[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

说明书

本申请涉及一种用于行人检测的多激光雷达决策级融合方法、装置、计算机设备和存储介质。所述方法包括：将无人车上每个激光雷达采集到的检测目标的点云数据通过训练好的AdaBoost算法进行行人检测，得到单激光雷达的行人检测分数；通过贝叶斯规则对无人车上两个激光雷达组合成的雷达对的检测结果进行决策级融合，得到雷达对的行人检测结果，再根据多激光雷达中所有雷达对的行人检测结果得到最终的行人检测结果。由于本方法中单激光雷达可以先分别独立决策，再对多激光雷达的决策进行融合，避免了多传感器的数据级融合或特征级融合，不需要激光雷达数据采集完全同步，因此本方法具有计算量较少，对激光雷达原始数据的时序要求较低的优点。

技术领域

本申请涉及无人驾驶技术领域，特别是涉及一种用于行人检测的多激光雷达决策级融合方法、装置、计算机设备和存储介质。

背景技术

无人驾驶技术作为人工智能与自动化技术相结合的一种新兴技术，已经逐渐成为推动汽车产业升级和机器人技术深入寻常百姓家的重要推动力。目前，为了提高检测的准确性并减小检测的盲区，在无人驾驶汽车研究中大量采用多线激光雷达实现行人检测。

传统的激光雷达数据融合方法包括数据级和特征级融合。数据级融合是将传感器采集的原始数据直接进行融合，特征级融合是首先对每个传感器的数据分别进行特征提取（如形状特征、运动特征等），然后融合这些特征以得到一个综合特征。由于在融合前的数据加工少，传统方法较大程度地保留了数据的原始信息，但也存在数据处理量大，算法实时性较差等缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减少计算量，提高算法实时性的用于行人检测的多激光雷达决策级融合方法、装置、计算机设备和存储介质。

一种用于行人检测的多激光雷达决策级融合方法，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；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；

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；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；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。