车辆速度确定方法及车辆技术

本申请公开了车辆速度确定方法和装置，车辆速度预测模型构建方法和装置，电子设备，路测感知设备，以及车辆。其中，车辆速度确定方法包括：根据至少两帧道路环境点云数据中的车辆点云数据，生成至少两个二维车辆图像；根据所述至少两个二维车辆图像和所述至少两帧道路环境点云数据中任意两帧数据的时间间隔，确定车辆行驶速度。采用这种处理方式，使得生成与至少两帧道路环境点云数据中的车辆点云数据对应的至少两个二维车辆图像，并根据这些图像和至少两帧数据中任意两帧数据的时间间隔，确定车辆的行驶速度；因此，可以有效提升车辆速度的准确度，从而提升道路交通安全性。

【技术实现步骤摘要】
车辆速度确定方法及车辆
本申请涉及自动驾驶
，具体涉及车辆速度确定方法和装置，车辆速度预测模型构建方法和装置，电子设备，路测感知设备，以及车辆。
技术介绍
车辆在行驶过程中对其他车辆的速度进行估计是实现道路交通安全和通向自动驾驶的关键，它可以帮助自动驾驶车辆预测行驶场景中周围车辆未来的行驶轨迹，帮助自车规避可能发生的碰撞。自动驾驶车辆通常配备多种传感器，这些传感器的数据都有用来估计车辆速度的潜力。下面对常用的三种车辆速度确定方法及其存在的问题进行说明。1)基于毫米波雷达数据的车辆速度确定方法。该方法借助于多普勒效应，可以为其他车辆给出一个较为精确的速度测量。然而，为了给出准确的速度测量，它对其他车辆的行驶位置和方向都有较高要求。具体而言，对于未在毫米波传播区域且运动方向不平行于毫米波传播方向的车辆，它给出的速度测量往往有较大的误差。2)基于相机数据的车辆速度确定方法。该方法通过深度学习技术，尤其是光流估计技术，利用相机采集的RGB图像对图像中物体进行速度估计，如FlowNet技术等等。但是，普通的RGB相机有一个比较明显的缺陷，那就是夜间几乎不可用。3)基于激光雷达数据的车辆速度确定方法。该方法利用激光雷达点云估计速度，可以有效克服夜间问题，具体处理过程如下所述：根据点云检测算法检测出的凸包，计算两帧间检测出的同一对象凸包中心的偏移量，最后除以两帧时间间隔，即为对象速度。然而，这类方法受检测出的凸包形态影响，中心点往往不是对象真正的形态中心，因此估计的速度结果噪声较大。综上所述，现有技术存在车辆速度估计准确度较低的问题，如何准确地确定其他车辆的速度，成为本领域技术人员迫切需要解决的问题。
技术实现思路
本申请提供车辆速度确定方法，以解决现有技术存在的速度估计准确度较低的问题。本申请另外提供车辆速度确定装置，车辆速度预测模型构建方法和装置，电子设备，路测感知设备，以及车辆。本申请提供一种车辆速度确定方法，包括：根据至少两帧道路环境点云数据中的车辆点云数据，生成至少两个二维车辆图像；根据所述至少两个二维车辆图像和所述至少两帧道路环境点云数据中两帧数据的时间间隔，确定车辆行驶速度。可选的，所述根据所述至少两个二维车辆图像和所述至少两帧道路环境点云数据中两帧数据的时间间隔，并确定车辆行驶速度，包括：根据所述至少两个二维车辆图像确定与所述时间间隔对应的二维车辆位置偏移数据；根据所述二维车辆位置偏移数据及所述时间间隔，确定车辆行驶速度。可选的，通过车辆速度预测模型，根据所述至少两个二维车辆图像确定所述二维车辆位置偏移数据。可选的，还包括：从训练数据集中学习得到所述车辆速度预测模型；所述训练数据包括至少两个训练用二维车辆图像和二维车辆位置偏移真值数据。可选的，所述车辆速度预测模型采用如下步骤确定：确定所述训练数据集；构建所述车辆速度预测模型的网络结构；从所述训练数据集中学习得到所述车辆速度预测模型。