面向 SOTIF 相关场景的基于 Dempster-Shafer 理论的 LiDAR 传感器目标检测不确定性表示

LiDAR 传感器目标检测中的不确定性源于环境多变性与传感器性能限制。表示这些不确定性对于确保预期功能安全（Safety of the Intended Functionality, SOTIF）至关重要，该标准旨在防止自动驾驶场景中的危险。本文提出了一种系统方法，用于在 SOTIF 相关场景中识别、分类和表示基于 LiDAR 的目标检测中的不确定性。采用 Dempster-Shafer Theory（DST）构建识别框架（Frame of Discernment, FoD）以表示检测结果。基于已识别不确定性源之间的依赖关系，应用条件基本概率分配（Conditional Basic Probability Assignments, BPA）。使用 Yager 组合规则解决来自多个来源的冲突证据，为评估不确定性对检测精度的影响提供了一个结构化框架。本研究应用基于方差的敏感性分析（Variance-Based Sensitivity Analysis, VBSA）来量化和优先排序不确定性，详细阐述了它们对检测性能的具体影响。