應用背景

        智能駕駛汽車應用多種傳感器對目標物探測，如采用激光雷達、毫米波雷達、攝像頭等傳感器。在開發和測試智能駕駛汽車時，往往需要將不同種類的傳感器識別的目標物進行對比，或者對某種傳感器與真值傳感器（Ground Truth， GT）進行對標評估。

圖1 真值傳感器和測試傳感器識別目標物示意圖（資料圖）

傳感器對標評估系統

圖2 傳感器對標評估系統數據選擇和位置標定界面

        為了實現兩種傳感器識別目標物對比，傳感器對標評估系統具備以下功能：

?  根據傳感器識別的目標點信息，自動匹配目標物的軌跡

?  計算測試傳感器的漏報、誤報情況

?  統計測試傳感器的識別目標物信息

圖3 真值傳感器和測試傳感器識別目標物軌跡

核心功能：軌跡對比算法

?  軌跡挑選

利用多幀數據，自動獲取目標物的軌跡曲線；目標物如果存活幀數過少或存活時間太短，無法形成有效軌跡，則被認為雜點忽略。

?  范圍限制

選取真值傳感器和對比傳感器的公共探測區域來對比，忽略公共區域以外的目標物。可以對近程（±45°，60m）、中程（±9°，120m）、遠程（±4°，180m）的軌跡進行選擇，或者根據自定義范圍篩選軌跡。

?  快速軌跡比對

采用軌跡非特征點抽希和動態時間規整等算法，能夠較好地比對真值和對比傳感器識別的目標物軌跡。如下圖所示，采用該算法匹配的真值傳感器（GT）和對比傳感器軌跡能夠和實車采集的數據吻合。

圖4 真值傳感器和測試傳感器識別目標物軌跡對比和實車測試圖

核心功能：識別目標數統計

?  真值傳感器和測試傳感器的識別總數統計

?  測試傳感器識別目標漏報率統計

?  測試傳感器識別目標誤報率統計

圖5 識別目標數統計報告（示例）

核心功能：識別目標物信息統計分析

?  可以分析真值和測試傳感器識別目標物的角度分布

?  可以分析真值和測試傳感器識別目標物的距離分布

?  可以分析真值和測試傳感器識別目標物的距離差分布。可分別統計兩種傳感器識別的目標物相對速度重合區的分布或者非重合區的分布

?  可以分析真值和測試傳感器識別目標物的角度差分布。可分別統計兩種傳感器識別的目標物相對速度重合區的分布或者非重合區的分布

?  可以分析真值和測試傳感器識別目標物的角度、距離、相對速度分布，并進行三維展示

圖6 識別目標物信息統計分析報告（示例）