一种多传感器的物体关联方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种多传感器的物体关联方法、装置、设备及介质，所述方法包括：获取当前生成的至少一个待匹配的传感器轨迹数据集以及已保存的至少一个融合轨迹数据集；其中，各融合轨迹数据集包含至少一个已有的传感器轨迹数据集；确定待匹配的传感器轨迹数据集与融合轨迹数据集之间的相似度；根据相似度确定结果，确定待匹配的传感器轨迹数据集对应的物体与融合轨迹数据集对应的物体之间的关联关系；通过上述技术方案，提高了来自不同传感器的相同物体之间的关联准确度以及关联效率。

A Multi-Sensor Object Association Method, Device, Equipment and Media

The invention discloses a multi-sensor object association method, device, device and medium, which includes: acquiring at least one sensor trajectory data set currently generated to be matched and at least one fusion trajectory data set saved; each fusion trajectory data set includes at least one existing sensor trajectory data set; and determining the sensor trajectory to be matched. The similarity between the track data set and the fusion trajectory data set; the relationship between the object corresponding to the sensor trajectory data set to be matched and the object corresponding to the fusion trajectory data set is determined according to the result of similarity determination; the accuracy and efficiency of the correlation between the same objects from different sensors are improved through the above technical scheme.

【技术实现步骤摘要】
一种多传感器的物体关联方法、装置、设备及介质
本专利技术实施例涉及传感器数据融合技术，尤其涉及一种多传感器的物体关联方法、装置、设备及介质。
技术介绍
传感器数据融合是当今机器人及其相关技术的一个核心课题。在现实环境中仅仅凭借单一传感器并不能准确的得到想要测量的物体的全部测量信息。不同的传感器在不同的方面互有短长。有些传感器例如摄像机可以准确的识别物体的类型，同时视野足够远，但是对于物体的位置，速度等信息的测量效果则较差。激光雷达传感器则对物体位置具有极高的测量精度，但是由于传感器本身的特性原因，目前最多只能做到128线，一线只能测量3D空间中的一个平面，导致点云较稀疏，考虑到能够识别物体的准确率，因此有效测量距离明显小于传感器本身测量距离。而毫米波雷达则依据多普勒效应对物体的速度测量相对准确，但只能得到物体的2D位置信息。所以将不同传感器所得到的针对同一个物体的数据结合起来得到一个物体的各个属性的高精度信息就变得极为有必要。传感器融合算法正是旨在解决这一类的问题。而后融合正是将各个传感器得到的原始数据信息经过初步处理之后抽象化成一个一个的物体，每个传感器得到同一个空间中的各个物体信本文档来自技高网...

【技术保护点】
1.一种多传感器的物体关联方法，其特征在于，包括：获取当前生成的至少一个待匹配的传感器轨迹数据集以及已保存的至少一个融合轨迹数据集；其中，各融合轨迹数据集包含至少一个已有的传感器轨迹数据集；确定待匹配的传感器轨迹数据集与融合轨迹数据集之间的相似度；根据相似度确定结果，确定待匹配的传感器轨迹数据集对应的物体与融合轨迹数据集对应的物体之间的关联关系；其中，各传感器轨迹数据集包含根据同一传感器连续输出的设定数目的传感数据帧分别确定的相同物体的特征数据，不同传感器轨迹数据集所对应的物体不同，同一融合轨迹数据集包含的各传感器轨迹数据集所对应的物体相同并且所对应的传感器不同，以及不同融合轨迹数据集所对应的...

【技术特征摘要】
1.一种多传感器的物体关联方法，其特征在于，包括：获取当前生成的至少一个待匹配的传感器轨迹数据集以及已保存的至少一个融合轨迹数据集；其中，各融合轨迹数据集包含至少一个已有的传感器轨迹数据集；确定待匹配的传感器轨迹数据集与融合轨迹数据集之间的相似度；根据相似度确定结果，确定待匹配的传感器轨迹数据集对应的物体与融合轨迹数据集对应的物体之间的关联关系；其中，各传感器轨迹数据集包含根据同一传感器连续输出的设定数目的传感数据帧分别确定的相同物体的特征数据，不同传感器轨迹数据集所对应的物体不同，同一融合轨迹数据集包含的各传感器轨迹数据集所对应的物体相同并且所对应的传感器不同，以及不同融合轨迹数据集所对应的物体不同。2.根据权利要求1所述的物体关联方法，其特征在于，所述确定待匹配的传感器轨迹数据集与融合轨迹数据集之间的相似度包括：针对每个待匹配的传感器轨迹数据集，分别确定当前待匹配的传感器轨迹数据集与满足条件的各融合轨迹数据集之间的相似度；所述满足条件的融合轨迹数据集包含的各传感器轨迹数据集所对应的传感器与当前待匹配的传感器轨迹数据集所对应的传感器不同；对应的，所述根据相似度确定结果，确定待匹配的传感器轨迹数据集对应的物体与融合轨迹数据集对应的物体之间的关联关系，包括：根据确定的相似度，采用二分图匹配算法，确定待匹配的传感器轨迹数据集对应的物体与融合轨迹数据集对应的物体之间的关联关系。3.根据权利要求2所述的物体关联方法，其特征在于，所述确定当前待匹配的传感器轨迹数据集与满足条件的各融合轨迹数据集之间的相似度，包括：分别计算当前待匹配的传感器轨迹数据集与满足条件的任一融合轨迹数据集包含的各传感器轨迹数据集之间的相似度，根据计算的相似度确定当前待匹配的传感器轨迹数据集与满足条件的任一融合轨迹数据集之间的相似度。4.根据权利要求3所述的物体关联方法，其特征在于，所述分别计算当前待匹配的传感器轨迹数据集与满足条件的任一融合轨迹数据集包含的各传感器轨迹数据集之间的相似度，包括：将当前待匹配的传感器轨迹数据集中的特征数据和满足条件的任一融合轨迹数据集包含的任一传感器轨迹数据集中的特征数据，根据时间戳和特征维度进行对齐处理；计算对齐的特征数据之间的子相似度；根据各子相似度计算当前待匹配的传感器轨迹数据集与满足条件的任一融合轨迹数据集包含的任一传感器轨迹数据集之间的相似度。5.根据权利要求4所述的物体关联方法，其特征在于，所述计算对齐的特征数据之间的子相似度，包括：计算对齐的特征数据之间的差值，在预先建立的后验概率映射表中查找该差值对应的后验概率值，将该后验概率值确定为对齐的特征数据对应的子相似度；其中，所述后验概率映射表中保存有不同传感器输出的相同物体的特征数据之间的差值范围与后验概率值之间的映射关系。6.根据权利要求1所述的物体关联方法，其特征在于，确定待匹配的传感器轨迹数据集对应的物体与融合轨迹数据集对应的物体之间的关联关系之后，所述方法还包括：将待匹配的传感器轨迹数据集加入与该待匹配的传感器轨迹数据集具有关联关系的融合轨迹数据集中；或者，在不存在与待匹配的传感器轨迹数据集具有关联关系的融合轨迹数据集时，基于待匹配的传感器轨迹数据集生成新的融合轨迹数据集。7.根据权利要求1所述的物体关联方法，其特征在于，还包括：在获取到新的传感数据帧时，根据该新的传感数据帧确定出物体的特征数据；针对每个保存的融合轨迹数据集，判断确定出的物体是否与当前融合轨迹数据集所对应的物体相同、以及新的传感数据帧所对应的传感器是否与当前融合轨迹数据集所对应的传感器相同...

【专利技术属性】
技术研发人员：徐铎，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11