[發(fā)明專利]用于智能車輛的數(shù)據(jù)融合方法及裝置

在審

• 申請?zhí)枺?/td>: 202111245591.5
• 申請日: 2021-10-26
• 公開（公告）號: CN113947158A
• 公開（公告）日: 2022-01-18
• 發(fā)明（設(shè)計(jì)）人: 尚進(jìn);叢煒;劉森玉
• 申請（專利權(quán)）人: 國汽智控（北京）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/80;G06V10/774
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張娜

本發(fā)明公開了一種用于智能車輛的數(shù)據(jù)融合方法及裝置，所述方法包括：基于智能車輛的多個感知設(shè)備獲取第M時刻的初始數(shù)據(jù)；其中，M為大于1的整數(shù)；對所述第M時刻的初始數(shù)據(jù)進(jìn)行融合，獲取第M時刻的融合數(shù)據(jù)；基于卡爾曼濾波模型對所述融合數(shù)據(jù)進(jìn)行處理，獲取第M時刻的運(yùn)動狀態(tài)的估計(jì)值x_M；基于XGBoost模型對估計(jì)值x_M進(jìn)行處理，獲取目標(biāo)運(yùn)動狀態(tài)的解。本發(fā)明的技術(shù)方案，車載環(huán)境感知傳感器與V2X設(shè)備獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，基于卡爾曼濾波模型與XGBoost模型對數(shù)據(jù)估值的優(yōu)化，最終實(shí)現(xiàn)數(shù)據(jù)充分融合，提高了數(shù)據(jù)融合的精度，解決了現(xiàn)有技術(shù)存在的估值數(shù)據(jù)融合精度不高以及數(shù)據(jù)融合不夠充分的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于自動駕駛技術(shù)領(lǐng)域，尤其涉及一種用于智能車輛的數(shù)據(jù)融合方法及裝置。

背景技術(shù)

由于道路環(huán)境、天氣環(huán)境的多樣性、復(fù)雜性以及智能駕駛車輛本身的運(yùn)動特性，沒有完美的感知設(shè)備，設(shè)備不理想是常態(tài)，也不存在完美無缺的數(shù)據(jù)融合算法；然而對于不同的駕駛?cè)蝿?wù)而言，需要不同的感知設(shè)備種類和類型，并非要配置最全、最多、最貴的感知設(shè)備才能完成駕駛?cè)蝿?wù)；由于自主式自動駕駛搭載的車載傳感設(shè)備是多種多樣的，而單一的車載傳感設(shè)備對于環(huán)境的感知范圍較小，且對環(huán)境的感知能力比較有限，如果不對多源傳感設(shè)備的數(shù)據(jù)進(jìn)行高效、準(zhǔn)確地融合容易出現(xiàn)誤判的情況，并且這種情況會給駕駛員帶來極大的安全隱患。因此，要以任務(wù)需求為導(dǎo)向，充分利用自主自動駕駛系統(tǒng)搭載的傳感設(shè)備獲取的數(shù)據(jù)，只有車載傳感設(shè)備的感知數(shù)據(jù)和V2X協(xié)同通信的交換數(shù)據(jù)相互補(bǔ)充，實(shí)現(xiàn)自主式自動駕駛和網(wǎng)聯(lián)駕駛的融合，尤其是數(shù)據(jù)的充分融合，才是智能網(wǎng)聯(lián)汽車的發(fā)展目標(biāo)。

但是，現(xiàn)有技術(shù)自動駕駛中的傳感器單獨(dú)工作，車輛在不同環(huán)境條件下使用時，因不同的傳感器數(shù)據(jù)單獨(dú)感知，從而存在不同環(huán)境下輸出感知結(jié)果不夠穩(wěn)定可靠，且環(huán)境感知的自適應(yīng)差，系統(tǒng)的魯棒性差的問題，而現(xiàn)有的多源傳感器數(shù)據(jù)融合方案是基于卡爾曼濾波算法實(shí)現(xiàn)的數(shù)據(jù)融合，多傳感器獲取視頻信息時會有時延，而現(xiàn)有卡爾曼濾波算法對濾波過程中的噪聲干擾處理并不充分，以上問題導(dǎo)致數(shù)據(jù)融合的充分性與精度都受到影響。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā)明的一個目的在于提出一種用于智能車輛的數(shù)據(jù)融合方法及裝置。

為了解決上述技術(shù)問題，本發(fā)明的實(shí)施例提供如下技術(shù)方案：

第一方面，本申請的實(shí)施例提供一種用于智能車輛的數(shù)據(jù)融合方法，包括：

基于智能車輛的多個感知設(shè)備獲取第M時刻的初始數(shù)據(jù)；其中，M為大于1的整數(shù)；

對所述第M時刻的初始數(shù)據(jù)進(jìn)行融合，獲取第M時刻的融合數(shù)據(jù)；

基于卡爾曼濾波模型對所述融合數(shù)據(jù)進(jìn)行處理，獲取第M時刻的運(yùn)動狀態(tài)的估計(jì)值x_M；

基于XGBoost模型對估計(jì)值x_M進(jìn)行處理，獲取目標(biāo)運(yùn)動狀態(tài)的解。

具體的，智能車輛設(shè)有多個感知設(shè)備，并基于多個感知設(shè)備對智能車輛的周圍環(huán)境以及智能車輛的運(yùn)動狀態(tài)進(jìn)行感知，獲取感知數(shù)據(jù)，并將獲取的感知數(shù)據(jù)進(jìn)行上報。

感知設(shè)備具體可以包括傳感器以及V2X設(shè)備，其中，傳感器用來檢測當(dāng)前智能車輛的外部環(huán)境的狀態(tài)，V2X設(shè)備通信數(shù)據(jù)用于判斷感知檢測延遲等情況，可以提供各感知設(shè)備的可信度。

其中，獲取的感知數(shù)據(jù)根據(jù)時間可以分為多個時刻的感知數(shù)據(jù)，分別對每個時刻的感知數(shù)據(jù)進(jìn)行后續(xù)的處理。

本申請的實(shí)施例，車載環(huán)境感知傳感器與V2X設(shè)備獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，基于卡爾曼濾波模型與XGBoost模型對數(shù)據(jù)估值的優(yōu)化，最終實(shí)現(xiàn)數(shù)據(jù)充分融合，提高了數(shù)據(jù)融合的精度，解決了現(xiàn)有技術(shù)存在的估值數(shù)據(jù)融合精度不高以及數(shù)據(jù)融合不夠充分的問題。