一种车辆数据处理方法、装置、设备及介质与流程

测量装置的制造及其应用技术1.本发明涉及雷达目标跟踪技术领域，尤其涉及一种车辆数据处理方法、装置、设备及介质。背景技术：2.在传统的雷达目标跟踪中，往往只利用了位置观测数据，带来的弊端是对滤波初期航向航速定位精度低，目标在变道转弯的机动下航速航向精度低。3.机动目标跟踪在军事和民用领域中起着重要的作用，同时也是理论和应用上关注的焦点。为了很好地解决这个问题，许多新算法被提出。其中，交互多模型(imm)估计逼近是一种行之有效的方法，它能够在缺少突然机动目标信息的条件下，通过引入一组不同状态空间模型来描述目标的可能行为。然而，实际道路目标跟踪过程中，目标车辆的运动模型无法预先知道，交互多模型选取哪个运动模型以及控制多模型之间转换的马尔科夫链转移矩阵都在一定程度上影响了雷达最终的跟踪滤波结果，且滤波后的目标车辆轨迹存在抖动现象，较大的抖动势必会对车辆雷达的相关功能造成影响，产生误报警情况，降低车辆驾驶安全性。技术实现要素：4.有鉴于此，本发明提供一种车辆数据处理方法、装置、设备及介质，能够降低目标车辆轨迹在y轴方向上的抖动，改善目标车辆轨迹的平滑性，该车辆轨迹用于车辆行驶时可增加车辆的稳定性，提升车辆驾驶的安全性。5.根据本发明的一方面，本发明实施例提供了一种车辆数据处理方法，该方法包括：6.获取目标车辆的数据信息；7.将所述数据信息由极坐标系转换到直角坐标系，其中，所述数据信息以采集设备为坐标原点；8.基于预设混合运动模型对所述数据信息进行卡尔曼滤波，其中，所述预设混合运动模型包括所述目标车辆沿所述直角坐标系的x轴正方向匀加速运动以及所述目标车辆沿所述直接坐标系的y轴正方向匀速运动。9.根据本发明的另一方面，本发明实施例还提供了一种车辆数据处理装置，该装置包括：10.信息获取模块，用于获取目标车辆的数据信息；11.坐标转换模块，用于将所述数据信息由极坐标系转换到直角坐标系，其中，所述数据信息以采集设备为坐标原点；12.滤波模块，用于基于预设混合运动模型对所述数据信息进行卡尔曼滤波，其中，所述预设混合运动模型包括所述目标车辆沿所述直角坐标系的x轴正方向匀加速运动以及所述目标车辆沿所述直接坐标系的y轴正方向匀速运动。13.根据本发明的另一方面，本发明实施例还提供了一种电子设备，所述电子设备包括：14.至少一个处理器；以及15.与所述至少一个处理器通信连接的存储器；其中，16.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的车辆数据处理方法。17.根据本发明的另一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆数据处理方法。18.本发明实施例的技术方案，获取目标车辆的数据信息；将数据信息由极坐标系转换到直角坐标系，其中，数据信息以采集设备为坐标原点；基于预设混合运动模型对数据信息进行卡尔曼滤波，其中，预设混合运动模型包括目标车辆沿直角坐标系的x轴正方向匀加速运动以及目标车辆沿直接坐标系的y轴正方向匀速运动。本发明实施例，通过将数据信息由极坐标系转换到直角坐标系，能够准确、灵敏的反应车辆数据信息的变化特征，提升目标的跟踪精度，基于预设混合运动模型对数据信息进行卡尔曼滤波，降低了目标车辆轨迹在y轴方向上的抖动，改善了车辆轨迹的平滑性，该车辆轨迹用于车辆行驶时可增加车辆的稳定性，提升车辆驾驶的安全性。19.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。附图说明20.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。21.图1为本发明实施例一提供的一种车辆数据处理的流程图；22.图2为本发明实施例二提供的一种车辆数据处理方法的流程图；23.图3为本发明实施例二提供的一种引入多普勒速度的三维量测值从极坐标系转换到笛卡尔坐标系示意图；24.图4为本发明实施例二提供的一种靠近目标车辆轨迹进行滤波的仿真示意图；25.图5为本发明实施例二提供的图4中椭圆处的放大示意图；26.图6为本发明实施例二提供的一种不同运动模型滤波后横向速度vx的仿真示意图；27.图7为本发明实施例二提供的图6中椭圆处的放大示意图；28.