一种基于雷视融合的全息感知系统的制作方法

1.本发明涉及感知检测技术领域，特别是涉及一种基于雷视融合的全息感知系统。

背景技术：

2.雷视融合是将视频数据与雷达数据多维融合，再结合融合算法以多频段感知实现对路面信息的数据采集、特征分析并根据路况分析作出决策；雷视融合感知技术不仅客服了视频监控数据受实际环境中光照变化的影响、目标运动复杂性、遮挡、目标与背景颜相似、杂乱背景、恶劣环境造成的误差，还解决了雷达监测横向精准度底，不能精准区分目标的类型的问题；雷视融合技术中将雷达监测和视频监测的优点进行的融合，但是在不同路况场景下雷视融合技术的优势体现程度不同的，例如雷视融合产品在交通拥堵、交通量、占有率、车辆位置等方面的检测效果比较好，通过雷视融合技术可以对目标进行精确的分析，但是，在涉及到交通环境中的温度、声音等监控因素的交通事件时，检测效果并不理想；雷视融合技术的优势不能完全展现出来，并且安装的不同的雷达之间也会存在信号干扰的影响，同时，在雷视全息感知系统数据分析过程中，缺少及其接近现实世界场景的数据集，使得在数据建模分析和机器学习过程中分析的准确性降低，为此我们提出了一种基于雷视融合的全息感知系统。

技术实现要素：

3.针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种基于雷视融合的全息感知系统，通过系统的初始分析模块、融合分析模块和决策分析模块对路况数据进行分析，以数据采集的不同时刻为自变量进行纵向和横向维度的数据分析，从而提高了雷视融合全息感知技术对路况检测分析的准确性，通过采集的现实世界的数据来进行数据补偿并和待分析数据集来提高对不同路况场景的综合分析。
4.其解决的技术方案是，一种基于雷视融合的全息感知系统，包括数据存储模块、数据采集模块、初始分析模块、数据补偿模块、融合分析模块、决策分析模块、控制中心模块，数据采集模块利用不同的传感器对交通运行过程中的所有路况信息进行采集得到路况数据，并将路况数据存储至数据存储模块，初始分析模块对路况数据进行初始分析得到初始分析结果，并由数据补偿模块对路况数据进行数据补偿得到完整的待分析数据集，最后再由融合分析模块和决策分析模块再对待分析数据集进行实时分析和决策得到决策分析结果；系统具体流程如下：（1）、初始分析模块首先利用离散傅里叶变换对控制中心模块发送的时序信号进行频谱分析，并对数据采集模块采集的路况数据进行数据预处理，再对经过数据预处理的数据进行数据初始分析，分析过程如下：步骤一、路况数据中包括不同类别的雷达数据、视频数据、音频数据、光感应数据、温度数据、车辆运行数据，初始分析模块对不同类别的路况数据进行分别预处理，并提取不
同类别的路况数据的数据特征值得到n个数据特征向量，同时将数据特征向量在多维空间中进行表示，以不同类别的路况数据的数据采集时刻为自变量，建立不同时刻与不同类别的路况数据之间的对应的关系参数，为路况数据的标号，不同时刻下路况的变化对应不同的路况场景，将不同的路况场景的数据集记为，根据数据集确定路况数据在不同时刻的特征得到对应的特征矩阵，特征矩阵与第时刻采集到的n个数据特征向量有关；步骤二、控制中心模块根据发送的时序信号和路况场景发生的时长得到离散时间集合，，为不同数据采集时刻的总数，初始分析模块对一个数据采集时刻的n个不同的类别的路况数据之间进行转换得到得到个转换组合，并对每一个转换组合之间数据转换的转换矩阵进行特征值分析得到特征值，初始分析模块再根据不同转换组合的特征值进行对比排序，并将排序过后的特征值组成一个新的转换特征向量；步骤三、初始分析模块根据不同时刻的特征矩阵与转换特征向量进行数乘分析得到变换阈值，初始分析模块通过对变化阈值的分析来对不同路况场景的路况数据进行初始分析，当路况数据的初始分析结果小于变化阈值时，初始分析模块将不同路况场景的初始分析结果发送至数据补偿模块；（2）、数据补偿模块根据初始分析模块的初始分析结果和数据存储模块对路况数据进行补偿得到完备的待分析数据集，并将待分析数据集发送至融合分析模块；（3）、融合分析模块接收到数据补偿过后的待分析数据集，融合分析模块再结合初始分析模块的初始分析结果利用对应的融合分析算法对待分析数据集进行融合数据分析得到融合数据，并将融合数据发送至决策分析模块；（4）、决策分析模块根据融合分析模块的融合数据和待分析数据集进行动态决策分析。
