本公開涉及車輛電子，具體地，涉及一種數(shù)據(jù)融合方法、裝置及車輛。

背景技術(shù)：

1、隨著人工智能技術(shù)的成熟發(fā)展，智能駕駛車輛也逐漸闖入人們的視野，但智能駕駛車輛不僅關(guān)乎著交通的便利，更與乘客的生命安全息息相關(guān)，而智能駕駛車輛的安全駕駛又與其自身安裝的各種傳感器的環(huán)境感知能力緊密相連。由于每種傳感器都有其自身的限制和特點，智能駕駛車輛系統(tǒng)通常會集成多種傳感器以獲得更準確、全面的環(huán)境信息。

2、而在傳感器數(shù)據(jù)集成時，傳感器數(shù)量并不是越多越好，還要考慮各個傳感器的功能互補以及處理性能，既要能夠獲得最優(yōu)的環(huán)境感知能力，又要達到實時處理的效果。而現(xiàn)有的多傳感器數(shù)據(jù)融合方法大多集中在多個同類型的傳感器數(shù)據(jù)融合，或只針對兩種傳感器進行數(shù)據(jù)融合，且融合方法中沒有體現(xiàn)每一類傳感器自身獨有的優(yōu)勢，而是簡單地將所有傳感器檢測到的數(shù)據(jù)進行濾波處理，最終的結(jié)果不能完全體現(xiàn)各個傳感器各自的優(yōu)勢，因此，提供一種智能駕駛車輛多種傳感器數(shù)據(jù)融合的處理方法是亟需解決的問題。

技術(shù)實現(xiàn)思路

1、克服相關(guān)技術(shù)中存在的問題，本公開提供一種數(shù)據(jù)融合方法、裝置及車輛。

2、根據(jù)本公開實施例的第一方面，提供一種數(shù)據(jù)融合方法，包括：

3、獲取多個傳感器的檢測數(shù)據(jù)，所述檢測數(shù)據(jù)包括：定位差分模塊獲取的數(shù)據(jù)、攝像頭獲取的數(shù)據(jù)和至少一種雷達獲取的數(shù)據(jù)；

4、分別對所述檢測數(shù)據(jù)中的各項數(shù)據(jù)進行與傳感器類型對應(yīng)的預(yù)處理，以得到預(yù)處理后的目標數(shù)據(jù)；

5、將所述預(yù)處理后的目標數(shù)據(jù)進行數(shù)據(jù)融合，得到融合后的感知結(jié)果。

6、可選地，所述至少一種雷達包括：毫米波雷達和激光雷達，所述分別對所述檢測數(shù)據(jù)中的各項數(shù)據(jù)進行與傳感器類型對應(yīng)的預(yù)處理，以得到預(yù)處理后的目標數(shù)據(jù)，包括：

7、通過濾波算法和所述定位差分模塊獲取的第一數(shù)據(jù)對所述毫米波雷達獲取的第二數(shù)據(jù)進行第一預(yù)處理，得到第一目標數(shù)據(jù)；

8、通過深度學習算法和所述第一數(shù)據(jù)對所述激光雷達獲取的第三數(shù)據(jù)進行第二預(yù)處理，得到第二目標數(shù)據(jù)；

9、通過聚類算法和所述第一數(shù)據(jù)對所述第三數(shù)據(jù)進行第三預(yù)處理，得到第三目標數(shù)據(jù)；

10、通過圖像識別算法和所述第一數(shù)據(jù)對所述攝像頭獲取的第四數(shù)據(jù)進行第四預(yù)處理，得到第四目標數(shù)據(jù)。

11、可選地，所述通過濾波算法和所述定位差分模塊獲取的第一數(shù)據(jù)對所述毫米波雷達獲取的第二數(shù)據(jù)進行第一預(yù)處理，得到第一目標數(shù)據(jù)，包括：

12、通過濾波算法對所述第二數(shù)據(jù)進行濾波跟蹤的處理；

13、根據(jù)所述第一數(shù)據(jù)對所述處理后的第二數(shù)據(jù)添加utc時間標識；

14、對所述添加utc時間標識后的第二數(shù)據(jù)進行封裝，得到所述第一目標數(shù)據(jù)。

15、可選地，所述通過深度學習算法和所述第一數(shù)據(jù)對所述激光雷達獲取的第三數(shù)據(jù)進行第二預(yù)處理，得到第二目標數(shù)據(jù)，包括：

