路侧感知系统的检测方法及装置、电子设备和路侧设备与流程

1.本公开涉及人工智能技术领域，尤其涉及自动驾驶、智能交通、车路协同、计算机视觉技术领域，具体涉及一种路侧感知系统的检测方法及装置、电子设备、计算机可读存储介质、计算机程序产品、路侧设备和云控平台。


背景技术：

2.自动驾驶和辅助驾驶技术涉及环境感知、行为决策、路径规划以及运动控制等多个方面。依赖于传感器、视觉计算系统和定位系统的协同合作，具有自动驾驶或辅助驾驶功能的车辆可以在无需驾驶员进行操作或仅需驾驶员进行少量操作的情况下自动地运行。
3.车路协同是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种路侧感知系统的检测方法及装置、电子设备、计算机可读存储介质、计算机程序产品、路侧设备和云控平台。
6.根据本公开的一方面，提供了一种路侧感知系统的检测方法，包括：获取车端感知系统输出的车端感知数据；从所述车端感知数据中提取出满足预设可信度要求的真值数据；获取所述路侧感知系统输出的与所述真值数据相匹配的路侧感知数据；以及基于所述真值数据，确定所述路侧感知数据的准确度。
7.根据本公开的一方面，提供了一种路侧感知系统的检测装置，包括：获取模块，被配置为获取车端感知系统输出的车端感知数据；提取模块，被配置为从所述车端感知数据中提取出满足预设可信度要求的真值数据；匹配模块，被配置为获取所述路侧感知系统输出的与所述真值数据相匹配的路侧感知数据；以及确定模块，被配置为基于所述真值数据，确定所述路侧感知数据的准确度。
8.根据本公开的一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。
9.根据本公开的一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行上述方法。
10.根据本公开的一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述方法。
11.根据本公开的一方面，提供了一种路侧设备，包括上述电子设备。
12.根据本公开的一方面，提供了一种云控平台，包括上述电子设备。
13.根据本公开的一个或多个实施例，能够实现对路侧感知系统的准确检测。
14.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
15.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
16.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
17.图2示出了根据本公开实施例的路侧感知系统的检测方法的流程图；
18.图3示出了根据本公开实施例的障碍物匹配的示意图；
19.图4示出了根据本公开实施例的锚点的示意图；
20.图5示出了根据本公开实施例的路侧感知系统的检测过程的示意图；
21.图6示出了根据本公开实施例的路侧感知系统的检测装置的结构框图；以及
22.图7示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
23.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
24.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
25.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
26.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
27.自动驾驶车辆或辅助驾驶车辆中设置有车端感知系统，车端感知系统例如包括高精定位装置、激光雷达(lidar)、控制装置(例如各种类型的计算机可读存储装置或介质通信的处理器)等。为了保证车内人员以及周围环境中的行人和车辆的安全，行驶中的自动驾驶车辆或辅助驾驶车辆需要通过车端感知系统来对其周围的环境进行感知，检测其行驶路径上的障碍物并进行避让。
28.由于车端感知系统的感知范围有限，因此可能出现感知不到障碍物或对障碍物感知不及时的情况，影响车辆的安全性和行驶效率。为了提高安全性和行驶效率，通常在道路的一侧或多侧设置路侧感知系统，路侧感知系统可以感知周围环境中的障碍物，并将感知到的障碍物信息进行广播。路侧感知系统附近的车辆可以接收路侧感知系统广播的障碍物信息，并将接收到的障碍物信息与自车感知到的障碍物信息进行融合，从而全面获取周围环境中的障碍物信息，提高车辆的安全性和行驶效率。
29.在上述车路协同的障碍物信息融合方案中，路侧感知系统输出准确的障碍物感知数据是车辆安全、高效行驶的前提。因此，需要对路侧感知系统进行检测，以确定其输出的感知数据的准确度。
