一种面向复杂气象环境的多传感器融合权重标定方法与流程

本说明书涉及智能驾驶测试，尤其涉及一种面向复杂气象环境的多传感器融合权重标定方法。

背景技术：

1、在智能驾驶技术快速发展的背景下，环境感知系统已成为车辆实现安全、可靠行驶的重要组成部分。在智能驾驶领域，多传感器融合感知是提升环境适应能力和感知精度的关键。

2、智能驾驶感知系统通常配置摄像头、激光雷达和毫米波雷达等传感器。不同传感器分别采集车辆周围目标及道路环境信息，经时间同步、坐标转换和目标关联后，由融合算法形成统一的环境感知结果。融合算法通常需要设置各类传感器的融合权重，用于表征相应传感器数据在融合处理中的相对作用。

3、现有融合权重可根据工程经验设定，也可利用特定环境下采集的数据进行训练或标定。该类权重通常对应既定测试条件。然而，该方法存在以下主要缺陷：其一，融合权重依赖工程经验或特定环境下的训练、标定结果，通常仅适用于既定测试条件，当环境条件发生变化时，各类传感器输出的可靠程度随之变化，原有权重与当前环境之间可能出现不匹配，难以保证融合结果持续最优；其二，降雨和雾会造成可见光及激光传播过程中的散射和衰减，光照变化会改变图像中的有效信息，而毫米波雷达受光照变化的影响相对较小，由于三类传感器对环境变化的响应不同，继续沿用固定权重，可能使受环境影响较大的传感器在融合处理中保持过高作用，或者使相对稳定的传感器未得到充分利用，进而影响融合结果的稳定性。

4、为此，本说明书提供了一种面向复杂气象环境的多传感器融合权重标定方法。

技术实现思路

1、本说明书提供一种面向复杂气象环境的多传感器融合权重标定方法，以部分的解决现有技术存在的上述问题。

2、本说明书采用下述技术方案：

3、本说明书提供了一种面向复杂气象环境的多传感器融合权重标定方法，包括：

4、s1.针对待标定的智能驾驶感知系统，获取理想气象环境下所述智能驾驶感知系统在多个预设测试场景中的理想感知结果；其中，所述理想气象环境为无雨、无雾及标准光照的气象环境；所述理想感知结果包括所述智能驾驶感知系统检测到的目标物的目标速度和目标距离，为所述智能驾驶感知系统中各传感器检测到的目标物的目标速度和目标距离，分别经过所述各传感器的权重加权求和确定的；

5、s2.针对待标定气象环境，确定所述各传感器在所述多个预设测试场景下所述待标定气象环境的不同环境节点的目标感知结果；

6、s3.设置所述智能驾驶感知系统中各传感器在所述待标定气象环境的不同环境节点分别的权重，并确定所述智能驾驶感知系统在所述待标定气象环境的不同环境节点分别的权重向量；

7、s4.基于各权重向量、所述理想感知结果、各目标感知结果，构建权重优化问题；

8、s5.求解所述权重优化问题，确定所述智能驾驶感知系统中各传感器在所述待标定气象环境的不同环境节点的权重，实现所述智能驾驶感知系统中各传感器的权重标定。

9、根据上述技术手段，本方案针对待标定气象环境的不同环境节点分别确定权重向量，使权重能够随气象条件变化而调整，避免某传感器在雨雾等环境中性能下降却仍占较高权重的问题。s1获取无雨、无雾、标准光照下的目标速度和目标距离作为理想感知结果，为后续复杂气象下的感知偏差提供参考基准。这样可以定量评估各传感器在不同气象节点下的退化程度，并据此优化融合权重。该方法不仅考虑多个预设测试场景，还考虑待标定气象环境的不同环境节点，最终得到各传感器在不同场景、不同气象节点下的权重。这使融合系统能够根据实际气象条件选择或插值对应权重，提高环境自适应能力。s4基于权重向量、理想感知结果和各传感器目标感知结果构建权重优化问题，s5求解后得到各传感器权重。其效果是使融合后的感知结果尽可能逼近理想感知结果，从而抑制退化传感器影响，发挥优势传感器作用，实现多传感器互补。由于标定直接围绕目标速度和目标距离展开，优化后的权重可提高复杂气象下速度、距离估计的准确性，减少漏检、误检和融合冲突，增强感知系统在恶劣天气中的稳定性。该方法支持多个预设测试场景和多个环境节点，便于形成权重表或权重参数库，供在线融合算法调用。相比人工调参，优化求解方式更系统、可重复，能降低标定成本，并便于扩展到不同车型、传感器配置和气象条件。

