一种基于雷达-视频融合的道路风险预警方法及系统

本申请涉及一种基于雷达‑视频融合的道路风险预警方法及系统，属于道路交通安全技术领域，本方法包括：通过雷达、视频及气象传感器采集多源数据，采用气象自适应的动态密度聚类算法对雷达点云进行去噪，并利用生成对抗网络对视频特征进行天气补偿；通过时空图神经网络与注意力机制，将雷达与视觉轨迹进行高精度融合与补全，生成具有目标类型、速度、行为特征等多维属性的统一轨迹；基于贝叶斯网络计算目标与环境的交互风险概率，并通过强化学习优化的动态阈值实现分级预警。本方法有效提升了恶劣天气下的目标感知可靠性、复杂场景下的轨迹连续性以及风险评估的自适应能力，并通过联邦学习框架实现系统性能的持续优化。