CN114328785A - 提取道路信息的方法和装置 - Google Patents
提取道路信息的方法和装置 Download PDFInfo
- Publication number
- CN114328785A CN114328785A CN202111622387.0A CN202111622387A CN114328785A CN 114328785 A CN114328785 A CN 114328785A CN 202111622387 A CN202111622387 A CN 202111622387A CN 114328785 A CN114328785 A CN 114328785A
- Authority
- CN
- China
- Prior art keywords
- track
- tracks
- track set
- target track
- 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.)
- Pending
Links
Images
Abstract
本公开提供了提取道路信息的方法和装置,涉及人工智能领域,尤其涉及智能交通领域。具体实现方案为:获取车辆行驶的轨迹集合;对轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合;计算目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵;根据相似距离矩阵计算目标轨迹集合的关联度;若关联度大于预定关联度阈值,则根据相似距离矩阵从目标轨迹集合中提取道路信息。该实施方式能够快速、准确地根据车辆行驶的轨迹提取道路信息,降低了构造地图的成本。
Description
技术领域
本公开涉及人工智能领域,尤其涉及智能交通领域,具体为一种提取道路信息的方法和装置。
背景技术
地图的发展进入到了电子地图时代,道路数据作为地图最基础的信息,其制作更新速度的快慢变成了用户关心的首要问题。目前业界常见的道路数据生产方式,仍然以人工绘制道路形状为主,那么如何能够用技术的手段减少人工绘制过程,提升道路的作业效率,改善地图用户使用体验就显得尤为重要。
基于车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,传统方法面临着轨迹数据源要求高、道路提取算法复杂、不同道路提取模型参数适应性不强等问题。
发明内容
本公开提供了一种提取道路信息的方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种提取道路信息的方法,包括:获取车辆行驶的轨迹集合;对所述目标轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合;计算所述目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵;根据所述相似距离矩阵计算所述目标轨迹集合的关联度;若所述关联度大于预定关联度阈值,则根据所述相似距离矩阵从所述目标轨迹集合中提取道路信息。
根据本公开的第二方面,提供了一种提取道路信息的装置,包括:获取单元,被配置成获取车辆行驶的轨迹集合;过滤单元,被配置成对所述轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合;计算单元,被配置成计算所述目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵;关联单元,被配置成根据所述相似距离矩阵计算所述目标轨迹集合的关联度;提取单元,被配置成若所述关联度大于预定关联度阈值,则根据所述相似距离矩阵从所述目标轨迹集合中提取道路信息。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现第一方面所述的方法。
本公开的实施例提供的提取道路信息的方法和装置,通过对轨迹集合预处理,过滤掉无效轨迹,可以减少计算量,提高准确率。通过相似距离判断轨迹之间的关联度,可以保证轨迹之间关联度高的情况下进行道路提取,避免提取出无效道路。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的提取道路信息的方法的一个实施例的流程图;
图3是根据本公开的提取道路信息的方法的一个应用场景的示意图;
图4是根据本公开的提取道路信息的方法的又一个实施例的流程图;
图5a-5b是根据本公开的提取道路信息的方法的又一个应用场景的示意图;
图6是根据本公开的提取道路信息的装置的一个实施例的结构示意图;
图7是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本公开的提取道路信息的方法或提取道路信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如导航类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有GPS(Global Positioning System,全球定位系统)并且支持导航功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPicture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的导航地图提供支持的后台地图服务器。后台地图服务器可以对接收到的GPS等数据进行分析等处理从中提取出道路信息更新地图,并将更新后的地图反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
需要说明的是,本公开的实施例所提供的提取道路信息的方法一般由服务器105执行,相应地,提取道路信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的提取道路信息的方法的一个实施例的流程200。该提取道路信息的方法,包括以下步骤:
步骤201,获取车辆行驶的轨迹集合。
在本实施例中,提取道路信息的方法的执行主体(例如图1所示的服务器)可以接收到经用户授权由终端设备的GPS装置上报的车辆行驶的轨迹。GPS装置定时上报车辆的位置,即轨迹点。同一个终端设备上报的轨迹点形成一条轨迹。服务器为了提取目标区域的道路,可获取目标区域范围内的轨迹集合。
本公开的技术方案中,所涉及的用户的车辆位置信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
步骤202,对轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合。
在本实施例中,影响轨迹提路策略效果的因素很多,例如步行轨迹、GPS干扰轨迹、复杂路况等,针对这些情况具体问题场景,建立多级分类过滤器进一步策略提高准确率,保障用户使用效果。将原始的轨迹集合进行过滤,得到目标轨迹集合,后续步骤都是对目标轨迹集合进行处理。
步骤203,计算目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵。
在本实施例中,计算任意轨迹之间的相似距离,优质轨迹往往与大多数集合内的轨迹相似度更高,进而实现选取目标轨迹。相似距离可通过现有技术常见方法,例如,欧式距离算法、动态时间规划DTW算法等。两两轨迹的相似距离可以用相似距离矩阵来表示。
下表展示一组轨迹集合A B C D中相似距离统计值(相似距离矩阵)。
表1
其中,重复项只列出一次,如表1中下半部所示,其余元素可设置为无效值。
经统计每个轨迹与其它轨迹的相似距离之和为:A=28.1,B=38.2,C=68.5,D=58.4其中轨迹C相似距离最高68.5,即认为本集合中最优质轨迹,可以作为提取道路的参考路形。
步骤204,根据相似距离矩阵计算目标轨迹集合的关联度。
在本实施例中,可预先设计关联度计算公式,例如,关联度可以是相似距离矩阵所有有效值之和再按照轨迹长度进行归一化后的值,或者关联度可以是相似距离矩阵中最大的有效值。
步骤205,若关联度大于预定关联度阈值,则根据相似距离矩阵从目标轨迹集合中提取道路信息。
在本实施例中,如果关联度大于预定关联度阈值,则说明目标轨迹集合有效,可用于提取道路信息,否则,不能用这些轨迹提取道路信息,需要再获取有效的轨迹。提取道路信息的方法可包括:先对轨迹进行聚类(例如k-means聚类),然后根据每个聚类中心进行曲线拟合,得到道路信息。
本公开的上述实施例提供的方法,通过过滤掉无效轨迹提高了道路提取的准确性,减少了干扰项,加快了提取速度。并且不会将关联度不高的轨迹用于提取道路,避免生成无效的地图。
在本实施例的一些可选的实现方式中,计算所述目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵,包括:计算所述目标轨迹集合中两两轨迹之间的最长公共子序列的长度作为相似距离,得到相似距离矩阵。通过LCSS(Longest-Common-Subsequence,最长公共子序列)模型计算任意轨迹之间的相似距离,优质轨迹往往与大多数集合内的轨迹相似度更高,进而实现选取目标轨迹。
原理:假设现在有两个长度分别为n和m的时间序列数据A和B,那么最长公共子序列的长度为:
其中,y为一个成员相似阈值,t=1,2,...,n;i=1,2,...,m;度量距离公式:
lon1,lon2分别为时间序列数据A上的点at的纵坐标和时间序列数据B上的点bi的纵坐标。
lat1,lat2分别为时间序列数据A上的点at的横坐标和时间序列数据B上的点bi的横坐标。
LCSS对轨迹的个别点差异性不敏感,如果两个时间序列在大多数时间段具有相似的形态,仅仅在很短的时间具有一定的差异,(即很小的差异也会对相似度衡量产生影响)欧式距离和DTW无法准确衡量这两个时间序列的相似度。LCSS却能处理这种问题,从而提高鲁棒性。
在本实施例的一些可选的实现方式中,根据所述相似距离矩阵计算所述目标轨迹集合的关联度,包括:计算所述相似距离矩阵中各元素之和作为分子;计算两两轨迹之中最短的轨迹长度之和作为分母;将所述分子与所述分母的比值确定为关联度。
通过分析轨迹集合C的聚合程度判断是否为道路轨迹,即通过轨迹相似距离矩阵分析关联程度,定义关联度评价公式:
fl=∑i∈N∑j∈Nlcss(ci,cj)
fa=∑i∈N∑j∈Nmin(ci,cj)
s.t.i<j
TH=fl/fa
TH为关联度,ci,cj为两条不同的轨迹。
这种关联度计算方法可以全面衡量轨迹集合中不同轨迹之间的关联程度,从而提高道路提取的有效性。
在本实施例的一些可选的实现方式中,在计算所述目标轨迹集合中两两轨迹之间相似距离之前,所述方法还包括:若所述目标轨迹集合中轨迹的数量小于预定阈值,则继续获取不满足预定条件的车辆行驶的轨迹添加到所述目标轨迹集合中,使得所述目标轨迹集合中轨迹的数量大于等于预定阈值。预定阈值可以设为3。如果轨迹集合中的轨迹数量过小,则没有代表性,服务器需要继续收集轨迹,当满足数量条件时再继续进行道路提取。从而可以避免提取出无效的道路信息。
在本实施例的一些可选的实现方式中,所述预定条件包括以下至少一项:轨迹点速度小于预定速度阈值,轨迹点时间间隔大于预定时间阈值,轨迹点距离间隔大于预定距离阈值、轨迹曲率大于预定曲率阈值、轨迹中自相交点的数量大于预定交点阈值。轨迹点速度小于预定速度阈值,例如,速度小于3km/h说明不是车辆的行驶轨迹,可能是步行的,因此需要过滤掉。轨迹点时间间隔大于预定时间阈值,例如,轨迹点上报的时间间隔一般设置为每隔1s或3s,如果轨迹点间隔时间大于25s,说明GPS上报不准,GPS干扰轨迹了。轨迹点距离间隔大于预定距离阈值,例如,轨迹点间隔距离大于120m,说明GPS干扰轨迹了。轨迹曲率大于预定曲率阈值,说明轨迹弯度过大,不符合常理。轨迹中自相交点的数量大于预定交点阈值,例如,如果2个以上自相交的交点也是异常数据。影响轨迹提路策略效果的因素很多,例如步行轨迹、GPS干扰轨迹、复杂路况等,针对这些情况具体问题场景,建立多级分类过滤器进一步策略提高准确率,保障用户使用效果。
继续参见图3,图3是根据本实施例的提取道路信息的方法的应用场景的一个示意图。在图3的应用场景中,车辆导航设备定时上报轨迹信息给服务器。服务器接收到从指定区域提取道路信息的请求时,根据存储的轨迹信息筛选出指定区域内的轨迹集合。对轨迹集合进行基础去噪,噪声判定规则:1、速度小于3km/h,2、轨迹点间隔时间大于25s,3、轨迹点间隔距离大于120m。将确定为噪声的轨迹过滤掉。再过滤掉曲率过大、自相交的轨迹。图3仅是示例性的过滤顺序,实际中基础去噪、曲率过率、自相交过滤的先后顺序不做限定。过滤后判断剩余的轨迹的数量是否足够多,如果不够,则终止提取道路的流程。如果轨迹数量足够,则可计算两两轨迹之间的相似距离,然后再根据相似距离计算关联度。如果关联度大于预定关联度阈值,则可执行提取道路的过程。道路的具体提取过程可如流程400所示。
进一步参考图4,其示出了提取道路信息的方法的又一个实施例的流程400。该提取道路信息的方法的流程400,包括以下步骤:
步骤401,根据相似距离矩阵计算每条轨迹与其它轨迹的相似距离之和。
在本实施例中,提取道路信息的方法运行于其上的电子设备(例如图1所示的服务器)根据步骤203得到的相似距离矩阵计算出每条轨迹与其它轨迹的相似距离之和,例如,表1中所示,A与B之间相似距离为15.5,A与C之间相似距离为0,A与D之间相似距离为12.6,得到A与其它轨迹的相似距离之和:15.5+12.6=28.1,同理,B与其它轨迹的相似距离之和为38.2,C与其它轨迹的相似距离之和为68.5,D与其它轨迹的相似距离之和为58.4。
步骤402,将目标轨迹集合中相似距离之和最大的轨迹作为参考轨迹。
在本实施例中,表1中轨迹C的相似距离之和最大,则认为轨迹C是集合中最优质轨迹,将轨迹C作为提取道路的参考轨迹。
步骤403,从目标轨迹集合中提取出参考轨迹的至少一条同簇轨迹。
在本实施例中,可以基于概率密度估计算法从轨迹集合中提取出参考轨迹的至少一条同簇轨迹。同簇轨迹是在参考轨迹的周围预定距离范围内的轨迹,例如,同簇轨迹点的纵坐标为参考轨迹点正负10米范围内。
步骤404,计算参考轨迹和至少一条同簇轨迹的中心线作为提取出的候选道路。
在本实施例中,将参考轨迹和至少一条同簇轨迹的坐标进行平均,得到坐标集合构成了中心线,作为提取出的候选道路。这是因为道路可能是多个车道,可以用中心线代表多个车道的中心。如图5a所示,先提取出道路L1。
步骤405,从目标轨迹集合中过滤掉参考轨迹和至少一条同簇轨迹。
在本实施例中,本申请是按簇进行道路提取的,把已经提取过道路信息的轨迹过滤掉,不会影响其它道路的提取。
步骤406,若目标轨迹集合中仍有其它轨迹,则将更新后的目标轨迹集合中的轨迹的相似距离之和重新排序,重复执行步骤402-406。
在本实施例中,若目标轨迹集合中仍有其它轨迹,说明还可以继续提取道路。然后将已确认为道路的轨迹过滤之后,仍然后取目标轨迹集合中相似距离之和最大的轨迹作为参考轨迹,重复执行步骤402-406。如图5a所示,经过N轮迭代,每次计算都会输出一个独立路形。
步骤407,若目标轨迹集合中没有其它轨迹,则将提取出的候选道路根据几何关系进行连通补充,输出道路信息。
在本实施例中,若目标轨迹集合中没有其它轨迹,说明道路已提取完毕,可重建集合内步骤406得到的道路L1-LN的拓扑关系。如图5b左图所示,原始轨迹中L1-LN是不相连的。可将道路反向延长与其它道路相交进行连通补充,得到图5b中右侧的路网效果图。也可将道路曲线进行拟合后再延长与其它道路相交。
本实施例中的提取道路信息的方法的流程400体现了根据相似距离矩阵进行道路提取的步骤,基于轨迹最优化模型计算迭代条件,通过拟合轨迹中心线思路实现路网提取,同时结合数据预处里,关联分析等方规避除噪音区域,整体提升路网质量。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种提取道路信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的提取道路信息的装置600包括:获取单元601、过滤单元602、计算单元603、关联单元604和提取单元605。其中,获取单元601,被配置成获取车辆行驶的轨迹集合;过滤单元602,被配置成对轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合;计算单元603,被配置成计算目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵;关联单元604,被配置成根据相似距离矩阵计算目标轨迹集合的关联度;提取单元605,被配置成若关联度大于预定关联度阈值,则根据相似距离矩阵从目标轨迹集合中提取道路信息。
在本实施例中,提取道路信息的装置600的获取单元601、过滤单元602、计算单元603、关联单元604和提取单元605的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。
在本实施例的一些可选的实现方式中,计算单元603进一步被配置成:计算目标轨迹集合中两两轨迹之间的最长公共子序列的长度作为相似距离,得到相似距离矩阵。
在本实施例的一些可选的实现方式中,关联单元604进一步被配置成:计算相似距离矩阵中各元素之和作为分子;计算两两轨迹之中最短的轨迹长度之和作为分母;将分子与分母的比值确定为关联度。
在本实施例的一些可选的实现方式中,提取单元605进一步被配置成:根据相似距离矩阵计算每条轨迹与其它轨迹的相似距离之和;执行如下提取步骤:将目标轨迹集合中相似距离之和最大的轨迹作为参考轨迹;从目标轨迹集合中提取出参考轨迹的至少一条同簇轨迹;计算参考轨迹和至少一条同簇轨迹的中心线作为提取出的候选道路;从目标轨迹集合中过滤掉参考轨迹和至少一条同簇轨迹;若目标轨迹集合中仍有其它轨迹,则重复执行上述提取步骤;若目标轨迹集合中没有其它轨迹,则将提取出的候选道路根据几何关系进行连通补充,输出道路信息。
在本实施例的一些可选的实现方式中,获取单元601进一步被配置成:在计算目标轨迹集合中两两轨迹之间相似距离之前,若目标轨迹集合中轨迹的数量小于预定阈值,则继续获取不满足预定条件的车辆行驶的轨迹添加到目标轨迹集合中,使得目标轨迹集合中轨迹的数量大于等于预定阈值。
在本实施例的一些可选的实现方式中,预定条件包括以下至少一项:轨迹点速度小于预定速度阈值,轨迹点时间间隔大于预定时间阈值,轨迹点距离间隔大于预定距离阈值、轨迹曲率大于预定曲率阈值、轨迹中自相交点的数量大于预定交点阈值。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行流程200或400所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行流程200或400所述的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现流程200或400所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如提取道路信息的方法。例如,在一些实施例中,提取道路信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的提取道路信息的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行提取道路信息的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种提取道路信息的方法,包括:
获取车辆行驶的轨迹集合;
对所述轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合;
计算所述目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵;
根据所述相似距离矩阵计算所述目标轨迹集合的关联度;
若所述关联度大于预定关联度阈值,则根据所述相似距离矩阵从所述目标轨迹集合中提取道路信息。
2.根据权利要求1所述的方法,其中,所述计算所述目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵,包括:
计算所述目标轨迹集合中两两轨迹之间的最长公共子序列的长度作为相似距离,得到相似距离矩阵。
3.根据权利要求1所述的方法,其中,所述根据所述相似距离矩阵计算所述目标轨迹集合的关联度,包括:
计算所述相似距离矩阵中各元素之和作为分子;
计算两两轨迹之中最短的轨迹长度之和作为分母;
将所述分子与所述分母的比值确定为关联度。
4.根据权利要求1所述的方法,其中,所述根据所述相似距离矩阵从所述目标轨迹集合中提取道路信息,包括:
根据所述相似距离矩阵计算每条轨迹与其它轨迹的相似距离之和;
执行如下提取步骤:将所述目标轨迹集合中相似距离之和最大的轨迹作为参考轨迹;从所述目标轨迹集合中提取出所述参考轨迹的至少一条同簇轨迹;计算所述参考轨迹和所述至少一条同簇轨迹的中心线作为提取出的候选道路;从所述目标轨迹集合中过滤掉所述参考轨迹和所述至少一条同簇轨迹;
若所述目标轨迹集合中仍有其它轨迹,则重复执行上述提取步骤;
若所述目标轨迹集合中没有其它轨迹,则将提取出的候选道路根据几何关系进行连通补充,输出道路信息。
5.根据权利要求1所述的方法,其中,在计算所述目标轨迹集合中两两轨迹之间相似距离之前,所述方法还包括:
若所述目标轨迹集合中轨迹的数量小于预定阈值,则继续获取不满足预定条件的车辆行驶的轨迹添加到所述目标轨迹集合中,使得所述目标轨迹集合中轨迹的数量大于等于预定阈值。
6.根据权利要求1-5中任一项所述的方法,其中,所述预定条件包括以下至少一项:
轨迹点速度小于预定速度阈值,轨迹点时间间隔大于预定时间阈值,轨迹点距离间隔大于预定距离阈值、轨迹曲率大于预定曲率阈值、轨迹中自相交点的数量大于预定交点阈值。
7.一种提取道路信息的装置,包括:
获取单元,被配置成获取车辆行驶的轨迹集合;
过滤单元,被配置成对所述轨迹集合进行预处理,过滤掉满足预定条件的轨迹,得到目标轨迹集合;
计算单元,被配置成计算所述目标轨迹集合中两两轨迹之间相似距离,得到相似距离矩阵;
关联单元,被配置成根据所述相似距离矩阵计算所述目标轨迹集合的关联度;
提取单元,被配置成若所述关联度大于预定关联度阈值,则根据所述相似距离矩阵从所述目标轨迹集合中提取道路信息。
8.根据权利要求7所述的装置,其中,所述计算单元进一步被配置成:
计算所述目标轨迹集合中两两轨迹之间的最长公共子序列的长度作为相似距离,得到相似距离矩阵。
9.根据权利要求7所述的装置,其中,所述关联单元进一步被配置成:
计算所述相似距离矩阵中各元素之和作为分子;
计算两两轨迹之中最短的轨迹长度之和作为分母;
将所述分子与所述分母的比值确定为关联度。
10.根据权利要求7所述的装置,其中,所述提取单元进一步被配置成:
根据所述相似距离矩阵计算每条轨迹与其它轨迹的相似距离之和;
执行如下提取步骤:将所述目标轨迹集合中相似距离之和最大的轨迹作为参考轨迹;从所述目标轨迹集合中提取出所述参考轨迹的至少一条同簇轨迹;计算所述参考轨迹和所述至少一条同簇轨迹的中心线作为提取出的候选道路;从所述目标轨迹集合中过滤掉所述参考轨迹和所述至少一条同簇轨迹;
若所述目标轨迹集合中仍有其它轨迹,则重复执行上述提取步骤;
若所述目标轨迹集合中没有其它轨迹,则将提取出的候选道路根据几何关系进行连通补充,输出道路信息。
11.根据权利要求7所述的装置,其中,所述获取单元进一步被配置成:
在计算所述目标轨迹集合中两两轨迹之间相似距离之前,若所述目标轨迹集合中轨迹的数量小于预定阈值,则继续获取不满足预定条件的车辆行驶的轨迹添加到所述目标轨迹集合中,使得所述目标轨迹集合中轨迹的数量大于等于预定阈值。
12.根据权利要求7-11中任一项所述的装置,其中,所述预定条件包括以下至少一项:
轨迹点速度小于预定速度阈值,轨迹点时间间隔大于预定时间阈值,轨迹点距离间隔大于预定距离阈值、轨迹曲率大于预定曲率阈值、轨迹中自相交点的数量大于预定交点阈值。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111622387.0A CN114328785A (zh) | 2021-12-28 | 2021-12-28 | 提取道路信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111622387.0A CN114328785A (zh) | 2021-12-28 | 2021-12-28 | 提取道路信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114328785A true CN114328785A (zh) | 2022-04-12 |
Family
ID=81014854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111622387.0A Pending CN114328785A (zh) | 2021-12-28 | 2021-12-28 | 提取道路信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114328785A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859129A (zh) * | 2023-02-27 | 2023-03-28 | 南昌工程学院 | 基于稀疏卫星定位的车辆行驶轨迹相似性度量方法及系统 |
CN116576873A (zh) * | 2023-05-04 | 2023-08-11 | 杭州知汇云科技有限公司 | 一种服务信息提供方法及系统 |
-
2021
- 2021-12-28 CN CN202111622387.0A patent/CN114328785A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859129A (zh) * | 2023-02-27 | 2023-03-28 | 南昌工程学院 | 基于稀疏卫星定位的车辆行驶轨迹相似性度量方法及系统 |
CN116576873A (zh) * | 2023-05-04 | 2023-08-11 | 杭州知汇云科技有限公司 | 一种服务信息提供方法及系统 |
CN116576873B (zh) * | 2023-05-04 | 2024-02-13 | 好品易链(山东)科技发展有限公司 | 一种服务信息提供方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112148987B (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
CN114328785A (zh) | 提取道路信息的方法和装置 | |
WO2022105125A1 (zh) | 图像分割方法、装置、计算机设备及存储介质 | |
CN111209347B (zh) | 一种混合属性数据聚类的方法和装置 | |
CN110533055A (zh) | 一种点云数据的处理方法和装置 | |
JP2021047414A (ja) | 音声指紋の照合のための装置及びコンピュータ可読記憶媒体 | |
CN112860993B (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
CN114120414B (zh) | 图像处理方法、装置、电子设备和介质 | |
CN115082920A (zh) | 深度学习模型的训练方法、图像处理方法和装置 | |
CN101710422A (zh) | 基于全局流形原型聚类算法与分水岭算法的图像分割方法 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN114648676A (zh) | 点云处理模型的训练和点云实例分割方法及装置 | |
CN113837260A (zh) | 模型训练方法、对象匹配方法、装置及电子设备 | |
CN116798592B (zh) | 设施布设位置的确定方法、装置、设备及存储介质 | |
CN113326449A (zh) | 预测交通流量的方法、装置、电子设备和介质 | |
CN114741433B (zh) | 一种社群挖掘方法、装置、设备及存储介质 | |
CN115049590B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN114090601B (zh) | 一种数据筛选方法、装置、设备以及存储介质 | |
CN113656529B (zh) | 道路精度的确定方法、装置和电子设备 | |
CN113239149B (zh) | 实体处理方法、装置、电子设备和存储介质 | |
CN114328783A (zh) | 地图数据输出方法、地图数据处理方法、装置和电子设备 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN113447013A (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
CN113762397A (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 |
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 |