[发明专利]一种多传感器的感知信息融合方法

权利要求书

1.一种多传感器的感知信息融合方法，其特征在于，所述方法包括：

获取环境数据，根据所述环境数据确定各检测端的工作模式；所述检测端至少包括图像获取端和雷达端；

向所述图像获取端发送含有检测方向的图像获取指令，获取含有拍摄时间的路况图像，得到路况图像库，根据所述路况图像库生成环境模型；

向所述雷达端发送含有波段范围的运动检测指令，获取含有运动参数的运动物体，根据所述运动物体更新所述环境模型；

根据所述环境模型调节运动指令。

2.根据权利要求1所述的多传感器的感知信息融合方法，其特征在于，所述获取环境数据，根据所述环境数据确定各检测端的工作模式的步骤包括：

定时接收天气预测信息，基于所述天气预测信息获取靶信息；

将所述靶信息与参考信息进行比对，根据比对结果计算偏差率；

根据所述偏差率修正所述天气预测信息；其中，靶信息为天气预测信息中的特征参数；

根据修正后的天气预测信息确定各检测端的工作模式。

3.根据权利要求1所述的多传感器的感知信息融合方法，其特征在于，所述向所述图像获取端发送含有检测方向的图像获取指令，获取含有拍摄时间的路况图像，得到路况图像库，根据所述路况图像库生成环境模型的步骤包括：

实时获取位置数据，当所述位置数据达到预设的检测点时，向所述图像获取端发送含有检测方向的图像获取指令；

根据所述检测方向获取路况图像，对所述路况图像进行轮廓识别，定位在检测方向上距离待检图像中心线最远的轮廓，并获取其轮廓中心线，作为标识线；

生成旋转指令，当所述标识线与拍摄中心线重合时，获取下一路况图像，得到路况图像库；

根据所述路况图像库生成环境模型。

4.根据权利要求3所述的多传感器的感知信息融合方法，其特征在于，所述根据所述路况图像库生成环境模型的步骤包括：

根据预设的转换公式依次将所述路况图像库中的路况图像转换为特征图像；

计算特征图像的特征值，生成与所述路况图像库为映射关系的特征数组；

将所述特征数组输入训练好的统计模型，标记众数图像；

根据所述众数图像生成环境模型。

5.根据权利要求4所述的多传感器的感知信息融合方法，其特征在于，所述将所述特征数组输入训练好的统计模型，标记众数图像的步骤包括：

计算所述特征数组的平均值，根据所述平均值确定分类范围；

根据所述分类范围对所述特征数组中的元素进行分类，并计算不同分类范围内的元素总数；

根据所述元素总数确定众数范围，并根据众数范围在特征数组中标记众数元素；

在所述路况图像库中获取与所述众数元素对应的路况图像，标记为众数图像。

6.根据权利要求4所述的多传感器的感知信息融合方法，其特征在于，所述根据所述众数图像生成环境模型的步骤包括：

获取所述众数图像的拍摄角度，将所述拍摄角度插入所述众数图像的索引项；

根据预设的卷积核表对所述众数图像进行卷积运算，识别所述众数图像中的标识物；

根据标识物的实际尺寸和图像尺寸确定实际距离；

根据所述实际距离和所述拍摄角度在环境模型中插入标识物模型。

7.根据权利要求6所述的多传感器的感知信息融合方法，其特征在于，所述根据预设的卷积核表对所述众数图像进行卷积运算，识别所述众数图像中的标识物的步骤包括：

在预设的卷积核表中读取卷积核，根据所述卷积核和预设的步长对所述众数图像进行卷积运算，得到特征图；

根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；

根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；

根据所述压缩图像确定所述众数图像中的标识物。