一种基于车联网的目标物感知方法及系统技术方案

本发明专利技术公开了一种基于车联网的目标物感知方法及系统，属于车联网领域。该方法包括：获取第一感知数据和第二感知数据，作为信息源，其中，所述信息源包括一个或多个目标物；将所述信息源在云端进行融合，获得融合结果，其中，所述融合结果是所述信息源所包括的一个或多个目标物的融合结果；从所述融合结果中筛选影响目标车辆的目标物感知结果，将所述影响目标车辆的目标物感知结果发送给所述目标车辆。本说明书实施例提供的基于车联网的目标物感知方法及系统，能够避免车路协同中的感知盲区，实现全路段感知，提高识别准确性和/或识别精度。

A Target Object Perception Method and System Based on Vehicle Networking

【技术实现步骤摘要】
一种基于车联网的目标物感知方法及系统
本申请涉及车联网领域，尤其涉及一种基于车联网的目标物感知方法及系统。
技术介绍
车路协同是利用通信技术将车与车、车与路连接起来，实现它们之间信息的高效传输，并对信息进行融合处理来保证道路交通安全和提高道路利用率，达到人、车、路三者之间的高度协同，最终形成的一个安全、高效、环保的交通系统。车路协同技术是未来智能交通的发展方向，有利于将“聪明的车”和“智慧的路”的各自优势进行充分互补，对降低交通事故的发生率、解决城市交通拥堵、推动交通系统的发展具有十分重要的意义，在辅助驾驶和自动驾驶行业具有重要的应用价值。基于车载端传感器的单车智能识别方法，仅靠单车智能识别往往存在感知盲区：识别能力参差不齐，识别视野会受到遮挡、光线等环境因素影响，感知范围具有局限性，可能存在干扰，因此不能实现全方位、超视距感知。另一方面，车载端传感器的成本相对较高，为了实现车辆对外界环境的感知，需要安装多个车载传感器，如摄像头、毫米波雷达、激光雷达等，不仅增加成本，而且系统过于复杂。而基于路侧设备的路侧智能识别方法，可以实现准确、高精度识别，但是若完全进行道路覆盖，成本较高，因此往往采用在重点路段采用路侧智能识别，该方法无法实现全路段感知。
技术实现思路
鉴于上述现有技术中的不足之处，本说明书实施例提供一种基于车联网的目标物感知方法及系统，用于解决以下技术问题：车路协同中存在感知盲区，无法实现全路段感知，识别准确性和/或识别精度差。为解决上述技术问题，本说明书实施例是这样实现的：本说明书实施例提供的一种基于车联网的目标物感知方法，包括：获取第一感知数据和第二感知数据，作为信息源，其中，所述信息源包括一个或多个目标物；将所述信息源在云端进行融合，获得融合结果，其中，所述融合结果是所述信息源所包括的一个或多个目标物的融合结果；从所述融合结果中筛选影响目标车辆的目标物感知结果，将所述影响目标车辆的目标物感知结果发送给所述目标车辆。进一步地，所述获取第一感知数据和第二感知数据，具体包括：基于车载端传感器获取第一感知数据；基于路侧设备获取第二感知数据；其中，所述第一感知数据与所述第二感知数据具有相同的数据结构。进一步地，所述将所述信息源在云端进行融合，获得融合结果，具体包括：确定所述信息源所包括的各因子的置信度；基于所述置信度及所述信息源，将所述信息源中的同一目标物进行融合定位。进一步地，所述确定信息源的置信度，具体包括：基于所述信息源，采用置信规则库推理方法，确定所述信息源所包括的各因子的置信度。进一步地，所述基于所述置信度及所述信息源，将所述信息源中的同一目标物进行融合，具体包括：基于所述置信度，对所述信息源中所包括的各因子进行筛选，保留所述信息源中同一因子中置信度最高的因子，作为新的信息源；基于所述新的信息源，进行聚类分析，建立时空模型，确定属于同一目标物的初步识别结果，作为第一识别结果；基于所述信息源的综合置信度，与所述第一识别结果进行叠加，获得第二识别结果，其中，所述信息源的综合置信度是基于所述信息源所包括的各因子的置信度加权得到的；将所述第二识别结果作为目标物的目标位置及三维模型。