[發明專利]一種基于魯棒濾波的目標融合方法及系統

在審

• 申請號: 202211058395.1
• 申請日: 2022-08-31
• 公開（公告）號: CN115438728A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 張滋;錢少華;任凡;徐力;史雙武
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/12;G06F17/16
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 黃衛萍

本發明涉及一種基于魯棒濾波的目標融合方法及系統，其方法包括以下步驟：S1、建立描述目標的非線性系統模型，包括狀態方程和量測方程；S2、對目標進行基于非線性信息濾波的狀態估計；S3、對目標狀態估計信息進行更新輸出。本發明通過建立描述目標的非線性系統模型，對目標進行基于非線性信息濾波的狀態估計，對目標狀態估計信息進行更新輸出，提高了目標融合對異常噪聲的魯棒性，同時考慮到無跡濾波相對于擴展濾波精度更高的實際情況，提出基于Huber估計的魯棒無跡卡爾曼濾波算法，以提高濾波的穩定性和精確度。

技術領域

本發明涉及自動駕駛感知融合技術領域，尤其涉及一種基于魯棒濾波的目標融方法及系統。

背景技術

當前自動駕駛領域，多利用卡爾曼濾波技術進行目標融合?？柭鼮V波技術工程實踐性強，算法精度高，是目標狀態估計的關鍵技術之一。但是，標準卡爾曼濾波以及非線性卡爾曼濾波模型中均對系統噪聲的統計特性有嚴格要求，即系統噪聲為高斯分布。在應用到具體環境中時，噪聲的統計特性不準確，而且受環境因素影響會發生不確定性的變化。當前研究中，《一種基于無跡濾波的目標融合方法》、《一種智能駕駛目標融合濾波方法》等專利都對濾波算法進行了模型、自適應等改進，但是未對異常噪聲方面進行濾波算法改進。

發明內容

為解決現有技術所存在的技術問題，本發明提供一種基于魯棒濾波的目標融方法及系統，在充分考慮在城區復雜條件下，量測噪聲異常對濾波狀態估計結果的嚴重影響，應用M估計方法對異常噪聲進行特殊處理，給出基于魯棒無跡濾波的目標融合方法，對復雜工況下的目標融合提供了高質量狀態估計的思路。

本發明方法采用以下技術方案來實現：一種基于魯棒濾波的目標融方法，包括以下步驟：

S1、建立描述目標的非線性系統模型，包括狀態方程和量測方程；

S2、對目標進行基于非線性信息濾波的狀態估計；

S3、對目標狀態估計信息進行更新輸出。

本發明系統采用以下技術方案來實現：一種基于魯棒濾波的目標融系統，包括：

非線性系統模塊：用于建立描述目標的非線性系統模型，包括狀態方程和量測方程；

狀態估計模塊：用于對目標進行基于非線性信息濾波的狀態估計；

更新輸出模塊：用于對目標狀態估計信息進行更新輸出。

本發明與現有技術相比，具有如下優點和有益效果：

1、本發明通過建立描述目標的非線性系統模型，對目標進行基于非線性信息濾波的狀態估計，對目標狀態估計信息進行更新輸出，提高了目標融合對異常噪聲的魯棒性，同時考慮到無跡濾波相對于擴展濾波精度更高的實際情況，提出基于Huber估計的魯棒無跡卡爾曼濾波算法，以提高濾波的穩定性和精確度。

附圖說明

圖1是本發明的方法流程圖；

圖2是UIF目標軌跡對比圖；

圖3HUIF目標軌跡對比圖；

圖4是魯棒濾波X軸誤差對比示意圖；

圖5是魯棒濾波Y軸誤差對比示意圖；

圖6是魯棒濾波定位誤差對比示意圖；

圖7是厚尾噪聲X軸誤差對比示意圖；

圖8是厚尾噪聲Y軸誤差對比示意圖；

圖9是厚尾噪聲定位誤差對比示意圖；

圖10是厚尾噪聲X軸誤差對比示意圖；

圖11是厚尾噪聲Y軸誤差對比示意圖；

圖12是厚尾噪聲定位誤差對比示意圖。