CN110969058B - 用于环境目标的融合方法及装置 - Google Patents

Abstract

本发明实施例提供一种用于环境目标的融合方法及装置，属于自动驾驶领域。所述方法包括：读取布置在车辆上的传感器探测的每一个环境目标的参数属性集合；根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合来生成当前时刻的目标融合列表，其中所述目标融合列表包括与一个或多个环境目标中每一个环境目标相对应的目标属性集合，所述目标属性集合包括由一个或多个传感器各自测得的环境目标的参数属性集合；以及根据所述当前时刻的目标融合列表生成当前时刻的目标跟踪列表，其中所述目标跟踪列表包括与筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID。其有利于对感兴趣环境目标的跟踪。

Description

用于环境目标的融合方法及装置

技术领域

本发明涉及自动驾驶领域，具体地涉及一种用于环境目标的融合方法及装置。

背景技术

自动驾驶系统(Autonomous Driving System，简称ADS)，是利用安装于车辆上的多种感知设备，实时采集车辆周围的道路数据及物体目标数据，进行物体目标静态特性、动态特性的辨识，确定物体在道路上的位置，从而让自动驾驶计算机在最短时间判断出潜在的危险，并做出预防该危险发生的有效措施。

在感知周围环境目标的过程中，由于单一传感器自身的性能缺陷，某些情况无法实现针对障碍物的目标探测，例如，摄像头在光照比较差的工况下无法探测目标。因此，自动驾驶汽车需要多种传感器对目标进行探测才能实现对周围环境的全面感知。

如果对多个传感器探测的目标数据进行直接输出，将造成数据传输量巨大，且会存在以下问题：目标误检，例如没有障碍物却输出障碍物；目标漏检，例如存在障碍物却没有输出；同一目标属性不一致；无法获得目标最优属性等。这些问题将对后续决策系统的判断逻辑带来很大不便，降低整个系统的安全性和运行效率。

另外，在感知周围环境目标的过程中，实现对环境目标的跟踪是非常重要的。相关技术中主要公开了采用卡尔曼滤波算法来实现对环境目标的跟踪，但是这种算法计算量较大，需要消耗较大的计算资源，并且具有较高的数据延迟。

发明内容

有鉴于此，本发明旨在提出一种用于环境目标的融合方法，用于至少部分解决背景技术中提到的技术问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种用于环境目标的融合方法，所述方法包括：读取布置在车辆上的传感器探测的每一个环境目标的参数属性集合，其中，所述参数属性集合至少包括以下属性中的一者或多者：纵向速度、纵向距离、横向距离和目标ID；根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合来生成当前时刻的目标融合列表，其中所述目标融合列表包括与一个或多个环境目标中每一个环境目标相对应的目标属性集合，所述目标属性集合包括由一个或多个传感器各自测得的环境目标的参数属性集合；以及根据所述当前时刻的目标融合列表生成当前时刻的目标跟踪列表，其中所述目标跟踪列表包括与筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID。

进一步的，所述根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合来生成当前时刻的目标融合列表包括：根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合生成属性组合，其中每一个所述属性组合包括分别从所述每一个所述传感器探测的目标的参数属性集合中选择的一个目标的参数属性集合；以及确定每一个所述属性组合中的参数属性集合的重合度，并基于所述重合度进行数据融合以得到第一目标融合列表，其中所述第一目标融合列表包括每一个所述属性组合的重合度及与所述每一个所述属性组合的重合度对应的参数属性集合，其中，所述重合度是指所述属性组合中对应于同一环境目标的参数属性集合的数量；以及从所述第一目标融合列表中删除重复融合的数据以得到所述当前时刻的目标融合列表。

进一步的，所述确定每一个所述属性组合中的参数属性集合的重合度包括针对每一个所述属性组合执行以下步骤：分别计算n个参数属性集合中的每一个相同类型的n个参数属性的离散度；判断所述每一个相同类型的n个参数属性的离散度是否均处于各自对应的预定范围内；如果所述每一个相同类型的n个参数属性的离散度均处于各自对应的预定范围内，则确定所述属性组合中的参数属性集合的重合度为n；以及如果所述每一个相同类型的n个参数属性的离散度不满足均处于各自对应的预定范围内，则确定所述属性组合中的参数属性集合的重合度为1，其中，所述n为正整数，所述n的取值为大于或等于2且小于或等于所述属性组合中目标的参数属性集合的数量。

进一步的，在确定出的所述属性组合中的参数属性集合的重合度为多个数值时，选择这多个数值中的最大值作为所述属性组合中的参数属性集合的重合度；和/或所述确定每一个所述属性组合中的参数属性集合的重合度包括：针对每一个所述属性组合，从所述n的值为最大值开始依次递减所述n的值，直到确定出所述属性组合中的参数属性集合的重合度；和/或根据以下步骤确定所述预定范围：从预先存储的预定范围列表中选取所述n个参数属性中特定传感器探测的参数属性所对应的预定范围，其中所述预定范围列表包括特定传感器探测的参数属性的范围及与所述特定传感器探测的每一参数属性的范围对应的预定范围。

进一步的，所述参数属性集合还包括目标ID，所述方法包括根据以下步骤删除重复融合的数据：判断与重合度p对应的目标ID的集合是否被包含在与重合度对应的q的目标ID的集合内，其中q的取值大于p的取值；如果与重合度p对应的目标ID的集合被包含在与重合度对应的q的目标ID的集合内，则从所述第一目标融合列表中删除与所述重合度p对应的数据，其中p和q均为正整数，p的取值为大于或等于1且小于重合度的最大值，q的取值为大于1且小于或等于重合度的最大值。

进一步的，所述根据所读取的每一个传感器探测的每一个目标的参数属性集合生成属性组合包括：每读取到传感器发送的环境目标的参数属性集合，为读取到的所述环境目标赋予读取时刻的时间戳信息；基于每一个环境目标的读取时刻的时间戳信息和当前时刻的时间戳信息来计算每个环境目标在所述当前时刻的特定属性；使用每一个环境目标在所述当前时刻的特定属性来更新所述每个环境目标各自的参数属性集合；分别从所述每一个传感器探测的环境目标的更新后的参数属性集合中筛选出处于感兴趣区域内的环境目标的更新后的参数属性集合；分别针对与所述每一个传感器对应的筛选出的环境目标的更新后的参数属性集合增加一个空的目标的参数属性集合；以及基于增加空的目标的参数属性集合后的参数属性集合来生成所述属性组合。

