CN117269982A - 一种视觉感知精度的检测方法、装置及电子设备 - Google Patents

一种视觉感知精度的检测方法、装置及电子设备 Download PDF

Info

Publication number
CN117269982A
CN117269982A CN202311243159.1A CN202311243159A CN117269982A CN 117269982 A CN117269982 A CN 117269982A CN 202311243159 A CN202311243159 A CN 202311243159A CN 117269982 A CN117269982 A CN 117269982A
Authority
CN
China
Prior art keywords
target object
data
visual perception
matching
attribute information
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
CN202311243159.1A
Other languages
English (en)
Inventor
时亚辉
卫玉蓉
章孝承
陈胤子
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.)
China Automotive Innovation Corp
Original Assignee
China Automotive Innovation Corp
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 China Automotive Innovation Corp filed Critical China Automotive Innovation Corp
Priority to CN202311243159.1A priority Critical patent/CN117269982A/zh
Publication of CN117269982A publication Critical patent/CN117269982A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种视觉感知精度的检测方法、装置、系统及电子设备，该方法包括：根据激光雷达数据和定位数据，确定出激光雷达数据中待检测车辆周围各个第一目标对象的位置属性信息；将第一目标对象的位置属性信息与视觉感知数据进行匹配，获得激光雷达数据中各个第一目标对象与视觉感知数据中各个第二目标对象的匹配结果；基于匹配结果获得待检测车辆的视觉感知精度的检测结果，检测结果用于表征待检测车辆的视觉感知系统的准确性。利用本申请提供的技术方案，可以不需要人工标记标识物，实现视觉感知的自动化检测，提升了视觉感知精度检测的效率和准确性。

Description

一种视觉感知精度的检测方法、装置及电子设备
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种视觉感知精度的检测方法、装置、系统及电子设备。
背景技术
随着科技的发展，自动驾驶技术也在不断的发展，视觉感知也成为自动驾驶领域的一项重要技术。视觉感知系统主要以摄像头作为传感器输入，经过一系列的计算和处理，对自车周围的环境信息做精确感知。目的在于为融合模块提供准确丰富的信息，包括被检测物体的类别、距离信息、速度信息、朝向信息，同时也能够给出抽象层面的语义信息。通过视觉感知技术可以辅助车辆的行驶，甚至实现车辆的自动驾驶。
视觉感知的精度决定了自动驾驶的安全性，因此，一般自动驾驶车辆或使用视觉感知技术进行辅助驾驶的车辆，在出厂或使用前，需要对视觉感知精度进行检测，以确保车辆行驶的安全性。但目前的视觉感知精度检测，一般需要人工标记标识物，不仅效率低，而且成本比较高。
因此，如何提供一种视觉感知精度的自动检测方案，提升视觉感知精度检测的效率，是本领域亟需解决的技术问题。
发明内容
本申请提供了一种视觉感知精度的检测方法、装置、系统、设备、存储介质、计算机程序产品，可以实现车辆视觉感知系统的精度自动化检测，提升了视觉感知精度检测的效率。
一方面，本说明书实施例提供了一种视觉感知精度的检测方法，所述方法包括：
获取待检测车辆行进过程中的视觉感知数据、激光雷达数据和所述待检测车辆的定位数据；
根据所述激光雷达数据和所述定位数据，确定出所述激光雷达数据中所述待检测车辆周围各个第一目标对象的位置属性信息；
将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中各个第二目标对象的匹配结果；
基于所述匹配结果获得所述待检测车辆的视觉感知精度的检测结果，所述检测结果用于表征所述待检测车辆的视觉感知系统的准确性。
另一方面，本说明书实施例提供了一种视觉感知精度的检测装置，所述装置包括：
数据获取模块，用于获取待检测车辆行进过程中的视觉感知数据、激光雷达数据和所述待检测车辆的定位数据；
真值计算模块，用于根据所述激光雷达数据和所述定位数据，确定出所述激光雷达数据中所述待检测车辆周围各个第一目标对象的位置属性信息；
数据匹配模块，用于将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中各个第二目标对象的匹配结果；
精度确定模块，用于基于所述匹配结果获得所述待检测车辆的视觉感知精度的检测结果，所述检测结果用于表征所述待检测车辆的视觉感知系统的准确性。
另一方面，本说明书实施例提供了一种电子设备，包括：处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现上述任一项所述的视觉感知精度的检测方法。
另一方面，本说明书实施例提供了一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行上述任一视觉感知精度的检测方法。
另一方面，本说明书实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的视觉感知精度的检测方法。
本申请提供的视觉感知精度的检测方法、装置、系统、设备、存储介质、计算机程序产品，具有如下技术效果：
