CN111090095A - 信息融合环境感知系统及其感知方法 - Google Patents
信息融合环境感知系统及其感知方法 Download PDFInfo
- Publication number
- CN111090095A CN111090095A CN201911348543.1A CN201911348543A CN111090095A CN 111090095 A CN111090095 A CN 111090095A CN 201911348543 A CN201911348543 A CN 201911348543A CN 111090095 A CN111090095 A CN 111090095A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- track
- type
- lane line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Abstract
本发明公开了一种信息融合环境感知系统，包括：第一数据清洗模块和第二数据清洗模块用于删除的无效数据；时空同步模块将目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；航迹关联更新模块判断是否存在目标航迹关联；更新目标航迹关联的目标航迹和目标航迹未关联的目标航迹；航迹管理模块对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；道路场景分析模块判断当前车辆所处路线是否存在弯道；车道线匹配模块形成目标航迹与车道线的匹配关系。本发明还公开了一种信息融合环境感知方法。本发明能为辅助驾驶以及无人驾驶提供精确可靠的环境感知，提高辅助驾驶和无人驾驶功能的性能。
Description
技术领域
本发明涉及车辆辅助驾驶及无人车技术领域，特别是涉及一种用于辅助驾驶以及无人驾驶中的信息融合环境感知系统。本发明还涉及一种用于辅助驾驶以及无人驾驶中的信息融合环境感知方法。
背景技术
辅助驾驶以及无人驾驶中的重要一环对周围环境情况进行精确判断，为安全辅助驾驶及无人驾驶的控制提供可靠的依据。因此，环境感知技术是辅助驾驶及无人车技术的关键技术。基于毫米波雷达的感知，能够精确的感知周围环境目标的精确纵向信息，包括纵向位置和相对速度等，但无法提供高鲁棒性的目标分类以及横向信息等，基于视觉的感知，能够获取丰富的图像信息，可以鲁棒的获取周围环境目标的轮廓信息和类别信息等，但是其对于纵向信息等的检测鲁棒性较低。单一传感器的感知均存在一定的利弊。
为了更加精确的获取周围感知的目标信息，结合多种传感器的信息进行融合判断是最重要的发展趋势，充分利用每一个传感器的优势进行融合，使得整个系统能够获得精确横纵向位置，类别宽度等信息。因此，如何利用多传感器进行信息融合，提高环境感知的鲁棒性是一个辅助驾驶以及无人驾驶中的关键技术问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
本发明要解决的技术问题是提供一种用于辅助驾驶以及无人驾驶，能将至少两种车载不同类型传感器信息进行融合的信息融合环境感知系统。
本发明要解决的另一技术问题是提供一种用于辅助驾驶以及无人驾驶，能将至少两种车载不同类型传感器信息进行融合的信息融合环境感知方法。
为解决上述技术问题，本发明提供的一种用于车载不同种类传感器信息融合的信息融合环境感知系统，包括：
第一数据清洗模块，其适用于根据第一数据清洗规则，删除第一类传感器目标数据中的无效数据；
第二数据清洗模块，其适用于根据第二数据清洗规则，删除第二类传感器目标数据的无效数据；
时空同步模块，将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；
航迹关联更新模块，遍历第一类传感器目标数据和第二类传感器目标数据所有目标数据，若同一目标存在第一类传感器目标数据和第二类传感器目标数据则判断该目标航迹关联，若同一目标不存在第一类传感器目标数据和第二类传感器目标数据则判断该目标航迹未关联，
采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；
航迹管理模块，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；
道路场景分析模块，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；
车道线匹配模块，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。
可选择的，第一类传感器是毫米波雷达。
可选择的，进一步改进所述的信息融合环境感知系统，第一数据清洗规则是毫米波雷达数据清洗规则，其利用毫米波雷达传输的标志位对数据进行清洗，包括：
A)雷达目标的横纵向位置信息以及速度信息均不为0，且雷达目标输出的标志位有效，则判断当前数据为有效数据，否则判断当前数据无效，删除无效数据；
B)雷达目标当前帧数据与上一帧数据的横纵向位置和速度值偏差值小于预设偏差阈值，则判断当前数据稳定，否则判断当前数据不稳定，删除不稳定数据。
可选择的，第二类传感器是视觉传感器。由于第二类传感器是视觉传感器因此可以直接利用其视觉传感器形成的车道线数据。若第二类传感器不是视觉传感器，则需要辅助驾驶系统提供车道线数据。
可选择的，进一步改进所述的信息融合环境感知系统，第二数据清洗规则是视觉传感器目标数据清洗规则，其利用视觉目标和车道线中的标志位对数据进行清洗，包括：
C)视觉目标的横纵向位置以及速度信息均不为0，且视觉输出的目标有效性标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
D)视觉车道线信息的多项式表达式y＝C0+C1×x+C2×x2+C3×x3中的多项式系数C0、C1、C2、C3数据不同时为0，且视觉输出的车道线有效标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
可选择的，进一步改进所述的信息融合环境感知系统，时空同步模块采用以下步骤将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据转换至选定坐标系；
E)将第一类传感器目标数据进行坐标平移，使所有第一类传感器目标数据处于选定坐标系下；
F)将第二类传感器目标数据进行平移转换，使所有第二类传感器目标数据处于选定坐标系下；
G)将车道线目标数据平移转换，使所有车道线目标数处于选定坐标系下。
可选择的，进一步改进所述的信息融合环境感知系统，时空同步模块利用扩展卡尔曼滤波算法将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据同步到同一采样时刻。
可选择的，进一步改进所述的信息融合环境感知系统，航迹关联更新模块采用以下步骤判断第一类传感器某目标数据和第二类传感器某目标数据是否为同一目标数据；
H)判断上述两个目标数据是否满足下述条件；
|xradar-xcamera|＜εx；
|yradar-ycamera|＜εy；
|Vxradar-Vxcamera|＜εVx；
|Vyradar-Vycamera|＜εVy；
其中xradar表示雷达检测到的目标的纵向距离，xcamera表示摄像头传感器检测到的目标的纵向距离，yradar表示雷达检测到的目标的横向距离，ycamera表示摄像头传感器检测到的目标的横向距离，Vxradar表示雷达检测到的目标的纵向速度，Vxcamera表示摄像头传感器检测到的目标的纵向速度，Vyradar表示雷达检测到的目标的横向速度，Vycamera表示摄像头传感器检测到的目标的横向速度，εx是纵向距离比较阈值，εy是横向距离比较阈值，εVx是纵向速度比较阈值，εVy是横向速度比较阈值；
I)若满足上述条件，判断两个目标航迹关联，计算该两个目标数据的欧式距离；
若不满足上述条件则将两个目标之间的距离设置为一个极大值表示两个目标不存在目标航迹关联，遍历所有第一类传感器目标数据和第二类传感器目标数据形成关联矩阵；
