[發明專利]用于行人檢測的多激光雷達決策級融合方法和裝置

有效

• 申請號: 202110005340.3
• 申請日: 2021-01-05
• 公開（公告）號: CN112433228B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 葉磊;吳濤;胡駿;丁凱;李健
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G01S17/931
• 分類號: G01S17/931;G06F18/00
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.一種用于行人檢測的多激光雷達決策級融合方法，其特征在于，所述方法包括：

采用組合的方式獲取無人車上的多激光雷達的雷達對；所述雷達對包括：第一激光雷達和第二激光雷達；

分別獲取所述第一激光雷達針對檢測目標采集的第一點云數據和所述第二激光雷達針對所述檢測目標采集的第二點云數據，通過訓練好的AdaBoost模型對所述第一點云數據和所述第二點云數據進行行人檢測，分別得到所述第一激光雷達的第一檢測分數和所述第二激光雷達的第二檢測分數；所述AdaBoost模型是通過訓練樣本訓練得到的；所述訓練樣本的信息中包括樣本得分；所述訓練樣本包括正樣本和負樣本；所述正樣本和所述負樣本的所述樣本得分均近似符合高斯分布；

根據所述正樣本得到所述正樣本對應的高斯分布的正樣本均值和正樣本方差，根據所述負樣本得到所述負樣本對應的高斯分布的負樣本均值和負樣本方差；

根據所述正樣本對應的高斯分布公式計算所述檢測目標為行人時所述AdaBoost模型輸出所述第一檢測分數的第一正樣本條件概率，以及所述檢測目標為行人時所述AdaBoost模型輸出所述第二檢測分數的第二正樣本條件概率為：

其中，Ped表示所述檢測目標為行人；Score₁表示所述第一檢測分數；Score₂表示所述第二檢測分數；P(Score₁/Ped)表示所述第一正樣本條件概率；

P(Score₂/Ped)表示所述第二正樣本條件概率；σ_pos表示所述正樣本方差；μ_pos表示所述正樣本均值；

根據所述負樣本對應的高斯分布公式計算所述檢測目標不是行人時所述AdaBoost模型輸出所述第一檢測分數的第一負樣本條件概率，以及所述檢測目標不是行人時所述AdaBoost模型輸出所述第二檢測分數的第二負樣本條件概率為：

其中，表示所述檢測目標不是行人；表示所述第一負樣本條件概率；表示所述第二負樣本條件概率；σ_neg表示所述負樣本方差；μ_neg表示所述負樣本均值；

根據所述第一正樣本條件概率、所述第二正樣本條件概率和所述檢測目標為行人的正先驗概率，通過貝葉斯規則對多激光雷達的輸出信息進行決策級融合，得到第一檢測分數、第二檢測分數條件下所述檢測目標為行人的正判斷概率為：

其中，P(Ped/Score₁,Score₂)表示所述正判斷概率；P(Ped)表示所述正先驗概率；P(Score₁)、P(Score₂)為貝葉斯規則的分子項，分別表示第一行人檢測分數出現的概率和第二行人檢測分數出現的概率，通過預先設置得到；

根據所述第一負樣本條件概率、所述第二負樣本條件概率和所述檢測目標不是行人的負先驗概率，通過貝葉斯規則對多激光雷達的輸出信息進行決策級融合，得到第一檢測分數、第二檢測分數條件下所述檢測目標不是行人的負判斷概率為：

其中，表示所述負判斷概率；P(Ped)、表示所述負先驗概率；所述正先驗概率和所述負先驗概率是根據預先設置的初始值或上一時序得到的正判斷概率和負判斷概率得到的；

根據所述正判斷概率和所述負判斷概率，得到所述雷達對決策級融合的行人檢測結果；

對多激光雷達所組合的所有雷達對對應的行人檢測結果進行融合，輸出多激光雷達決策級融合的行人檢測結果。