[发明专利]信息补全方法、装置、计算机设备和存储介质

说明书

本申请涉及一种上述信息补全方法、装置、计算机设备和存储介质，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；将毫米波雷达数据输入预设的第一模型，获得第一区域中的道路对象的第一特征信息；基于图像数据获得第二区域中道路对象的像素坐标，并根据像素坐标与第二扫描区域对应的第二模型，获得第二区域中道路对象的第二特征信息。采用上述方法，可以避免激光雷达失效导致系统工作异常，提升了系统的可靠性。

技术领域

本申请涉及传感器技术领域，特别是涉及一种信息补全方法、装置、计算机设备和存储介质。

背景技术

随着自动化驾驶、车路协同等技术的发展，传感器得到了越来越广泛的应用。自动化驾驶系统或者车路协同系统中，需要采集目标对象的不同类型的特征信息，使得系统根据特征信息做出的判断更准确。

为了采集不同类型的特征信息，上述系统可以部署多个传感器。系统中可以同时部署激光雷达、视觉传感器以及毫米波雷达，可以通过激光雷达采集道路对象的尺寸、深度信息等特征；可以视觉传感器采集道路对象的颜色特征，以及通过毫米波雷达采集道路对象的速度等特征。

但是，当其中激光雷达失效的情况下，系统不能通过获得道路对象的尺寸和定位等特征，导致自动化驾驶系统或者车路协同系统工作异常甚至引发安全事故。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升系统可靠性的信息补全方法、装置、计算机设备和存储介质。

一种信息补全方法，上述方法包括：

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；第一区域为激光雷达与毫米波雷达的扫描重叠区域，第二区域为激光雷达与视觉传感器的扫描重叠区域中，与第一区域不相交的区域；

将毫米波雷达数据输入预设的第一模型，获得第一区域中的道路对象的第一特征信息；第一模型为基于毫米波雷达和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；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；

基于图像数据获得第二区域中道路对象的像素坐标，并根据像素坐标与第二扫描区域对应的第二模型，获得第二区域中道路对象的第二特征信息；第二模型包含像素坐标与第二特征信息的对应关系；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。

在其中一个实施例中，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，上述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之前，还包括：

获取在同一时间段、同一场景下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；第二传感器为毫米波雷达或视觉传感器；第二历史数据为毫米波雷达采集的历史毫米波雷达数据，或者视觉传感器采集的历史图像数据；

对历史点云数据与第二历史数据进行时空同步处理，得到历史点云数据与第二历史数据的时空对应关系；

基于历史点云数据与第二历史数据的时空对应关系，建立深度学习模型或拟合映射模型。

在其中一个实施例中，上述历史点云数据包括多个第一数据帧，第二历史数据包括多个第二数据帧，对历史点云数据与第二历史数据进行时空同步处理，得到历史点云数据与第二历史数据的时空对应关系，包括：

对历史点云数据和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第一数据帧中的第一数据以及第二数据帧中的第二数据。