CN117609796A - 数据关联方法和装置 - Google Patents
数据关联方法和装置 Download PDFInfo
- Publication number
- CN117609796A CN117609796A CN202311501630.2A CN202311501630A CN117609796A CN 117609796 A CN117609796 A CN 117609796A CN 202311501630 A CN202311501630 A CN 202311501630A CN 117609796 A CN117609796 A CN 117609796A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- score
- measurement parameter
- coordinate system
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 166
- 230000033001 locomotion Effects 0.000 claims abstract description 122
- 238000012937 correction Methods 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000000875 corresponding effect Effects 0.000 description 66
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000008033 biological extinction Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种数据关联方法和装置,包括:获取至少一个第二车辆,第一时刻下在第一车辆采集的第一测量参数,预测的每个第二车辆在第一时刻下的运动参数的第一预测值和运动参数的测量值的第二预测值;根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,以及根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分,根据每个第二车辆对应的第一得分和所述第二得分,分别计算用于表征第一测量参数与每个第二车辆的关联度的目标得分;根据目标得分,确定第一测量参数与每个第二车辆的目标关联度。准确将量测数据匹配到属于其的目标对象。
Description
技术领域
本申请涉及车辆技术领域,具体涉及一种数据关联方法和装置。
背景技术
数据关联问题是建立某时刻下雷达的多个量测数据和已有数据之间的关系,以确定这些量测数据是否来自同一个目标的过程,最终实现测量数据与已有数据的正确配对,即将量测数据匹配到属于其的目标对象。数据关联是雷达数据处理的关键问题之一,如果数据关联不正确,那么错误的数据关联算法就会给目标对象匹配上一个错误的测量数据,对于车载雷达来说,错误的测量数据的匹配可能会导致目标车辆运动轨迹或航向的错误估计,进而导致错误的决策。
目前的数据关联方案中,通常是获取到一个量测数据后,计算该量测数据与多个目标对象之间的距离,将距离最近的目标对象确定为与该量测数据关联的目标对象,如此数据关联精度低。
发明内容
本申请实施例的目的是提供一种数据关联方法和装置,以快速精确的对量测数据和目标对象进行关联,准确将量测数据匹配到属于其的目标对象,提升了量测数据和已知数据关联的准确度。
本申请的技术方案如下:
第一方面,提供了一种数据关联方法,该方法包括:
获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个所述第二车辆在所述第一时刻下的运动参数的第一预测值和预测的每个所述第二车辆在所述第一时刻下的所述运动参数的测量值的第二预测值,其中,所述第一预测值所在的坐标系为直角坐标系,所述第二预测值所在的坐标系为极坐标系;
分别计算所述第一测量参数和每个所述第二车辆对应的所述第二预测值在所述极坐标系下的第一残差,以及所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差;
根据所述第一残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,以及根据所述第二残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分;
根据每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分;
根据所述目标得分,确定所述第一测量参数与每个所述第二车辆的目标关联度。
第二方面,提供了一种数据关联装置,该装置包括:
第一获取模块,用于获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个所述第二车辆在所述第一时刻下的运动参数的第一预测值和预测的每个所述第二车辆在所述第一时刻下的所述运动参数的测量值的第二预测值,其中,所述第一预测值所在的坐标系为直角坐标系,所述第二预测值所在的坐标系为极坐标系;
第一计算模块,用于分别计算所述第一测量参数和每个所述第二车辆对应的所述第二预测值在所述极坐标系下的第一残差,以及所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差;
第二计算模块,用于根据所述第一残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,以及根据所述第二残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分;
第三计算模块,用于根据每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分;
第一确定模块,用于根据所述目标得分,确定所述第一测量参数与每个所述第二车辆的目标关联度。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现本申请实施例任一所述的数据关联方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现本申请实施例任一所述的数据关联方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备能够执行本申请实施例任一所述的数据关联方法的步骤。
本申请的实施例提供的技术方案至少带来以下有益效果:
