一种基于DS证据理论的多传感器信息融合算法制造技术

本发明专利技术公开了一种基于DS证据理论的多传感器信息融合算法，所述算法是对不同传感器在不同的状态下进行相应的权值分配，然后利用DS证据理论所提供的证据组合方法，实现多个传感器的信息融合。本发明专利技术提出了一种基于DS证据理论的多传感器融合算法。具体的，该算法是对不同传感器在不同的状态下进行相应的权值分配，然后利用DS证据理论所提供的证据组合方法，实现多个传感器的信息融合，进而提高目标感知效果。更具体的是针对生命周期置信度管理、目标类别分类管理这两个感知融合任务，进行具体的信息融合，达到感知性能的提升。达到感知性能的提升。达到感知性能的提升。

【技术实现步骤摘要】
一种基于DS证据理论的多传感器信息融合算法


[0001]本专利技术涉及自动驾驶
，尤其涉及本专利技术提出了一种基于DS证据理论的多传感器信息融合算法。

技术介绍

[0002]近年来，自动驾驶车辆在智能交通出行、物流配送、清洁作业等多场景中，构建了智慧城市生活的应用示范。自动驾驶汽车依靠各种传感器来感知环境，每种类型的传感器都有自己的优点和缺点。激光雷达能够提供准确的距离信息，在夜间也能很好的工作，但是不能提供障碍物的颜色信息等。相机能够感知障碍物的颜色和纹理等信息，可以用来进行目标分类，但是探测范围有限且对光照条件敏感。毫米波雷达能够感知较远距离的障碍物并提供速度信息，但是不能进行障碍物的分类。因此，通过将多个传感器信息进行融合使用可以实现传感器之间的取长补短，提高感知性能。
[0003]目前自动驾驶感知系统对于目标的跟踪主要是利用不同传感器提供的信息进行融合处理。主要任务包括：目标的运动信息融合、目标的生命周期管理、目标的类别管理等。目标的运动信息是指目标的速度、位置和加速度等信息，该类信息主要是通过卡尔曼滤波器获取。目标的生命周期管理是指新目标的生成，跟踪目标的健康度评估，已跟踪目标的消亡。目标的类别管理是指对感知传感器所获得的目标类别属性进行分类管理，包括：车辆、行人、自行车等。
[0004]现有目标生命周期管理主要是基于传感器量测值的更新次数。对于不同类型的传感器量测值设置不同的置信度值，通过对跟踪目标置信度的数值增减，从而实现新目标的建立和目标的消亡。但这类机制缺少对不确定性情况的估计。例如：对于某一传感器量测值，在一定概率下可以直接用来生成新目标，而一定概率不确定是否能用来生成新目标。这种情况不能通过单一的数值累加来反应到目标的置信度上。
[0005]现有的目标类别管理主要依赖于对单个传感器检测结果的加权组合。但是对于不同的传感器，在不同的测量条件下，其目标类别检测结果精度不同。如果仅采用简单的规则加权判定目标的类别，会造成目标分类准确度降低，出现类别来回切换等问题。

技术实现思路

[0006]为了解决上述问题，本申请的目的在于提供一种基于DS证据理论的多传感器信息融合算法。
[0007]为实现本专利技术的目的，本专利技术提供了一种基于DS证据理论的多传感器信息融合算法，
[0008]所述算法是对不同传感器在不同的状态下进行相应的权值分配，然后利用DS证据理论所提供的证据组合方法，实现多个传感器的信息融合。
[0009]其中，
[0010]所述算法包括：(1)基本概率分配和(2)组合规则，
[0011](1)基本概率分配：设Θ是一个识别框架，或称为假设空间，基本概率分配，简称BPA，在识别框架Θ上的BPA是一个2Θ
‑
>[0,1]的函数m，称为Mass函数，并满足：
[0012][0013]∑m(A)＝1
[0014]其中，使得m(A)>0的A称为焦元；
[0015](2)组合规则：DS证据理论合成规则也称为证据合成公式，其定义如下，对于Θ上的两个Mass函数m1，m2的Dempster合成规则为：
[0016][0017]其中，K为归一化常数，
[0018][0019]其中，
[0020]针对目标生命周期管理，
[0021]新目标生成规则是基于D
‑
S证据理论的某一种Mass函数分配组合和新目标生成和虚拟目标消亡的指标。如果改变Mass函数的分配，或者新证据的评判指标，则相对应的新目标生成规则也将改变。
[0022]其中，
[0023]针对目标生命周期管理，
[0024]目标健康度评估的规则为对于已经建立好的目标进行健康度管理，利用跟踪目标滤波器的位置方差值，是否有量测值的更新进行置信度管理；
[0025]具体如下：
[0026](1)若当前目标关联到了可靠的量测值，那么可以将该条件作为对目标置信度提升的一个证据，将该证据与该目标已有的置信度进行组合，得到新的置信度；
[0027](2)若当前该目标的滤波器方差偏大，那么可以把该条件作为对目标置信度降低的一个证据，可以采用较弱一些的置信度降低标准，并将该证据与目标最新的置信度进行组合；
[0028](3)若当前目标没有关联到量测值，那么相应可以采用较强的置信度降低标准对目标置信度进行组合，得到新的置信度；
[0029]当组合完所有的证据之后，对所得到的目标置信度进行判断，删除置信度低的目标，在当前的Mass函数分配下，如果将删除目标的指标设置为m(Delete)>0.9，则可以在相应的条件下删除满足条件的目标；
[0030](4)与新目标生成的Mass函数分配原理类似，这里的分配的目标置信度提升和降低Mass函数分配也只是一种可能的组合，在实施过程中，需要根据目标消亡的规则进行Mass函数调整，或者添加更多的证据。
[0031]其中，
[0032]针对目标类别分类管理，
[0033]在融合多个传感器的目标类别检测信息的时候，需要对不同的传感器检测结果进
行合理的置信度分配，k+1时刻的目标障碍物类别是由k时刻的目标类别，以及k+1时刻所有传感器的目标类别检测结果融合所得；
[0034]Mass函数分配则是需要根据传感器的实际性能进行配置，障碍物类别融合之后，根据相应的门限值设置，输出概率最高的类别为最终的障碍物目标类别。
[0035]与现有技术相比，本专利技术的有益效果为，本专利技术提出了一种基于DS证据理论的多传感融合算法。具体的，该算法是对不同传感器在不同的状态下进行相应的权值分配，然后利用DS证据理论所提供的证据组合方法，实现多个传感器的信息融合，进而提高目标感知效果。
[0036]更具体的是针对生命周期置信度管理、目标类别分类管理这两个感知融合任务，进行具体的信息融合，达到感知性能的提升。
附图说明
[0037]图1所示为本申请的感知障碍物目标类别管理流程图。
具体实施方式
[0038]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0039]以下结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0040]本专利技术提出的一种多传感器信息融合方法，具体的是指基于DS证据理论的目标生命周期管理，以及目标的类别管理这两个任务。
[0041]具体的，该算法是对不同传感器在不同的状态下进行相应的权值分配，然后利用DS证据理论所提供的证据组合方法，实现多个传感器的信息融合，进而提高目标感知效果。
[0042]基本工作原理
[0043]D
‑
S证据理论作为一种重要的不确定性推理理论，为处理传感器信息的模糊性及不确定性提供了很好的解决方法。它不仅能够强调事物的客观性，还能强调人类对事物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DS证据理论的多传感器信息融合算法，其特征在于，所述算法是对不同传感器在不同的状态下进行相应的权值分配，然后利用DS证据理论所提供的证据组合方法，实现多个传感器的信息融合。2.根据权利要求1所述的一种基于DS证据理论的多传感器信息融合算法，其特征在于，所述算法包括：(1)基本概率分配和(2)组合规则，(1)基本概率分配：设Θ是一个识别框架，或称为假设空间，基本概率分配，简称BPA，在识别框架Θ上的BPA是一个2Θ
‑
>[0,1]的函数m，称为Mass函数，并满足：∑m(A)＝1其中，使得m(A)>0的A称为焦元；(2)组合规则：DS证据理论合成规则也称为证据合成公式，其定义如下，对于Θ上的两个Mass函数m1，m2的Dempster合成规则为：其中，K为归一化常数，3.根据权利要求2所述的一种基于DS证据理论的多传感器信息融合算法，其特征在于，针对目标生命周期管理，新目标生成规则是基于D
‑
S证据理论的某一种Mass函数分配组合和新目标生成和虚拟目标消亡的指标。如果改变Mass函数的分配，或者新证据的评判指标，则相对应的新目标生成规则也将改变。4.根据权利要求3所述的一种基于DS证据理论的多传感器信息融合算法，其特征在于，针对目标生命周期管理，目标健康度评估的规则为对于已经建立好的目标进行健康度管理，利用跟踪目标滤波器的位置方差值，是否有量测值的更新进行置信度管理；...

【专利技术属性】
技术研发人员：张蓉，熊祺，张放，李晓飞，张德兆，王肖，霍舒豪，
申请(专利权)人：武汉智行者科技有限公司，
类型：发明
国别省市：