本申请提供的视觉感知精度的检测方法，通过在待检测车辆上设置激光雷达，利用激光雷达采集待检测车辆在行进过程中周围的激光雷达数据，结合车辆的定位数据，检测出激光雷达数据扫描到的第一目标对象的位置属性信息。将计算出的激光雷达数据中的第一目标对象的位置属性信息作为真值数据，与待检测车辆上的视觉感知系统检测到的视觉感知数据进行匹配，获得激光雷达数据中第一目标对象与视觉感知数据中的第二目标对象的匹配结果。基于匹配结果来评估待检测车辆中视觉感知系统的视觉感知精度，实现了视觉感知精度的自动化检测。激光雷达技术已经相对成熟，利用激光雷达数据作为视觉感知精度检测的真值数据，进行视觉感知精度的检测，可以提升视觉感知精度的检测结果的准确性，并且，不需要人工标记标识物，提升了视觉感知精度检测的效率，降低了成本。并且，基于视觉感知精度的检测结果可以对待检测车辆的视觉感知系统进行调整和改进，提升视觉感知的精度，进而提升车辆行驶的安全性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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它附图。
图1所示的仅仅是一种视觉感知精度的检测方法的应用环境；
图2是本申请实施例提供的一种视觉感知精度的检测方法的流程示意图；
图3是本说明书一个场景示例中视觉感知精度的检测流程示意图；
图4是本申请实施例提供的一种视觉感知精度的检测装置的结构示意图；
图5是本申请实施例提供的一种用于视觉感知精度的检测的电子设备的框图；
图6是本申请实施例提供的另一种用于视觉感知精度的检测的电子设备的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请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、产品或服务器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。
请参阅图1，图1是本说明书实施例提供的一种视觉感知精度的检测的应用环境的示意图，该应用环境至少可以包括服务器100和终端200。
在一个可选的实施例中，服务器100可以用于接收终端设备的视觉感知精度检测请求，对车辆上的视觉感知系统的精度进行检测，服务器100可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
在一个可选的实施例中，终端200可以是向服务器100发送视觉感知精度检测请求的终端设备，也可以自行进行视觉感知精度的检测处理，具体的，终端200可以包括但不限于智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、智能可穿戴设备、车载终端、智能电视等类型的电子设备；也可以为运行于上述电子设备的软体，例如应用程序、小程序等。本说明书实施例中电子设备上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。
此外，需要说明的是，图1所示的仅仅是一种视觉感知精度的检测方法的应用环境，本说明书实施例并不以上述为限。
本说明书实施例中，上述服务器100和终端200可以通过有线或无线通信方式进行直接或间接地连接，本说明书实施例在此不做限制。
随着自动驾驶技术的研究发展，视觉感知技术逐渐被应用到车辆的自动驾驶中，视觉感知系统可以以摄像头作为传感器输入，经过一系列的计算和处理，对自车周围的环境信息做精确感知，基于视觉感知系统感知到的信息来对车辆进行自动驾驶的控制。但是，目前视觉感知技术还不够成熟，视觉感知检测到的数据的精度无法保证，进而可能会影响车辆行驶的安全性。一般的，需要在车辆出厂或使用之前，对车辆上的视觉感知系统的精度进行检测，以确保视觉感知检测的数据精度能够保证车辆安全行驶。
本说明书实施例中的视觉感知精度的检测，利用激光雷达采集到的数据计算出目标对象的位置属性信息，再利用计算出的位置属性信息来对视觉感知数据进行精度检测，来验证视觉感知系统的精度，确保车辆行驶的安全性。
以下介绍本申请一种视觉感知精度的检测方法，图2是本申请实施例提供的一种视觉感知精度的检测方法的流程示意图，本说明书提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。本说明书实施例中提供的视觉感知精度的检测方法可以用于能够进行数据处理的终端设备如：控制器、计算机、智能手机、平板电脑、智能穿戴设备、车载设备，当然也可以应用于服务器中，本说明书实施例不做具体限定。具体的如图2所示，视觉感知精度的检测方法可以包括：
S202：获取待检测车辆行进过程中的视觉感知数据、激光雷达数据和待检测车辆的定位数据。
在具体的实施过程中，待检测车辆可以理解为安装有视觉感知系统，可以利用视觉感知系统辅助驾驶或利用视觉感知系统进行自动驾驶的车辆，通常待检测车辆在出厂或使用之前，需要对视觉感知的精度进行检测，若视觉感知的精度符合要求，则可以正常使用，否者，可能需要对视觉感知系统进行调整，以确保车辆能够安全行驶。在对待检测车辆进行视觉感知精度的检测时，可以在待检测车辆上安装激光雷达，利用激光雷达采集待检测车辆行进过程中车辆周围的环境数据作为激光雷达数据。当然，在视觉感知检测完成后，可以将激光雷达从待检测车辆上拆除，以节约车辆的成本。同时，还可以利用视觉感知系统中的图像采集设备如：相机或摄像头等，采集待检测车辆行进过程中车辆周围的环境信息作为视觉感知数据，视觉感知数据中可以包含待检测车辆行进过程中周围物体的位置、大小、类别、速度等信息。此外，还可以利用待检测车辆上的定位设备如：GPS定位设备等，采集车辆行进过程中的位置信息作为定位数据。
S204：根据激光雷达数据和定位数据，确定出激光雷达数据中待检测车辆周围各个第一目标对象的位置属性信息。
在具体的实施过程中，在获取到待检测车辆上各个设备采集到的激光雷达数据、视觉感知数据以及定位数据后，可以先对激光雷达数据和定位数据进行处理，确定出激光雷达数据中待检测车辆周围各个第一目标对象的位置属性信息。激光雷达数据是待检测车辆上的激光雷达通过扫描车辆行进过程中车辆周边的环境而获得的，因此，激光雷达数据中会包含待检测车辆行进过程中周边的车辆、行人、障碍物等。一般的，视觉感知自动驾驶会通过识别车辆周围的车辆，选择合适的车辆进行跟车行驶，因此，车辆周围的车辆对于待检测车辆的行驶有着重要的意义。本说明书实施例中，可以将激光雷达数据中的车辆、行人以及障碍物等作为第一目标对象，通过对激光雷达数据和待检测车辆的定位数据进行分析，识别出激光雷达数据中的第一目标对象，并确定出第一目标对象的位置属性信息。其中，第一目标对象的位置属性信息可以理解为能够表征第一目标对象在待检测车辆行驶过程中各个时刻的位置特征的信息，如：可以包括第一目标车辆的预测位置、预测物体长宽高、预测物体类别和预测速度等。
