CN112581763A - 道路事件检测的方法、装置、设备和存储介质 - Google Patents

道路事件检测的方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112581763A
CN112581763A CN202011449694.9A CN202011449694A CN112581763A CN 112581763 A CN112581763 A CN 112581763A CN 202011449694 A CN202011449694 A CN 202011449694A CN 112581763 A CN112581763 A CN 112581763A
Authority
CN
China
Prior art keywords
road
event
events
image
road event
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
Application number
CN202011449694.9A
Other languages
English (en)
Inventor
闫超
高超
高晓杰
蔡育展
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011449694.9A priority Critical patent/CN112581763A/zh
Publication of CN112581763A publication Critical patent/CN112581763A/zh
Priority to EP21200057.4A priority patent/EP3933345A3/en
Priority to KR1020210130546A priority patent/KR20210127121A/ko
Priority to US17/512,403 priority patent/US20220051032A1/en
Priority to JP2021200319A priority patent/JP2022031902A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • 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
    • G08G1/01—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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination

Abstract

本申请公开了道路事件检测的方法、装置、设备和存储介质，涉及数据处理中的人工智能、大数据、智能交通、自动驾驶、云计算技术。具体实现方案为：通过获取多个车辆一个历史时段内采集并回传的道路图像，对单帧道路图像进行图像处理确定所述道路图像中包含的道路事件，能够进准地定位道路事件类型和/或位置；进一步通过对包含道路事件的多帧道路图像的道路事件数据进行聚类，得到所述历史时段内发生的所有道路事件以及道路事件信息，能够精准地确定历史时段内发生的所有道路事件，并能够精准地确定道路事件的类型和/或位置，提高道路事件检测的精准度。

Description

道路事件检测的方法、装置、设备和存储介质
技术领域
本申请涉及数据处理中的人工智能、大数据、智能交通、自动驾驶、云计算技术，尤其涉及一种道路事件检测的方法、装置、设备和存储介质。
背景技术
在地图中增加道路上发生的道路事件的提醒信息是电子地图的常用服务之一。准确地发现道路事件，能够应用于导航路线的规划和推荐，自动驾驶汽车的轨迹规划等场景中，以提高导航服务的精准性、降低自动驾驶的难度。
目前，道路上可能发生的道路事件包括但不限于拥堵、施工、事故等类型的事件。现在的道路事件判断方式是根据车辆的GPS轨迹，判断道路的拥堵情况。但是，通过GPS轨迹发现不了事件的精确类型，且由于GPS精度限制，无法定位到事件发生的精确位置(如事件发生的车道)，事件检测的精准度低。
发明内容
本申请提供了一种道路事件检测的方法、装置、设备和存储介质。
根据本申请的一方面，提供了一种道路事件检测的方法，包括：
获取多个车辆一个历史时段内采集并回传的道路图像；
对所述道路图像进行图像处理，确定所述道路图像中包含的道路事件；
对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，其中，所述道路事件具有道路事件信息，所述道路事件信息包括事件类型和/或事件位置信息；
根据各所述道路事件的道路事件信息，更新地图数据。
根据本申请的一方面，提供了一种道路事件检测的装置，包括：
道路图像获取模块，用于获取多个车辆一个历史时段内采集并回传的道路图像；
事件检测模块，用于对所述道路图像进行图像处理，确定所述道路图像中包含的道路事件；
所述事件检测模块还用于对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，其中，所述道路事件具有道路事件信息，所述道路事件信息包括事件类型和/或事件位置信息；
事件信息更新模块，用于根据各所述道路事件的道路事件信息，更新地图数据。
根据本申请的一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的方法。
根据本申请的一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述所述的方法。
根据本申请的一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任一项所述的方法。
根据本申请的技术提高了道路事件检测的精准度。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例的道路事件检测的系统框架图；
图2是本申请第一实施例提供的道路事件检测的方法流程图；
图3是本申请第二实施例提供的道路事件检测的方法流程图；
图4是本申请第二实施例提供的事件标志物的示意图；
图5是本申请第三实施例提供的道路事件检测的装置示意图；
图6是用来实现本申请实施例的道路事件检测的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请提供一种道路事件检测的方法、装置、设备和存储介质，应用于数据处理领域中的人工智能、大数据、智能交通技术，以达到提高道路事件检测的精准度的技术效果。
本申请实施例提供的方法可以应用于如图1所示的道路事件检测的系统，如图1所示，道路事件监测系统包括用于进行道路事件检测的道路事件检测装置100，多个车辆101，以及电子地图102。其中，多个车辆101在道路上行驶过程中采集道路图像(还可以采集车辆行驶数据)，并传输至道路事件检测装置100，道路事件检测装置100基于所有车辆采集并回传的道路图像和车辆行驶数据，检测出道路上正在发生的道路事件。在实际应用场景中，可以设置的一个或者多个区域范围，例如城市、地区等，行驶在区域范围内的道路上的所有车辆101按照采集规则采集道路图像(还可以采集车辆行驶数据)并回传到道路事件检测装置100，道路事件检测装置100可以基于道路图像检测区域范围内所有道路上正在发生的道路事件，可以将道路事件提供给电子地图102使用，用于基于道路事件规划导航路线、规划自动驾驶路线、或者显示道路事件供用户参考等等。
图2是本申请第一实施例提供的道路事件检测的方法流程图。如图2所示，该方法具体步骤如下：
步骤S201、获取多个车辆一个历史时段内采集并回传的道路图像。
其中，历史时段可以是最近的一个时间段，具体可以根据实际应用场景的需要进行设定。
示例性地，如果电子地图上需要每间隔一个时间段更新一次道路事件的信息，那么需要每间隔一个时间段进行一次道路事件检测，历史时段可以是上一个间隔时间段。根据设定的间隔的时间段，当上一个时间段结束时，获取上一个时间段内的道路图像，基于上一个时间段内的道路图像来检测在上一个时间段发生的道路事件。
本实施例中，可以设置的一个或者多个区域范围，区域范围可以是城市、或者地区等。行驶在区域范围内道路上的所有车辆按照采集规则采集道路图像并回传到道路事件检测装置。道路事件检测装置可以获取到在历史时段内行驶在区域范围内所有道路上的多个车辆采集的道路图像。
步骤S202、对道路图像进行图像处理，确定道路图像中包含的道路事件。
在获取到历史时段内的道路图像之后，可以对每帧道路图像进行图像处理，以检测出道路图像中所包含的道路事件。
其中，道路事件具有道路事件信息，道路事件信息包括事件类型和/或事件位置信息。事件类型包括但不局限于：道路施工、交通管制、事故、拥堵。事件位置信息能够具体到事件所在车道。
在实际应用中，道路上的道路事件的类型和位置是会随着时间的推移发生变化的，也就是道路事件是动态事件。
步骤S203、对所有包含道路事件的道路图像进行多帧数据聚类，确定历史时段内发生的道路事件，其中，道路事件具有道路事件信息，道路事件信息包括事件类型和/或事件位置信息。
在对单帧道路图像进行道路事件检测之后，可以根据单帧道路图像的检测结果，筛选出所有包含道路事件的道路图像。
该步骤中，基于所有包含道路事件的道路图像的道路事件的相关信息，进行聚类，得到在历史时段内设定区域范围内的所有道路上发生的道路事件。该聚类结果中包括道路事件的道路事件信息。
步骤S204、根据各道路事件的道路事件信息，更新地图数据。
在获取到历史时段内发生的道路事件之后，可以将各道路事件的道路事件信息更新到地图数据上，以便于基于更新后的包含最新道路事件信息的地图数据，精准地规划导航路线、自动驾驶路线等。
本申请实施例通过获取多个车辆一个历史时段内采集并回传的道路图像，对单帧道路图像进行图像处理确定道路图像中包含的道路事件，能够进准地定位道路事件类型和/或位置；进一步通过对包含道路事件的多帧道路图像的道路事件数据进行聚类，得到历史时段内发生的所有道路事件以及道路事件信息，能够精准地确定历史时段内发生的所有道路事件，并能够精准地确定道路事件的类型和/或位置，提高道路事件检测的精准度。
图3是本申请第二实施例提供的道路事件检测的方法流程图。在上述第一实施例的基础上，本实施例中，可以通过众包回传的方式获取多个车辆一个历史时段内采集并回传的道路图像，从而可以获取到能够全面覆盖设定区域范围内所有道路的道路图像。进一步地，对所有包含道路事件的道路图像进行多帧数据聚类，确定历史时段内发生的道路事件之后，在根据各道路事件的道路事件信息，更新地图数据之前，还可以根据历史时段内车辆的行驶轨迹，对道路事件进行验证；根据验证结果，对历史时段内发生的道路事件进行筛选，从而可以避免道路事件的误报的情况，提高了地图数据上道路事件的精准度。
如图3所示，该方法具体步骤如下：
步骤S301、向多个车辆发送数据回传任务，数据回传任务用于指示多个车辆根据采集规则采集并回传道路图像。
其中，采集规则包括：根据第一时间间隔或者第一距离间隔采集并回传道路图像，或者在当前发生的道路事件的预设范围内根据第二时间间隔或者第二距离间隔采集并回传道路图像。第二时间间隔小于第一时间间隔，第二距离间隔小于第一距离间隔。
车辆可以根据当前位置，确定是否在当前发生的道路事件的预设范围内，如果不在任一道路事件的预设范围内，则根据第一时间间隔或者第一距离间隔采集并回传道路图像即可。如果车辆在当前发生的某一道路事件的预设范围内，则根据第二时间间隔或者第二距离间隔采集并回传道路图像。
这样，对于已发生的道路事件预设范围内的路段，以更短的距离间隔或更高的频率采集道路图像，可以针对已检测到的道路事件，在道路事件周围的道路上采集更多的道路图像，更加关注已发生道路事件的路段，从而能够更加准确地更新道路事件。
另外，预设范围可以根据实际应用场景的需要进行设置，本实施例此处不做具体限定。第一时间间隔，第二时间间隔，第一距离间隔，第二距离间隔均可以根据实际应用场景进行设置和调整，本实施例此处不做具体限定。
可选地，数据回传任务还可以用于指示多个车辆根据采集规则采集并回传车辆的位置、速度、刹车信息等行驶数据等。其中车辆的位置可以是实时定位到的GPS位置。基于车辆每次回传的位置，可以得到车辆在历史时段内的行驶轨迹。另外，数据回传任务要求车辆回传的数据可以根据实际应用场景的需要进行设置和调整，此处不做具体限定。
本实施例中通过众包回传的方式获取道路图像和车辆行驶数据的数据采集方式，无需增加专门的路测设备或其他图像采集装置，能够降低成本。
步骤S302、接收多个车辆发送的道路图像。
本实施例中，通过上述步骤S301-S302，以众包回传的方法，获取多个车辆一个历史时段内采集并回传的道路图像，获取的所有道路图像能够全面覆盖设定区域范围内所有道路；并且，可以针对已检测到的道路事件，在道路事件周围的道路上采集更多的道路图像，更加关注已发生道路事件的路段，从而能够更加准确地更新道路事件。
步骤S303、对道路图像进行图像处理，确定道路图像中包含的道路事件。
其中，道路事件具有道路事件信息，道路事件信息包括事件类型和/或事件位置信息。
本实施例中，该步骤具体可以采用如下方式实现：
检测道路图像中的车道位置，以及道路图像中出现的事件标志物的位置；根据道路图像中的车道位置，以及道路图像中出现的事件标志的位置，若确定事件标志物出现在某一车道内，则确定道路图像中包含道路事件。
具体地，通过对道路图像进行图像处理，识别出道路图像中的车道线的位置和事件标志物及其位置，根据车道线的位置可以确定相邻两个车道级之间的车道的位置，根据道路图像中的车道位置，以及道路图像中出现的事件标志的位置，可以确定事件标志物是否出现在某一车道内，如果确定事件标志物出现在某一车道内，可以确定道路图像中包含道路事件，并且可以确定道路事件所在车道，能够实现道路事件发生的车道的精准定位。
如果道路图像中没有发现事件标志物，或者识别出有事件标志物但事件标志物并不在任一车道内，那么可以确定该道路图像中不包含道路事件。
进一步地，将事件标志物出现的车道确定为道路事件所在车道；根据事件标志物的类型，确定道路事件的事件类型，从而可以精准地识别出道路图像中包含的道路事件的类型和所在车道。
进一步地，结合车辆的行驶轨迹，可以确定采集该道路图像时车辆在该道路上的位置，得到该道路事件发生的位置。
本实施例中，某一类型的道路事件的事件标志物是用于标识该类型的道路事件发生的物体，当该事件标志物出现在车道中时，表明事件标志物所在位置发生了对应类型的道路事件。例如，如果道路事件是施工，施工类的事件标志物可以包括锥桶、施工人员、施工墙体、施工提示牌等，如果道路图像中某一车道内出现了其中任意一种事件标志物，就可以说明该处有施工事件。例如，如图4中所示的道路图像40中，锥桶41和42出现最左侧车道内，说明该车道内发生了施工事件，根据道路图像采集的地点可以进一步确定施工事件发生的地点。
预先总结确定各个类型的道路事件中的事件标志物，并获取所有事件标志物的图像特征，以用于从图像中识别出事件标志物。事件标志物是指某一进行例如
可选地，对道路图像进行图像处理，识别其中的车道线和事件标志物的过程，具体可以采用现有技术中识别图像中的已知物体图像特征的方法实现，此处不做具体限定。
可选地，对道路图像进行图像处理，确定道路图像中包含的道路事件的过程，可以采用基于深度学习的神经网络模型实现，通过利用大量训练数据对神经网络模型进行训练，训练好的神经网络模型能够提取图像特征，分析得到图像中包含的道路事件的类型及所在车道，从而实现车道级的道路事件的精准识别。
步骤S304、根据道路事件及道路事件的事件类型和所在车道，对所有包含道路事件的道路图像进行多帧数据聚类，确定历史时段内发生的道路事件，以及道路事件的道路事件信息。
本实施例中，该步骤具体可以采用如下方式实现：
将包含道路事件的道路图像作为目标图像，获取采集目标图像时车辆的位置和朝向角；根据目标图像中包含的道路事件及道路事件的事件类型和所在车道，以及采集目标图像时车辆的位置和朝向角，进行基于密度的聚类，得到的聚类结果包括历史时段内发生的道路事件，道路事件的事件位置信息包括所在车道、起始位置坐标和结束位置坐标。
具体地，对于每帧包含道路事件的目标图像，可以基于采集该目标图像的车辆在历史时段内的行驶轨迹以及目标图像的采集时间，确定采集该目标图像时车辆的位置，可以将采集该目标图像时车辆的位置作为目标图像中道路事件发生的位置。
基于采集该目标图像的车辆在历史时段内的行驶轨迹以及目标图像的采集时间，还可以确定采集该目标图像时车辆的朝向角。通过上述步骤S303中得到了该目标图像包含的道路事件的类型及所在车道。
将每一个目标图像包含的道路事件的事件类型和所在车道，以及采集目标图像时车辆的位置和朝向角，作为一个道路事件数据，对所有目标图像对应的道路事件数据进行基于密度的聚类，得到聚类结果。聚类结果包括历史时段内发生的道路事件，道路事件的事件位置信息包括所在车道、起始位置坐标和结束位置坐标，这样能够准确地确定区域范围内所有的道路事件的事件类型和所在车道、起始位置坐标和结束位置坐标等事件位置信息，从而实现车道级的道路事件的精准检测。
可选地，基于密度的聚类的方法可以采用DBSCAN(Density-Based SpatialClustering of Applications with Noise)，或DBSCAN的优化算法，或其他基于密度的聚类算法等，本实施例此次不做具体限定。
该步骤为对所有包含道路事件的道路图像进行多帧数据聚类，确定历史时段内发生的道路事件的一种具体实现方式。
一种可选地实现方式中，确定采集该目标图像时车辆的位置之后，基于采集该目标图像的采集装置的标定参数和采集该目标图像时车辆的位置，还可以进一步确定目标图像中道路事件的精确位置。将每一个目标图像包含的道路事件的事件类型和所在车道，目标图像中道路事件的精确位置，以及采集目标图像时车辆行驶方向，作为一个道路事件数据，对所有目标图像对应的道路事件数据进行基于密度的聚类，得到聚类结果。聚类结果也可以包括历史时段内发生的道路事件，道路事件的事件位置信息包括所在车道、起始位置坐标和结束位置坐标，这样能够准确地确定区域范围内所有的道路事件的事件类型和所在车道、起始位置坐标和结束位置坐标等事件位置信息，从而实现车道级的道路事件的精准检测。
步骤S305、根据历史时段内车辆的行驶轨迹，对道路事件进行验证。
本实施例中，在得到历史时段内发生的道路事件之后，可以通过历史时段内车辆的行驶轨迹，对道路事件进行进一步地验证。
该步骤具体可以采用如下方式实现：
根据道路事件的事件位置信息，确定道路事件的发生区域；根据历史时段内车辆的行驶轨迹，确定道路事件的发生区域是否存在轨迹异常；若道路事件的发生区域不存在轨迹异常，则确定道路事件不存在。
其中，道路事件的发生区域可以是道路事件发生时，车辆无法通行的区域。
具体地，道路事件的事件位置信息包括道路事件发生的所在车道、起始位置坐标和结束位置坐标，基于道路事件发生的所在车道、起始位置坐标和结束位置坐标，可以确定道路事件的发生区域。
在实际场景中，当道路上发生道路事件时，车辆无法在道路事件发生区域内通行，因此会出现车辆减速、缓慢行驶、绕行等行为，行驶轨迹会出现异常，例如存在明显拥堵、或明显绕行行为轨迹。
根据车辆的行驶轨迹，通过轨迹挖掘方法来识别出异常轨迹，以及异常轨迹所在的路段。
进一步地，通过比较异常轨迹所在路段和道路事件的发生区域，可以确定道路事件的发生区域是否存在轨迹异常。
可选地，历史时段内车辆的行驶轨迹可以是从其他导航应用、地图应用等获取的历史时段内的车辆行驶轨迹，还可以包括基于众包回传方式由多个车辆回传的行驶轨迹等，可以针对当前的区域范围获取，也可以在获取之后筛选出当前的区域范围内的数据。
步骤S306、根据验证结果，对历史时段内发生的道路事件进行筛选。
若道路事件的发生区域存在轨迹异常，则可以进一步确定道路事件确实存在，该区域内确实发生了道路事件。
可选地，根据大量的车辆行驶轨迹，可以准确地确定轨迹异常的区域，根据轨迹异常的区域的范围，可以进一步对道路事件的起始位置坐标和结束位置坐标进行修正，使得道路事件的起始位置坐标和结束位置坐标更加精准。
该步骤中，若根据验证结果确定某一道路事件不存在，那么说明这个区域内不影响车辆正常通行，从而可以确定没有发生道路事件，则将该道路事件从历史时段内发生的道路事件中删除，从而可以避免当前不存在的道路事件的误报，提高电子地图上道路事件信息的准确性。
步骤S307、根据各道路事件的道路事件信息，更新地图数据。
本实施例中，得到历史时段内发生的道路事件之后，可以根据道路事件的道路事件信息更新地图数据，从而基于更新后包含道路事件的道路事件信息的地图数据，进行精准地导航路线规划、或者自动驾驶路线规划，另外，还可以将道路事件的道路事件信息显示在导航规划路线上，以供用户参考选择。
可选地，通过调整历史时段的长度，可以调整地图数据中道路事件信息的更新频率，能够实现道路事件信息的实时更新。
一种可能的场景中，历史时段内发生的道路事件有可能是在该历史时段内才开始发生的新增道路事件，地图数据中不包括该道路事件的任何信息，可以用第一道路事件指代这类道路事件。
对于历史时段内发生的第一道路事件，若地图数据中不包含第一道路事件，则将第一道路事件，添加到地图数据中。这样，能够将新增道路事件的道路事件信息及实地添加到地图数据中。
一种可能的场景中，历史时段内发生的道路事件有可能是在历史时段之前就已经发生，在历史时段内还在发生的道路事件，该道路事件的位置信息可能发生变化，可以用第二道路事件指代这类道路事件。
对于历史时段内发生的第二道路事件，若地图数据中已包含第二道路事件，则更新地图数据中第二道路事件的道路事件信息。这样，可以及实地更新地图数据中已有道路事件的道路事件信息，提高了地图数据中道路事件信息的准确性。
一种可能的场景中，对于在历史时段之前发生、并且在历史时段之前已经消除的道路事件，而地图数据中还包括该道路事件的道路事件信息，可以用第三道路事件指代这类道路事件。
对于地图数据中包含的第三道路事件，若历史时段内发生的道路事件中不包括第三道路事件，则将第三道路事件从地图数据中删除。这样，能够将已经消除的道路事件的道路事件信息及时地从地图数据中删除，提高了地图数据中道路事件信息的准确性。
本实施例通过众包回传的方式获取道路图像以及车辆行驶数据(包括但不限于行驶轨迹、速度、刹车信息等)，采用图像分析和GPS轨迹分析相结合的方式，进行实时综合分析处理，获取车道级的道路事件，可判断任何道路条件下的车道级的道路事件。
图5是本申请第三实施例提供的道路事件检测的装置示意图。本申请实施例提供的道路事件检测的装置可以执行道路事件检测的方法实施例提供的处理流程。如图5所示，该道路事件检测的装置50包括：道路图像获取模块501，事件检测模块502和事件信息更新模块503。
具体地，道路图像获取模块501，用于获取多个车辆一个历史时段内采集并回传的道路图像。
事件检测模块502，用于对道路图像进行图像处理，确定道路图像中包含的道路事件。
事件检测模块502还用于对所有包含道路事件的道路图像进行多帧数据聚类，确定历史时段内发生的道路事件，其中，道路事件具有道路事件信息，道路事件信息包括事件类型和/或事件位置信息。
事件信息更新模块503，用于根据各道路事件的道路事件信息，更新地图数据。
本申请实施例提供的装置可以具体用于执行上述第一实施例提供的方法实施例，具体功能此处不再赘述。
本申请实施例通过获取多个车辆一个历史时段内采集并回传的道路图像，对单帧道路图像进行图像处理确定道路图像中包含的道路事件，能够进准地定位道路事件类型和/或位置；进一步通过对包含道路事件的多帧道路图像的道路事件数据进行聚类，得到历史时段内发生的所有道路事件以及道路事件信息，能够精准地确定历史时段内发生的所有道路事件，并能够精准地确定道路事件的类型和/或位置，提高道路事件检测的精准度。
在上述第三实施例的基础上，本申请第四实施例中，道路图像获取模块还用于：
向多个车辆发送数据回传任务，数据回传任务用于指示多个车辆根据采集规则采集并回传道路图像，其中采集规则包括：根据第一时间间隔或者第一距离间隔采集并回传道路图像，或者在当前发生的道路事件的预设范围内根据第二时间间隔或者第二距离间隔采集并回传道路图像，第二时间间隔小于第一时间间隔，第二距离间隔小于第一距离间隔；接收多个车辆发送的道路图像。
一种可选的实施方式中，事件检测模块还用于：
检测道路图像中的车道位置，以及道路图像中出现的事件标志物的位置；根据道路图像中的车道位置，以及道路图像中出现的事件标志的位置，若确定事件标志物出现在某一车道内，则确定道路图像中包含道路事件。
一种可选的实施方式中，事件检测模块还用于：
将事件标志物出现的车道确定为道路事件所在车道；根据事件标志物的类型，确定道路事件的事件类型。
一种可选的实施方式中，事件检测模块还用于：
根据道路事件及道路事件的事件类型和所在车道，对所有包含道路事件的道路图像进行多帧数据聚类，确定历史时段内发生的道路事件，以及道路事件的道路事件信息。
一种可选的实施方式中，事件检测模块还用于：
将包含道路事件的道路图像作为目标图像，获取采集目标图像时车辆的位置和朝向角；根据目标图像中包含的道路事件及道路事件的事件类型和所在车道，以及采集目标图像时车辆的位置和朝向角，进行基于密度的聚类，得到的聚类结果包括历史时段内发生的道路事件，道路事件的事件位置信息包括所在车道、起始位置坐标和结束位置坐标。
一种可选的实施方式中，事件检测模块还用于：
根据历史时段内车辆的行驶轨迹，对道路事件进行验证；根据验证结果，对历史时段内发生的道路事件进行筛选。
一种可选的实施方式中，事件检测模块还用于：
根据道路事件的事件位置信息，确定道路事件的发生区域；根据历史时段内车辆的行驶轨迹，确定道路事件的发生区域是否存在轨迹异常；若道路事件的发生区域不存在轨迹异常，则确定道路事件不存在。
一种可选的实施方式中，事件检测模块还用于：
若根据验证结果确定某一道路事件不存在，则将该道路事件从历史时段内发生的道路事件中删除。
一种可选的实施方式中，事件检测模块还用于：
若道路事件的发生区域存在轨迹异常，则确定道路事件确实存在。
一种可选的实施方式中，事件信息更新模块还用于：
对于历史时段内发生的第一道路事件，若地图数据中不包含第一道路事件，则将第一道路事件，添加到地图数据中。
一种可选的实施方式中，事件信息更新模块还用于：
对于历史时段内发生的第二道路事件，若地图数据中已包含第二道路事件，则更新地图数据中第二道路事件的道路事件信息。
一种可选的实施方式中，事件信息更新模块还用于：
对于地图数据中包含的第三道路事件，若历史时段内发生的道路事件中不包括第三道路事件，则将第三道路事件从地图数据中删除。
本申请实施例提供的装置可以具体用于执行上述第二实施例提供的方法实施例，具体功能此处不再赘述。
本实施例通过众包回传的方式获取道路图像以及车辆行驶数据(包括但不限于行驶轨迹、速度、刹车信息等)，采用图像分析和GPS轨迹分析相结合的方式，进行实时综合分析处理，获取车道级的道路事件，可判断任何道路条件下的车道级的道路事件。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的道路事件检测的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备600包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备600内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器一起使用。同样，可以连接多个电子设备600，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的道路事件检测的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的道路事件检测的方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的道路事件检测的方法对应的程序指令/模块(例如，附图5所示的道路图像获取模块501，事件检测模块502和事件信息更新模块503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的道路事件检测的方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据道路事件检测的电子设备600的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至道路事件检测的电子设备600。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
道路事件检测的方法的电子设备600还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与道路事件检测的电子设备600的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算机程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算机程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (29)

1.一种道路事件检测的方法，包括：
获取多个车辆一个历史时段内采集并回传的道路图像；
对所述道路图像进行图像处理，确定所述道路图像中包含的道路事件；
对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，其中，所述道路事件具有道路事件信息，所述道路事件信息包括事件类型和/或事件位置信息；
根据各所述道路事件的道路事件信息，更新地图数据。
2.根据权利要求1所述的方法，其中，所述获取多个车辆一个历史时段内采集并回传的道路图像，包括：
向所述多个车辆发送数据回传任务，所述数据回传任务用于指示所述多个车辆根据采集规则采集并回传道路图像，其中所述采集规则包括：根据第一时间间隔或者第一距离间隔采集并回传道路图像，或者在当前发生的道路事件的预设范围内根据第二时间间隔或者第二距离间隔采集并回传道路图像，所述第二时间间隔小于所述第一时间间隔，所述第二距离间隔小于所述第一距离间隔；
接收所述多个车辆发送的道路图像。
3.根据权利要求1所述的方法，其中，所述对所述道路图像进行图像处理，确定所述道路图像中包含的道路事件，包括：
检测所述道路图像中的车道位置，以及所述道路图像中出现的事件标志物的位置；
根据所述道路图像中的车道位置，以及所述道路图像中出现的事件标志的位置，若确定所述事件标志物出现在某一车道内，则确定所述道路图像中包含道路事件。
4.根据权利要求3所述的方法，其中，所述对所述道路图像进行图像处理，确定所述道路图像中包含的道路事件之后，还包括：
将所述事件标志物出现的车道确定为所述道路事件所在车道；
根据所述事件标志物的类型，确定所述道路事件的事件类型。
5.根据权利要求4所述的方法，其中，所述对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，包括：
根据所述道路事件及所述道路事件的事件类型和所在车道，对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，以及所述道路事件的道路事件信息。
6.根据权利要求5所述的方法，其中，所述根据所述道路事件及所述道路事件的事件类型和所在车道，对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，以及所述道路事件的道路事件信息，包括：
将包含道路事件的道路图像作为目标图像，获取采集所述目标图像时车辆的位置和朝向角；
根据所述目标图像中包含的道路事件及所述道路事件的事件类型和所在车道，以及采集所述目标图像时车辆的位置和朝向角，进行基于密度的聚类，得到的聚类结果包括所述历史时段内发生的道路事件，所述道路事件的事件位置信息包括所在车道、起始位置坐标和结束位置坐标。
7.根据权利要求1所述的方法，其中，所述根据各所述道路事件的道路事件信息，更新地图数据之前，还包括：
根据所述历史时段内车辆的行驶轨迹，对所述道路事件进行验证；
根据验证结果，对所述历史时段内发生的道路事件进行筛选。
8.根据权利要求7所述的方法，其中，所述根据所述历史时段内车辆的行驶轨迹，对所述道路事件进行验证，包括：
根据所述道路事件的事件位置信息，确定所述道路事件的发生区域；
根据所述历史时段内车辆的行驶轨迹，确定所述道路事件的发生区域是否存在轨迹异常；
若所述道路事件的发生区域不存在轨迹异常，则确定所述道路事件不存在。
9.根据权利要求8所述的方法，其中，所述根据验证结果，对所述历史时段内发生的道路事件进行筛选，包括：
若根据所述验证结果确定某一道路事件不存在，则将该道路事件从所述历史时段内发生的道路事件中删除。
10.根据权利要求8所述的方法，其中，所述根据所述历史时段内所述多个车辆的行驶轨迹，确定所述道路事件的发生区域是否存在轨迹异常之后，还包括：
若所述道路事件的发生区域存在轨迹异常，则确定所述道路事件确实存在。
11.根据权利要求1至10中任一项所述的方法，其中，所述根据各所述道路事件的道路事件信息，更新地图数据，包括：
对于所述历史时段内发生的第一道路事件，若所述地图数据中不包含所述第一道路事件，则将所述第一道路事件，添加到所述地图数据中。
12.根据权利要求1至10中任一项所述的方法，其中，所述根据各所述道路事件的道路事件信息，更新地图数据，包括：
对于所述历史时段内发生的第二道路事件，若所述地图数据中已包含所述第二道路事件，则更新所述地图数据中所述第二道路事件的道路事件信息。
13.根据权利要求1至10中任一项所述的方法，其中，所述根据各所述道路事件的道路事件信息，更新地图数据，包括：
对于所述地图数据中包含的第三道路事件，若所述历史时段内发生的道路事件中不包括所述第三道路事件，则将所述第三道路事件从所述地图数据中删除。
14.一种道路事件检测的装置，包括：
道路图像获取模块，用于获取多个车辆一个历史时段内采集并回传的道路图像；
事件检测模块，用于对所述道路图像进行图像处理，确定所述道路图像中包含的道路事件；
所述事件检测模块还用于对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，其中，所述道路事件具有道路事件信息，所述道路事件信息包括事件类型和/或事件位置信息；
事件信息更新模块，用于根据各所述道路事件的道路事件信息，更新地图数据。
15.根据权利要求14所述的装置，其中，所述道路图像获取模块还用于：
向所述多个车辆发送数据回传任务，所述数据回传任务用于指示所述多个车辆根据采集规则采集并回传道路图像，其中所述采集规则包括：根据第一时间间隔或者第一距离间隔采集并回传道路图像，或者在当前发生的道路事件的预设范围内根据第二时间间隔或者第二距离间隔采集并回传道路图像，所述第二时间间隔小于所述第一时间间隔，所述第二距离间隔小于所述第一距离间隔；
接收所述多个车辆发送的道路图像。
16.根据权利要求14所述的装置，其中，所述事件检测模块还用于：
检测所述道路图像中的车道位置，以及所述道路图像中出现的事件标志物的位置；
根据所述道路图像中的车道位置，以及所述道路图像中出现的事件标志的位置，若确定所述事件标志物出现在某一车道内，则确定所述道路图像中包含道路事件。
17.根据权利要求16所述的装置，其中，所述事件检测模块还用于：
将所述事件标志物出现的车道确定为所述道路事件所在车道；根据所述事件标志物的类型，确定所述道路事件的事件类型。
18.根据权利要求17所述的装置，其中，所述事件检测模块还用于：
根据所述道路事件及所述道路事件的事件类型和所在车道，对所有包含道路事件的所述道路图像进行多帧数据聚类，确定所述历史时段内发生的道路事件，以及所述道路事件的道路事件信息。
19.根据权利要求18所述的装置，其中，所述事件检测模块还用于：
将包含道路事件的道路图像作为目标图像，获取采集所述目标图像时车辆的位置和朝向角；
根据所述目标图像中包含的道路事件及所述道路事件的事件类型和所在车道，以及采集所述目标图像时车辆的位置和朝向角，进行基于密度的聚类，得到的聚类结果包括所述历史时段内发生的道路事件，所述道路事件的事件位置信息包括所在车道、起始位置坐标和结束位置坐标。
20.根据权利要求14所述的装置，其中，所述事件检测模块还用于：
根据所述历史时段内车辆的行驶轨迹，对所述道路事件进行验证；根据验证结果，对所述历史时段内发生的道路事件进行筛选。
21.根据权利要求20所述的装置，其中，所述事件检测模块还用于：
根据所述道路事件的事件位置信息，确定所述道路事件的发生区域；
根据所述历史时段内车辆的行驶轨迹，确定所述道路事件的发生区域是否存在轨迹异常；
若所述道路事件的发生区域不存在轨迹异常，则确定所述道路事件不存在。
22.根据权利要求21所述的装置，其中，所述事件检测模块还用于：
若根据所述验证结果确定某一道路事件不存在，则将该道路事件从所述历史时段内发生的道路事件中删除。
23.根据权利要求21所述的装置，其中，所述事件检测模块还用于：
若所述道路事件的发生区域存在轨迹异常，则确定所述道路事件确实存在。
24.根据权利要求14至23中任一项所述的装置，其中，所述事件信息更新模块还用于：
对于所述历史时段内发生的第一道路事件，若所述地图数据中不包含所述第一道路事件，则将所述第一道路事件，添加到所述地图数据中。
25.根据权利要求14至23中任一项所述的装置，其中，所述事件信息更新模块还用于：
对于所述历史时段内发生的第二道路事件，若所述地图数据中已包含所述第二道路事件，则更新所述地图数据中所述第二道路事件的道路事件信息。
26.根据权利要求14至23中任一项所述的装置，其中，所述事件信息更新模块还用于：
对于所述地图数据中包含的第三道路事件，若所述历史时段内发生的道路事件中不包括所述第三道路事件，则将所述第三道路事件从所述地图数据中删除。
27.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-13中任一项所述的方法。
29.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-13中任一项所述的方法。
CN202011449694.9A 2020-12-11 2020-12-11 道路事件检测的方法、装置、设备和存储介质 Pending CN112581763A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011449694.9A CN112581763A (zh) 2020-12-11 2020-12-11 道路事件检测的方法、装置、设备和存储介质
EP21200057.4A EP3933345A3 (en) 2020-12-11 2021-09-30 Road event detection method, apparatus, device and storage medium
KR1020210130546A KR20210127121A (ko) 2020-12-11 2021-10-01 도로 이벤트 검출 방법, 장치, 기기 및 저장매체
US17/512,403 US20220051032A1 (en) 2020-12-11 2021-10-27 Road event detection method, apparatus, device and storage medium
JP2021200319A JP2022031902A (ja) 2020-12-11 2021-12-09 道路イベントの検出方法、装置、機器及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011449694.9A CN112581763A (zh) 2020-12-11 2020-12-11 道路事件检测的方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN112581763A true CN112581763A (zh) 2021-03-30

Family

ID=75131824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011449694.9A Pending CN112581763A (zh) 2020-12-11 2020-12-11 道路事件检测的方法、装置、设备和存储介质

Country Status (5)

Country Link
US (1) US20220051032A1 (zh)
EP (1) EP3933345A3 (zh)
JP (1) JP2022031902A (zh)
KR (1) KR20210127121A (zh)
CN (1) CN112581763A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221677A (zh) * 2021-04-26 2021-08-06 阿波罗智联(北京)科技有限公司 一种轨迹异常检测方法、装置、路侧设备和云控平台
CN114003672A (zh) * 2021-10-22 2022-02-01 北京百度网讯科技有限公司 一种道路动态事件的处理方法、装置、设备和介质
CN114771576A (zh) * 2022-05-19 2022-07-22 北京百度网讯科技有限公司 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆
CN114913470A (zh) * 2022-07-11 2022-08-16 浙江大华技术股份有限公司 一种事件检测方法及装置
CN115063974A (zh) * 2022-06-08 2022-09-16 中国第一汽车股份有限公司 道路施工检测方法、装置、车载终端、车辆及介质
CN115115944A (zh) * 2022-06-23 2022-09-27 北京百度网讯科技有限公司 地图数据查验方法、装置、电子设备和介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230152104A1 (en) * 2021-11-18 2023-05-18 Johnson Controls Tyco IP Holdings LLP Methods and apparatuses for implementing integrated image sensors
KR102444222B1 (ko) * 2022-03-29 2022-09-22 주식회사 엠큐닉 고정밀 도로지도의 갱신 시스템 및 방법
CN114863709A (zh) * 2022-04-26 2022-08-05 北京百度网讯科技有限公司 道路数据处理方法、装置、电子设备和存储介质
CN114973165B (zh) * 2022-07-14 2022-10-25 浙江大华技术股份有限公司 一种事件识别算法的测试方法、装置及电子设备
CN115359658A (zh) * 2022-08-17 2022-11-18 阿里云计算有限公司 交通事件的检测方法、装置、设备、存储介质及程序产品
CN116739457B (zh) * 2023-08-11 2023-10-20 北京博数智源人工智能科技有限公司 用于露天矿山安全分析的生产状态数据处理方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1188555A (ja) * 1997-09-10 1999-03-30 Daihatsu Motor Co Ltd 情報提供システムの制御方法
CN105355039A (zh) * 2015-10-23 2016-02-24 张力 路况信息处理方法及设备
CN109325548A (zh) * 2018-10-23 2019-02-12 北京旷视科技有限公司 图像处理方法、装置、电子设备及存储介质
CN109974734A (zh) * 2019-04-02 2019-07-05 百度在线网络技术（北京）有限公司 一种用于ar导航的事件上报方法、装置、终端及存储介质
CN110364008A (zh) * 2019-08-16 2019-10-22 腾讯科技（深圳）有限公司 路况确定方法、装置、计算机设备和存储介质
CN110991320A (zh) * 2019-11-29 2020-04-10 北京百度网讯科技有限公司 路况检测方法和装置、电子设备、存储介质
CN111402612A (zh) * 2019-01-03 2020-07-10 北京嘀嘀无限科技发展有限公司 一种交通事件通知方法及装置
CN111553319A (zh) * 2020-05-14 2020-08-18 北京百度网讯科技有限公司 用于获取信息的方法和装置
CN111563425A (zh) * 2020-04-22 2020-08-21 蘑菇车联信息科技有限公司 交通事件识别方法及电子设备
CN111611955A (zh) * 2020-05-28 2020-09-01 百度在线网络技术（北京）有限公司 可通行施工道路的识别方法、装置、设备及存储介质
CN111930872A (zh) * 2020-08-17 2020-11-13 武汉中海庭数据技术有限公司 一种高精度地图更新方法、服务器及可读存储介质
CN112053563A (zh) * 2020-09-16 2020-12-08 北京百度网讯科技有限公司 用于云控平台的事件检测方法、装置、设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11086334B2 (en) * 2016-07-21 2021-08-10 Mobileye Vision Technologies Ltd. Crowdsourcing a sparse map for autonomous vehicle navigation
WO2020154599A1 (en) * 2019-01-24 2020-07-30 Mobileye Vision Technologies Ltd. Clustering event information for vehicle navigation

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1188555A (ja) * 1997-09-10 1999-03-30 Daihatsu Motor Co Ltd 情報提供システムの制御方法
CN105355039A (zh) * 2015-10-23 2016-02-24 张力 路况信息处理方法及设备
CN109325548A (zh) * 2018-10-23 2019-02-12 北京旷视科技有限公司 图像处理方法、装置、电子设备及存储介质
CN111402612A (zh) * 2019-01-03 2020-07-10 北京嘀嘀无限科技发展有限公司 一种交通事件通知方法及装置
CN109974734A (zh) * 2019-04-02 2019-07-05 百度在线网络技术（北京）有限公司 一种用于ar导航的事件上报方法、装置、终端及存储介质
CN110364008A (zh) * 2019-08-16 2019-10-22 腾讯科技（深圳）有限公司 路况确定方法、装置、计算机设备和存储介质
CN110991320A (zh) * 2019-11-29 2020-04-10 北京百度网讯科技有限公司 路况检测方法和装置、电子设备、存储介质
CN111563425A (zh) * 2020-04-22 2020-08-21 蘑菇车联信息科技有限公司 交通事件识别方法及电子设备
CN111553319A (zh) * 2020-05-14 2020-08-18 北京百度网讯科技有限公司 用于获取信息的方法和装置
CN111611955A (zh) * 2020-05-28 2020-09-01 百度在线网络技术（北京）有限公司 可通行施工道路的识别方法、装置、设备及存储介质
CN111930872A (zh) * 2020-08-17 2020-11-13 武汉中海庭数据技术有限公司 一种高精度地图更新方法、服务器及可读存储介质
CN112053563A (zh) * 2020-09-16 2020-12-08 北京百度网讯科技有限公司 用于云控平台的事件检测方法、装置、设备和存储介质

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221677A (zh) * 2021-04-26 2021-08-06 阿波罗智联(北京)科技有限公司 一种轨迹异常检测方法、装置、路侧设备和云控平台
CN113221677B (zh) * 2021-04-26 2024-04-16 阿波罗智联(北京)科技有限公司 一种轨迹异常检测方法、装置、路侧设备和云控平台
CN114003672A (zh) * 2021-10-22 2022-02-01 北京百度网讯科技有限公司 一种道路动态事件的处理方法、装置、设备和介质
CN114003672B (zh) * 2021-10-22 2023-04-07 北京百度网讯科技有限公司 一种道路动态事件的处理方法、装置、设备和介质
WO2023065798A1 (zh) * 2021-10-22 2023-04-27 北京百度网讯科技有限公司 道路动态事件的处理方法、装置、设备和介质
CN114771576A (zh) * 2022-05-19 2022-07-22 北京百度网讯科技有限公司 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆
CN115063974A (zh) * 2022-06-08 2022-09-16 中国第一汽车股份有限公司 道路施工检测方法、装置、车载终端、车辆及介质
CN115115944A (zh) * 2022-06-23 2022-09-27 北京百度网讯科技有限公司 地图数据查验方法、装置、电子设备和介质
CN115115944B (zh) * 2022-06-23 2024-01-09 北京百度网讯科技有限公司 地图数据查验方法、装置、电子设备和介质
CN114913470A (zh) * 2022-07-11 2022-08-16 浙江大华技术股份有限公司 一种事件检测方法及装置
CN114913470B (zh) * 2022-07-11 2022-10-28 浙江大华技术股份有限公司 一种事件检测方法及装置

Also Published As

Publication number Publication date
JP2022031902A (ja) 2022-02-22
EP3933345A3 (en) 2022-05-04
US20220051032A1 (en) 2022-02-17
EP3933345A2 (en) 2022-01-05
KR20210127121A (ko) 2021-10-21

Similar Documents

Publication Publication Date Title
CN112581763A (zh) 道路事件检测的方法、装置、设备和存储介质
CN111680362B (zh) 一种自动驾驶仿真场景获取方法、装置、设备及存储介质
CN111583668B (zh) 交通拥堵检测方法、装置、电子设备和存储介质
CN110675644B (zh) 道路红绿灯的识别方法、装置、电子设备及存储介质
CN111739344B (zh) 一种预警方法、装置及电子设备
JP2008249479A (ja) 地物情報収集装置及び地物情報収集方法
CN112101223B (zh) 检测方法、装置、设备和计算机存储介质
CN111998860A (zh) 自动驾驶定位数据校验方法、装置、电子设备及存储介质
CN110765227A (zh) 道路交通网络模型构建方法及装置
JP7214702B2 (ja) 車両列の長さを検出する方法、車両列の長さを検出する装置、電子機器、記憶媒体及びコンピュータプログラム
CN110782667A (zh) 信号灯分时段配时方法、装置、电子设备及存储介质
CN111477028B (zh) 自动驾驶中用于生成信息的方法和装置
CN113091757B (zh) 地图生成方法和装置
CN111985662A (zh) 网络约车方法、装置、电子设备和存储介质
CN111311906B (zh) 路口距离的检测方法、装置、电子设备和存储介质
CN111767360A (zh) 路口虚拟车道标注的方法及装置
CN111681417B (zh) 交通路口渠化调整方法和装置
CN113048982A (zh) 交互方法和交互装置
CN114443794A (zh) 数据处理和地图更新方法、装置、设备以及存储介质
CN112800153B (zh) 隔离带信息的挖掘方法、装置、设备和计算机存储介质
CN112512010A (zh) 用于输出信息的方法、装置、设备和存储介质
CN114202924B (zh) 冗余交通限制信息的识别方法及装置、电子设备和介质
CN112885130B (zh) 呈现道路信息的方法和装置
CN111442775B (zh) 道路的识别方法、装置、电子设备及可读存储介质
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台

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