一种数据关联方法及装置

技术领域

本申请涉及传感器技术领域，尤其涉及一种数据关联方法及装置。

背景技术

在先进驾驶辅助系统(advanced driver assistant system，ADAS)或者自动驾驶(autonomous driving，AD)系统中通常配置多种传感器，例如雷达、声纳、超声波传感器、视觉传感器如摄像头等，用于感知周边环境及目标信息。上述传感器的平台可以是车载、舰载、机载或者星载系统等。这些传感器配置于传感器平台上，可提供移动设备周围的相对参考系运动的目标或相对参考系静止的目标的测量数据，所述参考系可以是大地或者相对于大地的惯性坐标系等。例如，相对参考系运动的目标可以为车辆和行人等。相对参考系静止的目标可以为障碍物、护栏、路沿、灯杆、周围的树木和建筑物等。测量数据可包括目标相对于传感器的距离、目标相对于传感器的方位角、目标相对于传感器的俯仰角、目标相对于传感器的径向速度和目标相对于传感器的散射截面积中的一种或多种。

利用上述传感器提供的测量数据，可以实现对周边环境及物体的分类、识别以及跟踪等功能。其中，跟踪功能用于确定周围环境中目标的数目以及目标的状态矢量。目标的状态矢量通常包括位置矢量和速度矢量等信息。在传感器得到的每一帧数据中往往存在多个目标的测量数据，在不同的帧之间，需要确定不同帧的哪些测量数据来自同一目标。即需要对不同帧中的测量数据进行数据关联。在现有的实际应用中，通常将数据关联问题划分为两个阶段，分别为航迹维持阶段和航迹起始阶段。

其中，在航迹维持阶段已经建立了目标的航迹。也就是说，目标的状态矢量已经得到，特别是目标的位置矢量和速度矢量已经得到。因此，可以根据本帧的状态矢量预测目标在下一帧的状态矢量。根据目标在下一帧的状态矢量从而也可以预测目标在下一帧的测量矢量。如图1所示，其中X

其中，在航迹起始阶段，目标的航迹尚未建立。目标的状态矢量，特别是目标的速度矢量尚未得到。因此，无法完整预测目标在下一帧的状态矢量，从而也就无法完整预测目标在下一帧的测量矢量，进而也就无法根据预测的目标在下一帧的测量矢量对下一帧传感器测得的测量数据进行数据关联。为此，在现有技术中，通常为目标在第一帧的状态矢量预设一个速度矢量，根据预设的速度矢量来预测目标在下一帧的状态矢量。然而预设的速度矢量可能不准确，导致最终无法准确地确定出关联的测量数据。

发明内容

本申请实施例提供了一种数据关联方法及装置，有利于准确地确定出关联的测量数据。

第一方面，本申请实施例提供了一种数据关联方法，该方法包括：获取多个测量数据，该多个测量数据中的每个测量数据包含位置测量数据以及速度测量数据；根据该多个测量数据中的至少两个测量数据包含的位置测量数据，确定该至少两个测量数据的关联假设对应的速度估计值；根据关联假设对应的速度估计值和该至少两个测量数据中的速度测量数据，确定关联假设对应的度量值；根据该多个测量数据的至少一个关联假设对应的度量值，确定该多个测量数据的关联关系；其中，该多个测量数据的至少一个关联假设中的每个关联假设对应多个测量数据中的该至少两个测量数据。基于第一方面所描述的方法，能够通过传感器自身测量的多个测量数据来确定至少一个关联假设对应的度量值，进而根据该至少一个关联假设对应的度量值确定该多个测量数据中的关联关系。避免了利用误差过大的先验速度值来确定多个测量数据中的关联关系。提升了确定该多个测量数据中的关联关系的准确性。

作为一种可选的实施方式，该至少两个测量数据来自至少两个时刻；或者，该至少两个测量数据来自至少两个传感器。

作为一种可选的实施方式，速度估计值包括速度平滑估计值、速度滤波估计值和速度预测估计值中的一种或多种。例如，该多个测量数据来自时刻t

作为一种可选的实施方式，根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值的具体实施方式为：根据关联假设对应的速度投影分量的估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值；其中，速度投影分量的估计值包括径向速度的估计值和/或横向速度的估计值和/或纵向速度的估计值，径向速度的估计值根据速度估计值得到，横向速度的估计值根据速度估计值得到，纵向速度的估计值根据速度估计值得到。基于该可选的实施方式，能够根据关联假设对应的速度估计值确定关联假设对应的速度投影分量的估计值，并根据关联假设对应的速度投影分量的估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值。有利于更加准确地确定多个测量数据中的关联关系。

作为一种可选的实施方式，根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值的具体实施方式为：根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据，确定关联假设是否为有效的关联假设；对于有效的关联假设，确定该关联假设对应的度量值。基于该实施方式，能够筛选掉无效的关联假设，有利于减少后续的计算量。

作为一种可选的实施方式，关联假设有效是指根据关联假设对应的速度估计值和该至少两个测量数据中的速度测量数据确定的距离值小于或等于预设阈值。基于该实施方式，能够准确地确定有效的关联假设。可选的，对于有效的关联假设，可将该距离值确定为关联假设对应的度量值。

作为一种可选的实施方式，关联假设有效是指根据该关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据确定的似然函数值或者对数似然函数值小于或等于预设阈值。基于该实施方式，能够准确地确定有效的关联假设。可选的，对于有效的关联假设，可将该似然函数值或者对数似然函数值确定为关联假设对应的度量值。

作为一种可选的实施方式，关联假设对应的度量值是根据速度测量数据和速度估计值得到的似然函数值或者对数似然函数值或者距离值。基于该实施方式，有利于准确地多个测量数据中的关联关系。

可选的，度量值为似然函数值或对数似然函数值，根据速度估计值以及速度测量数据的概率密度函数，可以得到关联假设对应的似然函数值或对数似然函数值。该概率密度函数可以是高斯分布概率密度函数或者均匀分布密度函数或者指数分布密度函数或者泊松分布密度函数等。

作为一种可选的实施方式，根据该多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实施方式为：根据该多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设或全局最近邻关联假设；根据最大似然关联假设或全局最近邻关联假设确定多个测量数据的关联关系。基于该实施方式，有利于准确地确定多个测量数据中的关联关系。

作为一种可选的实施方式，根据该多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实施方式为：根据该多个测量数据的至少一个关联假设对应的度量值，基于第一约束规则，确定该多个测量数据的关联关系，其中，该第一约束规则为一个测量数据来自一个目标，一个目标产生一个或多个测量数据。基于该实施方式，有利于准确地确定多个测量数据中的关联关系。

第二方面，提供了一种数据关联装置，可执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的单元。该单元可以是软件和/或硬件。基于同一发明构思，该数据关联装置解决问题的原理以及有益效果可以参见上述第一方面和第一方面的可选的实施方式中任意一项的方法以及有益效果，重复之处不再赘述。

第三方面，提供了一种数据关联装置，该数据关联装置包括处理器以及存储器，处理器和存储器相连。其中，所述存储器用于存储程序，该处理器调用存储在该存储器中的程序以实现上述第一方面和第一方面的可选的实施方式中任意一项的方法，该数据关联装置解决问题的实施方式以及有益效果可以参见上述第一方面和第一方面的可选的实施方式中任意一项的方法以及有益效果，重复之处不再赘述。

