一种超声波数据的处理方法、系统、车辆及存储介质与流程

本发明涉及超声波数据处理技术领域，具体涉及一种超声波数据的处理方法、系统、车辆及存储介质。

背景技术：

超声波传感器是自动驾驶常用的传感器之一。基于超声波传感器采集到的超声波数据，车辆可以检测出周边的障碍物与车辆之间的距离。

但是，当车辆周边存在多个障碍物时，车辆难以从超声波数据中区分出不同的障碍物。即，难以区分出哪些超声波数据是由同一个障碍物反射得到的，哪些超声波数据是由不同的障碍物反射得到的。这不利于车辆从超声波数据中识别出不同的障碍物，更不利于车辆针对不同的障碍物执行不同的避障操作。

技术实现要素：

本发明实施例公开了一种超声波数据的处理方法、系统、车辆及存储介质，可以从采集到的超声波数据中分割出属于不同障碍物的数据点。

本发明实施例第一方面公开一种超声波数据的处理方法，所述方法包括：

获取超声波传感器发射的超声波被障碍物反射时的反射点位置作为所述超声波传感器采集到的数据点；

根据所述数据点对应的车辆与所述障碍物之间的距离对若干个所述数据点进行分割，以得到若干个数据点集；其中，同一所述数据点集内的所述数据点对应的车辆与所述障碍物之间的距离的变化量不超过预设的第一阈值；

根据所述数据点集内的所述数据点确定与所述数据点集对应的障碍物。

作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述数据点对应的车辆与所述障碍物之间的距离对若干个所述数据点进行分割，以得到若干个数据点集，包括：

识别位置相邻的两个所述数据点对应的车辆与所述障碍物之间的距离的变化量；

如果所述变化量超出预设的第一阈值，对所述相邻的两个数据点进行分割，以将所述相邻的两个数据点划分至不同的数据点集。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

利用所述数据点集内的所述数据点拟合出所述数据点集对应的线，以得到若干条线；

从所述若干条线中识别出跳变边沿以及识别出所述若干条线中除所述跳变边沿以外的非跳变边沿；所述跳变边沿由所述对应的距离之间的变化量成上升趋势或者成下降趋势的数据点构成；

计算所述跳变边沿在垂直于所述车辆的行驶方向上的投影距离；

判断所述投影距离是否大于预设的第二阈值；

如果小于等于所述第二阈值，将构成所述跳变边沿的所述数据点以及构成与所述跳变边沿连接的所述非跳变边沿的所述数据点融合为同一个所述数据点集。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

如果所述投影距离大于所述第二阈值，将构成所述跳变边沿的所述数据点以及构成与所述跳变边沿连接的所述非跳变边沿的所述数据点划分至不同的所述数据点集。

作为一种可选的实施方式，在本发明实施例第一方面中，在所述利用所述数据点集内的所述数据点拟合出所述数据点集对应的线，以得到若干条线之前，所述方法还包括：

识别出所述数据点集内对应的所述距离跳变的噪点；

从所述数据点集中滤除出所述噪点，以得到去噪后的所述数据点集；

以及，所述利用所述数据点集内的所述数据点拟合出所述数据点集对应的线，以得到若干条线，包括：

利用所述去噪后的所述数据点集内的数据点拟合出所述数据点集对应的线，以得到若干条线。

作为一种可选的实施方式，在本发明实施例第一方面中，所述第一阈值参考所述车辆的长度或者宽度设置。

作为一种可选的实施方式，在本发明实施例第一方面中，在所述根据所述数据点对应的车辆与所述障碍物之间的距离对若干个所述数据点进行分割，以得到若干个数据点集之前，所述方法还包括：

获取所述车辆当前所在的地点；

查询与所述车辆当前所在的地点绑定的分割阈值作为所述第一阈值。

本发明实施例第二方面公开一种超声波数据的处理系统，包括：

获取单元，用于获取超声波传感器发射的超声波被障碍物反射时的反射点位置作为所述超声波传感器采集到的数据点；

分割单元，用于根据所述数据点对应的车辆与所述障碍物之间的距离对若干个所述数据点进行分割，以得到若干个数据点集；其中，同一所述数据点集内的所述数据点对应的车辆与所述障碍物之间的距离的变化量不超过预设的第一阈值；