J)利用全局最近邻方法分析关联矩阵，获得第一类传感器某目标数据和第二类传感器某目标数据的关联匹配关系。
可选择的，εx的取值范围是2米-4米，εy的取值范围是0.5米-1.5米，εVx的取值范围是3米/秒-9米/秒，εVy的取值范围是0.5米/秒-1.5米/秒。
可选择的，进一步改进所述的信息融合环境感知系统，第一更新规则包括：
目标的纵向数据采用第一类传感器目标数据进行更新，目标的横向数据和目标类别及宽度则采用第二类传感器目标数据进行更新，同时增加关联计数器的数值。
可选择的，进一步改进所述的信息融合环境感知系统，第二更新规则包括：
采用扩展卡尔曼滤波对目标的横纵向数据进行更新，目标的类别和宽度数据保持不变，同时增加未关联计数器的数值。
可选择的，进一步改进所述的信息融合环境感知系统，关联计数器的数值大于第一计数阈值，则航迹管理模块判断该目标航迹为有效航迹；
可选择的，进一步改进所述的信息融合环境感知系统，删除规则包括：未关联计数器的数值大于第二计数阈值，则判断该目标航迹为无效航迹，删除该目标航迹。
可选择的，进一步改进所述的信息融合环境感知系统，道路场景分析模块采用以下步骤判断车辆所处路线是否存在弯道，若存在弯道则判断车辆驶入弯道还是车辆驶离弯道；
K)计算行驶车道的曲率；
L)在预设时段内利用不同alpha值滤波道路曲率和车辆瞬时道路曲率比较判断车辆处于直线道路行或弯道行驶。
可选择的，alpha滤波公式为:Kt＝alpha×Kt-1+(1-alpha)×Kt；Kt是t时刻道路曲率，Kt是t-1时刻道路曲率；
利用不同alpha滤波的值：alpha1和alpha2，假设alpha1＞alpha2，如果预设时段内(如2s),利用两个不同的alpha值滤波计算的结果与车辆的瞬时曲率值的偏差小于设定差值，则行车车道为直线；而若通过alpha1值计算出来的曲率小于通过alpha2值计算出来的曲率，且通过alpha2值计算出来的曲率小于当前时刻计算的行驶车道的曲率，则表示车辆处于驶入弯道的情况。即，通过alpha1值计算出来的曲率大于通过alpha2值计算出来的曲率，且通过alpha2值计算出来的曲率大于当前时刻计算的行驶车道的曲率，则表示车辆处于驶入弯道的情况。
可选择的，进一步改进所述的信息融合环境感知系统，车道线匹配模块采用下述步骤判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系；
M)当车辆处于直线道路行驶，根据检测到目标航迹的横向距离与车道线的相对关系进行匹配，获得航迹与车道线的匹配关系；
N)当车辆处于弯道行驶，利用车道线信息的多项式表达式结合检测的当前车道的航迹信息，拟合出车辆坐标系下当前车可能的行驶航迹，结合车道线信息、自车宽度以及标准道路宽度信息，通过检测到的目标航迹的横向位置信息进行匹配，获得航迹与车道线的匹配关系，若航迹的横向位置大于目标到最近车道线的距离与距离阈值之和，则检测到的航迹处于相邻车道，否则处于当前车道。
可选择的，距离阈值为0.4-0.6倍车道宽度，优选为0.5倍车道宽度。
本发明提供一种车载不同种类传感器信息融合的信息融合环境感知方法，包括以下步骤：
S1，删除第一类目标数据和第二类目标数据中的无效数据；
S2，将第一类目标数据、第二类目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；
S3，遍历第一类目标数据和第二类目标数据，若同一目标存在第一类目标数据和第二类目标数据则判断该目标航迹关联，若同一目标不存在第一类目标数据和第二类目标数据则判断该目标航迹未关联；
S4，采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；
S5，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；
S6，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；
S7，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。
可选择的，第一类目标数据是毫米波雷达数据。
可选择的，进一步改进所述的信息融合环境感知方法，采用以下步骤利用毫米波雷达传输的标志位删除毫米波雷达数据中的无效数据；
a)雷达目标的横纵向位置信息以及速度信息均不为0，且雷达目标输出的标志位有效，则判断当前数据为有效数据，否则判断当前数据无效，删除无效数据；
b)雷达目标当前帧数据与上一帧数据的横纵向位置和速度值偏差值小于预设偏差阈值，则判断当前数据稳定，否则判断当前数据不稳定，删除不稳定数据。
可选择的，第二类目标数据是视觉传感器数据。
可选择的，进一步改进所述的信息融合环境感知方法，采用以下步骤利用视觉目标和车道线中的标志位删除视觉传感器数据中的无效数据；
c)视觉目标的横纵向位置以及速度信息均不为0，且视觉输出的目标有效性标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
d)视觉车道线信息的多项式表达式y＝C0+C1×x+C2×x2+C3×x3中的多项式系数C0、C1、C2、C3数据不同时为0，且视觉输出的车道线有效标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S2时采用：
e)将第一类目标数据进行坐标平移，使所有第一类目标数据处于选定坐标系下；
f)将第二类目标数据进行平移转换，使所有第二类目标数据处于选定坐标系下；
g)将车道线目标数据平移转换，使所有车道线目标数处于选定坐标系下。
21.如权利要求20所述的信息融合环境感知方法，其特征在于：
实施步骤S2时，利用扩展卡尔曼滤波算法将第一类目标数据、第二类目标数据和车道线目标数据同步到同一采样时刻。
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S3时采用：
h)判断某一第一类目标数据和某一第二类目标数据是否为同一目标数据；
i)判断上述第一类目标数据和第二类目标数据是否满足下述条件；
|xradar-xcamera|＜εx；
|yradar-ycamera|＜εy；
|Vxradar-Vxcamera|＜εVx；
|Vyradar-Vycamera|＜εVy；
其中xradar表示雷达检测到的目标的纵向距离，xcamera表示摄像头传感器检测到的目标的纵向距离，yradar表示雷达检测到的目标的横向距离，ycamera表示摄像头传感器检测到的目标的横向距离，Vxradar表示雷达检测到的目标的纵向速度，Vxcamera表示摄像头传感器检测到的目标的纵向速度，Vyradar表示雷达检测到的目标的横向速度，Vycamera表示摄像头传感器检测到的目标的横向速度，εx是纵向距离比较阈值，εy是横向距离比较阈值，εVx是纵向速度比较阈值，εVy是横向速度比较阈值；
j)若满足上述条件，判断两个目标航迹关联，计算该两个目标数据的欧式距离；
若不满足上述条件则将两个目标之间的距离设置为一个极大值表示两个目标不存在目标航迹关联，遍历所有第一类目标数据和第二类目标数据形成关联矩阵；
k)利用全局最近邻方法分析关联矩阵，获得某一第一类目标数据和某一第二类目标数据的关联匹配关系。
可选择的，εx的取值范围是2米-4米，εy的取值范围是0.5米-1.5米，εVx的取值范围是3米/秒-9米/秒，εVy的取值范围是0.5米/秒-1.5米/秒。
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S4时，第一更新规则包括：
目标的纵向数据采用第一类目标数据进行更新，目标的横向数据和目标类别及宽度则采用第二类目标数据进行更新，同时增加关联计数器的数值。
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S4时，第二更新规则包括：
采用扩展卡尔曼滤波对目标的横纵向数据进行更新，目标的类别和宽度数据保持不变，同时增加未关联计数器的数值。
