本發(fā)明屬于自動駕駛，涉及一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法。

背景技術(shù)：

1、為了安全地操作，在規(guī)劃通過環(huán)境的路徑時，車輛應(yīng)當(dāng)考慮諸如車輛、人、樹、動物、建筑、指示牌和柱子之類的對象。為了這樣做，對象檢測器可以用來實時地精確檢測一個或更多個圖像(例如，使用安裝在自主車輛上的一個或更多個傳感器捕獲的圖像)中描繪的對象。

2、現(xiàn)有的自動駕駛領(lǐng)域中，對傳感器獲取的數(shù)據(jù)都是在可信的前提下進(jìn)行的，但是在實際應(yīng)用中，數(shù)據(jù)的可信度無法保證若傳感器獲取到不可信數(shù)據(jù)時，則可能遺漏或者生成錯誤的或延遲的對象檢測，這可能導(dǎo)致不適當(dāng)?shù)穆窂?，甚至是碰撞?/p>

技術(shù)實現(xiàn)思路

1、為解決背景技術(shù)中存在的問題，本發(fā)明提出了一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法。

2、為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下。

3、一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，包括有：獲取汽車多個傳感器獲取的多源數(shù)據(jù)，基于車輛傳感器的屬性為數(shù)據(jù)添加可信度，通過點云檢測算法生成當(dāng)前車輛環(huán)境云點數(shù)據(jù)；建立數(shù)據(jù)庫，保存所有車輛行駛過的道路數(shù)據(jù)的歷史信息；通過四分位數(shù)算法對當(dāng)前車輛環(huán)境云點數(shù)據(jù)進(jìn)行清洗，通過harris角點檢測算法去除當(dāng)前車輛環(huán)境云點數(shù)據(jù)中的動態(tài)信息，得到當(dāng)前道路靜態(tài)云點數(shù)據(jù)；將車輛獲取的當(dāng)前道路靜態(tài)云點數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行對比，基于對比結(jié)果加入加權(quán)算法來獲取汽車多源數(shù)據(jù)置信度。

4、進(jìn)一步地，所述基于車輛傳感器的屬性為數(shù)據(jù)添加可信度的具體方法為：基于數(shù)據(jù)源獲取時的傳感器設(shè)備設(shè)置不同的屬性，根據(jù)傳感器的標(biāo)稱精度設(shè)置傳感器屬性的初始可信度；根據(jù)傳感器的歷史表現(xiàn)動態(tài)調(diào)整初始可信度，生成傳感器的可信度；添加環(huán)境因素對傳感器數(shù)據(jù)的影響，對傳感器某一屬性的可信度進(jìn)行相應(yīng)臨時調(diào)整。

5、進(jìn)一步地，所述數(shù)據(jù)庫保存的內(nèi)容包括有：車輛id、時間戳、位置、速度、加速度、傳感器id、傳感器屬性、可信度字段；道路id、歷史道路靜態(tài)云點數(shù)據(jù)、錨定道路設(shè)施。

6、進(jìn)一步地，所述對當(dāng)前車輛環(huán)境云點數(shù)據(jù)進(jìn)行清洗的具體方法為：首先進(jìn)行異常值識別，計算當(dāng)前車輛環(huán)境云點數(shù)據(jù)的第一四分位數(shù)和第三四分位數(shù)，具體公式為：

7、，?，其中第二四分位數(shù)是當(dāng)前車輛環(huán)境云點數(shù)據(jù)的中位數(shù)；

8、依據(jù)第一四分位數(shù)和第三四分位數(shù)計算四分位距，具體公式為：

9、?；

10、基于四分位距確定異常值閾值，具體公式為：?；

11、依據(jù)異常值的判斷方式對當(dāng)前車輛環(huán)境云點數(shù)據(jù)進(jìn)行清洗。

12、進(jìn)一步地，所述通過harris角點檢測算法去除當(dāng)前車輛環(huán)境云點數(shù)據(jù)中的動態(tài)信息的具體方法為：基于汽車多個傳感器獲取的多源數(shù)據(jù)建立云點數(shù)據(jù)列表，基于云點數(shù)據(jù)列表中的時間戳建立時間序列，針對時間序列中的數(shù)據(jù)進(jìn)行比對，設(shè)定多個比對窗口進(jìn)行比對；判斷任一窗口內(nèi)的所包含的信息在時間序列中的位移，基于任意云點與當(dāng)前車輛所在位置的相對位置進(jìn)行比較，判斷云點的位移，若云點位移速度與當(dāng)前車輛行駛速度一致且方向相反，則判斷該云點為靜態(tài)云點；判斷所有窗口內(nèi)云點移動，將動態(tài)云點進(jìn)行去除，得到當(dāng)前道路靜態(tài)云點數(shù)據(jù)。