确定单元，用于根据所述数据点集内的所述数据点确定与所述数据点集对应的障碍物。

作为一种可选的实施方式，在本发明实施例第二方面中，所述分割单元，包括：

识别子单元，用于识别位置相邻的两个所述数据点对应的车辆与所述障碍物之间的距离的变化量；

第一分割子单元，用于在所述识别子单元识别出所述变化量超出预设的第一阈值时，对所述相邻的两个数据点进行分割，以将所述相邻的两个数据点划分至不同的数据点集。

作为一种可选的实施方式，在本发明实施例第二方面中，所述分割单元，还包括：

拟合子单元，用于利用所述数据点集内的所述数据点拟合出所述数据点集对应的线，以得到若干条线；

所述识别子单元，还用于从所述若干条线中识别出跳变边沿以及识别出所述若干条线中除所述跳变边沿以外的非跳变边沿；所述跳变边沿由所述对应的距离之间的变化量上升趋势或者成下降趋势的数据点构成；

计算子单元，用于计算所述跳变边沿在垂直于所述车辆的行驶方向上的投影距离；

判断子单元，用于判断所述投影距离是否大于预设的第二阈值；

融合子单元，用于在所述判断子单元判断出所述投影距离小于等于所述第二阈值时，将构成所述跳变边沿的所述数据点以及构成与所述跳变边沿连接的所述非跳变边沿的所述数据点融合为同一个所述数据点集。

作为一种可选的实施方式，在本发明实施例第二方面中，所述分割单元，还包括：

第二分割子单元，用于在所述判断子单元判断出所述投影距离大于所述第二阈值时，将构成所述跳变边沿的所述数据点以及构成与所述跳变边沿连接的所述非跳变边沿的所述数据点划分至不同的所述数据点集。

作为一种可选的实施方式，在本发明实施例第二方面中，所述分割单元，还包括：

去噪子单元，用于在所述拟合子单元利用所述数据点集内的所述数据点拟合出所述数据点集对应的线，以得到若干条线之前，识别出所述数据点集内对应的所述距离跳变的噪点；以及，从所述数据点集中滤除出所述噪点，以得到去噪后的所述数据点集；

以及，所述拟合子单元，具体用于利用所述去噪后的所述数据点集内的数据点拟合出所述数据点集对应的线，以得到若干条线。

本发明实施例第三方面公开一种车辆，所述车辆包括本发明实施例第二方面公开的任一项系统。

本发明第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的任一项方法。

本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明实施例第一方面公开的任一项方法。

与现有技术相比，本发明实施例具有以下有益效果：

基于超声波传感器测量出的车辆与障碍物之间的距离，可以获取到超声波传感器被障碍物反射时的反射点位置以作为超声波传感器采集到的数据点。在实践中发现，同一个障碍物的边缘有一定的规律，一般不会有过大的起伏。因此，如果多个数据点对应的车辆与障碍物之间的距离相近(即距离的变化量不超过第一阈值)，那么这些数据点属于同一个障碍物的概率比较大。可见，可以利用超声波传感器采集到的数据点对应的车辆与障碍物之间的距离对数据点进行分割，将属于同一个障碍物的数据点划分为同一个点集，从而可以分割出属于不同障碍物的数据点。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种超声波数据的处理方法的流程示意图；

