CN116625384B - 一种数据关联方法、装置及电子设备 - Google Patents
一种数据关联方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116625384B CN116625384B CN202310896662.0A CN202310896662A CN116625384B CN 116625384 B CN116625384 B CN 116625384B CN 202310896662 A CN202310896662 A CN 202310896662A CN 116625384 B CN116625384 B CN 116625384B
- Authority
- CN
- China
- Prior art keywords
- target
- observation
- identification
- similarity
- observation target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000009467 reduction Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 20
- 230000000875 corresponding effect Effects 0.000 description 74
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本申请公开了一种数据关联方法、装置及电子设备。所述方法包括:获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到标识匹配结果,并根据所述标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。本申请的技术方案能够降低数据关联的计算量,提高数据关联过程的计算效率。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种数据关联方法、装置及电子设备。
背景技术
自动驾驶系统的感知融合模块可以实现对运动目标的跟踪。在目标跟踪场景中,目标航迹与观测数据之间的关联问题,直接影响了目标跟踪结果的准确性。
现有技术在进行数据关联时,是直接将所有观测数据与各个目标航迹中的所有历史目标进行相似度计算,并据此确定目标航迹和观测数据之间的关联关系。
但是,在多传感器多目标跟踪场景中,在通过上述方法计算目标航迹与观测数据之间的相似度时,随着目标航迹或观测数据的数据量增加,计算量将呈指数增长,极大的影响目标跟踪结果的处理效率,在以此为依据实现自动驾驶时,也可能由于目标跟踪不及时而存在较大的安全风险。
发明内容
本申请实施例提供了一种数据关联方法、装置及电子设备,用以实现观测目标与目标航迹之间的关联,提高数据关联过程的计算效率,降低由此导致的安全风险。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种数据关联方法,所述方法包括:
获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;
对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。
第二方面,本申请实施例还提供一种数据关联装置,所述装置包括:
数据获取单元,用于获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
首次关联单元,用于对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
标识匹配单元,用于根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;
再次关联单元,用于对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。
第三方面,本申请实施例还提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行数据关联方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行数据关联方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例将观测目标与目标航迹之间的数据关联计算拆分为两个过程,先对不同传感器类别的观测数据进行首次关联计算,基于首次关联结果设置每个观测目标对应的标识维度,然后基于标识维度进行观测目标与目标航迹之间的标识匹配,得到第一标识匹配结果,以基于第一标识匹配结果对观测目标进行筛选,筛选出需要再次数据关联的观测集合,如此可以显著减少观测数据与目标航迹之间的数据关联计算,提高数据关联过程的计算效率,降低由此导致的安全风险。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种数据关联方法的流程示意图;
图2为本申请实施例中一种第一关联门与第二关联门的对应关系示意图;
图3为本申请实施例中一种基于三类观测数据进行的数据关联流程示意图;
图4为本申请实施例中一种自动驾驶车辆的融合定位装置的结构示意图;
