【技术实现步骤摘要】
本专利技术涉及机器人、智能驾驶和人工智能领域，具体是一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法。
技术介绍
1、在机器人、智能驾驶和人工智能领域，对场景的识别和理解占据着重要的核心地位，但因为场景本身的复杂多样性，使用单一的传感器获取的场景数据往往具有片面性，并且容易受到环境的干扰，导致无法有效、充分的获取到环境的数字化信息，从而导致分析、推理结果不准确，无法满足实际的应用需求。
2、因此，在实际应用部署时，通常采用多传感器融合的方法，提高分析、推理结果的全面性、准确性，其中雷达和视觉融合推理就是比较常见的一种方式，但因为雷达和视觉的物理特性决定了很多场景下雷达和视觉不能同时有效的对同一个目标识别到，以及限制于当前的技术发展水平，无法充分的保证雷达和视觉识别到的目标都是有效的，因此就会存在漏识别、误识别的问题，从而导致实际应用部署时，存在较大的风险。
3、提高对场景中目标的识别能力，确保识别到的目标都是有效的，以及确保场景中需要识别到的目标都能被有效识别到，在场景识别和理解中至关重要，但当前的雷达视觉融合实现方式在这方面的表现并不理想。
技术实现思路
1、针对现有技术中对雷达视觉融合推理结果的全面性、准确性缺陷，本专利技术提供一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，它基于雷达数据和视觉数据的人工智能推理结果在雷达数据中映射的区域选择种子点，然后在雷达数据中根据种子点进行聚类，再根据聚类结果对人工智能推理结果进行二次校验和修正，
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，所述方法包括以下步骤：
4、s1、接收进行融合推理的雷达帧数据、视觉帧数据；
5、接收的数据至少是雷达帧数据和视觉帧数据彼此独立的融合帧数据、所述雷达帧数据和视觉帧数据融合后的数据中的一种；
6、所述雷达帧数据至少是只有一帧数据、包含大于一帧的雷达数据中的一种；
7、所述雷达帧数据可以是单线束雷达数据、毫米波雷达数据、激光雷达数据以及它们的组合；
8、所述雷达帧数据可以是单帧雷达数据、多帧雷达数据或多帧数据融合后的单帧雷达数据；
9、所述视觉帧数据至少是只有一帧数据、包含大于一帧的视觉数据中的一种；
10、所述视觉帧数据可以是灰度图数据、彩色图数据、深度图数据以及它们的组合；
11、所述视觉帧数据可以是单帧视觉数据、多帧视觉数据或多帧数据融合后的单帧视觉数据；
12、s2、使用人工智能算法对雷达帧数据、视觉帧数据进行推理，所述人工智能算法包括人工智能算法pointpillars和人工智能算法yolo-seg；
13、s201、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，分别对雷达帧数据和视觉帧数据进行推理；
14、s202、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，对雷达帧数据和视觉帧数据处理后，再分别进行推理；
15、s203、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，先将雷达帧数据和视觉帧数据融合后，再对融合后的数据进行推理；
16、s204、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，先对雷达帧数据和视觉帧数据进行处理后，再进行融合，然后再对融合后的数据进行推理；
17、s205、当s1接收的是所述雷达帧数据和视觉帧数据融合后的数据时，对融合后的数据进行推理；
18、s206、当s1接收的是所述雷达帧数据和视觉帧数据融合后的数据时，先对融合后的数据进行处理后，再进行推理。
19、所述s2至少是所述s201、所述s202、所述s203、所述s204、所述s205、所述s206中的一种。
20、s3、根据所述s2的推理结果在雷达数据中映射的区域选取种子点；
21、s301、所述s2的推理结果在任意情况下只包含在雷达数据中的推理结果时，在推理完成后，根据推理结果在雷达数据中的映射区域，选择在雷达数据中聚类的种子点；
22、s302、所述s2的推理结果存在视觉数据的推理结果时，先将雷达数据映射到视觉数据坐标系中，再在推理完成后，根据推理结果在雷达数据中的映射区域，选择在雷达数据中聚类的种子点；
23、s303、所述s2的推理结果存在视觉数据的推理结果时，先进行推理，在推理完成后，再将雷达数据映射到视觉数据坐标系中，根据推理结果在雷达数据中的映射区域，选择在雷达数据中聚类的种子点；
24、s304、所述s2的的推理结果存在视觉数据的推理结果时，在进行推理的同时，将雷达数据映射到视觉数据坐标系中，再在推理完成后，根据推理结果在雷达数据中的映射区域，选择在雷达数据中聚类的种子点；
25、s305、所述根据推理结果在雷达数据中选取种子点的方式至少是所述s301、s302、s303、所述s304中的一种；
26、s306、所述雷达数据映射到视觉数据坐标系中是指将雷达数据变换到视觉数据坐标系中进行表示；
27、s307、所述s306中将雷达数据变换到视觉数据坐标系中进行表示时，对映射后的数据密度进行调节，所述调节方式包括放大和缩小，所述调节的操作在映射的同时进行或映射后进行；
28、s308、所述种子点选择一个雷达点、多个雷达点、一个雷达数据坐标系中的点、一条雷达数据坐标系中的线、雷达数据坐标系中的一块区域；