进一步的，所述根据所述当前时刻的目标融合列表生成当前时刻的目标跟踪列表包括：判断所述当前时刻的目标融合列表是否是初始目标融合列表；如果所述当前时刻的目标融合列表不是初始目标融合列表，根据所述当前时刻的目标融合列表和存储的前一时刻的目标跟踪列表来确定当前时刻的目标跟踪列表，其中所述目标跟踪列表包括与筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID；以及如果所述当前时刻的目标融合列表是初始目标融合列表，则为所述初始目标融合列表中的每一个环境目标分别赋予一不同的融合跟踪ID，以得到所述当前时刻的目标跟踪列表。

进一步的，所述根据所述当前时刻的目标融合列表和存储的前一时刻的目标跟踪列表来确定当前时刻的目标跟踪列表包括：根据所述前一时刻的目标跟踪列表预测所述前一时刻的目标跟踪列表中每个环境目标在当前时刻的参数属性集合以得到预测的目标列表；将所述预测的目标列表与所述当前时刻的目标融合列表进行匹配；以及根据所述匹配的匹配结果来确定当前时刻的目标跟踪列表。

进一步的，所述根据所述前一时刻的目标跟踪列表预测所述目标跟踪列表中每个环境目标在当前时刻的参数属性集合以得到预测的目标列表包括：使用所述前一时刻的目标跟踪列表中每一个环境目标的特定属性的值、预定的融合周期来计算所述前一时刻的目标跟踪列表中每一个环境目标的所述特定属性在当前时刻的预测值，所述预测的目标列表包括所计算的所述前一时刻的目标跟踪列表中每一环境目标的所述特定属性在当前时刻的预测值；以及所述将所述预测的目标列表与所述当前时刻的目标融合列表进行匹配包括针对所述当前时刻的目标融合列表中的任一环境目标执行以下步骤：使用所述当前时刻的目标融合列表中的每一个环境目标的目标ID集合和所述预测的目标列表中的每一个环境目标的目标ID集合来进行所述匹配。

进一步的，所述根据所述匹配的匹配结果来确定当前时刻的目标跟踪列表包括针对所述当前时刻的目标融合列表中的所述任一环境目标执行以下步骤以确定所述任一环境目标的融合跟踪ID：如果所述任一环境目标的目标ID集合与所述预测的目标列表中的每一个环境目标的目标ID集合都不具有相同的子ID，则为所述任一环境目标赋予一新的融合跟踪ID；如果所述任一环境目标的目标ID集合与所述预测的目标列表中的第一环境目标的目标ID集合具有相同的子ID，则判断所述任一环境目标的纵向距离和预测的目标列表中所述第一环境目标的预测的纵向距离之间的第一差值是否小于第一预设值，以及判断所述任一环境目标的纵向速度和预测的目标列表中所述第一环境目标的纵向速度之间的第二差值是否小于第二预设值；如果所述第一差值小于所述第一预设值并且所述第二差值小于所述第二预设值，则将所述第一环境目标的融合跟踪ID作为所述任一环境目标的融合跟踪ID；以及如果所述第一差值不小于所述第一预设值和/或所述第二差值不小于所述第二预设值，则为所述任一环境目标赋予一新的融合跟踪ID。

进一步的，所述方法还包括：监控重合度为1的环境目标，如果该重合度为1的环境目标的存在时间大于第三预设值，则在输出的目标跟踪列表中包括所述重合度为1的环境目标的参数属性集合以及融合跟踪ID。

进一步的，所述方法还包括：从所述目标跟踪列表中为所述每一个环境目标的每一个属性选取优选的属性信息；以及输出所述每一个环境目标的融合跟踪ID以及所述每一个环境目标的每一个属性的优选的属性信息。

相对于现有技术，本发明所述的用于环境目标的融合方法具有以下优势：

通过对指向同一环境目标的参数属性集合进行融合，可以解决单个传感器输出数据存在目标误检、漏检的问题，并且通过对环境目标增加融合跟踪ID可以方便对环境目标的跟踪，尤其是对感兴趣目标的跟踪。

本发明的另一目的在于提出一种用于环境目标的融合装置，用于至少部分解决背景技术中提到的技术问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种用于环境目标的融合装置，所述装置包括存储器和处理器，所述存储器中存储有指令，所述指令用于使得所述处理器能够执行上述的用于环境目标的融合方法。

所述用于环境目标的融合装置与上述用于环境目标的融合方法相对于现有技术所具有的优势相同，在此不再赘述。

相应地，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行上述的用于环境目标的融合方法。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1示出了根据本发明一实施例的用于环境目标的融合方法的流程示意图；

图2示出了根据本发明一实施例的生成目标融合列表的流程示意图；

图3示出了根据本发明一实施例的属性组合中的参数属性集合的重合度确定流程示意图；

图4示出了根据本发明一实施例的生成目标跟踪列表的流程示意图；以及

图5示出了根据本发明一实施例的用于环境目标的融合装置的结构框图。

附图标记说明

510存储器           520处理器

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

本发明实施例中提到的“传感器”可以指布置在车辆上用于环境目标的任意类型的装置，例如可以是摄像头、激光雷达、毫米波雷达等。本发明实施例中提到的“目标”或“环境目标”可以指在车辆前方、后方或侧方的移动的或静止的任意物体，例如，车辆、人、建筑物等。本发明实施例中的“目标”和“环境目标”可以等同替换。

图1示出了根据本发明一实施例的用于环境目标的融合方法的流程示意图。如图1所示，本发明实施例提供了一种用于环境目标的融合方法，该方法适用于自动驾驶车辆。所述方法可以包括以下步骤：步骤S110，读取布置在车辆上的传感器探测的每一个环境目标的参数属性集合，其中，所述参数属性集合至少包括以下属性中的一者或多者：纵向速度、纵向距离、横向距离和目标ID；步骤S120，根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合来生成当前时刻的目标融合列表，其中所述目标融合列表包括与一个或多个环境目标中每一个环境目标相对应的目标属性集合，所述目标属性集合包括由一个或多个传感器各自测得的环境目标的参数属性集合；以及步骤S130，根据所述当前时刻的目标融合列表生成当前时刻的目标跟踪列表，其中所述目标跟踪列表包括与筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID。

在步骤S110中，可以读取预先选定的多个传感器中每一个传感器探测的每一个目标的参数属性集合，也可以读取全部传感器中每一个传感器探测的每一个目标的参数属性集合，其中，各传感器的类型可以相同也可以不同。

