目标检测方法、装置和车辆与流程

1.本发明涉及辅助驾驶领域，具体而言，涉及一种目标检测方法、装置和车辆。


背景技术：

2.目前，辅助驾驶技术发展快速，国内外中高端车型辅助驾驶功能逐渐成为标配，且主要搭载智能单目摄像头和智能毫米波雷达进行前方目标检测，经过目标数据关联、融合处理、路径规划及车辆控制，保持车辆安全行驶。但现有技术多采用固定距离门限进行目标关联判断，无法合理反应真实环境情况及不同场景下传感器的误差变化。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种目标检测方法、装置和车辆，以至少解决相关技术中目标检测准确率低的技术问题。
5.根据本发明实施例的一个方面，提供了一种目标检测方法，包括：获取当前车辆的感知数据集合，其中，感知数据集合包括：第一传感器感知到的第一感知数据，第二传感器感知到的第二感知数据，以及车辆速度；基于感知数据集合，确定当前车辆对应的目标判断门限，其中，目标判断门限用于判断第一传感器感知到的第一目标与第二传感器感知到的第二目标是否相同；将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果。
6.可选地，基于感知数据集合，确定当前车辆对应的目标判断门限，包括：基于感知数据集合，确定当前车辆对应的目标检测条件；从预设映射关系中获取目标检测条件对应的感知数据，其中，预设映射关系用于表征不同检测条件对应的数据分布；基于目标数据分布，确定目标判断门限。
7.可选地，基于感知数据集合，确定当前车辆对应的目标检测条件，包括：基于第一感知数据，确定第一目标的目标类别，以及当前车辆与第一目标之间的目标纵向距离；基于目标类别、车辆速度和目标纵向距离，确定目标检测条件。
8.可选地，该方法还包括：获取不同检测条件下，第一传感器和第二传感器对同一个第三目标分别进行感应得到的第三感知数据和第四感知数据；获取第三感知数据和第四感知数据的差值，得到第一差值；确定不同检测条件下的第一差值的数据分布；基于不同检测条件和不同检测条件对应的数据分布，生成预设映射关系。
9.可选地，基于目标数据分布，确定目标判断门限，包括：响应于当前周期内第一次对第一传感器和第二传感器进行检测，确定目标判断门限为目标数据分布的均值和均方差之和；响应于当前周期内非第一次对第一传感器和第二传感器进行检测，且当前周期的前一个周期内第一目标与第二目标相同，确定目标判断门限为均值和第一乘积之和，第一乘积为均方差和第一预设值的乘积；响应于当前周期内非第一次对第一传感器和第二传感器进行检测，且当前周期的前两个周期内第一目标与第二目标相同，确定目标判断门限为均
值和第二乘积之和，第二乘积为均方差和第二预设值的乘积。
10.可选地，将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果，包括：获取第一感知数据和第二感知数据的差值，得到第二差值；将第二差值与目标判断门限进行比较，得到检测结果。
11.可选地，将第二差值与目标判断门限进行比较，得到检测结果，包括：响应于第二差值小于或等于目标判断门限，确定检测结果为第一目标与第二目标相同；响应于第二差值大于目标判断门限，确定检测结果为第一目标与第二目标不同。
12.可选地，目标判断门限包括如下至少之一：纵向距离门限、横向距离门限、纵向速度门限和横向速度门限。
13.根据本发明实施例的另一方面，还提供了一种目标检测装置，包括：第一获取模块，用于获取当前车辆的感知数据集合，其中，感知数据集合包括：第一传感器感知到的第一感知数据，第二传感器感知到的第二感知数据，以及车辆速度；第一确定模块，用于基于感知数据集合，确定当前车辆对应的目标判断门限，其中，目标判断门限用于判断第一传感器感知到的第一目标与第二传感器感知到的第二目标是否相同；判定模块，用于将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果，检测结果用于表征第一传感器与第二传感器是否成功关联。
14.根据本发明实施例的另一方面，还提供了一种目标车辆，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行上述的任意一项的目标检测方法。
