一种传感器数据关联方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种传感器数据关联方法、装置、设备及存储介质。该方法包括：获取待融合目标；基于聚类算法对所述待融合目标进行聚类，得到至少两个簇结构；基于所述簇结构的核心距离、最小可达距离和预设距离集合，从所述待融合目标中选取目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列；对所述簇集合中的每个簇，使用与所述簇密度对应的最大匹配距离，进行目标关联，通过本发明专利技术的技术方案，以实现能够根据密度等级选择不同的最大匹配距离分别进行目标关联，降低漏关联和误关联，并且各个簇并行地进行关联可以进一步提升算法的效率。步提升算法的效率。步提升算法的效率。

【技术实现步骤摘要】
一种传感器数据关联方法、装置、设备及存储介质


[0001]本专利技术实施例涉及车辆技术，尤其涉及一种传感器数据关联方法、装置、设备及存储介质。

技术介绍

[0002]对于自动驾驶而言，感知、决策和控制构成了三大功能模块。感知模块作为三大功能模块中的基础和前提，需要实现对周围的环境进行精确感知。受传感器技术原理的限制，不同类型传感器感知到的目标属性和感知范围存在差异，相同类型的不同传感器器因安装位置不同，感知区域也存在差异，因而需要对各个传感器的感知结果进行融合。
[0003]在实际应用中，现有的感知融合技术的实现主要采用目标级的后融合方法，该方案一般包括目标关联和目标融合两个步骤，目标关联主要采用基于匈牙利匹配的全局最近邻(Global Nearest Neighbor,GNN)方法。GNN方法需要事先设置一个最大匹配距离用于匈牙利匹配结果有效性的验证，设置单一的最大匹配距离容易导致漏关联或误关联，且当目标数量较多或传感器数量较多时，计算的时间复杂度较高，算法的实现难度较大。
[0004]从融合对象的维度看，传感器融合包括数据级、特征级和目标级的融合；从实现路径的维度看，传感器融合包括先关联后融合和直接融合两种方案，前一种方案主要采用全局最近邻(Global Nearest Neighbor，GNN)关联加Kalman滤波或DS证据理论融合的方法，后一中方案主要方法是基于随机有限集(Random Finite Set，RFS)的融合。由于RFS的理论的不完备性和实现难度大，在实际应用中多采用第一种融合方案。
[0005]GNN方法基于匈牙利匹配实现全局最优关联。GNN方法需要事先设置一个最大匹配距离用于匈牙利匹配结果有效性的验证，当最大匹配距离过大时容易导致误关联，当最大匹配距离过小时容易导致漏关联，因而设置单一的最大匹配距离容易导致漏关联或误关联；且当目标数量较多或传感器数量较多时，由于需要对来自任意两个来源的目标进行关联，计算的时间复杂度较高，算法的实现难度较大。

