CN113866758A - 一种场面监视方法、系统、装置及可读存储介质 - Google Patents

Abstract

本发明公开了一种场面监视方法、系统、装置及可读存储介质，车辆监测系统采集车辆侧感知数据并发送至相应边缘计算设备；第一场道监测系统采集第一场道侧感知数据并发送至相应边缘计算设备；其中，第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；边缘计算设备对所辖片区内所有车辆侧感知数据及第一场道侧感知数据进行融合，生成各片区相应的局部高精地图动态数据并发送至云平台；云平台对所有局部高精地图动态数据进行融合，得到全场高精地图动态数据。通过本发明的实施，可以实现亚米级的监视精度、10Hz的刷新频率，比原有系统的精准度和敏捷度都有了很大的提升。

Description

一种场面监视方法、系统、装置及可读存储介质

技术领域

本发明涉及智慧交通技术领域，尤其涉及一种场面监视方法、系统、装置及可读存储介质。

背景技术

随着国民经济的高速发展，国内国际航空客、货运量不断攀升，促使机场航班起降架次逐年增高，机场运行环境日趋复杂，跑道入侵、场面冲突、车辆冲突、运行事故时有发生。为满足日益繁忙的机场场面飞行器、车辆的不断增长，增加场面监视数据的可信度、精准度、敏捷度，提高飞行器和车辆的运行安全，迫切需要新型的智能机场场面监视手段，实现对机场跑道、滑行道、停机坪、车行道等区域的飞行器、车辆、人员、障碍物等进行精准、可靠的实时监视，并可以扩展到飞行器的滑行引导、跑道防侵入、车辆调度指挥、冲突与告警等功能。

常见的机场场面监视系统包括场面活动监视雷达系统(SMR，Surface MovementRadar)、多点定位系统(MLAT，Multilateration)、广播式自动相关监视系统(ADS-B，AutomaticDependent Surveillance-Broadcast)、视频增强场面监视系统等，具有全天候、智能化、高精度等优势。通过在航空器和车辆上的监视设备，为高级场面活动引导和控制系统(A-SMGCS，Advanced Surface Movement Guidance Control System)提供监视数据。A-SMGCS通过处理、加工这些数据，实现对机场航空器和机动车辆等运动目标的自动化监视、合理规划运动目标的移动路径、借助相应的机载/车载设备/助航灯光提供正确的路线指引、发现潜在冲突告警提示。

但是SMR系统存在监控盲区，易受地杂波、气候影响，对目标的识别率不高，且数据刷新率受天线转速限制，漏警率和虚警率高，需要留出较大的安全余量，影响跑道和滑行道的运行效率。ADS-B系统依赖于全球导航卫星系统对目标进行定位，如果飞行器给出的位置信息错误，终端设备就无法识别，当全球导航卫星系统失效时，ADS-B系统就不能正常工作。MLAT系统监视精度低，并且连续性较差，需要特定的机载设备，且无法监控未安装此类设备或设备突发故障的车辆及人员。视频增强场面监视系统利用多路摄像机，对飞行器进行连续动态跟踪和监视，获取飞行器的位置信息，动态效应较好，但检测精度较低。

由此可见，以上四类系统相互补充数据融合后，场面监视的精度可以达到10米，数据刷新频率1Hz(每秒1次)，只能满足机场场面监视的一般要求。而随着机场的飞行器进出港数量和场面车辆数量的不断增加，上述场面监视系统所提供的精度和敏捷度均无法满足实际应用场景。

发明内容

本发明实施例的主要目的在于提供一种场面监视方法、系统、装置及可读存储介质，至少能够解决相关技术中结合SMR系统、ADS-B系统、MLAT系统以及视频增强场面监视系统进行场面监视，所提供的精度和敏捷度均无法满足实际应用场景的问题。

为实现上述目的，本发明实施例第一方面提供了一种场面监视方法，应用于包括云平台、多个第一场道监测系统、多个边缘计算设备以及多个车辆监测系统的场面监视系统，该方法包括：

所述车辆监测系统采集车辆侧感知数据，并将所述车辆侧感知数据发送至相应所述边缘计算设备；

所述第一场道监测系统采集第一场道侧感知数据，并将所述第一场道侧感知数据发送至相应所述边缘计算设备；其中，所述第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；

所述边缘计算设备对所辖片区内所有所述车辆侧感知数据以及所述第一场道侧感知数据进行融合，生成各所述片区的融合数据，并基于所述融合数据生成各所述片区相应的局部高精地图动态数据，然后将所述局部高精地图动态数据发送至所述云平台；

所述云平台对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据。

为实现上述目的，本发明实施例第二方面提供了一种场面监视系统，包括：云平台、多个第一场道监测系统、多个边缘计算设备以及多个车辆监测系统；

所述车辆监测系统，用于采集车辆侧感知数据，并将所述车辆侧感知数据发送至相应所述边缘计算设备；

所述第一场道监测系统，用于采集第一场道侧感知数据，并将所述第一场道侧感知数据发送至相应所述边缘计算设备；其中，所述第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；

所述边缘计算设备，用于对所辖片区内所有所述车辆侧感知数据以及所述第一场道侧感知数据进行融合，生成各所述片区的融合数据，并基于所述融合数据生成各所述片区相应的局部高精地图动态数据，然后将所述局部高精地图动态数据发送至所述云平台；

所述云平台，用于对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据。

为实现上述目的，本发明实施例第三方面提供了一种电子装置，该电子装置包括：处理器、存储器和通信总线；

所述通信总线用于实现所述处理器和存储器之间的连接通信；

所述处理器用于执行所述存储器中存储的一个或者多个程序，以实现上述任意一种场面监视方法的步骤。

为实现上述目的，本发明实施例第四方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任意一种场面监视方法的步骤。

根据本发明实施例提供的场面监视方法、系统、装置及可读存储介质，车辆监测系统采集车辆侧感知数据，并将车辆侧感知数据发送至相应边缘计算设备；第一场道监测系统采集第一场道侧感知数据并发送至相应边缘计算设备；其中，第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；边缘计算设备对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行融合，生成各片区相应的局部高精地图动态数据并发送至云平台；云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据。通过本发明的实施，可以实现亚米级(优于1米)的监视精度、10Hz的刷新频率(每秒10次)，比原有系统的精准度和敏捷度都有了很大的提升。

本发明其他特征和相应的效果在说明书的后面部分进行阐述说明，且应当理解，至少部分效果从本发明说明书中的记载变的显而易见。

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获得其他的附图。

图1为本发明第一实施例提供的一种场面监视系统的结构示意图；

图2为本发明第一实施例提供的场面监视方法的流程示意图；

图3为本发明第一实施例提供的另一种场面监视系统的结构示意图；

图4为本发明第一实施例提供的车辆调度方法的流程示意图；

图5为本发明第三实施例提供的电子装置的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做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。

第一实施例：

为了解决相关技术中结合SMR系统、ADS-B系统、MLAT系统以及视频增强场面监视系统进行场面(例如机场场面)监视，所提供的精度和敏捷度均无法满足实际应用场景的问题，本实施例提出了一种场面监视方法，应用于包括云平台、多个第一场道监测系统、多个边缘计算设备以及多个车辆监测系统的场面监视系统，如图1所示为本实施例提供的一种场面监视系统的结构示意图，云平台、边缘计算设备、第一场道监测系统以及车辆监测系统两两之间可以进行双向通信交互，通信交互方式优选的可以为5G-V2X，在实际应用中还可以采用光纤进行通信交互，本实施例在此不作唯一限定。

如图2所示为本实施例提供的场面监视方法的流程示意图，本实施例提出的场面监视方法包括以下的步骤：

步骤201、车辆监测系统采集车辆侧感知数据，并将车辆侧感知数据发送至相应边缘计算设备。

具体的，如图3所示为本实施例提供的另一种场面监视系统的结构示意图，本实施例的车辆监测系统至少可以包括车辆加装的OBU和RTK差分定位设备。其中OBU用于和RSU进行近场通讯，发送车辆的实时动态的位置、速度、方向、姿态信息。RTK差分定位设备用于车辆精准定位，可达到厘米级的定位精度。

步骤202、第一场道监测系统采集第一场道侧感知数据，并将第一场道侧感知数据发送至相应边缘计算设备。

具体的，请继续参阅图3，本实施例的第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器，应当说明的是，本实施例的第一场道监测系统可以理解为不同于现有技术中包括SMR系统、ADS-B系统、MLAT系统以及视频增强场面监视系统的原有场道监测系统的新增场道监测系统，该场道监测系统的检测精度优于亚米级，甚至达到厘米级，数据刷新频率大于10Hz。

其中，X波段雷达视频一体机是结合X波段雷达和摄像机的感知功能，最大探测距离500-1000米，检测精度为亚米级，安装在机场航站楼的屋顶、机场周边的立竿、跑道和滑行道的两侧等处，主要功能是检测飞行器滑行中的实时位置和状态，以及跑道和滑行道附近因净空要求而无法安装近距离检测设备的车行道上的车辆、行人、障碍物等场景要素的实时位置和状态。

毫米波雷达视频一体机是结合毫米波雷达和摄像机的感知功能，最大探测距离50-200米，检测精度为厘米级。主要安装在机场车行道两侧的立竿上，主要功能是检测车行道上的车辆、行人、障碍物等场景要素的实时位置和状态。

激光雷达的检测精度更高，最大探测距离50-100米，检测精度为厘米级。主要安装在机场车行道交叉路口两侧的立竿上，主要功能是检测交叉路口的车辆、行人、障碍物等场景要素的实时位置和状态；也可以安装在停机坪上，检测飞行器的停靠、停机坪上作业的车辆、人员、障碍物等。

地埋车检器安装在车行道的路面上，用于因净空要求而无法安装近距离检测设备的车行道上的车辆检测，利用磁场变化检测车辆的通过时间状态，一般采用无线数据传输。

在本实施例的一种可选的实施方式中，上述第一场道监测系统采集第一场道侧感知数据的步骤之前，还包括：云平台实时获取场面环境状态信息，并基于场面环境状态信息确定目标场道监测设备，然后向第一场道监测系统发送携带有目标场道监测设备的设备标识的场道监测指令。相应的，上述第一场道监测系统采集第一场道侧感知数据的步骤，包括：第一场道监测系统根据场道监测指令，控制所有场道监测设备中的目标场道监测设备采集第一场道侧感知数据。

具体的，本实施例考虑到不同类型的场道监测设备均有其适用的环境状态，而实际场面环境下的天气状态、空气状态、磁场状态等有所不同，那么并非所有场道监测设备均能保证所采集的数据的有效性，由此，本实施例的云平台实时根据环境状态来匹配适用的场道监测设备，然后指示场道监测系统触发相应的场道监测设备进行数据采集，由此所采集的数据都是切实有效的数据，降低了后续进行数据融合的数据处理量，并保证了结果的准确性。

步骤203、边缘计算设备对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行融合，生成各片区的融合数据，并基于融合数据生成各片区相应的局部高精地图动态数据，然后将局部高精地图动态数据发送至云平台。

具体的，在本实施例中，由于实际场面监视场景下的检测和计算强度较大，所以可以把待监视场面划分为多个片区，每个片区设置一个边缘计算设备，对各片区内的多种感知设备的检测数据进行分析计算、数据融合，形成每个片区的高精度动态地图动态数据，并存储和上传，边缘计算设备的刷新周期是0.1秒，即10Hz。应当说明的是，高精地图(HDMap)包括静态数据图层和动态数据图层；其中静态数据图层具有两大特征：高精度、高精细，其高精度特征表现为：定位精度高，要求定位精度达到10cm，其高精细特征表现为：道路交通要素信息精细，要求做到道路交通要素信息应有尽有；动态数据图层包括场面所有交通要素如飞行器、车辆、人员等的位置、速度、姿态等实时动态信息。

在本实施例的一种可选的实施方式中，上述边缘计算设备对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行融合，生成各片区的融合数据的步骤，具体包括：边缘计算设备对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行特征提取，得到多个特征矢量，并将处于不同坐标系中的多个对应于特征矢量的特征参数转换为标准坐标系中的多个测量参数；边缘计算设备根据多个测量参数按照统一目标进行分组关联，并将各组测量参数中大于预设门限值的测量参数进行过滤，得到多组标准测量参数；边缘计算设备将多组标准测量参数进行合成，生成各片区的融合数据；其中，融合数据为实时场道交通状态数据。

具体的，在本实施例中，分别对多种不同的采集信息进行特征提取，得到多个特征矢量

(i表示特征矢量的编号，t表示对应的第一预设时间段)。多个特征矢量

由于是基于不同的监测设备所得，比如第一特征矢量是从第一采集信息中提取(第一采集信息是由X波段雷视一体机采集所得)，第二特征矢量是从第二采集信息中提取(第二采集信息是由毫米波雷视一体机采集所得)，第三特征矢量是从第三采集信息中提取(第三采集信息是由激光雷达采集所得)，第四特征矢量是从车辆位置姿态信息(第四采集信息)中提取，因此相应的这些特征矢量所对应的是各自不同的坐标系，此时需要将处于不同坐标系中的与多个特征矢量

对应的特征参数转换为标准坐标系中的多个测量参数，这个标准坐标系可以是新建立的三维坐标系，从而实现统一坐标变换，有利于后续基于同一个坐标系进行分析、判断。

另外，在本实施例中，将从标准坐标系中的多个测量参数按照同一目标进行分组关联，并检测各组中的每个测量参数是否存在大于门限值的测量参数，若存在大于门限值的测量参数，表明该测量参数是属于误差较大的采集数据，则将大于门限值的测量参数从各组中进行过滤，得到多组标准测量参数，利用神经网络融合算法将每一目标对应的标准测量参数进行合成，得到该目标的标识信息，该标识信息可以是一致性解释与描述。利用合成的数据记录目标的位置和轨迹，及目标的其它运动参数，并对目标的未来趋势进行预测，即最终生成包括各目标未来移动轨迹的场面实时动态信息。

进一步地，在本实施例的一种可选的实施方式中，上述边缘计算设备根据多个测量参数按照统一目标进行分组关联的步骤之前，还包括：边缘计算设备基于预设频率将多个测量参数进行划分，得到多个处于同一采集时间段的目标测量参数；边缘计算设备将各目标测量参数进行卡尔曼滤波处理。

具体的，在得到多个测量参数之后，基于X波段雷视一体机、毫米波雷视一体机、激光雷达、车辆监测系统所对应的采集频率中最低的采集频率，对多个测量参数进行划分，得到多个在同一采集时间段内的目标参数，然后对各目标参数进行卡尔曼滤波处理，以消除观测误差和噪声。从而，保证后续进行数据融合时，各参与到数据融合的目标参数是清晰、准确的，提高后续所生成的场面实时动态信息的准确性、全面性。

步骤204、云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据。

具体的，请继续参阅图3，在本实施例中，云平台包括动态数据融合系统、高精度动态地图数据库，动态数据融合系统接收所有的边缘计算的高精度动态数据，融合成全场动态数据，存储在高精度动态地图数据库中，作为数据底座供飞机滑行引导、车辆调度指挥、跑道防侵入等系统调用，作为系统优化的依据。由于本实施例的感知设备种类多，遍布待监视场面的各个角落，可对场面实施全方位、无盲点监测，可以达到亚米级的定位精度，数据刷新频率10Hz(每秒10次)，部分车辆的定位精度可以达到厘米级。

请再次参阅图3，在本实施例的一种可选的实施方式中，场面监视系统还包括多个第二场道监测系统，第二场道监测系统包括如下至少一种场道监测设备：场面活动监视雷达系统、多点定位系统、广播式自动相关监视系统、视频增强场面监视系统。

其中，场面活动监视雷达SMR是一种专门用于监视机场地面飞行器与车辆活动的雷达，由旋转天线、发射机、接收机、信号处理器、数据处理器和显示系统组成。其作用是在能见度低的大雾、雨雪和夜间环境里，能够将探测到场面活动信息，显示在管制界面终端上，给管制员提供实时的场面活动画面，方便疏导、指挥场面交通。其检测精度10米，数据刷新频率大于1Hz。

多点定位MLAT系统充分利用民航飞行器标准应答信号或者VHF通信信号，采用多点无源传感器接收方式确定飞行器或其他运动目标的位置。该系统可以完全兼容SSR雷达和ADS-B下行数据传输链路，可以接收和解码飞行器SSR代码和S模式地址，具备目标标识能力和高精度定位能力。该技术的优点是充分利用机载现有标准应答机，而无需加装其他机载导航设备完成定位监视，兼容ADS-B技术，系统成本低，定位精度高，对其他系统干扰小。其检测精度10米，数据刷新频率大于1Hz。

广播式自动相关监视ADS-B系统的工作原理是在每架飞行器或车辆上装有全双工无线通信装置支持高速数据通信，由它定时广播飞行器本身的信息，这些信息包括速度矢量、位置、识别码等数据。这样管制员和每架飞行器或车辆都能收到在附近所有的广播信息，得到它们的速度矢量、位置、识别码等信息，通过对这些数据的处理可以了解一定范围内的交通态势。这样的优点是机场管制塔台接收所有飞行器、车辆的广播报文，得到它们的实时运动趋势，机场管制员能够清楚直观地了解机场的交通状况，实现高质量的场面监视。其检测精度大于10米，数据刷新频率大于1Hz。

而视频增强场面监视系统则是利用多路摄像机，对飞行器进行连续动态跟踪和监视，获取飞行器的位置信息，动态效应较好。

相应的，本实施例的场面监视方法还包括：第二场道监测系统采集第二场道侧感知数据，并将第二场道侧感知数据发送至云平台。以及，上述云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据的步骤，具体包括：云平台将所有边缘计算设备发送的局部高精地图动态数据以及所有第二场道侧感知数据进行融合，得到全场高精地图动态数据。

具体的，在本实施例中，云平台同时还接收原有机场监测设备如场面监视雷达SMR、多点定位MLAT、广播式自动相关监视ADS-B的飞行器、车辆实时位置信息，尤其是飞行器的航班信息。云平台动态数据融合系统对各边缘计算的动态数据和原有机场监测设备获取的位置和航班信息进行融合，生成全场高精地图动态数据。在进行数据融合时可供使用的数据来源更为多元，进一步保证数据融合结果的准确性。

在本实施例的一种可选的实施方式中，上述云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据的步骤，具体包括：云平台获取位置相邻的边缘计算设备的局部高精地图动态数据之间的重叠场景要素数据；云平台对所有局部高精地图动态数据中重叠场景要素数据进行整合，得到全场高精地图动态数据。

具体的，在实际应用中，云平台汇聚的数据来源于n个(几十个或数百个)路侧的边缘计算设备计算的局部高精地图动态数据，云平台在进行数据融合时，对位置相邻的路侧控制设备之间重叠的交通要素的数据进行整合，形成一个全场的动态实时的高精地图动态数据。

如图4所示为本实施例提供的一种车辆调度方法的流程示意图，在本实施例一种可选的实施方式中，上述云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据的步骤之后，还包括以下流程：

步骤401、云平台基于全场高精地图动态数据生成调度控制信息，并将调度控制信息发送至边缘计算设备；

步骤402、边缘计算设备结合局部高精地图动态数据以及调度控制信息，生成协同控制信息，并将协同控制信息发送至所辖片区内的车辆监测系统；

步骤403、车辆监测系统基于协同控制信息以及车辆侧感知数据生成车辆行驶控制指令。

具体的，本实施例的调度控制信息包括：行驶路径、行驶起止地点、转运任务、起止时间，协同控制信息包括：行驶行为、行驶速度范围、车道编号，车辆行驶控制指令用于控制车辆执行相应行驶动作。

应当说明的是，本实施例的云平台对所有车辆的调度任务和行驶路径等进行全局优化，生成调度控制信息(长指令)，然后再将优化后所得的调度控制信息下发至路侧的边缘计算设备，再由边缘计算设备结合全场的调度控制信息以及所辖区域的局部高精地图动态数据，制定各个车辆的协同控制信息(短指令)，并下发给车载系统。在本实施例中，融合了路侧感知和车辆侧感知的多源感知信息，路侧设备充当电子交警的角色，根据全局信息和所处片区局部交通信息对车辆运行进行交通指挥，达到协同控制片区内所有车辆的目的。协同控制信息可以通过大带宽、低时延、高可靠性的5G-V2X通信发送给车辆，车辆执行指令后可以将执行结果(例如车辆状态信息、故障信息、运行图像信息等)和自身状态信息对外发布和上传，从而实现群体智能、协同控制、自上而下、总体最优的效果，最终达到安全、高效、经济的运行目标。

根据本发明实施例提供的场面监视方法，车辆监测系统采集车辆侧感知数据，并将车辆侧感知数据发送至相应边缘计算设备；第一场道监测系统采集第一场道侧感知数据并发送至相应边缘计算设备；其中，第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；边缘计算设备对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行融合，生成各片区相应的局部高精地图动态数据并发送至云平台；云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据。通过本发明的实施，可以实现亚米级(优于1米)的监视精度、10Hz的刷新频率(每秒10次)，比原有系统的精准度和敏捷度都有了很大的提升。

第二实施例：

为了解决相关技术中结合SMR系统、ADS-B系统、MLAT系统以及视频增强场面监视系统进行场面监视，所提供的精度和敏捷度均无法满足实际应用场景的问题，本实施例示出了一种场面监视系统，请再次参阅图1，该场面监视系统包括：云平台、多个第一场道监测系统、多个边缘计算设备以及多个车辆监测系统；其中，

车辆监测系统，用于采集车辆侧感知数据，并将车辆侧感知数据发送至相应边缘计算设备；

第一场道监测系统，用于采集第一场道侧感知数据，并将第一场道侧感知数据发送至相应边缘计算设备；其中，第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；

边缘计算设备，用于对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行融合，生成各片区的融合数据，并基于融合数据生成各片区相应的局部高精地图动态数据，然后将局部高精地图动态数据发送至云平台；

云平台，用于对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据。

在本实施例的一些实施方式中，上述场面监视系统还包括多个第二场道监测系统，第二场道监测系统包括如下至少一种场道监测设备：场面活动监视雷达系统、多点定位系统、广播式自动相关监视系统、视频增强场面监视系统。相应的，上述第二场道监测系统用于：采集第二场道侧感知数据，并将第二场道侧感知数据发送至云平台；云平台具体用于：将所有边缘计算设备发送的局部高精地图动态数据以及所有第二场道侧感知数据进行融合，得到全场高精地图动态数据。

在本实施例的一些实施方式中，上述边缘计算设备具体用于：对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行特征提取，得到多个特征矢量，并将处于不同坐标系中的多个对应于特征矢量的特征参数转换为标准坐标系中的多个测量参数；根据多个测量参数按照统一目标进行分组关联，并将各组测量参数中大于预设门限值的测量参数进行过滤，得到多组标准测量参数；将多组标准测量参数进行合成，生成各片区的融合数据；其中，融合数据为实时场道交通状态数据。

进一步地，在本实施例的一些实施方式中，上述边缘计算设备还用于：在执行根据多个测量参数按照统一目标进行分组关联的功能之前，基于预设频率将多个测量参数进行划分，得到多个处于同一采集时间段的目标测量参数；将各目标测量参数进行卡尔曼滤波处理。

在本实施例的一些实施方式中，云平台还用于：基于全场高精地图动态数据生成调度控制信息，并将调度控制信息发送至边缘计算设备；其中，调度控制信息包括：行驶路径、行驶起止地点、转运任务、起止时间。边缘计算设备还用于：结合局部高精地图动态数据以及调度控制信息，生成协同控制信息，并将协同控制信息发送至所辖片区内的车辆监测系统；其中，协同控制信息包括：行驶行为、行驶速度范围、车道编号。车辆监测系统还用于：基于协同控制信息以及车辆侧感知数据生成车辆行驶控制指令；其中，车辆行驶控制指令用于控制车辆执行相应行驶动作。

在本实施例的一些实施方式中，云平台还用于：实时获取场面环境状态信息，并基于场面环境状态信息确定目标场道监测设备，然后向第一场道监测系统发送携带有目标场道监测设备的设备标识的场道监测指令。相应的，第一场道监测系统具体用于：根据场道监测指令，控制所有场道监测设备中的目标场道监测设备采集第一场道侧感知数据。

在本实施例的一些实施方式中，云平台具体用于：获取位置相邻的边缘计算设备的局部高精地图动态数据之间的重叠场景要素数据；对所有局部高精地图动态数据中重叠场景要素数据进行整合，得到全场高精地图动态数据。

应当说明的是，前述实施例中的场面监视方法均可基于本实施例提供的场面监视系统实现，所属领域的普通技术人员可以清楚的了解到，为描述的方便和简洁，本实施例中所描述的场面监视系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

采用本实施例提供的场面监视系统，车辆监测系统采集车辆侧感知数据，并将车辆侧感知数据发送至相应边缘计算设备；第一场道监测系统采集第一场道侧感知数据并发送至相应边缘计算设备；其中，第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；边缘计算设备对所辖片区内所有车辆侧感知数据以及第一场道侧感知数据进行融合，生成各片区相应的局部高精地图动态数据并发送至云平台；云平台对所有边缘计算设备发送的局部高精地图动态数据进行融合，得到全场高精地图动态数据。通过本发明的实施，可以实现亚米级(优于1米)的监视精度、10Hz的刷新频率(每秒10次)，比原有系统的精准度和敏捷度都有了很大的提升。

第三实施例：

本实施例提供了一种电子装置，参见图5所示，其包括处理器501、存储器502及通信总线503，其中：通信总线503用于实现处理器501和存储器502之间的连接通信；处理器501用于执行存储器502中存储的一个或者多个计算机程序，以实现上述实施例一中的场面监视方法中的至少一个步骤。

本实施例还提供了一种计算机可读存储介质，该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory，随机存取存储器),ROM(Read-Only Memory，只读存储器),EEPROM(Electrically Erasable Programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。

本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序，其存储的一个或者多个计算机程序可被处理器执行，以实现上述实施例一中的方法的至少一个步骤。

本实施例还提供了一种计算机程序，该计算机程序可以分布在计算机可读介质上，由可计算装置来执行，以实现上述实施例一中的方法的至少一个步骤；并且在某些情况下，可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。

本实施例还提供了一种计算机程序产品，包括计算机可读装置，该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。

可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。

此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种场面监视方法，其特征在于，应用于包括云平台、多个第一场道监测系统、多个边缘计算设备以及多个车辆监测系统的场面监视系统，所述场面监视方法包括：

所述车辆监测系统采集车辆侧感知数据，并将所述车辆侧感知数据发送至相应所述边缘计算设备；

所述第一场道监测系统采集第一场道侧感知数据，并将所述第一场道侧感知数据发送至相应所述边缘计算设备；其中，所述第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；

所述边缘计算设备对所辖片区内所有所述车辆侧感知数据以及所述第一场道侧感知数据进行融合，生成各所述片区的融合数据，并基于所述融合数据生成各所述片区相应的局部高精地图动态数据，然后将所述局部高精地图动态数据发送至所述云平台；

所述云平台对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据。

2.如权利要求1所述的场面监视方法，其特征在于，所述场面监视系统还包括多个第二场道监测系统，所述第二场道监测系统包括如下至少一种场道监测设备：场面活动监视雷达系统、多点定位系统、广播式自动相关监视系统、视频增强场面监视系统；所述场面监视方法还包括：

所述第二场道监测系统采集第二场道侧感知数据，并将所述第二场道侧感知数据发送至所述云平台；

所述云平台对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据的步骤，包括：

所述云平台将所有所述边缘计算设备发送的所述局部高精地图动态数据以及所有所述第二场道侧感知数据进行融合，得到全场高精地图动态数据。

3.如权利要求1所述的场面监视方法，其特征在于，所述边缘计算设备对所辖片区内所有所述车辆侧感知数据以及所述第一场道侧感知数据进行融合，生成各所述片区的融合数据的步骤，包括：

所述边缘计算设备对所辖片区内所有所述车辆侧感知数据以及所述第一场道侧感知数据进行特征提取，得到多个特征矢量，并将处于不同坐标系中的多个对应于所述特征矢量的特征参数转换为标准坐标系中的多个测量参数；

所述边缘计算设备根据多个所述测量参数按照统一目标进行分组关联，并将各组所述测量参数中大于预设门限值的所述测量参数进行过滤，得到多组标准测量参数；

所述边缘计算设备将多组所述标准测量参数进行合成，生成各所述片区的融合数据；其中，所述融合数据为实时场道交通状态数据。

4.如权利要求3所述的场面监视方法，其特征在于，所述边缘计算设备根据多个所述测量参数按照统一目标进行分组关联的步骤之前，还包括：

所述边缘计算设备基于预设频率将多个所述测量参数进行划分，得到多个处于同一采集时间段的目标测量参数；

所述边缘计算设备将各所述目标测量参数进行卡尔曼滤波处理。

5.如权利要求1至4中任意一项所述的场面监视方法，其特征在于，所述云平台对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据的步骤之后，还包括：

所述云平台基于所述全场高精地图动态数据生成调度控制信息，并将所述调度控制信息发送至所述边缘计算设备；其中，所述调度控制信息包括：行驶路径、行驶起止地点、转运任务、起止时间；

所述边缘计算设备结合所述局部高精地图动态数据以及所述调度控制信息，生成协同控制信息，并将所述协同控制信息发送至所辖片区内的所述车辆监测系统；其中，所述协同控制信息包括：行驶行为、行驶速度范围、车道编号；

所述车辆监测系统基于所述协同控制信息以及所述车辆侧感知数据生成车辆行驶控制指令；其中，所述车辆行驶控制指令用于控制车辆执行相应行驶动作。

6.如权利要求1至4中任意一项所述的场面监视方法，其特征在于，所述第一场道监测系统采集第一场道侧感知数据的步骤之前，还包括：

所述云平台实时获取场面环境状态信息，并基于所述场面环境状态信息确定目标场道监测设备，然后向所述第一场道监测系统发送携带有所述目标场道监测设备的设备标识的场道监测指令；

所述第一场道监测系统采集第一场道侧感知数据的步骤，包括：

所述第一场道监测系统根据所述场道监测指令，控制所有场道监测设备中的所述目标场道监测设备采集所述第一场道侧感知数据。

7.如权利要求1至4中任意一项所述的场面监视方法，其特征在于，所述云平台对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据的步骤，包括：

所述云平台获取位置相邻的所述边缘计算设备的局部高精地图动态数据之间的重叠场景要素数据；

所述云平台对所有所述局部高精地图动态数据中所述重叠场景要素数据进行整合，得到全场高精地图动态数据。

8.一种场面监视系统，其特征在于，包括：云平台、多个第一场道监测系统、多个边缘计算设备以及多个车辆监测系统；

所述车辆监测系统，用于采集车辆侧感知数据，并将所述车辆侧感知数据发送至相应所述边缘计算设备；

所述第一场道监测系统，用于采集第一场道侧感知数据，并将所述第一场道侧感知数据发送至相应所述边缘计算设备；其中，所述第一场道监测系统包括如下至少一种场道监测设备：X波段雷达视频一体机、毫米波雷达视频一体机、激光雷达、地埋车检器；

所述边缘计算设备，用于对所辖片区内所有所述车辆侧感知数据以及所述第一场道侧感知数据进行融合，生成各所述片区的融合数据，并基于所述融合数据生成各所述片区相应的局部高精地图动态数据，然后将所述局部高精地图动态数据发送至所述云平台；

所述云平台，用于对所有所述边缘计算设备发送的所述局部高精地图动态数据进行融合，得到全场高精地图动态数据。

9.一种电子装置，其特征在于，包括：处理器、存储器和通信总线；

所述通信总线用于实现所述处理器和存储器之间的连接通信；

所述处理器用于执行所述存储器中存储的一个或者多个程序，以实现如权利要求1至7中任意一项所述的场面监视方法的步骤。

10.一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一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任意一项所述的场面监视方法的步骤。

Images