[发明专利]基于深度融合的路端感知方法、装置、路端设备和系统

说明书

本申请涉及一种基于深度融合的路端感知方法、装置、路端设备和系统，该方法包括：获取基于路端传感器采集到的感知数据和基于云端设备采集到的云端数据；根据所述感知数据和云端数据计算得到路端感知信息；所述路端感知信息包括半静态目标物体和可行驶区域；所述半静态目标物体为在第一时间范围内为静态，在第二时间范围内为动态的物体；将所述路端感知信息发送至车端，以使车端将车端感知信息和所述路端感知信息进行深度融合后得到融合信息，并根据所述融合信息驱动车辆运行。本申请基于路端传感器采集的原始数据和云端数据进行深度融合，计算得到半静态目标物体和可行驶区域下发至车端，增强了车端的自动驾驶决策规划能力。

技术领域

本申请涉及智能交通技术领域，特别是涉及一种基于深度融合的路端感知方法、装置、路端设备和系统。

背景技术

高度自动驾驶系统实际运用已经有十几年时间，相关的技术已经逐渐成熟完善，主要可以分为：1)感知技术：包括毫米波雷达，摄像头感知，激光雷达，超声波雷达等；2)融合技术：包括动态目标物融合，可驾驶区域融合和静态目标物融合；3)决策规划技术：包括行为决策，轨迹规划，横纵向控制，车辆动态模型适配等。

然而，尽管近期车载的自动驾驶硬件成本进一步降低，自动驾驶仍然面临许多挑战。首先，自动驾驶硬件的成本仍然过高，不利于车载自动驾驶系统的量产和普及。其次，感知和决策算法受到传感器安装位置、车载运算平台算力和车规级器件要求等影响，不能识别所有的情景，会出现漏检错检的情况。最后，车载传感器容易受到附件车流和障碍物的遮挡，无法正确识别目标物的情况。

车路协同被认为是辅助自动驾驶系统的有效手段，车路协同依托于路端通讯协议(比如DSRC或C-V2X)将辅助交通信息下发给途径的车辆，自动驾驶车辆可以获得更多更广范围的感知信息，以利于自身的自动驾驶决策。事实上，自动驾驶对于感知性能，不论是空间还是时域上要求都非常高，然而当前的车路协同技术更多强调落地场景的运用，路端感知设备往往只具有简单的目标级别的融合能力，且只是融合运动或静止目标物(比如来往的行人，车辆，路牌，停车亭等)，导致车辆得到的感知信息不全面。

发明内容

本申请实施例提供了一种基于深度融合的路端感知方法、装置、路端设备和系统，以至少解决相关技术中车辆得到的感知信息不全面的问题。

第一方面，本申请实施例提供了一种基于深度融合的路端感知方法，包括：

获取基于路端传感器采集到的感知数据和基于云端设备采集到的云端数据；

根据所述感知数据和云端数据计算得到路端感知信息；所述路端感知信息包括半静态目标物体和可行驶区域；所述半静态目标物体为在第一时间范围内为静态，在第二时间范围内为动态的物体；

将所述路端感知信息发送至车端，以使车端将车端感知信息和所述路端感知信息进行深度融合后得到融合信息，并根据所述融合信息驱动车辆运行。

在其中一些实施例中，所述路端感知信息包括半静态目标物体，则所述根据所述感知数据和云端数据计算得到路端感知信息，包括：

对所述感知数据进行预处理；所述预处理包括数据时空对齐；

基于时空对齐后的感知数据获取感知目标物体以及动态目标物体；

基于所述云端数据获取静态物体列表，并根据所述静态物体列表筛选所述感知目标物体得到预选目标物体；

根据所述动态目标物体筛选所述预选目标物体得到半静态目标物体。

在其中一些实施例中，根据所述动态目标物体筛选所述预选目标物体得到半静态目标物体之后，还包括：

对所述半静态目标物体进行速度跟踪；

当所述半静态目标物体速度在预设时间段内不改变时，将对应的半静态目标物体添加至静态物体列表；