可选择的，进一步改进所述的信息融合环境感知方法，关联计数器的数值大于第一计数阈值，则航迹管理模块判断该目标航迹为有效航迹；
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S5时，删除规则包括：未关联计数器的数值大于第二计数阈值，则判断该目标航迹为无效航迹，删除该目标航迹。
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S6时，采用以下步骤判断车辆所处路线是否存在弯道，若存在弯道则判断车辆驶入弯道还是车辆驶离弯道；
l)计算行驶车道的曲率；
m)在预设时段内利用不同alpha值滤波道路曲率和车辆瞬时道路曲率比较判断车辆处于直线道路行或弯道行驶。
可选择的，进一步改进所述的信息融合环境感知方法，实施步骤S7时，采用下述步骤判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系；
n)当车辆处于直线道路行驶，根据检测到目标航迹的横向距离与车道线的相对关系进行匹配，获得航迹与车道线的匹配关系；
o)当车辆处于弯道行驶，利用车道线信息的多项式表达式结合检测的当前车道的航迹信息，拟合出车辆坐标系下当前车可能的行驶航迹，结合车道线信息、自车宽度以及标准道路宽度信息，通过检测到的目标航迹的横向位置信息进行匹配，获得航迹与车道线的匹配关系，若航迹的横向位置大于目标到最近车道线的距离与距离阈值之和，则检测到的航迹处于相邻车道，否则处于当前车道。
可选择的，距离阈值为0.4-0.6倍车道宽度，优选为0.5倍车道宽度。
本发明技术方案通过结合两种不同车载传感器数据(例如，基于米波雷达和视觉的多传感器两种感知设备)，利用多传感器融合技术，解决单一传感器感知存在的缺陷，比如单一毫米波雷达对于横向信息以及分类和目标宽度的识别精度不够以及单一视觉传感器在纵向数据上的精度不足问题，为环境感知周边环境提供更加精确的感知数据，为辅助驾驶以及无人驾驶提供精确可靠的环境感知，提高辅助驾驶和无人驾驶功能的性能。
附图说明
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是本发明信息融合环境感知系统原理示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
本发明提供的一种用于车载不同种类传感器信息融合的信息融合环境感知系统第一实施例，包括：
第一数据清洗模块，其适用于根据第一数据清洗规则，删除第一类传感器目标数据中的无效数据；
第二数据清洗模块，其适用于根据第二数据清洗规则，删除第二类传感器目标数据的无效数据；
时空同步模块，将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；
航迹关联更新模块，遍历第一类传感器目标数据和第二类传感器目标数据所有目标数据，若同一目标存在第一类传感器目标数据和第二类传感器目标数据则判断该目标航迹关联，若同一目标不存在第一类传感器目标数据和第二类传感器目标数据则判断该目标航迹未关联，
采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；
航迹管理模块，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；
道路场景分析模块，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；
车道线匹配模块，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。
本发明第一实施例通过结合两种不同车载传感器数据(，利用多传感器融合技术，解决单一传感器感知存在的缺陷，为环境感知周边环境提供更加精确的感知数据，为辅助驾驶以及无人驾驶提供精确可靠的环境感知，提高辅助驾驶和无人驾驶功能的性能。
如图1所示，本发明提供的一种用于车载不同种类传感器信息融合的信息融合环境感知系统第二实施例，该实施例以毫米波雷达和视觉传感器数据融合为例，但这不应该视为对第一类传感器和第二类传感器的限制，第一类传感器还可以是超视距雷达、微波雷达、毫米波雷达以及激光雷达等，以及能提供相似/相同距离数据的其他类型传感器。第二类传感器可以是视觉传感器，也可以是能提供相似/相同机器视觉系统信息的其他传感器。相应的，如果第二类传感器不是视觉传感器，车道线数据及其他辅助数据可以由现有辅助驾驶以及无人驾驶系统作为第三方数据提供，导入本系统参与计算。
该信息融合环境感知系统第二实施例，包括：
第一数据清洗模块，其适用于根据第一数据清洗规则，删除毫米波雷达目标数据中的无效数据；第一数据清洗规则是毫米波雷达数据清洗规则，其利用毫米波雷达传输的标志位对数据进行清洗，包括：
A)雷达目标的横纵向位置信息以及速度信息均不为0，且雷达目标输出的标志位有效，则判断当前数据为有效数据，否则判断当前数据无效，删除无效数据；
B)雷达目标当前帧数据与上一帧数据的横纵向位置和速度值偏差值小于预设偏差阈值(或，利用运动学模型进行外推计算的值小于一定阈值)，则判断当前数据稳定，否则判断当前数据不稳定，删除不稳定数据。
第二数据清洗模块，其适用于根据第二数据清洗规则，删除视觉传感器目标数据的无效数据；第二数据清洗规则是视觉传感器目标数据清洗规则，其利用视觉目标和车道线中的标志位对数据进行清洗，包括：
C)视觉目标的横纵向位置以及速度信息均不为0，且视觉输出的目标有效性标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
D)视觉车道线信息的多项式表达式y＝C0+C1×x+C2×x2+C3×x3中的多项式系数C0、C1、C2、C3数据不同时为0，且视觉输出的车道线有效标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
时空同步模块，将毫米波雷达目标数据、视觉传感器目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；时空同步模块采用以下步骤将毫米波雷达目标数据、视觉传感器目标数据和车道线目标数据转换至选定坐标系；(如车辆坐标系和前保险杠中心为坐标原点的坐标系)
E)将第一类传感器目标数据进行坐标平移，使所有第一类传感器目标数据处于选定坐标系下；
F)将第二类传感器目标数据进行平移转换，使所有第二类传感器目标数据处于选定坐标系下；
G)将车道线目标数据平移转换，使所有车道线目标数处于选定坐标系下。
利用扩展卡尔曼滤波算法将毫米波雷达目标数据、视觉传感器目标数据和车道线目标数据同步到同一采样时刻。
航迹关联更新模块，遍历毫米波雷达目标数据和视觉传感器目标数据所有目标数据，若同一目标存在毫米波雷达目标数据和视觉传感器目标数据则判断该目标航迹关联，若同一目标不存在毫米波雷达目标数据和视觉传感器目标数据则判断该目标航迹未关联；航迹关联更新模块采用以下步骤判断毫米波雷达某目标数据和视觉传感器某目标数据是否为同一目标数据；
H)判断上述两个目标数据是否满足下述条件；
|xradar-xcamera|＜εx；
|yradar-ycamera|＜εy；
|Vxradar-Vxcamera|＜εVx；
|Vyradar-Vycamera|＜εVy；
其中xradar表示雷达检测到的目标的纵向距离，xcamera表示摄像头传感器检测到的目标的纵向距离，yradar表示雷达检测到的目标的横向距离，ycamera表示摄像头传感器检测到的目标的横向距离，Vxradar表示雷达检测到的目标的纵向速度，Vxcamera表示摄像头传感器检测到的目标的纵向速度，Vyradar表示雷达检测到的目标的横向速度，Vycamera表示摄像头传感器检测到的目标的横向速度，εx是纵向距离比较阈值，εy是横向距离比较阈值，εVx是纵向速度比较阈值，εVy是横向速度比较阈值；
I)若满足上述条件，判断两个目标航迹关联，计算该两个目标数据的欧式距离；
若不满足上述条件则将两个目标之间的距离设置为一个极大值表示两个目标不存在目标航迹关联，遍历所有毫米波雷达目标数据和视觉传感器目标数据形成关联矩阵；极大值：有限数集中一个不小于任何其它数的数。
J)利用全局最近邻方法分析关联矩阵，获得毫米波雷达某目标数据和视觉传感器某目标数据的关联匹配关系。
采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；第一更新规则包括：目标的纵向数据采用毫米波雷达目标数据进行更新，目标的横向数据和目标类别及宽度则采用视觉传感器目标数据进行更新，同时增加关联计数器的数值。
第二更新规则包括：采用扩展卡尔曼滤波对目标的横纵向数据进行更新，目标的类别和宽度数据保持不变，同时增加未关联计数器的数值。
航迹管理模块，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；关联计数器的数值大于第一计数阈值，则航迹管理模块判断该目标航迹为有效航迹；未关联计数器的数值大于第二计数阈值，则判断该目标航迹为无效航迹，删除该目标航迹。例如，当出现了一个新的目标航迹未关联，则新建一个目标航迹，同时当关联计数器达到一定的阈值时，初定是3帧关联，则认为是一个可靠的目标航迹，当未关联计数器的数值大于一定的阈值的时候，初定为5帧，则认为该航迹已经驶出了感知范围，则将该航迹删除。
道路场景分析模块，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；道路场景分析模块采用以下步骤判断车辆所处路线是否存在弯道，若存在弯道则判断车辆驶入弯道还是车辆驶离弯道；
K)计算行驶车道的曲率；
L)在预设时段内利用不同alpha值滤波道路曲率和车辆瞬时道路曲率比较判断车辆处于直线道路行或弯道行驶。
车道线匹配模块，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。车道线匹配模块采用下述步骤判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系；
M)当车辆处于直线道路行驶，根据检测到目标航迹的横向距离与车道线的相对关系进行匹配，获得航迹与车道线的匹配关系；
N)当车辆处于弯道行驶，利用车道线信息的多项式表达式结合检测的当前车道的航迹信息，拟合出车辆坐标系下当前车可能的行驶航迹，结合车道线信息、自车宽度以及标准道路宽度信息，通过检测到的目标航迹的横向位置信息进行匹配，获得航迹与车道线的匹配关系，若航迹的横向位置大于目标到最近车道线的距离与距离阈值之和，则检测到的航迹处于相邻车道，否则处于当前车道。
可选择的，εx的取值范围是2米-4米，优选为3米；εy的取值范围是0.5米-1.5米，优选为1米；εVx的取值范围是3米/秒-9米/秒，优选为6米/秒，εVy的取值范围是0.5米/秒-1.5米/秒，优选为1米/秒。距离阈值为0.4-0.6倍车道宽度，优选为0.5倍车道宽度。
此外，还应当理解的是，尽管在这里可以使用术语“第一”、“第二”等来描述不同的元件、参数、组件、区域、层和/或部分，但是这些元件、参数、组件、区域、层和/或部分不应当受这些术语的限制。这些术语仅是用来将一个元件、参数、组件、区域、层或部分与另一个元件、参数、组件、区域、层或部分区分开来。因此，在不脱离根据本发明的示例性实施例的教导的情况下，以下所讨论的第一元件、参数、组件、区域、层或部分也可以被称作第二元件、参数、组件、区域、层或部分。
这里所使用的术语仅是为了描述具体实施例，而非意图限制根据本发明的示例性实施例。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或附加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组合。
本发明提供一种车载不同种类传感器信息融合的信息融合环境感知方法第一实施例，包括以下步骤：
S1，删除第一类目标数据和第二类目标数据中的无效数据；
S2，将第一类目标数据、第二类目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；
S3，遍历第一类目标数据和第二类目标数据，若同一目标存在第一类目标数据和第二类目标数据则判断该目标航迹关联，若同一目标不存在第一类目标数据和第二类目标数据则判断该目标航迹未关联；
S4，采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；
S5，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；
S6，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；
S7，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。
本发明提供一种车载不同种类传感器信息融合的信息融合环境感知方法第二实施例，包括以下步骤：
S1，删除毫米波雷达数据和视觉传感器数据中的无效数据；
采用以下步骤利用毫米波雷达传输的标志位删除毫米波雷达数据中的无效数据；
a)雷达目标的横纵向位置信息以及速度信息均不为0，且雷达目标输出的标志位有效，则判断当前数据为有效数据，否则判断当前数据无效，删除无效数据；
b)雷达目标当前帧数据与上一帧数据的横纵向位置和速度值偏差值小于预设偏差阈值，则判断当前数据稳定，否则判断当前数据不稳定，删除不稳定数据。
采用以下步骤利用视觉目标和车道线中的标志位删除视觉传感器数据中的无效数据；
c)视觉目标的横纵向位置以及速度信息均不为0，且视觉输出的目标有效性标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
d)视觉车道线信息的多项式表达式y＝C0+C1×x+C2×x2+C3×x3中的多项式系数C0、C1、C2、C3数据不同时为0，且视觉输出的车道线有效标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
S2，转换坐标系步骤如下；
e)将毫米波雷达数据进行坐标平移，使所有毫米波雷达数据处于选定坐标系下；
f)将视觉传感器数据进行平移转换，使所有视觉传感器数据处于选定坐标系下；
g)将车道线目标数据平移转换，使所有车道线目标数处于选定坐标系下。
同步采样时刻步骤如下；
利用扩展卡尔曼滤波算法将毫米波雷达数据、视觉传感器数据和车道线目标数据同步到同一采样时刻。
S3，遍历毫米波雷达数据和视觉传感器数据，若同一目标存在毫米波雷达数据和视觉传感器数据则判断该目标航迹关联，若同一目标不存在毫米波雷达数据和视觉传感器数据则判断该目标航迹未关联，判断过程如下；
h)判断某一毫米波雷达数据和某一视觉传感器数据是否为同一目标数据；
i)判断上述毫米波雷达数据和视觉传感器数据是否满足下述条件；
|xradar-xcamera|＜εx；
|yradar-ycamera|＜εy；
|Vxradar-Vxcamera|＜εVx；
|Vyradar-Vycamera|＜εVy；
其中xradar表示雷达检测到的目标的纵向距离，xcamera表示摄像头传感器检测到的目标的纵向距离，yradar表示雷达检测到的目标的横向距离，ycamera表示摄像头传感器检测到的目标的横向距离，Vxradar表示雷达检测到的目标的纵向速度，Vxcamera表示摄像头传感器检测到的目标的纵向速度，Vyradar表示雷达检测到的目标的横向速度，Vycamera表示摄像头传感器检测到的目标的横向速度，εx是纵向距离比较阈值，εy是横向距离比较阈值，εVx是纵向速度比较阈值，εVy是横向速度比较阈值；
j)若满足上述条件，判断两个目标航迹关联，计算该两个目标数据的欧式距离；
若不满足上述条件则将两个目标之间的距离设置为一个极大值表示两个目标不存在目标航迹关联，遍历所有毫米波雷达数据和视觉传感器数据形成关联矩阵；
k)利用全局最近邻方法分析关联矩阵，获得某一毫米波雷达数据和某一视觉传感器数据的关联匹配关系。
S4，采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；第一更新规则包括：
目标的纵向数据采用毫米波雷达数据进行更新，目标的横向数据和目标类别及宽度则采用视觉传感器数据进行更新，同时增加关联计数器的数值。