30.相关技术中，通常将设置于样本车辆上的车端感知系统所感知到的数据作为真值，通过将真值与路侧感知系统输出的感知数据进行对比，来确定路侧感知系统输出的感知数据的准确度。但是，由于实际路况通常比较复杂，在车端感知系统的感知范围内，障碍物常常出现遮挡、截断等情况，导致车端感知系统输出的部分感知数据不准确，即真值不准确，从而使路侧感知系统的检测结果不准确。
31.为解决上述问题，本公开提供一种路侧感知系统的检测方法，能够对车端感知系统输出的感知数据进行筛选，将其中的可信度较高的数据作为真值数据，提高真值数据的准确性，从而提高路侧感知系统的检测结果的准确性。
32.下面将结合附图详细描述本公开的实施例。
33.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括车辆110和路侧感知系统120。
34.车辆110可以是任意类型的机动车辆，例如轿车、运动型多用途车辆(suv)、客车、货车、公共汽车等，或者混合动力车辆、电动车辆、插电式混合动力电动车辆、氢动力车辆和其他替代性的燃料车辆(例如源于除了石油之外的来源的燃料)等。
35.车辆110中设置有车端感知系统112。车端感知系统112用于感知车辆110的周围环境，例如感知车辆110周围的障碍物。
36.障碍物可以是道路中的可能影响车辆110行驶的任意物体。如图1所示，障碍物可以包括道路中的机动车辆141、车辆142、行人143。在一些实施例中，障碍物还可以包括非机动车、路障(例如围栏、锥形桶等)、空中的漂浮物等。
37.车端感知系统112可以感知车辆110周围的障碍物的状态，输出车端感知数据。车端感知数据例如包括车辆110周围的各个障碍物的位置(中心点的坐标)、尺寸(长、宽、高)、航向(朝向，例如车头的朝向、行人的朝向等)、速度、速度方向等信息。
38.根据一些实施例，车端感知系统112包括高精定位装置、激光雷达等高精度的传感器以及控制装置。
39.高精定位装置可以采集车辆110自身的诸如位置、速度、方向等信息。激光雷达可以检测周围障碍物的边缘、形状信息，从而进行障碍物的识别和追踪。由于多普勒效应，激光雷达还可以测量障碍物的速度以及速度变化。
40.控制装置可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(cpu)或图形处理单元(gpu)，或者其他的专用处理器等。控制装置可以被配置为对传感器采集到的各种数据进行处理，以进一步获取障碍物的相关信息。例如，基于高
精定位装置采集到的车辆110自身的位置、速度、方向等信息以及激光雷达采集到的障碍物的边缘形状信息，确定各障碍物的位置、速度、方向等信息，预测各障碍物在下一时刻可能出现的位置，等。
41.根据一些实施例，车端感知系统112还可以包括用于感知周围环境的其他传感器，例如视觉摄像头、红外摄像头、超声波传感器等。
42.路侧感知系统120用于感知周围环境，例如感知周围环境中的障碍物。路侧感知系统120可以设置于道路的任意位置。例如，如图1所示，路侧感知系统120可以设置于路口的各个路段的信号灯支架上，其位置邻近信号灯130。
43.路侧感知系统120可以感知周围环境的障碍物的状态，输出路侧感知数据。路侧感知数据包括周围环境中的各个障碍物的位置、尺寸、航向、速度、速度方向等信息。
44.根据一些实施例，路侧感知系统120可以包括图像采集设备(例如视觉摄像头、红外摄像头等)和计算设备。其中，图像采集设备用于采集道路图像。计算设备可以包括与各种类型的计算机可读存储装置或介质通信的处理器。计算设备可以被配置为对图像采集设备采集到的道路图像进行处理，以得到周围环境中的各个障碍物(包括车辆110)的相关信息。例如，计算设备可以基于经训练的感知模型(例如神经网络模型)来识别出道路图像中的各个障碍物的相关信息，例如位置、尺寸、航向等。进一步地，计算设备可以通过对连续采集到的多个道路图像进行处理，以确定各障碍物的速度、速度方向等信息，以及预测各障碍物在下一时刻可能出现的位置，等。
45.根据一些实施例，路侧感知系统还可以包括用于感知周围环境的其他传感器，例如超声波传感器、毫米波雷达、激光雷达等。
46.根据一些实施例，在车辆110的行驶过程中，车端感知系统112可以按照预设的第一频率(例如50hz、100hz等)对周围环境进行感知，每次感知输出某个时间戳下的一组车端感知数据。路侧感知系统120可以按照预设的第二频率(例如30hz、50hz等)对周围环境进行感知，每次感知输出某个时间戳下的一组路侧感知数据。车端感知系统112每次感知所输出的一组车端感知数据、路侧感知系统120每次感知所输出的一组路侧感知数据均可以被记为一个“数据帧”。
47.需要说明的是，上述的时间戳指的是车端感知系统112或路侧感知系统120中的传感器采集环境数据的时间，而不是控制装置或计算设备输出感知数据的时间。
48.根据一些实施例，在车端感知系统112和路侧感知系统120感知周围环境之前，可以先对二者进行时钟校准，使二者的时间同步。这样，可以基于时间戳来将采集时间相同的车端感知数据和路侧感知数据进行匹配，以便基于车端感知数据来检测相应路侧感知数据的准确度。
49.根据一些实施例，车辆110可以遍历同一个路口的各个路段的不同车道和行驶方向，由此，可以使真值数据全面、均匀地覆盖整个路口，从而对路侧感知系统进行全面、准确的检测和评估。
50.基于车端感知系统112输出的车端感知数据以及路侧感知系统120输出的路侧感知数据，可以执行本公开实施例的路侧感知系统的检测方法200，以确定路侧感知数据的准确度。
51.本公开实施例的路侧感知系统的检测方法200可以在任意设备处执行，即，方法
200的执行主体可以是任意设备。例如，方法200可以在车辆(例如图1中的车辆110)、路侧感知系统(例如图1中的路侧感知系统120)、路侧设备(例如设置于道路一侧的边缘计算设备)或云控平台处执行。
52.图2示出了根据本公开实施例的路侧感知系统的检测方法200的流程图。如图2所示，方法200包括步骤210-240。
53.在步骤210中，获取车端感知系统输出的车端感知数据。
54.在步骤220中，从车端感知数据中提取出满足预设可信度要求的真值数据。
55.在步骤230中，获取路侧感知系统输出的与真值数据相匹配的路侧感知数据。
56.在步骤240中，基于真值数据，确定路侧感知数据的准确度。
57.根据本公开的实施例，能够过滤掉车端感知数据中的可信度较低的数据，仅将可信度较高的(即满足预设可信度要求的)数据作为真值数据，提高了真值数据的准确性，从而提高了路侧感知系统的检测准确性，实现了对路侧感知系统的准确检测。
58.以下详细描述方法200的各个步骤。
59.在步骤210中，获取车端感知系统输出的车端感知数据。
60.根据一些实施例，车端感知数据包括至少一个第一障碍物各自的第一状态数据。第一障碍物例如可以是道路中的机动车、非机动车、行人、路障等。第一状态数据例如包括第一障碍物的位置、位置变化、速度、速度方向、航向、截断标签、遮挡标签等信息。
61.速度方向指的是障碍物的速度的方向，其例如可以表示为障碍物的速度的方向与基线方向的夹角。航向指的是障碍物的朝向，其例如可以表示为障碍物的朝向与基线方向的夹角。基线例如可以是东方，即正东方为0
°
，沿逆时针方向角度增加，角度的最大值为360
°
。通常地，障碍物的航向与其速度方向一致。在一些情况中，障碍物的航向也可能与其速度方向不同。例如，某车辆在行驶过程中车头朝北，即航向为90
°
，但该车辆同时在向东漂移，即速度方向为0
°
。
62.截断标签用于指示相应的第一障碍物的一部分是否位于车端感知系统的感知区域之外，遮挡标签用于指示相应的第一障碍物是否被其他障碍物所遮挡。截断标签、遮挡标签的取值具体可以是“是”或“否”。
63.根据一些实施例，可以获取车端感知系统所在的车辆的第一状态数据，并将车辆的第一状态数据合并至车端感知数据中。即，车端感知系统所在的车辆可以是一个第一障碍物，车端感知数据可以包括该车辆的第一状态数据。
64.可以理解，实际道路情况复杂、多样。尤其在路口、立交桥等复杂路况下，车端感知数据中的部分数据可能不够准确，可信度较低，不足以作为用于检测路侧感知系统的真值数据。因此，在步骤220中，需要从车端感知数据中提取出可信度较高的，即满足预设可信度要求的数据作为真值数据，将可信度较低的数据滤除，从而提高真值数据的准确性，进而提高路侧感知系统的检测结果的准确性。
65.预设可信度要求是用于判断数据的可信程度的标准。根据一些实施例，预设可信度要求是基于车端感知系统的感知能力确定的。可以理解，不同车端感知系统的感知能力不同。基于车端感知系统的感知能力来确定预设可信度要求，能够针对不同的车端感知系统灵活设置数据可信度的判断标准，从而提高提取真值数据的灵活性和准确性。
66.根据一些实施例，预设可信度要求可以是针对一种或多种第一状态数据的取值所
设置的阈值。例如，预设可信度要求可以是针对位置信息所设置的距离阈值，或者是针对位置变化信息所设置的位置变化阈值等。
67.具体地，根据一些实施例，在第一状态数据包括位置信息、预设可信度要求实现为距离阈值的情况下，步骤220可以包括：基于相应的位置信息，计算至少一个第一障碍物中的任一第一障碍物到车端感知系统的距离；以及将到车端感知系统的距离小于距离阈值的第一障碍物的第一状态数据确定为真值数据。
68.在上述实施例中，距离阈值是基于车端感知系统的感知能力确定的。通常地，车端感知系统对于远处障碍物的感知结果不准确，这些障碍物的感知结果的可信度较低，不足以作为用于检测路侧感知系统的真值数据。基于上述实施例，能够将距离车端感知系统较远(即距离大于或等于距离阈值)的、可信度较低的第一障碍物的第一状态数据滤除，将距离车端感知系统较近的(即距离小于距离阈值)的、可信度较高的第一障碍物的第一状态数据作为真值数据，提高了真值数据的准确性，从而提高了路侧感知系统的检测结果的准确性。
69.根据一些实施例，在第一状态数据包括位置变化信息、预设可信度要求实现为位置变化阈值的情况下，步骤220可以包括：将位置变化信息小于位置变化阈值的第一障碍物的第一状态数据确定为真值数据。
70.在上述实施例中，位置变化阈值是基于车端感知系统的感知能力确定的。通常地，车端感知系统对于位置变化较大的障碍物的感知结果不准确，这些障碍物的感知结果的可信度较低，不足以作为用于检测路侧感知系统的真值数据。基于上述实施例，能够将位置变化较大(即大于或等于位置变化阈值)的、可信度较低的第一障碍物的第一状态数据滤除，将位置变化较小(即小于位置变化阈值)的、可信度较高的第一障碍物的第一状态数据作为真值数据，提高了真值数据的准确性，从而提高了路侧感知系统的检测结果的准确性。
71.根据一些实施例，第一障碍物的位置变化信息可以按照以下步骤确定：基于车端感知系统中部署的算法，预测第一障碍物在下一时刻可能出现的多个位置，每个位置是一个形如(x，y)的二维坐标向量。计算两两坐标向量的协方差，得到协方差矩阵。协方差矩阵的特征值能够表示第一障碍物的位置的变化程度，因此可以将协方差矩阵的特征值作为该第一障碍物的位置变化信息。
72.根据另一些实施例，预设可信度要求也可以是针对一种或多种第一状态数据所设置的目标取值。例如，预设可信度要求可以是针对截断标签所设置的目标取值“否”。
73.具体地，根据一些实施例，在第一状态数据包括截断标签、预设可信度要求实现为截断标签的目标取值“否”的情况下，步骤220可以包括：将截断标签为否的第一障碍物的第一状态数据确定为真值数据。
74.在上述实施例中，截断标签用于指示相应的第一障碍物的一部分是否位于车端感知系统的感知区域之外。通常地，车端感知系统对于被截断的障碍物的感知结果不准确，这些障碍物的感知结果的可信度较低，不足以作为用于检测路侧感知系统的真值数据。基于上述实施例，能够将被截断(即截断标签为“是”)的、可信度较低的第一障碍物的第一状态数据滤除，将未被截断(即截断标签为“否”)的、可信度较高的第一障碍物的第一状态数据作为真值数据，提高了真值数据的准确性，从而提高了路侧感知系统的检测结果的准确性。
75.上文给出了预设可信度要求的三种实施方式，即，预设可信度要求可以实现为距
union，交并比，又称重叠率)最大匹配原则，将障碍物324与障碍物335相匹配，得到障碍物对(324,335)，将障碍物334确定为误检数据。
89.障碍物325位于路侧感知系统的感知范围之外，仅被车端感知系统310感知到，因此没有与之相匹配的第三障碍物，未形成障碍物对。
90.障碍物336因为被障碍物322遮挡，位于车端感知系统310的感知盲区，仅被路侧感知系统感知到，因此没有与之匹配的第二障碍物，未形成障碍物对。
91.在通过上述匹配步骤得到至少一个障碍物对之后，对于每一个障碍物对，可以基于该障碍物对相应的第二状态数据，确定相应的第三状态数据的准确度。例如，第二障碍物a的第二状态数据为data1，第三障碍物b的第三状态数据为data2，第二障碍物a和第三障碍物b相匹配，形成障碍物对(a，b)，那么，可以基于第二状态数据data1来确定第三状态数据data2的准确度。
92.第二状态数据、第三状态数据具体可以是障碍物的位置信息(中心点坐标)、位置区域(bbox)、尺寸信息、速度信息、速度方向信息、航向信息等。通过将第二状态数据与相应的第三状态数据进行比较，可以确定第三状态数据的准确度。
93.可以理解，上述实施例相当于，以每个障碍物对相应的第二状态数据为真值，相应的第三状态数据为测量值，确定第三状态数据的误差。
94.根据一些实施例，在第二状态数据和第三状态数据均为障碍物的位置区域的情况下，可以分别确定障碍物对中的第二障碍物和第三障碍物各自的锚点坐标，其中，锚点坐标为相应障碍物所在的位置区域的距离车端感知系统最近的顶点的坐标；以及基于述第二障碍物和第三障碍物各自的锚点坐标，确定第三状态数据中的位置区域的准确度。具体地，可以计算第二障碍物和第三障碍物的锚点坐标的距离，距离越小，第三状态数据中的位置区域的准确度越高。
95.图4示出了根据本公开实施例的锚点的示意图。某障碍物所在的位置区域(bbox)如矩形框410所示。可以基于该障碍物的中心坐标、长、宽和航向(如图4中的箭头所示)，通过三角函数计算，确定位置区域410的四个顶点a、b、c、d的坐标。其中，顶点b距离车端感知系统420最近，因此顶点b即为该障碍物的锚点，顶点b的坐标即为锚点坐标。
96.需要说明的是，由于在车端感知系统的感知范围内，障碍物常常出现遮挡、截断等情况，因此车端感知系统对于障碍物尺寸信息(bbox的长、宽)的感知可能不够准确。若直接通过计算真值数据中的bbox与路侧感知数据中的bbox的iou来确定路侧感知系统对障碍物位置区域的感知准确度，准确度计算结果的可信度不高。
