[发明专利]一种多模式目标探测方法及系统

说明书

本发明公开一种多模式目标探测方法及系统，包括以下步骤：（1）传感器组件实时采集外部环境的原始信号；（2）预处理模块对传感器组件采集的原始信号进行处理，获得数字信号；（3）数据分析模块对数字信号识别并提取特征值；（4）信息融合模块对数字信号特征值进行匹配和融合处理，形成实时二维或三维外部环境图像，并进行存储和输出。本发明通过设置多个传感器实时采集外部环境信息进行融合，数据间形成互补，对外部环境进行二维或三维空间重构，提高了感知外部环境的准确性和全面性；增加了数据的真实性和可靠性，能够在更加复杂的环境下，更加准确的识别环境目标，提高了环境探测的稳定性和适应性。

技术领域

本发明属于人工智能及自动驾驶技术领域，具体涉及一种多模式目标探测方法及系统。

背景技术

对于人工智能和汽车自动驾驶系统，传感器和环境感知技术的重要性日渐增强。目前，在人工智能和汽车自动驾驶上广泛采用的传感器技术分为以下几种：

（1）TOF测距图像传感器，主要包括激光雷达、毫米波雷达、超声波雷达。通过发射波长各异的光波或声波，然后采集发射波的回波信号获取目标的距离、角度、反射强度、速度等信息，生成目标多维度图像。在雨雪黑夜等复杂天气环境下，识别效果衰减较小，受光线条件影响较小，但是无法感知行人或目标物的物体状态。

（2）可见光、近红外摄像头，车载摄像头是实现众多预警、识别类ADAS功能的基础，能够识别长宽高和颜色等物体的基本状态属性，但是受限于环境、光照、天气的影响较大，尤其在黑夜、全逆光、大雾、雨雪天气环境下，摄像头的功能发挥会受到很大限制。

（3）远红外图像传感器，采用远红外线光波，可用于被探测目标物间自然散发的热量差异，并将热量数据转换为图像。在黑夜、大雾、雨雪天气环境下，比较容易辨识目标，但是无法测距。

综上可知，不同类型的传感器具有不同的优点和弱点。传统的驾驶系统中采用大量的独立信息采集传感器，相互之间独立工作，各个传感系统采用多个处理器进行计算汇总，功耗大、效率低，且数据不同步，采集的信息复杂而散乱甚至相冲突，降低了信息采集的可靠性，无法让驾驶系统按某种方式排序优先级及时做出判断；各传感器系统之间无法实现物理特性互补，造成资源浪费。

发明内容

本发明的目的是提供一种多模式目标探测方法及系统，基于多个传感器采集信号后进行数据融合，对外部环境进行二维或三维空间重构，提高了感知外部环境的准确性、全面行和及时性。

为了实现上述目的，本发明采用的技术方案为：

一种多模式目标探测方法，包括以下步骤：

（1）传感器组件实时采集外部环境的原始信号；

（2）预处理模块对传感器组件采集的原始信号进行处理，获得数字信号；

（3）数据分析模块对数字信号识别并提取特征值；

（4）信息融合模块对数字信号特征值进行匹配和融合处理，形成实时二维或三维外部环境图像，并进行存储和输出。

进一步地，传感器组件包括相控阵雷达、激光雷达、可见光传感器、近红外传感器和远红外传感器。

一种多模式目标探测系统，包括传感器组件，用于实时采集外部环境的原始信号；预处理模块，用于对采集的原始信号进行处理，获得数字信号；数据分析模块，基于预先设置的算法对数字信号进行识别，提取特征值；信息融合模块，用于对数字信号特征值进行匹配和融合处理，形成实时二维或三维外部环境图像，所述预处理模块、数据分析模块和信息融合模块相互之间通过立体 IC 电路互联结构组态起来。

进一步地，多模式目标探测系统还包括存储模块，与信息融合模块连接，用于存储实时生成的二维或三维外部环境图像。