在对激光雷达数据中的第一目标对象进行检测识别时，可以利用目标检测算法，如：预先训练构建目标检测模型，利用训练好的目标检测模型对激光雷达数据中的第一目标对象进行目标检测，再结合待检测车辆的定位信息来确定第一目标对象的位置属性信息。
本说明书一些实施例中，根据激光雷达数据和定位数据，确定出激光雷达数据中待检测车辆周围各个第一目标对象的位置属性信息，包括：
将激光雷达数据进行点云拼接，获得激光雷达数据对应的点云拼接数据；
对点云拼接数据进行目标检测，并根据定位数据获得各个第一目标对象的静态位置属性信息；
基于点云拼接数据对各个第一目标对象进行帧与帧的目标关联，并采用聚类追踪获得各个第一目标对象的动态位置属性信息；
将各个第一目标对像的静态位置属性信息和动态位置属性信息作为对应的第一目标对象的位置属性信息。
在具体的实施过程中，在基于激光雷达数据和定位数据计算激光雷达数据中待检测车辆周围各第一目标对象的位置属性信息时，可以点云拼接、模型检测、目标关联、卡尔曼滤波、聚类追踪等联合方式来提高真值生成的精度。具体的，待检测车辆在行驶过程中，可以利用激光雷达感知待检测车辆前方周围的物体，扫描获得激光雷达数据，对激光雷达数据进行点云拼接，点云的运动补偿得到一帧一帧图像的点云信息，获得激光雷达数据对应的点云拼接数据。对点云拼接数据进行目标检测，如：可以将点云拼接数据输入到目标检测模型，结合待检测车辆的定位数据，获得各个第一目标对象的静态位置属性信息，其中，静态位置属性信息可以包括第一目标对象的类别、位置、长宽高等能够标识第一目标对象位置的静态特征。其中，目标检测的具体方法可以根据实际需求进行选择，如：可以利用历史激光雷达数据训练构建目标检测模型来对待检测车辆的激光雷达数据中的目标进行检测，目标检测模型的结构使用的算法类型可以根据实际需要进行选择，当然，根据实际需要也可以选择其他的目标检测方法，本说明书不做具体限定。
此外，还可以根据点云拼接数据，对各个第一目标对象进行帧与帧的目标关联，对于激光雷达数据可采取iou(Intersection over Union，交并比)匹配、马氏距离匹配、直方图匹配、聚类追踪等联合方式，对关联的多帧目标进行目标跟踪，如：采用卡尔曼追踪等方式，获得第一目标对象的动态位置属性信息，其中动态位置属性信息可以包括：第一目标对象与待检测车辆的距离、第一目标对象的速度和移动轨迹等能够标识第一目标对象位移的特征。将获得的第一目标对象的静态位姿属性信息和动态位置属性信息作为第一目标对象的位置属性信息。
另外，在对点云拼接数据进行目标检测获得第一目标对象的静态位置属性信息后，还可以利用卡尔曼滤波对获得的静态位置属性信息进行滤波处理，获得更加准确的静态位置属性信息。
本说明书实施例对待检测车辆的激光雷达数据进行点云拼接、目标检测、目标关联、目标追踪等方式，来识别出激光雷达数据中各个第一目标对象的静态位置属性信息和动态位置属性信息，可以提升目标检测的精度。将基于激光雷达数据获得的第一目标对象的位置属性信息作为后续视觉感知精度检测的真值数据，提升了视觉感知精度检测的准确性。
S206：将各个第一目标对象的位置属性信息与视觉感知数据进行匹配，获得激光雷达数据中各个第一目标对象与视觉感知数据中各个第二目标对象的匹配结果。
在具体的实施过程中，在基于待检测车辆上的激光雷达扫描到的激光雷达数据以及待检测车辆的定位数据，识别出激光雷达数据中各个第一目标对象的位置属性信息后，可以将各个第一目标对象的位置属性信息作为真值数据，与待检测车辆中视觉感知系统扫描到的视觉感知数据进行匹配。视觉感知数据中可以包含待检测车辆行驶过程中视觉感知系统检测到的待检测车辆周围的物体的相关信息，将各个第一目标对象的位置属性信息与视觉感知数据进行匹配，可以获得第一目标对象与视觉感知数据中各个第二目标对象的匹配结果。如：经过匹配，发现激光雷达数据中第一帧图像中的第一目标对象与视觉感知数据中第三帧的第二目标对象属于同一个物体，则确定激光雷达数据中第一帧图像中的第一目标对象与视觉感知数据中第三帧的第二目标对象匹配。
本说明书一些实施例中，将各个第一目标对象的位置属性信息与视觉感知数据进行匹配，包括：
将各个第一目标对象的位置属性信息与视觉感知数据进行时间戳对齐，获得匹配数据列表；
分别对匹配数据列表中各个相同时间段的第一目标对象的位置属性信息与视觉感知数据进行目标匹配，确定各个相同时间段的激光雷达数据中的第一目标对象是否与视觉感知数据中的第二目标对象是否匹配，获得各个相同时间段对应的匹配子结果；
基于各个匹配子结果，获得匹配结果。
在具体的实施过程中，在将基于激光雷达数据获得的第一目标对象的位置属性信息与视觉感知数据进行匹配时，可以先将第一目标对象的位置属性信息与视觉感知数据进行时间戳对齐，获得匹配数据列表。也就是说，可以将第一目标对象的位置属性信息与视觉感知数据按照时间关系进行对齐，如：将属于同一时刻的第一目标对象的位置属性信息与视觉感知数据放置在一起，生成匹配数据列表，匹配数据列表中可以将属于同一时间的第一目标对象的位置属性信息与视觉感知数据放置在同一行。在进行时间戳对齐时，可以存在一定的时间误差，如：可以将第一目标对象的位置属性信息与视觉感知数据在100ms以内的时间范围的数据对齐在一起，放置在匹配数据列表的同一行。
在进行时间戳对齐操作，生成匹配数据列表后，可以根据匹配数据列表中各个数据对应的时间段，将属于相同时间段的第一目标对象的位置属性信息与视觉感知数据进行目标匹配，查询相同时间段内的视觉感知数据中是否存在与该时间段内的第一目标对象相匹配的第二目标对象，获得各个相同时间段对应的匹配子结果。如：利用视觉感知系统，可以获得视觉感知传感器采集到的待检测车辆行进过程中，周围物体的位置属性信息如：位置、类别、大小、速度等。可以将相同时间段内的视觉感知数据中的第二目标对象的位置属性信息与对应的第一目标对象的位置属性信息进行匹配，判断在相同时间内，视觉感知数据中的目标与激光雷达中的目标的位置、类别、大小、速度等是否一致，若一致，确定该第一目标对象与第二目标对象匹配。匹配子结果中可以包括各个时间段第一目标对象和第二目标对象是否匹配的信息，还可以包括第一目标对象和第二目标对象的位置属性信息。进而根据各个时间段的匹配子结果，可以获得最终的匹配结果，即获得激光雷达数据中各个第一目标对象与视觉感知对象中各个第二目标对象是否匹配的信息。
