一种基于分段函数的多传感器数据融合方法与流程

1.本发明属于自动驾驶的技术领域，具体涉及一种基于分段函数的多传感器数据融合方法。


背景技术：

2.随着汽车智能化的快速发展，越来越多的汽车上搭载了自动驾驶系统。为实现更为准确、安全的自动驾驶，实时获取本车周围的环境情况是进行自动驾驶控制重要基础，目前，自动驾驶系统用于获取本车周围环境情况的传感器种类和数量较多，如摄像头、激光雷达和毫米波雷达等，对多个传感器获取的数据分别进行处理分析所需的运算量较大，影响控制输出的时效性，且多个传感器获取的数据差异容易对自动驾驶的控制决策造成干扰，导致自动驾驶控制的准确性和安全性较差。
3.因此，现在市面上汽车的自动控制系统都具备多传感器数据融合功能，将多传感器获取的数据进行融合处理后输出，不仅降低数据分析处理所需的运算量，同时融合后的数据更为准确可靠，可有效提高自动驾驶控制的准确性和安全性。目前，多传感器数据融合方法主要分为传统方法和机器学习方法，传统方法中通过卡尔曼滤波算法进行数据融合较为常见，但卡尔曼滤波算法容易受模型不确定性和干扰信号的影响，容易导致融合数据的可靠性降低；机器学习方法虽然可以较为准确的实现多传感器数据融合，但机器学习方法的融合效果受样本量和场景覆盖度的影响较大；中国专利cn201810765485.1一种多传感器数据加权融合方法，该方案首先对传感器获取的原始数据进行滤波处理，在一定程度上减弱了数据的真实性，然后基于滤波后的数据以及对应权重进行数据融合，获得融合数据，最后基于概率统计方法对融合后数据进行二次融合，数据融合复杂，在一定程度影响了系统的效率，导致自动驾驶控制的时效性较差。


