[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

说明书

本发明提供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，对数据点进行空间聚类处理，认定有效的聚类结果并排除噪声；对聚类结果进行关联性跟踪，从而能够得到某一物体的位置速度信息、历史信息、预测信息；然后进行特征信息估计，计算聚类以后物体的长宽和朝向信息；再进行时间过滤融合方法将原始目标判别为确定目标、可疑目标和伪目标。本发明无需考虑传感器的类型和传感器的数量，针对任何大噪声和小噪声的传感器数据都能够使用，计算量小，简单而灵活有效。

技术领域

本发明涉及一种自动驾驶数据处理方法，尤其涉及一种用于自动驾驶中的传感器数据过滤及融合方法。

背景技术

在自动驾驶中，感知系统作为车辆的眼睛，为决策规划控制提供可靠的周围环境情况。对感知系统而言，路上的一切事物都可以看作是障碍物，包括车辆、行人、道路隔离带、树木等。自动驾驶中常使用多种传感器来感知周围环境，能够检测到障碍物的常用传感器主要包括视觉、激光雷达、超声波、红外和毫米波雷达等等。每种传感器都有自己的特性，能够在一定程度上获得障碍物的信息，但是对于每一种传感器而言，都是不可靠的，会经常出现漏报和误报的现象，提供较大噪声的数据。漏报指当障碍物出现时，传感器没有检测到该障碍物。误报指传感器检测到障碍物，但是该障碍物实际上不存在。噪声是传感器观测数据时的测量噪声，指传感器本身或者外界环境产生的对原信号的干扰信号，易造成原始数据信号的失真。

目前，自动驾驶中的传感器数据过滤和融合方法一般包括栅格图法、八邻域区域标记法、图像雷达空间-时间融合。这些方法普遍存在计算复杂，缺乏实时性和灵活性的特点。

根据自动驾驶中现有传感器的特点，本发明提出了一种基于空间-时间的传感器数据过滤和融合方法，为车辆自动驾驶中感知系统提供简单可靠的解决方案，经过实际应用，满足自动驾驶需求。

发明内容

本发明提供了一种用于自动驾驶中的传感器数据过滤及融合方法，旨在处理传感器原始测量数据中存在大量漏报和误报的情况，从复杂的大噪声信号中提取有用的信息，然后在多个传感器之间做交叉验证，从而提高整体感知的可靠性。

其技术方案如下所述：

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；

(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。

进一步的，步骤(1)中，空间聚类的判断基准如下，