[發(fā)明專利]一種車路協(xié)同的特征級(jí)協(xié)同感知融合方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202211480590.3
• 申請(qǐng)日: 2022-11-24
• 公開（公告）號(hào): CN115578709B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 劉前飛;高楠楠;黃文藝;孫超;王博;宋士佳;王文偉
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)深圳汽車研究院（電動(dòng)車輛國(guó)家工程實(shí)驗(yàn)室深圳研究院）
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56;G06V10/40;G06V10/77;G06V10/80;G06V10/82;G06N3/0464
• 代理公司: 深圳鼎合誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 44281
• 代理人: 郭燕;彭家恩

1.一種車路協(xié)同的特征級(jí)協(xié)同感知融合方法，其特征在于，包括：

獲取車端點(diǎn)云信息和車端點(diǎn)云信息對(duì)應(yīng)的時(shí)間戳；

對(duì)所述車端點(diǎn)云信息進(jìn)行特征提取以生成車端點(diǎn)云偽圖像，對(duì)所述車端點(diǎn)云偽圖像進(jìn)行高維特征提取，以生成車端點(diǎn)云特征空間分布；

獲取路側(cè)端點(diǎn)云特征數(shù)據(jù)，所述路側(cè)端點(diǎn)云特征數(shù)據(jù)根據(jù)按照所述時(shí)間戳進(jìn)行存儲(chǔ)的路側(cè)端點(diǎn)云信息確定；

利用2D卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)計(jì)算所述路側(cè)端點(diǎn)云特征數(shù)據(jù)映射到車端點(diǎn)云特征空間分布的變換參數(shù)；

根據(jù)所述變換參數(shù)確定路側(cè)端點(diǎn)云特征數(shù)據(jù)在車端點(diǎn)云特征空間分布中對(duì)應(yīng)的位置坐標(biāo)；

將路側(cè)端點(diǎn)云特征數(shù)據(jù)按照所述位置坐標(biāo)確定對(duì)應(yīng)的特征值，以完成路側(cè)端點(diǎn)云特征數(shù)據(jù)對(duì)車端點(diǎn)云特征空間分布的映射；

將映射到車端點(diǎn)云特征空間分布的路側(cè)端點(diǎn)云特征數(shù)據(jù)和車端點(diǎn)云特征空間分布進(jìn)行融合，以實(shí)現(xiàn)車路協(xié)同感知。

2.如權(quán)利要求1所述的車路協(xié)同的特征級(jí)協(xié)同感知融合方法，其特征在于，所述對(duì)所述車端信息進(jìn)行特征提取以生成車端點(diǎn)云偽圖像，對(duì)車端點(diǎn)云偽圖像進(jìn)行高維特征提取，以生成車端點(diǎn)云特征空間分布，包括：

利用點(diǎn)云物體檢測(cè)網(wǎng)絡(luò)對(duì)所述車端信息進(jìn)行特征提取以生成車端點(diǎn)云偽圖像，對(duì)車端點(diǎn)云偽圖像進(jìn)行高維特征提取，以生成6C*0.5H*0.5W的車端點(diǎn)云特征空間分布；其中，C為通道數(shù)；H為高度；W為寬度。

3.如權(quán)利要求1所述的車路協(xié)同的特征級(jí)協(xié)同感知融合方法，其特征在于，所述路側(cè)端點(diǎn)云特征數(shù)據(jù)根據(jù)按照所述時(shí)間戳進(jìn)行存儲(chǔ)的路側(cè)端點(diǎn)云信息確定，包括：

所述路側(cè)端點(diǎn)云特征數(shù)據(jù)通過(guò)對(duì)按照所述時(shí)間戳進(jìn)行存儲(chǔ)的路側(cè)端點(diǎn)云信息進(jìn)行特征提取后，進(jìn)行高維特征提取再進(jìn)行降維壓縮后，2C*0.5H*0.5W的路側(cè)端點(diǎn)云特征數(shù)據(jù)，其中，C為通道數(shù)；H為高度；W為寬度。

4.如權(quán)利要求1所述的車路協(xié)同的特征級(jí)協(xié)同感知融合方法，其特征在于，所述對(duì)所述路側(cè)端點(diǎn)云特征數(shù)據(jù)進(jìn)行解壓縮，包括：

利用設(shè)定通道的設(shè)定卷積核對(duì)所述路側(cè)端點(diǎn)云特征數(shù)據(jù)進(jìn)行解壓縮，以生成6C*0.5H*0.5W的解壓縮后的路側(cè)端點(diǎn)云特征數(shù)據(jù)；其中，C為通道數(shù)；H為高度；W為寬度。

5.如權(quán)利要求1中所述的車路協(xié)同的特征級(jí)協(xié)同感知融合方法，其特征在于，所述利用2D卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)計(jì)算路側(cè)端點(diǎn)云特征數(shù)據(jù)映射到車端點(diǎn)云特征空間分布的變換參數(shù)，包括：

利用2D卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到如下公式，以確定所述變換參數(shù)：

，

其中，A_θ為變換參數(shù)，θ₁₁為路側(cè)點(diǎn)云特征數(shù)據(jù)轉(zhuǎn)換到車端點(diǎn)云特征空間分布的第一轉(zhuǎn)換參數(shù)，θ₁₂為路側(cè)點(diǎn)云特征數(shù)據(jù)轉(zhuǎn)換到車端點(diǎn)云特征空間分布的第二轉(zhuǎn)換參數(shù)，θ₁₃為路側(cè)點(diǎn)云特征數(shù)據(jù)轉(zhuǎn)換到車端點(diǎn)云特征空間分布的第三轉(zhuǎn)換參數(shù)，θ₂₁為路側(cè)點(diǎn)云特征數(shù)據(jù)轉(zhuǎn)換到車端點(diǎn)云特征空間分布的第四轉(zhuǎn)換參數(shù)，θ₂₂為路側(cè)點(diǎn)云特征數(shù)據(jù)轉(zhuǎn)換到車端點(diǎn)云特征空間分布的第五轉(zhuǎn)換參數(shù)，θ₂₃為路側(cè)點(diǎn)云特征數(shù)據(jù)轉(zhuǎn)換到車端點(diǎn)云特征空間分布的第六轉(zhuǎn)換參數(shù)。