CN115014366A - 一种目标融合方法、装置、车辆及存储介质 - Google Patents
一种目标融合方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115014366A CN115014366A CN202210609062.7A CN202210609062A CN115014366A CN 115014366 A CN115014366 A CN 115014366A CN 202210609062 A CN202210609062 A CN 202210609062A CN 115014366 A CN115014366 A CN 115014366A
- Authority
- CN
- China
- Prior art keywords
- target
- fusion
- confidence
- determining
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 256
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 23
- 230000009191 jumping Effects 0.000 claims description 9
- 230000008033 biological extinction Effects 0.000 claims description 8
- 230000008685 targeting Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种目标融合方法、装置、车辆及存储介质,所述方法包括:获取历史融合目标对应的航迹表与当前识别目标对应的空间表;对空间表与航迹表进行比对,确定各历史融合目标对应的置信度特征值,置信度特征值包括融合次数与中断次数;根据置信度特征值确定历史融合目标中的高置信度目标,将高置信度目标作为目标融合结果。本发明公开的目标融合方法,将航迹表引入目标融合策略中,通过维护融合次数与中断次数字段,对目标的置信度进行判定,保留置信度高的目标作为目标融合结果,有效地减低了目标误融合的概率,并解决了目标跳变的问题。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种目标融合方法、装置、车辆及存储介质。
背景技术
近年来,国内外自动驾驶技术迅速发展,环境感知作为其中的核心技术之一,模拟人类对周围环境的感知能力,是实现辅助驾驶与无人驾驶的关键技术。目标融合则是环境感知中至关重要的一项技术,其利用多种传感器信息冗余的特点,通过冗余信息减少系统的不确定度,同时利用信息互补的特征,有效地扩展了系统处理信息的能力。而在目标融合的算法中,一个最重要的问题就是如何判断来自不同传感器的航迹为同一条航迹。
现有的目标关联算法包括门限关联法、多假设跟踪算法和联合概率数据关联算法,其中门限关联法算法简单,实时性高,是目前较为常用的算法。门限匹配法以某类传感器的航迹为中心,在其周围设置关联门限,将其在门限内最近的一个目标设置为同一类目标,而在关联门限内其他的目标认为是杂波干扰。
但在传感器数量小精度差的条件下,门限关联法存在目标跳变的问题,而且关联门限大小的设定也需要根据经验来定,对于密集、高噪声环境下,算法的鲁棒性并不强。而多假设跟踪算法纳与联合概率数据关联算法将目标匹配问题转为二分图最优匹配问题,需要进行多次全局匹配,实时性差,不利于在嵌入式环境下计算。
发明内容
本发明提供了一种目标融合方法、装置、车辆及存储介质,以实现对自动驾驶中多传感器的识别目标进行融合的目的。
根据本发明的一方面,提供了一种目标融合方法,包括:
获取历史融合目标对应的航迹表与当前识别目标对应的空间表;
对所述空间表与航迹表进行比对,确定各所述历史融合目标对应的置信度特征值,所述置信度特征值包括融合次数与中断次数;
根据所述置信度特征值确定所述历史融合目标中的高置信度目标,将所述高置信度目标作为目标融合结果。
进一步地,对所述空间表与航迹表进行比对,包括:
获取各所述历史融合目标的第一标识与当前识别目标的第二标识;
将所述第二标识与第一标识进行一一比对,确定其中互相匹配的匹配标识;
将所述第一标识中不属于所述匹配标识的第一标识确定为消亡标识,将所述第二标识中不属于所述匹配标识的第二标识确定为新增标识。
进一步地,确定各所述历史融合目标对应的置信度特征值,包括:
将所述匹配标识对应的历史融合目标的融合次数加一;
将所述消亡标识对应的历史融合目标及对应的置信度特征值删除;
将所述新增标识对应的目标作为新的历史融合目标添加至所述航迹表中,并将对应的融合次数与中断次数置零。
进一步地,根据所述置信度特征值确定所述历史融合目标中的高置信度目标,包括:
将所述融合次数大于第一设定阈值的历史融合目标确定为初始高置信度目标;
获取所述初始高置信度目标中的跳变目标与非跳变目标;
将所述非跳变目标确定为所述高置信度目标,并将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标。
进一步地,将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标,包括:
获取各所述跳变目标对应的中断次数;
