面向智能驾驶传感器配置设计的多方案自动生成方法

1.本技术涉及自动驾驶汽车技术领域，特别是涉及一种面向智能驾驶传感器配置设计的多方案自动生成方法。


背景技术：

2.车辆感知系统是智能汽车区别于传统汽车的重要组成部分，车辆感知系统主要由各类传感器组成，例如相机、毫米波雷达、激光雷达、超声波雷达等。不同类型的传感器的感知原理不同、性能参数也不同，因此，一个车辆感知系统中需要配置多种类型的传感器，从而满足车辆对各种自动驾驶功能的感知需求。
3.目前对于车辆感知系统中的传感器的配置，主要依靠定性经验进行人工配置，传感器的配置效率较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高传感器的配置效率的面向智能驾驶传感器配置设计的多方案自动生成方法。
5.第一方面，本技术提供了一种面向智能驾驶传感器配置设计的多方案自动生成方法。该方法包括：
6.获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和该车辆的功能特征点；
7.根据该多个候选传感器的参数信息、该备选安装位置信息、该功能特征点和预设的约束条件，对预设的目标函数进行求解，得到该车辆的自动驾驶功能对应的目标传感器配置方案；该目标函数包括功能目标函数和资源目标函数。
8.在其中一个实施例中，该候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。
9.在其中一个实施例中，该功能目标函数包括传感器配置方案的探测精度与该功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。
10.在其中一个实施例中，该测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。
11.在其中一个实施例中，该测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。
12.在其中一个实施例中，该资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系。
13.在其中一个实施例中，约束条件包括以下中的至少一个：
14.位置约束条件、功能约束条件与资源约束条件。
15.在其中一个实施例中，该位置约束条件，用于根据各候选传感器的产品类型和各该产品类型在车辆上的安装位置范围，约束各该候选传感器在该车辆上的安装位置；
16.该功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；该功能特征点对应的候选传感器为探测范围能够覆盖到该功能特征点的候选传感器；
17.该资源约束条件，用于约束各传感器配置方案所需的总资源和各该候选传感器所需的资源。
18.第二方面，本技术还提供了一种面向智能驾驶传感器配置设计的多方案自动生成装置。该装置包括：
19.获取模块，用于获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和该车辆的功能特征点；
20.确定模块，用于根据该多个候选传感器的参数信息、该备选安装位置信息、该功能特征点和预设的约束条件，对预设的目标函数进行求解，得到该车辆的自动驾驶功能对应的目标传感器配置方案；该目标函数包括功能目标函数和资源目标函数。
21.第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：
22.获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和该车辆的功能特征点；
23.根据该多个候选传感器的参数信息、该备选安装位置信息、该功能特征点和预设的约束条件，对预设的目标函数进行求解，得到该车辆的自动驾驶功能对应的目标传感器配置方案；该目标函数包括功能目标函数和资源目标函数。
24.第四方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
25.获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和该车辆的功能特征点；
26.根据该多个候选传感器的参数信息、该备选安装位置信息、该功能特征点和预设的约束条件，对预设的目标函数进行求解，得到该车辆的自动驾驶功能对应的目标传感器配置方案；该目标函数包括功能目标函数和资源目标函数。
27.第五方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
28.获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和该车辆的功能特征点；
29.根据该多个候选传感器的参数信息、该备选安装位置信息、该功能特征点和预设的约束条件，对预设的目标函数进行求解，得到该车辆的自动驾驶功能对应的目标传感器配置方案；该目标函数包括功能目标函数和资源目标函数。
30.上述面向智能驾驶传感器配置设计的多方案自动生成方法，通过获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和车辆的功能特征点；进而根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案。传统技术中，对
于感知系统中的传感器的配置，主要依靠定性经验进行人工配置，传感器的配置效率较低。本技术通过建立目标函数，对目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案，提高了车辆感知系统中的传感器的配置效率。