可选的，所述网络结构包括车辆位移特征提取层和车辆位移特征上采样层。可选的，所述二维车辆位置偏移真值数据包括与所述训练用二维车辆图像具有相同图像尺寸的二维车辆位置偏移真值图。可选的，所述训练数据集采用如下步骤确定：获取具有三维车辆包围盒及车辆标识标注数据的至少两帧训练用环境点云数据；根据所述标注数据，将同一车辆的预设两帧的三维车辆包围盒的中心点偏移量作为三维车辆位置偏移真值；将所述三维车辆位置偏移真值投影至俯视图坐标系，得到二维车辆位置偏移真值；根据二维车辆位置偏移真值形成所述二维车辆位置偏移真值图；以及，根据至少两帧训练用环境点云数据中的车辆点云数据，生成至少两个训练用二维车辆图像。可选的，所述训练数据集采用如下步骤确定：获取具有三维车辆包围盒及车辆标识标注数据的至少两帧训练用环境点云数据；根据所述标注数据，将同一车辆的预设两帧的三维车辆包围盒的中心点偏移量作为三维车辆位置偏移真值；将所述三维车辆位置偏移真值投影至俯视图坐标系，得到二维车辆位置偏移真值；根据至少两帧训练用环境点云数据中的车辆点云数据，生成至少两个训练用二维车辆图像。可选的，所述二维车辆位置偏移数据包括与所述二维车辆图像具有相同图像尺寸的二维车辆位置偏移数据图；所述根据所述二维车辆位置偏移数据及所述时间间隔，确定车辆行驶速度，包括：将各个车辆在所述二维车辆位置偏移数据图中对应的各个像素点的横坐标偏移分量的平均值和纵坐标偏移分量的平均值分别与所述时间间隔的比值，作为所述车辆行驶速度。可选的，所述二维车辆位置偏移数据包括与所述二维车辆图像具有相同图像尺寸的二维车辆位置偏移数据图；所述根据所述二维车辆位置偏移数据及所述时间间隔，确定车辆行驶速度，包括：将各个车辆的二维车辆位置偏移数据转换为点云坐标系下的三维车辆位置偏移数据；将所述车辆对应的各个空间点的横坐标偏移分量的平均值和纵坐标偏移分量的平均值分别与所述时间间隔的比值，作为所述车辆行驶速度。可选的，所述二维车辆图像包括俯视角度的二维车辆图像。可选的，所述根据至少两帧道路环境点云数据中的车辆点云数据，生成至少两个二维车辆图像，包括：确定车辆速度确定装置的姿态数据；根据所述姿态数据，将最后一帧前的车辆点云数据转换为最后一帧的点云坐标系下的车辆点云数据；根据坐标系转换后的最后一帧前的车辆点云数据，生成与所述最后一帧前的车辆点云数据对应的二维车辆图像。可选的，还包括：通过车辆检测模型从所述道路环境点云数据中提取所述车辆点云数据。可选的，还包括：采集所述道路环境点云数据。本申请还提供一种车辆速度预测模型构建方法，包括：确定训练数据集；所述训练数据包括至少两个训练用二维车辆图像和二维车辆位置偏移真值数据；构建车辆速度预测模型的网络结构；从所述训练数据集中学习得到所述车辆速度预测模型。可选的，所述网络结构包括车辆位移特征提取层和车辆位移特征上采样层。可选的，所述二维车辆位置偏移真值数据包括与所述训练用二维车辆图像具有相同图像尺寸的二维车辆位置偏移真值图。可选的，所述训练数据集采用如下步骤确定：获取具有三维车辆包围盒及车辆标识标注数据的至少两帧训练用环境点云数据；根据所述标注数据，将同一车辆的预设两帧的三维车辆包围盒的中心点偏移量作为三维车辆位置偏移真值；将所述三维车辆位置偏移真值投影至俯视图坐标系，得到二维车辆位置偏移真值；根据二维车辆位置偏移真值形成所述二维车辆位置偏移真值图；以及，根据至少两帧训练用环境点云数据中的车辆点云数据，生成至少两个训练用二维车辆图像。可选的，所述训练数据集采用如下步骤确定：获取具有三维车辆包围盒及车辆标识标注数据的至少两帧训练用环境点云数据；根本文档来自技高网...

