目标物体的量测值的平均值；
[0149] 将平均值输出。
[0150] 综上所述，本发明实施例提供的一种野值剔除方法，该方法通过获取车辆上设置 的n个传感器在当前时刻对障碍物体的量测值X(k)W及第i个传感器在当前时刻对障碍 物体的量测值Xi化)、估计值义,.作）和预测值义(A)，确定了滤波误差ei化）与预测误差62化） 的残差0化）和协方差W化)，并根据该残差0化）和协方差W(k)确定了检验值A化)，最 后将小于预设值Td的检验值A化）对应的第i个传感器的当前时刻对障碍物体的量测值 Xi(k)确定为野值，并从n个传感器在当前时刻对障碍物体的量测值X(k)中将野值剔除。本 发明实施例提供的野值剔除方法计算量小，计算复杂度低。
[0151] 本发明实施例提供另一种野值剔除方法，如图2所示，该方法包括：
[0152] 步骤201、获取车辆上设置的n个传感器在当前时刻对障碍物体的量测值X化)，该 n个传感器在当前时刻对障碍物体的量测值X化）包括第i个传感器在当前时刻对障碍物体 的量测值Xi化）。执行步骤202。
[0153] 该第i个传感器为车辆上设置的n个传感器中的任意一个，i为大于0,小于或等 于n的整数，即0<i《n。
[0154] 在本发明实施例中，车辆上设置的n个传感器可W包括雷达传感器、激光传感器 和视觉传感器等。该n个传感器可W持续检测车辆前方的障碍物，并得到对该障碍物的量 测值X化)，该量测值X(k)包括该障碍物的方位、距离车辆的距离和移动的速度。
[0155] 步骤202、对第i个传感器的当前时刻对障碍物体的量测值Xi(k)进行滤波得到第 i个传感器的当前时刻对障碍物体的估计值玄,作）。执行步骤203。
[0156] 示例的，对量测值Xi(k)进行滤波的操作可W为卡尔曼滤波，卡尔曼滤波的具体过 程可参考相关技术，本发明实施例不做寶述。
[0157] 步骤203、根据该n个传感器中每个传感器的上一时刻对目标障碍物的估计值得 到当前时刻的预测值义(/C)，该上一时刻与当前时刻相差t，该t大于0,目标障碍物为每个传 感器在上一时刻确定的目标物体。执行步骤204。
[015引具体的，如图3所示，步骤203包括；
[0159] 步骤2031、获取每个传感器的上一时刻对目标障碍物的估计值。
[0160] 步骤2032、基于每个传感器的上一时刻对目标障碍物的估计值确定当前时刻的预 测值义从')。
[0161] 该预测值义作）为：
[0162]
[016引其中，乂,(A'-1)为第i个传感器的上一时刻对目标障碍物的估计值，y巧第i个传 感器的预测值系数，且
[0164]示例的，该第i个传感器的预测值系数yi满足：0《y1，在实际应用中， 假设传感器个数n等于2,则第一个传感器的预测值系数y1和第二个传感器的预测值系数 y2可W为：y1=y2二 0. 5。
[0165] 步骤204、确定滤波误差ei(k)与预测误差62(k)的残差0 (k)和协方差W化）。执 行步骤205。
[0166] 该滤波误差ei(k)为第i个传感器的当前时刻对障碍物体的估计值与第i 个传感器的当前时刻对障碍物体的量测值Xi(k)之差，预测误差曰2化）为当前时刻的预测值 义作)与第i个传感器的当前时刻对障碍物体的量测值Xi(k)之差。
[0167] 示例的，滤波误差ei似为：
[016引e、(、k) = ^j(k)-Xi(k)'，
[0169] 预测误差62化）为：
[0170] )=义(A')-X(A，）；
[0171] 该滤波误差ei化）与预测误差62化）的残差0化）为：
[017引P化）=e、ik) - e,{k) = X i(k) - X i(k、;
[017引滤波误差ei化）与预测误差62化）的协方差W化）为：
[0174] w化）=Ele(k)pT(k)}.
[017引其中，pT似表示Mk)的转置。
[0176] 步骤205、根据滤波误差ei(k)与预测误差62(k)的残差e(k)和协方差W(k)确 定检验值^化)。执行步骤206。
[0177] 检验值A似为；
[017引 A化）=pT(k)w-i(k)P化）。
[0179] 步骤206、判断检验值A化）是否小于预设值Td。若检验值A化）不小于预设值 Td，执行步骤207 ;若检验值A化）小于预设值Td，执行步骤208。
[0180] 步骤207、确定检验值A化）对应的第i个传感器的当前时刻对障碍物体的量测值 Xi(k)为野值。执行步骤209。
[0181] 步骤208、确定检验值A化）对应的第i个传感器的当前时刻对障碍物体的量测值 Xi(k)不为野值。
[0182] 在本发明实施例中，检测值A化）可W反映出该检测值A化）对应的第i个传感 器的当前时刻对障碍物体的量测值Xi(k)的量测误差，因此当该检测值A化）大于预设值Td 时，可确认第i个传感器的当前时刻对障碍物体的量测值Xi(k)的量测误差较大，因此可W 确定检验值A化）对应的第i个传感器的当前时刻对障碍物体的量测值Xi(k)为野值；同 样的，当检验值A化）小于预设值Td时，可W确定检验值A化）对应的第i个传感器的当 前时刻对障碍物体的量测值Xi(k)不为野值。
[0183] 步骤209、从n个传感器在当前时刻对障碍物体的量测值X(k)中将野值剔除。执 行步骤210。
[0184] 示例的，由于量测值中的野值为偏离大部分量测值所呈现趋势的小部分量测值， 因此从n个传感器在当前时刻对障碍物体的量测值X似中将野值剔除后，可W提高该n个 传感器在当前时刻对障碍物体的量测值X(k)的精确度。
[0185] 步骤210、将剔除野值后的n个传感器在当前时刻对障碍物体的量测值X(k)进行 时空配准。执行步骤211。
[0186] 示例的，由于该n个传感器对障碍物体进行测量的时间间隔不同，因此需要将n个 传感器在当前时刻对障碍物体的量测值X(k)同步到同一个时刻，即对n个传感器在当前 时刻对障碍物体的量测值X(k)进行时间配准，时间配准的方法主要包括时间片技术和同 步采样起点方法等；又由于每个传感器对障碍物体的量测值都是基于该传感器自身的坐标 系，因此需要将n个传感器在当前时刻对障碍物体的量测值X化）通过坐标旋转和平移等方 法转换到同一个坐标系中，即对n个传感器在当前时刻对障碍物体的量测值X化）进行空间 配准，该同一个坐标系可W为车体坐标系。在对该n个传感器的量测值X(k)进行时空配准 后，才能更好的对该n个传感器的量测值X(k)进行关联处理。上述时间配准和空间配准的 具体过程可参考相关技术，本发明实施例不做寶述。
[0187] 步骤211、对时空配准后的n个传感器在当前时刻对障碍物体的量测值X(k)进行 关联处理，得到属于目标物体对障碍物体的量测值。执行步骤212。
[0188] 在本发明实施例中，为了更好的评估车辆行驶的道路环境，需要对该时空配准后 的n个传感器在当前时刻对障碍物体的量测值进行关联处理，进而提高该n个传感器获取 的信息的准确性和可靠性。
[0189] 具体的，如图4所示，步骤211可W包括：
[0190] 步骤2111、获取时空配准后的n个传感器在当前时刻的对障碍物体的量测值X化） 和估计值i作），W及该n个传感器中每个传感器在当前时刻的对障碍物体的量测值和估计 值。执行步骤2112。
[0191] 步骤2112、确定每个传感器在当前时刻的对障碍物体的估计值的估计值概率，W 及每个传感器在当前时刻的对障碍物体的量测值的量测值概率。执行步骤2113。
[0192] 示例的，该估计值概率为：
[0193]
[0194] 其中，义脚为第i个传感器在当前时刻的对障碍物体的估计值，A为第i个传感 器的估计值概率；
[0195] 该量测值概率为：
[0196]
[0197] 其中，Xi(k)为第i个传感器在当前时刻的对障碍物体的估计值，Bi为第i个传感 器的估计值概率。
[019引步骤2113、基于每个传感器的估计值概率确定n个传感器测量的每个障碍物体为 目标物体的概率m(Ui)化及每个障碍物体不为目标物体的概率m(U2)。执行步骤2114。 [0199] 示例的，j= 1或2,m(Uj)可W用下述公式（1)表示：
[020引其中，n表示取交集，示例的，AnB表示取A和B的交集，d)表示空集， 的交集为空集。4 = u;'.表示第i个传感器在当前时刻存在对每个障碍物体的量测 值，表示第i个传感器在当前时刻不存在对每个障碍物体的量测值，若第i个传感器在 当前时刻存在对每个障碍物体的量测值，则W,如I) = 4,若第i个传感器在当前时刻不存在 对每个障碍物体的量测值，则/?,(?^ = 1 - 4。
[0206] 示例的，假设车辆中设置的传感器的个数n= 2,其中第一个传感器的估计值概率 Ai= 0. 9,第二个传感器的估计值概率A2= 0. 8,若第一个传感器在当前时刻存在对每个障 碍物体的量测值，则wi(>,i) =A= 0.9,若第一个传感器在当前时刻不存在对每个障碍物体 的量测值，则,《1(!4)=1-4=1-〇.9 = 〇.1;同理可知，"!2(?|2)二^=0名，"!2的）=1-4=1-0名=0.2。 根据上述公式（1)可W得到该两个传感器测量的每个障碍物体为目标物体的概率m(Ui) 为：
[0207]
[020引其中，W!OMa2 =Ml表示第一个传感器和第二个传感器在当前时刻均存在对每个障 碍物体的量测值，满足该条件的14和％2的组合为Im:，Wi2}; 表示第一个传感器和 第二个传感器中至少有一个传感器在当前时刻不存在对每个障碍物体的量测值，满足该条 件的和1/^的组合为{的1，W22}，{4 ?12}4告"22}，则此时该两个传感器测量的每个障碍物 体为目标物体的概率m(Ui)可W表示为：
[0209]
[0210] 将,"|(",|)二 0.9, 7"|(";) = 0.1，"!2("|2) = 0.8 和…2(":2) = 0.2 巧入上述公式，可W得 到；
[0211]
[0212] 同样的，该两个传感器测量的每个障碍物体不为目标物体的概率m(ii2)可W表示 为：
[021 引
[0214]将…|("||) = 0.9，Wi(i4) = 0.1，/":("1:) = 0.8和…,(";）=0.2带入上述公式，可W得 到；
[021 引
[0216] 步骤2114、将每个障碍物体为目标物体的概率m(Ui)和每个障碍物体不为目标物 体的概率m(U2)之差作为关联检测值m。执行步骤2115。
[0引7]示例的，关联检测值m为；m=m(Ui)-m(U2)。当m(Ui) = 1，m(ii2) = 0. 39 时，关 联检测值m= 1-0. 39 = 0. 61。
[021引步骤2115、判断关联检测值m是否大于第二预设值e。若关联检测值m