第四方面，提供了一种计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。

第五方面，本申请实施例提供了一种芯片系统，该芯片系统包括处理器，还可以包括存储器和/或通信接口，用于实现上述第一方面所述的方法和第一方面的可选的实施方式中任意一项的方法。其中，存储器用于存储程序或指令，通信接口用于为处理器提供信息或数据的输入输出功能。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。

第六方面，提供了一种计算机存储介质，该计算机存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。

第七方面，提供了一种系统，该系统包括至少一个传感器和数据关联装置，该数据关联装置用于实现上述第一方面和第一方面的可选的实施方式中任意一项的方法。

附图说明

图1是现有的一种数据关联的示意图；

图2是本申请实施例提供的一种系统架构的示意图；

图3是本申请实施例提供的一种测量数据的示意图；

图4是本申请实施例提供的一种测量数据的示意图；

图5是本申请实施例提供的一种数据关联方法的流程示意图；

图6是本申请实施例提供的一种数据关联方法的流程示意图；

图7是本申请实施例提供的一种数据关联方法的流程示意图；

图8是本申请实施例提供的一种数据关联装置的结构示意图；

图9是本申请实施例提供的一种数据关联装置的结构示意图。

具体实施方式

下面结合附图对本申请具体实施例作进一步的详细描述。

本申请实施例提供了一种数据关联方法及装置，有利于准确地确定出关联的测量数据。

为了能够更好地理解本申请实施例，下面对本申请实施例可应用的系统架构进行说明。

图2是本申请实施例提供的一种系统架构的示意图。如图2所示，该系统架构中包括传感器平台。传感器平台中配置有至少一个传感器。该系统架构中还包括数据关联装置。其中，该数据关联装置可以部署于传感器平台中，即该数据关联装置可以与传感器平台集成于一体。或者，该数据关联装置可以部署于传感器平台之外，该数据关联装置与传感器平台通过无线网络进行通信。传感器可以部署于数据关联装置的内部或外部。图2以数据关联装置部署于传感器平台中，传感器部署于数据关联装置的外部为例。

其中，传感器平台可以为可移动的设备。例如，传感器平台可以为车载平台，如汽车、摩托车或者自行车等。或者，传感器平台可以为舰载平台，如船只、轮船、汽艇等。或者，传感器平台可以为车载平台可以是机载平台，如无人机、直升机或者喷气式飞机、气球等。或者，传感器平台可以为星载平台，如卫星等。

其中，传感器平台中的至少一个传感器可以包括雷达传感器，例如，毫米波雷达或者激光雷达。或者，所述传感器可以是声纳或者超声波传感器。或者，该传感器也可以是具有测量频移能力的测向传感器器，该测向传感器通过测量接收信号相对已知频率的频移得到径向速度信息。或者，该传感器也可以是视觉传感器或者成像传感器，如摄像头或者摄像机或者成像雷达如激光雷达、合成孔径雷达等。视觉或者成像传感器可以通过目标在图像平面的尺度变化得到目标的运动速度矢量或者分量，例如纵向速度分量或者径向速度分量或者距离率测量数据。进一步可选的，所述至少一个传感器还可以包含至少一个摄像装置。

该些传感器可以对周围的目标(如相对参考系静止的目标或相对参考系运动的目标、障碍物、建筑物等)进行测量，得到周围目标的测量数据。该测量数据包括位置测量数据和速度测量数据。例如，以雷达为例，雷达提供的测量数据可以包括目标相对于传感器的距离r，目标相对于传感器的方位角θ，目标相对于传感器的俯仰角

再如，以相机或者摄像头为例，相机或者摄像头提供的测量数据可以包括目标相对于传感器的纵向距离或者纵向位置x，目标相对于传感器的横向距离或者横向位置y，目标相对于传感器的纵向速度或者距离率v

需要进一步指出的是，此处传感器的物理构成可以是一个或者多个物理传感器。例如，该一个或者多个物理传感器的中各个物理传感器可以分别测量位置测量数据和速度测量数据，也可以是从该一个或者多个物理传感器的测量数据中推导出位置测量数据和速度测量数据，此处不做限定。

本申请应用的系统可以为传感器系统或者融合感知系统或者集成上述系统的规划/控制系统，如辅助驾驶或者自动驾驶系统等。

下面进一步对本申请所提供的数据关联方法及装置进行介绍。

请参见图5，图5是本申请实施例提供的一种数据关联方法的流程示意图。该方法的执行主体可以是传感器系统或者融合感知系统或者集成上述系统的规划/控制系统，如辅助驾驶或者自动驾驶系统等。或者，该方法的执行主体也可以是软件或者硬件(如数据关联装置)。不同的执行步骤可以集中式也可以分布式实现。该方法的执行主体还可以为芯片系统，该芯片系统包含至少一个处理器，以及通信接口或者存储器。其中，该存储器用于存储程序或指令，该通信接口用于为处理器提供信息或数据的输入输出功能。如图5所示，该数据关联方法包括如下步骤501～步骤504。其中：

501、获取多个测量数据，该多个测量数据中的每个测量数据包含位置测量数据以及速度测量数据。该获取步骤可以理解为本地获取或者接收。

具体的，该多个测量数据为经过本地传感器检测得到的测量数据，也可以是通过数据链路从远端传感器接收的测量数据。

其中，该多个测量数据包括至少两个时刻的测量数据，每个时刻的测量数据均可包括一个或多个测量数据。例如，该多个测量数据可以包括至少两帧的测量数据。其中，不同帧的测量数据来自不同的时刻，同一帧的测量数据来自同一时刻。每一帧的测量数据可以看作是传感器对周围环境物体或者目标的一次“快照”。以雷达或者声纳传感器为例，该传感器可以周期性或者非周期性地发射信号并从接收到的回波信号中得到测量数据。例如，该发射信号可以是线性调频信号，通过回波信号的时延可以得到目标的距离信息，通过多个回波信号之间的相位差可以得到该目标相对于传感器的径向速度测量值，通过传感器的多个发射和/或接收天线阵列几何，可以得到目标相对于传感器的角度测量值。此外，该传感器也可以是无源的传感器，通过被动接收一定时间内的信号，得到目标相对于传感器的角度测量值。此外，也可以测量接收信号的频率相对于参考频率的偏移从而得到目标的径向速度测量值。传感器可以以固定时间长度为周期来对周围目标进行周期性测量，也可以按照指定的时间窗对指定的区域进行触发性测量。无论周期性测量还是触发性测量，该传感器都可以得到多帧的测量数据，每一帧测量数据均可包括多个测量数据。

例如，以步骤501中的多个测量数据包括两个时刻的测量数据为例。步骤501中的多个测量数据包括传感器在时刻t

可选的，步骤501中的多个测量数据来自至少两个传感器。

进一步可选的，步骤501中的多个测量数据中不同的时刻的测量数据来自不同的传感器。例如，步骤501中的多个测量数据包括传感器s

或者，同一个时刻的测量数据也可以来自不同的传感器。例如，步骤501中的多个测量数据包括时刻t

其中，位置测量数据可以包括目标相对于传感器的距离r、目标相对于传感器的方位角θ和俯仰角

502、根据所述多个测量数据中的至少两个测量数据包含的位置测量数据，确定该至少两个测量数据的关联假设对应的速度估计值。

503、根据关联假设对应的速度估计值和所述至少两个测量数据中的速度测量数据，确定关联假设对应的度量值。其中，关于度量值的解释可以参见下文。

这里需要说明的是，步骤502和503也可以合并为一个步骤，即根据所述多个测量数据中的至少两个测量数据包含的位置测量数据和速度测量数据，确定关联假设对应的速度估计值。这里的步骤502和503是为了更加清楚的阐述方法流程而进行了区分和说明。

根据上述多个测量数据，可确定至少一个关联假设对应的度量值。根据该至少一个关联假设对应的度量值从上述多个测量数据中确定数据关联关系。其中，确定一个关联假设对应的度量值的方式具体为：根据该多个测量数据中的至少两个测量数据包含的位置测量数据，确定该至少两个测量数据的关联假设对应的速度估计值。根据该关联假设对应的速度估计值和该至少两个测量数据中的速度测量数据，确定该关联假设对应的度量值。确定其他关联假设对应的度量值同理。

其中，可以从获取的多个测量数据中确定一个或多个关联假设。关联假设是指假设的数据关联。每个关联假设对应至少两个测量数据。关联假设对应的至少两个测量数据假设具有关联关系。该至少两个测量数据来自至少两个时刻。也就是说，每一个关联假设对应的测量数据来自至少两个时刻。

举例来说，步骤501中的多个测量数据，可以包括两个时刻内的测量数据，其中一个关联假设对应两个测量数据，这两个测量数据分别来自两个时刻。步骤501中的多个测量数据包括传感器在时刻t

具体地，时刻t

对于关联假设集合A中的关联假设，可以根据关联假设对应的位置测量数据，得到关联假设对应的速度估计值。例如，如果M

进一步地，根据关联假设1对应的速度估计值、测量数据1和测量数据3中的速度测量数据，确定关联假设1对应的度量值；类似地，可以根据关联假设2对应的速度估计值、测量数据1和测量数据4中的速度测量数据，确定关联假设2对应的度量值；根据关联假设3对应的速度估计值、测量数据2和测量数据3中的速度测量数据，确定关联假设3对应的度量值；根据关联假设4对应的速度估计值、测量数据2和测量数据4中的速度测量数据，确定关联假设4对应的度量值。

根据上述关联假设1～关联假设4分别对应的度量值，从集合A中确定相关联的测量数据。

或者，也可只确定部分关联假设对应的度量值。例如，只确定关联假设1～关联假设3分别对应的度量值。根据关联假设1～关联假设3分别对应的度量值从关联假设1～关联假设4中确定相关联的测量数据。

再举例来说，步骤501中的多个测量数据，可以包括三个时刻的测量数据。一个关联假设对应三个测量数据，这三个测量数据分别来自三个时刻。步骤501中的多个测量数据包括时刻t

对于关联假设集合A中的关联假设，可以根据关联假设对应的位置测量数据，得到关联假设对应的速度估计值。例如，M

同理，可确定全部或部分关联假设对应的度量值，再根据全部或部分关联假设对应的度量值从关联假设1～关联假设8中确定相关联的测量数据。

其中，每一个关联假设对应的至少两个测量数据还可以来自不同传感器。可选的，每一个关联假设对应的至少两个测量数据来自不同的时刻，并且还可以是来自不同传感器的。例如，上述时刻t

作为一种可选的实施方式，所述速度估计值可以为速度矢量的估计值；例如，速度估计值可以包括速度矢量的各个分量的估计值；速度估计值也可以包括速度矢量在一个或者多个方向的投影分量的估计值；所述多个方向可以相互垂直的方向。

作为一种可选的实施方式，所述速度测量数据可以是速度矢量的函数的测量值，或者是速度矢量在特定方向的投影的测量值，例如径向速度测量值或者速度矢量的分量的测量值等。

作为一种可选的实施方式，关联假设对应的速度估计值可以包括速度平滑估计值、速度滤波估计值和速度预测估计值中的一种或多种。

作为一种实现方式，所述多个测量数据来自时刻t

作为另一种实现方式，所述多个测量数据来自时刻t

作为一种可选的实施方式，速度平滑估计值包括速度矢量各个分量的平滑估计值，例如可以为速度矢量在各个坐标轴的分量的平滑估计值。或者，速度平滑估计值也可以为速度投影分量的平滑估计值。速度投影分量包括径向速度和/或横向速度和/或纵向速度。速度滤波估计值包括速度矢量各个分量的滤波估计值，例如可以为速度矢量在各个坐标轴的分量的滤波估计值。或者，速度滤波估计值也可以为速度投影分量的滤波估计值。速度预测估计值包括速度矢量各个分量的预测估计值，例如，可以为速度矢量在各个坐标轴的分量的预测估计值。或者，速度预测估计值也可以为速度投影分量的预测估计值。

所述获取的多个测量数据可以来自时刻t

作为一种可选的实施方式，关联假设对应的速度估计值可以包括速度矢量各个分量的平滑估计值或者滤波估计值或者预测估计值，根据速度估计值可以得到速度投影分量的平滑估计值或者滤波估计值或者预测估计值。例如，根据速度估计值可以得到径向速度的平滑估计值、横向速度的平滑估计值、径向速度的滤波估计值、横向速度的滤波估计值、径向速度的预测估计值和横向速度的预测估计值中的至少一种。根据径向速度的平滑估计值、横向速度的平滑估计值、径向速度的滤波估计值、横向速度的滤波估计值、径向速度的预测估计值和横向速度的预测估计值中的至少一种，以及该关联假设对应的来自时刻t

作为一种可选的实施方式，关联假设对应的度量值可以是似然函数(likelihoodfunction)值或者对数似然函数(log-likelihood function)值或者距离值。该距离值可以为马氏距离(mahalanobis distance)或者为欧氏距离(euclideandistance)。可选的，具体可以根据关联假设对应的速度估计值以及径向速度测量值的概率密度函数得到关联假设对应的度量值。该概率密度函数可以是高斯分布(gaussian distribution)概率密度函数或者均匀分布密度函数或者指数分布密度函数或者泊松分布(poisson distribution)密度函数等。

所述获取的多个测量数据可以来自时刻t

作为一种可选的实施方式，根据关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据，确定关联假设对应的度量值的具体实施方式为：根据关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据，确定关联假设是否为有效的关联假设；对于有效的关联假设，确定关联假设对应的度量值。基于该实施方式，能够筛选掉无效的关联假设，有利于减少后续的计算量。

可选的，对于无效的关联假设可以从上述关联假设的集合A中删除，从而保证关联假设集合A中包括的关联假设均为有效的关联假设。数据关联装置就可根据关联假设集合A中的关联假设对应的度量值，来确定测量数据的关联关系。

例如，可以根据关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据确定距离值；该距离值可以为马氏距离或欧氏距离。如果该距离度量值小于或等于预设阈值，则该关联假设为有效的关联假设。反之，则该关联假设为无效的关联假设。也就是说，关联假设有效是指根据该关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据确定的距离值小于或等于预设阈值。作为一种实现方式，对于上述有效的关联假设，可将该距离值确定为关联假设对应的度量值。

再如，可以根据关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据确定似然函数值或者对数似然函数值；如果该似然函数值或者对数似然函数值小于或等于预设阈值，则该关联假设为有效的关联假设。反之，则该关联假设为无效的关联假设。也就是说，关联假设有效是指根据该关联假设对应的速度估计值和至少两个测量数据中的至少一个速度测量数据确定的似然函数值或者对数似然函数值小于或等于预设阈值。作为一种实现方式，对于上述有效的关联假设，可将该似然函数值或者对数似然函数值值作为为关联假设对应的度量值。

或者，还可通过其他方式确定关联假设是否为有效的关联假设，本申请实施例不做限定。对于有效的关联假设，可以继续执行确定关联假设对应的度量值的步骤。

所述获取的多个测量数据可以来自时刻t

504、根据该多个测量数据的至少一个关联假设对应的度量值，确定该多个测量数据的关联关系。其中，该多个测量数据的至少一个关联假设中的每个关联假设对应多个测量数据中的至少两个测量数据。

其中，测量数据具有关联关系是指测量数据来自同一目标。例如，时刻t

作为一种可选的实施方式，可以根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实现方式为：根据多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设或全局最近邻关联假设；根据最大似然关联假设或全局最近邻关联假设确定多个测量数据的关联关系。该最大似然关联假设为与多个测量数据对应的似然函数值最大的关联假设。该全局最近邻关联假设为与多个测量数据对应的全局距离最小的关联假设。其中全局距离可以根据马氏距离或者欧氏距离等定义，此处不做限定。可选地，与多个测量数据对应的全局距离可以是多个测量数据对应的多个关联假设的距离之和，其中所述每个关联假设与多个测量数据包含的至少两个测量数据相对应。可选的，最大似然关联假设可根据最大权匹配问题和广义分配问题得到。全局最近邻关联假设可根据广义分配问题得到。基于最大似然关联假设或全局最近邻关联假设，能够准确地确定出多个测量数据的关联关系。最大权匹配问题和广义分配问题为现有组合优化或者最优化理论和算法中的经典问题，可以有不同的形式。此处的具体形式见下文描述。

作为一种可选的实施方式，可以根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实现方式为：根据多个测量数据的至少一个关联假设对应的度量值，基于第一约束规则，确定多个测量数据的关联关系，可选的，该第一约束规则为一个测量数据来自一个目标，一个目标产生一个或多个测量数据。可选的，第一约束规则具体可以为一个测量数据来自一个真实目标或虚假目标，该虚假目标可以是传感器产生的虚警或者杂波等。每个真实目标可以产生一个或多个测量数据，或者漏检。基于第一约束规则，能够更加准确地确定出多个测量数据的关联关系。

所述获取的多个测量数据可以来自时刻t

可见，通过实施图5所描述的方法，通过传感器自身测量的多个测量数据来确定至少一个关联假设对应的度量值，进而根据该至少一个关联假设对应的度量值确定该多个测量数据中的关联关系。避免了利用误差过大的先验速度值来确定多个测量数据中的关联关系。提升了确定该多个测量数据中的关联关系的准确性。

请参见图6，图6是本申请实施例提供的一种数据关联方法的流程示意图。该方法的执行主体可以是传感器系统或者融合感知系统或者集成上述系统的规划/控制系统，如辅助驾驶或者自动驾驶系统等。或者，该方法的执行主体也可以是软件或者硬件(如数据关联装置)。不同的执行步骤可以集中式也可以分布式实现。该方法的执行主体还可以为芯片系统，该芯片系统包含至少一个处理器，以及通信接口或者存储器。其中，该存储器用于存储程序或指令，该通信接口用于为处理器提供信息或数据的输入输出功能。如图6所示，该数据关联方法包括如下步骤601～步骤604。其中：

601、获取多个测量数据。

其中，该多个测量数据包括两个时刻的测量数据。

602、根据该多个测量数据中的两个测量数据包含的位置测量数据，确定该两个测量数据的关联假设对应的速度估计值。

603、根据关联假设对应的速度估计值和该两个测量数据中的速度测量数据，确定关联假设对应的度量值。

这里需要说明的是，步骤602和603也可以合并为一个步骤，即根据该多个测量数据中的两个测量数据包含的位置测量数据和速度测量数据，确定关联假设对应的度量值。本申请602和603步骤的划分是为了阐述方便，并不具体限定实际的实现是分两步执行还是按照单个步骤执行。

其中，可从获取的多个测量数据中确定一个或多个关联假设。每个关联假设对应两个测量数据。该两个测量数据来自两个时刻。也就是说，每一个关联假设对应的测量数据来自两个时刻。

例如，步骤601中的多个测量数据包括传感器在时刻t

可选的，关联假设对应的两个测量数据中包含的位置测量数据，可以为极坐标或者球坐标或者直角坐标位置测量数据，可选的，极坐标或者球坐标位置测量数据可以转换为直角坐标的位置测量数据；根据直角坐标的位置测量数据可以确定该关联假设对应的速度估计值。其中，直角坐标的位置和直角坐标的速度可以是二维或三维或三维以上的矢量。

一、直角坐标的位置测量数据为二维矢量。

以关联假设为关联假设(i

例如，雷达或者声纳或者超声波传感器测得的极坐标位置的位置测量数据包括目标相对于传感器的距离r

其中，

直角坐标的位置测量数据可以根据以下公式从极坐标的位置测量数据得到

x

y

其中，(x

或者，直角坐标的位置测量数据也可以根据以下公式从极坐标的位置测量数据得到

其中，

根据时刻t

其中，T＝t

根据上述关联假设对应的速度估计值，可以得到速度投影分量的估计值。速度投影分量的估计值包括平滑估计值和/或滤波估计值。速度投影分量可以为径向速度和/或横向速度和/或纵向速度等。根据速度投影分量的估计值和速度测量数据，确定关联假设对应的度量值。其中，速度测量数据为速度投影分量的测量值。或者，可不通过上述速度估计值来确定速度投影分量的估计值，可通过其他方式来确定速度投影分量的估计值。

或者，根据上述关联假设对应的速度估计值可得到速度函数的估计值。速度函数的估计值包括平滑估计值和/或滤波估计值。再根据速度函数的估计值和速度测量数据，确定关联假设对应的度量值。或者，直接根据上述关联假设对应的速度估计值和在X轴和Y轴的速度测量值确定关联假设对应的度量值。

以下对如何根据上述速度估计值确定速度投影分量的估计值，以及如何根据速度投影分量的估计值确定关联假设对应的度量值进行详细说明。

(一)速度投影分量的估计值为径向速度的平滑估计值。

具体的，根据关联假设对应的速度估计值得到径向速度的平滑估计值，根据径向速度的平滑估计值和径向速度测量值得到关联假设的度量值。

可以根据关联假设对应的速度平滑估计值

其中，

根据上述径向速度的平滑估计值

作为一种可选的实施方式，所述度量值可以为似然函数值或对数似然函数值，根据径向速度的平滑估计值以及径向速度测量值的概率密度函数，可以得到关联假设对应的似然函数值或对数似然函数值。该概率密度函数可以是高斯分布概率密度函数或者均匀分布密度函数或者指数分布密度函数或者泊松分布密度函数等。

例如，时刻t

其中，

其中，

协方差

其中，P

例如，径向速度与状态矢量的关系

其中，o(X-X

H＝[h

其中，

其中，

其中，协方差矩阵P

其中，P

其中，

作为一种可选的实施方式，关联假设对应的度量值可以为马氏距离，可以根据径向速度的平滑估计值和径向速度测量值得到的该关联假设对应的马氏距离。例如关联假设对应的马氏距离可以为

其中，

作为一种可选的实施方式，关联假设对应的度量值可以为欧氏距离，根据径向速度的平滑估计值和径向速度测量值可以得到关联假设对应的欧氏距离。例如，关联假设对应的欧式式离可以为

其中，

作为一种可选的实施方式，根据径向速度的平滑估计值和关联假设对应的时刻t

作为一种可选的实现方式，如果关联假设对应的径向速度的平滑估计值和关联假设对应的时刻t

例如，有效的关联假设可以为满足以下式(17)不等式的关联假设:

其中，

作为一种可选的实现方式，对于有效的关联假设，可以将该马氏距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，有效的关联假设可以为满足以下式(18)不等式的关联假设：

其中，

作为一种可选的实现方式，对于有效的关联假设，可以将该欧式距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，还可根据径向速度的平滑估计值和关联假设对应的时刻t

作为一种可选的实现方式，对于有效的关联假设，可以将该似然函数值或对数似然函数值确定为该关联假设对应的度量值。也可以利用其它距离作为关联假设对应的度量值。

(二)速度投影分量的估计值为径向速度的滤波估计值。

具体的，根据关联假设对应的速度估计值得到径向速度的滤波估计值，根据径向速度的滤波估计值和径向速度测量值得到关联假设的度量值。

可以根据关联假设对应的速度滤波估计值

其中，

根据上述径向速度的滤波估计值

作为一种可选的实施方式，所述度量值为似然函数值或对数似然函数值，根据径向速度的滤波估计值以及径向速度测量值的概率密度函数，可以得到关联假设对应的似然函数值或者对数似然函数值。该概率密度函数可以是高斯分布概率密度函数或者均匀分布密度函数或者指数分布密度函数或者泊松分布密度函数等。

例如，传感器在时刻t

其中，

其中，

协方差

其中，P

例如，径向速度与状态矢量的关系

其中，o(X-X

H＝[h

其中，

其中，

其中，协方差矩阵P

其中，P

其中，

作为一种可选的实施方式，所述关联假设对应的度量值为马氏距离，可以根据径向速度的滤波估计值

其中，

作为一种可选的实施方式，所述关联假设对应的度量值可以为欧氏距离，可以根据径向速度的滤波估计值

其中，

作为一种可选的实施方式，根据径向速度的滤波估计值和关联假设对应的时刻t

作为一种可选的实现方式，如果关联假设对应的径向速度的滤波估计值和关联假设对应的时刻t

例如，有效的关联假设可以为满足以下式(29)不等式的关联假设。

其中，d

作为一种可选的实现方式，对于有效的关联假设，可以将该马氏距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，有效的关联假设可以为满足以下式(30)不等式的关联假设：

其中，d

作为一种可选的实现方式，对于有效的关联假设，可以将该欧式距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，还可根据径向速度的滤波估计值和关联假设对应的时刻t

作为一种可选的实现方式，对于有效的关联假设，可以将该似然函数值或对数似然函数值确定为该关联假设对应的度量值。也可以利用其它距离作为关联假设对应的度量值。

(三)速度投影分量的估计值为横向速度的平滑估计值、纵向速度的平滑估计值或速度矢量在特定方向的投影分量的平滑估计值。

可以根据关联假设对应的速度平滑估计值

例如，所述速度投影分量可以是纵向速度，纵向速度的平滑估计值为

再如，所述速度投影分量可以是横向速度，横向速度的平滑估计值为

再如，所述速度投影分量可以是速度矢量在特定方向的投影分量，所述特定方向的速度投影分量的平滑估计值为

其中，θ为所述特定方向与速度矢量的夹角。

根据上述速度投影分量的平滑估计值

作为一种可选的实施方式，所述度量值可以为似然函数值或对数似然函数值，根据径向速度的平滑估计值以及径向速度测量值的概率密度函数，可以得到关联假设对应的似然函数值或对数似然函数值。该概率密度函数可以是高斯分布概率密度函数或者均匀分布密度函数或者指数分布密度函数或者泊松分布密度函数等。

例如，时刻t

其中，

其中，

协方差

其中，P

例如，状态矢量在时刻t

其中，s

所述速度投影分量可以为纵向速度分量，H可以表示为

H＝[0 0 1 0 0

所述速度投影分量可以为横向速度分量，H可以表示为

H＝[0 0 0 1 0

所述速度投影分量可以为特定的方向的速度投影分量，H可以表示为

H＝[0 0 cosθ sinθ 0

其中，协方差矩阵P

作为一种可选的实施方式，关联假设对应的度量值可以为马氏距离，可以根据速度投影分量的平滑估计值和速度投影分量的测量值得到的该关联假设对应的马氏距离。例如关联假设对应的马氏距离可以为

其中，

作为一种可选的实施方式，关联假设对应的度量值可以为欧氏距离，根据速度投影分量的平滑估计值和速度投影分量测量值可以得到关联假设对应的欧氏距离。例如，关联假设对应的欧氏距离可以为

其中，

作为一种可选的实施方式，根据速度投影分量的平滑估计值和关联假设对应的时刻t

作为一种可选的实现方式，如果关联假设对应的速度投影分量的平滑估计值和关联假设对应的时刻t

例如，有效的关联假设可以为满足以下不等式(41)的关联假设:

其中，

作为一种可选的实现方式，对于有效的关联假设，可以将该马氏距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，有效的关联假设可以为满足以下不等式(42)的关联假设：

其中，

d

作为一种可选的实现方式，对于有效的关联假设，可以将该欧式距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，还可根据速度投影分量的平滑估计值和关联假设对应的时刻t

作为一种可选的实现方式，对于有效的关联假设，可以将该似然函数值或对数似然函数值确定为该关联假设对应的度量值。也可以利用其它距离作为关联假设对应的度量值。

(四)速度投影分量的估计值为横向速度的滤波估计值、纵向速度的滤波估计值或速度矢量在特定方向的投影分量的滤波估计值。

可以根据关联假设对应的速度滤波估计值

例如，所述速度投影分量可以是纵向速度，纵向速度的滤波估计值为

再如，所述速度投影分量可以是横向速度，横向速度的滤波估计值为

再如，所述速度投影分量可以是速度矢量在特定方向的投影分量，所述特定方向的速度投影分量的滤波估计值为

其中，

根据上述速度投影分量的滤波估计值

作为一种可选的实施方式，所述度量值可以为似然函数值或对数似然函数值，根据径向速度的平滑估计值以及径向速度测量值的概率密度函数，可以得到关联假设对应的似然函数值或对数似然函数值。该概率密度函数可以是高斯分布概率密度函数或者均匀分布密度函数或者指数分布密度函数或者泊松分布密度函数等。

例如，时刻t

其中，

其中，

协方差

其中，P

例如，状态矢量在时刻t

其中，s

所述速度投影分量可以为纵向速度分量，H可以表示为

H＝[0 0 1 0 0

所述速度投影分量可以为横向速度分量，H可以表示为

H＝[0 0 0 1 0

所述速度投影分量可以为特定的方向的速度投影分量，H可以表示为

H＝[0 0 cosθ sinθ 0

其中，协方差矩阵P

作为一种可选的实施方式，关联假设对应的度量值可以为马氏距离，可以根据速度投影分量的滤波估计值和速度投影分量的测量值得到的该关联假设对应的马氏距离。例如关联假设对应的马氏距离可以为

其中，

作为一种可选的实施方式，关联假设对应的度量值可以为欧氏距离，根据速度投影分量的滤波估计值和速度投影分量测量值可以得到关联假设对应的欧氏距离。例如，关联假设对应的欧氏距离可以为

