用于物体跟踪的实时主动物体融合

技术领域

本公开总体涉及自主车辆，更具体地涉及用于基于环境条件融合来自自主车辆的多个传感器的物体数据以提供改善跟踪物体的系统和方法。

背景技术

自主车辆是能够在很少或没有用户输入的情况下感知其环境并导航的车辆。自主车辆使用感测设备比如雷达、激光雷达、图像传感器比如相机等来感测其环境。自主车辆系统还使用来自全球定位系统(GPS)技术、导航系统、车辆与车辆通信、车辆与基础设施技术和/或线控驾驶系统的信息来导航车辆。

尽管近年来在自主车辆系统中取得了显著进步，但仍可以在许多方面改进这种系统。例如，由于不良的传感器和/或识别性能，当诸如雪、雨、雾或快速变化条件的环境条件发生时，物体跟踪性能降低。因此，期望提供用于在这些天气条件期间改进的跟踪物体的系统和方法。进一步期望提供用于实时重新校准相机系统的系统和方法。此外，结合附图以及前述技术领域和背景技术，根据随后的详细描述和所附权利要求，本公开的其他期望特征和特性将变得显而易见。

发明内容

提供了用于在具有多个传感器的自主车辆中跟踪物体的系统和方法。一种方法包括：通过处理器确定与自主车辆相关的环境条件类型；通过处理器响应于环境条件类型来调整与多个传感器中的第一类型传感器相关的权重；通过处理器基于调整的权重融合来自多个传感器的传感器数据；通过处理器基于融合的传感器数据跟踪自主车辆的环境中的物体；以及通过处理器基于跟踪的物体控制自主车辆。

在各个实施例中，基于天气条件类型来调整权重。在各个实施例中，天气条件类型包括雨、雪、雾和太阳眩光中的至少一个。

在各个实施例中，调整权重包括调整与多个传感器中的一组传感器相关的权重。在各个实施例中，该组包括激光雷达传感器组、超声波传感器组、雷达传感器组和相机传感器组中的至少一个。

在各个实施例中，调整基于：

其中，initWeight表示初始权重，numOfCycles表示物体存活的总时间。

在各个实施例中，该方法包括基于环境条件类型选择滤波系数。在各个实施例中，滤波系数是在预测和校正中的至少一个中使用的卡尔曼滤波系数。

在各个实施例中，选择滤波系数基于：

其中，

在各个实施例中，该方法包括基于环境条件类型来选择性地拒绝来自多个传感器中的单个传感器的传感器数据。

在另一实施例中，一种系统包括：存储多个权重的数据存储装置，每个权重与环境条件类型和传感器类型相关；以及控制模块，其配置为通过处理器确定与自主车辆相关的环境条件类型、基于多个存储的权重而响应于确定的环境条件类型来调整与多个传感器中的第一类型传感器相关的权重、基于调整的权重融合来自多个传感器的传感器数据、基于融合的传感器数据跟踪自主车辆的环境中的物体以及基于跟踪的物体控制自主车辆。

在各个实施例中，环境条件包括天气条件。

在各个实施例中，控制模块通过调整与多个传感器中的一组传感器相关的权重来调整权重。在各个实施例中，该组包括激光雷达传感器组、超声波传感器组、雷达传感器组和相机传感器组中的至少一个。

在各个实施例中，调整基于：

其中，initWeight表示初始权重，numOfCycles表示物体存活的总时间。

在各个实施例中，控制模块还配置为基于环境条件类型选择滤波系数。在各个实施例中，滤波系数是在预测和校正中的至少一个中使用的卡尔曼滤波系数。在各个实施例中，控制模块基于以下来选择滤波系数：

其中，

在各个实施例中，控制模块配置为基于环境条件类型来选择性地拒绝来自多个传感器中的单个传感器的传感器数据。

在又一实施例中，一种车辆包括：具有多个不同传感器类型的多个传感器；以及控制器，其配置为通过处理器确定与自主车辆相关的环境条件类型、响应于环境条件类型来调整与多个传感器中的第一类型传感器相关的权重、基于调整的权重融合来自多个传感器的传感器数据、基于融合的传感器数据跟踪自主车辆的环境中的物体以及基于跟踪的物体控制自主车辆。

附图说明

在下文中将结合以下附图描述示例性实施例，其中相同的数字表示相同的元件，并且其中：

图1是示出根据各个实施例的具有物体跟踪系统的自主车辆的功能框图；

图2是示出根据各个实施例的具有图1的一个或多个自主车辆的运输系统的功能框图；

图3和4是示出根据各个实施例的包括自主车辆的物体跟踪系统的自主驾驶系统的数据流程图；以及

图5是示出根据各个实施例的用于物体跟踪并基于其来控制自主车辆的控制方法的流程图。

具体实施方式

以下详细描述本质上仅是示例性的，并不旨在限制应用和使用。此外，无意受在前述技术领域、背景技术、发明内容或以下详细描述中提出的任何明示或暗示的理论约束。如本文所用，术语模块是指单独或以任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备，包括但不限于：专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或组)和存储器、组合逻辑电路和/或提供所描述功能的其他合适部件。

这里可以根据功能和/或逻辑块部件以及各种处理步骤来描述本公开的实施例。应当理解，可以通过配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现这样的块部件。例如，本公开的实施例可以采用各种集成电路部件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。另外，本领域技术人员将理解，可以结合任何数量的系统来实践本公开的实施例，并且本文描述的系统仅仅是本公开的示例性实施例。

为了简洁起见，与信号处理、数据传输、信令、控制和系统的其他功能方面(以及系统的各个操作部件)有关的常规技术在此处可能不会详细描述。此外，本文包含的各个附图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。

参照图1，根据各个实施例，总体上以100示出的物体跟踪系统与车辆10相关。如将在下面更详细地讨论，物体跟踪系统100动态地调整在物体数据融合方法中使用的权重和/或系数，该方法融合来自自主车辆的多个传感器的物体数据。在各个实施例中，物体跟踪系统100基于已知的环境条件动态地调整传感器分组权重或某些物体的跟踪权重。在各个实施例中，物体跟踪系统还基于已知的环境条件拒绝某些传感器数据在融合过程中使用。权重的调整和某些数据的拒绝改善了现有融合物体的稳定性和持久性，并改善了动态物体属性(即速度、位置、加速度等)的准确性。

如图1所示，车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16-18每个在车身14的相应角部附近旋转地联接至底盘12。

在各个实施例中，车辆10是自主车辆，并且物体跟踪系统100并入自主车辆10(在下文中称为自主车辆10)。自主车辆10例如是被自动控制以将乘客从一个位置运送到另一个位置的车辆。车辆10在所示实施例中描述为乘用车，但应当理解，也可以使用任何其他车辆，包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)、轮船、飞机等。在示例性实施例中，自主车辆10是所谓的四级或五级自动化系统。四级系统表示“高度自动化”，是指自动驾驶系统对动态驾驶任务的所有方面的驾驶模式特定性能，即使人类驾驶员没有适当地响应干预要求。五级系统表示“完全自动化”，是指自动驾驶系统在可由人类驾驶员管理的所有道路和环境条件下对动态驾驶任务的所有方面的全时性能。

如图所示，自主车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储设备32、至少一个控制器34和通信系统36。在各个实施例中，推进系统20可以包括内燃机、诸如牵引马达的电机和/或燃料电池推进系统。传动系统22配置成根据可选择的速比将动力从推进系统20传递至车轮16-18。根据各个实施例，传动系统22可包括有级传动比自动变速器、无级变速器或其他合适的变速器。制动系统26配置成向车轮16-18提供制动扭矩。在各个实施例中，制动系统26可以包括摩擦制动、线制动、诸如电机的再生制动系统和/或其他合适的制动系统。转向系统24影响车轮16-18的位置。尽管出于说明性目的示出为包括方向盘，但在本公开范围内预期的一些实施例中，转向系统24可以不包括方向盘。

