[发明专利]智能驾驶感知方法及感知装置

说明书

本发明提供了一种智能驾驶感知方法及感知装置，该感知方法包括：获取有关行车环境的第一图像和第二图像；确定第一图像中至少一个目标的多个第一特征信息，确定第二图像中特定目标的多个第二特征信息；确定多个第一特征信息中每个第一特征信息与特定目标的关联概率；确定大于门限阈值的关联概率对应的第一特征信息、以及多个第二特征信息为多个第三特征信息，并基于多个第三特征信息感知特定目标的运动状态。本发明的技术方案能够减小数据关联过程中的运算量、提高感知效率。

技术领域

本发明涉及智能驾驶领域，具体涉及一种智能驾驶感知方法及感知装置。

背景技术

智能车感知系统通常配置多种类型的传感器，如视觉、超声波、雷达、激光等传感器，作为提供道路信息以及行车信息的来源。不同类型的传感器获得的信息不同，为了提高车辆对行车环境的感知能力、提高感知的可靠性，需要将各个传感器获得的信息进行关联。

发明内容

有鉴于此，本发明实施例提供了一种智能驾驶感知方法及感知装置，能够减小运算量、提高感知效率。

第一方面，本发明的实施例提供了一种智能驾驶感知方法，包括：获取有关行车环境的第一图像和第二图像；确定第一图像中至少一个目标的多个第一特征信息，确定第二图像中特定目标的多个第二特征信息；确定多个第一特征信息中每个第一特征信息与特定目标的关联概率；确定大于门限阈值的关联概率对应的第一特征信息、以及多个第二特征信息为多个第三特征信息，并基于多个第三特征信息感知特定目标的运动状态。

在本发明某些实施例中，确定第一图像中至少一个目标的多个第一特征信息，确定第二图像中特定目标的多个第二特征信息，包括：基于深度学习网络检测器识别第一图像中至少一个目标的种类、第二图像中特定目标的种类；基于光流场分析算法确定第一图像中至少一个目标的光流信息、第二图像中特定目标的光流信息；基于至少一个目标的种类和至少一个目标的光流信息确定多个第一特征信息，基于特定目标的种类和特定目标的光流信息确定多个第二特征信息。

在本发明某些实施例中，第一方面的智能驾驶感知方法还包括：对第一图像和第二图像进行去噪和/或图像增强处理。

在本发明某些实施例中，基于多个第三特征信息感知特定目标的运动状态，包括：确定与多个第三特征信息中任一第三特征信息关联的事件；基于事件感知特定目标的运动状态。

在本发明某些实施例中，基于事件感知特定目标的运动状态，包括：基于调整余弦函数确定多个第三特征信息中任意两个第三特征信息之间的相似度；基于多个第三特征信息中任一第三特征信息与剩余的第三特征信息之间的相似度之和，确定多个总相似度；基于任一第三特征信息与剩余的第三特征信息之间的相似度之和占多个总相似度之和的比值，确定权重值；基于权重值确定任一第三特征信息的基本概率赋值函数；基于基本概率赋值函数和事件感知特定目标的运动状态。

在本发明某些实施例中，确定多个第一特征信息中每个第一特征信息与特定目标的关联概率，包括：确定多个第一特征信息中每个第一特征信息的原概率；基于多个第一特征信息中每个第一特征信息的原概率确定多个第一特征信息中每个第一特征信息与特定目标的关联概率。

在本发明某些实施例中，确定多个第一特征信息中每个第一特征信息的原概率，包括：基于泊松分布进行似然估计确定多个第一特征信息中每个第一特征信息的原概率。

第二方面，本发明的实施例提供了一种智能驾驶感知装置，包括：获取模块，用于获取有关行车环境的第一图像和第二图像；确定模块，用于确定第一图像中至少一个目标的多个第一特征信息，确定第二图像中特定目标的多个第二特征信息；确定多个第一特征信息中每个第一特征信息与特定目标的关联概率；确定大于门限阈值的关联概率对应的第一特征信息、以及多个第二特征信息为多个第三特征信息，并基于多个第三特征信息感知特定目标的运动状态。

第三方面，本发明的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面所述的智能驾驶感知方法。