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：

1、隨著人工智能技術的成熟發(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乎著交通的便利，更與乘客的生命安全息息相關，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。

技術實現(xiàn)思路

1、克服相關技術中存在的問題，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的預處理，以得到預處理后的目標數(shù)據(jù)；

5、將所述預處理后的目標數(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的預處理，以得到預處理后的目標數(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)中確定障礙物對應的點云數(shù)據(jù)；

21、對所述障礙物對應的點云數(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，得到第一融合結果；

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

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

32、通過無跡卡爾曼濾波對所述第三融合結果進行處理，確定所述感知結果。

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)進行坐標轉換，所述坐標轉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)的坐標轉換為大地坐標；

36、對進行所述坐標轉換后的第二目標數(shù)據(jù)和第三目標數(shù)據(jù)進行關聯(lián)匹配，得到關聯(lián)匹配結果，所述關聯(lián)匹配用于確定所述坐標轉換后的第二目標數(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、對所述關聯(lián)匹配結果進行數(shù)據(jù)更新，所述數(shù)據(jù)更新用于對關聯(lián)匹配結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果。

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

39、對所述第一融合結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果和第一目標數(shù)據(jù)進行坐標轉換，所述坐標轉換用于分別將所述時間同步后的第一融合結果和第一目標數(shù)據(jù)的坐標轉換為大地坐標；

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

42、對所述關聯(lián)匹配結果進行數(shù)據(jù)更新，所述數(shù)據(jù)更新用于對關聯(lián)匹配結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果。

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

44、對所述第二融合結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果和第四目標數(shù)據(jù)進行坐標轉換，所述坐標轉換用于分別將所述時間同步后的第二融合結果和第四目標數(shù)據(jù)的坐標轉換為像素坐標系；

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

47、對所述關聯(lián)匹配結果進行數(shù)據(jù)更新，所述數(shù)據(jù)更新用于對關聯(lián)匹配結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的預處理，以得到預處理后的目標數(shù)據(jù)；

51、融合模塊，用于將所述預處理后的目標數(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的預處理，以得到預處理后的目標數(shù)據(jù)；將該預處理后的目標數(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，能夠結合不同傳感器優(yōu)勢，為車輛提供更為準確的感知結果。

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。