【技术实现步骤摘要】
本专利技术涉及协同感知，具体地，涉及一种基于机器学习完成图匹配的多智能体时空对齐方法和系统。
技术介绍
1、协同感知可以通过多个智能体之间共享信息，极大地增强他们的感知能力。为了在一致的空间-时间坐标系统中实现协同感知，大部分现有的方法依赖于高端定位设备和全球同步定时系统来提供精确的位置和时间戳，使得这些方法通常价格高昂且难以扩展，在受到噪声影响和恶意攻击时精度下降甚至无法正常使用。这些缺点从根本上限制了协同感知的实际应用。
2、现行空间-时间对齐方法及系统具有如下缺点：在定位误差方面，现有技术主要通过解决定位功能硬件输出精度不足导致的协同信息失准以提高感知表现，但现有技术仅能解决约在一米范围内的位置偏移，无法处理更大范围的偏移,因此，必须依赖具有较好精度的外部定位数据进行粗定位；在时钟误差方面，现有技术主要在已知时钟误差的情况下通过分别在所有车上进行基于各自时间戳的计算延迟以进行协作感知，时钟不统一导致时钟误差，使得时域对齐出错。在受到恶意攻击的抗干扰方面，现有技术对外部时空数据依赖性强，提供了虚假数据的接入途径，时空数据...
【技术保护点】
1.一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，所述各智能体分别对个体所观测数据进行编码获得鸟瞰图，使用深度卷积神经网络转化所述鸟瞰图为鸟瞰特征图并完成目标检测，获得物体检测框；智能体随后将所述鸟瞰特征图和所述物体检测框发送至所有协作智能体，包括：
3.根据权利要求1所述的一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，采用FreeAlign方法，执行子图搜索和匹配，并计算与其他智能体的所述物体检测框的相对位姿与历史观测
...【技术特征摘要】
1.一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，所述各智能体分别对个体所观测数据进行编码获得鸟瞰图，使用深度卷积神经网络转化所述鸟瞰图为鸟瞰特征图并完成目标检测，获得物体检测框；智能体随后将所述鸟瞰特征图和所述物体检测框发送至所有协作智能体，包括：
3.根据权利要求1所述的一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，采用freealign方法，执行子图搜索和匹配，并计算与其他智能体的所述物体检测框的相对位姿与历史观测延时，包括：
4.根据权利要求3所述的一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，所述智能体检测相对距离和几何结构信息，通过机器学习模型获取显著特征图，包括：
5.根据权利要求4所述的一种基于机器学习完成图匹配的多智能体时空对齐方法，其特征在于，所述基于所述显著特征图进行子图搜索，获得显著...
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。