本技术介绍了一种因果推理驱动的小目标状态描述技术,应用于自动驾驶车辆的小目标检测。该技术通过构建原子知识节点来捕捉小目标及其周围目标的行为特征,旨在提高检测准确性。
背景技术
在自动驾驶系统中,视觉传感器如摄像头的广泛应用得益于其成本低、分辨率高、能够获取丰富的颜色和纹理信息。这使得视觉传感器在场景理解中占有重要地位。然而,视觉传感器的一个主要挑战在于小目标检测。因为即使是尺寸较小的物体,如儿童、宠物、自行车或者路边的障碍物,也可能对车辆行驶安全产生巨大影响。这类小目标可能存在于路面、路边或交通复杂的环境中,检测到这些小物体对于防止事故的发生至关重要。
在实际道路环境中,遮挡是一个常见现象。行驶中的车辆、树木、建筑物或其他物体都可能遮挡小目标,这使得自动驾驶系统无法及时感知这些小物体的存在。当在复杂的交通场景中,小目标在与其他目标相互作用时,往往会由于遮挡导致像素级特征的快速稀疏化。在这种情况下,BEV跟踪可能会间歇性中断,从而降低对交通动态的整体态势感知,导致自动驾驶系统的反应能力会受到严重影响,进一步带来潜在的危害,如:安全事故风险增加、自动驾驶决策误差、人机信任危机等。
实现思路