基于D-S 證據(jù)理論實(shí)現(xiàn)傳感器數(shù)據(jù)的融合

基于D-S 證據(jù)理論實(shí)現(xiàn)傳感器數(shù)據(jù)的融合

汽車未來的先進(jìn)輔助駕駛系統(tǒng)需要對(duì)日益復(fù)雜的汽車行駛情況做出反應(yīng)，同時(shí)還要求其具有較高的穩(wěn)定性和可靠性。這需要提高傳感器對(duì)汽車周圍環(huán)境的感知性能，并改善檢測(cè)其它交通參與者和障礙物的檢測(cè)算法。因而，在汽車上需要使用更多的傳感器，且在汽車四周配置合適的結(jié)構(gòu)。但是，不同傳感器受自身精度、位置、外部環(huán)境以及數(shù)據(jù)后處理的影響，使其對(duì)同一目標(biāo)的設(shè)別結(jié)果產(chǎn)生差異。因此，需要采用數(shù)據(jù)融合技術(shù)將多個(gè)傳感器檢測(cè)的目標(biāo)對(duì)應(yīng)起來。提出了一種基于D-S證據(jù)理論實(shí)現(xiàn)數(shù)據(jù)融合的方法。

D-S證據(jù)理論利用多個(gè)對(duì)目標(biāo)的不精確判斷和描述，通過一定的方法對(duì)這些判斷和描述中關(guān)于目標(biāo)一致性的信息進(jìn)行整合，同時(shí)排除矛盾信息，得到一個(gè)不精確的結(jié)論。由于先進(jìn)輔助駕駛系統(tǒng)傳感器采集的目標(biāo)信息最終需要轉(zhuǎn)化為目標(biāo)的存在概率，因而利用D-S證據(jù)理論實(shí)現(xiàn)傳感器數(shù)據(jù)的融合，即目標(biāo)存在概率信息的融合。融合過程分為底層融合和上層融合。在底層融合中，首先對(duì)同一個(gè)傳感器探測(cè)到的不同數(shù)據(jù)和信息進(jìn)行分類；之后根據(jù)上層融合的要求對(duì)分類后的數(shù)據(jù)和信息進(jìn)行融合。在上層融合中，首先根據(jù)傳感器的分布情況，為不同傳感器對(duì)同一目標(biāo)探測(cè)到的數(shù)據(jù)和信息分配基本概率；之后根據(jù)確定的基本概率進(jìn)行不同傳感器數(shù)據(jù)和信息的融合。通過底層融合和上層融合最終確定目標(biāo)的存在概率。為了保證先進(jìn)輔助駕駛系統(tǒng)具有較高的穩(wěn)定性和可靠性，采用冗余設(shè)計(jì)方法，增加傳感器的數(shù)量。冗余傳感器采集的數(shù)據(jù)和信息同樣可以利用上述融合方法進(jìn)行數(shù)據(jù)和信息的融合。

Michael Aeberhard et al. 2011 IEEE Intelligent Vehicles Symposium,Baden 05-09 June.2011.

編譯：張振偉