[发明专利]一种用于自动驾驶中的传感器数据过滤及融合方法

权利要求书

1.一种用于自动驾驶中的传感器数据过滤及融合方法，分为空间过滤融合方法和紧随的时间过滤融合方法，所述空间过滤融合方法在自动驾驶的感知系统从传感器获得一帧原始数据后，包括下列步骤：

(1)空间聚类，计算当前帧所有数据点与当前帧中其他数据点及上一帧中所有数据点的距离，如果当前帧所有数据点中存在数据点a和除a以外的某个数据点b的距离小于聚类基准值thd_base，则将距离小于聚类基准值thd_base的数据点分为一组；步骤(1)中，空间聚类的判断基准如下，1)如果不存在任何聚类或者数据点a和数据点b都不属于任何聚类，则创建一个新的聚类，将a和b归为此聚类；2)如果a属于某个聚类，b不属于任何聚类，将b归为a所属的聚类；3)如果a不属于任何聚类，b属于某个聚类，将a归为b所属的聚类；4)如果a和b均已有类别归属，不进行处理；

(2)当所有数据点完成空间聚类之后，根据每一个聚类中所包含的当前帧数据点的个数和上一帧数据点的个数进行聚类结果的判定，认定有效的聚类结果并排除噪声；

(3)关联性跟踪，对当前帧聚类结果和上一帧聚类结果的空间距离关系的关联性进行跟踪，从而能够得到某一物体的位置速度信息及其历史信息，并且根据这些信息能够得到该物体的预测信息；

(4)特征信息估计，聚在同一个类里面的所有数据点被认为是同一个物体的数据点，这些数据点分布离散不均匀，需要结合主成分分析PCA和概率分布，计算聚类以后物体的长宽和朝向信息；

之后，进行时间过滤融合方法，包括下列步骤：

(5)将通过传感器得到的具有较完整信息的数据点或者通过空间过滤融合得到的聚类结果定义为原始目标，通过对同一目标在不同时刻被传感器检测到的情况进行计分操作，从而将原始目标判别为确定目标、可疑目标和伪目标，所述确定目标为确实存在的物体；可疑目标为可能存在的物体；伪目标为不存在的物体。

2.根据权利要求1所述的用于自动驾驶中的传感器数据过滤及融合方法，其特征在于：步骤(2)中，当聚类结果A中数据点的总个数大于总个数阈值thd_all，且聚类结果A中上一帧数据点的个数大于前帧阈值thd_last，且聚类结果A中当前帧数据点的个数大于当前帧阈值thd_now，认为聚类结果有效；否则认为是噪声，聚类结果无效，其中，总个数阈值thd_all≥前帧阈值thd_last，总个数阈值thd_all≥当前帧阈值thd_now，前帧阈值thd_last与当前帧阈值thd_now大小关系根据实际情况确定。

3.根据权利要求1所述的用于自动驾驶中的传感器数据过滤及融合方法，其特征在于：步骤(3)中，聚类结果A和聚类结果B的空间距离关系的判断基准如下：

1)如果A和B的距离大于聚类间最小关联阈值thd1，则两个聚类结果没有公共的数据点，A和B独立；

2)如果A和B的距离小于聚类间最小关联阈值thd1，且A和B附近均没有相近的聚类结果，则对A和B进行关联性跟踪；

3)如果A和B的距离小于聚类间最小关联阈值thd1，若A附近没有其他距离小于聚类结果A附近最小关联阈值thd2的聚类结果，而B附近存在一个或者多个距离小于聚类结果B附近最小关联阈值thd3的聚类结果，则将A分别与B附近距离在类B附近最小关联阈值thd3以内的聚类结果进行比较，选取距离近且有较多交集的聚类结果进行关联性跟踪；

4)如果A和B的距离小于聚类间最小关联阈值thd1，若B附近没有其他距离小于聚类结果B附近最小关联阈值thd3的聚类结果，而A附近存在一个或者多个距离小于聚类结果A附近最小关联阈值thd2的聚类结果，则将B分别与A附近距离在thd2以内的聚类结果进行比较，选取距离近且有较多交集的聚类结果进行关联性跟踪；

5)如果A和B的距离小于聚类间最小关联阈值thd1，若A和B附近分别均存在其他小于聚类结果A附近最小关联阈值thd2和聚类结果B附近最小关联阈值thd3的聚类结果，将这些聚类结果分别进行比较，选取距离近且有较多交集的聚类结果进行关联性跟踪。