本说明书实施例在基于激光雷达数据获得第一目标对象的位置属性信息后，将第一目标对象的位置属性信息与视觉感知数据进行时间戳对齐，生成匹配列表，再基于匹配列表将属于相同时间段的视觉感知数据与第一目标对象的位置属性信息，来确定各个时间段内视觉感知数据中的第二目标对象与第一目标对象是否匹配，进而获得视觉感知数据中各个第二目标对象与激光雷达数据汇总的各个第一目标对象的匹配结果。通过时间戳的对齐操作，确定相匹配的第一目标对象和第二目标对象确实是待检测车辆周边在同一时间出现的物体，可以提升数据匹配的准确性和效率。
本说明书一些实施例中，将各个第一目标对象的位置属性信息与视觉感知数据进行匹配，包括：
将各个第一目标对象的位置属性信息与视觉感知数据进行交并比匹配，获得激光雷达数据中各个第一目标对象与视觉感知数据中的第二目标对象的交并比匹配得分；
判断交并比匹配得分是否大于预设阈值，若大于，则确定大于预设阈值的交并比匹配得分对应的第一目标对象与第二目标对象匹配。
在具体的实施过程中，在将基于激光雷达数据计算出的第一目标对象的位置属性信息与视觉感知数据进行匹配时，可以先进行交并比匹配即iou匹配，就算出激光雷达数据中各个第一目标对象与视觉感知数据中的第二目标对象之间的交并比匹配得分即iou得分。iou是目标检测中使用的一个概念，iou计算的是“预测的边框”和“真实的边框”的交叠率，即它们的交集和并集的比值。具体可以根据激光雷达数据中各个第一目标对象的位置属性信息和视觉感知数据中各个第二目标对象的位置属性信息来计算第一目标对象和第二目标对象的iou得分，当iou得分大于预设阈值时，可以认为该iou得分对应的第一目标对象和第二目标对象是匹配的。基于此，可以获得视觉感知数据中各个第二目标对象与激光雷达数据中的第一目标对象的匹配结果。其中，预设阈值的取值可以根据实际需要进行设置，如：可以设置为0.1，或者设置为其他数值，本说明书实施例不做具体限定。
本说明书一些实施例中，判断交并比匹配得分是否大于预设阈值，若大于，则确定大于预设阈值的交并比匹配得分对应的第一目标对象与第二目标对象匹配，包括：
若激光雷达数据中的第一目标对象与视觉感知数据中多个第二目标对象的交并比匹配得分均大于预设阈值，则将交并比匹配得分最高的第二目标对象作为与第一目标对象匹配的目标对象。
在具体的实施过程中，在计算第一目标对象和第二目标对象的iou得分时，可能会存在有多个第二目标对象与一个第一目标对象的iou得分均大于预设阈值的情况。对于这种情况，本说明书实施例中可以根据iou得分对第二目标对象进行排序，如：通过sort排序法将与第一目标对象匹配的各个第二目标对象按照iou得分从低到高或从高到低的顺序进行排序，选择其中iou得分最高的第二目标对象作为该第一目标对象的匹配的目标对象。其中，sort可理解为一种用于C++中的函数，能够对给定区间所有元素进行排序，默认为升序，也可进行降序排序。例如：激光雷达数据中有个第一目标对象A，在经过iou匹配时，发现视觉感知数据中的第二目标对象1、4、5与第一目标对象A之间的iou得分均大于预设阈值。而其中第二目标对象4对应的iou得分最高，那么可以将第二目标对象4作为与第一目标对象A匹配的目标对象。在出现多个第二目标对象与第一目标对象iou匹配上的情况下，基于iou得分选择出最佳的匹配对象，可以提升数据匹配的准确性，进而提升视觉感知检测的准确性。
本说明书实施例通过交并比匹配可以快速确定出视觉感知数据中各个第二目标对象与激光雷达数据中的第一目标对象的匹配结果，提升视觉感知数据检测的效率和准确性。
本说明书一些实施例中，将各个第一目标对象的位置属性信息与视觉感知数据进行匹配，还包括：
若交并比匹配得分小于预设阈值，则将第一目标对象的位置属性信息与视觉感知数据进行距离匹配，根据第一目标对象与所述视觉感知数据中的第二目标对象之间的距离，确定出第一目标对象与所述视觉感知数据中的第二目标对象的匹配结果。
在具体的实施过程中，若在iou匹配时，发现视觉感知数据中各个第二目标对象与第一目标对象的iou得分均小于预设阈值，则可以基于第一目标对象的位置属性信息和视觉感知数据中的第二目标对象的位置属性信息，对第一目标对象和第二目标对象进行距离匹配。如：可以根据第一目标对象和第二目标对象之间的行驶轨迹距离误差，进行马氏距离匹配，计算出第一目标对象和第二目标对象之间的距离如：马氏距离，基于计算出的距离匹配结果进而确定出第一目标对象和第二目标对象的匹配结果。其中，马氏距离是度量学习中一种常用的距离指标，同欧氏距离、曼哈顿距离、汉明距离等一样被用作评定数据之间的相似度指标，当然，根据实际需要也可以选择其他的距离匹配算法，本说明书实施例不做具体限定。
例如：在将激光雷达数据中第一目标对象的位置属性信息与视觉感知数据进行iou匹配时，发现视觉感知数据中各个第二目标对象与激光雷达数据中的第一目标对象B之间的iou得分均小于预设阈值，即iou匹配过程中没有发现与第一目标对象B匹配的第二目标对象。此时，可以对视觉感知数据中的各个第二目标对象与第一目标对象B进行距离匹配，计算各个第二目标对象与第一目标对象B之间的距离，基于计算出的距离，确定出与第一目标对象B相匹配的第二目标对象。如：若某个第二目标对象与第一目标对象B之间的马氏距离满足预设要求，则确定该第二目标对象与第一目标对象B匹配。若基于距离匹配，没有任何一个第二目标对象与第一目标对象B匹配，则确定视觉感知数据中没有与第一目标对象B匹配的目标对象。
本说明书实施例利用iou匹配和距离匹配相结合的方式，对视觉感知数据中的第二目标对象和激光雷达数据中的第一目标对象进行匹配，iou匹配可以快速获得匹配结果，若iou匹配没有获得匹配结果，再使用距离匹配，既提升了数据匹配的效率，又提升了目标匹配的准确性，为后续视觉感知数据精度的检测奠定了数据基础。
S208、基于匹配结果获得待检测车辆的视觉感知精度的检测结果，检测结果用于表征所述待检测车辆的视觉感知系统的准确性。
在具体的实施过程中，在获得激光雷达数据中的第一目标对象和视觉感知数据中的第二目标对象的匹配结果后，可以基于匹配结果来确定待检测车辆中视觉感知的精度的检测结果，该检测结果可以表征待检测车辆中视觉感知系统的准确性。如：若激光雷达数据中的第一目标对象和视觉感知数据中的第二目标对象匹配上的数量或比例满足一定要求，则确定待检测车辆的视觉感知系统的准确性满足要求，或者，可以根据激光雷达数据中的第一目标对象和视觉感知数据中的第二目标对象匹配上的比例，来对待检测车辆的视觉感知系统的精度进行评分，匹配上的比例越高，则评分越高。当然，也可以采用其他的方式来基于匹配结果确定出待检测车辆的视觉感知系统的精度的检测结果，本说明书实施例不做具体限定。
本说明书一些实施例中，基于匹配结果获得待检测车辆的视觉感知精度的检测结果，包括：
根据激光雷达数据中的第一目标对象的数量与匹配目标数量的差值，确定出漏检结果；其中，匹配目标数量为所述匹配结果中匹配上第二目标对象的第一目标对象的数量；
根据视觉感知数据中的第二目标对象的数量与匹配目标数量的差值，确定出误检结果；
根据匹配结果中相匹配的第一目标对象和第二目标对象的位置属性信息的误差，确定出匹配结果中的误差匹配结果；
将漏检结果、误检结果以及误差匹配结果中的一个或多个作为待检测车辆的视觉感知精度的检测结果。
在具体的实施过程中，在获得激光雷达数据中的第一目标对象和视觉感知数据中的第二目标对象的匹配结果后，分别确定视觉感知数据对应的漏检结果、误检结果以及误差匹配结果中的至少一个。其中，漏检结果可以基于激光雷达数据中的第一目标对象的数量与第一目标对象和第二目标对象的匹配目标数量的差值来计算，即漏检结果＝gt-matched，其中，gt可以理解为激光雷达感知的目标数量即激光雷达数据中第一目标对象的数量，matched可以理解为激光雷达数据中第一目标对象与视觉感知数据中第二目标对象匹配上的数量即匹配目标数量，如：在匹配结果中有10个第一目标对象匹配上了对应的第二目标对象，有3个第一目标对象没有匹配上对应的第二目标对象，那么10即为匹配目标数量。误检结果则可以根据视觉感知数据中第二目标对象的数量与匹配目标数量的差值来计算，即误检结果＝dt-matched，其中，dt可以理解为视觉感知数据中第二目标对象的数量，即视觉感知系统感知到的目标的数量。误差匹配结果则可以根据匹配上的第一目标对象和第二目标对象之间的位置属性信息的误差来计算。
可以看出，漏检结果可以用来评估视觉感知系统是否存在的漏检某些目标的精度，误检结果可以用来评估视觉感知系统是否存在将目标识别错误的精度，而误差匹配结果可以用来评估视觉感知系统虽然将目标感知准确了，但对目标的位置检测是否有误的精度。本说明书实施例中，可以将漏检结果、误检结果和误差检测结果中的一个或多个作为待检测车辆的视觉感知精度的检测结果，基于检测结果来分析视觉感知系统感知的是否准确，基于漏检结果、误检结果、误差检测结果可以从多个维度来评估视觉感知系统的精度，提升视觉感知精度检测的准确性。如：若漏检结果、误检结果、误差检测结果中有一个或多个不满足设定的阈值，则说明视觉感知系统精度不满足要求，需要进行调整和改进。
本说明书一些实施例中，根据匹配结果中相匹配的第一目标对象和第二目标对象的位置属性信息的误差，确定出匹配结果中的误差匹配结果，包括：
根据匹配结果中相匹配的第一目标对象和第二目标对象在第一方向上的位置信息差值的绝对值与第一目标对象在第一方向上的位置信息的绝对值的比值，确定出匹配结果中的第一方向误差匹配结果；
根据匹配结果中相匹配的第一目标对象和第二目标对象在第二方向上的位置信息差值的绝对值与第一目标对象在第二方向上的位置信息的绝对值的比值，确定出匹配结果中的第二方向误差匹配结果；
将第一方向误差匹配结果和第二方向误差匹配结果作为误差匹配结果。
在具体的实施过程中，在计算误差检测结果时，可以基于匹配结果中相匹配的第一目标对象和第二目标对象分别在第一方向上(如：x方向)和第二方向上(如：y方向)的位置信息来计算，具体可以采用下述公式计算：
其中，xgt可以理解为第一目标对象在第一方向上的位置信息(如：在x方向上的坐标)，xdt可以理解为与该第一目标对象相匹配的第二目标对象在第一方向上的位置信息。ygt可以理解为第一目标对象在第二方向上的位置信息(如：在y方向上的坐标)，ydt可以理解为与该第一目标对象相匹配的第二目标对象在第二方向上的位置信息。
利用上述公式可以计算出相匹配的第一目标对象和第二目标对象在第一方向和第二方向上的位置误差，进而能够用于评估视觉感知系统感知到的能够与激光雷达数据匹配上的目标对象的位置的精度。
本说明书实施例提供一种视觉感知精度的检测方法，通过在待检测车辆上设置激光雷达，利用激光雷达采集待检测车辆在行进过程中周围的激光雷达数据，结合车辆的定位数据，检测出激光雷达数据扫描到的第一目标对象的位置属性信息。将计算出的激光雷达数据中的第一目标对象的位置属性信息作为真值数据，与待检测车辆上的视觉感知系统检测到的视觉感知数据进行匹配，获得激光雷达数据中第一目标对象与视觉感知数据中的第二目标对象的匹配结果。基于匹配结果来评估待检测车辆中视觉感知系统的视觉感知精度，实现了视觉感知精度的自动化检测。激光雷达技术已经相对成熟，利用激光雷达数据作为视觉感知精度检测的真值数据，进行视觉感知精度的检测，可以提升视觉感知精度的检测结果的准确性，并且，不需要人工标记标识物，提升了视觉感知精度检测的效率，降低了成本。并且，基于视觉感知精度的检测结果可以对待检测车辆的视觉感知系统进行调整和改进，提升视觉感知的精度，进而提升车辆行驶的安全性。
图3是本说明书一个场景示例中视觉感知精度的检测流程示意图，如图3所示，本说明书一些场景示例中，视觉感知精度的流程可以参考如下：
S1、数据获取：基于无人驾驶车辆，获取相机信息即视觉感知数据、激光雷达数据、定位数据。
S2、真值生成：利用定位数据和激光雷达数据可获得激光雷达数据中第一目标对象的位置属性信息，作为的真值数据。如：可以将连续激光雷达数据和定位数据输入激光雷达目标检测算法中，得到各时刻无人驾驶车辆周围各第一目标对象的预测位置、预测物体长宽高、预测物体类别和预测速度等作为位置属性信息。
S3、对激光雷达生成的真值数据和视觉感知数据进行时间戳对齐。真值数据和图像数据的时间戳存在一定误差，本实施示例中设置真值数据与视觉时间戳小于100ms。
S4、目标匹配及数据统计。可以通过目标匹配算法对激光雷达生成的真值数据和视觉感知数据进行目标。数据统计即统计目标匹配结果，保存真值数据、视觉感知数据以及否匹配属性。匹配过程可以参考上述实施例的记载，此处不再赘述。
S5、检测结果输出。计算出漏检结果、误检结果以及误差匹配结果，具体计算方式参考上述实施例的记载，此处不再赘述。将漏检结果、误检结果以及误差匹配结果作为检测结果，可以将检测结果输出保存到指定位置。
本说明书实施例中以激光雷达作为真值，视觉包括前视、环视、bev等，涉及多种场景，目前开发阶段可用激光雷达作为真值，快速、高效，减少标注成本，对视觉感知系统的精度进行检测，提升视觉感知精度检测的准确性和车辆驾驶的安全性。
基于上述所述的视觉感知精度的检测方法，本说明书一个或多个实施例还提供一种视觉感知精度的检测处理的客户端、服务端。所述客户端、服务端可以包括使用了本说明书实施例所述方法的装置(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参考前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
由以上本说明书实施例提供的技术方案可见，本说明书本申请实施例还提供了一种视觉感知精度的检测装置，图4是本申请实施例提供的一种视觉感知精度的检测装置的结构示意图，如图4所示，上述装置包括：
数据获取模块410，用于获取待检测车辆行进过程中的视觉感知数据、激光雷达数据和所述待检测车辆的定位数据；
真值计算模块420，用于根据所述激光雷达数据和所述定位数据，确定出所述激光雷达数据中所述待检测车辆周围各个第一目标对象的位置属性信息；
数据匹配模块430，用于将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中各个第二目标对象的匹配结果；
精度确定模块440，用于基于所述匹配结果获得所述待检测车辆的视觉感知精度的检测结果，所述检测结果用于表征所述待检测车辆的视觉感知系统的准确性。
本说明书一些实施例中，所述真值计算模块420具体用于：
将所述激光雷达数据进行点云拼接，获得所述激光雷达数据对应的点云拼接数据；
对所述点云拼接数据进行目标检测，并根据所述定位数据获得所述各个第一目标对象的静态位置属性信息；
基于所述点云拼接数据对所述各个第一目标对象进行帧与帧的目标关联，并采用聚类追踪获得所述各个第一目标对象的动态位置属性信息；
将所述各个第一目标对像的静态位置属性信息和动态位置属性信息作为对应的第一目标对象的位置属性信息。
本说明书一些实施例中，所述数据匹配模块430具体用于：
将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行时间戳对齐，获得匹配数据列表；
分别对所述匹配数据列表中各个相同时间段的第一目标对象的位置属性信息与所述视觉感知数据进行目标匹配，确定各个相同时间段的激光雷达数据中的第一目标对象是否与所述视觉感知数据中的第二目标对象是否匹配，获得各个相同时间段对应的匹配子结果；
基于各个匹配子结果，获得所述匹配结果。
本说明书一些实施例中，所述数据匹配模块430具体用于：
将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行交并比匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中的第二目标对象的交并比匹配得分；
判断所述交并比匹配得分是否大于预设阈值，若大于，则确定大于所述预设阈值的交并比匹配得分对应的第一目标对象与第二目标对象匹配。
本说明书一些实施例中，所述数据匹配模块430还用于：
若所述交并比匹配得分小于所述预设阈值，则将所述第一目标对象的位置属性信息与所述视觉感知数据进行距离匹配，根据所述第一目标对象与所述视觉感知数据中的第二目标对象之间的距离，确定出所述第一目标对象与所述视觉感知数据中的第二目标对象的匹配结果。
本说明书一些实施例中，所述数据匹配模块430具体用于：
若所述激光雷达数据中的第一目标对象与视觉感知数据中多个第二目标对象的交并比匹配得分均大于所述预设阈值，则将交并比匹配得分最高的第二目标对象作为与所述第一目标对象匹配的目标对象。
本说明书一些实施例中，所述精度确定模块440具体用于：
根据所述激光雷达数据中的第一目标对象的数量与匹配目标数量的差值，确定出漏检结果；其中，所述匹配目标数量为所述匹配结果中匹配上第二目标对象的第一目标对象的数量；
根据所述视觉感知数据中的第二目标对象的数量与所述匹配目标数量的差值，确定出误检结果；
根据所述匹配结果中相匹配的第一目标对象和第二目标对象的位置属性信息的误差，确定出所述匹配结果中的误差匹配结果；
将所述漏检结果、所述误检结果以及所述误差匹配结果中的一个或多个作为所述待检测车辆的视觉感知精度的检测结果。
本说明书一些实施例中，所述精度确定模块440具体用于：
根据所述匹配结果中相匹配的第一目标对象和第二目标对象在第一方向上的位置信息差值的绝对值与所述第一目标对象在所述第一方向上的位置信息的绝对值的比值，确定出所述匹配结果中的第一方向误差匹配结果；
根据所述匹配结果中相匹配的第一目标对象和第二目标对象在第二方向上的位置信息差值的绝对值与所述第一目标对象在所述第二方向上的位置信息的绝对值的比值，确定出所述匹配结果中的第二方向误差匹配结果；
将所述第一方向误差匹配结果和所述第二方向误差匹配结果作为所述误差匹配结果。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。上述实施例中的装置根据方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
图5是本申请实施例提供的一种用于视觉感知精度的检测的电子设备的框图，该电子设备可以是终端，其内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子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。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视觉感知精度的检测方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
