一种车载传感器系统的闭环协同调度框架及调度方法技术方案

本发明专利技术属于多传感器管理领域,具体涉及一种车载传感器系统的闭环协同调度框架及调度方法。所述的闭环协同调度框架，包括传感器集合层、决策层和融合层；传感器集合层表示异构的传感器资源集合。融合层结合环境因素以及传感器的观测数据，对目标进行状态估计以及下一个时刻的状态预测，并生成相应的目标态势图像。决策层利用融合层提供的数据信息以及目标态势图像，进行平台路径规划，产生的环境观测需求传递给车载传感器系统。决策层根据平台路径规划结果产生传感器的调度命令，指导传感器集合进行动作更新，实现复杂多变的环境下多传感器的精确探测和追踪。本发明专利技术实现传感器资源的高效分配，最终实现多传感器探测、目标追踪的风险最小化。

A Closed-Loop Cooperative Scheduling Framework and Scheduling Method for Vehicle Sensor System

The invention belongs to the field of multi-sensor management, in particular to a closed-loop cooperative scheduling framework and a scheduling method of a vehicle-mounted sensor system. The closed-loop cooperative scheduling framework includes sensor aggregation layer, decision layer and fusion layer, and the sensor aggregation layer represents heterogeneous sensor resource aggregation. The fusion layer combines environmental factors and sensor observation data to estimate the state of the target and predict the state of the next moment, and generates the corresponding target situation image. The decision-making layer uses the data information provided by the fusion layer and the target situation image to plan the platform path, and the resulting environmental observation requirements are transmitted to the vehicle sensor system. The decision-making layer generates sensor scheduling commands according to the platform path planning results, instructs the sensor set to update its actions, and achieves accurate detection and tracking of multi-sensors in complex and changeable environments. The invention realizes the efficient allocation of sensor resources, and ultimately realizes the risk minimization of Multi-sensor Detection and target tracking.

【技术实现步骤摘要】
一种车载传感器系统的闭环协同调度框架及调度方法
本专利技术属于多传感器管理领域,具体涉及一种车载传感器系统的闭环协同调度框架及调度方法。
技术介绍
进入20世纪70年代以后，多传感器系统大量涌现。相对于单传感器，多传感器系统可以获得更多、更精确的观测信息。20世纪中后期，多传感器系统结合不同的平台形成车载传感器平台，并开始广泛应用于目标跟踪领域。由于环境的多变性、目标状态变化的不确定，需要对多传感器进行合理的配置以实现对目标的精确、稳定追踪，多传感器管理的研究因此受到更广泛的关注。合理有效的传感器管理策略一方面能够实现对传感器资源最有效的利用，另一方面也可以减轻操作员负担，最终实现目标跟踪任务的效能最大化。目标跟踪是指通过对传感器的观测信息进行融合，得到目标的状态估计并对目标进行下一个时刻状态预测，这些估计以及预测信息通过人机交互界面呈现为目标的态势图像，并用于指导平台路径规划，从而实现对目标的精确定位与追踪。传感器通过对当前环境的观测给出合适的调度方案，进行目标识别、分类随着多传感器系统应用的场景越来越复杂化，数据融合得到的目标状态图像很快失效，转瞬即逝以及不易辨别的目标需要传感器本文档来自技高网...

【技术保护点】
1.一种车载传感器系统的闭环协同调度框架，其特征在于，包括传感器集合层、决策层和融合层；传感器集合层表示异构的传感器资源集合，传感器包括雷达、红外传感器和成像传感器；雷达、红外传感器和成像传感器执行决策层的命令，并产生观测数据；车载传感器系统在工作环境中运作，工作环境包括被跟踪目标本身及影响其行为、表现和结果的环境因素；融合层结合环境因素以及传感器的观测数据，对目标进行状态估计以及下一个时刻的状态预测，并生成相应的目标态势图像；决策层利用融合层提供的数据信息以及目标态势图像，进行平台路径规划，产生的环境观测需求传递给车载传感器系统；决策层根据平台路径规划结果产生传感器的调度命令，指导传感器集合...

【技术特征摘要】
1.一种车载传感器系统的闭环协同调度框架，其特征在于，包括传感器集合层、决策层和融合层；传感器集合层表示异构的传感器资源集合，传感器包括雷达、红外传感器和成像传感器；雷达、红外传感器和成像传感器执行决策层的命令，并产生观测数据；车载传感器系统在工作环境中运作，工作环境包括被跟踪目标本身及影响其行为、表现和结果的环境因素；融合层结合环境因素以及传感器的观测数据，对目标进行状态估计以及下一个时刻的状态预测，并生成相应的目标态势图像；决策层利用融合层提供的数据信息以及目标态势图像，进行平台路径规划，产生的环境观测需求传递给车载传感器系统；决策层根据平台路径规划结果产生传感器的调度命令，指导传感器集合进行动作更新，实现复杂多变的环境下多传感器的精确探测和追踪。2.根据权利要求1所述的闭环协同调度框架的协同调度方法，其特征在于，步骤如下：第一步：平台路径规划步骤1：融合层计算时刻k传感器观测前的期望Fisher信息矩阵时刻k观测前的Fisher信息矩阵需要根据时刻k-1的目标状态进行预测，如式(2)所示：其中πj(k)表示时刻k轨道j的观测概率，Pj(k|k-1)表示轨道协方差；对于真实轨道，πj(k)和Pj(k|k-1)由融合层的MHT直接给出；对于伪轨道，πj(k)计算公式如式(1)所示；Pj(k|k-1)通过人为输入得到，使得其3-σ误差椭圆处于预期的搜索单元内；σ为标准差常数；其中πD(k,s,j)是传感器s在时刻k处检测伪轨道j的概率；步骤2：融合层计算时刻k传感器观测之后得到的期望更新Fisher信息矩阵其中πj(k)表示时刻k轨道j的观测概率，πD(k,s,j)是传感器s在时刻k处检测伪轨道j的概率，H(k,s,j)表示传感器s在时刻k处观测轨道j的观测矩阵，H(k,s,j)T为观测矩阵的转置矩阵，R-1(k,s,j)表示传感器s在时刻k处观测轨道j的观测噪声协方差矩阵的逆矩阵；步骤3：融合层计算时刻k由于传感器观测产生的信息增益步骤4：融合层计算时刻k+1的预测期望Fisher信息矩阵其中F(k)表示基于目标运动模型的状态转移矩阵，表示时刻k观测后期望更新的Fisher信息矩阵的逆矩阵，F(k)T表示状态转移矩阵的转置矩阵，Q(k)表示过程噪声的协方差矩阵；步骤5：融合层计算时刻k+1的预测期望更新Fisher信息矩阵其中πj(k)表示时刻k轨道j的观测概率，πD(k+1,s,j)是传感器s在时刻k+1处检测伪轨道j的概率，H(k+1,s,j)表示传感器s在时刻k+1处观测轨道j的观测矩阵，H(k+1,s,j)T为观测矩阵的转置矩阵；R-1(k+1,s,j)表示传感器s在时刻k+1处观测轨道j的观测噪声协方差矩阵的逆矩阵；步骤6：融合层...

【专利技术属性】
技术研发人员：史彦军，林娜，张同亮，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21