自动驾驶感知冗余控制方法、装置、设备及存储介质

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶感知冗余控制方法、装置、设备及存储介质。

背景技术

根据各类传感器的特点，自动驾驶感知冗余设计方案需要根据场景及功能需求设计，关键是根据场景及功能进行多源异构信息融合策略选择，而多源异构传感器信息融合利用不同传感器获得信息，避免单个传感器的感知局限或是单点失效造成感知风险，提高对环境或目标感知的鲁棒性和稳定性，从融合信息的不同形式，传感器的组合主要有radar-camera(RC)、camera-lidar(LC)或是radar-camera-lidar(RCL)，感知冗余策略也需要基于需要冗余自动驾驶场景进行合适的传感器组合选择，因此，如何解决自动驾驶感知冗余控制技术感知能力低成为亟待解决的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种自动驾驶感知冗余控制方法、装置、设备及存储介质，旨在解决现有自动驾驶感知冗余控制技术感知能力低的技术问题。

为实现上述目的，本发明提供了一种自动驾驶感知冗余控制方法，所述自动驾驶感知冗余控制方法应用于自动驾驶感知冗余控制系统，所述自动驾驶感知冗余控制系统包括主控制器、备用控制器、多个冗余感知传感器、多个主感知传感器以及状态监测传感器，所述主控制器分别与多个主感知传感器和所述状态监测传感器通信连接，所述备用控制器分别与多个冗余感知传感器通信连接，所述方法包括以下步骤：

