CN113064164B - 一种车载雷达数据关联方法及装置 - Google Patents

Abstract

本发明提供了一种车载雷达数据关联方法及装置，方法包括为每一个航迹预测点设置两套数据关联门限，即第一数据关联门限和第二数据关联门限；针对每个航迹预测点，通过第一数据关联门限和测量值落入其它航迹预测点的数据关联门限的累计次数，来确定该测量值是否为该航迹预测点的候选测量值；将航迹预测点的所有候选测量值进行加权处理后作为该航迹预测点的最终关联数据，用于航迹的更新处理，减少了误关联的现象。对于落入第二数据关联门限且未落入第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，进而抑制了同一目标由于测量值散布比较大而导致的虚警，提高了航迹连续性和稳定性。

Description

一种车载雷达数据关联方法及装置

技术领域

本发明涉及车载雷达数据处理技术领域，更具体地说，涉及一种车载雷达数据关联方法及装置。

背景技术

在单目标无杂波环境下，雷达的检测范围内只有一个目标的测量值，此时数据处理没有数据关联环节，只涉及跟踪问题。在实际道路上的多目标且场景复杂情况下，雷达的检测范围内有很多个目标的测量值，并且测量值的个数不确定，此时就会涉及数据关联问题。数据关联问题就是建立某时刻雷达测量值与已有的跟踪航迹的正确关系，以确定这些测量值是否来自同一个目标的过程，最终实现测量值与跟踪航迹的正确配对；同时也可以通过数据关联减少同一个目标跟踪输出多条航迹的现象，即虚警抑制。

数据关联是雷达数据处理的关键问题之一，如果数据关联不正确，那么错误的数据关联就会给跟踪航迹关联一个错误的测量值，对于车载雷达来说，错误的目标测量值匹配可能会导致目标车辆运动轨迹或航向的估计错误，进而导致偏差比较严重的决策。

例如，在智能驾驶传感器***中，由于毫米波雷达对目标具有较好的测速能力，以及对雨雾等环境干扰具有很好的穿透能力，成为智能驾驶方案中不可替代的传感器选择；但考虑毫米波雷达传感器的分辨率、测角精度以及目标尺寸的影响，在目标检测过程中不可避免地会出现同一个目标检测出多个测量值；并且同一个目标的多个测量值的散布可能相对分散，因此在后续的目标跟踪及其他数据处理环节，如果不能有效地将同一目标散布比较大的测量值，准确地进行数据关联处理成一条航迹，则容易导致同一个目标跟踪输出多条航迹，进而直接导致了雷达虚警的增加。

如图1所示，为雷达测量值的点云示意图，图中{z_i,i＝1,2,…,7}为雷达测量值的集合，也称为点云测量数据，一般地测量值中的关键信息为目标的空间位置及相对雷达的速度，即{x_zi,y_zi,v_zi},i＝1,2,…,7。所谓数据关联，就是要建立航迹与点云测量数据中测量值的正确匹配关联，基于正确的数据关联自然会带来正确的航迹更新及目标状态的正确优化。

传统数据关联算法包括最近邻域算法(Nearest Neighbor，NN)、概率数据关联算法(Probabilistic Data Association，PDA)、联合概率数据关联算法(JointProbabilistic Data Association，JPDA)等。为了更简洁且直观地表述传统多目标跟踪数据关联算法，这里假设一种常见的典型场景下数据关联，如图2所示；图中的点云测量数据记为{z_i,i＝1,2,…,7}；图中存在两条航迹预测点{p_i,i＝1,2}，并且航迹预测点p₁的优先权大于航迹预测点p₂，即航迹预测点p₁优先去点云测量数据{z_i,i＝1,2,…,7}中筛选满足关联策略的测量值。航迹预测点的空间位置及相对雷达的速度标记为{x_pi,y_pi,v_pi},i＝1,2。航迹预测点p₁的数据关联门限为S₁，航迹预测点p₂的数据关联门限为S₂。进一步假设，测量值中的z₂、z₄是航迹预测点p₁的正确关联值；z₃是航迹预测点p₂的正确关联值。因此，所谓的数据关联算法就是需要通过算法的处理建立正确的数据关联对，即

