一种路侧感知方法、系统及存储介质与流程

本技术涉及车路协同，特别涉及一种路侧感知方法、系统及存储介质。

背景技术：

1、现有路侧视觉感知技术通常采用图像进行交通参与者的分类检测，具体的，采用rgb图像对道路交通参与者进行分类检测。但是，自然环境下获取的图像容易受自然光照、遮挡和阴影等情况的影响，即对亮度比较敏感。在高亮度或低亮度天气条件下，rgb图像会出现过曝光、过暗等现象，导致视觉感知失效。进而，现有路侧视觉感知技术在光线发生变化的场景中，会发生识别不准确，甚至无法正常工作的情况。

2、因此，如何提供一种路侧感知方法，以提升路侧感知识别的准确度，成为一项亟待解决的技术问题。

技术实现思路

1、本技术提供一种路侧感知方法、系统及存储介质，用以提升路侧感知识别的准确度。

2、本技术提供一种路侧感知方法，包括：

3、通过热成像设备获取交通参与者的红外感知结果，并通过雷达获取交通参与者的雷达感知结果；

4、将所述红外感知结果转换到大地坐标下，以得到红外感知结果在大地坐标下的第一坐标序列；

5、将所述雷达感知结果转换到大地坐标下，以得到雷达感知结果在大地坐标下的第二坐标系列；

6、将至少包括所述第一坐标序列的红外感知结果和至少包括所述第二坐标序列的雷达感知结果进行融合，并将融合后的结果作为交通参与者的最终感知结果。

7、本技术的有益效果在于：通过热成像设备获取交通参与者的红外感知结果，并通过雷达获取交通参与者的雷达感知结果；将所述红外感知结果转换到大地坐标下，以得到红外感知结果在大地坐标下的第一坐标序列；将所述雷达感知结果转换到大地坐标下，以得到雷达感知结果在大地坐标下的第二坐标系列；将至少包括所述第一坐标序列的红外感知结果和至少包括所述第二坐标序列的雷达感知结果进行融合，并将融合后的结果作为交通参与者的最终感知结果。由于热成像和雷达感知不依赖环境中光线，不受环境光线变化的影响，克服了现有路侧视觉感知技术在光线发生变化的场景中识别不准确的缺陷，进而提升了路侧感知识别的准确度。

8、在一个实施例中，通过热成像设备获取交通参与者的红外感知结果，包括：

9、通过热成像设备获取交通参与者的红外图像；

10、将所述红外图像输入至预训练的模型中，以得到红外图像中的以下至少一种感知结果：

11、交通参与者的像素坐标、像素尺寸和类型；

12、通过雷达获取交通参与者的雷达感知结果，包括：

13、通过雷达对交通参与者进行感知，以得到交通参与者的以下至少一种感知结果：

14、交通参与者的位置、速度、航向和类型。

15、在一个实施例中，所述将所述红外感知结果转换到大地坐标下，包括：

16、根据热成像设备的内外参将所述交通参与者的像素坐标转换为大地坐标。

17、在一个实施例中，所述将所述雷达感知结果转换到大地坐标下，包括：

18、根据雷达的外参，将交通参与者的位置转换为大地坐标；

19、将所述交通参与者的航向转换到大地坐标下。

20、在一个实施例中，所述将至少包括所述第一坐标序列的红外感知结果和至少包括所述第二坐标序列的雷达感知结果进行融合，包括：

21、通过所述第一坐标序列确定红外感知结果对应的交通参与者的速度和航向；

22、对红外感知结果和雷达感知结果中的第一坐标序列和第二坐标序列进行融合，同时对红外感知结果和雷达感知结果中的速度、航向和类型进行融合。

23、在一个实施例中，所述对红外感知结果和雷达感知结果中的速度、航向和类型进行融合，包括：

24、分别确定红外感知结果和雷达感知结果的位置权重、速度权重、航向权重和类型权重；

25、根据所述红外感知结果和雷达感知结果的位置权重对所述第一坐标序列和所述第二坐标序列进行加权求和，以确定交通参与者最终的坐标序列；

26、对红外感知结果和雷达感知结果中的速度、航向和类型进行加权求和，以得到交通参与者的最终航向速度、最终速度数据以及最终类型。

27、在一个实施例中，所述分别确定红外感知结果和雷达感知结果的位置权重、速度权重、航向权重和类型权重，包括：

28、获取交通参与者所处环境的环境参数；

29、根据所述环境参数对雷达检测结果的干扰程度；

30、根据所述干扰程度确定红外感知结果和雷达感知结果的位置权重、速度权重、航向权重和类型权重，其中，红外感知结果的各个权重与所述干扰程度正相关，雷达感知结果的各个权重与所述干扰程度负相关。

31、本技术还提供一种路侧感知装置，包括：

32、获取模块，用于通过热成像设备获取交通参与者的红外感知结果，并通过雷达获取交通参与者的雷达感知结果；

33、第一转换模块，用于将所述红外感知结果转换到大地坐标下，以得到红外感知结果在大地坐标下的第一坐标序列；

34、第二转换模块，用于将所述雷达感知结果转换到大地坐标下，以得到雷达感知结果在大地坐标下的第二坐标系列；

35、融合模块，用于将至少包括所述第一坐标序列的红外感知结果和至少包括所述第二坐标序列的雷达感知结果进行融合，并将融合后的结果作为交通参与者的最终感知结果。

36、在一个实施例中，所述获取模块，包括：

37、获取子模块，用于通过热成像设备获取交通参与者的红外图像；

38、输入子模块，用于将所述红外图像输入至预训练的模型中，以得到红外图像中的以下至少一种感知结果：

39、交通参与者的像素坐标、像素尺寸和类型；

40、感知子模块，用于通过雷达对交通参与者进行感知，以得到交通参与者的以下至少一种感知结果：

41、交通参与者的位置、速度、航向和类型。

42、在一个实施例中，所述第一转换模块，还用于：

43、根据热成像设备的内外参将所述交通参与者的像素坐标转换为大地坐标。

44、在一个实施例中，所述第二转换模块，包括：

45、第一转换子模块，用于根据雷达的外参，将交通参与者的位置转换为大地坐标；

46、第二转换子模块，用于将所述交通参与者的航向转换到大地坐标下。

47、在一个实施例中，所述融合模块，包括：

48、确定子模块，用于通过所述第一坐标序列确定红外感知结果对应的交通参与者的速度和航向；

49、融合子模块，用于对红外感知结果和雷达感知结果中的第一坐标序列和第二坐标序列进行融合，同时对红外感知结果和雷达感知结果中的速度、航向和类型进行融合。

50、在一个实施例中，所述融合子模块中对红外感知结果和雷达感知结果中的速度、航向和类型进行融合，包括：

51、分别确定红外感知结果和雷达感知结果的位置权重、速度权重、航向权重和类型权重；

52、根据所述红外感知结果和雷达感知结果的位置权重对所述第一坐标序列和所述第二坐标序列进行加权求和，以确定交通参与者最终的坐标序列；

53、对红外感知结果和雷达感知结果中的速度、航向和类型进行加权求和，以得到交通参与者的最终航向速度、最终速度数据以及最终类型。

54、在一个实施例中，所述分别确定红外感知结果和雷达感知结果的位置权重、速度权重、航向权重和类型权重，包括：

55、获取交通参与者所处环境的环境参数；

56、根据所述环境参数对雷达检测结果的干扰程度；

57、根据所述干扰程度确定红外感知结果和雷达感知结果的位置权重、速度权重、航向权重和类型权重，其中，红外感知结果的各个权重与所述干扰程度正相关，雷达感知结果的各个权重与所述干扰程度负相关。

58、本技术还提供一种路侧感知系统，包括：

59、至少一个处理器；以及，

60、与所述至少一个处理器通信连接的存储器；其中，

61、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现上述任一实施例所记载的路侧感知方法。

62、本技术还提供一种计算机可读存储介质，当存储介质中的指令由路侧感知系统对应的处理器执行时，使得路侧感知系统能够实现上述任一实施例所记载的路侧感知方法。

63、本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

64、下面通过附图和实施例，对本技术的技术方案做进一步的详细描述。