[发明专利]一种基于车载多源传感器概率融合的自动驾驶变道行为决策方法

说明书

本发明公开了一种基于车载多源传感器概率融合的自动驾驶变道行为决策方法，包括以下步骤：对车载摄像头使用视频目标检测算法获得目标车辆的距离、方向、车速等参数；对激光雷达使用点云目标检测算法获得目标车辆的距离、方向、车速等参数；建立了一种将安全变道距离转化为安全变道概率的模型，在满足变道安全性的基础上，将安全变道程度以概率形式表示；将从摄像头、激光雷达提取出的参数信息通过变道概率转换模型转化成对应的决策概率，本发明提出了基于证据理论的决策融合方法，对无冲突证据进行融合分组；对于存在冲突的分组，设计了安全决策融合规则，引入了谨慎决策类和复合决策类，从而得出最终的决策建议以提高决策的谨慎性和安全性。

技术领域

本发明属于自动驾驶行为决策领域，涉及一种基于车载多源传感器概率融合的自动驾驶变道行为决策方法。

背景技术

在自动驾驶的车辆上往往安装多种传感器，不同的传感器在感知能力方面有各自的优势和劣势。比如，像单目摄像头这样的基于RGB的视觉传感器已经得到广泛应用，其数据可以经过处理可以高效准确地进行目标检测。但这种类型的传感器易受周边环境的影响，比如天气、光照等条件，并且其在速度、距离感知等方面精度不高。像激光雷达等3D传感器可以克服易受天气、光照影响的缺点，并且在目标的距离、速度测量方面精度也较高。但是他们不能感知一些颜色、纹理等视觉属性。因此，每种类型的传感器感知能力有限，都有各自的优劣势。与此同时，多传感器融合可以将各自的优势最大化并且可以有效规避不足，具体来说，多传感器融合具有如下优势：1、增强系统的生存能力，多传感器的测量信息之间有一定的冗余度；2、扩展空间覆盖范围；3、扩展时间覆盖范围；4、提高可信度和降低信息模糊性；5、改进探测性能和提高空间分辨率。在自动驾驶场景中，必须实时了解车辆周围的行驶环境，根据这些信息作出相应的决策。而环境信息的获得需要依靠多种车载传感器，因此将多传感器信息有效融合是行为决策安全合理的必要条件。为了达到上述目标，需要多传感器数据进行有效处理，并建立合理的行为决策模型和融合规则。

如今，面向自动驾驶的多源传感器器融合研究已经取得了很多研究成果。然而还存在以下问题：1、从感知数据到行为决策模型的映射不够充分合理；2、多源传感器融合算法的计算复杂度高，拓展性不强；3、在多传感器存在感知数据冲突的情况下，融合的结果不合理，算法鲁棒性有待提高。

发明内容

发明目的：本发明公开了一种基于车载多源传感器概率融合的自动驾驶变道行为决策方法，在对激光雷达、摄像头数据处理后，建立将安全变道距离转化为安全变道概率的模型，建立决策概率融合算法对由摄像头和激光雷达得出的决策概率进行融合，从而得出最终的决策建议以提高决策的谨慎性和安全性。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于车载多源传感器概率融合的自动驾驶变道行为决策方法，该方法包括如下步骤：

1、使用视频目标检测算法从车载摄像头的视频中检测出目标，通过单目深度估计以及目标跟踪的方法提取出车辆的距离、方向、车速等参数；

2、使用PointRCNN目标检测方法对激光雷达获得的与原始点云数据进行3D目标检测，由此从检测到的目标获取车辆的距离、方向、车速、宽高等信息；

3、对变道过程进行建模，将高速公路上的变道场景分成四种场景，提出每种场景下安全距离上限与下限的计算方法；

4、提出变道完全或发生紧急制动后，计算当前车辆与各种场景中周围车辆相隔距离的方法；

5、根据步骤3、步骤4中预测的当前车辆在变道完成后或紧急制动后将行驶的距离和安全距离上下限的关系，提出将变道的安全距离转化为安全概率的转化公式；

6、将参数信息通过步骤5得到的多组决策概率视为多组证据，使用证据理论将无冲突的证据进行融合，从而得到多组存在冲突的证据；