图2是本发明实施例公开的一种车辆的超声波传感器采集到的数据点的示例图；

图3是本发明实施例公开的另一种超声波数据的处理方法的流程示意图；

图4-1是本发明实施例公开的一种对数据点进行分割的示例图；

图4-2是本发明实施例公开的另一种对数据点进行分割的示例图；

图5-1是本发明实施例公开的一种基于图4-1的分割结果拟合出的线在车辆坐标系下的示例图；

图5-2是本发明实施例公开的一种基于图4-2的分割结果拟合出的线在车辆坐标系下的示例图；

图6-1是本发明实施例公开的一种对图4-1的分割结果进行修正后的示例图；

图6-2是本发明实施例公开的一种对图4-2的分割结果进行修正后的示例图；

图7是本发明实施例公开的一种超声波数据的处理系统的结构示意图；

图8是本发明实施例公开的另一种超声波数据的处理系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开了一种超声波数据的分割处理方法、系统、车辆及存储介质，能够从采集到的超声波数据中分割出属于不同障碍物的数据点。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种超声波数据的处理方法的流程示意图。其中，图1所描述的超声波数据的处理方法所适用的数据处理系统可以运行于车辆的电子控制单元(electroniccontrolunit，ecu)、车载计算机等车载电子设备或装置，也适用于与车辆存在通信连接的云端服务器，本发明实施例不做限定。如图1所示，该超声波数据的处理方法可以包括以下步骤：

101、数据处理系统获取超声波传感器发射的超声波被障碍物反射时的反射点位置作为超声波传感器采集到的数据点。

在本发明实施例中，超声波传感器可以按照一定的周期发射超声波，并接收超声波被障碍物反射后的回波。基于一个周期内发射超声波与接收超声波的回波之间的时间差，以及超声波的传播速度，可以计算出反射上述超声波的反射点与超声波传感器之间的距离。

超声波传感器可以装设在车辆上，反射点与超声波传感器之间的距离可以近似地看作反射点与车辆之间地距离。在超声波传感器发射超声波的时刻，可以通过车辆的里程计测量出车辆的所在位置，结合反射点与超声波传感器之间的距离，可以计算出反射超声波的反射点的位置。进一步的，如果超声波传感器在车辆上的装设位置已知，可以将反射点与超声波传感器之间的距离转换成反射点与车辆之间的距离，从而计算出更加精确的反射点的位置。

随着车辆的移动，超声波传感器发射出的多个超声波可以在同一个障碍物的不同位置上被反射，或者在不同的障碍物上被发射，使得超声波传感器可以测量到多个反射点的位置，即采集到多个数据点。

102、数据处理系统根据数据点对应的车辆与障碍物之间的距离对若干个数据点进行分割，以得到若干个数据点集。

在本发明实施例中，超声波传感器采集到的数据点对应的车辆与障碍物之间的距离是指采集到该数据点的时刻，车辆的所在位置与反射超声波的反射点的位置之间的距离。

为了方便描述，车辆在行驶过程中通过超声波传感器采集到的数据点可以统一至车辆坐标系下进行表示。车辆坐标系的x轴平行于地面指向车辆的行驶方向，y轴平行于地面与x轴垂直，z轴垂直于x轴和y轴所构成的平面。如果将采集到的数据点统一到车辆坐标系下进行表示，那么数据处理系统根据数据点对应的车辆与障碍物之间的距离对若干个数据点进行分割时，具体可以根据数据点对应的车辆与障碍物之间的距离(以下简称数据点对应的距离)在x轴上的投影对若干个数据点进行分割。

请一并参阅图2，图2是本发明实施例公开的一种车辆的超声波传感器采集到的数据点的示例图。如图2所示，自车10按照图2中箭头所示的方向行驶，自车10上装设有超声波传感器11。超声波传感器11在自车10的行驶过程中采集到的数据点30分别为位于墙壁40的反射点和位于车辆20的反射点。

从图2中可以看出，同属于墙壁40的数据点30与自车10的距离变化不大，而属于墙壁40的数据点30与自车10的距离相比于属于车辆20的数据点30与自车10的距离，变化较大。因此，可以通过分割线31将位于图2下方，属于墙壁40的数据点30与属于车辆20的数据点30分割开，以及通过分割线32将位于图2上方，属于墙壁40的数据点30与属于车辆20的数据点30分割开。

