本發(fā)明屬于智能駕駛技術(包括自動駕駛、無人駕駛)領域，具體涉及一種智能駕駛汽車的傳感器自檢系統(tǒng)及基于傳感器自檢系統(tǒng)的多傳感融合系統(tǒng)，實現(xiàn)智能駕駛汽車中多種傳感器(毫米波雷達、激光雷達、超聲波雷達、攝像頭、GPS、慣導等)的算法融合以及自我校正，以確保智能駕駛汽車能正確地使用各傳感器感知的環(huán)境信息，保證智能行駛的安全及用戶體驗。

背景技術：

攝像頭、毫米波雷達、激光雷達、超聲波雷達等傳感器是智能駕駛汽車的重要感知設備，這些傳感器提供的信息對智能駕駛汽車感知外部世界以及決定規(guī)劃和控制方案起著至關重要的作用。在智能駕駛汽車所使用的傳感器中，大多數(shù)傳感器都具有單獨自動校正功能。這些傳感器能夠檢測出自身在使用過程中可能造成的誤差并自動校正，德爾福的毫米波雷達就是一個很好的例子。

然而，還沒有一個統(tǒng)一的系統(tǒng)來對智能駕駛汽車中所有的重要傳感器狀況進行檢查，并進一步把狀態(tài)檢查的結果用到多傳感融合算法中，這必然導致現(xiàn)在的智能駕駛系統(tǒng)在一個傳感器出問題時可能就會導致整個智能駕駛系統(tǒng)不能正常工作。這種只要一個傳感器出現(xiàn)問題就要求整個智能駕駛系統(tǒng)停止工作的策略雖然保證了安全性，卻沒有充分利用多個同類別的傳感器所帶來的感知冗余。同類別傳感器是指能夠?qū)崿F(xiàn)智能駕駛中同一感知功能的傳感器，例如，前視攝像頭和前向毫米波長距雷達可以是同類傳感器，因為它們都可以探測智能駕駛汽車前面的障礙物，GPS和激光慣導由于都可以實現(xiàn)定位功能，所以也可以是同類別傳感器。一個實用的多傳感融合算法必須能夠根據(jù)各傳感器問題的輕重緩急、從而智能地做出合理的規(guī)劃和控制。

由于智能駕駛汽車在行駛過程中可能對傳感器的狀態(tài)(功能、性能、準確性等)產(chǎn)生影響，出于安全性的考慮，智能駕駛的整體解決方案必須包含一個集成的傳感器自檢系統(tǒng)。這個傳感器自檢系統(tǒng)除了能夠?qū)Ω鱾€傳感器的狀態(tài)進行檢查以外，還能把檢查結果以特定的方式“匯報”給多傳感融合算法，以便多傳感融合算法能夠根據(jù)各傳感器自檢的結果并利用傳感器感知信息的冗余做出合理的規(guī)劃及控制，然而現(xiàn)有技術中還沒有出現(xiàn)這樣的系統(tǒng)。

技術實現(xiàn)要素：

為解決上述智能駕駛車輛遇到的技術問題，本發(fā)明提供一種智能駕駛汽車的傳感器自檢系統(tǒng)，其為一個集成的多傳感器自檢系統(tǒng)，在檢測智能駕駛汽車各傳感器狀態(tài)時，綜合了所有傳感器的自檢結果，并對檢查結果進行了分類，以便智能駕駛系統(tǒng)的其它子系統(tǒng)能更好地利用所有傳感器自檢的結果；同時充分利用了多傳感器的優(yōu)勢，即多個同類別傳感器帶來的感知冗余，其能在傳感器單獨自檢的基礎之上更進一步地進行傳感器驗錯檢測，從而合理判斷智能駕駛車輛的綜合傳感器狀態(tài)。

本發(fā)明的上述目的是通過以下技術方案實現(xiàn)的：

一種智能駕駛汽車的傳感器自檢系統(tǒng)，其與智能駕駛汽車的各個目標傳感器通訊連接，獲取各傳感器的狀態(tài)數(shù)據(jù)；包括：

自檢模塊：其通過對各個目標傳感器狀態(tài)數(shù)據(jù)的分析處理判斷出各目標傳感器的運行狀態(tài)；

狀態(tài)再判斷模塊：其在自檢模塊判斷出的傳感器運行狀態(tài)基礎上，利用同類別傳感器的感知冗余信息，對同類別的各目標傳感器狀態(tài)數(shù)據(jù)進行對比，給出最終的傳感器運行狀態(tài)判斷結果。

