[发明专利]基于多源传感器决策层数据融合方法、系统及存储介质

说明书

本发明公开了一种基于多源传感器决策层数据融合方法，包括以下步骤：各传感器输出均为目标级数据，在使用之前首先分别对各感器性能测试分析，得到各传感器输出信号的一些先验信息和失效场景；之后针对单传感器输出的目标进行数据预处理，初步过滤误检目标，平滑异常跳变的数据；最后，根据前期测试得到的先验知识，对经过预处理之后的各传感器目标级数据进行融合，从而得到稳定可靠的输出。本发明减少了因单传感器误检引入的ghost对系统的干扰，互补的目标信息能够使得系统在特定复杂工况下的漏检率降低。

技术领域

本发明属于传感器融合技术领域，具体涉及一种基于多源传感器决策层数据融合方法、系统及存储介质。

背景技术

智能辅助驾驶面临的环境比较复杂，无论单一传感器性能如何优越，其都始终无法突破自身测量原理带来的局限性，在稍微复杂场景下就不能满足实际应用的需求。多传感系统相比于单一传感器获取的目标信息更加丰富，有效观测区域更加广阔，鲁棒性和可靠性更强，必将成为未来智能驾驶发展的主流趋势。在多传感系统中多源传感信息融合技术非常关键，一直以来备受研究者的关注。

根据图像数据融合处理过程中的抽象层次，可将数据融合划分为像素层融合、特征层融合和决策层融合。随着融合层级的提高，其信息损失量增加，但对各传感器之间的配准要求降低。

因此，有必要开发一种新的基于多源传感器决策层数据融合方法、系统及存储介质。

发明内容

本发明的目的是提供一种基于多源传感器决策层数据融合方法、系统及存储介质，以减少因单传感器误检引入的ghost对系统的干扰，互补的目标信息能使得系统在特定复杂工况下的漏检率降低。

本发明所述的一种基于多源传感器决策层数据融合方法，包括以下步骤：

步骤1：获取单传感器输出的目标级数据，并对单传感器数据进行预处理，所述预处理包括过滤误检目标和处理某信号量的异常突变；

步骤2：对经过预处理之后的各传感器数据进行融合，具体融合过程为：

(2a)利用目标匀速模型对经过预处理后的各目标级数据进行时间同步；

(2b)利用动态距离阈值和目标速度信息对经过时间同步后的各目标数据进行关联；

(2c)对目标的每个属性均建立一个优先级，利用预设的优先级策略将关联得到的数据对融合成一个目标；

(2d)以步骤(2c)得到的融合结果和步骤(2b)中剩余的未关联数据一起作为当前时刻的量测值，若此时确认航迹不为空，且量测值与跟踪值时间差小于第一阈值，则再利用目标匀速模型和卡尔曼滤波更新确认航迹，并进入步骤(2e)；否则，将量测值转为临时航迹并清空确认航迹；

(2e)对步骤(2d)中未被关联的量测值与临时航迹进行关联，对于关联上的数据目标的预测次数preTime＝0，否则preTime++；

(2f)若临时航迹满足目标预测次数preTime小于第二阈值，且目标年龄age大于第三阈值，则将临时航迹转为确定航迹；对于未被转为确认航迹的临时航迹，若临时航迹满足目标年龄age小于第三阈值，则保留，否则，删除临时航迹；

(2g)对于确认航迹，若目标的预测次数preTime大于第四阈值，则删除该确认航迹，否则将该确认航迹作为融合跟踪后的结果，输出确定轨迹。

进一步，所述步骤(2a)中：所述目标匀速模型为：