一种基于自监督学习的提升路侧传感器精度的方法及系统技术方案

本发明专利技术提供一种基于自监督学习的提升路侧传感器精度的方法及系统，其中，该方法包括：在目标区域的道路上安装多个边缘计算设备及多组标准组件，其中，每组标准组件包括多个标准路侧传感器；对于每组数据采集组件，调整数据采集组件的工作参数；对于每个边缘计算设备，建立精度提升模型，基于边缘计算设备对应的多组数据采集组件采集的历史数据及边缘计算设备对应的至少一组标准组件采集的历史数据，生成多个训练样本，基于多个训练样本对精度提升模型进行训练；对于每个边缘计算设备，基于训练后的精度提升模型对边缘计算设备对应的多组数据采集组件采集的实时数据进行数据校准，具有提高现有路侧传感器精度，降低提升改造的成本的优点。升改造的成本的优点。升改造的成本的优点。

【技术实现步骤摘要】
一种基于自监督学习的提升路侧传感器精度的方法及系统


[0001]本专利技术涉及数据处理领域，特别涉及一种基于自监督学习的提升路侧传感器精度的方法及系统。

技术介绍

[0002]路侧感知就是利用摄像机、毫米波雷达、激光雷达等传感器，并结合路侧边缘计算，其最终目的是实现对该路段的交通参与者、路况等的瞬时智能感知。路侧感知能拓展自动驾驶车辆和驾驶员感知范围，并通过V2X车路协同技术实现人
‑
车
‑
路
‑
云的一体化运行监测，第一时间发现道路通行异常，实现车路协同、车云协同，区域路云协同等智能应用，满足自动驾驶车辆、社会车辆智能出行需求，同时它能使监管机构变得更加高效灵活，从而建立一个响应速度更快、更加灵活的监管环境。
[0003]现有路侧传感器（摄像机，雷达） 性能层次不齐，对于实际交通感知的准确度较低，然而这些设备已经布置在路侧，很难随意更换。现有的技术，通过提高后端服务器的算力来改善识别感知精度 ，这种方法对后续的算力要求极高、成本高、网络传输要求高，而且后端服务器的需要较高等级的维护和环境（空调等）。
[0004]因此，需要提供一种基于自监督学习的提升路侧传感器精度的方法及系统，用于提高现有路侧传感器精度，降低提升改造的成本。

