CN114298225A - 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 - Google Patents
轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114298225A CN114298225A CN202111643184.XA CN202111643184A CN114298225A CN 114298225 A CN114298225 A CN 114298225A CN 202111643184 A CN202111643184 A CN 202111643184A CN 114298225 A CN114298225 A CN 114298225A
- Authority
- CN
- China
- Prior art keywords
- track
- track point
- key
- slope
- point
- 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
Links
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Manipulator (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本公开实施例公开一种轨迹点筛选及轨迹生成方法、装置、设备、存储介质。轨迹点筛选方法包括：获取真实行驶轨迹的M个轨迹点；从M个轨迹点中获取当前的关键轨迹点，基于当前的关键轨迹点确定当前的基础斜率；在当前轨迹点不为第M个轨迹点的情况下，基于当前的基础斜率，M个轨迹点中前一个轨迹点与当前轨迹点之间的斜率，以及关键轨迹点与当前轨迹点之间的斜率，从M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完M个轨迹点中的待筛选轨迹点的情况下，得到N‑1个关键轨迹点；N‑1个关键轨迹点和第M个轨迹点用于生成模拟轨迹。通过本公开，能筛选出重要的关键轨迹点，以用于生成准确的模拟轨迹，同时，降低传输至云平台的数据量。
Description
技术领域
本公开涉及车联网技术，尤其涉及一种轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质。
背景技术
车联网，以车内网、车际网和车载移动互联网为基础，按照约定的体系架构及其通信协议和数据交互标准，实现无线通信和信息交换，是物联网技术在智能交通系统领域的延伸。车用无线通信(Vehicle to Everything，V2X)技术作为车际网的关键信息交互技术，主要用于实现车辆与车联网云平台、车、路和人之间的信息通信及协同控制。现阶段主要还是应用于车联网云平台、车和路之间的信息通信。
车辆需要采集车况、路况等信息，并借助车载单元(On board Unit，OBU)的通讯信息交互功能上报给车联网云平台(以下简称“云平台”)，且车载单元是通过移动网络接入能力接入云平台。
现阶段由于移动网络的带宽以及成本限制，需要在保持必要信息上传的同时，尽可能减少上传的数据量，而车辆的行进时的轨迹线就是必须上传但是往往数据量又很大的信息；因此，需要对此类数据进行精简压缩。
目前，智能驾驶车辆普遍采用高精地图，为了精确计算车辆的行进路线，往往计算出来的行进轨迹线的数据量非常大；例如，一条两公里左右的路线就会产生超过几MB(MByte)，甚至更多的数据量。但是，受到网络带宽和网络成本的影响，如此大的数据量对于云平台的接收、存储和处理，以及前端展示会造成负担。
发明内容
本公开实施例提供一种轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质，能够筛选出重要的关键轨迹点，以用于生成准确的模拟轨迹，同时，降低传输至云平台的数据量；还提供一种轨迹生成方法，能够提高生成模拟轨迹的效率。
本公开实施例的技术方案是这样实现的：
本公开实施例提供一种轨迹点筛选方法，包括：
获取真实行驶轨迹的M个轨迹点；M为大于2的整数；
从所述M个轨迹点中获取当前的关键轨迹点，并基于所述当前的关键轨迹点确定当前的基础斜率；
在当前轨迹点不为第M个轨迹点的情况下，基于所述当前的基础斜率，所述M个轨迹点中前一个轨迹点与所述当前轨迹点之间的斜率，以及所述关键轨迹点与所述当前轨迹点之间的斜率，从所述M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完所述M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点；N为小于M的整数；所述N-1个关键轨迹点结合所述第M个轨迹点用于生成所述真实行驶轨迹对应的模拟轨迹。
本公开实施例提供一种轨迹生成方法，包括：
获取真实行驶轨迹对应的原始数据；
对所述原始数据进行关键轨迹点筛选，得到筛选数据；
将所述筛选数据发送至云平台；所述云平台用于对所述筛选数据进行轨迹模拟，得到模拟轨迹。
本公开实施例提供一种轨迹点筛选装置，包括：
第一获取单元，用于获取真实行驶轨迹的M个轨迹点；M为大于2的整数；
第一确定单元，用于从所述M个轨迹点中获取当前的关键轨迹点，并基于所述当前的关键轨迹点确定当前的基础斜率；
第一筛选单元，用于在当前轨迹点不为第M个轨迹点的情况下，基于所述当前的基础斜率，所述M个轨迹点中前一个轨迹点与当前轨迹点之间的斜率，以及所述关键轨迹点与所述当前轨迹点之间的斜率，从所述M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完所述M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点；N为小于M的整数；所述N-1个关键轨迹点结合所述第M个轨迹点用于生成所述真实行驶轨迹对应的模拟轨迹。
本公开实施例提供一种轨迹生成装置，包括：
第二获取单元，用于获取真实行驶轨迹对应的原始数据；
第二筛选单元，用于对所述原始数据进行关键轨迹点筛选，得到筛选数据；
第二发送单元，用于将所述筛选数据发送至云平台；所述云平台用于对所述筛选数据进行轨迹模拟，得到模拟轨迹。
本公开实施例提供一种电子设备，包括：存储器，用于存储可执行计算机程序；处理器，用于执行所述存储器中存储的可执行计算机程序时，实现上述的轨迹点筛选方法或轨迹生成方法。
本公开实施例提供一种计算机可读存储介质，存储有计算机程序，用于引起处理器执行时，实现上述的轨迹点筛选方法或轨迹生成方法。
本公开实施例提供的技术方案具有以下技术效果：
本公开实施例提供的轨迹点筛选方法，由于是从真实轨迹对应的原始轨迹点中的筛选出了轨迹点，所以筛选出的轨迹点的数据量小于原始轨迹点的数据量，从而相比于传输或处理原始轨迹点而言，降低了传输或处理轨迹点时的效率；同时，由于是根据轨迹点之间的斜率从原始轨迹点中筛选出了关键轨迹点，所以，筛选出的关键轨迹点都是原始轨迹点中的重要轨迹点，从而后续根据筛选出的轨迹点所生成的模拟轨迹相比于真实轨迹而言也是准确的。
本公开实施例提供的轨迹生成方法，由于是从真实行驶轨迹对应的原始数据中确定出关键轨迹点，并将关键轨迹点传输至云平台进行轨迹模拟，以生成模拟轨迹，所以降低了传输至云平台的数据量，提高了向云平台进行数据传输时的效率，从而提高了根据关键轨迹点生成模拟轨迹的效率，有利于后续对模拟轨迹的及时显示。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1为本公开实施例提供的轨迹点筛选方法的一个可选的流程示意图；
图2为本公开实施例提供的轨迹点筛选方法的一个可选的流程示意图；
图3为本公开实施例提供的轨迹点筛选方法的一个可选的流程示意图；
图4为本公开实施例提供的轨迹点筛选方法的一个可选的流程示意图；
图5为本公开实施例提供的轨迹点筛选方法的一个可选的流程示意图；
图6A为本公开实施例提供的示例性的轨迹点筛选原理的一个示意图；
图6B为本公开实施例提供的示例性的轨迹点筛选原理的另一个示意图；
图7为本公开实施例提供的轨迹生成方法的一个可选的流程示意图；
图8A为本公开实施例提供的示例性的真实行驶轨迹的一个总体示意图；
图8B为本公开实施例提供的示例性的模拟轨迹的一个总体示意图；
图9A为本公开实施例提供的示例性的真实行驶轨迹的部分轨迹的一个精细示意图；
图9B为本公开实施例提供的示例性的模拟轨迹中与真实行驶轨迹的部分轨迹对应的轨迹部分的一个精细示意图；
图10为本公开实施例提供的轨迹点筛选装置的一个结构示意图；
图11为本公开实施例提供的轨迹生成装置的一个结构示意图；
图12为本公开实施例提供的电子设备的结构示意图。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，所描述的实施例不应视为对本公开的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。
本公开实施例提供一种轨迹点筛选方法，能够筛选出重要的关键轨迹点，以用于生成准确的模拟轨迹，同时，降低传输至云平台的数据量；本公开实施例还提供一种轨迹生成方法，能够提高生成模拟轨迹的效率。在一些实施例中，本公开实施例提供的轨迹点筛选方法与轨迹生成方法都可应用于电子设备。本公开实施例中，用于执行轨迹点筛选方法与轨迹生成方法的电子设备可以实施为车辆(例如，车辆的车载单元)，还可以实施为AR眼镜、笔记本电脑，平板电脑，台式计算机，机顶盒，移动设备(例如，移动电话，便携式音乐播放器，个人数字助理，专用消息设备，便携式游戏设备)等各种类型的用户终端(终端设备)。以下将以执行轨迹点筛选方法和轨迹生成方法的电子设备为车辆的车载单元为例，分别进行轨迹点筛选方法和轨迹生成方法的解释说明。
图1是本公开实施例提供的轨迹点筛选方法的一个可选的流程示意图，将结合图1示出的步骤进行说明。
S101、获取真实行驶轨迹的M个轨迹点；M为大于2的整数。
S102、从M个轨迹点中获取当前的关键轨迹点，并基于当前的关键轨迹点确定当前的基础斜率。
车辆在处于行驶或其他状态的情况下，车载单元可以从车辆内置的轨迹记录装置(例如，高精地图装置)中来获得车辆已行驶过的真实行驶轨迹(真实轨迹)的真实轨迹数据，或者，在轨迹记录装置中产生了车辆即将行驶的真实行驶轨迹的真实轨迹数据的情况下，车载单元可以从车辆的轨迹记录装置中来获得车辆即将行驶的真实行驶轨迹的真实轨迹数据，其中，真实轨迹数据是一连串根据时间先后顺序排列的带有经、纬度信息的轨迹点(即具有二维坐标的位置点，例如，位置点P(x，y))组成，例如，M个轨迹点；车载单元在获得这M个轨迹点后，可以从这M个轨迹点中先确定出一个当前的关键轨迹点，并根据该当前的关键轨迹点确定出一个当前的基础斜率。
在一些实施例中，如图2所示，上述S102可以通过S1021实现，将以图2示出的步骤进行说明。
S1021、从M个轨迹点中获取当前的关键轨迹点，将当前的关键轨迹点与M个轨迹点中的当前的关键轨迹点的下一个轨迹点之间的斜率，作为当前的基础斜率；其中，M个轨迹点中的第1个轨迹点为第1个关键轨迹点。
本公开实施例中，车载单元可以将M个轨迹点中的第1个轨迹点作为第1个关键轨迹点，从而得到当前的关键轨迹点，之后，车载单元可以确定该当前的关键轨迹点与M个轨迹点中的当前的关键轨迹点的下一个轨迹点，即第2个轨迹点之间的斜率，从而得到M个轨迹点中的第1个轨迹点与第2个轨迹点之间的斜率，并将该斜率作为当前的基础斜率L0。这里，第P个轨迹点与第P+1个轨迹点之间的斜率是指第P个轨迹点与第P+1个轨迹点所构成的线段的斜率；例如，轨迹点P(x1，y1)与轨迹点P+1(x2，y2)之间的斜率为：(y2-y1)/(x2-x1)。
本公开实施例中，将M个轨迹点中的第1个轨迹点作为当前的关键轨迹点，并将M个轨迹点中的第1个轨迹点与第2个轨迹点之间的斜率作为当前的基础斜率，一方面可以保留当前行驶轨迹线的初始位置点，另一方面可以得到当前行驶轨迹线的初始斜率，有利于后续对其他关键点的准确筛选。
S103、在当前轨迹点不为第M个轨迹点的情况下，基于当前的基础斜率，M个轨迹点中前一个轨迹点与当前轨迹点之间的斜率，以及当前的关键轨迹点与当前轨迹点之间的斜率，从M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点；N为小于M的整数；N-1个关键轨迹点结合第M个轨迹点用于生成真实行驶轨迹对应的模拟轨迹。
本公开实施例中，车载单元在得到当前的基础斜率之后，可以从M个轨迹点中确定出一个当前的轨迹点，并确定该当前轨迹点是否为第M个轨迹点，并在该当前轨迹点不是第M个轨迹点的情况下，根据该当前轨迹点与该当前轨迹点的前一轨迹点之间的斜率，以及当前的关键点与当前轨迹点之间的斜率，从M个轨迹点中继续确定出下一个关键轨迹点和下一个基础斜率，如此循环迭代，直至历完M个轨迹点中的待筛选轨迹点的情况下，便可得到N-1个关键轨迹点，其中，N为小于M的整数，而且，这N-1个关键轨迹点和第M个轨迹点用于生成车辆的真实行驶轨迹所对应的模拟轨迹。
本公开实施中，由于是从真实轨迹对应的原始轨迹点中的筛选出了轨迹点，所以筛选出的轨迹点的数据量小于原始轨迹点的数据量，从而相比于传输或处理原始轨迹点而言，降低了传输或处理轨迹点时的效率；同时，由于是根据轨迹点之间的斜率从原始轨迹点中筛选出了关键轨迹点，所以筛选出的关键轨迹点都是原始轨迹点中的重要轨迹点，从而后续根据筛选出的轨迹点所生成的模拟轨迹相比于真实轨迹而言也是准确的。
在一些实施例中，在上述S103之后还包括：将N-1个关键轨迹点和第M个轨迹点发送至云平台，云平台用于根据N-1个关键轨迹点和第M个轨迹点生成真实行驶轨迹对应的模拟轨迹。
车载单元在从M个轨迹点中筛选出了所有的关键轨迹点之后，可以将这些关键轨迹点全部发送至云平台，云平台根据这些关键轨迹点，可以生成与这M个轨迹点形成的真实行驶轨迹所对应的模拟轨迹，以进行显示，从而获知车辆的行驶轨迹。
这里，M个轨迹点中的待筛选轨迹点为M个轨迹点中下一个关键轨迹点之后的所有轨迹点。
示例性的，在第1个关键轨迹点是M个轨迹点中的第1个轨迹点，且第1个基础斜率L0是第1个轨迹点与第2个轨迹点之间的斜率的情况下，M个轨迹点中的当前轨迹点为M个轨迹点中的第3个轨迹点，当前轨迹点的前一个轨迹点为第2个轨迹点，从而，车载单元可以根据第1个轨迹点与第2个轨迹点之间的斜率L0，第2个轨迹点与第3个轨迹点之间的斜率L1，以及，第1个轨迹点与第3个轨迹点之间的斜率L2，确定第2个轨迹点是否是该下一个关键轨迹点，若不是，又继续选取下一个当前轨迹点，并继续判断该下一个当前轨迹点的前一个轨迹是否是该下一个关键轨迹点，直至从M个轨迹点中确定出该下一个关键轨迹点，并根据该下一个关键轨迹点确定出该下一个基础斜率，之后，继续进行循环迭代，直至遍历完M个轨迹点中的下一个关键轨迹点之后的轨迹点的情况下，得到N-1个关键轨迹点。
在一些实施例中，如图3所示，上述S103可以通过S1031-S1033实现，将以图3示出的步骤为例进行说明。
S1031、基于第i个基础斜率，第j-1个轨迹点与第j个轨迹点之间的斜率，以及第i个关键轨迹点与第j个轨迹点之间的斜率，确定第j-1个轨迹点是否为第i+1个关键轨迹点；当前的基础斜率为第i个基础斜率，下一个基础斜率为第i+1个基础斜率；当前的关键轨迹点为第i个关键轨迹点，下一个关键轨迹点为第i+1个关键轨迹点；前一个轨迹点为第j-1个轨迹点，当前轨迹点为第j个轨迹点；i为1～N-1中的整数；j为3～M-1中的整数。
S1032、在第j-1个轨迹点不是第i+1个关键轨迹点的情况下，基于第i个基础斜率，将第j+1个轨迹点作为当前轨迹点来继续判断第j个轨迹点是否为第i+1个关键轨迹点，直至判断出第j+H个轨迹点为第i+1个关键轨迹点时为止；其中，j+H为小于M，且大于等于j的整数。
车载单元可以计算第j-1个轨迹点与第j个轨迹点之间的斜率L1，以及，计算第i个关键轨迹点与第j个轨迹点之间的斜率L2，并根据斜率L1和斜率L2，以及第i个基础斜率L0，确定出第j-1个轨迹点是否为第i+1个关键轨迹点；并在第j-1个轨迹点不是第i+1个关键轨迹点的情况下，继续将第j+1个轨迹点作为当前轨迹点，将第j个轨迹点作为该当前轨迹点的前一个轨迹点，并计算第j个轨迹点与第j+1个轨迹点之间的斜率作为新的L1，以及，计算第i个关键轨迹点与第j+1个轨迹点之间的斜率作为新的L2，并根据新的斜率L1和新的斜率L2，以及第i个基础斜率L0，确定出第j个轨迹点是否为第i+1个关键轨迹点，如此循环迭代，直至判断出第j+H个轨迹点为第i+1个关键轨迹点时为止，从而得到第i+1关键点。
示例性的，在i＝1，j＝3，第1个关键轨迹点是M个轨迹点中的第1个轨迹点，且第1个基础斜率L0是第1个轨迹点与第2个轨迹点之间的斜率的情况下，M个轨迹点中的当前轨迹点为M个轨迹点中的第3个轨迹点，而当前轨迹点的前一个轨迹点为第2个轨迹点，从而，车载单元可以根据第1个轨迹点与第2个轨迹点之间的斜率L0，第2个轨迹点与第3个轨迹点之间的斜率L1，以及，第1个轨迹点与第3个轨迹点之间的斜率L2，确定第2个轨迹点是否为第2个关键轨迹点；并在第2个轨迹点不是第2个关键轨迹点的情况下，继续将第4个轨迹点作为当前轨迹点，将第3个轨迹点作为该当前轨迹点的前一个轨迹点，并计算第3个轨迹点与第4个轨迹点之间的斜率作为新的L1，以及，计算第1个关键轨迹点与第4个轨迹点之间的斜率作为新的L2，并根据新的斜率L1和新的斜率L2，以及第1个基础斜率L0，确定出第3个轨迹点是否为第2个关键轨迹点，如此循环迭代，直至判断出第3+H个轨迹点为第2个关键轨迹点时为止，从而得到第2关键点。
在一些实施例中，如图4所示，上述S1031可以通过S201-S203实现，将以图4示出的步骤为例进行说明。
S201、确定第i个关键轨迹点与第j个轨迹点之间的第一斜率，以及，第j-1个轨迹点与第j个轨迹点之间的第二斜率。
S202、根据第i个基础斜率和预设阈值，确定第一阈值范围和第二阈值范围。
车载单元可以根据第i个关键轨迹点与第j个轨迹点的坐标点，计算第i个关键轨迹点与第j个轨迹点构成的线段的斜率，得到第一斜率；以及，根据第j-1个轨迹点与第j个轨迹点的坐标点，计算第j-1个轨迹点与第j个轨迹点构成的线段的斜率，得到第二斜率；并且，还根据第i个基础斜率和预设阈值确定第一阈值范围和第二阈值范围。
这里，预设阈值可以根据实际需要设定，本公开实施例对此不作限定。
在一些实施例中，如图5所示，上述S202可以通过S2021-S2023实现，将以图5示出的步骤为例进行说明。
S2021、根据第i个基础斜率、第一权值和第一阈值，确定第一边界阈值和第二边界阈值；预设阈值包括：第一权值、第二权值、第一阈值和第二阈值。
S2022、根据第i个基础斜率、第二权值和第二阈值，确定第三边界阈值和第四边界阈值。
S2023、将第一边界阈值和第二边界阈值组成第一阈值范围，以及，将第三边界阈值和第四边界阈值组成第二阈值范围。
在预设阈值包括：第一权值w1、第二权值w2、第一阈值Y1和第二阈值Y2的情况下，车载单元可以根据第i个基础斜率L0、第一权值w1和第一阈值Y1，确定出第一边界阈值B1和第二边界阈值B2；以及，根据第i个基础斜率L0、第二权值w2和第二阈值Y2，确定出第三边界阈值B3和第四边界阈值B4；其中，第一边界阈值B1小于第二边界阈值B2，且第三边界阈值B3小于第四边界阈值B4；之后，将第一边界阈值B1和第二边界阈值B2组成第一阈值范围，将第三边界阈值B3和第四边界阈值B4组成第二阈值范围。
在一些实施例中，车载单元可以确定第i个基础斜率L0与第一阈值Y1之差，并将第i个基础斜率L0与第一阈值Y1之差和第一权值w1之间的乘积，作为第一边界阈值B1；以及，确定第i个基础斜率L0与第一阈值Y1之和，并将第i个基础斜率L0与第一阈值Y1之和与第一权值w1之间的乘积，作为第二边界阈值B2。同样地，车载单元还可以确定第i个基础斜率L0与第二阈值Y2之差，并将第i个基础斜率L0与第二阈值Y2之差与第二权值w2之间的乘积，作为第三边界阈值B3；以及，确定第i个基础斜率L0与第二阈值Y2之和，并将第i个基础斜率L0与第二阈值Y2之和与第二权值w2之间的乘积，作为第四边界阈值B4，其中，B1如下述公式(1)所示，B2如下述公式(2)所示，B3如下述公式(3)所示，B4如下述公式(4)所示：
B1＝w1×(L0-Y1) (1)
B2＝w1×(L0+Y1) (2)
B3＝w2×(L0-Y2) (3)
B4＝w2×(L0+Y2) (4)
在此基础上，则第一阈值范围为(w1×(L0-Y1)，w1×(L0+Y1))，第二阈值范围为(w2×(L0-Y2)，w2×(L0+Y2))。
在一些实施例中，判断一个轨迹点是否是关键轨迹点所用到第一权值w1、第二权值w2、第一阈值Y1和第二阈值Y2，与判断下一个轨迹点是否是关键轨迹点所用到第一权值w1、第二权值w2、第一阈值Y1和第二阈值Y2，可以有至少一个值相同，也可以有至少一个值不同，本公开实施例对此不作限定。
S203、根据第一斜率与第一阈值范围之间的从属关系，以及第二斜率与第二阈值范围之间的从属关系，确定第j-1个轨迹点是否为第i+1个关键轨迹点。
车载单元在得到第一斜率、第一阈值范围、第二斜率，以及第二阈值范围的情况下，可以判断第一斜率是否属于第一阈值范围，以及判断第二斜率是否属于第二阈值范围，并根据得到的判断结果，确定第j-1个轨迹点是否为第i+1个关键轨迹点。
在一些实施例中，上述S203可以通过S2031或S2032实现：
S2031、在第一斜率属于第一阈值范围内，且第二斜率属于第二阈值范围内的情况下，确定第j-1个轨迹点不是第i+1个关键轨迹点。
S2032、在第一斜率不属于第一阈值范围内，和/或，第二斜率不属于第二阈值范围内的情况下，确定第j-1个轨迹点是第i+1个关键轨迹点。
车载单元在第一斜率属于第一阈值范围内，并且，第二斜率也属于第二阈值范围内的情况下，可以确定第j-1个轨迹点不是第i+1个关键轨迹点；而在以下三种情况中的任一种情况下，可以确定第j-1个轨迹点是第i+1个关键轨迹点。这三种情况包括：(1)第一斜率不属于第一阈值范围内，且第二斜率不属于第二阈值范围内；(2)第一斜率不属于第一阈值范围内，且第二斜率属于第二阈值范围内；(3)第一斜率属于第一阈值范围内，且第二斜率不属于第二阈值范围内。
这里，在第一斜率大于第一边界阈值，且小于第二边界阈值的情况下，说明第一斜率属于第一阈值范围，或者，在第一斜率等于第一边界阈值或等于第二边界阈值的情况下，说明第一斜率属于第一阈值范围。同样地，在第二斜率大于第三边界阈值，且小于第四边界阈值的情况下，说明第二斜率属于第二阈值范围，或者，在第二斜率等于第三边界阈值或等于第四边界阈值的情况下，说明第二斜率属于第二阈值范围。
对于上述通过斜率与阈值范围之间的所属关系，确定一个轨迹点是否为关键轨迹点的原理，以下将通过图6A和图6B进行说明。如图6A所示，P0、P1和P2是组成一条真实轨迹的3个依次分布的轨迹点，L11表示P0和P1的斜率，L12表示P0和P2的斜率，L10可以看做是基础斜率，若L11和L10夹角相差值在阈值范围内，那么就可以认为P0和P1大概率在同一直线段上；同理，在此基础上，若L12和L10夹角相差值也在阈值范围内，也可以认为P2和P1也是大概率在同一直线段上，从而，可以确定P1不是一个关键轨迹点。如图6B所示，P0、P1和P2是组成另一条轨迹线的3个依次分布的轨迹点；L20表示P0和P1之间的斜率，L21表示P1和P2之间的斜率，若L21和L20之间的斜率超过阈值，就可以认为P1是一个拐弯点，可以确定P1是一个关键轨迹点。根据上述内容可知，本公开实施例提供的轨迹点筛选方法能既能解决长距离上非突变的情况，也能解决短距离内突变的情况，使得筛选出的轨迹点都是一些重要的轨迹点，从而根据得到的轨迹点最终生成的模拟轨迹能实现对真实轨迹的准确刻画。
S1033、基于第i+1个关键轨迹点和第j+H+1个轨迹点确定第i+1个基础斜率，继续对第j+H+1个轨迹点进行关键轨迹点的判断，直至遍历完第i+1个关键轨迹点之后的轨迹点的情况下，得到N-1个关键轨迹点；M个轨迹点中的待筛选轨迹点为M个轨迹点中第i+1个关键轨迹点之后的轨迹点。
在一些实施例中，上述S1033可以通过下述方式实现：将第i+1个关键轨迹点与第j+H+1轨迹点之间的斜率，作为第i+1个基础斜率；基于第i+1个基础斜率，第j+H+1个轨迹点与第j+H+2个轨迹点之间的斜率，以及第i+1个关键轨迹点与第j+H+2个轨迹点之间的斜率，从第i+1个关键轨迹点之后的轨迹点中确定第i+2个关键轨迹点和第i+2个基础斜率，直至遍历完第i+1个关键轨迹点之后的轨迹点的情况下，得到N-1个关键轨迹点。
本公开实施例中，车载单元在确定第j+H个轨迹点为第i+1个关键轨迹点的情况下，可以确定第i+1个关键轨迹点与第j+H+1个轨迹点之间的斜率，并将该斜率作为第i+1个基础斜率L0，以及，可以继续将第j+H+1个轨迹点的下一个轨迹点，即第j+H+2个轨迹点作为当前的轨迹点，并将第j+H+1个轨迹点作为前一个轨迹点，并计算第j+H+1个轨迹点与第j+H+2个轨迹点之间的斜率作为新的斜率L1，计算第i+1个关键轨迹点与第j+H+2个轨迹点之间的斜率作为新的斜率L2，并根据第i+1个基础斜率L0、新的斜率L1和新的斜率L2，确定第j+H+1个轨迹点是否是第i+2个关键轨迹点，如此循环迭代，直至遍历完第i+1个关键轨迹点之后的轨迹点的情况下，得到N-1个关键轨迹点。
这里，根据第i+1个基础斜率L0、新的斜率L1和新的斜率L2，确定第j+H+1个轨迹点是否是第i+2个关键轨迹点的原理，与上述S201-S203、s2021-S2023和S201-S2032的原理相同，本公开实施例在此不作赘述。
本公开实施例还提供一种轨迹生成方法，如图7所示，将以图7中示出的步骤进行说明。
S301、获取真实行驶轨迹对应的原始数据。
本公开实施例中，车辆在处于行驶或其他状态的情况下，车载单元可以从车辆的轨迹记录装置中来获得车辆已行驶过的真实行驶轨迹的原始数据，或者，在轨迹记录装置中产生了车辆即将行驶的真实行驶轨迹的真实轨迹数据的情况下，车载单元可以从车辆的轨迹记录装置中来获得车辆即将行驶的真实行驶轨迹的原始数据。
本公开实施例中，真实行驶轨迹的原始数据为上述的真实行驶轨迹的真实轨迹数据。
S302、对原始数据进行关键轨迹点筛选，得到筛选数据。
车载单元可以在得到原始数据的情况下，对原始数据进行关键轨迹点筛选，从而得到筛选数据；其中，筛选数据的数据量小于原始数据的数据量。
在一些实施例中，筛选数据是原始数据中的一部分数据。
在一些实施例中，原始数据包括：多个轨迹点；筛选数据包括：多个关键轨迹点；车载单元可以采用上述实施例中的轨迹点筛选方法，例如，图1-图5所示的方法，对多个轨迹点进行关键轨迹点筛选，从而得到多个关键轨迹点。
S303、将筛选数据发送至云平台；云平台用于对筛选数据进行轨迹模拟，得到模拟轨迹。
车载单元在从原始数据中筛选出了筛选数据之后，可以将筛选数据全部发送至云平台，以供云平台根据筛选数据进行轨迹模拟，从而得到真实行驶轨迹对应的模拟轨迹。
在一些实施例中，模拟轨迹对应有模拟数据，且模拟数据包含筛选数据；或者，模拟数据可以是通过将筛选数据中相邻轨迹点进行连接而生成。这里，云平台在得到筛选数据之后，可以将筛选数据中相邻的轨迹点进行连接，从而将连接后得到的轨迹线数据作为模拟轨迹对应的模拟数据。
在一些实施例中，模拟轨迹对应的模拟数据的大小小于真实行驶轨迹对应的原始数据的大小。
在一些实施例中，模拟轨迹中的车道变更轨迹(例如，从左车道变更到右车道)、直行轨迹和转弯轨迹与真实行驶轨迹相同；而对于真实行驶轨迹中的一些细小的轨迹变化，例如，因车辆突然向左或向右移动后又突然回到原来的行驶方向上所产生的抖动轨迹，模拟轨迹不会显示。
在一些实施例中，模拟轨迹在形状上与真实行驶轨迹一致。图8A是本公开实施例提供的真实行驶轨迹的一个总体示意图；图8B是本公开实施例提供的模拟轨迹的一个总体示意图。图9A是本公开实施例提供的真实行驶轨迹的部分轨迹的精细示意图；图9B是本公开实施例提供的模拟轨迹中与真实行驶轨迹的部分轨迹对应的轨迹部分的精细示意图。通过比较8A与8B，以及比较9A和9B可知，模拟轨迹在形状上与真实行驶轨迹一致，能实现对真实行驶轨迹的准确复刻。
在一些实施例中，模拟轨迹可以通过终端设备的显示设备进行显示，例如，云平台生成模拟轨迹之后，可以将模拟轨迹对应的模拟数据再返回至车载单元，以通过车载单元所在车辆的显示设备将该模拟轨迹进行显示；在一些实施例中，模拟轨迹也可以由管理员终端进行显示，例如，由云平台所连接的显示设备进行显示，或者，由中控台进行显示等。
在本公开的一些实施例，上述轨迹点筛选方法还可以由云平台执行，以及，还提供一种轨迹生成方法，应用于云平台，该方法包括：获取终端设备的真实行驶轨迹对应的原始数据；对原始数据进行关键轨迹点筛选，得到筛选数据；对筛选数据进行轨迹模拟，得到终端设备的模拟轨迹对应的模拟数据，并将模拟数据发送至终端设备。例如，云平台可以获取车载单元对应的车辆的真实行驶轨迹对应的原始数据，并对原始数据进行关键轨迹点筛选，得到筛选数据，之后，对筛选数据进行轨迹模拟，得到车辆的模拟轨迹对应的模拟数据，并将模拟数据发送至车辆，以供车辆的显示设备将该模拟轨迹进行显示。需要说明的是，应用于云平台的轨迹生成方法的原理与应用于终端设备的轨迹生成方法的原理相同，此处不再赘述。
本公开还提供一种轨迹点筛选装置，轨迹点筛选装置可以包含在终端设备中。图10为本公开实施例提供的轨迹点筛选装置的结构示意图；如图10所示，轨迹点筛选装置1包括：第一获取单元11，用于获取真实行驶轨迹的M个轨迹点；M为大于2的整数；第一确定单元12，用于从所述M个轨迹点中获取当前的关键轨迹点，并基于所述当前的关键轨迹点确定当前的基础斜率；第一筛选单元13，用于在当前轨迹点不为第M个轨迹点的情况下，基于所述当前的基础斜率，所述M个轨迹点中前一个轨迹点与当前轨迹点之间的斜率，以及所述关键轨迹点与所述当前轨迹点之间的斜率，从所述M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完所述M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点；N为小于M的整数；所述N-1个关键轨迹点结合所述第M个轨迹点用于生成所述真实行驶轨迹对应的模拟轨迹。
在本公开的一些实施例中，所述第一获取单元11，还用于从所述M个轨迹点中获取所述当前的关键轨迹点，将所述当前的关键轨迹点与所述M个轨迹点中的所述当前的关键轨迹点的下一个轨迹点之间的斜率，作为所述当前的基础斜率；其中，所述M个轨迹点中的第1个轨迹点为第1个关键轨迹点。
在本公开的一些实施例中，所述当前的基础斜率为第i个基础斜率，所述下一个基础斜率为第i+1个基础斜率；所述当前的关键轨迹点为第i个关键轨迹点，所述下一个关键轨迹点为第i+1个关键轨迹点；所述前一个轨迹点为第j-1个轨迹点，所述当前轨迹点为第j个轨迹点；所述M个轨迹点中的待筛选轨迹点为所述M个轨迹点中所述第i+1个关键轨迹点之后的轨迹点；i为1～N-1中的整数；j为3～M-1中的整数；所述第一筛选单元13，还用于基于所述第i个基础斜率，所述第j-1个轨迹点与所述第j个轨迹点之间的斜率，以及所述第i个关键轨迹点与所述第j个轨迹点之间的斜率，确定所述第j-1个轨迹点是否为所述第i+1个关键轨迹点；在所述第j-1个轨迹点不是所述第i+1个关键轨迹点的情况下，基于所述第i个基础斜率，将第j+1个轨迹点作为所述当前轨迹点来继续判断所述第j个轨迹点是否为所述第i+1个关键轨迹点，直至判断出第j+H个轨迹点为所述第i+1个关键轨迹点时为止；其中，j+H为小于M，且大于等于j的整数；基于所述第i+1个关键轨迹点和第j+H+1个轨迹点确定所述第i+1个基础斜率，继续对所述第j+H+1个轨迹点进行关键轨迹点的判断，直至遍历完所述第i+1个关键轨迹点之后的轨迹点的情况下，得到所述N-1个关键轨迹点。
在本公开的一些实施例中，所述第一筛选单元13，还用于确定所述第i个关键轨迹点与第j个轨迹点之间的第一斜率，以及，所述第j-1个轨迹点与所述第j个轨迹点之间的第二斜率；根据所述第i个基础斜率和预设阈值，确定第一阈值范围和第二阈值范围；根据所述第一斜率与所述第一阈值范围之间的从属关系，以及所述第二斜率与所述第二阈值范围之间的从属关系，确定所述第j-1个轨迹点是否为所述第i+1个关键轨迹点。
在本公开的一些实施例中，所述第一筛选单元13，还用于在所述第一斜率属于所述第一阈值范围内，且所述第二斜率属于所述第二阈值范围内的情况下，确定所述第j-1个轨迹点不是所述第i+1个关键轨迹点；在所述第一斜率不属于所述第一阈值范围内，和/或，所述第二斜率不属于所述第二阈值范围内的情况下，确定所述第j-1个轨迹点是所述第i+1个关键轨迹点。
在本公开的一些实施例中，所述预设阈值包括：第一权值、第二权值、第一阈值和第二阈值；所述第一筛选单元13，还用于根据所述第i个基础斜率、所述第一权值和所述第一阈值，确定第一边界阈值和第二边界阈值；根据所述第i个基础斜率、所述第二权值和所述第二阈值，确定第三边界阈值和第四边界阈值；将所述第一边界阈值和所述第二边界阈值组成所述第一阈值范围，以及，将所述第三边界阈值和所述第四边界阈值组成所述第二阈值范围。
在本公开的一些实施例中，所述第一筛选单元13，还用于将所述第i+1个关键轨迹点与所述第j+H+1轨迹点之间的斜率，作为所述第i+1个基础斜率；基于所述第i+1个基础斜率，所述第j+H+1个轨迹点与第j+H+2个轨迹点之间的斜率，以及第i+1个关键轨迹点与所述第j+H+2个轨迹点之间的斜率，从所述第i+1个关键轨迹点之后的轨迹点中确定第i+2个关键轨迹点和第i+2个基础斜率，直至遍历完所述第i+1个关键轨迹点之后的轨迹点的情况下，得到所述N-1个关键轨迹点。
在本公开的一些实施例中，所述轨迹点筛选装置还包括：第一发送单元，用于将所述N-1个关键轨迹点和所述第M个轨迹点发送至云平台，所述云平台用于根据所述N-1个关键轨迹点和所述第M个轨迹点生成所述真实行驶轨迹对应的模拟轨迹。
本公开还提供一种轨迹生成装置，轨迹生成装置可以包含在终端设备中，图11为本公开实施例提供的轨迹生成装置的结构示意图；如图11所示，轨迹生成装置2包括：第二获取单元21，用于获取真实行驶轨迹对应的原始数据；第二筛选单元22，用于对所述原始数据进行关键轨迹点筛选，得到筛选数据；第二发送单元23，用于将所述筛选数据发送至云平台；所述云平台用于对所述筛选数据进行轨迹模拟，得到模拟轨迹。
在本公开的一些实施例中，所述筛选数据是所述原始数据中的一部分数据。
在本公开的一些实施例中，所述模拟轨迹对应的模拟数据包含所述筛选数据；或者，所述模拟轨迹对应的模拟数据是通过将所述筛选数据中相邻轨迹点进行连接而生成。
在本公开的一些实施例中，所述模拟轨迹对应的模拟数据的大小小于所述真实行驶轨迹对应的原始数据的大小。
在本公开的一些实施例中，所述模拟轨迹在形状上与所述真实行驶轨迹一致。
在本公开的一些实施例中，所述模拟轨迹中的车道变更轨迹、直行轨迹和转弯轨迹与所述真实行驶轨迹相同。
在本公开的一些实施例中，所述原始数据包括：多个轨迹点；所述筛选数据包括：多个关键轨迹点；所述第二筛选单元22，还用于采用上述轨迹点筛选方法，对所述多个轨迹点进行关键轨迹点筛选，得到所述多个关键轨迹点。
本公开实施例还提供一种电子设备，图12为本公开实施例提供的电子设备的结构示意图，如图12所示，电子设备3包括：存储器32和处理器33，其中，存储器32和处理器33通过通信总线31连接；存储器32，用于存储可执行计算机程序；处理器33，用于执行存储器32中存储的可执行计算机程序时，实现本公开实施例提供的轨迹点筛选方法。
本公开实施例提供一种计算机可读存储介质，存储有计算机程序，用于引起处理器33执行时，实现本公开实施例提供的轨迹点筛选方法。
在本公开的一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在本公开的一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
综上所述，采用本技术实现方案，由于是从真实轨迹对应的原始轨迹点中的筛选出了轨迹点，所以筛选出的轨迹点的数据量小于原始轨迹点的数据量，从而相比于传输或处理原始轨迹点而言，降低了传输或处理轨迹点时的效率；同时，由于是根据轨迹点之间的斜率从原始轨迹点中筛选出了关键轨迹点，所以，筛选出的关键轨迹点都是原始轨迹点中的重要轨迹点，从而后续根据筛选出的轨迹点所生成的模拟轨迹相比于真实轨迹而言也是准确的。以及，由于是从真实行驶轨迹对应的原始数据中确定出关键轨迹点，并将关键轨迹点传输至云平台进行轨迹模拟，以生成模拟轨迹，所以降低了传输至云平台的数据量，提高了向云平台进行数据传输时的效率，从而提高了根据关键轨迹点生成模拟轨迹的效率，有利于后续对模拟轨迹的及时显示。
以上所述，仅为本公开的实施例而已，并非用于限定本公开的保护范围。凡在本公开的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本公开的保护范围之内。
Claims (19)
1.一种轨迹点筛选方法，其特征在于，包括：
获取真实行驶轨迹的M个轨迹点；M为大于2的整数；
从所述M个轨迹点中获取当前的关键轨迹点，并基于所述当前的关键轨迹点确定当前的基础斜率；
在当前轨迹点不为第M个轨迹点的情况下，基于所述当前的基础斜率，所述M个轨迹点中前一个轨迹点与所述当前轨迹点之间的斜率，以及所述关键轨迹点与所述当前轨迹点之间的斜率，从所述M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完所述M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点；N为小于M的整数；所述N-1个关键轨迹点结合所述第M个轨迹点用于生成所述真实行驶轨迹对应的模拟轨迹。
2.根据权利要求1所述的方法，其特征在于，所述从所述M个轨迹点中获取当前的关键轨迹点，并基于所述当前的关键轨迹点确定当前的基础斜率，包括：
从所述M个轨迹点中获取所述当前的关键轨迹点，将所述当前的关键轨迹点与所述M个轨迹点中的所述当前的关键轨迹点的下一个轨迹点之间的斜率，作为所述当前的基础斜率；其中，所述M个轨迹点中的第1个轨迹点为第1个关键轨迹点。
3.根据权利要求1或2所述的方法，其特征在于，所述当前的基础斜率为第i个基础斜率，所述下一个基础斜率为第i+1个基础斜率；所述当前的关键轨迹点为第i个关键轨迹点，所述下一个关键轨迹点为第i+1个关键轨迹点；所述前一个轨迹点为第j-1个轨迹点，所述当前轨迹点为第j个轨迹点；所述M个轨迹点中的待筛选轨迹点为所述M个轨迹点中所述第i+1个关键轨迹点之后的轨迹点；i为1～N-1中的整数；j为3～M-1中的整数；
所述基于所述当前的基础斜率，所述M个轨迹点中前一个轨迹点与所述当前轨迹点之间的斜率，以及所述关键轨迹点与所述当前轨迹点之间的斜率，从所述M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完所述M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点，包括：
基于所述第i个基础斜率，所述第j-1个轨迹点与所述第j个轨迹点之间的斜率，以及所述第i个关键轨迹点与所述第j个轨迹点之间的斜率，确定所述第j-1个轨迹点是否为所述第i+1个关键轨迹点；
在所述第j-1个轨迹点不是所述第i+1个关键轨迹点的情况下，基于所述第i个基础斜率，将第j+1个轨迹点作为所述当前轨迹点来继续判断所述第j个轨迹点是否为所述第i+1个关键轨迹点，直至判断出第j+H个轨迹点为所述第i+1个关键轨迹点时为止；其中，j+H为小于M，且大于等于j的整数；
基于所述第i+1个关键轨迹点和第j+H+1个轨迹点确定所述第i+1个基础斜率，继续对所述第j+H+1个轨迹点进行关键轨迹点的判断，直至遍历完所述第i+1个关键轨迹点之后的轨迹点的情况下，得到所述N-1个关键轨迹点。
4.根据权利要求3所述的方法，其特征在于，所述基于所述第i个基础斜率，所述第j-1个轨迹点与所述第j个轨迹点之间的斜率，以及所述第i个关键轨迹点与所述第j个轨迹点之间的斜率，确定所述第j-1个轨迹点是否为所述第i+1个关键轨迹点，包括：
确定所述第i个关键轨迹点与第j个轨迹点之间的第一斜率，以及，所述第j-1个轨迹点与所述第j个轨迹点之间的第二斜率；
根据所述第i个基础斜率和预设阈值，确定第一阈值范围和第二阈值范围；
根据所述第一斜率与所述第一阈值范围之间的从属关系，以及所述第二斜率与所述第二阈值范围之间的从属关系，确定所述第j-1个轨迹点是否为所述第i+1个关键轨迹点。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一斜率与所述第一阈值范围之间的从属关系，以及所述第二斜率与所述第二阈值范围之间的从属关系，确定所述第j-1个轨迹点是否为所述第i+1个关键轨迹点，包括：
在所述第一斜率属于所述第一阈值范围内，且所述第二斜率属于所述第二阈值范围内的情况下，确定所述第j-1个轨迹点不是所述第i+1个关键轨迹点；
在所述第一斜率不属于所述第一阈值范围内，和/或，所述第二斜率不属于所述第二阈值范围内的情况下，确定所述第j-1个轨迹点是所述第i+1个关键轨迹点。
6.根据权利要求4或5所述的方法，其特征在于，所述预设阈值包括：第一权值、第二权值、第一阈值和第二阈值；所述根据所述第i个基础斜率和预设阈值，确定第一阈值范围和第二阈值范围，包括：
根据所述第i个基础斜率、所述第一权值和所述第一阈值，确定第一边界阈值和第二边界阈值；
根据所述第i个基础斜率、所述第二权值和所述第二阈值，确定第三边界阈值和第四边界阈值；
将所述第一边界阈值和所述第二边界阈值组成所述第一阈值范围，以及，将所述第三边界阈值和所述第四边界阈值组成所述第二阈值范围。
7.根据权利要求3-6任一项所述的方法，其特征在于，所述基于所述第i+1个关键轨迹点和第j+H+1个轨迹点确定所述第i+1个基础斜率，继续对所述第j+H+1个轨迹点进行关键轨迹点的判断，直至遍历完所述第i+1个关键轨迹点之后的轨迹点的情况下，得到所述N-1个关键轨迹点，包括：
将所述第i+1个关键轨迹点与所述第j+H+1轨迹点之间的斜率，作为所述第i+1个基础斜率；
基于所述第i+1个基础斜率，所述第j+H+1个轨迹点与第j+H+2个轨迹点之间的斜率，以及第i+1个关键轨迹点与所述第j+H+2个轨迹点之间的斜率，从所述第i+1个关键轨迹点之后的轨迹点中确定第i+2个关键轨迹点和第i+2个基础斜率，直至遍历完所述第i+1个关键轨迹点之后的轨迹点的情况下，得到所述N-1个关键轨迹点。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述N-1个关键轨迹点和所述第M个轨迹点发送至云平台，所述云平台用于根据所述N-1个关键轨迹点和所述第M个轨迹点生成所述真实行驶轨迹对应的模拟轨迹。
9.一种轨迹生成方法，其特征在于，包括：
获取真实行驶轨迹对应的原始数据；
对所述原始数据进行关键轨迹点筛选，得到筛选数据；
将所述筛选数据发送至云平台；所述云平台用于对所述筛选数据进行轨迹模拟，得到模拟轨迹。
10.根据权利要求9所述的方法，其特征在于，所述筛选数据是所述原始数据中的一部分数据。
11.根据权利要求9或10所述的方法，其特征在于，所述模拟轨迹对应的模拟数据包含所述筛选数据；或者，所述模拟轨迹对应的模拟数据是通过将所述筛选数据中相邻轨迹点进行连接而生成。
12.根据权利要求9所述的方法，其特征在于，所述模拟轨迹对应的模拟数据的大小小于所述真实行驶轨迹对应的原始数据的大小。
13.根据权利要求9-12任一项所述的方法，其特征在于，所述模拟轨迹在形状上与所述真实行驶轨迹一致。
14.根据权利要求9-12任一项所述的方法，其特征在于，所述模拟轨迹中的车道变更轨迹、直行轨迹和转弯轨迹与所述真实行驶轨迹相同。
15.根据权利要求9-14任一项所述的方法，其特征在于，所述原始数据包括：多个轨迹点；所述筛选数据包括：多个关键轨迹点；
所述对所述原始数据进行关键轨迹点筛选，得到筛选数据，包括：
采用上述权利要求1-8任一项所述的方法，对所述多个轨迹点进行关键轨迹点筛选，得到所述多个关键轨迹点。
16.一种轨迹点筛选装置，其特征在于，包括：
第一获取单元，用于获取真实行驶轨迹的M个轨迹点；M为大于2的整数；
第一确定单元，用于从所述M个轨迹点中获取当前的关键轨迹点，并基于所述当前的关键轨迹点确定当前的基础斜率；
第一筛选单元，用于在当前轨迹点不为第M个轨迹点的情况下，基于所述当前的基础斜率，所述M个轨迹点中前一个轨迹点与当前轨迹点之间的斜率，以及所述关键轨迹点与所述当前轨迹点之间的斜率，从所述M个轨迹点中确定下一个关键轨迹点和下一个基础斜率，直至遍历完所述M个轨迹点中的待筛选轨迹点的情况下，得到N-1个关键轨迹点；N为小于M的整数；所述N-1个关键轨迹点结合所述第M个轨迹点用于生成所述真实行驶轨迹对应的模拟轨迹。
17.一种轨迹生成装置，其特征在于，包括：
第二获取单元，用于获取真实行驶轨迹对应的原始数据；
第二筛选单元，用于对所述原始数据进行关键轨迹点筛选，得到筛选数据；
第二发送单元，用于将所述筛选数据发送至云平台；所述云平台用于对所述筛选数据进行轨迹模拟，得到模拟轨迹。
18.一种电子设备，其特征在于，包括：
存储器，用于存储可执行计算机程序；
处理器，用于执行所述存储器中存储的可执行计算机程序时，实现权利要求1至15任一项所述的方法。
19.一种计算机可读存储介质，其特征在于，存储有计算机程序，用于引起处理器执行时，实现权利要求1至15任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111643184.XA CN114298225A (zh) | 2021-12-29 | 2021-12-29 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 |
| PCT/CN2022/092397 WO2023123812A1 (zh) | 2021-12-29 | 2022-05-12 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质、计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111643184.XA CN114298225A (zh) | 2021-12-29 | 2021-12-29 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114298225A true CN114298225A (zh) | 2022-04-08 |
Family
ID=80972056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111643184.XA Pending CN114298225A (zh) | 2021-12-29 | 2021-12-29 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114298225A (zh) |
| WO (1) | WO2023123812A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023123812A1 (zh) * | 2021-12-29 | 2023-07-06 | 上海商汤智能科技有限公司 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质、计算机程序产品 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9613277B2 (en) * | 2013-08-26 | 2017-04-04 | International Business Machines Corporation | Role-based tracking and surveillance |
| CN106877875A (zh) * | 2017-01-22 | 2017-06-20 | 齐鲁工业大学 | 一种基于阈值结合算法的车辆运行轨迹压缩方法 |
| CN109443360B (zh) * | 2018-10-18 | 2022-04-05 | 南京天辰礼达电子科技有限公司 | 一种基于多边形的车辆行驶轨迹生成及拼接方法 |
| CN111752254A (zh) * | 2019-03-28 | 2020-10-09 | 深圳市商汤科技有限公司 | 轨迹跟踪控制器的测试方法、装置、介质及设备 |
| CN111368014B (zh) * | 2019-12-23 | 2024-04-19 | 广东小天才科技有限公司 | 一种运动轨迹的生成方法、终端设备及存储介质 |
| CN112885099B (zh) * | 2021-03-10 | 2022-05-17 | 华录易云科技有限公司 | 用于确定车辆轨迹关键点的方法、装置及设备 |
| CN114298225A (zh) * | 2021-12-29 | 2022-04-08 | 上海商汤临港智能科技有限公司 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 |
-
2021
- 2021-12-29 CN CN202111643184.XA patent/CN114298225A/zh active Pending
-
2022
- 2022-05-12 WO PCT/CN2022/092397 patent/WO2023123812A1/zh unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023123812A1 (zh) * | 2021-12-29 | 2023-07-06 | 上海商汤智能科技有限公司 | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质、计算机程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023123812A1 (zh) | 2023-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chao et al. | A survey on visual traffic simulation: Models, evaluations, and applications in autonomous driving | |
| US20210334420A1 (en) | Driving simulation method and apparatus, electronic device, and computer storage medium | |
| CN113848855A (zh) | 车辆控制系统测试方法、装置、设备、介质及程序产品 | |
| CN111477030B (zh) | 车辆协同避险方法、车端平台、云端平台及存储介质 | |
| Németh et al. | Optimised speed profile design of a vehicle platoon considering road inclinations | |
| CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
| CN114298225A (zh) | 轨迹点筛选及轨迹生成方法、装置、电子设备、存储介质 | |
| CN112798004A (zh) | 一种车辆的定位方法、装置、设备及存储介质 | |
| US20120197618A1 (en) | Architecture and method for realistic vehicular networking and applications visualization | |
| CN116424336A (zh) | 一种轨迹预测方法、装置及车联网设备 | |
| CN114004077A (zh) | 交通仿真转换方法、装置、计算机设备及存储介质 | |
| Lu et al. | DeepQTest: Testing Autonomous Driving Systems with Reinforcement Learning and Real-world Weather Data | |
| CN111881121A (zh) | 一种自动驾驶数据填充方法和装置 | |
| CN116956561A (zh) | 仿真环境配置方法、装置、计算机设备及存储介质 | |
| Barth et al. | Integrating a comprehensive modal emissions model into ATMIS transportation modeling frameworks | |
| CN115391980A (zh) | 道路场景和动态交通流优化方法、系统及存储介质 | |
| CN117709040A (zh) | 一种数据处理方法、装置、设备以及计算机可读存储介质 | |
| CN114670870A (zh) | 障碍物slt空间风险场环境建模方法及其装置、相关产品 | |
| CN110942700A (zh) | 一种基于虚拟现实的动车模拟驾驶系统 | |
| CN116032985B (zh) | 基于智能网联车辆的均匀换道方法、系统、设备及介质 | |
| CN117912259B (zh) | 一种基于汽车电子数据的交通事故再现方法、装置、电子设备及存储介质 | |
| Kim et al. | SALT-Viz: Real-Time Visualization for Large-Scale Traffic Simulation | |
| CN111121793B (zh) | 用于无人驾驶的地图生成方法、装置及存储介质 | |
| CN114581540B (zh) | 场景任务处理方法、装置、设备和计算机可读存储介质 | |
| CN113895375B (zh) | 一种驾驶设备控制方法、装置、设备以及存储介质 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40062744 Country of ref document: HK |