一种智能汽车的目标级多传感器融合方法技术

本发明专利技术属于传感器融合技术领域，具体涉及一种智能汽车的目标级多传感器融合方法；将智能汽车配备的多个传感器对目标的目标级检测信息进行时空配准，即目标的位置、速度、加速度信息，通过对多传感器检测到的所有目标进行全局跟踪，并对重复检测到的目标进行融合，使融合中心能够得到各个传感器检测范围内的所有目标的连续运动轨迹，再对全体目标进行航迹管理，筛除航迹管理后本周期所有目标中的备选新目标，即航迹生成判断还没完成的目标，将其余目标及其运动状态作为本周期融合中心最终输出的多传感器融合的障碍物检测结果。本发明专利技术可实现对车辆周围目标进行稳定、准确地检测和跟踪，并且可避免对重叠检测区域的目标重复检测等问题。

【技术实现步骤摘要】
一种智能汽车的目标级多传感器融合方法
本专利技术属于传感器融合
，具体涉及一种智能汽车的目标级多传感器融合方法。
技术介绍
随着汽车智能化与自动化的快速发展，汽车自动驾驶
已经越来越受到人们的关注。环境感知是汽车自动驾驶中重要而必不可缺的环节，为了满足汽车自动驾驶的需求，智能汽车环境感知系统需要对车辆周围交通环境中的车辆、行人、自行车等物体进行全面、准确的感知和探测。为了满足自动驾驶的环境感知需求，车辆上往往配置有多个甚至多种环境传感器，比如毫米波雷达、相机传感器等。由于各个传感器都有各自的探测范围，在车辆上布置时，难免会有检测的重叠区域甚至会有盲区，导致对目标检测的丢失或重复检测。因此，如何使多个或多种传感器协同工作，为自动驾驶的规划控制层提供全面、准确的环境感知信息是当前环境感知系统所面临的难题。
技术实现思路
为了克服上述问题，本专利技术提供一种智能汽车的目标级多传感器融合方法，将智能汽车配备的多个传感器对目标的目标级检测信息作为输入，即目标的位置、速度、加速度信息，通过对多传感器检测到的所有目标进本文档来自技高网...

【技术保护点】
1.一种智能汽车的目标级多传感器融合方法，其特征在于包括如下步骤：/n步骤一、时空配准：对各传感器检测数据进行预处理，具体包含如下内容：/n1、坐标转换：/n将各传感器对目标的测量值统一至车辆坐标系下，其中坐标转换公式如下：/n

【技术特征摘要】
1.一种智能汽车的目标级多传感器融合方法，其特征在于包括如下步骤：
步骤一、时空配准：对各传感器检测数据进行预处理，具体包含如下内容：
1、坐标转换：
将各传感器对目标的测量值统一至车辆坐标系下，其中坐标转换公式如下：



其中，D为传感器的安装角度，即在水平面中传感器探测范围的中心方向与车辆行驶方向间的夹角，posx和posy为传感器在车辆坐标系中的安装位置；xveh,vxveh,axveh,yveh,vyveh,ayveh分别指车辆坐标系下目标与本车之间的纵向距离，相对纵向速度，相对纵向加速度，横向距离，相对横向速度和相对横向加速度；xsen,vxsen,axsen,ysen,vysen,aysen分别指传感器坐标系下传感器检测到的目标与传感器之间的纵向距离，相对纵向速度，相对纵向加速度，横向距离，相对横向速度和相对横向加速度；
2、时间同步：
根据融合中心接收到传感器数据的时刻与融合中心当前工作时刻之间的差值，对车辆坐标系下目标和本车之间的纵向距离，相对纵向速度，相对纵向加速度，横向距离，相对横向速度和相对横向加速度在这段时间差内发生的变化进行补偿，得到车辆坐标系下补偿之后目标与本车之间的纵向距离，相对纵向速度，相对纵向加速度，横向距离，相对横向速度和相对横向加速度构成的目标运动状态；
步骤二、目标全局跟踪与融合：
对各个传感器检测到的所有目标进行全局跟踪，并对重复检测到的目标进行融合，使融合中心能够得到各个传感器检测范围内的所有目标的连续运动轨迹，即运动状态，具体包含如下步骤：
1、目标关联：
将各个传感器检测到的每个目标都记为测量目标，并将每个测量目标分别与全部历史目标进行关联匹配并判断；关联匹配成功的测量目标将会用于与之匹配的历史目标的运动状态更新，关联失败的测量目标均记为备选新目标；
2、状态估计与新目标生成：
对于与历史目标关联匹配成功的测量目标，根据其所关联的历史目标的运动状态估计值应用卡尔曼滤波原理对该历史目标在本周期的运动状态和协方差进行估计，而且对于同时与多个测量目标关联匹配成功的历史目标还需要进行目标融合；
3、航迹管理：
对全体目标进行航迹管理，航迹管理具体过程如下：
对本周期的关联失败所形成的备选新目标和历史目标中还未判断其航迹生成成功的目标进行航迹生成判断，其中判断航迹生成成功的原则是：该目标连续3个周期与与其对应的历史目标关联匹配成功；
对于航迹生成成功的目标，之后的每个周期都要对其进行航迹消亡判断，其中航迹消亡成功的判断准则是：该目标连续5个周期与与其对应的历史目标关联匹配失败；
在全体目标中删除航迹生成失败和航迹消亡成功的目标，得到航迹管理后本周期的所有目标及其运动状态；
4、目标运动状态预测：
将航迹管理后得到的目标作为下一周期的历史目标，根据CA运动学模型对这些目标在下一周期的运动状态和协方差进行预测，并将预测结果用于步骤二中作为下一周期的目标关联，运动状态和协方差的预测公式如下：



P(k+1|k)＝AP(k|k)AT+Q
其中，P(k+1|k)分别为根据本周期的目标运动状态预测得到的历史目标的下一周期的运动状态和协方差。
步骤三、输出管理：
以航迹管理模块输出的本周期所有目标及其运动状态作为输入，筛除其中的备选新目标，即航迹生成判断还没完成的目标；将其余目标及其运动状态作为本周期融合中心最终输出的多传感器融合的障碍物检测结果。


2.根据权利要求1所述的一种智能汽车的目标级多传感器融合方法，其特征在于所述步骤一中的时间同步是将目标和本车在融合中心接收传感器数据的时刻与融合中心当前工作时刻之间的时间差所造成的运动状态变化使用CA模型进行补偿，补偿公式如下：



其中，xcom,vxcom,axcom,ycom,vycom,aycom分别指车辆坐标系下补偿之后目标与本车之间的纵向距离，相对纵向速度，相对纵向加速度，横向距离，相对横向速度和相对横向加速度；Δt表示融合中心接收传感器数据的时刻与融合中心当前工作时刻之间的时间差。


3.根据权利要求2所述...

【专利技术属性】
技术研发人员：蔡坤阳，曲婷，赖锋，曲文奇，高炳钊，陈虹，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22