一种航迹数据处理方法、装置、车辆和介质与流程

1.本发明实施例涉及自动驾驶车辆领域，尤其涉及一种航迹数据处理方法、装置、车辆和介质。


背景技术：

2.随着智能驾驶技术的发展，自动驾驶车辆的航迹跟踪与处理是自动驾驶需要重点解决的问题。
3.目前，现有方案在仅依靠雷达对车辆周围障碍物航迹进行感知时，采用的航迹处理方法多是靠雷达点迹本身聚类算法的处理，对于雷达处理好的航迹数据直接与系统航迹数据进行匹配关联。由于雷达对于大车和部分小车会出现航迹分裂和id(identity document，编码)跳变，从而导致航迹跟踪出现错误。给自动驾驶车辆的行驶带来很大的危险性。


技术实现要素：

4.本发明实施例提供一种航迹数据处理方法、装置、车辆和介质，以获得精准的障碍物航迹数据，提升自动驾驶车辆感知到的障碍物航迹的稳定性和准确性。
5.第一方面，本发明实施例提供了一种航迹数据处理方法，该方法包括：
6.根据历史障碍物的前一航迹数据，和车辆雷达检测到的当前障碍物的当前航迹数据，确定所述当前障碍物是否与所述历史障碍物关联；
7.若所述当前障碍物与所述历史障碍物关联，则根据所述当前障碍物的当前航迹数据和所述历史障碍物的前一航迹数据，更新所述当前障碍物的当前航迹数据。
8.第二方面，本发明实施例还提供了一种航迹数据处理装置，该航迹数据处理装置包括：
9.障碍物检测模块，用于根据历史障碍物的前一航迹数据，和车辆雷达检测到的当前障碍物的当前航迹数据，确定所述当前障碍物是否与所述历史障碍物关联；
10.计算模块，若所述当前障碍物与所述历史障碍物关联，则根据所述当前障碍物的当前航迹数据和所述历史障碍物的前一航迹数据，更新所述当前障碍物的当前航迹数据。
11.第三方面，本发明实施例还提供了一种自动驾驶车辆，该自动驾驶车辆包括：
12.一个或多个处理器；
13.存储装置，用于存储一个或多个程序；
14.航迹数据检测模块，用于采集障碍物航迹信息；
15.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的航迹数据处理方法。
16.第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的航迹数据处理方法。
17.本发明实施例通过提供一种航迹数据处理方法、装置、车辆和介质。通过自动驾驶
车辆上搭载的雷达设备，检测并获得前一时刻处于车辆周围感知区间内的障碍物(即历史障碍物)的前一航迹数据，以及当前时刻处于车辆周围感知区间内的障碍物(即当前障碍物)的当前航迹数据。采用关联匹配算法，将雷达检测到的当前航迹数据和前一航迹数据进行关联匹配，通过匹配结果判断当前时刻雷达检测到的障碍物是否与前一时刻雷达检测到的障碍物存在关联，若匹配结果证明两者存在关联性，则根据前一航迹数据更新当前航迹数据，得到准确的障碍物航迹数据。解决了自动驾驶车辆无法在低成本的条件下仅通过一个雷达准确检测车辆周围感知区间内障碍物航迹数据，以及仅通过雷达检测障碍物航迹数据容易出现航迹数据分裂，导致检测不准确的问题，实现了降低硬件成本的同时，将一个雷达检测到的前一障碍物航迹数据和当前障碍物航迹数据进行关联匹配，确定历史障碍物和当前障碍物是否为相同障碍物，从而获得稳定且准确的障碍物航迹数据的效果。
附图说明
18.图1为本发明实施例一提供的一种航迹数据处理方法流程图；
19.图2为本发明实施例二提供的一种航迹数据处理方法流程图；
20.图3为本发明实施例二提供的一种车辆周围感知区间划分结构图；
21.图4为本发明实施例三提供的一种航迹数据处理方法流程图；
22.图5为本发明实施例四提供的一种航迹数据处理装置的结构示意图；
