[發明專利]一種基于多維融合技術的道路場景目標檢測方法及系統

有效

• 申請號: 202011119635.5
• 申請日: 2020-10-19
• 公開（公告）號: CN112232421B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 高洪波;何希;李智軍;朱菊萍;郝正源
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種基于多維融合技術的道路場景目標檢測方法，其特征在于，包括：

步驟M1：多個車載傳感器分別對各自的目標區域數據進行采集，得到各自目標區域的實時數據；

步驟M2：將各自目標區域的實時數據按照時域融合規則進行處理，得到數據集D1；

步驟M3：將數據集D1按照空域融合規則進行處理，得到數據集D2；

步驟M4：將數據集D2按照D-S融合規則進行融合，得到D-S融合規則的結果，并將D-S融合規則的結果與目標特征的概率閾值進行比較，得到道路場景目標檢測結果，并將道路場景目標檢測結果輸出給接收顯示系統；

所述數據集D1是所有車載傳感器的累積數據D_t,c的數據集；而任意一個車載傳感器的累積數據D_t,c是車載傳感器對待檢測目標的任意特征的累積概率值的集合；

所述數據集D2指所有車載傳感器的累積數據D_i,C的數據集；

所述時域融合規則是從時間維度上提高目標的準確性及檢測精度；

所述空域融合規則是基于所有車載傳感器結果，從空間維度上提高目標的準確性及檢測精度；

所述D-S融合規則是降低數據之間的沖突程度，進而提高數據融合收斂的速度；

所述步驟M2中時域融合規則包括：

t時刻，對任意一個車載傳感器i的累積數據D_t,C中所包含當前待檢測的道路場景目標的任意特征X_ik的累積概率值計算表達式為：

m_t,C(X_ik)＝λ_im_t-1,C(X_ik)+μ_im_t,A(X_ik) (1)

式中，X_ik為t時刻車載傳感器i在目標區域中所采集目標的任意特征，k＝1,2,…,n；m_t,C(X_ik)為車載傳感器i在t時刻的累積數據D_t,C中對應特征X_ik的累積概率值，m_t-1,C(X_ik)為車載傳感器i在t-1時刻的累積數據D_t-1,C中對應特征X_ik的累積概率值，m_t,A(X_ik)為車載傳感器i在t時刻的實時數據D_t,A中對應特征X_ik的實時概率值，λ_i為車載傳感器i在t時刻的實時數據與車載傳感器i在t-1時刻的累積數據之間相似度系數，0λ_i1，μ_i為沖突系數，μ_i＝1-λ_i；

所述相似度系數λ_i的計算公式如下：

任意一個車載傳感器i在t時刻的實時數據與車載傳感器i在t-1時刻的累積數據之間的相似度系數λ_i為：

其中，

K_t,t-1表示t時刻車載傳感器i在目標區域中所采集的目標特征X_ik的實時數據D_t,A與目標特征X_ik在t-1時刻的累積數據D_t-1,C之間的D-S理論沖突值；

其中，n為車載傳感器i采集的目標特征總數，Θ為目標的特征集合；m_t,A，m_t-1,C分別為與特征X_ik的實時數據、累積數據對應的基本概率賦值函數；

為特征X_ik在t時刻的實時數據D_t,A與特征X_ik在t-1時刻的累積數據D_t-1,C的改進的Pignistic概率距離，其中，k＝1,2,…,n，為對應的Pignistic概率函數；

所述步驟M3中空域融合規則包括：

將數據集D1中的累積數據D_t,C任意排序，且首尾相連構成一個環形數據序列，并計算任意兩個相鄰數據間的相似度系數φ；

預設任意兩個數據間的強相似度閾值和弱相似度閾值分別為F_S和F_W；

當環形數據序列中的任意一個數據與前一個數據的相似度系數φ_1,2及當前任意一個數據與后一個數據的相似度系數φ_1,3均大于強相似度閾值F_S，則標記當前任意的一個數據為強相似度數據；

當環形數據序列中的任意一個數據與前一個數據的相似度系數φ_1,2及當前任意一個數據與后一個數據的相似度系數φ_1,3均小于F_W，則標記當前任意的一個數據為弱相似度數據；除了上述強相似度數據和弱相似度數據，則標記為一般相似度數據；

將強相似度數據保留，弱相似度數據丟棄，一般相似度數據根據求得的一般相似度數據數據集期望值來修正。