附图说明
31.图1是本技术实施例提供的计算机设备的内部结构图；
32.图2是本技术实施例提供的一种面向智能驾驶传感器配置设计的多方案自动生成方法的流程示意图；
33.图3是本技术实施例提供的一种车辆的二维坐标系示意图；
34.图4是本技术实施例提供的一种传感器的备选安装位置示意图；
35.图5是本技术实施例提供的传感器配置方案的坐标示意图之一；
36.图6是本技术实施例提供的候选传感器的初始探测范围示意图之一；
37.图7是本技术实施例提供的候选传感器的初始探测范围示意图之二；
38.图8是本技术实施例提供的传感器配置方案的坐标示意图之二；
39.图9是本技术实施例提供的一种面向智能驾驶传感器配置设计的多方案自动生成装置的结构框图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
41.本技术提供的实施例可以应用于如图1所示的计算机设备上，参照图1，图1是本技术实施例中提供的计算机设备的内部结构图。该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种资源伸缩方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
42.本领域技术人员可以理解，图1中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
43.在一个实施例中，如图2所示，图2是本技术实施例提供的一种面向智能驾驶传感器配置设计的多方案自动生成方法的流程示意图，以该方法应用于图1中的计算机设备为例进行说明，可以包括以下步骤：
44.s201，获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息
和车辆的功能特征点。
45.其中，车辆的功能特征点表示的是车辆在目标自动驾驶功能下需要重点探测的点，以自动驾驶功能为自动紧急制动(automatic emergency control，aeb)进行说明，aeb主要关注车辆前方预设距离范围的障碍物，因此aeb的功能特征点可以设置在车辆前方的预设距离范围内，功能特征点可以为一个，也可以为多个。
46.本实施例中，可以根据车辆的自动驾驶功能选择能够满足自动驾驶功能需求的传感器作为候选传感器，并获取候选传感器的参数信息；车辆的自动驾驶功能可以包括自适应巡航控制(adaptive cruise control，acc)、车道保持系统(lane keeping assistance，lka)、自动紧急制动(automated emergency braking，aeb)、自动泊车辅助(automated parking assistance，apa)、交通拥堵巡航(traffic jam pilot，tjp)，高速公路巡航(highway pilot，hwp)、自动代客泊车(automated valet parking，avp)等。传感器类型可以包括摄像头、毫米波雷达、激光雷达、超声波雷达等。以aeb为例进行说明，aeb主要是为了实现主动控制车辆制动的功能，避免车辆发生碰撞。因此，aeb需要常搭载摄像头、毫米波雷达、激光雷达等传感器，可以选择一个或多个摄像头、毫米波雷达、激光雷达作为候选传感器，并获取各候选传感器的参数信息。
47.如图3所示，根据车辆30在目标平面上的投影区域，建立如图3所示的平面直角坐标系，传感器的备选安装位置信息包括各备选安装位置在平面直角坐标系中的坐标以及各备选安装位置的朝向角，备选安装位置m的备选安装位置信息可以表示为pm＝(xm，ym，φm),其中，xm为m的横坐标、ym为m的纵坐标、φm为m的朝向角。图4是本技术实施例提供的一种备选安装位置的示意图。图4中，车辆30包括了14个备选安装位置。各功能特征点的集合可以用集合p表示，p＝{p1,p2,
…
,p
np
}，n
p
为功能特征点的数量，集合中的一个元素表示一个功能特征点，功能特征点pi＝(x
pi
,y
pi
),i＝1,2,
…
,n
p
，其中，x
pi
表示pi的横坐标，y
pi
表示pi的纵坐标。
48.s202，根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案；目标函数包括功能目标函数和资源目标函数。
49.示例性地，可以根据各候选传感器的参数信息、各备选安装位置信息pm以及各功能特征点pi的坐标信息中的任意两个信息，建立目标函数。可选地，也可以根据各候选传感器的参数信息、各备选安装位置信息pm以及各功能特征点pi的坐标信息，建立目标函数。目标函数可以包括反映各传感器配置方案的探测精度的功能目标函数，或者，目标函数也可以包括反映各传感器配置方案的资源使用量的资源目标函数，或者，目标函数可以包括反映各传感器配置方案的探测精度和资源使用量的函数，等等。
50.对于目标函数，可以使用预设算法对目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案。目标传感器配置方案包括对于候选传感器的选择情况，以及选择的候选传感器在各备选安装位置中的安装位置，可以用向量x＝{x1，x2，
…
，xj}来表示，其中，xj表示传感器j的安装位置为x，若xj＝0，则表示传感器j未被安装。预设算法可以是遗传算法(genetic algorithm，ga)，或者，预设算法也可以是非支配排序遗传算法(non-dominated sorting genetic algorithm-ii，nsga-ii)，若预设算法为nsga-ii，目标函数为功能目标函数j1和资源目标函数j2，则利用nsga-ii对目标函数求解可以得到一个或者多