在本申请实施例中,通过获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个第二车辆在第一时刻下的运动参数的第一预测值和预测的每个第二车辆在第一时刻下的运动参数的测量值的第二预测值,分别计算第一测量参数和每个第二车辆对应的第二预测值在极坐标系下的第一残差,以及第一测量参数和每个第二车辆对应的第一预测值在直角坐标系下的第二残差,根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,以及根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分,根据每个第二车辆对应的第一得分和第二得分,分别计算用于表征第一测量参数与每个第二车辆的关联度的目标得分,根据目标得分,确定第一测量参数与每个第二车辆的目标关联度,如此在确定第一测量参数与每个第二车辆的关联度时,参考了第二车辆的多个维度的参数,而不仅仅是看第一测量参数与每个第二车辆之间的距离,如此提升了确定第一测量参数与每个第二车辆之间的关联度的精确性,准确将第一测量参数匹配到属于他的第二车辆,提升了第一测量参数与和已知的每个第二车辆关联的准确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1是本申请第一方面实施例提供的一种数据关联方法的流程示意图;
图2是本申请第一方面实施例涉及的直角坐标系和极坐标系之间的对应关系示意图;
图3是本申请第一方面实施例提供的一种数据关联方法的流程示意图;
图4是本申请第一方面实施例涉及应用数据关联方法的场景示意图;
图5是本申请第二方面实施例提供的一种数据关联装置的结构示意图;
图6是本申请第三方面实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,本申请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,以便这里描述的本申请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。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。
如背景技术部分所述,现有技术中存在数据关联度确定精度低的问题,为了解决上述问题,本申请实施例提供了一种数据关联方法和装置,通过获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个第二车辆在第一时刻下的运动参数的第一预测值和预测的每个第二车辆在第一时刻下的运动参数的测量值的第二预测值,分别计算第一测量参数和每个第二车辆对应的第二预测值在极坐标系下的第一残差,以及第一测量参数和每个第二车辆对应的第一预测值在直角坐标系下的第二残差,根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,以及根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分,根据每个第二车辆对应的第一得分和第二得分,分别计算用于表征第一测量参数与每个第二车辆的关联度的目标得分,根据目标得分,确定第一测量参数与每个第二车辆的目标关联度,如此在确定第一测量参数与每个第二车辆的关联度时,参考了第二车辆的多个维度的参数,而不仅仅是看第一测量参数与每个第二车辆之间的距离,如此提升了确定第一测量参数与每个第二车辆之间的关联度的精确性,准确将第一测量参数匹配到属于他的第二车辆,提升了第一测量参数与和已知的每个第二车辆关联的准确度。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的数据关联方法进行详细地说明。
图1是本申请实施例所提供的一种数据关联方法的流程示意图,如图1所示,本申请实施例提供的数据关联方法可以包括步骤110-步骤150。
步骤110、获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个第二车辆在第一时刻下的运动参数的第一预测值和预测的每个第二车辆在第一时刻下的运动参数的测量值的第二预测值,其中,第一预测值所在的坐标系为直角坐标系,第二预测值所在的坐标系为极坐标系。
其中,第一车辆可以是装载有传感器,该传感器可以但不限于是:激光雷达或毫米波雷达等。该传感器可以检测到在第一车辆附近的至少一辆第二车辆,且可获取在第一车辆的关联门限内的各个车辆的运动参数。
第二车辆可以是通过第一车辆的传感器检测到的在第一车辆附近的车辆。
第一时刻可以是在当前时间之后的某一时刻。
第一测量参数可以是在第一时刻下第一车辆的传感器在第一车辆的关联门限内采集到的某一运动参数,即该第一测量参数是基于第一车辆上的传感器采集得到的。
需要说明的是,在第一时刻下第一车辆的传感器在第一车辆的关联门限内可以采集到多个运动参数,该第一测量参数可以为多个运动参数中的其中一个,为了便于后续描述,本申请实施例中仅一个运动参数为例来进行说明,针对在第一时刻下第一车辆的传感器在第一车辆的关联门限内可以采集到多个运动参数中的每个运动参数,其均可以采用与第一测量参数相同的处理方式来确定与其匹配的第二车辆。
针对某一第二车辆,该第二车辆对应的第一预测值可以是根据该第二车辆在当前时间之前的航迹预测出的该第二车辆在第一时刻下的运动参数。
针对某一第二车辆,该第二车辆对应的第二预测值可以是根据该第二车辆在当前时间之前的航迹预测出的该第二车辆在第一时刻下的运动参数的测量值,即该第二预测值为预测出的在第一时刻下传感器测量的该第二车辆的测量值。
在本申请的一些实施例中,针对某一第二车辆,该第二车辆的运动参数可以是一个多维向量,具体的该运动参数可以为其中,x为第二车辆在横向方向的位置信息,y为第二车辆在纵向方向的位置信息,vx为第二车辆在横向方向的速度信息,vy为第二车辆在纵向方向的速度信息,该运动参数所在的坐标系为直角坐标系。
针对某一第二车辆,传感器对第二车辆的运动参数进行测量时,传感器获取的运动参数的测量值是极坐标系下的数值,即传感器所测量的运动参数的测量值是在极坐标系下的,故第一预测值所在的坐标系也为直角坐标系,第二预测值所在的坐标系为极坐标系。传感器测量的运动参数的测量值受测量噪声的污染,可假设该测量值在极坐标系下可以表示为Z=[R,vr,θ],其中R为第二车辆相对第一车辆的径向距离,θ为第二车辆相对第一车辆的方位角,vr为第二车辆相对第一车辆的径向多普勒速度。
步骤120、分别计算第一测量参数和每个第二车辆对应的第二预测值在极坐标系下的第一残差,以及第一测量参数和每个第二车辆对应的第一预测值在直角坐标系下的第二残差。
其中,针对每个第二车辆对应的第一残差,其可以是第一测量参数与该第二车辆对应的第二预测值在极坐标系下的残差。
针对每个第二车辆对应的第二残差,其可以是第一运动参数与该第二车辆对应的第一预测值在直角坐标系下的残差。
在本申请的一些实施例中,针对每个第二车辆,可以按照如下公式(1)计算计算第一测量参数和该第二车辆对应的第二预测值在极坐标系下的第一残差Δυ1:
其中,Z为第一测量参数,Zpre为某一车辆对应的第二预测值。
在本申请的一些实施例中,针对每个第二车辆,可以按照如下公式(2)计算第一测量参数和该第二车辆对应的第一预测值在直角坐标系下的第二残差Δυ2:
其中,为第一测量参数,/>为某一车辆对应的第一预测值,公式(2)中的vr为该第二车辆在直角坐标系下在横向方向的速度信息的和纵向方向的速度信息之和。
在本申请的一些实施例中,由于第一测量参数是在极坐标系的数值,第一预测值是在直角坐标系下的数值,故为了精确得到第二参数,步骤120中分别计算所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差,具体可以包括:
根据第一测量参数,以及预先设置的极坐标系与直角坐标系之间的对应关系,确定第一测量参数在直角坐标系下的参数值;
分别计算第一测量参数在直角坐标系下的参数值和每个第二车辆对应的第一预测值在直角坐标系下的第二残差。
在本申请的一些实施例中,可以根据如图2所示的直角坐标系和极坐标系之间的对应关系,可得到如下公式(3)所示的传感器测量的测量值所在的极坐标系与车辆的运动参数所在的直角坐标系之间的对应关系:
vr=vy×cosθ+vx×sinθ
在本申请的一些实施例中,根据第一测量参数,将第一测量参数代入上述公式(3),即可得到如下公式(4)所示的第一测量参数在直角坐标系下的参数值:
得到公式(4)所示的第一测量参数在直角坐标系下的参数值后,可根据该公式(4)所示的第一测量参数在直角坐标系下的参数值,针对每个第二车辆,可按照上述公式(2)计算第一测量参数在直角坐标系下的参数值和该第二车辆对应的第一预测值在直角坐标系下的第二残差。
在本申请的实施例中,通过根据第一测量参数,以及预先设置的极坐标系与直角坐标系之间的对应关系,确定第一测量参数在直角坐标系下的参数值,如此可精确的得到第一测量参数在直角坐标系下的参数值和每个第二车辆对应的第一预测值在直角坐标系下的第二残差。
步骤130、根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,以及根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分。
其中,第一得分和第二得分可以均用于表征第一测量参数与每个第二车辆的关联度。
在本申请的一些实施例中,可以根据第一残差,分别计算出用于表征第一测量参数与每个第二车辆的关联度的第一得分,根据第二残差,分别计算出用于表征第一测量参数与每个第二车辆的关联度的第二得分。
在本申请的一些实施例中,为了精确得到第一得分,上述步骤130中根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,具体可以包括:
根据每个第二车辆对应的第二预测值,计算每个第二车辆对应的预测协方差;
基于预测协方差、第一残差和得分函数的第一修正系数,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,其中,第一修正系数基于传感器确定。
在本申请的一些实施例中,针对每个第二车辆,可以根据该第二车辆对应的第二预测值,按照如下公式(5)计算该第二车辆对应的预测协方差S:
针对每个第二车辆,根据上述公式(5)得到的预测协方差、第一残差和得分函数的第一修正系数,按照如下公式(6)可分别计算用于表征第一测量参数与该第二车辆的关联度的第一得分f1:
其中,α是第一修正系数,用于调节第一残差或预测协方差异常突变的情况,该修正系数与传感器的特性有关,一般取值范围为α∈[1,3]。
显然,通过所建立的得分函数(式7)可知,残差Δυ1及预测协方差S越小的航迹评价函数的得分越大,也即表征了该航迹与该测量的匹配度越大。
在本申请的实施例中,通过根据每个第二车辆对应的第二预测值,计算每个第二车辆对应的预测协方差,基于预测协方差、第一残差和得分函数的第一修正系数,可精确得到用于表征第一测量参数与每个第二车辆的关联度的第一得分。
在本申请的一些实施例中,运动参数可以包括各运动维度的分量参数,如上述运动参数分别具有位置维度的分量参数(x,y)和速度维度的分量参数v=(vx,vy)。
为了精确确定第二得分,上述步骤130中根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分,具体可以包括:
根据第二残差,得到每个第二车辆在各运动维度的分量参数的分量差值;
针对每个第二车辆,根据第二车辆在第一时刻下在各运动维度的行驶状态,确定对第二车辆的各运动维度上的分量差值进行修正的第二修正系数;
针对每个第二车辆,根据第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算第三残差;
基于每个第二车辆对应的第三残差,确定用于表征第一测量参数与每个第二车辆的关联度的第二得分。
其中,针对每个第二车辆,该第二车辆对应的各运动维度的分量参数的分量差值可以是该第二车辆在各运动维度的分量参数上的差值。
第二修正系数可以是对第二车辆的各运动维度上的分量差值进行修正的修正系数。
第三残差可以是根据第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算的残差。
在本申请的一些实施例中,针对每个第二车辆,根据上述公式(2)得到的第二残差可以得到该第二车辆在各运动维度的分量参数的分量差值,该第二车辆在各运动维度的分量参数的分量差值即为上述公式(2)中的
然后针对每个第二车辆,根据第二车辆在第一时刻下在各运动维度的行驶状态,可确定对第二车辆的各运动维度上的分量差值进行修正的第二修正系数,根据第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,可得到如下公式(7)所示的第三残差d:
d=a×dx+b×dy+c×dv+g (7)
其中,a、b和c分别为对各运动维度上的分量差值进行修正的第二修正系数,g为另一修正系数,具体的该修正系数g在后面实施例再详细介绍。
得到第三残差后,针对每个第二车辆,可基于该第二车辆对应的第三残差,按照如下公式(8)得到用于表征第一测量参数与每个第二车辆的关联度的第二得分f2:
f2=β×(κ-d)+γ (8)
其中,β、κ和γ的数值均与第一车辆上的传感器的特性相关,具体的一般情况下β∈[0.002,0.5],κ∈[1.0,100.0],γ∈[0.0,1.5]。
在本申请的实施例中,通过根据第二残差,得到每个第二车辆在各运动维度的分量参数的分量差值,针对每个第二车辆,根据第二车辆在第一时刻下在各运动维度的行驶状态,确定对第二车辆的各运动维度上的分量差值进行修正的第二修正系数,针对每个第二车辆,根据第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算第三残差,基于每个第二车辆对应的第三残差,可精确确定用于表征第一测量参数与每个第二车辆的关联度的第二得分。
在本申请的一些实施例中,在运动参数包括位置维度的分量参数和速度维度的分量参数的情况下,各运动维度的分量参数的分量差值可以包括位置维度的分量差值和速度维度的分量差值dv,这里的位置维度的分量差值可以包括第二车辆在第一方向的第一位置分量差值和在第二方向的第二位置分量差值。这里的第一方向和第二方向可以分别为横向方向和纵向方向,第一位置分量差值可以为第二车辆在第一方向上的位置维度的分量差值,第二位置分量差值可以为第二车辆在第二方向上的位置维度的分量差值。若第一方向为横向方向,第二方向为纵向方向,则第一位置分量差值为dx,第二位置分量差值为dy。
下面以第一方向为横向方向,第二方向为纵向方向,则第一位置分量差值为dx,第二位置分量差值为dy为例。
所述根据第二车辆在第一时刻下在各运动维度的行驶状态,确定对第二车辆的各运动维度上的分量差值进行修正的第二修正系数,具体可以包括:
在确定第二车辆在第一时刻下的行驶状态为在第一方向做横向运动,确定对第一位置分量差值进行修正的第二修正系数的范围为[0.5,0.95];
