CN112634396A - 路网确定方法及装置 - Google Patents
路网确定方法及装置 Download PDFInfo
- Publication number
- CN112634396A CN112634396A CN201910907124.0A CN201910907124A CN112634396A CN 112634396 A CN112634396 A CN 112634396A CN 201910907124 A CN201910907124 A CN 201910907124A CN 112634396 A CN112634396 A CN 112634396A
- Authority
- CN
- China
- Prior art keywords
- track
- road
- data
- points
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 85
- 238000000605 extraction Methods 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 21
- 238000013461 design Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种路网确定方法及装置，该方法包括：获取对象在历史时段内行驶的轨迹数据，轨迹数据包括多个轨迹点。对轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，道路信息包括方向数据和第一道路轨迹，方向数据用于指示道路的方向，第一道路轨迹包括道路对应的多个轨迹点。对第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，第二道路轨迹对应的道路宽度小于或等于预设阈值。根据第二道路轨迹和方向数据，确定轨迹数据对应的路网。通过根据轨迹数据直接进行路网的确定，避免了对已有路网的依赖，有效提升了路网确定的效率。
Description
技术领域
本发明实施例涉及计算机技术，尤其涉及一种路网确定方法及装置。
背景技术
路网是指在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统，路网在城市建设、路径规划等方面都具有非常重要的作用。
目前，现有技术在获取路网时，通常是将对象的行程产生的轨迹数据与已有的路网进行匹配，以得到匹配不上的目标轨迹数据，根据目标轨迹数据进行处理得到目标轨迹数据所对应的路网数据，然后将目标轨迹数据所对应的路网数据添加至已有的路网中，以得到更新后的路网。
然而，现有技术在获取路网时对已有路网的依赖性非常高，而已有路网数据的构建耗时高，则会导致路网确定的效率较低。
发明内容
本发明实施例提供一种路网确定方法及装置，以克服路网确定的效率较低的问题。
第一方面，本发明实施例提供一种路网确定方法，包括：
获取对象在历史时段内行驶的轨迹数据，所述轨迹数据包括多个轨迹点；
对所述轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，所述道路信息包括方向数据和第一道路轨迹，所述方向数据用于指示所述道路的方向，所述第一道路轨迹包括所述道路对应的多个轨迹点；
对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，所述第二道路轨迹对应的道路宽度小于或等于预设宽度；
根据所述第二道路轨迹和所述方向数据，确定所述轨迹数据对应的路网。
在一种可能的设计中，所述根据所述第一道轨迹状进行轮廓提取处理，得到第二道路轨迹，包括：
根据至少两个预设阈值，分别对所述预设阈值对应的目标轨迹点进行过滤，得到各所述预设阈值对应的过滤后的轨迹点，其中，所述目标轨迹点为多个预设划分范围中轨迹点数量小于所述预设阈值的目标划分范围所包括的轨迹点；
针对任一预设阈值，对所述预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹；
根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹。
在一种可能的设计中，所述根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹，包括：
按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到所述第二道路轨迹。
在一种可能的设计中，所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，还包括：
获取各所述轨迹点对应的轨迹点信息，其中，所述轨迹点信息包括如下中的至少一种：速度、水平精准因子以及位置信息；
将所述多个轨迹点中轨迹点信息满足预设条件的轨迹点剔除，得到第一去噪处理后的道路信息。
在一种可能的设计中，所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，所述方法还包括：
对所述第一道路轨迹进行高斯核密度估计处理，得到所述第一道路轨迹对应的高斯核密度估计函数；
针对任一轨迹点，判断所述轨迹点的轨迹点信息是否满足所述轨迹点所在的第一道路轨迹对应的高斯核密度估计函数；
若否，则将所述轨迹点剔除，得到第二去噪处理后的道路信息。
在一种可能的设计中，所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，所述方法还包括：
针对任一条道路，将所述道路的第二道路轨迹与所述道路信息中的各轨迹点进行匹配，判断是否存在与所述第二道路轨迹匹配的轨迹点；
若否，则将所述第二道路轨迹删除；
若是，则获取与所述第二道路轨迹匹配的第一轨迹点，并判断所述第一轨迹点与所述第二道路轨迹的最短距离是否大于预设距离，若大于，则将所述第二道路轨迹删除。
在一种可能的设计中，所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，所述方法还包括：
获取多条第二道路轨迹对应的至少一个道路交叉口；
针对任一个第一道路交叉口，判断所述第一道路交叉口的预设范围内是否存在其余的第二道路交叉口；
若存在，则将所述第一道路交叉口和所述第二道路交叉口合并，得到第三道路交叉口。
第二方面，本发明实施例提供一种路网确定装置，包括：
获取模块，用于获取对象在历史时段内行驶的轨迹数据，所述轨迹数据包括多个轨迹点；
矢量化模块，用于对所述轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，所述道路信息包括方向数据和第一道路轨迹，所述方向数据用于指示所述道路的方向，所述第一道路轨迹包括所述道路对应的多个轨迹点；
确定模块，用于对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，所述第二道路轨迹对应的道路宽度小于或等于预设宽度；
所述确定模块，还用于根据所述第二道路轨迹和所述方向数据，确定所述轨迹数据对应的路网。
在一种可能的设计中，所述确定模块具体用于：
根据至少两个预设阈值，分别对所述预设阈值对应的目标轨迹点进行过滤，得到各所述预设阈值对应的过滤后的轨迹点，其中，所述目标轨迹点为多个预设划分范围中轨迹点数量小于所述预设阈值的目标划分范围所包括的轨迹点；
针对任一预设阈值，对所述预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹；
根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹。
在一种可能的设计中，所述确定模块具体用于：
按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到所述第二道路轨迹。
在一种可能的设计中，所述确定模块还用于：
在所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，获取各所述轨迹点对应的轨迹点信息，其中，所述轨迹点信息包括如下中的至少一种：速度、水平精准因子以及位置信息；
将所述多个轨迹点中轨迹点信息满足预设条件的轨迹点剔除，得到第一去噪处理后的道路信息。
在一种可能的设计中，所述确定模块还用于：
在所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，对所述第一道路轨迹进行高斯核密度估计处理，得到所述第一道路轨迹对应的高斯核密度估计函数；
针对任一轨迹点，判断所述轨迹点的轨迹点信息是否满足所述轨迹点所在的第一道路轨迹对应的高斯核密度估计函数；
若否，则将所述轨迹点剔除，得到第二去噪处理后的道路信息。
在一种可能的设计中，所述确定模块还用于：
在所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，针对任一条道路，将所述道路的第二道路轨迹与所述道路信息中的各轨迹点进行匹配，判断是否存在与所述第二道路轨迹匹配的轨迹点；
若否，则将所述第二道路轨迹删除；
若是，则获取与所述第二道路轨迹匹配的第一轨迹点，并判断所述第一轨迹点与所述第二道路轨迹的最短距离是否大于预设距离，若大于，则将所述第二道路轨迹删除。
在一种可能的设计中，所述确定模块还用于：
在所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，获取多条第二道路轨迹对应的至少一个道路交叉口；
针对任一个第一道路交叉口，判断所述第一道路交叉口的预设范围内是否存在其余的第二道路交叉口；
若存在，则将所述第一道路交叉口和所述第二道路交叉口合并，得到第三道路交叉口。
第三方面，本发明实施例提供一种路网确定设备，包括：
存储器，用于存储程序；
处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
本发明实施例提供一种路网确定方法及装置，该方法包括：获取对象在历史时段内行驶的轨迹数据，轨迹数据包括多个轨迹点。对轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，道路信息包括方向数据和第一道路轨迹，方向数据用于指示道路的方向，第一道路轨迹包括道路对应的多个轨迹点。对第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，第二道路轨迹对应的道路宽度小于或等于预设阈值。根据第二道路轨迹和方向数据，确定轨迹数据对应的路网。通过对轨迹数据进行矢量化处理，以确定多条道路的方向和构成的第一道路轨迹，其次对第一道路轨迹进行轮廓提取，得到指示道路形状的第二道路轨迹，其中第二道路轨迹和方向数据就可以直接确定路网，从而能够根据轨迹数据直接进行路网的确定，避免了对已有路网的依赖，有效提升了路网确定的效率。
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一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的路网确定方法的流程图一；
图2为本发明实施例提供的路网确定方法的流程图二；
图3为发明实施例提供的路网确定方法的第一道路轨迹的示意图；
图4为发明实施例提供的第一去噪处理后的第一道路轨迹的示意图；
图5为发明实施例提供的第二去噪处理后的第一道路轨迹的示意图；
图6为本发明实施例提供的像素格子的示意图；
图7为本发明实施例提供的细化处理的效果示意图；
图8为本发明实施例提供的路网确定方法的第二道路轨迹的示意图；
图9为本发明实施例提供的匹配处理后的第二道路轨迹的第一示意图；
图10为本发明实施例提供的道路交叉口合并的示意图；
图11为本发明实施例提供的匹配处理后的第二道路轨迹的第二示意图；
图12为本发明实施例提供的路网确定方法的路网的示意图；
图13为本发明实施例提供的路网确定装置的结构示意图；
图14为本发明实施例提供的路网确定设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的路网确定方法的流程图一，如图1所示，该方法包括：
S101、获取对象在历史时段内行驶的轨迹数据，轨迹数据包括多个轨迹点。
在本实施例中，对象在历史时段内行驶的轨迹数据例如可以为车辆在历史时段内行驶的路程所形成的轨迹数据，或者还可以为用户在历史时段内所经过的道路形成的轨迹数据等，此处对此不做限制，本领域技术人员可以理解，凡是在真实的道路上所发生的行程，其行程所对应的数据均可以作为本实施例中的轨迹数据。
在一种可能的实现方式中，例如可以接收第三方实时发送的轨迹数据，其中第三方例如可以为打车的相关服务器、导航的相关服务器等，例如可以通过接收第三方实时的信息以获取轨迹数据；或者，还可以从本地存储的数据中获取对象在历史时段内行驶的轨迹数据，本实施例对此不做限定。
具体的，本实施例中的轨迹数据包括多个轨迹点，其中获取的轨迹数据例如可以为文本的形式，在文本中包括多个轨迹点的轨迹点信息，如经纬度、车辆行驶速度等。
通过直接获取对象在历史时段内行驶的轨迹数据，而无需人工进行道路的勘测，从而提升了路网的确定效率，同时节省了大量的人力和物力成本。
S102、对轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，道路信息包括方向数据和第一道路轨迹，方向数据用于指示道路的方向，第一道路轨迹包括道路对应的多个轨迹点。
在获取到轨迹数据之后，需要根据轨迹数据初步的确定轨迹点所构成的道路，具体的，对轨迹数据进行矢量化处理，其中，矢量化处理的具体实现方式例如可以为采用自动矢量化算法对多个轨迹点进行矢量化处理，或者还可以为手动对多个轨迹点依次进行矢量化处理，其具体实现方式可以根据需求进行选择，可以理解的时，轨迹数据时以矢量点为单位所表示的数据，而矢量化处理后的道路信息是利用欧几里德几何学中点、线、面及其组合体来表示地理实体的空间分布的一种数据组织方式对应的数据。
具体的，在对轨迹数据进行矢量化处理之后，可以得到第一道路轨迹，其中第一道路轨迹即为所有的轨迹点所构成的道路的轨迹，同时，矢量化处理之后还可以得到方向数据，其中方向数据可以用于指示道路的方向，例如当前存在一用户打车从A点出发到B点下车，A点和B点之间所包括的道路为一条直的单行道，则矢量化处理得到的道路信息可以包括A点和B点之间的道路以及该道路的道路方向为A点到B点。
本领域技术人员可以理解，一个对象的一次行驶的轨迹数据对应的可能只是路网中的很小一部分道路，然而多个对象的多次行驶的轨迹数据则可以对应路网中的多条道路，海量的轨迹点则能够反映完整的道路信息。
在一种可能的实现方式中，在确定道路的方向数据时，例如可以根据产生轨迹点的先后顺序确定道路的方向，例如轨迹点A先产生，轨迹点B紧接着轨迹点A后产生，则轨迹点A到轨迹点B之间的道路的方向必定是从轨迹点A到轨迹点B。
S103、对第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，第二道路轨迹对应的道路宽度小于或等于预设宽度。
在本实施例中，因为第一道路轨迹数是根据轨迹数据中所有的轨迹点直接确定的，而车辆在道路上行驶时，因为车辆本身存在宽度，因此车辆在经过道路的某个位置时，其所产生的轨迹点是非常多的，基于上述介绍的图2，可以看出第一道路轨迹数是比较宽的，然而在提取路网时，我们只需要道路的结构就可以了，因此对第一道路轨迹进行轮廓提取处理，以得到第二道路轨迹。
在本实施例中，第二道路轨迹能够反映出第一道路轨迹的道路形状，但是第二道路轨迹的道路宽度比第一道路轨迹的道路轨迹细了很多，具体的，第二道路轨迹对应的道路宽度小于或等于预设宽度，其中预设宽度用于指示第二道路轨迹的道路宽度具体呈现出的状态，其可以根据实际需求进行选择，若预设宽度设置的比较大(小)，则第二道路轨迹对应的道路宽度可能就比较宽(细)一点。
在一种可能的实现方式中，轮廓提取处理例如可以采用细化算法，任一种可能的细化算法均可以用于实现本申请的轮廓提取处理；或者，还可以针对第一道路轨迹中的每一条道路，获取其道路的中心位置的预设数量个轨迹点，根据预设数量个轨迹点得到第二道路轨迹，本实施例对轮廓提取处理的具体实现方式不作限定，本领域技术人员可以理解，只要能够从第一道路轨迹中提取出整体的道路形状，并且第二道路轨迹对应的道路宽度小于或等于预设宽度，其各种可能的实现方式可以根据实际需求进行选择。
S104、根据第二道路轨迹和方向数据，确定轨迹数据对应的路网。
其中，方向数据用于指示各道路的方向，而第二道路轨迹为能够准确道路形状并且道路宽度等于或者小于预设阈值的道路轨迹，则结合各道路的方向数据以及在第二道路轨迹所包括的道路，即能够确定轨迹数据对应的路网。
方向数据指示的道路方向例如可以直接显示在第二道路轨迹上，或者还可以将方向数据与第二道路轨迹单独进行存储，本实施例对此不做限定。
本发明实施例提供的路网确定方法，包括：获取对象在历史时段内行驶的轨迹数据，轨迹数据包括多个轨迹点。对轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，道路信息包括方向数据和第一道路轨迹，方向数据用于指示道路的方向，第一道路轨迹包括道路对应的多个轨迹点。对第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，第二道路轨迹对应的道路宽度小于或等于预设阈值。根据第二道路轨迹和方向数据，确定轨迹数据对应的路网。通过对轨迹数据进行矢量化处理，以确定多条道路的方向和构成的第一道路轨迹，其次对第一道路轨迹进行轮廓提取，得到指示道路形状的第二道路轨迹，其中第二道路轨迹和方向数据就可以直接确定路网，从而能够根据轨迹数据直接进行路网的确定，避免了对已有路网的依赖，有效提升了路网确定的效率。
在上述实施例的基础上，本实施例提供的路网确定方法在进行矢量化处理之前还可以进行去噪处理，从而提升路网确定的准确率和效率，下面结合图2至图对本发明提供的路网确定方法进行进一步地详细介绍，图2为本发明实施例提供的路网确定方法的流程图二，图3为发明实施例提供的路网确定方法的第一道路轨迹的示意图，图4为发明实施例提供的第一去噪处理后的第一道路轨迹的示意图，图5为发明实施例提供的第二去噪处理后的第一道路轨迹的示意图，图6为本发明实施例提供的像素格子的示意图，图7为本发明实施例提供的细化处理的效果示意图，图8为本发明实施例提供的路网确定方法的第二道路轨迹的示意图，图9为本发明实施例提供的匹配处理后的第二道路轨迹的第一示意图，图10为本发明实施例提供的道路交叉口合并的示意图，图11为本发明实施例提供的匹配处理后的第二道路轨迹的第二示意图，图12为本发明实施例提供的路网确定方法的路网的示意图。
如图2所示，该方法包括：
S201、获取对象在历史时段内行驶的轨迹数据，轨迹数据包括多个轨迹点。
S202、对轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，道路信息包括方向数据和第一道路轨迹，方向数据用于指示道路的方向，第一道路轨迹包括道路对应的多个轨迹点。
其中，S201、S202的具体实现方式与S101、S102类似，此处不再赘述。
下面结合图3对矢量化处理后的第一道路轨迹进行说明，如图3所示，图3中包括多个轨迹点所构成的多条道路，多条道路构成了第一道路轨迹，因为第一道路轨迹是根据轨迹数据直接得到的，而轨迹数据在形成过程中，可能因为网络延时、导航信号差等问题，可能出现轨迹点的偏移，例如原本应该存在于道路上的轨迹点出现在屋顶、河流等位置，因此第一道路轨迹中会存在大量的噪点。
在可选的实施例中，在确定第一道路轨迹之后，还需要对第一道路轨迹进行去噪处理，去噪处理例如可以包括第一去噪处理和/或第二去噪处理，下面分别进行介绍：
获取各轨迹点对应的轨迹点信息，其中，轨迹点信息包括如下中的至少一种：速度、水平精准因子以及位置信息。
将多个轨迹点中轨迹点信息满足预设条件的轨迹点剔除，得到第一去噪处理后的道路信息。
具体的，本实施例中的轨迹点对应有轨迹点信息，其中轨迹点的速度为轨迹点行程时对象的行驶速度，若对象的行驶速度大于预设速度(如1.3米/秒)，则可以确定当前的轨迹点是满足预设条件的噪点，因为对象正常行驶的速度是不会超过预设速度的。
其中，轨迹点的水平精准因子适用于指示位置信息的精确度的参数，当水平精准因子小于预设数值时，则可以确定当前的轨迹点是满足预设条件的噪点。
其中，轨迹点的位置信息例如可以为轨迹点的经纬度，或者任意可以指示轨迹点的位置的数据，此处对此不做限定，若轨迹点的位置信息重复，即一同一个位置存在多个轨迹点，则可以确定当前轨迹点为满足预设条件的噪点。
同时，若确定轨迹点的状态值为预设状态值，则同样确定当前轨迹点为满足预设条件的噪点，其中轨迹点的状态值存在以下5种可能，如表1所示：
表1
| 状态值 | 轨迹点对应的对象状态 |
| 1 | 长连接在线、已收车 |
| 2 | 长连接在线、已出车、未载客 |
| 3 | 长连接在线、已出车、已接单、接驾中 |
| 4 | 长连接在线、已出车、到达乘客上车点 |
| 5 | 长连接在线、已出车、已载客、乘客已上车 |
其中预设状态值为2、3、5，即当轨迹点的状态值为2、3、5时，则将轨迹点确定为满足预设条件的噪点。
当确定轨迹点满足上述介绍的预设条件时，则将轨迹点确定为噪点，并将确定为噪点的轨迹点进行剔除，以实现第一去噪处理，得到第一去噪处理后的道路信息，参见图4，第一去噪处理后的第一道路信息可以如图4所示，结合图3和图4可以看出，图4中的道路明显剔除了大量的噪点，呈现出的道路轨迹的状态也更加干净，因此第一去噪处理能够有效提升路网提取的准确性和效率。
下面对第二去噪处理进行介绍：
对第一道路轨迹进行高斯核密度估计处理，得到第一道路轨迹对应的高斯核密度估计函数。
针对任一轨迹点，判断轨迹点的位置信息是否满足轨迹点所在的第一道路轨迹对应的高斯核密度估计函数。
若否，则将轨迹点剔除，得到第二去噪处理后的道路信息。
具体的，高斯核密度估计处理是一种非参数的密度估计方法,其优点是不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，在本实施例中，首先对第一道路轨迹进行高斯核密度估计处理，得到第一道路轨迹对应的高斯核密度估计函数，本领域技术人员可以理解，第一道路轨迹包括多条道路，其中每条道路对应各自的高斯核密度估计函数。
其次，针对任一轨迹点，判断轨迹点的轨迹点信息是否满足轨迹点所在的第一道路轨迹对应的高斯核密度估计函数，如果轨迹点不满足，则可以确定当前的轨迹点为噪点，将噪点剔除从而能够去掉无效的轨迹数据，得到第二去噪处理后的道路信息，第二去噪处理后的道路信息例如可以如图5所示，结合图3可以明显看出去噪的效果，通过第二去噪处理能够有效提升后续得到的路网的效果。
值得说明的是，本实施例中的第一去噪处理和第二去噪处理是和/或的关系，当第一去噪处理和第二去噪处理均执行时，本实施例对第一去噪处理和第二去噪处理的顺序不做限定，其可以根据实际需求进行选择，同时本领域技术人员还可以根据实际需求选择其余的去噪处理的方式，此处不再赘述。
S203、根据至少两个预设阈值，分别对预设阈值对应的目标轨迹点进行过滤，得到各预设阈值对应的过滤后的轨迹点，其中，目标轨迹点为多个预设划分范围中轨迹点数量小于预设阈值的目标划分范围所包括的轨迹点。
接着要对第一道路轨迹进行轮廓提取处理以得到第二道路轨迹，具体的，本实施例将多条道路的道路信息按照多个预设划分范围进行划分，从而得到多个像素格子，例如可以将图3/4/5中的任一个划分为M×N个像素格子，其中M和N均为整数，像素格子的划分可以根据实际需求进行选择，划分后的每个像素格子中或者包括至少一个轨迹点，或者不包括轨迹点。
在本实施例中，设置有多个预设阈值分别对各自对应的目标轨迹点进行过滤，通过对轨迹点进行过滤能够提升轮廓提取处理的效率，具体的，目标轨迹点为多个预设划分范围中轨迹点数量小于预设阈值的目标划分范围所包括的轨迹点，其中预设划分范围即为一个像素格子的范围，例如第一预设阈值为2，则第一预设阈值对应的目标轨迹点为多个像素格子中轨迹点的数量小于2的目标像素格子所包括的轨迹点，也就是说将轨迹点的数量小于2的像素格子进行过滤，具体是将其中所包括的像素点进行剔除。
具体的，本实施例设置有至少两个预设阈值，例如可以设置有预设阈值2、4、8、16、64、256、512、1024，针对每一个预设阈值分别进行处理，当像素格子中的轨迹点数量小于相应的预设阈值时则过滤掉该像素格子，以得到各预设阈值对应的过滤后的轨迹点。
S204、针对任一预设阈值，对预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹。
具体的，对每一个预设阈值对应的过滤后的轨迹点均进行细化处理，下面以第一预设阈值为例对细化处理的一种可能的实现方式进行说明，其余的实现方式类似。
针对每一个像素格子，判断像素格子是否满足第二预设条件，若满足，则将当前的像素格子中所包括的轨迹点进行剔除，若不满足，则将当前的像素格子中所包括的轨迹点进行保留，当所有的像素格子处理完成之后，即可以得到保留的轨迹点所构成的第三道路轨迹，其中第三道路轨迹是细化处理之后的道路轨迹，其仅保留了道路的形状。
下面结合图6进行说明，如图6所示，假设当前正在处理的像素格子为P1，获取像素格子P1的3×3邻域内的8个像素格子，本实施例中，若像素格子中包括轨迹点，则将像素格子的指示数值设置为1，若像素格子中不包括像素点，则将像素格子中的指示数据设置为0，像素格子的指示数值例如可以如图6中所示，则设定第二预设条件可以为：
1)2≤N(P1)≤6
2)S(P1)＝1
3)P2×P4×P6＝0
4)P4×P6×P8＝0
5)B(P1)∈{65,5,20,80,13,22,52,133,141,54}
其中N(p1)表示P1相邻的8个像素点中，像素格子的指示数值为1的像素点的个数；S(P1)表示按照P2->P9->P2的像素格子的顺时针顺序，其中像素格子的指示数值从0变化为1的累计变化次数；B(P1)表示P9->P2的顺时针顺序中各像素格子的指示数值构成的二进制编码对应的十进制数。
例如根据图6中的示例可以确定：
1)N(P1)＝4；
2)S(P1)＝3；
3)P2×P4×P6＝0×0×0＝0；
4)P4×P6×P8＝0×0×0＝0；
5)P9->P2对应的二进制编码为10101100，其对应的十进制数为172，不属于上述介绍的集合；
则可以确定图6中所示例的像素格子P1不满足第二预设条件，将像素格子中P1中的轨迹点保留，针对每一个轨迹点均执行上述操作，从而实现细化处理得到第三道路轨迹，本实施例中的第二预设条件中所包括的各子条件是和的关系，即需要同时满足条件1)至5)，才认为像素点满足预设条件。
本领域技术人员可以理解，本实施例针对多个预设阈值对应得到了各自的第三道路轨迹，每个预设阈值的实现方式类似，此处不再赘述。
本实施例中第二预设条件中设置的预设条件5)是为了解决因为部分像素格子由于不满足S(P1)＝1被确定为保留的像素格子，然而满足预设条件5)的像素格子是本来应该被删除的，因此设置该预设条件能够使得细化效果更好，具体的，预设条件5)的效果可以参见图7，其中701为未设置预设条件5)得到的第二道路轨迹的部分示意图，702为设置有预设条件5)得到的第二道路轨迹的部分示意图，结合图7可以看出添加了预设条件5)得到的第二道路轨迹明显更加符合真实的道路情况。
可以理解的是，本实施例中选择的像素格子的邻域并不仅限于3×3邻域，其例如还可以为5×5邻域等，其可以根据实际需求进行选择。
S205、按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到第二道路轨迹。
在本实施例中，为了保证所有可能的道路细化处理不受预设阈值的影响，因此本实施例设置有多个预设阈值，对应得到了多个第三道路轨迹，其次按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，以得到第二道路轨迹，具体的，轮廓提取处理得到的第二道路轨迹例如可以如图8所示，通过多个预设阈值进行叠加处理，以消除了预设阈值的设置对第二道路轨迹的影响，有效保证了轮廓提取处理的正确性。
在可选的实施例中，在确定第二道路轨迹之后，还可以根据第二道路轨迹和道路信息中的轨迹点进行匹配，从而避免了轮廓提取处理出错时导致的第二道路轨迹的正确性降低。
具体的，针对任一条道路，将道路的第二道路轨迹与道路信息中的各轨迹点进行匹配，判断是否存在与第二道路轨迹匹配的轨迹点；
若否，则表明其不存在对应的轨迹点，可以确定当前的第二道路轨迹提取错误，因此将第二道路轨迹删除；
若是，则获取与第二道路轨迹匹配的第一轨迹点，并判断第一轨迹点与第二道路轨迹的最短距离是否大于预设距离，若大于，则同样可认为叠道路轨迹提取错误，因此将第二道路轨迹删除。
具体的，在匹配之后将错误的第二道路轨迹删除之后得到的第二道路轨迹如图9所示，结合图8和图9，可以看出图9中的第二道路轨迹剔除了很多无效的道路轨迹。
通过将第二道路轨迹和道路信息中的各轨迹点进行匹配，从而能够有效剔除提取错误的第二道路轨迹，以提升确定第二道路轨迹的正确性。
在另一可选的实施例中，在得到第二道路轨迹之后，还可以对第二道路轨迹中的路口进行合并。
具体的，获取多条第二道路轨迹对应的至少一个道路交叉口；
针对任一个第一道路交叉口，判断第一道路交叉口的预设范围内是否存在其余的第二道路交叉口；
若存在，则将第一道路交叉口和第二道路交叉口合并，得到第三道路交叉口。
可以理解的是，在真实的道路中例如一般在1米的范围内不会存在两个道路交叉口，若第二道路轨迹在预设范围内存在多个道路交叉口，则可以确定第二道路轨迹中存在不合理的路口，则将第一道路交叉口和第二道路交叉口合并，得到第三道路交叉口，因为第二道路轨迹中第一道路交叉口和第二道路交叉口的距离是非常近的(预设范围内)，因此能够有效保证路口合并的正确性和有效性。
可参照图10进行理解，假设当前的第二道路轨迹中存在道路交叉口A和道路交叉口B，则可以将道路交叉口A和道路交叉口B合并为道路交叉路C，本领域技术人员可以理解，具体实现过程中，例如可以将道路交叉口A合并至道路交叉口B，或者还可以将道路交叉口B合并至道路交叉口A，本实施例对此不做限定，只要其能够将预设范围内的两个道路交叉口合并为一个道路交叉口即可。
可选的，在进行路口合并之后，还可以将路口合并后的第二道路轨迹和道路信息中的各轨迹点进行匹配，以删除第二道路轨迹中的错误道路,其中，路口合并和匹配处理之后的第二道路轨迹例如可以如图11所示。
S206、根据第二道路轨迹和方向数据，确定轨迹数据对应的路网。
其中，S206的实现方式与S104的实现方式类似，此处不再赘述，得到的部分路网例如可以如图12所示，其中标注了每一个道路的方向，在交叉路口的转向和交汇、双向道路、单向道路以及转向限制均标识在路网中，可以理解的时，标注在道路中的方向均是根据轨迹数据得到的方向数据确定的。
在可选的实施例中，本实施例还可以根据道路不同的重要程度来提取，采用不同的颜色标识道路的重要程度，比如红色的主干道路可以标识为重要道路，黄色道路可以标识为次等级道路，白色道路可以标识为低等级道路，等级越高其对应的轨迹点数量就越多，即表示行驶的对象越多，这样的道路就越重要；或者，还可可以根据用户需求，设定不同的阈值，通过调整相关参数，从而提取用户所需要的道路。
本发明实施例提供的路网确定方法，包括：获取对象在历史时段内行驶的轨迹数据，轨迹数据包括多个轨迹点。对轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，道路信息包括方向数据和第一道路轨迹，方向数据用于指示道路的方向，第一道路轨迹包括道路对应的多个轨迹点。根据至少两个预设阈值，分别对预设阈值对应的目标轨迹点进行过滤，得到各预设阈值对应的过滤后的轨迹点，其中，目标轨迹点为多个预设划分范围中轨迹点数量小于预设阈值的目标划分范围所包括的轨迹点。针对任一预设阈值，对预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹。按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到第二道路轨迹。根据第二道路轨迹和方向数据，确定轨迹数据对应的路网。通过根据多个预设阈值进行轮廓提取处理，从而能够避免具体的细化处理过程中预设阈值的设置导致的偏差，以提升确定的第二道路轨迹的准确性，同时通过进行去噪处理，能够有效提升路网确定的效率。
图13为本发明实施例提供的路网确定装置的结构示意图。如图13所示，该装置130包括：获取模块1301、矢量化模块1302以及确定模块1303。
获取模块1301，用于获取对象在历史时段内行驶的轨迹数据，所述轨迹数据包括多个轨迹点；
矢量化模块1302，用于对所述轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，所述道路信息包括方向数据和第一道路轨迹，所述方向数据用于指示所述道路的方向，所述第一道路轨迹包括所述道路对应的多个轨迹点；
确定模块1303，用于对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，所述第二道路轨迹对应的道路宽度小于或等于预设宽度；
所述确定模块1303，还用于根据所述第二道路轨迹和所述方向数据，确定所述轨迹数据对应的路网。
在一种可能的设计中，所述确定模块1303具体用于：
根据至少两个预设阈值，分别对所述预设阈值对应的目标轨迹点进行过滤，得到各所述预设阈值对应的过滤后的轨迹点，其中，所述目标轨迹点为多个预设划分范围中轨迹点数量小于所述预设阈值的目标划分范围所包括的轨迹点；
针对任一预设阈值，对所述预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹；
根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹。
在一种可能的设计中，所述确定模块1303具体用于：
按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到所述第二道路轨迹。
在一种可能的设计中，所述确定模块1303还用于：
在所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，获取各所述轨迹点对应的轨迹点信息，其中，所述轨迹点信息包括如下中的至少一种：速度、水平精准因子以及位置信息；
将所述多个轨迹点中轨迹点信息满足预设条件的轨迹点剔除，得到第一去噪处理后的道路信息。
在一种可能的设计中，所述确定模块1303还用于：
在所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，对所述第一道路轨迹进行高斯核密度估计处理，得到所述第一道路轨迹对应的高斯核密度估计函数；
针对任一轨迹点，判断所述轨迹点的轨迹点信息是否满足所述轨迹点所在的第一道路轨迹对应的高斯核密度估计函数；
若否，则将所述轨迹点剔除，得到第二去噪处理后的道路信息。
在一种可能的设计中，所述确定模块1303还用于：
在所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，针对任一条道路，将所述道路的第二道路轨迹与所述道路信息中的各轨迹点进行匹配，判断是否存在与所述第二道路轨迹匹配的轨迹点；
若否，则将所述第二道路轨迹删除；
若是，则获取与所述第二道路轨迹匹配的第一轨迹点，并判断所述第一轨迹点与所述第二道路轨迹的最短距离是否大于预设距离，若大于，则将所述第二道路轨迹删除。
在一种可能的设计中，所述确定模块1303还用于：
在所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，获取多条第二道路轨迹对应的至少一个道路交叉口；
针对任一个第一道路交叉口，判断所述第一道路交叉口的预设范围内是否存在其余的第二道路交叉口；
若存在，则将所述第一道路交叉口和所述第二道路交叉口合并，得到第三道路交叉口。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图14为本发明实施例提供的路网确定设备的硬件结构示意图，如图14所示，本实施例的设备140包括：处理器1401以及存储器1402；其中
存储器1402，用于存储计算机执行指令；
处理器1401，用于执行存储器存储的计算机执行指令，以实现上述实施例中路网确定方法所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器1402既可以是独立的，也可以跟处理器1401集成在一起。
当存储器1402独立设置时，该设备还包括总线1403，用于连接所述存储器1402和处理器1401。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上路网确定设备所执行的路网确定方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备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，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (14)
1.一种路网确定方法，其特征在于，包括：
获取对象在历史时段内行驶的轨迹数据，所述轨迹数据包括多个轨迹点；
对所述轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，所述道路信息包括方向数据和第一道路轨迹，所述方向数据用于指示所述道路的方向，所述第一道路轨迹包括所述道路对应的多个轨迹点；
对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，所述第二道路轨迹对应的道路宽度小于或等于预设宽度；
根据所述第二道路轨迹和所述方向数据，确定所述轨迹数据对应的路网。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一道轨迹状进行轮廓提取处理，得到第二道路轨迹，包括：
根据至少两个预设阈值，分别对所述预设阈值对应的目标轨迹点进行过滤，得到各所述预设阈值对应的过滤后的轨迹点，其中，所述目标轨迹点为多个预设划分范围中轨迹点数量小于所述预设阈值的目标划分范围所包括的轨迹点；
针对任一预设阈值，对所述预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹；
根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹，包括：
按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到所述第二道路轨迹。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，还包括：
获取各所述轨迹点对应的轨迹点信息，其中，所述轨迹点信息包括如下中的至少一种：速度、水平精准因子以及位置信息；
将所述多个轨迹点中轨迹点信息满足预设条件的轨迹点剔除，得到第一去噪处理后的道路信息。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，所述方法还包括：
对所述第一道路轨迹进行高斯核密度估计处理，得到所述第一道路轨迹对应的高斯核密度估计函数；
针对任一轨迹点，判断所述轨迹点的轨迹点信息是否满足所述轨迹点所在的第一道路轨迹对应的高斯核密度估计函数；
若否，则将所述轨迹点剔除，得到第二去噪处理后的道路信息。
6.根据权利要求1所述的方法，其特征在于，所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，所述方法还包括：
针对任一条道路，将所述道路的第二道路轨迹与所述道路信息中的各轨迹点进行匹配，判断是否存在与所述第二道路轨迹匹配的轨迹点；
若否，则将所述第二道路轨迹删除；
若是，则获取与所述第二道路轨迹匹配的第一轨迹点，并判断所述第一轨迹点与所述第二道路轨迹的最短距离是否大于预设距离，若大于，则将所述第二道路轨迹删除。
7.根据权利要求1所述的方法，其特征在于，所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，所述方法还包括：
获取多条第二道路轨迹对应的至少一个道路交叉口；
针对任一个第一道路交叉口，判断所述第一道路交叉口的预设范围内是否存在其余的第二道路交叉口；
若存在，则将所述第一道路交叉口和所述第二道路交叉口合并，得到第三道路交叉口。
8.一种路网确定装置，其特征在于，包括：
获取模块，用于获取对象在历史时段内行驶的轨迹数据，所述轨迹数据包括多个轨迹点；
矢量化模块，用于对所述轨迹数据进行矢量化处理，得到多条道路的道路信息，其中，所述道路信息包括方向数据和第一道路轨迹，所述方向数据用于指示所述道路的方向，所述第一道路轨迹包括所述道路对应的多个轨迹点；
确定模块，用于对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹，其中，所述第二道路轨迹对应的道路宽度小于或等于预设宽度；
所述确定模块，还用于根据所述第二道路轨迹和所述方向数据，确定所述轨迹数据对应的路网。
9.根据权利要求8所述的装置，其特征在于，所述确定模块具体用于：
根据至少两个预设阈值，分别对所述预设阈值对应的目标轨迹点进行过滤，得到各所述预设阈值对应的过滤后的轨迹点，其中，所述目标轨迹点为多个预设划分范围中轨迹点数量小于所述预设阈值的目标划分范围所包括的轨迹点；
针对任一预设阈值，对所述预设阈值对应的过滤后的轨迹点进行细化处理，得到第三道路轨迹；
根据各所述预设阈值各自对应的第三道路轨迹进行叠加处理，得到所述第二道路轨迹。
10.根据权利要求9所述的装置，其特征在于，所述确定模块具体用于：
按照各预设阈值从高到低的顺序，将高预设阈值对应的第三道路轨迹叠加至低预设阈值对应的第三道路轨迹上，得到所述第二道路轨迹。
11.根据权利要求8所述的装置，其特征在于，所述确定模块还用于：
在所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，获取各所述轨迹点对应的轨迹点信息，其中，所述轨迹点信息包括如下中的至少一种：速度、水平精准因子以及位置信息；
将所述多个轨迹点中轨迹点信息满足预设条件的轨迹点剔除，得到第一去噪处理后的道路信息。
12.根据权利要求8所述的装置，其特征在于，所述确定模块还用于：
在所述对所述轨迹数据进行矢量化处理，得到所述轨迹数据对应的道路信息之后，对所述第一道路轨迹进行高斯核密度估计处理，得到所述第一道路轨迹对应的高斯核密度估计函数；
针对任一轨迹点，判断所述轨迹点的轨迹点信息是否满足所述轨迹点所在的第一道路轨迹对应的高斯核密度估计函数；
若否，则将所述轨迹点剔除，得到第二去噪处理后的道路信息。
13.根据权利要求8所述的装置，其特征在于，所述确定模块还用于：
在所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，针对任一条道路，将所述道路的第二道路轨迹与所述道路信息中的各轨迹点进行匹配，判断是否存在与所述第二道路轨迹匹配的轨迹点；
若否，则将所述第二道路轨迹删除；
若是，则获取与所述第二道路轨迹匹配的第一轨迹点，并判断所述第一轨迹点与所述第二道路轨迹的最短距离是否大于预设距离，若大于，则将所述第二道路轨迹删除。
14.根据权利要求8所述的装置，其特征在于，所述确定模块还用于：
在所述对所述第一道路轨迹进行轮廓提取处理，得到第二道路轨迹之后，获取多条第二道路轨迹对应的至少一个道路交叉口；
针对任一个第一道路交叉口，判断所述第一道路交叉口的预设范围内是否存在其余的第二道路交叉口；
若存在，则将所述第一道路交叉口和所述第二道路交叉口合并，得到第三道路交叉口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907124.0A CN112634396B (zh) | 2019-09-24 | 2019-09-24 | 路网确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910907124.0A CN112634396B (zh) | 2019-09-24 | 2019-09-24 | 路网确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112634396A true CN112634396A (zh) | 2021-04-09 |
| CN112634396B CN112634396B (zh) | 2024-06-18 |
Family
ID=75282825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910907124.0A Active CN112634396B (zh) | 2019-09-24 | 2019-09-24 | 路网确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634396B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117496476A (zh) * | 2024-01-02 | 2024-02-02 | 安徽蔚来智驾科技有限公司 | 路网生成方法、可读存储介质及智能设备 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0933275A (ja) * | 1995-07-14 | 1997-02-07 | Nissan Motor Co Ltd | ナビゲーションシステム |
| US20040034473A1 (en) * | 2002-08-19 | 2004-02-19 | Korea Advanced Institute Of Science And Technology | Road extraction from images using template matching |
| EP1466141A2 (fr) * | 2001-12-17 | 2004-10-13 | Société de Technologie Michelin | Procede et systeme de determination de l'itineraire emprunte par un vehicule |
| JP2007164339A (ja) * | 2005-12-12 | 2007-06-28 | Toyota Central Res & Dev Lab Inc | 計算処理プログラム、計算処理装置、及び計算処理方法 |
| JP2007192582A (ja) * | 2006-01-17 | 2007-08-02 | Alpine Electronics Inc | 走行車線推定装置及び走行車線推定方法 |
| JP2007223431A (ja) * | 2006-02-22 | 2007-09-06 | Toyota Motor Corp | 車両用制御装置 |
| US20070216521A1 (en) * | 2006-02-28 | 2007-09-20 | Guensler Randall L | Real-time traffic citation probability display system and method |
| CN101053001A (zh) * | 2005-04-08 | 2007-10-10 | 松下电器产业株式会社 | 地图信息更新装置及地图信息更新方法 |
| US20080114528A1 (en) * | 2006-11-15 | 2008-05-15 | International Business Machines Corporation | System and method for providing turn-by-turn directions to a moving waypoint |
| JP2009211150A (ja) * | 2008-02-29 | 2009-09-17 | Hitachi Software Eng Co Ltd | 道路ネットワークの抽出装置 |
| JP2010117989A (ja) * | 2008-11-14 | 2010-05-27 | West Japan Railway Co | 車両走行路の特徴情報の生成方法および生成装置、ならびに生成処理用のプログラム |
| US20170031361A1 (en) * | 2015-07-31 | 2017-02-02 | Ford Global Technologies, Llc | Vehicle trajectory determination |
| US20170068861A1 (en) * | 2015-09-03 | 2017-03-09 | Miovision Technologies Incorporated | System and Method for Detecting and Tracking Objects |
| CN107170236A (zh) * | 2017-06-14 | 2017-09-15 | 中山大学 | 一种基于浮动车数据的路网重要交叉口提取方法 |
| CN107798079A (zh) * | 2017-09-30 | 2018-03-13 | 北京泓达九通科技发展有限公司 | 基于车辆轨迹数据的路段拼接方法及系统 |
| CN107958183A (zh) * | 2017-12-02 | 2018-04-24 | 中国地质大学（北京） | 一种高分辨率遥感图像的城市路网信息自动提取方法 |
| CN108986122A (zh) * | 2018-08-01 | 2018-12-11 | 重庆大学 | 室内泊车引导地图智能重构方法 |
| 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 |
-
2019
- 2019-09-24 CN CN201910907124.0A patent/CN112634396B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0933275A (ja) * | 1995-07-14 | 1997-02-07 | Nissan Motor Co Ltd | ナビゲーションシステム |
| EP1466141A2 (fr) * | 2001-12-17 | 2004-10-13 | Société de Technologie Michelin | Procede et systeme de determination de l'itineraire emprunte par un vehicule |
| US20040034473A1 (en) * | 2002-08-19 | 2004-02-19 | Korea Advanced Institute Of Science And Technology | Road extraction from images using template matching |
| CN101053001A (zh) * | 2005-04-08 | 2007-10-10 | 松下电器产业株式会社 | 地图信息更新装置及地图信息更新方法 |
| JP2007164339A (ja) * | 2005-12-12 | 2007-06-28 | Toyota Central Res & Dev Lab Inc | 計算処理プログラム、計算処理装置、及び計算処理方法 |
| JP2007192582A (ja) * | 2006-01-17 | 2007-08-02 | Alpine Electronics Inc | 走行車線推定装置及び走行車線推定方法 |
| JP2007223431A (ja) * | 2006-02-22 | 2007-09-06 | Toyota Motor Corp | 車両用制御装置 |
| US20070216521A1 (en) * | 2006-02-28 | 2007-09-20 | Guensler Randall L | Real-time traffic citation probability display system and method |
| US20080114528A1 (en) * | 2006-11-15 | 2008-05-15 | International Business Machines Corporation | System and method for providing turn-by-turn directions to a moving waypoint |
| JP2009211150A (ja) * | 2008-02-29 | 2009-09-17 | Hitachi Software Eng Co Ltd | 道路ネットワークの抽出装置 |
| JP2010117989A (ja) * | 2008-11-14 | 2010-05-27 | West Japan Railway Co | 車両走行路の特徴情報の生成方法および生成装置、ならびに生成処理用のプログラム |
| US20170031361A1 (en) * | 2015-07-31 | 2017-02-02 | Ford Global Technologies, Llc | Vehicle trajectory determination |
| US20170068861A1 (en) * | 2015-09-03 | 2017-03-09 | Miovision Technologies Incorporated | System and Method for Detecting and Tracking Objects |
| CN107170236A (zh) * | 2017-06-14 | 2017-09-15 | 中山大学 | 一种基于浮动车数据的路网重要交叉口提取方法 |
| CN107798079A (zh) * | 2017-09-30 | 2018-03-13 | 北京泓达九通科技发展有限公司 | 基于车辆轨迹数据的路段拼接方法及系统 |
| CN107958183A (zh) * | 2017-12-02 | 2018-04-24 | 中国地质大学（北京） | 一种高分辨率遥感图像的城市路网信息自动提取方法 |
| CN108986122A (zh) * | 2018-08-01 | 2018-12-11 | 重庆大学 | 室内泊车引导地图智能重构方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 米春蕾: "基于车辆轨迹数据的路网快速提取方法研究", 中国优秀硕士学位论文全文数据库 基础科学辑, 15 April 2019 (2019-04-15), pages 1 - 23 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117496476A (zh) * | 2024-01-02 | 2024-02-02 | 安徽蔚来智驾科技有限公司 | 路网生成方法、可读存储介质及智能设备 |
| CN117496476B (zh) * | 2024-01-02 | 2024-03-26 | 安徽蔚来智驾科技有限公司 | 路网生成方法、可读存储介质及智能设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112634396B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111854779B (zh) | 一种路线规划方法、装置、电子设备及可读存储介质 | |
| CN112154446B (zh) | 立体车道线确定方法、装置和电子设备 | |
| CN111160480B (zh) | 地下停车场出入口挖掘方法、装置及电子设备 | |
| CN111125293A (zh) | 公交网络模型自动生成方法、装置及电子设备 | |
| CN111860880A (zh) | 一种路径确定方法、装置、电子设备和存储介质 | |
| CN111862588B (zh) | 控制信息发布的方法、装置、电子设备和存储介质 | |
| CN113335310A (zh) | 基于决策的运动规划方法、装置、电子设备及存储介质 | |
| CN112634396A (zh) | 路网确定方法及装置 | |
| CN117470251B (zh) | 测区航线的规划方法、装置、电子设备及存储介质 | |
| CN114625744A (zh) | 电子地图的更新方法和装置 | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN117146848A (zh) | 路径规划方法、装置及电子设备 | |
| CN112287842A (zh) | 一种车道线的识别方法、装置及电子设备 | |
| CN111189462B (zh) | 一种主辅路的导航方法及装置 | |
| CN116753935A (zh) | 地图图像处理及地图制作方法、装置、设备、存储介质 | |
| CN114379594B (zh) | 安全行驶走廊构建方法和装置、自动驾驶车辆及存储介质 | |
| CN111189461B (zh) | 一种主辅路的导航方法、装置及相关设备 | |
| CN114240976A (zh) | 一种地图迭代切分方法、装置、设备及存储介质 | |
| CN114663853A (zh) | 车道线生成方法及计算机程序产品 | |
| CN114490904A (zh) | 停车场入口生成方法、装置、设备及存储介质 | |
| CN112685517A (zh) | 分歧/合流区域的识别方法和设备 | |
| CN114490900B (zh) | 一种多车次轨迹数据融合方法、装置、设备及存储介质 | |
| CN117109612A (zh) | 一种道路参考线的生成方法、装置、设备及介质 | |
| CN116303866A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN114625823A (zh) | 车道线数据处理方法、装置、设备及存储介质 |
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 |