[发明专利]一种适用于车路协同的道路传感器布置方法

说明书

本发明涉及一种适用于车路协同的道路传感器布置方法，包括以下步骤：构建道路坐标系，选取道路关键节点，并构建道路几何模型；考虑摄像头覆盖区域，构建摄像头布置的多目标优化模型，基于MOGWO算法优化摄像头安装高度、角度以及相邻摄像头之间的间距，确定摄像头位置坐标；基于摄像头位置坐标、安装高度确定传感器固定支架位置坐标及支架高度；构建毫米波雷达布置的多目标优化模型，基于MOGWO算法优化求解毫米波雷达的位置坐标和安装高度；基于道路几何模型、传感器固定支架位置坐标及支架高度，确定激光雷达位置坐标，并构建激光雷达布置优化模型，优化求解激光雷达的安装高度。与现有技术相比，本发明具有布置参数完备、实用性强等优点。

技术领域

本发明涉及车路协同领域，尤其是涉及一种适用于车路协同的道路传感器布置方法。

背景技术

近年来，随着智能驾驶辅助技术的不断更新，智能汽车迎来了飞速发展。但目前智能汽车只能实现一些低等级的驾驶辅助任务，想真正实现无人驾驶，需要车路协同技术的支持。而车路协同技术需要使用大量的路边传感器，如摄像头、毫米波雷达和激光雷达等，以获取目标信息。此外，城市交通场景相对复杂，不同的道路场景对传感器的安装和要求有不同的特点。因此，良好的传感器布置方法可以获得更好的感知效果，可靠的实现车路协同。

目前，关于道路传感器的布置方面，一些学者也进行了相关研究。例如专利号CN114640800A，专利名称为《摄像头布置的方法及系统》，该发明通过获取现实空间的三维立体模型，并在所述三维立体模型中确定摄像头的初始安装范围，并根据所述初始安装范围以及立体模型场景确定所述立体模型场景对应摄像头的目标安装位置。专利号CN115499848A，专利名称为《一种应用于车路协同路侧传感器部署优化方法》，该发明通过随机生成多目标遗传算法的初始值，并根据所述适应度函数Y，利用多目标遗传算法得到目标函数G的最优解，可以提前确认传感器的部署方案，而且满足路侧感知系统的功能要求、覆盖要求及成本要求。专利号CN115223361A，专利名称《一种车路协同系统中路侧传感器的布设优化方法》，该发明从仿真实验中提取出车辆检测与跟踪数据，用以建立传感器性能回归模型；将目标路段路侧传感器性能评价指标作为约束条件，以传感器网络成本最低作为目标函数，通过求解布设优化模型，确定出最优的路侧传感器部署方案。通过以上可知现有传感器布置方法存在以下缺陷：

1)现有的道路传感器布置方法大多针对在单一道路环境下对同一类型传感器(如摄像头或激光雷达)进行优化，没有考虑将摄像头、毫米波雷达和激光雷达进行综合考虑；

2)仅优化传感器放置坐标或者安装角度，考虑不够全面；

3)忽略了传感器的布置受到前一个传感器位置的影响；

4)忽略了传感器的盲区。

发明内容

本发明的目的就是为了提供一种适用于车路协同的道路传感器布置方法，考虑多种传感器之间的协同作用以及各自的盲区，对传感器安装位置、角度等多个参数进行优化，提供更优的传感器布置方案，以更有利于车路协同的应用。

本发明的目的可以通过以下技术方案来实现：

一种适用于车路协同的道路传感器布置方法，包括以下步骤：

构建道路坐标系，选取道路关键节点；

基于道路关键节点构建道路几何模型；

基于道路几何模型，考虑摄像头覆盖区域，构建摄像头布置的多目标优化模型，基于MOGWO算法优化摄像头安装高度、角度以及相邻摄像头之间的间距，确定摄像头位置坐标；

基于摄像头位置坐标和摄像头安装高度确定传感器固定支架位置坐标及支架高度，其中，所述摄像头、毫米波雷达和激光雷达均安装在传感器固定支架上；