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请实施例所提供的数据关联方法,可以用于任意目标航迹和观测数据之间的关联场景,其中目标航迹是指数据关联的主体目标,观测数据也可以称为量测数据,是指对目标进行量测得到的量测值。
本申请实施例可以应用于多传感器多目标跟踪场景,例如,在车辆行驶过程中(包括无人驾驶或人工驾驶),对车辆附近的多个目标进行跟踪,以供据此车辆行驶策略时参考使用;或者,在无人机行驶过程中,对无人机附近的多个目标进行跟踪的场景;或者,在机器人视觉导航中进行多目标跟踪,以计算各目标的运动轨迹;或者,在交通监控场景中,可以将车辆作为跟踪目标,基于对多个车辆的跟踪,识别车流或控制道路车流量等,如此等等不作穷举。
在多传感器多目标跟踪场景中,目标航迹可以具体为被跟踪的物体对象(或目标)的运动轨迹。例如,可以将各个交通参与者作为跟踪的物体对象,如车辆、行人、障碍物、其他移动目标等。
本申请实施例中的观测数据与传感器相关,在多传感器多目标跟踪场景中,传感器可以包括但不限于:雷达(Radar)、激光雷达(Lidar)、毫米波雷达、视觉传感器(Vision)、速度传感器、全球定位系统 (Global Positioning System,GPS)、磁传感器、激光传感器、超声波传感器、或摄像装置(例如,路侧相机或车载摄像头)中的多种。由此,观测数据可以包括但不限于:基于激光雷达获得的距离(目标与自身之间的距离)、位置(目标的坐标)等;基于摄像装置获得的目标图像、距离、位置等;基于磁传感器获得的磁场强度、目标位置等;基于GPS获得的自身坐标等等。
示例性的,以路侧目标跟踪场景为例,假设在路侧目标跟踪场景中,车辆A和车辆B在道路上行驶,此外,道路旁还有行人C。在该场景中,以该区域的路侧设备为提供数据关联方法的执行主体为例进行说明,则车辆A、车辆B和行人C为路侧设备进行多目标跟踪的物体对象。
具体的,路侧设备可以通过路侧杆上的相机、激光雷达、毫米波雷达等多个传感器采集车辆A、车辆B和行人C的相关数据,根据接收到的该多个传感器的相关数据获得与每种传感器对应的观测数据。本申请实施例对观测数据和目标航迹的获取过程不予展开讨论,本领域技术人员可以参考现有技术。
路侧设备需要将所有观测目标分别与车辆A的航迹、车辆B的航迹和行人C的航迹进行关联,如此,路侧设备可以根据关联后的数据更新车辆A的航迹、车辆B的航迹和行人C的航迹,实现了对车辆A、车辆B和行人C的多目标跟踪。
为便于说明,本申请下述实施例以路侧设备作为图1所示的数据关联方法的执行主体进行示例说明。可以理解的是,本申请实施例的执行主体也可以为其他设备或系统,例如为辅助驾驶系统、自动驾驶系统或芯片系统,芯片系统包含至少一个处理器,以及通信接口或者存储器,其中,该存储器用于存储程序或指令,该通信接口用于为处理器提供信息或数据的输入输出功能。或者,本申请实施例的数据关联方法的执行主体也可以是软件或硬件,不同的执行步骤可以集中式也可以是分布式。
如图1所示,本申请实施例提供的一种数据关联方法至少包括如下的步骤S110至步骤S140:
步骤S110,获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标。
本申请实施例在进行数据关联时,需要先获取多类观测数据,多类观测数据是基于不同类别的传感器的感知数据得到,在路侧场景中,传感器包括但不限于相机、激光雷达、毫米波雷达等传感器中的多个。
其中多类观测数据包括至少两类观测数据,多类观测数据在时间与空间上对齐。例如该多类观测数据可以包括由同一路侧杆上的不同传感器在同一时刻对目标环境进行感知的至少两帧观测数据,每一帧观测数据可以看作是传感器对目标环境中的所有物体对象的一次“快照”,即每一帧观测数据中可以包括一个或多个观测目标,每个观测目标为被跟踪的对象物体(或被“快照”的对象物体)。
步骤S120,对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度。
各类观测数据中往往包括同一物体对象的不同传感器类别的观测目标,采用相关数据关联算法能够从所有观测目标中确定出属于同一物体对象的不同传感器类别的观测目标。当然受到数据关联算法的性能、观测目标的检测精度和传感器感知精度等因素的影响,某类/某几类观测数据中的部分观测目标可能不存在与其关联的其他观测目标。
如此,本申请实施例对上述两类观测目标设置不同的标识维度,即对存在关联关系的观测目标进行标识维度扩展,如此可以通过扩展后的多维度标识提高观测目标与目标航迹之间的标识匹配概率,进而减少再次关联计算的观测目标的数量;而对于不存在关联关系的观测目标可以设置单维度标识,基于单维度标识与目标航迹进行标识匹配。
步骤S130,根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合。
本申请实施例中的每个观测目标都包括自身的目标标识,通过首次关联结果可以确定出任一个观测目标是否存在关联观测目标,假设第一观测目标存在一个或多个关联观测目标,则可以根据关联观测目标的目标标识来扩展该第一观测目标的标识维度,使得该第一观测目标具有两个以上的目标标识,这样在进行标识匹配时,可以提高第一观测目标与目标航迹之间的标识匹配概率,降低该第一观测目标执行再次数据关联计算的概率。
其中,可以将观测目标的通用唯一识别码(Universally Unique Identifier,UUID)作为该观测目标自身的目标标识,本申请实施例不限定UUID的具体形式,本领域技术人员在计算观测数据时可以按需设置。
步骤S140,对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。
