[发明专利]一种数据融合方法及装置

说明书

本申请实施例提供了一种数据融合方法及装置，涉及计算机技术领域，其中，上述方法包括：获得待融合数据；将所述待融合数据输入至预先训练的数据过滤模型，滤除所述待融合数据中的异常数据，获得过滤数据；采用卡尔曼滤波方式对所述过滤数据进行数据融合，获得所述待融合数据的融合结果。应用本申请实施例提供的方案进行数据融合，提高了数据融合结果的准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种数据融合方法及装置。

背景技术

随着电子技术的发展，设备的数据处理能力越来越强，一些应用场景中因每种获得数据的方式均具有其局限性，因此，为了获得较为准确的数据，往往采用多种方式获得数据，然后通过对所获得数据进行数据融合的方式获得高准确度的数据。

例如，在导航系统中进行定位时，可以获得单目摄像头、双目摄像头、深度相机、超声波传感器、红外线传感器等等设备采集的与位置相关的数据，然后通过对上述设备采集到的数据进行数据融合，实现定位。

然而，现有技术中对采用多种方式获得的数据进行融合后，所得到的数据准确度一般较低。

发明内容

本申请实施例的目的在于提供一种数据融合方法及装置，以提高数据融合所得数据的准确度。具体技术方案如下：

第一方面，提供了一种数据融合方法，所述方法包括：

获得待融合数据；

将所述待融合数据输入至预先训练的数据过滤模型，滤除所述待融合数据中的异常数据，获得过滤数据；

采用卡尔曼滤波方式对所述过滤数据进行数据融合，获得所述待融合数据的融合结果。

本申请的一个实施例中，所述数据过滤模型为：采用第一样本数据和所述第一样本数据的分类标注对预设的第一神经网络模型进行训练得到的模型，所述分类标注为：用于表征所述第一样本数据是否属于异常数据的信息。

本申请的一个实施例中，所述采用卡尔曼滤波方式对所述过滤数据进行数据融合，获得所述待融合数据的融合结果，包括：

采用卡尔曼滤波方式对所述过滤数据进行数据融合，获得初始融合结果；

将所述初始融合结果输入至预先训练的误差补偿模型，获得所述初始融合结果的误差补偿信息；

根据所述初始融合结果和误差补偿信息，获得所述待融合数据的数据融合结果。

本申请的一个实施例中，所述误差补偿模型为：采用样本融合结果和所述样本融合结果的实际误差对预设的第二神经网络模型进行训练得到的模型，所述样本融合结果为：采用卡尔曼滤波方式对第二样本数据进行数据融合的结果。

本申请的一个实施例中，所述采用卡尔曼滤波方式对所述过滤数据进行数据融合，获得所述待融合数据的融合结果，包括：

采用卡尔曼滤波方式对所述过滤数据进行数据融合，获得第一融合结果；

将所述过滤数据输入至基于神经网络的数据融合模型，获得所述数据融合模型输出的融合结果，作为第二融合结果，并基于第一融合信息和第二融合信息对所述数据融合模型进行训练，其中，所述第一融合信息为：采用卡尔曼滤波方式对所述过滤数据进行数据融合而产生的信息，所述第二融合信息为：采用所述数据融合模型对所述过滤数据进行数据融合而产生的信息；

根据所述第一融合结果和第二融合结果，确定所述待融合数据的数据融合结果。

本申请的一个实施例中，在所述基于第一融合信息和第二融合信息对所述数据融合模型进行训练之后，还包括：

判断所述数据融合模型是否满足预设的训练中止条件；

若为是，中止对所述数据融合模型进行训练。