传感器系统28包括一个或多个感测设备40a-40n，其感测自主车辆10的外部环境和/或内部环境的可观察到的状况。感测设备40a-40n可以包括但不限于雷达、激光雷达、全球定位系统、光学相机、热相机、超声波传感器、惯性测量单元和/或其他传感器。在各个实施例中，一些感测设备40a-40n用于检测自主车辆10的环境中的物体。在各个实施例中，一些感测设备40a-40n用于检测自主车辆10的环境的环境条件。

致动器系统30包括一个或多个致动器设备42a-42n，其控制一个或多个车辆特征，比如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各个实施例中，车辆特征还可以包括内部和/或外部车辆特征，比如但不限于门、行李箱和舱室特征，比如通风、音乐、照明等(未编号)。

通信系统36配置为与其他实体48进行无线通信，比如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程系统和/或个人设备(关于图2更详细地描述)。在示例性实施例中，通信系统36是无线通信系统，其配置为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信。然而，在本公开的范围内还考虑了诸如专用短程通信(DSRC)信道之类的附加或替代通信方法。DSRC信道是指专门为汽车使用而设计的单向或双向短程到中程无线通信信道以及一组相应的协议和标准。

数据存储设备32存储用于自动控制车辆10的数据。在各个实施例中，数据存储设备32存储可导航环境的所定义的地图。在各个实施例中，所定义的地图可由远程系统预先定义并从远程系统获得(参考图2更详细地描述)。例如，所定义的地图可以由远程系统组装并传送到自主车辆10(无线和/或以有线的方式)并且存储在数据存储设备32中。可以理解，数据存储设备32可以是控制器34的一部分，与控制器34分离，或者是控制器34的一部分和分离系统的一部分。

控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或可商购的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关的多个处理器中的辅助处理器、基于半导体的微处理器(形式为微芯片或芯片组)、宏处理器、其任何组合或通常用于执行指令的任何设备。例如，计算机可读存储设备或介质46可以包括只读存储器(ROM)、随机存取存储器(RAM)和保持活动存储器(KAM)中的易失性和非易失性存储。KAM是持久性或非易失性存储器，其可以在处理器44掉电时用于存储各种操作变量。可以使用许多已知的存储设备中的任何一种来实现计算机可读存储设备或介质46，比如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其他电、磁、光或组合存储设备，其中一些表示可执行指令，由控制器34在控制自主车辆10时使用。

指令可以包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时，指令从传感器系统28接收并处理信号，执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并且基于逻辑、计算、方法和/或算法生成至致动器系统30的控制信号以自动控制自主车辆10的部件。尽管在图1中仅示出了一个控制器34，但自主车辆10的实施例可包括任意数量的控制器34，它们通过任何合适的通信介质或通信介质的组合进行通信，并且配合以处理传感器信号，执行逻辑、计算、方法和/或算法，并且生成控制信号以自动控制自主车辆10的特征。

在各个实施例中，控制器34的一个或多个指令体现在物体跟踪系统100中，并且当由处理器44执行时，处理来自传感器系统28的数据，以便在自主车辆10的可导航环境内检测和跟踪物体。如以下将更详细地讨论，一个或多个指令基于融合方法和权重处理数据，权重基于检测到的可能影响传感器信息(例如雨、雪、雾、太阳眩光等)的环境条件被动态地调整。

现在参考图2，在各个实施例中，参照图1描述的自主车辆10可能适合在某个地理区域(例如城市、学校或商业园区、购物中心、游乐园、活动中心等)中的出租车或班车系统的环境中使用，或者可能只需由远程系统管理。例如，自主车辆10可以与基于自主车辆的远程运输系统相关。图2示出了总体上以50示出的操作环境的示例性实施例，该操作环境包括基于自主车辆的远程运输系统52，将其与参照图1描述的一个或多个自主车辆10a-10n相关。在各个实施例中，操作环境50还包括一个或多个用户设备54，其通过通信网络56与自主车辆10和/或远程运输系统52通信。

