[发明专利]一种基于多源异步信息融合的目标状态估计方法及系统

说明书

本发明涉及一种基于多源异步信息融合的目标状态估计方法及系统，其包括：确定观测变量，根据感知需求确定状态变量，构建交通场景动态目标状态估计的优化问题；基于滑动时间窗、三次样条插值模型及有限状态控制量进行任意时刻状态变量描述，构建时间转换关系，并结合车身坐标到传感器坐标的空间转换关系，完成状态控制量到任意时刻观测量的时空映射关系，得到观测值；基于任意时刻感知传感器的多源异步观测信息，以及三次样条插值模型，求解优化问题，得到对环境中目标状态信息的估计结果。本发明能够控制计算复杂度，节约计算资源；可以广泛在智能汽车的环境感知领域中应用。

技术领域

本发明涉及一种智能汽车的环境感知领域，特别是关于一种基于有限控制量与滑动时间窗的多源异步信息融合的目标状态估计方法及系统。

背景技术

智能汽车的行驶环境，尤其是城市道路环境，具有较高的复杂度与动态性，对车辆感知系统的精度、稳定性、实时性提出较高的要求。由于单传感器在感知范围、感知精度、感知信息丰富度上具有局限性，难以满足高级自动驾驶的感知需求，利用多传感器信息进行融合感知成为了一种有效的感知增强手段。

利用多传感器数据进行融合感知，基于不同传感器的数据特征以及更加广泛的时空感知范围，既能提高目标跟踪的精度、降低虚警率，又能在单传感器失效时维持感知功能，保证感知结果的鲁棒性。然而，在多源信息融合感知算法的实际实现中，由于单传感器信息在数据处理算法时间和传输时间上存在差异，经常会出现后接收消息的时间戳反而在先序消息之前的情况。因此动态目标感知问题的输入具有显著的异步和失序性，这给之后的信息融合和状态估计带来困难。

针对信息的失序、异步性问题，有研究基于缓存滤波算法进行多源信息融合。在该方法中，当接收到失序的消息，需要退回该消息时间戳时刻，进行状态的重复计算，而且需要缓存大量的状态估计中间结果。此外有研究通过引入滑动时间窗进行失序异步信息融合。该方法需要对每一个数据时间分配一个状态量。在目标密集的场景，需估计的状态量大幅增加，容易导致计算复杂度过大。因此，考虑到复杂交通场景，需要研究适用于大量异步、失序信息的数据融合算法，对动态目标进行检测与状态估计。

发明内容

针对上述问题，本发明的目的是提供一种基于有限控制量与滑动时间窗的多源异步信息融合的目标状态估计方法及系统，其能应用于异步异构信息的融合，能够控制计算复杂度，节约计算资源，便于进行后续处理。

为实现上述目的，本发明采取以下技术方案：一种基于多源异步信息融合的目标状态估计方法，其包括：确定观测变量，根据感知需求确定状态变量，构建交通场景动态目标状态估计的优化问题；基于滑动时间窗、三次样条插值模型及有限状态控制量进行任意时刻状态变量描述，构建时间转换关系，并结合车身坐标到传感器坐标的空间转换关系，完成状态控制量到任意时刻观测量的时空映射关系，得到观测值；基于任意时刻感知传感器的多源异步观测信息，以及三次样条插值模型，求解优化问题，得到对环境中目标状态信息的估计结果。

进一步，所述确定观测变量由感知传感器得到，包括雷达观测信息和视觉观测信息。

进一步，所述构建交通场景动态目标状态估计的优化问题，包括：

式中，X^D表示最佳的状态估计值，P表示观测信息的似然概率，Z^P表示传感器观测信息。

进一步，所述进行任意时刻状态变量描述，包括：

根据交通场景中目标的运动规律，车辆行驶中为满足舒适性需求，行人因其具有惯性，将其轨迹的二阶导数视为连续；

采用满足二阶导数连续的三次样条函数表示连续的目标状态；

加速度和角加速度是连续变化的，采用三次样条来描述时间映射，任意时刻的状态写为有限个状态控制量的函数，对于每一个异步数据的时间戳，无需设置状态量，最终只需要对状态控制量进行估计。