第二更新规则包括：
采用扩展卡尔曼滤波对目标的横纵向数据进行更新，目标的类别和宽度数据保持不变，同时增加未关联计数器的数值。
S5，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；关联计数器的数值大于第一计数阈值，则航迹管理模块判断该目标航迹为有效航迹；删除规则包括：未关联计数器的数值大于第二计数阈值，则判断该目标航迹为无效航迹，删除该目标航迹。
S6，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；采用以下步骤判断车辆所处路线是否存在弯道，若存在弯道则判断车辆驶入弯道还是车辆驶离弯道；
l)计算行驶车道的曲率；
m)在预设时段内利用不同alpha值滤波道路曲率和车辆瞬时道路曲率比较判断车辆处于直线道路行或弯道行驶。
S7，才采用以下步骤判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系；
n)当车辆处于直线道路行驶，根据检测到目标航迹的横向距离与车道线的相对关系进行匹配，获得航迹与车道线的匹配关系；
o)当车辆处于弯道行驶，利用车道线信息的多项式表达式结合检测的当前车道的航迹信息，拟合出车辆坐标系下当前车可能的行驶航迹，结合车道线信息、自车宽度以及标准道路宽度信息，通过检测到的目标航迹的横向位置信息进行匹配，获得航迹与车道线的匹配关系，若航迹的横向位置大于目标到最近车道线的距离与距离阈值之和，则检测到的航迹处于相邻车道，否则处于当前车道。
可选择的，εx的取值范围是2米-4米，优选为3米；εy的取值范围是0.5米-1.5米，优选为1米；εVx的取值范围是3米/秒-9米/秒，优选为6米/秒，εVy的取值范围是0.5米/秒-1.5米/秒，优选为1米/秒。
距离阈值为0.4-0.6倍车道宽度，优选为0.5倍车道宽度。
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。
Claims (32)
1.一种信息融合环境感知系统，其用于车载不同种类传感器信息融合，其特征在于，包括：
第一数据清洗模块，其适用于根据第一数据清洗规则，删除第一类传感器目标数据中的无效数据；
第二数据清洗模块，其适用于根据第二数据清洗规则，删除第二类传感器目标数据的无效数据；
时空同步模块，将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；
航迹关联更新模块，遍历第一类传感器目标数据和第二类传感器目标数据所有目标数据，若同一目标存在第一类传感器目标数据和第二类传感器目标数据则判断该目标航迹关联，若同一目标不存在第一类传感器目标数据和第二类传感器目标数据则判断该目标航迹未关联，
采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；
航迹管理模块，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；
道路场景分析模块，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；
车道线匹配模块，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。
2.如权利要求1所述的信息融合环境感知系统，其特征在于：第一类传感器是毫米波雷达。
3.如权利要求2所述的信息融合环境感知系统，其特征在于：第一数据清洗规则是毫米波雷达数据清洗规则，其利用毫米波雷达传输的标志位对数据进行清洗，包括：
A)雷达目标的横纵向位置信息以及速度信息均不为0，且雷达目标输出的标志位有效，则判断当前数据为有效数据，否则判断当前数据无效，删除无效数据；
B)雷达目标当前帧数据与上一帧数据的横纵向位置和速度值偏差值小于预设偏差阈值，则判断当前数据稳定，否则判断当前数据不稳定，删除不稳定数据。
4.如权利要求1所述的信息融合环境感知系统，其特征在于：第二类传感器是视觉传感器。
5.如权利要求4所述的信息融合环境感知系统，其特征在于：第二数据清洗规则是视觉传感器目标数据清洗规则，其利用视觉目标和车道线中的标志位对数据进行清洗，包括：
C)视觉目标的横纵向位置以及速度信息均不为0，且视觉输出的目标有效性标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
D)视觉车道线信息的多项式表达式y＝C0+C1×x+C2×x2+C3×x3中的多项式系数C0、C1、C2、C3数据不同时为0，且视觉输出的车道线有效标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
6.如权利要求1所述的信息融合环境感知系统，其特征在于：时空同步模块采用以下步骤将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据转换至选定坐标系；
E)将第一类传感器目标数据进行坐标平移，使所有第一类传感器目标数据处于选定坐标系下；
F)将第二类传感器目标数据进行平移转换，使所有第二类传感器目标数据处于选定坐标系下；
G)将车道线目标数据平移转换，使所有车道线目标数处于选定坐标系下。
7.如权利要求6所述的信息融合环境感知系统，其特征在于：时空同步模块利用扩展卡尔曼滤波算法将第一类传感器目标数据、第二类传感器目标数据和车道线目标数据同步到同一采样时刻。
8.如权利要求1所述的信息融合环境感知系统，其特征在于：
航迹关联更新模块采用以下步骤判断第一类传感器某目标数据和第二类传感器某目标数据是否为同一目标数据；
H)判断上述两个目标数据是否满足下述条件；
|xradar-xcamera|＜εx；
|yradar-ycamera|＜εy；
|Vxradar-Vxcamera|＜εVx；
|Vyradar-Vycamera|＜εVy；
其中xradar表示雷达检测到的目标的纵向距离，xcamera表示摄像头传感器检测到的目标的纵向距离，yradar表示雷达检测到的目标的横向距离，ycamera表示摄像头传感器检测到的目标的横向距离，Vxradar表示雷达检测到的目标的纵向速度，Vxcamera表示摄像头传感器检测到的目标的纵向速度，Vyradar表示雷达检测到的目标的横向速度，Vycamera表示摄像头传感器检测到的目标的横向速度，εx是纵向距离比较阈值，εy是横向距离比较阈值，εVx是纵向速度比较阈值，εVy是横向速度比较阈值；
I)若满足上述条件，判断两个目标航迹关联，计算该两个目标数据的欧式距离；
若不满足上述条件则将两个目标之间的距离设置为一个极大值表示两个目标不存在目标航迹关联，遍历所有第一类传感器目标数据和第二类传感器目标数据形成关联矩阵；所述极大值是有限数集中一个不小于任何其它数的数；
J)利用全局最近邻方法分析关联矩阵，获得第一类传感器某目标数据和第二类传感器某目标数据的关联匹配关系。
9.如权利要求8所述的信息融合环境感知系统，其特征在于：εx的取值范围是2米-4米，εy的取值范围是0.5米-1.5米，εVx的取值范围是3米/秒-9米/秒，εVy的取值范围是0.5米/秒-1.5米/秒。
10.如权利要求1所述的信息融合环境感知系统，其特征在于，第一更新规则包括：
目标的纵向数据采用第一类传感器目标数据进行更新，目标的横向数据和目标类别及宽度则采用第二类传感器目标数据进行更新，同时增加关联计数器的数值。
11.如权利要求1所述的信息融合环境感知系统，其特征在于，第二更新规则包括：
采用扩展卡尔曼滤波对目标的横纵向数据进行更新，目标的类别和宽度数据保持不变，同时增加未关联计数器的数值。
12.如权利要求10所述的信息融合环境感知系统，其特征在于：
关联计数器的数值大于第一计数阈值，则航迹管理模块判断该目标航迹为有效航迹；
13.如权利要求11所述的信息融合环境感知系统，其特征在于，删除规则包括：未关联计数器的数值大于第二计数阈值，则判断该目标航迹为无效航迹，删除该目标航迹。
