[发明专利]一种基于多模型的障碍物分布仿真方法、装置以及终端

说明书

本发明提出一种基于多模型的障碍物分布仿真方法、装置和终端，所述方法包括：获取多帧点云，点云中包括多个障碍物；提取障碍物的真实标注数据，并根据障碍物的真实标注数据训练得到多个神经网络模型；提取点云中的未标注数据，并将其分别输入至各神经网络模型中，输出多个仿真障碍物的预测结果，仿真障碍物的预测结果包括多个仿真障碍物，仿真障碍物具有属性数据；根据各仿真障碍物的预测结果选取一个或多个仿真障碍物；将已选取的仿真障碍物的属性数据输入至各神经网络模型中，得到仿真障碍物的位置坐标，以得到仿真障碍物的位置分布。增加了仿真障碍物的位置多样性，使得障碍物的位置分布以及各个障碍物的个数分布的仿真结果与真实情况更接近。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于多模型的障碍物分布仿真方法、装置以及终端。

背景技术

高精地图在离线状态下，可以采集地图中障碍物的标注数据，标注数据包括障碍物当前所处的位置、朝向、ID和障碍物的类别等。其中，障碍物的类别可以是车辆、行人、骑车的人以及锥筒等动态障碍物和静态障碍物。如何对障碍物的个数以及位置分布进行仿真，使得尽可能接近真实状况，越来越引起本领域技术人员的重视。

现有的技术方案中，往往利用高精地图，采取基于规则的障碍物摆放来进行仿真，规则的障碍物摆放包括车辆沿着车道线方向摆放，行人随机摆放等示例。然而，基于规则的摆放障碍物所呈现的场景十分有限，由于高精地图中只有主路，没有辅路和支路，导致同一种类的障碍物的位置分布以及不同种类障碍物的个数分布的仿真结果与真实情况相差较大。同时，基于规则的摆放无法穷尽真实场景中可能出现的情况，导致覆盖率不足。

发明内容

本发明实施例提供一种基于多模型的障碍物分布仿真方法、装置以及终端，以至少解决现有技术中的以上技术问题。

第一方面，本发明实施例提供了一种基于多模型的障碍物分布仿真方法，包括：

获取多帧点云，所述点云中包括多个障碍物；

提取所述障碍物的真实标注数据，并根据所述障碍物的真实标注数据训练多个神经网络模型；

提取所述点云中的未标注数据，并将其分别输入至各所述神经网络模型中，输出多个仿真障碍物的预测结果，所述仿真障碍物的预测结果包括多个仿真障碍物，所述仿真障碍物具有属性数据；

根据各所述仿真障碍物的预测结果选取一个或多个所述仿真障碍物；

将已选取的所述仿真障碍物的属性数据输入至各所述神经网络模型中，得到所述仿真障碍物的位置坐标，以得到所述仿真障碍物的位置分布。

结合第一方面，本发明在第一方面的第一个实施方式中，输出多个仿真障碍物的预测结果之后，还包括：

输出与所述仿真障碍物的预测结果对应的置信度；

判断所述置信度是否大于阈值，若是，则将所述仿真障碍物的预测结果保留。

结合第一方面，本发明在第一方面的第二个实施方式中，根据各所述仿真障碍物的预测结果选取一个或多个仿真障碍物，包括：

判断各所述仿真障碍物的预测结果中是否包含相同的仿真障碍物，若是，则将其选取。

结合第一方面，本发明在第一方面的第三个实施方式中，将已选取的所述仿真障碍物的属性数据输入至各所述神经网络模型中，得到所述仿真障碍物的位置坐标，包括：

将已选取的所述仿真障碍物的属性数据分别输入至各所述神经网络模型中，得到多个所述仿真障碍物的边界框；

根据各所述仿真障碍物的边界框分别获取对应的长度和宽度；

根据各所述长度和所述宽度计算所述边界框的长度平均值和宽度平均值；