个帕累托最优前沿点，每一个帕累托最优前沿点表示一个目标传感器配置方案，即可以得到多个目标传感器配置方案。各目标传感器配置方案对于功能性和资源性的侧重也不同；图5是本技术实施例提供的一种目标传感器配置方案的坐标示意图，如图5所示，利用nsga-ii得到的5个目标传感器配置方案，分别是x1、x2、x3、x4、x5。其中，x1到x5，目标传感器配置方案的探测精度依次降低，资源使用量也依次降低；例如，目标传感器配置方案x1的探测精度最高，资源使用量也最高；目标传感器配置方案x5的探测精度最低，资源使用量也最低，可以根据实际情况进行选择合适的目标传感器配置方案。
51.本技术实施例中，通过获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和车辆的功能特征点；进而根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案。传统技术中，对于感知系统中的传感器的配置，主要依靠定性经验进行人工配置，传感器的配置效率较低。本技术通过建立目标函数，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案，提高了车辆感知系统中的传感器的配置效率。
52.在其中一个实施例中，候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。
53.本实施例中，候选传感器paraj可以表示为其中，typej为paraj的产品类型，dj为paraj的最远探测距离，φj为paraj的探测视场角(field of view，fov)，为paraj的距离探测精度，为paraj的速度探测精度，prj为传感器资源，传感器资源可以是传感器的价格。
54.根据候选传感器的探测视场角φj和最远探测距离dj可以确定候选传感器的初始探测范围，例如，若parai探测视场角φi小于360度，则候选传感器paraj的初始探测范围可以用图6所示的扇形面积进行表示，扇形的半径为dj，若paraj探测视场角φj等于360度，则候选传感器paraj的初始探测范围可以用图7所示的圆面积进行表示，圆的半径为dj。
55.本技术实施例中，通过对传感器的参数信息的确定，为建立目标函数提供了前提条件。
56.在其中一个实施例中，上述实施例中的功能目标函数包括各传感器配置方案对应的探测精度与功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。
57.示例性地，功能目标函数反映了传感器配置方案的探测精度，传感器配置方案的探测精度为该传感器配置方案中的各功能特征点的探测精度的总和，各功能特征点的探测精度包括各功能特征点的测距误差和测速误差，功能目标函数可以用以下关系式表示：
[0058][0059]
其中，j1(x)表示功能目标函数，i为重要性变量，i[i]表示的是功能特征点pi的重要性变量，i的取值范围为[0，1]，为预设的正常数，依次表示功能特征点pi的测距误差的权重和测速误差的权重。表示的是功能特征点pi在传感器配置方案x下的
测距误差变量，为功能特征点pi在传感器配置方案x下的测速误差变量。
[0060]
可选地，也可以将j1(x)乘以第一预设系数得到的乘积结果作为功能目标函数。
[0061]
本技术实施例中，通过各传感器配置方案对应的探测精度与功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系，建立功能目标函数。进而通过求解功能目标函数，确定各传感器配置方案的探测精度，提高了确定目标传感器配置方案的探测精度的效率，并且，由于功能目标函数中包括各功能特征点的测距误差和测速误差，根据功能目标函数，提高了确定的目标传感器配置方案的探测精度的准确性。
[0062]
在其中一个实施例中，上述实施例中涉及的测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。
[0063]
由于各功能特征点可能被多个传感器的探测范围所覆盖，在配置方案x中，对于功能特征点pi，首先需要确定探测范围能够覆盖到pi的候选传感器的数量。具体地，可以根据候选传感器的探测视场角、各候选传感器的最远探测距离，确定各候选传感器的初始探测范围，根据各候选传感器的初始探测范围和备选安装位置信息，确定各候选传感器在备选安装位置的探测范围，进而判断各候选传感器在备选安装位置的探测范围是否能够覆盖到功能特征点pi。根据覆盖到功能特征点pi的候选传感器的探测距离精度，确定功能特征点pi的测速误差变量，可以用以下关系式表示：
[0064][0065]
其中，表示在传感器配置方案x中，pi的测距误差变量，j表示的是探测范围能够覆盖到功能特征点pi的传感器，表示的是探测范围能够覆盖到功能特征点pi的传感器数量
[0066]
可选地，也可以将乘以第二预设系数得到的乘积结果作为pi的测距误差变量。
[0067]
本技术实施例中，通过测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量确定测速误差变量的关系式，为确定功能目标函数提供了前提条件。
[0068]
在其中一个实施例中，测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。
[0069]
示例性地，在传感器配置方案x中，功能特征点pj的测速误差变量可以通过以下关系式表示：
[0070][0071]
其中，表示在传感器配置方案x中，pi的测速误差变量，j表示的是探测范围能够覆盖到功能特征点pi的传感器，表示的是探测范围能够覆盖到功能特征点pi的传感器数量
