[发明专利]一种基于车路协同的路侧感知融合系统及优化方法

权利要求书

1.一种基于车路协同的路侧感知融合优化方法，其特征在于包括如下步骤：

步骤1：网联车在道路行驶过程中车载单元通过车路协同PC5通信方式将车辆信息对外进行广播；

步骤2：当驶入到路侧单元通信范围内时，路侧单元接收到车载单元广播的车辆信息，由此获取的车辆实时定位信息作为车辆实时定位真值，并将定位真值发送给路侧边缘计算；

步骤3：路侧感知设备(雷达、摄像头等设备)感知获取道路及车辆信息，并将信息发送至路侧边缘计算；

步骤4：路侧边缘计算对所获取的感知设备感知的信息进行识别、跟踪以及融合处理得到车辆的结构化信息，将路侧感知设备所感知到的车辆定位数据作为待检验值；

步骤5：路侧边缘计算将获取的车载单元发送给路侧单元的定位真值与路侧感知设备所感知到的车辆定位数据待检验值进行比对；

步骤6：若定位真值与待检验的路侧感知定位值之间误差小于设定的允许误差值，则认为路侧感知设备的感知能力较精确；若定位真值与待估计定位值之间误差超过设定的允许误差但在异常误差以内的，则利用因子图方法对待估计定位值进行修正；若定位真值与待估计定位值之间误差达到异常误差范围内，则向云平台预警。

2.根据权利要求1所述的路侧感知融合优化方法，其特征在于，步骤6中所述的因子图方法如下：

因子图包括变量节点、因子节点两类节点，所感知到的数据作为变量节点，所感知的数据值与车辆定位真值之间的概率关系作为因子节点；

变量节点包括车辆的位姿x_i，t_i到t_k时刻车辆的位姿参数如下：

X_k＝{x_i}_{i＝1，2,…k}， (1)

x_i＝[p^T,v^T,θ^T]， (2)

其中，p＝[x,y,z]为车辆的位置向量，v＝[v^x,v^y,v^z]为车辆速度向量，θ为车辆航向角；

定义z_i表示t_i时刻接收到车辆定位真值数据，则从t₁时刻起到t_k时刻接收的所有定位真值数据为Z_k：

Z_k＝{z_i}_i＝1,2,…k； (3)

对于给定车辆定位真值数据Z，对感知到的未知状态变量X的概率估计采用最大后验概率估计算法，算法如下：

X^MAP＝argmaxp(X|Z)， (4)

其中p为联合概率函数；

对于任何一个因子图，MAP推断可归结为最大化所有因子的乘积：

X^MAP＝argmax∏_iΦ_i(X_i)， (5)

其中，Φ_i(X_i)为因子，且与多组误差的乘积成正比，并且，

φ_i∝f_i， (6)

其中，h_i(X_i)为感知函数，是与感知状态变量有关的函数；z_i为车辆实际定位真值；

在高斯噪声模型假设的前提下对公式进行数学变换，将MAP推断变为最小化非线性最小二乘的形式：

将非线性最小二乘问题进行线性化转换，将h_i(X_i)进行泰勒展开得：

其中，H_i是观测雅克比矩阵，是在给定线性化点处关于h_i(.)的多变量偏微分，其中，

进而，将式(8)转换为：

其中，为定位真值与感知值在线性化点处的差值，将马氏范数转化成2范数，得到：

其中：

式(12)实际上是求解最小二乘问题，即求解A_i的逆，A_i为一个可逆矩阵，其中每一行代表一个因子，每一列代表因子中所含的变量，求解出A_i的逆即可求解出X^MAP，即求出f_i，对允许内的误差进行误差修正。

3.一种基于车路协同的路侧感知融合系统，其特征在于包括：

车载单元，通过车路协同PC5直连通信方式将车辆信息广播给路侧单元；

路侧单元，以间隔一定距离的方式布设在道路路侧，用于接收车载单元广播的车辆信息以及对外广播道路及车辆信息；

路侧感知设备，通过感知获取道路及车辆信息，用于将信息通过有线网络发送给路侧边缘计算；

路侧边缘计算，布设在道路路侧，用于接收并处理路侧单元与路侧感知设备通过有线网络发送的信息；

云控平台，用于接收路侧边缘计算发送的道路及车辆结构化数据，对存在异常的数据进行监测预警。