1.一种数据融合方法,其特征在于,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。
2.根据权利要求1所述的数据融合方法,其特征在于,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。
3.根据权利要求2所述的数据融合方法,其特征在于,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。
4.根据权利要求3所述的数据融合方法,其特征在于,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,还包括:
将最好的状态和最差的状态之间做百分比。
5.根据权利要求3所述的数据融合方法,其特征在于,所述基于所述预估可信度生成权重系数a,包括:
基于可信度列表获取多组权重系数;
将多组权重系数按照加权统计进行计算,生成权重系数a。
6.根据权利要求1所述的数据融合方法,其特征在于,所述数据融合滤波模型为:联邦卡尔曼滤波模型。
7.根据权利要求1所述的数据融合方法,其特征在于,所述数据融合滤波模型的参考系统为imu。
8.一种用于智能网联汽车的数据融合方法,其特征在于,包括:
使用所述权利要求1至6任一所述的数据融合方法对车载环境感知传感器获取的数据进行数据融合,得到第一数据融合结果;
使用所述权利要求1至6任一所述的数据融合方法车载v2x设备获取的数据进行数据融合,得到第二数据融合结果;
使用所述权利要求1至6任一所述的数据融合方法对第一数据融合结果和第二数据融合结果进行数据融合得到目标融合数据。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现权利要求1-7中任一项所述的数据融合方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现1-7中任一项所述的数据融合方法。