[0072]
可选地，也可以将乘以第三预设系数得到的乘积结果作为pi的测速误差变量。
[0073]
本技术实施例中，通过测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量确定测速误差变量的关系式，为确定功能目标函数提供了前提条件。
[0074]
上述实施例涉及的是对于功能目标函数的建立过程，在其中一个实施例中，上述资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系。
[0075]
资源目标函数反映的是传感器配置方案的资源使用量，即传感器配置方案中各候选传感器的传感器资源的总和，可以用以下关系式表示：
[0076][0077][0078]
j2(x)＝c
pr
(x)
[0079]
其中，s(x[j])表示的是在传感器配置方案x中，候选传感器j的选取变量，若s(x[j])＝0，则表示传感器配置方案x中，候选传感器j未被选中，若s(x[j])＝1，则表示在传感器配置方案x中，候选传感器j被选中，j2(x)为传感器配置方案x对应的资源目标函数。
[0080]
可选地，也可以将c
pr
(x)乘以第四预设系数得到的乘积结果作为传感器配置方案x对应的资源目标函数。
[0081]
本技术实施例中，传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系，建立资源目标函数，通过求解资源目标函数可以得到目标传感器配置方案的资源使用量，提高了确定的目标传感器配置方案的资源使用量的效率。
[0082]
在其中一个实施例中，约束条件包括以下中的至少一个，位置约束条件、功能约束条件与资源约束条件。
[0083]
位置约束条件可以是对候选传感器的安装位置的约束条件，也可以是对备选安装位置信息的约束条件，或者，位置约束条件也可以是对候选传感器的安装位置和备选安装位置信息的约束条件。功能约束条件可以是对各候选传感器的距离探测精度的约束条件，
或者，功能约束条件也可以是对各候选传感器的速度探测精度的约束条件，或者，功能约束条件也可以是对各候选传感器的距离探测精度和速度探测精度约束条件。资源约束条件是对传感器配置方案的资源使用量的约束条件，或者，资源约束条件也可以是对各候选传感器的传感器资源的约束条件。
[0084]
本技术实施例中，通过设置位置约束条件、功能约束条件与资源约束条件，提高了确定的目标传感器配置方案的准确性。
[0085]
在其中一个实施例中，位置约束条件，用于根据各候选传感器的产品类型和各产品类型在车辆上的安装位置范围，约束各候选传感器在车辆上的安装位置。
[0086]
不同产品类型的候选传感器所实现的功能不同，相应的在车辆上的安装位置也不同，本实施例中，根据各候选传感器的产品类型和各产品类型在车辆上的安装位置范围，约束各候选传感器在车辆上的安装位置，可以定义位置约束条件c1：
[0087][0088]
c表示摄像头、r表示毫米波雷达、l表示激光雷达；s表示超声波雷达，mc为摄像头的安装位置范围、mr为毫米波雷达的安装位置范围、m
l
为激光雷达的安装位置范围、ms为超声波雷达的安装位置范围。
[0089]
另外，在传感器配置方案中，为了更好的实现自动驾驶功能，有一部分备选安装位置需要选择相同产品类型的传感器，例如apa功能中，车辆四角处的备选安装位置需要使用相同产品类型的超声波雷达，此时，可以定义位置约束条件c2，用于约束各备选安装位置的传感器的产品类型。例如，若备选安装位置1和备选安装位置14需要安装相同类型的传感器，此时，备选安装位置1安装了超声波雷达，则备选安装位置14也需要安装超声波雷达。
[0090]
功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；功能特征点对应的候选传感器为探测范围能够覆盖到功能特征点的候选传感器。
[0091]
对于功能特征点pi，若不需要功能特征点pi的视觉信息，则pi需要至少被第一预设数量的传感器的探测范围所覆盖，或者，若需要功能特征点pi的视觉信息，则pi至少被第二预设数量的摄像头的探测范围所覆盖，以实现对于功能特征点pi的探测。此时，可以定义功能约束条件c3和c4：
[0092]
c3:numcover(pi,x)≥1,i＝1,2,..,n
p
[0093]
c4:numvisioncover(pi,x)≥1,i＝1,2,..,n
p
[0094]
其中，第一预设数量和第二预设数量均为1，numcover(pi,x)表示的是传感器配置方案x中，探测范围能够覆盖功能特征点pi的传感器的数量。numvisioncover(pi,x)表示的是传感器配置方案x中，探测范围能够覆盖到功能特征点pi的摄像头的数量。
[0095]
各功能特征点的测距误差变量应小于预设的最大测距误差阈值，各功能点的测速误差变量应小于预设的最大测速误差阈值，此时，定义功能约束条件c5和c6：
[0096]
c5:
[0097]
c6:
[0098]
其中，为预设的最大测距误差阈值，为预设的最大测速误差阈值，c5表示的是在传感器配置方案x中，功能特征点pi对应的测距误差变量小于或等于最大测距误差阈值c6表示的是在传感器配置方案x中，功能特征点pi对应的测速误差变量小于或等于最大测速误差阈值
[0099]
资源约束条件，用于约束各传感器配置方案的资源使用量和各候选传感器所需的传感器资源。
[0100]
本实施例中，为了减少传感器配置方案的资源使用量，定义了如c7和c8所示的资源约束条件：
[0101]
c7:c
pr
(x)≤c
pr,max
[0102]
c8:
[0103]
其中，c
pr
(x)为传感器配置方案x的资源使用量，c
pr,max