5.所述融合分析模块根据初始分析模块的初始分析结果对路况数据进行融合分析，不同类别的路况数据的融合过程选用不同的融合算法，融合分析模块根据初始分析结果中的特征矩阵进行匹配度分析，并计算得到所有不同类别的融合过程的比例，分析公式如下：,设路况数据中含有l个类别的路况数据，并按照采集的不同类别的路况数据的总的信息熵对l个类别进行标号，不同的标号代表不同类别的路况数据，
，为标号为的路况数据随时间变化的对应的关系，为不同时刻的不同类别路况数据的采集信息熵，其中为第个类别的路况数据在融合数据中融合度所占的融合比重，为不同对应时刻的特征矩阵，通过融合数据中融合比重的分析得到融合向量，融合分析模块通过对路况数据的融合分析得到融合数据，决策分析模块根据融合数据和待分析数据集对实时的路况进行动态分析，并通过根据得到的决策结果对路况的全息管理过程进行优化，首先，假设给定融合数据的有序数据列为，表示的是不同时刻的刻度，为有序数据中数据点的个数，给点分配对应参考数值以及权重，根据融合向量确定权重，将初始控制点列记为，为初始控制的起点，决策分析模块结合融合向量构造一条初始混合曲线，并构建控制点与时间t的对应函数，随着时间t的变化，控制点随着时间t中的不同时刻进行迭代，并计算得到随着时刻变化的控制点的差向量，最后通过对差向量的分析得到迭代出的新的控制点。
6.所述初始分析模块是通过转换分析对路况数据的最时间变化的纵向分析，所述数据补偿模块根据初始分析结果对路况数据进行数据补偿，在不同的路况场景下不同时刻数据采集模块采集到的路况数据不是与路况场景相关的所有数据，数据补偿模块根据初始分析结果中小于变换阈值时对应的不同的转换组合进行分析，将转换组合的两个类别的路况数据标定意为两个数据特征向量之间的分析，提取数据存储模块中与两个数据特征向量相关的实时数据，利用实时数据对路况数据进行数据补偿。
7.所述数据采集模块中包括多个传感器，通过传感器来对汽车行驶的路况进行采集，不同种类的传感器采集到不同类别的路况数据，通过雷达进行采集达到雷达数据，通过视频采集装置对路况数据进行采集得到视频数据，数据采集模块的采集过程包括实施采集过程和定时采集过程，定时采集过程通过按照固定的时间间隔进行定时采集，当路况发生紧急变化时，数据采集模块通过传感器获得实时变化的路况数据，数据采集模块将采集到的路况数据发送至数据存储模块中进行存储。
8.所述控制中心模块对实时的路况进行管理控制，控制过程包括车辆的控制、红绿灯的控制，控制中心模块通过对车辆的行驶过程中的数据、天气数据、红绿灯控制数据的综合分析来对不同场景模式的路况进行实时监控。
9.由于以上技术方案的采用，本发明与现有技术相比具有如下优点；1．本系统的初始分析模块首先对实时分析过程中一个时间段内的路况数据进行数据预处理，再对预处理过后的路况数据进行初始分析，以时间段内不同的采集时刻为自变量对采集的不同类型的路况数据进行标记，再对不同类别的路况数据之间转换的矩阵进行分析，并对转换矩阵的特征值进行排序得到转换特征向量，再根据不同对应时刻对应的
特征矩阵与切换特征向量进行分析得到变化阈值，以此来得到以时间与变化之间的横向的分析结果，通过不同时刻对应不同类别的数据之间的切换过程来对路况数据的完整性进行分析，提高了待分析数据集与不同的路况场景之间的贴合，使得在对路况的监控过程分析的更准确。
10.2. 系统融合分析模块和决策分析模块对经过数据补偿得到的完整的待分析数据进行数据融合和决策分析，首先融合分析模块根据不同时刻不同类别的变化过程进行纵向分析，通过对一个数据类别在所有时刻的变化过程中信息的变化来对融合过程中的融合比重进行分析，在对待分析数据集进行数据融合分析，决策分析模块根据融合分析模块分析得到的有序数据列进行决策分析，通过控制点的迭代分析进行决策优化，从而提高了全息感知技术对路况监控分析的准确性。
附图说明
11.图1为本系统的分析流程图；图2为本系统的整体模块图。
