本發(fā)明涉及一種用于迭代傳感器融合的數(shù)據(jù)處理方法和系統(tǒng)。本發(fā)明還涉及實現(xiàn)該方法的計算機程序產(chǎn)品和計算機可讀介質。車聯(lián)網(wǎng)(v2x)技術允許參與地面運輸?shù)膶嶓w以分布式方式共享和接收各種類型的信息，最好是經(jīng)由專用無線電信道實時傳輸標準化的消息格式。這些信息可能包括，例如，發(fā)送方設備(共享實體的設備)的類型、絕對位置、維度、方向、速度和其他主要屬性。v2x消息還可能包含某些共享信息的置信度值。v2x消息經(jīng)過數(shù)字簽名，并且簽名者還會發(fā)送證明其身份驗證的證書。下一代系統(tǒng)還可以通過廣播其車載傳感器輸出，發(fā)送有關外部對象和實體的信息，諸如未連接的車輛、行人、動物等。每個感知到的實體都由先前列出的類似數(shù)據(jù)表示。該技術的主要目標是提高交通安全。最近，支持v2x的設備的滲透率動態(tài)增加，并且技術的傳播速度預計將進一步提高。最終目標是整合每個相關參與者，包括行人、騎自行車的人或電動滑板車用戶。兩個主要方向已經(jīng)開始發(fā)展，大大增加了v2x生態(tài)系統(tǒng)內(nèi)共享信息的數(shù)量。首先，隨著汽車制造商開始將v2x作為其最新車型不可或缺的一部分，支持v2x的參與者比例在過去幾年中不斷增加。然而，由于大多數(shù)交通參與者都配備有v2x技術，因此整合非v2x實體的需求往往越來越大，特別是在根據(jù)統(tǒng)計數(shù)據(jù)，交通比平均水平更危險的地區(qū)。為了實現(xiàn)該目標，越來越多的路邊單元(rsu)已經(jīng)開始配備有智能傳感器，這些傳感器通常也會執(zhí)行對象檢測和跟蹤，可以作為專用傳感器共享消息的輸入(例如，歐洲的集體感知消息和美國地區(qū)的傳感器數(shù)據(jù)共享消息)。此外，由于大多數(shù)車輛都配備有具有各種安全功能的多個傳感器，所以它們的檢測結果也可以在這些標準化消息內(nèi)共享，為接收v2x的參與者提供大量信息。越來越多的信息需要在接收機側進行處理，這就是傳感器融合發(fā)揮關鍵作用的地方。傳感器融合負責維護局部動態(tài)地圖，即，保持跟蹤實體(創(chuàng)建和刪除實體)，將測量值相互關聯(lián)，并基于屬于每個實體的測量值估計實體狀態(tài)。在v2x環(huán)境中，該問題可能會發(fā)展到保持跟蹤數(shù)百個實體(車輛、行人、騎自行車的人)，這需要高效的處理方法。

背景技術：

1、傳感器融合技術領域擁有豐富的文獻資源，解決了各種新出現(xiàn)的挑戰(zhàn)性問題。為了提高車輛的安全運行，在自主或自動駕駛車輛技術領域，傳感器融合通常被應用于組合不同傳感器的測量值。us2019/0351899?a1中示出了一個示例。

2、大多數(shù)最先進的數(shù)據(jù)關聯(lián)方法都是在概率的基礎上執(zhí)行任務的，即，計算概率值來描述測量值屬于特定實體的可能性，并旨在在整個測量和實體集上找到最優(yōu)的全局解。在復雜的情況下，存在多種可能性，因此，所需的計算可能會爆炸。

3、本領域已知有幾種用于數(shù)據(jù)關聯(lián)、信息融合、軌道初始化和維護的方法和方案。在更簡單的信息融合算法中，最近鄰或最強鄰方法獲得了很高的普及率。他們選擇了幾個測量值并繼續(xù)使用它們進行計算，但將來可能會丟失有用的信息。在一般情況下，當對輸入數(shù)據(jù)的特征幾乎沒有或根本沒有假設時，存在幾種在穩(wěn)定性和準確性方面優(yōu)于這些方法的方法。

