基于多智能体强化学习的高速路换道测试场景生成方法

    公开(公告)号:CN118709529A

    公开(公告)日:2024-09-27

    申请号:CN202410719990.8

    申请日:2024-06-05

    摘要: 本发明公开了一种基于多智能体强化学习的高速路换道测试场景生成方法,包括:1、搭建高速路换道场景,2、根据场景需求定义多智能体强化学习所需状态、动作以及奖励函数,3、构建强化学习所需策略、价值以及目标网络,4、从场景中提取状态,并根据策略网络输出的动作,更新场景状态,5、对经验回放池中的数据进行采样,并用MADDPG算法进行网络参数更新,6、返回步骤4顺序执行,直至网络训练完成。本发明能通过多智能体强化学习的方法训练出具有一定激进和随机行为的高速路测试场景,从而能用简单的方法生成更为拟人和随机的测试场景。

    一种基于多源数据融合的车辆检测方法及检测装置

    公开(公告)号:CN114118253B

    公开(公告)日:2024-02-20

    申请号:CN202111390401.9

    申请日:2021-11-23

    摘要: 本发明公开一种基于多源数据融合的车辆检测方法及检测装置。该方法包括:将相机坐标系和激光雷达坐标系转换到检测坐标系中;获取车辆的激光雷达的目标检测框;先以车辆的相机的自身检测视角确定横向检测范围,以图像消失线确定纵向检测范围,获得相机的检测区域,再对相机检测到的视觉图像进行实时检测以获得视觉检测目标;对激光雷达的检测目标与视觉检测目标进行初步融合;实现雷达和相机的信息融合,且目标匹配成功后,对激光雷达和相机检测到的目标位置进行加权处理;对车辆目标进行跟踪。本发明提高检测障碍物的准确性,减少误检和漏检,激光雷达和相机都可识别同一目标车辆,且识别结果基本匹配,提高了目标识别的可靠性。

    一种基于多源数据融合的车辆检测方法及检测装置

    公开(公告)号:CN114118253A

    公开(公告)日:2022-03-01

    申请号:CN202111390401.9

    申请日:2021-11-23

    摘要: 本发明公开一种基于多源数据融合的车辆检测方法及检测装置。该方法包括:将相机坐标系和激光雷达坐标系转换到检测坐标系中;获取车辆的激光雷达的目标检测框;先以车辆的相机的自身检测视角确定横向检测范围,以图像消失线确定纵向检测范围,获得相机的检测区域,再对相机检测到的视觉图像进行实时检测以获得视觉检测目标;对激光雷达的检测目标与视觉检测目标进行初步融合;实现雷达和相机的信息融合,且目标匹配成功后,对激光雷达和相机检测到的目标位置进行加权处理;对车辆目标进行跟踪。本发明提高检测障碍物的准确性,减少误检和漏检,激光雷达和相机都可识别同一目标车辆,且识别结果基本匹配,提高了目标识别的可靠性。