在状态监测传感器发生故障时，生成控制接管指令；

根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据；

对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据；

根据所述感知融合数据进行车辆控制。

可选地，所述对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据，包括：

对多个冗余感知传感器采集的冗余采集数据进行预处理，得到多个冗余处理数据；

对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据；

对多个冗余拼接数据进行数据融合，得到感知融合数据。

可选地，所述对多个冗余感知传感器采集的冗余采集数据进行预处理，得到多个冗余处理数据，包括：

基于预设坐标系分别对多个冗余感知传感器采集的冗余采集数据进行坐标转换，得到多个冗余转换数据；

根据预设惯导补偿方式分别对多个冗余转换数据进行运动补偿，得到多个冗余处理数据。

可选地，所述对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据，包括：

确定各冗余采集数据的数据到达时间；

根据预设运动模型和各冗余采集数据的数据到达时间对多个冗余处理数据进行对齐，得到多个冗余对齐数据；

根据预设过滤方式对多个冗余对齐数据进行数据过滤，得到多个冗余过滤数据；

对多个冗余过滤数据进行数据拼接，得到多个冗余拼接数据。

可选地，所述根据预设过滤方式对多个冗余对齐数据进行数据过滤，得到多个冗余过滤数据，包括：

分别对多个冗余对齐数据进行目标检测，确定各冗余对齐数据中存在的多个识别目标、各识别目标的识别类型以及各识别目标的基本信息；

根据各冗余对齐数据中各识别目标的识别类型对多个冗余对齐数据进行判重，根据判重结果得到多个冗余判重数据；

根据各冗余对齐数据中各识别目标的基本信息对各冗余判重数据进行数据过滤，得到多个冗余过滤数据。

可选地，所述根据各冗余对齐数据中各识别目标的基本信息对各冗余判重数据进行数据过滤，得到多个冗余过滤数据，包括：

根据各冗余对齐数据中各识别目标的基本信息确定各识别目标的目标车速、目标位置以及目标尺寸；

将各识别目标的目标车速与预设车速范围进行比较，得到各识别目标的车速比较结果；

根据各识别目标的目标位置与目标车辆的当前位置进行距离计算，确定各识别目标与所述目标车辆之间的间距；

将各识别目标的目标尺寸与预设尺寸范围进行比较，得到各识别目标的尺寸比较结果；

根据各识别目标的车速比较结果、各识别目标与所述目标车辆之间的间距以及各识别目标的尺寸比较结果对各冗余判重数据进行数据过滤，得到多个冗余过滤数据。

可选地，所述在状态监测传感器发生故障时，生成控制接管指令之前，还包括：

获取主控制单元发送的控制信息；

对所述控制信息进行检测，确定所述控制信息中是否存在用户疲劳状态信息；

在所述控制信息中不存在用户疲劳状态信息时，确定状态监测传感器发生故障。

此外，为实现上述目的，本发明还提出一种自动驾驶感知冗余控制装置，所述自动驾驶感知冗余控制装置包括：

生成模块，用于在状态监测传感器发生故障时，生成控制接管指令；

获取模块，用于根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据；

融合模块，用于对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据；

控制模块，用于根据所述感知融合数据进行车辆控制。

此外，为实现上述目的，本发明还提出一种自动驾驶感知冗余控制设备，所述自动驾驶感知冗余控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶感知冗余控制程序，所述自动驾驶感知冗余控制程序配置为实现如上文所述的自动驾驶感知冗余控制方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有自动驾驶感知冗余控制程序，所述自动驾驶感知冗余控制程序被处理器执行时实现如上文所述的自动驾驶感知冗余控制方法的步骤。

本发明通过在状态监测传感器发生故障时，生成控制接管指令；根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据；对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据；根据所述感知融合数据进行车辆控制。通过确定状态监测传感器发生故障时，冗余控制器生成接管指令，由冗余控制器接管主控制器，获取多个冗余感知传感器采集的数据，再对多个冗余感知传感器采集的数据进行数据融合，最后根据融合后的数据对车辆进行精准控制，提高了自动驾驶车辆的感知能力，提高了自动驾驶车辆感知的效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的自动驾驶感知冗余控制设备的结构示意图；

图2为本发明自动驾驶感知冗余控制方法第一实施例的流程示意图；

图3为本发明自动驾驶感知冗余控制方法一实施例的感知系统方案示意图；

图4为本发明自动驾驶感知冗余控制方法一实施例的雾气ODD场景下前向感知冗余方案示意图；

图5为本发明自动驾驶感知冗余控制方法一实施例的非雾气ODD场景下前向感知冗余方案示意图；

图6为本发明自动驾驶感知冗余控制方法一实施例的主/冗余视觉感知覆盖范围示意图；

图7为本发明自动驾驶感知冗余控制方法一实施例的主/冗余毫米波雷达感知覆盖范围示意图；

图8为本发明自动驾驶感知冗余控制方法第二实施例的流程示意图；

图9为本发明自动驾驶感知冗余控制方法一实施例的预处理模块结构示意图；

图10为本发明自动驾驶感知冗余控制装置第一实施例的结构框图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的自动驾驶感知冗余控制设备结构示意图。

如图1所示，该自动驾驶感知冗余控制设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对自动驾驶感知冗余控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及自动驾驶感知冗余控制程序。

在图1所示的自动驾驶感知冗余控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明自动驾驶感知冗余控制设备中的处理器1001、存储器1005可以设置在自动驾驶感知冗余控制设备中，所述自动驾驶感知冗余控制设备通过处理器1001调用存储器1005中存储的自动驾驶感知冗余控制程序，并执行本发明实施例提供的自动驾驶感知冗余控制方法。

本发明实施例提供了一种自动驾驶感知冗余控制方法，参照图2，图2为本发明一种自动驾驶感知冗余控制方法第一实施例的流程示意图。

本实施例中，所述自动驾驶感知冗余控制方法应用于自动驾驶感知冗余控制系统，所述自动驾驶感知冗余控制系统包括主控制器、备用控制器、多个冗余感知传感器、多个主感知传感器以及状态监测传感器，所述主控制器分别与多个主感知传感器和所述状态监测传感器通信连接，所述备用控制器分别与多个冗余感知传感器通信连接，所述自动驾驶感知冗余控制方法包括以下步骤：

步骤S10：在状态监测传感器发生故障时，生成控制接管指令。

需要说明的是，本实施例的执行主体是自动驾驶感知冗余控制设备，其中，该自动驾驶感知冗余控制设备具有数据处理，数据通信及程序运行等功能，所述自动驾驶感知冗余控制设备可以为集成控制器，控制计算机等设备，当然还可以为其他具备相似功能的设备，本实施例对此不做限制。