如图1所示的数据关联方法可知,与现有技术不同的是,本申请实施例将观测目标与目标航迹之间的数据关联计算拆分为两个过程,先对不同传感器类别的观测数据进行首次关联计算,基于首次关联结果设置每个观测目标对应的标识维度,然后基于标识维度进行观测目标与目标航迹之间的标识匹配,得到第一标识匹配结果,以基于第一标识匹配结果对观测目标进行筛选,筛选出需要再次数据关联的观测集合,如此可以显著减少观测数据与目标航迹之间的数据关联计算,提高数据关联过程的计算效率,降低由此导致的安全风险。
在本申请的一些实施例中,对所述多类观测数据进行首次数据关联,得到首次关联结果,包括:
将所述多类观测数据中的其中一类观测数据的每个观测目标与其他类观测数据的每个观测目标进行目标相似度计算,得到不同观测目标之间的第一相似度;
根据事先设置的第一关联门和不同观测目标之间的第一相似度,得到所述首次关联结果。
本实施例可以基于预设的目标相似度度量方法计算其中一类观测数据的每个观测目标与其他类观测数据的每个观测目标之间的第一相似度,预设的目标相似度度量方法包括:欧式距离、余弦相似度、皮尔逊相关系数、修正余弦相似度、汉明距离、曼哈顿距离等。
在本实施例的一些可能实现方案中,根据事先设置的第一关联门和不同观测目标之间的第一相似度,得到所述首次关联结果,包括:
确定是否有处于所述第一关联门内的第一相似度;
若有处于所述第一关联门内的第一相似度,则确定处于所述第一关联门内的最小第一相似度对应的不同观测目标相互关联;
若没有处于所述第一关联门内的第一相似度,则确定所有观测目标相互不关联。
如此可以得到首次关联结果,在一些可选实施例中,可以根据首次关联结果形成目标标识对应关系表,通过目标标识对应关系表记录所有观测目标中存在关联关系的目标标识。
在本申请的一些实施例中,根据所述首次关联结果获得每个观测目标对应的标识维度,包括:
根据所述首次关联结果获取每个观测目标是否存在关联观测目标;
若每个观测目标存在关联观测目标,则确定该观测目标对应的标识维度为多维度;
若每个观测目标不存在关联观测目标,则确定该观测目标对应的标识维度为单维度。
本申请实施例中的首次关联结果指示每个观测目标是否存在关联观测目标,假设在首次数据关联中,计算出相机观测数据中的第一观测目标与激光雷达观测数据中的第三观测目标相互关联,第一观测目标还与毫米波雷达观测数据中的第五观测目标相互关联,那么第一观测目标对应的关联观测目标包括第三观测目标和第五观测目标。如此可以确定出第一观测目标对应的标识维度为多维度(具体为三维度)。
基于上述实施例可知,本申请实施例中的每个观测目标对应的标识维度包括多维度和单维度,即按照标识维度对观测目标进行分类,可以得到具有单维度标识的第一类观测目标和具有多维度标识的第二类观测目标,假设第一观测目标为第一类观测目标,第二观测目标为第二类观测目标,则下面分别说明具有多维度标识的第一观测目标与目标航迹的标识匹配过程,以及具有单维度标识的第二观测目标与目标航迹的标识匹配过程。
1)第一观测目标与目标航迹的标识匹配过程:
首先,根据第一观测目标及其关联观测目标的目标标识得到第一观测目标每个维度的标识。
如前所述,第一观测目标的关联观测目标包括第三观测目标和第五观测目标,那么第一观测目标的包括三个维度标识,第一维度标识为第一观测目标自身的目标标识,第二维度标识和第三维度标识分别为第三观测目标和第五观测目标的目标标识。
其次,从所述目标航迹中获得与每个维度的标识具有相同传感器类别的历史标识。
如前所述,第一维度标识对应的传感器类别为相机传感器,则可以从目标航迹中获得相机传感器类别对应的历史目标的历史标识;类似的,第二维度标识对应的传感器类别为激光雷达传感器,则从可以目标航迹中获得激光雷达传感器类别对应的历史目标的历史标识;第三维度标识对应的传感器类别为毫米波雷达传感器,则从可以目标航迹中获得毫米波雷达传感器类别对应的历史目标的历史标识。
接着,将每个维度的标识和与该维度的标识具有相同传感器类别的历史标识进行标识匹配,得到每个维度的标识对应的第二标识匹配结果。
接上例,将第一维度标识和目标航迹中具有相机传感器类别的历史标识进行标识匹配,这里具有相机传感器类别的历史标识可以是每个目标航迹中的所有历史目标的历史标识,也可以是前N帧的历史目标的标识,N为大于3的正整数。
最后,根据每个维度的标识对应的第二标识匹配结果得到第一观测目标对应的第一标识匹配结果。
具体是,若每个维度的标识对应的第二标识匹配结果均为不存在与该维度的标识匹配的历史标识,则确定所述第一观测目标对应的第一标识匹配结果为第一观测目标与目标航迹关联失败;若有至少一个维度的标识对应的第二标识匹配结果为存在与该维度的标识匹配的历史标识,则确定所述第一观测目标对应的第一标识匹配结果为第一观测目标与目标航迹关联成功。
接上例,若第一观测目标的三个维度的标识与每个目标航迹的历史标识都匹配失败,那么第一观测目标与目标航迹关联失败,当第一观测目标与当前所有目标航迹都不关联时,此时第一观测目标需要进行再次数据关联。若第一观测目标的三个维度的标识中,有至少一个维度的标识与某个目标航迹的历史标识匹配成功,那么第一观测目标与该目标航迹关联成功,此时第一观测目标已完成与目标航迹的数据关联,不需要进行再次数据关联。
2)第二观测目标与目标航迹的标识匹配过程:
首先,根据第二观测目标的目标标识得到第二观测目标的单维度标识,并从所述目标航迹中获得与所述单维度标识具有相同传感器类别的历史标识。
然后,将所述单维度标识和与该单维度标识具有相同传感器类别的历史标识进行标识匹配,得到所述单维度标识对应的第三标识匹配结果。
