(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210176594.6 (22)申请日 2022.02.25 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 姚晗　方炜豪　王文夫　叶山顶　 傅永健　马瑞凯　林湖　潘之杰　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 郑海峰 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/22(2022.01) G06V 10/46(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种路侧激光雷达超视距感知系统及其工 作方法 (57)摘要 本发明公开了一种路侧激光雷达超视距感 知系统及其工作方法。 系统包括： 激光雷达、 边缘 低功耗计算平台、 通信模块、 电源模块和云端服 务器。 所述的边缘低功耗计算平台包括预处理模 块， 主干网络和多任务模块。 当车辆、 行人等目标 物体进入路侧激光雷达超视距感知系统的感知 范围时， 路侧激光雷达超视距感知系统计算出路 侧感知结果发送至云端服务器； 云端服务器获取 路侧感知结果后， 一方面将其作为实时交通状态 的来源数据； 另一方面将路侧感知结果， 分发给 路侧激光雷达超视距感知系统覆盖范围内的车 辆， 使车辆获取路侧的感知结果， 实现超视距感 知。 本发明可 以提升车辆的感知范围、 减少感知 盲区、 增强驾驶的安全性、 减少对自身传感器的 依赖。 权利要求书1页 说明书5页 附图2页 CN 114639080 A 2022.06.17 CN 114639080 A 1.一种路侧激光雷达超视距感知系统， 其特征在于包括： 激光雷达、 边缘低功耗计算平 台、 通信模块、 电源 模块和云端服 务器； 电源模块为激光雷达、 边缘低功耗计算平台和通信模块供电； 激光雷达与边缘低功耗 计算平台相连， 为其提供原始点云数据； 边缘低功耗计算平台将原始的点云数据进行预处 理后， 通过激光雷达感知方法进 行环境感知， 计算环境感知结果； 通信模块将边缘低功 耗计 算平台的感知结果发送至云端服 务器。 2.根据权利要求1所述的路侧激光雷达超视距感知系统， 其特征在于， 所述的边缘低功 耗计算平台包括预处 理模块， 主干网络和多任务模块； 所述的预处理模块用于对激光雷达获取的原始点云数据进行预处理， 获得点云特征 图； 所述的主干网络为特征提取深度学习 网络， 根据预处理模块的点云特征图， 获得单一 尺度的最终特 征图； 所述多任务模块 根据主干网络获得的最终特 征图实现目标检测与运动预测。 3.根据权利要求2所述的路侧激光雷达超视距感知系统， 其特征在于， 所述的预处理模 块对原始点云数据先进行去地面过滤； 再对剩余的点云数据以俯视视角进行投影， 并进行 格栅化处理， 使点云投影至Z平面的格栅上， 再对每 个格栅内的点云进行 特征提取。 4.根据权利要求2所述的路侧激光雷达超视距感知系统， 其特征在于， 所述的主干网络 基于EfficientDet网络， 并在EfficientDet网络的BiFPN层后增加了MoSF融合层， MoSF融合 层将BiFPN层输出的多尺度特 征图融合 为单一尺度的特 征图。 5.根据权利要求4所述的路侧激光雷达超视距感知系统， 其特征在于， 所述的主干网络 首先使用EfficientDet网络进行特征提取， EfficientDet的BiFPN层会输出多个不同尺度 的特征图； MoSF融合层将BiFPN层输出的多个不同尺度特征图融合为单一尺度的特征图， 其中 MoSF融合层 对多个不同尺度的特征图进 行跨层连接， 利用上采样卷积和下采样卷积使 特征 图改变自身分辨率， 高分辨率的特征图下采样与低分辨率特征图进行融合， 低分辨率的特 征图上采样与高分辨 率特征图进行融合。 