应当说明的是，如图3所示为感知系统结构图，感知系统包括主控制器和冗余控制器，主控制器与多个感知传感器和状态监测传感器连接，冗余控制器和多个感知传感器连接，对车辆外部环境的主/冗余视觉感知系统均采用7V方案，各摄像头主要参数及融合后的感知功能需求如表1所示，对高度自动驾驶系统的特有的驾驶员疲劳状态监测感知需求，仅主感知系统配置此摄像头，冗余系统不做配置，当驾驶员疲劳状态监测摄像头发生相关故障时，冗余(ADSR)控制器控制接管自动驾驶系统。

表1：

可以理解的是，状态监测传感器指的是驾驶员疲劳状态监测摄像头，控制接管指令指的是由冗余控制器接管主控制器的指令，在确定状态监测传感器发生故障时，由冗余控制器生成控制接管指令，以接管主控制器。

需要说明的是，为了确定状态监测传感器发生故障，进一步地，所述在状态监测传感器发生故障时，生成控制接管指令之前，还包括：获取主控制单元发送的控制信息；对所述控制信息进行检测，确定所述控制信息中是否存在用户疲劳状态信息；在所述控制信息中不存在用户疲劳状态信息时，确定状态监测传感器发生故障。

可以理解的是，主控制单元指的是主控制器、多个主感知传感器以及状态监测传感器，控制信息指的是由多个主感知传感器和状态监测传感器采集的信息，用户疲劳状态信息指的是状态监测传感器采集的驾驶员信息。

在具体实施中，冗余控制器对主控制器进行监测，并获取主控制器发送的由多个主感知传感器和状态监测传感器采集的信息，再检测控制信息，对控制信息的内容判断是否存在用户疲劳状态信息，在确定控制信息汇总不存在用于疲劳状态信息时，确定状态检测传感器发生故障。

步骤S20：根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据。

可以理解的是，冗余采集数据指的是多个冗余感知传感器采集的数据，在冗余传感器发出接管指令，并接收到主传感器反馈的确认接管指令后，通过多个冗余传感器进行数据采集，得到多个冗余感知传感器采集的冗余采集数据。

步骤S30：对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据。

可以理解的是，感知融合数据指的是多个感知传感器采集的数据进行融合得到的融合数据。

步骤S40：根据所述感知融合数据进行车辆控制。

可以理解的是，根据得到的感知融合数据精准的对自动驾驶车辆进行控制。

应当说明的是，在不同ODD设计运行范围之下，自动驾驶系统的感知的冗余方法也会有所差异，这里的ODD可以指向道路、交通、速度、时间、天气等这些系统运行限制条件，如图4所示，本实施例将以天气中雾气条件为例，分析在多传感器感知融合方案的基础上，如何选择前向运行场景下雷达系统的感知方案，如图5所示，其余ODD条件可进行类推处理；在水汽充足、微风及大气稳定的情况下，相对湿度达到100％时，空气中的水汽便会凝结成细微的水滴悬浮于空中，使地面水平的能见度下降，这种天气现象称为雾，在冗余感知系统中，如图6和图7所示，基于4D毫米波雷达/激光雷达的工作特性可知，4D毫米波雷达在雾气环境下可以正常工作，可以准确获取目标距离/速度/类型信息，并具备目标“测高”能力，可以准确辨别并还原自车周边环境目标信息；而激光雷达则基本无法工作，无法获取目标距离/速度/类型等信息，或者探测目标的性能将大幅衰减。故如果需要满足雾气天气条件的自动驾驶系统运行场景需求，雷达系统感知的备份传感器需要选择4D毫米波雷达，而非激光雷达。反之，则选用激光雷达作为备份传感器，因为激光雷达相对于4D毫米波雷达，具备更强的环境描述能力。在主感知系统中，考虑到自动驾驶系统也有单独运行低阶驾驶辅助功能(如自适应巡航)的需求，主感知系统需要满足全天时全天候感知需求，故雷达系统基本感知场景需要考虑到雾气等恶劣天气，换句话说主感知系统是需要使用4D毫米波雷达系统的。

