CN116821640A - 一种多传感器融合算法评价方法、系统、设备及存储介质 - Google Patents

一种多传感器融合算法评价方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN116821640A
CN116821640A CN202310492822.5A CN202310492822A CN116821640A CN 116821640 A CN116821640 A CN 116821640A CN 202310492822 A CN202310492822 A CN 202310492822A CN 116821640 A CN116821640 A CN 116821640A
Authority
CN
China
Prior art keywords
algorithm
scene
data
sensor
target
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
Application number
CN202310492822.5A
Other languages
English (en)
Inventor
李广宇
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.)
Chery New Energy Automobile Co Ltd
Original Assignee
Chery New Energy Automobile 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 Chery New Energy Automobile Co Ltd filed Critical Chery New Energy Automobile Co Ltd
Priority to CN202310492822.5A priority Critical patent/CN116821640A/zh
Publication of CN116821640A publication Critical patent/CN116821640A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明属于智能驾驶领域，具体涉及一种多传感器融合算法评价方法、系统、设备及存储介质。具体为：选择环境要素搭建测试场景，获取测试场景的场景数据；将传感器放置在所述测试场景中，得到传感器收集数据；将传感器收集数据代入到目标算法中，获得处理后数据；根据处理后数据与场景数据判断算法是否合格。本发明可以在一个场景下测试几种算法，对比分析优劣，直观地展现特定场景下，算法数据融合效果，并且节省了路测消耗的时间、人力等成本。

