行车数据的修正方法、装置、设备和存储介质

技术领域

本发明涉及视觉检测技术领域，特别是涉及一种行车数据的修正方法、装置、设备和存储介质。

背景技术

车辆行驶过程中通常需要获取一些行车数据，例如，周围的目标对象与自车之间的距离、目标车辆的航向角等，以对行车路径进行规划。

然而，当基于车载视觉传感器检测的图像来得到上述行车数据时，受相机制作工艺、人工摆放相机位置偏差、内外参标定、畸变矫正、路面不平以及检测框不准确等因素的影响，确定出的行车数据的准确性较低，不利于行车路径的规划，甚至会导致车辆安全事故的发生。

因此，如何提高基于车载视觉传感器得到的行车数据的准确性，成为亟待解决的技术问题。

发明内容

本发明主要解决的技术问题是提供一种行车数据的修正方法、装置、设备和计算机可读存储介质，能够提高基于车载视觉传感器得到的行车数据的准确性。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种行车数据的修正方法，方法包括：基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据；对于各种第一状态数据，响应于第一状态数据存在误差，确定第一状态数据对应的目标误差类型；选择修正对应关系中与目标误差类型对应的数据修正方式，作为目标修正方式；其中，修正对应关系包括若干预设误差类型分别对应的数据修正方式，目标误差类型属于若干预设误差类型；基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正。

其中，若干预设误差类型包括：跳变误差、全局误差、局部误差和反馈误差中的至少一种。

其中，目标对象的第一状态数据包括目标对象在生命周期内不同时刻的第一状态值，确定第一状态数据对应的目标误差类型，包括：获取第一状态数据中满足第一预设条件的第一状态值的个数在第一状态数据中第一状态值总个数中的第一占比；其中，第一预设条件包括：第一状态值与其前一时刻第一状态值之间的差值的绝对值大于差值阈值；基于第一占比与第一占比阈值，确定第一状态数据对应的目标误差类型。

其中，基于第一占比与第一占比阈值，确定第一状态数据对应的目标误差类型，包括以下至少一者：响应于第一占比小于第一占比阈值，确定第一状态数据对应的目标误差类型为跳变误差；响应于第一占比不小于第一占比阈值，确定第一状态数据对应的目标误差类型为反馈误差。

其中，在确定第一状态数据对应的目标误差类型之前，方法还包括：基于车载雷达传感器检测的目标对象的雷达信息，获取与目标对象的第一状态数据相匹配的第二状态数据；确定第一状态数据对应的目标误差类型，包括：基于与第一状态数据相匹配的第二状态数据，确定第一状态数据对应的目标误差类型。

其中，第一状态数据包括目标对象在生命周期内不同时刻的第一状态值，第二状态数据包括目标对象在生命周期内不同时刻的第二状态值，基于与第一状态数据相匹配的第二状态数据，确定第一状态数据对应的目标误差类型，包括：获取第一状态数据中满足第二预设条件的第一状态值的个数在第一状态数据中第一状态值总个数的第二占比；其中，第二预设条件包括：第一状态值与其相同时刻的第二状态值之间的误差大于误差阈值；基于第二占比与第二占比阈值，确定第一状态数据对应的目标误差类型。

其中，基于第二占比与第二占比阈值，确定第一状态数据对应的目标误差类型，包括以下至少一者：响应于第二占比等于1，确定第一状态数据对应的目标误差类型为全局误差；响应于第二占比不大于第二占比阈值，确定第一状态数据对应的目标误差类型为局部误差；响应于第二占比大于第二占比阈值且小于1，确定第一状态数据对应的目标误差类型为反馈误差。

其中，在第一状态数据对应的目标误差类型为跳变误差或者局部误差的情况下，基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正，包括：获取第一状态数据对应的正态分布和直方图分布中至少一者，作为修正参考数据；基于修正参考数据，对第一状态数据进行修正。

其中，在获取正态分布作为修正参考数据的情况下，基于修正参考数据，对第一状态数据进行修正，包括：获取第一状态数据中分布在正态分布设定区间内的数据的平均值，并基于平均值修正第一状态数据中分布在正态分布设定区间外的数据，其中，设定区间基于正态分布的均值和标准差确定得到；和/或，在获取直方图分布作为修正参考数据的情况下，基于修正参考数据，对第一状态数据进行修正，包括：获取第一状态数据中在直方图分布中占比大于第一阈值的数据的平均值，并基于平均值修正第一状态数据中在直方图分布中占比小于第二阈值的数据；其中，第一阈值大于第二阈值，且第一阈值与第二阈值之和为1。

其中，在第一状态数据对应的目标误差类型为全局误差的情况下，基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正，包括：基于目标对象的尺寸，对目标对象的第一状态数据进行修正。

其中，在确定第一状态数据存在误差之后，方法还包括：输出以下至少一者：第一状态数据所属目标对象的对象标识、第一状态数据中误差数据的时间戳。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种行车数据的修正装置，该装置包括：获取模块，用于基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据；确定模块，用于确定各种第一状态数据分别对应的目标误差类型；选择模块，用于选择修正对应关系中与目标误差类型对应的数据修正方式，作为目标修正方式；其中，修正对应关系包括若干预设误差类型分别对应的数据修正方式，目标误差类型属于若干预设误差类型；修正模块，用于基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种处理设备，包括相互耦接的存储器和处理器，存储器存储有程序指令；处理器用于执行存储器中存储的程序指令，以实现上述行车数据的修正方法。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质用于存储程序指令，程序指令能够被执行以实现上述行车数据的修正方法。

以上方案，先基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据。然后，对于各种第一状态数据，当第一状态数据存在误差时，确定第一状态数据对应的目标误差类型，并从修正对应关系中选择与目标误差类型对应的数据修正方式。最后，基于第一状态数据对应的目标修正方式对第一状态数据进行修正。也即是，当目标对象的第一状态数据存在误差时，可以基于第一状态数据的误差类型所对应的数据修正方式，来对第一状态数据进行修正，提高了目标对象的第一状态数据的准确性，进而提高了自车的行车数据的准确性。

附图说明

图1是本申请提供的行车数据的修正方法一实施例的流程示意图；

图2是本申请提供的目标对象在生命周期内未经修正的航向角分布示意图；

图3是本申请提供的目标对象在生命周期内未经修正的航向角的正态分布和直方图分布示意图；

图4是本申请提供的目标对象在生命周期内修正后的航向角分布示意图；

图5是本申请提供的目标对象在生命周期内未经修正的横向距离分布示意图；

图6是本申请提供的目标对象在生命周期内修正后的横向距离分布示意图；

图7是本申请提供的目标对象在生命周期内的纵向距离分布示意图；

图8是本申请提供的目标对象在生命周期内的运动轨迹示意图；

图9是本申请提供的行车数据的修正装置一实施例的框架示意图；

图10是本申请提供的处理设备一实施例的框架示意图；

图11是本申请提供的计算机可读存储介质一实施例的框架示意图。

具体实施方式

为使本申请的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本申请进一步详细说明。

需要说明的是，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，若本申请实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

请参阅图1，图1是本申请提供的行车数据的修正方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括如下步骤：

S101：基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据。

本实施例中，车载视觉传感器可以是自车上安装的单目摄像头、双目摄像头或者环视摄像头等，本实施例对车载视觉传感器的具体类型不作具体限定。

目标对象可以是自车周围存在的静态障碍物或者动态障碍物等。示例性地，静态障碍物可以是围栏、挡板、指示牌、路障、建筑物等。动态障碍物可以是行人、动物、车辆等。自车周围目标对象的数量为至少一个。

当目标对象为静态障碍物或者除车辆之外的动态障碍物时，目标对象的至少一种第一状态数据包括目标对象与自车之间的欧式距离、目标对象与自车之间的横向距离、目标对象与自车之间的纵向距离以及目标对象的运动轨迹中的至少一种。当目标对象为车辆时，目标对象的至少一种第一状态数据包括目标对象与自车之间的欧式距离、目标对象与自车之间的横向距离、目标对象与自车之间的纵向距离、目标对象的航向角、目标对象的运动轨迹以及目标对象的尺寸中的至少一种。其中，目标对象与自车之间的横向距离和目标对象与自车之间的纵向距离为目标对象在自车的车辆坐标系下与自车之间的横向距离和纵向距离。车辆坐标系的x轴为自车的长度方向，y轴为自车的宽度方向，z轴为自车的高度方向。目标对象的尺寸包括目标对象的长度和宽度。

本实施例中，自车在行车过程中需获取行车数据进行行车路径规划，行车数据包括前述的至少一种第一状态数据。具体地，先通过车载视觉传感器获取自车周围目标对象的图像，然后对目标对象的图像进行相关视觉算法处理，得到目标对象的至少一种第一状态数据。