14.如权利要求1所述的信息融合环境感知系统，其特征在于：道路场景分析模块采用以下步骤判断车辆所处路线是否存在弯道，若存在弯道则判断车辆驶入弯道还是车辆驶离弯道；
K)计算行驶车道的曲率；
L)在预设时段内利用不同alpha值滤波道路曲率和车辆瞬时道路曲率比较判断车辆处于直线道路行或弯道行驶。
15.如权利要求1所述的信息融合环境感知系统，其特征在于：车道线匹配模块采用下述步骤判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系；
M)当车辆处于直线道路行驶，根据检测到目标航迹的横向距离与车道线的相对关系进行匹配，获得航迹与车道线的匹配关系；
N)当车辆处于弯道行驶，利用车道线信息的多项式表达式结合检测的当前车道的航迹信息，拟合出车辆坐标系下当前车可能的行驶航迹，结合车道线信息、自车宽度以及标准道路宽度信息，通过检测到的目标航迹的横向位置信息进行匹配，获得航迹与车道线的匹配关系，若航迹的横向位置大于目标到最近车道线的距离与距离阈值之和，则检测到的航迹处于相邻车道，否则处于当前车道。
16.如权利要求15所述的信息融合环境感知系统，其特征在于：距离阈值为0.4-0.6倍车道宽度。
17.一种信息融合环境感知方法，其用于车载不同种类传感器信息融合，其特征在于，包括以下步骤：
S1，删除第一类目标数据和第二类目标数据中的无效数据；
S2，将第一类目标数据、第二类目标数据和车道线目标数据转换至同一选定坐标系并同步到同一采样时刻；
S3，遍历第一类目标数据和第二类目标数据，若同一目标存在第一类目标数据和第二类目标数据则判断该目标航迹关联，若同一目标不存在第一类目标数据和第二类目标数据则判断该目标航迹未关联；
S4，采用第一更新规则更新目标航迹关联的目标航迹，采用第二更新规则更新目标航迹未关联的目标航迹；
S5，对目标航迹未关联的目标新建一条目标航迹，若新建目标航迹符合删除规则将删除该航迹；
S6，根据接收到的车辆信息以及车道线信息判断当前车辆所处路线是否存在弯道，若存在弯道进一步判断当前路线是车辆驶入弯道还是车辆驶离弯道；
S7，判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系。
18.如权利要求17所述的信息融合环境感知方法，其特征在于：第一类目标数据是毫米波雷达数据。
19.如权利要求18所述的信息融合环境感知方法，其特征在于：采用以下步骤利用毫米波雷达传输的标志位删除毫米波雷达数据中的无效数据；
a)雷达目标的横纵向位置信息以及速度信息均不为0，且雷达目标输出的标志位有效，则判断当前数据为有效数据，否则判断当前数据无效，删除无效数据；
b)雷达目标当前帧数据与上一帧数据的横纵向位置和速度值偏差值小于预设偏差阈值，则判断当前数据稳定，否则判断当前数据不稳定，删除不稳定数据。
20.如权利要求17所述的信息融合环境感知方法，其特征在于：第二类目标数据是视觉传感器数据。
21.如权利要求20所述的信息融合环境感知方法，其特征在于：采用以下步骤利用视觉目标和车道线中的标志位删除视觉传感器数据中的无效数据；
c)视觉目标的横纵向位置以及速度信息均不为0，且视觉输出的目标有效性标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
d)视觉车道线信息的多项式表达式y＝C0+C1×x+C2×x2+C3×x3中的多项式系数C0、C1、C2、C3数据不同时为0，且视觉输出的车道线有效标志位表示有效，则判断当前数据为有效数据，否则判断当前数据为无效数据，删除无效数据；
22.如权利要求17所述的信息融合环境感知方法，其特征在于：实施步骤S2时采用：
e)将第一类目标数据进行坐标平移，使所有第一类目标数据处于选定坐标系下；
f)将第二类目标数据进行平移转换，使所有第二类目标数据处于选定坐标系下；
g)将车道线目标数据平移转换，使所有车道线目标数处于选定坐标系下。
23.如权利要求22所述的信息融合环境感知方法，其特征在于：
实施步骤S2时，利用扩展卡尔曼滤波算法将第一类目标数据、第二类目标数据和车道线目标数据同步到同一采样时刻。
24.如权利要求17所述的信息融合环境感知方法，其特征在于：实施步骤S3时采用：
h)判断某一第一类目标数据和某一第二类目标数据是否为同一目标数据；
i)判断上述第一类目标数据和第二类目标数据是否满足下述条件；
|xradar-xcamera|＜εx；
|yradar-ycamera|＜εy；
|Vxradar-Vxcamera|＜εVx；
|Vyradar-Vycamera|＜εVy；
其中xradar表示雷达检测到的目标的纵向距离，xcamera表示摄像头传感器检测到的目标的纵向距离，yradar表示雷达检测到的目标的横向距离，ycamera表示摄像头传感器检测到的目标的横向距离，Vxradar表示雷达检测到的目标的纵向速度，Vxcamera表示摄像头传感器检测到的目标的纵向速度，Vyradar表示雷达检测到的目标的横向速度，Vycamera表示摄像头传感器检测到的目标的横向速度，εx是纵向距离比较阈值，εy是横向距离比较阈值，εVx是纵向速度比较阈值，εVy是横向速度比较阈值；
j)若满足上述条件，判断两个目标航迹关联，计算该两个目标数据的欧式距离；
若不满足上述条件则将两个目标之间的距离设置为一个极大值表示两个目标不存在目标航迹关联，遍历所有第一类目标数据和第二类目标数据形成关联矩阵；
k)利用全局最近邻方法分析关联矩阵，获得某一第一类目标数据和某一第二类目标数据的关联匹配关系。
25.如权利要求24所述的信息融合环境感知方法，其特征在于：εx的取值范围是2米-4米，εy的取值范围是0.5米-1.5米，εVx的取值范围是3米/秒-9米/秒，εVy的取值范围是0.5米/秒-1.5米/秒。
26.如权利要求17所述的信息融合环境感知方法，其特征在于：实施步骤S4时，第一更新规则包括：
目标的纵向数据采用第一类目标数据进行更新，目标的横向数据和目标类别及宽度则采用第二类目标数据进行更新，同时增加关联计数器的数值。
27.如权利要求17所述的信息融合环境感知方法，其特征在于：实施步骤S4时，第二更新规则包括：
采用扩展卡尔曼滤波对目标的横纵向数据进行更新，目标的类别和宽度数据保持不变，同时增加未关联计数器的数值。
28.如权利要求26所述的信息融合环境感知方法，其特征在于：关联计数器的数值大于第一计数阈值，则航迹管理模块判断该目标航迹为有效航迹；
29.如权利要求27所述的信息融合环境感知方法，其特征在于：实施步骤S5时，删除规则包括：未关联计数器的数值大于第二计数阈值，则判断该目标航迹为无效航迹，删除该目标航迹。
30.如权利要求17所述的信息融合环境感知方法，其特征在于：实施步骤S6时，采用以下步骤判断车辆所处路线是否存在弯道，若存在弯道则判断车辆驶入弯道还是车辆驶离弯道；
l)计算行驶车道的曲率；
m)在预设时段内利用不同alpha值滤波道路曲率和车辆瞬时道路曲率比较判断车辆处于直线道路行或弯道行驶。
31.如权利要求17所述的信息融合环境感知方法，其特征在于：实施步骤S7时，采用下述步骤判断更新后的目标航迹所在车道线，形成目标航迹与车道线的匹配关系；
n)当车辆处于直线道路行驶，根据检测到目标航迹的横向距离与车道线的相对关系进行匹配，获得航迹与车道线的匹配关系；
o)当车辆处于弯道行驶，利用车道线信息的多项式表达式结合检测的当前车道的航迹信息，拟合出车辆坐标系下当前车可能的行驶航迹，结合车道线信息、自车宽度以及标准道路宽度信息，通过检测到的目标航迹的横向位置信息进行匹配，获得航迹与车道线的匹配关系，若航迹的横向位置大于目标到最近车道线的距离与距离阈值之和，则检测到的航迹处于相邻车道，否则处于当前车道。
32.如权利要求31所述的信息融合环境感知方法，其特征在于：距离阈值为0.4-0.6倍车道宽度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911348543.1A CN111090095B (zh) | 2019-12-24 | 2019-12-24 | 信息融合环境感知系统及其感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911348543.1A CN111090095B (zh) | 2019-12-24 | 2019-12-24 | 信息融合环境感知系统及其感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111090095A true CN111090095A (zh) | 2020-05-01 |
