CN119495079A 一种自动驾驶数据处理方法和自动驾驶交通系统 （厦门工学院）

一种自动驾驶数据处理方法和自动驾驶交一种自动驾驶数据处理方法和自动驾驶交通系2步骤一、通过自动驾驶车辆上部署的多台相机和雷达组合获取周围环境的障碍物信步骤二、采用基于深度学习的目标检测算法，并引入空步骤四、将所述障碍物点云信息外接矩形投影到所述步骤五、使用DeepSORT将所述实际的障碍物信息与步骤六、根据预测的所述障碍物的行驶轨迹推测所述自动通过数据融合技术将来自多台相机和雷达组合的原始数据进采用相邻像素之间的权重相关性为权重进行图像滤波处理，得到将t=时刻在点云坐标系0测得的所述雷达点云信息校正后投影到点云坐标系d采用统计滤波法对所述雷达点云信息进行滤波处理，得到滤波后的所述雷达点云信注意力机制，用于引入注意力机制调整卷积主干网络和空在利用所述多层感知机进行分类、预测前，将所述卷积主干3全连接层进行所述目标类别分类和目标边界框使用二分交叉熵损失函数优化所述目标类别分类过程，L1根据实际路面信息使用针对地面的点云分割算法将路面点云进使用基于欧式距离k邻域快速搜索算法基于上述分离所述路面点云的所述雷达点云信通过主成分分析法分析单个所述障碍物点云信息，得到所述障碍通过世界坐标系为桥梁联立点云坐标系和像素坐标系W之间的使用卡尔曼滤波将所述点云目标检测矩形区域与所述障碍物检通过计算所述实际的障碍物信息与前一次检测得到的所述实际的障碍物信息的特征通过比较边界框的中心点或位置的欧式距离，衡量所述实际的障碍物基于所述实际的障碍物信息选择运动模型，根据选定的运动模根据所述实际的障碍物信息和运动预测方程计算该障碍物在预设时间段内的运动轨采用卡尔曼滤波器将上述运动轨迹与实际检测的所述实4述障碍物的行驶轨迹推测所述自动驾驶车辆的行驶路径是否与所述障碍物的行驶轨迹存计算在预设时间段内，预测的所述障碍物的行驶轨迹与自动驾驶车辆行驶路径的交存储器，所述存储器包括至少一组指令，所述指令被构建为完处理器，在工作状态下读取所述存储器的所述至少一组指令，并根5集信息并进行处理，处理后的目标信息供自动驾驶交通系统实现正确的决策和精准的控技术中存在的自动驾驶车辆如何精准快速检测前方6t=时刻在于上述分离所述路面点云的所述雷达点云信息进行搜索，提取单个所述障碍物点云信息；通过主成分分析法分析单个所述障碍物点云信息，得到所述障碍物点云信息的表面法向通过世界坐标系为桥梁联立点云坐标系和像素坐标系W之间的关系，进行点云坐标系78这些权重系数az=0.587，a3=0.114）来源于电视标准和色彩空9将时刻在点云坐标系0测得的雷达点云信息校正后投影到点云坐标系o'使用基于欧式距离k邻域快速搜索算法基于上述分离路面点云的雷达点云信息进③通过列表S的中心点和L里点云的坐标计算自适应阈值r，将d小于r的点放入列[0037]通过主成分分析法分析单个障碍物点云信息，得到障碍物点云信息的表面法向[0038]单个障碍物聚类集合是三维空间点云的集合，聚类目标有向包围盒的表面法向为每个实际的障碍物信息关联一个前一次检测得到的实际的障碍物信息，通过根据实际的障碍物信息和运动预测方程计算该障碍物在预设时间段内的运动轨计算在预设时间段内，预测的障碍物的行驶轨迹与自动驾驶车辆行驶路径的交了障碍物的定位准确性，还解决了单一传感器可能存在的信息不完整或误判问题。通过算机程序，该计算机程序被处理器执行时实现上述自动驾驶交通系统实施例的各个过程，于本发明的至少一个实施例或示例中。在本说明书中，对上