[发明专利]用于行人检测的多激光雷达决策级融合方法和装置

权利要求书

1.一种用于行人检测的多激光雷达决策级融合方法，其特征在于，所述方法包括：

采用组合的方式获取无人车上的多激光雷达的雷达对；所述雷达对包括：第一激光雷达和第二激光雷达；

分别获取所述第一激光雷达针对检测目标采集的第一点云数据和所述第二激光雷达针对所述检测目标采集的第二点云数据，通过训练好的AdaBoost模型对所述第一点云数据和所述第二点云数据进行行人检测，分别得到所述第一激光雷达的第一检测分数和所述第二激光雷达的第二检测分数；所述AdaBoost模型是通过训练样本训练得到的；所述训练样本的信息中包括样本得分；所述训练样本包括正样本和负样本；所述正样本和所述负样本的所述样本得分均近似符合高斯分布；

根据所述正样本得到所述正样本对应的高斯分布的正样本均值和正样本方差，根据所述负样本得到所述负样本对应的高斯分布的负样本均值和负样本方差；

根据所述正样本对应的高斯分布公式计算所述检测目标为行人时所述AdaBoost模型输出所述第一检测分数的第一正样本条件概率，以及所述检测目标为行人时所述AdaBoost模型输出所述第二检测分数的第二正样本条件概率为：

其中，Ped表示所述检测目标为行人；Score₁表示所述第一检测分数；Score₂表示所述第二检测分数；P(Score₁/Ped)表示所述第一正样本条件概率；

P(Score₂/Ped)表示所述第二正样本条件概率；σ_pos表示所述正样本方差；μ_pos表示所述正样本均值；

根据所述负样本对应的高斯分布公式计算所述检测目标不是行人时所述AdaBoost模型输出所述第一检测分数的第一负样本条件概率，以及所述检测目标不是行人时所述AdaBoost模型输出所述第二检测分数的第二负样本条件概率为：

其中，表示所述检测目标不是行人；表示所述第一负样本条件概率；表示所述第二负样本条件概率；σ_neg表示所述负样本方差；μ_neg表示所述负样本均值；

根据所述第一正样本条件概率、所述第二正样本条件概率和所述检测目标为行人的正先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标为行人的正判断概率为：

其中，P(Ped/Score₁,Score₂)表示所述正判断概率；P(Ped)表示所述正先验概率；P(Score₁)、P(Score₂)为贝叶斯规则的分子项，分别表示第一行人检测分数出现的概率和第二行人检测分数出现的概率，通过预先设置得到；

根据所述第一负样本条件概率、所述第二负样本条件概率和所述检测目标不是行人的负先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标不是行人的负判断概率为：

其中，表示所述负判断概率；P(Ped)、表示所述负先验概率；所述正先验概率和所述负先验概率是根据预先设置的初始值或上一时序得到的正判断概率和负判断概率得到的；

根据所述正判断概率和所述负判断概率，得到所述雷达对决策级融合的行人检测结果；

对多激光雷达所组合的所有雷达对对应的行人检测结果进行融合，输出多激光雷达决策级融合的行人检测结果。