也就是说，图2所示的多个数据点30可以被分割成三个数据点集，将位于图2下方且属于墙壁40的数据点30划分为第一个数据点集，将属于车辆20的数据点30划分为第二个数据点集，将位于图2上方且属于墙壁40的数据点30划分为第三个数据点集。

具体的，数据处理系统执行步骤102的具体实施方式可以为：数据处理系统对采集到的多个数据点进行聚类，将聚类结束后得到的每个分组看作一个数据点集；其中，聚类结束的标准可以为每个分组内的数据点对应的距离的变化量不超过第一阈值。

或者，数据处理系统执行步骤102的具体实施方式还可以为：

数据处理系统根据位置相邻的两个数据点分别对应的车辆与障碍物之间的距离的变化量判断是否需要对位置相邻的两个数据点进行分割。其中，如果相邻的两个数据点对应的距离的变化量超过第一阈值，对相邻的两个数据点进行分割；否则，不进行分割。

其中，在本发明实施例中，上述的第一阈值可以参考车辆车身的宽度或者长度设置。比如说，可以参考车身的宽度或者长度设置。在自动泊车的场景中，需要识别出车辆可以停入的可停区域。以图2为例，针对某一可停区域，假设平行于图2中车辆行驶方向的侧边为可停区域的宽度，垂直于图2中车辆行驶方向的侧边为可停区域的长度。在平行泊车的场景中，可停区域的长度应不小于车辆车身的宽度；在垂直泊车的场景中，可停区域的长度应不小于车辆车身的长度。可以理解的是，将超声波数据点划分为不同的数据点集的同时，也将超声波传感器扫描到的区域划分为不同的子区域，即一个数据点集可以对应一个子区域，数据点集中的数据点可以构成该子区域的轮廓。可见，参考车身的宽度或者长度设置第一阈值，可以区分出属于不同的障碍物的数据点，与此同时，划分出的子区域中可能存在可停区域。在划分出子区域的基础上进一步判断子区域的宽度即可确定出可停区域。

或者，也可以获取车辆当前所在的地点。具体的，可以获取车辆当前的定位位置，并根据定位位置确定车辆当前所在的地点；或者，也根据车辆与车辆之间的通信(vehicletovehicle，v2v)获取车辆当前所在的地点。在本发明实施例中，不同的地点可以预先与对应的分割阈值进行绑定，在确定出车辆当前所在的地点之后，可以查询与车辆当前所在的地点绑定的分割阈值作为上述的第一阈值，以该第一阈值作为数据点划分的标准。也就是说，第一阈值也可以参考与车辆当前所在的地点绑定的分割阈值设置。

举例来说，如果车辆当前所在的地点为停车场，与停车场绑定的分割阈值可以参考停车场内划分的车位长度进行设置，从而可以针对停车位进行超声波数据点的划分，进而可以根据数据点识别出停车位和非停车位，而针对非停车位的障碍物，无需进一步划分，即可以将属于非停车位的障碍物所对应的数据点划分为同一个数据点集，可以减少识别停车位时需要处理的数据量；

如果车辆当前所在的地点为高速公路，与高速公路绑定的分割阈值可以参考车道宽度进行设置。可以理解的是，如果相邻的两个数据点对应的距离的变化量超过车道宽度，其中一个数据点对应的障碍物可能位于相邻车道上，另一数据点对应的障碍物可能不位于相邻车道上，上述相邻的两个数据点应该分属两个不同的障碍物，从而可以准确地进行区分。

进一步可选的，不同的地点与对应的分割阈值之间的绑定关系可以预先存储在车辆本地，也可以存储在云端服务器或者存储在车辆当前所在地点的场端服务器，本发明实施例不做限定。

需要说明的是，采用聚类进行分割和直接采用阈值进行分割可能会得到不同的分割结果。比如说，如图2所示的数据点30，如果采用聚类进行分割，可能会将属于墙壁40的数据点30都划分至一个数据点集内；如果直接采用阈值进行分割，在属于墙壁40的数据点30中，可能会将分割线32上方的数据点30分割为一个数据点集，将分割线31下方的数据点30分割为另一个数据点集。但这两种分割方法都可以将属于墙壁40的数据点30和属于车辆20的数据点30分割开，从而可以分割出属于不同障碍物的数据点。

