一种面向智能驾驶车辆的多传感器融合方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115061139A(43)申请公布日2022.09.16(21)申请号202210768001.5G06T7/20(2017.01)(22)申请日2022.07.01(71)申请人重庆邮电大学地址400065重庆市南岸区南山街道崇文路2号(72)发明人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(74)专利代理机构重庆辉腾律师事务所50215专利代理师王诗思(51)Int.Cl.G01S13/931(2020.01)G01S13/86(2006.01)G01S17/931(2020.01)G06V20/52(2022.01)权利要求书2页说明书7页附图2页(54)发明名称一种面向智能驾驶车辆的多传感器融合方法及系统(57)摘要本发明属于智能驾驶车辆技术领域，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；该方法包括：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探测信息进行处理，得到探测物体的毫米波雷达航迹信息；采用构建的边界框探测器和配置有IMM‑UKF的JPDA跟踪器对激光雷达的探测信息进行处理，得到探测物体的激光雷达航迹信息；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；本发明解决了数据关联方法引入的组合爆炸以及由不同传感器局部航迹信息错序导致的时序问题。CN115061139ACN115061139A权利要求书1/2页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数据关联模块以及输出融合模块构成；输入交互模块根据UKF滤波模块中的UKF滤波器在k时刻的第一状态估计和第一协方差矩阵计算第二状态估计和第二协方差矩阵并输出；UKF滤波模块中的UKF滤波器根据输入交互模块的输出和k时刻的有效观测向量，输出k+1时刻的第三状态估计和第三协方差矩阵；2CN115061139A权利要求书2/2页概率更新模块根据UKF滤波模块的残差信息，计算k+1时刻运动模型的条件概率；JPDA数据关联模块根据第三状态估计、第三协方差矩阵和目标在运动模型下的第一测量信息，计算目标k+1时刻在运动模型下的第二测量信息；输出融合模块根据k+1时刻运动模型的条件概率、第二测量信息、第三状态估计和第三协方差矩阵计算融合后的状态估计和协方差矩阵