基于D-S 证据理论实现传感器数据的融合

基于D-S 证据理论实现传感器数据的融合

汽车未来的先进辅助驾驶系统需要对日益复杂的汽车行驶情况做出反应，同时还要求其具有较高的稳定性和可靠性。这需要提高传感器对汽车周围环境的感知性能，并改善检测其它交通参与者和障碍物的检测算法。因而，在汽车上需要使用更多的传感器，且在汽车四周配置合适的结构。但是，不同传感器受自身精度、位置、外部环境以及数据后处理的影响，使其对同一目标的设别结果产生差异。因此，需要采用数据融合技术将多个传感器检测的目标对应起来。提出了一种基于D-S证据理论实现数据融合的方法。

D-S证据理论利用多个对目标的不精确判断和描述，通过一定的方法对这些判断和描述中关于目标一致性的信息进行整合，同时排除矛盾信息，得到一个不精确的结论。由于先进辅助驾驶系统传感器采集的目标信息最终需要转化为目标的存在概率，因而利用D-S证据理论实现传感器数据的融合，即目标存在概率信息的融合。融合过程分为底层融合和上层融合。在底层融合中，首先对同一个传感器探测到的不同数据和信息进行分类；之后根据上层融合的要求对分类后的数据和信息进行融合。在上层融合中，首先根据传感器的分布情况，为不同传感器对同一目标探测到的数据和信息分配基本概率；之后根据确定的基本概率进行不同传感器数据和信息的融合。通过底层融合和上层融合最终确定目标的存在概率。为了保证先进辅助驾驶系统具有较高的稳定性和可靠性，采用冗余设计方法，增加传感器的数量。冗余传感器采集的数据和信息同样可以利用上述融合方法进行数据和信息的融合。

Michael Aeberhard et al. 2011 IEEE Intelligent Vehicles Symposium,Baden 05-09 June.2011.

编译：张振伟