在确定第二车辆在第一时刻下与第一车辆的距离小于预设距离阈值,或者第二车辆的尺寸大于预设尺寸阈值的情况下,确定对第二位置分量差值进行修正的第二修正系数的范围为[0.35,0.85];
在确定第二车辆在第一时刻下处于多普勒区域的情况下,确定对速度维度的分量差值进行修正的第二修正系数的范围为[0.15,0.55]。
其中,预设距离阈值可以是预先设置的在第一时刻下第一车辆和第二车辆之间的距离的阈值,该预设距离阈值可以根据用户需求自行设置,在本申请实施例中不做限定。
预设尺寸阈值可以预先设置的第二车辆的尺寸的阈值,该预设尺寸阈值可以根据用户需求自行设置,在本申请实施例中不做限定。
在本申请的一些实施例中,若确定第二车辆在第一时刻下的行驶状态为在第一方向做横向运动,则需要减小横向偏差对评分的影响,即对第一位置分量差值进行修正的第二修正系数的范围可以设置为[0.5,0.95],否则,对第一位置分量差值进行修正的第二修正系数的范围可以设置为1.0。
若确定第二车辆在第一时刻下与第一车辆的距离小于预设距离阈值,或者第二车辆的尺寸大于预设尺寸阈值,即若第二车辆距离第一车辆比较近或者是第二车辆的尺寸比较大(第二车辆的尺寸比较大,则说明该第二车辆的扩展属性明显),则需要减小纵向偏差对评分的影响,即对第二位置分量差值进行修正的第二修正系数的范围可以设置为[0.35,0.85],否则对第二位置分量差值进行修正的第二修正系数可以设置为0.0。
若确定第二车辆在第一时刻下处于多普勒区域的情况下,则需要减小速度偏差对评分的影响,则对速度维度的分量差值进行修正的第二修正系数的范围可以设置为[0.15,0.55],否则,对速度维度的分量差值进行修正的第二修正系数可以设置为1.0。
在本申请的实施例中,通过根据第二车辆在第一时刻下在各运动维度的行驶状态,可精确确定对第二车辆的各运动维度上的分量差值进行修正的第二修正系数。
在本申请的一些实施例中,在所述确定对第二车辆的各运动维度上的分量差值进行修正的第二修正系数之后,上述所涉及的方法还可以包括:
根据第二车辆在第一时刻下的运动状态与预测的第二车辆在第一时刻下的运动状态,确定第二车辆的状态系数;
针对每个第二车辆,根据第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算第三残差,包括:
针对每个第二车辆,根据第二车辆的各运动维度对应的第二修正系数和状态系数,以及各运动维度的分量差值,计算第三残差。
其中,状态系数可以是根据第二车辆在第一时刻下的运动状态与预测的第二车辆在第一时刻下的运动状态确定,该状态系数可以是上述公式(7)中的g。
在本申请的一些实施例中,可以根据第二车辆在第一时刻下的运动状态与预测的第二车辆在第一时刻下的运动状态是否一致来确定第二车辆的状态系数。比如,第二车辆在第一时刻下的运动状态与预测的第二车辆在第一时刻下的运动状态不一致,可设置状态系数为g∈[0.25,0.55],否则,设置状态系数为0.0。
在本申请的实施例中,在确定第三残差的时候,还可以设置第二车辆的状态系数,如此可从更多维度来对第一测量参数与各第二车辆进行管理,进一步提升第一测量参数与各第二车辆进行关联的精度。
步骤140、根据每个第二车辆对应的第一得分和第二得分,分别计算用于表征第一测量参数与每个第二车辆的关联度的目标得分。
其中,目标得分可以是用于表征第一测量参数与每个第二车辆的关联度的得分。
在本申请的一些实施例中,针对每个第二车辆,可以根据该第二车辆对应的第一得分和第二得分,计算用于表征第一测量参数与该第二车辆的关联度的目标得分,具体的可以是将第一得分和第二得分的和确定为目标得分,还可以是将第一得分和第二得分进行加权计算得到目标得分,具体的计算方式可根据用户需求自行选取,在本申请实施例中不做限定。
在本申请的一些实施例中,为了精确确定第一测量参数与每个第二车辆的关联度,步骤140具体可以包括:
针对每个第二车辆,根据第二车辆与第一车辆之间的距离,以及在预设检测周期内对第二车辆的检测结果,确定第二车辆的类型;
根据每个第二车辆的类型,确定每个第二车辆的附加得分;
根据附加得分,以及每个第二车辆对应的第一得分和第二得分,分别计算用于表征第一测量参数与每个第二车辆的关联度的目标得分。
其中,预设检测周期可以是第一车辆中的传感器的检测周期。
附加得分可以是根据每个第二车辆的类型,可以给每个第二车辆一个附加得分。
在本申请的一些实施例中,在预设检测周期内对第二车辆的检测结果可以是在预设检测周期内有几次可以检测到第二车辆,有几次检测不到第二车辆,还可以是其他的检测结果,在本申请实施例中不做限定。
在本申请的一些实施例中,针对每个第二车辆,根据附加得分,以及该第二车辆对应的第一得分和第二得分,按照如下公式(9)可得到用于表征第一测量参数与该第二车辆的关联度的目标得分fk:
fk=f1+f2+f3 (9)
其中,f3为附加得分。该附加得分的确定在后面实施例再详细介绍。
在本申请的实施例中,在将第一测量参数与每个第二车辆进行匹配时,除了参考上述的第一得分和第二得分外,还可以参考车辆的特性,确定车辆的附加得分,如此从多个维度来将第一测量参数与每个第二车辆进行匹配,提升了第一测量参数与每个第二车辆进行匹配的准确性。
在本申请的一些实施例中,所述根据第二车辆与第一车辆之间的距离,以及在预设检测周期内对第二车辆的检测结果,确定第二车辆的类型,具体可以包括:
在确定当前时间下第二车辆与第一车辆之间的距离小于预设距离阈值,或者,预测当前时间后的预设时段内第二车辆为与第一车辆之间的距离小于预设距离阈值的情况下,确定第二车辆的类型为第一类型;
在确定预设检测周期内连续预设数量的检测周期内均未检测到第二车辆,或者,在预设检测周期内检测到第二车辆的次数小于预设次数的情况下,确定第二车辆的类型为第二类型。
其中,预设距离阈值可以是预先设置的第一车辆和第二车辆之间的阈值,在该阈值之内,说明第二车辆会对第一车辆造成安全隐患。
预设时段可以是预先设置的当前时间后的一段时间,例如可以是当前时间之后的半小时。
第一类型的车辆可以是第二车辆会对第一车辆造成安全隐患的车辆。
在本申请的一些实施例中,预设数量可以是预先设置的连续未检测到第二车辆的检测周期,例如若连续3个检测周期内都未检测到第二车辆,则确定第二车辆的类型为第二类型。
在本申请的一些实施例中,预设次数可以是预先设置的预设检测周期内检测到第二车辆的次数的阈值,若在预设检测周期内检测到第二车辆的次数小于该阈值,则确定第二车辆的类型为第二类型。
第二类型的车辆可以是处于新生或消亡阶段的车辆。这里的新生是指在第一车辆一直采集的第二车辆中突然出现了另一车辆,则该车辆对于第一车辆而言是新生阶段的车辆。这里的消亡是指在第一车辆一直采集的第二车辆中突然有一辆车辆不在第一车辆的检测范围内了,则该车辆对于第一车辆而言是消亡阶段的车辆。
在本申请的一些实施例中,针对某一第二车辆,若该第二车辆与第一车辆之间的距离小于预设距离阈值,比如小于1米,则说明该车可能会与第一车辆发生碰撞危险,则确定该车辆航迹为CIPV航迹,则可确定该第二车辆为第一类型的车辆。
