多传感器数据融合方法和装置，车辆与流程

本公开涉及数据处理领域，具体地，涉及一种多传感器数据融合方法和装置，车辆。

背景技术：

越来越多的车辆采用传感器采集道路上目标物的数据信息，并通过这些数据信息对驾驶进行辅助，实现自动驾驶或者半自动驾驶功能。相关技术中提出了通过多个传感器采集目标物的数据信息，再对多个传感器采集到的数据信息进行数据融合得到目标物的信息的技术方案。

在对多个传感器的数据进行数据融合处理之前，需要对由不同传感器采集到的目标物进行数据关联。例如，将通过毫米波雷达和摄像头检测的多个障碍物进行数据关联，并得到数据融合后的每一个障碍物的数据信息。进一步的，障碍物检测系统再根据融合后的数据判断障碍物是否会对车辆正常行驶造成影响。

然而，多个传感器精度不同，在进行数据关联时可能将对应不同实际目标物的数据结果关联为对应同一目标物，这会导致车辆在目标物检测时出现误判，降低目标物检测系统的性能，甚至造成车辆在半自动驾驶或者自动驾驶模式下行驶时的交通事故。

技术实现要素：

本公开的提供一种多传感器数据融合方法和装置，车辆，以解决相关技术中多传感器数据关联准确度不够高的问题。

为了实现上述目的，第一方面，本公开实施例提供多传感器数据关联方法，多个传感器用于检测同一区域中的对象的多个维度的数据，所述方法包括：

根据第一传感器检测到的第一对象的多个维度的数据，针对该第一对象的每一维度设置一对应的数据区间，所述第一对象是所述第一传感器检测到的任一对象；

判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内；

若所述第二传感器检测到的所有对象中存在唯一的所述第二对象，则将所述第一对象和所述第二对象关联为对应所述区域中的同一对象。

可选的，所述方法包括：

每次确定所述第二传感器检测到的所有对象中不存在唯一的所述第二对象时，按照预定的区间渐变梯度重新针对所述第一对象的每一维度设置一对应的数据区间，得到对应所述第一对象每一维度的新的数据区间，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述方法包括：

每次确定所述第二传感器检测到的所有对象中不存在所述第二对象时，根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤；

可选的，所述方法包括：

若根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度后，在所述第二传感器检测到的所有对象中存在多个的各个维度的数据均处于对应的所述新的数据区间的所述第二对象时，根据对应每一维度的第二梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，其中，对应每一维度的所述第二梯度增长量小于对应每一维度的所述第一梯度增长量，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述方法包括：

每次确定所述第二传感器检测到的所有对象中存在多个所述第二对象时，根据对应每一维度的第一梯度缩小量，同步缩小对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述方法包括：

在对应所述第一对象的每一维度的数据区间长度均设置为所述维度的数据区间长度阈值时，若所述第二传感器检测到的所有对象中不存在各个维度的数据均处于对应的所述新的数据区间的所述第二对象，则确定第二传感器检测到的所有对象中不存在与所述第一对象关联为对应所述区域中的同一对象的对象。

可选的，所述根据第一传感器检测到的第一对象的多个维度的数据，针对该第一对象的每一维度设置一对应的数据区间，包括：

将所述第一对象的每一维度的数据作为对应维度的数据区间的中间值，将所述第一对象的每一维度的数据和预设的对应所述维度的梯度百分比的乘积作为对应维度的数据区间的区间长度，设置所述数据区间。

可选的，所述多个维度的数据包括检测到的对象的以下任意维度的数据：坐标位置数据，速度数据，加速度数据，运动趋势数据。

第二方面，本公开实施例提供一种多传感器数据关联装置，所述多个传感器用于检测同一区域中的对象的多个维度的数据，所述装置包括：

设置模块，用于根据第一传感器检测到的第一对象的多个维度的数据，针对该第一对象的每一维度设置一对应的数据区间，所述第一对象是所述第一传感器检测到的任一对象；

判断模块，用于判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内；

关联模块，用于在所述第二传感器检测到的所有对象中存在唯一的所述第二对象时，将所述第一对象和所述第二对象关联为对应所述区域中的同一对象。

可选的，所述设置模块，用于在每次确定所述第二传感器检测到的所有对象中不存在唯一的所述第二对象时，按照预定的区间渐变梯度重新针对所述第一对象的每一维度设置一对应的数据区间，得到对应所述第一对象每一维度的新的数据区间；

所述判断模块，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述设置模块，用于在每次确定所述第二传感器检测到的所有对象中不存在所述第二对象时，根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间；

