[发明专利]一种基于5G的城市道路路车融合全域感知方法

权利要求书

1.一种基于5G的城市道路路车融合全域感知方法，其特征在于，在城市道路的路侧设施上安装路侧设备，所述路侧设备包括相机、毫米波雷达、GPS设备和5G通信模块，所述路侧设备的检测区域能够覆盖安装道路；在自动驾驶车辆上安装车侧设备，所述车侧设备包括相机、毫米波雷达、GPS设备、低精度的惯性导航设备和5G通信模块；所述感知方法包括以下步骤：

S1：融合路侧设备采集的信息获得路侧目标的目标ID、目标类型、目标速度、目标位置、信号灯的状态及配时信息、路侧设备安装位置在地面的投影点的GPS坐标，并通过5G通信模块发送到云端；

S2：融合车侧设备采集的信息获得车侧目标的目标ID、目标类型、目标速度、相对于车辆坐标系的位置、车辆自身位置和速度信息，并通过5G通信模块发送到云端；

S3：云端对一个路侧设备采集的信息及该路侧设备检测区域内的车侧设备采集的信息进行处理，将路侧目标数据与车侧目标数据统一至同一时间和空间参考坐标系下；

S4：根据欧氏距离对路侧设备目标数据与车侧设备目标数据进行观测值匹配，目标的位置、速度和类别信息由路侧设备和车侧设备获取，根据相似度分配权重的方法对数据进行融合处理：

S4-1：计算数据源测量结果之间的相似度，所述数据源包含路侧设备、本车的车侧设备以及其他车辆的车侧设备，一组关于目标的横向距离坐标数据x＝(x_r,x_v,x_ov)，其中，x_r为路侧设备检测的目标在局部参考坐标系下的横向坐标，x_v为本车的车侧设备检测的目标在局部参考坐标系下的横向坐标，x_ov为其他车辆的车侧设备检测的目标在局部参考坐标系下的横向坐标平均值，计算检测数据与数据均值的相似度

S4-2：针对三种信息来源，路侧数据、本车数据、其他车辆检测数据，有m(x_r)为路侧数据分配概率，m(x_v)为本车数据分配概率，m(x_ov)为其他车辆检测数据分配概率，s_r为路侧设备检测数据与数据均值的相似度，s_ov为其他车辆检测数据与数据均值的相似度，融合数据为：x＝m(x_r)x_r+m(x_v)x_v+m(x_ov)x_ov；

S4-3：采用与步骤S4-2相同的方法对速度数据和纵向距离数据进行融合处理；

S4-4：建立轨迹库与待处理目标库，轨迹库存放匹配成功的目标轨迹，待处理目标库存放匹配失败的目标，初始状态轨迹库为空，将第一帧包含检测目标的目标ID、目标类型、目标速度、目标位置全部存入轨迹库，每个ID对应的目标新建一个轨迹；

S4-5：融合后更新目标的横向距离、纵向距离和速度信息，采用JPDA数据关联算法将融合目标与轨迹库中已有轨迹进行匹配，匹配成功，则按照融合后的横向距离、纵向距离和速度信息更新匹配成功轨迹的最新状态；匹配失败则放入待处理目标库；

S5：通过路侧设备安装位置在地面投影点的GPS坐标和目标车辆发送给云端的车辆自身GPS坐标，确定目标车辆在局部参考坐标系中的位置，与轨迹库中目标信息进行匹配；

云端计算其他目标距目标车辆的距离，并对信息按照危险等级进行排序，输出最终的局域感知信息并发送给目标车辆；

S6：路段中选取任一点作为全局坐标系原点，坐标轴方向与局部参考系相同，建立各路侧设备局部参考坐标系至全局坐标系的转换关系，将局部参考坐标系下的目标统一至全局坐标系，依次处理路网内路侧设备的融合数据，关联相邻路侧设备的目标信息；

S6-1：针对相邻路侧设备之间存在重叠区域，计算相邻路侧设备的目标信息的马氏距离，选取马氏距离最小的相邻路侧设备目标作为匹配目标，目标类别为车辆，则将车牌信息作为目标ID，目标类别无唯一身份标识，则分配ID进行连续跟踪；

S6-2：针对相邻路侧设备之间无重叠区域，采用扩展卡尔曼滤波算法预测当前路侧设备检测目标在下一时刻经过下一个路侧设备的位置，并与下一个路侧设备的实际检测结果匹配，目标类别为车辆，则将车牌信息作为目标ID；目标类别无唯一身份标识，则分配ID进行连续跟踪；

S6-3：从轨迹库中提取任一目标在路网内的完整轨迹信息，根据路网内目标信息的运动状态进一步判断路网内的交通事件信息，获取完整的全域感知信息。