進一步地，所述傳感器的運行狀態(tài)分為以下三種情況：

正常：代表此傳感器工作正常；

有瑕疵：代表此傳感器有問題，但不影響傳感器的繼續(xù)工作；

嚴重錯誤：代表此傳感器有嚴重問題，不能正常工作。

更進一步地，所述傳感器的三種運行狀態(tài)的判斷采用閾值分析方法。

進一步地，所述閾值分析方法為：根據(jù)各目標傳感器的自身特征參數(shù)及歷史數(shù)據(jù)，分別對其工作狀態(tài)數(shù)據(jù)設定閾值，將選定的目標傳感器的狀態(tài)數(shù)據(jù)與其閾值進行比較，判斷該目標傳感器的運行狀態(tài)。

進一步地，所述自檢模塊的工作過程為：

1.1)選定智能駕駛汽車中需要進行傳感器自檢的所有目標傳感器；

1.2)采集當前目標傳感器的狀態(tài)數(shù)據(jù)，對狀態(tài)數(shù)據(jù)進行分析處理，判斷當前目標傳感器的運行狀態(tài)；

1.3)記錄當前目標傳感器的運行狀態(tài)自檢結果；

1.4)重復上述步驟1.2)至步驟1.3)，直至所有目標傳感器完成運行狀態(tài)判斷；

1.5)將所有目標傳感器的狀態(tài)數(shù)據(jù)信息轉換成車身坐標系，連同運行狀態(tài)判斷結果一同發(fā)送給狀態(tài)再判斷模塊。

進一步地，所述狀態(tài)再判斷模塊的工作過程為：

2.1)接收自檢模塊發(fā)送的全部目標傳感器的狀態(tài)數(shù)據(jù)及運行狀態(tài)判斷結果；

2.2)選取一個自檢模塊自檢后運行狀態(tài)自檢結果為“正?！被颉坝需Υ谩钡哪繕藗鞲衅?，將當前目標傳感器的狀態(tài)數(shù)據(jù)及當前目標傳感器的其他冗余傳感器的狀態(tài)數(shù)據(jù)進行同類信息比較，進行當前目標傳感器的運行狀態(tài)的再判斷；

2.3)記錄當前目標傳感器的運行狀態(tài)再判斷結果；

2.4)重復上述步驟2.2)和2.3)，直至所有自檢模塊自檢后運行狀態(tài)自檢結果為“正?！被颉坝需Υ谩钡哪繕藗鞲衅魍瓿蛇\行狀態(tài)再判斷，生成最終的傳感器自檢結果；

2.5)將最終的傳感器自檢結果發(fā)送給智能駕駛汽車中的其他系統(tǒng)。

本發(fā)明同時提供一種基于傳感器自檢系統(tǒng)的智能駕駛汽車多傳感融合系統(tǒng)，在傳感器自檢系統(tǒng)完成集成的多傳感器自檢及狀態(tài)判斷的同時，利用了傳感器自檢系統(tǒng)傳送過來的自檢信息進行信息融合處理，可以根據(jù)傳感器自檢的動態(tài)結果結合規(guī)劃控制算法對誤報和漏報的敏感程度進行智能融合，從而幫助智能駕駛系統(tǒng)做出更加合理的規(guī)劃與控制策略，使智能駕駛系統(tǒng)在某些傳感器出現(xiàn)問題的情況下，仍然能為智能駕駛汽車提供一定程度的安全保障。

本發(fā)明的上述目的是通過以下技術方案實現(xiàn)的：

一種基于傳感器自檢系統(tǒng)的智能駕駛汽車多傳感融合系統(tǒng)，其利用傳感器自檢系統(tǒng)傳送過來的自檢信息進行信息融合處理，根據(jù)傳感器自檢的動態(tài)結果結合規(guī)劃控制算法對誤報和漏報的敏感程度進行融合。

