(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210507500.9 (22)申请日 2022.05.11 (71)申请人 燕山大学 地址 066004 河北省秦皇岛市河北 大街西 段438号 (72)发明人 金立生　石业玮　贺阳　李欣蔚　 王广启　郭柏苍　谢宪毅　 (74)专利代理 机构 北京市诚辉律师事务所 11430 专利代理师 成丹　耿慧敏 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/58(2022.01) G01C 21/00(2006.01)G01S 13/89(2006.01) G01S 17/89(2020.01) G06V 10/26(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01) (54)发明名称 被遮挡车辆三 维检测的决策融合方法、 装置 及电子设备 (57)摘要 本申请提供一种被遮挡车辆三维检测的决 策融合方法、 装置及电子设备， 该方法包括： 获取 实时同步的车载感知传感器和路侧感知传感器 的车载传感器数据和路侧传感器数据； 将车载传 感器数据和路侧传感器数据分别输入预建深度 学习目标检测网络， 分别得到车载车辆信息和路 侧车辆信息； 将车载车辆信息和路侧车辆信息进 行匹配， 得到匹配结果； 根据车载车辆信息， 确定 车载感知传感器检测到的车辆的遮挡类型； 根据 遮挡类型及匹配结果， 修正匹配结果。 该方案可 以快速合理的感知车辆检测决策， 降低误检率及 漏检率。 权利要求书2页 说明书13页 附图2页 CN 114972941 A 2022.08.30 CN 114972941 A 1.一种被遮挡车辆三维检测的决策融合方法， 其特 征在于， 所述方法包括： 获取实时同步的车载感知传感器和路侧感知传感器的车载传感器数据和路侧传感器 数据； 将所述车载传感器数据和所述路侧传感器数据分别输入预建深度 学习目标检测网络， 分别得到车 载车辆信息和路侧车辆信息； 将所述车 载车辆信息和所述路侧车辆信息进行匹配， 得到匹配结果； 根据所述车 载车辆信息， 确定所述车 载感知传感器检测到的车辆的遮挡类型； 根据所述遮挡类型及所述匹配结果， 修 正所述匹配结果。 2.根据权利要求1所述的方法， 其特征在于， 所述车载车辆信息包括车载数据图， 所述 路侧车辆信息包括路侧数据图； 所述将所述车 载车辆信息和所述路侧车辆信息进行匹配， 得到匹配结果， 包括： 将所述车 载感知传感器和所述路侧感知 传感器的坐标系均转换到同一世界坐标系； 将所述车 载数据图和所述路侧数据图进行融合， 得到数据融合图； 将所述车载车辆信息和所述路侧车辆信息作为基准， 将所述数据融合图转换成鸟瞰 图； 所述鸟瞰图包括车 载车辆检测框和路侧车辆检测框； 根据所述车 载车辆检测框和所述路侧车辆检测框， 确定交并比； 根据所述交并比， 确定所述匹配结果。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述车载车辆检测框和所述路侧 车辆检测框， 确定交并比IOU为： 式中， Si为ID号为i的车载车辆检测框的大小； Sj为ID号为j的路侧车辆检测框的大小； IOUij为ID号为i的车载车辆检测框对应的车载车辆与ID号为j的路侧车辆检测框对应的路 侧车辆的IOU值。 4.根据权利要求2所述的方法， 其特征在于， 所述车载车辆信息包括车载车辆置信度； 所述路侧车辆信息包括路侧车辆 置信度； 所述根据所述交并比， 确定所述匹配结果， 包括： 基于所述交并比， 使用匈牙利算法， 对所述车载车辆与所述路侧车辆进行最优 匹配， 若 所述车载车辆和所述路侧车辆匹配成功， 则使用同一个ID号进行标注， 使用布尔值true标 注； 若所述车载车辆和所述路侧车辆匹配失败， 使用其他ID号进行标注， 使用布尔值false 标注。 5.根据权利要求2所述的方法， 其特征在于， 所述根据所述车载车辆信息， 确定所述车 载感知传感器检测到的车辆的遮挡类型， 包括： 所述车载车辆信息， 基于车辆遮挡模型， 确定车辆的遮挡率； 根据所述车辆的遮挡率， 确定所述车 载感知传感器检测到的车辆的遮挡类型。 6.根据权利要求5所述的方法， 其特征在于， 所述车载感知传感器包括车载相机、 车载 激光雷达、 车载毫米波雷达； 所述车载车辆信息包括车载相 机数据、 车载激光雷达数据、 车 载毫米波雷达数据；权　利　要　求　书 1/2 页 2 CN 114972941 A 2所述车载车辆信息， 基于车辆遮挡模型， 确定车辆的遮挡率， 包括： 将所述车载相机数据、 所述车载激光雷达数据、 所述车载毫米波雷达数据融合， 得到车 载融合图； 将所述车载融合图转换为基于所述车载相机视角下的前视图； 所述前视图包括车辆的 二维边界框及深度； 若所述前视图中包括至少两个车辆时， 计算第 一车辆的二维边界框与第 二车辆的二维 边界框之间的交集 面积； 若交集面积大于预设阈值， 分别获取所述前视图中所述第 一车辆的第 一深度和所述第 二车辆的第二深度； 若所述第一深度大于所述第二深度， 则所述第一车辆发生遮挡， 确定所述第一车辆的 前视图二维边界框的面积； 根据所述第一车辆的面积与所述交集 面积， 确定所述车辆的遮挡率。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述遮挡类型及所述匹配结果， 修正所述匹配结果， 包括： 当所述匹配结果为所述车载感知传感器检测到存在车辆而所述路侧感知传感器检测 到不存在车辆时， 确定存在车辆的第一 概率； 当所述匹配结果为所述车载感知传感器检测到不存在车辆而所述路侧感知传感器检 测到存在车辆时， 确定存在车辆的第二 概率； 根据所述车载感知传感器检测到的车辆的遮挡类型， 确定对应所述匹配结果的损失 值； 根据所述第一 概率或所述第二 概率及所述损失值， 修 正所述匹配结果。 8.根据权利要求7所述的方法， 其特征在于， 当所述匹配结果为所述车载感知传感器检 测到存在车辆而所述路侧感知传感器检测到c存在车辆时， 使用非极大值抑制方法选择所 述车载车辆和所述路侧车辆中三维包围框中得分较高者。 9.一种被遮挡车辆三维检测的决策融合装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取实时同步的车载感知传感器和路侧感知传感器的车载传感器数据 和路侧传感器数据； 处理模块， 用于将所述车载传感器数据和所述路侧传感器数据分别输入预建深度 学习 目标检测网络， 分别得到车 载车辆信息和路侧车辆信息； 匹配模块， 用于将所述车 载车辆信息和所述路侧车辆信息进行匹配， 得到匹配结果； 确定模块， 用于根据所述车载车辆信息， 确定所述车载感知传感器检测到的车辆的遮 挡类型； 修正模块， 用于根据所述遮挡类型及所述匹配结果， 修 正所述匹配结果。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑8中任一所述的被遮挡 车辆三维检测的决策融合方法。权　利　要　求　书 2/2 页 3 CN 114972941 A 3