传感器可以探测到一个或多个目标，并且针对每一个目标，传感器可以确定出每一个目标的参数属性集合，该参数属性集合包括多种类型的参数属性，例如，有关速度、距离等等的参数属性。在步骤S110中读取的参数属性集合可以包括以下一者或多者：纵向速度、纵向距离、横向距离和目标ID等。本发明实施例中的纵向速度可以是指探测的目标沿车辆行驶方向的速度，纵向距离可以是指探测的目标相对车辆的纵向距离，横向距离可以是指探测的目标相对车辆的横向距离，其中纵向速度、纵向距离和横向距离可以是在车辆坐标系下确定得出的。可以理解，目标的参数属性集合可以包括其它参数属性，例如横向速度、目标纵向加速度、目标横向加速度、目标长度和/或目标宽度等。

每一个传感器可以周期性地输出数据，并且每一个传感器输出数据的周期可以不同。在步骤S120中，目标融合列表的生成也可以是周期性地执行，目标融合列表相当于对指向同一环境目标的参数属性集合进行了融合。在步骤S130中所确定的当前时刻的目标跟踪列表中对应的环境目标可以和当前时刻的目标融合列表中对应的环境目标的相同，也可以不同。当前时刻确定的目标跟踪列表中对应的环境目标数量可以小于或等于当前时刻的目标融合列表中对应的环境目标的数量。

通过对指向同一环境目标的参数属性集合进行融合，可以解决单个传感器输出数据存在目标误检、漏检的问题，并且通过对环境目标增加融合跟踪ID可以方便对环境目标的跟踪，尤其是对感兴趣目标的跟踪。

图2示出了根据本发明一实施例的生成目标融合列表的流程示意图。如图2所示，可以根据步骤S202至步骤S206来生成当前时刻的目标融合列表。

在步骤S202，根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合生成属性组合，其中每一个所述属性组合包括分别从所述每一个所述传感器探测的目标的参数属性集合中选择的一个目标的参数属性集合。

所生成的每一个属性组合可以包括分别从每一个所述传感器探测的目标的参数属性集合中选择的一个目标的参数属性集合。也就是说，属性组合包括与传感器数量相同的参数属性集合，且所包括的每一个参数属性集合是不同的传感器探测得到的。实际执行时，可以依次分别获取一个传感器探测的一个目标的参数属性集合来生成属性组合。可以理解，所生成的属性组合的数量可为每一个传感器探测得到的目标的数量之积。

简单举例来讲，假设具有三个传感器，这三个传感器分别表示为A、B、C。传感器A探测到两个目标，并分别获得这两个目标的参数属性集合，表示为A1和A2。传感器B探测到三个目标，并分别获得这三个目标的参数属性集合，表示为B1、B2和B3。传感器C探测到一个目标，并获得该一个目标的参数属性集合，表示为C1。读取传感器A、B和C探测的每一个目标的参数属性集合，并根据所读取的每一个目标的参数属性集合可以生成6个属性组合，这6个属性组合例如分别是：{A1，B1，C1}、{A1，B2，C1}、{A1，B3，C1}、{A2，B1，C1}、{A2，B2，C1}、{A2，B3，C1}。

在步骤S204，确定每一个所述属性组合中的参数属性集合的重合度，并基于所述重合度进行数据融合以得到第一目标融合列表，其中所述第一目标融合列表包括每一个所述属性组合的重合度及与所述每一个所述属性组合的重合度对应的参数属性集合，其中，所述重合度是指所述属性组合中对应于同一环境目标的参数属性集合的数量。

本发明实施例中，重合度是指属性组合中对应于同一环境目标的参数属性集合的数量。简单举例来讲，如果包括参数属性集合A1、B1和C1的属性组合中参数属性集合A1和B1对应于同一目标，则可以确定该属性组合的重合度为2。则所得到的第一数据融合列表中可以包括重合度2和与该重合度2对应的参数属性集合A1和B1。由于对应于同一环境目标的不同的参数属性集合是由不同的传感器测得的，因此，可选地，重合度也可以认为是能够探测到环境目标的传感器的数量。

对于一个属性组合，也可能会确定出多个重合度，则该多个重合度及与该多个重合度对应的每一个重合度对应的参数属性集合都可以被包括在第一数据融合列表中。

在步骤S206，从所述第一数据融合列表中删除重复融合的数据以得到所述当前时刻的目标融合列表。

在第一数据融合列表中，可以判断与任意单个重合度p对应的目标ID的集合是否被包含在与任意单个重合度q对应的目标ID的集合内，其中p和q均为正整数，p的取值为大于或等于1且小于重合度的最大值，q的取值为大于1且小于或等于重合度的最大值，并且其中q的取值大于p的取值。如果单个重合度p对应的目标ID的集合被包含在单个重合度q对应的目标ID的集合内，则说明重合度p对应的参数属性集合为重复融合的数据，可以进行删除，否则可以不对重合度p进行对应的参数属性集合进行删除。例如，如果在第一数据融合列表中具有以下目标ID的集合：与重合度5对应的目标ID的集合ID1/ID2/ID3/ID4/ID5；与重合度4对应的目标ID的集合ID1/ID2/ID3/ID4；与重合度2对应的目标ID的集合ID1/ID2。则可以确定这些目标ID的集合均对应同一目标，则可以将目标ID的集合ID1/ID2/ID3/ID4对应的参数属性集合和与目标ID的集合ID1/ID2对应的参数属性集合从第一数据融合列表中删除。

根据目标ID删除第一数据融合列表中所有重复融合的数据就可以得到当前时刻的数据融合列表。可以理解，对重复融合数据的确定不限于使用目标ID，也可以使用与单个重合度p对应参数属性的集合是否被包含在与一个重合度q对应的参数属性集合中来确定重复融合的数据，如果与单个重合度p对应的参数属性的集合包含在与单个重合度q对应的参数属性集合中，则可以确定与该单个重合度p对应的参数属性集合为重复融合的数据，可以进行删除。

通过删除第一数据融合列表中重复融合的数据来得到精简的当前时刻的数据融合列表，可以使得进行目标跟踪时直接使用精简的当前时刻的数据融合列表时，不会造成虚假目标的产生，提高了后续决策阶段执行决策的准确度。

在一可选实施例中，在对传感器输出的环境目标的数据进行融合处理之前，首先要对各传感器输出的环境目标的参数学术性集合进行时间同步。

传感器可以周期性地输出在周期内所探测到的所有环境目标的参数属性集合。每个传感器输出数据的周期可以不同，例如，激光雷达输出数据的周期一般为40ms，毫米波雷达输出数据的周期一般为50ms，摄像头输出数据的周期一般为50ms，还有一些传感器输出数据的周期一般为100ms。读取到的不同传感器发送的环境目标的参数属性集合的时间也各自不同，因此，可以对读取的环境目标的参数属性集合赋予时间戳信息以记录接收到参数属性集合的接收时间。所述时间戳信息例如可以是GPS时间戳信息。

