[发明专利]一种车路协同方法、装置、电子设备及可读存储介质

说明书

本发明提供了一种基于路侧传感器的车路协同方法、装置、电子设备及可读存储介质。所述方法包括：通过获取路侧的多个传感器多个时间采集的原始数据，并对每个传感器的原始数据分别进行特征值提取，从而确定目标障碍物，再对目标障碍物的特征值进行整理分类，得到每个障碍物的完整特征值参数，再将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息，最后将每个障碍物的描述信息发送给车载端的实时避撞系统。通过获取多个路侧传感器采集的原始数据，并对原始数据进行特征提取，能够提高障碍物的识别率，通过对障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数，能够得到较为准确的障碍物描述信息。

技术领域

本发明涉及智能联网交通技术领域，尤其涉及一种基于路侧传感器的车路协同方法、装置、电子设备及可读存储介质。

背景技术

如今，无人驾驶技术快速发展，在无人驾驶技术中，需要获取道路的障碍物信息，以保证无人驾驶的安全性。

在相关技术中，大部分的无人驾驶方案是基于单传感器进行判断，存在识别率低的问题，多传感器的数据融合虽然利用不同传感器的特性进行融合，但是并没有针对数据进行特性处理，而且现有的多传感器数据融合大都部署在无人驾驶终端设备上，没有从路侧设备的多传感器的数据融合角度出发，获得的障碍物信息准确率不高。

发明内容

本发明实施例提供一种基于路侧传感器的车路协同方法、装置、电子设备及可读存储介质，旨在提高障碍物信息的准确率，以便提高无人驾驶的安全性。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种基于路侧传感器的车路协同方法，所述方法包括：

获取多个传感器多个时间采集的原始数据，所述传感器固定于路侧；

对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，并根据特征值参数，对障碍物进行识别，得到多个目标障碍物；

根据所有传感器的障碍物的特征值参数，对每个障碍物的特征值参数进行整理归类，得到每个障碍物的完整特征值参数；

将每个障碍物的完整特征值参数输入融合模型，得到每个障碍物的描述信息；

将每个障碍物的描述信息发送给车载端的实时避撞系统。

可选地，所述传感器包括激光雷达和摄像头，获取多个传感器多个时间采集的原始数据，包括：

通过socket方式获取多个激光雷达多个时间测得的原始数据；

通过定时器定时抽取多个摄像头获取的视频数据，以保持获取摄像头的视频的频率与激光雷达帧率同步。

可选地，对每个传感器的原始数据分别进行特征值提取，得到障碍物的特征值参数，包括：

针对传感器的原始数据，至少获取障碍物的大小、形状和位置信息；

针对激光雷达的原始数据，至少获取障碍物的角度和距离信息。

可选地，将每个障碍物的描述信息发送给车载端的实时避撞系统，包括：

根据每个障碍物的描述信息，建立障碍物信息列表，将所述障碍物信息列表发送给车载端的实时避撞系统。

可选地，在将每个障碍物的描述信息发送给车载端的实时避撞系统之前，所述方法还包括：

对不满足预设条件的障碍物的描述信息进行过滤，得到障碍物的准确描述信息；

将每个障碍物的描述信息发送给车载端的实时避撞系统，包括：

将每个障碍物的准确描述信息发送给车载端的实时避撞系统。