最近邻域算法首先设置数据关联门限，由数据关联门限初步筛选所得到的测量值成为候选测量值，以限制参与数据关联的测量值的判别数目。数据关联门限是跟踪空间中的一块子空间，中心落入被跟踪目标的预测位置，数据关联门限的大小设计应保证以一定的概率接收正确测量值，落入数据关联门限内的测量值即为潜在可关联的测量值，若落入数据关联门限内的测量值只有一个，则该测量值可被最为最终关联数据，可以直接用于航迹更新；但若有至少两个测量值落在被跟踪目标的数据关联门限内，此时要取统计距离最小的测量值作为最终关联数据。基于上述最近邻域算法的基本原理，对于图2假设的场景，最终的数据关联结果为

即航迹预测点p₁错误地与测量值z₃关联，而航迹预测点p₂由于测量值z₃被航迹预测点p₁优先占用，因此航迹预测点p₂数据关联不成功。最近邻域算法尽管实现简单，但是对于同一个目标的测量值散布比较大的情况，只选择离目标预测位置最近的候选测量值为最终关联数据，容易导致同一个目标输出多条跟踪航迹的现象；而对于紧邻的两个目标的测量值，容易出现误关联的现象，因此该算法只适用于在目标分布稀疏、测量散布不大的场景。

概率数据关联算法考虑了落入数据关联门限内的所有测量值，并根据不同的相关情况计算出每一个测量值来自目标的概率值，然后利用这些概率值对数据关联门限内的不同测量值进行加权，各个测量值的加权和作为等效测量值，并用等效测量值来对目标进行航迹更新。概率数据关联算法是一种次优数据关联方法，常用于解决杂波环境中单目标跟踪问题。对于多目标尤其是目标紧邻的场景，容易将紧邻的目标测量值纳入数据关联门限进行加权处理，从而导致目标跟踪错误。

联合概率数据关联算法与概率数据关联算法类似，也是基于数据关联门限内的所有测量值为其计算一个加权的等效测量值用于航迹更新，不同之处在于当有测量值落入不同目标的数据关联门限的重叠区域时，此时综合考虑各个测量值的目标来源情况，在计算联合概率时需要考虑多条航迹对测量值的竞争，有竞争的加权值要有所减少，以体现其它目标对该测量值的竞争。联合概率数据关联算法相较于其他算法而言对于含有大量杂波的环境具有更强的抗干扰能力，更为适用于目标杂波密集的环境，但当目标过于密集和集中且包含大量杂波时，联合概率数据关联算法经常会出现组合***问题，即运算量随着目标的线性增加而发生指数级的倍增，最终导致跟踪算法的实时性和稳定性大幅下降。

基于上述的概率数据关联算法、联合概率数据关联算法的基本原理，对于图2所示的场景，根据计算出的航迹预测点p₁的数据关联门限S₁和航迹预测点p₂的数据关联门限S₂，尽管航迹预测点p₁和p₂都能够实现数据关联，但是测量值z₃属于航迹预测点p₁和p₂共享，测量值z₃根本不属于航迹预测点p₁，最终是进入数据关联门限S₁的测量值z₃和z₄加权后作为航迹预测点p₁的关联值；但显然z₃的介入会影响航迹预测点p₁的处理精度。而更为严重的是原本属于航迹预测点p₁的测量值z₂，根本就没有进入航迹预测点p₁的数据关联门限S₁，这样测量值z₂就会作为一条独立的航迹起始，因此会导致航迹预测点p₁附近出现虚警。

发明内容

有鉴于此，本发明提出一种车载雷达数据关联方法及装置，欲抑制同一目标由于测量值散布比较大而导致的虚警，提高航迹连续性和稳定性。

为了实现上述目的，现提出的方案如下：

第一方面，提供一种车载雷达数据关联方法，包括：

获取点云测量数据和航迹预测点；

计算得到第j个航迹预测点的数据关联门限，所述数据关联门限包括第一数据关联门限和第二数据关联门限；

将所述点云测量数据中落入所述第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值；N≥2；

若第j个航迹预测点存在候选测量值，则对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据；

对所述点云测量数据中落入所述第二数据关联门限，且未落入所述第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，j依次取值为1，2，…，l；l为航迹预测点的总数。

