[发明专利]基于多传感器的视野图处理方法、装置和设备

权利要求书

1.一种基于多传感器的视野图处理方法，其特征在于，所述方法包括：

获取待分析车辆上的各传感器中每一传感器所采集的第一传感器数据；

基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据，进行信息融合处理，得到第一融合数据；

根据卷积神经网络模型对所述第一融合数据和所述待分析车辆的位置信息进行处理，得到视野图的特征图；

根据所述视野图的特征图，生成视野图；其中，所述视野图包括前视图、鸟瞰图、后视图；

其中，根据卷积神经网络模型对所述第一融合数据和所述待分析车辆的位置信息进行处理，得到视野图的特征图，包括：

获取与所述待分析车辆相邻的相邻车辆的各传感器中每一传感器所采集的第二传感器数据；

依据各第二传感器数据中每一目标的位置，基于卷积神经网络模型对各第二传感器数据，进行融合处理，得到归属于各目标中每一目标的数据，以得到第二中间数据；

对所述第二中间数据中的各数据进行归一化处理，得到第二融合数据；

基于卷积神经网络模型对所述第一融合数据、所述第二融合数据以及所述待分析车辆的位置信息，进行再次的信息融合数据，得到信息数据；

基于卷积神经网络模型对信息数据进行处理，得到所述视野图的特征图；

其中，基于卷积神经网络模型对信息数据进行处理，得到所述视野图的特征图，包括：

基于卷积神经网络模型对所述信息数据进行处理，生成所述信息数据中每一目标的特征图，并基于卷积神经网络模型对所述信息数据中每一目标的特征图进行反卷积处理，得到所述信息数据中每一目标的处理后的特征图；依据所述信息数据中每一目标的位置，确定出第一数据特征图和第二数据特征图；其中，所述第一数据特征图为与前视图相关的处理后的特征图，所述第二数据特征图为与后视图相关的处理后的特征图；其中，所述视野图的特征图，包括：所述信息数据中每一目标的处理后的特征图、所述第一数据特征图和所述第二数据特征图。

2.根据权利要求1所述的方法，其特征在于，基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据，进行信息融合处理，得到第一融合数据，包括：

依据各传感器中每一传感器所采集的第一传感器数据中每一目标的位置，基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据，进行融合处理，得到归属于各目标中每一目标的数据，以得到第一中间数据；

对所述第一中间数据中的各数据进行归一化处理，得到所述第一融合数据。

3.根据权利要求1所述的方法，其特征在于，根据所述视野图的特征图，生成视野图，包括：

基于卷积神经网络模型对所述第一数据特征图进行反卷积处理和识别处理，生成前视图；并基于卷积神经网络模型对所述第二数据特征图进行反卷积处理和识别处理，生成后视图；

对所述信息数据中每一目标的处理后的特征图进行投影处理，生成鸟瞰图。

4.根据权利要求1所述的方法，其特征在于，基于卷积神经网络模型对所述第一融合数据、所述第二融合数据以及所述待分析车辆的位置信息，进行再次的信息融合数据，得到信息数据，包括：

获取路网系统上所存储的地图信息，并获取所述相邻车辆的位置信息；

基于卷积神经网络模型对所述第一融合数据、所述第二融合数据、所述地图信息、所述待分析车辆的位置信息、以及所述相邻车辆的位置信息，进行再次的信息融合数据，得到信息数据。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述信息数据中每一目标的位置，依据卷积神经网络模型将所述视野图的特征图中每一目标对应的特征图、每一目标的信息进行融合处理，得到拼接特征图；其中，所述信息数据中还包括路网系统上所存储的交通灯信息、所述相邻车辆所处的预设地理范围内的目标物体的信息；

根据所述拼接特征图，生成感知占位图，所述感知占位图用于表征所述信息数据中的每一目标；

对所述感知占位图进行可视化处理，得到并显示可视化地图。