23.图6为本发明实施例五提供的一种车辆的结构示意图。
具体实施方式
24.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
25.在介绍本发明实施例之前，需要说明的是，毫米波雷达检测车辆周围感知区间内的障碍物航迹数据，是通过雷达扫描感知区间内的特征点，通过毫米波雷达自带的点聚类处理算法将扫描到的特征点聚类处理为航迹，并以车辆为原点建立空间坐标系，得到障碍物在空间坐标系中的位置信息，即障碍物id。毫米波雷达对障碍物航迹的处理方式，可能会使毫米波雷达检测到的一个障碍物的特征点，经过聚类处理后得到多个障碍物id。其中，雷达的特征点识别功能一般由雷达厂商提供。例如，毫米波雷达在前一时刻扫描到1000个特征点，通过点聚类处理算法得到前一时刻的障碍物(即历史障碍物)id为3；当前时刻，毫米波雷达扫描到相同的障碍物，扫描到的特征点为1010个，其中，400个特征点通过点聚类处理算法，得到当前障碍物id为4；另外610个特征点通过点聚类处理算法，得到另一个当前障碍物id为8。即当前障碍物id由前一时刻的id3分裂为当前时刻的id4和id8。针对该问题，本发明实施例提供了一种航迹数据处理方法，将历史障碍物的前一航迹数据和当前障碍物的当前航迹数据进行关联匹配，确定处于分裂状态下的障碍物id，并校正。具体实现方式见下述实施例。
26.实施例一
27.图1为本发明实施例一提供的一种航迹数据处理方法流程图，本实施例可适用于如何对障碍物航迹进行感知的情况，尤其适用于高速路段或快速路段的车辆行驶场景下，
对障碍物航迹进行感知的情况。该方法可以由本发明实施例提供的航迹数据处理装置来执行，该装置可以采用软件和/或硬件的方式来实现。该装置可配置于终端设备/服务器/车载控制器中，该方法具体包括：
28.s110、根据历史障碍物的前一航迹数据，和车辆雷达检测到的当前障碍物的当前航迹数据，确定当前障碍物是否与历史障碍物关联。
29.其中，历史障碍物的前一航迹数据是前一时刻车辆周围感知区间内的障碍物的航迹数据，历史障碍物是前一时刻车辆周围感知区间内的障碍物。当前障碍物的当前航迹数据是当前时刻车辆周围感知区间内的障碍物的航迹数据，当前障碍物是当前时刻车辆周围感知区间内的障碍物。车辆周围感知区间内的障碍物的航迹数据可以通过车辆雷达检测得到。
30.历史障碍物的前一航迹数据和当前障碍物的当前航迹数据可以是由车辆雷达检测得到的，车辆雷达可以是搭载在自动驾驶车辆上的雷达设备，优选的，该雷达设备可以是毫米波雷达。毫米波雷达通过辐射的毫米波利用对探测物的反射波进行定位与回波显示，其工作的过程主要是：雷达通过射频系统辐射电磁波对障碍物进行电磁波的检测与扫描，利用反射回来的电磁波，进行放大与信号解析计算，可以计算出障碍物相对雷达的远近距离以及结合不同的方位角计算出障碍物距离雷达的左右间距。利用多普勒效应计算出障碍物的移动速度，航向角等。障碍物是车辆在行驶过程中，在车辆周围的感知区间内出现的障碍物，例如可以是处于移动过程的车辆；车辆周围的感知区间为毫米波雷达所能检测到的区域范围。航迹数据包括障碍物的移动速度、航向角、距离自动驾驶车辆的横向距离和距离自动驾驶车辆的纵向距离。
31.可选的，本步骤可以根据历史障碍物的前一航迹数据和当前障碍物的当前航迹数据，根据关联匹配算法，计算出当前障碍物是否可以与历史障碍物关联。
32.具体的，可以通过如下子步骤实现：
33.s1101，确定历史障碍物的位置关联阈值。
34.其中，位置关联阈值是指车辆与障碍物之间的距离，例如车辆与障碍物之间的长度距离、宽度距离和高度距离。位置关联阈值可以用坐标的形式表示。
