CN109635861B - 一种数据融合方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种数据融合方法、装置、电子设备及存储介质。所述方法包括：获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。不仅可以提高数据融合的鲁棒性，而且还可以保证数据融合的实时性。

Description

一种数据融合方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种数据融合方法、装置、电子设备及存储介质。

背景技术

自动驾驶车辆，也可称为无人驾驶车辆，是指通过各种传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。因此，自动驾驶车辆在行使时，必须实时了解车辆周围的行使环境。而环境信息的获取依靠安装于自动驾驶车辆上的各种传感器，目前自动驾驶车辆上典型的传感器包括：激光雷达、相机和毫米波雷达。在车辆行驶过程中，各个传感器采集到数据后，各个传感器中的传感器模块进行检测和跟踪，而各个传感器的输出结果可能会存在冲突，例如对某个障碍物，激光雷达识别为机动车而相机识别为自行车。为了提高对目标障碍物的识别能力，就要利用数据融合技术，充分利用各个传感器的互补性，形成对系统环境的综合感知描述。

在现有的数据融合方法中，通常先获取无人驾驶车辆中各个传感器输出的传感器数据；然后将各个传感器输出的传感器数据进行融合。在现有的数据融合方法中，将全部传感器输出的传感器数据直接进行融合，如果无人驾驶车辆中传感器的数量较多，而各个传感器输出的传感器数据歧义性较大，融合逻辑复杂，那么采用现有的数据融合方法，不但会降低数据融合的鲁棒性，而且还会降低数据融合的实时性。

发明内容

有鉴于此，本发明实施例提供一种数据融合方法、装置、电子设备及存储介质，不仅可以提高数据融合的鲁棒性，而且还可以保证数据融合的实时性。

第一方面，本发明实施例提供了一种数据融合方法，所述方法包括：

获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；

根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；

将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

在上述实施例中，所述获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据，包括：

获取所述无人驾驶车辆中所述当前传感器在当前周期内输出的各个传感器数据；

在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；

根据各个传感器数据对应的时间戳获取所述当前传感器在当前时刻输出的至少一个当前传感器数据。

在上述实施例中，所述根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据，包括：

计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度；

根据所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

在上述实施例中，所述计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度，包括：

在所述当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；

将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；

计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；

根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

在上述实施例中，所述将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合，包括：

在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，所述特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；

根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定所述无人驾驶车辆在当前时刻的融合信息；其中，所述融合信息包括：速度信息、外观信息或者类别信息；

根据所述无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

第二方面，本发明实施例提供了一种数据融合装置，所述装置包括：获取模块、确定模块和融合模块；其中，

所述获取模块，用于获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；

所述确定模块，用于根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；

所述融合模块，用于将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

在上述实施例中，所述获取模块，具体用于获取所述无人驾驶车辆中所述当前传感器在当前周期内输出的各个传感器数据；在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；根据各个传感器数据对应的时间戳获取所述当前传感器在当前时刻输出的至少一个当前传感器数据。

在上述实施例中，所述确定模块包括：计算子模块和确定子模块；其中，

所述计算子模块，用于计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度；

所述确定子模块，用于根据所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

在上述实施例中，所述计算子模块，具体用于在所述当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

在上述实施例中，所述融合模块，具体用于在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，所述特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定所述无人驾驶车辆在当前时刻的融合信息；其中，所述融合信息包括：速度信息、外观信息或者类别信息；根据所述无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

第三方面，本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的数据融合方法。

第四方面，本发明实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的数据融合方法。

本发明实施例提出了一种数据融合方法、装置、电子设备及存储介质，先获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；然后根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；再将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。也就是说，在本发明的技术方案中，可以根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据。而在现有的数据融合方法中，将全部传感器输出的传感器数据直接进行融合，如果无人驾驶车辆中传感器的数量较多，而各个传感器输出的传感器数据歧义性较大，融合逻辑复杂，那么采用现有的数据融合方法，不但会降低数据融合的鲁棒性，而且还会降低数据融合的实时性。因此，和现有技术相比，本发明实施例提出的数据融合方法、装置、电子设备及存储介质，不仅可以提高数据融合的鲁棒性，而且还可以保证数据融合的实时性；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。

