本发明专利技术请求保护一种基于目标特征的智能车辆多激光雷达融合识别方法，涉及智能车辆环境感知领域。包括的步骤如下：1.对采集的数据进行预处理，提取目标几何特征，判定目标类别；2.计算目标几何相似度，根据相似度进行目标匹配；3.采用基于距离加权融合的方法对目标几何特征进行融合；4.采用基于多特征的目标跟踪方法对目标进行跟踪，获取目标相对运动特征；5.利用卫星定位系统采集的车辆运动特征，获得目标绝对运动特征；6.根据目标绝对运动特征以及目标特征模型对目标类别进行修正；7.栅格化目标特征，并进行栅格表示。本发明专利技术利用目标特征对多激光雷达进行融合，提升了系统对目标的识别能力，增强车辆行驶过程中的安全性。
【技术实现步骤摘要】
本专利技术属于智能车辆环境感知
，涉及多传感器融合技术，主要是基于目 标特征的智能车辆多激光雷达融合识别方法。
技术介绍
智能车辆是一个具有环境感知、规划决策、操作控制等功能，并且能实现无人驾驶 的车辆。它能依靠自身的多种传感器实时采集车辆周围的道路、障碍信息实现无人驾驶以 及自动避障，从而减少交通事故，提高交通安全性。 其中，环境感知技术是智能车辆中的难点和关键点。传统的环境感知中，单一的传感器由于各自具有一定的局限性，已经不能为系统 提供足够的环境信息;所以如何利用多种传感器进行数据融合，提高智能车辆的环境感知 能力具有重要意义与实用价值。 中国专利申请：一种智能车辆中多激光雷达数据融合系统和方法（【申请号】 201210309515.0) 公开了一种智能车辆中多激光雷达数据融合系统，包括规划决策上位机、 多激光雷达融合的上位机、1个四线雷达、4个单线激光雷达、路由器;该系统将障碍物信息 分别通过网口和串口传输到多激光雷达融合的上位机进行融合，然后将信息传递给决策上 位机。该系统虽然可以提供障碍信息给上位机，但是其结构复杂，成本较高，实用性受限制。 中国专利申请:一种基于无人驾驶汽车的多激光雷达栅格地图融合系统（【申请号】 201410252993.1) 公开了一种无人驾驶汽车的多激光雷达栅格地图融合系统，包括激光雷 达、交换机和工控机;其激光雷达融合方法主要利用栅格化编码的不同进行数据融合。该系 统只是考虑了采用栅格对障碍进行编码，未考虑针对不同目标进行栅格化情况。 中国专利申请：一种基于多激光雷达的行人目标跟踪方法（【申请号】 201110107137.3)公开了一种基于多激光雷达的行人目标跟踪方法，该系统建立行人的脚 步运动模型，并通过卡尔曼滤波对行人运动状态进行跟踪，最终获得稳定的目标轨迹和相 关统计信息。该系统虽然能较好检测出行人信息，但未考虑车辆，静态障碍物等特征目标。 中国专利申请：一种基于多传感器的汽车感知系统及感知方法（【申请号】 201410080250.0)公开了一种基于多传感器的汽车感知系统及感知方法，多个超声波传感 器、单线激光雷达，MCU;该系统通过结合超声波传感器和激光雷达二个优先级别的传感器， 采用二级关系保证汽车行驶过程中最大限度保证检测的实时性。该系统虽然能够保证较高 的实时性，但不能区分目标类别。 本专利技术针对传统的智能车辆多激光雷达数据融合方法:栅格地图融合法，对目标 类别识别能力的不足的问题。提出一种利用目标特征物来实现多种激光雷达数据融合的方 法。本专利技术考虑了目标几何特征和运动特征对多传感器融合的影响，根据目标相似度对进 行目标匹配、融合，提升了系统对目标的识别能力。该系统结构简单，实用范围性更加广泛， 扩展性高，能满足多种实际情况的需求。
技术实现思路
针对以下现有的不足，提出了一种提升多激光雷达融合系统对目标的感知能力， 增强智能车辆在无人驾驶以及辅助驾驶中的安全性的基于目标特征的智能车辆多激光雷 达融合识别方法。本专利技术的技术方案如下：一种基于目标特征的智能车辆多激光雷达融合 识别方法，其包括以下步骤： 步骤1、对采集的若干智能车辆的传感器数据进行预处理，然后提取目标几何特 征，判定目标的类别；步骤2、计算目标的几何相似度，根据几何相似度进行目标匹配； 步骤3、采用基于距离加权融合的方法对目标几何特征进行融合； 步骤4、采用基于多特征的目标跟踪方法对目标进行跟踪，获取目标相对运动特 征； 步骤/5、利用卫星定位系统采集车辆的运动特征，获得目标绝对运动特征； 步骤6、根据目标绝对运动特征以及目标特征模型对目标类别进行修正； 步骤7、栅格化目标特征，并进行栅格表示。 