【技术实现步骤摘要】
本专利技术属于移动通信，涉及一种智能网联汽车协同感知及数据融合方法。
技术介绍
1、cav作为第六代移动通信(sixth generation,6g)的关键垂直应用改善着人们的交通出行，cav配备有超声波雷达、激光雷达和立体相机等尖端传感器车载传感器、通信模块以及车载本地计算单元(vehicle local computing，vlc)，以此来提高感知能力和车辆自身计算能力。由于驾驶期间不可避免的遮挡闭塞，单个cav感知数据有限并且感知场景单一，无法感知动态或静态障碍物。因此，为解决这一问题，通过rsu与多辆cav的协同感知可以扩大cav的roi范围。
2、多辆cav和rsu协同感知可以扩大车辆roi范围。车辆具有多传感器数据采集、处理和连接的能力，来支持先进的多车辆异质感知数据融合应用程序，从而获得周围环境的知识。然而，目前的研究主要集中在使用同种类型传感器产生的感知数据，缺乏不同类别传感器产生多源异质数据融合问题的解决方案。
3、此外，由于异质感知数据的多样性和融合应用的复杂性，将一些感知数据融合应用处理放在cav上执行可能会导致负担过重。为了应对高计算复杂性，引入车载边缘计算(vehicle edge computing，vec)服务器与rsu搭配使用，cav的vlc服务器也可用于支持感知融合任务处理。
4、基于上述问题，本专利技术设计了一种智能网联汽车协同感知及数据融合方法。首先，设计一个多源异质感知融合的双层网络模型，使得车辆和rsu既能感知环境信息，还能处理感知融合任务。其次，提出
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种智能网联汽车协同感知及数据融合方法，用于解决车路协同自动驾驶场景中多源感知数据融合任务划分问题，以及边缘卸载通信时延长的问题。
2、为达到上述目的，本专利技术提供如下技术方案：
3、第一方面，本专利技术实施例根据网络场景特性，提供了一种智能网联汽车协同感知及数据融合方法，应用于一个或多个cav，该方法包括以下步骤：
4、s1：构建两层多源异质感知数据融合的网络模型；
5、s2：设计macp的群体协同感知方案；
6、s3：提出双分支融合任务划分模型；
7、s4：提出基于drl的卸载优化算法。
8、第二方面，本专利技术实施例在s1中，建立一种基于多源异质感知融合卸载的双层网络模型：边缘层由多个配备有vec的rsu组成，并且其操作由宏基站(macro base station,mbs)控制；用户层由多个配备有车载单元(on-board unit,obu)、vlc服务器和各种传感器的cav组成，每个cav具有良好的感知能力和计算资源，能够获得丰富的感知数据。
9、第三方面，本专利技术实施例在s2中，提出一种基于macp的群体协同感知方案，使得cav间协同感知周边环境从而获得丰富的感知信息，以辅助车辆roi的重构和扩展。首先，cav自主将信息周期性传递给rsu，其中，上传的信息包括cav的位置信息和感知能力。rsu会根据收到的信息对区域内所有的车辆进行划分，并动态调整协同感知策略，其中包括选择车辆感知周边环境和调整传感器视角。最后，rsu将协同感知策略返回给车辆。
10、第四方面，本专利技术实施例在s3中，提出一种双分支融合任务划分模型。vi,k表示cavi中融合任务k，其中k∈k表示cavi的任务。本专利技术主要考虑8类子任务，解码和调整大小、编码、ssd-mobilenet v2、resnet-18表示处理图片数据的任务类型，坐标系变换、rangenet++、sdmnet表示处理点云数据的任务类型，fclayer表示rsu匹配决策任务类型
11、对于cavi的融合任务模型，即gi(vi,ei)。vi表示cavi内的任务节点集合cavi创建的任务k可以描述为其中，di,k是表示任务vi,k的输入数据大小。ci,k表示完成任务vi,k的计算资源量，表示完成任务vi,k的最大时延。ei表示任务间的依赖关系。
12、在任务卸载时，需要考虑任务的内在依赖性。通过选择任务依赖性模型，车辆将首先在本地计算一些任务，然后将下一个要计算的任务以及该任务的后驱任务卸载到rsu，最后，rsu将处理其余子任务的计算。为此，首先评价任务处理的优先级，构建本地任务优先级队列；再根据车辆的融合任务处理截止时间更新全局任务优先级队列。
13、第五方面，本专利技术实施例在s4中，提出一种基于drl的多源融合任务卸载算法。其主要包括训练actor网络获得边缘关联和任务调度优先级的联合策略、以及通过critic网络给出估计值以评估联合策略的性能，从而最小化多源融合任务处理时延。其中考虑任务内在依赖性和车辆的移动性等要素。
