[发明专利]基于异步式串行多传感器的航迹数据融合方法及存储介质

说明书

本发明涉及一种基于异步式串行多传感器的航迹数据融合方法及存储介质，所述方法包括以下步骤：通过多传感器采集目标数据，所述目标数据包括基础数据及辅助数据，所述多传感器包括主传感器及辅助传感器；从主传感器中选取同一类的传感器作为基准传感器；通过以基准传感器采集的基准数据为起点，依照串行顺序依次与其他传感器采集的目标数据进行预融合得到预融合数据；将得到的预融合数据与历史轨迹数据进行匹配融合得到航迹更新数据；将得到的航迹更新数据与其他传感器采集的目标数据进行后融合得到最终航迹数据。解决现有的融合算法基本为同步融合的问题，同时将“异步串行”的融合算法框架进行模块化，进而达到通用性强的效果。

技术领域

本发明涉及航迹数据融合技术领域，特别涉及一种基于异步式串行多传感器的航迹数据融合方法及存储介质。

背景技术

如今，ADAS(Advanced Driving Assistant System高级辅助驾驶系统)已然成为了技术发展的一大热点，无论是主机厂还是供应商都将大量的精力投至其中。并且就车辆方面而言，安装ADAS后的“成品车”无论在操稳性还是安全性方面都得到了巨大的提升，甚至在某些地区已将ADAS部分功能列入“强制安装”的法规中。ADAS技术可大致分为“感知”、“决策”以及“控制”三大模块：“感知系统”主要负责获取外界环境信息数据，传输至“决策系统”进行分析处理，再形成控制信号输入“控制系统”，而控制后的信息再次被“感知系统”捕获，最终形成“感知-决策-控制-感知”的闭环系统。其中，“感知系统”输出数据的准确性和全面性从根本上影响了决策以及控制，进而决定了产品的优劣。

目前，有关“感知系统”方面的设计，开发者一般倾向于采用异质多传感器数据融合的设计方案，理由包括以下几点：

a、单一传感器存在较大的局限性，检测范围无法满足需求，输出数据类型单一等；

b、多种廉价传感器(精度低)组合的方案替代高价传感器(精度高)，有效降低成本；

c、采用异质多传感器组合的方式具有较强的鲁棒性，可适应多种不同工作环境；

d、多传感器更容易符合ISO26262功能安全标准(ASIL D等级)。

基于上述原因，“多传感器数据融合算法”即显得尤为重要。融合算法的工作主要包括将来自相同目标的数据进行整合关联；管理现存航迹并记录相关历史数据。但是，各类传感器本身均存在弊端给后端的融合算法带来了不小的“开发难度”，其中包括：

毫米波雷达：位置、速度信息准确，但存在大量虚警点、虚假航迹以及重复目标的问题；

视觉传感器：可探测目标类型信息，但是在深度方向上跳变较大；

激光雷达：无法检测速度信息。

就目前发展状况而言，融合算法存在几种主流方案，其中包括：最近邻匹配(Nearest Neighbor,NN)、联合概率数据关联(Joint Probabilistic Data Association,JPDA)以及多假设跟踪(Multiple Hypothesis Tracking,MHT)等。其根本机理是：将上一时刻的目标位置(Previous Location)预测至当前时刻下，再将预测位置(PredictedLocation)与当前时刻下的目标位置(Current Location)通过相关规则进行匹配关联，从而更新航迹，实现目标追踪并将“有效点”与“失效点”进行区分。但是，以上算法均属于融合算法中数据关联部分，针对融合算法整体框架的设计方案较少且大多为“同步融合”，即只使用当前时刻下的传感器数据，在通过时间与空间校正后进行数据关联，以此实现数据更新。并且融合算法步骤、接口较为杂乱，针对异质传感器通用性差。

发明内容

为此，需要提供一种基于异步式串行多传感器的航迹数据融合方法及存储介质，解决现有的航迹数据融合算法中多为同步融合，算法步骤及接口较为杂乱，以及针对异质传感器通用性差的问题。