一种基于车载传感器的目标融合方法及系统

技术领域

本发明涉及数据融合技术领域，具体涉及一种基于车载传感器的目标融合方法及系统。

背景技术

随着社会经济的高速发展以及人们对出行需求的不断提升，车载传感器也在逐渐发展，车载激光雷达和车载毫米波雷达是车辆传感器的重要组成部分，发挥着重要的作用。通过对反射回波情况进行分析，研究反射回波中附带的反馈信息并进行相应分析，总结毫米波和激光的特点和其中存在的问题，同时设置相应的数据分析系统，对于提升车辆行驶安全，具有非常重要的意义。

现有技术中存在的车载传感器由于不够严谨且数据源单一而导致车身周围环境检测不准确的问题，使得最终关于障碍物的检测具有较低的精确度。

发明内容

本申请提供了一种基于车载传感器的目标融合方法及系统，解决了现有技术中存在的车载传感器由于不够严谨且数据源单一而导致车身周围环境检测不准确的问题，实现了关于高精确度的障碍物的检测。

鉴于上述问题，本申请提供了一种基于车载传感器的目标融合方法。

第一方面，本申请提供了一种基于车载传感器的目标融合方法，方法包括：通过对车载毫米波雷达和车载激光雷达进行采样频率配准；通过采样频率配准后的车载毫米波雷达对第一车辆的行驶环境进行障碍物探测，获得第一障碍物识别结果；通过采样频率配准后的车载激光雷达对所述第一车辆的行驶环境进行障碍物探测，获得第二障碍物识别结果；根据所述第一障碍物识别结果和所述第二障碍物识别结果获取所述车载毫米波雷达和所述车载激光雷达的第一检测精度和第二检测精度；根据所述第一检测精度和所述第二检测精度对所述第一障碍物识别结果、所述第二障碍物识别结果进行融合分析，得到目标融合结果。

第二方面，本申请提供了一种基于车载传感器的目标融合系统，系统包括：频率配准模块：对车载毫米波雷达和车载激光雷达进行采样频率配准；毫米波雷达模块：通过采样频率配准后的车载毫米波雷达对第一车辆的行驶环境进行障碍物探测，获得第一障碍物识别结果；激光雷达模块：通过采样频率配准后的车载激光雷达对所述第一车辆的行驶环境进行障碍物探测，获得第二障碍物识别结果；检测精度模块：根据所述第一障碍物识别结果和所述第二障碍物识别结果获取所述车载毫米波雷达和所述车载激光雷达的第一检测精度和第二检测精度；融合分析模块：根据所述第一检测精度和所述第二检测精度对所述第一障碍物识别结果、所述第二障碍物识别结果进行融合分析，得到目标融合结果。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种基于车载传感器的目标融合方法及系统，通过对车载毫米波雷达和车载激光雷达进行采样频率配准，再用采样频率配准后的车载毫米波雷达对第一车辆的行驶环境进行障碍物探测，获得第一障碍物识别结果，用采样频率配准后的车载激光雷达对第一车辆的行驶环境进行障碍物探测，获得第二障碍物识别结果，根据得到的第一障碍物识别结果和第二障碍物识别结果获取车载毫米波雷达和车载激光雷达的第一检测精度和第二检测精度，对第一障碍物识别结果、第二障碍物识别结果进行融合分析，得到目标融合结果，解决了现有技术中存在的车载传感器由于不够严谨且数据源单一而导致车身周围环境检测不准确的问题，实现了关于高精确度的障碍物的检测。

附图说明

图1为本申请提供了一种基于车载传感器的目标融合方法流程示意图；

图2为本申请提供了一种基于车载传感器的目标融合系统结构示意图。

附图标记说明：坐标系构建模块11，加速度数据获取模块12，姿态参考基准数据集获取模块13，三维姿态映射模块14，姿态角获取模块15，当前姿态判断模块16。

具体实施方式

本申请通过提供一种基于车载传感器的目标融合方法及系统，通过对车载毫米波雷达和车载激光雷达进行采样频率配准，再用采样频率配准后的车载毫米波雷达对第一车辆的行驶环境进行障碍物探测，获得第一障碍物识别结果，用采样频率配准后的车载激光雷达对第一车辆的行驶环境进行障碍物探测，获得第二障碍物识别结果，根据得到的第一障碍物识别结果和第二障碍物识别结果获取车载毫米波雷达和车载激光雷达的第一检测精度和第二检测精度，对第一障碍物识别结果、第二障碍物识别结果进行融合分析，得到目标融合结果。解决了现有技术中存在的车载传感器由于不够严谨且数据源单一而导致车身周围环境检测不准确的问题，实现了关于高精确度的障碍物的检测。