具体实施方式
12.有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至图2对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。
13.雷视融合感知技术是雷视融合路面感知系统的技术基础，通过雷士融合技术对交通目标进行全天候、超视域、多维度、实时监测，从而实现车辆行为全域监测以及态势分析与运动评价，通过雷视融合的路面感知系统可以根据车流量优化路口红绿灯时长，在非灯控路口转弯会车等事故发生地提醒车辆视野盲区的实时路况，甚至实时构建道路、隧道等虚拟数字世界，帮助交通管理数字化、智能化、精细化，雷士融合分析技术增强了特殊地形的安全行车的可靠性，实时检测车辆和行人的移动轨迹，提升道路智能信息可视化水平，有助于进行预警和行车引导，降低事故发生的可能性，但是，雷士融合分析不是在所有的路况场景分析中均能体现其优势，例如，在冬季温度极低的环境下，路面行驶安全中还需要对温度、声音等数据进行分析，不同的实际路况场景中主要的数据的类别不同，为了提高全息感知系统分析的实时性和准确性，本系统提出了一种基于雷视融合的全息感知系统，包括数据存储模块、数据采集模块、初始分析模块、数据补偿模块、融合分析模块、决策分析模块、控制中心模块，数据采集模块对不同路况场景下产生的所有的路况数据进行采集，数据采集模块利用不同的传感器对交通运行过程中的所有路况信息进行采集得到路况数据，并将路况数据存储至数据存储模块，初始分析模块对路况数据进行初始分析得到初始分析结果，并由数据补偿模块对路况数据进行数据补偿得到完整的待分析数据集，最后再由融合分析模块和决策分析模块再对待分析数据集进行实时分析和决策得到决策分析结果；系统具体流程如下：（1）、初始分析模块对路况数据进行数据预处理，并对路况数据进行数据清洗和初始分析，初始分析模块首先利用离散傅里叶变换对控制中心模块发送的时序信号进行频谱分析，并对数据采集模块采集的路况数据进行数据预处理，再对经过数据预处理的数据进
行数据初始分析，初始分析模块根据时序信号的分析过程确定分析的时间t，再按照不同的时间t内不同的时刻采集的数据类别进行进行初始分析，分析过程如下：步骤一、路况数据中包括不同类别的雷达数据、视频数据、音频数据、光感应数据、温度数据、车辆运行数据，雷视融合技术是以雷达数据和视频数据为分析数据进行数据融合分析，不同的路况场景中包括雷大数据和视频的数据采集不同类别路况数据的信息熵和采集信息均不相同，通过初始分析模块的初始分析过程来对不同路况场景对应时间段内的数据进行分析，通过对数据类别的分析来对数据进行补偿得到待分析数据集，初始分析模块分析的路况数据是数据采集模块实时采集得到的，对应的是不同路况场景，不同的路况场景中的数据类别不同，初始分析模块对不同类别的路况数据进行分别预处理，并提取不同类别的路况数据的数据特征值得到n个数据特征向量，n个数据特征向量代表n个不同的数据类别的数据，n的数值与不同的路况场景有关，不同路况场景对应不同的数据n，同时将数据特征向量在多维空间中进行表示，以不同类别的路况数据的数据采集时刻为自变量，建立不同时刻与不同类别的路况数据之间的对应的关系参数，为路况数据的标号，不同路况场景的发生过程是一个变化的时间，在这个时间段内，不同类别的数据的变化不同，不同时刻下路况的变化对应不同的路况场景，将不同的路况场景的数据集记为，根据数据集确定路况数据在不同时刻的特征得到对应的特征矩阵，特征矩阵与第时刻采集到的n个数据特征向量有关，特征矩阵是根据不同路况场景中规定的检测目标的特征来确定的特征矩阵；步骤二、初始分析模块对不同路况场景对应的时间段内不同类别数据的变化进行离散化，控制中心模块根据发送的时序信号和路况场景发生的时长得到离散时间集合，，为不同数据采集时刻的总数，初始分析模块对一个数据采集时刻的n个不同的类别的路况数据之间进行转换得到得到个转换组合，并对每一个转换组合之间数据转换的转换矩阵进行特征值分析得到特征值，初始分析模块再根据不同转换组合的特征值进行对比排序，并将排序过后的特征值组成一个新的转换特征向量；步骤三、初始分析模块根据不同时刻的特征矩阵与转换特征向量进行数乘分析得到变换阈值，初始分析模块通过对变化阈值的分析来对不同路况场景的路况数据进行初始分析，根据不同的路况场景进行初始分析得到标准变换阈值，当路况数据的初始分析结果小于变化阈值时，初始分析模块将不同路况场景的初始分析结果发送至数据补偿模块，初始分析结果是对实时采集到的数据进行分析，通过数据补偿模块的补偿得到与路况场景最贴近的实际的待分析数据集；（2）、数据采集模块的采集过程包括实时采集过程和间隔采集过程，数据采集模块
