[发明专利]数据处理方法、装置、电子设备和机动车

说明书

本申请实施例提供一种数据处理方法、装置、电子设备和机动车，该方法可包括：基于多假设跟踪算法，为当前检测周期中多个传感器采集的检测对象的量测数据生成至少一个假设，该至少一个假设中的每个假设对应该多个传感器的一次量测数据，每个假设表示一次量测数据下的该检测对象的目标位置；在上一检测周期获取的历史假设中，确定与该至少一个假设均无派生关系的第一假设；将该历史假设中的该第一假设删除；在剩余的各个假设中确定目标假设，并输出该目标假设对应的目标位置。以此可以改善现有技术中在利用多假设跟踪算法进行数据处理时因联合概率树的更新而导致数据量过大的问题。

技术领域

本申请涉及传感器数据处理技术领域，具体而言，涉及一种数据处理方法、装置、电子设备和机动车。

背景技术

目前，单一传感器检测目标物是无法满足自动驾驶要求的，车辆上通常需要安装多个传感器进行检测。但是，当一个检测对象同时落入多个不同传感器的检测区间时，就会面临多传感器的数据关联问题。数据关联的作用是将各传感器的量测数据与真实目标的位置、航迹进行关联匹配，从而实现多目标的准确跟踪和目标航迹的更新、维持。

在处理类似多传感器融合等较为复杂的数据关联处理方案的时候，现有技术会采用多假设(multi-hypothsis)思想进行数据关联与融合，会通过多假设跟踪算法(MultipleHypotheses Tracking，MHT)对当前时刻以前的所有确认量测数据集合进行研究。在多假设跟踪方法中，会将对目标的量测数据作为输入，然后通过优化算法进行数据关联，以形成最终的轨迹。

通常情况下，在采用多假设跟踪算法(MHT)的过程中会计算联合概率，并建立联合概率树的数据结构，但是，在自动驾驶这样需要进行动态检测的场景下，联合概率树会以实时更新的方式出现数据量呈几何级数增长的情况，较大的数据量会给自动驾驶场景下的计算造成困难。

发明内容

本申请实施例的目的在于提供一种数据处理方法、装置、电子设备和机动车，用以改善现有技术中在利用多假设跟踪算法进行数据处理时因联合概率树的更新而导致数据量过大的问题。

第一方面，本申请实施例提供一种数据处理方法，所述方法包括：

基于多假设跟踪算法，为当前检测周期中多个传感器采集的检测对象的量测数据生成至少一个假设，所述至少一个假设中的每个假设对应所述多个传感器的一次量测数据，每个假设表示一次量测数据下的所述检测对象的目标位置；

在上一检测周期获取的历史假设中，确定与所述至少一个假设均无派生关系的第一假设；

将所述历史假设中的所述第一假设删除；

在剩余的各个假设中确定目标假设，并输出所述目标假设对应的目标位置。

在上述方法中，在进行数据维护时，仅需关注包括当前检测周期在内的相邻检测周期的数据即可，在对当前检测周期的各个假设进行数据维护更新时，依靠上一检测周期中的历史假设与当前检测周期所生成的至少一个假设之间的关系就可以对数据进行更新维护。以此能够在保障关联假设的准确性的前提下，有效降低多假设跟踪算法的数据处理量，降低多假设关联的复杂度。在需要进行输出时，无需对整个联合概率树进行完整遍历就可以快速从剩余的各个假设中确定出目标假设，并输出目标假设对应的目标位置，从而快速对车辆移动场景下的多传感器的量测数据进行响应，有利于自动驾驶场景下的快速检测。

在可选的实施方式中，所述方法还包括：

在上一检测周期获取的历史假设中，确定与所述至少一个假设中的第二假设存在派生关系的第三假设，所述第二假设为所述至少一个假设中任一假设；

根据派生出所述第二假设的第三假设的当前处理权值，配置所述第二假设的处理权值。