为预设资源使用量阈值，pr
max
为预设传感器资源阈值，c6表示的是传感器配置方案x的资源使用量小于或等于预设资源使用量阈值；c7表示的是各候选传感器中，最小传感器资源不能超过预设传感器资源阈值。
[0104]
本技术实施例中，通过设置位置约束条件、功能约束条件与资源约束条件，提高了确定的目标传感器配置方案的准确性。
[0105]
在其中一个实施例中，以aeb功能为例对本技术的面向智能驾驶传感器配置设计的多方案自动生成方法进行介绍，候选传感器可以从表1给出的传感器中进行选择：
[0106]
表1
[0107][0108][0109]
表1提供了56个传感器及各传感器的参数信息，根据aeb的功能特点，从上述56个传感器中选择序号为1～6、15～26的共18个传感器(包含摄像头、激光雷达、毫米波雷达三类)作为候选传感器。如图4所示，给出了14个备选安装位置，各备选安装位置信息pm如下所示：
[0110][0111]
上述矩阵中，第一列的数值表示的是各备选安装位置在车辆二维坐标系中的横坐标，第二列的数值表示的是各备选安装位置在车辆二维坐标系中的纵坐标，第三列的数值
表示的是各备选安装位置的朝向角。本实施例中，为了提升计算效率，可以从图4给出的14个备选安装位置中选择位置1、2、3、5、8、11、14作为备选安装位置。
[0112]
将功能特征点设置为p＝{p1(100，0)，p2(30，0)，p3(10，0)}，即p1、p2、p3依次分别为位于车辆正前方100米、30米、10米的点，3个功能特征点的重要性变量为i＝[1,1,1]，并且3个功能特征点都需要视觉信息。由于aeb所需要的传感器数量比较少，功能约束条件c2可省略。针对aeb建立功能目标函数j1(x)和资源目标函数j2(x)，约束条件为c1、c3到c7。使用nsga-ii对目标函数进行求解，将nsga-ii中的种群个体数量n
ind
设置为20，最大迭代次数n
iter
设置为200，其他参数设置如表2所示：
[0113]
表2
[0114][0115][0116]
表2中，n表示的是候选传感器的数量，m表示的是备选安装位置的数量。
[0117]
通过nsga-ii对j1(x)和j2(x)求解之后可以得到两个帕累托最优前沿点，如图8所示，帕累托最优前沿点x1表示的是目标传感器配置方案x1，帕累托最优前沿点x2表示的是目标传感器配置方案x2：
[0118]
x1＝[0,0,0,2,0,0,0,0,0,0,0,0,0,1,0,0,0,0]
[0119]
x2＝[0,0,0,2,0,0,0,0,0,0,0,0,0,1,0,0,1,0]
[0120]
其中，目标传感器配置方案x1表示的是候选传感器4安装在备选安装位置2、候选传感器14安装在备选安装位置1，其他候选传感器不安装；目标传感器配置方案x2表示的是候选传感器4安装在备选安装位置2，候选传感器14安装在备选安装位置1，候选传感器17安装在备选安装位置1，其他候选传感器不安装。
[0121]
可选地，一个备选安装位置可以安装一个或者多个候选传感器。
[0122]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0123]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的面向智能驾驶传感器配置设计的多方案自动生成方法的面向智能驾驶传感器配置设计的多方案自动生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个面向智能驾驶传感器配置设计的多方案自动生成装置实施例中的具体限定可以参见上文中对于面向智能驾驶传感器配置设计的多方案自动生成方法的限定，在此不再赘述。
[0124]
在一个实施例中，如图9所示，提供了一种面向智能驾驶传感器配置设计的多方案自动生成装置900，包括：获取模块901、确定模块902，其中：
[0125]
获取模块901，用于获取车辆所需的多个候选传感器的参数信息、传感器的备选安
装位置信息和车辆的功能特征点；
[0126]
确定模块902，用于根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案；目标函数包括功能目标函数和资源目标函数。
[0127]
在其中一个实施例中，候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。
[0128]
在其中一个实施例中，功能目标函数包括传感器配置方案的探测精度与功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。
[0129]
在其中一个实施例中，测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。
[0130]
在其中一个实施例中，测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。
[0131]
在其中一个实施例中，资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的资源资源变量、候选传感器选取变量之间的对应关系。
[0132]
在其中一个实施例中，，约束条件包括以下中的至少一个：
[0133]
位置约束条件、功能约束条件与资源约束条件。
[0134]
在其中一个实施例中，位置约束条件，用于根据各候选传感器的产品类型和各产品类型在车辆上的安装位置范围，约束各候选传感器在车辆上的安装位置；
[0135]
功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；功能特征点对应的候选传感器为探测范围能够覆盖到功能特征点的候选传感器；