本实施例通过在状态监测传感器发生故障时，生成控制接管指令；根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据；对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据；根据所述感知融合数据进行车辆控制。通过确定状态监测传感器发生故障时，冗余控制器生成接管指令，由冗余控制器接管主控制器，获取多个冗余感知传感器采集的数据，再对多个冗余感知传感器采集的数据进行数据融合，最后根据融合后的数据对车辆进行精准控制，提高了自动驾驶车辆的感知能力，提高了自动驾驶车辆感知的效率。

参考图8，图8为本发明一种自动驾驶感知冗余控制方法第二实施例的流程示意图。

基于上述第一实施例，本实施例自动驾驶感知冗余控制方法，在所述步骤S30，包括：

步骤S31：对多个冗余感知传感器采集的冗余采集数据进行预处理，得到多个冗余处理数据。

可以理解的是，预处理指的是坐标转换处理和运动补偿处理，冗余处理数据指的是预处理后的冗余采集数据。

需要说明的是，为了准确得到多个冗余处理数据，进一步地，所述对多个冗余感知传感器采集的冗余采集数据进行预处理，得到多个冗余处理数据，包括：基于预设坐标系分别对多个冗余感知传感器采集的冗余采集数据进行坐标转换，得到多个冗余转换数据；根据预设惯导补偿方式分别对多个冗余转换数据进行运动补偿，得到多个冗余处理数据。

可以理解的是，预设坐标系指的是东-北-上(ENU)坐标系，预设惯导补偿方式指的是在惯性导航系统中对误差进行补偿的方式，冗余转换数据指的是坐标转换后的冗余采集数据，冗余处理数据指的是惯导补偿后的冗余转换数据。

在具体实施中，如图9所示，根据预先设定的ENU坐标系对多个冗余采集数据进行坐标系转换处理，得到多个冗余转换数据，再根据惯导补偿方式对多个冗余转换数据进行处理，得到多个冗余处理数据。

步骤S32：对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据。

可以理解的是，冗余拼接数据指的是对冗余处理数据拼接处理得到的数据。

需要说明的是，为了准确得到冗余拼接数据，进一步地，所述对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据，包括：确定各冗余采集数据的数据到达时间；根据预设运动模型和各冗余采集数据的数据到达时间对多个冗余处理数据进行对齐，得到多个冗余对齐数据；根据预设过滤方式对多个冗余对齐数据进行数据过滤，得到多个冗余过滤数据；对多个冗余过滤数据进行数据拼接，得到多个冗余拼接数据。

可以理解的是，数据到达时间指的是数据到达冗余控制器的时间，预设运动模型指的是常转角速率和恒定速度模型(Constant Turn Rate and Velocity model，CTRV)，冗余对齐数据指的是对齐后的冗余处理数据，预设过滤方式指的是过滤长宽异常和位置异常的目标的过滤方式。

在具体实施中，确定多个冗余感知传感器采集的数据到达冗余控制器的时间，根据CTRV模型和各数据的到达时间对多个冗余处理数据进行数据对齐，得到多个冗余对齐数据，再根据过滤长宽异常和位置异常的目标的过滤方式对各冗余对齐数据进行过滤，得到多个冗余过滤数据，最后对各冗余过滤数据进行数据拼接，得到多个冗余拼接数据。

需要说明的是，为了准确得到多个冗余过滤数据，进一步地，所述根据预设过滤方式对多个冗余对齐数据进行数据过滤，得到多个冗余过滤数据，包括：分别对多个冗余对齐数据进行目标检测，确定各冗余对齐数据中存在的多个识别目标、各识别目标的识别类型以及各识别目标的基本信息；根据各冗余对齐数据中各识别目标的识别类型对多个冗余对齐数据进行判重，根据判重结果得到多个冗余判重数据；根据各冗余对齐数据中各识别目标的基本信息对各冗余判重数据进行数据过滤，得到多个冗余过滤数据。