15.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制所在设备的处理器中执行上述的任意一项的目标检测方法。
16.在本发明实施例中，采用获取当前车辆的感知数据集合，其中，感知数据集合包括：第一传感器感知到的第一感知数据，第二传感器感知到的第二感知数据，以及车辆速度；基于感知数据集合，确定当前车辆对应的目标判断门限，其中，目标判断门限用于判断第一传感器感知到的第一目标与第二传感器感知到的第二目标是否相同；将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果的方式。容易注意到的是，目标判断门限是基于实时获取到的感知数据集合所确定的，不再是一个固定距离门限，而是一个动态变化的门限，使得目标判断门限能够反映真实环境情况及不同场景下传感器的误差变化，达到了能够对目标进行准确检测的目的，从而实现了提高目标检测准确率的技术效果，进而解决了相关技术中目标检测准确率低的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1是根据本发明实施例的一种目标检测方法的流程图；
19.图2是根据本发明实施例的一种可选的目标检测方法的流程图；
20.图3是根据本发明实施例的一种可选的目标检测装置的结构示意图。
具体实施方式
21.为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
22.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
23.实施例1
24.根据本发明实施例，提供了一种目标检测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
25.图1是根据本发明实施例的一种目标检测方法的流程图，如图1所示，该方法包括如下步骤：
26.步骤s102，获取当前车辆的感知数据集合，其中，感知数据集合包括：第一传感器感知到的第一感知数据，第二传感器感知到的第二感知数据，以及车辆速度。
27.上述的第一传感器可以是任何一种具有辅助驾驶功能的车辆上的智能摄像头传感器，在本实施例中，以智能单目摄像头传感器为例进行说明；第二传感器可以是任何一种具有辅助驾驶功能的车辆上的智能雷达传感器，在本实施例中，以智能毫米波雷达传感器为例进行说明；第一感知数据可以是第一传感器实时检测到的第一目标类别、当前车辆与第一目标的纵向距离、横向距离、纵向速度、横向速度等数据；第二感知数据可以是第二传感器实时检测到的第二目标类别、当前车辆与第二目标的纵向距离、横向距离、纵向速度、横向速度等数据；车辆速度可以是当前车辆的实时速度。
28.在一种可选的实施例中，首先可以获取当前车辆的感知数据集合，其中，感知数据集合包括：第一传感器感知到的第一感知数据，例如可以是与目标的纵向距离、横向距离、纵向速度、横向速度等数据；第二传感器感知到的第二感知数据，例如可以是与目标的纵向距离、横向距离、纵向速度、横向速度等数据；以及当前车辆的实时速度。
29.步骤s104，基于感知数据集合，确定当前车辆对应的目标判断门限，其中，目标判断门限用于判断第一传感器感知到的第一目标与第二传感器感知到的第二目标是否相同。
30.上述的目标判断门限可以是用户基于预设映射关系提前设置的，用来判定第一传感器和第二传感器检测的目标是否为相同目标的判断门限，目标判断门限包括如下至少之一：纵向距离门限、横向距离门限、纵向速度门限和横向速度门限，其中，纵向距离门限、横向距离门限、纵向速度门限和横向速度门限是由第三感知数据和第四感知数据的差值的高
斯分布的均值、均方差以及预设值得到的；第一目标可以是第一传感器感知到的目标；第二目标可以是第二传感器感知到的目标。
31.上述的预设映射关系可以是用户提前设置好的能够反映目标、车速、第一感知数据的纵向距离与第三感知数据和第四感知数据的纵向距离差、横向距离差、纵向速度差以及横向速度差之间对应关系的数据集合，包括但不限于目标、车速、第三感知数据的纵向距离以及第三感知数据和第四感知数据之间的纵向距离差、横向距离差、纵向速度差以及横向速度差等数据。
32.在一种可选的实施例中，首先可以通过目标类别、感知数据集合中第一感知数据的纵向距离以及当前车速，确定当前车辆处于预设映射关系中的具体条件，然后获取对应条件中对应的判断门限，即可得到目标判断门限。