97.基于上述实施例，通过计算锚点坐标，并且基于锚点坐标来确定位置区域的准确度，能够提高准确度计算结果的准确性和可信度。
98.根据一些实施例，方法200还可以包括：在基于障碍物对相应的第二状态数据，确定相应的第三状态数据的准确度之前，基于第二状态数据，对第三状态数据进行纠正。
99.基于上述实施例，对于实际业务场景中不太关注的路侧感知数据(第三状态数据)，可以先基于真值数据(第二状态数据)来对其进行纠正，然后基于纠正后的数据来评估其精度。
100.例如，在车路协同场景中，通常要求路侧感知系统能够准确输出障碍物的位置、速度、速度方向等信息，对于航向信息的准确性不做过多要求。实践中，路侧感知系统输出的
航向信息常与障碍物的真值速度方向信息相反，即相差180
°
。通常情况下，障碍物的航向和速度方向是一致的，如果二者相差较大，则表明路侧系统输出的航向信息很可能反了，可以基于真值速度方向信息来对路侧感知系统输出的航向信息进行纠正。
101.因此，根据一些实施例，第二状态数据可以包括速度方向信息，第三状态数据包括航向信息，相应地，可以响应于确定速度方向信息与航向信息的差大于或等于角度阈值，将航向信息进行反转。角度阈值例如可以设置为135
°
。
102.需要说明的是，上述方法200从单个数据帧的角度描述了路侧感知系统的检测过程，即，基于车端感知系统输出的单帧车端感知数据，检测路侧感知系统输出的相应的单帧路侧感知数据的准确度。
103.应当理解，进一步地，可以基于方法200来检测路侧感知系统输出的多帧路侧感知数据的准确度，然后将多帧路侧感知数据的检测结果进行汇总和分析，得到路侧感知系统对于不同状态数据(例如位置、尺寸、速度、速度方向、航向等)的感知准确度。更进一步地，可以得到路侧感知系统对于不同类型障碍物(例如机动车、非机动车、行人等)的不同状态数据的感知准确度。
104.图5示出了根据本公开实施例的路侧感知系统的检测过程500的示意图。如图5所示，过程500包括步骤502-516。
105.在步骤502中，车端感知系统采集车端感知数据，包括各类型障碍物(例如机动车、非机动车、行人等)的位置、速度、速度方向、航向等信息。
106.根据一些实施例，车端感知系统可以设置在车辆上。驾驶员驾驶车辆遍历同一个路口的不同车道和行驶方向(例如直行、左转、右转)，与此同时，车端感知系统感知周围环境中的障碍物，输出路口处的多帧车端感知数据。
107.在步骤504中，对每帧车端感知数据进行过滤，得到可信度较高的真值数据。
108.在步骤506中，路侧传感器采集原始数据，例如通过图像采集设备来采集多帧道路图像数据。
109.在步骤508中，路侧计算单元运行路侧感知算法，对传感器采集到的多帧图像数据进行处理，得到多帧路侧感知数据。
110.在步骤510中，基于数据的唯一标识(例如时间戳)，将多帧真值数据和多帧路侧感知数据进行匹配，得到多个数据对。每个数据对包括相匹配的一帧真值数据和一帧路侧感知数据。
111.在步骤512中，采用匈牙利算法，对每个数据对中的真值数据和路侧感知数据进行障碍物匹配，得到至少一个障碍物对。
112.在步骤514中，基于各个障碍物对，计算单帧路侧感知数据的准确度指标。准确度指标例如可以是障碍物的位置、速度、速度方向、航向等信息的感知误差。
113.在步骤516中，对多帧路侧感知数据的准确度指标的计算结果进行汇总和分析，评估路侧感知系统的感知准确度。
114.根据一些实施例，可以将多帧路侧感知数据的指标计算结果进行汇总和分析，得到路侧感知系统对于不同信息(例如位置、尺寸、速度、速度方向、航向等)的感知准确度。进一步地，也可以得到路侧感知系统对于不同类型障碍物(例如机动车、非机动车、行人等)的不同信息的感知准确度。
115.根据本公开的实施例，还提供了一种路侧感知系统的检测装置。图6示出了根据本公开实施例的路侧感知系统的检测装置600的结构框图。如图6所示，装置600包括：
116.获取模块610，被配置为获取车端感知系统输出的车端感知数据；
117.提取模块620，被配置为从所述车端感知数据中提取出满足预设可信度要求的真值数据；
118.匹配模块630，被配置为获取所述路侧感知系统输出的与所述真值数据相匹配的路侧感知数据；以及
119.确定模块640，被配置为基于所述真值数据，确定所述路侧感知数据的准确度。
120.根据本公开的实施例，能够过滤掉车端感知数据中的可信度较低的数据，仅将可信度较高的(即满足预设可信度要求的)数据作为真值数据，提高了真值数据的准确性，从而提高了路侧感知系统的检测准确性，实现了对路侧感知系统的准确检测。
121.根据一些实施例，预设可信度要求是基于车端感知系统的感知能力确定的。
122.根据一些实施例，车端感知数据包括至少一个第一障碍物各自的第一状态数据。