進一步地，所述傳感器自檢系統(tǒng)將目標傳感器的運行狀態(tài)分為以下三種情況：

正常：代表此傳感器工作正常；

有瑕疵：代表此傳感器有問題，但不影響傳感器的繼續(xù)工作；

嚴重錯誤：代表此傳感器有嚴重問題，不能正常工作。

更進一步地，所述多傳感融合系統(tǒng)包括：

融合預判模塊：其根據(jù)傳感器自檢系統(tǒng)發(fā)送的結果，對傳感器數(shù)據(jù)融合的可行性進行預判，決定是否要通過傳感器融合模塊對傳感器數(shù)據(jù)進行融合；

傳感器融合模塊：其對接收到的傳感器狀態(tài)數(shù)據(jù)，根據(jù)各類型傳感器的傳感器狀態(tài)敏感程度，分別進行數(shù)據(jù)融合。

進一步地，所述融合預判斷模塊的工作流程為：

根據(jù)傳感器自檢系統(tǒng)發(fā)送的各傳感器運行狀態(tài)自檢結果和狀態(tài)數(shù)據(jù)，結合車輛當前環(huán)境等其他因素，判斷如果忽略運行狀態(tài)為“嚴重錯誤”的傳感器的數(shù)據(jù)后，其他傳感器的數(shù)據(jù)融合后是否足以支撐智能駕駛汽車生成正確的規(guī)劃和控制策略，如果忽略運行狀態(tài)為嚴重錯誤的傳感器的數(shù)據(jù)后智能駕駛系統(tǒng)無法生成正確的規(guī)劃和控制策略，則通知智能駕駛系統(tǒng)以安全的方式停止智能駕駛汽車的運行，否則進入傳感器融合模塊進行數(shù)據(jù)融合。

進一步地，所述傳感器融合模塊包括：

多個分類融合子模塊：其按照不同的傳感器類別分別對各類傳感器進行數(shù)據(jù)融合；

傳感器狀態(tài)敏感子模塊：其獲取某一個目標分類融合子模塊所需的各傳感器的運行狀態(tài)，依據(jù)各傳感器的運行狀態(tài)結果，并根據(jù)目標分類融合子模塊的誤報敏感程度及漏報敏感程度，對各傳感器的狀態(tài)數(shù)據(jù)進行處理，最后進行數(shù)據(jù)融合。

進一步地，所述傳感器融合模塊的工作流程為：

1.1)獲取所有傳感器運行狀態(tài)判斷結果及傳感器狀態(tài)數(shù)據(jù)，選定目標分類融合子模塊；

1.2)查找目標分類融合子模塊需要的所有傳感器，獲取各傳感器的運行狀態(tài)判斷結果及傳感器狀態(tài)數(shù)據(jù)；

1.3)基于傳感器敏感程度的狀態(tài)數(shù)據(jù)處理：根據(jù)目標分類融合子模塊的誤報敏感程度及漏報敏感程度，通過傳感器狀態(tài)敏感子模塊對上述步驟1.2)獲取的各傳感器的運行狀態(tài)判斷結果及傳感器狀態(tài)數(shù)據(jù)進行處理；

1.4)目標分類融合子模塊根據(jù)上述步驟1.3)的各傳感器的數(shù)據(jù)進行傳感器數(shù)據(jù)融合；

1.5)選定下一個目標分類融合子模塊，重復上述步驟1.2)至步驟1.4)，直至所有分類融合子模塊全部完成傳感器狀態(tài)數(shù)據(jù)融合。

進一步地，所述1.3)基于傳感器敏感程度的狀態(tài)數(shù)據(jù)處理具體包括以下過程：

1.3.1)選定某一個目標傳感器，獲取該目標傳感器的運行狀態(tài)自檢結果；

1.3.2)如果所述目標傳感器的運行狀態(tài)自檢結果為“正?！?，則直接將其傳感器狀態(tài)數(shù)據(jù)輸入目標分類融合子模塊，并進入步驟1.3.5)；如果所述目標傳感器的運行狀態(tài)自檢結果為“嚴重錯誤”，則忽略其傳感器狀態(tài)數(shù)據(jù)，并進入步驟1.3.5)；如果所述目標傳感器的運行狀態(tài)自檢結果為“有瑕疵”，則進入步驟1.3.3)；

1.3.3)判斷目標分類融合子模塊是否為漏報敏感算法子模塊，如果目標分類融合子模塊是漏報敏感算法子模塊，則直接將該目標傳感器的傳感器狀態(tài)數(shù)據(jù)輸入目標分類融合子模塊，并進入步驟1.3.5)；如果目標分類融合子模塊不是漏報敏感算法子模塊，則進入步驟1.3.4)；