附图说明

图1为本发明实施例一提供的数据融合方法的流程示意图；

图2为本发明实施例二提供的数据融合方法的流程示意图；

图3为本发明实施例三提供的数据融合方法的流程示意图；

图4为本发明实施例四提供的数据融合装置的第一结构示意图；

图5为本发明实施例四提供的数据融合装置的第二结构示意图；

图6为本发明实施例五提供的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

实施例一

图1为本发明实施例一提供的数据融合方法的流程示意图，该方法可以由数据融合装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，数据融合方法可以包括以下步骤：

S101、获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据。

在本发明的具体实施例中，电子设备可以获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据。具体地，电子设备可以先获取无人驾驶车辆中当前传感器在当前周期内输出的各个传感器数据；然后在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；再根据各个传感器数据对应的时间戳获取当前传感器在当前时刻输出的至少一个当前传感器数据。

S102、根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据。

在本发明的具体实施例中，电子设备可以根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据。具体地，电子设备可以先计算当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度；然后根据当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

S103、将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

在本发明的具体实施例中，电子设备可以将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。具体地，电子设备可以先在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；然后根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定无人驾驶车辆在当前时刻的融合信息；其中，所述融合信息包括：速度信息、外观信息或者类别信息；再根据无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

本发明实施例提出的数据融合方法，先获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；然后根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；再将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。也就是说，在本发明的技术方案中，可以根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据。而在现有的数据融合方法中，将全部传感器输出的传感器数据直接进行融合，如果无人驾驶车辆中传感器的数量较多，而各个传感器输出的传感器数据歧义性较大，融合逻辑复杂，那么采用现有的数据融合方法，不但会降低数据融合的鲁棒性，而且还会降低数据融合的实时性。因此，和现有技术相比，本发明实施例提出的数据融合方法，不仅可以提高数据融合的鲁棒性，而且还可以保证数据融合的实时性；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例二

图2为本发明实施例二提供的数据融合方法的流程示意图。如图2所示，数据融合方法可以包括以下步骤：

S201、获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据。

在本发明的具体实施例中，电子设备可以获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据。具体地，电子设备可以先获取无人驾驶车辆中当前传感器在当前周期内输出的各个传感器数据；然后在当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；再根据各个传感器数据对应的时间戳获取当前传感器在当前时刻输出的至少一个当前传感器数据。

S202、计算当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

在本发明的具体实施例中，电子设备可以计算当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。具体地，假设当前传感器在当前时刻输出X个当前传感器数据，分别为：当前传感器数据1、当前传感器数据2、…、当前传感器数据X；电子设备预先确定出Y个历史轨迹数据，分别为：历史轨迹数据1、历史轨迹数据2、…、历史轨迹数据Y；其中，X和Y均为大于等于1的自然数。在本步骤中，电子设备可以计算当前传感器数据1和历史轨迹数据1的相似度，当前传感器数据1和历史轨迹数据2的相似度、…、当前传感器数据1和历史轨迹数据Y的相似度；还可以计算当前传感器数据2和历史轨迹数据1的相似度，当前传感器数据2和历史轨迹数据2的相似度、…、当前传感器数据2和历史轨迹数据Y的相似度；以此类推；还可以计算当前传感器数据X和历史轨迹数据1的相似度，当前传感器数据X和历史轨迹数据2的相似度、…、当前传感器数据X和历史轨迹数据Y的相似度。

较佳地，在本发明的具体实施例中，电子设备可以在当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。具体地，电子设备可以按照预先确定的数据存储格式在各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；按照预先确定的数据拆分方式将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；例如，假设当前传感器数据对应的车辆行驶数据中包括10个物体，分别为：3个行人、3个车辆和4个树木，在本步骤中，电子设备可以将当前传感器数据对应的车辆行驶数据划分为3个车辆行驶子数据；分别为：车辆行驶子数据1、车辆行驶子数据2和车辆行驶子数据3；其中，车辆行驶子数据1包括3个行人；车辆行驶子数据2包括3个车辆；车辆行驶子数据3包括4个树木。然后计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