通信网络56根据需要支持由操作环境50支持的设备、系统和部件之间的通信(例如经由有形的通信链路和/或无线通信链路)。例如，通信网络56可以包括诸如蜂窝电话系统之类的无线载波系统60，其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)以及将无线载波系统160与陆地通信网络连接所需的任何其他联网部件。每个蜂窝塔包括发送和接收天线以及基站，来自不同蜂窝塔的基站直接或通过诸如基站控制器的中间装备连接到MSC。无线载波系统60可以实现任何合适的通信技术，包括例如数字技术，比如CDMA(例如CDMA2000)、LTE(例如4G LTE或5G LTE)、GSM/GPRS或者其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置也是可能的，并且可以与无线载波系统60一起使用。例如，基站和蜂窝塔可以共同位于同一地点，它们也可以位于彼此遥远的位置，每个基站可以负责单个蜂窝塔，或单个基站可以服务于各个蜂窝塔，或各个基站可以耦合到单个MSC，仅举几个可能的布置。

除了包括无线载波系统60之外，还可以包括卫星通信系统64形式的第二无线载波系统，以提供与自主车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发送站(未示出)来完成。单向通信可以包括例如卫星无线电服务，其中节目内容(新闻、音乐等)由发送站接收，打包后上传，然后发送到卫星，它将节目广播给订户。双向通信可以包括例如卫星电话服务，其使用卫星来中继车辆10与站之间的电话通信。除了无线载波系统60或代替其，还可以利用卫星电话。

可以进一步包括陆地通信系统62，其是连接到一个或多个陆线电话并且将无线载波系统60连接到远程运输系统52的常规的基于陆地的电信网络。例如，陆地通信系统62可以包括公共交换电话网络(PSTN)，比如用于提供硬线电话，分组交换数据通信和互联网基础设施。可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、其他无线网络(比如无线局域网(WLAN))或提供宽带无线访问(BWA)的网络或其任何组合来实现陆地通信系统62的一个或多个网段。此外，远程运输系统52不需要经由陆地通信系统62连接，而是可以包括无线电话装备，从而其可以与诸如无线载波系统60的无线网络直接通信。

尽管在图2中仅示出了一个用户设备54，但操作环境50的实施例可以支持任何数量的用户设备54，包括一个人拥有、操作或以其他方式使用的多个用户设备54。可以使用任何适当的硬件平台来实现由操作环境50支持的每个用户设备54。就这一点而言，用户设备54可以任何常见的形式来实现，包括但不限于：台式计算机；移动计算机(例如平板计算机、膝上型计算机或上网本计算机)；智能手机；视频游戏设备；数字媒体播放器；一件家庭娱乐设备；数码相机或摄像机；可穿戴计算设备(例如智能手表、智能眼镜、智能服装)等。由操作环境50支持的每个用户设备54被实现为具有需要执行本文所述的各种技术和方法的硬件、软件、固件和/或处理逻辑的计算机实现的或基于计算机的设备。例如，用户设备54包括可编程设备形式的微处理器，其包括存储在内部存储器结构中并应用于接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中，用户设备54包括GPS模块，其能够接收GPS卫星信号并基于那些信号生成GPS坐标。在其他实施例中，用户设备54包括蜂窝通信功能，使得该设备使用一种或多种蜂窝通信协议通过通信网络56执行语音和/或数据通信，如本文所讨论。在各个实施例中，用户设备54包括视觉显示器，比如触摸屏图形显示器或其他显示器。

远程运输系统52包括一个或多个后端服务器系统，其可以是基于云的、基于网络的或者驻留在由远程运输系统52服务的特定校园或地理位置处。远程运输系统52可以由现场顾问、自动顾问或两者的结合来值守。远程运输系统52可以与用户设备54和自主车辆10a-10n通信，以调度行程、分派自主车辆10a-10n等。在各个实施例中，远程运输系统52存储商店账户信息，比如订户认证信息、车辆标识符、简档记录、行为模式以及其他相关的订户信息。