之后，可以基于每个环境目标的读取时刻的时间戳信息和当前时刻(即，进行环境目标的数据融合时刻)的时间戳信息来计算每个环境目标在当前时刻的特定属性。当前时刻的时间戳信息的类型可以与为每个环境目标赋予的读取时刻的时间戳信息的类型相同，例如二者均可以是GPS时间戳信息。由于从读取到传感器发送的参数属性集合到当前时刻之间的时间差较短，因此，环境目标的纵向速度可以认为是基本上不变的。所述特定属性可以是纵向距离，可以根据以下公式来计算任一环境目标在预定时刻的纵向距离：

d2＝d1+v*(t2-t1)   (1)

其中，d2为在当前时刻所述环境目标纵向距离，d1为在读取时刻环境目标的纵向距离，v为在接收时刻环境目标的纵向速度，t2为所述当前时刻的时间戳信息，t1为在读取时刻为环境目标赋予的时间戳信息。

在根据公式(1)计算出每个环境目标在当期那时刻的纵向距离之后可以使用所计算的纵向距离来更新环境目标的各自的参数属性集合。在更新时，可以使用根据公式(1)计算的纵向距离替代参数属性集合中的纵向距离。可以理解，上述的纵向距离，仅用于举例，也可以计算所述参数属性集合中的任意其它属性在数据预定时刻的值。例如，与公式(1)类似，也可以根据目标的横向速度计算目标在数据当前时刻的横向距离等。通过更新环境目标的参数属性集合中的特定属性在预定时刻的值，可以使得数据融合时，每个环境目标的参数属性集合的各属性具有时间上的同步。在执行环境目标的数据融合时，可以使用更新后的参数属性集合来进行重合度的计算以及目标融合列表的生成。

在一些可选实施例中，在执行上述的有关时间同步的操作之后，还可以执行对感兴趣区域内的环境目标的筛选。这里的感兴趣区域内的环境目标例如可以是处于道路最边缘车道线内部的环境目标，也可以仅是处于本车车辆某一方向的环境目标，例如，本车车辆前方、后方、或侧方等，本发明实施例并不进行特定限制。可以根据环境目标的位置来判断该环境目标是否处于感兴趣区域内，以感兴趣区域为道路两侧最边缘车道线内的区域为例，可以根据本车车辆所在道路的最边缘车道线的坐标以及环境目标的坐标来确定出处于感兴趣区域内的环境目标。其中所使用的车道线以及环境目标的坐标可以是在任意相同坐标系下的坐标，所述坐标系例如可以是全局坐标系、车辆坐标系或任意其它坐标系。

在筛选出处于感兴趣区域内的环境目标之后，可以删除未处于感兴趣区域内的环境目标的参数属性集合，并且进一步的，可以基于筛选出的处于感兴趣区域内的环境目标的参数属性集合来进行后续的重合度的计算以及目标融合列表的生成。由于各传感器探测到环境目标的数量可能很多，如果直接对所有传感器探测到的所有环境目标执行数据融合，需要消耗大量的逻辑运算，因此，对处于感兴趣区域内的环境目标进行筛选将会显著降低执行目标的数据融合所需的计算资源。

在一些实施例中，传感器可能没有探测到目标，相应地也不会输出目标的参数属性集合，即，不能从该传感器读取到目标的参数属性集合。为了便于后续对重合度的计算，在根据所读取的每一个传感器探测的每一个目标的参数属性集合生成属性组合时，可以首先分别针对每一个传感器增加一个空的目标参数属性集合，相当于给每一个传感器虚拟了一个探测目标。例如，如果针对某一传感器筛选出了处于感兴趣区域内的10个环境目标并获得这10个目标的更新后的参数属性集合，则在添加空的目标的参数属性集合之后，与该传感器对应的是11个环境目标的参数属性集合。在添加空的目标的参数属性集合之后，可以使用添加后的参数属性集合来生成属性组合。可以理解，所生成属性组合中将会有一个包括全部空的目标的参数属性集合的属性组合，该属性组合为没有实际意义的无效的属性组合，在实际运行过程中可以删除该无效的属性组合。

假设车辆前侧方布置5个传感器，这5个传感器探测到的处于感兴趣区域内的环境目标的数量分别是N1、N2、N3、N4和N5，则对应从这5个传感器筛选出的更新后的参数属性集合的数量分别是N1、N2、N3、N4和N5。针对每一个传感器添加一个空的目标的参数属性集合，则与这5个传感器对应的参数属性集合的数量变为N1+1、N2+1、N3+1、N4+1和N5+1。生成属性组合时，可以依次分别获取与每一个传感器对应的一个目标的参数属性集合，所生成的属性组合的数量为N1+1、N2+1、N3+1、N4+1和N5+1的乘积，删除无效的属性组合之后，剩余属性组合的数量为N1+1、N2+1、N3+1、N4+1和N5+1的乘积减去1。这里，N1、N2、N3、N4和N5均为大于或等于0的整数。

通过添加空的目标的参数属性集合，可以保证属性组合内参数属性集合的数量与对应的传感器的数量相同，简化了后续重合度计算的复杂性，提高了程序运行效率。

图3示出了根据本发明一实施例的属性组合中的参数属性集合的重合度确定流程示意图。如图3所示，基于上述任意实施例，针对每一个属性组合可以执行步骤S302至步骤S308来确定重合度。

在步骤S302，分别计算属性组合中的n个参数属性集合中的每一个相同类型的n个参数属性的离散度。

本发明实施例中的离散度可以是标准差、方差或平均差等，优选可以使用标准差，但是本发明实施例并不限制于此，可以使用任何可以表征离散度的数据。本发明实施例中，所述n为正整数，n的取值为大于或等于2且小于或等于所述属性组合中目标的参数属性集合的数量。

具体地，可以针对属性组合中的任意n个参数属性集合计算离散度，即可以针对指示纵向距离的n个参数属性进行离散度计算、针对指示横向距离的n个参数属性进行离散度计算、针对指向纵向距离的n个参数属性的进行离散度计算。

在步骤S304，判断每一个相同类型的n个参数属性的离散度是否均处于各自对应的预定范围内。

不同类型的参数属性对应的预定范围可以是固定值。或者，不同类型的参数属性对应的预定范围可以不同，和/或对于同一类型的参数属性，如果参数属性的取值范围不同，则对应的预定范围也可以不同。

