(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210476326.6 (22)申请日 2022.04.29 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 陈剑斌　李涛　熊新立　王宽　 任凡　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 孙根 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/80(2022.01) G06V 10/77(2022.01) G06V 20/56(2022.01) G01S 17/931(2020.01)G01S 17/86(2020.01) G01S 17/58(2006.01) G01C 1/00(2006.01) G01S 17/50(2006.01) (54)发明名称 一种用于自动驾驶的目标航向角的信息融 合方法及存 储介质 (57)摘要 本发明公开一种用于自动驾驶的目标航向 角的信息融合方法及存储介质。 所述方法包括， 获取待测目标关联的视觉freeSpace观测数据、 雷达点云观测数据、 视觉目标观测数据以及视觉 目标的横纵向速度； 基于视觉freeSpace观测数 据中所有freeSpace点， 采用PCA算法进行计算， 将得出的主方向作为目标的航向角h1； 基于雷达 点云观测数据中所有雷达点云， 基于PCA算法直 接计算， 将得出的主方向作为目标的航向角h2； 基于视觉目标观测数据， 直接输出目标航向角 h3； 基于视觉目标的横向速度及纵向速度， 视觉 输出的目标的横纵向速度比， 即为目标的航向角 h4； 将航向角h1、 h2、 h3和h4进行加权求和， 再进行 低通滤波得到目标的最终航向角。 本发明能够提 高目标航向角检测的准确性和稳定性。 权利要求书1页 说明书4页 附图1页 CN 114841263 A 2022.08.02 CN 114841263 A 1.一种用于自动驾驶的目标航向角的信息融合方法， 其特 征在于， 包括以下步骤， 获取待测目标关联的视觉freeSpace观测数据、 雷达点云观测数据、 视觉目标观测数据 以及视觉目标的横向速度及纵向速度； 基于视觉freeSpace观测数据中所有freeSpace点， 采用PCA算法进行计算， 将得出的主 方向作为目标的航向角h1； 基于雷达点云观测数据中所有雷达点云， 基于PCA算法直接计算， 将得出的主方向作为 目标的航向角h2； 基于视觉目标观测数据， 直接 输出目标航向角h3； 基于视觉目标的横向速度及纵向速度， 视觉输出的目标的横纵向速度矢量与X轴的夹 角即为目标的航向角h4； 将航向角h1、 h2、 h3和h4进行加权求和， 再进行低通滤波得到目标的最终航向角。 2.根据权利要求1所述的用于自动驾驶的目标航向角的信 息融合方法， 其特征在于， 所 述视觉freeSpace观测数据中包含多个观测点， 每个观测点的信息里包含横纵向位置信息 (fsXn， fsYn)， 基于所述(fsXn， fsYn)建立一个二维的PCA， 得到所有点的位置分布的主方向 v1， v1的方向即是航向角h1。 3.根据权利要求1所述的用于自动驾驶的目标航向角的信 息融合方法， 其特征在于， 所 述雷达点云观测数据中包含多个观测点， 每个观测点的信息里包含横纵向位置信息(pXn, pYn)， 基于所述(pXn,pYn)建立一个 二维的PCA， 得到所有点的位置分布的主方向v2， v2的方向 即是航向角h2。 4.根据权利要求1所述的用于自动驾驶的目标航向角的信 息融合方法， 其特征在于， 所 述h4的计算方法为， h4＝arctan(fc_vy ÷fc_vc)， 其中， fc_vy， fc_v c分别为关联的视觉目标 的横向速度及纵向速度。 5.根据权利要求1所述的用于自动驾驶的目标航向角的信 息融合方法， 其特征在于， 将 航向角h1、 h2、 h3和h4进行加权求和， 再进行低通滤波得到目标的最终航向角具体为， 首先通 过加权得到融合的结果： h ＝h1*w1+h2*w2+h3*w3+h4*w4； 再通过低通滤波得到目标的最终航向 角h*， h*＝h*wf+hp*(1‑wf)； 其中w1、 w2、 w3、 w4为信息权重， 在工程中根据各来源数据在各场 景下的准确性进行动态 标定调整， 以达 到最好的效果； wf为滤波参数， 其中， 0.2<wf<0.4。 6.一种存储介质， 其特征在于， 所述存储介质存储有一个或者多个程序， 所述一个或者 多个程序被处理器运行时， 执行如权利要求 1～5中任一项 所述的用于自动 驾驶的目标航向 角的信息融合方法的步骤。权　利　要　求　书 1/1 页 2 CN 114841263 A 2一种用于自动驾驶的目标航向角的信息融合 方法及存储介质 技术领域 [0001]本发明涉及自动驾驶技术领域， 具体涉及 一种用于自动驾驶的目标航向角的信息 融合方法及存 储介质。 背景技术 [0002]当前自动驾驶已经成为社会的热点， 不仅是学术研究的热点， 而且各个企业也在 加大投入， 以期将更高级的自动驾驶技术落地量产。 在功能实现中， 越高级的自动驾驶功 能， 其对于感知的精细度要求越高。 而对于目标的感知， 准确感知目标的航向角就是一个关 键技术点。 只有准确的感知到目标的航向角， 才能准确判断目标 的运动趋势以及与目标 的 碰撞风险， 最终才能做出正确的决策规划。 [0003]在现实中， 对于目标航向角的检测虽然视觉传感器能给出一个较准确的检测， 但 是精度和稳定性远远不够， 比如， 当目标处于传感FOV边界时根本无法完整识别。 而毫米波 雷达虽然能检测目标的部分角点特征， 例如申请号为CN202011606638.1， 名称为目标位姿 计算方法及计算模块记载 的技术方案， 但是采用毫米波雷达的精度不够， 无法实现目标 的 准确感知， 因此， 需要对多传感的信息进行融合从而得到更准确的目标航向角。 发明内容 [0004]针对现有技术存在的上述不足， 本发明的目的在于解决现有的目标航向角的检测 准确性和稳定性差的问题， 提供一种用于自动 驾驶的目标航向角的信息融合方法及 存储介 质， 能够提高目标航向角检测的准确性和稳定性。 [0005]为了解决上述 技术问题， 本发明采用如下技 术方案： [0006]一种用于自动驾驶的目标航向角的信息融合方法， 包括以下步骤， [0007]获取待测目标关联的视觉fr eeSpace观测数据、 雷达点云观测数据、 视觉目标观测 数据以及视 觉目标的横向速度及纵向速度； [0008]基于视觉freeSpace观测数据中所有freeSpace点， 采用PCA算法进行计算， 将得出 的主方向作为目标的航向角h1； [0009]基于雷达点云观测数据中所有雷达点云， 基于PCA算法直接计算， 将得出的主方向 作为目标的航向角h2； [0010]基于视觉目标观测数据， 直接 输出目标航向角h3； [0011]基于视觉目标的横向速度及纵向速度， 视觉输出的目标的横纵向速度比， 即为目 标的航向角h4； [0012]将航向角h1、 h2、 h3和h4进行加权求和， 再进行低通滤波得到目标的最终航向角。 [0013]进一步， 所述视觉ffeeSpace观测数据中包含多个观测点， 每个观测点的信息里包 含横纵向位置信息(fsXn， fsYn)， 基于所述(fsXn， fsYn)建立一个二维的PCA， 得到所有点的 位置分布的主方向v1， v1的方向即是航向角h1。 [0014]进一步， 所述雷达点云观测数据中包含多个观测点， 每个观测点的信息里包含横说　明　书 1/4 页 3 CN 114841263 A 3