CN111735461B - 行驶轨迹的处理方法、装置及电子设备 - Google Patents
行驶轨迹的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111735461B CN111735461B CN202010524445.5A CN202010524445A CN111735461B CN 111735461 B CN111735461 B CN 111735461B CN 202010524445 A CN202010524445 A CN 202010524445A CN 111735461 B CN111735461 B CN 111735461B
- Authority
- CN
- China
- Prior art keywords
- track
- running
- running track
- pair
- section
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 title claims abstract description 39
- 230000011218 segmentation Effects 0.000 claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims description 61
- 238000012797 qualification Methods 0.000 claims description 38
- 238000000605 extraction Methods 0.000 claims description 15
- 238000001179 sorption measurement Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/52—Determining velocity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种行驶轨迹的处理方法、装置及电子设备，涉及数据处理领域。该方法包括：接收终端设备在行驶过程中生成的行驶轨迹；基于预设规则对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并将过滤后的行驶轨迹吸附至对应的路网轨迹；将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段；其中，所述轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，并获取各个目标轨迹分段各自对应的图像数据。本申请实现了对行驶轨迹的自动审核，提高了对行驶轨迹审核的整体效率，从而提升了地图的整体更新效率。
Description
技术领域
本申请涉及数据处理技术领域，具体而言，本申请涉及一种行驶轨迹的处理方法、装置及电子设备。
背景技术
实景地图，顾名思义，即为可以看到真实街景的地图。在实景地图中，用户可以通过观看标点上的360度实景，让客户足不出户，身临其境的了解标点的内外部环境。
但是，真实街景是会发生变化的，所以需要持续对实景地图中的真实街景进行更新。
现有技术中，通常是在车辆中安装具有图像采集功能和定位功能的终端设备，然后在车辆行驶的过程中采集图像。采集完成后将行驶轨迹进行上传，管理人员对上传的行驶轨迹进行人工审核，确定出行驶轨迹中合格的行驶轨迹，然后再人为地向终端设备发送获取合格的行驶轨迹对应的图像的任务，从而获取对应的图像。
但是，这种方式需要人为地对行驶轨迹进行审核，不仅速度慢，而且准确率也较低，行驶轨迹的整体审核效率较低；而且，获取图像的任务也需要人为地发起，效率较低，导致实景地图的整体更新效率较低。
发明内容
本申请提供了一种行驶轨迹的处理方法、装置及电子设备，可以解决现有技术中需要人为地对行驶轨迹进行审核，不仅速度慢，而且准确率也较低，行驶轨迹的整体审核效率较低；而且，获取图像的任务也需要人为地发起，效率较低，导致实景地图的整体更新效率较低的问题。所述技术方案如下：
第一方面，提供了一种行驶轨迹的处理方法，该方法包括：
接收终端设备在行驶过程中生成的行驶轨迹；
对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并将过滤后的行驶轨迹吸附至对应的路网轨迹；
基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段；其中，所述轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，并获取各个目标轨迹分段各自对应的图像数据。
优选地，所述对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，包括：
获取所述行驶轨迹中各个轨迹点的全球定位系统时间、标准时间以及位置信息；
将全球定位系统时间与标准时间的差值超过差值阈值的轨迹点删除，以及将全球定位系统时间、标准时间、位置信息中至少一项相同的轨迹点删除，将剩余轨迹点形成的轨迹作为过滤后的行驶轨迹。
优选地，所述对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，包括：
获取所述行驶轨迹中实际速度小于速度阈值的行驶轨迹首段和行驶轨迹尾段，以及所述行驶轨迹首段的实际速度和所述行驶轨迹尾段的实际速度；
分别获取所述行驶轨迹首段和行驶轨迹尾段的全球定位系统速度；所述全球定位系统速度为基于全球定位系统计算得到的行驶速度；
当所述行驶轨迹首段的实际速度与对应的全球定位系统速度不一致时，删除所述行驶轨迹首段，和/或，所述行驶轨迹尾段的实际速度与对应的全球定位系统速度不一致时，删除所述行驶轨迹尾段，得到过滤后的行驶轨迹。
优选地，所述基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段，包括：
基于预设的切分规则同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
将任一相同位置的一段行驶轨迹与一段路网轨迹进行配对，得到各对轨迹分段。
优选地，所述基于预设的切分规则同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹，包括：
分别计算出所述过滤后的行驶轨迹的第一曲率变化值和所述路网轨迹的第二曲率变化值；
当第一曲率变化值和第二曲率变化值中任一曲率变化值超过曲率变化阈值时，在所述行驶轨迹和所述路网轨迹中曲率变化值最大处同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
当第一曲率变化值和第二曲率变化值均未超过曲率变化阈值时，基于预设的路网轨迹长度阈值同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹。
优选地，所述确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，包括：
基于预设的至少一种特征确定出每对轨迹分段的各个特征值，并基于各种特征值确定出每对轨迹分段的合格性指标；
基于每对轨迹分段中路网轨迹的长度确定出每对轨迹分段各自对应的合格性指标阈值；
检测每对轨迹分段的合格性指标是否超过各自对应的合格性指标阈值；
将超过各自对应的合格性指标阈值的至少一对轨迹分段作为目标轨迹分段。
优选地，预设的至少一种特征包括距离特征、转角特征、相似度特征以及覆盖特征中的至少一种。
优选地，获取各个目标轨迹分段各自对应的图像数据，包括：
向所述终端设备发送图像获取指令；所述图像获取指令用于获取各对目标轨迹分段各自对应的图像数据，所述图像数据为所述终端在行驶过程中采集到的图像数据；
接收所述终端设备发送的各段图像数据，并保存所述各段图像数据。
第二方面，提供了一种行驶轨迹的处理装置，该装置包括：