可以理解的是，识别目标指的是各感知传感器采集到的目标，目标包括但不限于车辆、行人、障碍物以及交通标识等，识别类型指的是目标的类型，目标基本信息指的是目标的长宽信息和位置信息，冗余判重数据指的是判重后的冗余对齐数据。

在具体实施中，对各冗余对齐数据进行目标检测，得到数据中存在的多个识别目标、目标类型以及目标基本信息，根据目标类型对各个识别目标进行判重处理，剔除重复的目标，得到多个冗余判重数据，再根据目标基本信息对各冗余判重数据进行过滤，主要是过滤长宽异常和位置异常的目标，最后得到多个冗余过滤数据。

需要说明的是，为了准确得到多个冗余过滤数据，进一步地，所述根据各冗余对齐数据中各识别目标的基本信息对各冗余判重数据进行数据过滤，得到多个冗余过滤数据，包括：根据各冗余对齐数据中各识别目标的基本信息确定各识别目标的目标车速、目标位置以及目标尺寸；将各识别目标的目标车速与预设车速范围进行比较，得到各识别目标的车速比较结果；根据各识别目标的目标位置与目标车辆的当前位置进行距离计算，确定各识别目标与所述目标车辆之间的间距；将各识别目标的目标尺寸与预设尺寸范围进行比较，得到各识别目标的尺寸比较结果；根据各识别目标的车速比较结果、各识别目标与所述目标车辆之间的间距以及各识别目标的尺寸比较结果对各冗余判重数据进行数据过滤，得到多个冗余过滤数据。

可以理解的是，目标车速指的是识别目标的车速信息，目标位置指的是识别目标的位置信息，目标尺寸指的是识别目标的长宽信息，目标车辆指的是自动驾驶车辆，预设车速范围指的是预先设定的正常车速范围，预设尺寸范围指的是预先设定的正常尺寸范围。

在具体实施中，根据各识别目标的基本信息确定各识别目标的车速信息、位置信息以及长宽信息，将各识别目标的车速信息与预先设定的正常车速范围进行比较得到，各识别目标的车速比较结果，根据各识别目标的位置信息计算与自动驾驶车辆之间的间距，得到各个识别目标的间距信息，再将各识别信息的尺寸信息和预先设定的正常尺寸范围进行比较，得到各识别目标的尺寸比较结果，最后根据车速比较结果、各识别目标间距信息以及尺寸比较结果进行去重过滤处理，主要是过滤长宽异常和位置异常的目标，根据视觉识别目标的类别，当目标超出该类别合理的长宽范围时，将其过滤，根据目标相对于自车的位置距离，将距离过远的目标过滤，得到多个冗余过滤数据。

步骤S33：对多个冗余拼接数据进行数据融合，得到感知融合数据。

可以理解的是，感知融合数据指的是多个感知传感器数据融合后的数据，融合设计说明如表2所示。

表2：

应当说明的是，预处理模块主要输出多视觉传感器(camera)和多雷达传感器(radar)融合后的行人、车辆以及其它目标3D位置、目标存在概率；其中，感知系统包含多个坐标系，坐标转换将摄像头，毫米波雷达输出的传感器坐标系下坐标(X

可以理解的是，运动管理输出多雷达传感器(radar)和多雷达传感器(radar)融合后的行人、车辆和其它目标，以及可跟踪的ID、方向、速度、加速度；感知融合策略的处理，将两种传感器感知的结果进行过滤后融合和跟踪处理，减少单一传感器感知能力不足的风险，相互冗余，达到提高感知能力目的；根据高度自动驾驶的使用场景和功能不同，融合策略也会不同，可以根据自身产品需求，选择不同传感器类型，不同融合策略，减少单一传感器感知的局限，保证使用的功能场景的覆盖的感知范围内至少有两种感知能力进行校验，或者保证当感知出现故障时，至少保证正前的感知能力以满足最小安全停车操作。

