[发明专利]一种基于多传感器信息融合的道路环境综合认知方法

权利要求书

1.一种基于多传感器信息融合的道路环境综合认知方法，其特征在于，包括以下步骤：

S1、配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；对于多帧内的多目标进行航迹关联，获取车辆的行进轨迹；

S2、基于S1中获取的各个车辆所在的距离门位置，在原始雷达回波中通过在距离维和多普勒维的傅里叶变换获取到车辆的实时行进速度信息，并将速度与每个位置上的车辆一一对应；

S3、标定毫米波雷达测量数据与能见度之间的函数关系；

S4、配置数字摄像头并结合数字图像处理算法，对监控数据进行车辆识别、计数和态势显示，实时判断道路是否发生拥堵、事故或道路结冰状况；

S5、配置能见度传感器，实时将能见度数据传输至上位机，并实时显示能见度异常数据；

S6、配置气象6要素传感器，实时上传风速、温度、湿度、气压、雨量、和光照6要素气象数据；

S7、根据S1至S6中的多传感器数据构建数据集，并结合卷积神经网络进行多传感器数据融合，以实现对道路环境的综合认知判断。

2.根据权利要求1所述的基于多传感器信息融合的道路环境综合认知方法，其特征在于，所述步骤S1中配置毫米波雷达参数，根据回波数据完成测距和测角，采用帧差法显示动目标，初步分离出道路上的各个运动车辆后，采用恒虚警检测进行杂波抑制，确定车辆所在位置，并获取各探测帧内的车流量信息；对于多帧内的多目标进行航迹关联，获取车辆的行进轨迹，具体包括：

配置毫米波雷达参数：

其中，R_res为距离分辨率，c为真空中的光速3×10⁸m/s，B为雷达带宽；

经过低通滤波器后得到回波信号与发射信号的差频信号S_b，在其距离向快时间做傅里叶变换进行去调频处理得到差频f_IF，根据频率与距离的换算计算目标所在距离：

其中，d为目标所在距离，k为调频斜率；

采用capon算法计算测角：

其中，w为权矢量，R为雷达天线接收信号的协方差矩阵，P(w)＝w^HRw，为输出的平均功率；上式的约束条件为w^Ha(θ)＝1，a(θ)为来自波达方向θ的发射信源方向矢量；

Capon算法使噪声以及来自非θ方向的任何干扰所贡献的功率最小，并保持在观测方向θ上的信号功率不变。最优权矢量w_CAP采用Lagrange乘子法求解：

其中，a^H(θ)为a(θ)的共轭转置，结合约束条件，得到包含各个目标的空间谱P_CAP：

对每帧数据都进行空间谱计算后，采用帧差法进行动目标显示，初步分离出道路上的各个运动车辆后，采用单元平均恒虚警检测器进行杂波抑制，确定车辆所在位置，获取各探测帧内的车流量信息；

采用CA-CFAR对空间谱中的各个点进行检测，固定虚警概率为在检测单元周围取L点作为参照单元记为c(l)，则门限因子α为：

得到检测阈值TH为：

通过阈值划分得到多帧内的多目标位置，并根据扩展卡尔曼滤波进行航迹关联，获取车辆的行进轨迹。

3.根据权利要求1所述的基于多传感器信息融合的道路环境综合认知方法，其特征在于，所述步骤S2中基于S1中获取的各个车辆所在的距离门位置，在原始雷达回波中通过在距离维和多普勒维的傅里叶变换获取到车辆的实时行进速度信息，并将速度与每个位置上的车辆一一对应，具体包括：

在原始雷达回波中通过在距离维和多普勒维的傅里叶变换，确定各个距离上多普勒维最大值所在的频率，即各个车辆的多普勒频率f_d，获取到车辆的实时行进速度v＝2f_d/λ，并将速度与每个位置上的车辆一一对应。