[发明专利]一种交通参与者的信息生成方法及系统

说明书

本发明公开了一种交通参与者的信息生成方法及系统，根据真实交通场景采集数据建立场景库数据集，具有数据内容丰富、目标信息准确等特点更加符合国内实际交通场景应用，基于自身车辆坐标系检测的目标信息结果转换为大地坐标系下目标信息结果，并确定物体跟踪的状态量并建立物体的运动模型；将激光雷达的当前测量结果与前一帧的通过运动模型计算的目标预测估计结果进行数据关联更新目标预测估计结果，作为跟踪算法结果输出同时也为下一帧的数据输入形成算法迭代；根据物体跟踪算法的目标估计结果来改善目标检测结果获得交通参与者目标最终信息，能够准确的获取多种类型的交通参与者信息。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种交通参与者的信息生成方法及系统。

背景技术

随着人工智能技术发展迅速，智能化机器在很多行业辅助或者代替人进行高效、精准地工作。自动驾驶汽车通过车载传感器以及信息通信技术来获得车辆周围的环境感知信息，并对周围的交通参与者进行运动预测，进而将目标信息提供给驾驶操作辅助系统或者自动驾驶系统中的决策、规划环节。但是由于交通环境中场景复杂多变，交通参与者类型众多，准确且快速的获取复杂环境中的交通参与者信息十分具有挑战，现有技术对于交通参与者检测方法的缺点在于目标信息只能获得三维目标框的位置，大小，方向且目标单一，不能获取准确且快速的获取复杂环境中的交通参与者信息。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中不能获取准确且快速的获取复杂环境中的交通参与者信息的缺陷，从而提供一种交通参与者的信息生成方法及系统。

为达到上述目的，本发明提供如下技术方案：

第一方面，本发明实施例提供一种交通参与者的信息生成方法，包括如下步骤：在车辆的预设位置安装激光雷达，获取不同的交通场景流中的点云数据；

将所述点云数据进行数据解析，并对解析后的数据进行人工场景切分，对切分后的场景流片段中进行点云数据场景描述以及每一帧点云数据中的目标信息进行标注；

对点云数据进行预处理，并就根据预处理后的点云数据及目标信息标注数据对网络模型进行训练，得到训练好的目标检测模型；

将实时采集交通流中的点云数据输入到已经训练好的目标检测模型，得到目标检测结果；

将目标检测结果中的基于自身车辆坐标系检测的目标信息结果转换为大地坐标系下目标信息结果，确定物体跟踪的状态量并建立物体的运动模型；将激光雷达的当前测量结果与前一帧的通过运动模型计算的目标预测估计结果进行数据关联，更新当前的目标预测估计结果；该目标估计结果作为跟踪算法结果输出，同时也作为下一帧的数据输入，以此形成算法迭代；根据物体跟踪算法的目标估计结果来改善目标检测结果，获得交通参与者目标最终信息。

在一实施例中，每一帧目标信息标注包括：目标类别、目标位置、目标尺寸、目标方向、目标ID。

在一实施例中，目标检测结果D＝(type，x,y,z,θ,l,w,h)，其中type为目标类别，x,y,z,分别为目标框在自身车辆坐标系下的横坐标，纵坐标，高度；l,w,h分别为目标框的长，宽，高；θ为目标框在自身车辆坐标系下的航向角；

物体跟踪的状态量T＝(x’,y’,z’,θ’,v_x,v_y,v_z；)，其中x’,y’,z’,θ’分别表示目标在大地坐标系下的横坐标、纵坐标、高度以及航向角，v_x,v_y,v_z表示目标在横坐标、纵坐标、高度三个方向的速度信息。

在一实施例中，交通参与者目标最终信息包括:根据预测的目标状态结果改善目标检测位置结果、目标速度及目标ID。