所述判断模块，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述设置模块，用于在根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度后，在所述第二传感器检测到的所有对象中存在多个的各个维度的数据均处于对应的所述新的数据区间的所述第二对象时，根据对应每一维度的第二梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，其中，对应每一维度的所述第二梯度增长量小于对应每一维度的所述第一梯度增长量；

所述判断模块，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述设置模块，用于在每次确定所述第二传感器检测到的所有对象中存在多个所述第二对象时，根据对应每一维度的第一梯度缩小量，同步缩小对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间；

所述判断模块，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述装置包括：

所述关联模块，用于在对应所述第一对象的每一维度的数据区间长度均设置为所述维度的数据区间长度阈值，且所述第二传感器检测到的所有对象中不存在各个维度的数据均处于对应的所述新的数据区间的所述第二对象时，确定第二传感器检测到的所有对象中不存在与所述第一对象关联为对应所述区域中的同一对象的对象。

可选的，所述设置模块，用于将所述第一对象的每一维度的数据作为对应维度的数据区间的中间值，将所述第一对象的每一维度的数据和预设的对应所述维度的梯度百分比的乘积作为对应维度的数据区间的区间长度，设置所述数据区间。

可选的，所述多个维度的数据包括检测到的对象的以下任意维度的数据：坐标位置数据，速度数据，加速度数据，运动趋势数据。

第三方面，本公开实施例提供一种车辆，所述车辆包括上述任一项多传感器数据关联装置。

上述技术方案，通过根据第一传感器检测到的第一对象的多个维度的数据设定数据区间，并判断第二传感器是否存在唯一的各个维度数据均落入对应维度数据区间的对象。这样，通过多个维度的数据关联，能够提升不同传感器之间对象的关联精度。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种场景示意图。

图2是本公开一示例性实施例示出的一种多传感器数据关联方法的流程图。

图3是本公开一示例性实施例示出的一种多传感器数据关联方法的流程图。

图4是本公开一示例性实施例示出的一种多传感器数据关联装置框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

图1是根据一示例性实施例示出的一种场景示意图。如图1所示，分别通过第一传感器和第二传感器检测车辆前方传感器可探测到的扇形区域内的对象。通过第一传感器检测到的两个对象为t11和t12，通过第二传感器检测到的两个对象为t21和t22。

相关技术中，通过计算多个传感器检测到的对象之间的三维空间欧式距离来进行对象关联，也就是说，将由不同传感器检测到的三维空间欧式距离最小的对象，关联为对应可探测到的扇形区域内的同一对象。

然而，在实际的应用场景中，由不同传感器检测到的三维空间欧式距离最小的对象，不一定对应区域内的同一对象。如图1所示可以看出，t12和t21之间的欧式距离d(t12-t21)，小于t11和t21之间的欧式距离d(t11-t21)，小于t11和t22之间的欧式距离d(t11-t22)，小于t12和t22之间的欧式距离d(t12-t22)，根据相关技术中的对象关联方法，会将对象t12和t21关联为对应该区域中的同一对象，然而实际上，对象t11和t21对应该区域中的同一对象(均为点状填充)，对象t12和t22对应该区域中的同一对象(均为格状填充)。将对象t12和t21关联为对应该区域中的同一对象，那么在导致在后续的数据融合处理中，将两个传感器分别检测到的对应t12和t21的数据进行融合，造成系统误判。若上述对象为障碍物，这种误判甚至可能造成车辆交通事故。

为了提升多传感器数据关联的准确度，本公开一示例性实施例提供一种多传感器数据关联方法，其中，所述多个传感器用于检测同一区域中的对象的多个维度的数据。如图2所示，所述方法包括：

s21，根据第一传感器检测到的第一对象的多个维度的数据，针对该第一对象的每一维度设置一对应的数据区间，所述第一对象是所述第一传感器检测到的任一对象。

其中，所述多个维度的数据包括检测到的对象的以下任意维度的数据：坐标位置数据，速度数据，加速度数据，运动趋势数据。通过多个维度的数据信息能够更加精确表现不同对象之间的差别，例如，在某一时刻空间距离上接近的对象，可能在加速度值上有较大的差距。考虑到多个维度的数据，能够便于区分不同的对象，从而提升多个传感器对象匹配的精度。

具体的，将所述第一对象的每一维度的数据设置为对应维度的数据区间的中间值；将所述第一对象的每一维度的数据和预设的对应所述维度的梯度百分比的乘积，设置为对应维度的数据区间的区间长度。