35.具体的，由于障碍物大多数并不是一个点状物，而是有自身的尺寸参数。而雷达检测障碍物的位置时，是将障碍物识别为一个点。所以在设置位置关联阈值之前，预先设置一个障碍物的尺寸阈值，优选的，以小轿车的长、宽和高为标准，设置一个尺寸阈值为(4m，1.6m，2m)。再获得毫米波雷达检测到的前一航迹数据，得出关联阈值(x1,x2,x3,x4,x5)，其中，x1为毫米波雷达检测到的障碍物移动速度，x2为障碍物移动的航向角，x3为障碍物的中心点距离自动驾驶车辆的横向距离，x4为障碍物中心点距离自动驾驶车辆的纵向距离，x5为障碍物的高度阈值。根据设置好的尺寸阈值和毫米波雷达检测到的障碍物前一航迹数据，设定一个毫米波雷达航迹的关联阈值。例如，检测到的历史障碍物的前一航迹数据为：障碍物的移动速度为80km/h，航向角为15度，距离自动驾驶车辆的横向距离为6m，距离自动驾驶车辆的纵向距离为20m，默认障碍物的高度为2m；障碍物的前一航迹数据为(80,15,6,20,2)。根据障碍物前一航迹数据得到障碍物id为id3。根据障碍物的尺寸阈值设置一个障碍物关联阈值，一个可行的关联阈值为：(80,15,6.8,22,2)。
36.s1102，根据车辆上配置的雷达可检测到的历史障碍物的前一航迹数据、当前障碍
物的当前航迹数据，以及位置关联阈值，确定当前障碍物是否与历史障碍物关联。
37.具体的，毫米波雷达检测到当前时刻的障碍物有两个，障碍物的当前航迹数据为：障碍物的移动速度均为83km/h，航向角分别为10度和12度，距离自动驾驶车辆的横向距离分别为4m和6m，距离自动驾驶车辆的纵向距离分别为30m和26m，默认障碍物的高度为2m。据此，得到上述障碍物的当前航迹数据有两组，分别为(83,10,4,30,2)和(83,12,6,26,2)。根据障碍物当前航迹数据得到障碍物id分别为id4和id8。
38.根据位置关联阈值，对障碍物当前航迹数据与前一航迹数据进行关联匹配，关联匹配可以通过算法实现，例如可以是匈牙利算法。算法可以搭载在车载计算机上，车载计算机可以通过传感器获得雷达检测到的障碍物航迹数据。将当前航迹数据和前一航迹数据作为算法输入，通过匈牙利算法对航迹数据进行匹配计算，将最大匹配结果与位置关联阈值作比较，判断当前航迹数据是否与前一航迹数据存在匹配关系，从而判断当前障碍物航迹数据是否与前一障碍物航迹数据相关联，即判断当前障碍物是否与历史障碍物相关联。
39.具体的，若通过匈牙利算法对障碍物当前航迹数据与前一航迹数据进行关联匹配，得到最大匹配结果在关联阈值范围内，则判断输出的匹配结果为当前航迹数据与前一航迹数据相关联，可以将历史障碍物和当前障碍物关联为相同障碍物。
40.s120、若当前障碍物与历史障碍物关联，则根据当前障碍物的当前航迹数据和历史障碍物的前一航迹数据，更新当前障碍物的当前航迹数据。
41.可选的，若当前障碍物与历史障碍物关联，对当前航迹数据与当前航迹数据关联的历史障碍物的前一航迹数据进行融合处理，并将融合处理结果作为更新后的当前障碍物的当前航迹数据。
42.具体的，当前障碍物的当前航迹数据可以是两个，例如id4和id8。与前障碍物的当前航迹数据关联的历史障碍物的航迹数据，为经过关联匹配确定的可以与当前障碍物关联为相同障碍物的历史障碍物的航迹数据。融合处理的过程为，根据前一障碍物航迹数据，如id3，对当前两个障碍物进行更新，即将障碍物当前航迹数据id4和id8进行融合处理，将id4和id8融合为前一障碍物相同的id，即id3，并将更新后的数据通过车载显示装置进行显示。
