W是由步骤303获得。目标参数可W包括01，该目标方位角为根据毫米波雷达和视觉传感器获取的各种参数综合计算获 取的，具有较高的准确性。
[0114] 步骤309,在车辆周围有至少两个障碍物时，根据去重公式获取至少两个障碍物中 任意两个障碍物的重合系数化。
[0115] 在车辆周围有至少两个障碍物时，可W根据步骤301中获取的障碍物到毫米波雷 达的距离d，W及步骤308中获取的障碍物的目标方位角01之后，可W根据去重公式获取 至少两个障碍物中任意两个障碍物的重合系数化。
[0116] 去重公式可W为：
[0117]
[0118] 其中，01和0m为至少两个障碍物中任意两个障碍物的目标方位角，di为01对 应的障碍物到毫米波雷达的距离，屯为0m对应的障碍物到毫米波雷达的距离。
[0119] 步骤310,当化大于重合阔值时，确定01对应的障碍物和0m对应的障碍物为一 个障碍物。
[0120] 在获取任意两个障碍物的重合系数化之后，可W检测该重合系数是否大于重合 阔值，若化大于重合阔值，则确定01对应的障碍物和0m对应的障碍物为一个障碍物，并 删除两个障碍物中任一障碍物的各项参数，若化小于重合阔值，则保留e1对应的障碍物 和0。对应的障碍物。可W利用该方法将检测到的所有障碍物都进行去重处理。
[0121] 步骤311，WD-S证据理论分析每个障碍物的雷达参数和视觉参数，得到每个障碍 物的障碍等级，障碍等级表征任一障碍物实际存在的可信度。
[0122] 示例性的，WD-S证据理论分析每个障碍物的雷达参数和视觉参数，得到每个障 碍物的障碍等级的过程可W为：
[0123] 给定毫米波雷达和视觉传感器在同一识别框架下，基于不同证据的置信度函数 mi化1)和m, (ti)。具体的，W障碍物的各种参数来对障碍物进行评定等级，比如将障碍物分 成{〇1，〇2,…，〇1。}该10级，级数越大代表障碍越大，根据毫米波雷获取的雷达参数中的各种 参数（如障碍物距离毫米波雷达的距离，障碍物的方位角等）按照障碍的雷达参数为该10 个等级分配概率值，比如障碍物距离毫米波雷达的距离d越小则该障碍物的高级数（如8、 9和10级）分配的概率就越大，W此类推，得到毫米波雷达探测到的障碍物在各等级的分布 概率值mi(Ai)，视觉传感器探测到的障碍物在各等级的分布概率值m2也）。mi化1)和m2也） 可W如表1所示。
[0124]表1
[0125]
[01%] 在表1中，ki至k1。代表毫米波雷达探测到的障碍物在{0。〇2,…，〇1。}该10个等 级的分布概率值，一个等级的概率值越大，则障碍物为该等级的障碍物的概率也越大。tl至 ti。代表视觉传感器探测到的障碍物在{0。〇2,…，〇1。}该10个等级的分布概率值，且ki和 ti細足；
[0127：
[012引则根据D-S证据理论可W将叫化i)和m2(ti)进行融合并得到障碍物目标指数m(C)。m(C)满足障碍物目标指数公式。
[0129] 障碍物目标指数公式可W为：
[0130]
[0131] 其中C为{0。化，…，〇1。}该10个等级中的任一等级。由障碍物目标指数公式能 够得到障碍物在各个等级的障碍物目标指数。可W将障碍物目标指数最大的等级认为是该 障碍物的障碍等级。
[013引比如m(0i。）最大，则障碍物的障碍等级为10,W此类推。
[0133] 示例性的，一个障碍物在各个等级的概率分布可W如表2中所示。
[0134]表2
[0135]
[0lS~在表2中各个参数值代胃表的含义与表1相同，在此不再寶述/ ' '
[0137] 通过障碍物目标指数公式可得表2中mi化1)和m2(ti)融合后的障碍物目标指数中 最大的为：
[013引
即该障碍物的障碍等级为10.
