【技术实现步骤摘要】
一种面向智能驾驶车辆的多传感器融合方法及系统
[0001]本专利技术属于智能驾驶车辆
,具体涉及一种面向智能驾驶车辆的多传感器融合方法及系统。
技术介绍
[0002]近年来随着汽车智能化的不断演进,智能驾驶车辆技术受到越来越多的关注。感知认知是智能驾驶车辆的关键所在,它为驾驶过程的决策过程提供判断依据,其性能的优劣直接关系到整车的控制效果。
[0003]常见的传感器有基于毫米波雷达的和基于激光雷达的;基于毫米波雷达的传感器,由于毫米波雷达航向角偏差较大,横向位置偏差大且无法获得目标体积信息。基于激光雷达的传感器在雨、雪天气下感知精度受到极大的干扰,同时激光雷达无法直接获得目标的速度信息,因此对目标速度变化不够敏感。
[0004]由于配置有单传感器的智能驾驶车辆已经无法满足复杂的驾驶环境,为提高整车的感知认知能力,多传感器配置已成为智能驾驶车辆标配。但是随着检测目标的数目变化以及不同传感器量测信息的差异,给多传感器融合又带来了新的挑战。一方面,随着传感器技术的提升,扩展目标可以占据传感器多个分辨率单元,会给数据关联方法引入组合爆炸问题;另一方面,由于毫米波雷达和激光雷达测量得到的数据在传递过程中可能存在处理时间延迟和通信延迟,进而引发由局部航迹信息错序导致的时序问题。
技术实现思路
[0005]针对现有技术存在的不足,本专利技术提出了一种面向智能驾驶车辆的多传感器融合方法及系统,该方法包括:
[0006]S1:根据GM
‑
PHD算法和探测物体的矩形目标模型 ...
【技术保护点】
【技术特征摘要】
1.一种面向智能驾驶车辆的多传感器融合方法,其特征在于,包括:S1:根据GM
‑
PHD算法和探测物体的矩形目标模型构建扩展目标跟踪器;采用扩展目标跟踪器对毫米波雷达的2维探测信息进行处理,得到探测物体的毫米波雷达航迹信息;S2:构建边界框探测器和配置有IMM
‑
UKF的JPDA跟踪器;采用边界框探测器和配置有IMM
‑
UKF的JPDA跟踪器对激光雷达的3维探测信息进行处理,得到探测物体的激光雷达航迹信息;S3:采用时空间转换将毫米波雷达航迹信息和激光雷达航迹信息进行处理,得到中心融合节点;采用IMF算法对中心融合节点进行处理,得到全局航迹信息;根据全局航迹信息实现对探测物体的跟踪。2.根据权利要求1所述的一种面向智能驾驶车辆的多传感器融合方法,其特征在于,构建扩展目标跟踪器的过程包括:根据探测物体的矩形目标模型得到探测物体的矩形扩展目标状态;根据探测物体的矩形扩展目标状态,采用GM
‑
PHD算法计算k时刻多目标预测PHD和k时刻多目标后验PHD,得到扩展目标跟踪器。3.根据权利要求2所述的一种面向智能驾驶车辆的多传感器融合方法,其特征在于,矩形扩展目标状态表示为:ξ=(γ,x,X)其中,ξ表示探测物体扩展目标的状态,γ表示探测物体扩展目标的量测率状态,x表示探测物体扩展目标的运动状态,X表示探测物体扩展目标的扩展状态。4.根据权利要求1所述的一种面向智能驾驶车辆的多传感器融合方法,其特征在于,构建边界框探测器的过程包括:采用基于RANSAC平面拟合算法对激光雷达数据进行预处理,得到目标点云;采用欧几里得算法对目标点云进行聚类;根据聚类的目标点云构建边界框探测器的状态向量,进而得到边界框探测器。5.根据权利要求4所述的一种面向智能驾驶车辆的多传感器融合方法,其特征在于,边界框探测器的状态向量为:其中,x
′
表示状态向量,x表示探测目标的横坐标,y表示探测目标的纵坐标,v表示探测目标的速度,θ表示探测目标的方向角,ω表示探测目标的角速度,z表示探测目标的垂向坐标,表示探测目标的垂向速度,L表示探测目标的长度,W表示探测目标的宽度,H表示探测目标的高度。6.根据权利要求1所述的一种面向智能驾驶车辆的多传感器融合方法,其特征在于,构建配置有IMM
‑
UKF的JPDA跟踪器的过程包括:配置有IMM
‑
UKF的JPDA跟踪器由输入交互模块、UKF滤波模块、概率更新模块、JPDA数据关联模块以...
【专利技术属性】
技术研发人员:石钧仁,高俊,朴昌浩,许林,何维晟,邵慧爽,孙荣利,李珂欣,苏永康,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
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。