[发明专利]一种超声波阵列障碍物检测结果处理方法及系统

权利要求书

1.一种超声波阵列障碍物检测结果处理方法，其特征在于，包括：

获取超声波传感器阵列中各超声波传感器采集的障碍物坐标；

选择待处理的超声波传感器以及与其相邻的N个超声波传感器采集的障碍物坐标进行特征变化，将特征变化之后的障碍物坐标输入预先训练的神经网络模型，得到所述预先训练的神经网络模型输出的针对各超声波传感器采集的障碍物坐标的真假标识；其中，N为小于超声波传感器总数的正整数；

根据所述真假标识对超声波传感器阵列中各超声波传感器采集的障碍物坐标进行处理。

2.根据权利要求1所述的方法，其特征在于，选择待处理的超声波传感器以及与其相邻的N个超声波传感器采集的障碍物坐标进行特征变化，将特征变化之后的障碍物坐标输入预先训练的神经网络模型包括：

选择待处理的超声波传感器以及与其相邻的N个超声波传感器采集的障碍物坐标的特征值生成数据序列，其中，N为小于超声波传感器总数的正整数；

将所述数据序列输入预先训练的神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型通过以下方法进行训练：

构造障碍物测试场景；

获取超声波传感器阵列中各超声波传感器采集的障碍物的坐标以及激光雷达对相同障碍物采集的坐标，并统一到参考坐标系中；

根据统一后的激光雷达采集的障碍物坐标对各超声波传感器采集的障碍物坐标进行真假标注，生成训练样本；

根据所述训练样本对神经网络模型进行训练。

4.根据权利要求3所述的方法，其特征在于，根据统一后的激光雷达采集的障碍物坐标对各超声波传感器采集的障碍物坐标进行真假标注包括：

若激光雷达采集的障碍物坐标与超声波传感器采集的障碍物坐标的误差在预设阈值范围内，则标注为真，若大于预设阈值范围，则标注为假。

5.根据权利要求3所述的方法，其特征在于，所述生成训练样本包括：

将待处理的超声波传感器以及与其相邻的N个超声波传感器采集的障碍物坐标的特征值以及针对待处理的超声波传感器采集的障碍物坐标的真假标注生成训练样本。

6.根据权利要求4所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型。

7.根据权利要求4所述的方法，其特征在于，所述神经网络模型为长短期记忆神经网络模型。

8.根据权利要求7所述的方法，其特征在于，所述根据所述训练样本对神经网络模型进行训练包括：

利用连续时刻获得的多个训练样本对所述长短期记忆神经网络模型进行训练。

9.一种超声波阵列障碍物检测结果处理系统，其特征在于，包括：

获取模块，用于获取超声波传感器阵列中各超声波传感器采集的障碍物坐标；

神经网络标识模块，用于选择待处理的超声波传感器以及与其相邻的N个超声波传感器采集的障碍物坐标进行特征变化，将特征变化之后的障碍物坐标输入预先训练的神经网络模型，得到所述预先训练的神经网络模型输出的针对各超声波传感器采集的障碍物坐标的真假标识；其中，N为小于超声波传感器总数的正整数；

处理模块，根据所述真假标识对超声波传感器阵列中各超声波传感器采集的障碍物坐标进行处理。

10.根据权利要求9所述的系统，其特征在于，所述神经网络标识模块具体用于：

选择待处理的超声波传感器以及与其相邻的N个超声波传感器采集的障碍物坐标的特征值生成数据序列，其中，N为小于超声波传感器总数的正整数；

将所述数据序列输入预先训练的神经网络模型。