1.3.4)判斷目標分類融合子模塊是否為誤報敏感算法子模塊，如果目標分類融合子模塊是誤報敏感算法子模塊，則忽略該目標傳感器的傳感器狀態(tài)數(shù)據(jù)，并進入步驟1.3.5)；如果目標分類融合子模塊不用是誤報敏感算法子模塊，則減少該目標傳感器的狀態(tài)數(shù)據(jù)的置信等級，并將該目標傳感器的狀態(tài)數(shù)據(jù)輸入目標分類融合子模塊，進入步驟1.3.5)；

1.3.5)選定下一個目標傳感器，重復上述步驟1.3.2)至步驟1.3.4)，直至目標分類融合子模塊中所有的傳感器完成基于傳感器敏感程度的狀態(tài)數(shù)據(jù)處理。

與現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點：

提高智能駕駛的安全性：本發(fā)明提供的智能駕駛汽車的傳感器自檢系統(tǒng)及基于傳感器自檢系統(tǒng)的多傳感融合系統(tǒng)在多傳感信息的融合時綜合考慮了各個傳感器的狀態(tài)，在某些傳感器出問題或失效的情況下通過其它傳感器所感知的信息提供了信息冗余，從而提高了智能駕駛的安全性。

提高智能駕駛的用戶體驗：從智能駕駛車乘客的角度上說，集成的多傳感自檢和傳感器狀態(tài)敏感的智能駕駛多傳感融合提高了融合算法的準確性，這體現(xiàn)在智能駕駛車周圍的目標檢測和道路規(guī)劃上，這些都有助于提高智能駕駛的用戶體驗。

提高智能駕駛汽車的使用效率：本發(fā)明提供的智能駕駛汽車的傳感器自檢系統(tǒng)及基于傳感器自檢系統(tǒng)的多傳感融合系統(tǒng)可以根據(jù)各傳感器問題的輕重緩急從而智能地做出合理的規(guī)劃和控制，而不是簡單地讓系統(tǒng)停止運行，從某種角度上說這可以提高智能駕駛汽車的使用效率。

附圖說明

圖1為本發(fā)明的整體系統(tǒng)框圖

圖2為本發(fā)明中傳感器自檢系統(tǒng)的工作流程圖

圖3為本發(fā)明中基于傳感器自檢系統(tǒng)的多傳感融合系統(tǒng)的工作流程圖

具體實施方式

以下結合附圖詳細介紹本發(fā)明的技術方案：

如圖1、圖2所示，一種智能駕駛汽車的傳感器自檢系統(tǒng)，其與智能駕駛汽車的各個目標傳感器通訊連接，獲取各傳感器的狀態(tài)數(shù)據(jù)。傳感器自檢系統(tǒng)包括自檢模塊及狀態(tài)再判斷模塊：自檢模塊通過對各個目標傳感器狀態(tài)數(shù)據(jù)的分析處理判斷出各目標傳感器的運行狀態(tài)；狀態(tài)再判斷模塊在自檢模塊判斷出的傳感器運行狀態(tài)基礎上，利用同類別傳感器的感知冗余信息，對同類別的各目標傳感器狀態(tài)數(shù)據(jù)進行對比，給出最終的傳感器運行狀態(tài)判斷結果。

傳感器的運行狀態(tài)分為以下三種情況：

正常：代表此傳感器工作正常；

有瑕疵：代表此傳感器有問題，但不影響傳感器的繼續(xù)工作；

嚴重錯誤：代表此傳感器有嚴重問題，不能正常工作。

以上三種運行狀態(tài)的判斷通過對各傳感器狀態(tài)數(shù)據(jù)設定閾值的方式進行，根據(jù)各目標傳感器的自身特征參數(shù)及歷史數(shù)據(jù)，分別對其工作狀態(tài)數(shù)據(jù)設定閾值，例如，對某一傳感器設定閾值區(qū)間[a,b]，當傳感器狀態(tài)數(shù)據(jù)小于端值a，判定其運行狀態(tài)為正常，如果傳感器狀態(tài)數(shù)據(jù)處于區(qū)間[a,b]，則判定其運行狀態(tài)為有瑕疵，一旦傳感器狀態(tài)數(shù)據(jù)大于b，即判定其運行狀態(tài)為嚴重錯誤。上述傳感器閾值還可設定為動態(tài)閾值，如閾值表格，根據(jù)傳感器特征參數(shù)、歷史數(shù)據(jù)及干擾因素等設定動態(tài)閾值，結合當前實際情況查表判斷傳感器運行狀態(tài)。此外，傳感器狀態(tài)數(shù)據(jù)跟閾值臨屆點的關系比較(大于、小于)也因不同傳感器狀態(tài)數(shù)據(jù)的特性不一樣而不同。

