[发明专利]一种基于分散式架构多传感器后融合数据一致性的方法

说明书

本发明公开了一种基于分散式架构多传感器后融合数据一致性的方法，其将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的全面解析。在此过程中，充分地利用多源数据进行合理匹配与优势互补，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多层次、多方面组合提炼出更多有价值的信息。进一步地利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据，提高整个传感器系统的可靠性和稳定性。

技术领域：

本发明涉及一种基于分散式架构多传感器后融合数据一致性的方法，其属于电动汽车智能驾驶技术领域。

背景技术：

自动驾驶感知中多传感器融合成了无人驾驶领域的趋势，多传感器信息融合(Multi-sensor Information Fusion,MSIF)，就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。融合按照实现原理分为原始数据前融合和目标数据后融合；利用传感器的底层数据进行融合称为原始数据前融合；利用传感器各种得到的后期识别结果，即每个传感器各自独立生成目标数据，再由主处理器进行融合这些特征数据来实现感知任务称为后期目标数据融合。

发明内容：

本发明是为了解决上述现有技术存在的问题而提供一种基于分散式架构多传感器后融合数据一致性的方法。

本发明所采用的技术方案有：一种基于分散式架构多传感器后融合数据一致性的方法，步骤如下：

1、获得每一种传感器的障碍物数据，转化为标准待融合数据类型，此处转化包括对障碍物进行坐标转换，转化为车身坐标系下的物体，并且提取出可行驶区域中的物体；

2、判断是否允许融合，判断标准根据传感器类型设置，如果允许融合，将可行驶区域中的物体数据加入到融合缓冲区中，等待触发传感器的数据到来；

3、如果接收到了触发传感器的数据，取出融合缓冲区中最新的一帧数据，判断物体是否已经跟踪上，去除未跟踪上的物体，计算任意两物体间的关联矩阵，即根据物体的位置、大小、速度参数按照对应的权重叠加在一起获得匹配度；

4、根据关联矩阵匹配度，采用匈牙利算法进行匹配，获得匹配后的映射关系，对匹配后的物体进行卡尔曼滤波融合，得到跟踪上的物体，存入队列；

5、判断已跟踪上的物体的生命值，当生命值为0时，将其移除。

本发明具有如下有益效果：本发明基于分散式架构多传感器后融合数据一致性的方法将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的全面解析。在此过程中，充分地利用多源数据进行合理匹配与优势互补，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多层次、多方面组合提炼出更多有价值的信息。进一步地利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据，提高整个传感器系统的可靠性和稳定性。

附图说明：

图1为本发明基于分散式架构多传感器后融合数据一致性的方法的流程图。

具体实施方式：

下面结合附图对本发明作进一步的说明。

本发明基于分散式架构多传感器后融合数据一致性的方法，步骤如下：

1、获得每一种传感器的障碍物(objects)数据，转化为标准待融合数据类型(BeforeFuse)，此处转化包括对障碍物进行坐标转换，转化为车身坐标系下的物体，并且提取出可行驶区域中的物体objects In Driving Area；

2、判断是否允许融合，判断标准根据实际情况设置(比如传感器类型等)，如果允许融合，将可行驶区域中的物体数据加入到融合缓冲区中，等待触发传感器的数据到来；