S203、根据当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

在本发明的具体实施例中，电子设备可以根据当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。具体地，假设当前传感器在当前时刻输出X个当前传感器数据，分别为：当前传感器数据1、当前传感器数据2、…、当前传感器数据X；电子设备预先确定出Y个历史轨迹数据，分别为：历史轨迹数据1、历史轨迹数据2、…、历史轨迹数据Y；其中，X和Y均为大于等于1的自然数。在本步骤中，电子设备可以根据当前传感器数据1和历史轨迹数据1的相似度，当前传感器数据1和历史轨迹数据2的相似度、…、当前传感器数据1和历史轨迹数据Y的相似度，确定当前传感器数据1相互关联的目标轨迹数据1；还可以根据当前传感器数据2和历史轨迹数据1的相似度，当前传感器数据2和历史轨迹数据2的相似度、…、当前传感器数据2和历史轨迹数据Y的相似度，确定当前传感器数据2相互关联的目标轨迹数据2；以此类推；还可以根据当前传感器数据X和历史轨迹数据1的相似度，当前传感器数据X和历史轨迹数据2的相似度、…、当前传感器数据X和历史轨迹数据Y的相似度，确定当前传感器X相互关联的目标轨迹数据X。

S204、将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

在本发明的具体实施例中，电子设备可以将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。具体地，电子设备可以先在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；然后根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定所述无人驾驶车辆在当前时刻的融合信息；其中，融合信息包括：速度信息、外观信息或者类别信息；再根据无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

本发明实施例提出的数据融合方法，先获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；然后根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；再将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。也就是说，在本发明的技术方案中，可以根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据。而在现有的数据融合方法中，将全部传感器输出的传感器数据直接进行融合，如果无人驾驶车辆中传感器的数量较多，而各个传感器输出的传感器数据歧义性较大，融合逻辑复杂，那么采用现有的数据融合方法，不但会降低数据融合的鲁棒性，而且还会降低数据融合的实时性。因此，和现有技术相比，本发明实施例提出的数据融合方法，不仅可以提高数据融合的鲁棒性，而且还可以保证数据融合的实时性；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例三

图3为本发明实施例三提供的数据融合方法的流程示意图。如图3所示，数据融合方法可以包括以下步骤：

S301、获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据。

在本发明的具体实施例中，电子设备可以获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据。具体地，电子设备可以先获取无人驾驶车辆中当前传感器在当前周期内输出的各个传感器数据；然后在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；再根据各个传感器数据对应的时间戳获取当前传感器在当前时刻输出的至少一个当前传感器数据。

S302、计算当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

在本发明的具体实施例中，电子设备可以计算当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。具体地，假设当前传感器在当前时刻输出X个当前传感器数据，分别为：当前传感器数据1、当前传感器数据2、…、当前传感器数据X；电子设备预先确定出Y个历史轨迹数据，分别为：历史轨迹数据1、历史轨迹数据2、…、历史轨迹数据Y；其中，X和Y均为大于等于1的自然数。在本步骤中，电子设备可以计算当前传感器数据1和历史轨迹数据1的相似度，当前传感器数据1和历史轨迹数据2的相似度、…、当前传感器数据1和历史轨迹数据Y的相似度；还可以计算当前传感器数据2和历史轨迹数据1的相似度，当前传感器数据2和历史轨迹数据2的相似度、…、当前传感器数据2和历史轨迹数据Y的相似度；以此类推；还可以计算当前传感器数据X和历史轨迹数据1的相似度，当前传感器数据X和历史轨迹数据2的相似度、…、当前传感器数据X和历史轨迹数据Y的相似度。

较佳地，在本发明的具体实施例中，电子设备可以在当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。具体地，电子设备可以按照预先确定的数据存储格式在各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；按照预先确定的数据拆分方式将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；例如，假设当前传感器数据对应的车辆行驶数据中包括10个物体，分别为：3个行人、3个车辆和4个树木，在本步骤中，电子设备可以将当前传感器数据对应的车辆行驶数据划分为3个车辆行驶子数据；分别为：车辆行驶子数据1、车辆行驶子数据2和车辆行驶子数据3；其中，车辆行驶子数据1包括3个行人；车辆行驶子数据2包括3个车辆；车辆行驶子数据3包括4个树木。然后计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

