本公开提供了一种数据处理方法、装置、电子设备以及存储介质，其中，该方法包括：获取多个传感器采集到的观测数据；根据环形缓存区中的预测数据，对观测数据和至少一个目标进行数据关联，得到与各个目标相关联的目标观测数据；环形缓存区中的预测数据表征根据在目标时间窗口内每个观测时刻采集的观测数据预测出的目标的运动状态；对目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理；根据目标观测数据，对时间戳对齐处理后的预测数据进行更新，得到各个目标的融合运动状态。本公开实施例通过采用环形缓冲技术保存历史时刻的融合运动状态，可以有效的利用每个传感器的所有数据，以及保证目标的预测状态的稳定性。以及保证目标的预测状态的稳定性。以及保证目标的预测状态的稳定性。
【技术实现步骤摘要】
数据处理方法、装置、电子设备以及存储介质
[0001]本公开涉及数据处理的
，具体而言，涉及一种数据处理方法、装置、电子设备以及存储介质。
技术介绍
[0002]目前，现有的传感器数据感知融合方法主要分为使用同步传感器系统的感知融合方法和使用异步传感器系统的感知融合方法。针对同步传感器系统，需要每个同步传感器的观测时间和数据传输延迟时间相同，在实际中，人们往往通过使用触发脉冲来同时触发每个传感器采集数据，从而保证每个传感器的观测时间一致，同时，使用低延时的数据传输网络来保证各个传感器的传输时间相同。然而，这类方法需要复杂的硬件电路来实现同时触发，其实现较为复杂，成本较高。对异步传感器系统，仅仅需要保证各个异步传感器有同一时间源，例如，具有相同的数据采集时间间隔。
[0003]此时，可以通过为每个异步传感器设置对应的定时器来实现。然而，针对异步传感器来说，部分异步传感器在获取到观测数据之后，需要将观测数据进行预处理，预处理之后才将数据传输至下一级设备，此时，会造成这类传感器的数据传输延迟时间较大。除此之外，在异步传感器中还包含采集频率较高的传感器，例如，摄像机。因此，在采用现有的基于异步传感器系统的感知融合方法时，需要抛弃数据传输延迟时间较大或者采集频率较高的传感器数据，此时，将导致难以高效的融合各个异步传感器的数据，从而导致预测出的目标的运动状态稳定性差。
技术实现思路
[0004]本公开实施例至少提供一种数据处理方法、装置、电子设备以及存储介质。
[0005]第一方面，本公开实施例提供了一种数据处理方法，包括：获取多个传感器采集到的观测数据；根据环形缓存区中的预测数据，对所述观测数据和至少一个目标进行数据关联，得到与各个目标相关联的目标观测数据；所述环形缓存区中的预测数据表征根据在目标时间窗口内每个观测时刻采集的观测数据预测出的所述目标的运动状态；对所述目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理；根据所述目标观测数据，对所述时间戳对齐处理后的预测数据进行更新，得到各个目标的融合运动状态。
[0006]在本公开实施例中，通过环形缓存区来存储根据在目标时间窗口内每个观测时刻采集的观测数据预测出的目标的运动状态，并根据该环形缓存区中的预测数据确定目标的融合运动状态，可以实现采用环形缓冲技术保存历史时刻的融合运动状态，从而可以有效的利用每个传感器的所有数据，同时还可以在数据感知融合的过程中保证目标的预测状态的稳定性。
[0007]一种可选的实施方式中，所述根据环形缓存区中的预测数据，对所述观测数据和至少一个目标进行数据关联，得到与各个目标相关联的目标观测数据，包括：在所述环形缓存区中查找时间戳为所述观测数据的各个观测时刻的第一预测数据；确定所述第一预测数
据和所述观测数据之间相似度；若所述相似度大于或者等于预设阈值，则将所述观测数据确定为所述环形缓存区所对应目标的目标观测数据。
[0008]通过上述描述可知，通过计算相似度来将观测数据和各个目标进行关联，能够快速并准确的从大量的观测数据中确定所属于每个目标的目标观测数据，从而在根据该目标观测数据和预测数据确定目标的融合运动状态时，可以得到准确的预测结果。
[0009]一种可选的实施方式中，所述对所述目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理，包括：确定所述目标观测数据的目标观测时刻和所述目标时间窗口之间的匹配关系；在根据所述匹配关系确定出所述目标观测时刻在所述目标时间窗口内，或者，所述目标观测时刻大于所述目标时间窗口内预测数据的最大时间戳的情况下，插值得到所述目标观测数据的预测数据并存储在所述环形缓存区中，并将所述目标观测时刻作为插值得到的预测数据的时间戳。
[0010]在本公开实施例中，通过上述所描述的方式对目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理，能够保证目标的最新运动状态的稳定性。
[0011]一种可选的实施方式中，所述对所述目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理，包括：在所述环形缓存区中不包含所述目标观测数据所对应的预测数据的情况下，根据所述环形缓存区中目标时刻的预测数据预测所述目标观测数据所对应的预测数据，得到第二预测数据；所述目标时刻为所述环形缓存区的目标时间窗口中位于所述目标观测数据的目标观测时刻之前，和/或，所述目标观测时刻之后的时刻；在所述环形缓存区与所述目标观测时刻相对应的存储位置中插入所述第二预测数据。
[0012]通过上述描述可知，在本公开实施例中，通过将环形缓存队列和目标观测数据进行时间戳对齐处理，可以实现在目标时间窗口内，对目标观测数据所对应目标的预测数据进行插值计算，从而实现将环形缓存队列的时间戳和目标观测数据的时间戳进行精准对齐。在对齐时间戳之后，在根据时间戳对齐处理后的预测数据进行更新时，就可以得到更加准确的融合运动状态。
