[發明專利]一種基于加速度噪聲參數的多雷達數據處理方法

有效

• 申請號: 202010098373.2
• 申請日: 2020-02-18
• 公開（公告）號: CN111273279B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 梁華為;徐鳳煜;王智靈;林玲龍;余結
• 申請（專利權）人: 中國科學院合肥物質科學研究院
• 主分類號: G01S13/72
• 分類號: G01S13/72;G01S13/931;G01S17/66;G01S17/931
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 鄧治平

本發明涉及一種基于加速度噪聲參數的多雷達數據處理方法，提出了基于加速度噪聲的迭代擴展卡爾曼濾波(Extended Kalman Filter,EKF)和前置多雷達系統的實現方式。本發明將加速度變化率的方差定義為加速度噪聲參數，用來表征物體受外界噪聲影響的程度。在進行EKF濾波時，通過加速度噪聲參數實時計算過程噪聲協方差矩陣，并迭代估計目標的位置。硬件系統包括前置的兩個毫米波雷達、一個四線激光雷達以及一臺運行機器人操作系統Robot Operating System(ROS)的工控機。兩側的毫米波雷達安裝有一定的偏航角，使測量區域存在交叉。上位機分別運行雷達的數據節點以及濾波節點。數據節點解析傳感器的原始數據，濾波節點實現基于加速度噪聲的迭代EKF方法，以此提高測量準確性，實現目標的跟蹤。

技術領域

本發明涉及無人駕駛車輛的數據處理領域，特別涉及一種基于加速度噪聲參數的多雷達數據處理方法。

背景技術

無人駕駛車輛是一種可以連續自主行駛的新型智能車輛。它通過車載傳感器系統感知環境信息，在此基礎上結合具體任務實時規劃路徑，并最終到達指定區域。在這個過程中，需要車輛感知周圍其他交通參與者的信息，其中對于動態障礙物的跟蹤尤其重要。

應用于自動駕駛環境感知中的車載雷達主要有激光雷達和毫米波雷達，激光雷達容易受外界環境如雨、雪、灰塵等的干擾但其對目標的測量精度較高。毫米波雷達則與之相反，其不易受目標表面形狀和顏色的影響，也不受天氣光照等影響，環境適應能力強，但毫米波雷達其測量精度較低。現有的針對單一種類雷達的數據處理方法比較復雜，且對于提升測量整體效果并不明顯。因此，相比于單一傳感器系統，多個雷達組合而成的前置車載雷達系統，穩定性更強。

將不同傳感器的測量結果進行匹配合并之后，需要采用濾波方法進行目標的跟蹤與運動狀態的估計，在眾多相關的信息融合與目標跟蹤算法中，EKF更適用于非線性系統，并且能夠克服普通卡爾曼濾波只針對線性系統和無跡卡爾曼濾波的采樣散布問題會嚴重降低其濾波性能的缺陷。傳統的EKF方法雖然適用于非線性系統，但進行單次濾波并且采用固定的噪聲協方差矩陣會導致其環境適應性較差，不能實時反映出外界干擾的變化，降低估計的精度。

發明內容

為了解決上述問題,本發明提供一種基于加速度噪聲參數的多雷達數據處理方法。將基于加速度噪聲的迭代EKF濾波算法應用到車輛的前置多雷達測量系統中，并在基于Linux的ROS系統中完成算法的實現以及功能模塊的構建。

通過不同安裝方式的前置雷達對目標進行交叉觀測，將同一目標的不同雷達的觀測結果進行合并，得到當前幀中的目標序列，將當前幀的目標序列與歷史目標序列進行匹配，對成功匹配的目標進行基于加速度噪聲的迭代EKF，估算出目標的運動狀態。基于加速度噪聲的迭代EKF方法將各種干擾的效果等效到加速度的噪聲干擾中，通過定義加速度噪聲參數，計算實時的過程噪聲協方差矩陣。另外，該方法還將第一次EKF的結果作為一次虛擬輸入，進行第二次的濾波操作，可以使得探測結果更加穩定，使系統整體的實用性更強。

本發明是通過以下技術方案實現的：一種基于加速度噪聲參數的多雷達數據處理方法，包括如下步驟：

采用基于加速度噪聲的迭代EKF實現濾波跟蹤，所述前置多雷達測量系統包括由兩個毫米波雷達傳感器、一個四線激光雷達傳感器、運行ROS的車載工控機，用于實現車輛前方目標的跟蹤，所述方法包括如下步驟：

步驟1：初始化雷達傳感器，獲取多個雷達傳感器數據并判斷各個雷達傳感器輸出是否正常，如果存在輸出異常，則終止程序；將不同雷達傳感器的檢測結果進行合并，并將當前的目標與歷史目標進行關聯匹配；

步驟2：將各種干擾的效果等效到加速度的噪聲干擾中，計算待跟蹤目標的實時加速度噪聲參數，通過加速度噪聲參數，更新當前的過程噪聲協方差矩陣Q_t；