技术实现要素：

4.针对现有技术的上述不足，本发明要解决的技术问题是提供一种基于分段函数的多传感器数据融合方法，解决目前多传感器数据融合方法存在可靠性较差和步骤复杂的问题，取得提高数据融合的可靠性和时效性的效果。
5.为解决上述技术问题，本发明采用如下技术方案：
6.一种基于分段函数的多传感器数据融合方法，包括如下步骤：
7.1)获取多个传感器数据并统计输出目标分布情况；
8.2)分析多个传感器数据的稳定性，输出跳变标志位；
9.3)基于分段函数对目标分布情况进行拟合，输出权重曲线；
10.4)基于权重曲线对多个传感器数据进行融合，得到融合数据。
11.进一步地，步骤1)的具体内容如下：逐帧统计多个传感器数据中的目标信息得到目标分布情况，目标信息包括目标与本车的距离和目标相对本车所在的方位角。
12.进一步地，步骤2)的具体内容如下：基于车辆运动学模型对多个传感器数据中的
目标信息进行稳定性分析，并设置对应的跳变阈值，当目标信息发生跳变且变化值大于跳变阈值时，输出跳变标志位。
13.进一步地，步骤3)包括如下子步骤：
14.31)基于分段函数对目标分布情况进行拟合得到权重曲线；
15.32)基于跳变标志位对权重曲线进行调整并输出，若输出跳变标志位为1，则将对应帧目标信息在权重曲线中对应的权重乘以调整系数。
16.进一步地，步骤1)中所述多个传感器数据包括摄像头数据和雷达数据。
17.进一步地，步骤4)包括如下子步骤：
18.41)定义摄像头数据中目标位置的集合为p，定义雷达数据中目标位置的集合为q，定义融合数据中目标位置的集合为f，则p、q和f分别表示如下：
19.p＝[p1…
pn]
[0020]
q＝[q1…qn
]
[0021]
f＝[f1…fn
]
[0022]
用pi表示第i帧摄像头数据中目标在本车车身坐标系下的坐标，用qi表示第i帧雷达数据中目标在本车车身坐标系下的坐标，用fi表示第i帧融合数据中目标在本车车身坐标系下的坐标，i∈[1，n]；
[0023]
42)基于权重曲线对多个传感器数据进行融合，融合公式如下：
[0024]
f＝w1p w2q/(w1 w2)
[0025]
其中，w1表示摄像头数据对应的权重，w2表示雷达数据对应的权重。
[0026]
进一步地，本发明所述一种基于分段函数的多传感器数据融合方法，还包括步骤5)：根据真值系统获取的真值对融合数据进行定量分析，判断是否输出融合数据。
[0027]
进一步地，步骤5)的具体内容如下：
[0028]
计算融合数据和真值的误差平方和，计算公式如下：
[0029][0030]
其中，ε表示融合数据和真值的误差平方和，fi为融合结果f的集合，ri为真值系统获取的真值的集合；
[0031]
基于误差平方和的预设阈值t进行判断，当ε小于t时，则判断输出融合数据以供自动驾驶系统使用。
[0032]
相比现有技术，本发明的有益效果如下：
[0033]
1、本发明所述一种基于分段函数的多传感器数据融合方法，基于分段函数对目标分布情况进行拟合得到权重曲线，在基于权重曲线对多个传感器数据进行融合得到融合数据，相较于现有方法，本方法步骤简单，所需算力较低；另外，本方法中还通过分析多个传感器数据的稳定性来调整权重曲线，使多个传感器数据的融合更加准确可靠。
[0034]
2、本发明所述一种基于分段函数的多传感器数据融合方法，在多个传感器数据进行融合后，还对融合得到的融合数据进行定量的对比分析，当融合数据符合预设的标准时，才输出以供自动驾驶系统进行自动驾驶控制，使通过本方法输出的融合数据具有更好的可靠性，可有效避免因异常输出而导致自动驾驶出错的情况，提高自动驾驶系统的安全性。
附图说明
[0035]
图1为实施例的一种基于分段函数的多传感器数据融合方法的流程图。
具体实施方式
[0036]
下面结合附图对本发明的具体实施方式作进一步的详细说明。
[0037]
实施例：
[0038]
请参见图1，一种基于分段函数的多传感器数据融合方法，包括如下步骤：
[0039]
1)获取多个传感器数据并统计输出目标分布情况；具体内容如下：逐帧统计多个传感器数据中的目标信息得到目标分布情况，目标信息包括目标与本车的距离和目标相对本车所在的方位角；本实施例中，所述多个传感器数据包括摄像头数据和雷达数据。
[0040]
2)分析多个传感器数据的稳定性，输出跳变标志位；具体内容如下：基于车辆运动学模型对多个传感器数据中的目标信息进行稳定性分析，并设置对应的跳变阈值，当目标信息发生跳变且变化值大于跳变阈值时，输出跳变标志位。
[0041]
3)基于分段函数对目标分布情况进行拟合，输出权重曲线；包括如下子步骤：
[0042]
31)基于分段函数对目标分布情况进行拟合得到权重曲线；
[0043]
32)基于跳变标志位对权重曲线进行调整并输出，若输出跳变标志位为1，则将对应帧目标信息在权重曲线中对应的权重乘以调整系数；若跳变标志位没有置位，则不作调整。
[0044]
4)基于权重曲线对多个传感器数据进行融合，得到融合数据；包括如下子步骤：
[0045]
41)定义摄像头数据中目标位置的集合为p，定义雷达数据中目标位置的集合为q，定义融合数据中目标位置的集合为f，则p、q和f分别表示如下：
[0046]
p＝[p1…
pn]
[0047]
q＝[q1…qn
]
[0048]
f＝[f1…fn
]
[0049]
用pi表示第i帧摄像头数据中目标在本车车身坐标系下的坐标，用qi表示第i帧雷达数据中目标在本车车身坐标系下的坐标，用fi表示第i帧融合数据中目标在本车车身坐标系下的坐标，i∈[1，n]；
[0050]
42)基于权重曲线对多个传感器数据进行融合，融合公式如下：
[0051]
f＝w1p w2q/(w1 w2)
[0052]
其中，w1表示摄像头数据对应的权重，w2表示雷达数据对应的权重。
[0053]
本发明所述一种基于分段函数的多传感器数据融合方法，基于分段函数对目标分布情况进行拟合得到权重曲线，在基于权重曲线对多个传感器数据进行融合得到融合数据，相较于现有方法，本方法步骤简单，所需算力较低；另外，本方法中还通过分析多个传感器数据的稳定性来调整权重曲线，使多个传感器数据的融合更加准确可靠。
[0054]
进一步地，本发明所述一种基于分段函数的多传感器数据融合方法，还包括步骤5)：根据真值系统获取的真值对融合数据进行定量分析，判断是否输出融合数据；本实施例中，所述真值系统为采用real time kinematic实时动态差分定位技术的rtk测量系统；
[0055]
具体内容如下：
[0056]
计算融合数据和真值的误差平方和，计算公式如下：
[0057][0058]
其中，ε表示融合数据和真值的误差平方和，fi为融合结果f的集合，ri为真值系统获取的真值的集合；
[0059]
基于误差平方和的预设阈值t进行判断，当ε小于t时，则判断输出融合数据以供自动驾驶系统使用。
[0060]
这样，在多个传感器数据进行融合后，还对融合得到的融合数据进行定量的对比分析，当融合数据符合预设的标准时，才输出以供自动驾驶系统进行自动驾驶控制，使通过本方法输出的融合数据具有更好的可靠性，可有效避免因异常输出而导致自动驾驶出错的情况，提高自动驾驶系统的安全性。
[0061]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。