(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210960915.1 (22)申请日 2022.08.11 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 吴函　李冬冬　李乾坤　陈向阳　 殷俊　汪呈智　潘海江　王凯　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 赵凯莉 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/764(2022.01) G06T 7/70(2017.01) G01S 13/86(2006.01) (54)发明名称 一种目标融合方法、 装置、 电子设备及存储 介质 (57)摘要 本申请公开了一种目标融合方法、 装置、 电 子设备及存储介质， 涉及数据融合技术领域。 本 申请中， 基于雷达目标关联的第一属性集合， 以 及基于M个视频目标各自关联的第二属性集合； 接着， 从获得的M个第二属性集合中， 筛选 出与第 一属性集合满足预设的属性相似度条件的N个第 二属性集合， 从而获得， 获得N个与雷达目标关联 后的视频目标； 进一步地， 基于N个关联后的视频 目标， 各自与雷达目标的实际关联可信度， 从N个 关联后的视频目标中， 筛选出满足预设的关联可 信度条件的目标关联视频目标； 最终， 对雷达目 标和目标关联视频目标进行融合， 获得相应的融 合目标。 采用这种方式， 提高了将雷达目标和视 频目标进行融合的准确率。 权利要求书3页 说明书19页 附图11页 CN 115393681 A 2022.11.25 CN 115393681 A 1.一种目标融合方法， 其特 征在于， 包括： 分别获取雷达和视频采集设备， 在 设定时刻从目标场景中， 采集到的雷达目标， 以及与 所述雷达目标满足预设的位置偏差条件的M个视频目标； 其中， 所述M为大于1的整数； 基于所述雷达目标的第一识别结果， 获取关联的第 一属性集合， 以及基于所述M个视频 目标各自的第二识别结果， 分别获取 所述M个视频目标 各自关联的第二属性 集合； 从获得的M个第二属性集合中， 筛选出与所述第一属性集合满足预设的属性相似度条 件的N个第二属 性集合， 并分别将所述N个第二属性集合各自对应的视频目标， 与所述雷达 目标进行关联， 获得N个关联后的视频 目标； 其中， 所述N为大于0， 且小于或等于所述M的整 数； 基于所述N个关联后的视频目标， 各自与所述雷达目标的实际关联可信度， 从所述N个 关联后的视频目标中， 筛 选出满足预设的关联 可信度条件的目标关联视频目标； 对所述雷达目标和所述目标关联视频目标进行融合， 获得相应的融合目标。 2.如权利要求1所述的方法， 其特征在于， 所述分别获取雷达和视频采集设备， 在设定 时刻从目标场景中， 采集到的雷达目标， 以及与所述雷达目标满足预设的位置偏差条件的M 个视频目标， 包括： 分别获取所述雷达和所述视频采集设备， 在所述设定时刻从所述目标场景中， 采集到 的雷达点云数据和L个视频图像数据； 其中， 所述雷达点云数据用于指示： 所述目标场景中 各目标各自在雷达坐标参 考系中的点云位置， 所述 L为大于或等于所述M的整数； 对所述雷达点云数据进行解析， 获得所述雷达目标在标准坐标参考系中的第 一坐标位 置， 以及对所述L个视频图像数据进行解析， 获得所述L个视频目标各自在所述标准坐标参 考系中的第二 坐标位置； 基于获得的第一坐标位置和L个第二坐标位置， 从所述L个视频目标中， 筛选出满足所 述位置偏差条件的M个视频目标。 3.如权利要求2所述的方法， 其特征在于， 所述对所述雷达点云数据进行解析， 获得所 述雷达目标在标准 坐标参考系中的第一 坐标位置， 包括： 从所述雷达点云数据中， 获得所述雷达目标在所述雷达坐标参考系中的目标点云位 置； 基于所述目标点云位置， 获得所述雷达目标在所述标准坐标参考系中的第一坐标位 置。 4.如权利要求2所述的方法， 其特征在于， 所述对所述L个视频图像数据进行解析， 获得 所述L个视频目标 各自在所述标准 坐标参考系中的第二 坐标位置， 包括： 针对所述 L个视频图像数据， 分别执 行以下操作： 从一个视频图像数据中， 获得一个视频目标对应的目标检测框包含的各边界检测点， 在视频坐标参 考系中的各视频边界坐标位置； 确定所述各视频边界坐标位置， 各自在所述标准 坐标参考系中的标准 边界坐标位置； 基于获得的各 标准边界坐标位置， 获得 所述一个视频目标的第二 坐标位置 。 5.如权利要求4所述的方法， 其特征在于， 采用如下方式之一， 从获得的M个第 二属性集 合中， 筛选出与所述第一属性 集合满足预设的属性相似度条件的N个第二属性 集合： 针对所述M个第二属性 集合， 分别执 行以下操作：权　利　要　求　书 1/3 页 2 CN 115393681 A 2从所述一个视频图像数据中， 确定所述目标检测框对应的目标覆盖范围， 并获得所述 目标覆盖范围对应的标准 坐标位置集 合； 若所述标准坐标位置集合包含所述第 一坐标位置， 则确定所述第 一属性集合与所述一 个视频目标的第二属性 集合， 满足所述属性相似度条件； 或者 获取所述第 一属性集合包含的雷达目标历史轨迹， 以及获取所述一个视频目标的第 二 属性集合包含的视频目标历史轨 迹； 当所述雷达目标历史轨迹与所述视频目标历史轨迹， 满足预设的轨迹相似度条件时， 确定所述第一属性 集合与所述 一个视频目标的第二属性 集合， 满足所述属性相似度条件。 6.如权利要求1所述的方法， 其特征在于， 所述获得N个关联后的视频目标之后， 所述基 于所述N个关联后的视频目标 各自对应的关联 可信度之前， 还 包括： 针对所述 N个关联后的视频目标， 分别执 行以下操作： 从一个关联后的视频目标的第 二属性集合中， 获取在与 所述设定时刻相邻的上一采样 时刻， 所述 一个关联后的视频目标， 与关联的历史雷达目标之间的历史关联 可信度； 基于所述历史关联可信度， 以及预设的可信度阈值， 获得所述雷达目标与所述一个关 联后的视频目标之间的实际关联 可信度。 7.如权利要求1 ‑6中任一项所述的方法， 其特征在于， 所述基于所述N个关联后的视频 目标， 各自与所述雷达目标的实际关联可信度， 从所述N个关联后的视频目标中， 筛选出满 足预设的关联 可信度条件的目标关联视频目标， 包括： 基于所述N个关联后的视频目标， 各自与所述雷达目标的实际关联可信度， 获得所述N 个关联后的视频目标 各自对应的关联 可信度排列顺序； 基于获得的N个关联可信度排列顺序， 从所述N个关联后的视频目标中， 筛选出满足所 述关联可信度条件的目标关联视频目标。 8.如权利要求1 ‑6中任一项所述的方法， 其特征在于， 所述基于所述N个关联后的视频 目标各自对应的实际关联可信度， 从所述N个关联后的视频目标中， 筛选出满足预设的关联 可信度条件的目标关联视频目标的过程中， 还 包括： 针对所述 N个关联后的视频目标， 分别执 行以下操作： 在确定所述第一属性集合， 与一个关联后的视频目标的第二属性集合， 若满足以下条 件之一， 则解除所述雷达目标和所述 一个关联后的视频目标之间的关联： 所述第一属性集合包含的所述雷达目标的目标类型， 与 所述一个关联后的视频目标的 第二属性 集合包含的所述 一个关联后的视频目标的目标类型不同； 所述第一属性集合包含的所述雷达目标所处 的区域标识， 与 所述一个关联后的视频目 标的第二属性 集合包含的所述 一个关联后的视频目标 所处的区域标识不同。 9.如权利要求1 ‑6中任一项所述的方法， 其特 征在于， 所述方法还 包括： 若所述N等于1， 则将关联后的视频目标作为所述目标关联视频目标， 并对所述雷达目 标和所述目标关联视频目标进行融合， 获得相应的融合目标。 10.一种目标融合装置， 其特 征在于， 包括： 第一获取模块， 用于分别获取雷达和视频采集设备， 在 设定时刻从目标场景中， 采集到 的雷达目标， 以及与所述雷达目标满足预设的位置偏 差条件的M个视频目标； 其中， 所述M为 大于1的整数；权　利　要　求　书 2/3 页 3 CN 115393681 A 3