【技术实现步骤摘要】
本申请涉及自主无人系统的认知领域，特别是涉及一种自动驾驶地图不确定性量化方法、装置、设备及介质。
技术介绍
1、自动驾驶技术作为一种融合了人工智能、机器人技术、计算机视觉和传感器技术的复杂系统，旨在通过自主感知、决策和控制，实现安全、可信、高效的无人驾驶体验。在这一过程中，环境感知和地图构建是实现车辆自主导航的核心前置任务。
2、环境感知是自动驾驶系统的基础，它依赖于多种传感器，如激光雷达、摄像头等。这些传感器协同工作，提供关于车辆周围环境的详细信息，包括道路结构、交通标志、行人和其他车辆的位置等。然而，传感器数据容易受到噪声、遮挡和环境变化的影响，导致感知结果的高度不确定性。因此，如何有效地处理传感器数据噪声以提高感知精度，是自动驾驶研究中的一个重要领域。
3、地图构建是自动驾驶车辆实现自主导航的另一关键环节。高精度地图（hd maps）不仅包含道路的几何信息，还包括车道线、交通标志、信号灯和其他静态环境特征。这些信息对于车辆的路径规划和决策至关重要。然而，高精度地图的标注和维护成本高昂，且只能在预先映射的区域...
【技术保护点】
1.一种自动驾驶地图不确定性量化方法，其特征在于，所述自动驾驶地图不确定性量化方法包括：
2.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，所述伽马分布不确定性概率模型表示如下：
3.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，所述地图映射元素的顶点的类别包括道路边界顶点、人行横道顶点和车道分界线顶点。
4.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，所述分类头包括若干依次连接的分类子模块和一个输出线性层，每一所述分类子模块包括依次连接的输入层、层归一化层和ReLU激活函数；输入层
<...【技术特征摘要】
1.一种自动驾驶地图不确定性量化方法，其特征在于，所述自动驾驶地图不确定性量化方法包括：
2.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，所述伽马分布不确定性概率模型表示如下：
3.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，所述地图映射元素的顶点的类别包括道路边界顶点、人行横道顶点和车道分界线顶点。
4.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，所述分类头包括若干依次连接的分类子模块和一个输出线性层，每一所述分类子模块包括依次连接的输入层、层归一化层和relu激活函数；输入层为线性层。
5.根据权利要求1所述的自动驾驶地图不确定性量化方法，其特征在于，在将所述目标待预测数据输入至训练好的在线估计地图网络中步骤之前，所述自动驾驶地图不确定性量化方法还包括：
【专利技术属性】
技术研发人员：王涣杰，胡继元，刘海滨，许国辉，毕京松，
申请(专利权)人：北京工业大学，
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。