以速度维度为例，第一对象的速度维度的数据为80km/h，以2％作为梯度百分比，相应的，得到的对应速度维度的数据区间的中间值为80，区间长度为1.6，那么得到的对应速度维度的数据区间为79.2km/h～80.8km/h。

s22，判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内。

第二传感器检测到每一对象，获取对应该对象的多个维度的数据。在具体实施时，可以将检测到的每一对象的多个维度的数据分别与对应上述第一对象的每一维度的数据区间进行比对，以找出是否存在唯一的其各个维度的数据均处于对应为所述第一对象设置的各个数据区间内的第二对象。

s23，若所述第二传感器检测到的所有对象中存在唯一的所述第二对象，则将所述第一对象和所述第二对象关联为对应所述区域中的同一对象。

进一步的，所述方法还包括：融合所述第一对象的多个维度的数据与所述第二对象的多个维度的数据，其中，融合后的数据结果作为所述同一对象的多个维度的数据。

具体的，根据第一对象的多个维度的数据和第二对象的多个维度的数据，以及分别对应所述第一传感器和第二传感器的各维度的权重值，通过加权平均的方法融合所述第一对象的多个维度的数据与所述第二对象的多个维度的数据。

示例地，设置毫米雷达波传感器对应的x方向维度和y方向维度，以及速度v维度的权重值为1，设置影像传感器(摄像头)的y方向维度的权重值为1。那么实际上，融合后对应该实体对象的多维数据中，x，y，v维度的值取自毫米雷达波传感器，y方向维度的值取自影像传感器。

上述技术方案，通过根据第一传感器检测到的第一对象的多个维度的数据设定数据区间，并判断第二传感器是否存在唯一的各个维度数据均落入对应维度数据区间的对象。这样，通过多个维度的数据关联，能够提升不同传感器之间对象的关联精度。

此外，在对应所述第一对象的每一维度的数据区间长度均设置为所述维度的数据区间长度阈值时，若所述第二传感器检测到的所有对象中不存在各个维度的数据均处于对应的所述新的数据区间的所述第二对象，则确定第二传感器检测到的所有对象中不存在与所述第一对象关联为对应所述区域中的同一对象的对象。

其中，对应每一维度的数据区间长度阈值，可以根据不同传感器精度设定。例如，第一传感器在x方向维度的误差在1％，第二传感器在x方向维度的误差在2％，那么，可以将对应该x方向维度的误差设置为3％，即容忍两个传感器分别检测到的对应同一实体目标的对象在x方向维度的数值上有3％的差距。相应的，区间长度的阈值则可以设置为由第一传感器采集到的第一对象在x方向维度的数值的3％，例如，如果第一对象在x方向维度的数值为100m，那么对应x方向维度的数据区间长度阈值为3m。

图3是本公开一示例性实施例示出的一种多传感器数据关联方法的流程图，如图3所示，所述方法包括：

s31，根据第一传感器检测到的第一对象的多个维度的数据，针对该第一对象的每一维度设置一对应的数据区间，所述第一对象是所述第一传感器检测到的任一对象。

其中，所述多个维度的数据包括检测到的对象的以下任意维度的数据：坐标位置数据，速度数据，加速度数据，运动趋势数据。

具体的，将所述第一对象的每一维度的数据设置为对应维度的数据区间的中间值；将所述第一对象的每一维度的数据和预设的对应所述维度的梯度百分比的乘积，设置为对应维度的数据区间的区间长度。

以速度维度为例，第一对象的速度维度的数据为80km/h，以2％作为梯度百分比，相应的，得到的对应速度维度的数据区间的中间值为80，区间长度为1.6，那么得到的对应速度维度的数据区间为79.2km/h～80.8km/h。

s32，判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内。

值得说明的是，第二传感器检测到每一对象，获取对应该对象的多个维度的数据。在具体实施时，可以将检测到的每一对象的多个维度的数据分别与对应上述第一对象的每一维度的数据区间进行比对，以找出是否存在唯一的其各个维度的数据均处于对应为所述第一对象设置的各个数据区间内的第二对象。

若每次确定所述第二传感器检测到的所有对象中不存在所述第二对象，则执行步骤s33。

s33，根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间。

s34，判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内。

进一步的，若所述第二传感器检测到的所有对象中存在多个的各个维度的数据均处于对应的所述新的数据区间的所述第二对象时，则执行步骤s34。

s35，根据对应每一维度的第二梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，其中，对应每一维度的所述第二梯度增长量小于对应每一维度的所述第一梯度增长量。

示例地，x方向维度上数据为100m，初始的区间长度为10m，初始的对应x方向维度的数据区间为95m～105m。速度维度上数据为100km/h，初始的区间长度为10km/h，初始的速度维度的数据区间为95km/h～105km/h。