这里与单维度标识具有相同传感器类别的历史标识可以是每个目标航迹中的所有历史目标的标识,也可以是前N帧的历史目标的标识,N为大于3的正整数。
最后,根据所述单维度标识对应的第三标识匹配结果得到第二观测目标对应的第一标识匹配结果。
具体是,若所述单维度标识对应的第三标识匹配结果为存在与该单维度标识匹配的历史标识,则确定所述第二观测目标对应的第一标识匹配结果为第二观测目标与目标航迹关联成功;否则,则确定所述第二观测目标对应的第一标识匹配结果为第二观测目标与目标航迹关联失败。
如此,根据上述实施例能够得到每个观测目标与目标航迹之间的第一标识匹配结果,之后,将与目标航迹关联成功的观测目标作为已完成数据关联的观测目标,将与目标航迹关联失败的观测目标作为需要再次数据关联的观测集合。
在本申请的一些实施例中,所述对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹,包括:
获取所述观测集合中每个观测目标与每个目标航迹之间的同类传感器目标相似度和异类传感器目标相似度;
获取所述观测目标对应的惩罚系数,并通过所述惩罚系数对所述同类传感器目标相似度进行相似度降低惩罚,得到惩罚后的同类传感器目标相似度;
根据惩罚后的同类传感器目标相似度和异类传感器目标相似度,得到所述观测集合中每个观测目标关联的目标航迹。
在本实施例的一些可能实现方案中,获取所述观测集合中每个观测目标与每个目标航迹之间的同类传感器目标相似度和异类传感器目标相似度,包括:
对所述观测集合中的每个观测目标与每个目标航迹中的所有传感器类别的历史目标进行目标相似度计算,得到所述观测集合中的每个观测目标与各类历史目标之间的第二相似度,所述第二相似度包括同类传感器目标第二相似度和异类传感器目标第二相似度;
获取事先设置的第二关联门,根据处于所述第二关联门内的第二相似度得到所述同类传感器目标相似度和异类传感器目标相似度。
在一些实施例中,可能一部分第二相似度处于第二关联门之外,对于这部分第二相似度对应的观测目标,可以确定这部分观测目标与当前的各个目标航迹都不关联,此时可以为每个观测目标创建新的目标航迹进行关联。
研究发现,现有技术在进行观测目标与目标航迹之间的目标相似度计算时,并没有对不同类别传感器目标进行区分,导致观测目标与目标航迹之间的同类传感器目标的“相似度距离”的先验小于异类传感器目标的“相似度距离”。以相机观测目标为例,在同等条件下,相机观测目标与目标航迹中的历史相机观测目标之间的距离要小于相机观测目标与目标航迹中的历史激光雷达(或毫米波雷达)观测目标之间的距离,这导致现有技术无法计算出相机观测目标与各个目标航迹之间的真实距离,由此可能造成观测目标与目标航迹之间的错误关联。
针对上述问题,本申请实施例对同类传感器相似度进行相似度降低惩罚,即增大观测目标与目标航迹之间的同类传感器目标的“相似度距离”,提升异类传感器目标之间的关联比率,保证第二关联门内同类传感器与异类传感器的平衡性,能够在一定程度上避免观测目标与目标航迹之间的错误关联。
需要说明的是,如图2所示,本申请实施例中的第二关联门的门限值应小于第一关联门的门限值,第一关联门和第二关联门可以根据经验设置,也可以根据统计实验设置。例如在路侧多传感器多目标跟踪场景中,第一关联门的门限值为2米,第二关联门的门限值为5米,当然第一关联门和第二关联门的门限值可调整。
以第一关联门为例,可以获取多类观测样本,通过观测样本的标签记录该观测样本中每个观测目标样本对应的物体对象,通过有限次试验获得能够使多类观测样本中属于同一物体对象的观测目标样本进行正确关联的门限值,例如将95%以上的观测目标样本进行正确关联的门限值为第一关联门的门限值,如此根据统计实验能够得到第一关联门。可以理解,对于第二关联门,只需按照第一关联门的统计实验构思进行处理即可,本申请实施例在此不再赘述。
在本实施例的另一些可能实现方案中,获取所述观测目标对应的惩罚系数,并通过所述惩罚系数对所述同类传感器目标相似度进行相似度降低惩罚,得到惩罚后的同类传感器目标相似度,包括:
根据所述观测目标对应的传感器类别,获得所述观测目标对应的惩罚系数,所述惩罚系数大于1;
通过将所述惩罚系数与所述同类传感器目标相似度相乘,得到惩罚后的同类传感器目标相似度。
在本实施例的另一些可能实现方案中,根据惩罚后的同类传感器目标相似度和异类传感器目标相似度,得到所述观测集合中每个观测目标关联的目标航迹,包括:
将所述惩罚后的同类传感器目标相似度和异类传感器目标相似度中的最小相似度作为所述观测集合中每个观测目标与每个目标航迹的第三相似度;
将最小第三相似度对应的目标航迹作为该观测目标关联的目标航迹。
下面结合图3所示的场景详细说明本申请实施例的数据关联过程。在图3所示的场景中,共包括相机、激光雷达和毫米波雷达三种传感器,那么在数据获取阶段可以获得时空同步的三类观测数据,分别为相机观测数据、毫米波观测数据和激光观测数据。将相机观测数据分别与毫米波观测数据和激光观测数据基于第一关联门的数据关联匹配,若与毫米波观测数据匹配成功,则该相机观测目标同时具有毫米波观测目标的UUID,同时,该毫米波观测目标也具有相机观测目标的UUID;同理,若与激光观测数据匹配成功,则该相机观测目标同时具有激光观测目标的UUID,同时,该激光观测目标也具有相机观测目标的UUID,如此实现观测目标的标识维度的扩展。相反的,若匹配失败,则相机观测目标、激光观测目标和毫米波观测目标的目标维度保持不变。