将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标,并将对应的中断次数加一作为新的中断次数。
进一步地,将所述高置信度目标作为目标融合结果之后,还包括:
对所述目标融合结果进行滤波处理。
进一步地,对所述目标融合结果进行滤波处理,包括:
确定所述目标融合结果中各目标的类型,所述类型包括融合目标、第一传感器目标、第二传感器目标和跳变目标;
根据所述类型确定所述目标融合结果中各目标的滤波系数,并根据所述滤波系数进行滤波处理。
根据本发明的另一方面,提供了一种目标融合装置,包括:
航迹表与空间表获取模块,用于获取历史融合目标对应的航迹表与当前识别目标对应的空间表;
置信度特征值确定模块,用于对所述空间表与航迹表进行比对,确定各所述历史融合目标对应的置信度特征值,所述置信度特征值包括融合次数与中断次数;
目标融合结果确定模块,用于根据所述置信度特征值确定所述历史融合目标中的高置信度目标,将所述高置信度目标作为目标融合结果。
可选的,置信度特征值确定模块还用于:
获取各所述历史融合目标的第一标识与当前识别目标的第二标识;
将所述第二标识与第一标识进行一一比对,确定其中互相匹配的匹配标识;
将所述第一标识中不属于所述匹配标识的第一标识确定为消亡标识,将所述第二标识中不属于所述匹配标识的第二标识确定为新增标识。
可选的,置信度特征值确定模块还用于:
将所述匹配标识对应的历史融合目标的融合次数加一;
将所述消亡标识对应的历史融合目标及对应的置信度特征值删除;
将所述新增标识对应的目标作为新的历史融合目标添加至所述航迹表中,并将对应的融合次数与中断次数置零。
可选的,目标融合结果确定模块还用于:
将所述融合次数大于第一设定阈值的历史融合目标确定为初始高置信度目标;
获取所述初始高置信度目标中的跳变目标与非跳变目标;
将所述非跳变目标确定为所述高置信度目标,并将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标。
可选的,目标融合结果确定模块还用于:
获取各所述跳变目标对应的中断次数;
将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标,并将对应的中断次数加一作为新的中断次数。
可选的,目标融合装置还包括滤波模块,用于对所述目标融合结果进行滤波处理。
可选的,滤波模块还用于:
确定所述目标融合结果中各目标的类型,所述类型包括融合目标、第一传感器目标、第二传感器目标和跳变目标;
根据所述类型确定所述目标融合结果中各目标的滤波系数,并根据所述滤波系数进行滤波处理。
根据本发明的另一方面,提供了一种车辆,所述车辆包括:
一个或多个控制器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个控制器执行,使得所述一个或多个控制器实现本发明任一实施例所述的目标融合方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的目标融合方法。
本发明首先获取历史融合目标对应的航迹表与当前识别目标对应的空间表;然后对空间表与航迹表进行比对,确定各历史融合目标对应的置信度特征值,置信度特征值包括融合次数与中断次数;最后根据置信度特征值确定历史融合目标中的高置信度目标,将高置信度目标作为目标融合结果。本发明公开的目标融合方法,将航迹表引入目标融合策略中,通过维护融合次数与中断次数字段,对目标的置信度进行判定,保留置信度高的目标作为目标融合结果,有效地减低了目标误融合的概率,并解决了目标跳变的问题。此外,在输出目标融合结果之前进行滤波处理,根据目标类型调整不同目标的滤波系数,使得系统可以自适应地除掉目标跳变带来的杂波,有效地平滑了目标跳变中的输出值抖动问题,保证了航迹的可靠性与稳定性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种目标融合方法的流程图;
图2是根据本发明实施例一提供的一种目标融合过程示意图;
图3是根据本发明实施例二提供的一种目标融合方法的流程图;
图4是根据本发明实施例二提供的一种置信度特征值确定过程示意图;
图5是根据本发明实施例二提供的一种高置信度目标的确定过程示意图;
图6为根据本发明实施例三提供的一种目标融合装置的结构示意图;
图7是实现本发明实施例四的一种车辆的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种目标融合方法的流程图,本实施例可适用于在自动驾驶中将不同传感器的识别目标进行融合的情况,该方法可以由目标融合装置来执行,该目标融合装置可以采用硬件和/或软件的形式实现,该目标融合装置可配置于车辆中。如图1所示,该方法包括:
S110、获取历史融合目标对应的航迹表与当前识别目标对应的空间表。
在自动驾驶技术中,车辆通常利用传感器采集周边环境信息,识别本车周围的车辆、行人以及障碍物等。优选地,车载传感器包括至少两种,一般为视觉传感器与雷达传感器,其中,视觉传感器为利用光学元件和成像装置获取外部环境图像信息的仪器,雷达传感器为利用激光、超声波、微波等技术获取环境信息的仪器。在实际应用中,视觉传感器采集的视觉目标一般置信度较高,而雷达传感器一般更加灵敏。不同传感器可以独立工作,分别进行目标采集获取相应的视觉传感器目标与雷达传感器目标,对于其中的相同目标,可以通过匹配进行传感器目标的融合。