所述自檢模塊的工作過程為：

1.1)選定智能駕駛汽車中需要進行傳感器自檢的所有目標傳感器；

1.2)采集當前目標傳感器的狀態(tài)數(shù)據(jù)，對狀態(tài)數(shù)據(jù)進行分析處理，判斷當前目標傳感器的運行狀態(tài)；

1.3)記錄當前目標傳感器的運行狀態(tài)自檢結果(正常、有瑕疵、嚴重錯誤)；

1.4)重復上述步驟1.2)和1.3)，直至所有目標傳感器完成運行狀態(tài)判斷；

1.5)將所有目標傳感器的狀態(tài)數(shù)據(jù)信息轉換成車身坐標系，連同運行狀態(tài)判斷結果一同發(fā)送給狀態(tài)再判斷模塊。

所述狀態(tài)再判斷模塊的工作過程為：

2.1)接收自檢模塊發(fā)送的全部目標傳感器的狀態(tài)數(shù)據(jù)及運行狀態(tài)判斷結果；

2.2)選取一個自檢模塊自檢后運行狀態(tài)自檢結果為“正?！被颉坝需Υ谩钡哪繕藗鞲衅?，將當前目標傳感器的狀態(tài)數(shù)據(jù)及當前目標傳感器的其他冗余傳感器的狀態(tài)數(shù)據(jù)進行同類信息比較，進行當前目標傳感器的運行狀態(tài)的再判斷；在此需要說明，只有在前一自檢階段中標記為“正?！被颉坝需Υ谩钡膫鞲衅鞑判枰M行狀態(tài)再判斷，一般來說，前一自檢階段中標記為“正?！钡膫鞲衅鬟M行狀態(tài)再判斷后的狀態(tài)可能是“正?！薄ⅰ坝需Υ谩被颉皣乐劐e誤”，前一自檢階段中標記為“有瑕疵”的傳感器進行狀態(tài)再判斷后的狀態(tài)可能是“有瑕疵”或“嚴重錯誤”。

2.3)記錄當前目標傳感器的運行狀態(tài)再判斷結果(正常、有瑕疵、嚴重錯誤)；

2.4)重復上述步驟2.2)和2.3)，直至所有自檢模塊自檢后運行狀態(tài)自檢結果為“正?！被颉坝需Υ谩钡哪繕藗鞲衅魍瓿蛇\行狀態(tài)再判斷，生成最終的傳感器自檢結果；

2.5)將最終的傳感器自檢結果發(fā)送給智能駕駛汽車中的其他系統(tǒng)。其他系統(tǒng)是指智能駕駛汽車中需要或可能用到傳感器自檢信息的系統(tǒng)，例如：障礙檢測系統(tǒng)、位置信息感知系統(tǒng)以及本發(fā)明提供的多傳感融合系統(tǒng)等。

如果所有目標傳感器的狀態(tài)都是“正?！?，說明智能駕駛汽車的其它模塊可以信任所有傳感器的數(shù)據(jù)；如果有某個目標傳感器的狀態(tài)是“有瑕疵”，此傳感器的“有瑕疵”狀態(tài)會被“通知”到其他系統(tǒng)，其他在使用這個“有瑕疵”的傳感器送過來的數(shù)據(jù)時就會“格外小心”。例如：某個傳感器被檢查出是“有瑕疵”狀態(tài)，那么多傳感融合系統(tǒng)2在融合這個傳感器的數(shù)據(jù)時會根據(jù)控制規(guī)劃模塊是False Positive(誤報)敏感還是False Negative(漏報)敏感，而采用不同的策略來使用相關的瑕疵數(shù)據(jù)。

