[发明专利]一种基于BP神经网络的多传感器方案评价与优化系统及方法

说明书

本发明公开了一种基于BP神经网络的多传感器方案评价与优化系统及方法，该方法包括：第一评价单元，其用于从安全性指标和经济性指标，对车辆上的传感器布置方案进行评分；第二评价单元，用于对传感器布置方案中的各类传感器的性能进行评分；上部神经网络；下部神经网络；迭代优化单元，用于判断上部神经网络与下部神经网络的输出的得分是否满足设定要求，在判定结果为否的情形下，依据第一评价单元和第二评价单元的评分结果，调整传感器布置方案或其中传感器的性能，从而产生仿真数据，利用仿真数据得到神经网络的数据，直至判定结果为是。本发明能够不断迭代优化传感器布置方案以及提高其中传感器的性能，降低前期制造成本。

技术领域

本发明涉及自动驾驶传感器技术领域，特别是关于一种基于BP神经网络的多传感器方案评价与优化系统及方法。

背景技术

汽车智能化、网联化是汽车行业发展的重要趋势。环境感知技术是智能车辆的核心技术之一，其通过获取和分析传感器数据，为决策、控制等技术环节提供环境信息支持。其中，传感器是感知系统的首要构成。多源异构传感器融合技术已成为技术主流。多源异构传感器包括激光雷达、毫米波雷达、超声波雷达和相机等。而传感器的选型与安装是感知系统中基础的工作。传感器的合理传感器布置方案可以有效减少车辆盲区，对于降低智能汽车传感器安装成本、提高智能汽车工作可靠性具有积极意义。但是，目前对多传感器布置方案的科学性、有效性尚未形成广泛认可的评价体系，难以对现有传感器布置方案的效果形成统一评价。因此，传感器的传感器布置方案评价亟需一种科学合理的评价方法，从而去优化现有传感器布置方案的不足。

目前的智能汽车传感器的传感器布置方案，主要存在的问题有：所述的传感器布置方案未提出对应的评价指标来量化整体传感器布置方案的优劣，无法衡量传感器布置方案中所使用传感器的性能优劣，无法进一步对传感器的选型与安装位置进行优化。

发明内容

本发明的目的在于提供一种基于BP神经网络的多传感器方案评价与优化系统及方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种基于BP神经网络的多传感器方案评价与优化系统，该系统包括：

第一评价单元，其用于从安全性指标和经济性指标，对车辆上的传感器布置方案进行评分；其中，所述安全性指标包括基于同向四车道直线道路模型的探测覆盖率、基于转弯盲区的探测覆盖率、探测区域重叠率、所述传感器布置方案的可靠性和工作频率中的一种或多种，所述经济性指标包括所述传感器布置方案的总成本；

第二评价单元，其用于对所述传感器布置方案中的各类传感器的性能进行评分；其中，所述性能指标包括激光雷达有效探测距离、激光雷达每帧点云总量、毫米波雷达最远探测距离、毫米波雷达水平视场角、相机像素数和相机水平视场角中的一种或多种；

上部神经网络，其基于所述第一评价单元的评分指标建立，并根据所述第一评价单元的训练数据训练得到；

下部神经网络，其基于所述第二评价单元的评分指标建立，并根据所述第二评价单元的训练数据训练得到；

迭代优化单元，其用于判断上部神经网络与下部神经网络的输出的得分是否满足设定要求，在判定结果为否的情形下，依据所述第一评价单元和第二评价单元的评分结果，调整传感器布置方案，从而产生仿真数据，并利用仿真数据得到神经网络的数据，直至判定结果为是。

进一步地，所述基于同向四车道直线道路模型的探测覆盖率C₁的计算公式被描述为式(4)：