发明内容
本发明是为了克服上述缺点的一个或多个、或其它缺点而完成的,所 采用的技术方案如下。
按照本发明的一个方面,提供一种用于使多传感器目标信息融合与多 传感器感测同步的方法,包括:步骤S1:获得各个传感器关于目标状态 的实际测量结果同时对获得每一套实际测量结果的时刻分别进行记录,以 便针对每一套实际测量结果记录有一个第一时间戳;步骤S2:将开始执 行目标信息融合处理的时刻记录为第二时间戳;步骤S3:分别计算各个 第一时间戳表征的各个第一时刻与所述第二时间戳表征的第二时刻之间 的时间差;步骤S4:基于计算出的每一个时间差来更新其对应的在所述 第一时刻获得的实际测量结果,以获得对应的在所述第二时刻的预估测量 结果;步骤S5:获得在所述第二时刻的关于目标状态的所有传感器的融 合预测结果;以及步骤S6:针对每一套预估测量结果,基于所述融合预 测结果和该套预估测量结果来获得在所述第二时刻的相应传感器关于目标状态的最优估计结果。
进一步地,在根据本发明的一个方面中,所述步骤S6包括:步骤S61: 针对所述每一套预估测量结果,基于所述融合预测结果和该套预估测量结 果来计算对应的转换矩阵;步骤S62:计算所述每一套预估测量结果对应 的协方差;步骤S63:针对所述每一套预估测量结果,基于所述对应的转 换矩阵和所述对应的协方差来计算对应的卡尔曼增益;以及步骤S64:针 对所述每一套预估测量结果,基于所述融合预测结果、所述对应的卡尔曼 增益、该套预估测量结果以及所述对应的转换矩阵,来计算对应的在所述 第二时刻的相应传感器关于目标状态的最优估计结果。
进一步地,在根据本发明的一个方面中,还包括:步骤S7:对所有 传感器的所述最优估计结果进行融合以确定每个所述最优估计结果对应 的权重、进而获得在所述第二时刻的关于目标状态的最优融合估计结果。
进一步地,在根据本发明的一个方面中,还包括:步骤S8:根据在 步骤S61中得到的转换矩阵和在步骤S63中得到的卡尔曼增益来校正在步 骤S62中得到的协方差,以获得经校正的协方差。
进一步地,在根据本发明的一个方面中,在所述步骤S62中,在所述 第二时刻的所述每一套预估测量结果对应的协方差是利用在所述第一时 刻的经校正的协方差来获得的。
进一步地,在根据本发明的一个方面中,在所述步骤S1中,在所述 第二时刻的所述融合预测结果是利用所述第一时刻的关于目标状态的最 优融合估计结果来获得的。
按照本发明的另一方面,提供一种用于使多传感器目标信息融合与多 传感器感测同步的装置,包括:第1单元:获得各个传感器关于目标状态 的实际测量结果同时对获得每一套实际测量结果的时刻分别进行记录,以 便针对每一套实际测量结果记录有一个第一时间戳;第2单元:将开始执 行目标信息融合处理的时刻记录为第二时间戳;第3单元:分别计算各个 第一时间戳表征的各个第一时刻与所述第二时间戳表征的第二时刻之间 的时间差;第4单元:基于计算出的每一个时间差来更新其对应的在所述 第一时刻获得的实际测量结果,以获得对应的在所述第二时刻的预估测量 结果;第5单元:获得在所述第二时刻的关于目标状态的所有传感器的融 合预测结果;以及第6单元:针对每一套预估测量结果,基于所述融合预 测结果和该套预估测量结果来获得在所述第二时刻的相应传感器关于目 标状态的最优估计结果。
进一步地,在根据本发明的另一方面中,所述第6单元包括:第6A 单元:针对所述每一套预估测量结果,基于所述融合预测结果和该套预估 测量结果来计算对应的转换矩阵;第6B单元:计算所述每一套预估测量 结果对应的协方差;第6C单元:针对所述每一套预估测量结果,基于所 述对应的转换矩阵和所述对应的协方差来计算对应的卡尔曼增益;以及第 6D单元:针对所述每一套预估测量结果,基于所述融合预测结果、所述 对应的卡尔曼增益、该套预估测量结果以及所述对应的转换矩阵,来计算 对应的在所述第二时刻的相应传感器关于目标状态的最优估计结果。
进一步地,在根据本发明的另一方面中,还包括:第7单元:对所有 传感器的所述最优估计结果进行融合以确定每个所述最优估计结果对应 的权重、进而获得在所述第二时刻的关于目标状态的最优融合估计结果。
