【技術實現(xiàn)步驟摘要】
本專利技術涉及車聯(lián)網，更具體地說，本專利技術涉及一種面向車聯(lián)網基于感知精度的感知共享消息生成方法。
技術介紹
1、感知共享是典型的v2x增強型應用，定義感知共享消息ssm用于感知擴展場景，消息可由車載單元obu、路側單元rsu以及行人vru發(fā)送。車輛或路側設備通過自身感知設備探測周邊交通環(huán)境，包括其他v2x或非v2x交通參與者、道路異常狀況，將感知獲取的目標信息以及道路交通事件通過感知共享消息通知到周圍v2x設施，以擴展其他v2x車輛及路側設施的感知范圍，輔助駕駛決策，從而改善交通安全與效率。
2、感知數據共享過程不僅僅涉及目標數據的感知、抽象和消息封裝。在密集交通環(huán)境下，v2x用戶感知到大量目標物信息并進行傳輸，對于感知數據共享消息的接收用戶來說，從位置相近的用戶接收到的信息存在明顯的重復，因此，在消息發(fā)送端可以進行感知共享消息的擁塞控制處理，即在每個消息發(fā)送時，通過對每個探測到的目標物的類型、動態(tài)以及有關該目標物的信息收發(fā)等情況決定是否將其抽象信息封裝到當前消息中。
3、隨著越來越多的配備adas的車輛上路，由于各個車輛的自身感知設備所能提供的探測精度也有所不同，因此自身感知設備探測的準確性也參差不齊。
4、由于不同的車載感知設備以及路側感知設備存在共視區(qū)，會探測到相同的交通對象，從而都會被封裝進ssm消息中，如何減少信息冗余非常值得研究。此外，高冗余產生的信息過載又會增加傳輸延遲，甚至會產生丟失有價值的數據包的風險，由于實際的探測和目標跟蹤可能不會遵循目標的預期運動，便會導致頻繁的狀態(tài)變
技術實現(xiàn)思路
1、本專利技術針對現(xiàn)有技術中存在的技術問題，提供一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，以解決上述
技術介紹
中提出的問題。
2、本專利技術解決上述技術問題的技術方案如下：一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，包括以下步驟：
3、s101.探測目標信息數據并進行預處理，建立本地自主的感知模型跟蹤當前節(jié)點的目標信息數據；
4、s102.建立網聯(lián)協(xié)作感知模型跟蹤當前節(jié)點通過ssm所接收到的對象；
5、s103.每個節(jié)點通過比較本地自主感知模型跟蹤的精度與網聯(lián)協(xié)作感知模型跟蹤的精度，判斷該檢測結果是否加入新的待發(fā)送ssm對象列表中；
6、在一個優(yōu)選地實施方式中，所述s101中，利用當前節(jié)點的車載單元以及路測單元通過雷達感知設備探測當前節(jié)點的道路周圍其他交通參與者數據以及當前節(jié)點的道路異常狀況信息數據并傳輸構建目標信息數據，利用卡爾曼濾波對目標信息數據進行去噪處理，通過雷達感知設備連續(xù)探測目標并持續(xù)跟蹤每個目標的實時狀態(tài)，根據每個目標的實時狀態(tài)映射當前節(jié)點的道路異常狀況信息，將當前節(jié)點的道路周圍其他交通參與者數據以及當前節(jié)點的道路異常狀況信息數據進行時間對齊。
7、進一步地，基于卡爾曼濾波使用構建本地自主的感知模型，建立概率模型表征雷達感知設備的感知精度能力，并基于可見截面以及基準車輛與被探測目標之間的相對距離，通過對目標的真正位置添加噪聲確定概率模型的測量精度，其具體公式為：
8、do(c,d)＝(σx,σy)(x,y)