103、数据处理系统根据数据点集内的数据点确定与数据点集对应的障碍物。

在本发明实施例中，将属于不同的障碍物的数据点划分为不同的数据点集之后，可以通过特征匹配的方式或者通过预先训练好的分类器对数据点集中的数据点进行识别，从而可以识别出数据点集对应的障碍物具体所属的类型。

综上所述，在图1所描述的方法中，基于超声波传感器测量出的车辆与障碍物之间的距离，可以获取到超声波传感器被障碍物反射时的反射点位置以作为超声波传感器采集到的数据点，从而可以利用超声波传感器采集到的数据点对应的车辆与障碍物之间的距离对数据点进行分割，将属于同一个障碍物的数据点划分为同一个数据点集，进而可以分割出属于不同障碍物的数据点。进一步地，第一阈值可以参考车辆车身的宽度或者长度设置，既可以有效区分属于不同障碍物的超声波数据点，还可以便于识别出可停区域。

实施例二

请参阅图3，图3是本发明实施例公开的另一种超声波数据的处理方法的流程示意图。如图3所示，该超声波数据的处理方法可以包括以下步骤：

301、数据处理系统获取超声波传感器发射的超声波被障碍物反射时的反射点位置作为超声波传感器采集到的数据点。

302、数据处理系统识别位置相邻的两个数据点对应的车辆与障碍物之间的距离的变化量，并判断相邻两个数据点对应的上述距离的变化量是否超过第一阈值；如果是，执行步骤303；如果否，执行步骤304。

303、数据处理系统对相邻的两个数据点进行分割，以将相邻的两个数据点划分至不同的数据点集。

304、数据处理系统将相邻的两个数据点划分至同一个数据点集。

在本发明实施例中，步骤302～步骤304可以认为是对数据点进行粗分割的过程，以第一阈值为基准初步将数据点分割成若干个数据点集。可以看出，粗分割的结果依赖于第一阈值的值，第一阈值设置不同的值，可能会导致不同的粗分割结果。

请一并参阅4，除了墙壁40和车辆20，图4还示出了另一个障碍物50。其中，图4-1是本发明实施例公开的一种对数据点进行分割的示例图。如果第一阈值设置为一个较小的值，分割结果可能会如图4-1所示。从图4-1中可以看出，当第一阈值较小时，可以很好地将属于墙壁40、车辆20和障碍物50的数据点30分割出来。

但是，由于超声波存在一定的波束角，可能会检测到部分超出物体本身边界的冗余的数据点。比如属于车辆20的数据点30中，分布在车辆20的头部两侧的部分数据点30可以认为是冗余的数据点。这些冗余的数据点对应的距离与属于车辆20的其他数据点对应的距离可能不一致，如果第一阈值较小，就有可能将这些冗余的数据点分割至另一个数据点集中。如图4-1所示，分割线34和分割线33可能会将属于车辆20的数据点30进一步划分为三个数据点集。

请一并参阅图4-2，图4-2是本发明实施例公开的另一种对数据点进行分割的示例图。如果第一阈值设置为一个较大的值，分割结果可能会如图4-2所示。从图4-2中可以看出，但第一阈值较大时，属于车辆20的数据点30都被划分至同一个数据点集，但同时也可能将属于障碍物50和属于墙壁40的分割点30划分至同一个数据点集。