进一步的，步骤1所述对采集的若干智能车辆的传感器数据进行预处理，包括步 骤：（1)建立车辆坐标系，并将智能车辆的传感器数据坐标变换到车辆坐标系；（2)去除车辆 坐标系感知范围外的目标；（3)激光雷达扫描点的聚类采用基于距离的聚类方法进行聚类 分析。 进一步的，所述步骤1所述目标特征是由三种特征组成：目标几何特征，运动特征， 信息特征。其中目标几何特征包括：目标中心的坐标，目标长度，目标宽度，目标包含的特征 线段数，线段间夹角，目标类别；运动特征包括：目标速度，目标运动方向信息；信息特征包 括：目标编号，采集雷达编号，融合标志。 进一步的，几何特征提取方法:首先利用IEPF算法和最小二乘法对聚类目标提取， 获得聚类分割起始点，线段数，线段夹角；目标的类别利用目标模型对目标进行判定。进一步的，所述步骤2中计算目标的几何相似度，为距离相似度，面积相似度，线段 相似度三种的权重相加。进一步的，步骤3在融合时只对目标中心的坐标，目标长度、目标宽度三种几何特 征进行融合。 进一步的，所述步骤4包括:在数据关联时利用多特征计算出候选目标的关联概 率，然后根据关联概率进行目标与跟踪器的关联，最后采用卡尔曼滤波进行状态估计。 进一步的，所述步骤6根据目标绝对运动特征以及目标特征模型对目标类别进行 修正，其模型规则如下：：车辆，速度>l〇km/h;行人，速度3.6kmh-7km/h;自行车:速度6km/h-25km/h;其他动态目标:速度>3km/h;静态障碍物:速度<2km/h。 进一步的，所述步骤7栅格化目标特征，并进行栅格表示具体为：系统栅格地图生成时，选取规格为20cm*20cm的单位栅格对目标感知范围进行栅 格化，组成775*110的栅格地图，每个栅格的数据采用:栅格名称，状态，目标类别，百分比的 数据格式进行表示，其中栅格状态分为占据和未占据；目标类别分为五种目标:车辆，行人， 自行车，动态目标和静态障碍物;百分比代表目标所占栅格的百分比。 本专利技术的优点及有益效果如下： 本专利技术提出一种基于目标特征的智能车辆多激光雷达融合识别系统和方法。本发 明考虑目标特征在数据融合过程中影响，一方面通过计算目标几何相似度，进行目标匹配 及融合，能够解决融合过程中目标形状特征信息丢失等问题，扩展车辆对目标的感知能力； 另一方面通过特征相似度计算特征目标的关联概率，并通过卡尔曼滤波获取目标运动特 征，对目标类别进行修正，提高目标识别精度与可靠性。 过上述两个方面，本专利技术可以有效提高多激光雷达融合系统对目标的类别的感知 能力，增强智能车辆在无人驾驶以及辅助驾驶中的安全性，具有重要意义与实用价值。【附图说明】 图1.图1是本专利技术提供优选实施例基于目标特征的智能车辆多激光雷达数据融合 系统总体框架； 图2.本专利技术基于目标特征的智能车辆多激光雷达数据融合方法步骤流程图； 图3.本专利技术基于目标特征的智能车辆多激光雷达数据融合方法几何目标特征提 取流程图； 图4.本专利技术基于目标特征的智能车辆多激光雷达数据融合方法基于多特征的目 标跟踪算法流程图。【具体实施方式】 本专利技术提出一种基于目标特征的智能车辆多激光雷达融合识别系统和方法，该系 统和方法利用目标特征对多激光雷达进行融合，提升融合后系统对目标的感知能力，增强 智能车辆在无人驾驶以及辅助驾驶中的安全性。以当前第1页1 2 3 本文档来自技高网...
【技术保护点】
一种基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，包括以下步骤：步骤1、对采集的若干智能车辆的传感器数据进行预处理，然后提取目标几何特征，判定目标的类别；步骤2、计算目标的几何相似度，根据几何相似度进行目标匹配；步骤3、采用基于距离加权融合的方法对目标几何特征进行融合；步骤4、采用基于多特征的目标跟踪方法对目标进行跟踪，获取目标相对运动特征；步骤5、利用卫星定位系统采集车辆的运动特征，获得目标绝对运动特征；步骤6、根据目标绝对运动特征以及目标特征模型对目标类别进行修正；步骤7、栅格化目标特征，并进行栅格表示。
【技术特征摘要】
【专利技术属性】
技术研发人员：李银国，田甄，岑明，邓永生，冯辉宗，赵文旋，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。