1.一种自动驾驶感知传感器部署优化方法,其特征在于,包括如下步骤:步骤S1,以车辆为原点构建三维的感知空间,在微观层面,将感知空间划分为多个连续的立方体网格;在宏观层面,依照车辆的前后左右四个方位将感知空间划分为四个感知区域;
步骤S2,以连续的半球面几何模型作为车辆的代理模型,以从传感器中心点发出的射线来表征传感器对感知空间的感知过程,建立传感器观测模型;
步骤S3,加载交通流数据,统计一段时间内交通流中各目标在微观层面对立方体网格的占据次数以及在宏观层面对感知区域的占据次数,计算传感器对微观立方体网格以及宏观感知区域的观测信息增益,以微观和宏观两个层面的观测信息增益加权和作为感知熵指标;
步骤S4,以各传感器的位置姿态为变量,以所有总体观测信息增益最大化为优化目标,构建优化函数,求解优化函数得到各传感器位置姿态的最优值;
车辆代理模型的构建过程包括如下步骤:
步骤S211,以车辆中心为原点、与地面平行的平面为平面,以垂直向上方向为z轴方向建立笛卡尔坐标系;
步骤S212,以连续的半球面几何模型作为车辆的代理模型,半球面几何模型的中心与车辆中心重合,确定完全包络车辆的最小半球面半径r;
传感器观测模型的构建具体包括如下步骤:
步骤S21,以极坐标的形式表示半球面几何模型上各点的坐标,构造连接半球面点与z轴上的轴向点的射线;
步骤S22,将车辆的车身网格化处理,采用Moller-Trumbore算法检测射线与车身网格的交点,选择其中有效交点,该交点为传感器实际安装位置,传感器朝向角度由射线的方向确定。
2.根据权利要求1所述的自动驾驶感知传感器部署优化方法,其特征在于,传感器包括相机和激光雷达,对于相机而言,射线的数量为相机横纵分辨率之积,通过横纵像素数量u、v计算各条射线的水平与垂直朝向角度,射线起点为光心,假定为相机的安装坐标;对于激光雷达,射线起点为各射线交点,假定为激光雷达的安装坐标,射线的数量为通道数量,结合横纵视场角度、横纵角度分辨率、计算各条射线的水平与垂直朝向角度。
3.根据权利要求2所述的自动驾驶感知传感器部署优化方法,其特征在于,激光雷达任意射线的横纵朝向角度定义为:其中,、分别为激光雷达横纵朝向角度;、分别表示激光雷达横纵视场角;、分别表示激光雷达横纵角度分辨率;
相机任意射线的横纵朝向角度定义为:
其中,、分别为相机横纵朝向角度,,分别为相机横纵视场角;u、v分别表示相机横纵像素数量;
射线经过的感知空间的立方体网格由Bresenham直线算法进行计算,射线的终点由感知空间的边界面决定,当传感器观测感知空间时,被射线穿越的网格即为被观测网格,则被观测网格的集合表示为:式中,表示Bresenham直线算法计算。
4.根据权利要求1所述的自动驾驶感知传感器部署优化方法,其特征在于,感知熵指标表示为:式中,、分别表示微观和宏观两个层面的观测信息增益;表示权重系数,用于平衡宏观与微观信息的重要性,其中:;
;
式中,、表示传感器s观测下的条件熵;、分别表示传感器s观测单个网格、区域占据状态所量化的信息量。
5.根据权利要求4所述的自动驾驶感知传感器部署优化方法,其特征在于,优化函数表示为:;
式中,表示优化目标;表示各传感器需要优化的位置姿态参数,由第个传感器的设计变量组成,,、、分别表示传感器的水平朝向角度、垂直朝向角度和高度;表示总体观测信息增益,表示为:;
式中,和分别表示第个传感器带来的网格与区域信息增益;表示传感器数量。
6.根据权利要求5所述的自动驾驶感知传感器部署优化方法,其特征在于,优化函数满足如下约束:对于多个相同类型传感器需考虑其协作感知时,视场重叠不能过大,约束可表示为:式中,表示传感器的水平朝向角度;表示传感器的水平朝向角度,表示同质传感器水平朝向角度的限定值;
对于不同类型的传感器需考虑其协作感知时,形成视场重叠,保证对于同一目标物体的异质信息互补,约束表示为:式中,表示异质传感器的水平朝向角度的限定值。