在本申请的一些实施例中,针对某一第二车辆,若该第二车辆当前时间下位于第一车辆的左侧5米处,但是根据第一车辆的航迹和第二车辆的航迹,预测出随着第二车辆和第一车辆的行驶在10分钟之后,第二车辆与第一车辆的距离会小于1米,则确定第二车辆是对第一车辆存在安全隐患的车辆,则确定该第二车辆为功能区域内的关键车辆,则可确定该第二车辆为第一类型的车辆。
在本申请的一些实施例中,针对某一第二车辆,若确定在第一车辆的传感器的预设检测周期内连续3次未检测到第二车辆,则说明该第二车辆是处于消亡阶段的车辆,若确定在预设检测周期内检测到第二车辆的次数小于10次,则说明该第二车辆是处于新生阶段的车辆,则确定该第二车辆的类型为第二类型。
在本申请的实施例中,通过在确定当前时间下第二车辆与第一车辆之间的距离小于预设距离阈值,或者,预测当前时间后的预设时段内第二车辆为与第一车辆之间的距离小于预设距离阈值的情况下,可确定第二车辆的类型为第一类型,在确定预设检测周期内连续预设数量的检测周期内均未检测到第二车辆,或者,在预设检测周期内检测到第二车辆的次数小于预设次数的情况下,确定第二车辆的类型为第二类型,如此可精确的确定第二车辆的类型。
在本申请的一些实施例中,所述根据每个第二车辆的类型,确定每个第二车辆的附加得分,具体可以包括:
针对每个第二车辆,在确定第二车辆的类型为第一类型的情况下,为第二车辆的赋值为第一分值,其中,第一分值为正数;
针对每个第二车辆,在确定第二车辆的类型为第二类型的情况下,为第二车辆的赋值为第二分值,其中,第一分值为负数;
根据每个第二车辆对应的第一分值和第二分值,确定每个第二车辆的附加得分。
在本申请的一些实施例中,针对每个第二车辆,若该第二车辆的类型为第一类型,则可该第二车辆加分,例如此时车辆的第一分值的取值范围可以为f31∈(1.5,3.75),若该第二车辆的类型为第二类型,则可为该第二车辆减分,例如此时车辆的第一分值的取值范围可以为f32∈(-3.75,-1.5),然后按照如下公式(10)将第一分值和第二分值相加,即可得到附加得分f3:
f3=f31+f32 (10)
其中,f31为第一分值,f32为第二分值。
在本申请的实施例中,通过根据第二车辆的类型,分别对第二车辆进行加分和减分,根据加分和减分,可确定该车辆的附加得分。
步骤150、根据目标得分,确定第一测量参数与每个第二车辆的目标关联度。
其中,目标关联度可以是第一测量参数与每个第二车辆之间的关联度,即该第一测量参数是否为该第二车辆的测量参数。
在本申请的一些实施例中,可以根据每个第二车辆对应的目标得分,将目标得分最高的第二车辆确定为与第一测量参数匹配的第二车辆。
在本申请的一些实施例中,为了更加清晰的理解本申请实施例的方案,本申请实施例提供了一种数据关联方法的另一实现方式,如图3所示,该数据关联方法可以包括如下步骤310-步骤350。
步骤310、获取每个第二车辆与在第一时刻下在第一车辆的关联门限内采集的第一测量参数的残差。
该步骤310中可以包括上述实施例中步骤110-步骤120的过程,即确定出第一测量参数和每个第二车辆对应的第二预测值在极坐标系下的第一残差,以及第一测量参数和每个第二车辆对应的第一预测值在直角坐标系下的第二残差。
步骤320、根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分。
步骤330、根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分。
上述步骤320-步骤330与上述实施例中的步骤130的过程一致,在此不再赘述。
步骤340、确定每个第二车辆的附加得分。
该步骤340与上述实施例中每个第二车辆的附加得分的过程一致,在此不再赘述。
步骤350、确定每个第二车辆的目标得分。
在步骤350中,可以根据第一得分、第二得分和附加得分,按照上述公式(9)得到每个第二车辆的目标得分。
然后根据该目标得分可确定第一测量参数与每个第二车辆的目标关联度。
在本申请的一些实施例中,为了更加清晰的理解本申请实施例的方案,现在以一个具体的例子来说明一下本申请实施例提供的数据关联方法:
参考图4,图4为为第一车辆采集到的两个第二车辆,分别为车辆1和车辆2,第一车辆还采集到一个测量参数p1,该测量参数即为上述实施例中的第一测量参数。
车辆1在第一时刻下的运动参数的预测值(即第一预测值),以及车辆1在第一时刻下的运动参数的测量值的预测值(即第二预测值)分别为:
Zpre1=[Rp1,θp1,vrp1]=[5.4433,0.1261,2.983]
车辆2在第一时刻下的运动参数的预测值(即第一预测值),以及车辆2在第一时刻下的运动参数的测量值的预测值(即第二预测值)分别为:
Zpre1=[Rp1,θp1,vrpl]=[6.0398,0.2828,2.783]
测量参数pl为Z=[R,θ,v]=[7.2245,0.1438,3.733],根据该测量参数p1,由公式(4)可得到测量参数p1在直角坐标系下的参数值为Z=[x,y]=[1.035,7.15]。
根据公式(1)得到测量参数p1分别与车辆1、车辆2的第二预测值在极坐标系下的第一残差为如下:
根据公式(2)得到测量参数p1分别与车辆1、车辆2的第一预测值在直角坐标系下的第二残差为如下:
若设置得分函数的第一修正系数为α=1.5,则由公式(6)可得到车辆1和车辆2的第一得分分别为:f11=3.7459、f21=3.9586。
若设置对车辆1和车辆2的各运动维度的分量差值进行修正的第二修正系数均为:a=1.0、b=0.75、c=0.25、g=0.0,则根据公式(7)可得车辆1和车辆2对应的第三残差分别为d1=1.85、d2=1.9。
若设置公式(8)中的各参数β=0.5、κ=2.0、γ=0.1,则根据公式(8)可得到车辆1和车辆2的第二得分分别为:f12=0.175、f22=0.15。
若车辆1的航迹为CIPV航迹,车辆2的航迹为非CIPV航迹,车辆1和车辆2均为正常发展中的航迹,即车辆1和车辆2既不是消亡阶段的车辆也不是新生的车辆,因此可得车辆1和车辆2的附加得分分别为:f13=1.5、f23=0.0。
计算车辆1和车辆1的目标得分分别为:
f1z=f11+f12+f13=3.7459+0.175+1.5=5.4209
f2z=f21+f22+f23=3.9586+0.15+0.0=4.1086
根据车辆1和车辆2的目标得分,可知车辆1的目标得分更高,故测量参数p1是与车辆1匹配的。
需要说明的是,上述示例中的各数值均为示例性的数值,而非限定,即上述示例中的数值仅作为本申请实施例中的一种示例,在实际应用过程中,上述各参数的取值可根据实际情况来进行取值。
需要说明的是,本申请实施例提供的数据关联方法,执行主体可以为数据关联装置,或者该数据关联装置中的用于执行数据关联方法的控制模块。
基于与上述的数据关联方法相同的发明构思,本申请还提供了一种数据关联装置。下面结合图5对本申请实施例提供的数据关联装置进行详细说明。
图5是根据一示例性实施例示出的一种数据关联装置的结构示意图。
如图5所示,该数据关联装置500可以包括:
第一获取模块510,用于获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个所述第二车辆在所述第一时刻下的运动参数的第一预测值和预测的每个所述第二车辆在所述第一时刻下的所述运动参数的测量值的第二预测值,其中,所述第一预测值所在的坐标系为直角坐标系,所述第二预测值所在的坐标系为极坐标系;
