[发明专利]基于多传感器的视野图处理方法、装置和设备

说明书

本申请实施例提供一种基于多传感器的视野图处理方法、装置和设备，其中，该方法包括：获取待分析车辆上的各传感器中每一传感器所采集的第一传感器数据；基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据进行信息融合处理，得到第一融合数据；根据卷积神经网络模型对第一融合数据和待分析车辆的位置信息进行处理，得到视野图的特征图；根据视野图的特征图，生成前视图、鸟瞰图、后视图。采用卷积神经网络模型，根据各传感器所采集的第一传感器数据生成特征图，基于特征图生成前视图、鸟瞰图、后视图；基于卷积神经网络模型的方式可以准确的得到视野图，对各传感器所采集的第一传感器数据进行综合分析，去得到多种视野图。

技术领域

本申请实施例涉及车辆技术领域，尤其涉及一种基于多传感器的视野图处理方法、装置和设备。

背景技术

随着车辆技术的发展，车辆已经成为人们生活中的重要交通工具。并且，自动驾驶车辆也已经开始得到应用和发展。自动驾驶车辆可以基于采集到的地面数据，完成自动驾驶。

现有技术中，自动驾驶车辆上安装有多个摄像头，自动驾驶车辆可以基于摄像头采集的图像进行图像拼接，进而得到后视图。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：只能够得到后视图，并且仅通过图像拼接方式所得到的后视图并不准确。

发明内容

本申请实施例提供一种基于多传感器的视野图处理方法、装置和设备，用以解决只能够得到后视图，并且仅通过图像拼接方式所得到的后视图并不准确的问题。

第一方面，本申请实施例提供一种基于多传感器的视野图处理方法，所述方法包括：

获取待分析车辆上的各传感器中每一传感器所采集的第一传感器数据；

基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据，进行信息融合处理，得到第一融合数据；

根据卷积神经网络模型对所述第一融合数据和所述待分析车辆的位置信息进行处理，得到视野图的特征图；

根据所述视野图的特征图，生成视野图；其中，所述视野图包括前视图、鸟瞰图、后视图。

在可行的一种实施方式中，基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据，进行信息融合处理，得到第一融合数据，包括：

依据各传感器中每一传感器所采集的第一传感器数据中每一目标的位置，基于卷积神经网络模型对各传感器中每一传感器所采集的第一传感器数据，进行融合处理，得到归属于各目标中每一目标的数据，以得到第一中间数据；

对所述第一中间数据中的各数据进行归一化处理，得到所述第一融合数据。

在可行的一种实施方式中，根据卷积神经网络模型对所述第一融合数据和所述待分析车辆的位置信息进行处理，得到视野图的特征图，包括：

获取与所述待分析车辆相邻的相邻车辆的各传感器中每一传感器所采集的第二传感器数据；

依据各第二传感器数据中每一目标的位置，基于卷积神经网络模型对各第二传感器数据，进行融合处理，得到归属于各目标中每一目标的数据，以得到第二中间数据；

对所述第二中间数据中的各数据进行归一化处理，得到第二融合数据；

基于卷积神经网络模型对所述第一融合数据、所述第二融合数据以及所述待分析车辆的位置信息，进行再次的信息融合数据，得到信息数据；

基于卷积神经网络模型对信息数据进行处理，得到所述视野图的特征图。

在可行的一种实施方式中，基于卷积神经网络模型对信息数据进行处理，得到所述视野图的特征图，包括：