路侧感知数据处理方法及其系统、存储介质和电子设备技术方案

本发明专利技术公开了一种路侧感知数据处理方法及其系统、存储介质和电子设备，该方法包括：获取车辆的视频数据和毫米波雷达数据；对车辆的视频数据进行矢量化，得到矢量图像数据；毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据；将融合感知数据发送给车辆。对视频数据可进行矢量化，得到矢量图像数据，矢量图像数据具备点阵图像表达图像真实信息逼真和全面的优势，同时占存储空间相对较小；通过融合后得到矢量视频，即以矢量视频作为融合感知数据的主体可在保证信息丰富程度的前提下降低数据负载，以防止信息丢失，并可降低时延，从而可提高数据处理和发送的效率，在未来面向辅助驾驶及高阶自动驾驶的场景下，提高路侧设备的赋能水平。的赋能水平。的赋能水平。

【技术实现步骤摘要】
路侧感知数据处理方法及其系统、存储介质和电子设备


[0001]本专利技术涉及汽车驾驶的
，特别涉及一种路侧感知数据处理方法及其系统、存储介质和电子设备。

技术介绍

[0002]自动驾驶技术近年来成为技术研发热点及难点，被视为未来解决拥堵等一系列交通问题的解决方案。对于纯粹的单车智能路线，需要在车上堆叠传感器，抬高了造价，发生事故时传感器的维修成本也是车辆所有人的直接或间接负担，使得自动驾驶并不经济。因此，以“车路云一体化”为代表的车路协同技术路线，逐步成为市场的更优的选择。
[0003]但“车路云一体化”所提供的相对较低通量的、加工后的感知“信息”，是诸如视频结构化压缩数据或事件预测判断的低通量数据，信息丢失太大，且时延高，在未来面向辅助驾驶及高阶自动驾驶的场景下，路侧设备的赋能水平将受到制约。