实施例一

如图1所示，本申请提供了一种基于车载传感器的目标融合方法及系统，方法包括：

对车载毫米波雷达和车载激光雷达进行采样频率配准；

车载毫米波雷达是一种在毫米波波段进行探测的雷达，车载激光雷达是一种移动型三维激光扫描系统，将激光进行发射，再照射到物体时产生反射，将反射回的信息进行接收，并根据反射回的信息进行被测物体描述。对车载毫米波雷达的采样频率设置为同步状态，同时将车载激光雷达的频率也进行设置，将车载激光雷达的频率也设置为同步状态，并使用通信系统进行连接，将车载毫米波雷达与车载激光雷达的频率进行同步，对车载毫米波雷达和车载激光雷达以同样的频率进行采样，获取毫米波雷达采样结果和车载激光雷达采样结果，其中，毫米波雷达采样结果与车载激光雷达采样结果按照采样时间进行采样结果展示，由于频率同步，采样结果也按照采样时间进行同步，毫米波雷达采样结果与车载激光雷达采样结果具有一一对应关系，对车载毫米波雷达和车载激光雷达进行采样频率配准，能够保证不同传感器采集的数据是同一时间下所采集的，省去了后续对采集结果进行同时校准的步骤，提高了后续处理的效率。

通过采样频率配准后的车载毫米波雷达对第一车辆的行驶环境进行障碍物探测，获得第一障碍物识别结果；

车载毫米波雷达主要功能为距离测量、速度测量和角度测量，通过毫米波雷达对第一车辆的周围进行检测，发射毫米波信号，对回波信号进行获取，得出发射信号和回波信号之间的时间间隔，结合毫米波传播速度，以及被检测物体与车载毫米波雷达的相对速度进行计算，获得计算结果，计算结果为车载毫米波雷达与被检测目标的距离。在第一车辆的车前设置车载毫米波雷达，用于检测车前是否具有障碍物和车前障碍物距离第一车辆的距离，在第一车辆的车尾处也进行车载毫米波雷达布置，在第一车辆进行倒车时，可以通过第一车辆对车尾的障碍物进行检测，获取车尾障碍物与第一车辆的相对位置，为第一车辆在倒车时提供辅助。对第一车辆的行驶环境进行障碍物探测，获取障碍物探测结果，将障碍物探测结果作为第一障碍物识别结果，第一障碍物识别结果为后续获取车载毫米波雷达和车载激光雷达的第一检测精度提供数据基础。

通过采样频率配准后的车载激光雷达对所述第一车辆的行驶环境进行障碍物探测，获得第二障碍物识别结果；

车载激光雷达通过激光发射装置对周围发射激光光束，当周围存在障碍物时，障碍物会对车载激光雷达发射出的激光光束进行接收，并将车载激光雷达发射出的激光光束进行反射，通过车载激光雷达的反射波接收装置进行接收，获取激光在发射时到接受该反射波之间的时间差，并对该时间差进行提取，结合激光传播速度，计算障碍物与第一车辆之间的距离，获取计算结果。根据得到的障碍物之间的距离，对被测物体进行两次特定时间间隔的激光测距，获得与被测物体之间的距离，根据距离和特定的时间间隔进行被测物体的时间计算，从而得到障碍物的移动速度，将障碍物的移动速度和障碍物与第一车辆的距离和位置信息构建为第二障碍物识别结果，通过车载激光雷达对第一车辆周围的障碍物进行检测，获得检测结果，检测结果即为第二障碍物识别结果，为后续获取车载激光雷达的第二检测精度提供数据基础。