【技术保护点】
1.一种车辆速度确定方法，其特征在于，包括：/n根据至少两帧道路环境点云数据中的车辆点云数据，生成至少两个二维车辆图像；/n根据所述至少两个二维车辆图像和所述至少两帧道路环境点云数据中两帧数据的时间间隔，确定车辆行驶速度。/n

【技术特征摘要】
1.一种车辆速度确定方法，其特征在于，包括：
根据至少两帧道路环境点云数据中的车辆点云数据，生成至少两个二维车辆图像；
根据所述至少两个二维车辆图像和所述至少两帧道路环境点云数据中两帧数据的时间间隔，确定车辆行驶速度。


2.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个二维车辆图像和所述至少两帧道路环境点云数据中两帧数据的时间间隔，并确定车辆行驶速度，包括：
根据所述至少两个二维车辆图像确定与所述时间间隔对应的二维车辆位置偏移数据；
根据所述二维车辆位置偏移数据及所述时间间隔，确定车辆行驶速度。


3.根据权利要求2所述的方法，其特征在于，
通过车辆速度预测模型，根据所述至少两个二维车辆图像确定所述二维车辆位置偏移数据。


4.根据权利要求3所述的方法，其特征在于，还包括：
从训练数据集中学习得到所述车辆速度预测模型；所述训练数据包括至少两个训练用二维车辆图像和二维车辆位置偏移真值数据。


5.根据权利要求4所述的方法，其特征在于，所述车辆速度预测模型采用如下步骤确定：
确定所述训练数据集；
构建所述车辆速度预测模型的网络结构；
从所述训练数据集中学习得到所述车辆速度预测模型。


6.根据权利要求5所述的方法，其特征在于，
所述网络结构包括车辆位移特征提取层和车辆位移特征上采样层。


7.根据权利要求6所述的方法，其特征在于，
所述二维车辆位置偏移真值数据包括与所述训练用二维车辆图像具有相同图像尺寸的二维车辆位置偏移真值图。


8.根据权利要求7所述的方法，其特征在于，所述训练数据集采用如下步骤确定：
获取具有三维车辆包围盒及车辆标识标注数据的至少两帧训练用环境点云数据；
根据所述标注数据，将同一车辆的预设两帧的三维车辆包围盒的中心点偏移量作为三维车辆位置偏移真值；
将所述三维车辆位置偏移真值投影至俯视图坐标系，得到二维车辆位置偏移真值；
根据二维车辆位置偏移真值形成所述二维车辆位置偏移真值图；以及，根据至少两帧训练用环境点云数据中的车辆点云数据，生成至少两个训练用二维车辆图像。


9.根据权利要求5所述的方法，其特征在于，所述训练数据集采用如下步骤确定：
获取具有三维车辆包围盒及车辆标识标注数据的至少两帧训练用环境点云数据；
根据所述标注数据，将同一车辆的预设两帧的三维车辆包围盒的中心点偏移量作为三维车辆位置偏移真值；
将所述三维车辆位置偏移真值投影至俯视图坐标系，得到二维车辆位置偏移真值；
根据至少两帧训练用环境点云数据中的车辆点云数据，生成至少两个训练用二维车辆图像。


10.根据权利要求2所述的方法，其特征在于，
所述二维车辆位置偏移数据包括与所述二维车辆图像具有相同图像尺寸的二维车辆位置偏移数据图；
所述根据所述二维车辆位置偏移数据及所述时间间隔，确定车辆行驶速度，包括：
将各个车辆在所述二维车辆位置偏移数据图中对应的各个像素点的横坐标偏移分量的平均值和纵坐标偏移分量的平均值分别与所述时间间隔的比值，作为所述车辆行驶速度。


11.根据权利要求2所述的方法，其特征在于，
所述二维车辆位置偏移数据包括与所述二维车辆图像具有相同图像尺寸的二维车辆位置偏移数据图；
所述根据所述二维车辆位置偏移数据及所述时间间隔，确定车辆行驶速度，包括：
将各个车辆的二维车辆位置偏移数据转换为点云坐标系下的三维车辆位置偏移数据；
将所述车辆对应的各个空间点的横坐标偏移分量的平均值和纵坐标偏移分量的平均值分别与所述时间间隔的比值，作为所述车辆行驶速度。


12.根据权利要求1所述的方法，其特征在于，所述二维车辆图像包括俯视角度的二维车辆图像。


13.根据权利要求1所述的方法，其特征在于，所述根据至少两帧道路环境点云数据中的车辆点云数据，生成至少两个二维车辆图像，包括：
确定车辆速度确定装置的姿态数据；
根据所述姿态数据，将最后一帧前的车辆点云数据转换为最后一帧的点云坐标系下的车辆点云数据；
根据坐标系转换后的最后一帧前的车辆点云数据，生成与所述最后一帧前的车辆点云数据对应的二维车辆图像。


14.根据权利要求1所述的方法，其特征在于，还包括：
通过车辆检测模型从所述道路环境点云数据...

【专利技术属性】
技术研发人员：苗振伟，黄庆乐，王兵，王刚，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY