CN112800351A - 轨迹相似度判断方法、系统及计算机介质 - Google Patents
轨迹相似度判断方法、系统及计算机介质 Download PDFInfo
- Publication number
- CN112800351A CN112800351A CN202110162345.7A CN202110162345A CN112800351A CN 112800351 A CN112800351 A CN 112800351A CN 202110162345 A CN202110162345 A CN 202110162345A CN 112800351 A CN112800351 A CN 112800351A
- Authority
- CN
- China
- Prior art keywords
- route
- routes
- points
- rectangle
- trajectory
- 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 72
- 239000011159 matrix material Substances 0.000 claims abstract description 83
- 230000004927 fusion Effects 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 231100001263 laboratory chemical safety summary Toxicity 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种轨迹相似度判断方法、系统及计算机介质,获取至少两条路线,路线包括多个轨迹点;将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。本申请将待对比的路线转化为大小相同的矩阵后,再进行矩阵的对比,提高了线路相似度的判断准确性。
Description
技术领域
本申请属于人工智能技术领域,具体地,涉及一种轨迹相似度判断方法、系统及计算机介质。
背景技术
现有技术在根据轨迹数据分析车辆行驶行为方面,根据轨迹相似度可以分析车辆行为,或者根据轨迹相似度为智能驾驶提供依据。例如通过判断出路线相似度,建立APP用户与货车的人车关系,进而分析用户行为。
目前判断两条轨迹的相似性方法有很多,基于点的LCSS算法以及DTW算法等,还有等基于形状的Frechet算法以及Hausdorff算法,基于分段的方法。
现有技术在判断轨迹相似度时大多需要计算路线重合率,主要基于路线的坐标进行距离差的对比。计算距离的具体方式,包括欧式距离、Frechet算法、Hausdorff算法以及DTW等公式。但是,现有路线重合相似计算量大、效率低,且不能很好的处理噪点问题,因为使用不同的距离公式时,准确度也不一样。
发明内容
本发明提出了一种轨迹相似度判断方法、系统及计算机介质,旨在解决现有线路轨迹评价或者判断过程中计算量大、效率低且准确度低的问题。
根据本申请实施例的第一个方面,提供了一种轨迹相似度判断方法,具体包括以下步骤:
获取至少两条路线,路线包括多个轨迹点;
将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;
以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;
对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
在本申请一些实施方式中,目标矩形为正方形,以正方形构建的二维矩阵为行列数相等二维矩阵。
在本申请一些实施方式中,将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标,具体包括:
至少两条路线包括第一路线和第二路线,获取第一路线以及第二路线的最小外接矩形,分别得到第一矩形以及第二矩形;
根据第一矩形以及第二矩形,得到融合源矩形;取第一矩形以及第二矩形的横向边长最大值为融合源矩形的横向边长,取第一矩形以及第二矩形的竖向边长最大值为融合源矩形的竖向边长;
在第一路线或第二路线上的轨迹点相对融合源矩形位置不变基础上,通过使融合源矩形缩放为目标矩形大小,依次得到第一路线以及第二路线上的多个轨迹点的新坐标。
在本申请一些实施方式中,在第一路线或第二路线上的轨迹点相对融合源矩形位置不变基础上,通过使融合源矩形缩放为目标矩形大小,依次得到第一路线以及第二路线上的多个轨迹点的新坐标,具体包括:
分别以融合源矩形以及目标矩形的左下角为坐标原点,构建融合源坐标系以及目标坐标系,得到第一路线或第二路线上的多个轨迹点的源坐标;
通过使多个轨迹点的源坐标值与融合源矩形对应边长的比值,等于多个轨迹点的新坐标值相对目标矩形对应边长比值,求解得到多个轨迹点的新坐标。
在本申请一些实施方式中,通过使多个轨迹点的源坐标值与融合源矩形对应边长的比值,等于多个轨迹点的新坐标值相对目标矩形对应边长比值,求解得到多个轨迹点的新坐标,多个轨迹点的新坐标(Dx,Dy)具体计算公式如下:
其中,Sx,Sy分别为轨迹点的x轴以及y轴方向的源坐标值;SW,SH分别为融合源矩形的横向边长以及竖向边长;D为目标矩形的边长。
在本申请一些实施方式中,得到至少两条路线上多个轨迹点的新坐标之后,还包括将至少两条路线上多个轨迹点的新坐标值同比例缩放为正整数,同时同比例缩放目标矩形。
在本申请一些实施方式中,以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵之后,还包括将所有路线同比加宽和/或加长,然后分别遍历加宽和/或加长后每条路线上的多个轨迹点,得到至少两个二维矩阵。
根据本申请实施例的第二个方面,提供了一种轨迹相似度判断系统,具体包括:
路线获取模块:用于获取至少两条路线,路线包括多个轨迹点;
路线缩放模块:用于将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;
二维矩阵模块:用于以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;
相似度模块:用于对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
根据本申请实施例的第三个方面,提供了一种轨迹相似度判断设备,包括:
存储器:用于存储可执行指令;以及
处理器:用于与存储器连接以执行可执行指令从而完成轨迹相似度判断方法。
根据本申请实施例的第四个方面,提供了一种计算机可读存储介质,其上存储有计算机程序;计算机程序被处理器执行以实现轨迹相似度判断方法。
采用本申请实施例中的轨迹相似度判断方法、系统及计算机介质,获取至少两条路线,路线包括多个轨迹点;将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。本申请将待对比的路线转化为大小相同的矩阵后,再进行矩阵的对比,不再需要基于实际地理经纬度坐标的复杂距离计算,减少复杂的计算,简化了对比过程,并提高了线路相似度的判断准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1中示出了根据本申请实施例的轨迹相似度判断方法的步骤示意图;
图2中示出了根据本申请实施例的轨迹相似度判断方法中路线的外接矩形示意图;
图3中示出了根据本申请实施例的轨迹相似度判断方法中路线缩放示意图;
图4中示出了根据本申请实施例中遍历路线上的轨迹点得到二维矩阵的示意图;
图5中示出了根据本申请实施例的轨迹相似度判断系统的结构示意图;
图6中示出了根据本申请实施例的轨迹相似度判断设备的结构示意图。
具体实施方式
在实现本申请的过程中,发明人发现现有技术在判断轨迹相似度时大多需要计算路线重合率,主要基于路线的坐标进行距离差的对比。但是,现有路线重合相似计算量大、效率低,且不能很好的处理噪点问题,因为使用不同的距离公式时,准确度也不一样。
基于此,本申请将待对比的路线转化为大小相同的矩阵后,再进行矩阵的对比,不再需要基于实际地理经纬度坐标的复杂距离计算,减少复杂的计算,简化了对比过程,并提高了线路相似度的判断准确性。
具体的,本申请通过获取至少两条路线,路线包括多个轨迹点;将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
本申请提供了一种计算简易且不需要计算距离差的方法。同时,通过增加路线宽度,解决了噪点问题,可以修复报点过于稀疏造成的误差。
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1中示出了根据本申请实施例的轨迹相似度判断方法的步骤示意图。
如图1所示,本申请实施例的轨迹相似度判断方法,具体包括以下步骤:
S101:获取至少两条路线,路线包括多个轨迹点。
S102:将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标。
具体的,目标矩形为正方形,相应的,在后续步骤中以正方形构建的二维矩阵为行列数相等二维矩阵。
图2中示出了根据本申请实施例的轨迹相似度判断方法中路线的外接矩形示意图。
在将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标,具体包括以下三个步骤:
步骤一、本实施例中的至少两条路线包括相比较的第一路线和第二路线,如图2所示,首先获取第一路线以及第二路线的最小外接矩形,分别得到第一矩形(SW1*SH1)以及第二矩形(SW2*SH2)。其中,SW1、SH1分别为第一矩形的横向边长度和竖向边长度;SW2、SH2分别为第二矩形的横向边长度和竖向边长度。
步骤二、根据第一矩形(SW1*SH1)以及第二矩形(SW2*SH2),得到融合源矩形(SW*SH)。
取第一矩形以及第二矩形的横向边长最大值为融合源矩形的横向边长,取第一矩形以及第二矩形的竖向边长最大值为融合源矩形的竖向边长。
即,使SW=Max(SW1,SW2),使SH=Max(SH1,SH2)。
步骤三、在第一路线或第二路线上的轨迹点相对融合源矩形位置不变基础上,通过使融合源矩形缩放为目标矩形大小,依次得到第一路线以及第二路线上的多个轨迹点的新坐标。
其中,目标矩形大小为标定数值。具体为宽和高均为D的正方形目标矩形(D,D)。如[1024*1024]的正方形。
图3中示出了根据本申请实施例的轨迹相似度判断方法中路线缩放示意图。
步骤三中,如图3所示,具体包括:
首先,分别以融合源矩形(SW*SH)以及目标矩形(D,D)的左下角为坐标原点(0,0),构建融合源坐标系以及目标坐标系,得到第一路线或第二路线上的多个轨迹点的源坐标(Sx,Sy)。
然后,通过使多个轨迹点的源坐标值(Sx,Sy)与融合源矩形对应边长(SW*SH)的比值,等于多个轨迹点的新坐标值(Dx,Dy)相对目标矩形对应边长(D,D)比值,求解得到多个轨迹点的新坐标(Dx,Dy)。
多个轨迹点的新坐标(Dx,Dy)具体计算公式(1)如下:
其中,Sx,Sy分别为轨迹点的x轴以及y轴方向的源坐标值;SW,SH分别为融合源矩形的横向边长以及竖向边长;D为目标矩形的边长。
通过公式(1)得到轨迹点的新坐标值,Dx=Sx*D/SW,Dy=Sy*D/SH。
优选地,在得到至少两条路线上多个轨迹点的新坐标之后,还包括将至少两条路线上多个轨迹点的新坐标值同比例缩放为正整数,同时同比例缩放目标矩形。
通过步骤S102得到的轨迹点的新坐标后,可能包括小数点的非整数,为了便于后期将坐标值与二维矩阵一一对应,通过使所有路线上多个轨迹点的新坐标值同时增大或缩小一定倍数,均称为正整数。同时同比例缩放目标矩形。
S103:以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上多个轨迹点的正整数坐标,将与路线上多个轨迹点的正整数坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵。
图4中示出了根据本申请实施例中遍历路线上的轨迹点得到二维矩阵的示意图。
如图4所示,左侧为需要遍历的路线上的多个轨迹点,右侧为相对应的二维矩阵。
S104:对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
优选地,在步骤S103之后,还包括将所有路线同比加宽和/或加长,然后分别遍历加宽和/或加长后每条路线上的多个轨迹点,得到至少两个修正的二维矩阵。相应的,S104中对比相比较的两条路线在对应的修正的二维矩阵中1值的位置。
例如,首先初始化n*n的二维矩阵M,初始值都为0,则路线上的轨迹点D(i,j)对应的二维矩阵值M(i,j)为1;将对比的路线均加宽2个单位后,使M[i+1,j]=1,M[i+2,j]=1。
本申请通过增加路线宽度,解决了噪点问题,可以修复报点过于稀疏造成的误差。
具体实施时,本申请以用户手机报点轨迹和经验导航返回路线的场景为例。
首先,获取导航路线A与对应一时间段的手机报点数据得到的线路B。
其次,分别把两条路线缩放到n*n的矩形网格中,然后初始化值为0的n*n的二维矩阵,通过遍历路线A和B,将路线上坐标点对应的二维矩阵值从0转化为1,得到两个路线对应的n*n的二维矩阵Ma和Mb。
最后,对比二维矩阵Ma和Mb上为1的位置,交集点的个数即可作为路线A和B的重合率,并作为两条路线的相似度。
根据重合率的情况,可以推算用户是否遵循导航路线驾驶,进一步分析导航引擎的使用效果。
本申请实施例的轨迹相似度判断方法,获取至少两条路线,路线包括多个轨迹点;将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
本申请将待对比的路线转化为大小相同的矩阵后,再进行矩阵的对比,不再需要基于实际地理经纬度坐标的复杂距离计算,减少复杂的计算,简化了对比过程,并提高了线路相似度的判断准确性。同时,通过增加路线宽度,解决了噪点问题,可以修复报点过于稀疏造成的误差。
实施例2
本实施例提供了一种轨迹相似度判断系统,对于本实施例的轨迹相似度判断系统中未披露的细节,请参照其它实施例中的轨迹相似度判断方法的具体实施内容。
图5中示出了根据本申请实施例的轨迹相似度判断系统的结构示意图。
如图5所示,本申请实施例的轨迹相似度判断系统,具体包括路线获取模块10、路线缩放模块20、二维矩阵模块30以及相似度模块40。
具体的,
路线获取模块10:用于获取至少两条路线,路线包括多个轨迹点。
路线缩放模块20:用于将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标。
具体的,目标矩形为正方形,相应的,在后续步骤中以正方形构建的二维矩阵为行列数相等二维矩阵。
图2中示出了根据本申请实施例的轨迹相似度判断方法中路线的外接矩形示意图。
在将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标,具体包括以下三个步骤:
步骤一、本实施例中的至少两条路线包括相比较的第一路线和第二路线,如图2所示,首先获取第一路线以及第二路线的最小外接矩形,分别得到第一矩形(SW1*SH1)以及第二矩形(SW2*SH2)。其中,SW1、SH1分别为第一矩形的横向边长度和竖向边长度;SW2、SH2分别为第二矩形的横向边长度和竖向边长度。
步骤二、根据第一矩形(SW1*SH1)以及第二矩形(SW2*SH2),得到融合源矩形(SW*SH)。
取第一矩形以及第二矩形的横向边长最大值为融合源矩形的横向边长,取第一矩形以及第二矩形的竖向边长最大值为融合源矩形的竖向边长。
即,使SW=Max(SW1,SW2),使SH=Max(SH1,SH2)。
步骤三、在第一路线或第二路线上的轨迹点相对融合源矩形位置不变基础上,通过使融合源矩形缩放为目标矩形大小,依次得到第一路线以及第二路线上的多个轨迹点的新坐标。
其中,目标矩形大小为标定数值。具体为宽和高均为D的正方形目标矩形(D,D)。如[1024*1024]的正方形。
图3中示出了根据本申请实施例的轨迹相似度判断方法中路线缩放示意图。
步骤三中,如图3所示,具体包括:
首先,分别以融合源矩形(SW*SH)以及目标矩形(D,D)的左下角为坐标原点(0,0),构建融合源坐标系以及目标坐标系,得到第一路线或第二路线上的多个轨迹点的源坐标(Sx,Sy)。
然后,通过使多个轨迹点的源坐标值(Sx,Sy)与融合源矩形对应边长(SW*SH)的比值,等于多个轨迹点的新坐标值(Dx,Dy)相对目标矩形对应边长(D,D)比值,求解得到多个轨迹点的新坐标(Dx,Dy)。
多个轨迹点的新坐标(Dx,Dy)具体计算公式(1)如下:
其中,Sx,Sy分别为轨迹点的x轴以及y轴方向的源坐标值;SW,SH分别为融合源矩形的横向边长以及竖向边长;D为目标矩形的边长。
通过公式(1)得到轨迹点的新坐标值,Dx=Sx*D/SW,Dy=Sy*D/SH。
优选地,在得到至少两条路线上多个轨迹点的新坐标之后,还包括将至少两条路线上多个轨迹点的新坐标值同比例缩放为正整数,同时同比例缩放目标矩形。
通过路线缩放模块20得到的轨迹点的新坐标后,可能包括小数点的非整数,为了便于后期将坐标值与二维矩阵一一对应,通过使所有路线上多个轨迹点的新坐标值同时增大或缩小一定倍数,均称为正整数。同时同比例缩放目标矩形。
二维矩阵模块30:用于以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵。
相似度模块40:用于对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
优选地,还包括将所有路线同比加宽和/或加长,然后分别遍历加宽和/或加长后每条路线上的多个轨迹点,得到至少两个修正的二维矩阵。相应的,S104中对比相比较的两条路线在对应的修正的二维矩阵中1值的位置。
例如,首先初始化n*n的二维矩阵M,初始值都为0,则路线上的轨迹点D(i,j)对应的二维矩阵值M(i,j)为1;将对比的路线均加宽2个单位后,使M[i+1,j]=1,M[i+2,j]=1。
本申请通过增加路线宽度,解决了噪点问题,可以修复报点过于稀疏造成的误差。
具体实施时,本申请以用户手机报点轨迹和经验导航返回路线的场景为例。
首先,获取导航路线A与对应一时间段的手机报点数据得到的线路B。
其次,分别把两条路线缩放到n*n的矩形网格中,然后初始化值为0的n*n的二维矩阵,通过遍历路线A和B,将路线上坐标点对应的二维矩阵值从0转化为1,得到两个路线对应的n*n的二维矩阵Ma和Mb。
最后,对比二维矩阵Ma和Mb上为1的位置,交集点的个数即可作为路线A和B的重合率,并作为两条路线的相似度。
根据重合率的情况,可以推算用户是否遵循导航路线驾驶,进一步分析导航引擎的使用效果。
本申请实施例的轨迹相似度判断系统,路线获取模块10获取至少两条路线,路线包括多个轨迹点;路线缩放模块20将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;二维矩阵模块30以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;相似度模块40对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
本申请将待对比的路线转化为大小相同的矩阵后,再进行矩阵的对比,不再需要基于实际地理经纬度坐标的复杂距离计算,减少复杂的计算,简化了对比过程,并提高了线路相似度的判断准确性。同时,通过增加路线宽度,解决了噪点问题,可以修复报点过于稀疏造成的误差。
实施例3
本实施例提供了一种轨迹相似度判断设备,对于本实施例的轨迹相似度判断设备中未披露的细节,请参照其它实施例中的轨迹相似度判断方法或系统具体的实施内容。
图6中示出了根据本申请实施例的轨迹相似度判断设备400的结构示意图。
如图6所示,轨迹相似度判断设备400,包括:
存储器402:用于存储可执行指令;以及
处理器401:用于与存储器402连接以执行可执行指令从而完成运动矢量预测方法。
本领域技术人员可以理解,示意图6仅仅是轨迹相似度判断设备400的示例,并不构成对轨迹相似度判断设备400的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如轨迹相似度判断设备400还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器401也可以是任何常规的处理器等,处理器401是轨迹相似度判断设备400的控制中心,利用各种接口和线路连接整个轨迹相似度判断设备400的各个部分。
存储器402可用于存储计算机可读指令,处理器401通过运行或执行存储在存储器402内的计算机可读指令或模块,以及调用存储在存储器402内的数据,实现轨迹相似度判断设备400的各种功能。存储器402可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据轨迹相似度判断设备400使用所创建的数据等。此外,存储器402可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)或其他非易失性/易失性存储器件。
轨迹相似度判断设备400集成的模块如果以软件功能模块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。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序;计算机程序被处理器执行以实现其他实施例中的轨迹相似度判断方法。
本申请实施例中的轨迹相似度判断设备及计算机存储介质,获取至少两条路线,路线包括多个轨迹点;将至少两条路线同比例缩放至相同大小的目标矩形中,得到至少两条路线上多个轨迹点的新坐标;以目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
本申请将待对比的路线转化为大小相同的矩阵后,再进行矩阵的对比,不再需要基于实际地理经纬度坐标的复杂距离计算,减少复杂的计算,简化了对比过程,并提高了线路相似度的判断准确性。同时,通过增加路线宽度,解决了噪点问题,可以修复报点过于稀疏造成的误差。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种轨迹相似度判断方法,具体包括:
获取至少两条路线,所述路线包括多个轨迹点;
将所述至少两条路线同比例缩放至相同大小的目标矩形中,得到所述至少两条路线上多个轨迹点的新坐标;
以所述目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与所述路线上多个轨迹点的新坐标相对应的二维矩阵数值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;
对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
2.根据权利要求1所述的轨迹相似度判断方法,其特征在于,所述目标矩形为正方形,以所述正方形构建的二维矩阵为行列数相等二维矩阵。
3.根据权利要求1所述的轨迹相似度判断方法,其特征在于,所述将所述至少两条路线同比例缩放至相同大小的目标矩形中,得到所述至少两条路线上多个轨迹点的新坐标,具体包括:
所述至少两条路线包括第一路线和第二路线,获取所述第一路线以及第二路线的最小外接矩形,分别得到第一矩形以及第二矩形;
根据所述第一矩形以及第二矩形,得到融合源矩形;取所述第一矩形以及第二矩形的横向边长最大值为所述融合源矩形的横向边长,取所述第一矩形以及第二矩形的竖向边长最大值为所述融合源矩形的竖向边长;
在所述第一路线或第二路线上的轨迹点相对融合源矩形位置不变基础上,通过使融合源矩形缩放为目标矩形大小,依次得到所述第一路线以及第二路线上的多个轨迹点的新坐标。
4.根据权利要求3所述的轨迹相似度判断方法,其特征在于,所述在所述第一路线或第二路线上的轨迹点相对融合源矩形位置不变基础上,通过使融合源矩形缩放为目标矩形大小,依次得到所述第一路线以及第二路线上的多个轨迹点的新坐标,具体包括:
分别以融合源矩形以及目标矩形的左下角为坐标原点,构建融合源坐标系以及目标坐标系,得到所述第一路线或第二路线上的多个轨迹点的源坐标;
通过使所述多个轨迹点的源坐标值与融合源矩形对应边长的比值,等于所述多个轨迹点的新坐标值相对目标矩形对应边长比值,求解得到多个轨迹点的新坐标。
6.根据权利要求1所述的轨迹相似度判断方法,其特征在于,所述得到所述至少两条路线上多个轨迹点的新坐标之后,还包括将所述至少两条路线上多个轨迹点的新坐标值同比例缩放为正整数,同时同比例缩放所述目标矩形。
7.根据权利要求1或6所述的轨迹相似度判断方法,其特征在于,所述以所述目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上的多个轨迹点,将与所述路线上多个轨迹点的新坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵之后,还包括将所有路线同比加宽和/或加长,然后分别遍历所述加宽和/或加长后每条路线上的多个轨迹点,得到至少两个二维矩阵。
8.一种轨迹相似度判断系统,其特征在于,具体包括:
路线获取模块:用于获取至少两条路线,所述路线包括多个轨迹点;
路线缩放模块:用于将所述至少两条路线同比例缩放至相同大小的目标矩形中,得到所述至少两条路线上多个轨迹点的新坐标;
坐标整数化模块:用于将所述至少两条路线上多个轨迹点的新坐标同比例缩放为正整数坐标;
二维矩阵模块:用于以所述目标矩形构建初始值均为零的二维初始矩阵,分别遍历每条路线上多个轨迹点的正整数坐标,将与所述路线上多个轨迹点的正整数坐标相对应的二维矩阵值转换为1,得到至少两个二维矩阵;一条路线对应一个二维矩阵;
相似度模块:用于对比相比较的两条路线在对应的二维矩阵中1值的位置,若位置相同,则为重合点,根据重合点个数得到相比较的两条路线的相似度。
9.一种轨迹相似度判断设备,其特征在于,包括:
存储器:用于存储可执行指令;以及
处理器:用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-7任一项所述的轨迹相似度判断方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;计算机程序被处理器执行以实现如权利要求1-7任一项所述的轨迹相似度判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110162345.7A CN112800351B (zh) | 2021-02-05 | 2021-02-05 | 轨迹相似度判断方法、系统及计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110162345.7A CN112800351B (zh) | 2021-02-05 | 2021-02-05 | 轨迹相似度判断方法、系统及计算机介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800351A true CN112800351A (zh) | 2021-05-14 |
CN112800351B CN112800351B (zh) | 2024-02-09 |
Family
ID=75814443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110162345.7A Active CN112800351B (zh) | 2021-02-05 | 2021-02-05 | 轨迹相似度判断方法、系统及计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800351B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166721A (zh) * | 2022-09-05 | 2022-10-11 | 湖南众天云科技有限公司 | 路侧感知设备中雷达与gnss信息标定融合方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805075A (zh) * | 2018-06-07 | 2018-11-13 | 宁夏大学 | 行车轨迹线获取方法、装置以及电子设备 |
CN111552754A (zh) * | 2020-04-24 | 2020-08-18 | 中国科学院空天信息创新研究院 | 一种舰船轨迹相似度度量方法及系统 |
CN112068759A (zh) * | 2020-11-11 | 2020-12-11 | 湖南新云网科技有限公司 | 基于轨迹的终端控制方法、装置、终端及可读存储介质 |
-
2021
- 2021-02-05 CN CN202110162345.7A patent/CN112800351B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805075A (zh) * | 2018-06-07 | 2018-11-13 | 宁夏大学 | 行车轨迹线获取方法、装置以及电子设备 |
CN111552754A (zh) * | 2020-04-24 | 2020-08-18 | 中国科学院空天信息创新研究院 | 一种舰船轨迹相似度度量方法及系统 |
CN112068759A (zh) * | 2020-11-11 | 2020-12-11 | 湖南新云网科技有限公司 | 基于轨迹的终端控制方法、装置、终端及可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166721A (zh) * | 2022-09-05 | 2022-10-11 | 湖南众天云科技有限公司 | 路侧感知设备中雷达与gnss信息标定融合方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112800351B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079533A (zh) | 无人车驾驶决策方法、无人车驾驶决策装置及无人车 | |
US20230401691A1 (en) | Image defect detection method, electronic device and readable storage medium | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN111382625A (zh) | 道路标识识别方法、装置及电子设备 | |
CN111160242A (zh) | 图像目标检测方法、系统、电子终端及存储介质 | |
CN111915657A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
CN112085056A (zh) | 目标检测模型生成方法、装置、设备及存储介质 | |
CN111508072A (zh) | 地图构建方法、装置、电子设备及存储介质 | |
CN115326051A (zh) | 一种基于动态场景的定位方法、装置、机器人及介质 | |
CN112800351B (zh) | 轨迹相似度判断方法、系统及计算机介质 | |
CN112633299B (zh) | 一种目标检测方法、网络、装置、终端设备及存储介质 | |
CN116734834A (zh) | 应用于动态场景的定位建图方法、装置和智能设备 | |
US12002272B2 (en) | Method and device for classifing densities of cells, electronic device using method, and storage medium | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
CN111104965A (zh) | 车辆目标识别的方法及装置 | |
CN115388878A (zh) | 一种地图构建方法、装置及终端设备 | |
CN115391980A (zh) | 道路场景和动态交通流优化方法、系统及存储介质 | |
CN115018926A (zh) | 车载相机的俯仰角确定方法、装置、设备和存储介质 | |
CN114882491A (zh) | 一种非机动车目标的跟踪方法、装置和电子设备 | |
CN114882115A (zh) | 车辆位姿的预测方法和装置、电子设备和存储介质 | |
CN113191368B (zh) | 一种标志物的匹配方法及装置 | |
CN113295181B (zh) | 车辆的路径规划方法、装置和系统 | |
CN112711965B (zh) | 一种绘本识别方法、装置及设备 | |
CN112614181B (zh) | 一种基于高亮目标的机器人定位方法及装置 | |
CN118262208A (zh) | 一种目标检测方法、装置、终端设备及存储介质 |
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 |