图6是本申请实施例提供的另一种用于视觉感知精度的检测的电子设备的框图，该电子设备可以是服务器，其内部结构图可以如图6所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子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。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视觉感知精度的检测方法。
本领域技术人员可以理解，图5或图6中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的电子设备的限定，具体的电子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。
在示例性实施例中，还提供了一种电子设备，包括：处理器；用于存储该处理器可执行指令的存储器；其中，该处理器被配置为执行该指令，以实现如本公开实施例中的视觉感知精度的检测方法。
在示例性实施例中，还提供了一种计算机可读存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行本公开实施例中的视觉感知精度的检测方法。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的视觉感知精度的检测方法。
可以理解的是，在本申请的具体实施方式中，涉及到用户相关的数据，当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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，该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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种视觉感知精度的检测方法，其特征在于，所述方法包括：
获取待检测车辆行进过程中的视觉感知数据、激光雷达数据和待检测车辆的定位数据；
根据所述激光雷达数据和所述定位数据，确定出所述激光雷达数据中所述待检测车辆周围各个第一目标对象的位置属性信息；
将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中各个第二目标对象的匹配结果；
基于所述匹配结果获得所述待检测车辆的视觉感知精度的检测结果，所述检测结果用于表征所述待检测车辆的视觉感知系统的准确性。
2.根据权利要求1所述的方法，其特征在于，所述根据所述激光雷达数据和所述定位数据，确定出所述激光雷达数据中所述待检测车辆周围各个第一目标对象的位置属性信息，包括：
将所述激光雷达数据进行点云拼接，获得所述激光雷达数据对应的点云拼接数据；
对所述点云拼接数据进行目标检测，并根据所述定位数据获得所述各个第一目标对象的静态位置属性信息；
基于所述点云拼接数据对所述各个第一目标对象进行帧与帧的目标关联，并采用聚类追踪获得所述各个第一目标对象的动态位置属性信息；
将所述各个第一目标对像的静态位置属性信息和动态位置属性信息作为对应的第一目标对象的位置属性信息。
3.根据权利要求1所述的方法，其特征在于，所述将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，包括：
将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行时间戳对齐，获得匹配数据列表；
分别对所述匹配数据列表中各个相同时间段的第一目标对象的位置属性信息与所述视觉感知数据进行目标匹配，确定各个相同时间段的激光雷达数据中的第一目标对象是否与所述视觉感知数据中的第二目标对象是否匹配，获得各个相同时间段对应的匹配子结果；
基于各个匹配子结果，获得所述匹配结果。
4.根据权利要求1所述的方法，其特征在于，所述将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，包括：
将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行交并比匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中的第二目标对象的交并比匹配得分；
判断所述交并比匹配得分是否大于预设阈值，若大于，则确定大于所述预设阈值的交并比匹配得分对应的第一目标对象与第二目标对象匹配。
5.根据权利要求4所述的方法，其特征在于，所述将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，还包括：
若所述交并比匹配得分小于所述预设阈值，则将所述第一目标对象的位置属性信息与所述视觉感知数据进行距离匹配，根据所述第一目标对象与所述视觉感知数据中的第二目标对象之间的距离，确定出所述第一目标对象与所述视觉感知数据中的第二目标对象的匹配结果。
6.根据权利要求4所述的方法，其特征在于，所述判断所述交并比匹配得分是否大于预设阈值，若大于，则确定大于所述预设阈值的交并比匹配得分对应的第一目标对象与第二目标对象匹配，包括：
若所述激光雷达数据中的第一目标对象与视觉感知数据中多个第二目标对象的交并比匹配得分均大于所述预设阈值，则将交并比匹配得分最高的第二目标对象作为与所述第一目标对象匹配的目标对象。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于所述匹配结果获得所述待检测车辆的视觉感知精度的检测结果，包括：
根据所述激光雷达数据中的第一目标对象的数量与匹配目标数量的差值，确定出漏检结果；其中，所述匹配目标数量为所述匹配结果中匹配上第二目标对象的第一目标对象的数量；
根据所述视觉感知数据中的第二目标对象的数量与所述匹配目标数量的差值，确定出误检结果；
根据所述匹配结果中相匹配的第一目标对象和第二目标对象的位置属性信息的误差，确定出所述匹配结果中的误差匹配结果；
将所述漏检结果、所述误检结果以及所述误差匹配结果中的一个或多个作为所述待检测车辆的视觉感知精度的检测结果。
8.根据权利要求7所述的方法，其特征在于，所述根据所述匹配结果中相匹配的第一目标对象和第二目标对象的位置属性信息的误差，确定出所述匹配结果中的误差匹配结果，包括：
根据所述匹配结果中相匹配的第一目标对象和第二目标对象在第一方向上的位置信息差值的绝对值与所述第一目标对象在所述第一方向上的位置信息的绝对值的比值，确定出所述匹配结果中的第一方向误差匹配结果；