33.步骤s106，将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果。
34.在一种可选的实施例中，首先可以通过感知数据集合中的第一感知数据和第二感知数据得到第一感知数据和第二感知数据的差值，其次对差值进行拟合得到高斯分布的均值与均方差，然后基于高斯分布的均值与均方差，得到第一感知数据和第二感知数据的实时纵向距离差、横向距离差、纵向速度差以及横向速度差，最后将实时纵向距离差、横向距离差、纵向速度差以及横向速度差与目标判断门限进行比较，可以得到第一目标与第二目标是否相同的结果。
35.在本发明实施例中，采用获取当前车辆的感知数据集合，其中，感知数据集合包括：第一传感器感知到的第一感知数据，第二传感器感知到的第二感知数据，以及车辆速度；基于感知数据集合，确定当前车辆对应的目标判断门限，其中，目标判断门限用于判断第一传感器感知到的第一目标与第二传感器感知到的第二目标是否相同；将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果的方式。容易注意到的是，目标判断门限是基于实时获取到的感知数据集合所确定的，不再是一个固定距离门限，而是一个动态变化的门限，使得目标判断门限能够反映真实环境情况及不同场景下传感器的误差变化，达到了能够对目标进行准确检测的目的，从而实现了提高目标检测准确率的技术效果，进而解决了相关技术中目标检测准确率低的技术问题。
36.可选地，基于感知数据集合，确定当前车辆对应的目标判断门限，包括：基于感知数据集合，确定当前车辆对应的目标检测条件；从预设映射关系中获取目标检测条件对应的感知数据，其中，预设映射关系用于表征不同检测条件对应的数据分布；基于目标数据分布，确定目标判断门限。
37.上述的目标检测条件，可以是预设映射关系中，与当前车辆的当前目标、车速以及第一感知数据的纵向距离相匹配的条件，例如可以是预设目标与当前车辆的当前目标相同，预设车速与当前车辆的车速相同，以及第三感知数据中的纵向距离与第一感知数据中的纵向距离相同的条件。
38.上述的目标数据分布可以是任何一种能够体现第三感知数据和第四感知数据的纵向距离差、横向距离差、纵向速度差以及横向速度差的数据关系的分布，每个目标检测条件都对应一个目标数据分布，具体不做限定，在本实施例中，为了减少数据计算量，以高斯分布为例进行说明，例如，可以获取第三感知数据和第四感知数据的纵向距离差高斯分布
均值与方差、横向距离差高斯分布均值与方差、纵向速度差高斯分布均值与方差以及横向速度差高斯分布均值与方差。
39.在一种可选的实施例中，基于感知数据集合，确定当前车辆对应的目标判断门限包括，首先基于感知数据集合中的目标类别、车速以及第一感知数据中的纵向距离确定预设映射关系中相匹配的条件(即目标检测条件)，其次获取预设映射关系中与目标检测条件对应的第三传感器和第四传感器感知到的感知数据，基于感知数据差值得到差值的高斯分布均值与均方差(即目标数据分布),最后基于均值、均方差以及预设值，得到目标判断门限。
40.可选地，基于感知数据集合，确定当前车辆对应的目标检测条件，包括：基于第一感知数据，确定第一目标的目标类别，以及当前车辆与第一目标之间的目标纵向距离；基于目标类别、车辆速度和目标纵向距离，确定目标检测条件。
41.在一种可选的实施例中，第一感知数据可以包括第一传感器实时检测到的第一目标类别、当前车辆与第一目标的纵向距离、横向距离、纵向速度、横向速度等数据，基于第一感知数据，可以确定第一目标的目标类别，以及当前车辆与第一目标之间的目标纵向距离，基于目标类别、当前车辆的实时车速以及与目标的实时纵向距离，可以确定预设映射关系中与目标类别、当前车辆的实时车速以及与目标的实时纵向距离相符合的条件，即目标检测条件。
42.可选地，该方法还包括：获取不同检测条件下，第一传感器和第二传感器对同一个第三目标分别进行感应得到的第三感知数据和第四感知数据；获取第三感知数据和第四感知数据的差值，得到第一差值；确定不同检测条件下的第一差值的数据分布；基于不同检测条件和不同检测条件对应的数据分布，生成预设映射关系。
43.上述的第三目标可以是在建立预设映射关系时，用户所选的第一传感器和第二传感器感知的相同目标，具体不做限定，在本实施例中，以行人(包括二轮车与自行车)、小车、大车三类为例进行说明。