可选的，所述第二数据关联门限的横向距离差值阈值大于所述第一数据关联门限的横向距离差值阈值，所述第二数据关联门限的纵向距离差值阈值小于所述第一数据关联门限的纵向距离差值阈值，所述第二数据关联门限的相对速度差值阈值小于所述第一数据门限的相对速度差值阈值。

可选的，所述对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据，包括：

将第j个航迹预测点的所有候选测量值的平均值作为第j个航迹预测点的最终关联数据。

可选的，N＝2，所述将所述点云测量数据中落入所述第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值，包括：

判断所述点云测量数据中的各个测量值是否落入所述第一数据关联门限；

对于落入所述第一数据关联门限，且标识位为第一标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第二标识；所述第一标识为点云测量数据中每一个测量值的初始化标识位；

对于落入所述第一数据关联门限，且标识位为第二标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第三标识；

对于落入所述第一数据关联门限，且标识位为第三标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数不小于两次；

判断所述点云测量数据中未落入所述第一数据关联门限的各个测量值是否落入所述第二数据关联门限；

对于落入所述第二数据关联门限，且标识位为第一标识的测量值，更新该测量值的标识位为第二标识；

对于落入所述第二数据关联门限，且标识位为第二标识的测量值，更新该测量值的标识位为第三标识。

可选的，所述车载雷达数据关联方法，还包括：

将每一个航迹预测点的候选测量值累计数量初始化为零；

针对每一个航迹预测点，在每次确定某一测量值为该航迹预测点的候选测量值后，还包括：

将该航迹预测点的候选测量值累计数量加1。

第二方面，一种车载雷达数据关联装置，包括：

数据获取单元，用于获取点云测量数据和航迹预测点；

门限计算单元，用于计算得到第j个航迹预测点的数据关联门限，所述数据关联门限包括第一数据关联门限和第二数据关联门限；

候选测量值确定单元，用于将所述点云测量数据中落入所述第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值；N≥2；

最终关联数据计算单元，用于若第j个航迹预测点存在候选测量值，则对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据；

虚警抑制单元，用于对所述点云测量数据中落入所述第二数据关联门限，且未落入所述第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，j依次取值为1，2，…，l；l为航迹预测点的总数。

可选的，所述第二数据关联门限的横向距离差值阈值大于所述第一数据关联门限的横向距离差值阈值，所述第二数据关联门限的纵向距离差值阈值小于所述第一数据关联门限的纵向距离差值阈值，所述第二数据关联门限的相对速度差值阈值小于所述第一数据门限的相对速度差值阈值。

可选的，所述最终关联数据计算单元，具体用于：

将第j个航迹预测点的所有候选测量值的平均值作为第j个航迹预测点的最终关联数据。

可选的，N＝2，所述候选测量值确定单元，包括：

第一判断子单元，用于判断所述点云测量数据中的各个测量值是否落入所述第一数据关联门限；

第一更新确定子单元，用于对于落入所述第一数据关联门限，且标识位为第一标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第二标识；所述第一标识为点云测量数据中每一个测量值的初始化标识位；

第二更新确定子单元，用于对于落入所述第一数据关联门限，且标识位为第二标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第三标识；

确定子单元，用于对于落入所述第一数据关联门限，且标识位为第三标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数不小于两次；

第二判断子单元，用于判断所述点云测量数据中未落入所述第一数据关联门限的各个测量值是否落入所述第二数据关联门限；

第一更新子单元，用于对于落入所述第二数据关联门限，且标识位为第一标识的测量值，更新该测量值的标识位为第二标识；

第二更新子单元，用于对于落入所述第二数据关联门限，且标识位为第二标识的测量值，更新该测量值的标识位为第三标识。

可选的，所述候选测量值确定单元，还包括：

初始化子单元，用于将每一个航迹预测点的候选测量值累计数量初始化为零；

计数子单元，用于针对每一个航迹预测点，在每次确定某一测量值为该航迹预测点的候选测量值后，将该航迹预测点的候选测量值累计数量加1。

与现有技术相比，本发明的技术方案具有以下优点：

上述技术方案提供的一种车载雷达数据关联方法及装置，方法包括为每一个航迹预测点设置两套数据关联门限，即第一数据关联门限和第二数据关联门限；针对每个航迹预测点，通过第一数据关联门限和测量值落入其它航迹预测点的数据关联门限的累计次数，来确定该测量值是否为该航迹预测点的候选测量值；将航迹预测点的所有候选测量值进行加权处理后作为该航迹预测点的最终关联数据，用于航迹的更新处理，减少了误关联的现象。对于落入第二数据关联门限且未落入第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，进而抑制了同一目标由于测量值散布比较大而导致的虚警，提高了航迹连续性和稳定性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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，还可以根据提供的附图获得其他的附图。

图1为雷达的点云测量数据示意图；

图2为传统数据关联算法实施示意图；

图3为本发明实施例提供的一种车载雷达数据关联方法的流程图；

图4为本发明实施例提供的车载雷达数据关联方法的实施示意图；

图5为本发明实施例提供的车载雷达数据关联方法与传统数据关联算法的效果对比图；

图6为本发明实施例提供的一种车载雷达数据关联装置的逻辑结构示意图。

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。

参见图3，为本实施例提供的一种车载雷达数据关联方法，该方法包括以下步骤：

S31：获取点云测量数据和航迹预测点。

航迹预测点为当前场景中有效的跟踪航迹预测点。航迹预测点包含空间位置和相对速度等数据，每条航迹的航迹预测点获取方法可采用现有技术，本文不再赘述。点云测量数据也包含空间位置和相对速度等数据。相对速度指的是相对雷达的速度。空间位置指的是在雷达坐标系中的横坐标和纵坐标。点云测量数据为雷达对探测范围内目标进行测量得到的点云数据。

S32：计算得到第j个航迹预测点的数据关联门限，数据关联门限包括第一数据关联门限和第二数据关联门限。

本实施例为每一个航迹预测点设置两套数据关联门限，即第一数据关联门限和第二数据关联门限。基于最近邻域算法、概率数据关联算法或联合概率数据关联算法等传统数据关联算法中，计算数据关联门限的方法计算得到第一数据关联门限。第一数据关联门限主要用于搜索确保真正是航迹预测点的测量值。基于第一数据关联门限计算得到第二数据关联门限。

S33：将点云测量数据中落入第j个航迹预测点的第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值；N≥2。

满足下式所示的点云测量数据中第i个测量值，即认为落入第j个航迹预测点的第一数据关联门限：

式中，D_xj1、D_yj1和D_vj1分别表示第一数据关联门限的横向距离差值阈值、纵向距离差值阈值和相对速度差值阈值，x_pj、y_pj和v_pj分别表示步骤S31获取的所有航迹预测点中第j个航迹预测点的横坐标、纵坐标和相对速度，x_zi、y_zi和v_zi分别表示点云测量数据中第i个测量值的横坐标、纵坐标和相对速度。

同理，满足下式所示的点云测量数据中第i个测量值，即认为落入第j个航迹预测点的第二数据关联门限：

式中，D_xj2、D_yj2和D_vj2分别表示第二数据关联门限的横向距离差值阈值、纵向差值阈值和相对速度差值阈值。

需要说明的是，落入其它航迹预测点的数据关联门限的累计次数中的其它航迹预测点指的是已经确定了候选测量值的航迹预测点；也就是说，在确定某个航迹预测点的候选测量值时，某个测量值落入其它航迹预测点的数据关联门限的累计次数不是指该测量值落入另外l-1个航迹预测点的数据关联门限的累计次数，而是指该测量值落入已经确定了候选测量值的航迹预测点的数据关联门限的累计次数。在判断测量值是否落入某个航迹预测点的数据关联门限时，会先判断测量值是否落入该航迹预测点的第一数据关联门限，若是，则不会再判断该测量值是否落入该航迹预测点的第二数据关联门限，若否，则会判断该测量值是否落入该航迹预测点的第二数据关联门限。在统计测量值落入航迹预测点的数据关联门限的累计次数时，无论测量值落入航迹预测点的第一数据关联门限，还是落入航迹预测点的第二数据关联门限，均会记录落入了一次。

S34：若第j个航迹预测点存在候选测量值，则对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据。

若第j个航迹预测点存在的候选测量值仅有一个，则对第j个航迹预测点的所有候选测量值进行加权处理得到该航迹预测点的最终关联数据，指的是将该候选测量值作为第j个航迹预测点的最终关联数据，进行航迹更新。

若第j个航迹预测点存在的候选测量值有至少两个，则可以基于概率数据关联算法等传统数据关联算法中的加权处理方法对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据。还可以将第j个航迹预测点的所有候选测量值的平均值

作为该航迹预测点的最终关联数据，其中c表示第j个航迹预测点的候选测量值个数；即分别计算第j个航迹预测点的所有候选测量值的横坐标、纵坐标和相对速度的平均值，作为第j个航迹预测点的最终关联数据。

若第j个航迹预测点不存在的候选测量值，则第j个航迹预测点的最终关联数据为(0,0,0)，即关联不成功。

S35：对点云测量数据中落入第j个航迹预测点的第二数据关联门限，且未落入第j个航迹预测点的第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始。

j依次取值为1，2，…，l，对于j的每个取值均执行步骤S32～S35；即依次对各个航迹预测点的情况进行判断，l为航迹预测点的总数。

在一些具体实施例中，设置第二数据关联门限的横向距离差值阈值大于第一数据关联门限的横向距离差值阈值，第二数据关联门限的纵向距离差值阈值小于第一数据关联门限的纵向距离差值阈值，第二数据关联门限的相对速度差值阈值小于第一数据门限的相对速度差值阈值。第二数据关联门限相对于第一数据关联门限，在横向空间的约束条件较为宽松，在纵向空间和相对速度的约束条件较为严格。第一关联门限的横向距离差值阈值、纵向距离差值阈值和相对速度差值阈值与第二关联门限的横向距离差值阈值、纵向距离差值阈值和相对速度差值阈值之间的差值大小根据经验或标定获得。

落入第j个航迹预测点的第二数据关联门限的测量值，不作为第j个航迹预测点的候选测量值，即不用于航迹更新。通常进入第j个航迹预测点的第二数据关联门限的测量值横向位置都比较分散，如果最终跟落入第一数据关联门限里的测量值一起加权处理后作为第j个航迹预测点的最终关联数据，那么进入第二数据关联门限的测量值往往会导致航迹的横向跟踪不稳定，因此对于进入第二数据关联门限的测量值只进行标注，使其不进行新的航迹起始，用于抑制由于横向散布比较大而导致的虚警。

如图4所示，S₁₁表示航迹预测点p₁的第一数据关联门限，S₂₁表示航迹预测点p₂的第一数据关联门限，S₁₂表示航迹预测点p₁的第二数据关联门限，z₂实际为航迹预测点的p₁测量值；用横向空间约束较为宽松、纵向空间和速度约束较为严格的第二数据关联门限S₁₂，成功将测量值z₂处理为航迹预测点p₁的测量值，使z₂不作为新的航迹起始，有效抑制了航迹预测点p₁的虚警。

在一具体实施例中，第二数据关联门限可以设置为

用于在一个横向较大的空间范围内搜索原本属于同一目标，但由于测角误差导致的散布比较大的测量值。第二数据关联门限并不限于此，第二关联门限的横向距离差值阈值、纵向距离差值阈值和相对速度差值阈值实际取值与第一关联门限的横向距离差值阈值、纵向距离差值阈值和相对速度差值阈值也可以是其他对应关系，具体根据经验或标定获得。

在一些具体实施例中，N＝2，为点云测量数据中的每个测量值添加一个标识位Flag，用于表示测量值落入已经确定了候选测量值的航迹预测点的数据关联门限的累计次数情况。Flag＝0表示该测量值曾至少两次落入航迹预测点的数据关联门限；Flag＝1表示该测量值未曾落入任何航迹预测点的数据关联门限；Flag＝2表示该测量值曾出现过一次落入某个航迹预测点的数据关联门限。需要说明的是，0、1、2是对标识位取值的示例性说明，该标识位还可以用其它不同的数值表示不同的累计次数情况。可以理解的是，在其他实施例中，N也可以取其他数值，如N＝3。

下面详细介绍结合标识位将点云测量数据中落入第j个航迹预测点的第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于两次的测量值，确定为第j个航迹预测点的候选测量值的过程：