可选地，可以预先存储有预定范围列表，该预定范围列表可以包括特定传感器探测的参数属性的范围及与特定传感器探测的每一参数属性的范围对应的预定范围。也就是说，选择一个特定传感器探测的参数属性的范围为基准，来确定预定范围。针对不同类型的参数属性所选择的特定传感器可以不同。可选地，可以使用准确率较高的传感器作为特定传感器。例如，针对纵向距离，可以使用激光雷达作为特定传感器，激光雷达探测不同纵向距离范围对应存储有不同的预定范围。在执行步骤S304时，可以从预先存储的预定范围列表中选取n个参数属性中特定传感器探测的参数属性所对应的预定范围，然后基于该预定范围进行判断。

如果在步骤S304中判断出每一个相同类型的n个参数属性的离散度均处于各自对应的预定范围内，则执行步骤S306。如果在步骤S304中判断出每一个相同类型的n个参数属性的离散度不满足均处于各自对应的预定范围内，则执行步骤S308。

在步骤S306，可以确定属性组合中的参数属性集合的重合度为n，也就是说，这n个参数属性集合对应于同一探测目标，可以对这n个参数属性集合进行融合。可选地，所确定出的重合度可能为多个数值，则可以选择这多个数值中的最大值作为属性组合中的参数属性集合的重合度。可选地，在确定出的重合度中可能存在多个最大值，这种情况下，该多个最大值的每一个最大值及其所对应的参数属性集合都可以被包括在第一数据融合列表中。

在步骤S308，可以确定属性组合中的参数属性集合的重合度为1，也就是说，这n个参数属性集合分别对应于不同的探测目标，不能对这n个参数属性集合进行融合，这种情况下，可以将这n个参数属性集合中的每一个参数属性集合及其重合度均包括在第一数据融合列表中。

可选地，针对每一个属性组合，可以从n的值为最大值开始依次递减n的值来执行重合度的确定，直到确定出所述属性组合中的参数属性集合的重合度。

以5个传感器为例进行说明，这5个传感器对应的参数属性集合的数量分别为E1、E2、E3、E4和E5，根据这5个传感器对应的参数属性集合生成属性组合，生成的属性组合的数量记为F，本发明实施例中，E1、E2、E3、E4、E5和F均为正数。F的值为E1、E2、E3、E4和E5的乘积，或者F的值为E1、E2、E3、E4和E5的乘积减去1，每个属性组合中具有5个参数属性集合，且这5个属性集合分别对应于不同的传感器。这里，n的取值为2至5。

在计算每一个属性组合中参数属性集合的重合度时，针对每一个属性组合，首先选取n为最大值5，也就是说，首先使用属性组合中5个参数属性集合确定重合度。如果这5个参数属性集合中每一类型的参数属性的5个参数属性的离散度均处于各自对应的预定范围，即，5个纵向速度的离散度处于对应的第一预定范围，5个纵向距离的离散度处于对应的第二预定范围，5个横向距离的离散度处于对应的第三预定范围，则可以确定该属性组合中的参数属性集合的重合度为5。如果这5个参数属性集合中每一类型的参数属性的5个参数属性的离散度不满足均处于对应的预定范围，则继续使用属性组合中任意4个参数属性集合确定重合度。在任意4个参数属性集合中，如果存在4个参数属性集合中的每一类型的参数属性的4个参数属性的离散度均处于各自对应的预定范围，则可以确定该属性组合中的参数属性集合的重合度为4。如果任意4个参数属性集合均不满足条件‘4个参数属性集合中的每一类型的参数属性的4个参数属性的离散度均处于各自对应的预定范围’，则继续使用属性组合中任意3个参数属性集合确定重合度。在任意3个参数属性集合中，如果存在3个参数属性集合中的每一类型的参数属性的3个参数属性的离散度均处于各自对应的预定范围，则可以确定该属性组合中的参数属性集合的重合度为3。如果任意3个参数属性集合均不满足条件‘3个参数属性集合中的每一类型的参数属性的3个参数属性的离散度均处于各自对应的预定范围’，则继续使用属性组合中任意2个参数属性集合确定重合度。在任意2个参数属性集合中，如果存在2个参数属性集合中的每一类型的参数属性的2个参数属性的离散度均处于各自对应的预定范围，则可以确定该属性组合中的参数属性集合的重合度为2。如果任意2个参数属性集合均不满足条件‘2个参数属性集合中的每一类型的参数属性的2个参数属性的离散度均处于各自对应的预定范围’，则可以参数属性集合的确定重合度为1。

在确定出重合度之后，可以进行数据融合，以使得数据融合列表中包括每一个属性组合中的每一个重合度及与每一个重合度对应的每一个参数属性集合。

图4示出了根据本发明一实施例的生成目标跟踪列表的流程示意图。如图4所示，可以通过步骤S402至步骤S406来根据当前时刻的目标融合列表来生成当前时刻的目标跟踪列表。

在步骤S402，判断当前时刻的目标融合列表是否是初始目标融合列表。

初始融合列表是指车辆运行过程中确定出的第一个目标融合列表。例如可以判断是否具有已存储的目标融合列表。若具有，则可以确定当前时刻的目标融合列表不是初始融合列表，否则可以确定当前时刻的目标融合列表是初始融合列表。

如果在步骤S402中判断出当前时刻的目标融合列表不是初始目标融合列表，则可以执行步骤S404。

在步骤S404，根据所述当前时刻的目标融合列表和存储的前一时刻的目标跟踪列表来确定当前时刻的目标跟踪列表。

目标跟踪列表包括筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID。当前时刻确定的目标跟踪列表中对应的环境目标可以和当前时刻的目标融合列表中对应的环境目标的相同，也可以不同。当前时刻确定的目标跟踪列表中对应的环境目标数量可以小于或等于当前时刻的目标融合列表中对应的环境目标的数量。

如果在步骤S402中判断出当前时刻的目标融合列表是初始目标融合列表，则可以执行步骤S406，为该初始目标融合列表中的每一个环境目标分别赋予一不同的融合跟踪ID，以得到当前时刻的目标跟踪列表。然后可以将该当前时刻的目标跟踪列表进行存储，以备下一时刻使用。