接收模块，用于接收终端设备在行驶过程中生成的行驶轨迹；
过滤模块，用于对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹；
吸附模块，用于将过滤后的行驶轨迹吸附至对应的路网轨迹；
分段提取模块，用于基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段；其中，所述轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定模块，用于确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段；
获取模块，用于获取各个目标轨迹分段各自对应的图像数据。
优选地，所述过滤模块包括：
时间获取子模块，用于获取所述行驶轨迹中各个轨迹点的全球定位系统时间、标准时间以及位置信息；
第一删除子模块，用于将全球定位系统时间与标准时间的差值超过差值阈值的轨迹点删除，以及将全球定位系统时间、标准时间、位置信息中至少一项相同的轨迹点删除，将剩余轨迹点形成的轨迹作为过滤后的行驶轨迹。
优选地，所述过滤模块包括：
第一速度获取子模块，用于获取所述行驶轨迹中实际速度小于速度阈值的行驶轨迹首段和行驶轨迹尾段，以及所述行驶轨迹首段的实际速度和所述行驶轨迹尾段的实际速度；
第二速度获取子模块，用于分别获取所述行驶轨迹首段和行驶轨迹尾段的全球定位系统速度；所述全球定位系统速度为基于全球定位系统计算得到的行驶速度；
第二删除子模块，用于当所述行驶轨迹首段的实际速度与对应的全球定位系统速度不一致时，删除所述行驶轨迹首段，和/或，所述行驶轨迹尾段的实际速度与对应的全球定位系统速度不一致时，删除所述行驶轨迹尾段，得到过滤后的行驶轨迹。
优选地，所述分段提取模块包括：
切分子模块，用于基于预设的切分规则同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
配对子模块，用于将任一相同位置的一段行驶轨迹与一段路网轨迹进行配对，得到各对轨迹分段。
优选地，所述切分子模块包括：
计算单元，用于分别计算出所述过滤后的行驶轨迹的第一曲率变化值和所述路网轨迹的第二曲率变化值；
切割单元，用于当第一曲率变化值和第二曲率变化值中任一曲率变化值超过曲率变化阈值时，在所述行驶轨迹和所述路网轨迹中曲率变化值最大处同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；或，
当第一曲率变化值和第二曲率变化值均未超过曲率变化阈值时，基于预设的路网轨迹长度阈值同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹。
优选地，所述确定模块包括：
第一处理子模块，用于基于预设的至少一种特征确定出每对轨迹分段的各个特征值，并基于各种特征值确定出每对轨迹分段的合格性指标；
第二处理子模块，用于基于每对轨迹分段中路网轨迹的长度确定出每对轨迹分段各自对应的合格性指标阈值；
第三处理子模块，用于检测每对轨迹分段的合格性指标是否超过各自对应的合格性指标阈值；
第四处理子模块，用于将超过各自对应的合格性指标阈值的至少一对轨迹分段作为目标轨迹分段。
优选地，预设的至少一种特征包括距离特征、转角特征、相似度特征以及覆盖特征中的至少一种。
优选地，获取模块包括：
发送子模块，用于向所述终端设备发送图像获取指令；所述图像获取指令用于获取各对目标轨迹分段各自对应的图像数据，所述图像数据为所述终端在行驶过程中采集到的图像数据；
接收子模块，用于接收所述终端设备发送的各段图像数据，并保存所述各段图像数据。
第三方面，处理器、存储器和总线；
所述总线，用于连接所述处理器和所述存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，可执行指令使处理器执行如本申请的第一方面所示的行驶轨迹的处理方法对应的操作。
第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的行驶轨迹的处理方法。
本申请提供的技术方案带来的有益效果是：
在本发明实施例中，服务器接收终端设备在行驶过程中生成的行驶轨迹，然后对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并将过滤后的行驶轨迹吸附至对应的路网轨迹，再基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段；其中，所述轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；当确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，获取各个目标轨迹分段各自对应的图像数据。这样，通过对行驶轨迹进行整体过滤，得到过滤后的行驶轨迹，再对过滤后的行驶轨迹进行分段提取并过滤，最终确定出满足要求的各段行驶轨迹，即可从终端设备获取各段行驶轨迹对应的图像数据，从而实现了对行驶轨迹的自动审核，不仅可以全面替代人工审核，提高审核速度，而且，自动审核的准确率相较于人工审核的准确率也有较大的提升，进而提高了对行驶轨迹审核的整体效率。同时，获取图像的任务也可以自动发起，效率较高，从而提升了实景地图的整体更新效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请一个实施例提供的一种行驶轨迹的处理方法的流程示意图；
图2A～2B为本申请中对过滤后的行驶轨迹和路网轨迹同时进行切分的效果示意图一；
图3A～3B为本申请中对过滤后的行驶轨迹和路网轨迹同时进行切分的效果示意图二；
图4为本申请又一实施例提供的一种行驶轨迹的处理装置的结构示意图；
图5为本申请又一实施例提供的一种行驶轨迹的处理的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
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。
本申请提供的行驶轨迹的处理方法、装置、电子设备和计算机可读存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
在一个实施例中提供了一种行驶轨迹的处理方法，如图1所示，该方法包括：
步骤S101，接收终端设备在行驶过程中生成的行驶轨迹；
终端设备可以是具备定位功能，记录影像、音频的终端，比如，安装有全球定位系统的行车记录仪、智能后视镜等车载设备。当终端设备置于车辆中时，终端设备可以记录其在运行过程中产生的运动轨迹的数据，以及其在运行过程中的影像、声音等相关资料，由于终端设备是与车辆绑定在一起的，所以可以将终端设备的运动轨迹作为车辆的行驶轨迹。
步骤S102，对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并将过滤后的行驶轨迹吸附至对应的路网轨迹；
在实际应用中，行驶轨迹可能会出现轨迹漂移、离散点、轨迹混乱等问题，所以需要对行驶轨迹进行过滤，解决轨迹漂移、离散点、轨迹混乱等问题。
步骤S103，基于预设规则将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定出与过滤后的行驶轨迹对应的路网轨迹后，可以基于预设规则进一步判断过滤后的行驶轨迹是否全部符合要求，如果存在不符合要求的一段或多段行驶轨迹，那么就需要从过滤后的行驶轨迹中删除掉不符合要求的一段或多段行驶轨迹。所以，在本发明实施例中，可以对过滤后的行驶轨迹和路网轨迹同时进行分段提取，得到至少一对轨迹分段，其中，每对轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；然后，再对各对轨迹分段进行判断。其中，预设规则可以是切分规则，用于对行驶轨迹和路网轨迹进行切分。
步骤S104，确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，并获取各个目标轨迹分段各自对应的图像数据。
得到多对轨迹分段之后，确定出每对轨迹分段各自对应的预设要求，并检测各对轨迹分段是否满足各自对应的预设要求，从而获取满足预设要求的各个目标轨迹分段各自对应的图像数据，以及丢弃不满足预设要求的各对轨迹分段中的各段行驶轨迹。然后获取各个目标轨迹分段各自对应的图像数据后，可以将对应的图像数据进行存储，或者采用这些图像数据对该目标轨迹分段的已有图像数据进行更新。其中，图像数据可以是图片、视频等。
在本发明实施例中，服务器接收终端设备在行驶过程中生成的行驶轨迹，然后对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并基于预设规则将过滤后的行驶轨迹吸附至对应的路网轨迹，再将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；当确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，获取各个目标轨迹分段各自对应的图像数据。这样，通过对行驶轨迹进行整体过滤，得到过滤后的行驶轨迹，再对过滤后的行驶轨迹进行分段提取并过滤，最终确定出满足要求的各段行驶轨迹，即可从终端设备获取各段行驶轨迹对应的图像数据，从而实现了对行驶轨迹的自动审核，不仅可以全面替代人工审核，提高审核速度，而且，自动审核的准确率相较于人工审核的准确率也有较大的提升，进而提高了对行驶轨迹审核的整体效率。同时，获取图像的任务也可以自动发起，效率较高，从而提升了实景地图的整体更新效率。
在另一个实施例中继续对如图1所示的一种行驶轨迹的处理方法进行详细说明。
步骤S101，接收终端设备在行驶过程中生成的行驶轨迹；
具体而言，终端设备可以是具备定位功能，记录影像、音频的终端，比如，安装有全球定位系统的行车记录仪、智能后视镜等车载设备。当终端设备置于车辆中时，终端设备可以记录其在运行过程中产生的运动轨迹的数据，以及其在运行过程中的影像、声音等相关资料，由于终端设备是与车辆绑定在一起的，所以可以将终端设备的运动轨迹作为车辆的行驶轨迹。
其中，终端设备可以具有如下特点：
(1)在硬件体系上，设备具备中央处理器、存储器、输入部件和输出部件，也就是说，设备往往是具备通信功能的微型计算机设备。另外，还可以具有多种输入方式，诸如键盘、鼠标、触摸屏、送话器和摄像头等，并可以根据需要进行调整输入。同时，设备往往具有多种输出方式，如受话器、显示屏等，也可以根据需要进行调整；
(2)在软件体系上，设备必须具备操作系统，如Windows Mobile、Symbian、Palm、Android、iOS等。同时，这些操作系统越来越开放，基于这些开放的操作系统平台开发的个性化应用程序层出不穷，如通信簿、日程表、记事本、计算器以及各类游戏等，极大程度地满足了个性化用户的需求；
(3)在通信能力上，设备具有灵活的接入方式和高带宽通信性能，并且能根据所选择的业务和所处的环境，自动调整所选的通信方式，从而方便用户使用。设备可以支持GSM(Global System for Mobile Communication，全球移动通信系统)、WCDMA(Wideband CodeDivision Multiple Access，宽带码分多址)、CDMA2000(Code Division MultipleAccess，码分多址)、TDSCDMA(Time Division-Synchronous Code Division MultipleAccess，时分同步码分多址)、Wi-Fi(Wireless-Fidelity，无线保真)以及WiMAX(WorldwideInteroperability for Microwave Access，全球微波互联接入)等，从而适应多种制式网络，不仅支持语音业务，更支持多种无线数据业务；
(4)在功能使用上，设备更加注重人性化、个性化和多功能化。随着计算机技术的发展，设备从“以设备为中心”的模式进入“以人为中心”的模式，集成了嵌入式计算、控制技术、人工智能技术以及生物认证技术等，充分体现了以人为本的宗旨。由于软件技术的发展，设备可以根据个人需求调整设置，更加个性化。同时，设备本身集成了众多软件和硬件，功能也越来越强大。
需要说明的是，在本发明实施例中，终端设备可以具备记录音频的功能，也可以没有，在实际实用中，可以根据实际需求进行调整，本发明实施例对此不作限制。
步骤S102，对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并将过滤后的行驶轨迹吸附至对应的路网轨迹；
在实际应用中，行驶轨迹可能会出现轨迹漂移、离散点、轨迹混乱等问题，所以需要对行驶轨迹进行过滤，解决轨迹漂移、离散点、轨迹混乱等问题。
在本发明一种优选实施例中，对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，包括：
获取行驶轨迹中各个轨迹点的全球定位系统时间、标准时间以及位置信息；
将全球定位系统时间与标准时间的差值超过差值阈值的轨迹点删除，以及将全球定位系统时间、标准时间、位置信息中至少一项相同的轨迹点删除，将剩余轨迹点形成的轨迹作为过滤后的行驶轨迹。
具体而言，由于行驶轨迹是在一段时间内通过运动产生的，所以，一段时间中的每个时间节点都对应一个轨迹点，每个轨迹点整合在一起从而形成了行驶轨迹。其中，时间节点可以以毫秒、秒等为单位，在实际应用中可以根据实际需求进行设置，本发明实施例对此不作限制。
进一步，从终端设备获取到行驶轨迹后，可以先获取各个轨迹点的全球定位系统时间和标准时间。
其中，全球定位系统时间也可称为GPS time、GPST，由GPS星载原子钟和地面监控站原子钟组成的一种原子时基准，与国际原子时保持有19s的常数差，并在GPS标准历元1980年1月6日零时与UTC保持一致。
标准时间也可称为协调世界时，又称世界统一时间、世界标准时间、国际协调时间，协调世界时是以原子时秒长为基础，在时刻上尽量接近于世界时的一种时间计量系统。这套时间系统被应用于许多互联网和万维网的标准中，例如，网络时间协议就是协调世界时在互联网中使用的一种方式。
然后判断每个轨迹点的全球定位系统时间和标准时间的时差是否超过差值阈值，如果是，则将行驶轨迹中超过差值阈值的轨迹点删除，然后将剩余的轨迹点进行整合得到过滤后的行驶轨迹。
另外，在实际应用中，由于各种因素会出现不同轨迹点的时间信息、位置信息等相关信息相同的情况，也就是说，虽然记录了多个轨迹点，但是多个轨迹点的相关信息是相同的，那么在这种情况下，多个重复的轨迹点中保留一个轨迹点即可。
在本发明一种优选实施例中，对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，包括：
获取行驶轨迹中实际速度小于速度阈值的行驶轨迹首段和行驶轨迹尾段，以及行驶轨迹首段的实际速度和行驶轨迹尾段的实际速度；
分别获取行驶轨迹首段和行驶轨迹尾段的全球定位系统速度；全球定位系统速度为基于全球定位系统计算得到的行驶速度；
当行驶轨迹首段的实际速度与对应的全球定位系统速度不一致时，删除行驶轨迹首段，和/或，行驶轨迹尾段的实际速度与对应的全球定位系统速度不一致时，删除行驶轨迹尾段，得到过滤后的行驶轨迹。
在实际应用中，车辆在行驶过程中，通常在启动后或者停止前的一段距离是低速行驶的，而低速行驶时，会出现车辆行驶的实际速度与全球定位系统速度不一致的情况，导致完整的行驶轨迹中的首段和尾段有速度不一致，所以，本发明实施例可以检测行驶轨迹中首尾轨迹段的低速一致性。
低速一致性是指在低速情况下(比如车辆的实际速度为3米/秒)车辆的实际速度与全球定位系统速度是否一致，低速的速度阈值可以根据实际需求进行设置，比如，将3米/秒，或者5米/秒设置为速度阈值，如果车辆的实际速度没有超过速度阈值，那么就可以判定为车辆的实际速度为低速。
其中，车辆的实际速度可以根据车辆的行驶距离和行驶时间计算得到；也可以通过传感器将轮速信号转化成车速信号，计算出平均油耗和里程数，简单来说就是通过轮胎转的圈数来统计车速；当然，也可以通过其它方式确定出车辆的实际速度，在实际应用中可以根据实际需求进行设置，本发明实施例对此不作限制。
而全球定位系统速度为基于全球定位系统计算得到的行驶速度，可以通过计算单位时间内的行驶的距离，然后乘以周期系数确定，比如，测算1秒的行驶距离，再乘以3600；或者，通过其它算法计算得到全球定位系统速度，在实际应用中可以根据实际需求进行设置，本发明实施例对此也不作限制。
具体而言，车辆在运动过程中，终端设备除了可以记录行驶轨迹，也可以记录全球定位系统速度以及获取车辆的实际速度，这样，服务器从终端设备获取行驶轨迹后，先确定出行驶轨迹中实际速度小于速度阈值的行驶轨迹首段和行驶轨迹尾段，再获取行驶轨迹首段的全球定位系统速度和车辆的实际速度，以及行驶轨迹尾段的全球定位系统速度和车辆的实际速度，接着判断行驶轨迹首段的全球定位系统速度与车辆的实际速度是否一致，同时，判断行驶轨迹尾段的全球定位系统速度与车辆的实际速度是否一致，当二者中任意一项不一致时，从行驶轨迹中将其删除，或者，当二者均不一致时，从行驶轨迹中将二者都删除，从而得到过滤后的行驶轨迹。
需要说明的是，在实际应用中，车辆在行驶过程中可能会遇到等待红绿灯等情况，所以，在完整的行驶轨迹中也会存在多个低速行驶的轨迹段，针对这种情况，对每个低速行驶的轨迹段执行上述步骤即可，在此就不赘述了。
进一步，在得到过滤后的行驶轨迹后，可以采用HMM(Hidden Markov Model，隐马尔可夫模型)算法将过滤后的行驶轨迹吸附至预设的路网，从而得到与过滤后的行驶轨迹对应的路网轨迹。
其中，路网指的是在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统；全部由各级公路组成的称公路网；在城市范围内由各种道路组成的称城市道路网。
当然，除了可以采用HMM算法之外，也可以采用其它算法，在实际应用中可以根据实际需求进行设置，本发明实施例对此不作限制。
步骤S103，基于预设规则将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定出与过滤后的行驶轨迹对应的路网轨迹后，可以基于预设规则进一步判断过滤后的行驶轨迹是否全部符合要求，如果存在不符合要求的一段或多段行驶轨迹，那么就需要从过滤后的行驶轨迹中删除掉不符合要求的一段或多段行驶轨迹。所以，在本发明实施例中，可以对过滤后的行驶轨迹和路网轨迹同时进行分段提取，得到至少一对轨迹分段，其中，每对轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；然后，再对各对轨迹分段进行判断。其中，预设规则可以是切分规则，用于对行驶轨迹和路网轨迹进行切分。
在本发明一种优选实施例中，基于预设规则将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段，包括：
基于预设的切分规则同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
将任一相同位置的一段行驶轨迹与一段路网轨迹进行配对，得到各对轨迹分段。
具体而言，可以基于预设的切分规则对过滤后的行驶轨迹进行切分，得到多段行驶轨迹，同时对路网轨迹也进行切分，得到同样数量的多段路网轨迹，然后将一段行驶轨迹与相同位置的一段路网轨迹进行配对，从而得到多对轨迹分段。
其中，基于预设的切分规则同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹，包括：
分别计算出过滤后的行驶轨迹的第一曲率变化值和路网轨迹的第二曲率变化值；
当第一曲率变化值和第二曲率变化值中任一曲率变化值超过曲率变化阈值时，在行驶轨迹和路网轨迹中曲率变化值最大处同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
当第一曲率变化值和第二曲率变化值均未超过曲率变化阈值时，基于预设的路网轨迹长度阈值同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹。
具体而言，对过滤后的行驶轨迹和路网轨迹同时进行切分时，先分别计算出过滤后的行驶轨迹的第一曲率变化值，以及路网轨迹的第二曲率变化值，当二者中任意一项超过曲率变化阈值时，在二者中曲率变化值最大处同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹。也就是说，检测过滤后的行驶轨迹和路网轨迹中是否存在角度过大的转弯，如果是，则在二者中转弯角度最大的地方对过滤后的行驶轨迹和路网轨迹进行切分。
比如，如图2A所示，过滤后的行驶轨迹201与路网轨迹202中都存在转弯，通过检测得知在A处路网轨迹的曲率变化值超过了曲率变化阈值，且A处为201与202中曲率变化值最大处，那么就在A处对过滤后的行驶轨迹和路网轨迹同时进行切分，得到两段行驶轨迹，记为track 1和track 2，以及得到两段路网轨迹，记为link 1和link 2。
然后继续对track 2和link 2进行切分。由于track 2和link 2中都不存在转弯，所以无法通过计算曲率变化值来进行切分，因此，针对track 2和link 2，可以基于预设的路网轨迹长度阈值来进行切分。具体地，在实际应用中，可以预先设置路网轨迹长度阈值，比如设置为100米，这样，路网轨迹中每隔100米就对过滤后的行驶轨迹和路网轨迹同时进行切分，从而得到至少一段行驶轨迹和至少一段路网轨迹。
比如，如图2B所示，对图2A中的track 2和link 2继续进行切分时，将link 2从A点开始每隔100米确定出切分点，从而得到切分点B、C，然后在B、C处同时对track 2和link 2进行切分，得到track 3、track 4、track 5，以及link 3、link 4、link 5。
再将任意一段行驶轨迹和相同位置的一段路网轨迹进行配对，从而得到多对轨迹分段。比如，将上述各个track与link进行配对，从而得到track1-link 1、track 3-link 3、track 4-link 4、track 5-link 5。
需要说明的是，在实际应用中，基于预设的路网轨迹长度阈值来进行切分时，会出现最后一段小于路网轨迹长度阈值的情况，针对这种情况，可以预先设置link阈值，当一段路网轨迹的长度小于路网轨迹长度阈值，且小于link阈值时，可以将该段路网轨迹与前一段路网轨迹进行合并；否则就不需要合并。
比如，如图3A所示，假设预设的link阈值为20米，过滤后的行驶轨迹和路网轨迹切分后得到track 6-link 6、track 7-link 7、track 8-link 8、track 9-link 9，通过检测得到link 9的距离为18米，小于link阈值，那么就将link 8和link 9合并，得到link 8'，同时，将track 8和track 9合并，得到track 8'，如图3B所示。
进一步，还实际应用中，还可以预先在路网轨迹中设置多个切分点，在对过滤后的行驶轨迹和路网轨迹同时进行切分时，依据各个切分点进行切分也是可以的。而且，针对小于link阈值的一段路网轨迹，依然可以与前一段路网轨迹进行合并，在此就不赘述了。
步骤S104，确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，并获取各个目标轨迹分段各自对应的图像数据。
得到多对轨迹分段之后，确定出每对轨迹分段各自对应的预设要求，并检测对各对轨迹分段是否满足各自对应的预设要求，从而获取满足预设要求的各个目标轨迹分段各自对应的图像数据，以及丢弃不满足预设要求的各对轨迹分段中的各段行驶轨迹。
在本发明一种优选实施例中，确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，包括：
基于预设的至少一种特征确定出每对轨迹分段的各个特征值，并基于各种特征值确定出每对轨迹分段的合格性指标；
基于每对轨迹分段中路网轨迹的长度确定出每对轨迹分段各自对应的合格性指标阈值；
检测每对轨迹分段的合格性指标是否超过各自对应的合格性指标阈值；
将超过各自对应的合格性指标阈值的至少一对轨迹分段作为目标轨迹分段。
具体而言，针对任一对轨迹分段，计算出该对轨迹分段中一段行驶轨迹与一段路网轨迹的至少一种特征值，然后将各种特征值输入预设的检测模型中，检测模型基于各种特征值和该段路网轨迹的长度确定出该对轨迹分段的合格性指标，如果合格性指标超过了合格性指标阈值，那么该对轨迹分段就是满足预设要求的；否则，该对轨迹分段就是不满足预设要求的。
其中，预设的至少一种特征包括距离特征、转角特征、相似度特征以及覆盖特征中的至少一种。距离特征指的是在任一对轨迹分段中，track与link的距离；转角特征指的是在任一对轨迹分段中，track的角度变化率，以及link的角度变化率；相似度特征指的是在任一对轨迹分段中，track与link的相似度，比如矩形相似度；覆盖特征指的是在任一对轨迹分段中，track与link的重合度。
进一步，检测模型已经采用历史人工标准数据训练完成，可以是决策树模型、神经网络模型、回归模型等等。
输入检测模型的数据包括上述至少一种特征的特征值，还包括任一对轨迹分段中link的长度，link的长度不同，对应的合格性指标阈值也不同。
比如，当link的长度大于50米时，合格性指标阈值为0.85；当link的长度大于40米且小于50米时，合格性指标阈值为0.75；当link的长度大于20米且小于40米时，合格性指标阈值为0.7。
应用于本发明实施例中，假设确定上述事例中的track 1-link 1是否满足预设要求，其中link 1为23米，那么先计算出track 1-link 1的距离特征值、转角特征值、相似度特征值以及覆盖特征值，然后将四个特征值和link的长度输入检测模型中进行计算，如果计算得到的合格性指标超过了0.7，那么track 1-link 1就满足预设要求；如果计算得到的合格性指标不超过0.7，那么track 1-link 1就不满足预设要求。
在本发明一种优选实施例中，获取各个目标轨迹分段各自对应的图像数据，包括：
向终端设备发送图像获取指令；图像获取指令用于获取各对目标轨迹分段各自对应的图像数据，图像数据为终端在行驶过程中采集到的图像数据；
接收终端设备发送的各段图像数据，并保存各段图像数据。
具体而言，在确定出了目标轨迹分段后，就可以向终端发送图像获取指令了，终端设备接收到图像获取指令后，就可以从采集到的图像数据中提取出目标轨迹分段对应的图像数据，然后将对应的图像数据发送至服务器，服务器接收到对应的图像数据后，可以将对应的图像数据进行存储，或者采用这些图像数据对该目标轨迹分段的已有图像数据进行更新。其中，图像数据可以是图片、视频等。
进一步，在实际应用中通过测试可知，相对于现有技术中的人工审核，本发明实施例的自动审核的有效率为99.7％，获取到的图像数据的有效性提升了7％，从而实现了自动、高效对行驶轨迹进行审核，全面替代了人工审核。
在本发明实施例中，服务器接收终端设备在行驶过程中生成的行驶轨迹，然后对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并基于预设规则将过滤后的行驶轨迹吸附至对应的路网轨迹，再将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；当确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，获取各个目标轨迹分段各自对应的图像数据。这样，通过对行驶轨迹进行整体过滤，得到过滤后的行驶轨迹，再对过滤后的行驶轨迹进行分段提取并过滤，最终确定出满足要求的各段行驶轨迹，即可从终端设备获取各段行驶轨迹对应的图像数据，从而实现了对行驶轨迹的自动审核，不仅可以全面替代人工审核，提高审核速度，而且，自动审核的准确率相较于人工审核的准确率也有较大的提升，进而提高了对行驶轨迹审核的整体效率。同时，获取图像的任务也可以自动发起，效率较高，从而提升了实景地图的整体更新效率。
图4为本申请又一实施例提供的一种行驶轨迹的处理装置的结构示意图，如图4所示，本实施例的装置可以包括：
接收模块401，用于接收终端设备在行驶过程中生成的行驶轨迹；
过滤模块402，用于对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹；
吸附模块403，用于将过滤后的行驶轨迹吸附至对应的路网轨迹；
分段提取模块404，用于基于预设规则将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定模块405，用于确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段；
获取模块406，用于获取各个目标轨迹分段各自对应的图像数据。
在本发明一种优选实施例中，过滤模块包括：
时间获取子模块，用于获取行驶轨迹中各个轨迹点的全球定位系统时间、标准时间以及位置信息；
第一删除子模块，用于将全球定位系统时间与标准时间的差值超过差值阈值的轨迹点删除，以及将全球定位系统时间、标准时间、位置信息中至少一项相同的轨迹点删除，将剩余轨迹点形成的轨迹作为过滤后的行驶轨迹。
在本发明一种优选实施例中，过滤模块包括：
第一速度获取子模块，用于获取行驶轨迹中实际速度小于速度阈值的行驶轨迹首段和行驶轨迹尾段，以及行驶轨迹首段的实际速度和行驶轨迹尾段的实际速度；
第二速度获取子模块，用于分别获取行驶轨迹首段和行驶轨迹尾段的全球定位系统速度；全球定位系统速度为基于全球定位系统计算得到的行驶速度；
第二删除子模块，用于当行驶轨迹首段的实际速度与对应的全球定位系统速度不一致时，删除行驶轨迹首段，和/或，行驶轨迹尾段的实际速度与对应的全球定位系统速度不一致时，删除行驶轨迹尾段，得到过滤后的行驶轨迹。
在本发明一种优选实施例中，分段提取模块包括：
切分子模块，用于基于预设的切分规则同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
配对子模块，用于将任一相同位置的一段行驶轨迹与一段路网轨迹进行配对，得到各对轨迹分段。
在本发明一种优选实施例中，切分子模块包括：
计算单元，用于分别计算出过滤后的行驶轨迹的第一曲率变化值和路网轨迹的第二曲率变化值；
切割单元，用于当第一曲率变化值和第二曲率变化值中任一曲率变化值超过曲率变化阈值时，在行驶轨迹和路网轨迹中曲率变化值最大处同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；或，
当第一曲率变化值和第二曲率变化值均未超过曲率变化阈值时，基于预设的路网轨迹长度阈值同时对过滤后的行驶轨迹和路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹。
在本发明一种优选实施例中，确定模块包括：
第一处理子模块，用于基于预设的至少一种特征确定出每对轨迹分段的各个特征值，并基于各种特征值确定出每对轨迹分段的合格性指标；
第二处理子模块，用于基于每对轨迹分段中路网轨迹的长度确定出每对轨迹分段各自对应的合格性指标阈值；
第三处理子模块，用于检测每对轨迹分段的合格性指标是否超过各自对应的合格性指标阈值；
第四处理子模块，用于将超过各自对应的合格性指标阈值的至少一对轨迹分段作为目标轨迹分段。
在本发明一种优选实施例中，预设的至少一种特征包括距离特征、转角特征、相似度特征以及覆盖特征中的至少一种。
在本发明一种优选实施例中，获取模块包括：
发送子模块，用于向终端设备发送图像获取指令；图像获取指令用于获取各对目标轨迹分段各自对应的图像数据，图像数据为终端在行驶过程中采集到的图像数据；
接收子模块，用于接收终端设备发送的各段图像数据，并保存各段图像数据。
本实施例的行驶轨迹的处理装置可执行本申请第一个实施例、第二个实施例所示的行驶轨迹的处理方法，其实现原理相类似，此处不再赘述。
在本发明实施例中，服务器接收终端设备在行驶过程中生成的行驶轨迹，然后对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并基于预设规则将过滤后的行驶轨迹吸附至对应的路网轨迹，再将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；当确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，获取各个目标轨迹分段各自对应的图像数据。这样，通过对行驶轨迹进行整体过滤，得到过滤后的行驶轨迹，再对过滤后的行驶轨迹进行分段提取并过滤，最终确定出满足要求的各段行驶轨迹，即可从终端设备获取各段行驶轨迹对应的图像数据，从而实现了对行驶轨迹的自动审核，不仅可以全面替代人工审核，提高审核速度，而且，自动审核的准确率相较于人工审核的准确率也有较大的提升，进而提高了对行驶轨迹审核的整体效率。同时，获取图像的任务也可以自动发起，效率较高，从而提升了实景地图的整体更新效率。
本申请的又一实施例中提供了一种电子设备，该电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，与现有技术相比可实现：服务器接收终端设备在行驶过程中生成的行驶轨迹，然后对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并基于预设规则将过滤后的行驶轨迹吸附至对应的路网轨迹，再将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；当确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，获取各个目标轨迹分段各自对应的图像数据。这样，通过对行驶轨迹进行整体过滤，得到过滤后的行驶轨迹，再对过滤后的行驶轨迹进行分段提取并过滤，最终确定出满足要求的各段行驶轨迹，即可从终端设备获取各段行驶轨迹对应的图像数据，从而实现了对行驶轨迹的自动审核，不仅可以全面替代人工审核，提高审核速度，而且，自动审核的准确率相较于人工审核的准确率也有较大的提升，进而提高了对行驶轨迹审核的整体效率。同时，获取图像的任务也可以自动发起，效率较高，从而提升了实景地图的整体更新效率。
在一个可选实施例中提供了一种电子设备，如图5所示，图5所示的电子设备5000包括：处理器5001和存储器5003。其中，处理器5001和存储器5003相连，如通过总线5002相连。可选地，电子设备5000还可以包括收发器5004。需要说明的是，实际应用中收发器5004不限于一个，该电子设备5000的结构并不构成对本申请实施例的限定。
处理器5001可以是CPU，通用处理器，DSP，ASIC，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。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器5001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。
总线5002可包括一通路，在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码，并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
本申请的又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，服务器接收终端设备在行驶过程中生成的行驶轨迹，然后对行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并基于预设规则将过滤后的行驶轨迹吸附至对应的路网轨迹，再将过滤后的行驶轨迹和路网轨迹进行分段提取，得到至少一对轨迹分段；其中，轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；当确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，获取各个目标轨迹分段各自对应的图像数据。这样，通过对行驶轨迹进行整体过滤，得到过滤后的行驶轨迹，再对过滤后的行驶轨迹进行分段提取并过滤，最终确定出满足要求的各段行驶轨迹，即可从终端设备获取各段行驶轨迹对应的图像数据，从而实现了对行驶轨迹的自动审核，不仅可以全面替代人工审核，提高审核速度，而且，自动审核的准确率相较于人工审核的准确率也有较大的提升，进而提高了对行驶轨迹审核的整体效率。同时，获取图像的任务也可以自动发起，效率较高，从而提升了实景地图的整体更新效率。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种行驶轨迹的处理方法，其特征在于，包括：
接收终端设备在行驶过程中生成的行驶轨迹；
对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，并将过滤后的行驶轨迹吸附至对应的路网轨迹；
基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段；其中，所述轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，并获取各个目标轨迹分段各自对应的图像数据；
其中，所述确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段，包括：
基于预设的至少一种特征确定出每对轨迹分段的各个特征值，并基于各种特征值确定出每对轨迹分段的合格性指标；
基于每对轨迹分段中路网轨迹的长度确定出每对轨迹分段各自对应的合格性指标阈值；
检测每对轨迹分段的合格性指标是否超过各自对应的合格性指标阈值；
将超过各自对应的合格性指标阈值的至少一对轨迹分段作为目标轨迹分段。
2.根据权利要求1所述的行驶轨迹的处理方法，其特征在于，所述对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，包括：
获取所述行驶轨迹中各个轨迹点的全球定位系统时间、标准时间以及位置信息；
将全球定位系统时间与标准时间的差值超过差值阈值的轨迹点删除，以及将全球定位系统时间、标准时间、位置信息中至少一项相同的轨迹点删除，将剩余轨迹点形成的轨迹作为过滤后的行驶轨迹。
3.根据权利要求1所述的行驶轨迹的处理方法，其特征在于，所述对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹，包括：
获取所述行驶轨迹中实际速度小于速度阈值的行驶轨迹首段和行驶轨迹尾段，以及所述行驶轨迹首段的实际速度和所述行驶轨迹尾段的实际速度；
分别获取所述行驶轨迹首段和行驶轨迹尾段的全球定位系统速度；所述全球定位系统速度为基于全球定位系统计算得到的行驶速度；
当所述行驶轨迹首段的实际速度与对应的全球定位系统速度不一致时，删除所述行驶轨迹首段，和/或，所述行驶轨迹尾段的实际速度与对应的全球定位系统速度不一致时，删除所述行驶轨迹尾段，得到过滤后的行驶轨迹。
4.根据权利要求1所述的行驶轨迹的处理方法，其特征在于，所述基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段，包括：
基于预设的切分规则同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
将任一相同位置的一段行驶轨迹与一段路网轨迹进行配对，得到各对轨迹分段。
5.根据权利要求4所述的行驶轨迹的处理方法，其特征在于，所述基于预设的切分规则同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹，包括：
分别计算出所述过滤后的行驶轨迹的第一曲率变化值和所述路网轨迹的第二曲率变化值；
当第一曲率变化值和第二曲率变化值中任一曲率变化值超过曲率变化阈值时，在所述行驶轨迹和所述路网轨迹中曲率变化值最大处同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹；
当第一曲率变化值和第二曲率变化值均未超过曲率变化阈值时，基于预设的路网轨迹长度阈值同时对所述过滤后的行驶轨迹和所述路网轨迹进行切分，得到至少一段行驶轨迹，以及至少一段路网轨迹。
6.根据权利要求1所述的行驶轨迹的处理方法，其特征在于，预设的至少一种特征包括距离特征、转角特征、相似度特征以及覆盖特征中的至少一种。
7.根据权利要求1所述的行驶轨迹的处理方法，其特征在于，获取各个目标轨迹分段各自对应的图像数据，包括：
向所述终端设备发送图像获取指令；所述图像获取指令用于获取各对目标轨迹分段各自对应的图像数据，所述图像数据为所述终端在行驶过程中采集到的图像数据；
接收所述终端设备发送的各段图像数据，并保存所述各段图像数据。
8.一种行驶轨迹的处理装置，其特征在于，包括：
接收模块，用于接收终端设备在行驶过程中生成的行驶轨迹；
过滤模块，用于对所述行驶轨迹进行过滤处理，得到过滤后的行驶轨迹；
吸附模块，用于将过滤后的行驶轨迹吸附至对应的路网轨迹；
分段提取模块，用于基于预设规则将所述过滤后的行驶轨迹和所述路网轨迹进行分段提取，得到至少一对轨迹分段；其中，所述轨迹分段包括分段提取得到的一段行驶轨迹和对应的一段路网轨迹；
确定模块，用于确定出各对轨迹分段中满足各自对应的预设要求的至少一对目标轨迹分段；
获取模块，用于获取各个目标轨迹分段各自对应的图像数据；
所述确定模块包括：
第一处理子模块，用于基于预设的至少一种特征确定出每对轨迹分段的各个特征值，并基于各种特征值确定出每对轨迹分段的合格性指标；
第二处理子模块，用于基于每对轨迹分段中路网轨迹的长度确定出每对轨迹分段各自对应的合格性指标阈值；
第三处理子模块，用于检测每对轨迹分段的合格性指标是否超过各自对应的合格性指标阈值；
第四处理子模块，用于将超过各自对应的合格性指标阈值的至少一对轨迹分段作为目标轨迹分段。
9.一种电子设备，其特征在于，其包括：
处理器、存储器和总线；
所述总线，用于连接所述处理器和所述存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，执行上述权利要求1-7中任一项所述的行驶轨迹的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010524445.5A CN111735461B (zh) | 2020-06-10 | 2020-06-10 | 行驶轨迹的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010524445.5A CN111735461B (zh) | 2020-06-10 | 2020-06-10 | 行驶轨迹的处理方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111735461A CN111735461A (zh) | 2020-10-02 |
| CN111735461B true CN111735461B (zh) | 2023-11-17 |
Family
ID=72648703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010524445.5A Active CN111735461B (zh) | 2020-06-10 | 2020-06-10 | 行驶轨迹的处理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111735461B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115080683B (zh) * | 2022-08-24 | 2022-11-25 | 天津所托瑞安汽车科技有限公司 | 车辆行程处理方法、设备和存储介质 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101270997A (zh) * | 2007-03-21 | 2008-09-24 | 北京交通发展研究中心 | 基于gps数据的浮动车动态实时交通信息处理方法 |
| CN103149576A (zh) * | 2013-01-29 | 2013-06-12 | 武汉大学 | 一种浮动车数据的地图匹配方法 |
| CN103453908A (zh) * | 2012-06-01 | 2013-12-18 | 腾讯科技（深圳）有限公司 | 一种电子地图测距方法和装置 |
| CN103927795A (zh) * | 2013-01-14 | 2014-07-16 | 北京中交兴路信息科技有限公司 | 一种车辆历史行驶轨迹的回放方法和系统 |
| CN104515528A (zh) * | 2014-12-22 | 2015-04-15 | 厦门雅迅网络股份有限公司 | 基于路段累积概率的单点地图匹配方法 |
| CN104898139A (zh) * | 2014-03-07 | 2015-09-09 | 中兴通讯股份有限公司 | 一种车辆定位纠偏方法及装置 |
| CN105953804A (zh) * | 2016-04-20 | 2016-09-21 | 腾讯科技（深圳）有限公司 | 一种地图数据更新方法及装置 |
| CN106840176A (zh) * | 2016-12-28 | 2017-06-13 | 济宁中科先进技术研究院有限公司 | Gps时空数据增量路网实时更新和轨迹匹配系统 |
| CA3011825A1 (en) * | 2016-01-28 | 2017-08-03 | Uber Technologies, Inc. | Simplifying gps data for map building and distance calculation |
| CN107195178A (zh) * | 2016-03-14 | 2017-09-22 | 滴滴（中国）科技有限公司 | 一种确定车辆行驶路径的方法及装置 |
| CN107871400A (zh) * | 2016-09-26 | 2018-04-03 | 腾讯科技（深圳）有限公司 | 路网信息更新方法及装置 |
| CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
| CN109143291A (zh) * | 2018-06-29 | 2019-01-04 | 长安大学 | 一种车载gps轨迹空间索引精确匹配方法 |
| CN109215372A (zh) * | 2018-10-15 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 路网信息更新方法、装置及设备 |
| CN109269514A (zh) * | 2017-07-18 | 2019-01-25 | 华为技术有限公司 | 确定运动轨迹的方法和装置 |
| CN109974718A (zh) * | 2019-04-09 | 2019-07-05 | 百度在线网络技术（北京）有限公司 | 地图匹配方法、装置、设备和介质 |
| CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
| CN110796191A (zh) * | 2019-10-29 | 2020-02-14 | 北京百度网讯科技有限公司 | 轨迹分类方法及装置 |
| CN110852342A (zh) * | 2019-09-26 | 2020-02-28 | 京东城市(北京)数字科技有限公司 | 一种路网数据的获取方法、装置、设备及计算机存储介质 |
-
2020
- 2020-06-10 CN CN202010524445.5A patent/CN111735461B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101270997A (zh) * | 2007-03-21 | 2008-09-24 | 北京交通发展研究中心 | 基于gps数据的浮动车动态实时交通信息处理方法 |
| CN103453908A (zh) * | 2012-06-01 | 2013-12-18 | 腾讯科技（深圳）有限公司 | 一种电子地图测距方法和装置 |
| CN103927795A (zh) * | 2013-01-14 | 2014-07-16 | 北京中交兴路信息科技有限公司 | 一种车辆历史行驶轨迹的回放方法和系统 |
| CN103149576A (zh) * | 2013-01-29 | 2013-06-12 | 武汉大学 | 一种浮动车数据的地图匹配方法 |
| CN104898139A (zh) * | 2014-03-07 | 2015-09-09 | 中兴通讯股份有限公司 | 一种车辆定位纠偏方法及装置 |
| CN104515528A (zh) * | 2014-12-22 | 2015-04-15 | 厦门雅迅网络股份有限公司 | 基于路段累积概率的单点地图匹配方法 |
| CA3011825A1 (en) * | 2016-01-28 | 2017-08-03 | Uber Technologies, Inc. | Simplifying gps data for map building and distance calculation |
| CN107195178A (zh) * | 2016-03-14 | 2017-09-22 | 滴滴（中国）科技有限公司 | 一种确定车辆行驶路径的方法及装置 |
| CN105953804A (zh) * | 2016-04-20 | 2016-09-21 | 腾讯科技（深圳）有限公司 | 一种地图数据更新方法及装置 |
| CN107871400A (zh) * | 2016-09-26 | 2018-04-03 | 腾讯科技（深圳）有限公司 | 路网信息更新方法及装置 |
| CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
| CN106840176A (zh) * | 2016-12-28 | 2017-06-13 | 济宁中科先进技术研究院有限公司 | Gps时空数据增量路网实时更新和轨迹匹配系统 |
| CN109269514A (zh) * | 2017-07-18 | 2019-01-25 | 华为技术有限公司 | 确定运动轨迹的方法和装置 |
| CN109143291A (zh) * | 2018-06-29 | 2019-01-04 | 长安大学 | 一种车载gps轨迹空间索引精确匹配方法 |
| CN109215372A (zh) * | 2018-10-15 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 路网信息更新方法、装置及设备 |
| CN109974718A (zh) * | 2019-04-09 | 2019-07-05 | 百度在线网络技术（北京）有限公司 | 地图匹配方法、装置、设备和介质 |
| CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
| CN110852342A (zh) * | 2019-09-26 | 2020-02-28 | 京东城市(北京)数字科技有限公司 | 一种路网数据的获取方法、装置、设备及计算机存储介质 |
| CN110796191A (zh) * | 2019-10-29 | 2020-02-14 | 北京百度网讯科技有限公司 | 轨迹分类方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111735461A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11250054B1 (en) | Dynamic partitioning of input frame buffer to optimize resources of an object detection and recognition system | |
| US11074770B2 (en) | Vehicle monitoring system and method using a connected camera architecture | |
| US11157741B2 (en) | Determining the state of infrastructure in a region of interest | |
| CN105206052A (zh) | 一种驾驶行为分析方法及设备 | |
| CN107084740B (zh) | 一种导航方法和装置 | |
| US10616340B2 (en) | Distributed computing of large data by selecting a computational resource of a remote server based on selection policies and data information wherein the selections policies are associated with location constraints, time constraints, and data type constraints | |
| CN108924461B (zh) | 视频图像处理方法及装置 | |
| CN112204975B (zh) | 自动驾驶车辆中视频压缩的时间戳和元数据处理 | |
| US10754893B1 (en) | Providing access to vehicle videos | |
| US11417098B1 (en) | Determining location coordinates of a vehicle based on license plate metadata and video analytics | |
| EP3038021A1 (en) | Risk determination method, risk determination device, risk determination system, and risk output device | |
| CN112182289B (zh) | 一种基于Flink框架的数据去重方法及装置 | |
| CN112532929A (zh) | 路况信息确定方法及装置、服务器、存储介质 | |
| CN111735461B (zh) | 行驶轨迹的处理方法、装置及电子设备 | |
| JP2023038221A (ja) | データ収集方法およびデータ収集装置 | |
| CN110708664B (zh) | 一种交通流感知方法、装置及计算机存储介质、电子设备 | |
| CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
| JP2020149479A (ja) | 車載装置、ログ収集システムおよびログ収集方法 | |
| CN109061706A (zh) | 一种基于T-Box和实时路况地图数据的车辆驾驶行为分析的方法 | |
| CN102201166B (zh) | 浮动车数据预处理装置和方法 | |
| CN112380461A (zh) | 一种基于gps轨迹的行人检索方法 | |
| CN112017461A (zh) | 一种用于显示车辆信息的移动终端 | |
| CN114615437B (zh) | 一种基于gis的车辆追踪方法及系统 | |
| CN111524253B (zh) | 行车记录方法、行车记录系统、计算机设备和存储介质 | |
| CN114898236B (zh) | 一种基于无人机的渣土车监测方法、系统及云平台 |
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 |