(1)判断点云测量数据中的各个测量值是否落入第j个航迹预测点的第一数据关联门限。若某个测量值落入了第j个航迹预测点的第一数据关联门限，则不再判断该测量值是否落入第j个航迹预测点的第二数据关联门限；若某个测量值未落入第j个航迹预测点的第一数据关联门限，则在后续还会判断该测量值是否落入第j个航迹预测点的第二数据关联门限。

(2)对于落入第j个航迹预测点的第一数据关联门限，且标识位为第一标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第二标识。确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次后确定该测量值为第j个航迹预测点的候选测量值。第二标识表示测量值曾出现过一次落入某个航迹预测点的数据关联门限。第一标识为点云测量数据中每一个测量值的初始化标识位。第一标识表示测量值未曾落入任何航迹预测点的数据关联门限。

(3)对于落入第j个航迹预测点的第一数据关联门限，且标识位为第二标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第三标识。确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次后确定该测量值为第j个航迹预测点的候选测量值。第三标识表示测量值曾至少两次落入航迹预测点的数据关联门限。

(4)对于落入第j个航迹预测点的第一数据关联门限，且标识位为第三标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数不小于两次。即对于落入第j个航迹预测点的第一数据关联门限的测量值，若其标识位为第三标识，则保持该标识位的值不变。

(5)判断点云测量数据中未落入第j个航迹预测点的第一数据关联门限的各个测量值，是否落入第j个航迹预测点的第二数据关联门限。

(6)对于落入第j个航迹预测点的第二数据关联门限，且标识位为第一标识的测量值，更新该测量值的标识位为第二标识。即在测量值落入第j个航迹预测点的第二数据关联门限时，即使落入其它航迹预测点的数据关联门限的累计次数小于两次，也不将该测量值作为第j个航迹预测点的候选测量值。

(7)对于落入第j个航迹预测点的第二数据关联门限，且标识位为第二标识的测量值，更新该测量值的标识位为第三标识；以及在该测量值的标识位为第三标识时，保持该测量值的标识位的值不变。即在测量值落入第j个航迹预测点的第二数据关联门限时，即使落入其它航迹预测点的数据关联门限的累计次数小于两次，也不将该测量值作为第j个航迹预测点的候选测量值。

如图4所示，为每一个测量值添加标识位，即使测量值z₃先被航迹预测点p₁使用，但通过标识位的设置可以确保z₃还能够被航迹预测点p₂使用，有效避免了由于航迹预测点p₁优先占用测量值z₃而导致航迹预测点p₂关联不成功。

在一些具体实施例中，还为每个航迹预测点分配一个计数器用于记录航迹预测点的候选测量值个数，即候选测量值累计数量。在将点云测量数据中每一个测量值的标识位初始化为第一标识时，还将每一个航迹预测点的候选测量值累计数量初始化为零，即将相应计数器的计数结果复位为零；然后，针对每一个航迹预测点，在每次确定测量值为该航迹预测点的候选测量值后，将该航迹预测点的候选测量值累计数量加1，实现候选测量个数的统计。

用集合M_j存储第j个航迹预测点的候选测量值。用

表示各个航迹预测点的最终关联数据。在将每一个航迹预测点的候选测量值累计数量初始化为零时，还将每一个航迹预测点存储候选测量值的集合初始化为空，且将最终关联数据初始化为(0,0,0)。

参见图5，为采用本实施例提供的车载雷达数据关联方法与传统数据关联方法的效果对比。如图5所示，其中黑色点为点云测量数据，图中三角形连接线(即ID＝14、ID＝10、ID＝31)为传统数据关联算法处理的结果，可以看出ID＝14的航迹为主航迹，但在处理过程中，出现了由于测量值的横向散布比较大而导致的虚警，即ID＝10和ID＝31的航迹。图中正方形连接线(即ID＝25)为本发明涉及的车载雷达数据关联方法的处理结果。通过对比可以发现，ID＝25的航迹不存在传统数据关联算法处理中的虚警。显然，本发明涉及的车载雷达数据关联方法有效抑制航迹的虚警出现。通过对比ID＝14、ID＝25的两条主航迹，可以发现本发明涉及的车载雷达数据关联方法处理的航迹较传统数据关联算法处理的航迹平滑、连续。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。