| CN111090095B CN111090095B (zh) | 2023-03-14 |
Family
ID=70396746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911348543.1A Active CN111090095B (zh) | 2019-12-24 | 2019-12-24 | 信息融合环境感知系统及其感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111090095B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111753901A (zh) * | 2020-06-23 | 2020-10-09 | 国汽(北京)智能网联汽车研究院有限公司 | 一种数据融合方法、装置、系统及计算机设备 |
| CN113147782A (zh) * | 2020-12-28 | 2021-07-23 | 上海汽车工业(集团)总公司 | 智能驾驶车辆自车参考轨迹筛选方法和筛选系统 |
| CN113386742A (zh) * | 2021-05-28 | 2021-09-14 | 晋城鸿智纳米光机电研究院有限公司 | 制动辅助系统、方法及汽车 |
| CN113611112A (zh) * | 2021-07-29 | 2021-11-05 | 中国第一汽车股份有限公司 | 一种目标关联方法、装置、设备及存储介质 |
| CN114067556A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 环境感知方法、装置、服务器和可读存储介质 |
| CN114078325A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 多感知系统配准方法、装置、计算机设备和存储介质 |
| CN114234996A (zh) * | 2021-12-21 | 2022-03-25 | 超级视线科技有限公司 | 一种基于多路口多传感器的航迹融合方法及系统 |
| CN114354209A (zh) * | 2021-12-07 | 2022-04-15 | 重庆长安汽车股份有限公司 | 自动驾驶车道线与目标联合模拟方法及系统 |
| CN115079155A (zh) * | 2022-05-27 | 2022-09-20 | 中国第一汽车股份有限公司 | 目标检测方法、装置和车辆 |
| CN117649583A (zh) * | 2024-01-30 | 2024-03-05 | 科大国创合肥智能汽车科技有限公司 | 一种自动驾驶车辆行驶实时道路模型融合方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5202691A (en) * | 1992-04-28 | 1993-04-13 | The United States Of America As Represented By The Secretary Of The Air Force | Hick's probabilistic data association method |
| EP1384095B1 (en) * | 2001-05-04 | 2009-10-14 | Lockheed Martin Corporation | System and method for measurement domain data association in passive coherent location applications |
| CN102928836A (zh) * | 2012-10-29 | 2013-02-13 | 电子科技大学 | 一种地面目标跟踪方法 |
| CN103587528A (zh) * | 2013-10-12 | 2014-02-19 | 长安大学 | 一种换道过程越线时刻预测装置及其预测方法 |
| CN109443374A (zh) * | 2018-12-26 | 2019-03-08 | 联创汽车电子有限公司 | 车道线融合系统及其融合方法 |
| CN109459750A (zh) * | 2018-10-19 | 2019-03-12 | 吉林大学 | 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法 |
| CN109782267A (zh) * | 2019-01-25 | 2019-05-21 | 北京润科通用技术有限公司 | 航迹关联方法及车载雷达 |
| CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
| CN110596694A (zh) * | 2019-09-20 | 2019-12-20 | 吉林大学 | 一种复杂环境雷达多目标跟踪和道路行驶环境预测方法 |
-
2019
- 2019-12-24 CN CN201911348543.1A patent/CN111090095B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5202691A (en) * | 1992-04-28 | 1993-04-13 | The United States Of America As Represented By The Secretary Of The Air Force | Hick's probabilistic data association method |
| EP1384095B1 (en) * | 2001-05-04 | 2009-10-14 | Lockheed Martin Corporation | System and method for measurement domain data association in passive coherent location applications |
| CN102928836A (zh) * | 2012-10-29 | 2013-02-13 | 电子科技大学 | 一种地面目标跟踪方法 |
| CN103587528A (zh) * | 2013-10-12 | 2014-02-19 | 长安大学 | 一种换道过程越线时刻预测装置及其预测方法 |
| CN109459750A (zh) * | 2018-10-19 | 2019-03-12 | 吉林大学 | 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法 |
| CN109443374A (zh) * | 2018-12-26 | 2019-03-08 | 联创汽车电子有限公司 | 车道线融合系统及其融合方法 |
| CN109782267A (zh) * | 2019-01-25 | 2019-05-21 | 北京润科通用技术有限公司 | 航迹关联方法及车载雷达 |
| CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
| CN110596694A (zh) * | 2019-09-20 | 2019-12-20 | 吉林大学 | 一种复杂环境雷达多目标跟踪和道路行驶环境预测方法 |
Non-Patent Citations (4)
| Title |
|---|
