(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 202210590810.1 (22)申请日 2022.05.27 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 任明仑　何佩　周俊杰　 (74)专利代理 机构 北京久诚知识产权代理事务 所(特殊普通 合伙) 11542 专利代理师 倪健 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06N 5/04(2006.01) G01S 17/931(2020.01)G01S 17/86(2020.01) (54)发明名称 基于证据推理规则的双传感器目标检测融 合方法和系统 (57)摘要 本发明提供一种基于证据推理规则的双传 感器目标检测融合方法和系统， 涉及目标融合技 术领域。 本发 明基于改进证据推理规则对两种所 述传感器的目标类别的识别结果进行融合， 得到 目标的准确类别； 其中， 所述改进证据推理规则 包括： 基于传感器历史准确率和实时检测结果获 取传感器的重要性权重； 根据传感器 当前时间窗 口内的值的变化获取传感器的可信度； 通过传感 器可信度和重要性权重， 重新进行证据推理规则 过程中的信度分配。 本发明通过传感器监测数据 来获取传感器的可信度和重要性权重， 而不是通 过主观经验或依赖于证据之间的差异， 可以有效 融合两个传感器的检测结果， 保证融合结果的客 观性和准确性。 权利要求书3页 说明书15页 附图2页 CN 115049996 A 2022.09.13 CN 115049996 A 1.一种基于证据推理规则的双 传感器目标检测融合方法， 其特 征在于， 包括以下步骤： S1、 获取两种传感器数据， 并对两种所述传感器数据进行处理， 得到两种所述传感器的 目标类别的识别结果； S2、 基于改进证据推理规则对两种所述传感器的目标类别的识别结果进行融合， 得到 目标的准确类别； 其中， 所述改进证据推理规则包括： 基于检测结果获取传感器的重要性权 重； 根据传感器当前时间窗口内的值的变化获取传感器的可信度； 通过传感器可信度和重 要性权重， 重新进行证据推理规则过程中的信度分配。 2.如权利要求1所述的基于证据推理规则的双传感器目标检测融合方法， 其特征在于， 所述基于检测结果获取传感器的重要性权 重， 包括： 根据传感器在历史数据上的检测结果和传感器的实时检测结果获取传感器适应性的 重要性权 重。 3.如权利要求2所述的基于证据推理规则的双传感器目标检测融合方法， 其特征在于， 所述根据传感器在历史数据上的检测结果和传感器的实时检测结果获取传感器的重要性 权重， 包括： S201a、 根据历史数据计算传感器的初始重要性权 重； S201b、 根据实时检测结果计算传感器的变异系数； S201c、 根据变异系数对初始重要性权 重进行调整， 得到传感器的重要性权 重。 4.如权利要求1所述的基于证据推理规则的双传感器目标检测融合方法， 其特征在于， 所述获取两种传感器数据， 并对两种 所述车载传感器数据进行处理， 得到两种所述传感器 的目标类别的识别结果， 包括： S101、 获取一定时间窗口内的第一传感器数据和第二传感器数据； S102、 对所述第一传感器数据和第二传感器数据进行处理， 得到第一传感器的目标类 别的识别结果和第二传感器的目标类别的识别结果。 5.如权利要求4所述的基于证据推理规则的双传感器目标检测融合方法， 其特征在于， 所述对所述第一传感器数据和 第二传感器数据进 行处理， 得到第一传感器的目标类别的识 别结果和第二传感器的目标类别的识别结果， 包括： 所述第一传感器为车 载激光雷达， 所述第二传感器为车 载相机； 通过Second深度学习对一定时间窗口内的车载激光雷达数据进行分析处理， 得到检测 目标类别的识别结果 其中， { θ1, θ2,…, θN}为目 标类别集 合， 为在t时刻， 车 载激光雷达对目标类别 θ1的观测概 率； 通过Yolov3深度学习对车载相机数据中原始图像进行目标检测， 得到目标类别的识别 结果 其中， 为在t时刻， 车载相机对目标 类别 θ1的观测概 率。 6.如权利要求1～5任一所述的基于证据推理规则的双传感器目标检测融合方法， 其特 征在于， 所述 根据传感器当前时间窗口内的值的变化获取传感器的可信度， 包括： 设定不同时刻， 分类结果的差异为Δp， 基于Δp使用Logistic模型描述可信度， 计算如 下：权　利　要　求　书 1/3 页 2 CN 115049996 A 2设定时间窗口为l， 表示t时刻传感器Si对于N个类别分类结果相对于时间窗 口内 其他时刻的平均差异， 那么， ri,t表示t时刻 传感器Si的可信度： 其中， λ和 μ是调节传感器可信度随时间窗口内数据差异变化的重要参数； 是第i 个传感器t时刻对 θk类别的评分。 7.如权利要求1～6任一所述的基于证据推理规则的双传感器目标检测融合方法， 其特 征在于， 所述通过传感器可信度和重要性权重， 重新进 行证据推理规则过程中的信度分配， 包括： 对于证据ei， 基本信度分配为mθ,i， 则包含可信度ri和重要性权重wi的信度分配表示为 其中， crw,i＝1/(1+wi‑ri)是归一化因子， 为了保证： 通过传感器可信度和重要性权重， 对 目标所属的N个类别Θ＝{θ1, θ2,…, θN}重新进行 证据推理规则过程中的信度分配， 得到第一传感器Sl和第二传感器Sc的基本信度mθ,l、 mθ,c， 则t时刻包 含可信度rl,t、 rc,t和重要性权 重Wl,t、 Wc,t的信度分配表示 为 式中，权　利　要　求　书 2/3 页 3 CN 115049996 A 3