一种基于知识蒸馏特征融合的4D可视目标检测方法技术

本发明专利技术提供一种基于知识蒸馏特征融合的4D可视目标检测方法，包括在汽车中执行雷达传感器和图像传感器布置，并确认传感器初始化位置；在计算机设备中执行雷达点云数据和图像数据的去噪处理和FPN处理，得到不同分辨率的特征网络层，基于不同分辨率下的特征网络进行BEV特征融合得到恶劣天气下的点云图像信息，基于不同的恶劣环境下的探测目标点云特征信息按照执行知识蒸馏特征网络训练，按照相似度较高的图像信息执行特征分析和图像的分类得到不同聚类图像，按照不同汽车牌号中的探测类别在管理中心执行汽车出行中的路线规划和调度规划，实现汽车出行中的交通拥堵或者天气恶劣下的路径规划，提高自动驾驶中的安全性和可靠性。靠性。靠性。

【技术实现步骤摘要】
一种基于知识蒸馏特征融合的4D可视目标检测方法


[0001]本专利技术属于数字信号处理领域，具体涉及一种基于知识蒸馏特征融合的4D可视目标检测方法。

技术介绍

[0002]随着经济技术的发展和人们生活水平的提高，自动驾驶技术已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。因此，保障自动驾驶的稳定可靠运行，就成为了人们研究的重点，其中滴滴出行是自动驾驶中的比较热门领域；自动驾驶的核心技术体系分为感知、决策和执行三大模块；其中，感知模块在自动驾驶中的应用为目前的一种前沿技术，目前在雨雪天气或者其他恶劣天气下实现安全的自动驾驶和出行属于自动驾驶中迫切解决的问题。
[0003]截至目前，现今技术依旧存在以下缺陷：
[0004](1)激光雷达传感器本身价格昂贵，而且在隧道或积雪天气等情况下，效果会受到一定影响，从而影响视觉结果；因此激光雷达传感器并无法提供低成本且鲁棒性好的视觉结果；
[0005](2)基于视觉传感器的可视化处理，需要将图层从像素平面投影到BEV(Bird
’r/>s EyeVi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识蒸馏特征融合的4D可视目标检测方法，包括以下步骤：S1：在汽车中布置毫米波雷达传感器和视频采集模块，执行信号采集器安装指令，从各汽车持续采集传感器数据；S2：在和传感器连接的计算机设备中布置采集信号评估模块，基于传感器数据计算各路况的可视目标参数，确定各路况的目标运行状态，所述运行状态是路况安全和不安全之一；S3:在汽车出行后台管理中心布置路况控制命令，用于将路线切换命令分别发送给路况可视目标运行状态状态评估模块确定的处于需切换行驶路线的汽车；其特征在于，步骤S1中，通过物联网设备采集不同时刻的传感器数据并存储，然后计算机设备基于传感器数据进行不同路况的可视目标运动状态估计，最后将不同路况下的可视目标运动状态在后台管理执行服务与监测。2.根据权利要求1所述的方法，其特征在于:步骤S1中传感器数据包括：S101：图像特征参数,由各视频采集模块得到的含有图像像素信息的时域序列组成；S102：目标运动速度v和拥挤状态，由各毫米波雷达传感器采集得到的雷达接收信号的时域序列组成。3.根据权利要求1所述的方法，其特征在于：步骤S2包括：S201：以子帧为一个时间段单位执行不同子帧下的图像特征的去噪处理和FPN处理，得到不同分辨率的特征网络层，基于不同分辨率的特征网络层执行BEV特征转化；S202：基于毫米波雷达的时域序列执行相干累积计算得到点云的位置、速度和来向，基于相机坐标系和大地坐标系，并按照图像坐标系
‑
像素坐标系执行图像像素转换，进一步执行FPN处理，得到不同分辨特征网络的图像像素，并按照不同子帧的形式执行存储，基于不同子帧的图像像素执行BEV特征转化；S203：基于视频采集模块的不同子帧下的不同分...

【专利技术属性】
技术研发人员：鲍元飞，易阳，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：