9、其中，c表示橫截面，d表示距離，do()表示函數返回的值為一個元組，為探測當前節(jié)點在笛卡爾坐標系下的方差，(σx,σy)表示(x,y)處的真正地面位置的值作為正態(tài)分布中的平均值，并在正態(tài)分布中隨機選擇值作為當前節(jié)點的雷達感知設備的探測值，利用卡爾曼濾波器通過不斷應用動態(tài)車輛模型調整雷達感知設備探測值與之前的車輛軌跡，通過采用預測和修正的機制融合歷史信息和新的探測目標信息數據，當在每個時間步長k時的得到的探測更新時，探測操作進行更新卡爾曼濾波器，整個更新過程劃分為預測步驟和更新步驟。
10、進一步地，基于卡爾曼濾波通過采用車輛運動模型不斷調整雷達感知設備探測值與車輛軌跡之間的誤差，在預測步驟中的狀態(tài)向量基于之前的狀態(tài)和用于描述車輛運動模型的矩陣進行預測，其具體公式為：
11、xk＝xk-1*fk-1
12、其中，xk表示狀態(tài)向量，xk-1表示之前的狀態(tài)向量，fk-1表示描述車輛運動模型的矩陣，更新誤差協(xié)方差矩陣并加入噪聲，其具體公式為：
13、
14、其中，pk表示誤差協(xié)方差矩陣，表示之前描述車輛運動模型的轉置矩陣，qk-1表示噪聲，完成預測步驟后自動啟動更新步驟，通過計算卡爾曼增益對基于雷達感知設備探測值進行修正，并基于當前節(jié)點的雷達感知設備探測值和預測值對當前狀態(tài)進行更新，通過再次更新過程的協(xié)方差矩陣。
15、在一個優(yōu)選地實施方式中，所述s102中，建立網聯(lián)協(xié)作感知模型跟蹤當前節(jié)點通過ssm所接收到的目標信息數據的列表，網聯(lián)協(xié)作感知模型利用v2x通信跟蹤目標信息數據。
16、在一個優(yōu)選地實施方式中，所述s103中，每個節(jié)點通過比較本地自主感知模型跟蹤的精度與網聯(lián)協(xié)作感知模型跟蹤的精度，判斷探測結果是否加入新的待發(fā)送ssm所接收到的目標信息數據的列表中，將閾值定義為1，當本地自主感知模型的跟蹤小于該閾值，則認為跟蹤具有價值并進行下一步驟，否則不考慮將該探測結果放入下次待發(fā)送的ssm所接收到的目標信息數據的列表，所述下一步驟通過kullback-leibler散度計算本地自主感知模型跟蹤的精度和網聯(lián)協(xié)作感知模型跟蹤的精度之間的相對熵，所述kullback-leibler散度具體計算公式為：
17、
18、其中，dkl(nlem||nv2x)表示本地自主的感知模型和網聯(lián)協(xié)作感知模型的概率分布的kullback-leibler散度，plem、pv2x分別表示本地自主的感知模型和網聯(lián)協(xié)作感知模型的跟蹤精度，μ1、μ2分別表示本地自主的感知模型和網聯(lián)協(xié)作感知模型的均值狀態(tài)向量，并將該計算結果與設定的閾值γ相比較，其中將閾值γ定義為3，當相對熵足夠高并大于設定的閾值γ，則證明該目標信息數據包含豐富信息且重復性不高，并加入到下次的待發(fā)送的ssm所接收到的目標信息數據的列表中，否則不考慮將該探測結果放入下次待發(fā)送的ssm所接收到的目標信息數據的列表中。
19、本專利技術的有益效果是：基于卡爾曼濾波建立感知模型，表征雷達感知設備的感知精度，根據距離和遮擋程度等因素確定感知精度，并通過添加噪聲來模擬測量精度，減弱探測對跟蹤位置的影響，提供更準確的系統(tǒng)狀態(tài)估計，通過預測和修正機制融合歷史信息和新數據，分為預測步驟和更新步驟，通過卡爾曼增益對探測值進行修正，提供更加穩(wěn)定和準確的位置估計，利用網聯(lián)協(xié)作和v2x通信技術改善目標信息數據的共享和跟蹤，提高車輛感知系統(tǒng)的效率和準確性，使用卡爾曼濾波器融合歷史信息和新的探測目標信息數據，確保本地自主感知模型的跟蹤準確性，通過比較感知模型的跟蹤精度和使用kullback-leibler散度來決定對探測結果的處理本文檔來自技高網...