对应x方向维度的第一梯度增长量5m(数据区间的上下边界均扩大5m)，同步扩大对应所述第一对象的x方向维度的原数据区间的长度，得到扩大后的对应x方向维度的数据区间为90m～110m。对应速度维度的第一梯度增长量5km/h(数据区间的上下边界均扩大5km/h)，同步扩大对应所述第一对象的速度维度的原数据区间的长度，得到扩大后的对应速度维度的数据区间为90km/h～110km/h。

若一次扩大数据区间的长度之后，从所述第二传感器检测到的所有对象中不存在各个维度的数据均处于对应的所述新的数据区间的所述第二对象，变为存在多个所述第二对象时，例如，存在由第二传感器检测到的对象甲，x方向维度数据为92m，速度方向维度数据为92km/h；对象乙，x方向维度数据为94m，速度方向维度数据为105km/h。则缩小调整区间的增长量，在原对每一维度的原数据区间的基础上，重新扩大区间长度。

示例的，则在初始的区间长度的基础上，以对应x方向维度的第二梯度增长量1m(数据区间的上下边界均扩大1m)，同步扩大对应所述第一对象的x方向维度的原数据区间的长度，得到扩大后的对应x方向维度的数据区间为94m～106m。以对应速度维度的第二梯度增长量1km/h(数据区间的上下边界均扩大1km/h)，同步扩大对应所述第一对象的速度维度的原数据区间的长度，得到扩大后的对应速度维度的数据区间为94km/h～106km/h。

根据上述示例，重新以较小的区间增长量扩大区间长度后，筛选得到的与第一对象匹配的对象即为对象乙。

也就是说，如果以一个较大的梯度增长量对每一维度的原数据区间长度进行扩张后，得到的是存在多个第二对象的结果，那么则在对每一维度的原数据区间长度，以较小的梯度增长量进行扩张，从而细化每一次的梯度增长量，从而筛选出唯一的设施第二对象。此外，可以逐步减少进行比较的对象的数量，提高多传感器对象匹配的实时性。

s36，判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内。

进一步的，若所述第二传感器检测到的所有对象中存在唯一的所述第二对象，则执行步骤s37。

s37，将所述第一对象和所述第二对象关联为对应所述区域中的同一对象。

进一步的，所述方法还包括：融合所述第一对象的多个维度的数据与所述第二对象的多个维度的数据，其中，融合后的数据结果作为所述同一对象的多个维度的数据。

具体的，根据第一对象的多个维度的数据和第二对象的多个维度的数据，以及分别对应所述第一传感器和第二传感器的各维度的权重值，通过加权平均的方法融合所述第一对象的多个维度的数据与所述第二对象的多个维度的数据。

示例地，设置毫米雷达波传感器对应的x方向维度和y方向维度，以及速度v维度的权重值为1，设置影像传感器(摄像头)的y方向维度的权重值为1。那么实际上，融合后对应该实体对象的多维数据中，x，y，v维度的值取自毫米雷达波传感器，y方向维度的值取自影像传感器。

上述技术方案，通过根据第一传感器检测到的第一对象的多个维度的数据设定数据区间，并在不存在唯一的各个维度数据均落入对应维度数据区间的对象时，重新调整对应所述第一对象每一维度的新的数据区间，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。这样，能够在第二传感器检测到的多个对象的各维度数据较为接近时，筛选出与上述第一传感器检测到的第一对象的各维度数据都匹配的唯一的对象，从而能够提升不同传感器之间对象的关联精度。

在另一可选实施例中，所述方法包括：每次确定所述第二传感器检测到的所有对象中不存在唯一的所述第二对象时，按照预定的区间渐变梯度重新针对所述第一对象的每一维度设置一对应的数据区间，得到对应所述第一对象每一维度的新的数据区间，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

其中，不存在唯一的所述第二对象的情况包括存在多个所述第二对象，或者不存在所述第二对象。

在一示例中，每一次重新设置区间时的区间长度增长量可以不一样。比如说，分别以2％，4％，6％的增长量逐步扩大对应第一对象每一维度的数据区间。也就是说，在数据区间较短时选择较小的增长量，能够根据实际的数值更加灵活的调整对应每一维度的数据区间，从而使关联的范围更精细。

在另一示例中，每次确定所述第二传感器检测到的所有对象中存在多个所述第二对象时，根据对应每一维度的第一梯度缩小量，同步缩小对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，并重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

在具体实施时，还可以先根据第一对象的每一维度的数据，生成对应该维度的区间长度较大的数据区间，在首次比对时，由第二传感器检测到的对象中，可能存在多个对象，其各维度数据均位于对应维度的数据区间中。进一步的，再同时逐步缩小对应每一维度的数据区间，直至存在唯一的各个维度的数据均处于对应为所述第一对象设置的各个数据区间内的第二对象。