44.上述的第三感知数据可以是第一传感器对第三目标感知到的数据，可以包括第一传感器检测到的第三目标类别、车辆与第三目标的纵向距离、横向距离、纵向速度、横向速度等数据；第四感知数据可以是第二传感器对第三目标感知到的数据，可以包括第二传感器检测到的第三目标类别、车辆与第三目标的纵向距离、横向距离、纵向速度、横向速度等数据。
45.上述的不同检测条件可以是基于目标类别的不同、车速范围的不同以及第三感知数据中的车辆与第三目标的纵向距离的范围不同，所生成的192中不同的条件，其中，车速范围不做具体限定，在本实施例中，以0-40km/h、40-80km/h、80-120km/h、大于120km/h这4类为例进行说明，车辆与第三目标的纵向距离范围不做具体限定，在本实施例中，以0-10m、10-20m、20-30m、30-40m、40-50m、50-60m、60-70m、70-80m、80-90m、90-100m、100-110m、110-120m、120-130m、130-140m、140-150m、大于150m这16种范围为例。
46.上述的第一差值可以是第三感知数据和第四感知数据的纵向距离差、横向距离差、纵向速度差、横向速度差。
47.上述的数据分布可以是对第一差值进行拟合，得到纵向距离差高斯分布均值与方差、横向距离差高斯分布均值与方差、纵向速度差高斯分布均值与方差、横向速度差高斯分
布均值与方差，其中，因为目标类别、车速以及车辆与第三目标的纵向距离均会变化，所以第一差值也会对应变化，因此每种检测条件下都会对应一种数据分布。
48.在一种可选的实施例中，首先可以获取不同检测条件下第一传感器和第二传感器对第三目标分别进行感应得到的第三感知数据和第四感知数据，其次获取第三感知数据和第四感知数据的差值，得到第一差值，对第一差值进行拟合后得到第一差值的高斯分布均值与方差(即数据分布)，因为每种检测条件都会对应一种数据分布，因此可以基于不同检测条件和不同检测条件对应的数据分布，生成预设映射关系
49.可选地，基于目标数据分布，确定目标判断门限，包括：响应于当前周期内第一次对第一传感器和第二传感器进行检测，确定目标判断门限为目标数据分布的均值和均方差之和；响应于当前周期内非第一次对第一传感器和第二传感器进行检测，且当前周期的前一个周期内第一目标与第二目标相同，确定目标判断门限为均值和第一乘积之和，第一乘积为均方差和第一预设值的乘积；响应于当前周期内非第一次对第一传感器和第二传感器进行检测，且当前周期的前两个周期内第一目标与第二目标相同，确定目标判断门限为均值和第二乘积之和，第二乘积为均方差和第二预设值的乘积。
50.上述的周期可以是用户提前设置好的进行判定的周期，具体值可以根据用户需求自行设定，在本实施中不做具体限定；上述的均值可以μ进行表示；上述的均方差可以σ；第一预设值可以是用户设定的一个增大判定门限的常数值，具体数值不做限定，在本实施例中，以2为例进行说明；第一乘积可以是2σ；第二预设值可以是用户设定的一个增大判定门限的常数值，具体数值不做限定，在本实施例中，以3为例进行说明；第二乘积可以是3σ。
51.在一种可选的实施例中，若当前周期内第一次对第一传感器和第二传感器进行检测，确定目标判断门限为μ+σ(即目标数据分布的均值和均方差之和)；若当前周期内非第一次对第一传感器和第二传感器进行检测，且前一周期内第一目标和第二目标相同，确定目标判断门限为μ+2σ(即均值和第一乘积之和)；若当前周期内非第一次对第一传感器和第二传感器进行检测，且前两个周期内第一目标与第二目标相同，确定目标判断门限为μ+3σ(即均值和第二乘积之和)。
52.可选地，将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果，包括：获取第一感知数据和第二感知数据的差值，得到第二差值；将第二差值与目标判断门限进行比较，得到检测结果。
53.上述的第二差值可以是对第一感知数据和第二感知数据的差值进行拟合，得到差值的高斯分布均值与均方差，然后对纵向距离差、横向距离差、横向速度差、横向速度差的均值与均方差求和的差值，包括：纵向距离差xd、横向距离差yd、纵向速度差xv、横向速度差yv。
