[发明专利]一种无人车多传感器信息实时融合的方法

摘要

本发明公开了一种无人车多传感器信息实时融合的方法，包括如下步骤：确定各个传感器的先验概率；确定初始mass函数；计算关联度；根据关联度，得到信任集合、模糊集合和风险集合；计算信任集合、模糊集合、风险集合的风险函数；计算后验概率；将每个传感器的后验概率与预设的风险阈值进行比较；分别对每个目标信息对应的各个传感器的初始mass函数按照下式进行修正；进行D‑S乘法融合，得到无人车传感器系统对每个目标信息识别后的融合概率。本发明引入衡量不确定度先验因子，利用数据关联分布进行风险评估，对不确定度的量化处理，能有效地避免失效传感器对融合结果的影响，可大幅提高多源目标识别的融合信息质量。

主权项

1.一种无人车多传感器信息实时融合的方法，其特征在于，包括如下步骤：S1、确定各个传感器的先验概率PQ：S2、根据步骤S1确定的各个传感器的先验概率PQ，确定每个目标信息对应的各个传感器的初始mass函数mi(XL)；目标信息识别框架Θ＝{X1,X2,X3,X4，…，XL，…，X|Θ|}，|Θ|表示目标信息的个数；i＝1,2,……，n，n表示传感器的个数；S3、计算每个目标信息对应的各个传感器两两之间的关联度；S4、根据每个目标信息对应的各个传感器的与其他传感器的关联度，判断对于每个目标信息对应的各个传感器而言，与其他传感器的关联度位于信任区间、模糊区间还是风险区间，从而得到每个目标信息对应的各个传感器的信任集合、模糊集合和风险集合；S5、利用贝叶斯公式对集合风险决策评估，分别定义信任集合、模糊集合、风险集合的风险函数PH、PM、PL计算方法如下：需对每个目标信息所对应的各个传感器的信任集合、模糊集合和风险集合分别计算风险函数；S6、单目标后验不确定度：根据步骤S5中得到的每个目标信息对应的各个传感器的信任集合、模糊集合和风险集合的风险函数，按照下式分别计算每个目标信息对应的各个传感器的后验概率：S7、多级失效预警：将每个传感器的|Θ|个后验概率分别与预设的风险阈值进行比较，若某个传感器的后验概率低于所述风险阈值则对该传感器进行步骤S8的处理，否则发出该传感器异常的风险预警；S8、样本修正:对于各个传感器，若无异常的风险预警则默认系统正常工作，根据步骤S6中计算得到的后验概率，分别对每个目标信息对应的各个传感器的初始mass函数按照下式进行修正：S9、对步骤S8计算得到的每个目标信息对应的各个传感器的修正后mass函数，按照下式进行D‑S乘法融合，得到无人车传感器系统对每个目标信息识别后的融合概率：其中，依据得到的无人车传感器系统对每个目标信息识别后的融合概率，无人车传感器系统可迅速做出正确的决策。