复杂环境下激光雷达与视觉融合的多周期目标识别方法技术

本发明专利技术公开了一种复杂环境下激光雷达与视觉融合的多周期目标识别方法，该方法为：激光雷达点云数据预处理提取特征；将单目摄像机采集到的图像与点云进行标定，为雷达点云数据加入RGB信息；计算目标隶属度，构建初步概率分配函数模型；根据证据间的皮尔逊相关系数计算证据体之间的相关性矩阵，进行归一化，计算出各证据体的可信度；利用可信度对各证据体的初步概率分配函数模型进行加权平均得到最终加权平均证据体，根据DS证据组合规则进行融合；将上一周期识别结果作为一个新的证据体，重新构建概率分配函数，重新计算证据体之间的相关性矩阵，多次迭代获得最终的融合结果。本发明专利技术概率分配合理、运算简单、计算量小，目标识别的准确度更高。准确度更高。准确度更高。

【技术实现步骤摘要】
复杂环境下激光雷达与视觉融合的多周期目标识别方法


[0001]本专利技术涉及数据融合
，特别是一种复杂环境下激光雷达与视觉融合的多周期目标识别方法。

技术介绍

[0002]复杂环境背景下，单传感器无法准确获得目标的准确信息，多传感器数据融合可以利用异构传感器之间性能的互补，对目标的多个特征进行探测，提高目标识别的准确度。本专利技术采用激光雷达和单目摄像机进行数据融合，分别获得目标的形状、反射强度、点云数量等特征。DS证据理论算法由于其对于不确定信息的处理能力，常常用于多传感器目标识别领域，但当证据相冲突时，会产生错误的融合结果，因此本专利技术采用皮尔逊相关系数计算证据体之间的相关程度，从而计算证据的可信度，对原有证据体加权平均构建新的证据体，之后再进行DS证据理论规则组合。
[0003]概率分配函数的设置是DS证据理论算法中非常重要的一部分，直接影响目标的融合效果。然而，如何有效地解决复杂环境中不确定信息的建模和融合仍然是一个有待解决的问题。目前主要采用专家经验和先验知识来进行概率赋值，但在复杂环境背景下，随着环境的变化及噪声的影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂环境下激光雷达与视觉融合的多周期目标识别方法，其特征在于，包括以下步骤：步骤1、激光雷达点云数据预处理，平面分割去除背景，之后进行点云聚类，从而提取特征；步骤2、将单目摄像机采集到的图像与点云进行标定，为激光雷达点云数据加入RGB信息；步骤3、根据传感器探测到的数据特征信息计算目标隶属度，从而构建初步概率分配函数模型；步骤4、根据证据间的皮尔逊相关系数计算证据体之间的相关性矩阵，进行归一化，计算出各证据体的可信度；步骤5、利用可信度对n个证据体的初步概率分配函数模型进行加权平均，获得最终加权平均证据体，并根据DS证据组合规则进行融合；步骤6、将上一周期识别结果作为一个新的证据体，重新构建概率分配函数，然后返回步骤4，重新进行多次迭代，获得最终的融合结果。2.根据权利要求1所述的复杂环境下激光雷达与视觉融合的多周期目标识别方法，其特征在于，步骤3中，根据传感器的探测到的数据特征信息计算目标隶属度，从而构建初步概率分配函数模型，具体为：根据误差的实际分布情况，采用正态分布的概率分配函数计算目标隶属度；设T＝{T1…
T
i
…
T
m
}为m个传感器测得的一组测试数据集，X＝{X1…
X
k
…
X
n
}为目标可能属于的类别集合，则测试目标T的第i个特性值T
i
属于第k个目标类别X
k
的隶属度为：其中是第i个传感器测得的第k个目标...

【专利技术属性】
技术研发人员：黄成，黄洁雨，王力立，徐志良，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：