14、本专利技术的有益效果在于：
15、本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
本文档来自技高网...【技术保护点】
1.智能网联汽车协同感知及数据融合方法，其特征在于：该方法根据网络场景特性，设计基于多源异质感知数据融合和多智能体群体协同感知方案，同时通过双分支融合任务划分模型，基于深度强化学习(Deep Reinforcement Learning，DRL)优化融合任务处理时延，该方法包括以下步骤：
2.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述S1中，构建一种基于多源异质感知融合的双层网络模型；每个智能网联汽车(Connectedand AutomatedVehicle,CAV)基于多重传感器感知道路数据，获得丰富的感知数据；车辆服务商通过路测单元(Road Side Unit，RSU)发布感知任务。
3.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述S2中，提出一种基于多智能体群体协作感知(Multi-agent Collaborative Perception，MACP)的群体协同感知的方案，以辅助车辆完成感兴趣区域(Range ofInterest，ROI)的重构和扩展；首先，CAV将当前位置信息及感
4.据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述S3中，提出一种双分支融合任务划分模型；在此任务划分模型中，由于将图片数据和点云数据融合任务的复杂度高；根据输入数据的不同，将其划分成不同任务类型，实现图片数据和点云数据的任务划分。
5.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在S所述3中，当输入为图片数据时，其任务为每个CAV上的对象检测和多个CAV的对象匹配；当输入为点云数据时，其任务包括每个CAV上对象的定位，以及整合多个CAV上同一对象的信息。
6.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述S3中，考虑单个CAV任务的内在依赖性，设计一种任务依赖性评价算法，获得任务优先级表，具有最高优先级的任务将优先执行。
7.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述S4中，基于Actor-Critic框架，提出一种基于DRL的多源融合任务卸载，通过训练Actor-Critic网络，生成边缘关联和任务调度优先级的联合策略，最大化奖励函数，从而最小化多源融合任务处理时延；其中考虑任务内在依赖性和车辆的移动性。
...【技术特征摘要】
1.智能网联汽车协同感知及数据融合方法，其特征在于：该方法根据网络场景特性，设计基于多源异质感知数据融合和多智能体群体协同感知方案，同时通过双分支融合任务划分模型，基于深度强化学习(deep reinforcement learning，drl)优化融合任务处理时延，该方法包括以下步骤：
2.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述s1中，构建一种基于多源异质感知融合的双层网络模型；每个智能网联汽车(connectedand automatedvehicle,cav)基于多重传感器感知道路数据，获得丰富的感知数据；车辆服务商通过路测单元(road side unit，rsu)发布感知任务。
3.根据权利要求1所述的智能网联汽车协同感知及数据融合方法，其特征在于：在所述s2中，提出一种基于多智能体群体协作感知(multi-agent collaborative perception，macp)的群体协同感知的方案，以辅助车辆完成感兴趣区域(range ofinterest，roi)的重构和扩展；首先，cav将当前位置信息及感知能力定期传递给rsu；其次，rsu将根据收到的信息对区域内所有的车辆进行划分，并动态调整群体感知策略；最后，rsu将群体感知策略返回给cav，cav间根据该策略感知环境信息，从而...
【专利技术属性】
技术研发人员：黄晓舸，余采薇，黎文静，李俊异，陈前斌，
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。