[0136]
资源约束条件，用于约束各传感器配置方案所需的总资源和各候选传感器所需的资源。
[0137]
上述面向智能驾驶传感器配置设计的多方案自动生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0138]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0139]
获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和车辆的功能特征点；
[0140]
根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案；目标函数包括功能目标函数和资源目标函数。
[0141]
在一个实施例中，候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。
[0142]
在其中一个实施例中，功能目标函数包括传感器配置方案的探测精度与功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。
[0143]
在其中一个实施例中，测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。
[0144]
在其中一个实施例中，测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。
[0145]
在其中一个实施例中，资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系。
[0146]
在其中一个实施例中，约束条件包括以下中的至少一个：
[0147]
位置约束条件、功能约束条件与资源约束条件。
[0148]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0149]
位置约束条件，用于根据各候选传感器的产品类型和各产品类型在车辆上的安装位置范围，约束各候选传感器在车辆上的安装位置；
[0150]
功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；功能特征点对应的候选传感器为探测范围能够覆盖到功能特征点的候选传感器；
[0151]
资源约束条件，用于约束各传感器配置方案所需的总资源和各候选传感器所需的资源。
[0152]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0153]
获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和车辆的功能特征点；
[0154]
根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案；目标函数包括功能目标函数和资源目标函数。
[0155]
在一个实施例中，候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。
[0156]
在其中一个实施例中，功能目标函数包括传感器配置方案的探测精度与功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。
[0157]
在其中一个实施例中，测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。
[0158]
在其中一个实施例中，测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。
[0159]
在其中一个实施例中，资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系。
[0160]
在其中一个实施例中，约束条件包括以下中的至少一个：
[0161]
位置约束条件、功能约束条件与资源约束条件。
[0162]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0163]
位置约束条件，用于根据各候选传感器的产品类型和各产品类型在车辆上的安装位置范围，约束各候选传感器在车辆上的安装位置；
[0164]
功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；功能特征点对应的候选传感器为探测范围能够覆盖到功能特征点的候选传感器；
[0165]
资源约束条件，用于约束各传感器配置方案所需的总资源和各候选传感器所需的资源。
[0166]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0167]
获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和车辆的功能特征点；
[0168]
根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案；目标函数包括功能目标函数和资源目标函数。
[0169]
在一个实施例中，候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。
[0170]
在其中一个实施例中，功能目标函数包括传感器配置方案的探测精度与功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。
[0171]