图8为本发明实施例二提供的一种不同运动模型滤波后纵向速度vy的仿真示意图；29.图9为本发明实施例二提供的图8中椭圆处的放大示意图；30.图10是本发明实施例三提供的一种车辆数据处理装置的结构框图；31.图11示出了可以用来实施本发实施例四提供的一种电子设备的结构示意图。具体实施方式32.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。33.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“目标”、“第一”以及“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、方法或设备固有的其它步骤或单元。34.现有技术中，车辆在直行道路上采用匀加速运动模型，当车辆直线行驶过程中，采用匀加速运动模型进行卡尔曼滤波，目标状态变量中y方向会因为卡尔曼滤波带来微小速度vy及加速度ay，从而导致滤波后的目标车辆轨迹在y轴方向产生抖动，较大的抖动势必会对车辆雷达的相关功能造成影响，产生误报警情况，降低车辆驾驶安全性。35.有鉴于此，本发明提出了一种一种车辆数据处理方法、装置、设备及介质，能够准确、灵敏的反应车辆数据信息的变化特征，提升目标的跟踪精度，且降低了目标车辆轨迹在y轴方向上的抖动，改善了目标车辆轨迹的平滑性，该车辆轨迹用于车辆行驶时可增加车辆的稳定性，提升车辆驾驶安全性。36.实施例一37.在一实施例中，图1为本发明实施例一提供的一种车辆数据处理的流程图，本实施例可适用于对混合运动模型的目标跟踪进行滤波时的情况，该方法可以由车辆数据处理装置来执行，该车辆数据处理装置可以采用硬件和/或软件的形式实现，该车辆数据处理装置可配置于电子设备中。如图1所示，该方法包括：38.s110、获取目标车辆的数据信息。39.其中，目标车辆可以理解为道路前方行驶的车辆。数据信息可以理解为雷达采集设备所采集的道路前方行驶的车辆的相关位置信息、距离信息、速度信息以及方位角信息等，例如可以是目标车辆与所述采集设备的径向距离，也可以是目标车辆相较所述采集设备中的方位角，还可以为目标车辆的多普勒速度等等，本实施例在此不做限制。40.在本实施例中，将采集设备安装在本车的正前方，通过采集设备按照一定的扫描周期定时采集道路前方行驶的目标车辆的相关位置信息、距离信息、速度信息以及方位角信息等数据信息。41.s120、将数据信息由极坐标系转换到直角坐标系，其中，数据信息以采集设备为坐标原点。42.其中，极坐标系可以理解为雷达检测设备所采集到的前方目标车辆的极坐标位置信息。直角坐标系可以理解为笛卡尔直角坐标系。采集设备可以是毫米波雷达采集设备，也可以为激光雷达采集设备，还可以为超视距雷达采集设备，采集设备的具体种类在此不作限制。43.在本实施例中，可以将按照一定雷达采集设备的扫描周期，所定时采集的目标车辆的相关位置信息，由极坐标下的位置信息通过相应的坐标转换公式，转换至直角坐标系下。其中，位置信息的转换以采集设备为坐标原点。44.s130、基于预设混合运动模型对数据信息进行卡尔曼滤波，其中，预设混合运动模型包括目标车辆沿直角坐标系的x轴正方向匀加速运动以及目标车辆沿直接坐标系的y轴正方向匀速运动。45.其中，预设混合运动模型看可以理解为预先建立的混合运动模型。需要说明的是，预先建立的混合运动模型可以包括目标车辆沿直角坐标系下的x轴正方向做匀加速运动，以及目标车辆沿直角坐标系下的y轴正方向做匀速运动。卡尔曼滤波可以理解为一种利用线性系统状态方程，可以通过系统输入输出观测数据，对系统状态进行最优估计的算法。46.在本实施例中，可以将目标车辆的运动模型在x轴方向和y轴方向进行拆分，并在x轴方向选择匀加速运动模型，y轴方向选择匀速运动模型，在建立x轴方向与y轴方向的运动模型之后，可以获取x轴方向与y轴方向的运动模型卡尔曼滤波的状态转移矩阵以及状态变量，并将状态转移矩阵以及状态变量进行一定的融合。47.具体的，建立基于预先建立的混合运动模型，对雷达采集设备的扫描周期定时采集的目标车辆极坐标下的位置信息转换至直角坐标系下的位置信息，进行卡尔曼滤波。48.可选的，预设混合运动模型的建立，包括：49.