应用靠山

&NBsp;       智能驾驶汽车应用多种传感器对目的物探测,如接纳激光雷达、毫米波雷达、摄像头等传感器。在开发和测试智能驾驶汽车时,往往需要将不同种类的传感器识其余目的物举行对比,或者对某种传感器与真值传感器(Ground Truth, GT)举行对标评估。



图1 真值传感器和测试传感器识别目的物示意图(资料图)


传感器对标评估系统



图2 传感器对标评估系统数据选择和位置标定界面


        为了实现两种传感器识别目的物对比,传感器对标评估系统具备以下功效:

•  凭据传感器识其余目的点信息,自动匹配目的物的轨迹

•  盘算测试传感器的漏报、误报情形

•  统计测试传感器的识别目的物信息



图3 真值传感器和测试传感器识别目的物轨迹


焦点功效:轨迹对比算法

•  轨迹挑选

行使多帧数据,自动获取目的物的轨迹曲线;目的物若是存活帧数过少或存活时间太短,无法形成有用轨迹,则被以为杂点忽略。


•  局限限制

选取真值传感器和对比传感器的公共探测区域来对比,忽略公共区域以外的目的物。可以对近程(±45°,60m)、中程(±9°,120m)、远程(±4°,180m)的轨迹举行选择,或者凭据自定义局限筛选轨迹。


•  快速轨迹比对

接纳轨迹非特征点抽希和动态时间规整等算法,能够较好地比对真值和对比传感器识其余目的物轨迹。如下图所示,接纳该算法匹配的真值传感器(GT)和对比传感器轨迹能够和实车采集的数据吻合。



图4 真值传感器和测试传感器识别目的物轨迹对比和实车测试图


焦点功效:识别目的数统计

•  真值传感器和测试传感器的识别总数统计

•  测试传感器识别目的漏报率统计

•  测试传感器识别目的误报率统计



图5 识别目的数统计讲述(示例)


焦点功效:识别目的物信息统计剖析

•  可以剖析真值和测试传感器识别目的物的角度漫衍

•  可以剖析真值和测试传感器识别目的物的距离漫衍

•  可以剖析真值和测试传感器识别目的物的距离差漫衍。可划分统计两种传感器识其余目的物相对速度重合区的漫衍或者非重合区的漫衍

•  可以剖析真值和测试传感器识别目的物的角度差漫衍。可划分统计两种传感器识其余目的物相对速度重合区的漫衍或者非重合区的漫衍

•  可以剖析真值和测试传感器识别目的物的角度、距离、相对速度漫衍,并举行三维展示



图6 识别目的物信息统计剖析讲述(示例)