一种利用平均交并比进行目标识别位置误差估算方法技术

本发明专利技术涉及智能交通技术领域，且公开了一种利用平均交并比进行目标识别位置误差估算方法，包含以下步骤：S1、首先通过监控设备对目标位置进行感知，通过感知道路环境中的行人、非机动车、机动车、交通事件所在的位置，而感知通过方位传感器对目标进行定位，通过对目标进行成像，并通过高性能计算单元对目标的位置状态信息进行提取，就会得到采集待测系统感知数据；S2、在得到采集待测系统感知数据后，将透视关系投影到图像，即在图像坐标系与GPS坐标建立映射关系，映射关系以透视转换矩阵形式表示；发明专利技术获取的位置误差范围是各项异性的，与传统方案只能通过统计方法获取各向同性误差相比，理论更加严谨，信息更加充分。信息更加充分。信息更加充分。

【技术实现步骤摘要】
一种利用平均交并比进行目标识别位置误差估算方法


[0001]本专利技术涉及智能交通
，更具体地涉及一种利用平均交并比进行目标识别位置误差估算方法。

技术介绍

[0002]网联自动驾驶技术作为自动驾驶领域的重要分支，在近年来得到了飞速的发展，受益于智慧城市和数字化道路的等新基建的发展，通过将道路的数字化辅助数据信息提供给网联自动驾驶车辆，以提升其自动驾驶水平的方案逐渐成为行业发展的重点方向之一。
[0003]智能路侧系统是部署于道路两侧，通过雷达、摄像机等传感器实时感知道路环境和车辆、行人信息，经处理后发布给所辖区域内自动驾驶车辆的一种智能化设备。其中，车辆、行人的GPS位置是自动驾驶所需的重要信息之一，智能路侧系统提供的GPS精度在后续自动驾驶车辆执行的各种算法中起到关键作用。
[0004]现有技术使用的大多数都为使用高精度图和车辆自带的其他传感器，实现对待测传感器的定位精度测量，
[0005]提出针对路侧监控设备对车辆、行人等交通参与对象的GPS感知定位误差的技术，多采用传统GPS定位设备测量误差估计方案来进行测定，对于路侧监控设备这种感知误差强耦合于部署位置和参数设置的系统，传统方案的精度置信度不高，且测定成本和实时难度均较大，需要使用成本较高的高精度测量车。而还有部分方法采用的是需要被测车辆为自动驾驶车辆，并配合高清地图辅助信息，在实际实施过程中难以实现，且对于大批量部署的路侧监控设备，需要逐一进行测量，工作量较大，测定精度水平难以保证。

技术实现思路

[0006]为了克服现有技术的上述缺陷，本专利技术提供了一种利用平均交并比进行目标识别位置误差估算方法，以解决上述
技术介绍
中存在的问题。
[0007]本专利技术提供如下技术方案：一种利用平均交并比进行目标识别位置误差估算方法，包含以下步骤：
[0008]S1、首先通过监控设备对目标位置进行感知，通过感知道路环境中的行人、非机动车、机动车、交通事件所在的位置，而感知通过方位传感器对目标进行定位，通过对目标进行成像，并通过高性能计算单元对目标的位置状态信息进行提取，就会得到采集待测系统感知数据；
[0009]S2、在得到采集待测系统感知数据后，将透视关系投影到图像，即在图像坐标系与GPS坐标建立映射关系，映射关系以透视转换矩阵形式表示，透视转换矩阵通过摄像机静态标定获取；
[0010]S3、通过将图像传感器录制实际道路场景视频，采用一定规则对视频进行截获得多张单帧图像数据，对其中目标位置进行标注，形成图像坐标系的位置真值数据，截取规则一般为固定间隔截取，就会得到标注位置真值数据集；
[0011]S4、通过对标注位置真值数据集进行随机抽取训练集，对所有图像中所有目标计算平均IOU，得到多个训练集数据IOU，对其进行计算平均IOU；
[0012]S5、通过对标注位置真值数据集机械能抽取测试集，再对测试集进行计算其IOU后，将其IOU值与训练集平均IOU数据进行对比，得出估算测试集IOU；
[0013]S6、通过得到的估算测试集IOU与测试集真值IOU进行误差统计，判定误差统计值是否超出阀值，若为超出则记录最终平均IOU，当超出阀值后，则增加重复进行随机抽取训练集进行计算平均IOU，来进行增加训练集；
[0014]S7、将得到最终平均IOU，通过公式计算：
[0015][0016]其中S为检测目标面积，τ为IOU，d为像素误差，k为经验系数，初始值选择为0.8，k可通过增加随机抽取训练集改变，通过计算可以得出估计的实际运行时数据的IOU；
[0017]S8、通过将像素误差范围投影到GPS坐标系，获取各向异性的位置误差范围，即不同方向的位置误差范围不同，从而得出目标识别位置误差结果。
[0018]进一步的，所述S1的位置值的是GPS信息，可对智能交通系统路侧系统感知的目标位置信息进行误差，该路侧系统感知目标的位置信息为GPS格式，误差的格式为散布范围。
[0019]进一步的，所述S2具体为匹配点组方式，匹配点组数量大于4个，且几何关系不能形成一条直线，通过映射将目标的GPS位置和尺寸投影到图像坐标系，获取目标位置测量值。
[0020]进一步的，所述S4
‑
S5获取的位置测量值按时间组对形成数据集合，随机抽取一定量的训练集和测试集，一般训练集取80％，测试集取20％。
[0021]进一步的，所述S3图像数据数量一般大于200张，标注方式为绘制目标在图像中轮廓的最小外接矩形，图像数据应包含目标的GPS位置和尺寸。
[0022]进一步的，所述误差估算方法至少具有一个摄像机作为图像传感器以提供图像坐标系基准，路侧系统融合感知目标的位置需要投影到该图像坐标系基准。
[0023]进一步的，所述标注位置真集采用的是静态标注方式，在图像中手动标注像素真值，该真值以目标轮廓最小外接矩形形式表示。
[0024]本专利技术的技术效果和优点：
[0025]1.本专利技术通过使用手动标注方式进行真值标注，与传统方案的真值车和高精度地图法获取位置真值相比，成本较低。
[0026]2.本专利技术通过图像静态标定方式保证GPS测量精度，避免对雷达等多传感器的各自标定，实施方法简单，效率得到极大的提升。
[0027]3.本专利技术通过实现目标识别误差估计和部署方式的解耦合，即误差估计算法与传感器部署弱相关，与传统方案相比，在大规模部署中有较大优势。
[0028]4.本专利技术获取的位置误差范围是各项异性的，与传统方案只能通过统计方法获取各向同性误差相比，理论更加严谨，信息更加充分。
附图说明
[0029]图1为本专利技术的误差方法计算流程示意图。
[0030]图2为本专利技术的IOU计算示意图。
具体实施方式
[0031]下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本专利技术所涉及的利用平均交并比进行目标识别位置误差估算方法并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本专利技术保护的范围。
[0032]参照图1和图2，本专利技术提供了一种利用平均交并比进行目标识别位置误差估算方法，包含以下步骤：
[0033]S1、首先通过监控设备对目标位置进行感知，通过感知道路环境中的行人、非机动车、机动车、交通事件所在的位置，而感知通过方位传感器对目标进行定位，通过对目标进行成像，并通过高性能计算单元对目标的位置状态信息进行提取，就会得到采集待测系统感知数据；
[0034]S2、在得到采集待测系统感知数据后，将透视关系投影到图像，即在图像坐标系与GPS坐标建立映射关系，映射关系以透视转换矩阵形式表示，透视转换矩阵通过摄像机静态标定获取；
[0035]S3、通过将图像传感器录制实际道路场景视频，采用一定规则对视频进行截获得多张单帧图像数据，对其中目标位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用平均交并比进行目标识别位置误差估算方法，其特征在于，包含以下步骤：S1、首先通过监控设备对目标位置进行感知，通过感知道路环境中的行人、非机动车、机动车、交通事件所在的位置，而感知通过方位传感器对目标进行定位，通过对目标进行成像，并通过高性能计算单元对目标的位置状态信息进行提取，就会得到采集待测系统感知数据；S2、在得到采集待测系统感知数据后，将透视关系投影到图像，即在图像坐标系与GPS坐标建立映射关系，映射关系以透视转换矩阵形式表示，透视转换矩阵通过摄像机静态标定获取；S3、通过将图像传感器录制实际道路场景视频，采用一定规则对视频进行截获得多张单帧图像数据，对其中目标位置进行标注，形成图像坐标系的位置真值数据，截取规则一般为固定间隔截取，就会得到标注位置真值数据集；S4、通过对标注位置真值数据集进行随机抽取训练集，对所有图像中所有目标计算平均IOU，得到多个训练集数据IOU，对其进行计算平均IOU；S5、通过对标注位置真值数据集机械能抽取测试集，再对测试集进行计算其IOU后，将其IOU值与训练集平均IOU数据进行对比，得出估算测试集IOU；S6、通过得到的估算测试集IOU与测试集真值IOU进行误差统计，判定误差统计值是否超出阀值，若为超出则记录最终平均IOU，当超出阀值后，则增加重复进行随机抽取训练集进行计算平均IOU，来进行增加训练集；S7、将得到最终平均IOU，通过公式计算：其中S为检测目标面积，τ为IOU，d为像素误差，k为经验系数，初始值选择为0.8，k可通过增加随机抽取训练集改变，通过计算可以得出估计的实际运行时数据的IOU；S8、通过...

【专利技术属性】
技术研发人员：陈亚卿，张震西，杨轩，
申请(专利权)人：云控智行科技有限公司，
类型：发明
国别省市：