历史航迹数据集中存在与所述观测数据关联的历史航迹的情况下,基于所述观测数据对关联的历史航迹执行更新操作,并将更新后的历史航迹作为待处理航迹添加到所述待处理航迹数据集中。
12.一种航迹数据集的管理装置,其特征在于,包括:
待处理航迹数据集确定模块,用于响应于检测到至少一个传感器分别采集到的观测数据,基于各所述观测数据,对历史航迹数据集执行关联操作得到待处理航迹数据集;
传感器关联数据获取模块,用于获取所述待处理航迹数据集中至少一个待处理航迹分别对应的传感器关联数据;其中,所述传感器关联数据表征所述待处理航迹与各所述传感器的关联情况;
预测存在概率确定模块,用于针对每个待处理航迹,基于预设证据列表以及所述待处理航迹对应的传感器关联数据,确定所述待处理航迹的预测存在概率;其中,所述预设证据列表表征各所述传感器检测出障碍物目标的确定程度;
目标航迹数据集确定模块,用于基于所述待处理航迹数据集中各所述待处理航迹分别对应的预测存在概率,确定目标航迹数据集。
13.一种电子设备,其特征在于,所述电子设备包括:
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,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序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权利要求1-11中任一项所述的航迹数据集的管理方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的航迹数据集的管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211287782.2A CN115900731A (zh) | 2022-10-20 | 2022-10-20 | 一种航迹数据集的管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211287782.2A CN115900731A (zh) | 2022-10-20 | 2022-10-20 | 一种航迹数据集的管理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115900731A true CN115900731A (zh) | 2023-04-04 |
Family
ID=86492790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211287782.2A Pending CN115900731A (zh) | 2022-10-20 | 2022-10-20 | 一种航迹数据集的管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115900731A (zh) |
-
2022
- 2022-10-20 CN CN202211287782.2A patent/CN115900731A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783905B (zh) | 一种目标融合方法、装置、存储介质及电子设备 | |
EP4064212A2 (en) | Method and apparatus for detecting camera occlusion, device, storage medium and program product | |
WO2022242111A1 (zh) | 障碍物检测方法以及装置 | |
CN112528927B (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
US20210256725A1 (en) | Target detection method, device, electronic apparatus and storage medium | |
CN114677655A (zh) | 多传感器目标检测方法、装置、电子设备以及存储介质 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
KR20220093382A (ko) | 장애물 검출 방법 및 장치 | |
CN115951344A (zh) | 雷达与相机的数据融合方法、装置、电子设备及存储介质 | |
CN115329748B (zh) | 一种日志解析方法、装置、设备及存储介质 | |
CN115900731A (zh) | 一种航迹数据集的管理方法、装置、设备及存储介质 | |
CN115546597A (zh) | 一种传感器融合方法、装置、设备及存储介质 | |
CN112861811B (zh) | 目标识别方法、装置、设备、存储介质及雷达 | |
CN114661562A (zh) | 一种数据告警方法、装置、设备及介质 | |
CN114842305A (zh) | 深度预测模型训练方法、深度预测方法及相关装置 | |
Li | Anomaly detection in wireless sensor networks based on time factor | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN116052113A (zh) | 点云数据的处理方法、装置、智能芯片、存储介质和车辆 | |
CN117292843B (zh) | 电信号数据处理方法、装置、设备和存储介质 | |
CN116189028B (zh) | 图像识别方法、装置、电子设备以及存储介质 | |
CN116703963A (zh) | 一种ar跟踪方法、装置、ar设备及存储介质 | |
CN116434511A (zh) | 基于穿戴式生物传感器的设备预警方法、装置及介质 | |
CN115755019A (zh) | 目标跟踪方法、装置、设备及介质 | |
CN118015559A (zh) | 一种对象识别方法、装置、电子设备和存储介质 |
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 |