此外，在对应所述第一对象的每一维度的数据区间长度均设置为所述维度的数据区间长度阈值时，若所述第二传感器检测到的所有对象中不存在各个维度的数据均处于对应的所述新的数据区间的所述第二对象，则确定第二传感器检测到的所有对象中不存在与所述第一对象关联为对应所述区域中的同一对象的对象。

其中，对应每一维度的数据区间长度阈值，可以根据不同传感器精度设定。例如，第一传感器在x方向维度的误差在1％，第二传感器在x方向维度的误差在2％，那么，可以将对应该x方向维度的误差设置为3％，即容忍两个传感器分别检测到的对应同一实体目标的对象在x方向维度的数值上有3％的差距。相应的，区间长度的阈值则可以设置为由第一传感器采集到的第一对象在x方向维度的数值的3％，例如，如果第一对象在x方向维度的数值为100m，那么对应x方向维度的数据区间长度阈值为3m。

此外，还可以根据传感器的性能，对应不同的维度设置不同的搜索范围。在具体实施时，可以针对不同的维度设置不同的数据区间长度，以及设置不同的数据区间增长量，从而更加灵活的匹配由多个传感器采集到的对象。

图4是本公开一示例性实施例示出的一种多传感器数据关联装置框图。所述多个传感器用于检测同一区域中的对象的多个维度的数据，所述装置包括：

设置模块410，用于根据第一传感器检测到的第一对象的多个维度的数据，针对该第一对象的每一维度设置一对应的数据区间，所述第一对象是所述第一传感器检测到的任一对象；

判断模块420，用于判断第二传感器检测到的所有对象中是否存在唯一的第二对象，该第二对象各个维度的数据均处于对应为所述第一对象设置的各个数据区间内；

关联模块430，用于在所述第二传感器检测到的所有对象中存在唯一的所述第二对象时，将所述第一对象和所述第二对象关联为对应所述区域中的同一对象。

可选的，所述设置模块410，用于在每次确定所述第二传感器检测到的所有对象中不存在唯一的所述第二对象时，按照预定的区间渐变梯度重新针对所述第一对象的每一维度设置一对应的数据区间，得到对应所述第一对象每一维度的新的数据区间；

所述判断模块420，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

其中，不存在唯一的所述第二对象的情况包括存在多个所述第二对象，或者不存在所述第二对象。

可选的，所述设置模块410，用于在每次确定所述第二传感器检测到的所有对象中不存在所述第二对象时，根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间；

所述判断模块420，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

所述设置模块410，用于在根据对应每一维度的第一梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度后，在所述第二传感器检测到的所有对象中存在多个的各个维度的数据均处于对应的所述新的数据区间的所述第二对象时，根据对应每一维度的第二梯度增长量，同步扩大对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间，其中，对应每一维度的所述第二梯度增长量小于对应每一维度的所述第一梯度增长量；

所述判断模块420，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述设置模块410，用于在每次确定所述第二传感器检测到的所有对象中存在多个所述第二对象时，根据对应每一维度的第一梯度缩小量，同步缩小对应所述第一对象的每一维度的原数据区间的长度，得到对应所述第一对象每一维度的新的数据区间；

所述判断模块420，用于重新执行判断所述第二传感器检测到的所有对象中是否存在唯一的所述第二对象的步骤。

可选的，所述装置包括：

所述关联模块430，用于在对应所述第一对象的每一维度的数据区间长度均设置为所述维度的数据区间长度阈值，且所述第二传感器检测到的所有对象中不存在各个维度的数据均处于对应的所述新的数据区间的所述第二对象时，确定第二传感器检测到的所有对象中不存在与所述第一对象关联为对应所述区域中的同一对象的对象。

可选的，所述设置模块410，用于将所述第一对象的每一维度的数据作为对应维度的数据区间的中间值，将所述第一对象的每一维度的数据和预设的对应所述维度的梯度百分比的乘积作为对应维度的数据区间的区间长度，设置所述数据区间。

可选的，所述多个维度的数据包括检测到的对象的以下任意维度的数据：坐标位置数据，速度数据，加速度数据，运动趋势数据。

上述技术方案，通过根据第一传感器检测到的第一对象的多个维度的数据设定数据区间，并判断第二传感器是否存在唯一的各个维度数据均落入对应维度数据区间的对象。这样，通过多个维度的数据关联，能够提升不同传感器之间对象的关联精度。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开实施例提供一种车辆，所述车辆包括上述任一项多传感器数据关联装置。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。