CN111899327A - 轨迹点数据优化方法、装置、电子设备和存储介质 - Google Patents
轨迹点数据优化方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111899327A CN111899327A CN202010644317.4A CN202010644317A CN111899327A CN 111899327 A CN111899327 A CN 111899327A CN 202010644317 A CN202010644317 A CN 202010644317A CN 111899327 A CN111899327 A CN 111899327A
- Authority
- CN
- China
- Prior art keywords
- point
- speed
- scattering
- scatter
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005457 optimization Methods 0.000 title claims description 30
- 238000001914 filtration Methods 0.000 claims abstract description 144
- 230000002159 abnormal effect Effects 0.000 claims abstract description 75
- 238000012216 screening Methods 0.000 claims description 81
- 238000012545 processing Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种轨迹点数据优化方法、装置、电子设备和存储介质，所述方法包括：获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；确定各散点的散点速度并根据各散点速度确定过滤速度区间；根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。本申请针对基于三维重建构建室内路网中使用的关键帧位姿等数据容易出现异常等情况，能够自动化地滤出数据中的停滞点和跳变点，无需人工参与，成本较低，且能够高效地获取精准的路网拓扑结构。
Description
技术领域
本申请涉及地图构建技术领域，具体涉及一种轨迹点数据优化方法、装置、电子设备和存储介质。
背景技术
在室内导航地图领域，路网的准确构建尤为重要。现有技术中主要利用图像采集设备采集到的一段有序散点来构建室内路网图，主要流程是：通过用户采集的图像，进行三维重建得到关键帧，由于用户采集在时间上连续时在地理上可达，直接将三维重建形成的关键帧按时间序列进行连接，即可得到路网。但是由于采集人员在采集过程中可能产生大量停滞点(如采集人员或设备在路口进行旋转采集，或者停止采集)，同时由于三维注册的非实时性，可能发生关键帧的异常注册(如帧未成功注册，或者帧错误注册)，使得在时间上连续时在地理上可达的条件并不成立。目前对于上述这两种异常情况的处理，主要可以通过人工滤除和离群滤波的方式来解决。
然而，发明人发现，现有技术中采用的人工滤除方法需要人工参与，成本较高且效率低下，而离群滤波的方法要求采集的数据符合一定统计规律，但由于采集人员或设备的因素，停滞点的增加会导致数据不再符合统计规律，进而导致应用此方法过滤异常信息的准确度下降。
发明内容
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的轨迹点数据优化方法、装置、电子设备和存储介质。
依据本申请的第一方面，提供了一种轨迹点数据优化方法，包括：
获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；
确定各散点的散点速度并根据各散点速度确定过滤速度区间；
根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。
可选地，所述确定各散点的散点速度并根据各散点速度确定过滤速度区间包括：
对所述散点进行筛选，根据筛选得到的散点的散点速度的均值确定过滤速度；
根据所述过滤速度和过滤因子确定所述过滤速度区间。
可选地，所述对所述散点进行筛选包括：
根据各散点的散点速度确定筛选速度；
根据所述筛选速度和筛选因子确定筛选速度区间；
根据所述筛选速度区间对所述散点进行筛选。
可选地，所述根据各散点的散点速度确定筛选速度包括：
对各散点的散点速度进行排序；
将排序后的散点速度的中位数作为所述筛选速度。
