基于數據的輕量化感知融合方案

劉姣 彭小權

摘 要：自動駕駛等級分為L0駕駛輔助，L1輔助駕駛，L2部分自動駕駛，L3條件自動駕駛，L4高度自動駕駛和L5完全自動駕駛。汽車的自動駕駛系統由感知、決策和執行三個模塊組成，其中感知是自動駕駛系統的基礎。針對不同的駕駛等級，感知模塊所配置的傳感器種類、數量和系統的環境感知能力明顯不同。

關鍵詞：傳感器;數據融合;過程分析

0 前言

目前可以批量供貨的車載傳感器由提供目標輪廓信息的圖像類和提供目標位置信息的雷達類。圖像類包括攝像頭和（成像）激光雷達。雷達類包含超聲波雷達、毫米波雷達和激光雷達（測距）。其中激光雷達的圖像識別能力遠遠不如攝像頭，但其具有所有雷達中最強的位置識別能力。自動駕駛系統要獲得完整的目標信息，融合技術必不可少，感知融合技術根據融合的信息類型包括：目標級的感知融合、特征級的感知融合和數據級的感知融合。基于數據級的感知融合得到的目標信息，才能滿足到L4/L5的感知需求。

1 傳感器數據融合

L4/L5的感知模塊輸出的數據包括：環境建模、目標識別（類別、尺寸、距離和速度等）數據和目標跟蹤（位置和軌跡等）數據等。因此感知融合技術也分為環境數據融合、目標識別數據融合和目標跟蹤數據融合。一般來說，數據級的融合存在運算量特別大的問題，要求車載電腦具有很強的圖像處理能力和數學運算能力同時要由冗余，因此通常會配置很多GPU和CPU。另外在特殊的場景對算法提出了更高的要求，例如目標域環境對信噪比不明顯（從傳感器的識別能力角度）的場景。

目前的多傳感器數據融合的常用方法隨機概率和人工智能兩大類。隨機概率類方法有加權平均法，卡爾曼濾波法，多貝葉斯估計法，D-S（Dempster-Shafer）證據推理和產生式規則等基礎算法及其改進型。人工智能及所說的AI（Artificial Intelligence）技術類則有模糊邏輯理論，神經網絡，粗集理論和專家系統等，其中神經網絡算法是目前研究最深入和應用最廣泛的算法。隨著汽車和自動駕駛商業化的進展，融合技術需要不斷提升。當路面的自動駕駛車輛占比遠超過有人駕駛的時候，自動駕駛車輛的風險度才能明顯降低。

2 傳感器數據融合的過程

本文提出一種低運算量的數據級的融合方案，基于成熟的圖像算法并結合AI技術，充分利用各傳感器的特點和避免傳感器的缺點，基于現有的融合算法增加“反饋式和回溯式”數據級的融合方案，達到相同的融合效果的條件下能明顯減低運算數據量和提升運算速度。

在融合過程中，根據本車上某傳感器的特性識別的較高信值目標，對其他傳感器的數據進行局部處理從而得到高信值的目標。例如圖1明暗度不明顯影響圖像中，雷達可以識別出區域（H4：H7）（V5：V6）有目標，圖像處理可以根據該輸入單獨對區域（H4：H7）（V5：V6）降低閾值從而得到目標清晰的圖像信息。

在融合過程中，根據本車與目標的相對關系形成的特定功能場景（例如AEB，ACC和LKA等），回溯對應設定時間（下文的a和b）內已經處理過的數據重新修訂融合結果，從而使得獲得更佳精確的目標和目標軌跡。例如圖1明暗度不明顯影響圖像中，雷達可以識別出區域（H4：H7）（V5：V6）有目標，圖像處理可以疊加過去a秒內該目標所在的區域的圖片并進行近視疊加從而獲得清晰的圖像信息。例如圖2背景噪音影響毫米波雷達中，融合系統通過處理已經識別噪音因里有目標，雷達處理可以根據該輸入對過去b秒內的雷達數據重新對比和處理從而得到噪音里的目標和目標軌跡，使得系統能獲得該目標進入噪音區域一直到離開噪音區域的全過程數據。

目前的車載電腦的常見軟硬件架構有特斯拉的車載中央計算機，英偉達的Xavier計算平臺，ZF的ProAI自動駕駛車載計算機，華為的MDC車載智能駕駛計算平臺。他們的共性是冗余一套硬件架構，通過軟件系統進行管理，能確保至少有一套硬件系統處于正常的工作狀態。甚至有的硬件平臺，會比較兩套硬件系統運行和計算的結果，通過軟件系統進行處理最終計算結果。

本融合方案對車載電腦的軟硬件架構提出了新的要求，如圖3車載電腦的軟硬件架構。對于多核，多個GUP/CPU核中只預留一個冗余GPU/CPU核，多個內存中預留兩個內存。對于單核，多個GUP/CPU中預留一個冗余GPU/CPU，多個內存中預留兩個內存。這樣的硬件架構相對冗余一套硬件或冗余一套系統做備份成本低得多。軟件重啟方式，是當某一個運算或存儲區間出現故障時，在下一個時鐘將運算或存儲轉移到冗余的區間，重啟出現故障的區間。硬件重啟方式，是如果當前場景允許重啟出現故障的硬件部分而不是空間。

3 結束語

自動駕駛的系統如果做到對相關環境內的目標100%識別，100%可信和100%冗余，那樣硬件成本將會急劇上升，會嚴重影響自動駕駛的全面應用。相對研究和論證革命性的融合感知算法利用現有的算法在細節上設計和拓撲融合感知算法同樣重要，同樣設計和制造合理的輕量化感知融合軟硬件架構是必要的。

參考文獻：

[1]宋強，熊偉，何友.多傳感器多目標系統誤差融合估計算法[J].北京航空航天大學學報，2012，38（06）：835-841.