一种基于深度学习的雷达传感器模型保真度的评估方法技术

本发明专利技术公开了一种基于深度学习的雷达传感器模型保真度的评估方法，包括：获取雷达点云数据，所述雷达点云数据包括真实数据和模拟数据；基于所述真实数据和所述模拟数据进行相似度评估，获得评估结果；基于所述评估结果，实现对雷达传感器模型的保真评估。本发明专利技术通过传统的人工指定的指标和基于深度神经网络进行学习的隐式度量指标对雷达模型进行保真度评价，利用深度神经网络对雷达点云的特征进行学习，结合传统指标能够全面地对雷达模型的真实性进行评价。并且可以应用于很多种类的雷达传感器模型，从而能够评估自动驾驶虚拟测试方法的有效性，具有很高的经济社会效益。具有很高的经济社会效益。具有很高的经济社会效益。

【技术实现步骤摘要】
一种基于深度学习的雷达传感器模型保真度的评估方法


[0001]本专利技术属于雷达保真度评估领域，特别是涉及一种基于深度学习的雷达传感器模型保真度的评估方法。

技术介绍

[0002]雷达(Radar)通过发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。目前基于模拟的自动驾驶虚拟测试方法应用逐渐广泛，有必要量化模拟和现实之间的差异，验证所采用的传感器模型的保真度是否满足预期用途。模拟数据的生成主要分为两个步骤，基于记录的地面真实数据进行仿真，以及从传感器的角度生成环境的虚拟场景，得到模拟的雷达点云。目前还没有可靠的方法来度量雷达传感器模型保真度，也没有一个适当的度量。传统的度量方法主要有原始数据级别的评估方法和形成激光点云后检测水平的评价方法。原始数据级别的的评估方法只能检测简单的场景和基本功能，检测水平的评价方法目前多为定性评价，缺少定量的评估，并且评价指标以人工制定的显式为主，缺少对隐式指标的度量。

技术实现思路

[0003]为解决上述问题，本专利技术提供了如下方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的雷达传感器模型保真度的评估方法,其特征在于，包括：获取雷达点云数据，所述雷达点云数据包括真实数据和模拟数据；基于所述真实数据和所述模拟数据进行相似度评估，获得评估结果；基于所述评估结果，实现对雷达传感器模型的保真评估。2.根据权利要求1所述的基于深度学习的雷达传感器模型保真度的评估方法，其特征在于，获取所述真实数据包括，基于测试场景进行真实驾驶，生成真实的雷达点云信息，获得所述真实数据；获取所述模拟数据包括，基于所述真实数据进行仿真获得所述模拟数据；或，基于雷达传感器生成虚拟场景，得到模拟的雷达点云信息；基于所述雷达点云信息获得所述模拟数据。3.根据权利要求1所述的基于深度学习的雷达传感器模型保真度的评估方法，其特征在于，基于所述真实数据和所述模拟数据进行相似度评估包括传统指标评价、深度指标评价。4.根据权利要求3所述的基于深度学习的雷达传感器模型保真度的评估方法，其特征在于，所述传统指标评价为基于二维距离和多普勒速度的差异计算所述真实数据和所述模拟数据的相似度。5.根据权利要求4所述的基于深度学习的雷达传感器模型保真度的评估方法，其特征在于，所述相似度的评估指标至少包括点云间的距离、瓦瑟斯坦距离；所述点云间的距离为真实点云到模拟点云的最小欧几里得距离的归一化和。6.根据权利...

【专利技术属性】
技术研发人员：孟康，曹阳，刘瑜平，
申请(专利权)人：清华珠三角研究院，
类型：发明
国别省市：