将采集的路况存储至数据存储模块，初始分析结果中的变化阈值表示的不同类别的数据的变化程度，而数据补偿模块根据变化阈值和数据存储模块存储的间隔采集过程对实时的数据进行补偿得到与现实环境最贴近的数据集，数据补偿模块根据初始分析模块的初始分析结果和数据存储模块对路况数据进行补偿得到完备的待分析数据集，并将待分析数据集发送至融合分析模块；（3）、融合分析模块接收到数据补偿过后的待分析数据集，融合分析模块再结合初始分析模块的初始分析结果利用对应的融合分析算法对待分析数据集进行融合数据分析得到融合数据，并将融合数据发送至决策分析模块，不同类别之间的数据之间经过融合分析以后得到融合数据，融合算法的选择和融合的过程与路况数据的类别也有关系，当雷大数据和视频数据进行融合时，一般利用线性标定算法解决雷达和视频传感器坐标系统问题，使用标定矩阵h求得雷达目标转换后的像素目标，再通过计算两个传感器的目标检测框交并比来完成决策的判断，交并比计算公式如下：其中，分别表示视频检测矩阵框的面积和雷达跟踪检测矩阵框的面积，并设定的阈值，对雷达和视频重叠的检测区域进行考察；（4）、决策分析模块根据融合分析模块的融合数据和待分析数据集进行动态决策分析。
14.所述融合分析模块根据初始分析模块的初始分析结果对路况数据进行融合分析，不同类别的路况数据的融合过程选用不同的融合算法，融合分析模块根据初始分析结果中的特征矩阵进行匹配度分析，并计算得到所有不同类别的融合过程的比例，分析公式如下：,设路况数据中含有l个类别的路况数据，并按照采集的不同类别的路况数据的总的信息熵对l个类别进行标号，不同的标号代表不同类别的路况数据，，为标号为的路况数据随时间变化的对应的关系，为不同时刻的不同类别路况数据的采集信息熵，其中为第个类别的路况数据在融合数据中融合度所占的融
合比重，为不同对应时刻的特征矩阵，通过融合数据中融合比重的分析得到融合向量，融合分析模块通过对路况数据的融合分析得到融合数据，决策分析模块根据融合数据和待分析数据集对实时的路况进行动态分析，并通过根据得到的决策结果对路况的全息管理过程进行优化，首先，假设给定融合数据的有序数据列为，表示的是不同时刻的刻度，为有序数据中数据点的个数，给点分配对应参考数值以及权重，根据融合向量确定权重，将初始控制点列记为，为初始控制的起点，决策分析模块结合融合向量构造一条初始混合曲线，并构建控制点与时间t的对应函数，随着时间t的变化，控制点随着时间t中的不同时刻进行迭代，并计算得到随着时刻变化的控制点的差向量，最后通过对差向量的分析得到迭代出的新的控制点，控制中心模块根据决策分析模块进行分析得到决策分析结果进行控制管理。
15.所述初始分析模块是通过转换分析对路况数据的最时间变化的横向分析，所述数据补偿模块根据初始分析结果对路况数据进行数据补偿，在不同的路况场景下不同时刻数据采集模块采集到的路况数据不是与路况场景相关的所有数据，数据补偿模块根据初始分析结果中小于变换阈值时对应的不同的转换组合进行分析，将转换组合的两个类别的路况数据标定意为两个数据特征向量之间的分析，提取数据存储模块中与两个数据特征向量相关的实时数据，利用实时数据对路况数据进行数据补偿。
16.所述数据采集模块中包括多个传感器，通过传感器来对汽车行驶的路况进行采集，不同种类的传感器采集到不同类别的路况数据，通过雷达进行采集达到雷达数据，通过视频采集装置对路况数据进行采集得到视频数据，数据采集模块的采集过程包括实施采集过程和定时采集过程，定时采集过程通过按照固定的时间间隔进行定时采集，当路况发生紧急变化时，数据采集模块通过传感器获得实时变化的路况数据，数据采集模块将采集到的路况数据发送至数据存储模块中进行存储。