對于上述步驟2.2)，所述的冗余傳感器指與目標傳感器屬于同類別的其他傳感器，例如，對于智能駕駛汽車而言，攝像頭和毫米波雷達都可以用于獲取車輛周圍的障礙物信息，毫米波雷達即為攝像頭的冗余傳感器。狀態(tài)再判斷模塊的設置，除了能夠?qū)ψ詸z模塊的判定結果進行檢查，更主要的作用是充分利用冗余傳感器的信息比較和互補來綜合判斷傳感器的狀態(tài)數(shù)據(jù)對智能駕駛系統(tǒng)的影響。

如圖2、圖3所示，本發(fā)明在提供的智能駕駛汽車的傳感器自檢系統(tǒng)的基礎上，進一步提供一種基于傳感器自檢系統(tǒng)的多傳感融合系統(tǒng)，其利用傳感器自檢系統(tǒng)傳送過來的自檢信息進行信息融合處理，可以根據(jù)傳感器自檢的動態(tài)結果結合規(guī)劃控制算法對誤報和漏報的敏感程度進行智能融合，從而幫助智能駕駛系統(tǒng)在后續(xù)做出更加合理的規(guī)劃與控制策略。

多傳感融合系統(tǒng)包括融合預判模塊及傳感器融合模塊：融合預判斷模塊根據(jù)傳感器自檢系統(tǒng)發(fā)送的結果，對傳感器數(shù)據(jù)融合的可行性進行預判，決定是否要通過傳感器融合模塊對傳感器數(shù)據(jù)進行融合。

融合預判斷模塊的工作流程為：

根據(jù)傳感器自檢系統(tǒng)發(fā)送的各傳感器運行狀態(tài)自檢結果和狀態(tài)數(shù)據(jù)，結合車輛當前環(huán)境等其他因素，判斷如果忽略運行狀態(tài)為“嚴重錯誤”的傳感器的數(shù)據(jù)后，其他傳感器的數(shù)據(jù)融合后是否足以支撐智能駕駛汽車生成正確的規(guī)劃和控制策略，如果忽略嚴重錯誤的傳感器的數(shù)據(jù)后智能駕駛系統(tǒng)無法生成正確的規(guī)劃和控制策略，則通知智能駕駛系統(tǒng)以安全的方式停止智能駕駛汽車的運行，否則進入傳感器融合模塊進行數(shù)據(jù)融合。

例如，通過傳感器自檢系統(tǒng)判定智能駕駛汽車的車載攝像頭的運行狀態(tài)自檢結果為“嚴重錯誤”，通過融合預判模塊進行判斷，該車輛當前所處環(huán)境為暗黑環(huán)境，位置和環(huán)境信息主要通過車載雷達獲取，而車載雷達的運行狀態(tài)不屬于“嚴重錯誤”狀態(tài)，則認為車載攝像頭的運行狀態(tài)并不影響智能駕駛車輛生成正確的規(guī)劃和控制策略，智能駕駛汽車不需停止運行，直接進入傳感器融合模塊進行數(shù)據(jù)融合。融合預判斷模塊進行預判時，通常認為，當同一類傳感器中至少應有一個傳感器的運行狀態(tài)自檢結果為“正?！睍r，才能進入傳感器融合模塊進行狀態(tài)數(shù)據(jù)融合。

傳感器融合模塊對接收到的傳感器狀態(tài)數(shù)據(jù)，根據(jù)各類型傳感器的傳感器狀態(tài)敏感程度，分別進行數(shù)據(jù)融合，融合結果可幫助智能駕駛系統(tǒng)在后續(xù)做出更加合理的規(guī)劃與控制策略。

傳感器融合模塊包括傳感器狀態(tài)敏感子模塊和多個分類融合子模塊：多個分類融合子模塊按照不同的傳感器類別分別對各類傳感器進行數(shù)據(jù)融合，例如障礙檢測傳感器和位置信息獲取傳感器分別有對應的分類融合子模塊對其中的傳感器數(shù)據(jù)進行融合；傳感器狀態(tài)敏感子模塊獲取某一個目標分類融合子模塊所需的各傳感器的運行狀態(tài)，依據(jù)各傳感器的運行狀態(tài)結果，并根據(jù)目標分類融合子模塊的誤報(false positive)敏感程度及漏報(false negative)敏感程度，對各傳感器的狀態(tài)數(shù)據(jù)進行處理，最后進行數(shù)據(jù)融合。

