【技術實現步驟摘要】
本專利技術涉及傳感器融合感知，特別涉及一種基于高精地圖的多傳感器融合感知方法。
技術介紹
1、在快速發展的無人駕駛
，露天礦山作為復雜多變的作業環境，對無人駕駛礦車的感知能力提出了極高要求。當前，基于高精地圖與多傳感器融合感知系統已成為該領域廣泛采用的先進方案，旨在通過高精度地圖提供環境先驗知識，結合激光雷達、攝像頭、毫米波雷達等多種傳感器實時采集的數據，實現對礦車周圍環境的全面、精準感知。
2、現有技術的不足之處，盡管該技術已展現出顯著優勢，但在面對露天礦山特有的復雜地形、惡劣天氣條件(如沙塵暴、濃霧)及動態變化的作業場景時，仍存在感知精度下降、數據融合處理延遲等不足。高精地圖的實時更新難度大，且傳感器易受環境干擾導致誤判或漏檢，影響了無人駕駛礦車的安全性與作業效率。因此，持續優化感知算法，提升傳感器抗干擾能力，以及加強地圖與傳感器數據的實時融合處理，成為當前亟待解決的關鍵問題。
技術實現思路
1、本專利技術的目的克服現有技術存在的不足，為實現以上目的，采用一種基于高精地圖的多傳感器融合感知方法，以解決上述
技術介紹
中提出的問題。
2、一種基于高精地圖的多傳感器融合感知方法，包括以下步驟：
3、步驟s1、基于高精地圖感知并獲取靜態障礙物的信息；
4、步驟s2、基于多傳感器融合進行動態障礙物信息的原始數據融合，并匯總所有傳感器的數據，得到超級傳感器；
5、步驟s3、根據得到的超級傳感器獲取多維體幾何結構對稱性，并基于邊
6、步驟s4、基于立體匹配的高精地圖與傳感器感知融合，對不一致區域采用多源一致性檢查進行遮擋檢測，完成多傳感器的最終融合。
7、作為本專利技術的進一步的方案：所述步驟s1中的具體步驟包括：
8、基于高精地圖提供超視距的先驗信息；
9、面向規劃層面，獲取高精地圖中記錄的車道線、地面印刷物、交通標識、防護欄，以及信號燈的數據信息；以及
10、獲取無人駕駛礦車所在的高精地圖信息，以及無人礦車的初始位置和目的位置。
11、作為本專利技術的進一步的方案：所述步驟s2中的具體步驟包括：
12、基于激光雷達與攝像頭的前融合，匯總所有傳感器的數據，得到用于檢測的超級傳感器super-sensor；
13、將3d點云投影到2d圖像上，對傳感器的原始數據進行前融合。
14、作為本專利技術的進一步的方案：所述步驟s3中的具體步驟包括：
15、步驟s31、確定目標障礙物主軸方向；
16、在多維傳感器的二值數據中，通過iou矩進行主軸方向求取；利用iou矩描述障礙物iou大小和方向的特征；
17、步驟s32、矯正目標障礙物傾斜；
18、根據主軸方向角進行目標障礙物旋轉；當角度大于零時，進行逆時針旋轉；當角度小于零時，進行順時針旋轉；
19、步驟s33、目標障礙物邊緣檢測與輪廓提??；
20、采用鄰域思想進行輪廓提取，消除目標障礙物區域內部點，內部點需根據當前整合點云與圖像信息的像素點鄰域進行判斷，獲得障礙物完整輪廓；
21、步驟s34、對稱軸線的確定與母線提??；
22、對整條完整輪廓線進行像素查找，尋找目標像素點，定位旋轉軸線所在列，依次確定輪廓線上下邊界；
23、定位上下兩個邊界行后，結合旋轉軸線進行母線區域截??；病提取左側母線，右側母線，存儲為數組。
24、作為本專利技術的進一步的方案：所述步驟s4中的具體步驟包括：
25、采用多源一致性檢查對存在遮擋和不一致區域進行遮擋檢測，計算通過高精地圖與傳感器獲得兩個感知圖；
26、通過高精地圖找到激光雷達點云圖和攝像頭圖像中對應的匹配點，并判斷兩點位置是否相等，如果不相等，則將激光雷達點云圖或攝像頭圖像中的對應點標記為遮擋點；
27、再用同一掃描線上距離最近未遮擋像素的最小視差值代替遮擋點；
28、采用雙邊濾波作為加權中值濾波器消除偽影并保留邊緣信息，權重表示為：
29、
30、式中，分別為空間縮放及輪廓相似度,ki為正則化因子，|i-j|2和|ii-jj|2用于測量中心與鄰域之間的空間相似性；
31、選取窗口ri大小為(2r+1)×(2r+1)時，其包含的像素個數為n，計算窗口ri中一對序列{i(i),wij}的像素值和權重；
32、然后對權重進行排序，直到累計權重大于加權值一半，則將相應的i(i)作為窗口中心點的融合像素值。
33、與現有技術相比，本專利技術存在以下技術效果：
34、采用上述的技術方案，針對高精地圖更新不及時，或者傳感器發生故障時所產生的感知系統誤差快速發散的問題，綜合考慮高精地圖靜態信息與傳感器動態信息等之間的相互約束關系，同時高精地圖框架還能夠支持多個傳感器的“即插即用”，為靜態障礙物信息/動態障礙物信息融合提供了一個通用并且可靈活配置的框架。
35、用立體匹配算法代替常規的卡爾曼濾波算法完成靜態障礙物信息與動態障礙物信息融合的信息融合。在逐步迭代的過程中，所有來自傳感器的感知結果都作為未知量，所有來自高精地圖的位置信息都作為狀態約束，通過立體匹配算法獲取障礙物位置的最優解。相對卡爾曼濾波，基于高精地圖的多傳感器融合感知方法可充分利用存在于高精地圖的歷史軌跡信息和基于傳感器所獲得現在狀態的相互聯系，提高障礙物iou位置感知精度。
36、而融合高精度地圖的感知系統，可以突破傳感器性能邊界，提供全場景，全氣候下的超視距感知。無人駕駛車輛能夠提前了解當前位置前方可能的道路情況，動態調整傳感器模塊的功能，從而降低對于傳感器的性能要求，合理分配車載計算資源。
本文檔來自技高網...【技術保護點】
1.一種基于高精地圖的多傳感器融合感知方法，其特征在于，包括以下步驟：
2.根據權利要求1所述一種基于高精地圖的多傳感器融合感知方法，其特征在于，所述步驟S1中的具體步驟包括：
3.根據權利要求1所述一種基于高精地圖的多傳感器融合感知方法，其特征在于，所述步驟S2中的具體步驟包括：
4.根據權利要求1所述一種基于高精地圖的多傳感器融合感知方法，其特征在于，所述步驟S3中的具體步驟包括：
5.根據權利要求1所述一種基于高精地圖的多傳感器融合感知方法，其特征在于，所述步驟S4中的具體步驟包括：
【技術特征摘要】
1.一種基于高精地圖的多傳感器融合感知方法，其特征在于，包括以下步驟：
2.根據權利要求1所述一種基于高精地圖的多傳感器融合感知方法，其特征在于，所述步驟s1中的具體步驟包括：
3.根據權利要求1所述一種基于高精地圖的多傳感器融合感知方法，其特征在...
【專利技術屬性】
技術研發人員：何申中，黃瑞卿，梅貴周，陳成，
申請(專利權)人：安徽海博智能科技有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。