[发明专利]信息补全方法、装置、计算机设备和存储介质

权利要求书

1.一种信息补全方法，其特征在于，所述方法包括：

获取毫米波雷达采集的第一区域的毫米波雷达数据，以及视觉传感器采集的第二区域的图像数据；所述第一区域为激光雷达与所述毫米波雷达的扫描重叠区域，所述第二区域为所述激光雷达与所述视觉传感器的扫描重叠区域中，与所述第一区域不相交的区域；

将所述毫米波雷达数据输入预设的第一模型，获得所述第一区域中的道路对象的第一特征信息；所述第一模型为基于所述毫米波雷达和所述激光雷达在用一时间段、同一场景下采集的数据进行训练获得的；所述第一特征信息包括尺寸信息、类别信息以及深度信息中的至少一种；

基于所述图像数据获得所述第二区域中道路对象的像素坐标，并根据所述像素坐标与所述第二扫描区域对应的第二模型，获得所述第二区域中道路对象的第二特征信息；所述第二模型包含像素坐标与第二特征信息的对应关系；所述第二特征信息包括深度信息、尺寸信息以及类别信息中的至少一种。

2.根据权利要求1所述的方法，其特征在于，所述第一模型为深度学习模型，所述第二模型为拟合映射模型；所述获取所述毫米波雷达采集的第一区域的毫米波雷达数据，以及所述视觉传感器采集的第二区域的图像数据之前，所述还包括：

获取在同一时间段、同一场景下所述激光雷达采集的历史点云数据与第二传感器采集的第二历史数据；所述第二传感器为所述毫米波雷达或所述视觉传感器；所述第二历史数据为所述毫米波雷达采集的历史毫米波雷达数据，或者所述视觉传感器采集的历史图像数据；

对所述历史点云数据与所述第二历史数据进行时空同步处理，得到所述历史点云数据与所述第二历史数据的时空对应关系；

基于所述历史点云数据与所述第二历史数据的时空对应关系，建立所述深度学习模型或所述拟合映射模型。

3.根据权利要求2所述的方法，其特征在于，所述历史点云数据包括多个第一数据帧，所述第二历史数据包括多个第二数据帧，所述对所述历史点云数据与所述第二历史数据进行时空同步处理，得到所述历史点云数据与所述第二历史数据的时空对应关系，包括：

对所述历史点云数据和所述第二历史数据进行时间同步，获得时间同步的多个数据帧对；每个数据帧对包括采样时刻同步的第一数据帧和第二数据帧；

对每个数据帧对中的第一数据帧和第二数据帧进行坐标系转换，获得空间同步的数据对，每个数据对包括空间同步的所述第一数据帧中的第一数据以及所述第二数据帧中的第二数据。

4.根据权利要求3所述的方法，其特征在于，所述第二传感器为所述毫米波雷达；所述第二历史数据为所述毫米波雷达采集的历史毫米波雷达数据；所述基于所述历史点云数据与所述第二历史数据的时空对应关系，建立所述深度学习模型包括：

对所述历史点云数据进行特征提取，获取各所述第一数据对应的第一特征信息；

将所述第二数据作为训练输入样本，将所述第二数据对应的第一数据所关联的第一特征信息作为所述训练输入样本的样本标签，获得训练数据集合；

将所述第二数据作为初始深度学习模型的输入，将所述第一数据所关联的第一特征信息作为所述初始深度学习模型的参考输出，对所述初始深度学习模型进行训练，获得所述深度学习模型。

5.根据权利要求3所述的方法，其特征在于，所述第二传感器为所述视觉传感器；所述第二历史数据为所述视觉传感器采集的历史图像数据；所述基于所述历史点云数据与所述第二历史数据的时空对应关系，建立所述拟合映射模型包括：

对所述历史点云数据进行特征提取，得到第二特征信息；

对所述视觉传感器采集的历史图像数据进行特征提取，得到像素坐标；

基于各所述数据对中，第一数据对应的第二特征信息与第二数据对应的像素坐标之间的对应关系，建立所述拟合映射模型。