根据所述第一障碍物识别结果和所述第二障碍物识别结果获取所述车载毫米波雷达和所述车载激光雷达的第一检测精度和第二检测精度；

由于车载激光雷达在工作时容易受天气和大气影响，在天气晴朗的环境中衰减较小，但在大雨、浓烟、浓雾等环境中，会急速衰减，传播距离也会因为衰减而导致出现影响，所以车载激光雷达在恶劣天气中会出现精度较低等情况，需要对车载激光雷达进行精度检测；对于车载毫米波雷达而言，毫米波雷达发射的波的波长更长，且更长的波长比较依赖镜面反射来帮助绕过障碍物，但大部分障碍物表面无法做到完全镜面反射，会产生一定量的漫反射，漫反射会将一部分能量送到许多不同的方向，这样就会导致车载毫米波雷达对于反射回来的波接收的就更少，会导致一定信息的不足和缺失，进而导致车载毫米波雷达的障碍物识别结果的精度出现问题，需要对其进行精度测试。通过车载激光雷达对测试障碍物进行障碍物识别，获取激光障碍物识别结果，并通过对测试障碍物进行实际测量，获取实际测量结果，将激光障碍物识别结果与实际测量结果进行比对。获取比对结果，将比对结果进行精确度分析，获得车载激光雷达的检测精度，将车载激光雷达的检测精度称为第一检测精度；同理可得，通过车载毫米波雷达对测试障碍物进行障碍物识别，获取毫米波障碍物识别结果，并通过对测试障碍物进行实际测量，获取毫米波实际测量结果，将毫米波障碍物识别结果与毫米波实际测量结果进行比对。获取毫米波比对结果，将毫米波比对结果进行精确度分析，获得车载毫米波雷达的检测精度，将车载毫米波雷达的检测精度称为第二检测精度，为后续根据第一检测精度和第二检测精度对第一障碍物识别结果、第二障碍物识别结果进行融合分析，得到目标融合结果提供数据基础。

根据所述第一检测精度和所述第二检测精度对所述第一障碍物识别结果、所述第二障碍物识别结果进行融合分析，得到目标融合结果。

将车载毫米波雷达对于障碍物识别结果和车载激光雷达对于障碍物识别结果进行融合，以此增加车载毫米波雷达和车载激光雷达对于识别结果的准确性，用车载毫米波雷达的有点弥补车载激光雷达的缺点，同样的，用车载激光雷达的优点弥补车载毫米波雷达的缺点，将二者发挥出一加一大于二的效果。其中，毫米波雷达在大气中衰减较为严重，但是其具有高数据速率、低延迟等等特点，而激光雷达的数据更加精准和直观，但是其低数据速率的特点严重限制发挥。将车载毫米波雷达对于障碍物识别结果进行坐标转换，并在图像坐标系中进行表示，同样的，将车载激光雷达对于障碍物识别结果进行坐标转换，得到车载激光雷达坐标系数据，并将坐标系数据在图像坐标系中进行表示，并根据精准度对图像坐标数据进行修正，得到修正坐标系数据，再对车载雷达识别结果和车载毫米波雷达识别结果进行加权计算，得到加权计算结果，并进行输出，得到目标融合结果。目标融合结果能够增加车载毫米波雷达和车载激光雷达对于识别结果的准确性，进而提高车辆对于障碍物识别的准确性。

进一步而言，所述系统还包括：

通过车载毫米波雷达对所述第一车辆的行驶环境进行多方向探测，获得多个第一反射回波数据集；

对所述多个第一反射回波数据集进行滤噪处理，获得所述多个第一探测数据集；

根据所述多个第一探测数据集进行目标障碍物的点迹识别，获得多个第一点迹识别结果；

所述个第一点迹识别结果组合得到所述第一障碍物识别结果。

通过车载毫米波雷达对第一车辆进行多方向的行驶环境探测，不仅需要对车辆行驶方向进行探测，还需要对行驶方向的右前方和左前方进行探测，获取多个方向的反射回波，将多个方向上的反射回波数据构建为第一反射回波数据集，由于采集到的反射回波数据具有大量的干扰信息，需要对反射回波数据进行滤噪处理，将反射回波数据通过滤噪算法进行处理，获得多个第一探测数据集，将多个第一探测数据集通过点迹识别，获取对目标障碍物的点击识别结果，点迹识别结果是一系列的点构成的三维点数据集合，通过将三维点数据集合在三维坐标系中进行表示，即可构建出目标障碍物，并且点迹集合具有坐标和位置信息，根据计算可以获得与目标障碍物的距离和目标障碍物的速度信息。使用粒子群优化算法对目标障碍物进行点迹识别，计算出目标障碍物的点迹的位置信息和速度信息，速度信息即决定点迹的方向和距离，将获得的多个第一点迹识别结果进行组合，得到组合结果，将组合结果进行输出获得第一障碍物识别结果；同理可得，通过车载激光雷达对第一车辆进行多方向的行驶环境探测，获取多个方向上的激光反射回波，将多个方向上的激光反射回波构建为第二反射回波数据集，对第二回波反射数据集进行滤噪处理，获取多个第二探测数据集，通过粒子群优化算法对第二探测数据集进行目标障碍物的点迹识别，获取多个第二点迹识别结果，将多个第二点迹识别结果进行组合，获得第二障碍物识别结果。第一障碍物识别结果和第二障碍物识别结果的获取，为后续根据第一障碍物识别结果和第二障碍物识别结果获取车载毫米波雷达和车载激光雷达的第一检测精度和第二检测精度提供数据基础。

进一步而言，所述系统还包括：

获取预定图像基准坐标系；

根据所述预定图像基准坐标系对所述第一障碍物识别结果、所述第二障碍物识别结果进行坐标转换，获得第一转换识别结果、第二转换识别结果；

对所述第一转换识别结果、第二转换识别结果进行加权计算，获得所述目标融合结果。

坐标系分为世界坐标系和车辆坐标系，其中，世界坐标系是以地面作为基准建立的参考坐标系；车辆坐标系是以第一车辆为基准，跟随第一车辆进行移动的坐标系，由于车载激光雷达与车载毫米波雷达与第一车辆相连接，其没有相对移动，根据车载激光雷达和车载毫米波雷达构建的相对坐标系即为以第一车辆为基准构建的坐标系，通过车载激光雷达与车载毫米波雷达获取的第一障碍物识别结果和第二障碍物识别结果是以车辆坐标系为基准的坐标数据，需要将以车辆坐标系为基准的第一障碍物识别结果和第二障碍物识别结果转换到以世界坐标系中。构建以世界坐标系为基础的预定图像基准坐标系，将车辆坐标系中的第一障碍物识别结果和第二障碍物识别结果按照坐标位置，转换到相应的预定图像基准坐标系中，建立映射关系，并根据映射关系将全部第一障碍物识别结果和第二障碍物识别结果进行坐标转换，得到第一转换识别结果、第二转换识别结果，对第一转换识别结果、第二转换识别结果根据识别情况进行权重分配，获取权重分配结果，按照权重分配结果进行计算将计算结果作为目标融合结果进行输出，将第一转换识别结果、第二转换识别结果进行坐标系转换，为后续进行目标融合提供融合基础。

进一步而言，所述系统还包括：

获取所述车载毫米波雷达和所述车载激光雷达的第一初始检测精度和第二初始检测精度；

根据所述多个第一反射回波数据集和所述多个第一探测数据集，获取滤噪数据量与反射回波数据量的比值作为所述车载毫米波雷达的第一实时检测精度；

获取所述车载激光雷达的第二实时检测精度；

对所述第一初始检测精度和所述第一实时检测精度、所述第二初始检测精度和所述第二初始检测精度进行叠加，获取所述第一检测精度和所述第二检测精度；

根据所述第一检测精度和第二检测精度进行权重分配，获得多个权重分配结果；

根据所述多个权重分配结果对所述第一转换识别结果、第二转换识别结果进行加权计算，获得所述目标融合结果。

对车载毫米波雷达和车载激光雷达本身的传感器原件本身的精度进行检测并获取检测结果，根据传感器本身的精度对获取的第一障碍物识别结果和第二障碍物识别结果进行参数修正，得到更加准确的第一障碍物识别结果和第二障碍物识别结果。将车载毫米波雷达和车载激光雷达的传感器本身精度进行获取，初始精度结果，将初始精度结果输出为第一属实检测精度和第二初始检测精度，除了传感器本身的精度影响外，在采集过程中噪声对于采集结果也具有精度影响，对噪声影响程度进行计算，将多个第一反射回波数据集和多个第一探测数据集的滤噪的噪声数据进行获取，得到多个第一反射回波数据集和多个第一探测数据集的滤噪数据量，将滤噪数据量与反射回波数据量作比，获取滤噪数据量与反射回波数据量的比值，将比值结果作为车载毫米波雷达的第一实时检测精度；同理可得，将滤噪数据量与激光雷达反射回波数据量作比，获取滤噪数据量与激光雷达反射回波数据量的比值，将比值结果作为车载激光雷达的第二实时检测精度。对第一初始检测精度和第一实时检测精度进行叠加，获取叠加结果，将叠加结果进行输出，得到第一检测精度；同理可得，对第二初始检测精度和第二初始检测精度进行叠加，获得叠加结果，将叠加结果进行输出，得到第二检测精度。根据第一检测精度和第二检测精度进行权重分配，在不同环境情况下对第一检测精度和第二检测精度分配权重不一样，当所处检测环境有利于毫米波雷达进行检测时，增加第一检测精度的分配值，当所处环境更适合车载激光雷达进行检测时，则增加第二检测精度的权重值分配，获得多个权重分配结果，根据多个权重分配结果对第一转换识别结果、第二转换识别结果进行加权计算，将加权计算结果作为目标融合结果进行输出。对第一初始检测精度和第一实时检测精度、第二初始检测精度和第二初始检测精度进行叠加，使获取的第一检测精度和第二检测精度能够更加精确，进一步提高最终目标融合结果的准确度。

进一步而言，所述系统还包括：

根据所述第一转换识别结果、第二转换识别结果提取第一点迹转换结果和第二点迹转换结果，其中，所述第一点迹转换结果和第二点迹转换结果为所述车载毫米波雷达和所述车载激光雷达对同一障碍物的识别结果；

计算获取所述第一点迹转换结果和第二点迹转换结果的第一距离；

判断所述第一距离是否处于预定距离阈值，如果是，根据所述多个权重分配结果获取第一权重分配结果，

根据所述第一权重分配结果对所述第一点迹转换结果和第二点迹转换结果进行加权计算，获得第一点迹融合结果，以所述第一点迹融合机构组成所述目标融合结果。

对第一转换识别结果进行点迹提取，将提取后的点迹作为第一点迹转换结果，对第二转换识别结果进行点迹提取，简体去后的点迹作为第二点迹转换结果，第一点迹转换结果和第二点迹转换结果都是由车载毫米波雷达和车载激光雷达对同一个障碍物进行采集识别的结果。根据第一点迹转换结果和第二点迹转换结果计算出第一距离，第一距离是指第一点迹转换结果和第二点迹转换结果的差，以此来判断两个转换结果的误差大小。设置预定阈值，以预定阈值对第一距离进行判断，如果不满足阈值则说明两个距离较远，误差较大，进行进一步处理；如果判断第一距离满足阈值，则根据多个权重分配结果获取权重分配结果，将权重分配结果进行输出，得到第一权重分配结果。根据第一权重分配结果对第一迹点转换结果和第二点迹转换结果进行加权计算，获取加权计算结果，结果为第一点迹融合结果，获取多个第一点迹融合结果，并将多个第一点迹融合结果进行组合，获得目标融合结果。通过对第一点迹转换结果和第二点迹转换结果进行加权计算，能够使获得的融合结果更加符合当前第一车辆的行车场景，对周围障碍物的检测也更加准确。

进一步而言，所述系统还包括：

如果否，提取所述第一权重分配结果中的第一权重系数和第二权重系数；

获取所述第一权重系数和第二权重系数的权重差值；

如果所述权重差值大于预定差值，获取最大权重系数对应的点迹转换结果作为所述第一点迹融合结果；

如果所述权重差值小于等于预定差值，生成重新检测指令，通过所述重新检测指令控制所述车载毫米波雷达和车载激光雷达对所述第一点迹转换结果和第二点迹转换结果对应的目标处进行重新检测。

对第一距离是否处于预定距离阈值进行判定，当判定结果为没有达到阈值时，将第一权重分配结果中的第一权重系数和第二权重系数进行提取，将第一权重系数和第二权重系数进行相减并获取绝对值，获取计算结果，将计算结果输出为第一权重系数和第二权重系数的权重差值，判定权重差值与预定差值的大小，如果权重差值大于预定差值，则对最大权重系数对应的点迹转换结果进行获取，并将最大权重系数对应的点迹转换结果作为第一点迹融合结果，这表明，两个差值越大越代表其中一个检测精度越高，而另一个检测精度就越低且以高的值为准，如果两个值相差不大，则说明两个检测精度并无区别，需要进行重新检测。如果权重差值小于等于预定差值，则进行重新检测指令的生成，将重新检测指令发送至检测系统中，通过重新检测指令控制车载毫米波雷达和车载激光雷达对第一点迹转换结果和第二点迹转换结果对应的目标处进行重新检测，获取重新检测结果，对于不满足阈值的情况，将不满足阈值的第一距离进行重新处理，通过对权重差值进行判断分析，对计算结果进行再次处理并利用，节约了算力。

实施例二

基于与前述实施例中一种基于车载传感器的目标融合方法相同的发明构思，如图2所示，本申请提供了一种基于车载传感器的目标融合系统，所述系统包括：

频率配准模块11：所述频率配准模块11用于对车载毫米波雷达和车载激光雷达进行采样频率配准；

毫米波雷达模块12：所述毫米波雷达模块12用于通过采样频率配准后的车载毫米波雷达对第一车辆的行驶环境进行障碍物探测，获得第一障碍物识别结果；

激光雷达模块13：所述激光雷达模块13用于通过采样频率配准后的车载激光雷达对所述第一车辆的行驶环境进行障碍物探测，获得第二障碍物识别结果；

检测精度模块14：所述检测精度模块14用于根据所述第一障碍物识别结果和所述第二障碍物识别结果获取所述车载毫米波雷达和所述车载激光雷达的第一检测精度和第二检测精度；

融合分析模块15：所述融合分析模块15用于根据所述第一检测精度和所述第二检测精度对所述第一障碍物识别结果、所述第二障碍物识别结果进行融合分析，得到目标融合结果。

进一步的，毫米波雷达模块12包括以下执行步骤：

通过车载毫米波雷达对所述第一车辆的行驶环境进行多方向探测，获得多个第一反射回波数据集；

对所述多个第一反射回波数据集进行滤噪处理，获得所述多个第一探测数据集；

根据所述多个第一探测数据集进行目标障碍物的点迹识别，获得多个第一点迹识别结果；

所述个第一点迹识别结果组合得到所述第一障碍物识别结果。

进一步的，融合分析模块15包括以下执行步骤：

获取预定图像基准坐标系；

根据所述预定图像基准坐标系对所述第一障碍物识别结果、所述第二障碍物识别结果进行坐标转换，获得第一转换识别结果、第二转换识别结果；

对所述第一转换识别结果、第二转换识别结果进行加权计算，获得所述目标融合结果。

进一步的，融合分析模块15包括以下执行步骤：

获取所述车载毫米波雷达和所述车载激光雷达的第一初始检测精度和第二初始检测精度；

根据所述多个第一反射回波数据集和所述多个第一探测数据集，获取滤噪数据量与反射回波数据量的比值作为所述车载毫米波雷达的第一实时检测精度；

获取所述车载激光雷达的第二实时检测精度；

对所述第一初始检测精度和所述第一实时检测精度、所述第二初始检测精度和所述第二初始检测精度进行叠加，获取所述第一检测精度和所述第二检测精度；

根据所述第一检测精度和第二检测精度进行权重分配，获得多个权重分配结果；

根据所述多个权重分配结果对所述第一转换识别结果、第二转换识别结果进行加权计算，获得所述目标融合结果。

进一步的，融合分析模块15包括以下执行步骤：

根据所述第一转换识别结果、第二转换识别结果提取第一点迹转换结果和第二点迹转换结果，其中，所述第一点迹转换结果和第二点迹转换结果为所述车载毫米波雷达和所述车载激光雷达对同一障碍物的识别结果；

计算获取所述第一点迹转换结果和第二点迹转换结果的第一距离；

判断所述第一距离是否处于预定距离阈值，如果是，根据所述多个权重分配结果获取第一权重分配结果，

根据所述第一权重分配结果对所述第一点迹转换结果和第二点迹转换结果进行加权计算，获得第一点迹融合结果，以所述第一点迹融合机构组成所述目标融合结果。

进一步的，融合分析模块15包括以下执行步骤：

如果否，提取所述第一权重分配结果中的第一权重系数和第二权重系数；

获取所述第一权重系数和第二权重系数的权重差值；

如果所述权重差值大于预定差值，获取最大权重系数对应的点迹转换结果作为所述第一点迹融合结果；

如果所述权重差值小于等于预定差值，生成重新检测指令，通过所述重新检测指令控制所述车载毫米波雷达和车载激光雷达对所述第一点迹转换结果和第二点迹转换结果对应的目标处进行重新检测。

本说明书通过前述对一种基于车载传感器的目标融合方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于车载传感器的目标融合方法，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对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申请。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申请的精神或范围的情况下，在其它实施例中实现。因此，本申请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。