54.在一种可选的实施例中，若当前周期内第一次对第一传感器和第二传感器进行检测，则分别将纵向距离差xd、横向距离差yd、纵向速度差xv、横向速度差yv(即第二差值)与目标判断门限μ+σ进行比较，得到检测结果。
55.在另一种可选的实施例中，若当前周期内非第一次对第一传感器和第二传感器进行检测，且前一周期内第一目标和第二目标相同，则分别将纵向距离差xd、横向距离差yd、纵向速度差xv、横向速度差yv(即第二差值)与目标判断门限μ+2σ进行比较，得到检测结果。
56.在又一种可选的实施例中，若当前周期内非第一次对第一传感器和第二传感器进
行检测，且前两个周期内第一目标与第二目标相同，则分别将纵向距离差xd、横向距离差yd、纵向速度差xv、横向速度差yv(即第二差值)与目标判断门限μ+3σ进行比较，得到检测结果。
57.可选地，将第二差值与目标判断门限进行比较，得到检测结果，包括：响应于第二差值小于或等于目标判断门限，确定检测结果为第一目标与第二目标相同；响应于第二差值大于目标判断门限，确定检测结果为第一目标与第二目标不同。
58.可选地，目标判断门限包括如下至少之一：纵向距离门限、横向距离门限、纵向速度门限和横向速度门限。
59.在一种可选的实施例中，当纵向距离差xd小于等于纵向距离门限，且横向距离差yd小于等于横向距离门限，且纵向速度差xv小于等于纵向速度门限，且横向速度差yv小于等于横向速度门限时，确定检测结果为第一目标与第二目标相同。
60.在另一种可选的实施例中，当纵向距离差xd大于纵向距离门限，且横向距离差yd大于横向距离门限，且纵向速度差xv大于纵向速度门限，且横向速度差yv大于横向速度门限时，确定检测结果为第一目标与第二目标不同。
61.下面结合图2对本实施例做进一步说明。
62.本发明的目的在于克服现有技术中的缺点与不足，提出一种辅助驾驶智能单目摄像头和智能毫米波雷达数据关联方法，适用于高速、城市快速路等结构化道路的辅助驾驶车辆。
63.上述的数据关联方法包括两个环节，分别为离线传感器差异统计和在线目标关联；离线传感器差异统计环节，指统计不同条件下智能单目摄像头和智能毫米波雷达的感知差异；离线传感器差异统计环节中的不同条件，由目标类别、车速范围、摄像头检测目标的纵向距离范围组合而成。
64.上述的离线传感器差异统计环节，在上述的每种不同条件下，多次测试及记录摄像头和毫米波针对同一目标的感知结果，分别拟合两种传感器在不同条件下的纵向距离差、横向距离差、纵向速度差、横向速度差的高斯分布，进而得到高斯分布均值及方差。
65.上述的在线目标关联环节，判断智能单目摄像头的感知目标和智能毫米波雷达的感知目标是否为同一目标；在线目标关联的判断方法，是判定两种传感器感知目标的纵向距离差、横向距离差、纵向速度差、横向速度差是否在判断门限内；在线目标关联的判断方法，首先判定当前状态在离线传感器差异统计环节中的哪种条件中，根据此种条件下测试、拟合的纵向距离差、横向距离差、纵向速度差、横向速度差的高斯分布的均值及方差设定相应的判断门限，判断门限根据关联次数进行动态调整。
66.本发明整体步骤，包括两个环节，分别为离线传感器差异统计和在线目标关联。
67.离线传感器差异统计实施步骤如下：
68.首先，如表1所示，根据目标类别、不同自车车速范围、摄像头检测目标的纵向距离范围的不同，组合为192种不同条件。其中摄像头检测目标细分为行人(含二轮车、自行车)、小车、大车3类；摄像头检测目标的纵向距离范围细分为0-10m、10-20m、20-30m、30-40m、40-50m、50-60m、60-70m、70-80m、80-90m、90-100m、100-110m、110-120m、120-130m、130-140m、140-150m、150m以上16类；自车车速范围细分为0-40km/h、40-80km/h、80-120km/h、120km/h以上4类。
69.表1离线传感器差异统计环节结果示意表
[0070][0071]
其次，依次完成192种不同条件下的智能单目摄像头和智能毫米波雷达针对同一目标的感知数据采集。感知数据为纵向距离、横向距离、纵向速度、横向速度，采集次数为80-100次。
[0072]
其次，拟合两种传感器80-100次采集结果的纵向距离差、横向距离差、纵向速度差、横向速度差的高斯分布。
[0073]