傳感器融合模塊的工作流程為：

1.1)獲取所有傳感器運行狀態(tài)判斷結果及傳感器狀態(tài)數(shù)據(jù)，選定目標分類融合子模塊；

1.2)查找目標分類融合子模塊需要的所有傳感器，獲取各傳感器的運行狀態(tài)判斷結果及傳感器狀態(tài)數(shù)據(jù)；

1.3)基于傳感器敏感程度的狀態(tài)數(shù)據(jù)處理：根據(jù)目標分類融合子模塊的誤報(false positive)敏感程度及漏報(false negative)敏感程度，通過傳感器狀態(tài)敏感子模塊對上述步驟1.2)獲取的各傳感器的運行狀態(tài)判斷結果及傳感器狀態(tài)數(shù)據(jù)進行處理；

1.3.1)選定某一個目標傳感器，獲取該目標傳感器的運行狀態(tài)自檢結果；

1.3.2)如果所述目標傳感器的運行狀態(tài)自檢結果為“正?！?，則直接將其傳感器狀態(tài)數(shù)據(jù)輸入目標分類融合子模塊，并進入步驟1.3.5)；如果所述目標傳感器的運行狀態(tài)自檢結果為“嚴重錯誤”，則忽略其傳感器狀態(tài)數(shù)據(jù)，并進入步驟1.3.5)；如果所述目標傳感器的運行狀態(tài)自檢結果為“有瑕疵”，則進入步驟1.3.3)；

1.3.3)判斷目標分類融合子模塊是否為漏報敏感算法子模塊，如果目標分類融合子模塊是漏報敏感算法子模塊，則直接將該目標傳感器的傳感器狀態(tài)數(shù)據(jù)輸入目標分類融合子模塊，并進入步驟1.3.5)；如果目標分類融合子模塊不是漏報敏感算法子模塊，則進入步驟1.3.4)；

1.3.4)判斷目標分類融合子模塊是否為誤報敏感算法子模塊，如果目標分類融合子模塊是誤報敏感算法子模塊，則忽略該目標傳感器的傳感器狀態(tài)數(shù)據(jù)，并進入步驟1.3.5)；如果目標分類融合子模塊不用是誤報敏感算法子模塊，則減少該目標傳感器的狀態(tài)數(shù)據(jù)的置信等級(confidence level)，并將該目標傳感器的狀態(tài)數(shù)據(jù)輸入目標分類融合子模塊，進入步驟1.3.5)；

1.3.5)選定下一個目標傳感器，重復上述步驟1.3.2)至步驟1.3.4)，直至目標分類融合子模塊中所有的傳感器完成基于傳感器敏感程度的狀態(tài)數(shù)據(jù)處理；

1.4)目標分類融合子模塊根據(jù)上述步驟1.3)的各傳感器的數(shù)據(jù)進行傳感器數(shù)據(jù)融合；

1.5)選定下一個目標分類融合子模塊，重復上述步驟1.2)至步驟1.4)，直至所有分類融合子模塊全部完成傳感器狀態(tài)數(shù)據(jù)融合。

本發(fā)明通?？梢杂幸韵聨追N使用方式(但不限于以下幾種方式)：

一、單獨使用傳感器自檢系統(tǒng)：

智能駕駛汽車在所有傳感器安裝完畢后，運行多傳感自檢系統(tǒng)1，以檢查傳感器的安裝是否符合要求；

智能駕駛汽車在啟動后正式開動前，運行多傳感自檢系統(tǒng)1，以做出行前的安全檢測；

智能駕駛汽車在行駛過程中，以預先設置的頻度運行傳感器自檢系統(tǒng)，確保運行過程中傳感器的狀態(tài)能被定期檢查和記錄，一旦某個傳感器有瑕疵或嚴重錯誤，則該智能駕駛汽車以安全的方式停止運行。

二、傳感器自檢系統(tǒng)與多傳感融合系統(tǒng)聯(lián)用：

智能駕駛汽車在行駛過程中運行傳感器自檢系統(tǒng)，確保運行過程中傳感器的狀態(tài)能被定期檢查和記錄，自檢的結果同時被多傳感融合系統(tǒng)使用，確保智能駕駛汽車的安全和良好的用戶體驗。