在目标跟踪列表中为环境目标赋予融合跟踪ID，使得决策系统可以使用融合跟踪ID来针对感兴趣的环境目标进行实时跟踪，从而作出更准确的决策，确保整个系统的安全运行。

在确定当前时刻的目标融合列表中的环境目标的融合跟踪ID时，可以对前一时刻的目标跟踪列表中的每个环境目标的参数属性集合进行预测以得到预测的目标列表。例如，可以对环境目标的纵向距离等特定属性进行预测，例如，环境目标的预测的纵向距离可以等于预定的融合周期的值与该环境目标的纵向速度的当前值之间的乘积与该环境目标的纵向距离的当前值的和，即环境目标的预测的纵向距离＝预定的融合周期的值×该环境目标的纵向速度的当前值+该环境目标的纵向距离的当前值。如此可以计算出前一时刻的目标跟踪列表中的每个环境目标的纵向距离在当前时刻的预测值。

预定的融合周期的值可以是相邻两个目标融合列表输出时间之间的差值，可选地，该差值也可以设置为固定的值。也就是说，预定的融合周期的值也可以设置为固定的值。可选地，所述预定的融合周期的值的范围可以是15ms至25ms，例如可以设置为20ms。

对于前一时刻的目标跟踪列表中的每个环境目标的纵向速度，由于预定的融合周期的值比较小，因此，环境目标的纵向速度可以认为是基本上不变的。也就是说，预测的目标列表与前一时刻的目标跟踪列表相比，仅增加了环境目标的纵向距离在当前时刻的预测值。

在确定出预测的目标列表后，可以将预测的目标列表与当前时刻的目标融合列表进行匹配，以根据匹配结果来确定当前时刻的目标融合列表中的每个环境目标的融合跟踪ID。在进行匹配时，可以将当前时刻的目标融合列表中的每一个环境目标的目标ID集合与预测的目标列表中的每一个环境目标的目标ID集合进行匹配。下面将以当前时刻的目标融合列表中的任一环境目标为例对融合跟踪ID的确定进行说明。

在一些情况下，所述任一环境目标的目标ID集合与预测的目标列表中的每一个环境目标的目标ID集合都不具有相同的子ID。例如，如果所述任一环境目标的目标ID集合为{ID3，ID4}，而预测的目标列表中每一个环境目标的目标ID集合都不包括ID3和/或ID4，则满足所述任一环境目标的目标ID集合与预测的目标列表中的每一个环境目标的目标ID集合都不具有相同的子ID。这种情况相当于有重合目标而没有跟踪目标，也就是说，有一个新的目标进入跟踪系统。此时，需要对该新的目标赋予一新的融合跟踪ID，即，需要为所述任一环境目标的赋予一新的融合跟踪ID。

在一些情况下，所述任一环境目标的目标ID集合与预测的目标列表中的第一环境目标的目标ID集合具有相同的子ID，即，任一环境目标的目标ID集合的子ID与第一环境目标的目标ID集合的子ID完全相同或部分相同。例如，如果所述任一环境目标的目标ID集合为{ID1，ID5，ID7}，而第一环境目标的目标ID集合为{ID1，ID9，ID12}，两个集合中ID1在两个时刻是匹配的，其它ID不匹配，符合上述的部分相同的情况，完全相同就是两个集合中的子ID完全相同。

如果任一环境目标的目标ID集合与预测的目标列表中的第一环境目标的目标ID集合具有相同的子ID，则可以根据所述任一环境目标和所述第一环境目标的其它属性来确定二者是否是同一目标，以进一步保证决策的准确性。例如，可以判断在当前时刻的目标融合列表中所述任一环境目标的纵向距离与预测的目标列表中第一环境目标的预测的纵向距离之间的第一差值是否小于第一预设值，以及判断在当前时刻的目标融合列表中所述任一环境目标的纵向速度与预测的目标列表中第一环境目标的纵向速度之间的第二差值是否小于第二预设值。如果第一差值小于第一预设值并且第二差值小于第二预设值，则说明所述任一环境目标和所述第一环境目标是同一目标，这种情况下，可以将第一环境目标的融合跟踪ID作为所述任一环境目标的融合跟踪ID。如果第一差值不小于第一预设值和/或第二差值不小于第二预设值，则说明所述任一环境目标和所述第一环境目标不是同一目标，所述任一环境目标可以认为是一个新目标，这种情况下，可以为所述任一环境目标赋予一新的融合跟踪ID。在计算所述第一差值和第二差值时，可以使用与同一传感器对应的数据，例如，可以使用与相同子ID所对应的纵向距离的当前值和纵向距离的预测值来计算所述第一差值，并使用与相同子ID对应的纵向速度的当前值和纵向速度的前一刻的值来计算所述第二差值。但是，本发明实施例并不限制于此，也可以使用不同传感器测得的数据来计算所述第一差值和所述第二差值。

本发明实施例中，预测的目标列表中的第一环境目标可以是指预测的目标列表中的任意一个环境目标，其具有普遍性。此外，上述其它属性的比较是以纵向距离和纵向速度来举例进行说明的，可以理解，也可以使用其它属性来判断任一环境目标和第一环境目标是否是同一目标，例如，可以使用加速度等属性。另外，上述的第一预设值和第二预设值可以根据需要设置为任意合适的值。

经过上述方式，可以确定出当前时刻的目标融合列表中每一个环境目标对应的融合跟踪ID，从而可以得到当前时刻的目标跟踪列表。通过使用传感器确定的目标ID来确定融合跟踪ID，显著减小了目标跟踪模块消耗的计算资源，并较大的减少了目标跟踪的数据延迟。

进一步的，在一些情况下，将预测的目标列表与当前时刻的目标融合列表进行匹配时，可能出现预测的目标列表中的第二环境目标的目标ID集合与当前时刻的目标融合列表中的每一个环境目标的目标ID集合都不具有相同的子ID，也就是说，在当前时刻的目标融合列表中没有与所述第二环境目标相匹配的环境目标，属于有跟踪目标没有重合目标的情况。这种情况说明环境目标已经离开了传感器探测范围，并且由于传感器已经对该第二环境目标进行了长时间的预测，所以可以不对第二环境目标进行保留，即可以直接将该第二环境目标对应的参数属性集合和融合跟踪ID删除。本发明实施例中，预测的目标列表中的第二环境目标可以是指预测的目标列表中的任意一个环境目标，其具有普遍性。

