[發明專利]一種傳感器數據關聯方法、裝置、設備及存儲介質

有效

• 申請號: 202011467340.7
• 申請日: 2020-12-11
• 公開（公告）號: CN112465065B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 鹿強;衣春雷;吳健宇
• 申請（專利權）人: 中國第一汽車股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京遠智匯知識產權代理有限公司 11659
• 代理人: 范坤坤

本發明公開了一種傳感器數據關聯方法、裝置、設備及存儲介質。該方法包括：獲取待融合目標；基于聚類算法對所述待融合目標進行聚類，得到至少兩個簇結構；基于所述簇結構的核心距離、最小可達距離和預設距離集合，從所述待融合目標中選取目標點，根據所述目標點生成簇集合，其中，所述簇集合中的簇密度從大到小排列；對所述簇集合中的每個簇，使用與所述簇密度對應的最大匹配距離，進行目標關聯，通過本發明的技術方案，以實現能夠根據密度等級選擇不同的最大匹配距離分別進行目標關聯，降低漏關聯和誤關聯，并且各個簇并行地進行關聯可以進一步提升算法的效率。

技術領域

本發明實施例涉及車輛技術，尤其涉及一種傳感器數據關聯方法、裝置、設備及存儲介質。

背景技術

對于自動駕駛而言，感知、決策和控制構成了三大功能模塊。感知模塊作為三大功能模塊中的基礎和前提，需要實現對周圍的環境進行精確感知。受傳感器技術原理的限制，不同類型傳感器感知到的目標屬性和感知范圍存在差異，相同類型的不同傳感器器因安裝位置不同，感知區域也存在差異，因而需要對各個傳感器的感知結果進行融合。

在實際應用中，現有的感知融合技術的實現主要采用目標級的后融合方法，該方案一般包括目標關聯和目標融合兩個步驟，目標關聯主要采用基于匈牙利匹配的全局最近鄰(Global Nearest Neighbor,GNN)方法。GNN方法需要事先設置一個最大匹配距離用于匈牙利匹配結果有效性的驗證，設置單一的最大匹配距離容易導致漏關聯或誤關聯，且當目標數量較多或傳感器數量較多時，計算的時間復雜度較高，算法的實現難度較大。

從融合對象的維度看，傳感器融合包括數據級、特征級和目標級的融合；從實現路徑的維度看，傳感器融合包括先關聯后融合和直接融合兩種方案，前一種方案主要采用全局最近鄰(Global Nearest Neighbor，GNN)關聯加Kalman濾波或DS證據理論融合的方法，后一中方案主要方法是基于隨機有限集(Random Finite Set，RFS)的融合。由于RFS的理論的不完備性和實現難度大，在實際應用中多采用第一種融合方案。

GNN方法基于匈牙利匹配實現全局最優關聯。GNN方法需要事先設置一個最大匹配距離用于匈牙利匹配結果有效性的驗證，當最大匹配距離過大時容易導致誤關聯，當最大匹配距離過小時容易導致漏關聯，因而設置單一的最大匹配距離容易導致漏關聯或誤關聯；且當目標數量較多或傳感器數量較多時，由于需要對來自任意兩個來源的目標進行關聯，計算的時間復雜度較高，算法的實現難度較大。

發明內容

本發明實施例提供一種傳感器數據關聯方法、裝置、設備及存儲介質，以實現能夠根據密度等級選擇不同的最大匹配距離分別進行目標關聯，降低漏關聯和誤關聯，并且各個簇并行地進行關聯可以進一步提升算法的效率。

第一方面，本發明實施例提供了一種傳感器數據關聯方法，包括：

獲取待融合目標；

基于聚類算法對所述待融合目標進行聚類，得到至少兩個簇結構；

基于所述簇結構的核心距離、最小可達距離和預設距離集合，從所述待融合目標中選取目標點，根據所述目標點生成簇集合，其中，所述簇集合中的簇密度從大到小排列；

對所述簇集合中的每個簇，使用與所述簇密度對應的最大匹配距離，進行目標關聯。

進一步的，在基于所述簇結構的核心距離、最小可達距離和預設距離集合，從所述待融合目標中選目標點，根據所述目標點生成簇集合，其中，所述簇集合中的簇密度從大到小排列之前，還包括：

基于預設距離集合對所述待融合目標進行劃分，得到至少一個區間，其中，所述預設距離集合中的預設距離依次遞增。

進一步的，對所述簇集合中的每個簇，使用與簇密度對應的最大匹配距離，進行目標關聯包括：

基于所述簇集合中的每個簇生成融合目標列表；