示例性地，目标对象与自车之间的欧式距离可以对目标对象的图像经过视觉距离算法计算得到。目标对象与自车之间的横向距离和目标对象与自车之间的纵向距离可以基于目标对象与自车之间的欧式距离以及车辆坐标系计算得到。示例性地，当目标对象为车辆时，通过对目标对象的图像进行图像检测、识别等，可以得到目标对象的航向角及目标对象的尺寸，其中，目标对象的航向角可以基于目标对象的检测框类型以及目标对象的车头、车尾接地点的坐标进行计算得到，检测框类型用于确定目标对象的航向角的取值范围。检测框类型包括车头框、车尾框、左侧车身框、右侧车身框等。目标对象的运动轨迹可以基于目标对象在不同时刻的位置得到。

S102：对于各种第一状态数据，响应于第一状态数据存在误差，确定第一状态数据对应的目标误差类型。

本实施例中，先判断目标对象的第一状态数据是否存在误差，当确定出目标对象的第一状态数据存在误差时，再确定存在误差的第一状态数据对应的目标误差类型。

在一实施方式中，可以基于目标对象的第一状态数据是否存在跳变来确定目标对象的第一状态数据是否存在误差。第一状态数据包括目标对象在生命周期内不同时刻的第一状态值。生命周期指目标对象从出现到消失的时间。示例性地，不同时刻的第一状态值之间的时间间隔为20m、30ms等，本实施例不作具体限定。

具体地，当第一状态数据中存在第一状态值满足第一预设条件时，确定第一状态数据存在误差；当第一状态数据中不存在第一状态值满足第一预设条件时，确定第一状态数据不存在误差。第一预设条件包括：第一状态值与其前一时刻第一状态值之间的差值的绝对值大于差值阈值。差值阈值根据第一状态数据的种类进行具体设定。例如，当第一状态数据为目标对象与自车之间的横向距离时，差值阈值可设置为1m；当第一状态数据为目标对象与自车之间的纵向距离时，差值阈值可设置为2m；当第一状态属于为目标对象的航向角时，差值阈值可设置为10°。

在另一实施方式中，当目标对象的第一状态数据存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，还可以基于目标对象的第一状态数据与目标对象的第二状态数据之间的差异，确定目标对象的第一状态数据是否存在误差。由于车载雷达传感器检测距离较为准确，因此，本实施例中第二状态数据包括目标对象与自车之间的欧式距离、目标对象与自车之间的横向距离、目标对象与自车之间的纵向距离以及目标对象的运动轨迹中的至少一种。车载雷达传感器可以是激光雷达、毫米波雷达等，本实施例对此不作具体限定。第二状态数据包括目标对象在生命周期内不同时刻的第二状态值。

具体地，当第一状态数据中存在第一状态值满足第二预设条件时，确定第一状态数据存在误差；当第一状态数据中不存在第一状态值满足第二预设条件时，确定第一状态数据不存在误差。第二预设条件包括：第一状态值与其相同时刻的第二状态值之间的误差大于误差阈值。第一状态值与其相同时刻的第二状态值之间的误差为第一状态值与其相同时刻的第二状态值之间的差值的绝对值，或者，第一状态值与其相同时刻的第二状态值之间的误差为第一状态值与其相同时刻的第二状态值之间的误差率。误差阈值根据实际需要进行设定，本实施例对此不作具体限定。示例性地，当第一状态值与其相同时刻的第二状态值之间的误差为第一状态值与其相同时刻的第二状态值之间的误差率时，误差阈值为10％。第一状态值与其相同时刻的第二状态值之间的误差率可以采用以下公式进行计算：

公式(1)中c表示误差率，d

可选地，本实施例中，在确定第一状态数据存在误差之后，输出以下至少一者：第一状态数据所属目标对象的对象标识、第一状态数据中误差数据的时间戳。

在一示例中，目标对象的对象标识可以是目标对象对应的编号或者ID(Identitydocument，身份证标识号)。目标对象对应的编号可以是数字、字母等，本实施例对此不作具体限定。

在一示例中，第一状态数据中误差数据的时间戳可以为第一状态数据中存在误差的第一状态值对应的时刻或者帧数。当第一状态数据存在误差时，反馈目标对象的对象标识可以便于相关人员快速知晓具体是哪一个目标对象的第一状态数据存在误差。当第一状态数据存在误差时，反馈第一状态数据中误差数据的时间戳可以便于相关人员快速知晓第一状态数据中具体误差数据的位置。

进一步地，可以将第一状态数据所属目标对象的对象标识和第一状态数据中误差数据的时间戳输出至设备的显示界面上进行显示，以便于相关人员直观地获取第一状态数据所属目标对象的对象标识和第一状态数据中的误差数据。