16、通過深度學習算法對所述第三數(shù)據(jù)進行障礙物識別，得到所述障礙物的障礙物信息；

17、根據(jù)所述第一數(shù)據(jù)對所述障礙物信息添加utc時間標識；

18、對所述添加utc時間標識后的障礙物信息進行封裝，得到所述第二目標數(shù)據(jù)。

19、可選地，所述通過聚類算法和所述第一數(shù)據(jù)對所述第三數(shù)據(jù)進行第三預(yù)處理，得到第三目標數(shù)據(jù)，包括：

20、通過聚類算法對所述第三數(shù)據(jù)進行聚類處理，以從所述第三數(shù)據(jù)中確定障礙物對應(yīng)的點云數(shù)據(jù)；

21、對所述障礙物對應(yīng)的點云數(shù)據(jù)進行邊界擬合，得到所述障礙物的障礙物信息；

22、根據(jù)所述第一數(shù)據(jù)對所述障礙物信息添加utc時間標識；

23、對所述添加utc時間標識后的障礙物信息進行封裝，得到所述第三目標數(shù)據(jù)。

24、可選地，所述通過圖像識別算法和所述第一數(shù)據(jù)對所述攝像頭獲取的第四數(shù)據(jù)進行第四預(yù)處理，得到第四目標數(shù)據(jù)，包括：

25、通過圖像識別算法對所述第四數(shù)據(jù)進行圖像識別處理，得到圖像識別數(shù)據(jù)；

26、根據(jù)所述第一數(shù)據(jù)對所述圖像識別數(shù)據(jù)添加utc時間標識；

27、對所述添加utc時間標識后的圖像識別數(shù)據(jù)進行封裝，得到所述第四目標數(shù)據(jù)。

28、可選地，所述將所述預(yù)處理后的目標數(shù)據(jù)進行數(shù)據(jù)融合，得到融合后的感知結(jié)果，包括：

29、對所述第二目標數(shù)據(jù)和所述第三目標數(shù)據(jù)進行第一數(shù)據(jù)融合，得到第一融合結(jié)果；

30、對所述第一融合結(jié)果和所述第一目標數(shù)據(jù)進行第二數(shù)據(jù)融合，得到第二融合結(jié)果；

31、對所述第二融合結(jié)果和所述第四目標數(shù)據(jù)進行第三數(shù)據(jù)融合，得到第三融合結(jié)果；

32、通過無跡卡爾曼濾波對所述第三融合結(jié)果進行處理，確定所述感知結(jié)果。

33、可選地，所述對所述第二目標數(shù)據(jù)和所述第三目標數(shù)據(jù)進行第一數(shù)據(jù)融合，得到第一融合結(jié)果，包括：

34、對所述第二目標數(shù)據(jù)和所述第三目標數(shù)據(jù)進行時間同步；

35、對進行所述時間同步后的第二目標數(shù)據(jù)和第三目標數(shù)據(jù)進行坐標轉(zhuǎn)換，所述坐標轉(zhuǎn)換用于分別將所述時間同步后的第二目標數(shù)據(jù)和第三目標數(shù)據(jù)的坐標轉(zhuǎn)換為大地坐標；

36、對進行所述坐標轉(zhuǎn)換后的第二目標數(shù)據(jù)和第三目標數(shù)據(jù)進行關(guān)聯(lián)匹配，得到關(guān)聯(lián)匹配結(jié)果，所述關(guān)聯(lián)匹配用于確定所述坐標轉(zhuǎn)換后的第二目標數(shù)據(jù)和第三目標數(shù)據(jù)中同一障礙物的匹配對數(shù)據(jù)；

37、對所述關(guān)聯(lián)匹配結(jié)果進行數(shù)據(jù)更新，所述數(shù)據(jù)更新用于對關(guān)聯(lián)匹配結(jié)果中的同一障礙物的匹配對數(shù)據(jù)進行數(shù)據(jù)融合，得到所述第一融合結(jié)果。

38、可選地，所述對所述第一融合結(jié)果和所述第一目標數(shù)據(jù)進行第二數(shù)據(jù)融合，得到第二融合結(jié)果，包括：

39、對所述第一融合結(jié)果和所述第一目標數(shù)據(jù)進行時間同步；

40、對進行所述時間同步后的第一融合結(jié)果和第一目標數(shù)據(jù)進行坐標轉(zhuǎn)換，所述坐標轉(zhuǎn)換用于分別將所述時間同步后的第一融合結(jié)果和第一目標數(shù)據(jù)的坐標轉(zhuǎn)換為大地坐標；