【技術保護點】
1.一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述S101中，探測目標信息數據并進行預處理的具體步驟為：利用當前節(jié)點的車載單元以及路測單元通過雷達感知設備探測當前節(jié)點的道路周圍其他交通參與者數據以及當前節(jié)點的道路異常狀況信息數據并傳輸構建目標信息數據，利用卡爾曼濾波對目標信息數據進行去噪處理，通過雷達感知設備連續(xù)探測目標并持續(xù)跟蹤每個目標的實時狀態(tài)，根據每個目標的實時狀態(tài)映射當前節(jié)點的道路異常狀況信息，將當前節(jié)點的道路周圍其他交通參與者數據以及當前節(jié)點的道路異常狀況信息數據進行時間對齊。
3.根據權利要求1所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述S101中，基于卡爾曼濾波使用構建本地自主的感知模型，建立概率模型表征雷達感知設備的感知精度能力，并基于可見截面以及基準車輛與被探測目標之間的相對距離，通過對目標的真正位置添加噪聲確定概率模型的測量精度，并在正態(tài)分布中隨機選擇值作為當前節(jié)點的雷達感知設備的探測
4.根據權利要求3所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：整個更新卡爾曼濾波器過程劃分為預測步驟和更新步驟，在預測步驟中的狀態(tài)向量基于之前的狀態(tài)和用于描述車輛運動模型的矩陣進行預測，更新誤差協(xié)方差矩陣并加入噪聲，完成預測步驟后自動啟動更新步驟，通過計算卡爾曼增益對基于雷達感知設備探測值進行修正，并基于當前節(jié)點的雷達感知設備探測值和預測值對當前狀態(tài)進行更新，通過再次更新過程的協(xié)方差矩陣。
5.根據權利要求4所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述預測具體公式為：
6.根據權利要求1所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述S102中，建立網聯(lián)協(xié)作感知模型跟蹤當前節(jié)點通過SSM所接收到的目標信息數據的列表，網聯(lián)協(xié)作感知模型利用V2X通信跟蹤目標信息數據。
7.根據權利要求6所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述網聯(lián)為通過V2X、C-V2X、DSRC、5G/4G以及其它傳輸方式。
8.根據權利要求1所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述S103中，每個節(jié)點通過比較本地自主感知模型跟蹤的精度與網聯(lián)協(xié)作感知模型跟蹤的精度，判斷探測結果是否加入新的待發(fā)送SS?M所接收到的目標信息數據的列表中，通過Kullback-Leibler散度計算本地自主感知模型跟蹤的精度和網聯(lián)協(xié)作感知模型跟蹤的精度之間的相對熵，將該計算結果與設定的閾值相比較。
9.根據權利要求8所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述Kullback-Leibler散度具體計算公式為：
...【技術特征摘要】
1.一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述s101中，探測目標信息數據并進行預處理的具體步驟為：利用當前節(jié)點的車載單元以及路測單元通過雷達感知設備探測當前節(jié)點的道路周圍其他交通參與者數據以及當前節(jié)點的道路異常狀況信息數據并傳輸構建目標信息數據，利用卡爾曼濾波對目標信息數據進行去噪處理，通過雷達感知設備連續(xù)探測目標并持續(xù)跟蹤每個目標的實時狀態(tài)，根據每個目標的實時狀態(tài)映射當前節(jié)點的道路異常狀況信息，將當前節(jié)點的道路周圍其他交通參與者數據以及當前節(jié)點的道路異常狀況信息數據進行時間對齊。
3.根據權利要求1所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：所述s101中，基于卡爾曼濾波使用構建本地自主的感知模型，建立概率模型表征雷達感知設備的感知精度能力，并基于可見截面以及基準車輛與被探測目標之間的相對距離，通過對目標的真正位置添加噪聲確定概率模型的測量精度，并在正態(tài)分布中隨機選擇值作為當前節(jié)點的雷達感知設備的探測值，利用卡爾曼濾波器通過不斷應用動態(tài)車輛模型調整雷達感知設備探測值與之前的車輛軌跡，通過采用預測和修正的機制融合歷史信息和新的探測目標信息數據，當在每個時間步長k時的得到的探測更新時，探測操作進行更新卡爾曼濾波器。
4.根據權利要求3所述的一種面向車聯(lián)網基于感知精度的感知共享消息生成方法，其特征在于：整個更新卡爾曼濾波器過程劃分為預測步驟和更新步驟，在預...
【專利技術屬性】
技術研發(fā)人員：郝奕，周逸凡，
申請(專利權)人：上海上禹智途汽車科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。