一种车辆信誉评估方法、系统、处理设备及存储介质技术方案

本发明专利技术涉及一种车辆信誉评估方法、系统、处理设备及存储介质，该方法包括：获取若干众包车辆的具有地图元素置信度的车端局部地图；基于每一众包车辆的具有地图元素置信度的车端局部地图，建立路段或链接关系；基于各众包车辆的车辆ID、车辆信誉和总地图元素，根据建立的路段或链接关系，对地图元素进行关联，得到关联结果，进而确定特定会员车辆；根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，并更新众包车辆的信誉值，基于本发明专利技术得到的更新后的信誉值，能够有效评估车辆传感器数据的可靠性，可以广泛应用于自动驾驶领域中。领域中。领域中。

【技术实现步骤摘要】
一种车辆信誉评估方法、系统、处理设备及存储介质


[0001]本专利技术涉及自动驾驶领域，特别是关于一种车辆信誉评估方法、系统、处理设备及存储介质。

技术介绍

[0002]高精度地图已经成为高级别自动驾驶技术落地的重要组成部分，但是目前高精度地图缺乏实时动态更新能力，而众源更新已成为解决地图实时更新的重要趋势与方法。基于专业移动测量系统(MMS)的集中式制图方法虽然精度高，但是成本高、周期长且工作量大，无法满足高精度地图更新的实际应用需求，从而导致难以支持高级别自动驾驶系统的大规模落地应用。
[0003]众源更新方法更多依赖量产车所搭载的传感器获取地图更新的海量数据，且随着人工智能方法的快速发展与普及，量产智能汽车逐步配备了ADAS驾驶辅助系统，具备地图要素感知的基本能力，但是由于量产车搭载的摄像头、GPS及计算单元属于低成本传感器，所获取的数据精度有限。但是由于量产车数据存在感知能力不同，存在感知误检、漏检、定位不足等多种不确定性，并且可能存在对地图服务恶意攻击的车辆，导致海量众源数据彼此冲突，对地图变化真假难以辨别。
[0004]然而，针对量产车低成本海量数据，目前尚未有车辆系统的数据质量信誉评估系统。为更充分地使用众源量产车所获取的车端海量数据，确保众源更新数据的精确性与准确性，有必要建立车辆搭载传感器的数据质量评估系统，确定不同车辆的质量信誉度，对于后期众源数据的融合挖掘与动态更新提供较好的技术支撑。