可选地，所述根据所述过滤速度区间确定散点中的异常点包括：
在目标散点的散点速度小于所述过滤速度区间的速度下限的情况下，将所述目标散点确定为停滞类型的异常点。
可选地，所述根据所述过滤速度区间确定散点中的异常点包括：
在目标散点的散点速度大于所述过滤速度区间的速度上限的情况下，在目标散点后的连续N个散点中进行检索，确定是否存在散点速度位于所述过滤速度区间内的正常散点，其中N为不小于1的整数；
若存在，则确定目标散点及目标散点与所述确定的正常散点之间的散点为跳变类型的异常点。
可选地，所述根据所述过滤速度区间确定散点中的异常点还包括：
若不存在散点速度位于所述过滤速度区间内的正常散点，则根据目标散点及目标散点后的各散点的散点速度重新确定过滤速度区间。
可选地，所述方法还包括：
对所述轨迹点数据中的各散点进行高斯滤波处理，以根据处理后的散点生成目标区域的平滑轨迹。
依据本申请的第二方面，提供了一种轨迹点数据优化装置，包括：
获取单元，用于获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；
确定单元，用于定各散点的散点速度并根据各散点速度确定过滤速度区间；
优化单元，用于根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。
可选地，所述确定单元还用于：
对所述散点进行筛选，根据筛选得到的散点的散点速度的均值确定过滤速度；
根据所述过滤速度和过滤因子确定所述过滤速度区间。
可选地，所述确定单元还用于：
根据各散点的散点速度确定筛选速度；
根据所述筛选速度和筛选因子确定筛选速度区间；
根据所述筛选速度区间对所述散点进行筛选。
可选地，所述确定单元还用于：
对各散点的散点速度进行排序；
将排序后的散点速度的中位数作为所述筛选速度。
可选地，所述优化单元还用于：
在目标散点的散点速度小于所述过滤速度区间的速度下限的情况下，将所述目标散点确定为停滞类型的异常点。
可选地，所述优化单元还用于：
在目标散点的散点速度大于所述过滤速度区间的速度上限的情况下，在目标散点后的连续N个散点中进行检索，确定是否存在散点速度位于所述过滤速度区间内的正常散点，其中N为不小于1的整数；
若存在，则确定目标散点及目标散点与所述确定的正常散点之间的散点为跳变类型的异常点。
可选地，所述优化单元还用于：
若不存在散点速度位于所述过滤速度区间内的正常散点，则根据目标散点及目标散点后的各散点的散点速度重新确定过滤速度区间。
可选地，所述装置还包括：
滤波单元，用于对所述轨迹点数据中的各散点进行高斯滤波处理，以根据处理后的散点生成目标区域的平滑轨迹。
依据本申请的第三方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一所述的轨迹点数据优化方法。
依据本申请的第四方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一所述的轨迹点数据优化方法。
由上述可知，本申请的技术方案，通过获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；确定各散点的散点速度并根据各散点速度确定过滤速度区间；根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。本申请针对基于三维重建构建室内路网中使用的关键帧位姿等数据容易出现异常等情况，能够自动化地滤出数据中的停滞点和跳变点，无需人工参与，成本较低，且能够高效地获取精准的路网拓扑结构。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本申请一个实施例的轨迹点数据优化方法的流程示意图；
图2示出了根据本申请一个实施例的轨迹点数据优化流程示意图；
图3示出了根据本申请一个实施例的轨迹点数据优化装置的结构示意图；
图4示出了根据本申请一个实施例的电子设备的结构示意图；
图5示出了根据本申请一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
基于此，本申请实施例提供了一种轨迹点数据优化方法，如图1所示，所述方法包括如下的步骤S110至步骤S130：
步骤S110，获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点。
本申请实施例在对轨迹点数据进行优化时，可以先确定需要进行数据优化的目标区域，然后获取该目标区域的轨迹点数据。这里的目标区域可以为多层建筑物、单层建筑物或跨楼宇的室内区域，例如购物商场、地下停车场、办公楼等等。当然，该目标区域也可以为室外区域，具体的，该室外区域可以为小型场景区域例如露天停车场、公园、厂区、居民小区、学校等区域。
本申请实施例的轨迹点数据可以是通过一般的图像采集设备对目标区域进行移动拍摄得到，具体地，轨迹点数据可以是指采集到的图像的关键帧数据，通过利用三维重建算法对关键帧进行处理，可以计算得到关键帧的位姿，关键帧的位姿就可以看做是轨迹点数据中的一个个有序散点。
这里采用图像的关键帧作为轨迹点数据的原因主要在于：在基于有序图像序列或视频的三维立体重建过程中，如果直接输入整个图像序列或者视频，将消耗大量的计算时间，并且精度较低，因此本申请实施例在地图创建工作中，可以通过从有序图像序列或视频中选取关键帧来进行三维立体重建，进而得到目标区域的散点信息，节省了大量的计算时间。
关键帧的选取质量直接影响地图的质量，从而又影响定位的精准度。目前关键帧的提取方法已经有很多研究，例如基于关键帧采样的提取算法，该算法每隔一段时间就从视频中提取一帧作为关键帧，时间比较固定，帧数比较适中，并且算法实现相对也比较简单。基于分类的典型关键帧提取算法，该算法会对镜头中的所有信息帧进行分类，如果类的数量能够达到足够大，则会将其作为关键帧类，并且会选择距离该类中心最近的那一帧作为最终抽取的关键帧。还有的提出了一种基于位姿变化的实时三维重建关键帧确定方法，通过当前帧定位、定位质量评价、视野差计算、判断是否插入关键帧四个步骤实现关键帧的确定。至于采用何种方法获取关键帧数据，本领域技术人员可以根据实际情况灵活选择，在此不做具体限定。
步骤S120，确定各散点的散点速度并根据各散点速度确定过滤速度区间。
在得到目标区域对应的多个散点后，本申请实施例可以基于散点的速度判断散点中是否存在异常点，这里的散点速度可以看作是采集人员或者采集设备在采集各散点时的采集速度。具体地，可以根据散点之间的相对距离和采集时间计算出各散点对应的散点速度，然后根据每个散点的散点速度确定出一个过滤速度区间，该过滤速度区间是指可以将散点速度存在异常的散点过滤掉同时保留正常的散点。
步骤S130，根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。
在得到上述过滤速度区间后，将各散点的散点速度与该过滤速度区间进行比较，进而确定散点中是否存在异常点，如果存在，则从轨迹点数据中删除与确定的异常点对应的轨迹点数据，从而达到自动过滤异常数据的目的。这里的异常点可以包括采集人员或设备在路口进行旋转采集，或者停止采集而产生的停滞点，还可以包括关键帧的异常注册如帧未成功注册，或者帧错误注册而产生的跳变点等。
本申请实施例针对基于三维重建构建室内路网中使用的关键帧位姿等数据容易出现异常等情况，能够自动化地滤出数据中的停滞点和跳变点，无需人工参与，成本较低，且能够高效地获取精准的路网拓扑结构。
在本申请的一个实施例中，所述确定各散点的散点速度并根据各散点速度确定过滤速度区间包括：对所述散点进行筛选，根据筛选得到的散点的散点速度的均值确定过滤速度；根据所述过滤速度和过滤因子确定所述过滤速度区间。
考虑到散点速度的分布差异性，例如，初始采集的几个散点的散点速度较小，中间或者最后采集的散点速度又很大，如果直接利用全部散点的散点速度确定过滤速度区间，可能会导致出现较大误差，如正常散点被过滤掉或者异常散点未被过滤掉。因此本申请实施例在确定过滤速度区间时，可以按照一定规则或条件先对散点进行筛选，根据筛选后得到的散点对应的散点速度求平均值得到过滤速度。具体实施时采用何种规则或条件对散点进行筛选，本领域技术人员可以根据实际情况灵活设置，在此不做具体限定。
之后将该过滤速度乘以一个过滤因子，进而得到过滤速度区间。这里的过滤因子具体可以包括过滤下限因子和过滤上限因子，过滤速度乘以过滤下限因子可以作为过滤速度区间的速度下限，过滤速度乘以过滤上限因子可以作为过滤速度区间的速度上限，该过滤下限因子和过滤上限因子均可以是一个经验常数，本领域技术人员可以根据实际情况灵活设置，在此不做具体限定。通过上述过程得到的过滤速度区间可以在一定程度上提高异常点过滤的准确性。
在本申请的一个实施例中，所述对所述散点进行筛选包括：根据各散点的散点速度确定筛选速度；根据所述筛选速度和筛选因子确定筛选速度区间；根据所述筛选速度区间对所述散点进行筛选。
本申请实施例提供了一种散点的筛选方式，例如，先根据该目标区域内全部散点的散点速度确定一个筛选速度，之后将该筛选速度乘以一个筛选因子，进而得到筛选速度区间。这里的筛选因子具体可以包括筛选下限因子和筛选上限因子，筛选速度乘以筛选下限因子可以作为筛选速度区间的速度下限，筛选速度乘以筛选上限因子可以作为筛选速度区间的速度上限，该筛选下限因子和筛选上限因子均可以是一个经验常数，本领域技术人员可以根据实际情况灵活设置，在此不做具体限定。
最后利用上述得到筛选速度区间对各散点进行筛选，如果该散点的散点速度落入该筛选速度区间内，则保留该散点，用于后续确定过滤速度区间，如果该散点的散点速度没有落入该筛选速度区间内，则后续在确定过滤速度区间时，不再考虑该散点的散点速度。
在本申请的一个实施例中，所述根据各散点的散点速度确定筛选速度包括：对各散点的散点速度进行排序；将排序后的散点速度的中位数作为所述筛选速度。
本申请实施例在确定上述筛选速度时可以采用如下方式：将目标区域的全部散点的散点速度按照从小到大的顺序进行排序，将排序后的散点速度的中位数作为该筛选速度，这样可以在一定程度上避免由于散点速度的分布差异性而带来的过滤误差。当然本领域技术人员也可以通过其他方式确定一个合理的筛选速度，在此不一一列举。
在本申请的一个实施例中，所述根据所述过滤速度区间确定散点中的异常点包括：在目标散点的散点速度小于所述过滤速度区间的速度下限的情况下，将所述目标散点确定为停滞类型的异常点。
这里的目标散点可以看作是当前正在访问的散点，如果该目标散点的散点速度小于上述过滤速度区间的速度下限，即该散点的散点速度过小甚至为零，说明可能是出现了采集人员或者采集设备在路口进行旋转采集，或者停止采集的情况，导致轨迹点数据中出现了停滞类型的异常点，对于这类异常点可以从轨迹点数据中删除掉，避免对后续路网图的构建造成干扰。
在本申请的一个实施例中，所述根据所述过滤速度区间确定散点中的异常点包括：在目标散点的散点速度大于所述过滤速度区间的速度上限的情况下，在目标散点后的连续N个散点中进行检索，确定是否存在散点速度位于所述过滤速度区间内的正常散点，其中N为不小于1的整数；若存在，则确定目标散点及目标散点与所述确定的正常散点之间的散点为跳变类型的异常点。
如果该目标散点的散点速度大于上述过滤速度区间的速度上限，说明该散点速度超出了速度的正常范围，这时可能存在两种情况需要进一步判断，一种是该目标散点为速度发生跳变的异常点，即需要从轨迹点数据中删除的异常点，还有一种情况是，该目标散点为下一个采集分段的起始点，因为目标区域的轨迹点数据可能是由多次分段采集得到的，这种情况下则需要另行判断该散点在对应的采集分段内是否为异常点。在确定目标散点属于上述哪种情况时，可以在该目标散点后的连续若干个散点中进行检索，判断这若干个散点中是否存在散点速度落入上述过滤速度区间内的正常散点，如果存在，则说明当前的这个目标散点属于速度发生跳变的异常点，将该散点与正常散点之间的散点从轨迹点数据中删除，避免对后续路网图的构建造成干扰。
在本申请的一个实施例中，所述根据所述过滤速度区间确定散点中的异常点还包括：若不存在散点速度位于所述过滤速度区间内的正常散点，则根据目标散点及目标散点后的各散点的散点速度重新确定过滤速度区间。
如果在该目标散点后的连续若干个散点中不存在散点速度落入上述过滤速度区间内的正常散点，说明该目标散点及之后的散点可能属于一个新的采集分段，则可以以该目标散点为分界点，根据该目标散点及其后面的各散点的散点速度重新确定一个过滤速度区间，并根据该重新确定的过滤速度区间重复上述异常点判断的过程。
在本申请的一个实施例中，所述方法还包括：对所述轨迹点数据中的各散点进行高斯滤波处理，以根据处理后的散点生成目标区域的平滑轨迹。
除了对轨迹点数据中的异常点进行过滤，本申请实施例还可以采用高斯滤波的方式对轨迹点数据中的各个散点进行平滑处理，这里可以是对上述异常点过滤后得到的散点进行平滑处理，从而避免对散点中的异常点再进行平滑处理的情况，提高整体的数据处理效率。当然也可以先对散点进行高斯滤波处理，再进行异常点的过滤，具体采用哪种方式本领域技术人员可根据实际情况来设置，在此不做具体限定。
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声。本申请实施例中可以用于消除视觉重建轨迹中所产生的随机误差，达到轨迹整体相对平滑的效果。具体的滤波方式如下：
其中，p(ti)为高斯核函数，(xti,yti)表示任一散点的坐标。
当然，除了上述采用的高斯滤波的方式，本领域技术人员也可以根据实际情况选择其他方式对散点进行平滑处理，在此不一一列举。
如图2所示，提供了一种轨迹点数据优化流程示意图。首先获取轨迹点数据，其中包括各散点及对应的散点位置和采集时间等信息，根据散点之间的相对位置和散点的采集时间，计算得到各散点的散点速度，对所有散点的散点速度进行排序，并将排序后的散点速度的中位数作为筛选速度，根据筛选速度确定筛选速度区间，根据筛选速度区间对散点进行筛选。之后计算筛选后得到的各散点速度的平均值，作为过滤速度，并根据过滤速度确定过滤速度区间，利用该过滤速度区间逐一判断各散点中是否存在异常点。
具体地，可以先创建一个正常散点队列，如果当前散点的散点速度落在上述过滤速度区间内，则认为是正常散点并将其加入该正常散点队列中。如果当前散点的散点速度没有落在上述过滤速度区间内，则判断该散点的散点速度是否小于上述过滤速度区间的速度下限，如果小于，则说明该散点为停滞点，过滤掉后继续判断下一个散点。如果该散点的散点速度大于上述过滤速度区间的速度上限，则进一步检索该散点之后的若干个散点，判断这若干个散点中是否存在散点速度落入上述过滤速度区间内的正常散点，如果存在，则说明该散点属于速度发生跳变的异常点，将该散点与正常散点之间的散点从轨迹点数据中删除，并将该正常散点加入上述正常散点队列同时将该正常散点置为当前散点以进行下一个散点的判断。如果不存在，则说明该目标散点及之后的散点可能属于一个新的采集分段，则可以以该散点为分界点，根据该散点及其后面的各散点的散点速度重新创建一个正常散点队列并重新确定一个过滤速度区间，并根据该重新确定的过滤速度区间重复上述异常点判断的过程，最后直至所有散点判断完成，输出最终的正常散点队列，以作为后续路网构建的基础。
本申请实施例提供了一种轨迹点数据优化装置300，如图3所示，所述装置300包括：获取单元310、确定单元320和优化单元330。
本申请实施例的获取单元310，用于获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点。
本申请实施例在对轨迹点数据进行优化时，可以先确定需要进行数据优化的目标区域，然后获取该目标区域的轨迹点数据。这里的目标区域可以为多层建筑物、单层建筑物或跨楼宇的室内区域，例如购物商场、地下停车场、办公楼等等。当然，该目标区域也可以为室外区域，具体的，该室外区域可以为小型场景区域例如露天停车场、公园、厂区、居民小区、学校等区域。
本申请实施例的轨迹点数据可以是通过一般的图像采集设备对目标区域进行移动拍摄得到，具体地，轨迹点数据可以是指采集到的图像的关键帧数据，通过利用三维重建算法对关键帧进行处理，可以计算得到关键帧的位姿，关键帧的位姿就可以看做是轨迹点数据中的一个个有序散点。
这里采用图像的关键帧作为轨迹点数据的原因主要在于：在基于有序图像序列或视频的三维立体重建过程中，如果直接输入整个图像序列或者视频，将消耗大量的计算时间，并且精度较低，因此本申请实施例在地图创建工作中，可以通过从有序图像序列或视频中选取关键帧来进行三维立体重建，进而得到目标区域的散点信息，节省了大量的计算时间。
关键帧的选取质量直接影响地图的质量，从而又影响定位的精准度。目前关键帧的提取方法已经有很多研究，例如基于关键帧采样的提取算法，该算法每隔一段时间就从视频中提取一帧作为关键帧，时间比较固定，帧数比较适中，并且算法实现相对也比较简单。基于分类的典型关键帧提取算法，该算法会对镜头中的所有信息帧进行分类，如果类的数量能够达到足够大，则会将其作为关键帧类，并且会选择距离该类中心最近的那一帧作为最终抽取的关键帧。还有的提出了一种基于位姿变化的实时三维重建关键帧确定方法，通过当前帧定位、定位质量评价、视野差计算、判断是否插入关键帧四个步骤实现关键帧的确定。至于采用何种方法获取关键帧数据，本领域技术人员可以根据实际情况灵活选择，在此不做具体限定。
本申请实施例的确定单元320，用于定各散点的散点速度并根据各散点速度确定过滤速度区间。
在得到目标区域对应的多个散点后，本申请实施例可以基于散点的速度判断散点中是否存在异常点，这里的散点速度可以看作是采集人员或者采集设备在采集各散点时的采集速度。具体地，可以根据散点之间的相对距离和采集时间计算出各散点对应的散点速度，然后根据每个散点的散点速度确定出一个过滤速度区间，该过滤速度区间是指可以将散点速度存在异常的散点过滤掉同时保留正常的散点。
本申请实施例的优化单元330，用于根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。
在得到上述过滤速度区间后，将各散点的散点速度与该过滤速度区间进行比较，进而确定散点中是否存在异常点，如果存在，则从轨迹点数据中删除与确定的异常点对应的轨迹点数据，从而达到自动过滤异常数据的目的。这里的异常点可以包括采集人员或设备在路口进行旋转采集，或者停止采集而产生的停滞点，还可以包括关键帧的异常注册如帧未成功注册，或者帧错误注册而产生的跳变点等。
本申请实施例针对基于三维重建构建室内路网中使用的关键帧位姿等数据容易出现异常等情况，能够自动化地滤出数据中的停滞点和跳变点，无需人工参与，成本较低，且能够高效地获取精准的路网拓扑结构。
在本申请的一个实施例中，所述确定单元320还用于：对所述散点进行筛选，根据筛选得到的散点的散点速度的均值确定过滤速度；根据所述过滤速度和过滤因子确定所述过滤速度区间。
在本申请的一个实施例中，所述确定单元320还用于：根据各散点的散点速度确定筛选速度；根据所述筛选速度和筛选因子确定筛选速度区间；根据所述筛选速度区间对所述散点进行筛选。
在本申请的一个实施例中，所述确定单元320还用于：对各散点的散点速度进行排序；将排序后的散点速度的中位数作为所述筛选速度。
在本申请的一个实施例中，所述优化单元330还用于：在目标散点的散点速度小于所述过滤速度区间的速度下限的情况下，将所述目标散点确定为停滞类型的异常点。
在本申请的一个实施例中，所述优化单元330还用于：在目标散点的散点速度大于所述过滤速度区间的速度上限的情况下，在目标散点后的连续N个散点中进行检索，确定是否存在散点速度位于所述过滤速度区间内的正常散点，其中N为不小于1的整数；若存在，则确定目标散点及目标散点与所述确定的正常散点之间的散点为跳变类型的异常点。
在本申请的一个实施例中，所述优化单元330还用于：若不存在散点速度位于所述过滤速度区间内的正常散点，则根据目标散点及目标散点后的各散点的散点速度重新确定过滤速度区间。
在本申请的一个实施例中，所述装置还包括：滤波单元，用于对所述轨迹点数据中的各散点进行高斯滤波处理，以根据处理后的散点生成目标区域的平滑轨迹。
需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
综上所述，本申请的技术方案，通过获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；确定各散点的散点速度并根据各散点速度确定过滤速度区间；根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。本申请针对基于三维重建构建室内路网中使用的关键帧位姿等数据容易出现异常等情况，能够自动化地滤出数据中的停滞点和跳变点，无需人工参与，成本较低，且能够高效地获取精准的路网拓扑结构。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的轨迹点数据优化装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图4示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备400包括处理器410和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器420。存储器420可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器420具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码431的存储空间430。例如，用于存储计算机可读程序代码的存储空间430可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码431。计算机可读程序代码431可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图5所示的计算机可读存储介质。图5示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质500存储有用于执行根据本申请的方法步骤的计算机可读程序代码431，可以被电子设备400的处理器410读取，当计算机可读程序代码431由电子设备400运行时，导致该电子设备400执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码431可以执行上述任一实施例中示出的方法。计算机可读程序代码431可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词目标、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (11)
1.一种轨迹点数据优化方法，其特征在于，包括：
获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；
确定各散点的散点速度并根据各散点速度确定过滤速度区间；
根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。
2.根据权利要求1所述的轨迹点数据优化方法，其特征在于，所述确定各散点的散点速度并根据各散点速度确定过滤速度区间包括：
对所述散点进行筛选，根据筛选得到的散点的散点速度的均值确定过滤速度；
根据所述过滤速度和过滤因子确定所述过滤速度区间。
3.根据权利要求2所述的轨迹点数据优化方法，其特征在于，所述对所述散点进行筛选包括：
根据各散点的散点速度确定筛选速度；
根据所述筛选速度和筛选因子确定筛选速度区间；
根据所述筛选速度区间对所述散点进行筛选。
4.根据权利要求3所述的轨迹点数据优化方法，其特征在于，所述根据各散点的散点速度确定筛选速度包括：
对各散点的散点速度进行排序；
将排序后的散点速度的中位数作为所述筛选速度。
5.根据权利要求1所述的轨迹点数据优化方法，其特征在于，所述根据所述过滤速度区间确定散点中的异常点包括：
在目标散点的散点速度小于所述过滤速度区间的速度下限的情况下，将所述目标散点确定为停滞类型的异常点。
6.根据权利要求1所述的轨迹点数据优化方法，其特征在于，所述根据所述过滤速度区间确定散点中的异常点包括：
在目标散点的散点速度大于所述过滤速度区间的速度上限的情况下，在目标散点后的连续N个散点中进行检索，确定是否存在散点速度位于所述过滤速度区间内的正常散点，其中N为不小于1的整数；
若存在，则确定目标散点及目标散点与所述确定的正常散点之间的散点为跳变类型的异常点。
7.根据权利要求6所述的轨迹点数据优化方法，其特征在于，所述根据所述过滤速度区间确定散点中的异常点还包括：
若不存在散点速度位于所述过滤速度区间内的正常散点，则根据目标散点及目标散点后的各散点的散点速度重新确定过滤速度区间。
8.根据权利要求1至7任一项所述的轨迹点数据优化方法，其特征在于，所述方法还包括：
对所述轨迹点数据中的各散点进行高斯滤波处理，以根据处理后的散点生成目标区域的平滑轨迹。
9.一种轨迹点数据优化装置，其特征在于，包括：
获取单元，用于获取目标区域的轨迹点数据，所述轨迹点数据包括多个散点；
确定单元，用于定各散点的散点速度并根据各散点速度确定过滤速度区间；
优化单元，用于根据所述过滤速度区间确定散点中的异常点，从所述轨迹点数据中删除与确定的异常点对应的轨迹点数据。
10.一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1至8中任一项所述的轨迹点数据优化方法。
11.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1至8中任一项所述的轨迹点数据优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010644317.4A CN111899327A (zh) | 2020-07-07 | 2020-07-07 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010644317.4A CN111899327A (zh) | 2020-07-07 | 2020-07-07 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111899327A true CN111899327A (zh) | 2020-11-06 |
Family
ID=73191866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010644317.4A Pending CN111899327A (zh) | 2020-07-07 | 2020-07-07 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111899327A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112748451A (zh) * | 2021-01-26 | 2021-05-04 | 腾讯科技（深圳）有限公司 | 轨迹处理方法、装置、电子设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104683948A (zh) * | 2015-02-04 | 2015-06-03 | 四川长虹电器股份有限公司 | 自我学习的异常位置轨迹点过滤方法 |
| CN107992579A (zh) * | 2017-12-06 | 2018-05-04 | 上海评驾科技有限公司 | 一种车联网数据的过滤方法 |
| CN108120991A (zh) * | 2017-12-06 | 2018-06-05 | 上海评驾科技有限公司 | 一种行车轨迹优化方法 |
| 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 |
| CN110646824A (zh) * | 2019-09-30 | 2020-01-03 | 郑州威科姆华大北斗导航科技有限公司 | 一种多种定位方式实现运动轨迹漂移点过滤计算的方法 |
-
2020
- 2020-07-07 CN CN202010644317.4A patent/CN111899327A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104683948A (zh) * | 2015-02-04 | 2015-06-03 | 四川长虹电器股份有限公司 | 自我学习的异常位置轨迹点过滤方法 |