S303、根据当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

在本发明的具体实施例中，电子设备可以根据当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。具体地，假设当前传感器在当前时刻输出X个当前传感器数据，分别为：当前传感器数据1、当前传感器数据2、…、当前传感器数据X；电子设备预先确定出Y个历史轨迹数据，分别为：历史轨迹数据1、历史轨迹数据2、…、历史轨迹数据Y；其中，X和Y均为大于等于1的自然数。在本步骤中，电子设备可以根据当前传感器数据1和历史轨迹数据1的相似度，当前传感器数据1和历史轨迹数据2的相似度、…、当前传感器数据1和历史轨迹数据Y的相似度，确定当前传感器数据1相互关联的目标轨迹数据1；还可以根据当前传感器数据2和历史轨迹数据1的相似度，当前传感器数据2和历史轨迹数据2的相似度、…、当前传感器数据2和历史轨迹数据Y的相似度，确定当前传感器数据2相互关联的目标轨迹数据2；以此类推；还可以根据当前传感器数据X和历史轨迹数据1的相似度，当前传感器数据X和历史轨迹数据2的相似度、…、当前传感器数据X和历史轨迹数据Y的相似度，确定当前传感器X相互关联的目标轨迹数据X。

S304、在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息。

在本发明的具体实施例中，电子设备可以在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息。具体地，电子设备可以在当前传感器数据1和当前传感器数据1相互关联的目标轨迹数据1中分别提取出当前时刻的特征信息1；还可以在当前传感器数据2和当前传感器数据2相互关联的目标轨迹数据2中分别提取出当前时刻的特征信息2；…；还可以在当前传感器数据X和当前传感器数据X相互关联的目标轨迹数据X中分别提取出当前时刻的特征信息X。

S305、根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定无人驾驶车辆在当前时刻的融合信息。

在本发明的具体实施例中，电子设备可以根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定无人驾驶车辆在当前时刻的融合信息；其中，融合信息包括：速度信息、外观信息或者类别信息。具体地，电子设备可以根据当前传感器数据1和当前传感器数据1相互关联的目标轨迹数据1在当前时刻的特征信息1确定无人驾驶车辆在当前时刻的融合信息1；还可以根据当前传感器数据2和当前传感器数据2相互关联的目标轨迹数据2在当前时刻的特征信息2确定无人驾驶车辆在当前时刻的融合信息2；…；还可以根据当前传感器数据X和当前传感器数据X相互关联的目标轨迹数据X在当前时刻的特征信息X确定无人驾驶车辆在当前时刻的融合信息X。

S306、根据无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

在本发明的具体实施例中，电子设备可以根据无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。具体地，电子设备可以根据无人驾驶车辆在当前时刻的融合信息1将当前传感器数据1和当前传感器数据1相互关联的目标轨迹数据1在当前时刻进行融合；还可以根据无人驾驶车辆在当前时刻的融合信息2将当前传感器数据2和当前传感器数据2相互关联的目标轨迹数据2在当前时刻进行融合；…；还可以根据无人驾驶车辆在当前时刻的融合信息X将当前传感器数据X和当前传感器数据X相互关联的目标轨迹数据X在当前时刻进行融合。

本发明实施例提出的数据融合方法，先获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；然后根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；再将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。也就是说，在本发明的技术方案中，可以根据当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据。而在现有的数据融合方法中，将全部传感器输出的传感器数据直接进行融合，如果无人驾驶车辆中传感器的数量较多，而各个传感器输出的传感器数据歧义性较大，融合逻辑复杂，那么采用现有的数据融合方法，不但会降低数据融合的鲁棒性，而且还会降低数据融合的实时性。因此，和现有技术相比，本发明实施例提出的数据融合方法，不仅可以提高数据融合的鲁棒性，而且还可以保证数据融合的实时性；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例四

图4为本发明实施例四提供的数据融合装置的第一结构示意图。如图4所示，本发明实施例所述的数据融合装置可以包括：获取模块401、确定模块402和融合模块403；其中，

所述获取模块401，用于获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；

所述确定模块402，用于根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；

所述融合模块403，用于将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

进一步的，所述获取模块401，具体用于获取所述无人驾驶车辆中所述当前传感器在当前周期内输出的各个传感器数据；在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；根据各个传感器数据对应的时间戳获取所述当前传感器在当前时刻输出的至少一个当前传感器数据。