接下来分别将相机观测数据、毫米波观测数据和激光观测数与目标航迹进行UUID匹配。其中,标识维度拓展后的相机观测目标具有自身的UUID,还具有激光观测目标和/或毫米波观测目标的UUID,那么标识维度拓展后的相机观测目标可以将相机观测目标的UUID与目标航迹中历史相机观测目标的UUID进行标识匹配,若匹配失败,则将该相机观测目标的关联观测目标的UUID与目标航迹中历史毫米波观测目标和/或历史激光观测目标的UUID进行标识匹配,若仍然匹配失败,则确定该相机观测目标需要基于第二关联门进行再次数据关联。
最后,对每个观测目标计算其与每个目标航迹中的各类历史观测目标的目标相似度,以相机观测目标为例,需要计算该相机观测目标与每个目标航迹中的所有历史相机观测目标、所有历史毫米波观测目标和所有历史激光观测目标的第二相似度,其中相机观测目标与历史相机观测目标之间的第二相似度为同类传感器目标的第二相似度,相机观测目标与历史激光观测目标之间的第二相似度和相机观测目标与历史毫米波观测目标之间的第二相似度均为异类传感器目标的第二相似度。确定出位于第二关联门的同类传感器目标相似度和异类传感器目标相似度,对同类传感器目标相似度进行相似度降低惩罚,如此将惩罚后的同类传感器目标相似度和异类传感器目标相似度中的最小相似度作为相机观测目标与每个目标航迹的第三相似度,根据最优匹配原则得到该相机观测目标关联的目标航迹,最优匹配原则是指将最小第三相似度对应的目标航迹作为该相机观测目标关联的目标航迹。
假设:
相机观测数据在第一关联门内有个观测目标,在第二关联门内有/> 个观测目标;
激光观测数据在第一关联门内有个观测目标,在第二关联门内有/> 个观测目标;
毫米波观测数据在第一关联门内有个观测目标,在第二关联门内有/> 个观测目标;
那么现有技术中基于单一关联门的计算量为:
通过本申请实施例提供的数据关联方法的计算量为:
那么本申请实施例提供的数据关联方法相比于现有技术中基于单一关联门的计算方法,减少的计算量为:
当第一关联门和第二关联门内的观测目标的数量相同时,本申请实施例降低的计算量为50%。当第一关联门和第二关联门内的观测目标的数量均匀分布时,本申请实施例降低的计算量为32%。可见,本申请实施例的数据关联匹配方法能够显著降低计算量,进而提高目标关联过程的计算效率,降低由此导致的安全风险。
本申请实施例还提供了一种数据关联装置400,如图4所示,提供了本申请实施例中一种数据关联装置的结构示意图,所述装置400包括:
数据获取单元410,用于获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
首次关联单元420,用于对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
标识匹配单元430,用于根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;
再次关联单元440,用于对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。
在本申请的一些实施例中,首次关联单元420,用于将所述多类观测数据中的其中一类观测数据的每个观测目标与其他类观测数据的每个观测目标进行目标相似度计算,得到不同观测目标之间的第一相似度;根据事先设置的第一关联门和不同观测目标之间的第一相似度,得到所述首次关联结果。
在本申请的一些实施例中,首次关联单元420,具体用于根据所述首次关联结果获取每个观测目标是否存在关联观测目标;若每个观测目标存在关联观测目标,则确定该观测目标对应的标识维度为多维度;若每个观测目标不存在关联观测目标,则确定该观测目标对应的标识维度为单维度。
在本申请的一些实施例中,所述标识匹配单元430包括第一匹配模块和第二匹配模块;
第一匹配模块,用于当第一观测目标对应的标识维度为多维度时,根据第一观测目标及其关联观测目标的目标标识得到第一观测目标每个维度的标识,并从所述目标航迹中获得与每个维度的标识具有相同传感器类别的历史标识;将每个维度的标识和与该维度的标识具有相同传感器类别的历史标识进行标识匹配,得到每个维度的标识对应的第二标识匹配结果;根据每个维度的标识对应的第二标识匹配结果得到第一观测目标对应的第一标识匹配结果。
在本申请的一些实施例中第一匹配模块,具体用于若每个维度的标识对应的第二标识匹配结果均为不存在与该维度的标识匹配的历史标识,则确定所述第一观测目标对应的第一标识匹配结果为第一观测目标与目标航迹关联失败;若有至少一个维度的标识对应的第二标识匹配结果为存在与该维度的标识匹配的历史标识,则确定所述第一观测目标对应的第一标识匹配结果为第一观测目标与目标航迹关联成功。
在本申请的一些实施例中,第二匹配模块,用于当第二观测目标对应的标识维度为单维度时,根据第二观测目标的目标标识得到第二观测目标的单维度标识,并从所述目标航迹中获得与所述单维度标识具有相同传感器类别的历史标识;将所述单维度标识和与该单维度标识具有相同传感器类别的历史标识进行标识匹配,得到所述单维度标识对应的第三标识匹配结果;根据所述单维度标识对应的第三标识匹配结果得到第二观测目标对应的第一标识匹配结果。
在本申请的一些实施例中,第二匹配模块,具体用于若所述单维度标识对应的第三标识匹配结果为存在与该单维度标识匹配的历史标识,则确定所述第二观测目标对应的第一标识匹配结果为第二观测目标与目标航迹关联成功;否则,则确定所述第二观测目标对应的第一标识匹配结果为第二观测目标与目标航迹关联失败。