本实施例中，目标对象的第一状态数据对应的目标误差类型包括跳变误差、全局误差、局部误差和反馈误差中的一种。

在一实施方式中，当目标对象的第一状态数据不存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，目标对象的第一状态数据存在跳变误差和反馈误差。其中，跳变误差指第一状态数据中部分不同时刻的第一状态值存在跳变。当第一状态数据存在误差且对应的目标误差类型不为跳变误差时，将第一状态数据对应的未知的误差类型称为反馈误差。

该实施方式中，确定第一状态数据对应的目标误差类型包括：获取第一状态数据中满足第一预设条件的第一状态值的个数在第一状态数据中第一状态值总个数中的第一占比；基于第一占比与第一占比阈值，确定第一状态数据对应的目标误差类型。第一预设条件的相关内容参见前述内容，在此不再赘述。

具体地，响应于第一占比小于第一占比阈值，确定第一状态数据对应的目标误差类型为跳变误差。响应于第一占比不小于第一占比阈值，确定第一状态数据对应的目标误差类型为反馈误差。第一占比阈值根据实际需要进行设定，本实施例对此不作具体限定。示例性地，第一占比阈值为20％。例如，目标对象的第一状态数据包括目标对象在生命周期内不同时刻的航向角，满足第一预设条件的航向角的个数在第一状态数据中航向角总个数的第一占比为18％，由于第一占比18％小于第一占比阈值20％，该第一状态数据对应的目标误差类型为跳变误差。

上述实施方式中，当目标对象的第一状态数据不存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，根据目标对象的第一状态数据的跳变情况可以准确地确定出目标对象的第一状态数据是否存在误差。

在另一实施方式中，当目标对象的第一状态数据存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，目标对象的第一状态数据存在全局误差、局部误差和反馈误差。其中，全局误差指第一状态数据中所有第一状态值与第二状态数据中相同时刻的第二状态值之间均存在误差。局部误差指第一状态数据中部分第一状态值与第二状态数据中相同时刻的第二状态值之间存在误差。当第一状态数据存在误差且对应的目标误差类型不为全局误差、局部误差时，将第一状态数据对应的未知的误差类型称为反馈误差。

该实施方式中，确定第一状态数据对应的目标误差类型包括：基于车载雷达传感器检测的目标对象的雷达信息，获取与目标对象的第一状态数据相匹配的第二状态数据；基于与第一状态数据相匹配的第二状态数据，确定第一状态数据对应的目标误差类型。第一状态数据包括目标对象在生命周期内不同时刻的第一状态值，第二状态数据包括目标对象在生命周期内不同时刻的第二状态值。第一状态数据与第二状态数据相匹配指，第一状态数据中的每个时刻的第一状态值在第二状态数据中存在一个与其相同时刻的第二状态值。进一步地，为了提高确定目标对象的第一状态数据的目标误差类型的准确性，第一状态数据中的第一状态值与第二状态数据中的第二状态值相匹配的个数大于设定个数阈值。设定个数阈值根据实际需要进行设定，示例性地，设定个数阈值为50个。

该实施方式中，基于与第一状态数据相匹配的第二状态数据，确定第一状态数据对应的目标误差类型，包括：获取第一状态数据中满足第二预设条件的第一状态值的个数在第一状态数据中第一状态值总个数的第二占比；基于第二占比与第二占比阈值，确定第一状态数据对应的目标误差类型。第二预设条件的相关内容参见前述内容，在此不再赘述。

具体地，响应于第二占比等于1，确定第一状态数据对应的目标误差类型为全局误差。响应于第二占比不大于第二占比阈值，确定第一状态数据对应的目标误差类型为局部误差。响应于第二占比大于第二占比阈值且小于1，确定第一状态数据对应的目标误差类型为反馈误差。第二占比阈值根据实际需要进行设定，本实施例对此不作具体限定。示例性地，第二占比阈值为20％。例如，目标对象的第一状态数据包括目标对象在生命周期内不同时刻的与自车之间的横向距离，满足第二预设条件的横向距离的个数在第一状态数据中横向距离的总个数的第二占比为100％，该第一状态数据对应的目标误差类型为全局误差。

上述实施方式中，当目标对象的第一状态数据存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，由于基于车载雷达传感器测量距离较为准确，因此，基于目标对象的第一状态数据与目标对象的第二状态数据之间的差异，可以准确地确定出目标对象的第一状态数据是否存在误差。