在本实施例中,航迹表用于记录历史航迹信息,即历史数据中成功匹配的历史融合目标;空间表用于记录当前帧的航迹信息,即对当前帧传感器数据进行空间维度的匹配之后的当前识别目标,其中包括融合后的当前融合目标与未融合的单传感器目标。
以视觉传感器与雷达传感器两种类型的传感器的目标融合为例,航迹表的结构可以如表1所示,其中,每一行代表一个历史融合目标,其中包括各历史融合目标对应的视觉ID、雷达ID、融合次数与中断次数。
表1
序号 | 视觉ID | 雷达ID | 融合次数 | 中断次数 |
1 | ||||
… | ||||
20 |
在本实施例中,获取历史融合目标对应的航迹表与当前识别目标对应的空间表的方式可以是,根据当前帧传感器数据进行空间维度的目标匹配融合,生成当前识别目标对应的空间表,并在装置内部维持历史融合目标对应的航迹表。
具体的,多个传感器可以将识别的目标输入处理器中,处理器可以对各传感器数据进行坐标转换等处理,使不同传感器目标可以映射到统一的坐标系下,对于当前帧的传感器数据,可以利用匹配算法进行初步的计算,确定当前帧传感器目标中的融合目标与单传感器目标。
S120、对空间表与航迹表进行比对,确定各历史融合目标对应的置信度特征值。
其中,置信度特征值包括融合次数与中断次数。由于对当前帧传感器数据的匹配精度有限,空间表中的当前识别目标可能存在误融合以及从融合目标变为单传感器目标(即目标跳变)的问题。为解决误融合与目标跳变问题,可以对每个历史融合目标计算相应的置信度特征值。对于一个历史融合目标,其与至少两个单传感器目标相对应,每获取一帧传感器数据,若该历史融合目标对应的单传感器目标依然可以融合,则融合次数加一,若不能融合,则中断次数加一。对于一个历史融合目标,融合次数越高,该历史融合目标的置信度越高;相反的,中断次数越高,该历史融合目标的置信度越低。
在本实施例中,由于空间表中包含的是当前帧数据,从当前帧传感器数据中获取当前识别目标对应的空间表后,可以通过空间表与航迹表的比对,确定各历史融合目标在当前帧是否依然可以融合,进而确定对应的置信度特征值。
例如,若航迹表与空间表存在相匹配的对象,则说明相应的历史融合目标在当前帧传感器数据中可以追踪到,可以在航迹表中将对应的历史融合目标的融合次数加一;若空间表中存在航迹表中没有的新的目标,则说明此时有新的航迹出现,可以在航迹表中增加新的字段,同时将对应的融合次数与中断次数置零;当航迹表中存在的历史融合目标未出现在空间表中,则说明目标丢失或出现错误匹配,可以删除该历史融合目标。
S130、根据置信度特征值确定历史融合目标中的高置信度目标,将高置信度目标作为目标融合结果。
在本实施例中,确定各历史融合目标的置信度特征值后,可以根据置信度特征值对各历史融合目标进行筛选,将置信度低的对象删除,获取置信度高的目标作为目标融合结果。
可选的,根据置信度特征值确定历史融合目标中的高置信度目标的方式可以是,可以先根据融合次数进行判定,获取其中融合次数超过设定阈值的历史融合目标,认为这些目标的可靠性较高。然后对这些可靠性较高的历史融合目标进一步判定,判断是否存在目标跳变现象。其中,对应航迹表中存在的历史融合目标,若空间表中存在相应的单传感器目标,则可以认为发生了目标跳变。对于出现跳变的历史融合目标,可以根据中断次数进行判断,若中断次数高于设定阈值,说明该目标已经未融合一段时间,可靠性差,可以将该历史融合目标删除;若中断次数小于设定阈值时,说明该目标发生跳变不久,可以重新进行目标匹配。
进一步地,将高置信度目标作为目标融合结果之后,还可以:
对目标融合结果进行滤波处理。
在本实施例中,由于传感器可能存在测量不准的问题,可能会引起识别到的目标出现目标抖动现象,因此,得到所有目标匹配后的目标融合结果之后,可以对各目标的横向距离、纵向距离、横向速度、纵向速度进行滤波处理,以消除传感器的测量误差,降低目标抖动。
可选的,对目标融合结果进行滤波处理的方式可以是:确定目标融合结果中各目标的类型,类型包括融合目标、第一传感器目标、第二传感器目标和跳变目标;根据类型确定目标融合结果中各目标的滤波系数,并根据滤波系数进行滤波处理。
优选地,可以采用卡尔曼滤波方法,卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。进一步地,针对不同类型的目标,可以设定不同的滤波系数,即误差值,对于可能的误差较大的目标,可以设定较大的滤波系数,对于可能的误差较小的目标,可以设定较小的滤波系数。通过对不同目标设定不同的滤波系数,可以保证系统输出的稳定性。当滤波系数较大时,此时输出更加偏信于预测值,也就是上一次的位置值;当滤波系数较小时,此时输出更加偏信于此时的测量值,认定此帧的测量值更加准确。
举例说明,若目标融合结果中各目标的类型包括融合目标、第一传感器目标、第二传感器目标和跳变目标,其中,第一传感器和第二传感器分别为雷达传感器和视觉传感器。对于视觉传感器目标,认定此时视觉传感器误差较大,滤波系数设定为0.7m;对于雷达传感器目标,认定此时雷达传感器误差较小,滤波系数设定为0.5m;对于空间表与航迹表中可以匹配的融合目标,认定此时两个传感器测量结果都很准确,此目标信息值的误差较小,因此滤波系数设定为0.2m;对于发生跳变情况的跳变目标,此时测量误差较大,设定滤波系数为1.0m。相应的,测量误差矩阵如下:
通过这种方法可以将目标跳变带来的输出值抖动滤除掉,提高了目标航迹的稳定性与正确性。
图2为本发明实施例一提供的一种目标融合过程示意图,如图所示,获取到多个传感器采集的目标之后,经过对输入数据进行坐标转换处理,将不同传感器目标映射到统一的坐标系下,再进行空间维度的目标融合,将相互匹配的传感器目标进行融合,并生成空间表记录当前融合目标与未融合的单传感器目标,再利用空间表与历史融合目标对应的航迹表进行比对分析,利用置信度特征值(融合次数与中断次数)进行判定,获取其中的高置信度目标,最后将目标融合结果经过滤波处理后输出。
本发明实施例首先获取历史融合目标对应的航迹表与当前识别目标对应的空间表;然后对空间表与航迹表进行比对,确定各历史融合目标对应的置信度特征值,置信度特征值包括融合次数与中断次数;最后根据置信度特征值确定历史融合目标中的高置信度目标,将高置信度目标作为目标融合结果。本发明实施例提供的目标融合方法,将航迹表引入目标融合策略中,通过维护融合次数与中断次数字段,对目标的置信度进行判定,保留置信度高的目标作为目标融合结果,有效地减低了目标误融合的概率,并解决了目标跳变的问题。此外,在输出目标融合结果之前进行滤波处理,根据目标类型调整不同目标的滤波系数,使得系统可以自适应地除掉目标跳变带来的杂波,有效地平滑了目标跳变中的输出值抖动问题,保证了航迹的可靠性与稳定性。
实施例二
图3为本发明实施例二提供的一种目标融合方法的流程图,本实施例为上述实施例的细化。如图3所示,该方法包括:
S210、获取历史融合目标对应的航迹表与当前识别目标对应的空间表。
在本实施例中,每获取到当前帧传感器数据,每个传感器对各自识别的目标均有相应的标识(ID),例如,视觉传感器对应视觉ID,雷达传感器对应雷达ID。对各传感器数据,可以进行空间维度的目标匹配融合,生成当前识别目标对应的空间表,其中包括融合后的当前融合目标与未融合的单传感器目标。同时,装置内部维持历史融合目标对应的航迹表,航迹表中记录各历史融合目标及对应的第一传感器ID、第二传感器ID、融合次数与中断次数。
S220、获取各历史融合目标的第一标识与当前识别目标的第二标识。
其中,第一标识为航迹表中各历史融合目标的传感器标识,第二标识为空间表中各当前识别目标对应的传感器标识。
在本实施例中,获取航迹表和空间表后,可以进一步分别获取其中记录的各目标的标识(ID)。例如,对于航迹表中的序号为1的历史融合目标,其对应的第一标识可以是(视觉2,雷达5);空间表中序号为3的当前识别目标,其对应的第二标识可以是(视觉4,雷达7)。
S230、将第二标识与第一标识进行一一比对,确定其中互相匹配的匹配标识。
在本实施例中,获取各历史融合目标的第一标识与当前识别目标的第二标识之后,可以将第二标识与第一标识进行一一比对,通过标识(ID)比对的方式,确定匹配标识。
举例说明,若航迹表中包括3个历史融合目标,对应的第一标识分别为(视觉2,雷达5)、(视觉4,雷达7)和(视觉1,雷达2),空间表中包括3个当前识别目标,对应的第二标识分别为(视觉2,雷达5)、视觉4和雷达3,则第一标识与第二标识中的(视觉2,雷达5)可以匹配,第一标识中的(视觉4,雷达7)与第二标识中的视觉4可以匹配,即这些标识为匹配标识。
S240、将第一标识中不属于匹配标识的第一标识确定为消亡标识,将第二标识中不属于匹配标识的第二标识确定为新增标识。
其中,由于空间表中记录的是当前帧传感器数据对应的当前识别目标,而航迹表记录的是当前帧之前历史数据对应的历史融合目标,随着当前车辆周边环境的变化,可能出现目标的消亡,即传感器之前识别到的目标丢失,还可能出现目标的新增,及识别到新的目标。因此,历史融合目标可能不出现在空间表中,对应的标识即为消亡标识,当前识别目标中也可能存在航迹表中没有的目标,对应的标识即为新增标识。
根据上述S230中的例子,(视觉1,雷达2)为消亡标识,雷达3为新增标识。
S250、确定各历史融合目标对应的置信度特征值。
其中,置信度特征值包括融合次数与中断次数。
在本实施例中,置信度特征值代表了各历史融合目标的可靠程度,融合次数越高,该历史融合目标的可靠程度越高;相反的,中断次数越高,该历史融合目标的可靠程度越低。对于一个历史融合目标,其与至少两个单传感器目标相对应,每获取一帧传感器数据,若该历史融合目标对应的单传感器目标依然可以融合,则融合次数加一,若不能融合,则中断次数加一。
可选的,确定各历史融合目标对应的置信度特征值的方式可以是:将匹配标识对应的历史融合目标的融合次数加一;将消亡标识对应的历史融合目标及对应的置信度特征值删除;将新增标识对应的目标作为新的历史融合目标添加至航迹表中,并将对应的融合次数与中断次数置零。
具体的,通过第二标识与第一标识的比对分别确定匹配标识、消亡标识和新增标识后,可以分别调整对应的历史融合目标的置信度特征值。图4是本发明实施例提供的一种置信度特征值确定过程示意图,如图所示,获取航迹表与空间表的信息后,根据各自目标的标识进行比对,若空间表中的当前识别目标的标识存在于航迹表中,则相应目标的标识匹配,对应的融合次数加一;若空间表中的当前识别目标的标识不存在于航迹表中,则出现新增标识,在航迹表中增加新的目标,同时对应的融合次数与中断次数置零;若航迹表中的历史融合对象的标识不存在于空间表中,则出现消亡标识,此时将对应的历史融合目标及对应的置信度特征值删除。
