基于D-S證據理論的多模態(tài)結果級融合框架研究

摘要： 多模態(tài)融合感知是自動駕駛的研究熱點之一，然而在復雜交通環(huán)境下由于天氣、光照等外部因素干擾，目標識別可能出現(xiàn)錯誤，融合時會不可避免地出現(xiàn)分類沖突問題。為此，本文提出一種基于D-S證據理論的多模態(tài)結果級融合框架，將深度神經網絡的置信度得分輸出并作為D-S證據理論的概率密度函數，通過證據組合修正沖突的分類結果，該框架可以解決任意模態(tài)之間融合的分類沖突問題?；贙ITTI數據集對該框架...