其中，

作为一种可选的实施方式，根据速度投影分量的滤波估计值和关联假设对应的时刻t

作为一种可选的实现方式，如果关联假设对应的速度投影分量的滤波估计值和关联假设对应的时刻t

具体的，有效的关联假设可以为满足以下不等式(53)的关联假设:

其中，

作为一种可选的实现方式，对于有效的关联假设，可以将该马氏距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，有效的关联假设可以为满足以下不等式(54)的关联假设：

其中，

作为一种可选的实现方式，对于有效的关联假设，可以将该欧式距离确定为该关联假设对应的度量值，也可以利用其它距离或者似然函数或对数似然函数或者其等价形式作为关联假设对应的度量值。

再如，还可根据速度投影分量的滤波估计值和关联假设对应的时刻t

作为一种可选的实现方式，对于有效的关联假设，可以将该似然函数值或对数似然函数值确定为该关联假设对应的度量值。也可以利用其它距离作为关联假设对应的度量值。

(五)速度投影分量的估计值包括径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中的至少两个。

根据关联假设对应的速度估计值得到径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中的至少两个。根据所述至少两个估计值和对应的测量值得到关联假设的度量值。

如果关联假设对应的速度投影分量的估计值为A和B。其中，A为径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中的任意一个。B为径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中除A之外的任意一个。根据A确定第一度量值。根据B确定第二度量值。根据速度估计值确定度量值的方式可上述方式(一)～(四)中的描述，在此不赘述。如果第一度量值和第二度量值为似然函数值或对数似然函数值，关联假设对应的度量值为第一度量值和第二度量值的乘积。如果第一度量值和第二度量值为距离值，关联假设对应的度量值为第一度量值和第二度量值之和。

举例来说，以关联假设对应的速度投影分量的估计值包括径向速度的平滑估计值和径向速度的滤波估计值为例。确定关联假设对应的径向速度的平滑估计值和径向速度的滤波估计值之后，根据径向速度的平滑估计值、关联假设对应的在时刻t

例如，关联假设对应的度量值可以为似然函数值，关联假设对应的似然函数值可以为

其中，

再如，关联假设对应的度量值可以为马氏距离，关联假设对应的马氏距离可以为

其中，

再如，关联假设对应的度量值可以为欧氏距离，关联假设对应的欧氏距离可以为

其中，

可选的，可根据径向速度的平滑估计值、关联假设对应的在时刻t

例如，有效的关联假设可以为满足以下式(58)和式(59)不等式的关联假设：

其中，

或者，有效的关联假设可以为满足以下式(60)不等式的关联假设：

其中，

或者，有效的关联假设可以为满足以下式(61)和式(62)不等式的关联假设：

其中，

或者，有效的关联假设可以为满足以下式(63)不等式的关联假设：

其中，

如果关联假设对应的速度估计值为A、B和C。其中，A为径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中的任意一个。B为径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中除A之外的任意一个。C为径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中除A和B之外的任意一个。根据A确定第一度量值。根据B确定第二度量值。根据C确定第三度量值。根据速度估计值确定度量值的方式可上述方式(一)～(四)中的描述，在此不赘述。如果第一度量值、第二度量值和第三度量值为似然函数值或对数似然函数值，关联假设对应的度量值为第一度量值、第二度量值和第三度量值这三者的乘积。如果第一度量值、第二度量值和第三度量值为距离值，关联假设对应的度量值为第一度量值、第二度量值和第三度量值三者之和。具体原理与上述关联假设对应的速度估计值为A和B时确定关联假设对应的度量值的原理相同，在此不赘述。

关联假设对应的速度估计值为径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中的三个以上时同理，在此不赘述。

二、直角坐标的位置矢量为三维矢量。

以关联假设为关联假设(i

例如，雷达或者声纳或者超声波传感器测得的球坐标位置的位置测量数据包括目标相对于传感器的距离r

其中，

球坐标的位置测量数据到直角坐标的位置分量的转换可以为

其中，(x

或者，球坐标的位置测量数据到直角坐标的位置分量的转换也可以为

其中，

根据时刻t

根据关联假设对应的速度估计值，可以得到速度投影分量的估计值。速度投影分量的估计值包括平滑估计值和/或滤波估计值。速度投影分量可以为径向速度和/或横向速度和/或纵向速度等。根据速度投影分量的估计值和速度测量数据，可以确定关联假设对应的度量值。其中，速度测量数据为速度投影分量的测量值。或者，可不通过上述速度估计值来确定速度投影分量的估计值，可通过其他方式来确定速度投影分量的估计值。

或者，根据关联假设对应的速度估计值可得到速度函数的估计值。速度函数的估计值包括平滑估计值和/或滤波估计值。再根据速度函数的估计值和速度测量数据，确定关联假设对应的度量值。或者，直接根据关联假设对应的速度估计值和在X轴和Y轴的速度测量值确定关联假设对应的度量值。

以下对如何根据上述速度估计值确定速度投影分量的估计值，以及如何根据速度投影分量的估计值确定关联假设对应的度量值进行详细说明。

(一)速度投影分量的估计值为径向速度的平滑估计值。

根据速度平滑估计值

其中，

根据上述径向速度的平滑估计值

(二)速度投影分量的估计值为径向速度的滤波估计值。

可选的，根据速度滤波估计值

其中，

根据上述径向速度的滤波估计值

(三)速度投影分量的估计值为横向速度的平滑估计值、纵向速度的平滑估计值或速度矢量在特定方向的投影分量的平滑估计值。

可以根据速度平滑估计值

例如，所述速度投影分量可以是纵向速度，纵向速度的平滑估计值为

再如，所述速度投影分量可以是横向速度，横向速度的平滑估计值为

再如，所述速度投影分量可以是速度矢量在特定方向的投影分量，所述特定方向的速度投影分量的平滑估计值为

其中，

根据速度投影分量的平滑估计值

(四)速度投影分量的估计值为横向速度的滤波估计值、纵向速度的滤波估计值或速度矢量在特定方向的投影分量的滤波估计值。

可以根据关联假设对应的速度滤波估计值

例如，所述速度投影分量可以是纵向速度，纵向速度的滤波估计值为

再如，所述速度投影分量可以是横向速度，横向速度的滤波估计值为

再如，所述速度投影分量可以是速度矢量在特定方向的投影分量，所述特定方向的速度投影分量的滤波估计值为

其中，

根据速度投影分量的滤波估计值

(五)速度投影分量的估计值包括径向速度的平滑估计值、径向速度的滤波估计值、横向速度的平滑估计值、横向速度的滤波估计值、速度矢量特定方向的投影分量的平滑估计值和速度矢量特定方向的投影分量的滤波估计值中的至少两个。

方式五的实现原理与上述直角坐标的位置分量二维时原理相同，在此不再赘述。

604、根据该多个测量数据的至少一个关联假设对应的度量值，确定该多个测量数据的关联关系。其中，该多个测量数据的至少一个关联假设中的每个关联假设对应多个测量数据中的两个测量数据。

作为一种可选的实施方式，基于上述关联假设的度量值，确定数据关联可以是基于该关联假设的度量值，根据测量数据的第一约束规则，确定数据关联。其中，第一约束规则可以为一个测量数据来自一个目标，一个目标产生一个或多个测量数据。可选的，第一约束规则具体可以为一个测量数据来自一个真实目标或虚假目标，该虚假目标可以是传感器产生的虚警或者杂波等。每个真实目标可以产生一个或多个测量数据，或者漏检(missingdetection)。基于第一约束规则，能够更加准确地确定出多个测量数据的关联关系。