因此，可以执行下述的步骤306～步骤309，以进一步提高分割的准确度。其中，如果数据点集内存在噪点，在执行步骤306之前，还可以先执行步骤305。

305、数据处理系统识别出数据点集内对应的距离跳变的噪点，并从数据点集中滤除出噪点，以得到去噪后的数据点集。

在本发明实施例中，噪点对应的距离明显不同于数据点集内其他数据点对应的距离。举例来说，假设第一阈值设置为1m，数据点集内大部分数据点对应的车辆与障碍物之间的距离在5.5m～5.6m的范围内，某个数据点对应的车辆与障碍物之间的距离为6m。该数据点对应的距离与该数据点集内其他数据点对应的距离之间的变化量小于1m，因此在以第一阈值为基准进行分割时，将对应距离为6m的这个数据点划分至该数据点集内是合理的。然而，当数据点集内积累了一定数量的数据点之后，数据点集内的数据点分布也呈现一定程度的聚集，此时对应距离为6m的数据点明显不同于其他对应距离在5.5m～5.6m范围内的数据点，存在距离跳变的现象，因此可以将对应距离为6m的数据点识别为噪点，从数据点集中滤除出该噪点，使得数据点集内的数据点对应的距离更集中，有利于提高下一步拟合的准确性。

306、数据处理系统利用去噪后的数据点集内的数据点拟合出数据点集对应的线，以得到若干条线。

可以理解的是，为了提高拟合的准确性，可以先执行步骤305所示的去噪操作。在另一些可能的实施例中，也可以在执行步骤302～步骤304将数据点粗分割成若干个数据点集之后，直接执行步骤305对数据点集内的数据点进行拟合。

其中，可以采用最小二乘法将数据点拟合成线。一个数据点集中的数据点可以逆合成一条线，也可以逆合成多条线，本发明实施例不做限定。

307、数据处理系统从若干条线中识别出跳变边沿以及识别出若干条线中除跳变边沿以外的非跳变边沿。

在本发明实施例中，跳变边沿由对应的距离之间的变化量成上升趋势或者成下降趋势的数据点构成。可选的，可以将拟合出的若干条线转换至车辆坐标系下进行表示，如果某一条线的梯度大于预设的梯度阈值，将这条线识别为跳变边沿；否则，将这条线识别为非跳变边沿。

在本发明实施例中，请一并参阅图5。其中，图5-1是本发明实施例公开的一种基于图4-1的分割结果拟合出的线在车辆坐标系下的示例图。图5-2是本发明实施例公开的一种基于图4-2的分割结果拟合出的线在车辆坐标系下的示例图。图5中的虚线表示分割线，分割线用于分割不同的数据点集。

308、数据处理系统计算跳变边沿在垂直于车辆的行驶方向上的投影距离。

在本发明实施例中，如果将拟合出的若干条线在车辆坐标系下进行表示，跳变边沿在垂直于车辆的行驶方向上的投影距离即为跳变边沿在y轴上的投影距离。

请继续参阅图5，在图5-1中，跳变边沿为l1和l2，其余的线为非跳变边沿。l1在y轴上的投影距离为d1，l2在y轴上的投影距离为d2。在图5-2中，跳变边沿为l1、l2、l3、l4，在y轴上的投影距离依次为d1、d2、d3、d4，图5-2中其余的线为非跳变边沿。

309、数据处理系统判断跳变边沿的投影距离是否大于预设的第二阈值；如果是，执行步骤310；如果否，执行步骤311。

310、数据处理系统将构成该跳变边沿的数据点以及构成与该跳变边沿连接的非跳变边沿的数据点划分至不同的数据点集，并继续执行步骤312。

311、数据处理系统将构成该跳变边沿的数据点以及构成与该跳变边沿连接的非跳变边沿的数据点融合为同一个数据点集，并继续执行步骤312。

在本发明实施例中，第二阈值可以为经验值，参考第一阈值进行设置。如果第一阈值的取值较小，第二阈值可以设置为大于第一阈值；如果第一阈值的取值较大，第二阈值可以设置为小于第一阈值。

请继续参阅图5-1，l1、l2由冗余的数据点拟合而成，因此一般来说d1和d2的值较小。如果d1、d2小于第二阈值，那么执行步骤311，将l1、l2以及与l1和l2连接的非跳变边沿融合为同一个数据点集。执行步骤309～步骤311之后，对图5-1中的数据点进行分割的结果可以如图6-1所示。

