12、为自动驾驶和联网车辆构建可信场景的分布式信息过滤

为自动驾驶和联网车辆构建可信场景的分布式信息过滤

1. 引言

自动驾驶具有诸多益处，如减少交通拥堵和人为事故数量，提升出行舒适度。自动驾驶车辆的控制分为三个阶段：感知、决策和行动。感知阶段通过传感器收集数据并分析以构建场景；决策阶段基于场景、车辆状态和意图选择行动；行动阶段通过车辆的执行器实现所选行动。

在人工驾驶车辆中，传感器仅起辅助作用，驾驶员主要依靠自身感官进行感知。而在自动驾驶车辆中，环境信息的相关性和可靠性对决策过程至关重要，嘈杂的感知或粗糙的场景重建可能导致错误决策和更高的事故风险。为解决这一问题，制造商使用多种传感器以获取冗余信息，但在选择不同传感器测量的同一物理量值时会面临问题，因为传感器可能存在误差、受天气影响、出现故障或遭受攻击，所以过滤值以识别最可信的值对于构建可靠场景和提高系统鲁棒性至关重要，这与航空电子领域整合不同数据源以构建环境视图类似。

2. 背景与相关工作

2.1 自动驾驶与通信车辆

自动驾驶车辆能够感知周围环境并做出决策，通过执行器实现自主驾驶，它配备了多种传感器，可根据探测范围分为接近传感器、短程传感器、中程传感器、远程传感器和定位传感器等。通信车辆则利用通信技术在车辆之间（V2V）或通过基础设施（V2I）交换数据，接收其他车辆的信息可视为额外的传感器数据。

2.2 数据融合

由于同一信息可从多个传感器获取，因此需要进行数据融合以提高系统的鲁棒性。本文采用特征输入 - 特征输出（FEI - FEO）的方法进行数据融合，该方法处理一组特征以改进、细化或获取新特征。数据融合需满足实时性、精确可靠性、容错性、可验证性和可解释性等约束条件。