以下以传感器在时刻t

数据关联装置获取传感器在时刻t

数据关联装置从集合A中选择似然函数值(或对数似然函数值)最大的(或距离值最小)的关联假设

不失一般性，重复上述类似过程，可以从A中选择似然函数值(或者对数似然函数值)最大(或者距离值最小)的关联

上述过程得到的关联

作为一种可选的实施方式，根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实施方式为：根据多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设；根据最大似然关联假设确定多个测量数据的关联关系。

例如，用

其中，

上述最大加权匹配问题可以基于匈牙利(Hungarian)算法或者最短增广路算法得到其最优解X

作为一种可选的实施方式，根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实施方式为：根据多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设或者全局最近邻关联假设；根据最大似然关联假设或者全局最近邻关联假设确定多个测量数据的关联关系。

例如，用

其中，

上述广义分配问题，可以基于匈牙利(Hungarian)算法或者最短增广路算法得到其最优解X

作为一种可选的实施方式，以关联假设的度量值为似然函数值(或者其等价形式如对数似然函数值)或者距离值为例，可以确定m个最佳的数据关联，其中，m为正整数。

具体地，可以通过上述最大权匹配或者广义分配问题的最优解得到第一个最佳的数据关联，根据其最优解将上述问题划分为多个子问题并得到其最优解，将上述问题的最优解按目标函数值排序，得到第二个最佳解，并按第二个最佳解将对应的问题划分为个子问题并得到其最优解，并将得到的上述问题的最优解按目标函数值排序。依次类推，直到得到m个最佳解。上述m个最佳解将对应m个最佳的数据关联。基于最大权匹配或者广义分配问题的最优解划分并得到多个子问题的最佳解，可以利用现有的数学规划或者优化算法得到，此处不进一步赘述。

可见，通过实施图6所描述的方法，可通过传感器自身测量的两帧测量数据来确定至少一个关联假设对应的度量值，进而根据该至少一个关联假设对应的度量值确定该两帧测量数据中的关联关系。避免了利用误差过大的先验速度值来确定两帧测量数据中的关联关系。提升了确定该两帧测量数据中的关联关系的准确性。

请参见图7，图7是本申请实施例提供的一种数据关联方法的流程示意图。该方法的执行主体可以是传感器系统或者融合感知系统或者集成上述系统的规划/控制系统，如辅助驾驶或者自动驾驶系统等。或者，该方法的执行主体也可以是软件或者硬件(如数据关联装置)。不同的执行步骤可以集中式也可以分布式实现。该方法的执行主体还可以为芯片系统，该芯片系统包含至少一个处理器，以及通信接口或者存储器。其中，该存储器用于存储程序或指令，该通信接口用于为处理器提供信息或数据的输入输出功能。如图7所示，该数据关联方法包括如下步骤701～步骤704。下面以步骤701～步骤704的执行主语为为例进行说明。其中：

701、获取多个测量数据。

其中，该多个测量数据包括三个时刻的测量数据。

702、根据该多个测量数据中的三个测量数据包含的位置测量数据，确定该三个测量数据的关联假设对应的速度估计值。

703、根据关联假设对应的速度估计值和该三个测量数据中的速度测量数据，确定关联假设对应的度量值。

其中，可从获取的多个测量数据中确定一个或多个关联假设。每个关联假设对应三个测量数据。该三个测量数据来自三个时刻。也就是说，每一个关联假设对应的测量数据来自三个时刻。

其中，步骤701中的多个测量数据包括时刻t

可选的，关联假设对应的三个测量数据中包含的位置测量数据，可以为极坐标或者球坐标或者直角坐标位置测量数据。可选的，极坐标或者球坐标位置测量数据可以转换为直角坐标的位置测量数据；根据直角坐标的位置测量数据可以确定该关联假设对应的速度估计值。其中，直角坐标的位置和直角坐标的速度可以是二维或三维或三维以上的矢量。

一、直角坐标的位置分量为二维分量。

以关联假设为关联假设(i

如何将极坐标的位置测量数据转换为二维的直角坐标的位置分量的实现原理可参见图5所对应的实施例中将极坐标的位置测量数据转换为二维的直角坐标的位置分量的实现原理，在此不赘述。

根据时刻t

其中，

根据关联假设对应的速度估计值，可以得到速度投影分量的估计值。速度投影分量的估计值包括平滑估计值和/或滤波估计值和/预测估计值。速度投影分量可以为径向速度和/或横向速度和/或纵向速度等。再根据速度投影分量的估计值和速度测量数据，确定关联假设对应的度量值。其中，速度测量数据为速度投影分量的测量值。或者，可不通过上述速度估计值来确定速度投影分量的估计值，可通过其他方式来确定速度投影分量的估计值。

确定速度投影分量的预测估计值的原理与确定速度投影分量的平滑估计值和滤波估计值的原理相同，在此不赘述。根据速度投影分量的估计值和速度测量数据，确定关联假设对应的度量值可参加上图6对应的实施例的描述，在此不赘述。

二、直角坐标的位置分量为三维分量。

以关联假设为关联假设(i

如何将球坐标的位置测量数据转换为三维的直角坐标的位置分量的实现原理可参见图6所对应的实施例中将球坐标的位置测量数据转换为三维的直角坐标的位置分量的实现原理，在此不赘述。

根据时刻t

其中，T＝t

根据关联假设对应的速度估计值，可以得到速度投影分量的估计值。速度投影分量的估计值包括平滑估计值和/或滤波估计值和/预测估计值。速度投影分量可以为径向速度和/或横向速度和/或纵向速度等。根据速度投影分量的估计值和速度测量数据，可以确定关联假设对应的度量值。其中，速度测量数据为速度投影分量的测量值。或者，可不通过上述速度估计值来确定速度投影分量的估计值，可通过其他方式来确定速度投影分量的估计值。

确定速度投影分量的预测估计值的原理与确定速度投影分量的平滑估计值和滤波估计值的原理相同，在此不赘述。根据速度投影分量的估计值和速度测量数据，确定关联假设对应的度量值可参加上图6对应的实施例的描述，在此不赘述。

704、根据该多个测量数据的至少一个关联假设对应的度量值，确定该多个测量数据的关联关系。其中，该多个测量数据的至少一个关联假设中的每个关联假设对应多个测量数据中的三个测量数据。

作为一种可选的实施方式，基于上述关联假设的度量值，确定数据关联可以是基于该关联假设的度量值，根据测量数据的第一约束规则，确定数据关联。其中，第一约束规则可以为一个测量数据来自一个目标，一个目标产生一个或多个测量数据。可选的，第一约束规则具体可以为一个测量数据来自一个真实目标或虚假目标，该虚假目标可以是传感器产生的虚警或者杂波等。每个真实目标可以产生一个或多个测量数据，或者漏检。基于第一约束规则，能够更加准确地确定出多个测量数据的关联关系。

以下以时刻t

获取时刻t

从集合A中选择似然函数值(或对数似然函数值)最大的(或距离值最小)的关联假设

不失一般性，重复上述类似过程，可以从A中选择似然函数值(或者对数似然函数值)最大(或者距离值最小)的关联

如果最终M

作为一种可选的实施方式，根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实施方式为：根据多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设；根据最大似然关联假设确定多个测量数据的关联关系。该最大似然关联假设为与多个测量测量数据对应的似然函数值最大的关联假设。其中，度量值为似然函数值或者对数似然函数值或者等价形式。

