[發明專利]基于多傳感器多被測對象的相似度模型訓練方法和裝置

在審

• 申請號: 201811497794.1
• 申請日: 2018-12-07
• 公開（公告）號: CN109740632A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 張曄;王軍
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

本發明提出一種基于多傳感器多被測對象的相似度模型訓練方法和裝置，其中，方法包括：獲取各傳感器的檢測結果，以及獲取各被測對象的標注結果，對各檢測結果，計算相應檢測結果與各標注結果之間的第一相似度，根據第一相似度，確定不同檢測結果之間的第二相似度，根據不同檢測結果之間的第二相似度，生成相似檢測結果組合的正樣本和不相似檢測結果組合的負樣本，采用正樣本和負樣本，對相似度模型進行訓練，通過計算各傳感器的檢測結果之間的相似度，確定相似結果組合的正樣本，以及不相似結果組合的負樣本，基于正負樣本對模型進行訓練，提高了訓練得到的相似度模型的準確度。

技術領域

本發明涉及傳感器檢測技術領域，尤其涉及一種基于多傳感器多被測對象的相似度模型訓練方法和裝置。

背景技術

多傳感器信息融合(Multi-sensor Information Fusion，MSIF)，就是利用計算機技術將來自多傳感器或多源的信息和數據，在一定的準則下加以自動分析和綜合，以完成所需要的決策和估計而進行的信息處理過程，運用多傳感器數據融合技術在解決探測、跟蹤和目標識別等問題方面，能夠增強系統生存能力，提高整個系統的可靠性和魯棒性。

相關技術中，基于多傳感器融合的感知流程中，傳感器的檢測結果中融合特征的提取和融合都是依賴經驗的啟發式算法的設計，但是，這種設計依賴人的經驗，缺乏數據的支撐，而且當融合特征組合變化的時候，融合策略的調制也比較復雜，且效率較低。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的第一個目的在于提出一種基于多傳感器多被測對象的相似度模型訓練方法，通過計算各傳感器的檢測結果之間的相似度，確定相似結果組合的正樣本，以及不相似結果組合的負樣本，基于正負樣本對模型進行訓練，使得訓練得到的模型的使用不受場景的限制，同時，提高了訓練得到的相似度模型的準確度，解決了相關技術中，對多個傳感器的檢測結果進行相似度確定時，沒有數據的支撐，是基于人為經驗設計，無法適應檢測結果特征多變的場景，效率較低，準確度較差的問題。

本發明的第二個目的在于提出一種障礙物檢測方法。

本發明的第三個目的在于提出一種基于多傳感器多被測對象的相似度模型訓練裝置。

本發明的第四個目的在于提出一種障礙物檢測裝置。

本發明的第五個目的在于提出一種計算機設備。

本發明的第六個目的在于提出一種非臨時性計算機可讀存儲介質。

為達上述目的，本發明第一方面實施例提出了一種基于多傳感器多被測對象的相似度模型訓練方法，其中，相似度模型用于確定多傳感器的檢測結果間相似度，包括：

獲取各傳感器的檢測結果，以及獲取各被測對象的標注結果；

對各檢測結果，計算相應檢測結果與各標注結果之間的第一相似度；

根據所述第一相似度，確定不同檢測結果之間的第二相似度；

根據所述不同檢測結果之間的第二相似度，生成相似檢測結果組合的正樣本和不相似檢測結果組合的負樣本；

采用所述正樣本和所述負樣本，對所述相似度模型進行訓練。

為達上述目的，本發明第二方面實施例提出了一種障礙物檢測方法，包括：

采用經過如第一方面所述的方法進行訓練的相似度模型，對各傳感器檢測得到的檢測結果進行相似度計算，以確定各傳感器檢測得到的檢測結果是否相似；

確定相似的檢測結果對應同一障礙物；

根據對應同一障礙物的檢測結果，進行障礙物檢測。