13、進(jìn)一步地，所述將車輛獲取的當(dāng)前道路靜態(tài)云點數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行對比的具體方法為：基于當(dāng)前車輛行駛道路的道路id從數(shù)據(jù)庫中提取該道路id對應(yīng)的道路靜態(tài)云點數(shù)據(jù)，獲取當(dāng)前車輛獲取的當(dāng)前道路靜態(tài)云點數(shù)據(jù)，利用歐氏距離判斷道當(dāng)前路靜態(tài)云點數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)的相似度；基于多條道路和多個車輛生成相似度列表，完成當(dāng)前車輛獲取的當(dāng)前道路靜態(tài)云點數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)的對比。

14、進(jìn)一步地，所述獲取汽車多源數(shù)據(jù)置信度的具體方法為：采用加權(quán)算法，將傳感器的可信度與相似度列表的匹配結(jié)果結(jié)合，計算當(dāng)前數(shù)據(jù)的綜合置信度。

15、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

16、本發(fā)明通過異常值識別和去除動態(tài)信息的步驟，能夠有效地清洗車輛獲取的數(shù)據(jù)，確保靜態(tài)云點數(shù)據(jù)的準(zhǔn)確性，使后續(xù)分析更加可靠。同時本發(fā)明允許基于傳感器的歷史表現(xiàn)和環(huán)境因素對可信度進(jìn)行動態(tài)調(diào)整，能夠?qū)崟r適應(yīng)不同的駕駛環(huán)境和條件，從而提升數(shù)據(jù)準(zhǔn)確性。

17、本發(fā)明通過為不同傳感器的數(shù)據(jù)添加可信度，可以有效識別和過濾不可靠的數(shù)據(jù)源，從而提高系統(tǒng)整體數(shù)據(jù)的可靠性。采用加權(quán)算法結(jié)合傳感器的可信度與相似度列表的匹配結(jié)果，提供了一個綜合評估數(shù)據(jù)置信度的方法，使得最終結(jié)果更具可信性。

18、本發(fā)明不僅適用于各種車型和傳感器配置，還可以根據(jù)不同的行駛場景進(jìn)行調(diào)整，具有良好的通用性和適應(yīng)性。

技術(shù)特征：

1.一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，其特征在于，包括有：

2.根據(jù)權(quán)利要求1所述的一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，其特征在于，所述數(shù)據(jù)庫保存的內(nèi)容包括有：

3.根據(jù)權(quán)利要求1所述的一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，其特征在于，所述對當(dāng)前車輛環(huán)境云點數(shù)據(jù)進(jìn)行清洗的具體方法為：

4.根據(jù)權(quán)利要求1所述的一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，其特征在于，所述通過harris角點檢測算法去除當(dāng)前車輛環(huán)境云點數(shù)據(jù)中的動態(tài)信息的具體方法為：

5.根據(jù)權(quán)利要求1所述的一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，其特征在于，所述將車輛獲取的當(dāng)前道路靜態(tài)云點數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行對比的具體方法為：

6.根據(jù)權(quán)利要求5所述的一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，其特征在于，所述獲取汽車多源數(shù)據(jù)置信度的具體方法為：

技術(shù)總結(jié)
本發(fā)明提出了一種智能網(wǎng)聯(lián)汽車多源數(shù)據(jù)置信度分析方法，旨在提高自動駕駛系統(tǒng)的數(shù)據(jù)可靠性。該方法包括獲取汽車多個傳感器的多源數(shù)據(jù)，并為數(shù)據(jù)添加可信度，生成車輛環(huán)境云點數(shù)據(jù)；建立數(shù)據(jù)庫保存所有車輛行駛過的道路數(shù)據(jù)的歷史信息；對當(dāng)前車輛環(huán)境云點數(shù)據(jù)進(jìn)行清洗，去除動態(tài)信息，得到道路靜態(tài)云點數(shù)據(jù)；將車輛獲取的當(dāng)前道路靜態(tài)云點數(shù)據(jù)與數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行對比，獲取汽車多源數(shù)據(jù)置信度。通過異常值識別和動態(tài)信息去除，確保數(shù)據(jù)的準(zhǔn)確性和可靠性，同時結(jié)合傳感器的歷史表現(xiàn)和環(huán)境因素動態(tài)調(diào)整可信度，提高了系統(tǒng)的適應(yīng)性和通用性。

技術(shù)研發(fā)人員：李富,王泉,陳德基,魏科宇,祁銘瑞,徐陽,鄭博昊
受保護(hù)的技術(shù)使用者：無錫學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26