技术实现思路

[0005]本说明书实施例之一提供一种基于自监督学习的提升路侧传感器精度的方法，所述方法包括：在目标区域的道路上安装多个边缘计算设备，其中，每个所述边缘计算设备对应有至少一组数据采集组件，所述数据采集组件包括多个现有路侧传感器；在所述目标区域的道路上安装多组标准组件，其中，每组所述标准组件包括多个标准路侧传感器，每个所述边缘计算设备对应有至少一组所述标准组件；对于每组所述数据采集组件，调整所述数据采集组件的工作参数；对于每个所述边缘计算设备，建立精度提升模型，基于所述边缘计算设备对应的多组数据采集组件采集的历史数据及所述边缘计算设备对应的至少一组所述标准组件采集的历史数据，生成多个训练样本，基于多个所述训练样本对所述精度提升模型进行训练；对于每个所述边缘计算设备，基于训练后的精度提升模型对所述边缘计算设备对应的多组数据采集组件采集的实时数据进行数据校准。
[0006]在一些实施例中，调整所述数据采集组件的工作参数，包括：测试所述数据采集组件包括的多个现有路侧传感器的稳定性；测试所述数据采集组件包括的多个现有路侧传感器的测量范围；测试所述数据采集组件包括的多个现有路侧传感器的输出结果；基于所述稳定性、所述输出结果和/或所述测量范围，调整所述数据采集组件的工作参数。
[0007]在一些实施例中，所述数据采集组件至少包括图像采集装置及雷达。
[0008]在一些实施例中，所述基于所述稳定性、所述输出结果和/或所述测量范围，调整所述数据采集组件的工作参数，包括：基于所述测量范围，调整所述图像采集装置的角度
和/或位置及所述雷达的角度和/或位置。
[0009]在一些实施例中，所述基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置，包括；对于所述图像采集装置，获取所述图像采集装置的预设采集范围，确定所述图像采集装置的实际采集范围，基于所述图像采集装置的预设采集范围和所述图像采集装置的实际采集范围之间的偏差，调整所述图像采集装置的角度和/或位置；对于所述雷达，获取所述雷达的预设采集范围，确定所述雷达的实际采集范围，基于所述雷达的预设采集范围和所述雷达的实际采集范围之间的偏差，调整所述雷达的角度和/或位置。
[0010]在一些实施例中，所述基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置，包括：通过所述图像采集装置获取目标物体的第一坐标点向量矩阵；通过所述雷达获取所述目标物体的第二坐标点向量矩阵；基于所述第一坐标点向量矩阵和所述第二坐标点向量矩阵，确定误差距离；基于所述误差距离，判断是否需要调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置；当判断需要调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置时，重复执行调整所述图像采集装置和所述雷达中的一个的角度和/或位置，获取更新后的第一坐标点向量矩阵和更新后的第二坐标点向量矩阵，基于更新后的第一坐标点向量矩阵和更新后的第二坐标点向量矩阵确定更新后的误差距离，直至所述更新后的误差距离满足预设误差条件。
[0011]在一些实施例中，所述基于所述边缘计算设备对应的多组数据采集组件采集的历史数据及所述边缘计算设备对应的至少一组所述标准组件采集的历史数据，生成多个训练样本，包括：对于每个历史时间点，基于所述多组数据采集组件在所述历史时间点采集的历史数据，生成训练样本；基于所述标准组件在所述历史时间点采集的历史数据，生成所述训练样本的标签。
[0012]在一些实施例中，所述基于多个所述训练样本对所述精度提升模型进行训练，包括：基于所述训练样本和所述训练样本对应的标签，对所述精度提升模型进行训练，当训练的所述精度提升模型满足预设训练条件时，训练结束。
[0013]在一些实施例中，所述在目标区域的道路上安装多个边缘计算设备，包括：获取数据校准实时性要求；基于所述数据校准实时性要求，确定所述边缘计算设备于所述数据采集组件之间的对应关系。
[0014]本说明书实施例之一提供一种基于自监督学习的提升路侧传感器精度的系统，包括：多个边缘计算设备，安装在目标区域的道路上，其中，每个所述边缘计算设备对应有多组数据采集组件，所述数据采集组件包括多个现有路侧传感器；多组标准组件，安装在所述目标区域的道路上，其中，每组所述标准组件包括多个标准路侧传感器，每个所述边缘计算设备对应有至少一组所述标准组件；所述边缘计算设备用于调整对应的所述数据采集组件的工作参数；所述边缘计算设备还用于建立精度提升模型，基于所述边缘计算设备对应的多组数据采集组件采集的历史数据及所述边缘计算设备对应的至少一组所述标准组件采集的历史数据，生成多个训练样本，基于多个所述训练样本对所述精度提升模型进行训练；所述边缘计算设备还用于基于训练后的精度提升模型对所述边缘计算设备对应的多组数据采集组件采集的实时数据进行数据校准。
[0015]基于自监督学习的提升路侧传感器精度的方法及系统相比现有技术具有以下优
点：充分利用现有路侧传感器的基础上，引入少量的多组标准组件，尽可能降低新的硬件的投入，提升现有路侧感知系统的精度，大幅降低成本投入，进一步的，引入多个边缘计算设备，提高了数据校准的实时性。
附图说明
[0016]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本说明书一些实施例所示的基于自监督学习的提升路侧传感器精度的系统的模块示意图；图2是根据本说明书一些实施例所示的基于自监督学习的提升路侧传感器精度的方法的流程图；图3是根据本说明书一些实施例所示的调整数据采集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，包括：在目标区域的道路上安装多个边缘计算设备，其中，每个所述边缘计算设备对应有至少一组数据采集组件，所述数据采集组件包括多个现有路侧传感器；在所述目标区域的道路上安装多组标准组件，其中，每组所述标准组件包括多个标准路侧传感器，每个所述边缘计算设备对应有至少一组所述标准组件；对于每组所述数据采集组件，调整所述数据采集组件的工作参数；对于每个所述边缘计算设备，建立精度提升模型，基于所述边缘计算设备对应的多组数据采集组件采集的历史数据及所述边缘计算设备对应的至少一组所述标准组件采集的历史数据，生成多个训练样本，基于多个所述训练样本对所述精度提升模型进行训练；对于每个所述边缘计算设备，基于训练后的精度提升模型对所述边缘计算设备对应的多组数据采集组件采集的实时数据进行数据校准。2.根据权利要求1所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，调整所述数据采集组件的工作参数，包括：测试所述数据采集组件包括的多个现有路侧传感器的稳定性；测试所述数据采集组件包括的多个现有路侧传感器的测量范围；测试所述数据采集组件包括的多个现有路侧传感器的输出结果；基于所述稳定性、所述输出结果和/或所述测量范围，调整所述数据采集组件的工作参数。3.根据权利要求2所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述数据采集组件至少包括图像采集装置及雷达。4.根据权利要求3所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述稳定性、所述输出结果和/或所述测量范围，调整所述数据采集组件的工作参数，包括：基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置。5.根据权利要求4所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置，包括；对于所述图像采集装置，获取所述图像采集装置的预设采集范围，确定所述图像采集装置的实际采集范围，基于所述图像采集装置的预设采集范围和所述图像采集装置的实际采集范围之间的偏差，调整所述图像采集装置的角度和/或位置；对于所述雷达，获取所述雷达的预设采集范围，确定所述雷达的实际采集范围，基于所述雷达的预设采集范围和所述雷达的实际采集范围之间的偏差，调整所述雷达的角度和/或位置。6.根据权利要求4所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置，包括：通过所述图像采集装置获取目标物体的第一坐标点向量矩阵；通过...

【专利技术属性】
技术研发人员：李冬，柳俊，
申请(专利权)人：苏州映赛智能科技有限公司，
类型：发明
国别省市：