本发明涉及智能交通，具体涉及一种面向车-路-云协作驾驶的多源路测实时修正方法。
背景技术：
1、车联网技术是指将汽车与互联网、物联网等技术相结合，实现车辆之间、车辆与基础设施之间以及车辆与用户之间的信息交换和智能化服务。车联网技术中，多源路测感知及跟踪技术是非常重要的组成部分，主要用于获取车辆周边环境信息，为驾驶辅助系统、自动驾驶等功能提供数据支持。
2、具体地，在现有的车联网技术中，设于道路上的路侧感知系统是获取车辆周边环境信息的重要途径。通过路侧感知系统中设置的路侧传感器获取道路上的车辆周边环境信息，并通过一定程度上的分析处理，得到相关目标的运动状态信息，再将以上信息进行对外广播，进而为驾驶辅助系统、自动驾驶等功能提供数据支持。而在此过程中，车辆周边环境信息感知与数据处理的准确度，是保证车辆的驾驶辅助系统、自动驾驶系统等作出正确决策的基础。
3、但是，由于在路侧感知系统的感知结果数据流是单向的，即仅有路侧感知对车载感知造成影响，但车载数据却并未对路侧感知带来任何反馈，二者在数据处理及传输中极易产生误差。并且，由于路侧与车端所采用的传感器精度存在差别，且受限于路侧传感器在标定和时空同步上的先天劣势，当信息投影到世界坐标系时，在精度上存在较大的损失，以致于路侧感知系统的感知不准。特别是在面对复杂城市道路普遍存在线型多变、路面状况不良的情况时，由于传感器标定误差而造成的精度降低问题则更为明显。
技术实现思路
1、本发明意在提供一种面向车-路-云协作驾驶的多源路测实时修正方法，能够实时、高效地修正路侧感知和车载感知的数据误差，并能够有效提高路侧感知精准度。
2、本发明提供的基础方案为：面向车-路-云协作驾驶的多源路测实时修正方法，包括以下步骤：
3、步骤1，在路侧感知系统中设有边缘计算单元和用于获取路端目标信息的路侧传感组；边缘计算单元通过路侧传感组反向接收智能网联汽车的单车感知数据；
4、步骤2，比对分析智能网联汽车的单车感知数据与路侧感知系统的系统感知数据，若二者存在点位标定误差，则执行步骤3；
5、步骤3，按照预设修正策略，局部修正路侧传感组的标定误差；
6、所述预设修正策略包括，从智能网联汽车的行驶轨迹中，筛选出局部标定点位；并采集路侧感知系统在初始标定时的全局标定点位，以及，智能网联汽车通过路侧感知系统所在路口时，由路侧感知系统计算得到的感知标定点位；采用单应性变换方法，基于局部标定点位构建该局部感知区域的单应性矩阵作为标定修正矩阵；采用rbf神经网络基于标定修正矩阵，评价全局标定点位和感知标定点位的标定影响度；根据标定影响度重选点位。
7、本发明的工作原理及优点在于：
8、本发明提供的一种面向车-路-云协作驾驶的多源路测实时修正方法，特别利用了智能网联汽车的车载数据(即单车感知数据)，通过比对系统感知数据与精准度更高的单车感知数据，能够较快速、较直观地确认路侧感知系统是否存在感知标定误差。并且通过预设修正策略，结合单应性变换方法和rbf神经网络对各类标定点位进行智能的自适应修正，将各点位更新为对整体的标定环境具有正面影响的标定点位，进而能够渐进式地减少路侧感知系统对路口交通目标物的水平感知误差，使得路侧感知结果向目标定位真值的逐级逼近，并达到更高的路侧感知精度。
1.面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述预设修正策略中，在根据标定影响度重选点位后，还刷新得到分别面向全感知区域和局部感知区域的新的单应性矩阵；并由rbf神经网络根据新的单应性矩阵再次评价全局标定点位和感知标定点位的标定影响度；根据标定影响度重选点位。
3.根据权利要求1所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述根据标定影响度重选点位包括：选取影响度大于阈值α的点位作为新的全局标定点位；选取影响度小于阈值β的点位作为新的局部标定点位；且阈值α趋近于1，阈值β趋近于-1。
4.根据权利要求1所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述预设修正策略中，还包括，采用历史感知数据和定位真值训练rbf神经网络；所述定位真值为自单车感知数据中提取的由智能网联汽车的差分定位系统给出的定位值。
5.根据权利要求4所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，在训练rbf神经网络时，采用遗传算法优化rbf神经网络的学习过程。
6.根据权利要求1所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述单应性变换方法包括：将全感知区域划分为n块平面，并基于n块平面对应构建得到n+1个单应性矩阵，即为，
7.根据权利要求6所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述homograpyhy的矩阵维度不超过3×18，所述标定修正矩阵的个数≤5。
8.根据权利要求7所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述预设修正策略中，当确定的标定修正矩阵的个数>5时，根据标定修正矩阵的点位所围成的封闭区间的交并关系，对封闭区间进行更替或合并。
9.根据权利要求1所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述rbf神经网络中设有高斯核函数；且所述rbf神经网络的结构层包括输入层、隐层和输出层，所述输入层中的输入为全局标定点位和感知标定点位，并由输出层输出全局标定点位和感知标定点位的标定影响度。
10.根据权利要求1所述的面向车-路-云协作驾驶的多源路测实时修正方法，其特征在于，所述智能网联汽车的行驶轨迹包括路侧传感组坐标系下的行驶轨迹和大地坐标系下的行驶轨迹。