进一步地,在根据本发明的另一方面中,还包括:第8单元:根据在 第6A单元中得到的转换矩阵和在第6C单元中得到的卡尔曼增益来校正 在第6B单元中得到的协方差,以获得经校正的协方差。
进一步地,在根据本发明的另一方面中,在所述第6B单元中,在所 述第二时刻的所述每一套预估测量结果对应的协方差是利用在所述第一 时刻的经校正的协方差来获得的。
进一步地,在根据本发明的另一方面中,在所述第1单元中,在所述 第二时刻的所述融合预测结果是利用所述第一时刻的关于目标状态的最 优融合估计结果来获得的。
按照本发明的又一方面,提供一种计算机设备,包括存储器、处理器 及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所 述程序时实现根据本发明的一个方面的方法的步骤。
按照本发明的再一方面,提供一种记录介质,其上存储有计算机程序, 该程序被计算机执行以实现根据本发明的一个方面的方法的步骤。
按照本发明的再又一个方面,提供一种辅助驾驶方法,包括根据本发 明的一个方面的用于使多传感器目标信息融合与多传感器感测同步的方 法。
按照本发明的再另一个方面,提供一种辅助驾驶***,包括根据本发 明的另一个方面的用于使多传感器目标信息融合与多传感器感测同步的 装置。
相对于现有技术,本发明可以获得如下有益效果的一个或多个:
1)根据本发明,即使在传感器感测结果没有更新或者更新周期较慢 的情况下,也能够确保获得足够准确的融合结果;
2)根据本发明,除了传感器感测结果没有更新或者更新周期较慢的 场景以外,在各传感器更新其感测结果的周期不一致的场景下也能够确保 获得足够准确的融合结果。
具体实施方式
以下将结合附图对本发明涉及的用于使多传感器目标信息融合与多 传感器感测同步的方法及装置、计算机设备和记录介质作进一步的详细描 述。需要注意的是,以下的具体实施方式是示例性而非限制的,其旨在提 供对本发明的基本了解,并不旨在确认本发明的关键或决定性的要素或限 定所要保护的范围。
下文参考本发明实施例的方法和装置的框图说明、框图和/或流程图 来描述本发明。将理解这些流程图说明和/或框图的每个框、以及流程图 说明和/或框图的组合可以由计算机程序指令来实现。可以将这些计算机 程序指令提供给通用计算机、专用计算机或其它可编程数据处理设备的处 理器以构成机器,以便由计算机或其它可编程数据处理设备的处理器执行 的这些指令创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的部件。
可以将这些计算机程序指令存储在计算机可读存储器中,这些指令可 以指示计算机或其它可编程处理器以特定方式实现功能,以便存储在计算 机可读存储器中的这些指令构成包含实施流程图和/或框图的一个或多个 框中指定的功能/操作的指令部件的制作产品。
可以将这些计算机程序指令加载到计算机或其它可编程数据处理器 上以使一系列的操作步骤在计算机或其它可编程处理器上执行,以便构成 计算机实现的进程,以使计算机或其它可编程数据处理器上执行的这些指 令提供用于实施此流程图和/或框图的一个或多个框中指定的功能或操作 的步骤。还应该注意在一些备选实现中,框中所示的功能/操作可以不按 流程图所示的次序来发生。例如,依次示出的两个框实际可以基本同时地 执行或这些框有时可以按逆序执行,具体取决于所涉及的功能/操作。
本发明所涉及的用于使多传感器目标信息融合与多传感器感测同步 的方法及装置例如可以应用在对车辆周围的目标进行感测的场景中、尤其 是传感器的感测周期慢于目标信息融合周期的场景中。在这样的场景下, 例如,可以用纵向相对本车位置、纵向速度、纵向加速度、横向相对本车 位置、横向速度、横向加速度来表征车辆周围的任何一个目标的运动状态, 而车辆上的多个传感器中的每一个所感测得到的每一套实际测量结果均包含纵向相对本车位置、纵向速度、纵向加速度、横向相对本车位置、横 向速度、横向加速度这六个方面的感测值或者能根据其感测值计算出上述 六个数值。由于传感器对目标的运动状态进行感测的周期慢于目标信息融 合的处理周期,因此,必然存在当前感测结果没有更新的情况,但是,通 过以下详细说明的本发明所涉及的用于使多传感器目标信息融合与多传 感器感测同步的方法及装置,则依然可以获得足够准确的目标信息融合的 最优估计结果。