在图5-2中，l3、l4实际上为两个不同的物体之间的分界线，由于粗分割时将属于障碍物50和属于墙壁40的数据点30划分值同一个数据点集中，因此拟合出l3和l4。一般来说，不同物体之间的分界线在y轴上的投影距离较大，因此d3和d4可能大于第二阈值，那么执行步骤310，对l3以及与l3连接的非跳变边沿进行分割，对l4以及与l4连接的非跳变边沿进行分割。d1和d2可能小于第二阈值，执行步骤310以融合l1、l2以及与l1和l2连接的非跳变边沿。而实际上l1、l2以及与l1和l2连接的非跳变边沿在粗分割时已被分割为同一个数据点集，因此也可以不执行步骤310。执行步骤309～步骤311之后，对图5-2中的数据点进行分割的结果可以如图6-2所示。

312、数据处理系统根据数据点集内的数据点确定与数据点集对应的障碍物。

可见，在图3所描述的方法中，可以基于数据点对应的车辆与障碍物之间的距离对若干个数据点进行粗分割，从而可以分割出属于不同障碍物的数据点。进一步地，通过对跳变边沿在y轴上的投影距离的判断，可以对粗分割的分割结果进行修正，以提高分割的准确度。更进一步地，在识别跳变边沿、计算y轴上地投影距离之前，需要先将数据点集内的数据点拟合成线，为了提高拟合的准确性，可以先滤除数据点集内的噪点。

实施例三

请参阅图7，图7是本发明实施例公开的一种超声波数据的处理系统的结构示意图。如图7所示，该超声波数据的处理系统可以包括：

获取单元701，用于获取超声波传感器发射的超声波被障碍物反射时的反射点位置作为超声波传感器采集到的数据点；

在本发明实施例中，获取单元701可以获取车辆的里程计测量出车辆的所在位置，结合反射点与超声波传感器之间的距离，可以计算出反射超声波的反射点的位置。进一步的，如果超声波传感器在车辆上的装设位置已知，可以将反射点与超声波传感器之间的距离转换成反射点与车辆之间的距离，从而计算出更加精确的反射点的位置。

分割单元702，用于根据数据点对应的车辆与障碍物之间的距离对若干个数据点进行分割，以得到若干个数据点集；其中，同一数据点集内的数据点对应的车辆与障碍物之间的距离的变化量不超过预设的第一阈值。

在本发明实施例中，分割单元702用于根据数据点对应的车辆与障碍物之间的距离对若干个数据点进行分割，以得到若干个数据点集的方式具体可以为：

分割单元702，用于对采集到的多个数据点进行聚类，将聚类结束后得到的每个分组看作一个数据点集；其中，聚类结束的标准可以为每个分组内的数据内的数据点对应的距离的变化量不超过第一阈值；

或者，用于根据位置相邻的两个数据点分别对应的车辆与障碍物之间的距离的变化量判断是否需要对位置相邻的两个数据点进行分割。其中，如果相邻的两个数据点对应的距离的变化量超过第一阈值，对相邻的两个数据点进行分割；否则，不进行分割。

其中，上述的第一阈值可以参考车辆车身的宽度或者长度设置。

或者，也可以参考与车辆当前所在的地点绑定的分割阈值设置；也就是说，作为一种可选的实施方式，分割单元702在根据数据点对应的车辆与障碍物之间的距离对若干个数据点进行分割，以得到若干个数据点集之前，还可以用于获取车辆当前所在的地点；以及，查询与车辆当前所在的地点绑定的分割阈值作为上述的第一阈值。

进一步可选的，不同的地点与对应的分割阈值之间的绑定关系可以预先存储在车辆本地，也可以存储在云端服务器或者存储在车辆当前所在地点的场端服务器，本发明实施例不做限定。