在本申请的一些实施例中,再次关联单元440,具体用于获取所述观测集合中每个观测目标与每个目标航迹之间的同类传感器目标相似度和异类传感器目标相似度;获取所述观测目标对应的惩罚系数,并通过所述惩罚系数对所述同类传感器目标相似度进行相似度降低惩罚,得到惩罚后的同类传感器目标相似度;根据惩罚后的同类传感器目标相似度和异类传感器目标相似度,得到所述观测集合中每个观测目标关联的目标航迹。
在本申请的一些实施例中,再次关联单元440,具体用于对所述观测集合中的每个观测目标与每个目标航迹中的所有传感器类别的历史目标进行目标相似度计算,得到所述观测集合中的每个观测目标与各类历史目标之间的第二相似度,所述第二相似度包括同类传感器目标第二相似度和异类传感器目标第二相似度;获取事先设置的第二关联门,根据处于所述第二关联门内的第二相似度得到所述同类传感器目标相似度和异类传感器目标相似度。
在本申请的一些实施例中,再次关联单元440,具体用于根据所述观测目标对应的传感器类别,获得所述观测目标对应的惩罚系数,所述惩罚系数大于1;通过将所述惩罚系数与所述同类传感器目标相似度相乘,得到惩罚后的同类传感器目标相似度。
在本申请的一些实施例中,再次关联单元440,具体用于将所述惩罚后的同类传感器目标相似度和异类传感器目标相似度中的最小相似度作为所述观测集合中每个观测目标与每个目标航迹的第三相似度;将最小第三相似度对应的目标航迹作为该观测目标关联的目标航迹。
能够理解,上述数据关联装置,能够实现前述实施例中提供的数据关联方法的各个步骤,关于数据关联方法的相关阐释均适用于数据关联装置,此处不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成数据关联装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;
对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。
上述如本申请图1所示实施例揭示的数据关联装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中数据关联装置执行的方法,并实现数据关联装置在图1所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中数据关联装置执行的方法,并具体用于执行:
获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;
对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种数据关联方法,其特征在于,所述方法包括:
获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合;
对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹;
所述对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹,包括:
获取所述观测集合中每个观测目标与每个目标航迹之间的同类传感器目标相似度和异类传感器目标相似度;
获取所述观测目标对应的惩罚系数,并通过所述惩罚系数对所述同类传感器目标相似度进行相似度降低惩罚,得到惩罚后的同类传感器目标相似度;
根据惩罚后的同类传感器目标相似度和异类传感器目标相似度,得到所述观测集合中每个观测目标关联的目标航迹。
2.如权利要求1所述的方法,其特征在于,所述对所述多类观测数据进行首次数据关联,得到首次关联结果,包括:
将所述多类观测数据中的其中一类观测数据的每个观测目标与其他类观测数据的每个观测目标进行目标相似度计算,得到不同观测目标之间的第一相似度;
根据事先设置的第一关联门和不同观测目标之间的第一相似度,得到所述首次关联结果。
3.如权利要求1所述的方法,其特征在于,所述根据所述首次关联结果获得每个观测目标对应的标识维度,包括:
根据所述首次关联结果获取每个观测目标是否存在关联观测目标;
若每个观测目标存在关联观测目标,则确定该观测目标对应的标识维度为多维度;
若每个观测目标不存在关联观测目标,则确定该观测目标对应的标识维度为单维度。
4.如权利要求3所述的方法,其特征在于,当第一观测目标对应的标识维度为多维度时,所述根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,包括:
根据第一观测目标及其关联观测目标的目标标识得到第一观测目标每个维度的标识,并从所述目标航迹中获得与每个维度的标识具有相同传感器类别的历史标识;
将每个维度的标识和与该维度的标识具有相同传感器类别的历史标识进行标识匹配,得到每个维度的标识对应的第二标识匹配结果;
根据每个维度的标识对应的第二标识匹配结果得到第一观测目标对应的第一标识匹配结果。
5.如权利要求4所述的方法,其特征在于,所述根据每个维度的标识对应的第二标识匹配结果得到第一观测目标对应的第一标识匹配结果,包括:
若每个维度的标识对应的第二标识匹配结果均为不存在与该维度的标识匹配的历史标识,则确定所述第一观测目标对应的第一标识匹配结果为第一观测目标与目标航迹关联失败;
若有至少一个维度的标识对应的第二标识匹配结果为存在与该维度的标识匹配的历史标识,则确定所述第一观测目标对应的第一标识匹配结果为第一观测目标与目标航迹关联成功。
6.如权利要求3所述的方法,其特征在于,当第二观测目标对应的标识维度为单维度时,所述根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,包括:
根据第二观测目标的目标标识得到第二观测目标的单维度标识,并从所述目标航迹中获得与所述单维度标识具有相同传感器类别的历史标识;
将所述单维度标识和与该单维度标识具有相同传感器类别的历史标识进行标识匹配,得到所述单维度标识对应的第三标识匹配结果;
根据所述单维度标识对应的第三标识匹配结果得到第二观测目标对应的第一标识匹配结果。
7.如权利要求6所述的方法,其特征在于,所述根据所述单维度标识对应的第三标识匹配结果得到第二观测目标对应的第一标识匹配结果,包括:
若所述单维度标识对应的第三标识匹配结果为存在与该单维度标识匹配的历史标识,则确定所述第二观测目标对应的第一标识匹配结果为第二观测目标与目标航迹关联成功;
否则,则确定所述第二观测目标对应的第一标识匹配结果为第二观测目标与目标航迹关联失败。
8.如权利要求1所述的方法,其特征在于,所述获取所述观测集合中每个观测目标与每个目标航迹之间的同类传感器目标相似度和异类传感器目标相似度,包括:
对所述观测集合中的每个观测目标与每个目标航迹中的所有传感器类别的历史目标进行目标相似度计算,得到所述观测集合中的每个观测目标与各类历史目标之间的第二相似度,所述第二相似度包括同类传感器目标第二相似度和异类传感器目标第二相似度;
获取事先设置的第二关联门,根据处于所述第二关联门内的第二相似度得到所述同类传感器目标相似度和异类传感器目标相似度。
9.如权利要求1所述的方法,其特征在于,所述获取所述观测目标对应的惩罚系数,并通过所述惩罚系数对所述同类传感器目标相似度进行相似度降低惩罚,得到惩罚后的同类传感器目标相似度,包括:
根据所述观测目标对应的传感器类别,获得所述观测目标对应的惩罚系数,所述惩罚系数大于1;
通过将所述惩罚系数与所述同类传感器目标相似度相乘,得到惩罚后的同类传感器目标相似度。
10.如权利要求1所述的方法,其特征在于,所述根据惩罚后的同类传感器目标相似度和异类传感器目标相似度,得到所述观测集合中每个观测目标关联的目标航迹,包括:
将所述惩罚后的同类传感器目标相似度和异类传感器目标相似度中的最小相似度作为所述观测集合中每个观测目标与每个目标航迹的第三相似度;
将最小第三相似度对应的目标航迹作为该观测目标关联的目标航迹。
11.一种数据关联装置,其特征在于,所述装置包括:
数据获取单元,用于获取由不同类别传感器感知的多类观测数据,每类观测数据包括一个以上的观测目标;
首次关联单元,用于对所述多类观测数据进行首次数据关联,得到首次关联结果,并根据所述首次关联结果获得每个观测目标对应的标识维度;
标识匹配单元,用于根据每个观测目标对应的标识维度对每个观测目标与目标航迹进行标识匹配,得到第一标识匹配结果,并根据所述第一标识匹配结果得到已完成数据关联的观测目标和需要再次数据关联的观测集合,具体是将与目标航迹关联成功的观测目标作为已完成数据关联的观测目标,将与目标航迹关联失败的观测目标作为需要再次数据关联的观测集合;
再次关联单元,用于对所述观测集合中的每个观测目标与目标航迹进行再次数据关联,得到所述观测集合中每个观测目标关联的目标航迹;具体用于获取所述观测集合中每个观测目标与每个目标航迹之间的同类传感器目标相似度和异类传感器目标相似度;获取所述观测目标对应的惩罚系数,并通过所述惩罚系数对所述同类传感器目标相似度进行相似度降低惩罚,得到惩罚后的同类传感器目标相似度;根据惩罚后的同类传感器目标相似度和异类传感器目标相似度,得到所述观测集合中每个观测目标关联的目标航迹。
12.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如所述权利要求1~10任一所述数据关联方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896662.0A CN116625384B (zh) | 2023-07-21 | 2023-07-21 | 一种数据关联方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896662.0A CN116625384B (zh) | 2023-07-21 | 2023-07-21 | 一种数据关联方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116625384A CN116625384A (zh) | 2023-08-22 |
CN116625384B true CN116625384B (zh) | 2023-11-10 |
Family
ID=87613757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310896662.0A Active CN116625384B (zh) | 2023-07-21 | 2023-07-21 | 一种数据关联方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116625384B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
CN111351491A (zh) * | 2018-12-24 | 2020-06-30 | 长城汽车股份有限公司 | 目标数据融合方法及系统 |
CN113269811A (zh) * | 2021-07-20 | 2021-08-17 | 苏州挚途科技有限公司 | 数据融合方法、装置及电子设备 |
