一种基于多传感器信息融合的道路环境综合认知方法技术

本发明专利技术公开了一种基于多传感器信息融合的道路环境综合认知方法，包括S1、配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；S2、基于S1中获取的各个车辆所在的距离门位置，将速度与每个位置上的车辆一一对应；S3、标定毫米波雷达测量数据与能见度之间的函数关系；S4、对监控数据进行车辆识别、计数和态势显示，实时判断道路是否发生拥堵、事故或道路结冰状况；S5、配置能见度传感器；S6、配置气象6要素传感器S7、结合卷积神经网络进行多传感器数据融合，以实现对道路环境的综合认知判断。以实现对道路环境的综合认知判断。以实现对道路环境的综合认知判断。

【技术实现步骤摘要】
一种基于多传感器信息融合的道路环境综合认知方法


[0001]本专利技术属于毫米波雷达信号处理的
，具体涉及一种基于多传感器信息融合的道路环境综合认知方法。

技术介绍

[0002]道路交通事故作为危害人身安全的重要因素之一，每年造成巨大经济损失，长期以来受到社会各界和各部门的重视。
[0003]目前对道路环境的测量和认知主要由交通流量、天气气象信息、交通事件、交通管制信息、施工信息、拥堵情况几种信息构成。对于每种信息，均有不同的传感器进行测量和监控，如摄像头、能见度仪、气象传感器等。传感器的增加在获得更加丰富和精确的道路环境数据的同时，也带来了传感器功能重叠、设备安装分散、各类标准繁多、数据传输不同步、传感器数据利用不充分等问题，在覆盖交通道路和智能化道路发展过程中，存在“重建设、轻运营维护和统筹管理”的问题。目前已使用单一某个传感器无法实现对各种实际情况中的道路环境信息的准确认知，以及大规模大范围部署。