根据所述匹配结果中相匹配的第一目标对象和第二目标对象在第二方向上的位置信息差值的绝对值与所述第一目标对象在所述第二方向上的位置信息的绝对值的比值，确定出所述匹配结果中的第二方向误差匹配结果；
将所述第一方向误差匹配结果和所述第二方向误差匹配结果作为所述误差匹配结果。
9.一种视觉感知精度的检测装置，其特征在于，所述装置包括：
数据获取模块，用于获取待检测车辆行进过程中的视觉感知数据、激光雷达数据和所述待检测车辆的定位数据；
真值计算模块，用于根据所述激光雷达数据和所述定位数据，确定出所述激光雷达数据中所述待检测车辆周围各个第一目标对象的位置属性信息；
数据匹配模块，用于将所述各个第一目标对象的位置属性信息与所述视觉感知数据进行匹配，获得所述激光雷达数据中各个第一目标对象与所述视觉感知数据中各个第二目标对象的匹配结果；
精度确定模块，用于基于所述匹配结果获得所述待检测车辆的视觉感知精度的检测结果，所述检测结果用于表征所述待检测车辆的视觉感知系统的准确性。
10.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至8中任一项所述的视觉感知精度的检测方法。
11.一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中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现权利要求1至8中任一项所述的视觉感知精度的检测方法。
CN202311243159.1A 2023-09-25 2023-09-25 一种视觉感知精度的检测方法、装置及电子设备 Pending CN117269982A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311243159.1A CN117269982A (zh) 2023-09-25 2023-09-25 一种视觉感知精度的检测方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311243159.1A CN117269982A (zh) 2023-09-25 2023-09-25 一种视觉感知精度的检测方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN117269982A true CN117269982A (zh) 2023-12-22

Family

ID=89204044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311243159.1A Pending CN117269982A (zh) 2023-09-25 2023-09-25 一种视觉感知精度的检测方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN117269982A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117985053A (zh) * 2024-04-02 2024-05-07 北京易控智驾科技有限公司 感知能力检测方法及装置
CN118427205A (zh) * 2024-07-01 2024-08-02 北京集度科技有限公司 数据处理方法、电子设备、车辆及程序产品

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117985053A (zh) * 2024-04-02 2024-05-07 北京易控智驾科技有限公司 感知能力检测方法及装置
CN118427205A (zh) * 2024-07-01 2024-08-02 北京集度科技有限公司 数据处理方法、电子设备、车辆及程序产品

Similar Documents

Publication Publication Date Title
CN110032181B (zh) 语义地图中障碍物定位方法、装置、计算机设备和存储介质
CN109074085B (zh) 一种自主定位和地图建立方法、装置和机器人
CN117269982A (zh) 一种视觉感知精度的检测方法、装置及电子设备
CN112336342B (zh) 手部关键点检测方法、装置及终端设备
CN110751012B (zh) 目标检测评估方法、装置、电子设备及存储介质
CN112598922B (zh) 车位检测方法、装置、设备及存储介质
CN110706247A (zh) 一种目标跟踪方法、装置及系统
CN110992424B (zh) 基于双目视觉的定位方法和系统
CN114998856B (zh) 一种多相机图像的3d目标检测方法、装置、设备及介质
CN112541416A (zh) 跨雷达障碍物跟踪方法、装置、电子设备和存储介质
CN111652057A (zh) 地图构建方法、装置、计算机设备和存储介质
CN108319931B (zh) 一种图像处理方法、装置及终端
CN112434566A (zh) 客流统计方法、装置、电子设备及存储介质
CN113609148A (zh) 一种地图更新的方法和装置
CN111753766A (zh) 一种图像处理方法、装置、设备及介质
CN114842439A (zh) 跨感知设备的车辆识别方法、装置、电子设备及存储介质
CN112507857B (zh) 一种车道线更新方法、装置、设备及存储介质
CN110864670B (zh) 目标障碍物位置的获取方法和系统
CN111767839A (zh) 一种车辆行驶轨迹确定方法、装置、设备及介质
CN111325937A (zh) 翻越行为检测方法、装置和电子系统
CN115352452B (zh) 车辆环境的感知方法、系统、电子设备及存储介质
CN114371475A (zh) 一种优化标定参数的方法、系统、设备及计算机存储介质
CN112297011A (zh) 农林机器人避障方法、装置、计算机设备和存储介质
CN112284402A (zh) 一种车辆定位的方法和装置
CN108416305B (zh) 连续型道路分割物的位姿估计方法、装置及终端

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