可选地，上述实施方式中，当目标对象的数量为多个时，在获取目标对象的第一状态数据以及获取与第一状态数据相匹配的第二状态数据之前，还包括：对车载视觉传感器检测的多个目标对象以及车载雷达传感器检测的多个目标对象进行目标匹配，以使车载视觉传感器检测的多个目标对象以及车载雷达传感器检测的多个目标对象一一匹配。示例性地，目标匹配算法可以为匈牙利匹配算法。

S103：选择修正对应关系中与目标误差类型对应的数据修正方式，作为目标修正方式。

本实施例中，修正对应关系包括若干预设误差类型分别对应的数据修正方式，目标误差类型属于若干预设误差类型。修正对应关系中，不同预设误差类型对应的数据修正方式相同或者不同。若干预设误差类型包括：跳变误差、全局误差、局部误差和反馈误差中的至少一种。跳变误差、全局误差、局部误差和反馈误差的具体内容参见前述步骤S103，在此不再赘述。当确定目标对象的第一状态数据对应的目标误差类型后，可以直接从修正对应关系中确定出与目标误差类型所对应的目标修正数据修正方式。

S104：基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正。

在一实施方式中，在第一状态数据对应的目标误差类型为跳变误差或者局部误差的情况下，获取第一状态数据对应的正态分布和直方图分布中至少一者，作为修正参考数据；基于修正参考数据，对第一状态数据进行修正。

在一示例中，在获取正态分布作为修正参考数据的情况下，基于修正参考数据，对第一状态数据进行修正，包括：获取第一状态数据中分布在正态分布设定区间内的数据的平均值，并基于分布在正态分布设定区间内的数据的平均值修正第一状态数据中分布在正态分布设定区间外的数据。其中，设定区间基于正态分布的均值和标准差确定得到。示例性地，设定区间为P(μ-σ≤X≤μ+σ)对应的概率区间，或者，设定区间为P(μ-3σ≤X≤μ+3σ)对应的概率区间。μ为正态分布的均值，σ为正态分布的标准差。

第一状态数据中分布在设定区间内的数据对应第一状态数据中不存在误差的第一状态值，第一状态数据中分布在设定区间外的数据对应第一状态数据中存在误差的第一状态值。具体地，基于分布在正态分布设定区间内的数据的平均值修正第一状态数据中分布在正态分布设定区间外的数据，包括：将第一状态数据中分布在设定区间外的第一状态值修改为第一状态数据中分布在设定区间内的数据的平均值。

在另一示例中，在获取直方图分布作为修正参考数据的情况下，基于修正参考数据，对第一状态数据进行修正，包括：获取第一状态数据中在直方图分布中占比大于第一阈值的数据的平均值，并基于直方图分布中占比大于第一阈值的数据的平均值修正第一状态数据中在直方图分布中占比小于第二阈值的数据。其中，第一阈值大于第二阈值，且第一阈值与第二阈值之和为1。第一阈值和第二阈值根据实际情况进行确定，本实施例对此不作具体限定。示例性地，第一阈值为0.8，第二阈值为0.2。

第一状态数据中在直方图分布中占比大于第一阈值的数据对应第一状态数据中不存在误差的第一状态值，第一状态数据中在直方图分布中占比小于第二阈值的数据对应第一状态数据中存在误差的第一状态值。具体地，基于直方图分布中占比大于第一阈值的数据的平均值修正第一状态数据中在直方图分布中占比小于第二阈值的数据，包括：将第一状态数据中在直方图分布中占比小于第二阈值的第一状态值修改为第一状态数据中在直方图分布中占比大于第一阈值的数据的平均值。

在又一示例中，由于第一状态数据中分布在正态分布设定区间内的数据与第一状态数据中在直方图分布中占比大于第一阈值的数据相对应，第一状态数据中分布在正态分布设定区间外的数据与第一状态数据中在直方图分布中占比小于第二阈值的数据相对应。因此，在获取正态分布和直方图分布作为修正参考数据的情况下，基于修正参考数据，对第一状态数据进行修正，包括：获取第一状态数据中分布在正态分布设定区间内的数据的平均值，并基于分布在正态分布设定区间内的数据的平均值修正第一状态数据中在直方图分布中占比小于第二阈值的数据；或者，获取第一状态数据中在直方图分布中占比大于第一阈值的数据的平均值，并基于直方图分布中占比大于第一阈值的数据的平均值修正第一状态数据中分布在正态分布设定区间外的数据。