图5为本发明实施例四提供的数据融合装置的第二结构示意图。如图5所示，所述确定模块402包括：计算子模块4021和确定子模块4022；其中，

所述计算子模块4021，用于计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度；

所述确定子模块4022，用于根据所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

进一步的，所述计算子模块4021，具体用于在所述当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

进一步的，所述融合模块403，具体用于在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，所述特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定所述无人驾驶车辆在当前时刻的融合信息；其中，所述融合信息包括：速度信息、外观信息或者类别信息；根据所述无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

上述数据融合装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的数据融合方法。

实施例五

图6为本发明实施例五提供的电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备的框图。图6显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的数据融合方法。

实施例六

本发明实施例六提供了一种计算机存储介质。

本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种数据融合方法，其特征在于，所述方法包括：

获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；

根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；

根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据确定所述无人驾驶车辆在当前时刻的融合信息；根据所述无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

2.根据权利要求1所述的方法，其特征在于，所述获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据，包括：

获取所述无人驾驶车辆中所述当前传感器在当前周期内输出的各个传感器数据；

在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；

根据各个传感器数据对应的时间戳获取所述当前传感器在当前时刻输出的至少一个当前传感器数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据，包括：

计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度；

根据所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

4.根据权利要求3所述的方法，其特征在于，所述计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度，包括：

在所述当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；

将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；

计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；

根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

5.根据权利要求1所述的方法，其特征在于，所述根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据确定所述无人驾驶车辆在当前时刻的融合信息，包括：

在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，所述特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；

根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定所述无人驾驶车辆在当前时刻的融合信息；其中，所述融合信息包括：速度信息、外观信息或者类别信息。

6.一种数据融合装置，其特征在于，所述装置包括：获取模块、确定模块和融合模块；其中，

所述获取模块，用于获取无人驾驶车辆中当前传感器在当前时刻输出的至少一个当前传感器数据；

所述确定模块，用于根据所述当前传感器在当前时刻输出的至少一个当前传感器数据和预先确定的各个历史轨迹数据确定各个当前传感器数据相互关联的目标轨迹数据；

所述融合模块，用于根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据确定所述无人驾驶车辆在当前时刻的融合信息；根据所述无人驾驶车辆在当前时刻的融合信息将各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻进行融合。

7.根据权利要求6所述的装置，其特征在于：

所述获取模块，具体用于获取所述无人驾驶车辆中所述当前传感器在当前周期内输出的各个传感器数据；在所述当前传感器在当前周期内输出的各个传感器数据中提取出各个传感器数据对应的时间戳；根据各个传感器数据对应的时间戳获取所述当前传感器在当前时刻输出的至少一个当前传感器数据。

8.根据权利要求6所述的装置，其特征在于，所述确定模块包括：计算子模块和确定子模块；其中，

所述计算子模块，用于计算所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度；

所述确定子模块，用于根据所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度确定各个当前传感器数据相互关联的目标轨迹数据。

9.根据权利要求8所述的装置，其特征在于：

所述计算子模块，具体用于在所述当前传感器在当前时刻输出的各个当前传感器数据中提取出各个当前传感器数据对应的车辆行驶数据；将各个当前传感器数据对应的车辆行驶数据拆分为M个车辆行驶子数据；其中，M为大于1的自然数；计算各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度；根据各个当前传感器数据对应的M个车辆行驶子数据和各个历史轨迹数据的相似度确定所述当前传感器在当前时刻输出的各个当前传感器数据和各个历史轨迹数据的相似度。

10.根据权利要求6所述的装置，其特征在于：

所述融合模块，具体用于在各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据中分别提取出当前时刻的特征信息；其中，所述特征信息包括：外观特征信息、运动特征信息、语义特征信息或者场景特征信息；根据各个当前传感器数据和各个当前传感器数据相互关联的目标轨迹数据在当前时刻的特征信息确定所述无人驾驶车辆在当前时刻的融合信息；其中，所述融合信息包括：速度信息、外观信息或者类别信息。

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的数据融合方法。

12.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述的数据融合方法。

Images