图1是根据本发明的一个实施方式的用于使多传感器目标信息融合 与多传感器感测同步的方法的示例流程图。如图1所示,该方法S100包 括以下步骤:获得各个传感器关于目标状态的实际测量结果同时对获得每 一套实际测量结果的时刻分别进行记录,以便针对每一套实际测量结果记 录有一个第一时间戳(步骤S1)。
在一个示例中,当一套实际测量结果接收完毕后,记录对应的一个接 收时间戳。例如,对于第1个传感器的第一套实际测量结果,将其接收时 间戳标记为t111,对于第1个传感器的第二套实际测量结果,将其接收时 间戳标记为t112,……,对于第i个传感器的第k套实际测量结果,将其 接收时间戳标记为t1ik,在本文中将这些时间戳统称为第一时间戳(即, 接收时间戳)。
在一个实施例中,如图1所示,所述方法S100还可以包括如下步骤: 将开始执行目标信息融合处理的时刻记录为第二时间戳(步骤S2)。
在一个示例中,将对所有传感器的所有套实际测量结果进行融合处理 的时刻记录为第二时间戳(即,融合时间戳)。
在一个实施例中,如图1所示,所述方法S100还可以包括如下步骤: 分别计算各个第一时间戳表征的各个第一时刻与所述第二时间戳表征的 第二时刻之间的时间差(步骤S3)。
在一个示例中,可以利用以下数式(1)来计算所述时间差:
Δtik=t2-t1ik…(1),
其中,Δtik是与第i个传感器的第k套实际测量结果对应的时间差,t1ik是 与第i个传感器的第k套实际测量结果对应的第一时间戳表征的第一时 刻,t2是第二时间戳表征的第二时刻。
在一个实施例中,如图1所示,所述方法S100还可以包括如下步骤: 基于计算出的每一个时间差来更新其对应的在所述第一时刻获得的实际 测量结果,以获得对应的在所述第二时刻的预估测量结果(步骤S4)。
在一个示例中,假设在Δtik的时间内车辆的位移发生了变化,则可以 利用以下数式(2)至(4)来更新在t1ik获得的实际测量结果:
其中,是车辆纵向速度,是车辆横向速度,ΔXvcs_ik是与第i个传感 器的第k套实际测量结果对应的车辆在Δt内在纵向产生的位移,ΔYvcs_ik是 与第i个传感器的第k套实际测量结果对应的车辆在Δt内在横向产生的位 移,是与第i个传感器的第k套实际测量结果对应的在第二时刻 t2的预估测量结果,ω是与第i个传感器的第k套实际测量结果对应的车 辆在Δt内产生的偏转角度,Zik_x(t1ik)是在第一时刻获得的第i个传感器的 第k套实际测量结果的纵向分量,Zik_y(t1ik)是在第一时刻获得的第i个传感 器的第k套实际测量结果的横向分量。
在一个实施例中,如图1所示,所述方法S100还可以包括如下步骤: 获得在所述第二时刻的关于目标状态的所有传感器的融合预测结果(步骤 S5)。
在一个示例中,对于第二时刻t2,可以利用以下数式(5)来确定关 于某个目标的目标状态的融合预测结果:
其中,是在第二时刻t2的关于目标状态的所有传感器的融合预测结 果,F是***状态转移矩阵,X(t1)是在第一时刻t1的关于目标状态的最优 融合估计结果(后述),W(t2)是***噪声。
在一个实施例中,如图1所示,所述方法S100还可以包括如下步骤: 针对每一套预估测量结果,基于所述融合预测结果和该套预估测量结果来 获得在所述第二时刻的相应传感器关于目标状态的最优估计结果(步骤 S6)。
关于步骤S6的细节,将结合图2来详细说明。
具体地,在一个实施例中,如图2所示,所述步骤S6包括以下步骤: 针对所述每一套预估测量结果,基于所述融合预测结果和该套预估测量结 果来计算对应的转换矩阵(步骤S61)。
在一个示例中,针对各套预估测量结果,可以利用以下数式(6)来 确定对应的转换矩阵:
其中,是与第i个传感器的第k套实际测量结果对应的在第二时 刻t2的预估测量结果,Hik是与第i个传感器的第k套实际测量结果对应 的转换矩阵,是在第二时刻t2的关于目标状态的所有传感器的融合 预测结果,V(t2)是测量噪声,f(Δtik)是根据Δt计算测量噪声权重的函数, Δtik越大,测量噪声越大。
在一个实施例中,如图2所示,所述步骤S6还可以包括如下步骤: 计算所述每一套预估测量结果对应的协方差(步骤S62)。
在一个示例中,对于各套预估测量结果,可以利用以下数式(7)来 确定对应的协方差:
其中,是在第二时刻t2的第i个传感器关于目标状态的第k套预估测 量结果对应的协方差,F是***状态转移矩阵,FT是***状态转移矩阵的 转置矩阵,Pik(t1ik)是在第一时刻t1的针对第i个传感器的第k套预估测量 结果的最优估计结果对应的协方差(后述),Q是***过程噪声的协方差。
在一个实施例中,如图2所示,所述步骤S6还可以包括如下步骤: 针对所述每一套预估测量结果,基于所述对应的转换矩阵和所述对应的协 方差来计算对应的卡尔曼增益(步骤S63)。
在一个示例中,对于各套预估测量结果,可以利用以下数式(8)来 计算对应的卡尔曼增益:
其中,kgik(t2)是在第二时刻t2的第i个传感器关于目标状态的第k套预估 测量结果对应的卡尔曼增益,是在第二时刻t2的第i个传感器关于目 标状态的第k套预估测量结果对应的协方差,Hik是与第i个传感器的第k 套实际测量结果对应的转换矩阵,Hik T是与第i个传感器的第k套实际测 量结果对应的转换矩阵的转置矩阵,R是测量过程噪声的协方差。
在一个实施例中,如图2所示,所述步骤S6还可以包括如下步骤: 针对所述每一套预估测量结果,基于所述融合预测结果、所述对应的卡尔 曼增益、该套预估测量结果以及所述对应的转换矩阵,来计算对应的在所 述第二时刻的相应传感器关于目标状态的最优估计结果(步骤S64)。
在一个示例中,对于各套预估测量结果,可以利用以下数式(9)来 计算对应的最优估计结果:
其中,Xik(t2)是在第二时刻t2的与第i个传感器的第k套预估测量结果对应 的最优估计结果,是在第二时刻t2的关于目标状态的所有传感器的 融合预测结果,kgik(t2)是在第二时刻t2的第i个传感器关于目标状态的第k 套预估测量结果对应的卡尔曼增益,是与第i个传感器的第k套 实际测量结果对应的在第二时刻t2的预估测量结果,Hik是与第i个传感 器的第k套实际测量结果对应的转换矩阵。
通过上述步骤,可以针对每一套实际测量结果获得准确的关于目标状 态的最优估计结果。
可选地,在一个实施例中,在计算出与每一个传感器的每一套实际测 量结果对应的最优估计结果之后,所述方法S100还可以包括如下步骤: 对所有传感器的所述最优估计结果进行融合以确定每个所述最优估计结 果对应的权重、进而获得在所述第二时刻的关于目标状态的最优融合估计 结果(步骤S7,未示出)。
在一个示例中,可以利用以下数式(10)来获得在第二时刻t2的关于 目标状态的最优融合估计结果:
其中,X(t2)是在第二时刻t2的关于目标状态的所有传感器的最优融合估计 结果,f是融合函数,Xik(t2)是在第二时刻t2的与第i个传感器的第k套预 估测量结果对应的最优估计结果,是在第二时刻t2的第i个传感器关 于目标状态的第k套预估测量结果对应的协方差。此外,如上述数式(5) 所示,在当前时刻(例如,第一时刻t1)的最优融合估计结果X(t1)还可以 用于计算在下一时刻(例如,第二时刻t2)的融合预测结果
可选地,在一个实施例中,所述方法S100还可以包括如下步骤:根 据在步骤S61中得到的转换矩阵和在步骤S63中得到的卡尔曼增益来校正 在步骤S62中得到的协方差,以获得经校正的协方差(步骤S8,未示出), 所述经校正的协方差可以用于计算在当前时刻(例如,第二时刻t2)的下 一时刻(例如,第三时刻t3)的预估测量结果对应的协方差(请参见上述 数式(7))。
在一个示例中,利用以下数式(11)来获得在当前时刻(例如,第二 时刻t2)的经校正的协方差:
其中,Pik(t2)是在第二时刻t2的针对第i个传感器的第k套预估测量结果的 经校正的协方差,I是单位矩阵,kgik(t2)是在上述步骤S63中得到的在第 二时刻t2的第i个传感器关于目标状态的第k套预估测量结果对应的卡尔 曼增益,Hik是在步骤S61中得到的与第i个传感器的第k套实际测量结 果对应的转换矩阵,是在步骤S62中得到的在第二时刻t2的第i个传 感器关于目标状态的第k套预估测量结果对应的协方差,此外,在当前时 刻(例如,第二时刻t2)的Pik(t2)还可以用于计算在下一时刻(例如,第 三时刻t3)的
此外,需要说明的是,虽然在图1、图2中示出了步骤之间的顺序, 但是本领域技术人员应当理解,图1、图2仅仅是示例,上述步骤之间的 先后关系并不限定于图1、图2中所示出的情况,例如,图1中的步骤S5 可以在步骤S4之前执行,也可以同时执行,又例如,图2中的步骤S61 可以在步骤S62之后执行,也可以同时执行,等等。
接下来,参照图3来说明用于使多传感器目标信息融合与多传感器感 测同步的装置。
如图3所示,该装置100包括第1单元101,其被配置成,获得各个 传感器关于目标状态的实际测量结果同时对获得每一套实际测量结果的 时刻分别进行记录,以便针对每一套实际测量结果记录有一个第一时间 戳。
在一个示例中,当一套实际测量结果接收完毕后,记录对应的一个接 收时间戳。例如,对于第1个传感器的第一套实际测量结果,将其接收时 间戳标记为t111,对于第1个传感器的第二套实际测量结果,将其接收时 间戳标记为t112,……,对于第i个传感器的第k套实际测量结果,将其 接收时间戳标记为t1ik,在本文中将这些时间戳统称为第一时间戳(即, 接收时间戳)。
在一个实施例中,如图3所示,该装置100还可以包括第2单元,其 被配置成,将开始执行目标信息融合处理的时刻记录为第二时间戳。
在一个示例中,将对所有传感器的所有套实际测量结果进行融合处理 的时刻记录为第二时间戳(即,融合时间戳)。
在一个实施例中,如图3所示,该装置100还可以包括第3单元,其 被配置成,分别计算各个第一时间戳表征的各个第一时刻与所述第二时间 戳表征的第二时刻之间的时间差。
在一个示例中,可以利用以下数式(12)来计算所述时间差:
Δtik=t2-t1ik…(12),
其中,Δtik是与第i个传感器的第k套实际测量结果对应的时间差,t1ik是 与第i个传感器的第k套实际测量结果对应的第一时间戳表征的第一时 刻,t2是第二时间戳表征的第二时刻。
在一个实施例中,如图3所示,该装置100还可以包括第4单元,其 被配置成,基于计算出的每一个时间差来更新其对应的在所述第一时刻获 得的实际测量结果,以获得对应的在所述第二时刻的预估测量结果。
在一个示例中,假设在Δtik的时间内车辆的位移发生了变化,则可以 利用以下数式(13)至(15)来更新在t1ik获得的实际测量结果:
其中,是车辆纵向速度,是车辆横向速度,ΔXvcs_ik是与第i个传感 器的第k套实际测量结果对应的车辆在Δt内在纵向产生的位移,ΔYvcs_ik是 与第i个传感器的第k套实际测量结果对应的车辆在Δt内在横向产生的位 移,是与第i个传感器的第k套实际测量结果对应的在第二时刻 t2的预估测量结果,ω是与第i个传感器的第k套实际测量结果对应的车 辆在Δt内产生的偏转角度,Zik_x(t1ik)是在第一时刻获得的第i个传感器的 第k套实际测量结果的纵向分量,Zik_y(t1ik)是在第一时刻获得的第i个传感 器的第k套实际测量结果的横向分量。
在一个实施例中,如图3所示,该装置100还可以包括第5单元,其 被配置成,获得在所述第二时刻的关于目标状态的所有传感器的融合预测 结果。
在一个示例中,对于第二时刻t2,可以利用以下数式(16)来确定关 于某个目标的目标状态的融合预测结果:
其中,是在第二时刻t2的关于目标状态的所有传感器的融合预测结 果,F是***状态转移矩阵,X(t1)是在第一时刻t1的关于目标状态的最优 融合估计结果(后述),W(t2)是***噪声。
在一个实施例中,如图3所示,该装置100还可以包括第6单元,其 被配置成,针对每一套预估测量结果,基于所述融合预测结果和该套预估 测量结果来获得在所述第二时刻的相应传感器关于目标状态的最优估计 结果。
关于第6单元的细节,将在下面详细说明。
具体地,在一个实施例中,所述第6单元包括第6A单元(未示出), 其被配置成,针对所述每一套预估测量结果,基于所述融合预测结果和该 套预估测量结果来计算对应的转换矩阵。
在一个示例中,针对各套预估测量结果,可以利用以下数式(17)来 确定对应的转换矩阵:
其中,是与第i个传感器的第k套实际测量结果对应的在第二时 刻t2的预估测量结果,Hik是与第i个传感器的第k套实际测量结果对应 的转换矩阵,是在第二时刻t2的关于目标状态的所有传感器的融合 预测结果,V(t2)是测量噪声,f(Δtik)是根据Δt计算测量噪声权重的函数, Δtik越大,测量噪声越大。
在一个实施例中,所述第6单元还可以包括第6B单元(未示出), 其被配置成,计算所述每一套预估测量结果对应的协方差。
在一个示例中,对于各套预估测量结果,可以利用以下数式(18)来 确定对应的协方差:
其中,是在第二时刻t2的第i个传感器关于目标状态的第k套预估测 量结果对应的协方差,F是***状态转移矩阵,FT是***状态转移矩阵的 转置矩阵,Pik(t1ik)是在第一时刻t1的针对第i个传感器的第k套预估测量 结果的最优估计结果对应的协方差(后述),Q是***过程噪声的协方差。
在一个实施例中,所述第6单元还可以包括第6C单元(未示出), 其被配置成,针对所述每一套预估测量结果,基于所述对应的转换矩阵和 所述对应的协方差来计算对应的卡尔曼增益。
在一个示例中,对于各套预估测量结果,可以利用以下数式(19)来 计算对应的卡尔曼增益:
其中,kgik(t2)是在第二时刻t2的第i个传感器关于目标状态的第k套预估 测量结果对应的卡尔曼增益,是在第二时刻t2的第i个传感器关于目 标状态的第k套预估测量结果对应的协方差,Hik是与第i个传感器的第k 套实际测量结果对应的转换矩阵,Hik T是与第i个传感器的第k套实际测 量结果对应的转换矩阵的转置矩阵,R是测量过程噪声的协方差。
在一个实施例中,所述第6单元还可以包括第6D单元,其被配置成, 针对所述每一套预估测量结果,基于所述融合预测结果、所述对应的卡尔 曼增益、该套预估测量结果以及所述对应的转换矩阵,来计算对应的在所 述第二时刻的相应传感器关于目标状态的最优估计结果。
在一个示例中,对于各套预估测量结果,可以利用以下数式(20)来 计算对应的最优估计结果:
其中,Xik(t2)是在第二时刻t2的与第i个传感器的第k套预估测量结果对应 的最优估计结果,是在第二时刻t2的关于目标状态的所有传感器的 融合预测结果,kgik(t2)是在第二时刻t2的第i个传感器关于目标状态的第k 套预估测量结果对应的卡尔曼增益,是与第i个传感器的第k套 实际测量结果对应的在第二时刻t2的预估测量结果,Hik是与第i个传感 器的第k套实际测量结果对应的转换矩阵。
通过上述单元,可以针对每一套实际测量结果获得准确的关于目标状 态的最优估计结果。
可选地,在一个实施例中,该装置100还可以包括第7单元(未示出), 其被配置成,对所有传感器的所述最优估计结果进行融合以确定每个所述 最优估计结果对应的权重、进而获得在所述第二时刻的关于目标状态的最 优融合估计结果。
在一个示例中,可以利用以下数式(21)来获得在第二时刻t2的关于 目标状态的最优融合估计结果:
其中,X(t2)是在第二时刻t2的关于目标状态的所有传感器的最优融合估计 结果,f是融合函数,Xik(t2)是在第二时刻t2的与第i个传感器的第k套预 估测量结果对应的最优估计结果,是在第二时刻t2的第i个传感器关 于目标状态的第k套预估测量结果对应的协方差。此外,如上述数式(16) 所示,在当前时刻(例如,第一时刻t1)的最优融合估计结果X(t1)还可以 用于计算在下一时刻(例如,第二时刻t2)的融合预测结果
可选地,在一个实施例中,该装置100还可以包括第8单元(未示出), 其被配置成,根据在第6A单元中得到的转换矩阵和在第6C单元中得到 的卡尔曼增益来校正在第6B单元中得到的协方差,以获得经校正的协方 差,所述经校正的协方差可以用于计算在当前时刻(例如,第二时刻t2) 的下一时刻(例如,第三时刻t3)的预估测量结果对应的协方差(请参见上述数式(18))。
在一个示例中,利用以下数式(22)来获得在当前时刻(例如,第二 时刻t2)的经校正的协方差:
其中,Pik(t2)是在第二时刻t2的针对第i个传感器的第k套预估测量结果的 经校正的协方差,I是单位矩阵,kgik(t2)是在上述步骤S63中得到的在第 二时刻t2的第i个传感器关于目标状态的第k套预估测量结果对应的卡尔 曼增益,Hik是在步骤S61中得到的与第i个传感器的第k套实际测量结 果对应的转换矩阵,是在步骤S62中得到的在第二时刻t2的第i个传 感器关于目标状态的第k套预估测量结果对应的协方差,此外,在当前时 刻(例如,第二时刻t2)的Pik(t2)还可以用于计算在下一时刻(例如,第 三时刻t3)的
根据本发明的一个实施方式的上述用于使多传感器目标信息融合与 多传感器感测同步的方法及装置在应用于辅助驾驶时能够使得辅助驾驶 ***采用更为优化的数据,从而有助于其决策与控制,例如使自适应巡航、 紧急制动等辅助驾驶功能或场景能基于优化的数据做出更好的决策,这样 的功能或场景还可以包括车身稳定控制等。
虽然在此之前以用于使多传感器目标信息融合与多传感器感测同步 的方法及装置的实施方式为中心进行了说明,但是本发明不限定于这些实 施方式,也可以将本发明实施为以下方式:包含上述方法的辅助驾驶方法
的方式或者包含上述装置的辅助驾驶***的方式或者用于执行上述方法 的计算机设备或者用于执行上述方法的计算机程序的方式或者用于实现 上述装置的功能的计算机程序的方式或者记录有该计算机程序的计算机 可读取的记录介质的方式。
在图4中示出了根据本发明的一个实施方式的用于执行根据本发明 的一个实施方式的用于使多传感器目标信息融合与多传感器感测同步的 方法的计算机设备。如图4所示,计算机设备200包括存储器201和处理 器202。虽然未图示,但是计算机设备200还包括存储在存储器201上并 可在处理器202上运行的计算机程序。所述处理器执行所述程序时实现 例如如图1、图2所示的根据本发明的一个实施方式的用于使多传感器目 标信息融合与多传感器感测同步的方法的各个步骤。
另外,如上所述,本发明也可以被实施为一种记录介质,在其中存储 有用于使计算机执行根据本发明的一个实施方式的用于使多传感器目标 信息融合与多传感器感测同步的方法的程序。
在此,作为记录介质,能采用盘类(例如,磁盘、光盘等)、卡类(例 如,存储卡、光卡等)、半导体存储器类(例如,ROM、非易失性存储 器等)、带类(例如,磁带、盒式磁带等)等各种方式的记录介质。
通过在这些记录介质中记录使计算机执行上述实施方式中的用于使 多传感器目标信息融合与多传感器感测同步的方法的计算机程序或使计 算机实现上述实施方式中的用于使多传感器目标信息融合与多传感器感 测同步的装置的功能的计算机程序并使其流通,从而能使成本的低廉化以 及可携带性、通用性提高。
而且,在计算机上装载上述记录介质,由计算机读出在记录介质中记 录的计算机程序并储存在存储器中,计算机所具备的处理器(CPU:Central Processing Unit(中央处理单元)、MPU:Micro Processing Unit(微处理 单元))从存储器读出该计算机程序并执行,由此,能执行上述实施方式 中的用于使多传感器目标信息融合与多传感器感测同步的方法并能实现 上述实施方式中的用于使多传感器目标信息融合与多传感器感测同步的装置的功能。
本领域普通技术人员应当了解,本发明不限定于上述的实施方式,本 发明可以在不偏离其主旨与范围内以许多其它的形式实施。因此,所展示 的示例与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利 要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与 替换。