4、與基于鄰近度的算法相比，概率方法基于測量值屬于給定軌道的可能性來分配測量值權重。那些可能性低的被用作軌道初始化器，而那些隨著時間的推移達到足夠高的則被確認。這些方法被稱為概率數(shù)據(jù)關聯(lián)(pda)方法。這些方法的結果用作對象跟蹤算法的加權輸入，例如，將提供估計的狀態(tài)和相應的協(xié)方差的卡爾曼濾波器(kf)、擴展卡爾曼濾波器(ekf)或無跡卡爾曼濾波器(ukf)。y.bar-shalom等人在《ieee控制系統(tǒng)雜志》第29卷第6期第82-100頁(2009年)的“概率數(shù)據(jù)關聯(lián)濾波器(the?probabilistic?data?associationfilter)”中描述了這種方法。

5、這些復合方法被稱為概率數(shù)據(jù)關聯(lián)濾波器(pdaf)，并且基于對檢測特性和要跟蹤的對象數(shù)量的初步假設，有幾種變體，參見t.e.fortmann等人，“使用聯(lián)合概率數(shù)據(jù)關聯(lián)的多目標跟蹤(multi-target?tracking?using?joint?probabilistic?dataassociation)”，第19屆ieee決策與控制會議，包括自適應過程研討會，美國新墨西哥州阿爾伯克基(1980年)。其中一種復合方法是用于多對象跟蹤的聯(lián)合pdaf(jpdaf)，其中假設最多一個測量值可能來自真實對象(即，測量值在其他情況下是錯誤的測量值或雜波)，并且每個測量值可能屬于幾個軌道，因此枚舉了可能的關聯(lián)，并為每個軌道計算了權重。

6、另一種方法是多檢測pdaf(md-pdaf)家族，例如參見b.k.habtemariam等人，“用于多站目標跟蹤的多檢測概率數(shù)據(jù)關聯(lián)濾波器(multiple?detection?probabilistic?dataassociation?filter?for?multistatic?target?tracking)”，第14屆國際信息融合會議，伊利諾伊州芝加哥，第1-6頁(2011年)，以及b.habtemarian等人，“多檢測聯(lián)合概率數(shù)據(jù)關聯(lián)濾波器(a?multiple-detection?joint?probabilistic?data?association?filter)”，ieee信號處理精選主題期刊，第7卷第3期第461-471頁(2013年)。這些方法允許從單個傳感器范圍內(nèi)的對象進行多次測量。與基本方法相比的優(yōu)點是，在每個可能的關聯(lián)中，與那些應該來自目標的測量值相關聯(lián)的可能性更高(更現(xiàn)實)。缺點是可能的情況數(shù)量增加。

7、上述方法的替代方案被稱為概率假設密度(phd)濾波和多假設跟蹤(mht)，并且kusha?panta等人在國際光學工程學會公議記錄5429的信號處理、傳感器融合和目標識別xiii(2004年)的“概率假設密度濾波器與多假設跟蹤(probability?hypothesis?densityfilter?versus?multiple?hypothesis?tracking)”中公開了這一方法。概率假設密度濾波器是基于有限集統(tǒng)計的最優(yōu)貝葉斯多目標濾波器的一種實用替代方案。它只傳播一階矩，而不是完整的多目標后驗。最近，phd濾波器的序列蒙特卡羅(smc)實施方式已被用于多目標濾波，并取得了良好的效果。

8、samuel?s.blackman在ieee航空航天和電子系統(tǒng)雜志19.1第807-812頁(2004年)的“用于多目標跟蹤的多假設跟蹤(multiple?hypothesis?tracking?for?multipletarget?tracking)”中公開了另一組被稱為多假設跟蹤(mht)的方法，構建了一個軌道假設樹，其分支表示可能的數(shù)據(jù)關聯(lián)結果(軌道假設)。通過評估分支具有的數(shù)據(jù)關聯(lián)結果的質量來計算軌道假設的概率。為了使該方法易于處理，需要修剪假設樹，即，需要使用某些啟發(fā)式方法移除優(yōu)先級較低的分支。

9、us2021/0101612?a1公開了一種用于提供局部動態(tài)地圖(ldm)數(shù)據(jù)的系統(tǒng)，其中，各種信息比特，包括經(jīng)由無線通信信道接收的外部信息，用于傳感器融合。根據(jù)us2021/0101612?a1的過程包括從車輛、移動設備和其他數(shù)據(jù)源(諸如rsu)接收數(shù)據(jù)，并根據(jù)接收到的數(shù)據(jù)確定是否應將任何信息集成到ldm數(shù)據(jù)模型中。該過程還可以包括確定接收到的數(shù)據(jù)的信任度量，并且該數(shù)據(jù)僅在其信任度量高于信任度量閾值時使用。