例如，关联假设的度量值为似然函数值为例。用

其中，

上述最大加权匹配问题，可以基于分支定界算法或者松弛算法得到其最优解X

作为一种可选的实施方式，根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系的具体实施方式为：根据多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设或者全局最近邻关联假设；根据最大似然关联假设或者全局最近邻关联假设确定多个测量数据的关联关系。该全局最近邻关联假设为与多个测量数据对应的全局距离最小的关联假设。其中全局距离可以根据马氏距离或者欧氏距离等定义，此处不做限定。

例如，用

其中，

上述广义分配问题，可以基于匈牙利(Hungarian)算法或者最短增广路(ShortestAugmentationPath)算法得到其最优解X

作为一种可选的实施方式，以关联假设的度量值为似然函数值(或者其等价形式如对数似然函数值)或者距离值为例，可以通过确定m个最佳的数据关联，其中，m为正整数。

具体地，可以通过上述最大权匹配或者广义分配问题的最优解得到第一个最佳的数据关联，根据其最优解将上述问题划分为多个子问题并得到其最优解，将上述问题的最优解按目标函数值排序，得到第二个最佳解，并按第二个最佳解将对应的问题划分为个子问题并得到其最优解，并将得到的上述问题的最优解按目标函数值排序。依次类推，直到得到m个最佳解。上述m个最佳解将对应m个最佳的数据关联。基于最大权匹配或者广义分配问题的最优解划分并得到多个子问题的最佳解，可以利用现有的数学规划或者优化算法得到，此处不进一步赘述。

可见，通过实施图7所描述的方法，可通过传感器自身测量的三帧测量数据来确定至少一个关联假设对应的度量值，进而根据该至少一个关联假设对应的度量值确定该三帧测量数据中的关联关系。避免了利用误差过大的先验速度值来确定三帧测量数据中的关联关系。提升了确定该三帧测量数据中的关联关系的准确性。

本发明实施例可以根据上述方法示例对装置进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本发明实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

请参见图8，图8示出了本申请实施例的一种数据关联装置的结构示意图。图8所示的数据关联装置可以用于执行上述图3或图7所描述的方法实施例中数据关联装置的部分或全部功能。图8所示的数据关联装置可以包括获取单元801和确定单元802。其中：

获取单元801，用于获取多个测量数据，多个测量数据中的每个测量数据包含位置测量数据以及速度测量数据；确定单元802，用于根据多个测量数据中的至少两个测量数据包含的位置测量数据，确定至少两个测量数据的关联假设对应的速度估计值；确定单元802，还用于根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值；确定单元802，还用于根据多个测量数据的至少一个关联假设对应的度量值，确定多个测量数据的关联关系；其中，多个测量数据的至少一个关联假设中的每个关联假设对应多个测量数据中的至少两个测量数据。

作为一种可选的实施方式，至少两个测量数据来自至少两个时刻；或者，至少两个测量数据来自至少两个传感器。

作为一种可选的实施方式，速度估计值包括速度平滑估计值、速度滤波估计值和速度预测估计值中的一种或多种。

作为一种可选的实施方式，确定单元802根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值的具体实现方式为：根据关联假设对应的速度投影分量的估计值和至少两个测量数据中的速度测量数据，确定关联假设对应的度量值；其中，速度投影分量的估计值包括径向速度的估计值和/或横向速度的估计值和/或纵向速度的估计值，径向速度的估计值根据速度估计值得到，横向速度的估计值根据速度估计值得到，纵向速度的估计值根据速度估计值得到。

作为一种可选的实施方式，确定单元802具体用于根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据，确定关联假设是否为有效的关联假设；对于有效的关联假设，确定关联假设对应的度量值。

作为一种可选的实施方式，关联假设有效是指根据关联假设对应的速度估计值和至少两个测量数据中的速度测量数据确定的距离值小于或等于预设阈值。

作为一种可选的实施方式，关联假设对应的度量值是根据速度测量数据和速度估计值得到的似然函数值或者对数似然函数值或者距离值。

作为一种可选的实施方式，确定单元802具体用于：根据多个测量数据的至少一个关联假设对应的度量值确定最大似然关联假设或全局最近邻关联假设；根据最大似然关联假设或全局最近邻关联假设确定多个测量数据的关联关系。

作为一种可选的实施方式，确定单元802具体用于：根据多个测量数据的至少一个关联假设对应的度量值，基于第一约束规则，确定多个测量数据的关联关系，其中，第一约束规则为一个测量数据来自一个目标，一个目标产生一个或多个测量数据。

基于同一发明构思，本申请实施例中提供的数据关联装置解决问题的原理与本申请方法实施例的原理相似，因此数据关联装置解决问题的原理可以参见方法实施例，为简洁描述，在这里不再赘述。

请参见图9，图9是本申请实施例公开的一种数据关联装置的结构示意图。如图9所示，该数据关联装置包括处理器901和存储器902。其中，处理器901和存储器902相连。

其中，处理器901可以是中央处理器(central processing unit，CPU)，通用处理器，协处理器，数字信号处理器(digital signal processor，DSP)，专用集成电路(application-specific integrated circuit，ASIC)，现场可编程门阵列(fieldprogrammable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。该处理器901也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。

其中，处理器901调用存储器902中存储的程序代码，可执行上述方法实施例中的步骤。存储器902还用于存储执行上述方法过程中的缓存数据。存储器902与处理器901相互耦合，可选的，还可以集成在一起。上述获取单元和确定单元可通过处理器901实现。

基于同一发明构思，本申请实施例中提供的数据关联装置解决问题的原理与本申请方法实施例的原理相似，因此数据关联装置解决问题的原理可以参见方法实施例，为简洁描述，在这里不再赘述。

本申请实施例还提供了一种芯片系统，该芯片系统包括处理器，用于支持数据关联装置以实现上述实施例中所涉及的功能，例如生成或处理上述方法中所涉及的数据和/或信息。可选的，所述芯片系统还包括接口电路，所述处理器通过所述接口电路获取信息或者输出信息。这里需要说明的是，所述芯片系统可以为集成电路。进一步，所述集成电路上包含至少一个晶体管和/或至少一个逻辑门。

进一步可选的，所述芯片系统还可以包括存储器，该存储器，用于保存必要的程序指令和数据。所述处理器可以调用并执行所述程序指令，以实现本申请所提供的方法。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在处理器上运行时，上述方法实施例的方法流程得以实现。

本发明实施例还提供了一种计算机程序产品，当所述计算机程序产品在处理器上运行时，上述方法实施例的方法流程得以实现。

本发明实施例还提供了一种系统，该系统包括至少一个传感器和数据关联装置，该数据关联装置用于实现上述图5～图7所描述的方法流程。

本发明实施例还提供了一种传感器平台，该传感器平台包括至少一个传感器和数据关联装置，该数据关联装置用于实现上述图5～图7所描述的方法流程。该传感器平台可以为可移动的设备。例如，传感器平台可以为车载平台，如汽车、摩托车或者自行车等。或者，传感器平台可以为舰载平台，如船只、轮船、汽艇等。或者，传感器平台可以为车载平台可以是机载平台，如无人机、直升机或者喷气式飞机、气球等。或者，传感器平台可以为星载平台，如卫星等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

当使用软件实现本申请所提供的装置时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地实现本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。