CN114781512A (zh) * | 2022-04-21 | 2022-07-22 | 中国人民解放军32802部队 | 基于多源异构数据融合的电磁目标航迹拟合方法 |
CN115220002A (zh) * | 2022-06-02 | 2022-10-21 | 深圳大学 | 一种固定单站的多目标数据关联跟踪方法和相关装置 |
CN115494494A (zh) * | 2022-08-19 | 2022-12-20 | 重庆长安汽车股份有限公司 | 多传感器目标融合方法、装置、电子设备及存储介质 |
CN115585816A (zh) * | 2022-11-23 | 2023-01-10 | 北京百度网讯科技有限公司 | 车道级地图匹配方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2677277B1 (en) * | 2012-06-22 | 2015-06-10 | GE Energy Power Conversion Technology Limited | Data fusion architecture |
-
2023
- 2023-07-21 CN CN202310896662.0A patent/CN116625384B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
CN111351491A (zh) * | 2018-12-24 | 2020-06-30 | 长城汽车股份有限公司 | 目标数据融合方法及系统 |
CN113269811A (zh) * | 2021-07-20 | 2021-08-17 | 苏州挚途科技有限公司 | 数据融合方法、装置及电子设备 |
CN114781512A (zh) * | 2022-04-21 | 2022-07-22 | 中国人民解放军32802部队 | 基于多源异构数据融合的电磁目标航迹拟合方法 |
CN115220002A (zh) * | 2022-06-02 | 2022-10-21 | 深圳大学 | 一种固定单站的多目标数据关联跟踪方法和相关装置 |
CN115494494A (zh) * | 2022-08-19 | 2022-12-20 | 重庆长安汽车股份有限公司 | 多传感器目标融合方法、装置、电子设备及存储介质 |
CN115585816A (zh) * | 2022-11-23 | 2023-01-10 | 北京百度网讯科技有限公司 | 车道级地图匹配方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116625384A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10302754B1 (en) | Object recognition device | |
US11208100B2 (en) | Server device and vehicle | |
CN113791435B (zh) | Gnss信号异常值的检测方法、装置及电子设备、存储介质 | |
CN114705121B (zh) | 车辆位姿测量方法、装置及电子设备、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 | |
US10970870B2 (en) | Object detection apparatus | |
CN113450389B (zh) | 一种目标跟踪方法、装置及电子设备 | |
CN114966632A (zh) | 激光雷达标定方法、装置及电子设备、存储介质 | |
CN113450390B (zh) | 一种基于路侧摄像头的目标跟踪方法、装置及电子设备 | |
CN116625384B (zh) | 一种数据关联方法、装置及电子设备 | |
CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN116990776A (zh) | 激光雷达点云补偿方法、装置及电子设备、存储介质 | |
CN115792945B (zh) | 一种浮空障碍物检测方法、装置和电子设备、存储介质 | |
CN117197796A (zh) | 一种车辆遮挡识别方法及相关装置 | |
CN111605481A (zh) | 基于环视的拥堵跟车系统和终端 | |
CN110539748A (zh) | 基于环视的拥堵跟车系统和终端 | |
CN113804214B (zh) | 车辆定位方法、装置及电子设备、计算机可读存储介质 | |
CN116228820B (zh) | 一种障碍物检测方法、装置和电子设备、存储介质 | |
CN117079236A (zh) | 目标检测方法、装置及电子设备、存储介质 | |
CN116843888A (zh) | 目标定位方法、装置及电子设备 | |
CN117687015A (zh) | 目标关联方法、装置、计算机可读介质及终端设备 | |
CN115719375A (zh) | 目标融合方法、装置及电子设备、计算机可读存储介质 | |
CN116994179A (zh) | 一种目标跟踪方法、装置和电子设备 | |
CN116823931A (zh) | 车辆的初始航向角计算方法、装置及电子设备 | |
CN115270967A (zh) | 一种数据处理方法、设备和计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |