CN110413905A - 获取道路线形的方法、装置、设备及存储介质 - Google Patents
获取道路线形的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110413905A CN110413905A CN201910695646.9A CN201910695646A CN110413905A CN 110413905 A CN110413905 A CN 110413905A CN 201910695646 A CN201910695646 A CN 201910695646A CN 110413905 A CN110413905 A CN 110413905A
- Authority
- CN
- China
- Prior art keywords
- point
- road
- tracing point
- target
- target road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Abstract
本申请公开了获取道路线形的方法、装置、设备及存储介质,属于导航技术领域。方法包括:获取目标道路的目标轨迹点的位置数据;对目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇,在每个聚类簇中选择参考数量个目标轨迹点作为目标道路的关键轨迹点;基于目标道路的关键轨迹点的位置数据,对目标道路的关键轨迹点进行排序,得到目标道路的关键轨迹点的有序序列;基于目标道路的关键轨迹点的有序序列,对目标道路的关键轨迹点进行平滑滤波处理,得到目标道路的平滑轨迹点;对目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为目标道路的道路线形。基于上述方法获取的道路线形准确率较高,节省人工成本,提高获取道路线形的效率。
Description
技术领域
本申请实施例涉及导航技术领域,特别涉及一种获取道路线形的方法、装置、设备及存储介质。
背景技术
随着基础设施建设的发展,道路网每天都在不断地快速更新着,与此同时,地图产品及其衍生品(例如导航软件、打车软件等)也迅速发展。为了能够给用户提供更加精准的导航服务,各种地图产品及其衍生品需要及时获取新增道路的道路线形,然后根据道路线形将新增道路补充到道路数据库中。
相关技术在获取道路线形的过程中,首先获取新增道路的轨迹点的数据,然后由人工将新增道路的轨迹点的数据与街景、卫星图等进行对比来获取道路线形,或者由人工通过进行实地考察来获取道路线形。
在实现本申请的过程中,发明人发现相关技术至少存在以下问题:
由人工获取的道路线形和实际道路线形相比不可避免的存在较大误差,获取的道路线形准确率较低,耗费大量的人工成本,获取道路线形的效率较低。
发明内容
本申请实施例提供了一种获取道路线形的方法、装置、设备及存储介质,可用于解决相关技术中的问题。所述技术方案如下:
一方面,本申请实施例提供了一种获取道路线形的方法,所述方法包括:
获取目标道路的目标轨迹点的位置数据;
对所述目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇,在每个聚类簇中选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点;
基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,得到所述目标道路的关键轨迹点的有序序列;
基于所述目标道路的关键轨迹点的有序序列,对所述目标道路的关键轨迹点进行平滑滤波处理,得到所述目标道路的平滑轨迹点;
对所述目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为所述目标道路的道路线形。
可选地,所述对所述目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇,包括:
确定聚类簇的目标数量;
对所述目标道路的目标轨迹点进行聚类,得到目标数量个聚类簇。
可选地,所述在每个聚类簇中选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点,包括:
在每个聚类簇的中心所在的参考范围内选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点。
可选地,所述目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的经度数据,所述基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,包括:
基于所述目标道路的关键轨迹点的经度数据,对所述目标道路的关键轨迹点进行排序。
可选地,所述目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的纬度数据,所述基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,包括:
基于所述目标道路的关键轨迹点的纬度数据,对所述目标道路的关键轨迹点进行排序。
可选地,所述对所述目标道路的关键轨迹点进行平滑滤波处理,包括:
利用局域多项式最小二乘法拟合的滤波方法对所述目标道路的关键轨迹点进行平滑滤波处理。
可选地,所述利用局域多项式最小二乘法拟合的滤波方法对所述目标道路的关键轨迹点进行平滑滤波处理,包括:
确定平滑滤波处理窗口的长度,所述平滑滤波处理窗口的长度用于表示所述平滑滤波处理窗口内的关键轨迹点的数量;
在每个平滑滤波处理窗口内,利用多项式最小二乘法对所述平滑滤波处理窗口内的关键轨迹点进行拟合,得到拟合函数;基于所述拟合函数得到所述平滑滤波处理窗口内的目标关键轨迹点所对应的平滑轨迹点;用所述平滑轨迹点代替所述目标关键轨迹点。
另一方面,提供了一种获取道路线形的装置,所述装置包括:
获取模块,用于获取目标道路的目标轨迹点的位置数据;
聚类模块,用于对所述目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇;
选择模块,用于在每个聚类簇中选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点;
排序模块,用于基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,得到所述目标道路的关键轨迹点的有序序列;
平滑滤波处理模块,用于基于所述目标道路的关键轨迹点的有序序列,对所述目标道路的关键轨迹点进行平滑滤波处理,得到所述目标道路的平滑轨迹点;
连接模块,用于对所述目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为所述目标道路的道路线形。
可选地,所述聚类模块,用于确定聚类簇的目标数量;对所述目标道路的目标轨迹点进行聚类,得到目标数量个聚类簇。
可选地,所述选择模块,用于在每个聚类簇的中心所在的参考范围内选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点。
可选地,所述目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的经度数据,所述排序模块,用于基于所述目标道路的关键轨迹点的经度数据,对所述目标道路的关键轨迹点进行排序。
可选地,所述目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的纬度数据,所述排序模块,用于基于所述目标道路的关键轨迹点的纬度数据,对所述目标道路的关键轨迹点进行排序。
可选地,所述平滑滤波处理模块,用于利用局域多项式最小二乘法拟合的滤波方法对所述目标道路的关键轨迹点进行平滑滤波处理。
可选地,所述平滑滤波处理模块,用于确定平滑滤波处理窗口的长度,所述平滑滤波处理窗口的长度用于表示所述平滑滤波处理窗口内的关键轨迹点的数量;在每个平滑滤波处理窗口内,利用多项式最小二乘法对所述平滑滤波处理窗口内的关键轨迹点进行拟合,得到拟合函数;基于所述拟合函数得到所述平滑滤波处理窗口内的目标关键轨迹点所对应的平滑轨迹点;用所述平滑轨迹点代替所述目标关键轨迹点。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述任一所述的获取道路线形的方法。
另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现上述任一所述的获取道路线形的方法。
本申请实施例提供的技术方案至少带来如下有益效果:
通过对目标道路的关键轨迹点进行排序和平滑滤波处理,得到平滑轨迹点,基于平滑轨迹点的连线自动得到目标道路的道路线形。获取道路线形的过程不依赖于人工标注,获取的道路线形准确率较高,节省人工成本,提高获取道路线形的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种实施环境的示意图;
图2是本申请实施例提供的一种获取道路线形的方法流程图;
图3是本申请实施例提供的一种通过DBSCAN聚类算法对轨迹点进行聚类的聚类结果示意图;
图4是本申请实施例提供的一种获取道路线形的过程示例图;
图5是本申请实施例提供的一种获取道路线形的过程示例图;
图6是本申请实施例提供的一种通过K-means聚类算法对目标轨迹点进行聚类的聚类结果示意图;
图7是本申请实施例提供的一种获取道路线形的过程图;
图8是本申请实施例提供的一种获取道路线形的装置示意图;
图9是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
随着基础设施建设的发展,道路网每天都在不断地快速更新着,与此同时,地图产品及其衍生品(例如导航软件、打车软件等)也迅速发展。为了能够给用户提供更加精准的导航服务,各种地图产品及其衍生品需要及时获取新增道路的道路线形,然后根据道路线形将新增道路补充到道路数据库中。
对此,本申请实施例提供了一种获取道路线形的方法,请参考图1,其示出了本申请实施例提供的方法实施环境的示意图。该实施环境可以包括:终端11和服务器12。
其中,终端11能够采集并存储运动对象在运动过程中产生的轨迹点的数据。例如,终端11可以安装导航软件,通过导航软件采集并存储运动对象在运动过程中产生的轨迹点的数据。终端11将采集的轨迹点的数据发送至服务器12上进行存储,从而在需要更新地图数据时,服务器12可应用本申请实施例提供的方法获取道路线形。
可选地,图1所示的终端11可以是诸如手机、平板电脑、个人计算机等电子设备。服务器12可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。终端11与服务器12通过有线或无线网络建立通信连接。
本领域技术人员应能理解上述终端11和服务器12仅为举例,其他现有的或今后可能出现的终端或服务器如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
基于上述图1所示的实施环境,本申请实施例提供一种获取道路线形的方法,以该方法应用于服务器12为例。如图2所示,本申请实施例提供的方法可以包括如下步骤:
在步骤201中,获取目标道路的目标轨迹点的位置数据。
其中,目标道路是指地图上未记载的任意一条缺失道路。目标轨迹点是指组成目标道路的轨迹点簇中的所有轨迹点。位置数据是指描述目标轨迹点所在位置的数据,例如,目标轨迹点的经度数据、纬度数据等。
获取目标道路的目标轨迹点的位置数据的过程可以分为以下三个步骤:
步骤一:获取运动轨迹点的数据。
运动对象在运动的过程中会产生运动轨迹,每条运动轨迹都由若干运动轨迹点组成。其中,运动对象可以是指机动车辆、外卖骑手、行人等。运动对象所在终端可以采集运动对象在运动过程中产生的运动轨迹点的数据,然后将采集到的运动轨迹点的数据发送至服务器上,服务器获取运动轨迹点的数据。其中,运动轨迹点的数据包括但不限于运动轨迹点的位置数据、运动轨迹点的定位误差、运动轨迹点的运动速度等。本申请实施例对终端采集运动轨迹点的数据的频率不加以限定,可以根据经验设置,也可以根据运动对象的类型而自由调整,例如,对于行人而言,终端采集运动轨迹点的数据的频率可以为每隔10秒采集一次运动轨迹点的数据。
可选地,服务器可以获取不同终端发送的运动轨迹点的数据,也就是可以获取由不同运动对象产生的运动轨迹点的数据。
在具体的实现过程中,获取运动轨迹点的数据的方式可以为:服务器以Spark构建分布式科学计算系统,从系统中导入并存储运动轨迹点的数据。其中,服务器可以是指使用X86构架的Linux操作系统的服务器集群。
步骤二:基于运动轨迹点的数据,获取缺失道路的轨迹点的数据。
服务器获取的运动轨迹点可以分为两类,一类是属于已有道路的运动轨迹点,另一类是不属于已有道路的运动轨迹点。可选地,判断运动轨迹点是否属于已有道路的方式可以是:当运动轨迹点与邻近道路之间的距离大于距离阈值时,该运动轨迹点属于已有道路;当运动轨迹点与邻近道路之间的距离不大于距离阈值时,该运动轨迹点不属于已有道路。其中,邻近道路是指分布在运动轨迹点周围的多条已有道路中与该运动轨迹点的垂直距离最短的一条已有道路。距离阈值可以根据经验进行设置,例如20米,也可以根据应用场景自由调整。将属于已有道路的运动轨迹点删除,将不属于已有道路运动轨迹点作为缺失道路的轨迹点,由此获取缺失道路的轨迹点的数据。
进一步地,对于得到的缺失道路的轨迹点而言,其可能是真实缺失道路的轨迹点,但也可能是因为定位误差、数据错误而产生的不可信的轨迹点。可以对缺失道路的轨迹点进行过滤,以剔除不可信的轨迹点,从而提高获取的道路线形的准确率。
可选地,对缺失道路的轨迹点进行过滤,以剔除不可信的轨迹点的方式可以为:获取缺失道路的轨迹点的运动速度和定位误差,将运动速度小于速度阈值或者定位误差大于误差阈值的轨迹点作为不可信的轨迹点,剔除不可信的轨迹点。其中,轨迹点的运动速度可以是指运动对象在该轨迹点所在位置的瞬时速度,定位误差可以是运动对象的定位位置与真实位置之间的距离误差。速度阈值和误差阈值可以根据经验设置,也可以根据应用场景自由调整。例如,速度阈值可以设置为1米/秒,误差阈值可以设置为8米,当轨迹点的运动速度小于1米/秒时,说明该轨迹点的运动速度过慢,将该轨迹点作为不可信的轨迹点;当轨迹点的定位误差大于8米时,说明该轨迹点的定位准确度较低,将该轨迹点作为不可信的轨迹点。剔除不可信的轨迹点后,将剩余的缺失道路的轨迹点作为最终获取的缺失道路的轨迹点。
步骤三:对缺失道路的轨迹点进行聚类,得到一个或多个轨迹点簇,基于任一轨迹点簇,得到目标道路的目标轨迹点的位置数据。
由于步骤二中获取的缺失道路的轨迹点可能属于多条不同的缺失道路,所以可以根据密度聚类的方式对缺失道路的轨迹点进行聚类,得到一个或多个轨迹点簇。
密度聚类的基本过程为:从样本密度的角度考察样本之间的可连接性,由可连接样本不断扩展直到获得最终的聚类结果。例如,可以利用具有噪声的基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)对缺失道路的轨迹点进行聚类。具体而言:首先确定一个固定的圆周半径,然后将圆周范围内的轨迹点密度大于参考数值的轨迹点作为可连接的轨迹点,依次对各个可连接的轨迹点进行连接,得到分别处于不同连接路径上的不同轨迹点簇。其中,参考数值可以根据经验设置,例如,参考数值为4。在图3所示的轨迹点分布情况下,根据DBSCAN聚类算法可以得到如图3所示的分别沿两条箭头连接线所在路径的两个轨迹点簇。在具体的实现过程中,服务器可以使用Spark开发平台建立DBSCAN聚类算法模型,导入缺失道路的轨迹点的数据,按照模型规则计算,最终生成对应于不同缺失道路的轨迹点簇。例如,如图4(1)或者图5(1)所示,在电子地图上可以利用密度聚类算法得到对应于不同的缺失道路的轨迹点簇。
每个轨迹点簇均对应于一条缺失道路,也就是每个轨迹点簇均对应于一条目标道路。将任一轨迹点簇中的所有轨迹点作为目标道路的目标轨迹点。基于目标道路的目标轨迹点的数据,即可得到目标道路的目标轨迹点的位置数据。
在步骤202中,对目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇,在每个聚类簇中选择参考数量个目标轨迹点作为目标道路的关键轨迹点。
由于目标道路的目标轨迹点数量众多,在基于目标轨迹点获取道路线形的过程中计算量很大,所以可以选择部分具有代表性的目标轨迹点作为关键轨迹点,然后基于关键轨迹点获取目标道路的道路线形。
可选地,在对目标道路的目标轨迹点进行聚类之前,可以先确定聚类簇的目标数量,然后再对目标道路的目标轨迹点进行聚类,得到目标数量个聚类簇。其中,目标数量可以根据该聚类簇中的目标轨迹点的总数量确定。目标轨迹点的总数量越多,聚类簇的目标数量可以越大。例如,聚类簇的目标数量K的计算公式可以为K=N/M,其中,N为目标轨迹点的总数量,M为抽样率。抽样率是指每选择一个关键轨迹点所需的目标轨迹点的数量,例如,M=12表示每选择一个关键轨迹点所需的目标轨迹点的数量为12。
