[发明专利]一种车路协同的特征级协同感知融合方法和系统

权利要求书

1.一种车路协同的特征级协同感知融合方法，其特征在于，包括：

获取车端点云信息和车端点云信息对应的时间戳；

对所述车端点云信息进行特征提取以生成车端点云伪图像，对所述车端点云伪图像进行高维特征提取，以生成车端点云特征空间分布；

获取路侧端点云特征数据，所述路侧端点云特征数据根据按照所述时间戳进行存储的路侧端点云信息确定；

利用2D卷积神经网络预测计算所述路侧端点云特征数据映射到车端点云特征空间分布的变换参数；

根据所述变换参数确定路侧端点云特征数据在车端点云特征空间分布中对应的位置坐标；

将路侧端点云特征数据按照所述位置坐标确定对应的特征值，以完成路侧端点云特征数据对车端点云特征空间分布的映射；

将映射到车端点云特征空间分布的路侧端点云特征数据和车端点云特征空间分布进行融合，以实现车路协同感知。

2.如权利要求1所述的车路协同的特征级协同感知融合方法，其特征在于，所述对所述车端信息进行特征提取以生成车端点云伪图像，对车端点云伪图像进行高维特征提取，以生成车端点云特征空间分布，包括：

利用点云物体检测网络对所述车端信息进行特征提取以生成车端点云伪图像，对车端点云伪图像进行高维特征提取，以生成6C*0.5H*0.5W的车端点云特征空间分布；其中，C为通道数；H为高度；W为宽度。

3.如权利要求1所述的车路协同的特征级协同感知融合方法，其特征在于，所述路侧端点云特征数据根据按照所述时间戳进行存储的路侧端点云信息确定，包括：

所述路侧端点云特征数据通过对按照所述时间戳进行存储的路侧端点云信息进行特征提取后，进行高维特征提取再进行降维压缩后，2C*0.5H*0.5W的路侧端点云特征数据，其中，C为通道数；H为高度；W为宽度。

4.如权利要求1所述的车路协同的特征级协同感知融合方法，其特征在于，所述对所述路侧端点云特征数据进行解压缩，包括：

利用设定通道的设定卷积核对所述路侧端点云特征数据进行解压缩，以生成6C*0.5H*0.5W的解压缩后的路侧端点云特征数据；其中，C为通道数；H为高度；W为宽度。

5.如权利要求1中所述的车路协同的特征级协同感知融合方法，其特征在于，所述利用2D卷积神经网络预测计算路侧端点云特征数据映射到车端点云特征空间分布的变换参数，包括：

利用2D卷积神经网络预测得到如下公式，以确定所述变换参数：

，

其中，A_θ为变换参数，θ₁₁为路侧点云特征数据转换到车端点云特征空间分布的第一转换参数，θ₁₂为路侧点云特征数据转换到车端点云特征空间分布的第二转换参数，θ₁₃为路侧点云特征数据转换到车端点云特征空间分布的第三转换参数，θ₂₁为路侧点云特征数据转换到车端点云特征空间分布的第四转换参数，θ₂₂为路侧点云特征数据转换到车端点云特征空间分布的第五转换参数，θ₂₃为路侧点云特征数据转换到车端点云特征空间分布的第六转换参数。