技术实现思路

[0005]针对上述问题，本专利技术的目的是提供一种车辆信誉评估方法、系统、处理设备及存储介质，能够有效评估车辆传感器数据的可靠性。
[0006]为实现上述目的，本专利技术采取以下技术方案：第一方面，提供一种车辆信誉评估方法，包括：
[0007]获取若干众包车辆的具有地图元素置信度的车端局部地图；
[0008]基于每一众包车辆的具有地图元素置信度的车端局部地图，建立路段或链接关系；
[0009]基于各众包车辆的车辆ID、车辆信誉和总地图元素，根据建立的路段或链接关系，对地图元素进行关联，得到关联结果，进而确定特定会员车辆；
[0010]根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，并更新众包车辆的信誉值。
[0011]进一步地，所述获取若干众包车辆的车端局部地图，包括：
[0012]通过车载摄像头，获取众包车辆行驶的原始图像数据；
[0013]对获取的原始图像数据进行地图元素检测和噪声过滤；
[0014]对处理后的地图元素进行跟踪，得到地图元素的对象级占用；
[0015]根据地图元素的对象级占用，建立置信度模型，计算地图元素置信度；
[0016]根据地图元素的对象级占用和众包车辆的车辆姿态，对地图元素进行3D地图重建，在3D空间中映射元素位置；
[0017]根据地图元素置信度和3D地图重建结果，得到具有每一地图元素置信度的车端局部地图。
[0018]进一步地，所述对获取的原始图像数据进行地图元素检测，并进行噪声过滤和三维高精度地图元素检测处理，包括：
[0019]采用人工智能AI学习方法，对获取的原始图像数据进行地图元素检测，得到原始图像数据上存在的地图元素的像素；
[0020]对地图元素的像素进行噪声过滤和三维高精度地图元素检测处理，得到处理后的地图元素。
[0021]进一步地，所述基于每一众包车辆的具有地图元素置信度的车端局部地图，建立路段或链接关系，包括：
[0022]对每一众包车辆的具有地图元素置信度的车端局部地图划分路段或链接，以关联各众包车辆之间的观察区域；
[0023]根据划分的路段或链接，建立路段或链接关系。
[0024]进一步地，所述根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，并更新众包车辆的信誉值，包括：
[0025]根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，得到投票结果；
[0026]根据投票结果，确定共识结果；
[0027]根据共识结果，建立奖励机制，更新众包车辆的信誉值。
[0028]进一步地，每一众包车辆的投票结果将决定它支持还是反对共识结果，当共识结果被支持时，车辆的信誉值升高；当共识结果被反对时，车辆的信誉值降低，其中，只有当特定会员车辆的数量大于某一阈值时各众包车辆才开始进行投票，该阈值取决于该观察区域的车辆密度。
[0029]进一步地，所述更新后众包车辆的信誉值R
i={m，c}
为：
[0030]R
i={m，c}
＝R
i={m，c}
+r
{p，n}
[0031]其中，r
{p，n}
为奖励结果，r为从投票得到奖励的结果，且：
[0032][0033]其中，X(C
m
)为以置信度值作为输入的投票函数；CS
j＝{1，0
}为共识结果；r
p
为正奖励；r
n
为负奖励。
[0034]第二方面，提供一种车辆信誉评估系统，包括：
[0035]地图获取模块，用于获取若干众包车辆的具有地图元素置信度的车端局部地图；
[0036]关系建立模块，用于基于每一众包车辆的具有地图元素置信度的车端局部地图，建立路段或链接关系；
[0037]关联模块，用于基于各众包车辆的车辆ID、车辆信誉和总地图元素，根据建立的路
段或链接关系，对地图元素进行关联，得到关联结果，进而确定特定会员车辆；
[0038]信誉更新模块，用于根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，并更新众包车辆的信誉值。
[0039]第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述车辆信誉评估方法对应的步骤。
[0040]第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述车辆信誉评估方法对应的步骤。
[0041]本专利技术由于采取以上技术方案，其具有以下优点：
[0042]1、本专利技术主要用于确定众包车辆的信誉值，以确保选用较好质量的数据用于高精度地图的众源更新，保证高精地图数据的质量，有效评估车辆传感器数据的可靠性。同时，信誉系统可以通过严重降低信誉值来惩罚虚假信息，以阻止后续攻击。
[0043]2、本专利技术建立了地图要素存在的信誉机制，提出基于地图元素存在的投票机制来检查检测质量的方法，并通过众源车辆的共识决策更新车辆的声誉值，以此来确保参与众源更新数据的质量。
[0044]综上所述，本专利技术可以广泛应用于自动驾驶领域中。
附图说明
[0045]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆信誉评估方法，其特征在于，包括：获取若干众包车辆的具有地图元素置信度的车端局部地图；基于每一众包车辆的具有地图元素置信度的车端局部地图，建立路段或链接关系；基于各众包车辆的车辆ID、车辆信誉和总地图元素，根据建立的路段或链接关系，对地图元素进行关联，得到关联结果，进而确定特定会员车辆；根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，并更新众包车辆的信誉值。2.如权利要求1所述的一种车辆信誉评估方法，其特征在于，所述获取若干众包车辆的车端局部地图，包括：通过车载摄像头，获取众包车辆行驶的原始图像数据；对获取的原始图像数据进行地图元素检测和噪声过滤；对处理后的地图元素进行跟踪，得到地图元素的对象级占用；根据地图元素的对象级占用，建立置信度模型，计算地图元素置信度；根据地图元素的对象级占用和众包车辆的车辆姿态，对地图元素进行3D地图重建，在3D空间中映射元素位置；根据地图元素置信度和3D地图重建结果，得到具有每一地图元素置信度的车端局部地图。3.如权利要求2所述的一种车辆信誉评估方法，其特征在于，所述对获取的原始图像数据进行地图元素检测，并进行噪声过滤和三维高精度地图元素检测处理，包括：采用人工智能AI学习方法，对获取的原始图像数据进行地图元素检测，得到原始图像数据上存在的地图元素的像素；对地图元素的像素进行噪声过滤和三维高精度地图元素检测处理，得到处理后的地图元素。4.如权利要求1所述的一种车辆信誉评估方法，其特征在于，所述基于每一众包车辆的具有地图元素置信度的车端局部地图，建立路段或链接关系，包括：对每一众包车辆的具有地图元素置信度的车端局部地图划分路段或链接，以关联各众包车辆之间的观察区域；根据划分的路段或链接，建立路段或链接关系。5.如权利要求1所述的一种车辆信誉评估方法，其特征在于，所述根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，并更新众包车辆的信誉值，包括：根据关联结果和特定会员车辆，各众包车辆对每一地图元素进行投票，得到投票结果；根据投票结果，确定共识结果；根据共识结果，建立奖励机...

【专利技术属性】
技术研发人员：杨殿阁，杨蒙蒙，黄健强，江昆，温拓朴，唐雪薇，
申请(专利权)人：清华大学，
类型：发明
国别省市：