6.根据权利要求1所述的路侧激光雷达超视距感知系统， 其特征在于， 所述的多任务模 块采用多检测头方式实现， 其中四个检测 头用于目标检测， 输出目标类别、 XYZ三维坐标系 的检测框、 物体方向角； 一个 检测头用于 输出运动预测的结果， 即物体未来的坐标。 7.根据权利要求1所述的路侧激光雷达超视距感知系统， 其特征在于， 所述的通信模块 利用5G或W LAN的方式将边 缘计算平台的感知结果发送至云端服 务器。 8.一种权利要求2所述路侧激光雷达超视距感知系统的工作方法， 其特征在于： 当车 辆、 行人等 目标物体进入路侧激光雷达超视距感知系统的感知范围时， 路侧激光雷达超视 距感知系统计算出目标对象的类型、 中心 坐标、 朝向、 尺 寸、 预测的运动坐标， 并将其作为路 侧感知结果发送至云端服务器； 云端服务器获取路侧感知结果后， 一方面将其作为实时交 通状态的来源数据； 另一方面将路侧感知结果， 分发给路侧激光雷达超视距感知系统覆盖 范围内的车辆， 使车辆获取路侧的感知结果， 实现超视距感知。权　利　要　求　书 1/1 页 2 CN 114639080 A 2一种路侧激光雷达超 视距感知系统及其工作方 法 技术领域 [0001]本发明属于智能交通领域， 具体涉及一种路侧激光雷达超视距感知系统及其工作 方法。 背景技术 [0002]自动驾驶是一项可以提高交通效率、 减少交通事故的重要技术。 环境感知是自动 驾驶系统的核心组成部分， 直接影响自动驾驶系统的决策和控制 。 为实现自动驾驶系统的 环境感知能力， 通常会为车辆配备大量的传感器和高性能计算平台。 但为车辆堆砌传感器 的方式存在若干问题： 1.存在感知 盲区， 例如在路口处易受其它车辆阻挡， 无法感知到盲区 中的障碍物； 2.成本高昂， 大量的传感器直接提高了自动 驾驶的成本， 并且需要配备高算力 的计算平台。 [0003]自动驾驶 除了在环境感知方面存在问题， 在车辆协同上也存在缺陷。 由于车辆缺 乏实时的全局交通信息， 只能根据自身的感知结果进 行独立决策。 因此， 车辆难以优化交通 流、 减少路口拥堵。 发明内容 [0004]本发明的目的在于克服现有技术的不足之处， 提出一种路侧激光雷达超视距感知 系统及其工作方法。 本发明借助路侧系统实现实时的低功耗车辆超视距感知， 从而减少车 辆的感知盲区、 降低车辆对自身传感器的依赖， 同时该方法可以较高的实时性直接输出目 标检测与运动预测结果， 既减少了自动 驾驶中车辆的感知 盲区、 大量配置传感器的问题， 也 对激光雷达感知的流程进行了精简、 并在性能和功耗之间进行了平衡。 并且该系统收集全 局的交通信息， 并将其反馈给车辆， 使 车辆能够根据全局交通信息优化自身决策， 实现更好 的车辆协同、 交通 流优化。 [0005]本发明首先提供了一种路侧激光雷达超视距感知系统， 其包括： 激光雷达、 边缘低 功耗计算平台、 通信模块、 电源 模块和云端服 务器； [0006]电源模块为激光雷达、 边缘低功耗计算平台和通信模块供电； 激光雷达与边缘低 功耗计算平台相连， 为其提供原始点云数据； 边缘低功耗计算平台将原始的点云数据进行 预处理后， 通过激光雷达感知方法进 行环境感知， 计算环境感知结果； 通信模块将边缘低功 耗计算平台的感知结果发送至云端服 务器。 [0007]作为本发明的优选方案， 所述的边缘低功耗计算平台包括预处理模块， 主干网络 和多任务模块； [0008]所述的预处理模块用于对激光雷达获取的原始点云数据进行预处理， 获得点云特 征图； [0009]所述的主干网络为特征提取深度学习网络， 根据预处理模块的点云特征 图， 获得 单一尺度的最终特 征图； [0010]所述多任务模块 根据主干网络获得的最终特 征图实现目标检测与运动预测。说　明　书 1/5 页 3 CN 114639080 A 3