[发明专利]测距融合方法及系统、复合型车流量监测装置及监测系统

说明书

本发明公开了一种测距融合方法，包括获取各测距传感器同一时刻采集的距离信息；根据距离信息，计算测量方差估计值；根据测量方差估计值，计算各测距传感器的最优加权因子；根据最优加权因子和距离信息，计算多距离信息融合后的估计值，将估计值作为最终的距离信息。同时公开了相应的测距融合系统、复合型车流量监测装置及监测系统。本发明基于获取的距离信息进行自适应加权融合算法判断，以自适应的方式寻找各个传感器所对应的最优加权因子，避免因使用单类传感器进行多次测量而产生的信号串扰问题，提高整体测距精度。

技术领域

本发明涉及一种测距融合方法及系统、复合型车流量监测装置及监测系统，属于智能交通领域。

背景技术

汽车工业的发展和城市化进程的加速导致交通拥堵问题日益严峻，交通灯作为管制交通流量、提高道路通行能力的手段，对改善城市交通状况有重要的现实意义。在控制交通信号灯的过程中，车辆速度、距离（传感器到车辆的距离）等车流信息的有效获取扮演着重要的角色，对调节交通信号灯亮暗时长起到了关键性作用。单类传感器多次测量距离信息会产生信号串扰问题，降低系统的实时性，影响检测结果的准确性。

发明内容

本发明提供了一种测距融合方法及系统、复合型车流量监测装置及监测系统，解决了背景技术中披露的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

测距融合方法，包括，

获取各测距传感器同一时刻采集的距离信息；

根据距离信息，计算测量方差估计值；

根据测量方差估计值，计算各测距传感器的最优加权因子；

根据最优加权因子和距离信息，计算多距离信息融合后的估计值，将估计值作为最终的距离信息。

测量方差估计值公式为，

其中，为第i个测距传感器k时刻距离信息对应的测量方差估计值，为的自协方差函数，为的均值。

最优加权因子公式为，

其中，为第i个测距传感器的最优加权因子，为第i个测距传感器k时刻距离信息对应的测量方差估计值，为第j个测距传感器k时刻距离信息对应的测量方差估计值，n为测距传感器数量，。

多距离信息融合后估计值的公式为，

其中，为n个测距传感器距离信息融合后的估计值，为第i个测距传感器的最优加权因子，为第i个测距传感器k时刻距离信息，n为测距传感器数量。

测距融合系统，包括，

采集模块：获取各测距传感器同一时刻采集的距离信息；

方差估计模块：根据距离信息，计算测量方差估计值；

加权因子模块：根据测量方差估计值，计算各测距传感器的最优加权因子；

融合估计模块：根据最优加权因子和距离信息，计算多距离信息融合后的估计值，将估计值作为最终的距离信息。