最终，得到192种不同条件的纵向距离差高斯分布均值μxd-1-μxd-192、方差σxd-1-σxd-192，横向距离差高斯分布均值μyd-1-μyd-192、方差σxv-1-σxv-192，纵向速度差高斯分布均值μxv-1-μxv-192、方差σxv-1-σxv-192，横向速度差高斯分布均值μyv-1-μyv-192、方差σyv-1-σyv-192。
[0074]
在线数据关联实施步骤如下：
[0075]
首先，获取本周期智能单目摄像头、智能毫米波雷达和自车的感知数据。
[0076]
其次，根据摄像头感知数据中的目标类别、纵向距离和自车感知数据中的自车车速，判断当前状态处于离线传感器差异统计中的哪种条件，进而得到该条件下测试、拟合的纵向距离差高斯分布均值μxd、方差σxd，横向距离差高斯分布均值μyd、方差σyd，纵向速度差高斯分布均值μxv、方差σxv，横向速度差高斯分布均值μyv、方差σyv。
[0077]
其次，设定本周期判断门限。共有4个判断门限，分别为纵向距离差门限、横向距离差门限、纵向速度差门限、横向速度差门限。首次关联判断时，纵向距离差门限为“μxd+σ
xd”、横向距离差门限为“μyd+σyd”、横向速度差门限为“μxv+σxv”、横向速度差门限为“μyv+σyv”。
[0078]
其次，计算本周期摄像头和毫米波感知目标的纵向距离差xd、横向距离差yd、纵向速度差xv、横向速度差yv。若纵向距离差xd小于纵向距离差门限为“μxd+σxd”、且横向距离差yd小于横向距离差门限为“μyd+σyd”、且纵向速度差yv小于横向速度差门限为“μxv+σxv”、且横向速度差yv小于横向速度差门限为“μyv+σyv”，则本周期目标关联成功。
[0079]
若非首次关联判断、且前一周期两种传感器的感知目标成功关联，则分别增大4个判断门限至“μ+2σ”。
[0080]
若非首次关联判断、且前两周期两种传感器的感知目标成功关联，则分别增大4个判断门限至“μ+3σ”。
[0081]
图2是根据本发明实施例的一种可选的目标检测方法的流程图，如图2所示，该方法包括以下步骤：
[0082]
步骤s201：根据目标类别、车速范围、摄像头检测目标的纵向距离范围划分192中条件；
[0083]
步骤s202：依次完成192种不同条件下的两种传感器针对同一目标的感知数据采集；
[0084]
步骤s203：分别拟合每种条件下纵向距离差、横向距离差、纵向速度差、横向速度差的高斯分布；
[0085]
步骤s204：得到步骤s203中的高斯分布的均值μ与方差σ，构建预设映射关系；
[0086]
步骤s205：获取当前车辆的第一感知数据、第二感知数据以及当前车速；
[0087]
步骤s206：基于预设映射关系判定当前状态对应的目标检测条件；
[0088]
步骤s207：判断是否为首次检测第一感知数据和第二感知数据，若是，进入步骤s208，若不是，进入步骤s209；
[0089]
步骤s208：目标判断门限为μ+σ；
[0090]
步骤s209：判断前两个周期的第一目标与第二目标是否相同，若是，进入步骤s210，若不是，进入步骤s211；
[0091]
步骤s210：增大目标判断门限为μ+3σ；
[0092]
步骤s211：增大目标判断门限为μ+2σ；
[0093]
步骤s212：判断第二差值是否小于等于目标判断门限，若是，进入步骤s213；
[0094]
步骤s213：第一目标与第二目标相同，结束步骤。
[0095]
本发明的目的在于克服现有技术中的缺点与不足，提出一种辅助驾驶智能单目摄像头和智能毫米波雷达数据关联方法，适用于高速、城市快速路等结构化道路的辅助驾驶车辆。
[0096]
实施例2
[0097]
根据本发明实施例的另一方面，还提供了一种目标检测的装置，该装置可以执行上述实施例1中提供的目标检测方法，具体实现方式和优选应用场景与上述实施例1相同，在此不做赘述。
[0098]
图3是根据本发明实施例的一种目标检测装置的结构示意图，如图3所示，该装置包括：第一获取模块30，用于获取当前车辆的感知数据集合，其中，感知数据集合包括：第一
传感器感知到的第一感知数据，第二传感器感知到的第二感知数据，以及车辆速度；第一确定模块32，用于基于感知数据集合，确定当前车辆对应的目标判断门限，其中，目标判断门限用于判断第一传感器感知到的第一目标与第二传感器感知到的第二目标是否相同；判定模块34，用于将第一感知数据和第二感知数据与目标判断门限进行比较，得到第一传感器和第二传感器的检测结果，检测结果用于表征第一传感器与第二传感器是否成功关联。