将目标车辆的运动模型在分别沿x轴正方向和y轴正方向进行分解；控制目标车辆沿x轴正方向匀加速运动，并配置匀加速运动的第一状态转移矩阵为控制目标车辆沿y轴正方向匀速运动，并配置匀速运动的第二状态转移矩阵为融合第一状态转移矩阵和第二状态转移矩阵以获取预设混合运动模型的第三状态转移矩阵为：50.其中，t表示为采集设备的扫描周期。第一状态转移矩阵可以理解为目标车辆沿x轴正方向做匀加速运动时的状态转移矩阵。第二状态转移矩阵可以理解为目标车辆沿y轴正方向做匀速运动时的状态转移矩阵。第三状态转移矩阵可以理解为将第一状态转移矩阵和第二状态转移矩阵进行融合后的状态转移矩阵。扫描周期可以理解为本车安装雷达采集设备扫描前方目标车辆时的扫描周期，扫描周期与雷达采集设备有关，每各雷达采集设备均有相应的扫描周期。51.在本实施例中，预设模型的建立可以为将目标车辆的运动模型，分别沿x轴正方向和y轴正方向进行分解，并控制目标车辆沿x轴正方向匀加速运动，此时可以给出匀加速运动的状态转移矩阵控制目标车辆沿y轴正方向做匀速运动，此时可以给出匀速运动的状态转移矩阵可以将匀加速运动的状态转移矩阵与匀速运动的状态转移矩阵进行融合，得到融合后的预设混合运动模型的状态转移矩阵52.可选的，匀加速运动的第一状态变量配置为[x,vx,ax]’，匀速运动的第二状态变量配置为[y,vy]’，预设混合运动模型的融合状态变量配置为[x,vx,ax,y,vy]’。其中，x与y分别表示为所述目标车辆在所述直角坐标系的横、纵坐标，vx表示所述直角坐标系的x轴正方向的速度，vy表示所述直角坐标系的y轴正方向的速度，ax表示所述直角坐标系的x轴正方向的加速度。[0053]其中，第一状态变量可以理解为x轴正方向匀加速运动的状态变量。第二状态变量可以理解为y轴正方向匀速运动的状态变量。融合状态变量可以理解为第一状态变量配置与第二状态变量配置融合之后的状态变量。[0054]在本实施例中，可以将x轴正方向匀加速运动第一状态变量配置为3×1状态变量[x,vx,ax]’，y轴正方向匀速运动的第二状态变量配置为2×1状态变量[y,vy]’，此时，预设混合运动模型的融合状态变量为x轴正方向匀加速运动的3×1状态变量[x,vx,ax]’，以及y轴正方向匀速运动的2×1状态变量[y,vy]’的融合变量，可以表示为5×1状态变量[x,vx,ax,y,vy]’。需要说明的是，状态变量的值可以根据卡尔曼算法进行递推，vx以及vy的初始值为0，之后可以根据卡尔曼算法进行递推。[0055]本发明实施例的技术方案，获取目标车辆的数据信息；将数据信息由极坐标系转换到直角坐标系，其中，数据信息以采集设备为坐标原点；基于预设混合运动模型对数据信息进行卡尔曼滤波，其中，预设混合运动模型包括目标车辆沿直角坐标系的x轴正方向匀加速运动以及目标车辆沿直接坐标系的y轴正方向匀速运动。本发明实施例，通过将数据信息由极坐标系转换到直角坐标系，能够准确、灵敏的反应车辆数据信息的变化特征，提升目标的跟踪精度，基于预设混合运动模型对数据信息进行卡尔曼滤波，降低了目标车辆轨迹在y轴方向上的抖动，改善了车辆轨迹的平滑性，该车辆轨迹用于车辆行驶时可增加车辆的稳定性，提升车辆驾驶的安全性。[0056]实施例二[0057]在一实施例中，图2为本发明实施例二提供的又一种车辆数据处理方法的流程图，本实施例在上述各实施例地基础上，对获取目标车辆的数据信息、将数据信息由极坐标系转换到直角坐标系以及基于预设混合运动模型对数据信息进行卡尔曼滤波进行了进一步的细化，如图2所示，本实施例中的车辆数据处理方法具体可以包含如下步骤：[0058]s210、控制毫米波雷达按照扫描周期定时采集目标车辆的数据信息。[0059]其中，毫米波雷达具有微波雷达和光电雷达的优点，可以探测汽车附近目标车辆或障碍物的相对距离、相对速度、方位信息以及位置信息等，利用这些信息可以实现汽车周围的主动安全驾驶。其中，目标角度与目标速度的测量是对确定相对于本车的车道位置、计算纵向车速进而计算预碰撞事件等具有决定性的影响因素，对报警结果产生直接影响，所以跟踪滤波精度尤为重要。[0060]在本实施例中，可以将毫米波雷达安装在本车车辆正前方，以采集道路上前方行驶的目标车辆的相关位置信息，通过目标车辆的相关位置信息，可以得到目标车辆的完整行驶轨迹信息。[0061]s220、将极坐标系下的所述数据信息按照公式(1)转换到直角坐标系。