下面通过举例来说明基于第一状态数据对应的正态分布和直方图分布对第一状态数据进行修正。

请参阅图2，图2是本申请提供的目标对象在生命周期内未经修正的航向角分布示意图。如图2所示，400帧至560帧的航向角分布较为稳定不存在跳变。570帧至580帧的航向角在-3.14°～3.14°之间跳变。

请参阅图3，图3是本申请提供的目标对象在生命周期内未经修正的航向角的正态分布和直方图分布示意图。如图3所示，2.14°～3.14°范围内的航向角在直方图分布中占比大于0.8，-3.14°～-2.14°范围内的航向角在直方图分布中占比小于0.2，且-3.14°～-2.14°范围内的航向角分布在正态分布设定区间外。因此，采用2.14°～3.14°范围内的航向角的平均值对-3.14°～-2.14°范围内的航向角进行修正。

请参阅图4，图4是本申请提供的目标对象在生命周期内修正后的航向角的分布示意图。如图4所示，修正后的570帧至580帧的航向角分布正常，不存在跳变。

上述实施方式中，第一状态数据对应的正态分布和/或直方图分布能够反映出第一状态数据中存在误差的数据分布和未存在误差的数据分布，将第一状态数据对应的正态分布和/或直方图分布作为修正参考数据对第一状态数据进行修正，可以将第一状态数据中存在误差的数据修正到正常范围内，从而可以提高第一状态数据的准确性和稳定性。

在另一实施方式中，在第一状态数据对应的目标误差类型为全局误差的情况下，基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正，包括：基于目标对象的尺寸，对目标对象的第一状态数据进行修正。具体地，将第一状态数据中不同时刻的第一状态值加上或减去目标对象的尺寸修正值，以对目标对象的第一状态数据进行修正。尺寸修正值基于目标对象的长度或者宽度得到。示例性地，当目标对象为车辆时，目标对象的尺寸为车长和车宽。

在一示例中，当目标对象的第一状态数据包括目标对象在生命周期内不同时刻的横向距离时，尺寸修正值可基于以下公式计算得到：

公式(2)中，A表示第一状态数据包括目标对象不同时刻的横向距离时所对应的尺寸修正值。x表示目标对象不同时刻的横向距离的平均误差，平均误差可以基于车载视觉传感器检测的目标对象不同时刻的横向距离与车载雷达传感器检测的目标对象不同时刻的横向距离得到。W表示目标对象的宽度。“[]”表示取整符号。

在另一示例中，当目标对象的第一状态数据为目标对象在不同时刻的纵向距离时，尺寸修正值可以基于以下公式计算得到：

公式(3)中，B表示第一状态数据包括目标对象不同时刻的纵向距离时所对应的尺寸修正值。y表示目标对象不同时刻的纵向距离的平均误差，平均误差可以基于车载视觉传感器检测的目标对象不同时刻的纵向距离与车载雷达传感器检测的目标对象不同时刻的纵向距离得到。L表示目标对象的长度。“[]”表示取整符号。

下面通过举例来说明在第一状态数据对应的目标误差类型为全局误差的情况下，对目标对象的第一状态数据进行修正。

请参阅图5，图5是本申请提供的目标对象在生命周期内未经修正的横向距离分布示意图。如图5所示，标号为1的曲线为基于车载视觉传感器得到的目标对象与自车之间的横向距离，标号为2的曲线为基于雷达视觉传感器得到的目标对象与自车之间的横向距离。曲线1对应的每一帧横向距离与曲线2中对应的相同帧的横向距离均相差较大。即基于车载视觉传感器得到的目标对象与自车之间的纵向距离存在全局误差。

请参阅图6，图6是本申请提供的目标对象在生命周期内修正后的横向距离分布示意图。如图6所示，标号为3的曲线通过对图5中的曲线1采用前述公式(2)修正后得到，标号为2的曲线为图5中的曲线2。修正后的曲线3基本满足精度要求。

上述实施方式中，当确定第一状态数据对应的目标误差类型为全局误差的情况下，基于目标对象的尺寸对目标对象的第一状态数据进行修正的方式，可以仅消耗一次运行代码的时间成本，就可以对第一状态数据进行修正，可以提高修正效率以及缩短开发周期。

在又一实施方式中，在第一状态数据对应的目标误差类型为反馈误差的情况下，输出以下至少一者：第一状态数据所属目标对象的对象标识、第一状态数据中误差数据的时间戳，以使相关人员基于反馈信息对第一状态数据对应的误差类型进行进一步分析及对第一状态数据进行修正。目标对象的对象标识以及第一状态数据中误差数据的时间戳的相关内容参见前述步骤S102，在此不再赘述。

