摘要
本发明提供一种基于因果推理的小目标状态描述方法,涉及自动驾驶车辆的小目标检测技术领域,所述方法包含以下步骤:构建原子知识节点来表示小目标和周围目标的行为特征;基于长序列采样数据将小目标和周边目标的历史数据约束为一个行为集;使用基于KNN(K‑Nearest Neighbor)的分类器将分散在BEV(Bird’s Eye View)空间中的行为编码为事件;通过对行为进行模糊聚合构建推理图并基于概率推理将BEV感知序列映射到特定的可视化状态;对模型进行评估与优化。本申请结合了因果推理和小目标检测算法,利用因果推理产生的概率判断小目标实际的状态,使得车辆能够在小目标被遮挡的情况下仍能有效检测,从而保证了自动驾驶的安全性。
技术关键词
车辆间相互作用
视觉特征
节点
序列
事件触发器
实时数据
KNN算法
定义
分类器
学习方法
速度
直线段
特征点
变量
曲线
编码
对象
系统为您推荐了相关专利信息
广告系统
服务端
广告方法
区块链共识机制
非暂态计算机可读存储介质
能量分配方法
再生制动能量
新能源汽车
动力
机械制动系统
面向网络攻击
节点
电力通信网络结构
策略
电力系统
充放电控制方法
太阳能路灯
执行机构模块
序列
工况