[0062]其中，公式(1)可以表示为：[0063][0064]其中，r表示所述目标车辆与所述采集设备的径向距离，表示所述目标车辆相较所述采集设备中的方位角，x与y分别表示为所述目标车辆在所述直角坐标系下的横纵坐标。[0065]在本实施例中，可以将毫米波雷达所检测到的目标车辆的极坐标位置信息转换至笛卡尔直角坐标系中，其转换公式可以为：其中，r表示所述目标车辆与所述采集设备的径向距离，表示所述目标车辆相较所述采集设备中的方位角，x与y分别表示为所述目标车辆在所述直角坐标系下的横纵坐标。[0066]可选的，数据信息还包括目标车辆的多普勒速度，相应的，将数据信息由极坐标系转换到直角坐标系，包括：[0067]将极坐标系下的数据信息按照公式(2)转换到直角坐标系；[0068][0069]其中，r表示目标车辆与采集设备的径向距离，表示目标车辆相较采集设备中的方位角，表示目标车辆的多普勒速度，vx表示直角坐标系x轴正方向的速度，vy表示直角坐标系y轴正方向的速度，x与y分别表示为目标车辆在直角坐标系下的横、纵坐标。[0070]在本实施例中，雷达采集设备所检测到的数据信息还可以包括多普勒速度的相关信息，相应的，可以将数据信息由极坐标系转换到直角坐标系，可以包括：将极坐标系下的数据信息按照相应的公式转换到直角坐标系下，其中，转换公式为其中，r表示目标车辆与采集设备的径向距离，表示目标车辆相较采集设备中的方位角，表示目标车辆的多普勒速度，也可以称为径向速度，vx表示直角坐标系x轴正方向的速度，vy表示直角坐标系y轴正方向的速度，x与y分别表示为目标车辆在直角坐标系下的横、纵坐标。[0071]在本实施例中，由于雷达采集设备所检测到的数据信息还可以包括多普勒速度的相关信息，可以使得毫米波雷达检测目标在极坐标下的量测值变为三维向量充分利用多普勒速度能够准确、灵敏反应目标机动尤其是径向速度变化的特征，在卡尔曼滤波关联算法中引入径向速度，大大提升了目标的跟踪精度。[0072]s230、按照预设混合运动模型的第三状态转移矩阵对数据信息进行非线性卡尔曼滤波。[0073]其中，非线性卡尔曼滤波过程使用的非线性量测函数为：[0074]非线性量测函数转化后的雅克比矩阵h为：[0075][0076]其中，vx表示直角坐标系x轴正方向的速度，vy表示直角坐标系y轴正方向的速度，x与y分别表示为目标车辆在直角坐标系下的横纵坐标。[0077]在本实施例中，可以根据匀加速运动的第一状态转移矩阵与匀速运动的第二状态转移矩阵所融合而成的预设混合运动模型的第三状态转移矩阵，对数据信息进行非线性卡尔曼滤波。其中，非线性卡尔曼滤波过程使用的非线性量测函数为：[0078]非线性量测函数转化后的雅克比矩阵h为：[0079][0080]其中，vx表示直角坐标系x轴正方向的速度，vy表示直角坐标系y轴正方向的速度，x与y分别表示为目标车辆在直角坐标系下的横纵坐标。[0081]具体的，由毫米波雷达采集到极坐标下的位置信息r，之后，经过相应的公式转化为笛卡尔直角坐标系下，得到直角坐标下的x，y。非线性卡尔曼滤波过程使用的非线性量测函数h(x)中，其中，vx，vy的初始值为0。通过卡尔曼预测得到k时刻的状态变量，在k+1时刻通过非线性卡尔曼滤波又得到k+1时刻的状态变量，依次通过递推得到状态变量。其中，k时刻的预测公式可以表示为xk/k-1＝fxk-1+qk-1。其中，xk/k-1表示目标车辆基于时间一步预测的状态变量，f表示为状态转移矩阵，qk-1表示为过程噪声的期望。[0082]本发明实施例的上述技术方案，控制毫米波雷达按照扫描周期定时采集目标车辆的数据信息，将极坐标系下的所述数据信息按照公式(1)转换到直角坐标系，按照预设混合运动模型的第三状态转移矩阵对所述数据信息进行非线性卡尔曼滤波。本发明实施例，通过控制毫米波雷达按照扫描周期定时采集目标车辆的数据信息，将极坐标系下的所述数据信息按照相应的公式转换到直角坐标系，可以同时获取目标的位置和多普勒速度等测量数据，从而提高目标跟踪精度，通过按照预设混合运动模型的第三状态转移矩阵对所述数据信息进行非线性卡尔曼滤波，进一步降低了目标车辆轨迹在y轴方向上的抖动，改善目标车辆轨迹的平滑性，该车辆轨迹用于车辆行驶时可增加车辆的稳定性，提升车辆驾驶的安全性。[0083]示例性的，图3为本发明实施例二提供的一种引入多普勒速度的三维量测值从极坐标系转换到笛卡尔坐标系示意图。