17.所述控制中心模块对实时的路况进行管理控制，控制过程包括车辆的控制、红绿灯的控制，控制中心模块通过对车辆的行驶过程中的数据、天气数据、红绿灯控制数据的综合分析来对不同场景模式的路况进行实时监控，通过对不同的路况场景的数据分析来提高了车辆和行人协调运行。
18.本发明具体使用时，系统主要包括数据存储模块、数据采集模块、初始分析模块、数据补偿模块、融合分析模块、决策分析模块、控制中心模块，数据采集模块利用不同的传感器对不同路况场景下产生的所有的路况数据进行采集，并将路况数据存储至数据存储模块，初始分析模块对路况数据进行数据预处理，并对路况数据进行初始分析，首先利用离散傅里叶变换对控制中心模块发送的时序信号进行频谱分析，初始分析模块再根据时序信号的频谱分析过程确定分析的时间t得到离散的时刻，并对一个时刻对应下的不同类别的数据进行特征分析，根据初始分析模块对路况数据进行初始分析得到初始分析结果对不同类
别的数据之间的转化进行分析，再由数据补偿模块对路况数据进行数据补偿得到完整的待分析数据集，融合分析模块和决策分析模块对经过数据补偿得到的完整的待分析数据进行数据融合和决策分析，首先融合分析模块根据不同时刻不同类别的变化过程进行纵向分析，通过对一个数据类别在所有时刻的变化过程中信息的变化来对融合过程中的融合比重进行分析，在对待分析数据集进行数据融合分析，决策分析模块根据融合分析模块分析得到的有序数据列进行决策分析，通过控制点的迭代分析进行决策优化，从而提高了全息感知技术对路况监控分析的准确性，在雷视融合的基础之上，对不同路况场景下选用不同的数据融合分析过程，大大提高了路况分析与实际路况环境的结合，降低了全息感知分析的误差。
19.以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。

技术特征：

1.一种基于雷视融合的全息感知系统，其特征在于，包括数据存储模块、数据采集模块、初始分析模块、数据补偿模块、融合分析模块、决策分析模块、控制中心模块，数据采集模块利用不同的传感器对交通运行过程中的所有路况信息进行采集得到路况数据，并将路况数据存储至数据存储模块，初始分析模块对路况数据进行初始分析得到初始分析结果，并由数据补偿模块对路况数据进行数据补偿得到完整的待分析数据集，最后再由融合分析模块和决策分析模块再对待分析数据集进行实时分析和决策得到决策分析结果；系统具体流程如下：（1）、初始分析模块首先利用离散傅里叶变换对控制中心模块发送的时序信号进行频谱分析，并对数据采集模块采集的路况数据进行数据预处理，再对经过数据预处理的数据进行数据初始分析，分析过程如下：步骤一、路况数据中包括不同类别的雷达数据、视频数据、音频数据、光感应数据、温度数据、车辆运行数据，初始分析模块对不同类别的路况数据进行分别预处理，并提取不同类别的路况数据的数据特征值得到n个数据特征向量，同时将数据特征向量在多维空间中进行表示，以不同类别的路况数据的数据采集时刻为自变量，建立同一时刻下不同类别的路况数据之间的对应的关系参数，为路况数据的标号，不同时刻下路况的变化对应不同的路况场景，将不同的路况场景的数据集记为，根据数据集确定路况数据在不同时刻的特征得到对应的特征矩阵，特征矩阵与第时刻采集到的n个数据特征向量有关；步骤二、控制中心模块根据发送的时序信号和路况场景发生的时长得到离散时间集合，，为不同数据采集时刻的总数，初始分析模块对一个数据采集时刻的n个不同的类别的路况数据之间进行转换得到得到个转换组合，并对每一个转换组合之间数据转换的转换矩阵进行特征值分析得到特征值，初始分析模块再根据不同转换组合的特征值进行对比排序，并将排序过后的特征值组成一个新的转换特征向量；步骤三、初始分析模块根据不同时刻的特征矩阵与转换特征向量进行数乘分析得到变换阈值，初始分析模块通过对变化阈值的分析来对不同路况场景的路况数据进行初始分析，当路况数据的初始分析结果小于变化阈值时，初始分析模块将不同路况场景的初始分析结果发送至数据补偿模块；。2.数据补偿模块根据初始分析模块的初始分析结果和数据存储模块对路况数据进行补偿得到完备的待分析数据集，并将待分析数据集发送至融合分析模块；、融合分析模块接收到数据补偿过后的待分析数据集，融合分析模块再结合初始分析模块的初始分析结果利用对应的融合分析算法对待分析数据集进行融合数据分析得到融合数据，并将融合数据发送至决策分析模块；
