[发明专利]一种多传感器航迹融合方法、装置及车辆

说明书

本发明涉及智能驾驶领域，提出了一种多传感器航迹融合方法、装置及车辆，所述方法根据传感器采集到的目标点数据，存储预设数量的目标点数据生成传感器航迹信息，判断传感器航迹信息与航迹融合信息是否关联，在进行关联性判断时，通过多点关联估计，判断传感器航迹信息与航迹融合信息是否涉及到同一目标，当判断传感器航迹信息与航迹融合信息关联时，进行数据融合，并更新航迹融合信息。所述方法对数据处理和通信容量要求低，通用性和可扩展性好，且采用多点关联的方法便于算法运行过程中的关联关系变更时的迅速收敛和剔除野值对数据的影响。

技术领域

本发明涉及智能驾驶领域，尤其涉及一种多传感器航迹融合方法、装置及车辆。

背景技术

在自动驾驶领域，从高级辅助驾驶系统ADAS到L5级的完全自动驾驶，根据需求场景不同，需配置不同的传感器如毫米波雷达、激光雷达和摄像头，乃至超声波传感器、红外传感器。各种车载传感器均具有其优势和缺点，如毫米波雷达受天气影响小、测距精确，但测角误差大，分辨率低；激光雷达可检测目标三维尺寸信息和精确的位置信息，但探测距离有限；摄像头可检测目标的外形、颜色，测角精度高但测距精度较差，而且容易受天气和光照条件影响。数据处理中心需充分发挥各传感器的优势、避免各传感器的劣势，融合产生高可信度的综合环境态势，而航迹关联和估计是环境感知融合的重要组成部分。

在获得融合航迹时，通常采用“前融合”的方法或者传感器航迹与传感器航迹关联并估计融合航迹的方法，来进行融合航迹的估计。“前融合”的方法通常采用神经网络算法，对数据处理中心算力和通信传输容量要求均较高。传感器航迹之间关联并估计融合航迹的方法通常采用匈牙利算法进行传感器航迹二分图匹配，对于ADAS系统中两个传感器的情况比较有效，但会随着传感器数量增多，算法复杂度指数增长、计算量大，且在关联参数调整时涉及两个传感器的同一因子，调试比较困难。

在航迹关联过程中，通常采用最新数据进行关联对比的方法。此方法中，通过计算最新航迹点间的关联关系，得出航迹间关联关系，并且本周期关联关系考虑上周期关联结果。计算过程中考虑历史因素时类似滤波算法，特别是在关联关系变更过程中，需要最新航迹点信息重新计算，关联关系的收敛需要一定时间。

发明内容

本发明要解决的技术问题是的问题。为了解决上述问题，本发明提出了一种多传感器航迹融合方法、装置及车辆，本发明具体是以如下技术方案实现的：

本发明的第一个方面提出了一种多传感器航迹融合方法，所述方法包括：

获得传感器航迹信息，所述传感器航迹信息包括预设数量的目标点数据，所述目标点数据通过传感器采集得到；

判断是否已经存在航迹融合信息；

若存在，则判断传感器航迹信息是否在上一周期已经与航迹融合信息关联；

若不关联，则计算传感器航迹信息与航迹融合信息之间的关联概率，判断关联概率是否达到预设的阈值；

若关联概率达到预设的阈值，则对传感器航迹信息和航迹融合信息进行数据融合。

进一步地，所述判断是否已经存在航迹融合信息之后，还包括：

若不存在，则存储传感器航迹信息，并根据传感器航迹信息，创建航迹融合信息。

进一步地，所述判断传感器航迹信息是否在上一周期已经与航迹融合信息关联之后，还包括：

若关联，则判断传感器航迹信息在本周期是否与航迹融合信息继续关联；

若继续关联，则对传感器航迹信息和航迹融合信息进行数据融合；

若不关联，则传感器航迹信息与航迹融合信息解除关联关系。

进一步地，所述计算传感器航迹信息与航迹融合信息之间的关联概率包括：