[發明專利]超聲波數據處理方法、裝置及車輛

在審

• 申請號: 201910848772.3
• 申請日: 2019-09-09
• 公開（公告）號: CN110674853A
• 公開（公告）日: 2020-01-10
• 發明（設計）人: 張博;鄧志權;蔣少峰;歐陽湛
• 申請（專利權）人: 廣州小鵬汽車科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 44381 廣州德科知識產權代理有限公司
• 代理人: 萬振雄;楊中強

1.一種超聲波數據處理方法，其特征在于，所述方法包括：

獲取已標記出所屬的物體類別的超聲波樣本數據；

利用所述超聲波樣本數據對初始分類模型進行訓練，得到訓練好的超聲波數據分類模型；其中，所述初始分類模型為支持向量機；

獲取待識別的超聲波數據；

將所述待識別的超聲波數據輸入至超聲波數據分類模型中，基于所述超聲波數據分類模型的輸出結果確定所述待識別的超聲波數據所屬的物體類別。

2.根據權利要求1所述的方法，其特征在于，所述利用所述超聲波樣本數據對初始分類模型進行訓練，得到訓練好的超聲波數據分類模型，包括：

將所述超聲波樣本數據輸入初始分類模型，獲得所述初始分類模型輸出的分類結果；

將所述分類結果與已標記出的所述物體類別相比較，獲得比較結果；

根據所述比較結果調整所述初始分類模型中的參數，以使所述初始模型中的參數w滿足以下條件：

最小化所述初始分類模型的決策邊界的距離d＝2/‖w‖，

其中，所述N為所述超聲波樣本數據的總數量，所述x_i表示第i個超聲波樣本數據，y_i為已標記出的第i個超聲波樣本數據所屬的物體類別，λ‖w‖²為正則項；

將參數w滿足所述條件時的所述初始分類模型確定為訓練好的超聲波數據分類模型。

3.根據權利要求2所述的方法，其特征在于，所述基于所述超聲波數據分類模型的輸出結果確定所述待識別的超聲波數據所屬的物體類別，包括：

求解f(x)＝w′^Tx+b；其中，所述x為所述待識別的超聲波數據，所述w′為訓練好的所述超聲波數據分類模型中的參數，所述b為標定參數；

如果f(x)≥1，將所述待識別的超聲波數據確定為一類；如果f(x)≤-1，將所述待識別的超聲波數據確定為另一類。

4.根據權利要求1～3任一項所述的方法，其特征在于，所述獲取已標記出所屬類別的超聲波樣本數據，包括：

獲取激光雷達采集到的激光雷達數據以及超聲波雷達采集到的超聲波雷達數據；

以所述激光雷達數據為障礙物的真值，識別出所述超聲波雷達數據中屬于所述障礙物的超聲波雷達數據；

將所述屬于所述障礙物的超聲波雷達數據所屬的物體類別標記為所述障礙物的物體類別，將標記后的所述屬于所述障礙物的超聲波雷達數據作為超聲波樣本數據。

5.根據權利要求4所述的方法，其特征在于，所述以所述激光雷達數據為障礙物的真值，識別出所述超聲波雷達數據中屬于所述障礙物的超聲波雷達數據，包括：

根據所述激光雷達在車輛上的裝設位置以及所述激光雷達數據計算反射激光的激光反射點的位置坐標；

根據所述超聲波雷達在車輛上的裝設位置所述超聲波雷達數據計算反射超聲波的超聲波反射點的位置坐標；其中，所述激光反射點的位置坐標與所述超聲波反射點的位置坐標處于同一坐標系下；

根據所述激光反射點的位置坐標確定出障礙物占據的范圍；

將落入所述障礙物占據的范圍的所述超聲波反射點對應的超聲波雷達數據確定為屬于所述障礙物的超聲波雷達數據。

6.一種超聲波數據處理裝置，其特征在于，所述裝置包括：

第一獲取單元，用于獲取已標記出所屬的物體類別的超聲波樣本數據；

訓練單元，用于利用所述超聲波樣本數據對初始分類模型進行訓練，得到訓練好的超聲波數據分類模型；其中，所述初始分類模型為支持向量機；

第二獲取單元，還用于獲取待識別的超聲波數據；

識別單元，用于將所述待識別的超聲波數據輸入至超聲波數據分類模型中，基于所述超聲波數據分類模型的輸出結果確定所述待識別的超聲波數據所屬的物體類別。