43.若经过关联匹配算法得到当前障碍物与历史障碍物没有关联，则保留当前障碍物航迹数据，不做处理。
44.本实施例提供的技术方案，通过提供一种航迹数据处理方法、装置、车辆和介质。通过自动驾驶车辆上搭载的雷达设备，检测并获得前一时刻处于车辆周围感知区间内的障碍物(即历史障碍物)的前一航迹数据，以及当前时刻处于车辆周围感知区间内的障碍物(即当前障碍物)的当前航迹数据。采用关联匹配算法，将雷达检测到的当前航迹数据和前一航迹数据进行关联匹配，通过匹配结果判断当前时刻雷达检测到的障碍物是否与前一时刻雷达检测到的障碍物存在关联，若匹配结果证明两者存在关联性，则根据前一航迹数据更新当前航迹数据，得到准确的障碍物航迹数据。解决了自动驾驶车辆无法在低成本的条件下仅通过一个雷达准确检测车辆周围感知区间内障碍物航迹数据，并且仅通过雷达检测障碍物航迹数据容易出现航迹数据分裂，导致检测不准确的问题，实现了降低硬件成本的同时，将一个雷达检测到的前一障碍物航迹数据和当前障碍物航迹数据进行关联匹配，确定历史障碍物和当前障碍物是否为相同障碍物，从而获得稳定且准确的障碍物航迹数据的效果。
45.可选的，在更新当前障碍物的当前航迹数据后，还可以根据更新后的当前障碍物的当前航迹数据，调整车辆的行驶航迹。
46.其中，当前障碍物的当前航迹数据更新后，得到准确的处于车辆周围感知区间内的障碍物的航迹数据，根据前一障碍物id校正并更新当前障碍物id。车辆根据更新后的当前障碍物id，调整车辆当前时刻的行驶航迹。具体的，车辆根据车辆感知区间内的障碍物航迹数据，调整车辆当前的速度和和航向角等车辆行驶参数。雷达继续对处于车辆周围感知区间内的障碍物航迹数据进行检测，车辆根据雷达对障碍物航迹数据的检测结果，实时更新并调整车辆的行驶航迹。
47.实施例二
48.图2为本发明实施例二提供的一种航迹数据处理方法流程图，图3为本发明实施例二提供的一种车辆周围感知区间划分结构图。本实施例在上述实施例的基础上进行了优化，给出了一种基于车辆雷达和车辆摄像头采集的障碍物数据来实现航迹数据处理方法的优选实施例。具体的，如图2所示，本实施例提供的航迹数据处理方法可以包括：
49.s210、根据车辆摄像头采集的历史障碍物的尺寸参数，确定历史障碍物的位置关联阈值。
50.在本实施例中，由于车载摄像头一般只能采集到部分区域的障碍物信息，而无法对车辆周围感知区间进行无死角的障碍物检测。因此，车辆在对其感知区间内的障碍物航迹数据进行采集时，往往借助摄像头和雷达共同执行对障碍物航迹数据的采集。其中，摄像头可以搭载在车辆上，如图3所示，将车辆摄像头可识别的感知区间作为区域一；将车辆车身左右周边到摄像头盲区的感知区间作为区域二；将自动驾驶车辆车身后部的的感知区间作为区域三。
51.具体的，车辆摄像头可以用于采集区域一内的障碍物航迹数据和障碍物的尺寸参数，尺寸参数包括障碍物的长、宽和高，可以表示为(x，y，z)，其中，x为障碍物的长度，y为障碍物的宽度，z为障碍物的高度。根据摄像头识别到的前一时刻障碍物的尺寸数据，设定障碍物的尺寸数据为尺寸阈值，可以将自动驾驶车辆到障碍物中心点的距离设置为位置关联阈值。例如，车辆摄像头采集到的区域一内的障碍物尺寸参数为(6m，2m，4m)。再获得车辆摄像头检测到的历史障碍物的前一航迹数据，得出关联阈值(x1,x2,x3,x4,x5)，其中，x1为毫米波雷达检测到的障碍物移动速度，x2为障碍物移动的航向角，x3为障碍物的中心点距离自动驾驶车辆的横向距离，x4为障碍物中心点距离自动驾驶车辆的纵向距离，x5为障碍物的高度阈值。根据设置好的尺寸阈值和毫米波雷达检测到的障碍物前一航迹数据，设定一个毫米波雷达航迹的关联阈值。例如，检测到的历史障碍物的前一航迹数据为：障碍物的移动速度为为80km/h，航向角为15度，距离自动驾驶车辆的横向距离为6m，距离自动驾驶车辆的纵向距离为20m，默认障碍物的高度为4m；障碍物的前一航迹数据为(80,15,6,20,4)。根据障碍物前一航迹数据得到障碍物id为id3。根据障碍物的尺寸阈值设置一个障碍物关联阈值，一个可行的位置关联阈值为：(80,15,7,23,4)。