第一计算模块520,用于分别计算所述第一测量参数和每个所述第二车辆对应的所述第二预测值在所述极坐标系下的第一残差,以及所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差;
第二计算模块530,用于根据所述第一残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,以及根据所述第二残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分;
第三计算模块530,用于根据每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分;
第一确定模块540,用于根据所述目标得分,确定所述第一测量参数与每个所述第二车辆的目标关联度。
在本申请的实施例中,通过获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个第二车辆在第一时刻下的运动参数的第一预测值和预测的每个第二车辆在第一时刻下的运动参数的测量值的第二预测值,分别计算第一测量参数和每个第二车辆对应的第二预测值在极坐标系下的第一残差,以及第一测量参数和每个第二车辆对应的第一预测值在直角坐标系下的第二残差,根据第一残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第一得分,以及根据第二残差,分别计算用于表征第一测量参数与每个第二车辆的关联度的第二得分,根据每个第二车辆对应的第一得分和第二得分,分别计算用于表征第一测量参数与每个第二车辆的关联度的目标得分,根据目标得分,确定第一测量参数与每个第二车辆的目标关联度,如此在确定第一测量参数与每个第二车辆的关联度时,参考了第二车辆的多个维度的参数,而不仅仅是看第一测量参数与每个第二车辆之间的距离,如此提升了确定第一测量参数与每个第二车辆之间的关联度的精确性,准确将第一测量参数匹配到属于他的第二车辆,提升了第一测量参数与和已知的每个第二车辆关联的准确度。
在本申请的一些实施例中,第一计算模块520具体可以用于:
根据所述第一测量参数,以及预先设置的所述极坐标系与所述直角坐标系之间的对应关系,确定所述第一测量参数在所述直角坐标系下的参数值;
分别计算所述第一测量参数在所述直角坐标系下的参数值和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差。
在本申请的一些实施例中,所述第一测量参数基于所述第一车辆上的传感器采集得到;第二计算模块530具体可以包括:
第一计算单元,用于根据每个所述第二车辆对应的第二预测值,计算每个所述第二车辆对应的预测协方差;
第二计算单元,用于基于所述预测协方差、所述第一残差和得分函数的第一修正系数,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,其中,所述第一修正系数基于所述传感器确定。
在本申请的一些实施例中,所述运动参数包括各运动维度的分量参数;第二计算模块530具体可以包括:
第一确定单元,用于根据所述所述第二残差,得到每个所述第二车辆在各运动维度的分量参数的分量差值;
第二确定单元,用于针对每个所述第二车辆,根据所述第二车辆在所述第一时刻下在各运动维度的行驶状态,确定对所述第二车辆的各运动维度上的分量差值进行修正的第二修正系数;
第三计算单元,用于针对每个所述第二车辆,根据所述第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算第三残差;
第三确定单元,用于基于每个所述第二车辆对应的所述第三残差,确定用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分。
在本申请的一些实施例中,所述各运动维度的分量参数的分量差值包括位置维度的分量差值和速度维度的分量差值,所述位置维度的分量差值包括所述第二车辆在第一方向的第一位置分量差值和在第二方向的第二位置分量差值,所述第一方向为横向方向,所述方向为纵向方向;
所述第二确定单元具体用于:
在确定所述第二车辆在所述第一时刻下的行驶状态为在第一方向做横向运动,确定对所述第一位置分量差值进行修正的第二修正系数的范围为[0.5,0.95];
在确定所述第二车辆在所述第一时刻下与所述第一车辆的距离小于预设距离阈值,或者所述第二车辆的尺寸大于预设尺寸阈值的情况下,确定对所述第二位置分量差值进行修正的第二修正系数的范围为[0.35,0.85];
在确定所述第二车辆在所述第一时刻下处于多普勒区域的情况下,确定对所述速度维度的分量差值进行修正的第二修正系数的范围为[0.15,0.55]。
在本申请的一些实施例中,第二计算模块530具体可以包括:
第四确定单元,用于根据所述第二车辆在所述第一时刻下的运动状态与预测的所述第二车辆在所述第一时刻下的运动状态,确定所述第二车辆的状态系数;
所述第三计算单元具体用于:
针对每个所述第二车辆,根据所述第二车辆的各运动维度对应的第二修正系数和所述状态系数,以及各运动维度的分量差值,计算第三残差。
在本申请的一些实施例中,第三计算模块530具体可以包括:
第五确定单元,用于针对每个所述第二车辆,根据所述第二车辆与所述第一车辆之间的距离,以及在预设检测周期内对所述第二车辆的检测结果,确定所述第二车辆的类型;
第六确定单元,用于根据每个所述第二车辆的类型,确定每个所述第二车辆的附加得分;
第四计算单元,用于根据所述附加得分,以及每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分。
在本申请的一些实施例中,所述第五确定单元具体用于:
在确定当前时间下所述第二车辆与所述第一车辆之间的距离小于预设距离阈值,或者,预测当前时间后的预设时段内所述第二车辆为与所述第一车辆之间的距离小于所述预设距离阈值的情况下,确定所述第二车辆的类型为第一类型;
在确定预设检测周期内连续预设数量的检测周期内均未检测到所述第二车辆,或者,在预设检测周期内检测到所述第二车辆的次数小于预设次数的情况下,确定所述第二车辆的类型为第二类型。
在本申请的一些实施例中,所述第六确定单元具体用于:
针对每个所述第二车辆,在确定所述第二车辆的类型为第一类型的情况下,为所述第二车辆的赋值为第一分值,其中,所述第一分值为正数;
针对每个所述第二车辆,在确定所述第二车辆的类型为第二类型的情况下,为所述第二车辆的赋值为第二分值,其中,所述第一分值为负数;
根据每个所述第二车辆对应的所述第一分值和所述第二分值,确定每个所述第二车辆的附加得分。
本申请实施例提供的数据关联装置,可以用于执行上述各方法实施例提供的数据关联方法,其实现原理和技术效果类似,为简介起见,在此不再赘述。
基于同一发明构思,本申请实施例还提供了一种电子设备。
图6是本申请实施例提供的一种电子设备的结构示意图。如图6所示,电子设备可以包括处理器1001以及存储有计算机程序或指令的存储器1002。
