[发明专利]数据融合方法、电子设备及存储介质

说明书

本公开实施例公开了一种数据融合方法方法、电子设备及存储介质。其中数据融合方法，包括：建立数据融合滤波模型，所述数据融合滤波模型包括主滤波器和多个局部滤波器；获取每个所述局部滤波器的权重系数；将所述权重系数与预设置的阈值进行比较，当所述权重系数小于阈值时，则将该权重系数对应的局部滤波器剔除数据融合滤波模型，所述主滤波器不对该局部滤波器进行反馈纠正，当所述权重系数大于阈值时，所述主滤波器对该权重系数对应的局部滤波器进行反馈纠正。实现在不同的传感器组合在不同环境下能够稳定可靠的输出感知结果，实现环境感知的自适应，增强系统的鲁棒性。

技术领域

本公开属于自动驾驶技术领域，更具体地，涉及一种数据融合方法方法、电子设备及存储介质。

背景技术

自动驾驶的三大工作内容分别是环境感知、规划决策和执行控制。环境感知主要包括三个方面，路面、静态物体和动态物体。环境感知作为第一环节，处于智能驾驶车辆与外界环境信息交互的关键位置，其关键在于使智能驾驶车辆更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。

相机、雷达、定位导航系统等为智能驾驶车辆提供了海量的周边环境及自身状态数据，这些以图像、点云等形式呈现的数据包含了大量与驾驶活动无关的信息。选择性作为人类自然感知的重要特征，可以帮助智能驾驶车辆聚焦当前驾驶行为，确保智能驾驶的安全性和实时性。环境感知需要遵照近目标优先、大尺度优先、动目标优先、差异性优先等原则，采用相关感知技术对环境信息进行选择性处理。

由于道路环境、天气环境的多样性、复杂性以及智能驾驶车辆本身的运动特性，没有完美的感知设备，设备不理想是常态，也不存在完美无缺的设备组合方案。然而对于不同的驾驶任务而言，需要不同的感知设备种类和类型，并非要配置最全、最多、最贵的感知设备才能完成驾驶任务，而是要以任务需求为导向，有针对性地选取合适的感知设备，组合实现优化配置。

现有技术自动驾驶中的传感器单独工作，车辆在不同环境条件下使用时，因不同的传感器数据单独感知，从而存在不同环境下输出感知结果不够稳定可靠，且环境感知的自适应差，系统的鲁棒性差的问题。

发明内容

有鉴于此，本公开实施例提供了一种数据融合方法方法、电子设备及存储介质，至少解决不同环境下输出感知结果不够稳定可靠，且环境感知的自适应差，系统的鲁棒性差的问题。

第一方面，本公开实施例提供了一种数据融合方法，包括：

建立数据融合滤波模型，所述数据融合滤波模型包括主滤波器和多个局部滤波器；

获取每个所述局部滤波器的权重系数；

将所述权重系数与预设置的阈值进行比较，当所述权重系数小于阈值时，则将该权重系数对应的局部滤波器剔除数据融合滤波模型，所述主滤波器不对该局部滤波器进行反馈纠正，

当所述权重系数大于阈值时，所述主滤波器对该权重系数对应的局部滤波器进行反馈纠正。

可选的，所述获取每个所述局部滤波器的权重系数，包括：

获取数据融合滤波模型各个输入子系统的预估可信度；

基于所述预估可信度生成权重系数A；

获取数据融合滤波模型运行时，输入子系统对应的自适应的权重系数B；

将所述权重系数A和所述权重系数B进行加权平均，行的得到权重系数C。

可选的，所述获取数据融合滤波模型各个输入子系统的预估可信度，包括：

根据输入子系统的所处环境获取所述输入子系统不同状态下的可信度；

基于不同状态下的可信性建立可信度列表。