【技術實現步驟摘要】
本專利技術涉及智能汽車，尤其涉及一種時鐘信號預測方法、裝置及車輛。
技術介紹
1、在智能汽車系統中，時鐘信號預測通常指預測未來時刻的時鐘狀態或事件發生的時刻，如預測車輛到達某個位置的時刻，車輛與前方障礙物的碰撞時刻等。
2、目前，多通過激光雷達獲取高精度的三維信息，生成點云數據，以及通過立體相機獲取深度信息，生成深度圖像，并結合點云數據與深度圖像進行時鐘信號預測，但激光雷達和立體相機成本較高，難以大規模應用于普通車輛。此外，采用激光雷達和立體相機進行時鐘信號預測，也需要開發復雜的數據融合算法，增加設計開發難度。
技術實現思路
1、本專利技術提供一種時鐘信號預測方法、裝置及車輛，用以解決現有技術中存在的缺陷。
2、本專利技術提供一種時鐘信號預測方法，包括如下步驟：
3、獲取車輛的周邊環境圖像，以及所述車輛與周邊環境之間的三維幾何約束信息；
4、從所述周邊環境圖像中提取得到多個圖像特征；
5、融合各圖像特征以及所述三維幾何約束信息，得到融合特征；
6、基于所述融合特征，預測所述車輛的時鐘信號。
7、根據本專利技術提供的一種時鐘信號預測方法，所述從所述周邊環境圖像中提取得到多個圖像特征，融合各圖像特征以及所述三維幾何約束信息，得到融合特征，基于所述融合特征，預測所述車輛的時鐘信號，包括：
8、基于時鐘信號預測模型，從所述周邊環境圖像中提取得到多個圖像特征，融合各圖像特征以及所述三維幾何約束信息
9、所述時鐘信號預測模型基于樣本周邊環境圖像、樣本三維幾何約束信息以及對應的時鐘信號標簽訓練得到。
10、根據本專利技術提供的一種時鐘信號預測方法，所述時鐘信號預測模型的訓練步驟包括：
11、從所述樣本周邊環境圖像中提取得到多個樣本圖像特征；
12、融合各樣本圖像特征以及所述樣本三維幾何約束信息，得到樣本融合特征；
13、基于各樣本圖像特征，預測樣本周邊環境元素類別；
14、基于所述樣本融合特征，預測樣本時鐘信號；
15、基于所述樣本周邊環境元素類別與周邊環境元素標簽之間的差異，以及所述樣本時鐘信號與所述時鐘信號標簽之間的差異，對初始模型進行訓練，得到所述時鐘信號預測模型。
16、根據本專利技術提供的一種時鐘信號預測方法，所述基于所述樣本周邊環境元素類別與周邊環境元素標簽之間的差異，以及所述樣本時鐘信號與所述時鐘信號標簽之間的差異，對初始模型進行訓練，得到所述時鐘信號預測模型，包括：
17、基于所述樣本周邊環境元素類別與所述周邊環境元素標簽之間的差異，確定分類損失；
18、基于所述樣本時鐘信號與所述時鐘信號標簽之間的差異，確定預測損失；
19、基于預設權重，對所述預測損失以及所述分類損失進行加權求和，得到混合損失，并基于所述混合損失對初始模型進行訓練，得到所述時鐘信號預測模型。
20、根據本專利技術提供的一種時鐘信號預測方法，所述融合各圖像特征以及所述三維幾何約束信息，得到融合特征，包括：
21、基于各圖像特征與所述三維幾何約束信息之間的相似度，確定各圖像特征的權重；
22、基于各圖像特征的權重，對各圖像特征進行加權求和，得到所述融合特征。
23、根據本專利技術提供的一種時鐘信號預測方法，所述預測所述車輛的時鐘信號，之后還包括：
24、剔除所述時鐘信號中的異常信號后，濾除所述時鐘信號中的噪聲信號。
25、本專利技術還提供一種時鐘信號預測裝置，包括如下模塊：
26、獲取單元，用于獲取車輛的周邊環境圖像，以及所述車輛與周邊環境之間的三維幾何約束信息；
27、提取單元，用于從所述周邊環境圖像中提取得到多個圖像特征；
28、融合單元，用于融合各圖像特征以及所述三維幾何約束信息，得到融合特征；
29、檢測單元，用于基于所述融合特征，預測所述車輛的時鐘信號。
30、本專利技術還提供一種車輛，包括：如上所述的時鐘信號預測裝置。
31、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述任一種所述時鐘信號預測方法。
32、本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述時鐘信號預測方法。
33、本專利技術還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現如上述任一種所述時鐘信號預測方法。
34、本專利技術提供的時鐘信號預測方法、裝置及車輛，圖像特征能夠有效表征周邊環境的視覺信息，三維幾何約束信息提供了圖像特征中所缺失的距離信息和空間位置信息，從而在融合各圖像特征以及三維幾何約束信息后，得到的融合特征中包含有視覺信息和空間信息，進而能夠基于融合特征準確預測時鐘信號。此外，本專利技術能夠低成本獲取周邊環境圖像以及三維幾何約束信息，進而節約了設備成本。
本文檔來自技高網...【技術保護點】
1.一種時鐘信號預測方法，其特征在于，包括：
2.根據權利要求1所述的時鐘信號預測方法，其特征在于，所述從所述周邊環境圖像中提取得到多個圖像特征，融合各圖像特征以及所述三維幾何約束信息，得到融合特征，基于所述融合特征，預測所述車輛的時鐘信號，包括：
3.根據權利要求2所述的時鐘信號預測方法，其特征在于，所述時鐘信號預測模型的訓練步驟包括：
4.根據權利要求3所述的時鐘信號預測方法，其特征在于，所述基于所述樣本周邊環境元素類別與周邊環境元素標簽之間的差異，以及所述樣本時鐘信號與所述時鐘信號標簽之間的差異，對初始模型進行訓練，得到所述時鐘信號預測模型，包括：
5.根據權利要求1至4任一項所述的時鐘信號預測方法，其特征在于，所述融合各圖像特征以及所述三維幾何約束信息，得到融合特征，包括：
6.根據權利要求1至4任一項所述的時鐘信號預測方法，其特征在于，所述預測所述車輛的時鐘信號，之后還包括：
7.一種時鐘信號預測裝置，其特征在于，包括：
8.一種車輛，其特征在于，包括：如權利要求7所述的時鐘信號預測裝置
9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述時鐘信號預測方法。
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述時鐘信號預測方法。
11.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述時鐘信號預測方法。
...【技術特征摘要】
1.一種時鐘信號預測方法，其特征在于，包括：
2.根據權利要求1所述的時鐘信號預測方法，其特征在于，所述從所述周邊環境圖像中提取得到多個圖像特征，融合各圖像特征以及所述三維幾何約束信息，得到融合特征，基于所述融合特征，預測所述車輛的時鐘信號，包括：
3.根據權利要求2所述的時鐘信號預測方法，其特征在于，所述時鐘信號預測模型的訓練步驟包括：
4.根據權利要求3所述的時鐘信號預測方法，其特征在于，所述基于所述樣本周邊環境元素類別與周邊環境元素標簽之間的差異，以及所述樣本時鐘信號與所述時鐘信號標簽之間的差異，對初始模型進行訓練，得到所述時鐘信號預測模型，包括：
5.根據權利要求1至4任一項所述的時鐘信號預測方法，其特征在于，所述融合各圖像特征以及所述三維幾何約束信息，得到融合特征，包括：
<...【專利技術屬性】
技術研發人員：刁志程，陳慧，夏新仁，徐承，
申請(專利權)人：合肥訊飛數碼科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。