基于不确定性量化的路域全量全要素可信感知方法及系统

本发明提出了一种基于不确定性量化的路域全量全要素可信感知方法及系统。首先，利用路侧激光雷达采集真实交通场景下的3D点云数据，创建数据集。随后，在“单帧”检测过程中，构建深度证据占用网格模型，将路侧空间划分为大小统一的网格，预测任意网格空间被占据的概率，并量化模型对于输出结果，即网格占用或空闲的信心，即不确定性，随后通过检测框生成算法可生成目标的检测框，提高了易遮挡环境下目标检测的准确性与鲁棒性。最后，开发了多目标跟踪算法，并集成了基于不确定性的轨迹管理模块，根据目标检测结果自适应调整轨迹初始化与轨迹删除的时机，有效克服了因随机遮挡等因素导致的轨迹断裂或丢失问题，同时减少了幽灵轨迹的产生。