[0099]
可选地，确定模块包括：第一确定单元，用于基于感知数据集合，确定当前车辆对应的目标检测条件；获取单元，用于从预设映射关系中获取目标检测条件对应的感知数据，其中，预设映射关系用于表征不同检测条件对应的数据分布；第二确定单元，用于基于目标数据分布，确定目标判断门限。
[0100]
可选地，第一确定单元包括：第一确定子单元，用于基于第一感知数据，确定第一目标的目标类别，以及当前车辆与第一目标之间的目标纵向距离；第二确定子单元，用于基于目标类别、车辆速度和目标纵向距离，确定目标检测条件。
[0101]
可选地，该装置还包括：第二获取模块，用于获取不同检测条件下，第一传感器和第二传感器对同一个第三目标分别进行感应得到的第三感知数据和第四感知数据；处理模块，用于获取第三感知数据和第四感知数据的差值，得到第一差值；第二确定模块，用于确定不同检测条件下的第一差值的数据分布；生成模块，用于基于不同检测条件和不同检测条件对应的数据分布，生成预设映射关系。
[0102]
可选地，第二确定单元包括：第一确定子单元，用于响应于当前周期内第一次对第一传感器和第二传感器进行检测，确定目标判断门限为目标数据分布的均值和均方差之和；第二确定子单元，用于响应于当前周期内非第一次对第一传感器和第二传感器进行检测，且当前周期的前一个周期内第一目标与第二目标相同，确定目标判断门限为均值和第一乘积之和，第一乘积为均方差和第一预设值的乘积；第三确定子单元，用于响应于当前周期内非第一次对第一传感器和第二传感器进行检测，且当前周期的前两个周期内第一目标与第二目标相同，确定目标判断门限为均值和第二乘积之和，第二乘积为均方差和第二预设值的乘积。
[0103]
可选地，判定模块包括：获取单元，用于获取第一感知数据和第二感知数据的差值，得到第二差值；检测单元，用于将第二差值与目标判断门限进行比较，得到检测结果。
[0104]
可选地，检测单元包括：第一确定子单元，用于响应于第二差值小于或等于目标判断门限，确定检测结果为第一目标与第二目标相同；第二确定子单元，用于响应于第二差值大于目标判断门限，确定检测结果为第一目标与第二目标不同。
[0105]
可选地，第二确定单元，用于基于目标数据分布，确定目标判断门限，目标判断门限包括如下至少之一：纵向距离门限、横向距离门限、纵向速度门限和横向速度门限。
[0106]
实施例3
[0107]
根据本发明实施例的另一方面，还提供了一种目标车辆，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行上述实施例所述的目标检测方法。
[0108]
实施例4
[0109]
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制所在设备的处理器中执行上述实施例所述
的目标检测方法。
[0110]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0111]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0112]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0113]
所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理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0114]
另外，在本发明各个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。
[0115]
所述集成的单元如果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读取存储介质中。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介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0116]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。