【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其是一种基于状态估计的低延迟多车鸟瞰图感知方法及装置。
技术介绍
1、联网自动驾驶车辆(cavs)具有改善道路安全和交通效率等多方面好处,有望从根本上改变陆地交通。但是cavs主要依赖的传感器如摄像头和激光雷达存在直线视野有限、检测范围有限等问题,很难检测到被遮挡的物体和远处的障碍物。目前，现有联网自动驾驶汽车依靠自身传感器的单车感知方式，还依赖于通信技术来获取额外的信息和实现协同感知，其中，自身传感器可以检测车辆周围的物体和障碍物，但通常会有一定的感知范围和盲点，并且现有的协同感知应用领域中，多采用端到端的深度学习模型，可解释性差。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种基于状态估计的低延迟多车鸟瞰图感知方法及装置，以扩大联网自动驾驶汽车的感知范围,及时检测到障碍物，提高感知系统的可解释性。
2、本专利技术实施例的一方面提供了一种基于状态估计的低延迟多车鸟瞰图感知方法，该方法包括：
3、获取目标对象的摄像头数据以及gps定位数据；
4、对所述摄像头数据进行目标检测，得到第一目标检测框；
5、根据所述第一目标检测框以及所述gps定位数据，得到目标位置；
6、根据所述第一目标检测框以及所述目标位置，得到第一观测数据；
7、将所述第一观测数据作为新数据输入缓冲区，对所述第一观测数据进行聚类，获得所述目标对象的数量；
8、结合所述目标对象的数量，对所述目标对象进行状
9、可选地，所述对所述摄像头数据进行目标检测，得到第一目标检测框，包括：
10、通过目标检测算法对所述摄像头数据进行目标检测，得到第一目标检测框的水平位置、第一目标检测框的垂直位置、第一目标检测框的宽度以及第一目标检测框的高度；
11、根据所述第一目标检测框的水平位置、所述第一目标检测框的垂直位置、所述第一目标检测框的宽度以及所述第一目标检测框的高度，得到第一目标检测框。
12、可选地，所述根据所述第一目标检测框以及所述gps定位数据，得到目标位置，包括：
13、获取所述gps定位数据中的绝对坐标，根据所述绝对坐标得到目标对象的绝对位置；
14、将所述第一目标检测框输入3d目标检测模型，得到3d目标检测框以及朝向信息；
15、根据所述绝对位置、所述3d目标检测框以及所述朝向信息，得到目标位置。
16、可选地，所述根据所述第一目标检测框以及所述目标位置，得到第一观测数据，包括：
17、对所述第一目标检测框进行编码和解码，得到视觉特征向量；
18、将所述视觉特征向量与所述目标位置结合，得到第一观测数据。
19、可选地，所述将所述第一观测数据作为新数据输入缓冲区，对所述第一观测数据进行聚类，获得所述目标对象的数量，包括：
20、通过聚类算法，对所述第一观测数据进行分类，得到第二观测数据；
21、对所述第一观测数据进行聚类结构的识别，获得所述目标对象的数量。
22、可选地，所述结合所述目标对象的数量，对所述目标对象进行状态估计，得到中间结果，将所述中间结果返回，包括：
23、构建第一误差损失函数；
24、根据所述目标对象的数量设置若干个估计数据点；
25、根据所述估计数据点，获取初始状态估计、各个所述目标对象的初始空间位置以及初始姿态估计数据；
26、根据所述第一误差损失函数、所述初始姿态估计数据以及所述第二观测数据，对所述初始状态估计进行校正，得到更新的状态估计；
27、通过所述更新的状态估计，对各个所述目标对象的初始空间位置以及初始姿态估计数据进行更新，得到新的空间位置以及新的姿态估计数据作为中间结果；
28、返回所述中间结果，提供实时全局地图信息。
29、本专利技术实施例还提供了一种基于状态估计的低延迟多车鸟瞰图感知装置，包括：
30、第一模块，用于获取目标对象的摄像头数据以及gps定位数据；
31、第二模块，用于对所述摄像头数据进行目标检测，得到第一目标检测框；
32、第三模块，用于根据所述第一目标检测框以及所述gps定位数据，得到目标位置；
33、第四模块，用于根据所述第一目标检测框以及所述目标位置，得到第一观测数据；
34、第五模块，用于将所述第一观测数据作为新数据输入缓冲区，对所述第一观测数据进行聚类，获得所述目标对象的数量；
35、第六模块，用于结合所述目标对象的数量，对所述目标对象进行状态估计，得到中间结果，将所述中间结果返回；所述中间结果用于提供实时全局地图信息。
36、本专利技术实施例还提供了一种电子设备，该电子设备包括处理器以及存储器；存储器存储有程序；处理器执行程序以执行前述的基于状态估计的低延迟多车鸟瞰图感知方法。
37、本专利技术实施例还提供了一种计算机可读存储介质，存储介质存储有程序，所述程序被处理器执行实现前述的基于状态估计的低延迟多车鸟瞰图感知方法。
38、本专利技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前述的基于状态估计的低延迟多车鸟瞰图感知方法。
39、本专利技术的实施例获取目标对象的摄像头数据以及gps定位数据；对所述摄像头数据进行目标检测，得到第一目标检测框；根据所述第一目标检测框以及所述gps定位数据，得到目标位置；根据所述第一目标检测框以及所述目标位置，得到第一观测数据；将所述第一观测数据作为新数据输入缓冲区，对所述第一观测数据进行聚类，获得所述目标对象的数量；结合所述目标对象的数量，对所述目标对象进行状态估计，得到中间结果，将所述中间结果返回；所述中间结果用于提供实时全局地图信息。本专利技术扩大了联网自动驾驶汽车的感知范围,可以及时检测到障碍物,有助于事故预防；本专利技术还通过状态估计,提高感知系统的可解释性。
本文档来自技高网...【技术保护点】
1.一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，包括：
2.根据权利要求1所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，所述对所述摄像头数据进行目标检测，得到第一目标检测框，包括：
3.根据权利要求1所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，
4.根据权利要求1所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，
5.根据权利要求4所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，所述将所述第一观测数据作为新数据输入缓冲区，对所述第一观测数据进行聚类，获得所述目标对象的数量，包括：
6.根据权利要求5所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，所述结合所述目标对象的数量，对所述目标对象进行状态估计，得到中间结果，将所述中间结果返回，包括：
7.一种基于状态估计的低延迟多车鸟瞰图感知装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括处理器以及存储器；
9.一种计算机可读存储介质，其特征在于，
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
...【技术特征摘要】
1.一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，包括：
2.根据权利要求1所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，所述对所述摄像头数据进行目标检测，得到第一目标检测框，包括：
3.根据权利要求1所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，
4.根据权利要求1所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，
5.根据权利要求4所述的一种基于状态估计的低延迟多车鸟瞰图感知方法，其特征在于，所述将所述第一观测数据作为新数据输入缓冲区，对所述第一观测数据进行聚类，获得所述目标对象的数量，包括：<...
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。