Description

一种多传感器融合算法评价方法、系统、设备及存储介质
技术领域
本发明属于智能驾驶领域，具体涉及一种多传感器融合算法评价方法、系统、设备及存储介质。
背景技术
多传感器融合是智能驾驶的核心组成部分之一。传感器可以获取到周边环境的各种信息数据，但是这些感知数据存在着误差，给出的数据不够稳定。因此引入了融合算法，融合算法可以更准确地知道障碍物的位置，做最精准的估计。目标融合的结果可以直接影响到后续决策规划、控制等算法的性能，最终影响整体的智驾效果。
多传感器融合算法的有很多种类，为了验证这些算法的有效性，在开发的过程中，需要多次对场景进行模拟、测试，收集测试的结果。目前的实车测试，需要花费很大的精力布置场地，并且对环境，路况等有要求，同时需要很多测试人员协助测试。这些问题都导致了测试需要很长的周期，并且人力物力的消耗提高了成本。
发明内容
本发明提出一种多传感器融合算法评价方法、系统、设备及存储介质，以解决现有技术中，验证多传感器融合算法的有效性的时间周期长、成本高的问题。
为达上述目的，本发明提出技术方案如下：
一种用于多传感器融合的算法评价方法，包括：
步骤1，选择环境要素搭建测试场景，获取测试场景的场景数据；
步骤2，将传感器放置在所述测试场景中，得到传感器收集数据；
步骤3，将传感器收集数据代入到目标算法中，获得处理后数据；
步骤4，根据处理后数据与步骤1中获得的场景数据判断算法是否合格。
优选的，步骤1中所述环境要素包括天气、路况、车况。
优选的，步骤2中所述传感器数量和种类，与测试场景中的环境要素的数量和种类相对应。
优选的，所述步骤3中将传感器收集数据按照时序代入到目标算法中。
优选的，步骤4中判断算法是否合格的具体流程为：
预设目标融合准确率阈值；
根据处理后数据和步骤1中获得的场景数据，获得目标融合算法准确率；
将预设目标融合准确率阈值、目标融合算法准确率进行对比，根据结果判断目标算法是否合格；分析处理后数据中是否出现跳变；
根据上述分析结果，判断目标算法是否合格。
优选的，步骤4中根据处理后数据，及步骤1中获得的场景数据，获得目标融合算法准确率的具体过程为：根据处理后数据输入目标算法，得到第一结果，将步骤1中获得的场景数据输入目标算法，得到第二结果；比较第一结果和第二结果，得到目标算法准确率。
优选的，步骤4中，若目标算法准确率大于等于预设准确率阈值，且处理后数据中没有出现跳变，则对应目标算法合格，反之则对应目标算法不合格。
一种用于多传感器融合的算法评价系统，包括：
场景搭建模块，用于选择环境要素搭建测试场景，获取测试场景的场景数据；
传感器模块，用于将传感器放置在所述测试场景中，得到传感器收集数据；
算法调用模块，用于将传感器收集数据代入到目标算法中，获得处理后数据；
对比评价模块，用于根据处理后数据与场景搭建模块中获得的场景数据判断算法是否合格。
一种用于多传感器融合的算法评价设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，所述计算机程序被处理器执行时实现一种用于多传感器融合的算法评价方法的步骤。
一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现一种用于多传感器融合的算法评价方法的步骤。本发明的有益之处在于：
在一个场景下设置多种环境要素，即可实现算法的测试和测试结果与实际情况的对比，直观有效地展现特定场景下，算法数据融合效果，同时节省了路测消耗的时间成本和人力成本。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为一种用于多传感器融合的算法评价方法流程示意图；
图2为一种用于多传感器融合的算法评价系统结构示意图。
图3为一种用于多传感器融合的算法评价设备结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
实施例1：
请参阅图1所示，本发明提供一种用于多传感器融合的算法评价方法，包括：
步骤1，选择多种要素搭建合适的测试场景，所述要素来自对应模块，例如天气模块、路况模块、车况模块等，获取场景数据；
由于场景是由很多要素构成的，因此为了搭建好合适的测试场景，需要在每个要素模块都选取一个特定的要素，通过这些要素的组合，填充出复杂的，符合测试要求的场景，模拟真实的路测。
步骤2，将传感器放置到步骤1搭建的场景中，得到传感器收集数据；
步骤3，把准备对比的至少一种算法从算法库中调用出来，根据时序将场景数据代入到算法中，获得处理后数据；
步骤4，根据处理后数据与步骤1中获得的场景数据，计算算法准确率，判断算法是否合格；若算法准确率大于等于预设值，且处理后数据中未出现跳变，则该算法合格，反之则该算法不合格；除了准确率对比之外，还可以使用生成报告的形式，将算法结果与实际数据进行对比，便于工作人员进行效率判断和缺陷定位，以解决问题。
本发明中在既定的场景内进行模拟，还可以将目标算法融合后的信息数据制成对比图表，与真实数据进行对比，通过打分的形式判断算法的优劣。
实施例2：
请参阅图2所示，本发明提供一种用于多传感器融合的评价系统，包括：
场景搭建模块，用于选取多种要素搭建合适的测试场景，所述要素包括天气、路况、车况、乘员等数据，并将场景数据传输至对比评价模块；
传感器模块，用于从测试场景中收集数据，并将传感器收集数据传输至算法调用模块；
算法调用模块，用于从算法库中调用算法，并传感器收集数据导入算法中，获得处理后数据并将处理后数据传输至对比评价模块中；
对比评价模块，用于设置预设值，并根据场景数据与处理后数据对比计算得到算法准确率；将目标融合后的距离、速度信息绘图分析，无跳变、无丢帧，ID稳定；并且将算法准确率与预设值进行对比，若算法准确率大于等于预设值，且处理后数据中未出现跳变，则该算法合格，反之则该算法不合格。
实施例3：
如图3所示，本发明提供一种用于多传感器融合的评价设备100，所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
存储器101可用于存储所述计算机程序103，所述处理器102通过运行或执行存储在所述存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1所述的获取停车场空位的方法的步骤。所述存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述至少一个处理器102可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，所述处理器102是所述电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
所述电子设备100中的所述存储器101存储多个指令以实现一种获取停车场空位的方法，所述处理器102可执行所述多个指令从而实现：
步骤1，选择多种要素搭建合适的测试场景，所述要素包括天气、路况、车况等，获取场景数据；由于场景是由很多要素构成的，因此为了搭建好合适的测试场景，需要在每个模块都选取一个特定的要素。通过这些要素的组合，填充出复杂的，符合测试要求的场景，模拟真实的路测。
步骤2，将传感器放置到步骤1搭建的场景中，得到传感器收集数据；
步骤3，把准备对比的至少一种算法从算法库中调用出来，根据时序将场景数据代入到算法中，获得处理后数据；
步骤4，根据处理后数据与步骤1中获得的场景数据，计算算法准确率，判断算法是否合格；若算法准确率大于等于预设值，且将目标融合后的距离、速度信息绘图分析，无跳变、无丢帧，ID稳定，则该算法合格，若该算法准确率小于预设值，则该算法不合格；除了准确率对比之外，还可以使用生成报告的形式，将算法结果与实际数据进行对比，便于工作人员进行效率判断和缺陷定位，以解决问题。
实施例4：
所述电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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存储器中，使得存储在该计算机可读存储器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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种用于多传感器融合的算法评价方法，其特征在于，包括：
步骤1，选择环境要素搭建测试场景，获取测试场景的场景数据；
步骤2，将传感器放置在所述测试场景中，得到传感器收集数据；
步骤3，将传感器收集数据代入到目标算法中，获得处理后数据；
步骤4，根据处理后数据与步骤1中获得的场景数据判断算法是否合格。
2.如权利要求1所述的一种用于多传感器融合的算法评价方法，其特征在于，步骤1中所述环境要素包括天气、路况、车况。
3.如权利要求1所述的一种用于多传感器融合的算法评价方法，其特征在于，步骤2中所述传感器数量和种类，与测试场景中的环境要素的数量和种类相对应。
4.如权利要求1所述的一种用于多传感器融合的算法评价方法，其特征在于，所述步骤3中将传感器收集数据按照时序代入到目标算法中。
5.如权利要求1所述的一种用于多传感器融合的算法评价方法，其特征在于，步骤4中判断算法是否合格的具体流程为：
预设目标融合准确率阈值；
根据处理后数据和步骤1中获得的场景数据，获得目标融合算法准确率；
将预设目标融合准确率阈值、目标融合算法准确率进行对比，根据结果判断目标算法是否合格；分析处理后数据中是否出现跳变；
根据上述分析结果，判断目标算法是否合格。
6.如权利要求5所述的一种用于多传感器融合的算法评价方法，其特征在于，步骤4中根据处理后数据，及步骤1中获得的场景数据，获得目标融合算法准确率的具体过程为：根据处理后数据输入目标算法，得到第一结果，将步骤1中获得的场景数据输入目标算法，得到第二结果；比较第一结果和第二结果，得到目标算法准确率。
7.如权利要求5所述的一种用于多传感器融合的算法评价方法，其特征在于，步骤4中，若目标算法准确率大于等于预设准确率阈值，且处理后数据中没有出现跳变，则对应目标算法合格，反之则对应目标算法不合格。
8.一种用于多传感器融合的算法评价系统，其特征在于，包括：
场景搭建模块，用于选择环境要素搭建测试场景，获取测试场景的场景数据；
传感器模块，用于将传感器放置在所述测试场景中，得到传感器收集数据；
算法调用模块，用于将传感器收集数据代入到目标算法中，获得处理后数据；
对比评价模块，用于根据处理后数据与场景搭建模块中获得的场景数据判断算法是否合格。
9.一种用于多传感器融合的算法评价设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的一种用于多传感器融合的算法评价方法的步骤。
10.一种存储介质，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如权利要求1至5任意一项所述的一种用于多传感器融合的算法评价方法的步骤。
CN202310492822.5A 2023-04-28 2023-04-28 一种多传感器融合算法评价方法、系统、设备及存储介质 Pending CN116821640A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310492822.5A CN116821640A (zh) 2023-04-28 2023-04-28 一种多传感器融合算法评价方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310492822.5A CN116821640A (zh) 2023-04-28 2023-04-28 一种多传感器融合算法评价方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116821640A true CN116821640A (zh) 2023-09-29