41、對進行所述坐標轉(zhuǎn)換后的第一融合結(jié)果和第一目標數(shù)據(jù)進行關(guān)聯(lián)匹配，得到關(guān)聯(lián)匹配結(jié)果，所述關(guān)聯(lián)匹配用于確定所述坐標轉(zhuǎn)換后的第一融合結(jié)果和第一目標數(shù)據(jù)中同一障礙物的匹配對數(shù)據(jù)；

42、對所述關(guān)聯(lián)匹配結(jié)果進行數(shù)據(jù)更新，所述數(shù)據(jù)更新用于對關(guān)聯(lián)匹配結(jié)果中的同一障礙物的匹配對數(shù)據(jù)進行數(shù)據(jù)融合，得到所述第二融合結(jié)果。

43、可選地，所述對所述第二融合結(jié)果和所述第四目標數(shù)據(jù)進行第三數(shù)據(jù)融合，得到第三融合結(jié)果，包括：

44、對所述第二融合結(jié)果和所述第四目標數(shù)據(jù)進行時間同步；

45、對進行所述時間同步后的第二融合結(jié)果和第四目標數(shù)據(jù)進行坐標轉(zhuǎn)換，所述坐標轉(zhuǎn)換用于分別將所述時間同步后的第二融合結(jié)果和第四目標數(shù)據(jù)的坐標轉(zhuǎn)換為像素坐標系；

46、對進行所述坐標轉(zhuǎn)換后的第二融合結(jié)果和第四目標數(shù)據(jù)進行關(guān)聯(lián)匹配，得到關(guān)聯(lián)匹配結(jié)果，所述關(guān)聯(lián)匹配用于確定所述坐標轉(zhuǎn)換后的第一融合結(jié)果和第一目標數(shù)據(jù)中同一障礙物的匹配對數(shù)據(jù)；

47、對所述關(guān)聯(lián)匹配結(jié)果進行數(shù)據(jù)更新，所述數(shù)據(jù)更新用于對關(guān)聯(lián)匹配結(jié)果中的同一障礙物的匹配對數(shù)據(jù)進行數(shù)據(jù)融合，得到所述第三融合結(jié)果。

48、根據(jù)本公開實施例的第二方面，提供一種數(shù)據(jù)融合裝置，包括：

49、獲取模塊，用于獲取多個傳感器的檢測數(shù)據(jù)，所述檢測數(shù)據(jù)包括：定位差分模塊獲取的數(shù)據(jù)、攝像頭獲取的數(shù)據(jù)和所述至少一種雷達獲取的數(shù)據(jù)；

50、預(yù)處理模塊，用于分別對所述檢測數(shù)據(jù)中的各項數(shù)據(jù)進行與傳感器類型對應(yīng)的預(yù)處理，以得到預(yù)處理后的目標數(shù)據(jù)；

51、融合模塊，用于將所述預(yù)處理后的目標數(shù)據(jù)進行數(shù)據(jù)融合，得到融合后的感知結(jié)果。

52、根據(jù)本公開實施例的第三方面，提供一種車輛，所述車輛包括本公開第二方面所提供的數(shù)據(jù)融合裝置。

53、通過上述技術(shù)方案，獲取多個傳感器的檢測數(shù)據(jù)，該檢測數(shù)據(jù)包括：定位差分模塊獲取的數(shù)據(jù)、攝像頭獲取的數(shù)據(jù)和該至少一種雷達獲取的數(shù)據(jù)；分別對該檢測數(shù)據(jù)中的各項數(shù)據(jù)進行與傳感器類型對應(yīng)的預(yù)處理，以得到預(yù)處理后的目標數(shù)據(jù)；將該預(yù)處理后的目標數(shù)據(jù)進行數(shù)據(jù)融合，得到融合后的感知結(jié)果。該方法能夠?qū)囕v中多種傳感器獲取的數(shù)據(jù)進行數(shù)據(jù)融合，能夠結(jié)合不同傳感器優(yōu)勢，為車輛提供更為準確的感知結(jié)果。

54、本公開的其他特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。