具体地,上述处理器1001可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器1002可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1002可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1002可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1002可在综合网关容灾设备的内部或外部。在特定实施例中,存储器1002是非易失性固态存储器。存储器可包括只读存储器(Read Only Memory image,ROM)、随机存取存储器(Random-Access Memory,RAM)、磁盘存储介质设备、光存储介质设备、闪存设备、电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行上述实施例提供的数据关联方法所描述的操作。
处理器1001通过读取并执行存储器1002中存储的计算机程序指令,以实现上述实施例中的任意一种数据关联方法。
在一个示例中,电子设备还可包括通信接口1003和总线1010。其中,如图6所示,处理器1001、存储器1002、通信接口1003通过总线1010连接并完成相互间的通信。
通信接口1003,主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。
总线1010包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1010可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该电子设备可以执行本发明实施例中的数据关联方法,从而实现图1和图3描述的数据关联方法。
另外,结合上述实施例中的数据关联方法,本发明实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序指令,该程序指令被处理器执行时实现上述实施例中的任意一种数据关联方法。
另外,结合上述实施例中的数据关联方法,本发明实施例可提供一种计算机程序产品,该计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备能够执行上述实施例中的任意一种数据关联方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种数据关联方法,其特征在于,所述方法包括:
获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个所述第二车辆在所述第一时刻下的运动参数的第一预测值和预测的每个所述第二车辆在所述第一时刻下的所述运动参数的测量值的第二预测值,其中,所述第一预测值所在的坐标系为直角坐标系,所述第二预测值所在的坐标系为极坐标系;
分别计算所述第一测量参数和每个所述第二车辆对应的所述第二预测值在所述极坐标系下的第一残差,以及所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差;
根据所述第一残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,以及根据所述第二残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分;
根据每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分;
根据所述目标得分,确定所述第一测量参数与每个所述第二车辆的目标关联度。
2.根据权利要求1所述的方法,其特征在于,分别计算所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差,包括:
根据所述第一测量参数,以及预先设置的所述极坐标系与所述直角坐标系之间的对应关系,确定所述第一测量参数在所述直角坐标系下的参数值;
分别计算所述第一测量参数在所述直角坐标系下的参数值和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差。
3.根据权利要求1所述的方法,其特征在于,所述第一测量参数基于所述第一车辆上的传感器采集得到;
所述根据所述第一残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,包括:
根据每个所述第二车辆对应的第二预测值,计算每个所述第二车辆对应的预测协方差;
基于所述预测协方差、所述第一残差和得分函数的第一修正系数,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,其中,所述第一修正系数基于所述传感器确定。
4.根据权利要求1所述的方法,其特征在于,所述运动参数包括各运动维度的分量参数;
根据所述第二残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分,包括:
根据所述第二残差,得到每个所述第二车辆在各运动维度的分量参数的分量差值;
针对每个所述第二车辆,根据所述第二车辆在所述第一时刻下在各运动维度的行驶状态,确定对所述第二车辆的各运动维度上的分量差值进行修正的第二修正系数;
针对每个所述第二车辆,根据所述第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算第三残差;
基于每个所述第二车辆对应的所述第三残差,确定用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分。
5.根据权利要求4所述的方法,其特征在于,所述各运动维度的分量参数的分量差值包括位置维度的分量差值和速度维度的分量差值,所述位置维度的分量差值包括所述第二车辆在第一方向的第一位置分量差值和在第二方向的第二位置分量差值,所述第一方向为横向方向,所述方向为纵向方向;
所述根据所述第二车辆在所述第一时刻下在各运动维度的行驶状态,确定对所述第二车辆的各运动维度上的分量差值进行修正的第二修正参数,包括:
在确定所述第二车辆在所述第一时刻下的行驶状态为在第一方向做横向运动,确定对所述第一位置分量差值进行修正的第二修正系数的范围为[0.5,0.95];
在确定所述第二车辆在所述第一时刻下与所述第一车辆的距离小于预设距离阈值,或者所述第二车辆的尺寸大于预设尺寸阈值的情况下,确定对所述第二位置分量差值进行修正的第二修正系数的范围为[0.35,0.85];
在确定所述第二车辆在所述第一时刻下处于多普勒区域的情况下,确定对所述速度维度的分量差值进行修正的第二修正系数的范围为[0.15,0.55]。
6.根据权利要求4所述的方法,其特征在于,在所述确定对所述第二车辆的各运动维度上的分量差值进行修正的第二修正系数之后,所述方法还包括:
根据所述第二车辆在所述第一时刻下的运动状态与预测的所述第二车辆在所述第一时刻下的运动状态,确定所述第二车辆的状态系数;
所述针对每个所述第二车辆,根据所述第二车辆的各运动维度对应的第二修正系数,以及各运动维度的分量差值,计算第三残差,包括:
针对每个所述第二车辆,根据所述第二车辆的各运动维度对应的第二修正系数和所述状态系数,以及各运动维度的分量差值,计算第三残差。
7.根据权利要求1所述的方法,其特征在于,所述根据每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分,包括:
针对每个所述第二车辆,根据所述第二车辆与所述第一车辆之间的距离,以及在预设检测周期内对所述第二车辆的检测结果,确定所述第二车辆的类型;
根据每个所述第二车辆的类型,确定每个所述第二车辆的附加得分;
根据所述附加得分,以及每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第二车辆与所述第一车辆之间的距离,以及在预设检测周期内对所述第二车辆的检测结果,确定所述第二车辆的类型,包括:
在确定当前时间下所述第二车辆与所述第一车辆之间的距离小于预设距离阈值,或者,预测当前时间后的预设时段内所述第二车辆为与所述第一车辆之间的距离小于所述预设距离阈值的情况下,确定所述第二车辆的类型为第一类型;
在确定预设检测周期内连续预设数量的检测周期内均未检测到所述第二车辆,或者,在预设检测周期内检测到所述第二车辆的次数小于预设次数的情况下,确定所述第二车辆的类型为第二类型。
9.根据权利要求8所述的方法,其特征在于,根据每个所述第二车辆的类型,确定每个所述第二车辆的附加得分,包括:
针对每个所述第二车辆,在确定所述第二车辆的类型为第一类型的情况下,为所述第二车辆的赋值为第一分值,其中,所述第一分值为正数;
针对每个所述第二车辆,在确定所述第二车辆的类型为第二类型的情况下,为所述第二车辆的赋值为第二分值,其中,所述第一分值为负数;
根据每个所述第二车辆对应的所述第一分值和所述第二分值,确定每个所述第二车辆的附加得分。
10.一种数据关联装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一车辆检测到的至少一个第二车辆,以及第一时刻下在第一车辆的关联门限内采集的第一测量参数,以及预测的每个所述第二车辆在所述第一时刻下的运动参数的第一预测值和预测的每个所述第二车辆在所述第一时刻下的所述运动参数的测量值的第二预测值,其中,所述第一预测值所在的坐标系为直角坐标系,所述第二预测值所在的坐标系为极坐标系;
第一计算模块,用于分别计算所述第一测量参数和每个所述第二车辆对应的所述第二预测值在所述极坐标系下的第一残差,以及所述第一测量参数和每个所述第二车辆对应的所述第一预测值在所述直角坐标系下的第二残差;
第二计算模块,用于根据所述第一残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第一得分,以及根据所述第二残差,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的第二得分;
第三计算模块,用于根据每个所述第二车辆对应的所述第一得分和所述第二得分,分别计算用于表征所述第一测量参数与每个所述第二车辆的关联度的目标得分;
第一确定模块,用于根据所述目标得分,确定所述第一测量参数与每个所述第二车辆的目标关联度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311501630.2A CN117609796A (zh) | 2023-11-10 | 2023-11-10 | 数据关联方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311501630.2A CN117609796A (zh) | 2023-11-10 | 2023-11-10 | 数据关联方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117609796A true CN117609796A (zh) | 2024-02-27 |
Family
ID=89948769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311501630.2A Pending CN117609796A (zh) | 2023-11-10 | 2023-11-10 | 数据关联方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609796A (zh) |
-
2023
- 2023-11-10 CN CN202311501630.2A patent/CN117609796A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109813342B (zh) | 一种惯导-卫星组合导航系统的故障检测方法和系统 | |
CN103530868A (zh) | 使用最小费用流网络的宽基线双目物体匹配方法 | |
CN114660330B (zh) | 确定估计速度的不确定性估计的方法 | |
CN112987560B (zh) | 滤波器控制方法、装置、设备及计算机存储介质 | |
CN110413942B (zh) | 车道线方程筛选方法及其筛选模块 | |
CN112880659B (zh) | 一种基于信息概率的融合定位方法 | |
CN118191783A (zh) | 车辆传感器测量能力评估方法及其系统、设备、介质 | |
CN117609796A (zh) | 数据关联方法和装置 | |
CN116968733A (zh) | 车辆安全风险评估方法及其装置、设备、介质 | |
EP3792651B1 (en) | Path estimating device and portable information terminal | |
CN110673134A (zh) | 一种雷达远近交替测距模式下航迹跟踪优化方法 | |
CN113325415B (zh) | 车辆雷达数据和相机数据的融合方法及系统 | |
CN115993595A (zh) | 目标跟踪滤波方法及装置 | |
CN113470070A (zh) | 驾驶场景目标跟踪方法、装置、设备及存储介质 | |
CN118334061B (zh) | 一种图像分割方法、系统、设备及存储介质 | |
CN116626630B (zh) | 一种物体分类方法、装置、电子设备及存储介质 | |
CN117930297B (zh) | 一种基于车载摄像头和地图的车辆定位方法及系统 | |
CN115238224A (zh) | 一种确定同步时间偏差的方法、装置、设备及存储介质 | |
CN117784043A (zh) | 测量能力评估方法、装置、终端及存储介质 | |
CN114782495B (zh) | 一种多目标跟踪方法、系统及计算机存储介质 | |
US20220302901A1 (en) | Method for Determining Noise Statistics of Object Sensors | |
CN117058506A (zh) | 车道线融合方法和装置 | |
CN118131213A (zh) | 多普勒盲区速度确定方法、装置及设备 | |
CN115327526A (zh) | 目标运动状态确定方法、装置及设备 | |
CN118107612A (zh) | 一种信息融合方法及装置 |
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 |