System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电数字数据处理领域。具体而言,涉及一种基于算网资源主动优化的盲区感知方法及系统。
技术介绍
1、智能车辆是重塑未来交通的重要发展方向,智能车辆基于自身对周围环境的获取和识别以实现安全行驶,然而由于单辆智能车辆感知范围有限,所配备的感知传感器容易受到遮挡形成感知视野盲区,严重影响车辆对周围环境的感知,从而容易导致交通事故的发生。
2、现有技术中,智能单车通过接收其他智能车辆的感知信息传输弥补单车的感知信息,从而提高智能单车的感知区域及感知效果。在智能车辆之间互相传输感知信息的过程中,通信方式采用全连接的通信链路,即智能单车向周围所有车辆传输感知信息。但由于通信的带宽资源和车端的计算资源有限,全连接广播形式传输感知信息会造成通信的拥堵,无法满足自动驾驶车辆实时获取周围环境的需求。
3、为了实现低时延的车辆之间的感知协同,解决智能单车感知范围和时效受限的问题,亟需一种盲区感知方法。
技术实现思路
1、本专利技术正是基于现有技术的上述需求而提出的,本专利技术要解决的技术问题是提供一种基于算网资源主动优化的盲区感知方法及系统以实现车辆之间定点传输盲区需求信息,充分节约通信资源和车端的计算资源,提高智能单车的感知效果。
2、为了解决上述问题,本专利技术是采用如下技术方案实现的:
3、一种基于算网资源主动优化的盲区感知方法,该方法包括:获取对应的点云数据或图像数据;对所述点云数据或图像数据处理得到鸟瞰图伪特征;对鸟瞰图伪特征处理得到空
4、可选地,对点云数据处理得到鸟瞰图伪特征,包括:对点云数据分割得到多个第一单元;对第一单元中的点云数据进行编码,获得稠密张量;对所述稠密张量进行特征提取和池化,得到二维特征张量;利用scatter算子对所述二维特征张量处理得到第一特征信息;对所述第一特征信息进行特征提取得到鸟瞰图伪特征。
5、可选地,对图像数据处理得到鸟瞰图伪特征,包括:利用深度估计网络预测图像数据中每个像素对应的深度分布,获得视锥特征,并基于视锥特征将图像数据投影至三维深度区间;基于相机参数对视锥特征进行变换,获得体素特征;将所述体素特征进行堆叠,获得鸟瞰图伪特征。
6、可选地,对鸟瞰图伪特征处理得到空间置信度,包括:对鸟瞰图伪特征进行卷积计算,获得不同分辨率的多个第二特征信息;对多个第二特征信息分别进行转置卷积计算,获得大小相同的第三特征信息;对多个第三特征信息依次进行拼接,并对拼接的特征信息进行背景滤除算法处理,获得第四特征信息;基于第四特征信息进行目标检测,获得空间置信度。
7、可选地,基于第一空间置信度,鸟瞰图伪特征的中心值与第一空间置信度中各像素之间的距离,构建盲区信息,包括:确定鸟瞰图伪特征的中心值与第一空间置信度中各像素之间的距离;确定第一空间置信度对应的空间需求置信度,包括:,其中,表示空间需求置信度,表示编号为 i的目标车辆的第一空间置信度, i表示编号为 i的目标车辆;将距离和空间需求置信度点积计算得到盲区信息。
8、可选地,基于第一空间置信度和第二空间置信度融合优先传输信息的车辆和目标车辆的鸟瞰图伪特征,获得融合特征,包括:通过多头注意力机制交互计算第一空间置信度和第二空间置信度,获取第三数据;并将第二空间置信度与对应的第三数据进行乘积计算,获取融合权重;利用前馈神经网络将优先传输信息的车辆的鸟瞰图伪特征和对应的融合权重进行点积,并将点积结果与目标车辆的鸟瞰图伪特征进行相加,获取融合特征。
9、可选地,目标车辆对融合特征进行解码得到盲区的环境信息,包括:目标车辆对融合特征依次进行vgg16基础网络层、附加特征提取层、预测层和非极大值抑制层解码处理,得到盲区的环境信息,所述环境信息包括类别参数和位置参数。
10、可选地,其他车辆基于所述盲区信息和第二空间置信度,确定优先传输信息的车辆,其表达式包括:,其中,表示第二数据,表示编号为 j的其他车辆信息融合至编号为 i的目标车辆信息中,表示特征筛选函数,表示编号为 j的其他车辆的第二空间置信度, j表示编号为 j的其他车辆,表示目标车辆的盲区信息,表示经过第二运算获得的结果,表示判断函数, h表示鸟瞰图伪特征的长度, w表示鸟瞰伪特征的宽度。
11、可选地,获得融合特征的表达式包括:,其中,表示融合的权重,表示编号为 j的其他车辆信息融合至编号为 i的目标车辆信息中,mha表示多头注意力机制,表示编号为 i的目标车辆的第一空间置信度, i表示编号为 i的目标车辆,表示编号为 j的其他车辆的第二空间置信度, j表示编号为 j的其他车辆,表示融合特征,ffn表示前馈神经网络,表示编号为 i的目标车辆的鸟瞰图伪特征,表示编号为 j的其他车辆的鸟瞰图伪特征。
12、一种基于算网资源主动优化的盲区感知系统,该系统包括:获取模块,获取对应的点云数据或图像数据;第一处理模块,对所述点云数据或图像数据处理得到鸟瞰图伪特征;对鸟瞰图伪特征处理得到空间置信度,所述空间置信度包括与目标车辆对应的第一空间置信度和与其他车辆对应的第二空间置信度;第二处理模块,目标车辆接收来自第一处理模块的第一空间置信度,并基于第一空间置信度和鸟瞰图伪特征本文档来自技高网...
【技术保护点】
1.一种基于算网资源主动优化的盲区感知方法,其特征在于,包括:
2.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,对点云数据处理得到鸟瞰图伪特征,包括:
3.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,对图像数据处理得到鸟瞰图伪特征,包括:
4.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,对鸟瞰图伪特征处理得到空间置信度,包括:
5.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,基于第一空间置信度,鸟瞰图伪特征的中心值与第一空间置信度中各像素之间的距离,构建盲区信息,包括:
6.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,基于第一空间置信度和第二空间置信度融合优先传输信息的车辆和目标车辆的鸟瞰图伪特征,获得融合特征,包括:
7.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,目标车辆对融合特征进行解码得到盲区的环境信息,包括:
8.根据权利
9.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,获得融合特征的表达式包括:
10.一种基于算网资源主动优化的盲区感知系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于算网资源主动优化的盲区感知方法,其特征在于,包括:
2.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,对点云数据处理得到鸟瞰图伪特征,包括:
3.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,对图像数据处理得到鸟瞰图伪特征,包括:
4.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,对鸟瞰图伪特征处理得到空间置信度,包括:
5.根据权利要求1所述的一种基于算网资源主动优化的盲区感知方法,其特征在于,基于第一空间置信度,鸟瞰图伪特征的中心值与第一空间置信度中各像素之间的距离,构建盲区信息,包括:
6.根据权利要求1...
【专利技术属性】
技术研发人员:任毅龙,李凯旋,兰征兴,于海洋,
申请(专利权)人:北京航空航天大学,
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。