| CN107992579A (zh) * | 2017-12-06 | 2018-05-04 | 上海评驾科技有限公司 | 一种车联网数据的过滤方法 |
| CN108120991A (zh) * | 2017-12-06 | 2018-06-05 | 上海评驾科技有限公司 | 一种行车轨迹优化方法 |
| 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 |
| CN110646824A (zh) * | 2019-09-30 | 2020-01-03 | 郑州威科姆华大北斗导航科技有限公司 | 一种多种定位方式实现运动轨迹漂移点过滤计算的方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112748451A (zh) * | 2021-01-26 | 2021-05-04 | 腾讯科技（深圳）有限公司 | 轨迹处理方法、装置、电子设备及介质 |
| CN112748451B (zh) * | 2021-01-26 | 2022-04-22 | 腾讯科技（深圳）有限公司 | 轨迹处理方法、装置、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109031472B (zh) | 一种用于气象预测的数据处理方法及装置 | |
| CN111383051B (zh) | 实体对象的选址方法、装置、计算设备及计算机存储介质 | |
| CN102804231A (zh) | 三维场景的分段平面重建 | |
| CN111121797B (zh) | 道路筛选方法、装置、服务器及存储介质 | |
| CN111445472A (zh) | 激光点云地面分割方法、装置、计算设备及存储介质 | |
| CN112132853B (zh) | 地面导向箭头的构建方法及其装置、电子设备及存储介质 | |
| CN111651712A (zh) | 一种智能汽车测试场景复杂度的评估方法及系统 | |
| CN113255580A (zh) | 抛洒物识别、车辆抛洒滴漏识别方法和装置 | |
| CN111899327A (zh) | 轨迹点数据优化方法、装置、电子设备和存储介质 | |
| US20130231897A1 (en) | Systems and methods for efficient analysis of topographical models | |
| JP2021179839A (ja) | 地物の分類システム、分類方法及びそのプログラム | |
| CN110097636B (zh) | 一种基于可视域分析的选址规划方法 | |
| US8755606B2 (en) | Systems and methods for efficient feature extraction accuracy using imperfect extractors | |
| CN111462490A (zh) | 一种基于多级子区划分的路网可视化方法及装置 | |
| Han et al. | An Approach for Segmentation of Airborne Laser Point Clouds Utilizing Scan‐Line Characteristics | |
| CN116051841A (zh) | 基于车载LiDAR点云的路边地上物多阶段聚类分割算法 | |
| CN113139982B (zh) | 一种室内房间点云的自动分割方法 | |
| CN115861816A (zh) | 一种立体低涡识别方法、装置、存储介质及终端 | |
| CN114120170A (zh) | 视频画面分析方法、装置、设备、介质及程序产品 | |
| CN111898648A (zh) | 路网图生成方法、装置、电子设备和计算机可读存储介质 | |
| CN114580574A (zh) | 一种构建高精地图的方法及装置 | |
| CN113867410A (zh) | 一种无人机航拍数据的采集模式识别方法和系统 | |
| CN115878735A (zh) | 路网生成方法、装置、电子设备及存储介质 | |
| CN112698362A (zh) | 一种三维地图地形更新方法和装置 | |
| CN113822149A (zh) | 一种基于无人机视角的应急车道视觉检测方法和系统 |
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 |