基于自动驾驶的场景诊断方法、装置、车辆及存储介质

    公开(公告)号:CN119489835A

    公开(公告)日:2025-02-21

    申请号:CN202311054940.4

    申请日:2023-08-21

    Abstract: 本申请涉及一种基于自动驾驶的场景诊断方法、装置、车辆及存储介质,该方法包括:获取N个传感器对应的N个检测结果,N为大于1的整数;将所述N个检测结果进行关联融合,得到融合结果;根据所述N个检测结果和所述融合结果进行场景诊断,得到场景诊断结果。这样可以综合利用N个传感器对应的N个检测结果和N个检测结果关联融合后的融合结果进行场景诊断,因而不仅可以实现对各个传感器数据是否传输进行诊断,还可以实现对各个传感器对应的检测结果异常以及多个传感器之间的关联融合异常进行诊断,使得感知结果的精度大幅度提升。

    跨模态跨层级目标关联方法、装置、电子设备及介质

    公开(公告)号:CN117036888A

    公开(公告)日:2023-11-10

    申请号:CN202311054341.2

    申请日:2023-08-21

    Abstract: 本申请涉及一种跨模态跨层级目标关联方法、装置、电子设备及介质,属于传感器数据融合领域。包括:采集视觉数据和雷达数据并进行预处理;将预处理后的雷达数据中的雷达观测目标的位置坐标转换为对应的像素坐标;根据雷达观测目标对应的像素坐标获取能够投影到视觉数据中的目标检测框内的第一雷达观测目标;计算各第一雷达观测目标对应的像素坐标与目标检测框的像素距离;将雷达数据中的雷达观测目标和视觉数据中的视觉观测目标与跟踪目标进行关联;筛选出已关联视觉观测目标,未关联雷达观测目标的第一跟踪目标;计算各第一雷达观测目标到本车的相对距离;确定相对距离以及像素距离同时最小的雷达观测目标为对应的第一跟踪目标的关联目标。

    多传感器的融合估计方法、装置、电子设备及存储介质

    公开(公告)号:CN116299470A

    公开(公告)日:2023-06-23

    申请号:CN202310140563.X

    申请日:2023-02-20

    Inventor: 谭伟 陈剑斌 任凡

    Abstract: 本申请涉及一种多传感器的融合估计方法、装置、电子设备及存储介质,方法包括:获取当前目标在多个传感器下的多个当前观测值和多个历史观测值,并基于其速度运动方程确定优化变化量,根据多个传感器的类型确定多个当前观测值的观测信息矩阵,且根据速度运动方程、多个当前观测值和多个历史观测值计算当前目标的雅可比矩阵和海塞矩阵,并结合多个传感器的观测值建立稀疏线性方程,进行迭代计算当前目标的状态估计值,从而输出当前目标的最终状态估计值。根据本申请实施例的多传感器的融合估计方法,基于图优化思想,结合传感器的先验信息,求取最优估计值作为感知融合目标,使融合目标更加平稳,同时减少需要调节的参数,降低工程经验。

    基于车辆目标的点云边界框计算方法、系统、设备及介质

    公开(公告)号:CN115423833A

    公开(公告)日:2022-12-02

    申请号:CN202210968273.X

    申请日:2022-08-12

    Abstract: 本发明公开了一种基于车辆目标的点云边界框计算方法、系统、设备及介质,方法包括以下步骤:S1、点云数据获取,获取聚类或分割后的车辆目标的点云数据;S2、点云降采样,对获取的点云数据进行降采样;S3、点云方向计算,使用点云数据在水平面的坐标信息,计算点云方向,即车辆在水平面的偏航角;S4、点云边界框计算。本发明使用新的点云降采样方法,保留了点云整体特征信息的同时,降低点云的密度;同时在计算目标方向时采用新的损失值计算方法,增加了计算结果的稳定性,在保证算法时间复杂度较低的同时,保证了目标点云边界框的稳定性。

    目标分割方法、装置、电子设备、存储介质及程序产品

    公开(公告)号:CN115115655A

    公开(公告)日:2022-09-27

    申请号:CN202210692872.3

    申请日:2022-06-17

    Abstract: 本发明提供一种目标分割方法,该方法包括:将获取的目标物体对应的三维点云转换成深度图像;计算所述深度图像所有列像素中每一列的两个相邻像素点形成的第一角度值,根据第一角度值确定属于地面点的像素点;将属于地面点的像素点从所述深度图像中移除,得到目标图像;计算所述目标图像中两个相邻像素点形成的第二角度值,根据第二角度值确定属于同一目标的像素点,以完成同一目标的确认;对所述同一目标进行分割,并根据三维点云与深度图像的射映关系将目标的深度图像反投影为点云数据。本发明充分利用了深度投影图像,减少了使用DBSCAN算法排序的耗时,提高了算法速率。

    基于DBSCAN的4D毫米波雷达聚类方法及存储介质

    公开(公告)号:CN115062683A

    公开(公告)日:2022-09-16

    申请号:CN202210460110.0

    申请日:2022-04-24

    Abstract: 本发明公开了一种基于DBSCAN的4D毫米波雷达聚类方法及存储介质,包括以下步骤,S1、获取本车信号、车道线信号及4D毫米波雷达点云信号,并对该信号进行解析和预处理;S2、计算点云信号中各点的局部搜索半径,并对计算得到的各点局部搜索半径进行排序;S3、对点云信号进行基于DBSCAN算法的聚类处理。本发明以传统DBSCAN算法为基础,在其中添加了基于其他传感器以及各个点的物理属性进行数据预处理、对每一个点云依据其物理量的大小为其确定了局部搜索半径ε并对所有原始探测进行排序再进行聚类以及对聚类结果点数进行动态判断是否为单帧观测目标,将本发明的聚类结果与传统DBSCAN聚类方式比较,可以发现本算法的聚类效果更好。

    一种基于交互式多模型的自动驾驶跟踪方法

    公开(公告)号:CN114852083A

    公开(公告)日:2022-08-05

    申请号:CN202210314510.0

    申请日:2022-03-28

    Abstract: 本发明涉及一种基于交互式多模型的自动驾驶跟踪方法,包括如下步骤:1)建立参考坐标系,在参考坐标系中建立由三个运动模型组成的交互式多模型;2)基于参考坐标系,确定量测方程;3)将三个运动模型分别作为目标运动的状态方程与量测方程结合,并滤波得到各运动模型的运动状态预测值和对应的误差协方差矩阵;4)计算各运动模型的似然函数,动态调节匀速转弯模型的角速度和各运动模型的概率,然后进行运动状态估计和误差协方差矩阵融合。本发明在交互式多模型的基础上合理选择运动模型,降低了算力需求;通过自适应调整匀速转弯模型的的角速度,解决了无法准确估计角速度的问题,减小了目标跟踪时的误差,使计算结果更准确。

Patent Agency Ranking