进一步地，所述从所述融合结果中筛选目标物感知结果，具体包括：以目标车辆的当前位置作为圆心，以目标车辆的当前速度为半径，对所述融合结果进行初步筛选，获得第一筛选结果；根据所述目标车辆的位置，基于云端地图数据和/或地图引擎，对所述第一筛选结果进行筛选，获得第二筛选结果；基于所述目标车辆与目标物的相对位置和/或相对速度，对所述第二筛选结果进行筛选，获得影响所述目标车辆的目标物数据。进一步地，所述目标车辆与目标物的相对位置和/或相对速度，具体包括：基于所述目标车辆的行驶方向和/或车速及目标物的运动方向和/或速度，获取所述目标车辆与所述目标物的相对位置和/或相对速度。进一步地，所述将所述影响目标车辆的感知结果发送给所述目标车辆，具体包括：将所述影响目标车辆的感知结果以预设的数据格式发送给所述目标车辆。本说明书实施例提供的一种基于车联网的目标物感知系统，包括：获取模块，获取第一感知数据和第二感知数据，作为信息源，其中，所述信息源包括一个或多个目标物；融合模块，将所述信息源在云端进行融合，获得融合结果，其中，所述融合结果是所述信息源所包括的一个或多个目标物的融合结果；信息发布模块，从所述融合结果中筛选影响目标车辆的目标物感知结果，将所述影响目标车辆的目标物感知结果发送给所述目标车辆。进一步地，所述获取第一感知数据和第二感知数据，具体包括：基于车载端传感器获取第一感知数据；基于路侧设备获取第二感知数据；其中，所述第一感知数据与所述第二感知数据具有相同的数据结构。进一步地，所述将所述信息源在云端进行融合，获得融合结果，具体包括：确定所述信息源所包括的各因子的置信度；基于所述置信度及所述信息源，将所述信息源中的同一目标物进行融合定位。进一步地，所述确定信息源的置信度，具体包括：基于所述信息源，采用置信规则库推理方法，确定所述信息源所包括的各因子的置信度。进一步地，所述基于所述置信度及所述信息源，将所述信息源中的同一目标物进行融合，具体包括：基于所述置信度，对所述信息源中所包括的各因子进行筛选，保留所述信息源中同一因子中置信度最高的因子，作为新的信息源；基于所述新的信息源，进行聚类分析，建立时空模型，确定属于同一目标物的初步识别结果，作为第一识别结果；基于所述信息源的综合置信度，与所述第一识别结果进行叠加，获得第二识别结果，其中，所述信息源的综合置信度是基于所述信息源所包括的各因子的置信度加权得到的；将所述第二识别结果作为目标物的目标位置及三维模型。进一步地，所述从所述融合结果中筛选目标物感知结果，具体包括：以目标车辆的当前位置作为圆心，以目标车辆的当前速度为半径，对所述融合结果进行初步筛选，获得第一筛选结果；根据所述目标车辆的位置，基于云端地图数据和/或地图引擎，对所述第一筛选结果进行筛选，获得第二筛选结果；基于所述目标车辆与目标物的相对位置和/或相对速度，对所述第二筛选结果进行筛选，获得影响所述目标车辆的目标物数据。进一步地，所述目标车辆与目标物的相对位置和/或相对速度，具体包括：基于所述目标车辆的行驶方向和/或车速及目标物的运动方向和/或速度，获取所述目标车辆与所述目标物的相对位置和/或相对速度。进一步地，所述将所述影响目标车辆的感知结果发送给所述目标车辆，具体包括：将所述影响目标车辆的感知结果以预设的数据格式发送给所述目标车辆。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取第一感知数据和第二感知数据，作为信息源，其中，所述信息源包括一个或多个目标物；将所述信息源在云端进行融合，获得融合结果，其中，所述融合结果是所述信息源所包括的一个或多个目标物的融合结果；从所述融合结果中筛选影响目标车辆的目标物感知结果，将所述影响目标车辆的目标物感知结果发送给所述目标车辆，能够避免车路协同中的感知盲区，实现全路段感知，提高识别准确性和/或识别精度。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的本文档来自技高网...

