[发明专利]一种基于自监督学习的提升路侧传感器精度的方法及系统

权利要求书

1.一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，包括：

在目标区域的道路上安装多个边缘计算设备，其中，每个所述边缘计算设备对应有至少一组数据采集组件，所述数据采集组件包括多个现有路侧传感器；

在所述目标区域的道路上安装多组标准组件，其中，每组所述标准组件包括多个标准路侧传感器，每个所述边缘计算设备对应有至少一组所述标准组件；

对于每组所述数据采集组件，调整所述数据采集组件的工作参数；

对于每个所述边缘计算设备，建立精度提升模型，基于所述边缘计算设备对应的多组数据采集组件采集的历史数据及所述边缘计算设备对应的至少一组所述标准组件采集的历史数据，生成多个训练样本，基于多个所述训练样本对所述精度提升模型进行训练；

对于每个所述边缘计算设备，基于训练后的精度提升模型对所述边缘计算设备对应的多组数据采集组件采集的实时数据进行数据校准。

2.根据权利要求1所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，调整所述数据采集组件的工作参数，包括：

测试所述数据采集组件包括的多个现有路侧传感器的稳定性；

测试所述数据采集组件包括的多个现有路侧传感器的测量范围；

测试所述数据采集组件包括的多个现有路侧传感器的输出结果；

基于所述稳定性、所述输出结果和/或所述测量范围，调整所述数据采集组件的工作参数。

3.根据权利要求2所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述数据采集组件至少包括图像采集装置及雷达。

4.根据权利要求3所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述稳定性、所述输出结果和/或所述测量范围，调整所述数据采集组件的工作参数，包括：

基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置。

5.根据权利要求4所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置，包括；

对于所述图像采集装置，获取所述图像采集装置的预设采集范围，确定所述图像采集装置的实际采集范围，基于所述图像采集装置的预设采集范围和所述图像采集装置的实际采集范围之间的偏差，调整所述图像采集装置的角度和/或位置；

对于所述雷达，获取所述雷达的预设采集范围，确定所述雷达的实际采集范围，基于所述雷达的预设采集范围和所述雷达的实际采集范围之间的偏差，调整所述雷达的角度和/或位置。

6.根据权利要求4所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述测量范围，调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置，包括：

通过所述图像采集装置获取目标物体的第一坐标点向量矩阵；

通过所述雷达获取所述目标物体的第二坐标点向量矩阵；

基于所述第一坐标点向量矩阵和所述第二坐标点向量矩阵，确定误差距离；

基于所述误差距离，判断是否需要调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置；

当判断需要调整所述图像采集装置的角度和/或位置及所述雷达的角度和/或位置时，重复执行调整所述图像采集装置和所述雷达中的一个的角度和/或位置，获取更新后的第一坐标点向量矩阵和更新后的第二坐标点向量矩阵，基于更新后的第一坐标点向量矩阵和更新后的第二坐标点向量矩阵确定更新后的误差距离，直至所述更新后的误差距离满足预设误差条件。

7.根据权利要求1-6中任意一项所述的一种基于自监督学习的提升路侧传感器精度的方法，其特征在于，所述基于所述边缘计算设备对应的多组数据采集组件采集的历史数据及所述边缘计算设备对应的至少一组所述标准组件采集的历史数据，生成多个训练样本，包括：

对于每个历史时间点，

基于所述多组数据采集组件在所述历史时间点采集的历史数据，生成训练样本；

基于所述标准组件在所述历史时间点采集的历史数据，生成所述训练样本的标签。