【技术实现步骤摘要】
一种多类数据源的数据处理方法
[0001]本专利技术涉及数据处理
，特别涉及一种多类数据源的数据处理方法。
技术介绍
[0002]自动驾驶系统的感知模块需要对多类数据源进行数据预处理并将处理结果送入相关的预测模型中进行分析；该多类数据源包括激光雷达输出的感知数据源、毫米波雷达输出的感知数据源、相机输出的感知数据源、目标检测模型输出的目标检测数据源、滤波器(诸如卡尔曼滤波等)输出的状态量预测数据源等；该数据预处理过程常规有基于时间轴的离散时刻对多个数据源在各个离散时刻上的数据进行整合从而得到对应的时间数据序列的处理方式；从原理上说，数据预处理的整合度越高，则预测模型接收的数据信息量就越丰富，对应的就能输出更高的预测精度。目前感知模块常用的数据预处理方式有以下几种：对多个感知数据源进行单独预处理后送入预测模型进行分析、或对多个目标检测数据源进行单独预处理后送入预测模型进行分析、或对多个状态量预测数据源进行单独预处理后送入预测模型进行分析；但并不能对所有的感知数据源、目标检测数据源和状态量预测数据源进行整体预处理。这会使得各类预测模型获得的数据信息种类不够丰富，从而无法对预测精度做进一步提升。
技术实现思路
[0003]本专利技术的目的，就是针对现有技术的缺陷，提供一种多类数据源的数据处理方法、电子设备及计算机可读存储介质，将多类数据源(激光雷达输出的感知数据源、毫米波雷达输出的感知数据源、相机输出的感知数据源、目标检测模型输出的目标检测数据源、滤波器输出的状态量预测数据源)整合在一个时域空间里；并为
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种多类数据源的数据处理方法，其特征在于，所述方法包括：在任意时刻获取当前自车坐标和当前道路场景作为对应的第一自车坐标和第一道路场景；并获取最近第一时段内的多类数据源；根据所述第一自车坐标和所述第一道路场景对所述多类数据源进行位置坐标转换处理；所述位置坐标转换处理成功，则以所述多类数据源中的最早数据时间为起始时间点并按预设的数据频率f对从所述起始时间点到当前时刻的时段进行时间轴切分处理得到对应的第一时间轴；基于所述第一时间轴的时间刻度对所述多类数据源进行数据整合处理生成对应的第一整合数据序列；并对所述第一整合数据序列中的速度类型数据进行数据修正处理；根据所述第一整合数据序列对各类数据源的掩码数据序列进行识别得到对应的多类掩码数据序列；将完成数据修正的所述第一整合数据序列和所述多类掩码数据序列作为对应的数据处理结果输出。2.根据权利要求1所述的多类数据源的数据处理方法，其特征在于，所述第一道路场景包括高速公路场景、街区道路场景、乡村道路场景和城市道路场景；所述多类数据源包括多个第一数据源；所述第一数据源包括第一源类型和多个第一数据对象；所述第一源类型包括激光雷达类、毫米波雷达类、相机类、目标检测模型类和滤波器类；所述第一数据对象包括第一时间和第一数据组；所述第一数据组包括一个或多个第一数据；所述第一数据的数据类型包括位置坐标、朝向角、目标检测框尺寸和速度；数据类型为位置坐标的所述第一数据的坐标系与所述第一自车坐标的坐标系均为预设的统一坐标系，所述统一坐标系为大地坐标系或BEV坐标系；所述第一时间轴包括多个第一时间刻度t
i
，0≤刻度索引i≤最大刻度索引M,最大刻度索引M≥0；第一个所述第一时间刻度t
i
为所述起始时间点，最后一个所述第一时间刻度t
i
为所述结束时间点；所述第一整合数据序列包括多个第二数据对象D
i
；所述第二数据对象D
i
包括所述第一时间刻度t
i
、第二源类型和第二数据组；所述第二源类型包括激光雷达类、毫米波雷达类、相机类、目标检测模型类和滤波器类；所述第二数据组包括多个第二数据d
i,j
,1≤数据索引j≤最大数据索引N，最大数据索引N≥1；所述第二数据d
i,j
的数据类型包括位置坐标、朝向角、目标检测框尺寸和速度；数据类型为位置坐标的所述第二数据d
i,j
的坐标系与所述第一自车坐标的坐标系均为预设的所述统一坐标系；所述多类掩码数据序列包括多个第一掩码数据序列；所述第一掩码数据序列包括多个第一掩码数据Mask
i
；所述第一掩码数据Mask
i
