[发明专利]一种基于目标级别的双传感器数据融合方法和装置

说明书

本发明一种基于目标级别的双传感器数据融合方法、装置、电子设备及存储介质，涉及车辆目标特征融合技术，用于解决车辆毫米波雷达和摄像头传感器在目标级数据融合方面的目标一致性确认问题，能够简化计算过程，提高计算效率，增加对前方物体数量及位置的检测精度。本方法包括：获取第一目标点和第二目标点的数据信息；确定所述第一目标点和第二目标点之间的距离和速度差值均小于预设阈值，此时认为第一目标点和第二目标点是同一目标物；将毫米波雷达探测到的该目标物相对于本车的速度和纵向距离、摄像头探测到的该目标物的类别和横向距离组合作为该目标物的目标级数据信息。

技术领域

本发明属于车辆目标特征融合技术领域，尤其是涉及一种基于目标级别的双传感器数据融合方法、装置、电子设备及存储介质。

背景技术

高级驾驶辅助系统或自动驾驶系统的快速发展对车辆感知性能提出了更为严苛的要求，可以说感知性能的提升对于系统性能的提升是革命性的。但受限于技术、成本等各方面原因，目前单一传感器还难以满足复杂的车辆周边环境信息感知，因此使用多种传感器进行数据融合成为各个研究机构努力的方向。而目前车辆上使用的环境感知传感器主要有激光雷达(LiDAR)、毫米波雷达(Radar)和摄像头，激光雷达具有探测精准、分辨率高等优点，但受限于激光雷达的成本，目前以及未来一段时间在量产车上使用的主要传感器还是毫米波雷达和摄像头。毫米波雷达具有测距、测速精准、受天气影响小的特点，但是其目标分辨能力和目标角度分辨能力较弱，而摄像头对于目标类型和目标物角度分辨具有较高的辨识能力，如果能够将毫米波雷达和摄像头进行目标融合，那么对于系统感知性能的提高具有非常显著的帮助。

目前进行传感器融合感知有三大目标方向，分别是像素级数据融合、特征级数据融合和目标级数据融合。像素级数据融合在传感器原始数据端就进行数据匹配融合，需要对海量的数据进行处理，对于车载计算资源提出非常高的要求；特征级数据融合是各单一传感器对原始数据进行简单滤波后再进行目标匹配，这种融合方式处理的数据量相比原始数据量并没有减少很多，另外还有可能滤掉一些关键信息；而目标级数据融合是各单一传感器对原始数据进行滤波、特征提取之后再进行目标匹配融合，此时数据量较小，目标信息比较明确，可以由主机厂等集成方对毫米波雷达和摄像头两个厂家的传感器进行数据融合解读，提高传感器的感知性能。

现有技术中，亟待解决的技术问题是：如何实现车辆毫米波雷达和摄像头传感器在目标级数据融合方面的目标一致性确认，以很好地对同一目标物发挥二者传感器各自的优点，也即摄像头的目标分辨和角度分辨能力，毫米波雷达的测距和测速能力，提高车辆环境感知传感器对目标探测的精准度。

发明内容

有鉴于此，本发明实施例提供一种基于目标级别的双传感器数据融合方法、装置、电子设备及存储介质，能够简化毫米波雷达和摄像头融合的计算过程，提高计算效率，增加对前方物体数量及位置的检测精度。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于目标级别的双传感器数据融合方法，获取第一目标点和第二目标点的数据信息，其中，数据信息包括位置信息和速度信息，第一目标点代表毫米波雷达传感器探测到的目标物，第二目标点代表摄像头探测到的目标物；

确定第一目标点和第二目标点之间的距离小于第一预设阈值，并且第一目标点的速度和第二目标点的速度之间的差值小于第二预设阈值，此时认为第一目标点和第二目标点是同一目标物；

将毫米波雷达探测到的该目标物相对于本车的速度和纵向距离、摄像头探测到的该目标物的类别和横向距离组合作为该目标物的目标级数据信息。

进一步的，第一预设阈值W分为车与车之间的阈值Wctc及人与人之间的阈值Wptp，Wctc和Wptp通过提取摄像头和毫米波雷达传感器对同一目标物的目标级数据，对目标物相对本车的距离坐标进行统计得来。

进一步的，当第一目标点的速度方向和第二目标点的速度方向不同，则第二预设阈值V设定为0；