技术实现思路

[0004](一)专利技术目的
[0005]本专利技术的目的是提供一种路侧感知数据处理方法及其系统、存储介质和电子设备。
[0006](二)技术方案
[0007]本专利技术的第一方面提供了一种路侧感知数据处理方法，包括：获取车辆的视频数据和毫米波雷达数据；对所述车辆的视频数据进行矢量化，得到矢量图像数据；所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据；将所述融合感知数据发送给所述车辆。
[0008]进一步地，所述对所述车辆的视频数据进行矢量化，得到矢量图像数据，包括：将所述车辆的视频数据分割并映射到单帧图像；识别所述单帧图像中的物体，提取所述物体的轮廓；对所述物体的轮廓曲线点集进行离散化；相邻两点连成向量，组成沿逆时针方向的严格逼近轮廓的向量群，以实现轮廓的矢量化。
[0009]进一步地，所述获取毫米波雷达数据包括获取毫米波雷达生成的点云数据、车辆位置信息、车辆速度、车辆俯仰角和车辆水平角。
[0010]进一步地，所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据，包括：将所述点云数据与矢量图像数据进行融合，形成融合的矢量图像。
[0011]进一步地，所述点云数据与矢量图像数据进行融合，形成融合的矢量图像，包括：对所述点云数据进行矢量坐标转换，以使所述点云数据呈现在矢量图像数据中,以形成所述融合的矢量图像。
[0012]进一步地，所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据，还包括：对各所述融合的矢量图像按照时序组合，得到目标矢量视频；将所述目标矢量视频发送给所述车辆。
[0013]进一步地，在所述获取车辆的视频数据之前，还包括：获取信号发射单元的坐标和路侧感知设备坐标；当所述车辆进入信号发射单元和路侧感知设备覆盖的区域时，获得车辆的位置信息。
[0014]进一步地，路侧感知数据处理方法还包括：所述车辆根据自车的位置信息与所述融合感知数据中各目标车辆的位置信息和所述矢量视频，得到目标车辆的运行信息；所述车辆根据目标车辆的运行信息，以确定自车的车速控制策略。
[0015]本专利技术的第二方面提供了一种路侧感知数据处理系统，包括：获取单元，其用于获取车辆的视频数据和毫米波雷达数据；矢量化单元，其用于对所述车辆的视频数据进行矢量化，得到矢量图像数据；融合单元，其用于将所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据；发送单元，其用于将所述融合感知数据发送给所述车辆。
[0016]本专利技术的第三方面提供了一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现上述方法的步骤。
[0017]本专利技术的第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0018](三)有益效果
[0019]本专利技术的上述技术方案具有如下有益的技术效果：
[0020]对视频数据可进行矢量化，得到矢量图像数据，矢量图像数据具备点阵图像表达图像真实信息逼真和全面的优势，同时占存储空间相对较小；矢量图像数据与毫米波雷达数据进行融合，形成融合感知数据；通过特征级融合，即从原始视频数据中提取特征信息，然后进行融合以得到矢量视频，因此矢量图像已成为原始图像的特征信息；即以矢量视频作为融合感知数据的主体可在保证信息丰富程度的前提下降低数据负载，避免了“车路云一体化”技术路线中常见的信息加工后信息量大幅降低的情况，并可降低时延，从而可提高数据处理和发送的效率，在未来面向辅助驾驶及高阶自动驾驶的场景下，提高路侧设备的赋能水平。
附图说明
[0021]图1是根据本专利技术第一实施方式的一种路侧感知数据处理方法的流程图；
[0022]图2是根据本专利技术第二实施方式的一种对车辆的视频数据进行矢量化的流程图；
[0023]图3是根据本专利技术第三实施方式的路侧感知设备部署结构示意图；
[0024]图4是根据本专利技术第四实施方式的盲区预警示意图；
[0025]图5是根据本专利技术第五实施方式的一种路侧感知数据处理系统的结构示意图。
具体实施方式
[0026]为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。
[0027]本专利技术的第一方面提供了一种路侧感知数据处理方法，如图1所示，具体地包括以下步骤：
[0028]步骤S110,获取车辆的视频数据和毫米波雷达数据；
[0029]步骤S120,对所述车辆的视频数据进行矢量化，得到矢量图像数据；
[0030]步骤S130,所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据；
[0031]步骤S140,将所述融合感知数据发送给所述车辆。
[0032]路侧感知设备可包括摄像设备、雷达和热成像仪等，摄像设备用于采集车辆的视频数据；获取车辆的视频数据可通过路侧的摄像设备采集得到视频数据；对视频数据可进行矢量化，得到矢量图像数据，矢量图像数据具备点阵图像表达图像真实信息逼真和全面的优势，同时占存储空间相对较小；矢量图像数据与毫米波雷达数据进行融合，形成融合感知数据；通过特征级融合，即从原始视频数据中提取特征信息，然后进行融合以得到矢量视频，因此矢量图像已成为原始图像的特征信息；即以矢量视频作为融合感知数据的主体可在保证信息丰富程度的前提下降低数据负载，避免了“车路云一体化”技术路线中常见的信息加工后信息量大幅降低的情况，并可降低时延，从而可提高数据处理和发送的效率，在未来面向辅助驾驶及高阶自动驾驶的场景下，提高路侧设备的赋能水平。
[0033]一些实施例中，当视频数据因能见度低造成物体难以识别，如夜间条件下，将过滤掉一些质量不符合要求的视频数据，而以其他类型感知数据服务于车辆，如毫米波雷达数据，并向车辆发出信息，标明视频数据的问题；或通过热成像仪识别路面行人，向智能网联车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路侧感知数据处理方法，其特征在于，包括：获取车辆的视频数据和毫米波雷达数据；对所述车辆的视频数据进行矢量化，得到矢量图像数据；所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据；将所述融合感知数据发送给所述车辆。2.根据权利要求1所述的方法，其特征在于，所述对所述车辆的视频数据进行矢量化，得到矢量图像数据，包括：将所述车辆的视频数据分割并映射到单帧图像；识别所述单帧图像中的物体，提取所述物体的轮廓；对所述物体的轮廓曲线点集进行离散化；相邻两点连成向量，组成沿逆时针方向的严格逼近轮廓的向量群，以实现轮廓的矢量化。3.根据权利要求1所述的方法，其特征在于，所述获取毫米波雷达数据包括获取毫米波雷达生成的点云数据、车辆位置信息、车辆速度、车辆俯仰角和车辆水平角。4.根据权利要求3所述的方法，其特征在于，所述毫米波雷达数据与矢量图像数据进行融合，形成融合感知数据，包括：将所述点云数据与矢量图像数据进行融合，形成融合的矢量图像。5.根据权利要求4所述的方法，其特征在于，所述点云数据与矢量图像数据进行融合，形成融合的矢量图像，包括：对所述点云数据进行矢量坐标转换，以使所述点云数据呈现在矢量图像数据中,以形成所述融合的矢量图像。6.根据权利要求...

【专利技术属性】
技术研发人员：陈宁，远斯，樊迪，史骏，裴晓栋，
申请(专利权)人：北京博宇通达科技有限公司，
类型：发明
国别省市：