一种基于深度学习的雷达传感器模型保真度的评估方法
基本信息
| 申请号 | CN202210020097.7 | 申请日 | - |
| 公开（公告）号 | CN114384483A | 公开（公告）日 | 2022-04-22 |
| 申请公布号 | CN114384483A | 申请公布日 | 2022-04-22 |
| 分类号 | G01S7/40（2006.01）I;G01S13/931（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 测量；测试; |
| 发明人 | 孟康;曹阳;刘瑜平 | 申请（专利权）人 | 清华珠三角研究院 |
| 代理机构 | 北京东方盛凡知识产权代理事务所（普通合伙） | 代理人 | 李瑞雨 |
| 地址 | 510530广东省广州市黄埔区香雪八路98号香雪国际公寓F栋 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的雷达传感器模型保真度的评估方法，包括：获取雷达点云数据，所述雷达点云数据包括真实数据和模拟数据；基于所述真实数据和所述模拟数据进行相似度评估，获得评估结果；基于所述评估结果，实现对雷达传感器模型的保真评估。本发明通过传统的人工指定的指标和基于深度神经网络进行学习的隐式度量指标对雷达模型进行保真度评价，利用深度神经网络对雷达点云的特征进行学习，结合传统指标能够全面地对雷达模型的真实性进行评价。并且可以应用于很多种类的雷达传感器模型，从而能够评估自动驾驶虚拟测试方法的有效性，具有很高的经济社会效益。 |