可选地，如果环境目标的重合度为1，则说明只有一个传感器探测到该环境目标，这种情况下，需要对该重合度为1的环境目标进行监控，以确定该重合度为1的环境目标是否是误检测到的。例如，可以基于重合度为1的环境目标的存在时间是否大于第三预设值来确定是否需要在目标跟踪列表中列出该环境目标。具体地，可以在确定出当前时刻的每个环境目标的融合跟踪ID之后，在跟踪目标中首先列出重合度大于1的每个环境目标的对应的参数属性集合和融合跟踪ID。对于重合度等于1的每个环境目标，只列出存在周期大于第三预设值的环境目标对应的参数属性集合和融合跟踪ID。也就是说，只有存在周期大于第三预设值的重合度等于1的环境目标才会列出到目标跟踪列表中。

第三预设值可以设置为任意合适的值，例如，可以跟踪周期来限定第三预设值，例如，该第三预设值可以等于预定数量的跟踪周期之和，其中，每输出一个目标融合列表认为是一个跟踪周期。如果在预定次数的目标融合列表中都监控到了某一重合度为1的环境目标，或者也可以对目标融合列表中的每一环境目标增加跟踪周期这个属性。对于重合度大于1的环境目标，其跟踪周期可以赋予为0。对于重合度为1的环境目标，可以对其跟踪周期进行累加，例如，如果在前一时刻重合度为1的环境目标的跟踪周期为3，而在当前时刻的目标融合列表中又监控到了该重合度为1的环境目标，则可以将当前时刻该重合度为1的环境目标的跟踪周期设置为4。如果重合度为1的环境目标的跟踪周期大于预设值，则可以在目标跟踪列表中输出该重合度等于1的每个环境目标的对应的参数属性集合和融合跟踪ID。为重合度等于1的环境目标限定跟踪周期，可以防止对环境目标的误跟踪，使得决策系统的决策更准确。

进一步的，在确定出跟踪目标列表之后，可以进一步的从目标跟踪列表中为每一个环境目标的每一个属性选取优选的属性信息。这里，可以基于长期对传感器的测试经验为基础，选取各个传感器最准确的属性赋予环境目标。例如，环境目标的纵向速度可以优先选取毫米波雷达所测量的数据，或者纵向速度可以选取激光雷达或摄像头测量的数据中的最小值。环境目标的横向速度可以选取摄像头测量的横向速度，或者其它传感器测量的数据中的最大值。环境目标的纵向距离或横向距离可以选取所有传感器测量的数据中的最小值。环境目标的长度或宽度可以选取所有传感器测量的数据中的最大值。上面列举的优选的属性信息的选取仅用于举例而不用于限制本发明实施例，例如，还可以根据距离的不同选择不同传感器输出的数据作为优选的属性信息。针对每一个环境目标的每一个属性选取优选的属性信息之后，可选的可以对优选的属性信息进行滤波以得到连续稳定的最优目标属性信息。进一步的，可以输出每一个环境目标的跟踪ID以及每一个环境目标的每一个属性的优选的属性信息。

本发明实施例提供的用于环境目标的融合方法至少具有以下优势：

(1)增加系统安全特性，比如，毫米波雷达和激光雷达两种传感器同时工作探测前方物体目标，并对物体目标进行融合，输出融合后的物体目标不仅提高了测量精度而且在某一传感器失效的情况下自动驾驶系统仍可以运行，达到失效可运行的功能安全需求；

(2)解决了单个传感器输出属性不全面、不均衡的问题，比如某个传感器没有分类信息，通过数据融合，可以得到分类信息，比单个传感器的属性更加全面；

(3)通过为环境目标选取优选的属性信息，使得可以得到优于单个传感器的属性信息。

相应地，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行上述的用于环境目标的融合方法。所述机器可读存储介质例如可以是U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

图5示出了根据本发明一实施例的用于环境目标的融合装置的结构框图。如图5所示，本发明实施例还提供一种用于环境目标的融合装置，所述装置可以包括存储器510和处理器520，存储器510中可以存储有指令，该指令使得处理器520能够执行根据本发明任意是实施例的用于环境目标的融合方法。

处理器520可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

存储器510可用于存储所述计算机程序指令，所述处理器通过运行或执行存储在所述存储器内的计算机程序指令，以及调用存储在存储器内的数据，实现所述用于车辆传感器的数据融合装置的各种功能。存储器510可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本发明实施例提供的用于环境目标的融合装置的具体工作原理及益处与上述本发明实施例提供的用于环境目标的融合方法的具体工作原理及益处相类似，这里将不再赘述。

以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (14)

1.一种用于环境目标的融合方法，其特征在于，所述方法包括：

读取布置在车辆上的传感器探测的每一个环境目标的参数属性集合，其中，所述参数属性集合至少包括以下属性中的一者或多者：纵向速度、纵向距离、横向距离和目标ID；

根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合来生成当前时刻的目标融合列表，其中所述目标融合列表包括与一个或多个环境目标中每一个环境目标相对应的目标属性集合，所述目标属性集合包括由一个或多个传感器各自测得的环境目标的参数属性集合；以及

根据所述当前时刻的目标融合列表生成当前时刻的目标跟踪列表，其中所述目标跟踪列表包括与筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID。

2.根据权利要求1所述的方法，其特征在于，所述根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合来生成当前时刻的目标融合列表包括：

根据所读取的每一个所述传感器探测的每一个环境目标的参数属性集合生成属性组合，其中每一个所述属性组合包括分别从所述每一个所述传感器探测的目标的参数属性集合中选择的一个目标的参数属性集合；以及

确定每一个所述属性组合中的参数属性集合的重合度，并基于所述重合度进行数据融合以得到第一目标融合列表，其中所述第一目标融合列表包括每一个所述属性组合的重合度及与所述每一个所述属性组合的重合度对应的参数属性集合，其中，所述重合度是指所述属性组合中对应于同一环境目标的参数属性集合的数量；以及

从所述第一目标融合列表中删除重复融合的数据以得到所述当前时刻的目标融合列表。

3.根据权利要求2所述的方法，其特征在于，所述确定每一个所述属性组合中的参数属性集合的重合度包括针对每一个所述属性组合执行以下步骤：

分别计算n个参数属性集合中的每一个相同类型的n个参数属性的离散度；

判断所述每一个相同类型的n个参数属性的离散度是否均处于各自对应的预定范围内；

如果所述每一个相同类型的n个参数属性的离散度均处于各自对应的预定范围内，则确定所述属性组合中的参数属性集合的重合度为n；以及

如果所述每一个相同类型的n个参数属性的离散度不满足均处于各自对应的预定范围内，则确定所述属性组合中的参数属性集合的重合度为1，

其中，所述n为正整数，所述n的取值为大于或等于2且小于或等于所述属性组合中目标的参数属性集合的数量。

4.根据权利要求3所述的方法，其特征在于，

在确定出的所述属性组合中的参数属性集合的重合度为多个数值时，选择这多个数值中的最大值作为所述属性组合中的参数属性集合的重合度；和/或

所述确定每一个所述属性组合中的参数属性集合的重合度包括：针对每一个所述属性组合，从所述n的值为最大值开始依次递减所述n的值，直到确定出所述属性组合中的参数属性集合的重合度；和/或

