1.基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,还包括以下步骤:基于特征分布相似度、空间特征一致性以及特征空间对齐误差构建特征对齐模型输出特征对齐系数;
基于模态间信息冗余度、特征维度有效性以及独特信息贡献度构建信息增益系数;
基于定位精度增益以及分类置信度提升度构建任务效能模型输出任务效能系数;
基于特征响应强度比以及检测质量提升度下的特征对齐系数以及任务效能系数构建对齐-效能匹配模型输出对齐-效能匹配系数;
基于对齐-效能匹配系数、信息增益系数以及当前融合计算效率比构建效率优化模型输出目标融合计算效率比。
2.根据权利要求1所述的基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,所述效率优化模型表示为:;
其中,表示目标融合计算效率比,表示当前融合计算效率比,表示对齐-效能匹配系数,表示信息增益系数,表示性能阈值。
3.根据权利要求2所述的基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,基于特征响应强度比以及检测质量提升度下的特征对齐系数以及任务效能系数构建对齐-效能匹配模型输出对齐-效能匹配系数的步骤为:将检测质量提升度进行最大-最小归一化处理,获取检测质量提升度指数;
获取特征响应强度比,将特征响应强度比与最佳特征响应强度比的绝对差值与允许偏离最佳特征响应强度比值进行比值处理,获取特征响应强度比指数;
基于特征响应强度比指数以及检测质量提升度指数下的特征对齐系数以及任务效能系数构建对齐-效能匹配模型,获取对齐-效能匹配系数,所述对齐-效能匹配模型表示为:;
其中,表示对齐-效能匹配系数,表示特征对齐系数,表示任务效能系数,表示防除零小数,表示特征响应强度比指数,表示检测质量提升度,所述且值越大特征对齐与任务效能协同度越高。
4.根据权利要求3所述的基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,基于定位精度增益以及分类置信度提升度构建任务效能模型输出任务效能系数的步骤为:获取定位精度增益以及分类置信度并对二者进行最大-最小归一化处理,获取定位精度增益指数以及分类置信度指数;
基于定位精度增益指数以及分类置信度指数构建任务效能模型,获取任务效能系数,所述任务效能模型表示为:;
其中,表示任务效能系数,表示定位精度增益指数,表示分类置信度指数,所述且值越大任务效能越好。
5.根据权利要求3所述的基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,基于模态间信息冗余度、特征维度有效性以及独特信息贡献度构建信息增益系数的步骤为:获取模态间信息冗余度、特征维度有效性以及独特信息贡献度并进行最大-最小归一化处理,获取冗余度指数、有效性指数以及贡献度指数;
基于冗余度指数、有效性指数以及贡献度指数构建信息增益模型,获取信息增益系数,所述信息增益模型表示为:;
其中,表示信息增益系数,表示冗余度指数,表示有效性指数,表示贡献度指数,所述且值越大图像特征与雷达特征融合价值越高。
6.根据权利要求3所述的基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,基于特征分布相似度、空间特征一致性以及特征空间对齐误差构建特征对齐模型输出特征对齐系数的步骤为:获取特征分布相似度、空间特征一致性以及特征空间对齐误差并对齐进行最大-最小归一化处理,获取特征分布相似度指数、特征空间对齐误差指数以及空间特征一致性指数;
基于特征分布相似度指数、特征空间对齐误差指数以及空间特征一致性指数构建特征对齐模型,输出特征对齐系数,所述特征对齐模型表示为:;
其中,表示特征对齐系数,表示特征分布相似度指数,表示特征空间对齐误差指数,表示空间特征一致性指数,表示权重系数且,所述且值越大图像特征与雷达特征越一致。
7.根据权利要求2所述的基于多相机和毫米波雷达融合的3D目标检测方法,其特征在于,融合计算效率比,表示融合过程的总计算时间,表示图像分支处理时间,表示雷达分支处理时间。