的掩码值包括0和1。3.根据权利要求2所述的多类数据源的数据处理方法，其特征在于，所述根据所述第一自车坐标和所述第一道路场景对所述多类数据源进行位置坐标转换处理，具体包括：将所述多类数据源中数据类型为位置坐标的各个所述第一数据均标记为对应的第一目标坐标；并对各个所述第一目标坐标与所述第一自车坐标的直线距离进行计算生成对应的第一目标距离；并选择距离最短的前三个所述第一目标距离作为对应的第一、第二和第三最近坐标；
根据所述第一、第二和第三最近坐标和所述第一道路场景进行位置转换评价指标估计生成对应的第一评价指标P；对所述第一评价指标P是否小于预设的第一指标阈值进行识别；若是，则设置对应的第一转换模式为第一模式；若否，则设置对应的所述第一转换模式为第二模式；根据所述第一转换模式、所述第一道路场景和所述第一评价指标P对各个所述第一位置坐标进行位置坐标转换处理生成对应的第二位置坐标；基于各个所述第二位置坐标对所述多类数据源中对应的数据类型为位置坐标的所述第一数据进行数据重置。4.根据权利要求3所述的多类数据源的数据处理方法，其特征在于，所述根据所述第一、第二和第三最近坐标和所述第一道路场景进行位置转换评价指标估计生成对应的第一评价指标P，具体包括：将所述第一自车坐标记为对应的第一自车坐标(x0,y0,z0)；并将所述第一、第二和第三最近坐标记为对应的第一最近坐标(x1,y1,z1)、第二最近坐标(x2,y2,z2)和第三最近坐标(x3,y3,z3)；对所述第一道路场景进行识别；若所述第一道路场景为高速公路场景则设置对应的第一权重序列{w1,w2,w3}为预设的第一权重常数序列{w
1,1
,w
1,2
,w
1,3
}；若所述第一道路场景为街区道路场景则设置对应的所述第一权重序列{w1,w2,w3}为预设的第二权重常数序列{w
2,1
,w
2,2
,w
2,3
}；若所述第一道路场景为乡村道路场景或城市道路场景则设置对应的所述第一权重序列{w1,w2,w3}为预设的第三权重常数序列{w
3,1
,w
3,2
,w
3,3
}；根据所述第一自车坐标(x0,y0,z0)、所述第一最近坐标(x1,y1,z1)、所述第二最近坐标(x2,y2,z2)、所述第三最近坐标(x3,y3,z3)和所述第一权重序列{w1,w2,w3}计算对应的所述第一评价指标P，第一评价指标P，第一评价指标P，第一评价指标P，5.根据权利要求3所述的多类数据源的数据处理方法，其特征在于，所述根据所述第一转换模式、所述第一道路场景和所述第一评价指标P对各个所述第一位置坐标进行位置坐标转换处理生成对应的第二位置坐标，具体包括：对所述第一位置坐标进行坐标向量转换得到对应的第一坐标向量S1；当所述第一转换模式为第一模式时，对所述统一坐标系到自车坐标系的旋转矩阵和偏移矩阵进行确认得到对应的第一旋转矩阵A和第一偏移矩阵T；根据所述第一旋转矩阵A和所述第一偏移矩阵T对所述第一坐标向量S1进行坐标转换得到对应的第二坐标向量S2，S2＝A
·
S1+T；当所述第一转换模式为第二模式时，对所述第一道路场景进行识别；若所述第一道路场景为高速公路场景则设置对应的第一权重参数k为预设的第一权重常数若所述第一
道路场景为街区道路场景则设置对应的所述第一权重参数k为预设的第二权重常数若所述第一道路场景为乡村道路场景或城市道路场景则设置对应的所述第一权重参数k为预设的第三权重常数并根据所述第一权重参数k和所述第一评价指标P对所述第一坐标向量S1进行坐标转换得到对应的所述第二坐标向量S2，将所述第二坐标向量S2的各个坐标分量提取出来组成对应的所述第二位置坐标。6.根据权利要求2所述的多类数据源的数据处理方法，其特征在于，所述以所述多类数据源中的最早数据时间为起始时间点并按预设的数据频率f对从所述起始时间点到当前时刻的时段进行时间轴切分处理得到对应的第一时间轴，具体包括：将所述多类数据源中最早的所述第一时间作为对应的所述起始时间点；并将从所述起始时间点到所述当前时刻的时段作为对应的第一数据时段；并根据所述数据频率f计算得到对应的第一时间间隔
△
t＝1/f；并根据所述第一时间间隔
△
t对所述第一数据时段进行时刻等分得到多个等分时间刻度，所述等分时间刻度包括所述起始时间点；并对得到的所述等分时间刻度的数量进行统计得到对应的第一数量；并将所述第一数量减1的值作为对应的所述最大刻度索引M；并将第一个所述等分时间刻度作为对应的第一时间刻度t
i＝0
，将第二个所述等分时间刻度作为对应的第一时间刻度t
i＝1
，以此类推，直到将最后一个所述等分时间刻度作为对应的第一时间刻度t
i＝M
为止；并由得到的所有所述第一时间刻度t
i