10、us2022/0159425?a1公開了用于確定和接收v2x消息的方法和裝置。這些消息包含一系列信息，并且該信息的一部分可能與傳感器數(shù)據(jù)有關。質量指示符和/或準確性指示符也可以是v2x消息的一部分。

11、us2022/0272626?a1公開了支持節(jié)能迭代傳感器融合的用于無線通信的方法、系統(tǒng)和設備。感測數(shù)據(jù)既可以從車輛轉換到rsu，也可以從rsu轉換到車輛。

12、us2020/0228946?a1公開了一種用于v2x通信的設備和方法，其具有在該申請的表1-3中總結的各種數(shù)據(jù)元素(de)和/或數(shù)據(jù)幀(df)。在通信中使用傳感器id和對象id，其中，對象id是分配給被跟蹤對象的唯一標識符，并且只要對象被跟蹤，對象id就會被維護。

13、鑒于已知的方法，需要一種數(shù)據(jù)處理方法，該方法減少了關聯(lián)來自不同數(shù)據(jù)源的各種傳感器數(shù)據(jù)的計算需求，因此它允許實時數(shù)據(jù)關聯(lián)和傳感器融合。

技術實現(xiàn)思路

1、本發(fā)明的主要目的是提供一種用于迭代傳感器融合的數(shù)據(jù)處理方法，該方法在最大程度上沒有現(xiàn)有技術方法的缺點。

2、如上所述，大多數(shù)已知方法需要高計算能力，特別是如果信息是從多個數(shù)據(jù)源接收的，即，通過不同的通信信道從各種類型的傳感器接收的。

3、本發(fā)明的另一個目的是提供一種數(shù)據(jù)處理方法和系統(tǒng)，其允許對來自各種不同來源的傳感器數(shù)據(jù)進行數(shù)據(jù)關聯(lián)，其中，數(shù)據(jù)關聯(lián)是實時執(zhí)行的。

4、此外，本發(fā)明的目的是提供一種用于在一臺或多臺計算機上實現(xiàn)根據(jù)本發(fā)明的方法的步驟的非暫時性計算機程序產(chǎn)品，以及一種包括用于在一臺或多臺計算機上執(zhí)行該方法的步驟的指令的非暫時性計算機可讀介質。

5、本發(fā)明的目的可以通過根據(jù)權利要求1所述的方法來實現(xiàn)。本發(fā)明的目的還可以通過根據(jù)權利要求12所述的系統(tǒng)、根據(jù)權利要求17所述的非暫時性計算機程序產(chǎn)品和根據(jù)權利要求18所述的非暫時性計算機可讀介質來實現(xiàn)。本發(fā)明的優(yōu)選實施例在從屬權利要求中定義。

6、根據(jù)本發(fā)明的方法的優(yōu)點是，它通過減少將每個傳感器數(shù)據(jù)分配給實體所需的可能關聯(lián)的數(shù)量來減少計算需求。人們已經(jīng)認識到，某些類型的數(shù)據(jù)源，諸如包含傳感器數(shù)據(jù)的v2x消息，明確地且排他性地屬于單個實體，并且同一類型數(shù)據(jù)源的不同時刻共享的不同信息應屬于不同的實體。因此，例如從不同v2x實體接收到的信息不需要相互匹配，因為這些信息屬于不同的實體是先驗已知的，因此可以通過不將這些信息相互匹配來節(jié)省計算能力。

7、根據(jù)本發(fā)明的方法的另一個優(yōu)點是，如果一條傳感器信息已經(jīng)被分配給一個實體，則該信息不需要與任何其他數(shù)據(jù)或實體進行匹配，這也減少了可能組合的總數(shù)，從而降低了計算能力。

8、還認識到，某些類型的數(shù)據(jù)源(諸如智能傳感器，即，能夠跟蹤實體的傳感器)的特性也可用于減少根據(jù)本發(fā)明的方法的計算需求。在該方法的某些實施例中，先前數(shù)據(jù)關聯(lián)的結果被保存，并可以在進一步的迭代周期中重復使用，因為如果來自這種數(shù)據(jù)源的傳感器數(shù)據(jù)已經(jīng)與實體進行匹配，那么這種關聯(lián)很可能仍然有效，因此檢查先前關聯(lián)的有效性并僅關聯(lián)任何其他傳感器數(shù)據(jù)就足夠了，這進一步降低了該方法的計算需求，因為需要相互匹配的信息更少。

9、在根據(jù)本發(fā)明的方法的某些實施例中，基于信息的來源分配標識符還可以用于減少可能關聯(lián)的數(shù)量。