[发明专利]一种智能网联汽车环境感知系统的多雷达数据融合方法

说明书

本发明提出了一种智能网联汽车环境感知系统的多雷达数据融合方法。智能网联汽车外部环境感知系统的多雷达数据存在互补性与冗余性，针对多雷达数据的互补性，本发明构建了覆盖智能网联汽车周围全部环境的菱形栅格地图，其由L个同心菱形及J条从车辆的几何中心延伸至与最外层菱形相交的径向线组成，所述菱形栅格地图不仅更加接近于多雷达探测的区域，还可以为对潜在威胁进行风险评估打下基础，从而更好的成为上层控制系统做决策依据。针对多雷达数据的冗余性，本发明提出了基于动态参数贝叶斯的多雷达数据融合方法，这种方法不仅可以有效的降低单颗雷达在真实道路环境下较高的漏检率与虚警率，还对噪声响应十分灵敏，并具有很强的鲁棒性与实时性。

技术领域

本发明涉及智能网联汽车的多传感器信息融合领域。特别涉及一种智能网联汽车环境感知系统的多雷达数据融合方法。

背景技术

智能网联汽车是当今前沿科学技术的重要发展项目，它对于社会和经济发展、国防建设以及科技发展等多个方面都具有重大的影响。在智能网联汽车技术组成单元中，环境感知系统是至关重要的一环，是智能网联汽车安全性和智能性的保障。目前来看，智能网联汽车中对外部环境感知最重要的传感器之一是雷达，雷达可以很好的提供障碍物的位置、距离以及速度的信息，这些信息对智能网联汽车都是至关重要的。但是目前受到探测范围、噪声及制造成本的制约，单颗雷达远远达不到智能网联汽车对外部环境感知的要求，所以就要采取多颗雷达融合的方式，然而这样就对多传感器的信息融合技术有了更高的要求。

交通部门的一项数据统计显示：在全部交通事故中追尾碰撞占36.03％，造成的经济损失占40.69％，导致死亡人数占55.08％，由此可见追尾碰撞居各种交通事故之首，而且多为恶性事故，所造成的事故伤害及经济损失最大。这是因为在单一行驶方向的标准化路面上，车辆都具有较高的纵向行驶速度，只有在并线、侧滑或少数其他情况时，才会具有较明显的横向速度。因此在智能网联汽车行驶时，纵向方向的潜在威胁所带来的行驶风险更高。

发明内容

本发明提出了一种面向智能网联汽车的多雷达数据融合方法。

本发明通过构建覆盖智能网联汽车周围全部环境的菱形栅格地图来解决多雷达数据存在的互补性问题。本发明提出的菱形栅格地图基于对行驶风险的分析，认为在等距离的条件下，来自车辆纵向风险远高于横向风险，故将与车辆纵向夹角较小、相对距离较远的位置和与车辆纵向夹角较大、相对距离较近的位置划分在一起，这是因为其行驶风险大致相同。

一种智能网联汽车环境感知系统的多雷达数据融合方法，通过构建覆盖智能网联汽车周围全部环境的菱形栅格地图来解决多雷达数据存在的互补性问题，所述菱形栅格地图由 L个同心菱形及J条径向线组成，具体包括以下步骤:

步骤一：读取多雷达数据：解析出雷达探测到的障碍物的角度与距离信息；

步骤二：判断障碍物所属的菱形栅格地图区域；

步骤三：多雷达数据的初步判断：

若探测到该位置有障碍物的雷达数目为零，则该位置输出为无障碍物区域；

若探测到该位置有障碍物的雷达数目与探测范围覆盖此区域的雷达数目相同，则该位置输出为有障碍物区域；

若探测到该位置有障碍物的雷达数目即不为零也小于探测范围覆盖此区域的雷达数目，则通过步骤四进行判断；

步骤四：基于动态参数贝叶斯的多雷达数据融合；

公式(1)为贝叶斯推理的组合公式；

P(E_i|H_j)的取值：将每颗雷达前z帧的探测结果与多雷达融合后的输出结果作比较，得到其漏检率和虚警率，再将此值作为自变量通过函数f(t)得到先验概率值P(E_i|H_j)；