[0013]一种可选的实施方式中，所述根据所述环形缓存区中目标时刻的预测数据预测所述目标观测数据所对应的预测数据，得到第二预测数据，包括：通过交互式多模型中每个运动模型，预测所述目标观测数据所对应的预测数据；对每个运动模型预测出的目标观测数据所对应的预测数据进行融合，得到所述第二预测数据。
[0014]在本公开实施例中，通过交互式多模型来预测第二预测数据，可以有效的拟合复杂目标的运动状态，从而可以得到更好的感知融合结果。
[0015]一种可选的实施方式中，所述通过交互式多模型中每个运动模型，预测所述目标观测数据所对应预测数据，包括：通过每个所述运动模型，根据所述目标时刻的预测数据预测模型概率；所述模型概率用于表征在所述目标观测时刻各个目标的实际运动状态与运动模型相匹配的概率；获取根据每个所述运动模型确定出的在所述目标时刻各个目标的融合运动状态；基于所述模型概率和根据每个所述运动模型确定出的在所述目标时刻各个目标的融合运动状态，确定利用每个所述运动模型预测的与所述目标观测数据所对应预测数据。
[0016]在本公开实施例中，通过交互式多模型中每个运动模型的模型概率和每个运动模型在目标时刻确定出的目标的融合状态数据来确定每个运动模型在目标观测时刻的预测
数据，可以有效的拟合复杂目标的运动状态，因此可以得到更好的感知融合结果。
[0017]一种可选的实施方式中，所述通过每个所述运动模型，根据所述目标时刻的预测数据预测模型概率，包括：针对每个所述运动模型，确定目标转移概率，其中，所述目标转移概率表示由所述交互式多模型中的其他运动模型转移到该运动模型的概率；确定所述其他运动模型在所述目标时刻的第一置信度；所述第一置信度用于表示在所述目标时刻所述目标的实际运动符合所述其他运动模型的概率；基于所述目标转移概率和所述置信度确定所述模型概率。
[0018]在本公开实施例中，根据目标转移概率和其他运动模型在目标时刻的第一置信度来确定该运动模型的模型概率，可以得到更加准确的模型概率，再通过该模型概率确定每个运动模型在目标观测时刻的预测数据时，可以提高数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取多个传感器采集到的观测数据；根据环形缓存区中的预测数据，对所述观测数据和至少一个目标进行数据关联，得到与各个目标相关联的目标观测数据；所述环形缓存区中的预测数据表征根据在目标时间窗口内每个观测时刻采集的观测数据预测出的所述目标的运动状态；对所述目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理；根据所述目标观测数据，对所述时间戳对齐处理后的预测数据进行更新，得到各个目标的融合运动状态。2.根据权利要求1所述的方法，其特征在于，所述根据环形缓存区中的预测数据，对所述观测数据和至少一个目标进行数据关联，得到与各个目标相关联的目标观测数据，包括：在所述环形缓存区中查找时间戳为所述观测数据的观测时刻的第一预测数据；确定所述第一预测数据和所述观测数据之间相似度；若所述相似度大于或者等于预设阈值，则将所述观测数据确定为所述环形缓存区所对应目标的目标观测数据。3.根据权利要求1或2所述的方法，其特征在于，所述对所述目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理，包括：确定所述目标观测数据的目标观测时刻和所述目标时间窗口之间的匹配关系；在根据所述匹配关系确定出所述目标观测时刻在所述目标时间窗口内，或者，所述目标观测时刻大于所述目标时间窗口内预测数据的最大时间戳的情况下，插值得到所述目标观测数据的预测数据并存储在所述环形缓存区中，并将所述目标观测时刻作为插值得到的预测数据的时间戳。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述目标观测数据和所述环形缓存区中的预测数据进行时间戳对齐处理，包括：在所述环形缓存区中不包含所述目标观测数据所对应的预测数据的情况下，根据所述环形缓存区中目标时刻的预测数据预测所述目标观测数据所对应的预测数据，得到第二预测数据；所述目标时刻为所述环形缓存区的目标时间窗口中位于所述目标观测数据的目标观测时刻之前，和/或，所述目标观测时刻之后的时刻；在所述环形缓存区与所述目标观测时刻相对应的存储位置中插入所述第二预测数据。5.根据权利要求4所述的方法，其特征在于，所述根据所述环形缓存区中目标时刻的预测数据预测所述目标观测数据所对应的预测数据，得到第二预测数据，包括：通过交互式多模型中每个运动模型，预测所述目标观测数据所对应的预测数据；对每个运动模型预测出的目标观测数据所对应的预测数据进行融合，得到所述第二预测数据。6.根据权利要求5所述的方法，其特征在于，所述通过交互式多模型中每个运动模型，预测所述目标观测数据所对应预测数据，包括：通过每个所述运动模型，根据所述目标时刻的预测数据预测模型概率；所述模型概率用于表征在所述目标观测时刻各个目标的实际运动状态与运动模型相匹配的概率；获取根据每个所述运动模型确定出的在所述目标时刻各个目标的融合运动状态；基于所述模型概率和根据每个所述运动模型确定出的在所述目标时刻各个目标的融
合运动状态，确定利用每个所述运动模型预测的与所述目标观测数据所对应的预测数据。7.根据权利要求6所述的方法，其特征在于，所述通过每个所述...
【专利技术属性】
技术研发人员：马全盟，罗铨，张世权，蒋沁宏，石建萍，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。