根据典型的用例工作流程，远程运输系统52的注册用户可以经由用户设备54创建乘车请求。乘车请求通常将指示乘客的期望上车位置(或当前GPS位置)、期望目的地位置(其可以标识预定义的车辆停靠站和/或用户指定的乘客目的地)以及上车时间。远程运输系统52接收乘坐请求，处理该请求，并分派自主车辆10a-10n中的选定一个(当并且如果有的话)，以在指定的上车位置和适当的时间接载乘客。远程运输系统52还可以生成适当配置的确认消息或通知并将其发送到用户设备54，以使乘客知道车辆在路上。

可以理解，本文公开的主题为可被视为标准或基准自主车辆10和/或基于自主车辆的远程运输系统52提供某些增强的特征和功能。为此，自主车辆和基于自主车辆的远程运输系统可被修改、增强或以其他方式补充以提供以下更详细描述的附加特征。

根据各个实施例，控制器34实现如图3所示的自主驾驶系统(ADS)70。也就是说，控制器34(例如处理器44和计算机可读存储设备46)的合适软件和/或硬件部件被用于提供与车辆10结合使用的自主驾驶系统70。

在各个实施例中，自主驾驶系统70的指令可以按功能、模块或系统来组织。例如，如图2所示，自主驾驶系统70可以包括计算机视觉系统74、定位系统76、引导系统78和车辆控制系统80。可以理解，在各个实施例中，指令可被组织到任意数量的系统中(例如组合的、进一步分区的等)，因为本公开不限于本示例。

在各个实施例中，计算机视觉系统74合成并处理传感器数据，并预测车辆10的环境的物体和特征的存在、位置、分类和/或路径。在各个实施例中，计算机视觉系统74可以合并来自传感器系统28的多个传感器的信息，传感器包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器。在各个实施例中，计算机视觉系统74包括本公开的物体跟踪系统100。

定位系统76将传感器数据与其他数据一起处理以确定车辆10相对于环境的位置(例如相对于地图的局部位置、相对于道路的车道的精确位置、车辆前进方向、速度等)。引导系统78将传感器数据与其他数据一起处理以确定车辆10要遵循的路径。车辆控制系统80根据确定的路径生成用于控制车辆10的控制信号。

在各个实施例中，控制器34实施机器学习技术以辅助控制器34的功能，比如特征检测/分类、障碍物缓解、路线穿越、地图绘制、传感器集成、地面真相确定等。

如以上简要提及，图1的物体跟踪系统100的各部分包括在ADS70内，例如作为计算机视觉系统74的一部分或作为单独的系统。例如，如关于图4更详细地示出并继续参考图1-3，物体跟踪系统100包括环境条件评估模块102、权重调整模块104、系数调整模块106、传感器数据拒绝模块108和融合模块110。可以理解，根据本公开的校准系统100的各个实施例可以包括任何数量的子模块。可以理解，图4所示的子模块可以组合和/或进一步划分，以类似动态地调整在融合传感器数据中使用的权重。

在各个实施例中，环境条件评估模块102接收指示自主车辆10的环境的天气条件的环境数据112。此类数据可以包括但不限于来自传感器系统28的数据、云源数据、来自远程系统的天气数据或指示环境条件的任何其他数据。环境条件评估模块102处理所接收的环境数据112以确定当前环境条件类型114。这种环境条件类型可以包括但不限于雨、雾、雪、太阳眩光、雨夹雪、正常等。可以理解，环境条件评估模块102可以基于各种条件检测方法来确定类型114，并且不限于任何一种方法。

权重调整模块104接收当前环境条件类型114。权重调整模块104基于当前环境条件类型114来调整与传感器系统28的单独传感器或传感器组相关的分组权重116。例如，权重可被预先定义并存储在权重数据存储118中。每个权重与传感器类型(例如激光雷达、雷达、超声波、相机等)和环境条件(例如雨、雾、雪、太阳眩光、正常等)相关。当当前环境条件类型114指示影响诸如雨、雾、雪、太阳眩光等传感器信息的类型时，从权重数据存储118中为每种传感器类型或传感器组检索与当前环境条件类型相对应的权重。然后基于检索到的权重(envGateWeight)和以下关系为每个传感器或传感器组计算权重：