如图3所示，xk-1表示上一时刻的状态变量，xk表示当前时刻的状态变量，r表示目标车辆与采集设备的径向距离，表示目标车辆相较采集设备中的方位角，vx表示直角坐标系下x轴正方向的速度，vy表示直角坐标系下y轴正方向的速度，x与y分别表示为目标车辆在直角坐标系下的横、纵坐标，φ表示目标车辆的多普勒速度。[0084]示例性的，图4为本发明实施例二提供的一种靠近目标车辆轨迹进行滤波的仿真示意图，图5为本发明实施例二提供的图4中椭圆处的放大示意图。其中，图4中的直线表示雷达量测轨迹，虚线表示二维匀加速模型滤波轨迹，直线上加三角表示三维匀加速模型滤波轨迹，直线加竖表示三维混合模型滤波轨，横坐标为x方向匀加速运动，纵坐标为y方向匀速运动，从图4与图5中可以看出运动模型从匀加速转换为混合模型后，目标车辆轨迹在y方向的抖动有了非常显著的改善。[0085]示例性的，图6为本发明实施例二提供的一种不同运动模型滤波后横向速度vx的仿真示意图，图7为本发明实施例二提供的图6中椭圆处的放大示意图。其中，图6中的直线表示雷达检测目标的径向速度也称为多普勒速度，虚线表示二维匀加速模型滤波速度vx，直线上加三角表示三维匀加速模型滤波速度vx，直线加竖表示三维混合模型滤速度vx，横坐标为x方向匀加速运动，纵坐标为y方向匀速运动，从图6和图7中可以看出，引入多普勒速度后，目标车辆滤波后横向速度vx更接近雷达测量速度，即雷达测量的多普勒速度主要分解到目标车辆运动的x方向，减少y方向速度分解速度。[0086]示例性的，图8为本发明实施例二提供的一种不同运动模型滤波后纵向速度vy的仿真示意图，图9为本发明实施例二提供的图8中椭圆处的放大示意图。其中，图8中的直线表示二维匀加速模型滤波速度vy，直线上加三角表示三维匀加速模型滤波速度vy，直线加竖表示三维混合模型滤速度vy，从图8和图9可以看出，运动模型从匀加速转换为混合模型后，即y方向采用匀速模型避免了滤波迭代过程对速度vy的错误预测，降低了纵向速度vy的波动，从而改善目标轨迹在纵向的抖动。[0087]实施例三[0088]在一实施例中，图10是本发明实施例三提供的一种车辆数据处理装置的结构框图，该装置适用于对混合运动模型的目标跟踪进行滤波时的情况，该装置可以由硬件/软件实现。可配置于电子设备中来实现本发明实施例中的一种车辆数据处理方法。如图10所示，该装置包括：信息获取模块1010、坐标转换模块1020以及滤波模块1030。[0089]其中，信息获取模块1010，用于获取目标车辆的数据信息；[0090]坐标转换模块1020，用于将所述数据信息由极坐标系转换到直角坐标系，其中，所述数据信息以采集设备为坐标原点；[0091]滤波模块1030，用于基于预设混合运动模型对所述数据信息进行卡尔曼滤波，其中，所述预设混合运动模型包括所述目标车辆沿所述直角坐标系的x轴正方向匀加速运动以及所述目标车辆沿所述直接坐标系的y轴正方向匀速运动。[0092]本发明实施例的技术方案，通过信息获取模块，获取目标车辆的数据信息；坐标转换模块，将数据信息由极坐标系转换到直角坐标系，其中，数据信息以采集设备为坐标原点；滤波模块，基于预设混合运动模型对数据信息进行卡尔曼滤波，其中，预设混合运动模型包括目标车辆沿直角坐标系的x轴正方向匀加速运动以及目标车辆沿直接坐标系的y轴正方向匀速运动。本发明实施例，通过将数据信息由极坐标系转换到直角坐标系，能够准确、灵敏的反应车辆数据信息的变化特征，提升目标的跟踪精度，基于预设混合运动模型对数据信息进行卡尔曼滤波，降低了目标车辆轨迹在y轴方向上的抖动，改善了车辆轨迹的平滑性及稳定性，提升车辆驾驶的安全性。[0093]可选的，所述预设混合运动模型的建立，包括：[0094]将所述目标车辆的运动模型在分别沿所述x轴正方向和所述y轴正方向进行分解；[0095]控制所述目标车辆沿所述x轴正方向匀加速运动，并配置所述匀加速运动的第一状态转移矩阵为[0096]控制所述目标车辆沿所述y轴正方向匀速运动，并配置所述匀速运动的第二状态转移矩阵为[0097]融合所述第一状态转移矩阵和所述第二状态转移矩阵以获取所述预设混合运动模型的第三状态转移矩阵为：[0098][0099]其中，t表示为所述采集设备的扫描周期。