无人驾驶感知篇之融合（七）

最新推荐文章于 2024-10-02 16:46:55 发布

yuan2520

最新推荐文章于 2024-10-02 16:46:55 发布

阅读量2.2k

点赞数 1

本文链接：https://blog.csdn.net/yuan2520/article/details/124056495

版权

自动驾驶职场和发展智慧城市

昨天上海新增二万多，都不想看了，揪心！没粮了，咋办呢？抢菜，抢菜。结果抢不到！谁能想到在和平年代的上海吃个菜怎么那么难呢！哈哈，啰嗦几句，苦中作乐！希望疫情早点结束吧！祈祷，祈祷！今天咱们主要讲讲融合算法中的卡D-S证据推理法。D-S证据推理法主要是贝叶斯推理的扩充，其3个基本要点是：基本概率赋值函数、信任函数和似然函数。D-S方法的推理结构是自上而下的，分三级。第1级为目标合成；第2级为推断；第3级为更新。

1.D-S证据推理法的由来

D-S证据推理法是在概率的基础上对概率论的概念进行了扩展，把概率论中的事件扩展成命题，把事件的集合扩展成命题的集合，从而把命题的不确定性问题转化为集合的不确定性问题， D-S证据推理理论处理的正是这一不确定性问题。

2.D-S证据推理法原理

用个图说明吧，下图给出了D-S证据推理数据融合的原理，图中为n个信息源对命题A的基本可信度分配，m(A)为经过Dempster合并规则得到的联合的更新基本可信度分配。

D-S证据推理建立在一个非空集合 $\Theta$ 上， $\Theta$ 称为辨别框架，它是描述构成整个假设空间所有元素的集合，辨别框架要求各元素互相排斥，由 $\Theta$ 的所有子集构成的幂集记为 $2^{\Theta }$ 。关于D-S证据推理的相关定义如下：

首先，咱们可以这样定义，设 $\Theta$ 为辨别框架，由一完备且互不相容的命题集合组成幂集 $2^{\Theta }$ ，在其上定义基本信任指派函数（BPA）：m(A) $\rightarrow$ [0,1],A代表辨别框架中任一子集,m(A)表示证据支持命题A发生的程度,m(A)满足如下条件 :