确定单元703，用于根据分割单元702分割出的数据点集内的数据点确定与数据点集对应的障碍物。

可见，实施如图7所示的超声波数据的处理系统，可以利用超声波传感器采集到的数据点对应的车辆与障碍物之间的距离对数据点进行分割，将属于同一个障碍物的数据点划分为同一个数据点集，进而可以分割出属于不同障碍物的数据点。进一步地，第一阈值可以参考车辆车身的宽度或者长度设置，既可以有效区分属于不同障碍物的超声波数据点，还可以便于识别出可停区域。

实施例四

请参阅图8，图8是本发明实施例公开的另一种超声波数据的处理系统的结构示意图。其中，图8所示的超声波数据的处理系统是由图7所示的超声波数据的处理系统进行优化得到的。在图8所示的超声波数据的处理系统中：

上述的分割单元702，可以包括：

识别子单元7021，用于识别位置相邻的两个数据点对应的车辆与障碍物之间的距离的变化量；

第一分割子单元7022，用于在识别子单元7021识别出变化量超出预设的第一阈值时，对相邻的两个数据点进行分割，以将相邻的两个数据点划分至不同的数据点集。

也就是说，第一分割子单元7022能够以第一阈值为基准，对若干个数据点进行粗分割。

进一步可选的，分割单元702，还可以包括：

拟合子单元7023，用于利用数据点集内的数据点拟合出数据点集对应的线，以得到若干条线；

上述的识别子单元7021，还用于从若干条线中识别出跳变边沿以及识别出若干条线中除所述跳变边沿以外的非跳变边沿；其中，跳变边沿由对应的距离之间的变化量上升趋势或者成下降趋势的数据点构成；

计算子单元7024，用于计算跳变边沿在垂直于车辆的行驶方向上的投影距离；

判断子单元7025，用于判断投影距离是否大于预设的第二阈值；

融合子单元7026，用于在判断子单元7025判断出投影距离小于等于第二阈值时，将构成跳变边沿的数据点以及构成与跳变边沿连接的非跳变边沿的数据点融合为同一个数据点集。

可选的，还可以包括：

第二分割子单元7027，用于在判断子单元7025判断出投影距离大于第二阈值时，将构成跳变边沿的数据点以及构成与跳变边沿连接的非跳变边沿的数据点划分至不同的数据点集。

可见，融合子单元7026和第二分割子单元7027可以根据跳变边沿在y轴上的投影距离，进一步对粗分割的分割结果进行修正，以提高分割的准确度。

更进一步的，分割单元702，还可以包括：

去噪子单元7028，用于在拟合子单元7023利用数据点集内的数据点拟合出数据点集对应的线，以得到若干条线之前，识别出数据点集内对应的距离跳变的噪点；以及，从数据点集中滤除出噪点，以得到去噪后的数据点集；

以及，上述的拟合子单元7023，具体用于利用去噪后的数据点集内的数据点拟合出数据点集对应的线，以得到若干条线。

可见，实施如图8所示的超声波数据处理系统，可以基于数据点对应的车辆与障碍物之间的距离对若干个数据点进行粗分割，从而可以分割出属于不同障碍物的数据点。进一步地，通过对跳变边沿在y轴上的投影距离的判断，可以对粗分割的分割结果进行修正，以提高分割的准确度。更进一步地，在识别跳变边沿、计算y轴上地投影距离之前，需要先将数据点集内的数据点拟合成线，为了提高拟合的准确性，可以先滤除数据点集内的噪点。

此外，本发明实施例公开一种车辆，其包括如7或图8所示的任一种超声波数据处理系统。

本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行图1或图3所示的任一种超声波数据处理方法。

本发明实施例公开一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行图1或图3所示的任一种超声波数据处理方法。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(read-onlymemory，rom)、随机存储器(randomaccessmemory，ram)、可编程只读存储器(programmableread-onlymemory，prom)、可擦除可编程只读存储器(erasableprogrammablereadonlymemory，eprom)、一次可编程只读存储器(one-timeprogrammableread-onlymemory，otprom)、电子抹除式可复写只读存储器(electrically-erasableprogrammableread-onlymemory，eeprom)、只读光盘(compactdiscread-onlymemory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种超声波数据处理方法、系统、车辆及存储系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。