技术实现思路

[0006]本专利技术实施例提供一种传感器数据关联方法、装置、设备及存储介质，以实现能够根据密度等级选择不同的最大匹配距离分别进行目标关联，降低漏关联和误关联，并且各个簇并行地进行关联可以进一步提升算法的效率。
[0007]第一方面，本专利技术实施例提供了一种传感器数据关联方法，包括：
[0008]获取待融合目标；
[0009]基于聚类算法对所述待融合目标进行聚类，得到至少两个簇结构；
[0010]基于所述簇结构的核心距离、最小可达距离和预设距离集合，从所述待融合目标中选取目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列；
[0011]对所述簇集合中的每个簇，使用与所述簇密度对应的最大匹配距离，进行目标关联。
[0012]进一步的，在基于所述簇结构的核心距离、最小可达距离和预设距离集合，从所述待融合目标中选目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列之前，还包括：
[0013]基于预设距离集合对所述待融合目标进行划分，得到至少一个区间，其中，所述预设距离集合中的预设距离依次递增。
[0014]进一步的，对所述簇集合中的每个簇，使用与簇密度对应的最大匹配距离，进行目标关联包括：
[0015]基于所述簇集合中的每个簇生成融合目标列表；
[0016]获取所述融合目标列表中的待融合目标的掩码标志；
[0017]根据所述掩码标志和簇密度对应的最大匹配距离进行目标关联。
[0018]进一步的，根据所述掩码标志和所述簇密度对应的最大匹配距离进行目标关联，包括：
[0019]获取掩码标志按位与的结果为零的两组待融合目标；
[0020]基于最大匹配距离，对所述两组待融合目标进行目标关联。
[0021]进一步的，根据所述掩码标志和簇密度对应的最大匹配距离进行目标关联，包括：
[0022]获取待融合目标中传感器来源的总数目j；
[0023]获取传感器来源数目为i的掩码标志集合，其中，所述
[0024]从所述掩码标志集合中选取一个目标掩码标志；
[0025]将所述目标掩码标志对应的待融合目标存储至第一列表；
[0026]将与所述第一列表中的掩码标志按位与的结果为零的待融合目标存储至第二列表；
[0027]基于簇密度对应的最大匹配距离将所述第一列表和所述第二列表进行目标关联。
[0028]进一步的，基于簇密度对应的最大匹配距离将所述第一列表和所述第二列表进行目标关联包括：
[0029]根据所述第一列表和所述第二列表生成初始代价矩阵；
[0030]对所述初始代价矩阵进行分块并行计算得到目标代价矩阵；
[0031]基于所述目标代价矩阵和最大匹配距离使用匈牙利匹配算法进行关联匹配；
[0032]根据所述匹配结果进行目标关联合并。
[0033]第二方面，本专利技术实施例还提供了一种传感器数据关联装置，该装置包括：
[0034]获取模块，用于获取待融合目标；
[0035]聚类模块，用于基于聚类算法对所述待融合目标进行聚类，得到至少两个簇结构；
[0036]生成模块，用于基于所述簇结构的核心距离、最小可达距离和预设距离集合，从所述待融合目标中选取目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列；
[0037]关联模块，用于对所述簇集合中的每个簇，使用与所述簇密度对应的最大匹配距离，进行目标关联。
[0038]进一步的，还包括：
[0039]划分模块，用于在基于所述簇结构的核心距离、最小可达距离和预设距离集合，从
所述待融合目标中选目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列之前，基于预设距离集合对所述待融合目标进行划分，得到至少一个区间，其中，所述预设距离集合中的预设距离依次递增。
[0040]进一步的，关联模块具体用于：
[0041]基于所述簇集合中的每个簇生成融合目标列表；
[0042]获取所述融合目标列表中的待融合目标的掩码标志；
[0043]根据所述掩码标志和簇密度对应的最大匹配距离进行目标关联。
[0044]进一步的，关联模块具体用于：
[0045]获取掩码标志按位与的结果为零的两组待融合目标；
[0046]基于最大匹配距离，对所述两组待融合目标进行目标关联。
[0047]进一步的，关联模块具体用于：
[0048]获取待融合目标中传感器来源的总数目j；
[0049]获取传感器来源数目为i的掩码标志集合，其中，所述
[0050]从所述掩码标志集合中选取一个目标掩码标志；
[0051]将所述目标掩码标志对应的待融合目标存储至第一列表；
[0052]将与所述第一列表中的掩码标志按位与的结果为零的待融合目标存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传感器数据关联方法，其特征在于，包括：获取待融合目标；基于聚类算法对所述待融合目标进行聚类，得到至少两个簇结构；基于所述簇结构的核心距离、最小可达距离和预设距离集合，从所述待融合目标中选取目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列；对所述簇集合中的每个簇，使用与所述簇密度对应的最大匹配距离，进行目标关联。2.根据权利要求1所述的方法，其特征在于，在基于所述簇结构的核心距离、最小可达距离和预设距离集合，从所述待融合目标中选目标点，根据所述目标点生成簇集合，其中，所述簇集合中的簇密度从大到小排列之前，还包括：基于预设距离集合对所述待融合目标进行划分，得到至少一个区间，其中，所述预设距离集合中的预设距离依次递增。3.根据权利要求1所述的方法，其特征在于，对所述簇集合中的每个簇，使用与簇密度对应的最大匹配距离，进行目标关联包括：基于所述簇集合中的每个簇生成融合目标列表；获取所述融合目标列表中的待融合目标的掩码标志；根据所述掩码标志和簇密度对应的最大匹配距离进行目标关联。4.根据权利要求3所述的方法，其特征在于，根据所述掩码标志和所述簇密度对应的最大匹配距离进行目标关联，包括：获取掩码标志按位与的结果为零的两组待融合目标；基于最大匹配距离，对所述两组待融合目标进行目标关联。5.根据权利要求3所述的方法，其特征在于，根据所述掩码标志和簇密度对应的最大匹配距离进行目标关联，包括：获取待融合目标中传感器来源的总数目j；获取传感器来源数目为i的掩码标志集合，其中，所述从所述掩码标志集合中选取一个目标掩码标志；将所述目标掩码标志对应的待融合目标存储至第一列表；将与所述第一列表中的掩码标志按位与的结果为零...

【专利技术属性】
技术研发人员：鹿强，衣春雷，吴健宇，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：