【技术保护点】
1.一种基于车联网的目标物感知方法，其特征在于，所述方法包括：获取第一感知数据和第二感知数据，作为信息源，其中，所述信息源包括一个或多个目标物；将所述信息源在云端进行融合，获得融合结果，其中，所述融合结果是所述信息源所包括的一个或多个目标物的融合结果；从所述融合结果中筛选影响目标车辆的目标物感知结果，将所述影响目标车辆的目标物感知结果发送给所述目标车辆。

【技术特征摘要】
1.一种基于车联网的目标物感知方法，其特征在于，所述方法包括：获取第一感知数据和第二感知数据，作为信息源，其中，所述信息源包括一个或多个目标物；将所述信息源在云端进行融合，获得融合结果，其中，所述融合结果是所述信息源所包括的一个或多个目标物的融合结果；从所述融合结果中筛选影响目标车辆的目标物感知结果，将所述影响目标车辆的目标物感知结果发送给所述目标车辆。2.如权利要求1所述的方法，其特征在于，所述获取第一感知数据和第二感知数据，具体包括：基于车载端传感器获取第一感知数据；基于路侧设备获取第二感知数据；其中，所述第一感知数据与所述第二感知数据具有相同的数据结构。3.如权利要求1所述的方法，其特征在于，所述将所述信息源在云端进行融合，获得融合结果，具体包括：确定所述信息源所包括的各因子的置信度；基于所述置信度及所述信息源，将所述信息源中的同一目标物进行融合定位。4.如权利要求3所述的方法，其特征在于，所述确定信息源的置信度，具体包括：基于所述信息源，采用置信规则库推理方法，确定所述信息源所包括的各因子的置信度。5.如权利要求3或4所述的方法，其特征在于，所述基于所述置信度及所述信息源，将所述信息源中的同一目标物进行融合，具体包括：基于所述置信度，对所述信息源中所包括的各因子进行筛选，保留所述信息源中同一因子中置信度最高的因子，作为新的信息源；基于所述新的信息源，进行聚类分析，建立时空模型，确定属于同一目标物的初步识别结果，作为第一识别结果；基于所述信息源的综合置信度，与所述第一识别结果进行叠加，获得第二识别结果，其中，所述信息源的综合置信度是基于所述信息源所包括的各因子的置信度加权得到的；将所述第二识别结果作为目标物的目标位置及三维模型。6.如权利要求1所述的方法，其特征在于，所述从所述融合结果中筛选目标物感知结果，具体包括：以目标车辆的当前位置作为圆心，以目标车辆的当前速度为半径，对所述融合结果进行初步筛选，获得第一筛选结果；根据所述目标车辆的位置，基于云端地图数据和/或地图引擎，对所述第一筛选结果进行筛选，获得第二筛选结果；基于所述目标车辆与目标物的相对位置和/或相对速度，对所述第二筛选结果进行筛选，获得影响所述目标车辆的目标物数据。7.如权利要求6所述的方法，其特征在于，所述目标车辆与目标物的相对位置和/或相对速度，具体包括：基于所述目标车辆的行驶方向和/或车速及目标物的运动方向和/或速度，获取所述目标车辆与所述目标物的相对位置和/或相对速度。8.如权利要求1所述的方法，其特征在于，所述将所述影响目标车辆的感知结果发送给所述目标车辆，具体包括：将所述影响目标车辆的感知结果以预设的数据格式发送给所述目标车辆。9.一种基于车联网的目标物感...

【专利技术属性】
技术研发人员：高梦迪，赵晓宇，秦勇波，
申请(专利权)人：启迪云控北京科技有限公司，
类型：发明
国别省市：北京,11