| NIKOLA KARAMANOV等: ""Map Line Interface for Autonomous Driving"", 《2018 21ST INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》 * |
| XIANG LUO等: ""Automatic road surface profiling with sensors fusion"", 《2012 12TH INTERNATIONAL CONFERENCE ON CONTROL AUTOMATION ROBOTICS & VISION (ICARCV)》 * |
| 叶运生: ""基于深度学习的单目视觉车辆检测与跟踪研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
| 张富有: ""雷达与摄像机视频融合的车辆检测跟踪技术研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111753901A (zh) * | 2020-06-23 | 2020-10-09 | 国汽(北京)智能网联汽车研究院有限公司 | 一种数据融合方法、装置、系统及计算机设备 |
| CN111753901B (zh) * | 2020-06-23 | 2023-08-15 | 国汽(北京)智能网联汽车研究院有限公司 | 一种数据融合方法、装置、系统及计算机设备 |
| CN114067556B (zh) * | 2020-08-05 | 2023-03-14 | 北京万集科技股份有限公司 | 环境感知方法、装置、服务器和可读存储介质 |
| CN114067556A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 环境感知方法、装置、服务器和可读存储介质 |
| CN114078325A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 多感知系统配准方法、装置、计算机设备和存储介质 |
| CN114078325B (zh) * | 2020-08-19 | 2023-09-05 | 北京万集科技股份有限公司 | 多感知系统配准方法、装置、计算机设备和存储介质 |
| CN113147782A (zh) * | 2020-12-28 | 2021-07-23 | 上海汽车工业(集团)总公司 | 智能驾驶车辆自车参考轨迹筛选方法和筛选系统 |
| CN113386742A (zh) * | 2021-05-28 | 2021-09-14 | 晋城鸿智纳米光机电研究院有限公司 | 制动辅助系统、方法及汽车 |
| CN113611112A (zh) * | 2021-07-29 | 2021-11-05 | 中国第一汽车股份有限公司 | 一种目标关联方法、装置、设备及存储介质 |
| CN114354209A (zh) * | 2021-12-07 | 2022-04-15 | 重庆长安汽车股份有限公司 | 自动驾驶车道线与目标联合模拟方法及系统 |
| CN114234996A (zh) * | 2021-12-21 | 2022-03-25 | 超级视线科技有限公司 | 一种基于多路口多传感器的航迹融合方法及系统 |
| CN114234996B (zh) * | 2021-12-21 | 2024-04-23 | 超级视线科技有限公司 | 一种基于多路口多传感器的航迹融合方法及系统 |
| CN115079155A (zh) * | 2022-05-27 | 2022-09-20 | 中国第一汽车股份有限公司 | 目标检测方法、装置和车辆 |
| CN117649583A (zh) * | 2024-01-30 | 2024-03-05 | 科大国创合肥智能汽车科技有限公司 | 一种自动驾驶车辆行驶实时道路模型融合方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111090095B (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111090095B (zh) | 信息融合环境感知系统及其感知方法 | |
| CN111382768B (zh) | 多传感器数据融合方法和装置 | |
| CN110411462B (zh) | 一种gnss/惯导/车道线约束/里程计多源融合方法 | |
| CN102208035B (zh) | 图像处理系统及位置测量系统 | |
| CN101075376B (zh) | 基于多视点的智能视频交通监控系统及方法 | |
| CN102806913B (zh) | 一种车道线偏离检测方法及装置 | |
| CN105606102B (zh) | 一种基于格网模型的pdr室内定位方法及系统 | |
| CN110781949B (zh) | 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 | |
| CN106255899A (zh) | 用于将对象用信号通知给配备有此装置的车辆的导航模块的装置 | |
| CN102542843A (zh) | 防止车辆碰撞的预警方法及装置 | |
| CN115372958A (zh) | 一种基于毫米波雷达和单目视觉融合的目标检测和跟踪方法 | |
| CN114005280A (zh) | 一种基于不确定性估计的车辆轨迹预测方法 | |
| CN111505624A (zh) | 一种基于机器视觉和毫米波雷达数据融合的环境感知方法 | |
| JP2016057750A (ja) | 自車走行レーン推定装置及びプログラム | |
| CN114758504B (zh) | 一种基于滤波校正的网联车超速预警方法及系统 | |
| CN112904395A (zh) | 一种矿用车辆定位系统及方法 | |
| CN109886152A (zh) | 一种基于多传感器协作的无人驾驶路径选择方法 | |
| CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
| CN112036422B (zh) | 一种基于多传感器信息融合的航迹管理方法、系统及计算机可读介质 | |
| CN114279434A (zh) | 一种建图方法、装置、电子设备和存储介质 | |
| CN114194219A (zh) | 一种自动驾驶车辆行驶道路模型预测方法 | |
| KR101937267B1 (ko) | 차량용 트래킹 시스템 및 그것의 동작 방법 | |
| Meis et al. | A new method for robust far-distance road course estimation in advanced driver assistance systems | |
| CN115856872A (zh) | 一种车辆运动轨迹连续跟踪方法 | |
| CN114396958B (zh) | 基于多车道多传感器的车道定位方法、系统及车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200603 Address after: 200031 No. 390, Wukang Road, Xuhui District, Shanghai Applicant after: Shanghai Automotive Industry Corporation (Group) Applicant after: DIAS AUTOMOTIVE ELECTRONIC SYSTEM Co.,Ltd. Address before: 201206 Shanghai city Pudong New Area Jinji Road 33 Lane 4 Building 4 floor Applicant before: DIAS AUTOMOTIVE ELECTRONIC SYSTEM Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |