一种基于不同毫米波雷达之间点云数据模拟的方法及系统与流程

1.本发明涉及智能驾驶技术领域，更具体地，涉及一种基于不同毫米波雷达之间点云数据模拟的方法及一种基于不同毫米波雷达之间点云数据模拟的系统。


背景技术：

2.随着科学技术的不断发展和人们对生活水平的不断追求，对智能驾驶领域的研究也越来越多，智能驾驶主要分为感知系统、决策系统、控制系统，感知系统主要通过传感器感知和探测道路环境中的运动目标(车辆、非机动车辆、行人)和静止目标(电线杆、红绿灯、马路水泥路沿、铁栅栏、高架隔音板)来获得环境中的信息。
3.目前国内外主流汽车毫米波雷达频段为24ghz（用于短中距离雷达，15-30米）和77ghz（用于长距离雷达，100-200米）。这类应用在欧美日汽车已经普及化，目前这些地区几乎所有的汽车均开始配备汽车毫米波雷达传感器，其中包括汽车防撞雷达、汽车盲区检测雷达等，其价格也各有千秋。但是如此多的雷达所输出的点云信号却也是不尽相同的，因此，如何能用低价的雷达去模拟高价雷达的点云信号，或者在某些时候用高价雷达集成低价雷达的作用，就成为了非常有意义的研究课题。