技术实现思路

[0004]本专利技术的目的在于针对现有技术中的上述不足，提供一种基于多传感器信息融合的道路环境综合认知方法，以解决或改善上述的问题。
[0005]为达到上述目的，本专利技术采取的技术方案是：
[0006]一种基于多传感器信息融合的道路环境综合认知方法，其包括以下步骤：
[0007]S1、配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；对于多帧内的多目标进行航迹关联，获取车辆的行进轨迹；
[0008]S2、基于S1中获取的各个车辆所在的距离门位置，在原始雷达回波中通过在距离维和多普勒维的傅里叶变换获取到车辆的实时行进速度信息，并将速度与每个位置上的车辆一一对应；
[0009]S3、标定毫米波雷达测量数据与能见度之间的函数关系；
[0010]S4、配置数字摄像头并结合数字图像处理算法，对监控数据进行车辆识别、计数和态势显示，实时判断道路是否发生拥堵、事故或道路结冰状况；当能见度低于阈值时；
[0011]S5、配置能见度传感器，实时将能见度数据传输至上位机，并实时显示能见度异常数据；
[0012]S6、配置气象6要素传感器，实时上传风速、温度、湿度、气压、雨量、和光照6要素气象数据；
[0013]S7、根据S1至S6中的多传感器数据构建数据集，并结合卷积神经网络进行多传感器数据融合，以实现对道路环境的综合认知判断。
[0014]进一步地，步骤S1中配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；对于多帧内的多目标进行航迹关联，获取车辆的行进轨迹，具体包括：
[0015]配置毫米波雷达参数：
[0016][0017]其中，R
res
为距离分辨率，c为真空中的光速3
×
108m/s，B为雷达带宽；
[0018]经过低通滤波器后得到回波信号与发射信号的差频信号S
b
，在其距离向快时间做傅里叶变换进行去调频处理得到差频f
IF
，根据频率与距离的换算计算目标所在距离：
[0019][0020]其中，d为目标所在距离，k为调频斜率；
[0021]采用capon算法计算测角：
[0022][0023]其中，w为权矢量，R为雷达天线接收信号的协方差矩阵，P(w)＝w
H
Rw，为输出的平均功率；上式的约束条件为w
H
a(θ)＝1，a(θ)为来自波达方向θ的发射信源方向矢量；
[0024]Capon算法使噪声以及来自非θ方向的任何干扰所贡献的功率最小，并保持在观测方向θ上的信号功率不变。最优权矢量w
CAP
采用Lagrange乘子法求解：
[0025][0026]其中，a
H
(θ)为a(θ)的共轭转置，结合约束条件，得到包含各个目标的空间谱P
CAP
：
[0027]对每帧数据都进行空间谱计算后，采用帧差法进行动目标显示，初步分离出道路上的各个运动车辆后，采用单元平均恒虚警检测器进行杂波抑制，确定车辆所在位置，获取各探测帧内的车流量信息；
[0028]采用CA
‑
CFAR对空间谱中的各个点进行检测，固定虚警概率为在检测单元周围取L点作为参照单元记为c(l)，则门限因子α为：
[0029][0030]得到检测阈值TH为：
[0031][0032]通过阈值划分得到多帧内的多目标位置，并根据扩展卡尔曼滤波进行航迹关联，获取车辆的行进轨迹。
[0033]进一步地，步骤S2中基于S1中获取的各个车辆所在的距离门位置，在原始雷达回
波中通过在距离维和多普勒维的傅里叶变换获取到车辆的实时行进速度信息，并将速度与每个位置上的车辆一一对应，具体包括：
[0034]在原始雷达回波中通过在距离维和多普勒维的傅里叶变换，确定各个距离上多普勒维最大值所在的频率，即各个车辆的多普勒频率f
d
，获取到车辆的实时行进速度v＝2f
d
/λ，并将速度与每个位置上的车辆一一对应。
[0035]进一步地，步骤S3中标定毫米波雷达测量数据与能见度之间的函数关系，具体包括：
[0036][0037]其中，k
i
为散射消光系数，r
i
为粒子半径，n
i
为半径为r
i
的粒子数量；
[0038]雷达反射率因子Z与r
i
，n
i
的关系为：
[0039]Z＝∑
i
n
i
(2r
i
)6。
[0040]进一步地，步骤S4中图像处理算法包括：
[0041]采用OpenCV库通过Features2D和Homography查找已知对象，识别出视频图像中的动目标，再对视频中的车辆与行人目标进行分类，完成对监控数据的车辆识别、计数和态势显示，并实时判断道路是否发生拥堵、事故、道路结冰状况。
[0042]进一步地，步骤S7中根据S1至S6中的多传感器数据构建数据集，并结合卷积神经网络进行多传感器数据融合，以实现对道路环境的综合认知判断，具体包括：
[0043]将数据集输入卷积神经网络进行多传感器信息融合；
[0044]卷积神经网络包括2个卷积层，2个池化层，采用ReLU激活函数；
[0045]训练标签包括交通事件、气象信息，结合直接获取的道路环境数据，完成对道路环境的综合认知判断。
[0046]进一步地，卷积神经网输入数据包括毫米波雷达探测到的车流量、车速、全天时能见度、道路积水、积雪、结冰情况，视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器信息融合的道路环境综合认知方法，其特征在于，包括以下步骤：S1、配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；对于多帧内的多目标进行航迹关联，获取车辆的行进轨迹；S2、基于S1中获取的各个车辆所在的距离门位置，在原始雷达回波中通过在距离维和多普勒维的傅里叶变换获取到车辆的实时行进速度信息，并将速度与每个位置上的车辆一一对应；S3、标定毫米波雷达测量数据与能见度之间的函数关系；S4、配置数字摄像头并结合数字图像处理算法，对监控数据进行车辆识别、计数和态势显示，实时判断道路是否发生拥堵、事故或道路结冰状况；S5、配置能见度传感器，实时将能见度数据传输至上位机，并实时显示能见度异常数据；S6、配置气象6要素传感器，实时上传风速、温度、湿度、气压、雨量、和光照6要素气象数据；S7、根据S1至S6中的多传感器数据构建数据集，并结合卷积神经网络进行多传感器数据融合，以实现对道路环境的综合认知判断。2.根据权利要求1所述的基于多传感器信息融合的道路环境综合认知方法，其特征在于，所述步骤S1中配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；对于多帧内的多目标进行航迹关联，获取车辆的行进轨迹，具体包括：配置毫米波雷达参数：其中，R
res
为距离分辨率，c为真空中的光速3
×
108m/s，B为雷达带宽；经过低通滤波器后得到回波信号与发射信号的差频信号S
b
，在其距离向快时间做傅里叶变换进行去调频处理得到差频f
IF
，根据频率与距离的换算计算目标所在距离：其中，d为目标所在距离，k为调频斜率；采用capon算法计算测角：其中，w为权矢量，R为雷达天线接收信号的协方差矩阵，P(w)＝w
H
Rw，为输出的平均功率；上式的约束条件为w
H
a(θ)＝1，a(θ)为来自波达方向θ的发射信源方向矢量；Capon算法使噪声以及来自非θ方向的任何干扰所贡献的功率最小，并保持在观测方向θ上的信号功率不变。最优权矢量w
CAP
采用Lagrange乘子法求解：
其中，a
H
(θ)为a(θ)的共轭转置，结合约束条件，得到包含各个目标的空间谱P
CAP
：对每帧数据都进行空间谱计算后，采用帧差法进行动目标显示，初步分离出道路上的各个运动车辆后，采用单元平均恒虚警检测器进行杂波抑制，确定车辆所在位置，获取各探测帧内的车流量信息；采用CA
‑

【专利技术属性】
技术研发人员：金连成，汪瑾，王爱伶，尹成俊，
申请(专利权)人：北京信华永安科技发展有限公司，
类型：发明
国别省市：