[发明专利]数据集的建立方法、车辆和存储介质

说明书

本发明涉及自动驾驶技术领域，特别涉及一种数据集的建立方法和车辆，该方法包括获取毫米波雷达图像和激光雷达图像；对毫米波雷达和激光雷达进行空间和时间校准；搭建用于推测激光雷达图像的深度神经网络并利用深度神经网络生成激光雷达的目标推测结果；将目标推测结果投影到相匹配的毫米波雷达图像上作为毫米波雷达图像的伪标注；根据伪标注所在区域毫米波雷达局部信号生成雷达目标置信度；根据目标置信度和伪标注建立毫米波雷达数据集。相对于传统的人工标注，本发明借助激光雷达可以实现自动标注，提高标注效率，并且基于模型集成的深度神经网络，可以实现高召回率的目标识别，滤除假阳性的目标检测框，提高标注质量。

技术领域

本发明涉及自动驾驶技术领域，特别是涉及一种数据集的建立方法、车辆和存储介质。

背景技术

毫米波雷达已经成为汽车高级辅助驾驶系统(Advanced Driver AssistanceSystems，简称ADAS)上不可或缺的一部分，当汽车行驶在暴雨暴雪此类恶劣环境或者行驶在强光暗光的恶劣照明条件时，毫米波雷达也能够正常工作，具备较强的鲁棒性。传统毫米波雷达的工作是采用数字信号处理算法来提取目标的位置和速度信息，根据生成一系列雷达点或者点云建立数据集。但是生成的雷达点或点云并不具有目标的尺寸、姿态等信息。自动驾驶中通常需要利用包括目标的位置、深度、尺寸和角度在内的位姿信息完成环境感知的工作，但由于应用于自动驾驶的毫米波雷达数据集通常采用人工标注而成，标注效率极低。

虽然也可以使用其他传感器，例如摄像头来对毫米波雷达进行标注，但是摄像头对于位姿信息的估计准确度较低。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种数据集的建立方法、车辆和存储介质。

为了解决上述问题，本发明实施例公开了一种数据集的建立方法，应用于设置有毫米波雷达和激光雷达的车辆，其特征在于，该方法包括：

获取毫米波雷达图像；

获取激光雷达图像；

对毫米波雷达和激光雷达进行空间校准，获取目标校准姿态信息；

对毫米波雷达图像和激光雷达图像进行时间戳上的匹配，完成毫米波雷达和激光雷达的时间校准；

搭建用于推测激光雷达图像的深度神经网络并利用深度神经网络生成激光雷达的目标推测结果；

根据目标校准姿态信息，将目标推测结果投影到相匹配的毫米波雷达图像上作为毫米波雷达图像的伪标注；

根据伪标注所在区域毫米波雷达局部信号生成雷达目标置信度；

根据目标置信度和伪标注建立毫米波雷达数据集。

在具体的实施方式中，获取毫米波雷达图像，包括：

采集毫米波雷达信号进行数字信号处理后获得毫米波雷达的初始图像；

对毫米波雷达的初始图像进行坐标系变换，获得笛卡尔坐标系下的毫米波雷达图像和毫米波雷达图像对应的时间戳。

在具体的实施方式中，获取激光雷达图像，包括：

采集激光雷达信号，对激光雷达信号进行数字信号处理后获得激光雷达初始图像；

在车辆行驶速度超过预设的速度阈值时，对激光雷达初始图像进行帧重构；

根据激光雷达安装时的初始校准姿态信息，将帧重构后的激光雷达图像变换到笛卡尔坐标系下，并获取激光雷达图像对应的时间戳。

在具体的实施方式中，对激光雷达初始图像进行帧重构，包括：

根据毫米波雷达视角在激光雷达初始图像上的覆盖范围，计算目标初始扫描角度；