[发明专利]基于路侧设备的目标融合方法、系统、车辆及存储介质

说明书

本发明公开了一种基于路侧设备的目标融合方法、系统、车辆及存储介质，采用路侧的摄像头与雷达作为前端基础设备，通过视频微波检测融合计算单元将摄像头的视频与雷达的部分数据进行融合与深度分析，完成所检测目标车辆与行人的位置、速度、加速度、航向角等信息的输出，以供自动驾驶车辆感知融合，实现车路协同感知融合的决策控制。

技术领域

本发明属于汽车自动驾驶、车辆协同技术领域，具体涉及一种基于路侧设备的目标融合检测的方法、系统、车辆及存储介质。

背景技术

随着自动驾驶关键技术的日趋成熟，其逐步由单车智能向车路协同方向快速发展。由于单车智能传感器检测的路况存着盲区，而路侧端传感器则能辅助车辆完成该部分路况的检测。因此，车路协同能够提升自动驾驶系统的安全性能，助力自动驾驶技术早日面向普通用户。

车路协同经过2019年的“四跨”和多个示范先导区的先行先试，车联网V2X技术第一阶段的17个预警类应用场景已得到了基本的技术验证，2020年已具备了量产上车的条件。目前，车路协同面向第二阶段L2、L3级的高级辅助驾驶，以及第三阶段L3/L4高级自动驾驶的应用探索和标准制定已成为未来两年的行业研究重点。

在车路协同技术领域，路侧端的检测传感器主要包括视频、各种雷达等。每种传感器都各有优缺点，如CN109190581A公开的一种图像序列目标检测识别方法，该方法提出了一种图像序列的目标检测方案，由于神经网络、深度学习等技术的跨越式发展，视频传感器检测精度大大提高，而且由于其本身具有安装方便、可大场景断面检测，可获得多种检测数据以及“所见即所得”的可视化等多种优势，获得了大量的应用，然而，在雨雾等恶劣天气情况下，其检测效果不佳，且在超出一定距离范围存在着检测目标的精度较差等问题。

因此，有必要开发一种新的基于路侧设备的目标融合方法、系统、车辆及存储介质。

发明内容

本发明提供一种基于路侧设备的目标融合方法、系统、车辆及存储介质，以实现车路协同感知融合的决策控制。

第一方面，本发明所述的基于路侧设备的目标融合方法，包括以下步骤：

步骤1.摄像头输出视频流的目标数据，雷达通过雷达处理器输出雷达检测的目标数据；

步骤2.视频微波检测融合计算单元将摄像头和雷达输出的目标数据进行融合，并输出目标的位置、速度、加速度和航向角；其中，所述视频微波检测融合计算单元将摄像头和雷达输出的目标数据进行融合，具体为：

当驶向路口区域的目标与路侧原点的距离dd_s时，融合检测输出的目标数据D_fusion＝D_camera，其中：所述路侧原点指摄像头与雷达的部署位置，摄像头和雷达部署在同一位置，d为目标到路侧原点的距离，d_s为第一预设距离，D_fusion为融合检测输出数据，D_camera为摄像头检测输出数据；

当驶向路口区域的目标与路侧原点的距离d满足d_sdd_r时，融合检测输出的目标数据D_fusion＝tD_camera+(1-t)D_radar，其中：所述t为置信系数，d_r为第二预设距离，且d_sd_r；

当驶向路口区域的目标与路侧原点的距离dd_r时，融合检测输出的目标数据D_fusion＝D_radar。

步骤3.路侧单元将检测到的目标数据通过RSM消息集广播出去；

步骤4.车端通过车载单元接收后进行解析，并与本车感知的信息进行再次融合，接入决策控制单元以供自动驾驶使用。