吉林大学学报(工学版)

• • 上一篇    下一篇

基于D-S证据理论的障碍目标身份识别

赵一兵,王荣本,李琳辉,郭烈   

  1. 吉林大学 交通学院,长春 130022
  • 收稿日期:2007-07-13 修回日期:1900-01-01 出版日期:2008-11-01 发布日期:2008-11-01
  • 通讯作者: 王荣本

Obstacle identification based on dempstershafer theory of evidence

ZHAO Yi-bing,WANG Rong-ben,LI Lin-hui,Guo Lie   

  1. College of Transportation,Jilin University,Changchun 130022,China

  • Received:2007-07-13 Revised:1900-01-01 Online:2008-11-01 Published:2008-11-01

摘要:

以越野环境中典型的障碍物为识别目标,选用单目视觉与激光扫描仪建立融合系统,基于D-S证据理论融合多传感器信息,实现UGV对障碍目标的身份识别。首先将每个传感器的观测数据从观测空间变换到证据空间,对每种身份分配一个基本概率赋值;融合系统再根据Dempster组合规则计算各个命题组合后的概率赋值函数和相应的信任度区间,然后计算综合概率赋值函数和信任度区间;最后根据计算结果和决策规则进行障碍身份识别。试验表明:该方法优于利用单个特征识别障碍物身份,能大大提高系统对于障碍物的识别分类能力。

关键词: 交通运输系统工程, D-S证据理论, 无人驾驶车, 隶属度, 数据融合

Abstract:

Sensor data fusion system is composed from single color CCD and laser scanner. Based on DempsterShafer theory of evidence different sensor data are fused together to classify three kinds of typical obstacles. Firstly, sensor data are transformed to evidence which attributes to the obstacle`s characteristic. Since identity of the current obstacle is unknown, basic probability assignment is assigned to every classification. Then Dempster fusion rules are used to compute the ultimate BPA and Believe interval. Finally, obstacle identity classification is defined according to the identification rules. Test results show that DS theory is superior to single characteristic method when classifying the obstacle identification.

Key words: engineering of communications and transportation system, D-S theory of evidence, unmaned ground vehicles, subordination, data fusion

中图分类号: 

  • U491.14
[1] 陈永恒,刘芳宏,曹宁博. 信控交叉口行人与提前右转机动车冲突影响因素[J]. 吉林大学学报(工学版), 2018, 48(6): 1669-1676.
[2] 常山,宋瑞,何世伟,黎浩东,殷玮川. 共享单车故障车辆回收模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1677-1684.
[3] 曲大义,杨晶茹,邴其春,王五林,周警春. 基于干线车流排队特性的相位差优化模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1685-1693.
[4] 宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379.
[5] 刘翔宇, 杨庆芳, 隗海林. 基于随机游走算法的交通诱导小区划分方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1380-1386.
[6] 钟伟, 隽志才, 孙宝凤. 不完全网络的城乡公交一体化枢纽层级选址模型[J]. 吉林大学学报(工学版), 2018, 48(5): 1387-1397.
[7] 刘兆惠, 王超, 吕文红, 管欣. 基于非线性动力学分析的车辆运行状态参数数据特征辨识[J]. 吉林大学学报(工学版), 2018, 48(5): 1405-1410.
[8] 宗芳, 路峰瑞, 唐明, 吕建宇, 吴挺. 习惯和路况对小汽车出行路径选择的影响[J]. 吉林大学学报(工学版), 2018, 48(4): 1023-1028.
[9] 栾鑫, 邓卫, 程琳, 陈新元. 特大城市居民出行方式选择行为的混合Logit模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1029-1036.
[10] 陈永恒, 刘鑫山, 熊帅, 汪昆维, 谌垚, 杨少辉. 冰雪条件下快速路汇流区可变限速控制[J]. 吉林大学学报(工学版), 2018, 48(3): 677-687.
[11] 王占中, 卢月, 刘晓峰, 赵利英. 基于改进和声搜索算法的越库车辆排序[J]. 吉林大学学报(工学版), 2018, 48(3): 688-693.
[12] 李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[13] 陈松, 李显生, 任园园. 公交车钩形转弯交叉口自适应信号控制方法[J]. 吉林大学学报(工学版), 2018, 48(2): 423-429.
[14] 苏书杰, 何露. 步行交通规划交叉路口行人瞬时动态拥塞疏散模型[J]. 吉林大学学报(工学版), 2018, 48(2): 440-447.
[15] 孟品超, 李学源, 贾洪飞, 李延忠. 基于滑动平均法的轨道交通短时客流实时预测[J]. 吉林大学学报(工学版), 2018, 48(2): 448-453.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!