【技术实现步骤摘要】
本专利技术涉及无人车辆导航障碍物建模，具体而言，涉及一种基于高斯概率模型的无人车辆导航障碍物建模方法及系统。
技术介绍
1、随着计算机技术和5g技术的发展，无人驾驶技术迅速发展。无人车辆在移动过程中，需要依靠各种传感器(如里程计、视觉相机、雷达等)对周边环境进行感知，并依据感知信息建立障碍物环境模型。但由于传感器本身的限制，以及数据之间传输的时延性，导致感知模块获取的感知信息存在不确定性。感知信息的不确定性必将导致障碍物环境建模的不确定性，环境建模的不确定性必将导致决策规划的不确定性。严重情况下，由于感知障碍物位置的不确定，无人车辆发出错误的避障策略，导致与障碍物发生碰撞几率大幅度提高，存在较大的安全隐患。
2、随着系统信息不断地循环更新，不确定信息量逐渐累积，导致感知信息完全错误以及决策规划完全背离实际情况。
技术实现思路
1、本专利技术要解决的技术问题是：
2、为了解决现有的依据传感器进行建模时，由于其本身限制及数据间传输的时延性，导致感知模块获取信息存在不确定...
【技术保护点】
1.一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于：在步骤一中，具体包括，依据无人车辆长宽大小，设定栅格地图分析窗口的分辨率；基于感知点云数据信息，提取栅格分析窗口内的地形特征，分析可通过性系数，建立一定区域的静态栅格地图；对不同的障碍物创建不同数据记忆存储空间memory，将对同一障碍物依时间采样序列收集到的障碍物状态数据存放在各自的memory中。
3.根据权利要求2所述的一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特...
【技术特征摘要】
1.一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于：在步骤一中，具体包括，依据无人车辆长宽大小，设定栅格地图分析窗口的分辨率；基于感知点云数据信息，提取栅格分析窗口内的地形特征，分析可通过性系数，建立一定区域的静态栅格地图；对不同的障碍物创建不同数据记忆存储空间memory，将对同一障碍物依时间采样序列收集到的障碍物状态数据存放在各自的memory中。
3.根据权利要求2所述的一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于：在步骤二中，具体包括，基于存储的数据计算静态障碍物状态信息的概率密度函数和置信区间上下限以及动态障碍物的预测状态。
4.根据权利要求3所述的一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于：在步骤二中，为了计算静态障碍物概率模型(3)，通过依据高斯理论，选取正态分布概率密度来描述位置的概率取值，用极大似然估计法估计障碍物的位置参数，包括，
5.根据权利要求4所述的一种基于高斯概率模型的无人车辆导航障碍物建模方法，其特征在于：在步骤二中，为了计算动态障碍物滤波模型(4)，建立障碍物运动模型、随机噪声建立障碍物预测模...
【专利技术属性】
技术研发人员：李鹏鹏，王开强，白宇，孙庆，刘威，李卫华，王剑锋，叶贞，周勇，杨朋，崔志鹏，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。