29、s309、所述推理结果在雷达数据中映射的区域是指雷达数据经过所述s306的操作后，推理结果在雷达数据和映射到视觉数据坐标系中的雷达数据有重合的区域，然后根据所述s305和所述s308选取种子点。
30、s4、将雷达数据组织成便于聚类的存储形式，然后在组织后的雷达数据中，根据所述s3的种子点进行聚类；
31、s401、所述将雷达数据组织成便于聚类的存储形式，根据实际雷达数据的类型和组织形式以及操作需要，获取重新组织后的雷达数据，所述重新组织后的雷达数据包括将雷达数据直接当作经过重新组织后的雷达数据、按照组织方式对雷达数据进行组织操作获取的雷达数据中的一种；
32、s402、任意情况下，所述s2的推理结果只在视觉数据中存在时，则对视觉数据中出现的所有推理结果对应的种子点进行聚类；
33、s403、任意情况下，所述s2的推理结果只在视觉数据中存在时，则对视觉数据中小于可靠性阈值的推理结果对应的种子点进行聚类；
34、s404、任意情况下，所述s2的推理结果只在雷达数据中存在时，则对雷达数据中出现的所有推理结果对应的种子点进行聚类；
35、s405、任意情况下，所述s2的推理结果只在雷达数据中存在时，则对雷达数据本文档来自技高网...
【技术保护点】
1.一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，在S1中，接收的数据至少是雷达帧数据和视觉帧数据彼此独立的融合帧数据、所述雷达帧数据和视觉帧数据融合后的数据中的一种；所述雷达帧数据至少是只有一帧数据、包含大于一帧的雷达数据中的一种；所述视觉帧数据至少是只有一帧数据、包含大于一帧的视觉数据中的一种。
3.根据权利要求2所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，所述使用人工智能算法对雷达帧数据、视觉帧数据进行推理的方式至少是当S1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，分别对雷达帧数据和视觉帧数据进行推理、当S1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，对雷达帧数据和视觉帧数据处理后，再分别进行推理、当S1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，先将雷达帧数据和视觉帧数据融合后，再对融合后的数据进行推理、当S1接收的是雷达帧数据和视觉帧数据彼此独
4.根据权利要求3所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，在S3中，所述根据所述S2的推理结果在雷达数据中映射的区域选取种子点的步骤包括：
5.根据权利要求3所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，在S4中，所述将雷达数据组织成便于聚类的存储形式，然后在组织后的雷达数据中，根据所述S3的种子点进行聚类的步骤包括：
6.根据权利要求3所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，在S5中，所述根据所述S4的聚类结果对所述S2的推理结果进行二次校验，分析推理结果的可靠性以及是否存在误识别、漏识别的步骤包括：
7.根据权利要求1所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，在S6中，根据所述S5的分析结果，将误识别的推理结果丢弃掉，并对漏识别的推理结果进行修正后，当作真实的推理结果，所述对漏识别的推理结果进行修正，所述修正方式是指根据聚类结果映射出对应的需要输出的雷达数据推理结果和视觉数据推理结果中的一种代替实际的推理结果。
...【技术特征摘要】
1.一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，在s1中，接收的数据至少是雷达帧数据和视觉帧数据彼此独立的融合帧数据、所述雷达帧数据和视觉帧数据融合后的数据中的一种；所述雷达帧数据至少是只有一帧数据、包含大于一帧的雷达数据中的一种；所述视觉帧数据至少是只有一帧数据、包含大于一帧的视觉数据中的一种。
3.根据权利要求2所述的一种基于二次校验提高雷达视觉融合推理结果可靠性的实现方法，其特征在于，所述使用人工智能算法对雷达帧数据、视觉帧数据进行推理的方式至少是当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，分别对雷达帧数据和视觉帧数据进行推理、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，对雷达帧数据和视觉帧数据处理后，再分别进行推理、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，先将雷达帧数据和视觉帧数据融合后，再对融合后的数据进行推理、当s1接收的是雷达帧数据和视觉帧数据彼此独立的融合帧数据时，先对雷达帧数据和视觉帧数据进行处理后，再进行融合，然后再对融合后的数据进行推理、当s1接收的是所述雷达帧数据和视觉帧数据融合后的数据...
【专利技术属性】
技术研发人员：孙坤福，刘颖，许一凡，
申请(专利权)人：安徽中科星驰自动驾驶技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。