123.应当理解，图6中所示装置600的各个模块或单元可以与参考图2描述的方法200中的各个步骤相对应。由此，上面针对方法200描述的操作、特征和优点同样适用于装置600及其包括的模块以及单元。为了简洁起见，某些操作、特征和优点在此不再赘述。
124.虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。例如，上面描述的匹配模块630和确定模块640在一些实施例中可以组合成单个模块。
125.还应当理解，本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图6描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如，这些模块可以被实现为计算机程序代码/指令，该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地，这些模块可以被实现为硬件逻辑/电路。例如，在一些实施例中，模块610-640中的一个或多个可以一起被实现在片上系统(system on chip,soc)中。soc可以包括集成电路芯片(其包括处理器(例如，中央处理单元(central processing unit,cpu)、微控制器、微处理器、数字信号处理器(digital signal processor,dsp)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件)，并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
126.根据本公开的实施例，还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述路侧感知系统的检测方法。
127.根据本公开的实施例，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述路侧感知系统的检测方法。
128.根据本公开的实施例，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述路侧感知系统的检测方法。
129.根据本公开的实施例，还提供了一种路侧设备，包括上述电子设备。
130.根据一些实施例，路侧设备除了包括电子设备，还可以包括通信部件等，电子设备
可以和通信部件一体集成，也可以分体设置。电子设备可以获取路侧感知设备(如路侧相机)的数据，例如图片和视频等，从而进行图像视频处理和数据计算，再经由通信部件向云控平台传送处理和计算结果。可以理解，路侧设备是一种边缘计算设备。
131.根据本公开的实施例，还提供了一种云控平台，包括上述电子设备。
132.根据一些实施例，云控平台在云端执行处理，进行图像视频处理和数据计算，云控平台也可以称为车路协同管理平台、v2x(vehicle-to-everything，车联万物)平台、云计算平台、中心系统、云端服务器等。
133.参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
134.如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
135.电子设备700中的多个部件连接至i/o接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙
tm
设备、802.11设备、wi-fi设备、wimax设备、蜂窝通信设备和/或类似物。
136.计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
137.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
138.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
139.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
140.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
141.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
142.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
143.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例
如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
144.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。