由于当第一状态数据对应的目标误差类型为反馈误差时，不清楚第一状态数据对应的具体的误差类型，且不清楚具体如何对第一状态数据进行修正。当第一状态数据对应的目标误差类型为反馈误差时，反馈目标对象的对象标识可以便于相关人员快速知晓具体是哪一个目标对象的第一状态数据存在误差；反馈第一状态数据中误差数据的时间戳可以便于相关人员快速知晓第一状态数据中具体误差数据的位置。缩短了相关人员寻找存在误差的第一状态数据所属的目标对象以及寻找第一状态数据中误差数据所花费的时间。

进一步地，当自车周围存在多个目标对象时，考虑到在对车载视觉传感器检测到的目标对象和对雷达传感器检测到的目标对象进行目标匹配时，可能会存在误匹配的现象。当第一状态数据对应的目标误差类型为反馈误差且第一状态数据存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，还可以反馈第二状态数据所属目标对象的对象标识，以便于相关人员核对目标匹配是否正确。

可选地，本实施例中，当第一状态数据存在相匹配的采用车载雷达传感器检测的目标对象的第二状态数据时，还可以输出第一状态数据和第二状态数据在同一坐标系下的分布图，以便于相关人员直观地根据同一坐标系下的第一状态数据和第二状态数据，对比确定第一状态数据对应的误差类型及修正方式。

请参阅图7，图7是本申请提供的目标对象在生命周期内的纵向距离分布示意图。如图7所示，标号为4的曲线为基于车载视觉传感器得到的目标对象与自车之间的纵向距离，标号为5的曲线为基于雷达视觉传感器得到的目标对象与自车之间的纵向距离。由图7可知，标号为4的曲线与标号为5的曲线基本保持一致。因此，可以确定基于车载视觉传感器得到的目标对象与自车之间的纵向距离不存在误差。

请参阅图8，图8是本申请提供的目标对象在生命周期内的运动轨迹示意图。如图8所示，标号为6的曲线为基于车载视觉传感器得到的目标对象的运动轨迹，标号为7的曲线为基于车载雷达传感器得到的目标对象的运动轨迹。由图8可知，标号为6的曲线与标号为7的曲线在y轴上的距离相差较大，可以确定基于车载视觉传感器得到的目标对象与自车之间的横向距离存在误差。

可选地，本实施例中，在基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正之后，方法还包括：输出以下至少一者：第一状态数据对应的目标误差类型、误差原因和目标修正方式。以便于相关人员知晓第一状态数据对应的目标误差类型、误差原因以及对应的目标修正方式。例如，当第一状态数据为目标对象与自车之间的横向距离且确定第一状态数据对应的目标误差类型为局部误差时，输出的信息包括：局部误差、横向距离存在误差以及采用直方图分布进行修正。又例如，当第一状态数据为目标对象与自车之间的横向距离且第一状态数据对应的目标误差类型为反馈误差时，输出的信息包括：反馈误差、横向距离误差不详以及人工修正。

本实施例中，先基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据。然后，对于各种第一状态数据，当第一状态数据存在误差时，确定第一状态数据对应的目标误差类型，并从修正对应关系中选择与目标误差类型对应的数据修正方式。最后，基于第一状态数据对应的目标修正方式对第一状态数据进行修正。也即是，当目标对象的第一状态数据存在误差时，可以基于第一状态数据的误差类型所对应的数据修正方式，来对第一状态数据进行修正，提高了目标对象的第一状态数据的准确性，进而提高了自车的行车数据的准确性。

请参阅图9，图9是本申请提供的行车数据的修正装置一实施例的框架示意图。本实施方式中，行车数据的修正装置90包括：获取模块91、确定模块92、选择模块93和修正模块94。

其中，获取模块91用于基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据。确定模块92用于确定各种第一状态数据分别对应的目标误差类型。选择模块93用于选择修正对应关系中与目标误差类型对应的数据修正方式，作为目标修正方式。其中，修正对应关系包括若干预设误差类型分别对应的数据修正方式，目标误差类型属于若干预设误差类型。修正模块94用于基于第一状态数据对应的目标修正方式，对目标对象的第一状态数据进行修正。

可选地，若干预设误差类型包括：跳变误差、全局误差、局部误差和反馈误差中的至少一种。

可选地，目标对象的第一状态数据包括目标对象在生命周期内不同时刻的第一状态值，确定模块92用于获取第一状态数据中满足第一预设条件的第一状态值的个数在第一状态数据中第一状态值总个数中的第一占比；其中，第一预设条件包括：第一状态值与其前一时刻第一状态值之间的差值的绝对值大于差值阈值；基于第一占比与第一占比阈值，确定第一状态数据对应的目标误差类型。