技术实现要素：

4.为了解决现有技术中存在的不足，本发明提供了一种基于不同毫米波雷达之间点云数据模拟的方法及系统，通过在两个不同型号的毫米波雷达之间利用深度学习的方式建立一种映射关系，以达到像信号点云相互转换的目的。
5.作为本发明的第一个方面，提供一种基于不同毫米波雷达之间点云数据模拟的方法，包括：步骤s1：获取第一毫米波雷达的历史点云数据；步骤s2：获取第二毫米波雷达的历史点云数据；步骤s3：选取所述第一毫米波雷达设定空间内的历史点云数据，并存为第一高维度向量，然后将所述第一高维度向量输入到autoencoder模型中进行训练；步骤s4：选取所述第二毫米波雷达设定空间内的历史点云数据，并存为第二高维度向量，然后将所述第二高维度向量输入到所述autoencoder模型中进行训练；步骤s5：依据所述第一高维度向量和所述第二高维度向量开始所述autoencoder模型的训练工作；步骤s6：判断当前训练的autoencoder模型是否已经达到设定点云数据模拟精度，若是，则执行步骤s8，否则，执行步骤s7；步骤s7：获取更多的第一高维度向量和第二高维度向量，以继续对当前autoencoder模型进行训练，直至当前autoencoder模型达到所述设定点云数据模拟精度；步骤s8：获取训练好的autoencoder模型参数，得到训练好的autoencoder模型；步骤s9：将实时采集到的所述第一毫米波雷达的当前点云数据输入到所述训练好
的autoencoder模型中，以得到所述第二毫米波雷达的模拟点云数据；步骤s10：结束。
6.进一步地，所述第一毫米波雷达和第二毫米波雷达均包括4d毫米波雷达。
7.作为本发明的第二个方面，提供一种基于不同毫米波雷达之间点云数据模拟的系统，包括：第一获取模块，用于分别获取第一毫米波雷达的历史点云数据和第二毫米波雷达的历史点云数据；选取模块，用于选取所述第一毫米波雷达设定空间内的历史点云数据，并存为第一高维度向量，然后将所述第一高维度向量输入到autoencoder模型中进行训练；同时选取所述第二毫米波雷达设定空间内的历史点云数据，并存为第二高维度向量，然后将所述第二高维度向量输入到所述autoencoder模型中进行训练；训练模块，用于依据所述第一高维度向量和所述第二高维度向量开始所述autoencoder模型的训练工作；判断模块，用于判断当前训练的autoencoder模型是否已经达到设定点云数据模拟精度，若是，则进行第三获取模块的执行动作，否则，进行第二获取模块的执行动作；第二获取模块，用于获取更多的第一高维度向量和第二高维度向量，以继续对当前autoencoder模型进行训练，直至当前autoencoder模型达到所述设定点云数据模拟精度；第三获取模块，用于获取训练好的autoencoder模型参数，得到训练好的autoencoder模型；模拟模块，用于将实时采集到的所述第一毫米波雷达的当前点云数据输入到所述训练好的autoencoder模型中，以得到所述第二毫米波雷达的模拟点云数据。
8.进一步地，所述第一毫米波雷达和第二毫米波雷达均包括4d毫米波雷达。
9.本发明提供的基于不同毫米波雷达之间点云数据模拟的方法及系统具有以下优点：1、利用不同4d毫米波雷达相互映射，提高了对于目标性质的探知；2、利用不同4d毫米波雷达相互映射，可以使用低价的雷达生成高价雷达的点云效果，降低了雷达购买成本；3、利用不同4d毫米波雷达相互映射，可以在点云数量较多的情况下降低数据数量，降低数据吞吐量，提升通讯效率。
附图说明
10.附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
11.图1为本发明基于不同毫米波雷达之间点云数据模拟的方法的流程图。
具体实施方式
12.为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的基于不同毫米波雷达之间点云数据模拟的方法及
系统其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
13.在本实施例中提供了一种基于不同毫米波雷达之间点云数据模拟的方法，如图1所示，基于不同毫米波雷达之间点云数据模拟的方法包括：步骤s1：获取第一毫米波雷达的历史点云数据；步骤s2：获取第二毫米波雷达的历史点云数据；步骤s3：选取所述第一毫米波雷达设定空间内的历史点云数据，并存为第一高维度向量，然后将所述第一高维度向量输入到autoencoder模型中进行训练；需要说明的是，获取第一毫米波雷达的历史点云数据后，设定长宽高，选取一定长宽高空间内的历史点云数据；步骤s4：选取所述第二毫米波雷达设定空间内的历史点云数据，并存为第二高维度向量，然后将所述第二高维度向量输入到所述autoencoder模型中进行训练；需要说明的是，获取第二毫米波雷达的历史点云数据后，设定和第一毫米波雷达相同的长宽高，选取相同长宽高空间内的历史点云数据；步骤s5：依据所述第一高维度向量和所述第二高维度向量开始所述autoencoder模型的训练工作；步骤s6：判断当前训练的autoencoder模型是否已经达到设定点云数据模拟精度，若是，则执行步骤s8，否则，执行步骤s7；步骤s7：获取更多的第一高维度向量和第二高维度向量，以继续对当前autoencoder模型进行训练，直至当前autoencoder模型达到所述设定点云数据模拟精度；步骤s8：获取训练好的autoencoder模型参数，得到训练好的autoencoder模型；步骤s9：将实时采集到的所述第一毫米波雷达的当前点云数据输入到所述训练好的autoencoder模型中，以得到所述第二毫米波雷达的模拟点云数据；步骤s10：结束。
14.需要说明的是，对于第一毫米波雷达所生成的点云数据，记为矩阵a*，将矩阵a*与第二毫米波雷达生成的点云数据矩阵b*进行逐个元素比较，并引入波动因子，将合格的元素个数除以元素总个数，如果最终结果超过设定的阈值，则认为当前autoencoder模型已经达到设定点云数据模拟精度。
15.优选地，所述第一毫米波雷达和第二毫米波雷达均包括4d毫米波雷达。
16.应当理解的是，autoencoder模型为自动编码器模型。
17.作为本发明的另一实施例，提供一种基于不同毫米波雷达之间点云数据模拟的系统，其中，包括：第一获取模块，用于分别获取第一毫米波雷达的历史点云数据和第二毫米波雷达的历史点云数据；选取模块，用于选取所述第一毫米波雷达设定空间内的历史点云数据，并存为第一高维度向量，然后将所述第一高维度向量输入到autoencoder模型中进行训练；同时选取所述第二毫米波雷达设定空间内的历史点云数据，并存为第二高维度向量，然后将所述第二高维度向量输入到所述autoencoder模型中进行训练；
训练模块，用于依据所述第一高维度向量和所述第二高维度向量开始所述autoencoder模型的训练工作；判断模块，用于判断当前训练的autoencoder模型是否已经达到设定点云数据模拟精度，若是，则进行第三获取模块的执行动作，否则，进行第二获取模块的执行动作；第二获取模块，用于获取更多的第一高维度向量和第二高维度向量，以继续对当前autoencoder模型进行训练，直至当前autoencoder模型达到所述设定点云数据模拟精度；第三获取模块，用于获取训练好的autoencoder模型参数，得到训练好的autoencoder模型；模拟模块，用于将实时采集到的所述第一毫米波雷达的当前点云数据输入到所述训练好的autoencoder模型中，以得到所述第二毫米波雷达的模拟点云数据。
18.优选地，所述第一毫米波雷达和第二毫米波雷达均包括4d毫米波雷达。
19.本发明提供了一种基于不同毫米波雷达之间点云数据模拟的方法，尤其涉及一种基于不同4d毫米波雷达相互映射的深度学习模拟算法，能够通过毫米波雷达a生成的目标点，模仿毫米波雷达b生成的目标点，降低不同4d毫米波雷达间点云质量的差异。
20.以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。