[发明专利]一种基于多传感器的智能汽车环境感知方法

权利要求书

1.一种基于多传感器的智能汽车环境感知方法，其特征在于，该感知方法的步骤包括：

步骤一、通过汽车CAN总线技术获取毫米波雷达传感器检测到障碍物的原始数据，并把毫米波雷达传感器检测到周围障碍物的原始数据通过冒泡数据处理算法，筛选出离本车纵向距离最近的目标物；

步骤二、采用基于传感器级融合结构的行人目标检测算法和基于中央级融合结构的机动车与自行车目标检测算法，进行加权融合算法输出，提高该区域目标物检测概率和数据信息精度；

其中，基于传感器级融合结构的行人目标检测算法的具体过程为：

1)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器同时也检测到目标物，将两者输出数据进行融合加权处理；

2)在同一区域，相机传感器检测到行人目标，而毫米波雷达传感器没有检测到目标物，则输出相机传感器的行人数据；

3)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器检测到目标物，根据目标物的长度、宽度、RCS数据，判断是否是行人；

4)在同一区域，相机传感器未检测到行人目标，而毫米波雷达传感器也未检测到目标物，则表明该区域无行人目标；

其中，基于中央级融合结构的机动车与自行车目标检测算法的具体过程为：

1)长距离毫米波雷达传感器和短距离毫米雷达传感器通过冒泡数据处理算法将原始数据进行预处理，输出各自区域中纵向距离最近的目标物；

2)对检索的两个目标物的纵向距离进行判断，如果在门限值一的范围内，则假设为同一个目标物，如果超过门限值一的范围，则输出检索的两个目标物中纵向距离最近的目标物作为目标跟踪对象；

3)对检索的两个目标物的横向距离进行判断，如果在门限值二的范围内，则再次假设为同一个目标物，如果超过门限值二的范围，则输出检索的两个目标物中横向距离最近的目标物作为目标跟踪对象；

4)对检索的两个目标物的相对速度进行判断，如果在门限值三的范围内，系统认为其是同一个目标物，作为目标跟踪对象，如果超过门限值三的范围，则输出两个目标物中相对速度最小的目标物作为目标跟踪对象；

5)最后进行加权融合输出目标物的距离、速度及方位角信息；

步骤三、对加权融合后输出的目标物进行卡尔曼滤波，对目标进行稳定跟踪；

其中，目标跟踪算法的具体过程为：

1)假设现在的系统状态是k，得出基于系统的现在状态而预测出下一时刻的状态，如下式⑤所示，

X(k|k-1)＝AX(k-1|k-1)+BU(k) ⑤

其中，X(k|k-1)是通过现在的状态预测下一时刻状态的结果，X(k-1|k-1)是现在状态的最优结果，U(k)为现在状态的控制量；

2)预测下一时刻状态估计的不确定度，如下式⑥所示，

其中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，是A的转置距离，Q是系统的协方差；

3)根据预测值和量测值，推导出下一时刻状态k的最优化估算值X(k|k)，如下式⑦所示，

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)) ⑦

其中，Kg为卡尔曼增益，且下式⑧所示，

4)利用上述过程，即得到了k状态下最优值的估算值。

2.根据权利要求1所述的一种基于多传感器的智能汽车环境感知方法，其特征在于，步骤一的具体步骤为：

1)将坐标进行统一转换，使其形成统一标准；

2)筛选出本车道内的障碍物；

3)将原始数据输出障碍物的数据报表；

4)提取障碍物中纵向距离作为特征量；

5)用冒泡算法排序障碍物中纵向距离最近的目标物；

6)根据目标物的纵向距离查找目标物的其他物理信息；

7)输出纵向距离最近的目标物信息。