本实施例通过对多个冗余感知传感器采集的冗余采集数据进行预处理，得到多个冗余处理数据；对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据；对多个冗余拼接数据进行数据融合，得到感知融合数据。通过预处理冗余采集数据，得到多个冗余处理数据，再对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据，最后对多个冗余拼接数据进行数据融合，得到感知融合数据，降低了单一传感器感知能力不足的风险，提高了自动驾驶车辆感知的准确性。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有自动驾驶感知冗余控制程序，所述自动驾驶感知冗余控制程序被处理器执行时实现如上文所述的自动驾驶感知冗余控制方法的步骤。

参照图10，图10为本发明自动驾驶感知冗余控制装置第一实施例的结构框图。

如图10所示，本发明实施例提出的自动驾驶感知冗余控制装置包括：

生成模块10，用于在状态监测传感器发生故障时，生成控制接管指令。

获取模块20，用于根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据。

融合模块30，用于对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据。

控制模块40，用于根据所述感知融合数据进行车辆控制。

本实施例通过在状态监测传感器发生故障时，生成控制接管指令；根据所述控制接管指令获取多个冗余感知传感器采集的冗余采集数据；对多个冗余感知传感器采集的冗余采集数据进行数据融合，得到感知融合数据；根据所述感知融合数据进行车辆控制。通过确定状态监测传感器发生故障时，冗余控制器生成接管指令，由冗余控制器接管主控制器，获取多个冗余感知传感器采集的数据，再对多个冗余感知传感器采集的数据进行数据融合，最后根据融合后的数据对车辆进行精准控制，提高了自动驾驶车辆的感知能力，提高了自动驾驶车辆感知的效率。

在一实施例中，所述融合模块30，还用于对多个冗余感知传感器采集的冗余采集数据进行预处理，得到多个冗余处理数据；

对多个冗余处理数据进行数据拼接，得到多个冗余拼接数据；

对多个冗余拼接数据进行数据融合，得到感知融合数据。

在一实施例中，所述融合模块30，还用于基于预设坐标系分别对多个冗余感知传感器采集的冗余采集数据进行坐标转换，得到多个冗余转换数据；

根据预设惯导补偿方式分别对多个冗余转换数据进行运动补偿，得到多个冗余处理数据。

在一实施例中，所述融合模块30，还用于确定各冗余采集数据的数据到达时间；

根据预设运动模型和各冗余采集数据的数据到达时间对多个冗余处理数据进行对齐，得到多个冗余对齐数据；

根据预设过滤方式对多个冗余对齐数据进行数据过滤，得到多个冗余过滤数据；

对多个冗余过滤数据进行数据拼接，得到多个冗余拼接数据。

在一实施例中，所述融合模块30，还用于分别对多个冗余对齐数据进行目标检测，确定各冗余对齐数据中存在的多个识别目标、各识别目标的识别类型以及各识别目标的基本信息；

根据各冗余对齐数据中各识别目标的识别类型对多个冗余对齐数据进行判重，根据判重结果得到多个冗余判重数据；

根据各冗余对齐数据中各识别目标的基本信息对各冗余判重数据进行数据过滤，得到多个冗余过滤数据。

在一实施例中，所述融合模块30，还用于根据各冗余对齐数据中各识别目标的基本信息确定各识别目标的目标车速、目标位置以及目标尺寸；

将各识别目标的目标车速与预设车速范围进行比较，得到各识别目标的车速比较结果；

根据各识别目标的目标位置与目标车辆的当前位置进行距离计算，确定各识别目标与所述目标车辆之间的间距；

将各识别目标的目标尺寸与预设尺寸范围进行比较，得到各识别目标的尺寸比较结果；

根据各识别目标的车速比较结果、各识别目标与所述目标车辆之间的间距以及各识别目标的尺寸比较结果对各冗余判重数据进行数据过滤，得到多个冗余过滤数据。

在一实施例中，所述生成模块10，还用于获取主控制单元发送的控制信息；

对所述控制信息进行检测，确定所述控制信息中是否存在用户疲劳状态信息；

在所述控制信息中不存在用户疲劳状态信息时，确定状态监测传感器发生故障。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

应该理解的是，虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

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。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。