组成对应的所述第一时间轴。7.根据权利要求2所述的多类数据源的数据处理方法，其特征在于，所述基于所述第一时间轴的时间刻度对所述多类数据源进行数据整合处理生成对应的第一整合数据序列，具体包括：对所述多类数据源中所有数据类型的数量进行统计得到对应的全类型数量，并根据所述全类型数量对所述最大数据索引N进行设置；根据所述最大刻度索引M和所述最大数据索引N初始化所述第一整合数据序列；并在初始化得到的所述第一整合数据序列中，将所有所述第二数据对象D
i
记为对应的第一无效数据对象；其中，初始化得到的所述第一整合数据序列包括所述最大刻度索引M的所述第二数据对象D
i
；初始化得到的各个所述第二数据对象D
i
与所述第一时间刻度t
i
一一对应；初始化得到的所述第二数据对象D
i
包括一个对应的所述第一时间刻度t
i
和一个初始化为空的所述第二源类型和一个数据长度固定为N
‑
2的所述第二数据组；初始化得到的所述第二数据组包括N
‑
2个初始化为空的所述第二数据d
i,j
；对所述多类数据源的所有所述第一数据对象按所述第一时间的先后顺序进行排序得到对应的第一数据对象序列；对所述第一数据对象序列的所述第一数据对象进行依次遍历；遍历时，将当前遍历的所述第一数据对象作为对应的当前第一数据对象，并将所述当前第一数据对象对应的所述第一数据源的所述第一源类型作为对应的当前类型，并将所述当前第一数据对象的所述第一时间作为对应的当前数据时间，并将所述第一时间轴上与所述当前数据时间对应的所述第一时间刻度t
i
作为对应的当前时间刻度，并将所述第一整合数据序列中与所述当前时间刻度对应的所述第二数据对象D
i
作为对应的当前第二数据对象；并对所述当前第二数据对象是否被记为所述第一无效数据对象进行识别；若所述当前第二数据对象被记为所述第一
无效数据对象，则设置所述当前第二数据对象的所述第二源类型为所述当前类型，并根据所述当前第一数据对象的一个或多个所述第一数据对所述当前第二数据对象的所述第二数据组中对应的所述第二数据d
i,j
进行设置，并在设置成功时将所述当前第二数据对象改记为对应的第一有效数据对象；若所述当前第二数据对象未被记为所述第一无效数据对象，则将所述当前第二数据对象的所述第二源类型作为对应的第一类型，并按预设的类型优选模式对所述第一类型和所述当前类型进行类型优选处理得到对应的第一优选结果，并在所述第一优选结果为所述当前类型时将所述当前第二数据对象的所述第二源类型和所述第二数据组清空、并设置所述当前第二数据对象的所述第二源类型为所述当前类型、并根据所述当前第一数据对象的一个或多个所述第一数据对所述当前第二数据对象的所述第二数据组中对应的所述第二数据d
i,j
进行设置；遍历结束时，将完成数据填充的所述第一整合数据序列作为对应的数据整合处理结果输出。8.根据权利要求7所述的多类数据源的数据处理方法，其特征在于，所述按预设的类型优选模式对所述第一类型和所述当前类型进行类型优选处理得到对应的第一优选结果，具体包括：对所述类型优选模式进行识别；所述类型优选模式包括第一优选模式、第二优选模式和第三优选模式；当所述类型优选模式为第一优选模式时，获取当前天气类型作为对应的第一天气类型；根据所述第一天气类型查询预设的数据源等级列表，将所述数据源等级列表中第一天气类型字段与所述第一天气类型匹配的第一数据源等级记录的第一类型优先级序列字段提取出来作为对应的第一类型优先级序列；并将所述第一类型优先级序列中与所述第一类型匹配的第三源类型的序列索引记为对应的第一索引、与所述当前类型匹配的所述第三源类型的序列索引记为对应的当前索引；并在所述当前索引小于所述第一索引时，设置对应的所述第一优选结果为所述当前类型；并在所述当前索引大于所述第一索引时，设置对应的所述第一优选结果为所述第一类型；所述数据源等级列表包括多个所述第一数据源等级记录；所述第一数据源等级记录包括所述第一天气类型字段和所述第一类型优先级序列字段；所述第一类型优先级序列由多个所述第三源类型排序组成；所述第三源类型包括激光雷达类、毫米波雷达类、相机类、目标检测模型类和滤波器类；当所述类型优选模式为第二优选模式时，对所述第一数据对象序列中所述第二源类型为所述第一类型且被记为所述第一有效数据对象的所述第二数据对象D
i
的数量进行统计得到对应的第二数量；并对所述第一数据对象序列的中所述第二源类型为所述当前类型且被记为所述第一有效数据对象的所述第二数据对象D
i