S260、将融合次数大于第一设定阈值的历史融合目标确定为初始高置信度目标。
其中,第一设定阈值为融合次数的判断阈值,可根据需要设定。
在本实施例中,若历史融合目标的融合次数小于等于第一设定阈值,则认定此目标置信度低,可以放弃该目标。而当融合次数大于第一设定阈值后,则认定此目标可靠性较高,可以进入下一步骤进行进一步的判定。
S270、获取初始高置信度目标中的跳变目标与非跳变目标。
其中,当航迹表与空间表中同时存在匹配标识对应的融合目标时,此时认定当前空间表中不存在跳变现象,相应的目标为非跳变目标;当航迹表中存在匹配标识对应的目标,而空间表中存在匹配标识对应的单传感器目标时,则认定此时发生了跳变现象,相应的目标为跳变目标。
举例说明,若航迹表中包括2个历史融合目标,对应的第一标识分别为(视觉2,雷达5)和(视觉4,雷达7),空间表中包括2个当前识别目标,对应的第二标识分别为(视觉2,雷达5)和视觉4,则第一标识与第二标识中的(视觉2,雷达5)可以匹配,第一标识中的(视觉4,雷达7)与第二标识中的视觉4可以匹配,但空间表中标识(视觉2,雷达5)对应的目标为融合目标,标识视觉4对应的目标为单传感器目标,则前者为非跳变目标,后者为跳变目标。
S280、将非跳变目标确定为高置信度目标,并将中断次数小于第二设定阈值的跳变目标确定为高置信度目标。
在本实施例中,非跳变目标可以认为是历史融合目标在最新的当前帧传感器数据中依然可跟踪到并可以融合,故将其作为高置信度目标;跳变目标可以认为是历史融合目标在最新的当前帧传感器数据中可以跟踪到,但只有单传感器数据而并未融合,对于跳变目标需要根据相应的中断次数进行进一步判定。
可选的,将中断次数小于第二设定阈值的跳变目标确定为高置信度目标的方式可以是:获取各跳变目标对应的中断次数;将中断次数小于第二设定阈值的跳变目标确定为高置信度目标,并将对应的中断次数加一作为新的中断次数。
具体的,第二设定阈值可以是中断次数的判定阈值,可根据需要设定。当中断次数大于等于第二设定阈值时,说明对应的目标已经未融合一段时间,可靠性差,此时可以将该目标删除。而当中断次数小于第二设定阈值时,说明对应的目标发生跳变不久,应重新进行目标融合,同时需要对该目标对应的中断次数加一,减弱该目标的置信程度。
图5是本发明实施例提供的一种高置信度目标的确定过程示意图,如图所示,对于航迹表中的各历史融合目标,首先根据融合次数进行初步判定,确定融合次数大于第一设定阈值的初始高置信度目标,然后对其中的跳变目标根据中断次数进行判定,若中断次数过高则删除该目标及对应的置信度特征值,若中断次数小于第二设定阈值则可以保留并重新进行目标融合。
S290、将高置信度目标作为目标融合结果。
其中,高置信度目标包括上述步骤中的非跳变目标与中断次数小于第二设定阈值的跳变目标。
在本实施例中,通过利用置信度特征值对航迹表中的历史融合目标进行判定,可以获取其中的高置信度目标,这些目标可以认为是可靠性较高的目标,即可作为目标融合结果。进一步地,目标融合结果可以经过滤波等步骤之后输出。
本发明实施例首先获取历史融合目标对应的航迹表与当前识别目标对应的空间表,然后获取各历史融合目标的第一标识与当前识别目标的第二标识,再将第二标识与第一标识进行一一比对,确定其中互相匹配的匹配标识,再将第一标识中不属于匹配标识的第一标识确定为消亡标识,将第二标识中不属于匹配标识的第二标识确定为新增标识,再确定各历史融合目标对应的置信度特征值,再将融合次数大于第一设定阈值的历史融合目标确定为初始高置信度目标,再获取初始高置信度目标中的跳变目标与非跳变目标,再将非跳变目标确定为高置信度目标,并将中断次数小于第二设定阈值的跳变目标确定为高置信度目标,最后将高置信度目标作为目标融合结果。本发明实施例提供的目标融合方法,将航迹表引入目标融合策略中,通过维护融合次数与中断次数字段,对目标的置信度进行判定,保留置信度高的目标作为目标融合结果,有效地减低了目标误融合的概率,并解决了目标跳变的问题。
实施例三
图6为本发明实施例三提供的一种目标融合装置的结构示意图。如图6所示,该装置包括:航迹表与空间表获取模块310,置信度特征值确定模块320和目标融合结果确定模块330。
航迹表与空间表获取模块310,用于获取历史融合目标对应的航迹表与当前识别目标对应的空间表。
置信度特征值确定模块320,用于对空间表与航迹表进行比对,确定各历史融合目标对应的置信度特征值,置信度特征值包括融合次数与中断次数。
可选的,置信度特征值确定模块320还用于:
获取各历史融合目标的第一标识与当前识别目标的第二标识;将第二标识与第一标识进行一一比对,确定其中互相匹配的匹配标识;将第一标识中不属于匹配标识的第一标识确定为消亡标识,将第二标识中不属于匹配标识的第二标识确定为新增标识。
可选的,置信度特征值确定模块320还用于:
将匹配标识对应的历史融合目标的融合次数加一;将消亡标识对应的历史融合目标及对应的置信度特征值删除;将新增标识对应的目标作为新的历史融合目标添加至航迹表中,并将对应的融合次数与中断次数置零。
目标融合结果确定模块330,用于根据置信度特征值确定历史融合目标中的高置信度目标,将高置信度目标作为目标融合结果。
可选的,目标融合结果确定模块330还用于:
将融合次数大于第一设定阈值的历史融合目标确定为初始高置信度目标;获取初始高置信度目标中的跳变目标与非跳变目标;将非跳变目标确定为高置信度目标,并将中断次数小于第二设定阈值的跳变目标确定为高置信度目标。
可选的,目标融合结果确定模块330还用于:
获取各跳变目标对应的中断次数;将中断次数小于第二设定阈值的跳变目标确定为高置信度目标,并将对应的中断次数加一作为新的中断次数。
可选的,目标融合装置还包括滤波模块340,用于对目标融合结果进行滤波处理。
可选的,滤波模块340还用于:
确定目标融合结果中各目标的类型,类型包括融合目标、第一传感器目标、第二传感器目标和跳变目标;根据类型确定目标融合结果中各目标的滤波系数,并根据滤波系数进行滤波处理。
本发明实施例所提供的目标融合装置可执行本发明任意实施例所提供的目标融合方法,具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四提供的一种车辆的结构示意图,如图7所示,该车辆包括控制器41、存储装置42、输入装置43和输出装置44;车辆中控制器41的数量可以是一个或多个,图7中以一个控制器41为例;车辆中的控制器41、存储装置42、输入装置43和输出装置44可以通过总线或其他方式连接,图7中以通过总线连接为例。
存储装置42作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的目标融合方法对应的程序指令/模块(例如,航迹表与空间表获取模块310,置信度特征值确定模块320和目标融合结果确定模块330)。控制器41通过运行存储在存储装置42中的软件程序、指令以及模块,从而执行车辆的各种功能应用以及数据处理,即实现上述的目标融合方法。
存储装置42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置42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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置42可进一步包括相对于控制器41远程设置的存储器,这些远程存储器可以通过网络连接至车辆。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置43可用于接收输入的数字或字符信息,以及产生与车辆的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种目标融合方法,该方法包括:
获取历史融合目标对应的航迹表与当前识别目标对应的空间表;对空间表与航迹表进行比对,确定各历史融合目标对应的置信度特征值,置信度特征值包括融合次数与中断次数;根据置信度特征值确定历史融合目标中的高置信度目标,将高置信度目标作为目标融合结果。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的目标融合方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
Claims (10)
1.一种目标融合方法,其特征在于,包括:
获取历史融合目标对应的航迹表与当前识别目标对应的空间表;
对所述空间表与航迹表进行比对,确定各所述历史融合目标对应的置信度特征值,所述置信度特征值包括融合次数与中断次数;
根据所述置信度特征值确定所述历史融合目标中的高置信度目标,将所述高置信度目标作为目标融合结果。
2.根据权利要求1所述的方法,其特征在于,对所述空间表与航迹表进行比对,包括:
获取各所述历史融合目标的第一标识与当前识别目标的第二标识;
将所述第二标识与第一标识进行一一比对,确定其中互相匹配的匹配标识;
将所述第一标识中不属于所述匹配标识的第一标识确定为消亡标识,将所述第二标识中不属于所述匹配标识的第二标识确定为新增标识。
3.根据权利要求2所述的方法,其特征在于,确定各所述历史融合目标对应的置信度特征值,包括:
将所述匹配标识对应的历史融合目标的融合次数加一;
将所述消亡标识对应的历史融合目标及对应的置信度特征值删除;
将所述新增标识对应的目标作为新的历史融合目标添加至所述航迹表中,并将对应的融合次数与中断次数置零。
4.根据权利要求1所述的方法,其特征在于,根据所述置信度特征值确定所述历史融合目标中的高置信度目标,包括:
将所述融合次数大于第一设定阈值的历史融合目标确定为初始高置信度目标;
获取所述初始高置信度目标中的跳变目标与非跳变目标;
将所述非跳变目标确定为所述高置信度目标,并将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标。
5.根据权利要求4所述的方法,其特征在于,将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标,包括:
获取各所述跳变目标对应的中断次数;
将所述中断次数小于第二设定阈值的跳变目标确定为所述高置信度目标,并将对应的中断次数加一作为新的中断次数。
6.根据权利要求1所述的方法,其特征在于,将所述高置信度目标作为目标融合结果之后,还包括:
对所述目标融合结果进行滤波处理。
7.根据权利要求6所述的方法,其特征在于,对所述目标融合结果进行滤波处理,包括:
确定所述目标融合结果中各目标的类型,所述类型包括融合目标、第一传感器目标、第二传感器目标和跳变目标;
根据所述类型确定所述目标融合结果中各目标的滤波系数,并根据所述滤波系数进行滤波处理。
8.一种目标融合装置,其特征在于,包括:
航迹表与空间表获取模块,用于获取历史融合目标对应的航迹表与当前识别目标对应的空间表;
置信度特征值确定模块,用于对所述空间表与航迹表进行比对,确定各所述历史融合目标对应的置信度特征值,所述置信度特征值包括融合次数与中断次数;
目标融合结果确定模块,用于根据所述置信度特征值确定所述历史融合目标中的高置信度目标,将所述高置信度目标作为目标融合结果。
9.一种车辆,其特征在于,所述车辆包括:
一个或多个控制器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个控制器执行,使得所述一个或多个控制器实现如权利要求1-7中任一项所述的目标融合方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的目标融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210609062.7A CN115014366A (zh) | 2022-05-31 | 2022-05-31 | 一种目标融合方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210609062.7A CN115014366A (zh) | 2022-05-31 | 2022-05-31 | 一种目标融合方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115014366A true CN115014366A (zh) | 2022-09-06 |
Family
ID=83070364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210609062.7A Pending CN115014366A (zh) | 2022-05-31 | 2022-05-31 | 一种目标融合方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115014366A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226786A (zh) * | 2023-03-22 | 2023-06-06 | 中国人民解放军军事科学院系统工程研究院 | 一种用于信息系统数据融合的数据处理方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194332A (zh) * | 2011-03-24 | 2011-09-21 | 中国船舶重工集团公司第七○九研究所 | 一种自适应航迹数据相关方法 |
KR101454153B1 (ko) * | 2013-09-30 | 2014-11-03 | 국민대학교산학협력단 | 가상차선과 센서 융합을 통한 무인 자율주행 자동차의 항법시스템 |
CN106529719A (zh) * | 2016-11-08 | 2017-03-22 | 中国地质大学(武汉) | 基于粒子群优化算法风速融合的风电功率预测的方法 |
CN109677341A (zh) * | 2018-12-21 | 2019-04-26 | 深圳市元征科技股份有限公司 | 一种车辆信息融合决策方法及装置 |
CN111680728A (zh) * | 2020-05-29 | 2020-09-18 | 航科院中宇(北京)新技术发展有限公司 | 一种基于多源异构航迹数据的数据置信融合方法及系统 |
CN112036422A (zh) * | 2019-06-04 | 2020-12-04 | 广州汽车集团股份有限公司 | 一种基于多传感器信息融合的航迹管理方法、系统及计算机可读介质 |
CN112084914A (zh) * | 2020-08-31 | 2020-12-15 | 的卢技术有限公司 | 一种融合空间运动和表观特征学习的多目标跟踪方法 |
CN112528763A (zh) * | 2020-11-24 | 2021-03-19 | 浙江大华汽车技术有限公司 | 一种目标检测方法、电子设备和计算机存储介质 |
CN113961627A (zh) * | 2021-10-29 | 2022-01-21 | 重庆长安汽车股份有限公司 | 一种基于高保真传感器仿真的数据融合的评测方法及系统 |
CN114415173A (zh) * | 2022-01-17 | 2022-04-29 | 同济大学 | 一种高鲁棒性雷视融合的透雾目标识别方法 |
-
2022
- 2022-05-31 CN CN202210609062.7A patent/CN115014366A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194332A (zh) * | 2011-03-24 | 2011-09-21 | 中国船舶重工集团公司第七○九研究所 | 一种自适应航迹数据相关方法 |
KR101454153B1 (ko) * | 2013-09-30 | 2014-11-03 | 국민대학교산학협력단 | 가상차선과 센서 융합을 통한 무인 자율주행 자동차의 항법시스템 |
CN106529719A (zh) * | 2016-11-08 | 2017-03-22 | 中国地质大学(武汉) | 基于粒子群优化算法风速融合的风电功率预测的方法 |
CN109677341A (zh) * | 2018-12-21 | 2019-04-26 | 深圳市元征科技股份有限公司 | 一种车辆信息融合决策方法及装置 |
CN112036422A (zh) * | 2019-06-04 | 2020-12-04 | 广州汽车集团股份有限公司 | 一种基于多传感器信息融合的航迹管理方法、系统及计算机可读介质 |
CN111680728A (zh) * | 2020-05-29 | 2020-09-18 | 航科院中宇(北京)新技术发展有限公司 | 一种基于多源异构航迹数据的数据置信融合方法及系统 |
CN112084914A (zh) * | 2020-08-31 | 2020-12-15 | 的卢技术有限公司 | 一种融合空间运动和表观特征学习的多目标跟踪方法 |
CN112528763A (zh) * | 2020-11-24 | 2021-03-19 | 浙江大华汽车技术有限公司 | 一种目标检测方法、电子设备和计算机存储介质 |
CN113961627A (zh) * | 2021-10-29 | 2022-01-21 | 重庆长安汽车股份有限公司 | 一种基于高保真传感器仿真的数据融合的评测方法及系统 |
CN114415173A (zh) * | 2022-01-17 | 2022-04-29 | 同济大学 | 一种高鲁棒性雷视融合的透雾目标识别方法 |
Non-Patent Citations (1)
Title |
---|
刘慧霞;王增福;梁彦;潘泉;: "自适应天波超视距雷达航迹融合算法仿真研究", 火力与指挥控制, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226786A (zh) * | 2023-03-22 | 2023-06-06 | 中国人民解放军军事科学院系统工程研究院 | 一种用于信息系统数据融合的数据处理方法及装置 |
CN116226786B (zh) * | 2023-03-22 | 2023-08-22 | 中国人民解放军军事科学院系统工程研究院 | 一种用于信息系统数据融合的数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709975B (zh) | 多目标跟踪方法、装置、电子设备及存储介质 | |
CN109212532B (zh) | 用于检测障碍物的方法和装置 | |
CN110749901B (zh) | 自主移动机器人及其地图拼接方法、装置和可读存储介质 | |
CN113093178A (zh) | 一种障碍物目标检测方法、装置、域控制器及车辆 | |
CN110900602A (zh) | 一种定位恢复方法、装置、机器人及存储介质 | |
CN112257542B (zh) | 障碍物感知方法、存储介质及电子设备 | |
CN108062763A (zh) | 目标跟踪方法及装置、存储介质 | |
CN111292352A (zh) | 多目标跟踪方法、装置、设备及存储介质 | |
CN110866544A (zh) | 传感器数据的融合方法、装置及存储介质 | |
CN107843252A (zh) | 导航路径优化方法、装置及电子设备 | |
CN114842445A (zh) | 基于多途径融合的目标检测方法、装置、设备及介质 | |
CN115014366A (zh) | 一种目标融合方法、装置、车辆及存储介质 | |
CN111784730A (zh) | 一种对象跟踪方法、装置、电子设备及存储介质 | |
CN116430375A (zh) | 一种多传感器融合的多目标跟踪方法及对应的系统 | |
CN112097772B (zh) | 机器人及其地图构建方法和装置 | |
EP3859595A1 (en) | Target tracking method and device | |
CN112561956B (zh) | 视频目标跟踪方法、装置、电子设备及存储介质 | |
CN115575942A (zh) | 激光雷达数据和毫米波雷达数据的融合方法及融合系统 | |
CN110969058B (zh) | 用于环境目标的融合方法及装置 | |
CN114488065A (zh) | 一种航迹数据处理方法、装置、车辆和介质 | |
CN114037967A (zh) | 多源车道线的融合方法、装置、车辆及存储介质 | |
CN114536326A (zh) | 一种路标数据处理方法、装置及存储介质 | |
CN115617025A (zh) | 路径规划方法、装置、设备及计算机可读存储介质 | |
CN113971687A (zh) | 对象跟踪方法、装置电子设备及存储介质 | |
CN113536057B (zh) | 一种航迹管理方法、装置、计算机设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |