当前位置: 首页 > 专利查询>同济大学专利>正文

基于不确定性量化的路域全量全要素可信感知方法及系统技术方案

技术编号:44826314 阅读:24 留言:0更新日期:2025-03-28 20:17
本发明专利技术提出了一种基于不确定性量化的路域全量全要素可信感知方法及系统。首先,利用路侧激光雷达采集真实交通场景下的3D点云数据,创建数据集。随后,在“单帧”检测过程中,构建深度证据占用网格模型,将路侧空间划分为大小统一的网格,预测任意网格空间被占据的概率,并量化模型对于输出结果,即网格占用或空闲的信心,即不确定性,随后通过检测框生成算法可生成目标的检测框,提高了易遮挡环境下目标检测的准确性与鲁棒性。最后,开发了多目标跟踪算法,并集成了基于不确定性的轨迹管理模块,根据目标检测结果自适应调整轨迹初始化与轨迹删除的时机,有效克服了因随机遮挡等因素导致的轨迹断裂或丢失问题,同时减少了幽灵轨迹的产生。

【技术实现步骤摘要】

本专利技术涉及路侧感知,特别涉及一种基于不确定性量化的路域全量全要素可信感知方法及系统


技术介绍

1、与车端感知相比,路侧感知可在长距离、广视角的路域范围内实现全量目标感知并输出连续轨迹数据,支撑车路融合感知、主动交通管控等应用,提高交通系统的运行效率和安全性。然而,在路侧复杂交通环境下,车辆间的随机遮挡给多目标感知与跟踪带来重大挑战,使轨迹数据存在多种可信性问题,例如“轨迹断裂”、“幽灵轨迹”等,严重影响系统管控的有效性。

2、在目标检测过程中,物理遮挡经常导致目标对象点云数据不完整,其关键特征处于不可见状态,削弱了模型的准确性。特别是在基于激光雷达的路侧感知系统中,由于系统纵向感知范围较远,远处目标往往容易被近处障碍物遮挡,加之3d点云的近密远疏特性,使得在遮挡情况下远处目标的特征提取变得尤为复杂。另一方面,现有3d目标检测算法大多基于端到端的神经网络模型,其性能高度依赖于训练数据集,本质上仅限于识别训练过程中包含的目标类型。因此,当这些模型被部署到真实应用场景中,遇到随机遮挡生成的点云数据或训练集中未标注的目标对象时,容易产生显著的不确本文档来自技高网...

【技术保护点】

1.一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于:所述3D点云数据预处理,包括路侧3D点云数据预处理:数据的接收与读取、点云组帧、外参变化、滤波处理流程。

3.如权利要求1所述的一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于:所述3D点云标注基于采集到的路侧点云数据,标注道路环境中的3D目标框,同时标注目标类别、遮挡、截断、轨迹ID信息。

4.如权利要求1所述的一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于:所...

【技术特征摘要】

1.一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于:所述3d点云数据预处理,包括路侧3d点云数据预处理:数据的接收与读取、点云组帧、外参变化、滤波处理流程。

3.如权利要求1所述的一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于:所述3d点云标注基于采集到的路侧点云数据,标注道路环境中的3d目标框,同时标注目标类别、遮挡、截断、轨迹id信息。

4.如权利要求1所述的一种基于不确定性量化的路域全量全要素可信感知方法,其特征在于:所述真值数据生成,即选取检测范围并将其划分为大小统一的网格,根...

【专利技术属性】
技术研发人员:赵聪陈锟暨育雄杜豫川
申请(专利权)人:同济大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1