其中，initWeight表示初始权重，numOfCycles表示物体存活的总时间(例如时间＝循环数*周期性速率)。

当当前环境条件类型指示不影响传感器信息(比如正常天气)的类型时，从权重数据存储118中为每种传感器类型或传感器组检索标称权重。

系数调整模块106接收当前环境条件类型114。系数调整模块106基于当前环境条件类型114来调整在物体跟踪的预测和校正中使用的系数120。在各个实施例中，该系数是在预测和校正中使用的卡尔曼系数。例如，可以预先定义多个系数并将其存储在系数数据存储122中。每个系数与环境条件(例如雨、雾、雪、太阳眩光、正常等)相关。当当前环境条件类型114指示影响诸如雨、雾、雪、太阳眩光之类的传感器信息的类型时，从系数数据存储122中检索与当前环境条件类型相对应的系数。然后，基于检索到的系数和以下关系来计算系数：

其中，

当当前环境条件类型114指示不影响传感器信息(比如正常天气)的类型时，将从系数数据存储122中检索标称系数。

传感器数据拒绝模块108接收当前环境条件类型114以及来自传感器系统28的传感器数据124。传感器数据拒绝模块108基于与当前环境条件类型114相关的标准偏差包络单独评估来自每个传感器的数据。当单独传感器数据在与当前环境条件相关的标准偏差包络之外时，拒绝单独传感器数据在融合过程中使用。当单独传感器数据在与当前环境条件相关的标准偏差包络内时，单个传感器数据被接受用于融合过程。然后使接受的传感器数据126的收集可用于融合。

传感器数据融合模块110接收接受的传感器数据126、权重116和系数120。传感器数据融合模块110基于权重116、系数120以及融合方法将接受的传感器数据126融合为数据的单点云。可以理解，可以使用使用权重和/或系数的各种融合方法，因为传感器数据融合模块110不限于任何一种方法。然后使融合数据128可用于物体跟踪和基于其来控制自主车辆10。

现在参照图5，并继续参照图1-4，流程图示出了根据本公开的可以由图1和4的物体跟踪系统100执行的控制方法400。根据本公开可以理解，该方法内的操作顺序不限于如图5所示的顺序执行，而是可以根据本公开以适用的一种或多种变化顺序来执行。在各个实施例中，方法400可被调度为基于一个或多个预定事件运行，和/或可以在自主车辆10的操作期间连续运行。

在一示例中，该方法可以在405开始。例如，在410确定存在影响传感器信息的环境条件，如上所述。

如果在410存在影响传感器信息的环境条件，则该方法在420继续选择标称分组和/或跟踪权重并且在430选择标称滤波系数。此后，所选标称权重和所选标称滤波系数用于融合来自传感器系统的多个传感器的数据的过程，以便在440跟踪物体并控制自主车辆10。此后，该方法可以在450结束。

然而，如果在410存在影响传感器信息的环境条件，则例如在460将融合分组权重调整为观察到的一个或多个环境条件，如上所述。此后，例如在470，基于观察到的一个或多个环境条件来选择滤波系数用于卡尔曼预测和校正，如上所述。

此后，在480确定当前环境条件类型的标准偏差(STD)包络，并在490对其进行评估。例如，在490确定所有单独传感器数据是否都落在观察到的一个或多个环境条件的自定义标准偏差(STD)包络内。

如果在490所有融合的跟踪都在STD包络内，则融合的跟踪都被接受。此后，所选权重和滤波系数用于融合来自传感器系统28的多个传感器的接受的传感器数据的过程，以便在440跟踪物体并控制自主车辆10。此后，该方法可以在450结束。

如果在490，单独传感器数据中的一个或多个在STD包络之外，则在500，拒绝单独传感器数据。此后，该方法继续基于分组权重和/或所选滤波系数仅融合来自多个传感器的接受的传感器数据，以在440跟踪物体并控制自主车辆10。此后，该方法可以在450结束。

尽管在以上详细描述中已经呈现了至少一个示例性实施例，但应当理解，存在大量的变型。还应当理解，一个或多个示例性实施例仅是示例，并且无意以任何方式限制本公开的范围、适用性或配置。相反，前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施例的便利路线图。应该理解的是，在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。