（4）、决策分析模块根据融合分析模块的融合数据和待分析数据集进行动态决策分析。3.根据权利要求1所述的一种基于雷视融合的全息感知系统，其特征在于，所述融合分析模块根据初始分析模块的初始分析结果对路况数据进行融合分析，不同类别的路况数据的融合过程选用不同的融合算法，融合分析模块根据初始分析结果中的特征矩阵进行匹配度分析，并计算得到所有不同类别的融合过程的比例，分析公式如下：,设路况数据中含有l个类别的路况数据，并按照采集的不同类别的路况数据的总的信息熵对l个类别进行标号，不同的标号代表不同类别的路况数据，，为标号为的路况数据随时间变化的对应的关系，为不同时刻的不同类别路况数据的采集信息熵，其中为第个类别的路况数据在融合数据中融合度所占的融合比重，为不同对应时刻的特征矩阵，通过融合数据中融合比重的分析得到融合向量，融合分析模块通过对路况数据的融合分析得到融合数据，决策分析模块根据融合数据和待分析数据集对实时的路况进行动态分析，并通过根据得到的决策结果对路况的全息管理过程进行优化，首先，假设给定融合数据的有序数据列为，表示的是不同时刻的刻度，为有序数据中数据点的个数，给点分配对应参考数值以及权重，根据融合向量确定权重，将初始控制点列记为，为初始控制的起点，决策分析模块结合融合向量构造一条初始混合曲线，并构建控制点与时间t的对应函数，随着时间t的变化，控制点随着时间t中的不同时刻进行迭代，并计算得到随着时刻变化的控制点的差向量，最后通过对差向量的分析得到迭代出的新的控制点。4.根据权利要求1所述的一种基于雷视融合的全息感知系统，其特征在于，所述初始分析模块是通过转换分析对路况数据的最时间变化的纵向分析，所述数据补偿模块根据初始分析结果对路况数据进行数据补偿，在不同的路况场景下不同时刻数据采集模块采集到的路况数据不是与路况场景相关的所有数据，数据补偿模块根据初始分析结果中小于变换阈值时对应的不同的转换组合进行分析，将转换组合的两个类别的路况数据标定意为两个数据特征向量之间的分析，提取数据存储模块中与两个数据特征向量相关的实时数据，利用实时数据对路况数据进行数据补偿。5.根据权利要求1所述的一种基于雷视融合的全息感知系统，其特征在于，所述数据采集模块中包括多个传感器，通过传感器来对汽车行驶的路况进行采集，不同种类的传感器
采集到不同类别的路况数据，通过雷达进行采集达到雷达数据，通过视频采集装置对路况数据进行采集得到视频数据，数据采集模块的采集过程包括实施采集过程和定时采集过程，定时采集过程通过按照固定的时间间隔进行定时采集，当路况发生紧急变化时，数据采集模块通过传感器获得实时变化的路况数据，数据采集模块将采集到的路况数据发送至数据存储模块中进行存储。6.根据权利要求1所述的一种基于雷视融合的全息感知系统，其特征在于，所述控制中心模块对实时的路况进行管理控制，控制过程包括车辆的控制、红绿灯的控制，控制中心模块通过对车辆的行驶过程中的数据、天气数据、红绿灯控制数据的综合分析来对不同场景模式的路况进行实时监控。

技术总结

本发明公开了一种基于雷视融合的全息感知系统，系统主要包括数据存储模块、数据采集模块、初始分析模块、数据补偿模块、融合分析模块、决策分析模块、控制中心模块，数据采集模块对不同路况场景下产生的所有的路况数据进行采集，并将路况数据存储至数据存储模块，初始分析模块对路况数据进行数据预处理，并根据时序信号的频谱分析过程确定分析的时间t得到离散的时刻，并对不同类别的数据之间的转化进行分析，再由数据补偿模块对路况数据进行数据补偿得到完整的待分析数据集，融合分析模块和决策分析模块对与实际环境接近的待分析数据进行数据分析，提高了全息感知技术对路况监控分析的准确性，大大提高了路况分析与实际路况环境的结合。境的结合。境的结合。