可选地，确定模块92用于响应于第一占比小于第一占比阈值，确定第一状态数据对应的目标误差类型为跳变误差；响应于第一占比不小于第一占比阈值，确定第一状态数据对应的目标误差类型为反馈误差。

可选地，获取模块91还用于在确定第一状态数据对应的目标误差类型之前，基于车载雷达传感器检测的目标对象的雷达信息，获取与目标对象的第一状态数据相匹配的第二状态数据；确定模块92用于基于与第一状态数据相匹配的第二状态数据，确定第一状态数据对应的目标误差类型。

可选地，第一状态数据包括目标对象在生命周期内不同时刻的第一状态值，第二状态数据包括目标对象在生命周期内不同时刻的第二状态值，确定模块92用于获取第一状态数据中满足第二预设条件的第一状态值的个数在第一状态数据中第一状态值总个数的第二占比；其中，第二预设条件包括：第一状态值与其相同时刻的第二状态值之间的误差大于误差阈值；基于第二占比与第二占比阈值，确定第一状态数据对应的目标误差类型。

可选地，确定模块92用于响应于第二占比等于1，确定第一状态数据对应的目标误差类型为全局误差；响应于第二占比不大于第二占比阈值，确定第一状态数据对应的目标误差类型为局部误差；响应于第二占比大于第二占比阈值且小于1，确定第一状态数据对应的目标误差类型为反馈误差。

可选地，在第一状态数据对应的目标误差类型为跳变误差或者局部误差的情况下，修正模块94用于获取第一状态数据对应的正态分布和直方图分布中至少一者，作为修正参考数据；基于修正参考数据，对第一状态数据进行修正。

可选地，在获取正态分布作为修正参考数据的情况下，修正模块94用于获取第一状态数据中分布在正态分布设定区间内的数据的平均值，并基于平均值修正第一状态数据中分布在正态分布设定区间外的数据，其中，设定区间基于正态分布的均值和标准差确定得到；和/或，在获取直方图分布作为修正参考数据的情况下，修正模块94用于获取第一状态数据中在直方图分布中占比大于第一阈值的数据的平均值，并基于平均值修正第一状态数据中在直方图分布中占比小于第二阈值的数据；其中，第一阈值大于第二阈值，且第一阈值与第二阈值之和为1。

可选地，在第一状态数据对应的目标误差类型为全局误差的情况下，修正模块94用于基于目标对象的尺寸，对目标对象的第一状态数据进行修正。

可选地，行车数据的修正装置还包括输出模块95，在确定模块92确定第一状态数据存在误差之后，输出模块95用于输出以下至少一者：第一状态数据所属目标对象的对象标识、第一状态数据中误差数据的时间戳。

需要说明的是，本实施方式的装置可以执行上述方法中的步骤，相关内容的详细说明请参见上述方法部分，在此不再赘叙。

请参阅图10，图10是本申请提供的处理设备一实施例的框架示意图。本实施方式中，处理设备100包括存储器101和处理器102。

处理器102还可以称为CPU(Central Processing Unit，中央处理单元)。处理器102可能是一种集成电路芯片，具有信号的处理能力。处理器102还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器102也可以是任何常规的处理器102等。

处理设备100中的存储器101用于存储处理器102运行所需的程序指令。

处理器102用于执行程序指令以实现本申请中的行车数据的修正方法。

请参阅图11，图11是本申请提供的计算机可读存储介质一实施例的框架示意图。本申请实施例的计算机可读存储介质110存储有程序指令111，该程序指令111被执行时实现本申请提供的行车数据的修正方法。其中，该程序指令111可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质110中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质110包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。

以上方案，先基于车载视觉传感器检测的自车周围目标对象的图像，获取目标对象的至少一种第一状态数据。然后，对于各种第一状态数据，当第一状态数据存在误差时，确定第一状态数据对应的目标误差类型，并从修正对应关系中选择与目标误差类型对应的数据修正方式。最后，基于第一状态数据对应的目标修正方式对第一状态数据进行修正。也即是，当目标对象的第一状态数据存在误差时，可以基于第一状态数据的误差类型所对应的数据修正方式，来对第一状态数据进行修正，提高了目标对象的第一状态数据的准确性，进而提高了自车的行车数据的准确性。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元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。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。