Family

ID=88126525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310492822.5A Pending CN116821640A (zh) 2023-04-28 2023-04-28 一种多传感器融合算法评价方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116821640A (zh)

Similar Documents

Publication Publication Date Title
US20230385481A1 (en) Simulation Traffic Scenario File Generation Method and Apparatus
CN110609288A (zh) 一种自动泊车系统的性能测试方法及装置
CN112671487B (zh) 一种车辆测试的方法、服务器以及测试车辆
US11636684B2 (en) Behavior model of an environment sensor
CN110969600A (zh) 一种产品缺陷检测方法、装置、电子设备及存储介质
CN115469635A (zh) 自动驾驶仿真测试功能安全的验证方法、装置及设备
CN112967424A (zh) 一种车载蓝牙钥匙的仿真方法和装置
JP2019023620A (ja) 自動化された車両のためのデジタルマップを最適化する方法
CN117724982A (zh) 仿真测评方法、装置、电子设备及存储介质
JP6681965B2 (ja) 自律走行のための学習対象イメージ抽出装置及び方法
CN111368409A (zh) 车辆流的模拟处理方法、装置、设备和存储介质
CN116664582B (zh) 一种基于神经视觉网络的路面检测方法及装置
CN116257437A (zh) 基于实车数据回注的adas系统缺陷验证方法及装置
CN115956190A (zh) 用于提供高分辨率数字地图的方法和设备
CN116821640A (zh) 一种多传感器融合算法评价方法、系统、设备及存储介质
CN115391980A (zh) 道路场景和动态交通流优化方法、系统及存储介质
CN112598314B (zh) 智能驾驶汽车的感知置信度确定方法、装置、设备及介质
CN107885651B (zh) 移动终端定位算法的自动化系统回归测试方法及其装置
CN115469564A (zh) 车辆的自动泊车测试系统、方法、车辆及存储介质
CN113836726A (zh) 动态行驶场景的仿真方法、装置、电子设备及存储介质
CN111143423B (zh) 动态场景标注数据挖掘方法、装置以及终端
CN114217539A (zh) 自动驾驶功能的仿真测试方法、装置、车辆及存储介质
CN114781149A (zh) 一种场景元素信息自动获取方法及系统
CN104751627B (zh) 一种交通状况参数的确定方法和装置
CN114563014B (zh) 一种基于仿真图像的OpenDrive地图自动化检测方法

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