[发明专利]一种无人驾驶汽车避障测试设备

权利要求书

1.一种无人驾驶汽车避障测试设备，其特征在于，包括：

探测信采集单元，用于获取由部署于车辆的高清摄像头采集的探测图像以及由部署于所述车辆的超声波传感器采集的超声波回波探测信号；

格拉姆角和场变换单元，用于对所述超声波回波探测信号进行格拉姆角和场变换以得到超声波回波格拉姆角和场图像；

探测图像特征提取单元，用于将所述探测图像通过作为过滤器的第一卷积神经网络以得到探测图像特征向量；

超声回波探测特征提取单元，用于将所述超声波回波格拉姆角和场图像通过作为过滤器的第二卷积神经网络以得到超声波回波特征向量；

多源特征融合单元，用于融合所述探测图像特征向量和所述超声波回波特征向量以得到分类特征向量；以及

避障测试结果生成单元，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否进行避障。

2.根据权利要求1所述的无人驾驶汽车避障测试设备，其特征在于，所述探测图像特征提取单元，进一步用于：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：

对输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述探测图像特征向量，所述作为过滤器的第一卷积神经网络的第一层的输入为所述探测图像。

3.根据权利要求2所述的无人驾驶汽车避障测试设备，其特征在于，所述超声回波探测特征提取单元，进一步用于：使用所述作为过滤器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：

对输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述作为过滤器的第二卷积神经网络的最后一层的输出为所述超声波回波特征向量，所述作为过滤器的第二卷积神经网络的第一层的输入为所述超声波回波格拉姆角和场图像。

4.根据权利要求3所述的无人驾驶汽车避障测试设备，其特征在于，所述多源特征融合单元，进一步用于：以如下公式来融合所述探测图像特征向量和所述超声波回波特征向量以得到所述分类特征向量；

其中，所述公式为V_c＝Concat[V₁,V₂]，其中，V₁表示所述探测图像特征向量，V₂表示所述超声波回波特征向量，Concat[·,·]表示级联函数，V_c表示所述分类特征向量。

5.根据权利要求4所述的无人驾驶汽车避障测试设备，其特征在于，所述避障测试结果生成单元，进一步用于：使用所述分类器以如下公式对所述所述分类特征向量进行处理以获得分类结果，所述公式为：

O＝softmax{(M_c,B_c)|X}，其中M_c为全连接层的权重矩阵，B_c表示全连接层的偏置矩阵，X为所述分类特征向量。

6.根据权利要求1所述的无人驾驶汽车避障测试设备，其特征在于，还包括用于对所述作为过滤器的第一卷积神经网络、所述作为过滤器的第二卷积神经网络和所述分类器进行训练的训练模块。