CN112579924B - 道路生成方法、电子装置和存储介质 - Google Patents

道路生成方法、电子装置和存储介质 Download PDF

Info

Publication number
CN112579924B
CN112579924B CN202011600046.9A CN202011600046A CN112579924B CN 112579924 B CN112579924 B CN 112579924B CN 202011600046 A CN202011600046 A CN 202011600046A CN 112579924 B CN112579924 B CN 112579924B
Authority
CN
China
Prior art keywords
track
intersection
line
trajectory
intersections
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
Application number
CN202011600046.9A
Other languages
English (en)
Other versions
CN112579924A (zh
Inventor
石涤文
尹玉成
覃飞杨
蔡晨
刘奋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202011600046.9A priority Critical patent/CN112579924B/zh
Publication of CN112579924A publication Critical patent/CN112579924A/zh
Application granted granted Critical
Publication of CN112579924B publication Critical patent/CN112579924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种电子装置、道路生成方法和存储介质，该方法包括：获取轨迹数据及路口数据，根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；将所述路口外完整轨迹线类别中两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。本申请实施例能使地图更有利于服务于自动驾驶。

Description

道路生成方法、电子装置和存储介质
技术领域
本发明涉及自动驾驶领域，特别涉及一种道路生成方法、电子装置和存储介质。
背景技术
在自动驾驶领域，为准确控制车辆行驶，常涉及到高精度地图的绘制。但现有的自动驾驶技术生成的地图并没有考虑驾驶习惯，使自动驾驶技术不太智能化。另外，为了生成高精度地图中的道路数据，需要大量轨迹的输入，随着采集的数据越来越多，范围越来越广。以往在单机上运行的生成道路方法，无法适应快速出图的要求。业务亟需能够处理大量数据，大片范围，快速成图的方法。
发明内容
本发明实施例的主要目的是提供一种道路生成方法，能实现使道路形状更加贴合驾驶习惯，使地图更有利于服务于自动驾驶。
为实现上述目的，本发明提出的一种道路生成方法，该方法包括步骤：
获取轨迹数据及与所述轨迹数据对应的路口数据，其中所述轨迹数据包括多条单次出行轨迹线及每条单次出行轨迹线内轨迹点序列；
根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；
根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；
从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；
从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；
根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。
优选地，所述轨迹数据对应的路口数据包括每条单次出行轨迹线范围内的路口范围，其中每条单次出行轨迹线范围为每条单次出行轨迹线内所有轨迹点所在的地图瓦片区域集合，每条单次出行轨迹线所在地图瓦片区域内的路口为与每条单次出行轨迹线关联的路口，所述方法还包括以下一种或者多种的组合：
以单次出行轨迹线为单位，将单次出行轨迹线及单次出行轨迹线关联的路口为一组数据，分别对所述轨迹数据中多条单次出行轨迹线分布式处理；或
组合多条单次出行轨迹线的数据量调整每个分布式任务运行的时间。
优选地，所述每个轨迹点与路口的位置关系包括每个轨迹点的已经驶出路口及每个轨迹点的将要到达路口。
优选地，所述根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别还包括：
根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外残缺轨迹线类别；
从路口外残缺轨迹线类别中获取有相同的已经驶出路口或相同的将要到达路口的路口外残缺轨迹线；
计算获取的残缺轨迹线与路口内完整轨迹线类别及路口外完整轨迹线类别中的轨迹线的相似度，并确定相似度最大的轨迹线；
将获取的残缺轨迹线与所述相似度最大的轨迹线合并为一类。
优选地，所述从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹包括：
从所述路口外完整轨迹线类别中获取有相同的已经驶出路口及相同的将要到达路口的轨迹线作为所述两个路口之间的轨迹线，其中所述两个路口为获取的已经驶出路口及获取的将要到达路口；
计算所述两个路口之间的轨迹线中每条轨迹线对应的目标函数值；
将所述目标函数的最小值对应的轨迹线作为所述两个路口之间的推荐轨迹，其中用i表示轨迹线的序号，argmin表示求目标函数最小值时对应的i值，
Figure BDA0002871035810000031
表示序号为i的轨迹线的横向偏移率，
Figure BDA0002871035810000032
表示序号为i的轨迹线的角度变化累计总量，W1，W2分别表示Xoffset_rate特征和Xheading_delta_sum的权值，计算目标函数的最小值的公式如下：
Figure BDA0002871035810000033
优选地，所述方法还包括：
计算所述两个路口之间的轨迹线中每条轨迹线的横向偏移率及计算所述两个路口之间的轨迹线中每条轨迹线的角度变化累计总量；
其中所述计算所述两个路口之间的轨迹线中每条轨迹线的横向偏移率包括：从所述两个路口之间的轨迹线中选取长度为中位数的轨迹线；以选取的轨迹的每个轨迹点作垂直于所述选取的轨迹前进方向的扫描线，其中扫描线会与所述两个路口之间的轨迹线中其他轨迹线相交；计算每条轨迹线交点与扫描线最左边端点的距离，归一化后得到每条轨迹线中每个轨迹点的横向偏移率；基于每条轨迹线中每个轨迹点的横向偏移率和横向偏移率计算公式，计算每条轨迹线的横向偏移率；
其中计算所述两个路口之间的轨迹线中每条轨迹线的角度变化累计总量包括：计算所述两个路口之间的轨迹线中每条轨迹线中每个轨迹点和前一个轨点方向变化的差值，得到每条轨迹线中每个轨迹点对应的差值，再将每条轨迹线中每个轨迹点对应的差值累计加总，得到每条轨迹线的角度变化累计总量。
优选地，所述从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线包括：
获取待处理路口内道路的端点数据；
基于待处理路口的轨迹线和所述道路的端点数据，利用路口内推荐轨迹计算公式，计算待处理路口的轨迹线中每条轨迹线对应的目标函数值；
将目标函数值最小值对应的轨迹线作为所述待处理路口内驾驶概率最高的轨迹线，其中路口内推荐轨迹计算公式为：
Figure BDA0002871035810000041
i表示轨迹线的序号，argmin表示求目标函数最小值时对应的i值，W1，W2表示Xnode_distance和Xlength_rate的权值，
Figure BDA0002871035810000042
表示第i条轨迹线的端点到道路的端点的平面距离，
Figure BDA0002871035810000043
表示第i条轨迹线的长度因子。
优选地，所述根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹包括：
获取待处理路口内道路的端点数据及所述待处理路口内驾驶概率最高的轨迹线的起点和终点；
基于待处理路口内道路的端点数据及所述待处理路口内驾驶概率最高的轨迹线的起点和终点，估计仿射变换矩阵的参数；
基于仿射变换矩阵的参数，对所述待处理路口内驾驶概率最高的轨迹线执行仿射变换，得到所述待处理路口内的推荐轨迹。
本发明还提出的一种电子装置，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的道路生成方法，所述道路生成方法被所述处理器执行时实现任一实施例所述的道路生成方法。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有道路生成程序，所述道路生成程序可被至少一个处理器执行，以使所述至少一个处理器执行上述任一实施例所述的道路生成方法。
本发明实施例提供的技术方案：获取轨迹数据及路口数据，根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；将所述路口外完整轨迹线类别中两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。本申请实施例能实现使地图更有利于服务于自动驾驶。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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示出的结构获得其他的附图。
图1为本发明道路生成方法一实施例的流程示意图；
图2为本发明一实施例提供的轨迹分割分类结果的示意图；
图3为本发明一实施例提供的路口外推荐轨迹的示意图；
图4为本发明一实施例提供的轨迹点横向偏移率的示意图；
图5为本发明一实施例提供的路口内道路生成结果的示意图；
图6为本发明道路生成程序一实施例的运行环境示意图；
图7为本发明道路生成程序一实施例的程序模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，图1为本发明道路生成方法一实施例的流程示意图。
在一实施例中，该道路生成方法包括：
步骤S1、获取轨迹数据及与所述轨迹数据对应的路口数据，其中所述轨迹数据包括多条单次出行轨迹线及每条单次出行轨迹线内轨迹点序列，其中单次出行轨迹线可以用Trip表示。
在该实施例中，单次出行轨迹线表示辆一次从启动到停止的轨迹点序列，单次出行轨迹线内的轨迹点序列描述了各轨迹点的时间前后关系。
所述轨迹数据对应的路口数据包括每条单次出行轨迹线范围内的路口范围，其中每条单次出行轨迹线范围为每条单次出行轨迹线内所有轨迹点所在的地图瓦片区域Tile集合。每条单次出行轨迹线所在地图瓦片区域内的路口为与每条单次出行轨迹线关联的路口。其中Tile表示瓦片区域，即地图按固定经纬度大小切分后的区域。
在一实施例中，由于道路生成过程中需要处理的数据量较大，因此为了提高处理速度，可以将单次出行轨迹线和单次出行轨迹线关联的路口进行分组，执行分布式计算。
步骤S2、根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系。
在一实施例中，所述每个轨迹点与路口的位置关系包括每个轨迹点的已经驶出路口及每个轨迹点的将要到达路口。
在一实施例中，由于轨迹点序列描述了各点的时间前后关系，沿时间顺序遍历轨迹点序列，如果当前点在路口内，而当前点的下一点在路口外，则下一点的驶出路口即为当前点的所在路口，这样直到遍历轨迹点到下一路口。同样的方法沿时间反向遍历轨迹点序列，则可知道每个轨迹点的将要到达的路口。通过正反两次按顺序遍历轨迹点，即可知道路口外每个轨迹点的已经驶出路口和即将到达路口。另外路口内轨迹段的已经驶出路口和即将达到的路口可以视为自身所在的路口。
在一实施例中，由于该过程中处理的轨迹点的数据量较大，为了提高处理速度，所述方法包括以下一种或者多种的组合：
以单次出行轨迹线为单位，将单次出行轨迹线及单次出行轨迹线关联的路口为一组数据，分别对所述轨迹数据中多条单次出行轨迹线分布式处理；或
组合多条单次出行轨迹线的数据量调整每个分布式任务运行的时间。
在上述实施例中，该过程以Trip为单位分布式处理。数据已经按Trip分组，每组数据运行时间与Trip轨迹点数正相关，可以通过组合多个Trip的数据量来调整每个分布式任务运行的时间，从而提高道路生成的速度。
步骤S3、根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别。
在一实施例中，根据每个轨迹点的已经驶出路口及每个轨迹点的将要到达路口，能够将所述多条单次出行轨迹线进行分割及分类成以下一种或多种：路口外完整轨迹线类别、路口内完整轨迹线类别及路口外残缺轨迹线类别。如图2所示，每个轨迹点上标注3个值，用逗号分隔，分别是From Cross(已经驶出路口)，In Cross(当前所在路口，-1表示不在路口)，To Cross(将要到达路口)。图中所有轨迹点有4个分类结果，分属4条道路(A、B、C、D)，其中道路A和道路D在路口内，道路B和道路C在路口外。
其中路口外完整轨迹线类别中的任一轨迹线的已经驶出路口和将要到达路口不一样。路口内完整轨迹线类别中的任一轨迹线的已经驶出路口和将要到达路口相同。路口外残缺轨迹线类别中的任一轨迹线中的已经驶出路口和将要到达路口中有一个为无效。该无效包括值缺失。
在一实施例中，可以将路口外残缺轨迹线与完整轨迹进行相似度计算，将残缺轨迹与完整轨迹进行合并以增加轨迹数据，提供道路生成的精度。具体地，从路口外残缺轨迹线类别中获取有相同的已经驶出路口或相同的将要到达路口的路口外残缺轨迹线；计算获取的残缺轨迹线与路口内完整轨迹线类别及路口外完整轨迹线类别中的轨迹线的相似度，并确定相似度最大的轨迹线；将获取的残缺轨迹线与所述相似度最大的轨迹线合并为一类。
具体地，在计算获取的残缺轨迹线与路口内完整轨迹线类别及路口外完整轨迹线类别中的轨迹线的相似度时，对于两条轨迹线的相似度的计算公式如下：
Sim＝W1*Xnode_distance+W2*Xnode_heading_diff+W3*Xpolyline_dwt其中Sim表示轨迹相似度，Xnode_distance表示表示两个轨迹线的端点的平面距离，node表示轨迹线在路口的端点轨迹点，Xnode_heading_diff表示两个轨迹线端点的方向角差值，Xpolyline_dwt表示两个轨迹线的动态时间归整距离(Dynamic Time Warping，DTW)，此处用两条轨迹线中残缺轨迹线上各个点，向完整轨迹线求垂线距离，并取各点垂线距离的均值作为两条轨迹线的DTW距离，W1，W2，W3分别表示，Xnode_distance、Xnode_heading_diff、Xpolyline_dwt特征的权值。
步骤S4、从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹。
在一实施例中，所述从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹包括：
从所述路口外完整轨迹线类别中获取有相同的已经驶出路口及相同的将要到达路口的轨迹线作为所述两个路口之间的轨迹线，其中所述两个路口为获取的已经驶出路口及获取的将要到达路口；
计算所述两个路口之间的轨迹线中每条轨迹线对应的目标函数值；
将所述目标函数的最小值对应的轨迹线作为所述两个路口之间的推荐轨迹，其中用i表示轨迹线的序号，argmin表示求目标函数最小值时对应的i值，
Figure BDA0002871035810000091
表示序号为i的轨迹线的横向偏移率，
Figure BDA0002871035810000092
表示序号为i的轨迹线的角度变化累计总量，W1，W2分别表示Xoffset_rate特征和Xheading_delta_sum的权值，计算目标函数的最小值的公式如下：
Figure BDA0002871035810000093
如图3所示，图中深色粗线轨迹为推荐轨迹，浅色轨迹为同类待选轨迹。
进一步地，计算所述两个路口之间的轨迹线中每条轨迹线的横向偏移率包括：从所述两个路口之间的轨迹线中选取长度为中位数的轨迹线；以选取的轨迹的每个轨迹点作垂直于所述选取的轨迹前进方向的扫描线，其中扫描线会与所述两个路口之间的轨迹线中其他轨迹线相交；计算每条轨迹线交点与扫描线最左边端点的距离，对每条轨迹线交点与扫描线最左边端点的距离归一化，得到每条轨迹线中每个轨迹点的横向偏移率；基于每条轨迹线中每个轨迹点的横向偏移率和横向偏移率计算公式，计算每条轨迹线的横向偏移率。如图4所示，为一示例描述了每个轨迹点横向偏移率的计算结果。扫描线与各个轨迹的交点上标注了各点的横向偏移率，按轨迹前进方向，最左边为0，最右边为1。其中横向偏移率0表示最左端，1表示最右端，0.5表示正中间。
其中横向偏移率计算公式如下：
Xoffset_rate＝abs(mean(Xpoint_offset_rate)-0.5)
其中Xoffset_rate表示轨迹线的横向偏移率，Xpoint_offset_rate表示轨迹点的横向偏移率，mean表示均值函数，abs表示绝对值函数。
进一步地，计算所述两个路口之间的轨迹线中每条轨迹线的角度变化累计总量包括：计算所述两个路口之间的轨迹线中每条轨迹线中每个轨迹点和前一个轨点方向变化的差值，得到每条轨迹线中每个轨迹点对应的差值，再将每条轨迹线中每个轨迹点对应的差值累计加总，得到每条轨迹线的角度变化累计总量。
在一实施例中，为了统一数据，两个特征Xoffset_rate和Xheading_delta_sum在参与计算前需做归一化理。
在一实施例中，为了减少计算量，每条轨迹线可以做稀疏化采样，从而提高道路生成速度。
在一实施例中，该过程的数据按相同驶出路口和到达路口分组轨迹，可以方便地划分分布式任务，任务性能只与轨迹线平均长度相关。
步骤S5、从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线。
在一实施例中，所述从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线包括：
获取待处理路口内道路的端点数据；
基于待处理路口的轨迹线和所述道路的端点数据，利用路口内推荐轨迹计算公式，计算待处理路口的轨迹线中每条轨迹线对应的目标函数值；
将目标函数值最小值对应的轨迹线作为所述待处理路口内驾驶概率最高的轨迹线，其中路口内推荐轨迹计算公式为：
Figure BDA0002871035810000101
i表示轨迹线的序号，argmin表示求目标函数最小值时对应的i值，
W1，W2表示Xnode_distance和Xlength_rate的权值，
Figure BDA0002871035810000102
表示第i条轨迹线的端点到道路的端点的平面距离，
Figure BDA0002871035810000111
表示第i条轨迹线的长度因子。
具体地，如果轨迹线的长度偏向中间长度，则长度因子公式为
Figure BDA0002871035810000112
其中
Figure BDA0002871035810000113
表示第i条轨迹的长度，median(Xline_length)表示待处理路口的轨迹线的长度的中位数，即同类轨迹长度的中位数。
步骤S6、根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。
在一实施例中，所述根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹包括：
获取待处理路口内道路的端点数据及所述待处理路口内驾驶概率最高的轨迹线的起点和终点；
基于待处理路口内道路的端点数据及所述待处理路口内驾驶概率最高的轨迹线的起点和终点，估计仿射变换(Affine Transformation)矩阵的参数；
基于仿射变换矩阵的参数，对所述待处理路口内驾驶概率最高的轨迹线执行仿射变换，得到所述待处理路口内的推荐轨迹。
在上述实施例中，通过两组二维点(道路起点和待处理路口内驾驶概率最高的轨迹线的起点；道路终点和待处理路口内驾驶概率最高的轨迹线的终点)，估计仿射变换矩阵的参数，然后根据此变换矩阵，对待处理路口内驾驶概率最高的轨迹线进行变换，最后得到路口内道路的形状的推荐轨迹。如图5所示，图中浅色线为待选轨迹，较深色带箭头线段为推荐轨迹，粗深色线为最终仿射变换后的道路形状，外围虚线为路口范围。
仿射变换公式如下：
Figure BDA0002871035810000114
x′，y′表示变换后的轨迹点坐标，a，b，p，c，d，q表示估计的仿射变换矩阵的参数，x，y：表示变换前的推荐轨迹点坐标。
在上述实施例中，对于累计角度变化较大的推荐轨迹，可以把轨迹分成两段分别做仿射变换，避免形状变化过大。
在步骤S5及步骤S6中，以上两个过程均以路口为单位做数据分组，进行分布式任务处理。
本发明实施例提供的技术方案：获取轨迹数据及路口数据，根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；将所述路口外完整轨迹线类别中两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。本申请实施例能用推荐轨迹生成道路，使道路形状更加贴合驾驶习惯，使地图更有利于服务于自动驾驶。
请参阅图6，是本发明道路生成程序10较佳实施例的运行环境示意图。
在本实施例中，道路生成程序10安装并运行于电子装置1中。电子装置1包括，但不限于：桌上型计算机、笔记本、大型计算机及服务器等计算设备。该电子装置1可包括，但不仅限于，存储器11、处理器12及显示器13。图6仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件，例如可以电子装置1可以不包括显示器13等等。
存储器11是一种计算机存储介质，在一些实施例中可以是电子装置1的内部存储单元，例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据，例如道路生成程序10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行道路生成程序10等。
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面，例如业务定制界面等。电子装置1的部件11-13通过系统总线相互通信。
图6仅示出了具有部件的电子装置，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子装置1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器12逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子装置1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子装置1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子装置1与其他电子装置之间建立通信连接。
可选地，该电子装置1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
请参阅图7，是本发明道路生成程序10一实施例的程序模块图。在本实施例中，道路生成程序10可以被分割成一个或多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行，以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述道路生成程序10在电子装置1中的执行过程，其中：
在本实施例中，关于各模块/单元的功能如下：
获取模块101、获取轨迹数据及与所述轨迹数据对应的路口数据，其中所述轨迹数据包括多条单次出行轨迹线及每条单次出行轨迹线内轨迹点序列；
位置关系确定模块102、根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；
分类模块103根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；
路口外轨迹确定模块104从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；
路口内轨迹确定模块105从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；
所述路口内轨迹确定105根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。
上述模块的详细实现步骤与方法类似，在此不再赘述。本发明实施例提供的技术方案：获取轨迹数据及路口数据，根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；将所述路口外完整轨迹线类别中两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。本申请实施例能用推荐轨迹生成道路，使道路形状更加贴合驾驶习惯，使地图更有利于服务于自动驾驶。
进一步地，所述电子装置1集成的模块/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。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
所述计算机可读存储介质上存储有道路生成程序，所述道路生成程序可被一个或多个处理器执行，以实现如下操作：
获取轨迹数据及与所述轨迹数据对应的路口数据，其中所述轨迹数据包括多条单次出行轨迹线及每条单次出行轨迹线内轨迹点序列；
根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；
根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；
从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；
从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；
根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹。
进一步地，所述电子装置1集成的模块/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。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
所述计算机可读存储介质上存储有道路生成程序，所述道路生成程序可被一个或多个处理器执行，以实现如下操作：
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (7)

1.一种道路生成方法，其特征在于，该方法包括步骤：
获取轨迹数据及与所述轨迹数据对应的路口数据，其中所述轨迹数据包括多条单次出行轨迹线及每条单次出行轨迹线内轨迹点序列；
根据每条单次出行轨迹线内轨迹点序列及所述路口数据，确定每个轨迹点与路口的位置关系；所述每个轨迹点与路口的位置关系包括每个轨迹点的已经驶出路口及每个轨迹点的将要到达路口；
根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别；
从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹；
从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线；
根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹；
所述从所述路口外完整轨迹线类别中获取两个路口之间的轨迹线，并从所述两个路口之间的轨迹线中将驾驶概率最高的轨迹线确定为所述两个路口之间的推荐轨迹包括：
从所述路口外完整轨迹线类别中获取有相同的已经驶出路口及相同的将要到达路口的轨迹线作为所述两个路口之间的轨迹线，其中所述两个路口为获取的已经驶出路口及获取的将要到达路口；
计算所述两个路口之间的轨迹线中每条轨迹线对应的目标函数值；
将所述目标函数的最小值对应的轨迹线作为所述两个路口之间的推荐轨迹，其中用i表示轨迹线的序号，argmin表示求目标函数最小值时对应的i值，
Figure FDA0003460726340000011
表示序号为i的轨迹线的横向偏移率，
Figure FDA0003460726340000012
表示序号为i的轨迹线的角度变化累计总量，W1,W2分别表示Xoffset_rate特征和Xheading_delta_sum的权值，计算目标函数的最小值的公式如下：
Figure FDA0003460726340000021
所述从路口内完整轨迹线类别中获取待处理路口的轨迹线，确定所述待处理路口内驾驶概率最高的轨迹线包括：
获取待处理路口内道路的端点数据；
基于待处理路口的轨迹线和所述道路的端点数据，利用路口内推荐轨迹计算公式，计算待处理路口的轨迹线中每条轨迹线对应的目标函数值；
将目标函数值最小值对应的轨迹线作为所述待处理路口内驾驶概率最高的轨迹线，其中路口内推荐轨迹计算公式为：
Figure FDA0003460726340000022
i表示轨迹线的序号，argmin表示求目标函数最小值时对应的i值，
W1,W2表示Xnode_distance和Xlength_rate的权值，
Figure FDA0003460726340000023
表示第i条轨迹线的端点到道路的端点的平面距离，
Figure FDA0003460726340000024
表示第i条轨迹线的长度因子。
2.如权利要求1所述的道路生成方法，其特征在于，所述轨迹数据对应的路口数据包括每条单次出行轨迹线范围内的路口范围，其中每条单次出行轨迹线范围为每条单次出行轨迹线内所有轨迹点所在的地图瓦片区域集合，每条单次出行轨迹线所在地图瓦片区域内的路口为与每条单次出行轨迹线关联的路口，所述方法还包括以下一种或者多种的组合：
以单次出行轨迹线为单位，将单次出行轨迹线及单次出行轨迹线关联的路口为一组数据，分别对所述轨迹数据中多条单次出行轨迹线分布式处理；或
组合多条单次出行轨迹线的数据量调整每个分布式任务运行的时间。
3.如权利要求1所述的道路生成方法，其特征在于，所述根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外完整轨迹线类别及路口内完整轨迹线类别还包括：
根据每个轨迹点与路口的位置关系，对所述多条单次出行轨迹线进行分割及分类，得到路口外残缺轨迹线类别；
从路口外残缺轨迹线类别中获取有相同的已经驶出路口或相同的将要到达路口的路口外残缺轨迹线；
计算获取的残缺轨迹线与路口内完整轨迹线类别及路口外完整轨迹线类别中的轨迹线的相似度，并确定相似度最大的轨迹线；
将获取的残缺轨迹线与所述相似度最大的轨迹线合并为一类。
4.如权利要求1所述的道路生成方法，其特征在于，所述方法还包括：
计算所述两个路口之间的轨迹线中每条轨迹线的横向偏移率及计算所述两个路口之间的轨迹线中每条轨迹线的角度变化累计总量；
其中所述计算所述两个路口之间的轨迹线中每条轨迹线的横向偏移率包括：从所述两个路口之间的轨迹线中选取长度为中位数的轨迹线；以选取的轨迹的每个轨迹点作垂直于所述选取的轨迹前进方向的扫描线，其中扫描线会与所述两个路口之间的轨迹线中其他轨迹线相交；计算每条轨迹线交点与扫描线最左边端点的距离，归一化后得到每条轨迹线中每个轨迹点的横向偏移率；基于每条轨迹线中每个轨迹点的横向偏移率和横向偏移率计算公式，计算每条轨迹线的横向偏移率；
其中计算所述两个路口之间的轨迹线中每条轨迹线的角度变化累计总量包括：计算所述两个路口之间的轨迹线中每条轨迹线中每个轨迹点和前一个轨点方向变化的差值，得到每条轨迹线中每个轨迹点对应的差值，再将每条轨迹线中每个轨迹点对应的差值累计加总，得到每条轨迹线的角度变化累计总量。
5.如权利要求1所述的道路生成方法，其特征在于，所述根据所述待处理路口内驾驶概率最高的轨迹线确定所述待处理路口内的推荐轨迹包括：
获取待处理路口内道路的端点数据及所述待处理路口内驾驶概率最高的轨迹线的起点和终点；
基于待处理路口内道路的端点数据及所述待处理路口内驾驶概率最高的轨迹线的起点和终点，估计仿射变换矩阵的参数；
基于仿射变换矩阵的参数，对所述待处理路口内驾驶概率最高的轨迹线执行仿射变换，得到所述待处理路口内的推荐轨迹。
6.一种电子装置，其特征在于，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的道路生成方法的步骤。
7.一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存储有道路生成方法，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的道路生成方法的步骤。
CN202011600046.9A 2020-12-29 2020-12-29 道路生成方法、电子装置和存储介质 Active CN112579924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011600046.9A CN112579924B (zh) 2020-12-29 2020-12-29 道路生成方法、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011600046.9A CN112579924B (zh) 2020-12-29 2020-12-29 道路生成方法、电子装置和存储介质

Publications (2)

Publication Number Publication Date
CN112579924A CN112579924A (zh) 2021-03-30
CN112579924B true CN112579924B (zh) 2022-03-25

Family

ID=75144270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011600046.9A Active CN112579924B (zh) 2020-12-29 2020-12-29 道路生成方法、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN112579924B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6636145B1 (en) * 1999-07-07 2003-10-21 Honda Giken Kogyo Kabushiki Kaisha Vehicle sharing system and method with parking state detection
CN106289291A (zh) * 2016-07-26 2017-01-04 北京奇虎科技有限公司 导航路线的推荐方法和装置
CN107664501A (zh) * 2017-09-26 2018-02-06 重庆市智权之路科技有限公司 用于规范化行车轨迹路线的推荐地图筛选提取工作方法
CN108645420A (zh) * 2018-04-26 2018-10-12 北京联合大学 一种基于差分导航的自动驾驶车辆多路径地图的创建方法
CN109410301A (zh) * 2018-10-16 2019-03-01 张亮 面向无人驾驶汽车的高精度语义地图制作方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6636145B1 (en) * 1999-07-07 2003-10-21 Honda Giken Kogyo Kabushiki Kaisha Vehicle sharing system and method with parking state detection
CN106289291A (zh) * 2016-07-26 2017-01-04 北京奇虎科技有限公司 导航路线的推荐方法和装置
CN107664501A (zh) * 2017-09-26 2018-02-06 重庆市智权之路科技有限公司 用于规范化行车轨迹路线的推荐地图筛选提取工作方法
CN108645420A (zh) * 2018-04-26 2018-10-12 北京联合大学 一种基于差分导航的自动驾驶车辆多路径地图的创建方法
CN109410301A (zh) * 2018-10-16 2019-03-01 张亮 面向无人驾驶汽车的高精度语义地图制作方法

Also Published As

Publication number Publication date
CN112579924A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN105528359B (zh) 用于存储行进轨迹的方法和系统
JP2017500595A (ja) 正確な車線レベル地図の生成方法
EP3443482B1 (en) Classifying entities in digital maps using discrete non-trace positioning data
WO2022141858A1 (zh) 行人检测方法、装置、电子设备及存储介质
CN113792061B (zh) 地图数据的更新方法、装置及电子设备
EP3851799A2 (en) Determine traffic checkpoint method and apparatus, electronic device, and medium
CN112050820A (zh) 道路匹配方法、装置、电子设备及可读存储介质
CN114970705A (zh) 基于多传感数据的行驶状态分析方法、装置、设备及介质
CN114187489B (zh) 车辆异常驾驶风险检测方法、装置、电子设备及存储介质
CN111476225A (zh) 基于人工智能的车内人脸识别方法、装置、设备及介质
CN114661055A (zh) 应急物流车辆最优路径规划方法、装置、设备及存储介质
US20220252422A1 (en) Method, apparatus, and system for constructing a high-resolution map for geospatial big data processing
CN111882873B (zh) 轨迹异常检测方法、装置、设备及介质
Jiang et al. itv: Inferring traffic violation-prone locations with vehicle trajectories and road environment data
CN112579924B (zh) 道路生成方法、电子装置和存储介质
CN111812689A (zh) 基于gps轨迹的用户行为分析方法、装置、电子设备及介质
CN115757987B (zh) 基于轨迹分析的伴随对象确定方法、装置、设备及介质
CN117197227A (zh) 计算目标车辆偏航角方法、装置、设备以及介质
CN112489057B (zh) 交通标志数据处理方法、电子装置和存储介质
CN115206102A (zh) 确定交通路径的方法、装置、电子设备和介质
CN112488217B (zh) 斑马线纠正方法、电子装置和存储介质
CN112434601A (zh) 基于行车视频的车辆违法检测方法、装置、设备及介质
CN112529086B (zh) 停止线生成方法、电子装置和存储介质
CN113808388A (zh) 综合考虑小汽车和公共交通运行的交通拥堵分析方法
CN112132037A (zh) 基于人工智能的人行道检测方法、装置、设备及介质

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