下述为本发明装置实施例，可以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。

参见图6，为本实施例提供的一种车载雷达数据关联装置，该装置包括：数据获取单元61、门限计算单元62、候选测量值确定单元63、最终关联数据计算单元64和虚警抑制单元65。

数据获取单元61，用于获取点云测量数据和航迹预测点。

门限计算单元62，用于计算得到第j个航迹预测点的数据关联门限，数据关联门限包括第一数据关联门限和第二数据关联门限。

候选测量值确定单元63，用于将点云测量数据中落入第j个航迹预测点的第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值；N≥2。

最终关联数据计算单元64，用于若第j个航迹预测点存在候选测量值，则对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据。

虚警抑制单元65，用于对点云测量数据中落入第j个航迹预测点的第二数据关联门限，且未落入第j个航迹预测点的第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，j依次取值为1，2，…，l；l为航迹预测点的总数。

在一些具体实施例中，第二数据关联门限的横向距离差值阈值大于第一数据关联门限的横向距离差值阈值；第二数据关联门限的纵向距离差值阈值小于第一数据关联门限的纵向距离差值阈值；第二数据关联门限的相对速度差值阈值小于第一数据门限的相对速度差值阈值。

在一些具体实施例中，最终关联数据计算单元，具体用于将第j个航迹预测点的所有候选测量值的平均值作为第j个航迹预测点的最终关联数据。

在一些具体实施例中，候选测量值确定单元，包括：第一判断子单元、第一更新确定子单元、第二更新确定子单元、确定子单元、第二判断子单元、第一更新子单元和第二更新子单元。

判断子单元，用于判断点云测量数据中的各个测量值是否落入第j个航迹预测点的第一数据关联门限。

第一更新确定子单元，用于对于落入第j个航迹预测点的第一数据关联门限，且标识位为第一标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第二标识；第一标识为点云测量数据中每一个测量值的初始化标识位。

第二更新确定子单元，用于对于落入第j个航迹预测点的第一数据关联门限，且标识位为第二标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第三标识。

确定子单元，用于对于落入第j个航迹预测点的第一数据关联门限，且标识位为第三标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数不小于两次。

第二判断子单元，用于判断点云测量数据中未落入第j个航迹预测点的第一数据关联门限的各个测量值是否落入第j个航迹预测点的第二数据关联门限

第一更新子单元，用于对于落入第j个航迹预测点的第二数据关联门限，且标识位为第一标识的测量值，更新该测量值的标识位为第二标识。

第二更新子单元，用于对于落入第j个航迹预测点的第二数据关联门限，且标识位为第二标识的测量值，更新该测量值的标识位为第三标识。

在一些具体实施例中，候选测量值确定单元，还包括：初始化子单元和计数子单元。

第二初始化子单元，用于将每一个航迹预测点的候选测量值累计数量初始化为零。

计数子单元，用于针对每一个航迹预测点，在每次确定某一测量值为该航迹预测点的候选测量值后，将该航迹预测点的候选测量值累计数量加1

以上所描述的装置实施例仅仅是示意性的，其中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，即可以落入一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可，且本说明书中各实施例中记载的特征可以相互替换或者组合。

对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车载雷达数据关联方法，其特征在于，包括：

获取点云测量数据和航迹预测点；

计算得到第j个航迹预测点的数据关联门限，所述数据关联门限包括第一数据关联门限和第二数据关联门限；

将所述点云测量数据中落入所述第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值；N≥2；

若第j个航迹预测点存在候选测量值，则对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据；

对所述点云测量数据中落入所述第二数据关联门限，且未落入所述第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，j依次取值为1，2，…，l；l为航迹预测点的总数。

2.根据权利要求1所述的车载雷达数据关联方法，其特征在于，所述第二数据关联门限的横向距离差值阈值大于所述第一数据关联门限的横向距离差值阈值，所述第二数据关联门限的纵向距离差值阈值小于所述第一数据关联门限的纵向距离差值阈值，所述第二数据关联门限的相对速度差值阈值小于所述第一数据关联 门限的相对速度差值阈值。

3.根据权利要求1所述的车载雷达数据关联方法，其特征在于，所述对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据，包括：

将第j个航迹预测点的所有候选测量值的平均值作为第j个航迹预测点的最终关联数据。

4.根据权利要求1所述的车载雷达数据关联方法，其特征在于，N＝2，所述将所述点云测量数据中落入所述第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值，包括：