根据以下步骤确定所述预定范围：从预先存储的预定范围列表中选取所述n个参数属性中特定传感器探测的参数属性所对应的预定范围，其中所述预定范围列表包括特定传感器探测的参数属性的范围及与所述特定传感器探测的每一参数属性的范围对应的预定范围。

5.根据权利要求2至4中任一项所述的方法，其特征在于，所述参数属性集合还包括目标ID，所述方法包括根据以下步骤删除重复融合的数据：

判断与重合度p对应的目标ID的集合是否被包含在与重合度对应的q的目标ID的集合内，其中q的取值大于p的取值；

如果与重合度p对应的目标ID的集合被包含在与重合度对应的q的目标ID的集合内，则从所述第一目标融合列表中删除与所述重合度p对应的数据，

其中p和q均为正整数，p的取值为大于或等于1且小于重合度的最大值，q的取值为大于1且小于或等于重合度的最大值。

6.根据权利要求2至5中任一项所述的方法，其特征在于，所述根据所读取的每一个传感器探测的每一个目标的参数属性集合生成属性组合包括：

每读取到传感器发送的环境目标的参数属性集合，为读取到的所述环境目标赋予读取时刻的时间戳信息；

基于每一个环境目标的读取时刻的时间戳信息和当前时刻的时间戳信息来计算每个环境目标在所述当前时刻的特定属性；

使用每一个环境目标在所述当前时刻的特定属性来更新所述每个环境目标各自的参数属性集合；

分别从所述每一个传感器探测的环境目标的更新后的参数属性集合中筛选出处于感兴趣区域内的环境目标的更新后的参数属性集合；

分别针对与所述每一个传感器对应的筛选出的环境目标的更新后的参数属性集合增加一个空的目标的参数属性集合；以及

基于增加空的目标的参数属性集合后的参数属性集合来生成所述属性组合。

7.根据权利要求1所述的方法，其特征在于，所述根据所述当前时刻的目标融合列表生成当前时刻的目标跟踪列表包括：

判断所述当前时刻的目标融合列表是否是初始目标融合列表；

如果所述当前时刻的目标融合列表不是初始目标融合列表，根据所述当前时刻的目标融合列表和存储的前一时刻的目标跟踪列表来确定当前时刻的目标跟踪列表，其中所述目标跟踪列表包括与筛选出的每一个环境目标对应的参数属性集合以及融合跟踪ID；以及

如果所述当前时刻的目标融合列表是初始目标融合列表，则为所述初始目标融合列表中的每一个环境目标分别赋予一不同的融合跟踪ID，以得到所述当前时刻的目标跟踪列表。

8.根据权利要求7所述的方法，其特征在于，所述根据所述当前时刻的目标融合列表和存储的前一时刻的目标跟踪列表来确定当前时刻的目标跟踪列表包括：

根据所述前一时刻的目标跟踪列表预测所述前一时刻的目标跟踪列表中每个环境目标在当前时刻的参数属性集合以得到预测的目标列表；

将所述预测的目标列表与所述当前时刻的目标融合列表进行匹配；以及

根据所述匹配的匹配结果来确定当前时刻的目标跟踪列表。

9.根据权利要求8所述的方法，其特征在于，

所述根据所述前一时刻的目标跟踪列表预测所述目标跟踪列表中每个环境目标在当前时刻的参数属性集合以得到预测的目标列表包括：使用所述前一时刻的目标跟踪列表中每一个环境目标的特定属性的值、预定的融合周期来计算所述前一时刻的目标跟踪列表中每一个环境目标的所述特定属性在当前时刻的预测值，所述预测的目标列表包括所计算的所述前一时刻的目标跟踪列表中每一环境目标的所述特定属性在当前时刻的预测值；以及

所述将所述预测的目标列表与所述当前时刻的目标融合列表进行匹配包括针对所述当前时刻的目标融合列表中的任一环境目标执行以下步骤：使用所述当前时刻的目标融合列表中的每一个环境目标的目标ID集合和所述预测的目标列表中的每一个环境目标的目标ID集合来进行所述匹配。

10.根据权利要求9所述的方法，其特征在于，所述根据所述匹配的匹配结果来确定当前时刻的目标跟踪列表包括针对所述当前时刻的目标融合列表中的所述任一环境目标执行以下步骤以确定所述任一环境目标的融合跟踪ID：

如果所述任一环境目标的目标ID集合与所述预测的目标列表中的每一个环境目标的目标ID集合都不具有相同的子ID，则为所述任一环境目标赋予一新的融合跟踪ID；

如果所述任一环境目标的目标ID集合与所述预测的目标列表中的第一环境目标的目标ID集合具有相同的子ID，则判断所述任一环境目标的纵向距离和预测的目标列表中所述第一环境目标的预测的纵向距离之间的第一差值是否小于第一预设值，以及判断所述任一环境目标的纵向速度和预测的目标列表中所述第一环境目标的纵向速度之间的第二差值是否小于第二预设值；

如果所述第一差值小于所述第一预设值并且所述第二差值小于所述第二预设值，则将所述第一环境目标的融合跟踪ID作为所述任一环境目标的融合跟踪ID；以及

如果所述第一差值不小于所述第一预设值和/或所述第二差值不小于所述第二预设值，则为所述任一环境目标赋予一新的融合跟踪ID。

11.根据权利要求7所述的方法，其特征在于，所述方法还包括：

监控重合度为1的环境目标，如果该重合度为1的环境目标的存在时间大于第三预设值，则在输出的目标跟踪列表中包括所述重合度为1的环境目标的参数属性集合以及融合跟踪ID。

12.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从所述目标跟踪列表中为所述每一个环境目标的每一个属性选取优选的属性信息；以及

输出所述每一个环境目标的融合跟踪ID以及所述每一个环境目标的每一个属性的优选的属性信息。

13.一种用于环境目标的融合装置，其特征在于，所述装置包括存储器和处理器，所述存储器中存储有指令，所述指令用于使得所述处理器能够执行根据权利要求1至12中任一项所述的用于环境目标的融合方法。

14.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行根据权利要求1至12中任一项所述的用于环境目标的融合方法。

Images