的数量进行统计得到对应的第三数量；并在所述第三数量大于所述第二数量时，设置对应的所述第一优选结果为所述当前类型；并在所述第三数量小于或等于所述第二数量时，设置对应的所述第一优选结果为所述第一类型；当所述类型优选模式为第三优选模式时，由所述第一数据对象序列中距离所述当前第二数据对象最近且被记为所述第一有效数据对象的指定数量H的所述第二数据对象D
i
组成对应的第二数据对象集合；并对所述第二数据对象集合中所述第二源类型为所述第一类型的所述第二数据对象D
i
的数量进行统计得到对应的第四数量；并对所述第二数据对象集合
中所述第二源类型为所述当前类型的所述第二数据对象D
i
的数量进行统计得到对应的第五数量；并在所述第五数量大于所述第四数量时，设置对应的所述第一优选结果为所述当前类型；并在所述第五数量小于或等于所述第四数量时，设置对应的所述第一优选结果为所述第一类型。9.根据权利要求2所述的多类数据源的数据处理方法，其特征在于，所述对所述第一整合数据序列中的速度类型数据进行数据修正处理，具体包括：将所述第一整合数据序列中，数据类型为位置坐标的所述第二数据d
i,j
不为空的所述第二数据组对应的所述第二数据对象D
i
记为对应的有效点对象V
r
，有效点对象索引r≥1；并由所有所述有效点对象V
r
排序生成对应的有效点对象序列；对预设的速度修正模式进行识别；所述速度修正模式包括第一修正模式和第二修正模式；当所述速度修正模式为第一修正模式时，采用线性修正方式对所述有效点对象序列中各个所述有效点对象V
r
进行速度修正；当所述速度修正模式为第二修正模式时，采用滤波修正方式对所述有效点对象序列中各个所述有效点对象V
r
进行速度修正。10.根据权利要求9所述的多类数据源的数据处理方法，其特征在于，所述采用线性修正方式对所述有效点对象序列中各个所述有效点对象V
r
进行速度修正，具体包括：将第一个所述有效点对象V
r
作为对应的当前有效点对象；并将所述有效点对象序列中在所述当前有效点对象之后的三个最近的所述有效点对象V
r
记为对应的后一、后二、后三有效点对象；并根据所述后一、后二、后三有效点对象对所述当前有效点对象中数据类型为速度的所述第二数据d
i,j
进行数据修正处理；将第二个所述有效点对象V
r
作为对应的当前有效点对象；并将所述有效点对象序列中在所述当前有效点对象之前的一个最近的所述有效点对象V
r
记为对应的前一有效点对象；并将所述有效点对象序列中在所述当前有效点对象之后的两个最近的所述有效点对象V
r
记为对应的后一、后二有效点对象；并根据所述前一有效点对象和所述后一、后二有效点对象对所述当前有效点对象中数据类型为速度的所述第二数据d
i,j
进行数据修正处理；将第三个所述有效点对象V
r
作为对应的当前有效点对象；并将所述有效点对象序列中在所述当前有效点对象之前的两个最近的所述有效点对象V
r
记为对应的前一、前二有效点对象；并将所述有效点对象序列中在所述当前有效点对象之后的两个最近的所述有效点对象V
r
记为对应的后一、后二有效点对象；并根据所述前一、前二有效点对象和所述后一、后二有效点对象对所述当前有效点对象中数据类型为速度的所述第二数据d
i,j
进行数据修正处理；将第四个所述有效点对象V
r
作为对应的当前有效点对象；并将所述有效点对象序列中在所述当前有效点对象之前的两个最近的所述有效点对象V
r
记为对应的前一、前二有效点对象；并将所述有效点对象序列中在所述当前有效点对象之后的两个最近的所述有效点对象V
r
记为对应的后一、后二有效点对象；并根据所述前一、前二有效点对象和所述后一、后二有效点对象对所述当前有效点对象中数据类型为速度的所述第二数据d
i,j
进行数据修正处理；依次类推，直到将倒数第二个所述有效点对象V
r
作为对应的当前有效点对象；并将所述
有效点对象序列中在所述当前有效点对象之前的两个最近的所述有效点对象V
r
记为对应的前一、前二有效点对象；并将所述有效点对象序列中在所述当前有效点对象之后的一个最近的所述有效点对象V
r
记为对应的后一有效点对象；并根据所述前一、前二有效点对象和所述后一有效点对象对所述当前有效点对象中数据类型为速度的所述第二数据d
i,j
技术研发人员：裴希哲，赵政，李经纬，柯岩，李占坤，张雨，
申请(专利权)人：苏州轻棹科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。