判断所述点云测量数据中的各个测量值是否落入所述第一数据关联门限；

对于落入所述第一数据关联门限，且标识位为第一标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第二标识；所述第一标识为点云测量数据中每一个测量值的初始化标识位；

对于落入所述第一数据关联门限，且标识位为第二标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第三标识；

对于落入所述第一数据关联门限，且标识位为第三标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数不小于两次；

判断所述点云测量数据中未落入所述第一数据关联门限的各个测量值是否落入所述第二数据关联门限；

对于落入所述第二数据关联门限，且标识位为第一标识的测量值，更新该测量值的标识位为第二标识；

对于落入所述第二数据关联门限，且标识位为第二标识的测量值，更新该测量值的标识位为第三标识。

5.根据权利要求4所述的车载雷达数据关联方法，其特征在于，还包括：

将每一个航迹预测点的候选测量值累计数量初始化为零；

针对每一个航迹预测点，在每次确定某一测量值为该航迹预测点的候选测量值后，还包括：

将该航迹预测点的候选测量值累计数量加1。

6.一种车载雷达数据关联装置，其特征在于，包括：

数据获取单元，用于获取点云测量数据和航迹预测点；

门限计算单元，用于计算得到第j个航迹预测点的数据关联门限，所述数据关联门限包括第一数据关联门限和第二数据关联门限；

候选测量值确定单元，用于将所述点云测量数据中落入所述第一数据关联门限，且落入其它航迹预测点的数据关联门限的累计次数小于N次的测量值确定为第j个航迹预测点的候选测量值；N≥2；

最终关联数据计算单元，用于若第j个航迹预测点存在候选测量值，则对第j个航迹预测点的所有候选测量值进行加权处理，得到第j个航迹预测点的最终关联数据；

虚警抑制单元，用于对所述点云测量数据中落入所述第二数据关联门限，且未落入所述第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，j依次取值为1，2，…，l；l为航迹预测点的总数。

7.根据权利要求6所述的车载雷达数据关联装置，其特征在于，所述第二数据关联门限的横向距离差值阈值大于所述第一数据关联门限的横向距离差值阈值，所述第二数据关联门限的纵向距离差值阈值小于所述第一数据关联门限的纵向距离差值阈值，所述第二数据关联门限的相对速度差值阈值小于所述第一数据关联 门限的相对速度差值阈值。

8.根据权利要求6所述的车载雷达数据关联装置，其特征在于，所述最终关联数据计算单元，具体用于：

将第j个航迹预测点的所有候选测量值的平均值作为第j个航迹预测点的最终关联数据。

9.根据权利要求6所述的车载雷达数据关联装置，其特征在于，N＝2，所述候选测量值确定单元，包括：

第一判断子单元，用于判断所述点云测量数据中的各个测量值是否落入所述第一数据关联门限；

第一更新确定子单元，用于对于落入所述第一数据关联门限，且标识位为第一标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第二标识；所述第一标识为点云测量数据中每一个测量值的初始化标识位；

第二更新确定子单元，用于对于落入所述第一数据关联门限，且标识位为第二标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数小于两次，且更新该测量值的标识位为第三标识；

确定子单元，用于对于落入所述第一数据关联门限，且标识位为第三标识的测量值，确定该测量值落入其它航迹预测点的数据关联门限的累计次数不小于两次；

第二判断子单元，用于判断所述点云测量数据中未落入所述第一数据关联门限的各个测量值是否落入所述第二数据关联门限；

第一更新子单元，用于对于落入所述第二数据关联门限，且标识位为第一标识的测量值，更新该测量值的标识位为第二标识；

第二更新子单元，用于对于落入所述第二数据关联门限，且标识位为第二标识的测量值，更新该测量值的标识位为第三标识。

10.根据权利要求9所述的车载雷达数据关联装置 ，其特征在于，所述候选测量值确定单元，还包括：

初始化子单元，用于将每一个航迹预测点的候选测量值累计数量初始化为零；

计数子单元，用于针对每一个航迹预测点，在每次确定某一测量值为该航迹预测点的候选测量值后，将该航迹预测点的候选测量值累计数量加1。

Images