【技术实现步骤摘要】
传感器数据的基于多假设的融合
技术介绍
[0001]在一些汽车中,传感器融合系统或所谓的“融合跟踪器”组合从多个传感器获得的信息以描绘围绕可阻碍行驶的对象的边界框。相组合的传感器数据可更好地估计各种条件下每个对象在视场(FOV)内的位置。调整这些边界框的大小或者重新定位这些边界框通常涉及使用昂贵的硬件,这些硬件可关联低级跟踪并以足够的速度融合传感器数据,以支持用于自主控制或半自主控制的计算机决策。一些融合跟踪器根据误差协方差对低级跟踪进行加权。误差协方差通常从视觉相机获得,且可能不是在所有驾驶场景中都是可靠的。可使用扩展卡尔曼滤波器(EKF)降低数据融合的复杂性。为了最大化性能,EKF可以关注最线性的传感器数据;EKF可能会错过相关性,或者显得不太准确,放弃大量速度的传感器数据。
技术实现思路
[0002]本文档描述了对传感器数据的基于多假设的融合。在一个示例中,一种方法包括由传感器融合系统根据从第一组传感器获得的第一传感器数据确定多个第一对象跟踪。所述方法进一步包括由传感器融合系统根据从第二组传感器获得的第二传感器数据确定一组第二对象跟踪。在所述方法中还包括从多个伪测量类型中选择伪测量类型,选择的该伪测量类型比来自多个伪测量类型的每个其他伪测量类型更有可能是准确的,所述选择至少部分地基于与所述第一组传感器相关联的预定义的误差协方差。所述方法进一步包括使用伪测量类型来确定由多个第一对象跟踪和一组第二对象跟踪表示的边界框。所述方法接着将边界框的指示输出为:来自多个第一对象跟踪的一个或多个对象跟踪与来自一组第二对象跟踪的至少一个对 ...
【技术保护点】
【技术特征摘要】
1.一种方法,包括:由传感器融合系统根据从第一组传感器获得的第一传感器数据,来确定多个第一对象跟踪;由所述传感器融合系统根据从所述第二组传感器获得的第二传感器数据,来确定一组第二对象跟踪;从多个伪测量类型中选择伪测量类型,选择的所述伪测量类型比来自所述多个伪测量类型的每个其他伪测量类型具有更大可能性是准确的,所述选择至少部分地基于与所述第一组传感器相关联的预定义的误差协方差;使用所述伪测量类型来确定由所述多个第一对象跟踪和所述一组第二对象跟踪表示的边界框;以及将所述边界框的指示输出为:来自所述多个第一对象跟踪的一个或多个对象跟踪与来自所述一组第二对象跟踪的至少一个对象跟踪之间的匹配。2.如权利要求1所述的方法,其特征在于,所述第一组传感器与所述第二组传感器不同。3.如权利要求1所述的方法,其特征在于,所述第一组传感器包括一个或多个雷达传感器、激光雷达传感器或超声波传感器,并且所述第二组传感器包括一个或多个视觉传感器,所述一个或多个视觉传感器包括光学相机或红外相机。4.如权利要求1所述的方法,其特征在于,从所述多个伪测量类型中选择比每个其他伪测量类型具有更大可能性是准确的所述伪测量类型包括:选择第一伪测量,所述第一伪测量从由来自所述多个第一对象跟踪的所述一个或多个对象跟踪指示的雷达范围导出,并且进一步从由来自所述一组第二对象跟踪的所述至少一个对象跟踪推断出的视觉角度导出。5.如权利要求4所述的方法,其特征在于,到所述边界框的参考点(x,y)在x方向上表示为所述雷达范围与所述视觉角度的余弦之间的乘积,并且在y方向上表示为所述雷达范围与所述视觉角度的正弦之间的乘积。6.如权利要求1所述的方法,其特征在于,从所述多个伪测量类型中选择比每个其他伪测量类型具有更大可能性是准确的所述伪测量类型包括:选择第二伪测量,所述第二伪测量从由来自所述多个第一对象跟踪的所述一个或多个对象跟踪指示的雷达范围导出,并且进一步从由来自所述一组第二对象跟踪的所述至少一个对象跟踪推断出的视觉横向位置导出。7.如权利要求6所述的方法,其特征在于,到所述边界框的参考点(x,y)在x方向上表示为所述雷达范围的平方和所述视觉横向位置的平方之间的差的平方根,并且在y方向上表示为所述视觉横向位置的乘积。8.如权利要求1所述的方法,其特征在于,从所述多个伪测量类型中选择比每个其他伪测量类型具有更大可能性是准确的所述伪测量类型包括:选择第三伪测量,所述第三伪测量从包括由来自所述多个第一对象跟踪的所述一个或多个对象跟踪指示的雷达范围的雷达信息导出,并且不从由来自所述一组第二对象跟踪的所述至少一个对象跟踪推断出的视觉角度或者视觉横向位置导出。9.如权利要求8所述的方法,其特征在于,到所述边界框的参考点(x,y)在y方向上表示为所述雷达距离。
10.如权利要求1所述的方法,其特征在于,从所述多个伪测量类型中选择比每个其他伪测量类型具有更大可能性是准确的所述伪测量类型包括:确定第一伪测量的第一概率,所述第一伪测量从由来自所述多个第一对象跟踪的所述一个或多个对象跟踪所指示的雷达范围导出,并且进一步从由来自所述一组第二对象跟踪的所述至少一个对象跟踪推断出的视觉角度导出;确定第二伪测量的第二概率,所述第二伪测量从所述雷达范围导出,并且进一步从由来自所述一组第二对象跟踪的所述至少一个对象跟踪推断出的视觉横向位置导出;确定第三伪测量的第三概率,所述第三伪测量从由来自所述多个第一对象跟踪的所述一个或多个对象跟踪指示的雷达信息导出,所述雷达信息包括所述雷达距离,所述第三伪测量不进一步从所述视觉角度...
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。