在其中一个实施例中，测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。
[0172]
在其中一个实施例中，测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。
[0173]
在其中一个实施例中，资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系。
[0174]
在其中一个实施例中，约束条件包括以下中的至少一个：
[0175]
位置约束条件、功能约束条件与资源约束条件。
[0176]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0177]
位置约束条件，用于根据各候选传感器的产品类型和各产品类型在车辆上的安装位置范围，约束各候选传感器在车辆上的安装位置；
[0178]
功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；功能特征点对应的候选传感器为探测范围能够覆盖到功能特征点的候选传感器；
[0179]
资源约束条件，用于约束各传感器配置方案所需的总资源和各候选传感器所需的资源。
[0180]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0181]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机
可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0182]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0183]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种面向智能驾驶传感器配置设计的多方案自动生成方法，其特征在于，所述方法包括：获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和所述车辆的功能特征点；根据所述多个候选传感器的参数信息、所述备选安装位置信息、所述功能特征点和预设的约束条件，对预设的目标函数进行求解，得到所述车辆的自动驾驶功能对应的目标传感器配置方案；所述目标函数包括功能目标函数和资源目标函数。2.根据权利要求1所述的方法，其特征在于，所述候选传感器的属性信息包括产品类型、最远探测距离、探测视场角、距离探测精度、速度探测精度、传感器资源中的至少一个。3.根据权利要求1所述的方法，其特征在于，所述功能目标函数包括传感器配置方案的探测精度与所述功能特征点的重要性变量、测距误差变量、测速误差变量之间的对应关系。4.根据权利要求3所述的方法，其特征在于，所述测距误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的距离探测精度变量的关系式。5.根据权利要求3所述的方法，其特征在于，所述测速误差变量为包括备选安装位置信息、候选传感器的探测视场角变量、候选传感器的最远探测距离变量和候选传感器的速度探测精度变量的关系式。6.根据权利要求1-5任一项所述的方法，其特征在于，所述资源目标函数包括传感器配置方案所需的总资源变量与每个候选传感器所需的传感器资源变量、候选传感器选取变量之间的对应关系。7.根据权利要求1-5任一项所述的方法，其特征在于，约束条件包括以下中的至少一个：位置约束条件、功能约束条件与资源约束条件。8.根据权利要求7所述的方法，其特征在于，所述位置约束条件，用于根据各候选传感器的产品类型和各所述产品类型在车辆上的安装位置范围，约束各所述候选传感器在所述车辆上的安装位置；所述功能约束条件，用于约束各功能特征点对应的候选传感器的数量、测距误差和测速误差；所述功能特征点对应的候选传感器为探测范围能够覆盖到所述功能特征点的候选传感器；所述资源约束条件，用于约束各传感器配置方案的资源使用量和各所述候选传感器所需的传感器资源。9.一种面向智能驾驶传感器配置设计的多方案自动生成装置，其特征在于，所述装置包括：获取模块，用于获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和所述车辆的功能特征点；确定模块，用于根据所述多个候选传感器的参数信息、所述备选安装位置信息、所述功能特征点和预设的约束条件，对预设的目标函数进行求解，得到所述车辆的自动驾驶功能对应的目标传感器配置方案；所述目标函数包括功能目标函数和资源目标函数。10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在
于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。12.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

技术总结
本申请涉及一种面向智能驾驶传感器配置设计的多方案自动生成方法。所述方法包括：获取车辆所需的多个候选传感器的参数信息、传感器的备选安装位置信息和车辆的功能特征点；根据多个候选传感器的参数信息、备选安装位置信息、功能特征点和预设的约束条件，对预设的目标函数进行求解，得到车辆的自动驾驶功能对应的目标传感器配置方案；目标函数包括功能目标函数和资源目标函数。采用本方法能够车辆感知系统中的传感器配置效率。系统中的传感器配置效率。系统中的传感器配置效率。


技术研发人员：黄晋 孟天闯 贾一帆 苏炎召 张博维 郝建平 李佳幸 王昭清
受保护的技术使用者：清华大学
技术研发日：2023.05.26
技术公布日：2023/10/15