[0100]可选的，所述匀加速运动的第一状态变量配置为[x,vx,ax]’，所述匀速运动的第二状态变量配置为[y,vy]’，所述预设混合运动模型的融合状态变量配置为[x,vx,ax,y,vy]’，其中，x与y分别表示为所述目标车辆在所述直角坐标系的横、纵坐标，vx表示所述直角坐标系的x轴正方向的速度，vy表示所述直角坐标系的y轴正方向的速度，ax表示所述直角坐标系的x轴正方向的加速度。[0101]可选的，信息获取模块1010，包括：[0102]信息采集单元，用于控制毫米波雷达按照扫描周期定时采集所述目标车辆的数据信息。[0103]可选的，坐标转换模块1020，包括：[0104]转换单元，用于将所述极坐标系下的所述数据信息按照公式(1)转换到所述直角坐标系；[0105][0106]其中，r表示所述目标车辆与所述采集设备的径向距离，表示所述目标车辆相较所述采集设备中的方位角，x与y分别表示为所述目标车辆在所述直角坐标系下的横纵坐标。[0107]可选的，数据信息还包括所述目标车辆的多普勒速度，相应的，所述将所述数据信息由极坐标系转换到直角坐标系，包括：[0108]将所述极坐标系下的所述数据信息按照公式(2)转换到所述直角坐标系；[0109][0110]其中，所述r表示所述目标车辆与所述采集设备的径向距离，所述表示所述目标车辆相较所述采集设备中的方位角，所述表示所述目标车辆的多普勒速度，vx表示所述直角坐标系x轴正方向的速度，vy表示所述直角坐标系y轴正方向的速度，x与y分别表示为所述目标车辆在所述直角坐标系下的横纵坐标。[0111]可选的，滤波模块1030，包括：[0112]卡尔曼滤波单元，用于按照所述预设混合运动模型的第三状态转移矩阵对所述数据信息进行非线性卡尔曼滤波，其中，所述非线性卡尔曼滤波过程使用的非线性量测函数为：[0113]所述非线性量测函数转化后的雅克比矩阵h为：[0114][0115]其中，所述vx表示所述直角坐标系x轴正方向的速度，vy表示所述直角坐标系y轴正方向的速度，x与y分别表示为所述目标车辆在所述直角坐标系下的横纵坐标。[0116]本发明实施例所提供的车辆数据处理装置可执行本发明任意实施例所提供的车辆数据处理方法，具备执行方法相应的功能模块和有益效果。[0117]实施例四[0118]在一实施例中，图11示出了可以用来实施本发实施例四提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。[0119]如图11所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。[0120]电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。[0121]处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如车辆数据处理方法。[0122]在一些实施例中，车辆数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的车辆数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆数据处理方法。[0123]本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。[0124]用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。[0125]在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。[0126]为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。[0127]可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。[0128]计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。[0129]应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。[0130]上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!