[0139] 步骤312,去除至少一个障碍物中障碍等级小于预设等级的障碍物。
[0140] 在获取各个障碍物的障碍等级后，可W将障碍等级小于预设等级的障碍物当成虚 警目标去除。比如预设等级为7,则可W将障碍等级小于7级的障碍物去除。
[0141] 需要补充说明的是，本发明实施例提供的障碍物探测方法，通过对多个障碍物进 行去重处理，达到了提高获取的障碍物的目标参数的可靠性的效果。
[0142] 需要补充说明的是，本发明实施例提供的障碍物探测方法，通过D-S证据理论W 毫米波雷达和视觉传感器获取的障碍物参数获取障碍等级，并根据障碍等级来去除可信度 较低的障碍物，达到了提高获取的障碍物的目标参数的可信度的效果。
[0143] 综上所述，本发明实施例提供的障碍物探测方法，通过将毫米波雷达获取的雷达 参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参 数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位 角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。
[0144] 下述为本发明装置实施例，可W用于执行本发明方法实施例。对于本发明装置实 施例中未披露的细节，请参照本发明方法实施例。
[0145] 图4是本发明实施例示出的一种障碍物探测装置的框图。该障碍物探测装置可W 包括；雷达模块410,视觉模块420和融合模块430。
[0146] 雷达模块410,用于通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达 参数。
[0147] 视觉模块420,用于通过视觉传感器获取至少一个障碍物的视觉参数。
[0148] 融合模块430,用于分别将每个障碍物的雷达参数和视觉参数融合，将融合后的参 数作为目标参数。
[0149] 综上所述，本发明实施例提供的障碍物探测装置，通过将毫米波雷达获取的雷达 参数与视觉传感器获取的视觉参数进行融合，并将融合后得到的参数作为障碍物的目标参 数，且视觉传感器探测的方位角的准确性较高，解决了相关技术中探测到的障碍物的方位 角的准确性较低的问题；达到了使探测到的障碍物的参数的准确性较高的效果。
[0150] 图5是根据一示例性实施例示出的一种障碍物探测装置的框图。该障碍物探测装 置可W包括；雷达模块410,视觉模块420和融合模块430。
[0151] 雷达模块410,用于通过毫米波雷达获取位于车辆周围的至少一个障碍物的雷达 参数。
[0152] 视觉模块420,用于通过视觉传感器获取至少一个障碍物的视觉参数。
[0153] 融合模块430,用于分别将每个障碍物的雷达参数和视觉参数融合，将融合后的参 数作为目标参数。
[0154] 可选的，雷达参数包括；至少一个障碍物在雷达坐标系中的坐标（Xf，y,)、至少一 个障碍物到毫米波雷达的距离d和至少一个障碍物的方位角0，毫米波雷达位于雷达坐标 系的原点，雷达坐标系的X轴的正方向与车辆的行驶方向平行，
[0155] 融合模块430,用于；获取毫米波雷达和视觉传感器的设置参数，设置参数包括视 觉传感器的光轴偏移量、雷达坐标系和视觉坐标系的坐标偏移量、视觉传感器的焦距和视 觉传感器距离地面的高度，视觉坐标系W视觉传感器获取的矩形图像的左上角为原点，视 觉坐标系的X轴与地面平行；根据坐标转换公式将每个障碍物在雷达坐标系中的坐标（Xf， Yt)转换为视觉坐标系中的坐标（Xp，yp)，坐标转换公式为：
[0巧6]
[0157] 其中，C济Cy为视觉传感器的光轴偏移量，f为视觉传感器的焦距，L济Ly为坐 标偏移量，H为视觉传感器距离地面的高度；W(Xp，yp)为中屯、确定预设大小的识别框；根 据图像识别技术在识别框中识别每个障碍物在视觉坐标系中的宽度W和高度h;根据宽高 转换公式得到每个障碍物的实际宽度R，和实际高度Rh，宽高转换公式为：
[0巧引
[0159] 其中，dy为视觉坐标系中每个单位宽度对应的实际宽度，cU为视觉坐标系中每个 单位高度对应的实际高度，目标参数包括R，和Rh。
[0160] 可选的，融合模块430,还用于，根据方位角公式获取每个障碍物的目标方位角 0i，方位角公式为：
[0161]
[0162] 其中，M为视觉传感器获取的矩形图像的在视觉坐标系中的宽度，巧为视觉传感 器的镜头视场角，目标参数包括0 1。
[0163] 可选的，该装置还包括：
[0164] 重合模块440,用于在车辆周围有至少两个障碍物时，根据去重公式获取至少两个 障碍物中任意两个障碍物的重合系数化，去重公式为：
[01 妨I
[0166] 其中，01和0m为至少两个障碍物中任意两个障碍物的目标方位角，di为01对 应的障碍物到毫米波雷达的距离，屯为0m对应的障碍物到毫米波雷达的距离。
[0167] 去重模块450,用于当化大于重合阔值时，确定01对应的障碍物