10、进一步的，所述智能驾驶感知系统中各传感器包括摄像头、激光雷达和毫米波雷达。

11、进一步的，所述目标感知结果为所述智能驾驶感知系统中各传感器分别检测到的目标物的目标速度和目标距离。

12、进一步的，所述权重优化问题的表达式为：

13、

14、其中，分别表示摄像头、激光雷达和毫米波雷达；为所述待标定气象环境的环境节点的数量，为第个环境节点对应的预设测试场景数量；，，分别表示摄像头、激光雷达和毫米波雷达在第个环境节点对应的第个预设测试场景中检测到的目标距离；，，分别表示摄像头、激光雷达和毫米波雷达在第个环境节点对应的第个预设测试场景中检测到的目标速度；，分别为第个预设测试场景的理想感知结果中的目标距离和目标速度；，分别为预设的位置归一化尺度参数和速度归一化尺度参数；为第个环境节点的权重向量，分别为摄像头、激光雷达和毫米波雷达在第个环境节点分别的权重，为预设的平滑调节系数；用于引入约束条件，为表示所述权重优化问题的目标函数。

15、进一步的，s5中求解所述权重优化问题，具体包括：

16、采用二次规划求解器，求解所述权重优化问题。

17、进一步的，所述方法还包括步骤s6：

18、基于预设的表格结构，在表格每一行填入所述待标定气象环境、所述待标定气象环境的一个环境节点、该环境节点的摄像头的权重、激光雷达的权重、毫米波雷达的权重，确定融合权重标定表。

19、进一步的，s6中还包括步骤s61：

20、基于所述融合权重标定表，根据相邻环境节点对应的摄像头的权重、激光雷达的权重、毫米波雷达的权重，进行插值计算，确定所述相邻环境节点之间的环境节点对应的摄像头的权重、激光雷达的权重、毫米波雷达的权重。

21、本说明书提供了一种面向复杂气象环境的多传感器融合权重标定装置，包括：

22、第一获取模块，用于针对待标定的智能驾驶感知系统，获取理想气象环境下所述智能驾驶感知系统在多个预设测试场景中的理想感知结果；其中，所述理想气象环境为无雨、无雾及标准光照的气象环境；所述理想感知结果包括所述智能驾驶感知系统检测到的目标物的目标速度和目标距离，为所述智能驾驶感知系统中各传感器检测到的目标物的目标速度和目标距离，分别经过所述各传感器的权重加权求和确定的；

23、第二获取模块，用于针对待标定气象环境，确定所述各传感器在所述多个预设测试场景下所述待标定气象环境的不同环境节点的目标感知结果；

24、设置模块，用于设置所述智能驾驶感知系统中各传感器在所述待标定气象环境的不同环境节点分别的权重，并确定所述智能驾驶感知系统在所述待标定气象环境的不同环境节点分别的权重向量；

25、构建模块，用于基于各权重向量、所述理想感知结果、各目标感知结果，构建权重优化问题；

26、标定模块，用于求解所述权重优化问题，确定所述智能驾驶感知系统中各传感器在所述待标定气象环境的不同环境节点的权重，实现所述智能驾驶感知系统中各传感器的权重标定。

27、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种面向复杂气象环境的多传感器融合权重标定方法。

28、本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种面向复杂气象环境的多传感器融合权重标定方法。

29、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

30、本方案针对待标定气象环境的不同环境节点分别确定权重向量，使权重能够随气象条件变化而调整，避免某传感器在雨雾等环境中性能下降却仍占较高权重的问题。s1获取无雨、无雾、标准光照下的目标速度和目标距离作为理想感知结果，为后续复杂气象下的感知偏差提供参考基准。这样可以定量评估各传感器在不同气象节点下的退化程度，并据此优化融合权重。该方法不仅考虑多个预设测试场景，还考虑待标定气象环境的不同环境节点，最终得到各传感器在不同场景、不同气象节点下的权重。这使融合系统能够根据实际气象条件选择或插值对应权重，提高环境自适应能力。s4基于权重向量、理想感知结果和各传感器目标感知结果构建权重优化问题，s5求解后得到各传感器权重。其效果是使融合后的感知结果尽可能逼近理想感知结果，从而抑制退化传感器影响，发挥优势传感器作用，实现多传感器互补。由于标定直接围绕目标速度和目标距离展开，优化后的权重可提高复杂气象下速度、距离估计的准确性，减少漏检、误检和融合冲突，增强感知系统在恶劣天气中的稳定性。该方法支持多个预设测试场景和多个环境节点，便于形成权重表或权重参数库，供在线融合算法调用。相比人工调参，优化求解方式更系统、可重复，能降低标定成本，并便于扩展到不同车型、传感器配置和气象条件。