52.s220、根据历史障碍物的前一航迹数据，和车辆雷达检测到的当前障碍物的当前航迹数据，确定当前障碍物是否与历史障碍物关联。
53.其中，历史障碍物的前一航迹数据是通过上述融合操作计算得出的。进一步的，根据历史障碍物的前一航迹数据和车辆上配置的雷达可检测到的当前障碍物的当前航迹数
据，以及位置关联阈值，确定当前障碍物是否与历史障碍物关联。
54.具体的，雷达检测到当前时刻的障碍物有两个，障碍物的当前航迹数据为：障碍物的移动速度均为83km/h，航向角分别为10度和12度，距离自动驾驶车辆的横向距离分别为4m和6m，距离自动驾驶车辆的纵向距离分别为30m和26m，根据车辆摄像头采集到的障碍物尺寸阈值数默认障碍物的高度为4m。据此，得到上述障碍物的当前航迹数据有两组，分别为(83,10,4,30,4)即id4，和(83,12,6,26,4)即id8。
55.根据位置关联阈值，对障碍物的当前航迹数据与历史障碍物的前一航迹数据进行关联匹配，关联匹配可以通过算法实现，例如可以是匈牙利算法。算法可以搭载在车载计算机上，车载计算机可以通过传感器获得雷达检测到的障碍物航迹数据。将当前航迹数据和历史障碍物的前一航迹数据作为算法输入，通过匈牙利算法对航迹数据进行匹配计算，将最大匹配结果与位置关联阈值作比较，判断当前航迹数据是否与前一航迹数据存在匹配关系，从而判断当前障碍物航迹数据是否与历史障碍物的前一航迹数据相关联，即判断当前障碍物是否与历史障碍物相关联。
56.s230、若当前障碍物与历史障碍物关联，则根据当前障碍物的当前航迹数据和历史障碍物的前一航迹数据，更新当前障碍物的当前航迹数据。
57.此外，区域二和区域三，均为摄像头盲区区间。在通过摄像头确定位置关联阈值之后，对区域二和区域三内的障碍物航迹数据的检测与更新，可以仅通过雷达完成，具体方法和上述实施例一所用方法一致，此处不再赘述。
58.本实施例的技术方案，先将车辆周围感知区间划分为三部分，通过摄像头采集摄像头可识别的感知区间，即区域一内前一时刻历史障碍物的前一航迹数据和历史障碍物的尺寸参数，通过车辆摄像头采集到的的信息，计算出位置关联阈值。再通过雷达检测到前一时刻历史障碍物的前一航迹数据，将摄像头和雷达采集到的前一航迹数据进行时间同步和融合操作，将融合操作后的结果作为历史障碍物的前一航迹数据。再通过雷达检测到当前时刻障碍物的当前航迹数据，采用关联匹配算法，将当前航迹数据和历史障碍物的前一航迹数据进行关联匹配，通过匹配结果判断当前时刻检测到的障碍物是否与前一时刻检测到的障碍物存在关联，若匹配结果证明两者存在关联性，则根据前一航迹数据更新当前航迹数据，得到稳定的障碍物航迹数据，并可以根据障碍物航迹数据调整车辆的行驶航迹。解决了人为定义一个固定的障碍物尺寸参数，根据固定尺寸参数获得位置关联阈值，造成对当前障碍物和历史障碍物航迹数据的关联匹配结果上存在一定误差的问题，达到了结合摄像头和雷达，实时更新障碍物的尺寸参数和位置关联阈值，得到准确且灵活的障碍物尺寸参数和位置关联阈值，从而对当前航迹数据和历史障碍物的前一航迹数据进行更精准的关联匹配，获得更加准确的关联匹配结果的效果。
59.在本实施例提供的航迹数据处理方法中，一个优选的技术方案是，若车辆摄像头在前一时刻检测到了所述历史障碍物，则所述历史障碍物的前一航迹数据是对车辆雷达刻检测到的历史障碍物的前一航迹数据和车辆摄像头检测到的历史障碍物的前一航迹数据进行时间同步后，融合得到的。
60.具体的，若要对航迹数据进行时间同步，可以定义一个时长阈值，若雷达检测到障碍物航迹数据的时间和摄像头检测到障碍物航迹数据的时间间隔小于时长阈值，则判断雷达和摄像头检测到障碍物航迹数据的时间是同步的。
61.例如，将摄像头采集到区域一内障碍物航迹数据的时间定义为第一采集时间，雷达采集到区域一内障碍物的航迹数据的时间定义为第二采集时间。当摄像头和雷达采集到障碍物前一航迹数据后，可以通过传感器将第一采集时间、第二采集时间、摄像头采集到的前一航迹数据和雷达采集到的前一航迹数据发送给车载计算机设备。由车载计算机设备计算出第一采集时间和第二采集时间的间隔时长，若间隔时长在阈值范围内，则将摄像头采集到的前一航迹数据和雷达采集到的前一航迹数据进行融合操作，得到融合后的前一航迹数据。
62.融合操作是指通过算法，如卡尔曼滤波算法，将摄像头采集到的前一航迹数据和雷达采集到的前一航迹数据进行融合计算，得到车辆的航迹数据融合信息，即融合后的历史障碍物的前一航迹数据。示例性的，时长阈值可以定义为0.05s，若第一采集时间和第二采集时间之间的间隔时长小于0.05s，则触发融合操作，得到历史障碍物的前一航迹数据。
63.实施例三
64.图4为本发明实施例三提供的一种航迹数据处理方法流程图。可选的，如图4所示，以自动驾驶车辆为例，车载雷达可以是毫米波雷达。
65.自动驾驶车辆通过车载计算机通过gps判断车辆是否在odd(operational design domain运行设计域)中，本实施例中车辆odd是指车辆行驶在高速路段中。在实际应用中，也可以是其他的odd环境。若车辆行驶在odd中，则对自动驾驶车辆周围感知区间进行划分。车载计算机接收摄像头及毫米波雷达检测到的障碍物航迹数据，采用卡尔曼滤波算法对摄像头采集到的障碍物航迹数据和雷达采集到的障碍物航迹数据进行时间同步。针对车辆不同感知区间，对检测到的障碍物航迹进行分别处理。
66.毫米波雷达和车载计算机均能检测到障碍物航迹数据的车辆感知区间为区域一。车载计算机接收到摄像头和毫米波雷达检测到的历史障碍物的前一航迹数据，识别出障碍物的尺寸参数和障碍物与车辆的位置关系，根据以上数据设置障碍物的尺寸阈值和位置关联阈值，并对摄像头检测到的前一航迹数据和毫米波雷达检测到的前一航迹数据进行融合操作，得到融合后的前一航迹数据。车载计算机接收到毫米波雷达检测到的当前障碍物的当前航迹数据，根据位置关联阈值，采用匈牙利算法对障碍物的当前航迹数据与历史障碍物的前一航迹数据进行关联匹配，若当前航迹数据与前一航迹数据存在匹配关系，则车载计算机将毫米波雷达检测到的当前航迹数据进行整合，得到稳定的障碍物航迹数据，并对障碍物航迹进行下一轮的跟踪计算。
67.仅有毫米波雷达可以检测到障碍物航迹数据的车辆两侧的感知区间为区域二，用过毫米波雷达检测到前一航迹数据，并根据车辆的常规尺寸人为设定障碍物的尺寸阈值，并根据尺寸阈值计算出位置关联阈值。再采用毫米波雷达检测到当前航迹数据，采用匈牙利算法对当前航迹数据与前一航迹数据进行关联匹配，若当前航迹数据与前一航迹数据存在匹配关系，则车载计算机将毫米波雷达检测到的当前航迹数据进行整合，得到稳定的障碍物航迹数据，并对障碍物航迹进行下一轮的跟踪计算。
68.将车辆后方的感知区间作为区域三，毫米波雷达检测到区域三内的障碍物不做处理。
