CN114067594A - 行驶路径的规划方法、装置、计算机设备和存储介质 - Google Patents
行驶路径的规划方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114067594A CN114067594A CN202010777940.7A CN202010777940A CN114067594A CN 114067594 A CN114067594 A CN 114067594A CN 202010777940 A CN202010777940 A CN 202010777940A CN 114067594 A CN114067594 A CN 114067594A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- candidate
- path
- target
- determining
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种行驶路径的规划方法、装置、计算机设备和存储介质。所述方法包括:获取目标交通工具的起始点和终点之间的多条候选行驶路径;根据各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量;根据各候选行驶路径的当前权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径;各候选路径的权重值为根据各候选行驶路径所对应的距离值确定的。采用本方法能够提高确定的目标交通工具的目标行驶路径的准确度。
Description
技术领域
本申请涉及交通技术领域,特别是涉及一种行驶路径的规划方法、装置、计算机设备和存储介质。
背景技术
随着机动车保有量的不断增加,交通堵塞问题也日益严峻。因此,需要对车辆的行驶路径进行合理的规划,确定车辆行驶的最优路径。
传统技术中,主要是通过对车辆的车牌进行检测确定车流量,或者通过GPS(Global positioning System,全球定位系统)定位确定车流量,进而根据确定的车流量规划车辆行驶的最优路径。然而,通过对车辆的车牌进行检测确定车流量时,由于远处的车牌容易被遮挡导致无法对车牌检测,使最终确定出的车流量低于实际车流量;通过GPS定位确定车流量时,由于GPS容易受遮挡等因素的影响,无法准确地进行定位,进而无法确定出准确的车流量。
因此,传统的车辆行驶路径规划方法,存在规划路径不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高车辆行驶路径规划准确度的行驶路径的规划方法、装置、计算机设备和存储介质。
一种行驶路径的规划方法,所述方法包括:
获取目标交通工具的起始点和终点之间的多条候选行驶路径;
根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量;
根据各所述候选行驶路径的当前权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径;各所述候选路径的权重值为根据各所述候选行驶路径所对应的距离值确定的。
在其中一个实施例中,所述根据各所述候选行驶路径的当前权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径,包括:
计算各所述候选行驶路径中当前权重值和车流量之间的融合权重;
将所述融合权重最小的候选行驶路径,确定为所述目标交通工具的目标行驶路径。
在其中一个实施例中,所述方法还包括:
将所述目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值;
采用所述增量后的权重值更新所述目标行驶路径的当前权重值。
在其中一个实施例中,所述方法还包括:
获取所有候选行驶路径中的节点,所述节点对应所述基站;
从所述节点中选择交通工具通过量符合第一预设条件的节点作为目标节点;
将所述交通工具中到达所述目标节点的最短路径中符合第二预设条件的交通工具作为所述目标交通工具;
将所述目标交通工具作为所述目标行驶路径上的交通工具,对应更新所述目标行驶路径的车流量。
在其中一个实施例中,所述基站所采集的数据包括激光雷达数据和相机数据;所述根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量,包括:
将所述激光雷达数据和所述相机数据进行数据融合,得到融合数据;
根据所述融合数据中的深度信息,确定各所述候选行驶路径所对应的车道;
对所述相机数据中的各交通工具进行检测,得到各所述交通工具的检测框;
根据各所述交通工具的检测框,得到各所述交通工具的行驶轨迹;
根据各所述交通工具的行驶轨迹和各所述候选行驶路径所对应的车道,确定各所述候选行驶路径的车流量。
在其中一个实施例中,所述深度信息包括激光雷达与各所述交通工具之间的距离;所述根据所述融合数据的深度信息,确定各所述候选行驶路径所对应的车道,包括:
根据所述激光雷达与各所述交通工具之间的距离,确定各所述交通工具的位置信息;
根据各所述交通工具的位置信息,确定各所述交通工具在所述候选行驶路径所对应的车道。
在其中一个实施例中,所述根据各所述交通工具的行驶轨迹和各所述候选行驶路径所对应的车道,确定各所述候选行驶路径的车流量,包括:
统计各所述候选行驶路径所对应的车道内交通工具的行驶轨迹数量;
根据所述行驶轨迹的数量确定各所述候选行驶路径的车流量。
在其中一个实施例中,所述根据各所述交通工具的检测框,得到各所述交通工具的行驶轨迹,包括:
将各所述交通工具的检测框输入预设的检测模型,得到各所述交通工具的检测框的特征信息;
根据各所述交通工具的检测框的特征信息进行目标跟踪匹配,得到各所述交通工具的行驶轨迹。
一种行驶路径的规划装置,所述装置包括:
第一获取模块,用于获取目标交通工具的起始点和终点之间的多条候选行驶路径;
第一确定模块,用于根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量;
规划模块,用于根据各所述候选行驶路径的权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标交通工具的起始点和终点之间的多条候选行驶路径;
根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量;
根据各所述候选行驶路径的当前权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径;各所述候选路径的权重值为根据各所述候选行驶路径所对应的距离值确定的。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标交通工具的起始点和终点之间的多条候选行驶路径;
根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量;
根据各所述候选行驶路径的当前权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径;各所述候选路径的权重值为根据各所述候选行驶路径所对应的距离值确定的。
上述行驶路径的规划方法、装置、计算机设备和存储介质,由于目标交通工具的起始点和终点之间的各候选行驶路径上布局的基站能够准确地采集到各候选路径上的数据,因此,根据各候选行驶路径上布局的基站所采集的数据,能够准确地确定出各候选行驶路径的车流量,而各候选路径的权重值为根据各候选路径所对应的距离值确定的,这样可以根据各候选路径所对应的距离值准确地确定出各候选路径的权重值,而目标交通工具的目标行驶路径是根据各候选行驶路径的当前权重值和各候选行驶路径的车流量确定的,目标交通工具的目标行驶路径的确定相当于考虑了距离和车流量这两个维度,因此,能准确地确定目标交通工具的目标行驶路径,提高了确定的目标交通工具的目标行驶路径的准确度。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图;
图2为一个实施例中行驶路径的规划方法的流程示意图;
图3为另一个实施例中行驶路径的规划方法的流程示意图;
图4为另一个实施例中行驶路径的规划方法的流程示意图;
图5为另一个实施例中行驶路径的规划方法的流程示意图;
图5a为另一个实施例中行驶路径的规划方法的流程示意图;
图6为另一个实施例中行驶路径的规划方法的流程示意图
图7为另一个实施例中行驶路径的规划方法的流程示意图;
图8为一个实施例中行驶路径的规划装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的行驶路径的规划方法,可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的,该计算机设备还可以包括网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以是服务器,可以是个人计算机,还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
在一个实施例中,如图2所示,提供了一种行驶路径的规划方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,获取目标交通工具的起始点和终点之间的多条候选行驶路径。
具体地,计算机设备获取目标交通工具的起始点和终点之间的多条候选行驶路径。可选的,目标交通工具可以为车辆,也可以为轮船。示例性地,目标交通工具的起始点和终点之间可以有A、B、C三条行驶路径,计算机设备可以根据目标交通工具的起始点和终点,获取目标交通工具的起始点和终点之间的A、B、C三条行驶路径。可选的,计算机设备可以将目标交通工具的起始点和终点作为预设的有向图的节点,将目标交通工具的起始点和终点之间的多条候选行驶路径作为该有向图的边,通过有向图这种可视化的方式通过以下步骤确定出目标交通工具的目标行驶路径。可选的,计算机设备首先可以通过以下方式确定目标交通工具:S1确定当前基站:遍历行驶路径上布局的各基站所采集的数据,确定以各基站为终点的交通工具数量M-i,取所有基站中M-i最大的基站作为当前基站;S2确定目标交通工具:求取以当前基站为终点的所有交通工具到当前基站的目标路径的权重,将目标路径权重最小的交通工具确定为上述目标交通工具。需要说明的是,在S2中,求取以当前基站为终点的所有交通工具到当前基站的目标路径的权重值时,此时不考虑该路径的权重增量,仅以各交通工具的当前位置到当前基站的距离作为所有交通工具到当前基站的目标路径的权重值。
S202,根据各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量。
其中,各候选行驶路径的车流量为单位时间内各候选行驶路径上所通过的车辆数。具体地,计算机设备根据目标交通工具的起始点和终点之间各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量。可选的,各候选行驶路径上布局的基站可以安装有激光雷达和多个相机,相应的,各候选行驶路径上布局的基站所采集的数据可以包括激光雷达数据和相机数据。
S203,根据各候选行驶路径的当前权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径;各候选路径的权重值为根据各候选行驶路径所对应的距离值确定的。
具体地,计算机设备根据各候选行驶路径的当前权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径。其中,各候选行驶路径的权重值为根据各候选行驶路径所对应的距离值确定的。可选的,计算机设备可以将各候选行驶路径的当前权值值最小且各候选行驶路径的车流量最小对应的候选行驶路径确定为目标交通工具的目标行驶路径,也可以将各候选行驶路径的当前权值值最小对应的候选行驶路径确定为目标交通工具的目标行驶路径,或者,将各候选行驶路径的车流量最小对应的候选行驶路径确定为目标交通工具的目标行驶路径。
上述行驶路径的规划方法中,由于目标交通工具的起始点和终点之间的各候选行驶路径上布局的基站能够准确地采集到各候选路径上的数据,因此,根据各候选行驶路径上布局的基站所采集的数据,能够准确地确定出各候选行驶路径的车流量,而各候选路径的权重值为根据各候选路径所对应的距离值确定的,这样可以根据各候选路径所对应的距离值准确地确定出各候选路径的权重值,而目标交通工具的目标行驶路径是根据各候选行驶路径的当前权重值和各候选行驶路径的车流量确定的,相当于考虑了距离和车流量这两个维度,因此能准确地确定目标交通工具的目标行驶路径,提高了确定的目标交通工具的目标行驶路径的准确度。
在上述根据各候选行驶路径的当前权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径的场景中,计算机设备可以将各候选行驶路径中当前权重值和车流量融合权重的最小值对应的候选行驶路径,确定为目标交通工具的目标行驶路径。在一个实施例中,如图3所示,上述S203,包括:
S301,计算各候选行驶路径中当前权重值和车流量之间的融合权重。
具体地,计算机设备计算各候选行驶路径中当前权重值和车流量之间的融合权重。示例性地,候选行驶路径有A、B、C三条行驶路径,候选行驶路径A的当前权重值为101,车流量为20,候选行驶路径B的当前权重值为115,车流量为35,候选行驶路径C的当前权重值为99,车流量为15,计算机设备可以根据下述公式各候选行驶路径中当前权重值和车流量之间的融合权重:融合权重=(A*当前权重值+B*车流量)/2,式中,A为各候选行驶路径中当前权重值的加权值,B为各候选行驶路径中车流量的加权值。
S302,将融合权重最小的候选行驶路径,确定为目标交通工具的目标行驶路径。
具体地,计算机设备将各候选行驶路径中当前权重值和车流量融合权重最小的候选路径,确定为目标交通工具的目标行驶路径。继续以上述候选行驶路径有A、B、C三条行驶路径为例,对A、B、C三条行驶路径中当前权重值和车流量进行加权平均,得到的A、B、C三条行驶路径中当前权重值和车流量融合权重最小的候选行驶路径为候选行驶路径为B,则计算机设备将候选行驶路径B确定为目标交通工具的目标行驶路径。
本实施例中,计算机设备能够根据各候选行驶路径中当前权重值和车流量,准确地计算出各候选行驶路径中当前权重值和车流量之间的融合权重,这样可以准确地确定出各候选行驶路径中当前权重值和车流量之间的融合权重的最小值,进而可以将融合权重最小的候选行驶路径确定目标交通工具的目标行驶路径,提高了确定的目标交通工具的目标行驶路径的准确度。
在上述计算机设备将各候选行驶路径中当前权重值和车流量融合权重最小的候选行驶路径,确定为目标交通工具的目标行驶路径的场景中,确定了目标交通工具的目标行驶路径后将对目标行驶路径的权重值进行更新,得到更新后的权重值,进而根据更新后的权重值确定新的目标交通工具的目标行驶路径。在一个实施例中,如图4所示,上述方法还包括:
S401,将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值。
具体地,计算机设备将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值。可选的,预设的权重增量为1。示例性地,目标行驶路径的当前权重值为115,预设的权重增量为1,则计算机设备将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值为116。
S402,采用增量后的权重值更新目标行驶路径的当前权重值。
具体地,计算机设备采用增量后的权重值更新目标行驶路径的当前权重值。示例性地,继续以上述目标行驶路径的当前权重值为115,预设的权重增量为1,增量后的权重值为116为例,则计算机设备采用增量后的权重值116更新目标行驶路径的当前权重值115,进一步,计算机设备可以根据更新后的目标行驶路径的当前权重值,确定目标交通工具的目标行驶路径。可选的,若计算机设将目标交通工具的起始点和终点作为有向图的节点,目标交通工具的起始点和终点之间的多条候选行驶路径作为有向图的边,从这多条候选行驶路径中确定出目标交通工具的目标行驶路径后,采用增量后的权重值更新目标行驶路径的当前权重值,也即采用增量后的权重值更新目标行驶路径对应的有向图的边的权重值。
本实施例中,计算机设备将目标行驶路径的当前权重值加上预设的权重增量,能够准确地得到增量后的权重值,进而能够采用增量后的权重值准确地更新目标行驶路径的当前权重值,进而可以根据更新后的目标行驶路径的当前权重值准确地确定新的目标交通工具的目标行驶路径。
在上述更新目标行驶路径的当前权重值的场景中,还可以通过以下过程更新目标行驶路径的车流量。在一个实施例中,如图5所示,上述方法还包括:
S501,获取所有候选行驶路径中的节点,节点对应基站。
具体地,计算机设备获取所有候选行驶路径中的节点,也即获取所有候选行驶路径中的基站。可选地,计算机设备可以根据地图数据获取所有候选行驶路径中的基站。
S502,从节点中选择交通工具通过量符合第一预设条件的节点作为目标节点。
具体地,计算机设备从上述节点中选择交通工具通过量符合第一预设条件的节点作为目标节点。可选的,计算机设备可以将上述节点作为交通工具的终点,确定到达该节点的交通工具的数量,将到达该节点的交通工具数量最多的节点确定为目标节点。示例性地,如有A、B、C三个节点,这三个节点中交通工具通过节点B的数量最多,则计算机设备将节点B确定为该目标节点。可选的,计算机设备可以将通过上述节点的交通工具的数量达到预设阈值的节点作为目标节点,示例性地,如有A、B、C三个节点,这三个节点的交通工具的数量均达到预设阈值,则计算机设备将节点A、B、C均确定为该目标节点。
S503,将交通工具中到达目标节点的最短路径中符合第二预设条件的交通工具作为目标交通工具。
具体地,计算机设备将上述交通工具中到达目标节点的最短路径中符合第二预设条件的交通工具作为目标交通工具。例如,有1,2,3三个交通工具,交通工具3到达目标节点的最短路径是这三个交通工具到达目标节点的最短路径中距离最小的交通工具,则计算机设备将交通工具3确定为上述目标交通工具;或者,交通工具2到达目标节点的最短路径小于预设的路径阈值,则计算机设备将交通工具2确定为上述目标交通工具;或者,交通工具2和交通工具3到达目标节点的最短路径均小于预设的路径阈值,则计算机设备将交通工具2和交通工具3均确定为上述目标交通工具。
S504,将目标交通工具作为目标行驶路径上的交通工具,对应更新目标行驶路径的车流量。
具体地,计算机设备将目标交通工具作为目标行驶路径上的交通工具,对应更新目标行驶路径的车流量。示例性地,如目标行驶路径的车流量为10,将目标交通工具作为目标行驶路径上的交通工具后将目标行驶路径的车流量可以更新为11。
可以理解的是,若将目标交通工具的起始点和终点作为预设的有向图的节点,将目标交通工具的起始点和终点之间的多条候选行驶路径作为该有向图的边,该节点与部署的基站对应,则上述过程可以为:首先确定上述有向无环图中输入边最多的节点(目标节点),之后基于该节点进行行驶路径的权重更新。可选地,可以首选获取到达该目标节点最短路径中距离最小的交通工具,之后进行在该交通工具到达目标节点之间的路径对应的车流量加1处理,即实现了对应候选行驶路径的车流量更新。可选地,在进行目标交通工具对应的车流量更新后,相当于确定了该目标交通工具的行驶路径,即完成该目标交通工具交通调度。此时,可以对应删除该目标交通工具对应的数据。例如,在使用队列管理待调度的交通工具时,在进行目标交通工具对应的车流量更新后,可以将该目标交通工具从队列删除。这可以减少数据冗余,提高数据处理效率。
在完成车流量更新后,再基于该更新的车流量进行基于目标节点的路径权重更新。本实施例,选择有向无环图中输入边最多的节点作为交通流量调度过程中的操作节点,由于该节点输入边最多,即汇聚的车辆也将会最多,因此,若可以很好的对这类节点进行高质量的调度,则可以很好的实现交通整体调度。
示例性地,可以通过如图5a所示的流程更新目标行驶路径的车流量,可以将所有的交通工具预先存入队列Q中,在队列Q不为空时,将各候选行驶路径的车流量分配给上述节点的边,然后统计所有节点被当作目标节点的次数,从中选出被当作目标节点次数最多的节点j,然后通过dijkstra算法求取终点为节点j的所有交通工具到节点j的最短路径距离,取最短路径距离中距离最小的交通工具C的路径进行车流量的更新,当更新完交通工具C的行驶路径的车流量后,从队列Q中删除交通工具C。
本实施例中,计算机设备首先获取所有候选行驶路径中的节点,从这些节点中选择交通工具通过量符合第一预设条件的节点作为目标节点,并将这些交通工具中到达目标节点的最短路径中符合第二预设条件的交通工具作为目标交通工具,进而可以将目标交通工具作为目标行驶路径上的交通工具,实时地更新目标行驶路径的车流量,保证了获取目标行驶路径的车流量的准确度。
在上述计算机设备根据各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量的场景中,各候选行驶路径上布局的基站所采集的数据包括激光雷达数据和相机数据。在一个实施例中,如图6所示,上述S202,包括:
S601,将激光雷达数据和相机数据进行数据融合,得到融合数据。
具体地,计算机设备将各候选行驶路径上布局的基站采集的激光雷达数据和相机数据进行融合,得到融合数据。可选的,计算机设备可以将采集的激光雷达数据根据投影矩阵映射到相素坐标系,然后将激光雷达数据和相机数据进行数据融合,得到融合数据。
S602,根据融合数据中的深度信息,确定各候选行驶路径所对应的车道。
具体地,计算机设备根据上述融合数据中的深度信息,确定各候选行驶路径所对应的车道。可选的,上述融合数据中的深度信息用于表征激光雷达与各交通工具之间的距离,计算机设备可以通过以下步骤确定各交通工具在候选行驶路径所对应的车道:
步骤A,根据激光雷达与各交通工具之间的距离,确定各交通工具的位置信息。
具体地,计算机设备根据激光雷达与各交通工具之间的距离,以及激光雷达与各交通工具之间的夹角值,确定各交通工具的位置信息。
步骤B,根据各交通工具的位置信息,确定各交通工具在候选行驶路径所对应的车道。
具体地,计算机设备根据各交通工具的位置信息,确定各交通工具在候选行驶路径所对应的车道。可选的,计算机设备可以根据各交通工具的位置信息,确定各交通工具所对应的车道,进而确定各交通工具在候选行驶路径所对应的车道。
S603,对相机数据中的各交通工具进行检测,得到各交通工具的检测框。
具体地,计算机设备对各候选行驶路径上布局的基站采集的相机数据中的各交通工具进行检测,得到各交通工具的检测框。可选的,计算机设备可以将采集的相机数据输入预设的检测模型中,对相机数据中的各交通工具进行检测,得到各交通工具的检测框。
S604,根据各交通工具的检测框,得到各交通工具的行驶轨迹。
具体地,计算机设备根据上述得到的各交通工具的检测框,得到各交通工具的行驶轨迹。可选的,计算机设备可以根据连续多帧的各交通工具的检测框,得到各交通工具的行驶轨迹。例如,有交通工具A、B、C,计算机设备可以根据交通工具A连续多帧的检测框,得到交通工具A的行驶轨迹,根据交通工具B连续多帧的检测框,得到交通工具B的行驶轨迹,根据交通工具C连续多帧的检测框,得到交通工具C的行驶轨迹。
S605,根据各交通工具的行驶轨迹和各候选行驶路径所对应的车道,确定各候选行驶路径的车流量。
具体地,计算机设备根据各交通工具的行驶轨迹和各候选行驶路径对应的车道,确定各候选行驶路径的车流量。可选的,计算机设备可以统计各候选行驶路径所对应的车道内交通工具的行驶轨迹数量,根据各候选行驶路径所对应的车道内交通工具的行驶轨迹数量,确定各候选行驶路径的车流量。
本实施例中,计算机设备能够将激光雷达数据和相机数据进行数据融合,得到融合数据,进而可以根据融合数据中的深度信息,能够准确地确定出各候选行驶路径所对应的车道,能够对相机数据中的各交通工具进行检测,准确地得到各交通工具的检测框,进而可以根据各交通工具的检测框,准确地得到各交通工具的行驶轨迹,这样能够使计算机设备根据各交通工具的行驶轨迹和各候选行驶路径所对应的车道,准确地确定出各候选行驶路径的车流量,提高了确定的各候选行驶路径的车流量的准确度。
在上述计算机设备根据各交通工具的检测框,得到各交通工具的行驶轨迹的场景中,计算机设备可以根据各交通工具的检测框的特征信息,得到各交通工具的行驶轨迹。在一个实施例中,如图7所示,上述S504,包括:
S701,将各交通工具的检测框输入预设的检测模型,得到各交通工具的检测框的特征信息。
具体地,计算机设备将各交通工具的检测框输入预设的检测模型,得到各交通工具的检测框的特征信息。可选的,得到的各交通工具的检测框的特征信息可以包括各交通工具的颜色、长宽高信息以及纹理特征信息等。
S702,根据各交通工具的检测框的特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。
具体地,计算机设备根据各交通工具的检测框的特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。示例性地,以各交通工具的检测框的特征信息包括各交通工具的颜色、长宽高信息以及纹理特征信息为例,计算机设备可以综合考虑各交通工具的颜色、长宽高信息和纹理特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。
本实施例中,计算机设备将各交通工具的检测框输入预设的检测模型,能够准确地得到各交通工具的检测框的特征信息,进而可以根据各交通工具的检测框的特征信息准确地进行目标跟踪匹配,得到准确度较高的各交通工具的行驶轨迹,提高了得到的各交通工具的行驶轨迹的准确度。
为了便于本领域技术人员的理解,以下对本申请提供的行驶路径的规划方法进行详细介绍,该方法可以包括:
S801,获取所有候选行驶路径中的节点;节点对应基站。
S802,从节点中选择交通工具通过量最多的节点作为目标节点。
S803,将交通工具中到达目标节点的最短路径中距离最小的交通工具作为目标交通工具。
S804,获取目标交通工具的起始点和终点之间的多条候选行驶路径。
S805,将各候选行驶路径上布局的基站所采集的激光雷达数据和相机数据进行数据融合,得到融合数据。
S806,根据激光雷达与各交通工具之间的距离,确定各交通工具的位置信息。
S807,根据各交通工具的位置信息,确定各各交通工具在候选行驶路径所对应的车道。
S808,对相机数据中的各交通工具进行检测,得到各交通工具的检测框。
S809,将各交通工具的检测框输入预设的检测模型,得到各交通工具的检测框的特征信息。
S810,根据各交通工具的检测框的特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。
S811,统计各候选行驶路径所对应的车道内交通工具的行驶轨迹数量。
S812,根据行驶轨迹的数量确定各候选行驶路径的车流量。
S813,计算各候选行驶路径中当前权重值和车流量之间的融合权重。
S814,将融合权重最小的候选行驶路径,确定为目标交通工具的目标行驶路径。
S815,将目标交通工具作为目标行驶路径上的交通工具,对应更新目标行驶路径的车流量。
S816,将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值。
S817,采用增量后的权重值更新目标行驶路径的当前权重值。
需要说明的是,针对上述S801-S817中的描述可以参见上述实施例中相关的描述,且其效果类似,本实施例在此不再赘述。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种行驶路径的规划装置,包括:第一获取模块、第一确定模块和规划模块,其中:
第一获取模块,用于获取目标交通工具的起始点和终点之间的多条候选行驶路径。
第一确定模块,用于根据各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量。
规划模块,用于根据各候选行驶路径的权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述规划模块包括:排序单元和第一确定单元,其中:
计算单元,用于计算各候选行驶路径中当前权重值和车流量之间的融合权重。
第一确定单元,用于将融合权重最小的候选行驶路径,确定为目标交通工具的目标行驶路径。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括:增量模块和第一更新模块,其中:
增量模块,用于将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值。
第一更新模块,用于采用增量后的权重值更新目标行驶路径的当前权重值。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括:第二获取模块、选择模块、第二确定模块和第二更新模块,其中:
第二获取模块,用于获取所有候选行驶路径中的节点,节点对应基站;
选择模块,用于从节点中选择交通工具通过量符合第一预设条件的节点作为目标节点;
第二确定模块,用于将交通工具中到达目标节点的最短路径中符合第二预设条件的交通工具作为目标交通工具;
第二更新模块,用于将目标交通工具作为目标行驶路径上的交通工具,对应更新目标行驶路径的车流量。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述基站所采集的数据包括激光雷达数据和相机数据;上述第一确定模块包括融合单元、第二确定单元、检测单元、获取单元和第三确定单元,其中:
融合单元,用于将激光雷达数据和相机数据进行数据融合,得到融合数据。
第二确定单元,用于根据融合数据中的深度信息,确定各候选行驶路径所对应的车道。
检测单元,用于对相机数据中的各交通工具进行检测,得到各交通工具的检测框。
获取单元,用于根据各交通工具的检测框,得到各交通工具的行驶轨迹。
第三确定单元,用于根据各交通工具的行驶轨迹和各候选行驶路径所对应的车道,确定各候选行驶路径的车流量。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述深度信息包括激光雷达与各交通工具之间的距离;上述第二确定单元,具体用于根据激光雷达与各交通工具之间的距离,确定各交通工具的位置信息;根据各交通工具的位置信息,确定各交通工具在候选行驶路径所对应的车道。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第三确定单元,具体用于统计各候选行驶路径所对应的车道内交通工具的行驶轨迹数量;根据行驶轨迹的数量确定各候选行驶路径的车流量。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述获取单元,具体用于将各交通工具的检测框输入预设的检测模型,得到各交通工具的检测框的特征信息;根据各交通工具的检测框的特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。
本实施例提供的行驶路径的规划装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于行驶路径的规划装置的具体限定可以参见上文中对于行驶路径的规划方法的限定,在此不再赘述。上述行驶路径的规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标交通工具的起始点和终点之间的多条候选行驶路径;
根据各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量;
根据各候选行驶路径的当前权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径;各候选路径的权重值为根据各候选行驶路径所对应的距离值确定的。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算各候选行驶路径中当前权重值和车流量之间的融合权重;
将融合权重最小的候选行驶路径,确定为目标交通工具的目标行驶路径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值;
采用增量后的权重值更新目标行驶路径的当前权重值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取所有候选行驶路径中的节点,节点对应基站;
从节点中选择交通工具通过量符合第一预设条件的节点作为目标节点;
将交通工具中到达目标节点的最短路径中符合第二预设条件的交通工具作为目标交通工具;
将目标交通工具作为目标行驶路径上的交通工具,对应更新目标行驶路径的车流量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将激光雷达数据和相机数据进行数据融合,得到融合数据;
根据融合数据中的深度信息,确定各候选行驶路径所对应的车道;
对相机数据中的各交通工具进行检测,得到各交通工具的检测框;
根据各交通工具的检测框,得到各交通工具的行驶轨迹;
根据各交通工具的行驶轨迹和各候选行驶路径所对应的车道,确定各候选行驶路径的车流量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据激光雷达与各交通工具之间的距离,确定各交通工具的位置信息;
根据各交通工具的位置信息,确定各交通工具在候选行驶路径所对应的车道。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
统计各候选行驶路径所对应的车道内交通工具的行驶轨迹数量;
根据行驶轨迹的数量确定各候选行驶路径的车流量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将各交通工具的检测框输入预设的检测模型,得到各交通工具的检测框的特征信息;
根据各交通工具的检测框的特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,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时实现以下步骤:
获取目标交通工具的起始点和终点之间的多条候选行驶路径;
根据各候选行驶路径上布局的基站所采集的数据,确定各候选行驶路径的车流量;
根据各候选行驶路径的当前权重值和各候选行驶路径的车流量,确定目标交通工具的目标行驶路径;各候选路径的权重值为根据各候选行驶路径所对应的距离值确定的。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算各候选行驶路径中当前权重值和车流量之间的融合权重;
将融合权重最小的候选行驶路径,确定为目标交通工具的目标行驶路径。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值;
采用增量后的权重值更新目标行驶路径的当前权重值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取所有候选行驶路径中的节点,节点对应基站;
从节点中选择交通工具通过量符合第一预设条件的节点作为目标节点;
将交通工具中到达目标节点的最短路径中符合第二预设条件的交通工具作为目标交通工具;
将目标交通工具作为目标行驶路径上的交通工具,对应更新目标行驶路径的车流量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将激光雷达数据和相机数据进行数据融合,得到融合数据;
根据融合数据中的深度信息,确定各候选行驶路径所对应的车道;
对相机数据中的各交通工具进行检测,得到各交通工具的检测框;
根据各交通工具的检测框,得到各交通工具的行驶轨迹;
根据各交通工具的行驶轨迹和各候选行驶路径所对应的车道,确定各候选行驶路径的车流量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据激光雷达与各交通工具之间的距离,确定各交通工具的位置信息;
根据各交通工具的位置信息,确定各交通工具在候选行驶路径所对应的车道。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
统计各候选行驶路径所对应的车道内交通工具的行驶轨迹数量;
根据行驶轨迹的数量确定各候选行驶路径的车流量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各交通工具的检测框输入预设的检测模型,得到各交通工具的检测框的特征信息;
根据各交通工具的检测框的特征信息进行目标跟踪匹配,得到各交通工具的行驶轨迹。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种行驶路径的规划方法,其特征在于,所述方法包括:
获取目标交通工具的起始点和终点之间的多条候选行驶路径;
根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量;
根据各所述候选行驶路径的当前权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径;各所述候选路径的权重值为根据各所述候选行驶路径所对应的距离值确定的。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述候选行驶路径的当前权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径,包括:
计算各所述候选行驶路径中当前权重值和车流量之间的融合权重;
将所述融合权重最小的候选行驶路径,确定为所述目标交通工具的目标行驶路径。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
将所述目标行驶路径的当前权重值加上预设的权重增量,得到增量后的权重值;
采用所述增量后的权重值更新所述目标行驶路径的当前权重值。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
获取所有候选行驶路径中的节点,所述节点对应所述基站;
从所述节点中选择交通工具通过量符合第一预设条件的节点作为目标节点;
将所述交通工具中到达所述目标节点的最短路径中符合第二预设条件的交通工具作为所述目标交通工具;
将所述目标交通工具作为所述目标行驶路径上的交通工具,对应更新所述目标行驶路径的车流量。
5.根据权利要求1所述的方法,其特征在于,所述基站所采集的数据包括激光雷达数据和相机数据;所述根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量,包括:
将所述激光雷达数据和所述相机数据进行数据融合,得到融合数据;
根据所述融合数据中的深度信息,确定各所述候选行驶路径所对应的车道;
对所述相机数据中的各交通工具进行检测,得到各所述交通工具的检测框;
根据各所述交通工具的检测框,得到各所述交通工具的行驶轨迹;
根据各所述交通工具的行驶轨迹和各所述候选行驶路径所对应的车道,确定各所述候选行驶路径的车流量。
6.根据权利要求5项所述的方法,其特征在于,所述深度信息包括激光雷达与各所述交通工具之间的距离;所述根据所述融合数据的深度信息,确定各所述候选行驶路径所对应的车道,包括:
根据所述激光雷达与各所述交通工具之间的距离,确定各所述交通工具的位置信息;
根据各所述交通工具的位置信息,确定各所述交通工具在所述候选行驶路径所对应的车道。
7.根据权利要求5所述的方法,其特征在于,所述根据各所述交通工具的行驶轨迹和各所述候选行驶路径所对应的车道,确定各所述候选行驶路径的车流量,包括:
统计各所述候选行驶路径所对应的车道内交通工具的行驶轨迹数量;
根据所述行驶轨迹的数量确定各所述候选行驶路径的车流量。
8.根据权利要求6或7所述的方法,其特征在于,所述根据各所述交通工具的检测框,得到各所述交通工具的行驶轨迹,包括:
将各所述交通工具的检测框输入预设的检测模型,得到各所述交通工具的检测框的特征信息;
根据各所述交通工具的检测框的特征信息进行目标跟踪匹配,得到各所述交通工具的行驶轨迹。
9.一种行驶路径的规划装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标交通工具的起始点和终点之间的多条候选行驶路径;
第一确定模块,用于根据各所述候选行驶路径上布局的基站所采集的数据,确定各所述候选行驶路径的车流量;
规划模块,用于根据各所述候选行驶路径的权重值和各所述候选行驶路径的车流量,确定所述目标交通工具的目标行驶路径。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010777940.7A CN114067594B (zh) | 2020-08-05 | 2020-08-05 | 行驶路径的规划方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010777940.7A CN114067594B (zh) | 2020-08-05 | 2020-08-05 | 行驶路径的规划方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067594A true CN114067594A (zh) | 2022-02-18 |
CN114067594B CN114067594B (zh) | 2023-02-17 |
Family
ID=80232225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010777940.7A Active CN114067594B (zh) | 2020-08-05 | 2020-08-05 | 行驶路径的规划方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067594B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349566A (zh) * | 2007-07-19 | 2009-01-21 | 康佳集团股份有限公司 | 一种车辆实时导航方法及系统 |
CN103901431A (zh) * | 2014-04-18 | 2014-07-02 | 西安飞达电子科技有限公司 | 一种三维交通信息采集雷达及实现方法 |
CN106092111A (zh) * | 2016-06-03 | 2016-11-09 | 山东师范大学 | 一种车辆路径动态规划方法、服务器及导航系统 |
KR101751298B1 (ko) * | 2016-02-18 | 2017-07-11 | 한국전자통신연구원 | 차량 경로 예측 방법 및 장치 |
CN107507417A (zh) * | 2017-08-03 | 2017-12-22 | 北京信息科技大学 | 一种基于微波雷达回波信号的智能车道划分方法及装置 |
WO2018157735A1 (zh) * | 2017-03-03 | 2018-09-07 | 北京市商汤科技开发有限公司 | 目标跟踪方法、系统及电子设备 |
CN108648458A (zh) * | 2018-06-30 | 2018-10-12 | 天津市尚典科技发展有限公司 | 公路智能路况实时监测安全保障系统及具有该系统的公路 |
CN109615870A (zh) * | 2018-12-29 | 2019-04-12 | 南京慧尔视智能科技有限公司 | 一种基于毫米波雷达和视频的交通检测系统 |
CN109785632A (zh) * | 2019-03-14 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种交通流量统计方法及装置 |
CN110211388A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 基于3d激光雷达的多车道自由流车辆匹配方法及系统 |
DE102018215448B3 (de) * | 2018-09-11 | 2019-10-31 | Conti Temic Microelectronic Gmbh | Verfahren zur Schätzung der Geometrie eines Bewegungsweges |
CN110595493A (zh) * | 2019-09-25 | 2019-12-20 | 北京蓦然认知科技有限公司 | 一种实时动态路径规划方法和装置 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
-
2020
- 2020-08-05 CN CN202010777940.7A patent/CN114067594B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349566A (zh) * | 2007-07-19 | 2009-01-21 | 康佳集团股份有限公司 | 一种车辆实时导航方法及系统 |
CN103901431A (zh) * | 2014-04-18 | 2014-07-02 | 西安飞达电子科技有限公司 | 一种三维交通信息采集雷达及实现方法 |
KR101751298B1 (ko) * | 2016-02-18 | 2017-07-11 | 한국전자통신연구원 | 차량 경로 예측 방법 및 장치 |
CN106092111A (zh) * | 2016-06-03 | 2016-11-09 | 山东师范大学 | 一种车辆路径动态规划方法、服务器及导航系统 |
WO2018157735A1 (zh) * | 2017-03-03 | 2018-09-07 | 北京市商汤科技开发有限公司 | 目标跟踪方法、系统及电子设备 |
CN107507417A (zh) * | 2017-08-03 | 2017-12-22 | 北京信息科技大学 | 一种基于微波雷达回波信号的智能车道划分方法及装置 |
CN108648458A (zh) * | 2018-06-30 | 2018-10-12 | 天津市尚典科技发展有限公司 | 公路智能路况实时监测安全保障系统及具有该系统的公路 |
DE102018215448B3 (de) * | 2018-09-11 | 2019-10-31 | Conti Temic Microelectronic Gmbh | Verfahren zur Schätzung der Geometrie eines Bewegungsweges |
CN109615870A (zh) * | 2018-12-29 | 2019-04-12 | 南京慧尔视智能科技有限公司 | 一种基于毫米波雷达和视频的交通检测系统 |
CN109785632A (zh) * | 2019-03-14 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种交通流量统计方法及装置 |
CN110211388A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 基于3d激光雷达的多车道自由流车辆匹配方法及系统 |
CN110595493A (zh) * | 2019-09-25 | 2019-12-20 | 北京蓦然认知科技有限公司 | 一种实时动态路径规划方法和装置 |
CN111368706A (zh) * | 2020-03-02 | 2020-07-03 | 南京航空航天大学 | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 |
Non-Patent Citations (1)
Title |
---|
刘智琦等: "基于交通流量预测的动态最优路径规划研究", 《广西工学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114067594B (zh) | 2023-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11808581B2 (en) | Lane-level map matching | |
JP6694395B2 (ja) | デジタル地図に対する位置を決定する方法およびシステム | |
US20180023973A1 (en) | Extrapolating speed limits within road graphs | |
US8359156B2 (en) | Map generation system and map generation method by using GPS tracks | |
KR20180100194A (ko) | 경로 이탈 인식 방법, 단말 및 저장 매체 | |
US10119829B2 (en) | Route planning method and device for navigation system and storage medium | |
JP2023515188A (ja) | ナビゲーション方法および装置 | |
US20210041263A1 (en) | Map information updating system and map information updating program | |
US10066953B2 (en) | Destination estimating system and destination estimating method | |
JP6803205B2 (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
WO2022016320A1 (zh) | 地图更新方法、装置、计算机设备和存储介质 | |
JP2011075345A (ja) | 走行リンク確定装置及びリンク旅行時間算出装置 | |
CN112183828A (zh) | 路径生成方法、装置、存储介质及电子设备 | |
WO2018101074A1 (ja) | 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置 | |
CN115420275A (zh) | 回环路径的预测方法及装置、非易失性存储介质、处理器 | |
US20230063809A1 (en) | Method for improving road topology through sequence estimation and anchor point detetection | |
CN111414804B (zh) | 识别框确定方法、装置、计算机设备、车辆和存储介质 | |
CN111882494B (zh) | 位姿图处理方法、装置、计算机设备和存储介质 | |
CN114067594B (zh) | 行驶路径的规划方法、装置、计算机设备和存储介质 | |
CN112985440A (zh) | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 | |
JP2021076593A (ja) | 構築及び位置特定技術分野に焦点を当てた動的マップ生成 | |
WO2018078717A1 (ja) | 走行経路推定装置及び走行経路推定方法 | |
CN111651547A (zh) | 高精度地图数据的获取方法、装置及可读存储介质 | |
JP2016211900A (ja) | 情報処理装置、経路探索方法、交通情報データ、およびコンピュータプログラム | |
JP5358534B2 (ja) | 行動経路推定方法及びプログラム |
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 |