[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

说明书

一种车路协同的特征级协同感知融合方法和系统，涉及车辆自动驾驶协同感知技术领域。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；对所述路侧端点云特征数据进行解压缩，利用特征空间矫正将解压缩后的路侧端点云特征数据映射到所述车端点云特征空间分布；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，对融合后的特征信息进行处理，从而实现车路协同感知。

技术领域

本发明涉及车辆自动驾驶协同感知技术领域，具体涉及一种车路协同的特征级协同感知融合方法和系统。

背景技术

随着对车辆自动驾驶技术研究的越来越深入，基于车路协同的自动驾驶协同感知技术研究逐渐变多。自动驾驶汽车除了通过自身安装的传感器来感知周围环境信息以外，还可以通过在道路两侧固定安装的传感器，来获取道路上交通参与者的状态信息。通过将车端和路侧交通设施两种不同来源的感知信息相互融合，可以实现车辆远距离、无盲区的协同感知，提升和保证车辆自动驾驶时的安全性。

目前基于车路协同的自动驾驶协同感知技术主要以目标级的信息融合方案为主，也即车辆自身和路侧设施都会各自对道路上的目标进行3D检测，然后再将得到的3D目标信息进行融合。但是这种方案存在一个较大问题，车端和路侧端信息的时间同步一致性较差，从而导致融合后的感知性能与预期有明显差距。

发明内容

本发明主要解决的技术问题是：车端信息和路侧端信息时间同步一致性较差。

根据第一方面，一种实施例中提供一种车路协同的特征级协同感知融合方法，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；

对所述路侧端点云特征数据进行解压缩，利用特征空间矫正将解压缩后的路侧端点云特征数据映射到所述车端点云特征空间分布；

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。

一实施例中，所述对所述路侧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路侧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。

一实施例中，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。

一实施例中，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。

一实施例中，所述利用特征空间矫正将升维后的路侧端点云特征数据映射到所述车端点云特征空间分布，包括：