69.本实施例的技术方案，通过将行驶在车辆odd环境的车辆周围的感知区域进行划分，不同的感知区域采用不同的障碍物检测设备对障碍物进行检测。对于摄像头和雷达都
能检测到障碍物航迹数据的感知区域，将摄像头和雷达检测到的障碍物航迹数据进行融合，将融合结果作为检测到的障碍物航迹数据，并可以根据摄像头采集到的障碍物尺寸信息设定位置关联阈值；对于仅有雷达可以检测到障碍物航迹数据的感知区域，则仅通过雷达检测障碍物的航迹数据。解决了仅通过雷达或摄像头检测车辆周围的感知区域障碍物航迹导致的检测结果不准确的问题。将车辆周围的感知区域进行划分，充分发挥摄像头和雷达在检测障碍物航迹数据时的性能优势，从而得到更加准确的障碍物航迹数据。
70.实施例四
71.图5为本发明实施例四提供的一种航迹数据处理装置的结构示意图，本实施例可适用于对车辆周围感知区间内的障碍物航迹数据进行检测和更新的情况，如图5所示，该航迹数据处理装置包括：障碍物检测模块410和计算模块420。
72.其中，障碍物检测模块410用于根据历史障碍物的前一航迹数据，和车辆雷达检测到的当前障碍物的当前航迹数据，确定当前障碍物是否与历史障碍物关联；
73.计算模块420，用于根据当前障碍物的当前航迹数据和历史障碍物的前一航迹数据，更新当前障碍物的当前航迹数据。
74.本实施例提供的技术方案，通过自动驾驶车辆上搭载的雷达设备，检测并获得前一时刻处于车辆周围感知区间内的障碍物的前一航迹数据，以及当前时刻处于车辆周围感知区间内的障碍物的当前航迹数据。根据车辆尺寸和障碍物航迹数据得到障碍物航迹数据，通过前一时刻障碍物的前一航迹数据确定障碍物的位置关联阈值。采用关联匹配算法，将雷达检测到的当前航迹数据和前一航迹数据进行关联匹配，通过匹配结果判断当前时刻雷达检测到的障碍物是否与前一时刻雷达检测到的障碍物存在关联，若匹配结果证明两者存在关联性，则根据前一航迹数据更新当前航迹数据，得到稳定的障碍物航迹数据，并可以根据障碍物航迹数据调整车辆的行驶航迹。解决了自动驾驶车辆无法在低成本的条件下仅通过一个雷达准确检测车辆周围感知区间内障碍物航迹数据的问题，实现了降低硬件成本的同时，将一个雷达检测到的前一障碍物航迹数据和当前障碍物航迹数据进行关联匹配，获得稳定且准确的障碍物航迹数据的效果。
75.其中，障碍物检测模块410，可以具体用于：
76.确定历史障碍物的位置关联阈值；
77.根据历史障碍物的前一航迹数据、车辆雷达检测到的当前障碍物的当前航迹数据，以及位置关联阈值，确定当前障碍物是否与历史障碍物关联。
78.其中，确定历史障碍物的位置关联阈值，包括：
79.根据车辆摄像头采集的历史障碍物的尺寸参数，确定历史障碍物的位置关联阈值。
80.进一步的，计算模块420，可以具体用于：
81.对当前障碍物的当前航迹数据与当前航迹数据关联的历史障碍物的前一航迹数据进行融合处理，并将处理结果作为更新后的当前障碍物的当前航迹数据。
82.若车辆摄像头在前一时刻检测到了历史障碍物，则历史障碍物的前一航迹数据是对车辆雷达刻检测到的历史障碍物的前一航迹数据和车辆摄像头检测到的历史障碍物的前一航迹数据进行时间同步后，融合得到的。
83.其中，更新当前障碍物的当前航迹数据后，还包括：
access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
99.值得注意的是，上述航迹数据处理方法的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
100.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。