可选地,对目标道路的目标轨迹点进行聚类的方式为K-均值(K-means)聚类,其中,K是指聚类簇的数量。K-means聚类是基于距离的聚类算法,采用距离作为相似性的评价指标,是一种迭代求解的聚类分析方法。其基本步骤是:(1)随机选择K个目标轨迹点作为初始的聚类中心;(2)计算每个目标轨迹点与各个初始聚类中心之间的距离,把每个目标轨迹点分配给距离它最近的聚类中心;(3)根据聚类的结果,重新计算K个聚类簇的中心,并作为新的聚类中心;(4)重复步骤(2)和步骤(3),直至聚类中心不再变化。根据最终的聚类中心以及分配给它们的目标轨迹点就可以得到K个聚类簇。聚类的结果可以如图6所示。不同目标轨迹点之间的距离可以是指按照两个目标轨迹点的经度数据和纬度数据计算的实际地球球面距离,也可以是指按照两个目标轨迹点在地图自建坐标系内的位置坐标计算的平面距离,本申请实施例对此不加以限定。在具体的实现过程中,服务器可以使用Spark开发平台建立K-means聚类算法模型,导入目标道路的目标轨迹点的位置数据,按照模型规则计算,最终生成K个聚类簇。
可选地,在每个聚类簇中选择参考数量个目标轨迹点作为目标道路的关键轨迹点,包括:在每个聚类簇的中心所在的参考范围内选择参考数量个目标轨迹点作为目标道路的关键轨迹点。其中,聚类簇的中心可以根据该聚类簇中的所有目标轨迹点的位置数据计算得到。例如,可以将聚类簇中的所有目标轨迹点的位置数据的平均值所对应的位置作为该聚类簇的中心。参考范围和参考数量均可以根据经验进行设置,也可以根据实际情况进行自由调整,本申请实施例对此不加以限定。例如,参考范围可以设置为30厘米,参考数量可以设置为1,也就是在每个聚类簇的中心所在的30厘米范围内选择1个目标轨迹点作为该目标道路的关键轨迹点。此时,如果聚类簇的中心所在位置有目标轨迹点,则将该目标轨迹点作为该聚类簇的关键轨迹点;如果聚类簇的中心所在位置没有目标轨迹点,则将聚类簇的中心所在的30厘米范围内距离聚类簇的中心最近的目标轨迹点作为该聚类簇的关键轨迹点。相较于聚类簇边缘的目标轨迹点而言,聚类簇的中心所在参考范围内的目标轨迹点更具有代表性,通过此种方式选取的关键轨迹点更能代表该聚类簇中的所有目标轨迹点,进而提高基于关键轨迹点得到的道路线形的准确率。
通过在每个聚类簇中选择参考数量个目标轨迹点作为目标道路的关键轨迹点,可以将大量的目标道路的目标轨迹点进行精简,得到具有代表性的数量较少的关键轨迹点,从而减少获取道路线形过程中的计算量,提高获取道路线形的效率。
在步骤203中,基于目标道路的关键轨迹点的位置数据,对目标道路的关键轨迹点进行排序,得到目标道路的关键轨迹点的有序序列。
由于目标道路的关键轨迹点可能是基于不同的运动对象在不同时间内的运动轨迹得到的,所以需要对关键轨迹点进行排序,以确定哪两个关键轨迹点之间可以相连,进而能够基于关键轨迹点之间的连线得到道路线形。
在本申请实施例中,目标道路的关键轨迹点的位置数据包括但不限于经度数据和纬度数据。基于目标道路的关键轨迹点的位置数据,对目标道路的关键轨迹点进行排序的方式包括但不限于以下两种:
方式一:基于目标道路的关键轨迹点的经度数据,对目标道路的关键轨迹点进行排序。可选地,将目标道路的关键轨迹点按照经度的绝对值从小到大进行排序。在具体的实现过程中,假设排序前的关键轨迹点组成的序列为Cn,服务器可以使用Spark平台建立Cn1=sort_long(Cn)的数学模型,导入目标道路的关键轨迹点的位置数据,计算得到目标道路的关键轨迹点的有序序列Cn1。其中,sort(排序)函数是指为给定区间的所有元素进行排序的函数,long是指经度(longitude)的缩写。在此种方式下,对于经度相同的关键轨迹点,可以按照纬度的绝对值从小到大进行排序。
方式二:基于目标道路的关键轨迹点的纬度数据,对目标道路的关键轨迹点进行排序。可选地,将目标道路的关键轨迹点按照纬度的绝对值从小到大进行排序。在具体的实现过程中,假设排序前的关键轨迹点组成的序列为Cn,服务器可以使用Spark平台建立Cn2=sort_lat(Cn)的数学模型,导入目标道路的关键轨迹点的位置数据,计算得到目标道路的关键轨迹点的有序序列Cn2。其中,sort函数是指为给定区间的所有元素进行排序的函数,lat是指纬度(latitude)的缩写。在此种方式下,对于纬度相同的关键轨迹点,可以按照经度的绝对值从小到大进行排序。
无论是根据方式一还是方式二对目标道路的关键轨迹点进行排序,在排序之后,均可以得到目标道路的关键轨迹点的有序序列。在该有序序列中,关键轨迹点之间在空间上存在先后顺序。将目标道路的关键轨迹点按照有序序列中的先后顺序依次进行连接,可以得到如图4(2)或者图5(2)所示的线形。由于连接得到的线形存在锯齿不够平滑,所以需要执行步骤204,对目标道路的关键轨迹点进行平滑滤波处理。
在步骤204中,基于目标道路的关键轨迹点的有序序列,对目标道路的关键轨迹点进行平滑滤波处理,得到目标道路的平滑轨迹点。
在得到目标道路的关键轨迹点的有序序列后,按照有序序列中的关键轨迹点的顺序,对目标道路的关键轨迹点进行平滑滤波处理,以使获取的道路线形足够平滑。
可选地,对目标道路的关键轨迹点进行平滑滤波处理的方式为:利用局域多项式最小二乘法拟合的滤波方法对目标道路的关键轨迹点进行平滑滤波处理。其中,局域是指有序序列中的部分关键轨迹点,多项式最小二乘法是指拟合曲线为多项式的最小二乘法。具体而言,该平滑滤波处理的过程可以分为如下三个步骤:
步骤1:确定平滑滤波处理窗口的长度。
平滑滤波处理窗口的长度用于表示平滑滤波处理窗口内的关键轨迹点的数量。确定平滑滤波处理窗口的长度后,可以将所有的关键轨迹点划分到多个平滑滤波窗口内。需要说明的是,平滑滤波处理窗口的长度可以根据经验设置,也可以根据拟合结果自由调整,本申请实施例对此不加以限定。例如,平滑滤波处理窗口的长度可以设置为15,也就是在每个平滑滤波处理窗口内包含15个关键轨迹点。
步骤2:在每个平滑滤波处理窗口内,利用多项式最小二乘法对平滑滤波处理窗口内的关键轨迹点进行拟合,得到拟合函数。
按照有序序列中的顺序对每个平滑滤波处理窗口内的关键轨迹点利用多项式最小二乘法进行拟合,得到拟合函数。其中,多项式的次数可以根据经验设置,也可以根据拟合结果自由调整,本申请实施例对此不加以限定,例如,多项式的次数可以设置为3,也就是对每个平滑滤波处理窗口内的关键轨迹点利用三次多项式最小二乘法进行拟合,得到三次多项式的拟合函数。可选地,对关键轨迹点进行拟合的过程可以是基于关键轨迹点的坐标值对关键轨迹点进行拟合。其中,关键轨迹点的坐标值可以是指关键轨迹点的经度值和纬度值,将经度值作为关键轨迹点的横坐标,将纬度值作为关键轨迹点的纵坐标。
需要说明的是,平滑滤波处理窗口是有先后顺序的,将包含有序序列中的起始关键轨迹点的平滑滤波处理窗口作为第一个平滑滤波处理窗口,在对第一个平滑滤波处理窗口内的关键轨迹点拟合结束后,再对第二个平滑滤波处理窗口内的关键轨迹点进行拟合。第二个平滑滤波处理窗口可以为第一个平滑滤波处理窗口向后平滑一个关键轨迹点之后得到的平滑滤波处理窗口。也就是说,假设平滑滤波处理窗口的长度为15,第一个平滑滤波处理窗口内的关键轨迹点为有序序列中的第1至第15个关键轨迹点,第二个平滑滤波处理窗口内的关键轨迹点可以为有序序列中的第2至第16个关键轨迹点。通过对不同的平滑滤波处理窗口内的关键轨迹点依次进行拟合,可以有效保证目标道路的道路线形不失真。
步骤3:基于拟合函数得到平滑滤波处理窗口内的目标关键轨迹点所对应的平滑轨迹点;用平滑轨迹点代替目标关键轨迹点。
在得到拟合函数后,即可以根据拟合函数计算平滑滤波处理窗口内的目标关键轨迹点所对应的平滑轨迹点。例如,将目标关键轨迹点的原有横坐标代入该拟合函数,得到拟合纵坐标,原有横坐标和拟合纵坐标合起来即为该目标关键轨迹点所对应的平滑轨迹点的坐标值,由此得到目标关键轨迹点所对应的平滑轨迹点。需要说明的是,目标关键轨迹点可以为该平滑滤波处理窗口内的一个或多个关键轨迹点。例如,当平滑滤波处理窗口的长度为奇数时,可以将该平滑滤波处理窗口中处于中间位置的一个关键轨迹点作为目标关键轨迹点,计算该目标关键轨迹点所对应的平滑轨迹点。当平滑滤波处理窗口的长度为偶数时,可以将该平滑滤波处理窗口中处于中间位置的两个关键轨迹点作为目标关键轨迹点,分别计算这两个目标关键轨迹点所对应的平滑轨迹点。当然,也可以将该平滑滤波处理窗口中的所有关键轨迹点都作为目标关键轨迹点,然后分别计算每个目标关键轨迹点所对应的平滑轨迹点。
在得到平滑轨迹点后,用平滑轨迹点代替与其对应的目标关键轨迹点,将被代替的目标关键轨迹点删除。在后续的平滑滤波处理窗口内,基于剩余的关键轨迹点和平滑轨迹点进行平滑滤波处理。
在整个平滑滤波处理过程中,由于平滑滤波处理窗口是有先后顺序的,所以先对第一个平滑滤波处理窗口的关键轨迹点根据上述步骤1至步骤3完成平滑滤波处理,再对第一个平滑滤波处理窗口后的第二个平滑滤波处理窗口的关键轨迹点根据上述步骤1至步骤3进行平滑滤波处理,直至对最后一个平滑滤波处理窗口的关键轨迹点根据步骤1至步骤3完成平滑滤波处理。由此,完成对目标道路的关键轨迹点的平滑滤波处理,得到目标道路的平滑轨迹点。
举例而言,可以利用萨维茨基-高莱(Savitzky-Golay)滤波器对有序序列中的关键轨迹点进行平滑滤波处理,该Savitzky-Golay滤波器是由Savitzky和Golay于1964年提出的,是一种在时域内基于局域多项式最小二乘拟合的滤波方法。Savitzky-Golay滤波器常用于对化学领域的原子光谱等数据进行平滑滤波处理。这种滤波器最大的特点在于可以在消除噪音数据的同时保持道路线形应有的形状,从而使基于平滑轨迹点得到的道路线形与实际的道路线形高度吻合。在具体的实现过程中,服务器可以使用Spark开发平台建立Savitzky-Golay滤波器的数学模型,导入目标道路的关键轨迹点的位置数据,按照模型规则计算,得到目标道路的平滑轨迹点。
在步骤205中,对目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为目标道路的道路线形。
每个平滑轨迹点都对应有一个被代替的目标关键轨迹点,所以可以根据被代替的目标关键轨迹点在有序序列中的先后顺序,对平滑轨迹点进行有序连接,将连接得到的线形作为目标道路的道路线形。目标道路的道路线形是由直线和曲线组成的,例如,对平滑轨迹点进行有序连接之后得到的连线可以如图4(3)或者图5(3)所示,根据连线的线形即可得到目标道路的道路线形。
概括而言,整个获取道路线形的过程可以如图7所示,首先获取目标道路的目标轨迹点;然后对目标轨迹点进行聚类,选择部分目标轨迹点作为目标道路的关键轨迹点;再对关键轨迹点进行排序,得到目标道路的关键轨迹点的有序序列;接下来对关键轨迹点进行平滑滤波处理,得到目标道路的平滑轨迹点;最后对平滑轨迹点进行有序连接,得到目标道路的道路线形。
在本申请实施例中,通过对目标道路的关键轨迹点进行排序和平滑滤波处理,得到平滑轨迹点,基于平滑轨迹点的连线自动得到目标道路的道路线形。获取道路线形的过程不依赖于人工标注,获取的道路线形准确率较高,节省人工成本,提高获取道路线形的效率。
基于相同技术构思,参见图8,本申请实施例提供了一种获取道路线形的装置,该装置包括:
获取模块801,用于获取目标道路的目标轨迹点的位置数据;
聚类模块802,用于对目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇;
选择模块803,用于在每个聚类簇中选择参考数量个目标轨迹点作为目标道路的关键轨迹点;
排序模块804,用于基于目标道路的关键轨迹点的位置数据,对目标道路的关键轨迹点进行排序,得到目标道路的关键轨迹点的有序序列;
平滑滤波处理模块805,用于基于目标道路的关键轨迹点的有序序列,对目标道路的关键轨迹点进行平滑滤波处理,得到目标道路的平滑轨迹点;
连接模块806,用于对目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为目标道路的道路线形。
可选地,聚类模块802,用于确定聚类簇的目标数量;对目标道路的目标轨迹点进行聚类,得到目标数量个聚类簇。
可选地,选择模块803,用于在每个聚类簇的中心所在的参考范围内选择参考数量个目标轨迹点作为目标道路的关键轨迹点。
可选地,目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的经度数据,排序模块804,用于基于目标道路的关键轨迹点的经度数据,对目标道路的关键轨迹点进行排序。
可选地,目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的纬度数据,排序模块804,用于基于目标道路的关键轨迹点的纬度数据,对目标道路的关键轨迹点进行排序。
可选地,平滑滤波处理模块805,用于利用局域多项式最小二乘法拟合的滤波方法对目标道路的关键轨迹点进行平滑滤波处理。
可选地,平滑滤波处理模块805,用于确定平滑滤波处理窗口的长度,平滑滤波处理窗口的长度用于表示平滑滤波处理窗口内的关键轨迹点的数量;在每个平滑滤波处理窗口内,利用多项式最小二乘法对平滑滤波处理窗口内的关键轨迹点进行拟合,得到拟合函数;基于拟合函数得到平滑滤波处理窗口内的目标关键轨迹点所对应的平滑轨迹点;用平滑轨迹点代替目标关键轨迹点。
在本申请实施例中,通过对目标道路的关键轨迹点进行排序和平滑滤波处理,得到平滑轨迹点,基于平滑轨迹点的连线自动得到目标道路的道路线形。获取道路线形的过程不依赖于人工标注,获取的道路线形准确率较高,节省人工成本,提高获取道路线形的效率。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图9是本申请实施例提供的一种服务器的结构示意图,该服务器可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central Processing Units,CPU)901和一个或多个存储器902。其中,该一个或多个存储器902中存储有至少一条程序代码,该至少一条程序代码由该一个或多个处理器901加载并执行,以实现上述方法实施例提供的任一种获取道路线形的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令在被计算机设备的处理器执行时实现上述任一种获取道路线形的方法。
可选地,上述计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,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。字符“/”一般表示前后关联对象是一种“或”的关系。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种获取道路线形的方法,其特征在于,所述方法包括:
获取目标道路的目标轨迹点的位置数据;
对所述目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇,在每个聚类簇中选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点;
基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,得到所述目标道路的关键轨迹点的有序序列;
基于所述目标道路的关键轨迹点的有序序列,对所述目标道路的关键轨迹点进行平滑滤波处理,得到所述目标道路的平滑轨迹点;
对所述目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为所述目标道路的道路线形。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇,包括:
确定聚类簇的目标数量;
对所述目标道路的目标轨迹点进行聚类,得到目标数量个聚类簇。
3.根据权利要求1或2所述的方法,其特征在于,所述在每个聚类簇中选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点,包括:
在每个聚类簇的中心所在的参考范围内选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点。
4.根据权利要求1所述的方法,其特征在于,所述目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的经度数据,所述基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,包括:
基于所述目标道路的关键轨迹点的经度数据,对所述目标道路的关键轨迹点进行排序。
5.根据权利要求1所述的方法,其特征在于,所述目标道路的关键轨迹点的位置数据包括目标道路的关键轨迹点的纬度数据,所述基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,包括:
基于所述目标道路的关键轨迹点的纬度数据,对所述目标道路的关键轨迹点进行排序。
6.根据权利要求1所述的方法,其特征在于,所述对所述目标道路的关键轨迹点进行平滑滤波处理,包括:
利用局域多项式最小二乘法拟合的滤波方法对所述目标道路的关键轨迹点进行平滑滤波处理。
7.根据权利要求6所述的方法,其特征在于,所述利用局域多项式最小二乘法拟合的滤波方法对所述目标道路的关键轨迹点进行平滑滤波处理,包括:
确定平滑滤波处理窗口的长度,所述平滑滤波处理窗口的长度用于表示所述平滑滤波处理窗口内的关键轨迹点的数量;
在每个平滑滤波处理窗口内,利用多项式最小二乘法对所述平滑滤波处理窗口内的关键轨迹点进行拟合,得到拟合函数;基于所述拟合函数得到所述平滑滤波处理窗口内的目标关键轨迹点所对应的平滑轨迹点;用所述平滑轨迹点代替所述目标关键轨迹点。
8.一种获取道路线形的装置,其特征在于,所述装置包括:
获取模块,用于获取目标道路的目标轨迹点的位置数据;
聚类模块,用于对所述目标道路的目标轨迹点进行聚类,得到一个或多个聚类簇;
选择模块,用于在每个聚类簇中选择参考数量个目标轨迹点作为所述目标道路的关键轨迹点;
排序模块,用于基于所述目标道路的关键轨迹点的位置数据,对所述目标道路的关键轨迹点进行排序,得到所述目标道路的关键轨迹点的有序序列;
平滑滤波处理模块,用于基于所述目标道路的关键轨迹点的有序序列,对所述目标道路的关键轨迹点进行平滑滤波处理,得到所述目标道路的平滑轨迹点;
连接模块,用于对所述目标道路的平滑轨迹点进行有序连接,将连接得到的线形作为所述目标道路的道路线形。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现如权利要求1至7任一所述的获取道路线形的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现如权利要求1至7任一所述的获取道路线形的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910695646.9A CN110413905B (zh) | 2019-07-30 | 2019-07-30 | 获取道路线形的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910695646.9A CN110413905B (zh) | 2019-07-30 | 2019-07-30 | 获取道路线形的方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110413905A true CN110413905A (zh) | 2019-11-05 |
CN110413905B CN110413905B (zh) | 2022-07-15 |
Family
ID=68364311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910695646.9A Active CN110413905B (zh) | 2019-07-30 | 2019-07-30 | 获取道路线形的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110413905B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111352964A (zh) * | 2020-02-07 | 2020-06-30 | 北京梧桐车联科技有限责任公司 | 获取兴趣点信息的方法、装置、设备及存储介质 |
CN111462015A (zh) * | 2020-04-08 | 2020-07-28 | Oppo广东移动通信有限公司 | 地图轨迹的处理方法、装置、电子设备及存储介质 |
CN111597285A (zh) * | 2020-05-13 | 2020-08-28 | 汉海信息技术(上海)有限公司 | 路网拼接方法、装置、电子设备及存储介质 |
CN111664858A (zh) * | 2020-05-19 | 2020-09-15 | 汉海信息技术(上海)有限公司 | 获取道路线形的方法、装置、电子设备及存储介质 |
CN111750876A (zh) * | 2020-06-16 | 2020-10-09 | 北京百度网讯科技有限公司 | 路网修复方法、装置、设备以及存储介质 |
CN111898648A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 路网图生成方法、装置、电子设备和计算机可读存储介质 |
CN113157848A (zh) * | 2021-05-06 | 2021-07-23 | 清华大学 | 航路确定方法及装置、电子设备和存储介质 |
CN114580574A (zh) * | 2022-04-27 | 2022-06-03 | 新石器慧通(北京)科技有限公司 | 一种构建高精地图的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080262721A1 (en) * | 2007-04-17 | 2008-10-23 | Hitachi, Ltd. | Map generation system and map generation method by using GPS tracks |
CN106323301A (zh) * | 2015-06-29 | 2017-01-11 | 北京四维图新科技股份有限公司 | 一种道路情报的获取方法及装置 |
CN106528589A (zh) * | 2016-09-14 | 2017-03-22 | 北京航空航天大学 | 数据管理方法及装置 |
CN109655052A (zh) * | 2018-12-06 | 2019-04-19 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 目标运动轨迹平滑度评估方法 |
-
2019
- 2019-07-30 CN CN201910695646.9A patent/CN110413905B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080262721A1 (en) * | 2007-04-17 | 2008-10-23 | Hitachi, Ltd. | Map generation system and map generation method by using GPS tracks |
CN106323301A (zh) * | 2015-06-29 | 2017-01-11 | 北京四维图新科技股份有限公司 | 一种道路情报的获取方法及装置 |
CN106528589A (zh) * | 2016-09-14 | 2017-03-22 | 北京航空航天大学 | 数据管理方法及装置 |
CN109655052A (zh) * | 2018-12-06 | 2019-04-19 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 目标运动轨迹平滑度评估方法 |
Non-Patent Citations (1)
Title |
---|
邢小雨: ""道路网约束下的城市社区人群活动时空模式研究"", 《中国博士学位论文全文数据库(电子期刊)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111352964A (zh) * | 2020-02-07 | 2020-06-30 | 北京梧桐车联科技有限责任公司 | 获取兴趣点信息的方法、装置、设备及存储介质 |
CN111352964B (zh) * | 2020-02-07 | 2023-09-12 | 北京梧桐车联科技有限责任公司 | 获取兴趣点信息的方法、装置、设备及存储介质 |
CN111462015A (zh) * | 2020-04-08 | 2020-07-28 | Oppo广东移动通信有限公司 | 地图轨迹的处理方法、装置、电子设备及存储介质 |
CN111597285A (zh) * | 2020-05-13 | 2020-08-28 | 汉海信息技术(上海)有限公司 | 路网拼接方法、装置、电子设备及存储介质 |
CN111597285B (zh) * | 2020-05-13 | 2023-09-15 | 汉海信息技术(上海)有限公司 | 路网拼接方法、装置、电子设备及存储介质 |
CN111664858A (zh) * | 2020-05-19 | 2020-09-15 | 汉海信息技术(上海)有限公司 | 获取道路线形的方法、装置、电子设备及存储介质 |
CN111750876A (zh) * | 2020-06-16 | 2020-10-09 | 北京百度网讯科技有限公司 | 路网修复方法、装置、设备以及存储介质 |
CN111898648A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 路网图生成方法、装置、电子设备和计算机可读存储介质 |
CN113157848A (zh) * | 2021-05-06 | 2021-07-23 | 清华大学 | 航路确定方法及装置、电子设备和存储介质 |
CN114580574A (zh) * | 2022-04-27 | 2022-06-03 | 新石器慧通(北京)科技有限公司 | 一种构建高精地图的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110413905B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413905A (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
EP2556338B1 (en) | Probe data processing | |
Chen et al. | TrajCompressor: An online map-matching-based trajectory compression framework leveraging vehicle heading direction and change | |
JP6942706B2 (ja) | 交通道路の経路ヒートを取得する方法および装置 | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
CN206274655U (zh) | 空气质量云监控系统 | |
CN109947881B (zh) | 一种poi判重方法、装置、移动终端及计算机可读存储介质 | |
CN106537384A (zh) | 使用指示用户位置的数据的逆向ip数据库 | |
CN107103754A (zh) | 一种道路交通状况预测方法及系统 | |
CN106899930A (zh) | 指纹数据库构建方法、定位方法及装置 | |
CN110197615B (zh) | 用于生成地图的方法及装置 | |
CN112579718B (zh) | 一种城市用地功能的识别方法、装置及终端设备 | |
CN112861972B (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
Shang et al. | Finding traffic-aware fastest paths in spatial networks | |
CN109949063A (zh) | 一种地址确定方法、装置、电子设备及可读存储介质 | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
CN112035591A (zh) | 一种路网匹配方法、装置、设备和存储介质 | |
CN107545726A (zh) | 一种公交车行驶速度确定方法及装置 | |
Lee et al. | Location recognition system using random forest | |
CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN108566620A (zh) | 一种基于wifi的室内定位方法 | |
CN108680897A (zh) | 一种室内定位方法、装置、电子设备及存储介质 | |
CN105426387A (zh) | 一种基于K-means算法的地图聚合方法 | |
CN115792137B (zh) | 大气污染溯源方法及装置、终端 | |
CN103218406B (zh) | 兴趣点的地址信息的处理方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |