CN114333294B - 一种基于非全覆盖的多元多种物体感知识别跟踪方法 - Google Patents
一种基于非全覆盖的多元多种物体感知识别跟踪方法 Download PDFInfo
- Publication number
- CN114333294B CN114333294B CN202111438317.XA CN202111438317A CN114333294B CN 114333294 B CN114333294 B CN 114333294B CN 202111438317 A CN202111438317 A CN 202111438317A CN 114333294 B CN114333294 B CN 114333294B
- Authority
- CN
- China
- Prior art keywords
- information
- detection
- data
- list
- tracking
- 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.)
- Active
Links
Images
Abstract
本申请公开了一种基于非全覆盖的多元多种物体感知识别跟踪方法,其特征在于,步骤包括:步骤一、路侧探测源对通行物体进行探测,探测信息上传;步骤二、进行探测信息的分组匹配,将属于同一物体的探测信息整合为一组,从而获得同一物体的位置信息、运动状态和形态信息;步骤三、根据ID跟踪列表以及分组匹配结果进行ID跟踪匹配;步骤四、根据跟踪匹配结果进行ID跟踪列表的更新。本申请优点在于,将各种探测源的探测信息整合为三类:位置信息、运动状态和形态信息,通过采用本申请提供的方法,利用边缘侧计算单元和计算中心,将上述信息有机结合在一起,综合使用,实现通行物体的唯一ID跟踪识别。
Description
技术领域
本申请涉及一种基于非全覆盖的多元多种物体感知识别跟踪方法,为行驶在道路上的通行物体赋予唯一ID,持续跟踪识别,属于智能交通技术领域。
背景技术
智能交通系统是我国重要的建设项目之一,为此我国有十多个城市被列为智能交通示范工程及试点城市,而交通信息的采集是智能交通管理中重要的一环。
目前常见的路侧探测源有雷达传感器、探测摄像头、GPS定位、感应式地埋线圈等等;这些探测源一般可以通过自身的安装位置以及测量得到通行物体与其的相对位置反馈通行物体的位置信息,除位置信息以外,有些探测源可以测量得到通行物体的速度信息,比如,雷达传感器、探测摄像头不仅可以探测得到速度大小,还可以探测得到速度方向,而另外一些传感器可以探测得到通行物体的形态信息,比如车辆大小、颜色等。
为了实现对通行物体的跟踪,一方面、目前只能通过探测摄像头识别车牌进行跟踪,而道路上存在的众多其它类型探测源,由于无法直接识别通行物体,这些探测源的探测信息都无法使用,另一方面、由于路侧探测源成本昂贵,无法实现对通行道路的全覆盖,在通行物体离开探测路段进入非探测路段时,无法对通行物体的唯一性进行持续跟踪。
发明内容
本申请要解决的技术问题是目前交通信息采集传感器类型多样、采集信息类型不一导致无法统一用于车辆跟踪识别的问题以及通行物体离开探测路段进入非探测路段无法对通行物体的唯一性进行持续跟踪的问题。
为了解决上述技术问题,本申请的技术方案是提供了一种基于非全覆盖的多元多种物体感知识别跟踪方法,其特征在于,用于感知识别并持续跟踪目标路段上的通行物体,每个通行物体赋予唯一ID,目标路段依次设有N组路侧探测设备,N≥2,每组路侧探测设备包括M个不同类型的路侧探测源,M≥2,目标路段上被第n组路侧探测设备所覆盖的区域定义为第n个探测路段,n=1,……,N;第n个探测路段与第n+1个探测路段之间存在非探测路段,第n个探测路段与第n+1个探测路段之间的非探测路段的起始点至终点的位移为行驶距离为ln,转向角度为每组路侧探测设备均与一个边缘侧计算单元相连;将与第n组路侧探测设备相连的边缘侧计算单元定义为第n个边缘侧计算单元,且第n个边缘侧计算单元与第n+1个边缘侧计算单元建立数据通信;且所有边缘侧计算单元均与计算中心建立数据通信;
方法具体步骤如下:
步骤一、当前探测路段的路侧探测源对通行物体进行探测,探测信息上传至当前探测路段的边缘侧计算单元,边缘侧计算单元同步上传至计算中心;
步骤二、计算中心根据步骤一得到的探测信息进行当前路段内的探测信息的分组匹配,将属于同一个被探测物体的探测信息整合为一组探测信息,从而获得同一个被探测物体的位置信息、运动状态和形态信息;
步骤三、计算中心根据从前一边缘侧计算单元获取的ID跟踪列表以及步骤二得到的当前路段内的探测信息的分组匹配结果进行通行物体的ID跟踪匹配:将通行物体匹配至对应的ID;
步骤四、根据步骤三通行物体的ID跟踪匹配结果进行ID跟踪列表的更新,并传递至下一边缘侧计算单元。
其中,所述探测信息包括通行物体的位置信息、运动状态信息以及形态信息;通行物体的位置信息设为主特征信息:即位置坐标S(x,y);运动状态设为运动信息:即运动速度V(v,θ)、包括速度大小v、航向角度θ;通行物体的形态信息设为辅助特征信息。
优选的,所述步骤一详细过程如下:第n组路侧探测设备的M个路侧探测源均以相同的采样频率f1获得第n个探测路段内所有通行物体的探测信息,并对采样次数NT进行计数;在每个采样时刻,M个路侧探测源将探测信息、采样次数NT以及采样时刻上传至第n个边缘侧计算单元;M个路侧探测源中第m个路侧探测源上传至第n个边缘侧计算单元的探测信息包括所探测的通信物体的位置信息、运动状态、形态信息、当前采样次数NTm以及采样时刻Tm。
优选的,所述步骤二中,计算中心以固定的计算频率f2计算,f1/2<f2<f1;将当前M个路侧探测源中具有最高位置探测精度的路侧探测源获得的位置坐标定义为主位置坐标,该路侧探测源定义为主路侧探测源,表示通过主路侧探测源获得的第p个通行物体的主位置坐标;其他M-1个路侧探测源探测得到的位置坐标定义为辅助位置坐标,这些M-1个路侧探测源定义为辅助路侧探测源,表示通过第mq个辅助路侧探测源获得的第q个辅助位置坐标;将M个路侧探测源获得的属于同一个被探测物体的探测信息归为一组,则基于不同的被探测物体能够获得多组探测信息,具体包括以下步骤:
步骤2-1判断主路侧探测源与所有辅助路侧探测源上传的采样次数NT是否相等:若相等,则进入下一步;若不相等,忽略采样次数不为NT的探测信息,重启当前的M个路侧探测源,进入下一个计算时刻;
式中,Tma表示主路侧探测源上传的当前采样时刻,表示第mq个辅助路侧探测源上传的当前采样时刻,表示与辅助位置坐标所对应的探测信息中的被探测物体的当前速度大小,表示与辅助位置坐标所对应的探测信息中的被探测物体的当前航向角度;通过上式来补偿M个路侧探测源时间存在不同步可能带来的误差;
步骤2-3探测信息分组匹配:分别计算每个主位置坐标与M-1个辅助路侧探测源的各补偿辅助位置坐标之间的相似度,对于同一个主位置坐标从每个辅助路侧探测源中选出与当前主位置坐标最近似的一个补偿辅助位置坐标;同一个主位置坐标与M-1个辅助路侧探测源所对应的最近似的M-1个补偿辅助位置坐标为一组,被认为属于同一个被探测物体;将通过M个路侧探测源获得的属于同一个被探测物体的探测信息整合为一组探测信息,从而获得同一个被探测物体的位置信息、运动状态和形态信息,其中,位置信息即为主位置坐标,各个路侧探测源获得的形态信息汇总为该被探测物体的形态信息。
其中,所述步骤2-3中,判断相似度采取如下两种判断标准中一种:
优选的,所述步骤三中,计算中心根据从前一边缘侧计算单元获取的ID跟踪列表以及步骤二得到的当前路段内的探测信息的分组匹配结果进行通行物体的ID跟踪匹配;计算中心根据从前一边缘侧计算单元获取的探测信息持续更新并维护ID跟踪列表,ID跟踪列表中每条数据均为匹配完成的通行物体,包括唯一的物体ID、物体主特征信息、物体辅助特征信息以及运动信息,根据当前路段内的探测信息的分组匹配结果,计算中心需要将当前路段内的通行物体匹配进ID跟踪列表,具体包括以下步骤:
步骤3-1获取通过步骤2-3获得的所有分组中未匹配的第j个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息;
步骤3-3判断步骤3-1所获得的运动状态中的航向角与ID跟踪列表中当前一条数据中运动信息所包含的航向角是否匹配,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8,若匹配,则进入步骤3-4;
步骤3-4判断步骤3-1所获得的位置信息是否与预测主特征信息相匹配,若匹配,则进入步骤3-5,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8;
步骤3-5判断步骤3-1所获得的形态信息是否与步骤3-2所获得的辅助特征信息相匹配,若匹配,则进入步骤3-6,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8;
步骤3-6将ID跟踪列表中第i条数据的物体主特征信息更新为步骤3-1所获得的位置信息,将ID跟踪列表中第i条数据的辅助特征信息更新为步骤3-1所获得的形态信息,将ID跟踪列表中第i条数据的运动信息更新为步骤3-1所获得的运动状态,进入步骤3-7;
步骤3-7将ID跟踪列表中第i条数据标记为已匹配,将第j个分组标记为已匹配,第j个分组对应的通行物体继承ID跟踪列表中第i条数据对应的物体ID,进入步骤3-8;
步骤3-8获取通过步骤3-1获得的所有分组中未匹配的第j+1个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息,返回步骤3-2,直至遍历所有未匹配的分组,进入步骤3-9;
步骤3-9删除ID跟踪列表中所有未匹配的数据,保留步骤3-1获得的所有分组中剩余的未匹配分组,进入步骤四。
优选的,所述步骤四包括以下步骤:
步骤4-1基于步骤三获得的所有未匹配分组对上一个计算时刻Tc-1当前边缘侧计算单元生成的新建ID列表进行匹配跟踪;设新建ID列表中的每条数据包括唯一的物体ID、物体主特征信息、物体辅助特征信息以及运动信息,包括以下步骤:
步骤4-11获取通过步骤3-9获得的所有分组中未匹配的第s个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息;
式中,vt为新建ID列表中第t条数据中运动信息所包含的速度;θt为ID跟踪列表中第t条数据中运动信息所包含的航向角;
步骤4-13判断步骤4-11所获得的运动状态中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角是否匹配,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18,若步骤4-11所获得的运动状态中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角匹配,则进入步骤4-14;
步骤4-14判断步骤4-11所获得的位置信息是否与补偿位置特征坐标相匹配,若匹配,则进入步骤4-15,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18;
步骤4-15判断步骤4-11所获得的形态信息是否与步骤4-12所获得的辅助特征信息相匹配,若匹配,则进入步骤4-16,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18;
步骤4-16将新建ID列表中第t条数据的主特征信息更新为步骤4-11所获得的位置信息,将新建ID列表中第t条数据的辅助特征信息更新为步骤4-11所获得的形态信息,将新建ID列表中第t条数据的运动信息更新为步骤4-11所获得的运动状态,进入步骤4-17;
步骤4-17将新建ID列表中第t条数据标记为已匹配,将第s个分组标记为已匹配,进入步骤4-18;
步骤4-18获取通过步骤4-11获得的所有分组中未匹配的第s+1个分组所对应的同一个被探测物体的位置信息、形态信息以及运动信息,返回步骤4-12,直至遍历所有未匹配的分组,进入步骤4-19;
步骤4-19删除新建ID列表中所有未匹配的数据,进入步骤4-2;
步骤4-2获得所有未匹配的分组,为每个分组生成一个唯一的物体ID,并将每个分组的位置信息作为主特征信息、形态信息作为辅助特征信息、运动状态作为运动信息,同一分组的物体ID、主特征信息、辅助特征信息以及运动信息作为一条新的数据加入新建ID列表中;
步骤4-3、将步骤4-2得到的新建ID列表的数据加入步骤3-9得到的ID跟踪列表中,完成ID跟踪列表的更新。
本申请优点在于,将各种探测源的探测信息整合为三类:位置信息、运动状态和形态信息,通过采用本申请提供的方法,利用边缘侧计算单元,将上述信息有机结合在一起,综合使用,实现通行物体的唯一ID跟踪识别。
附图说明
图1为本申请提供的感知识别跟踪方法实现架构图。
具体实施方式
为使本申请更明显易懂,兹以优选实施例,并配合附图作详细说明如下。
本实施例提供的是基于非全覆盖的多元多种物体感知识别跟踪方法,主要作用在于,一是统一各种路侧探测源探测得到的探测信息,以位置信息为基础进行通行物体的唯一id的匹配识别,二是当目标路段上路侧探测源的探测路段不连续的情况下,通过状态预测来实现对通行物体的唯一id的持续跟踪,详细内容如下:
目标路段设为双向K车道或单向K车道,K≥1。目标路段布置有N组路侧探测设备,N≥2,每组路侧探测设备包括M个不同类型的路侧探测源(例如:激光雷达、微波雷达、超声波雷达、摄像头等),M≥2。每个路侧探测源均可以获得对通行物体的探测信息,探测信息包括通行物体的位置信息以及运动状态,并且,由于探测源不同,探测信息还可以获得同一被探测的通行物体的形态信息(例如通行物体的大小、颜色、车牌等);
本申请中,通行物体的位置信息设为主特征信息:即位置坐标S(x,y);运动状态设为运动信息:即运动速度V(v,θ)、包括速度大小v、航向角度θ;通行物体的形态信息设为辅助特征信息:包括通行物体的大小、颜色、车牌等。
沿一个指定的行驶方向,将N组路侧探测设备依序定义为第1组路侧探测设备至第N组路侧探测设备,将目标路段上被第n组路侧探测设备所覆盖的区域定义为第n个探测路段,n=1,……,N;在长路况下,相邻组路侧探测设备之间无法实现探测路段的全覆盖,即第n个探测路段与第n+1个探测路段之间存在一定距离的非探测路段,设第n个探测路段与第n+1个探测路段之间的非探测路段的起始点至终点的位移为行驶距离为ln,转向角度为
每组路侧探测设备均与一个边缘侧计算单元相连;将与第n组路侧探测设备相连的边缘侧计算单元定义为第n个边缘侧计算单元,所有边缘侧计算单元均通讯连接至计算中心,计算中心提供唯一ID服务以及时序数据库存储服务。
步骤一、当前探测路段的路侧探测源对通行物体进行探测,探测信息上传至当前探测路段的边缘侧计算单元,详细过程如下:
步骤1-1、第n组路侧探测设备的M个路侧探测源均以相同的采样频率f1获得第n个探测路段内所有通行物体的探测信息,并对采样次数NT进行计数。在每个采样时刻,M个路侧探测源将探测信息、采样次数NT以及采样时刻上传至第n个边缘侧计算单元。
M个路侧探测源中第m个路侧探测源上传至第n个边缘侧计算单元的探测信息包括所探测的通信物体的位置信息、运动状态、形态信息、当前采样次数NTm以及采样时刻Tm。
在本申请所公开的技术方案中,M个路侧探测源的采样频率相同,但采样时刻没有条件完成精准时间同步,因此在实际应用场景下,虽然M个路侧探测源的采样时刻是不同的,但通过计数,可以确保同样采样次数下的探测信息是对应于同一较小时间段(1/f1)之内的,因此可以认定为对应于同一时间。假设有三个路侧探测源以相同的采样频率进行采样,则第一个路侧探测源第一次采样得到的第一个探测信息实质上与第二个路侧探测源第一次采样得到的第一个探测信息、第三个路侧探测源第一次采样得到的第一个探测信息对应的是同一时间,因此,在本申请中通过利用采样次数NTm,边缘侧计算单元就可以将通过M个路侧探测源获得的M个探测信息有效地对应起来。
步骤二、当前探测路段的边缘侧计算单元将步骤一得到的探测信息同步上传至计算中心,计算中心根据步骤一得到的探测信息进行当前路段内的探测信息的分组匹配,将属于同一个被探测物体的探测信息整合为一组探测信息,从而获得同一个被探测物体的位置信息、运动状态和形态信息,详细过程如下:
计算中心接收第n个边缘侧计算单元上传的探测信息,以固定的计算频率f2计算,f1/2<f2<f1;当前组内M个路侧探测源均会对当前路段内的通行物体进行探测,由于不同探测源探测精度不同、以及探测时间偏差带来的误差,组内M个路侧探测源对同一通行物体探测得到的位置信息存在偏差,因此首先需要进行探测信息校准;
将当前M个路侧探测源中具有最高位置探测精度的路侧探测源获得的位置坐标定义为主位置坐标,该路侧探测源定义为主路侧探测源,表示通过主路侧探测源获得的第p个通行物体的主位置坐标;其他M-1个路侧探测源探测得到的位置坐标定义为辅助位置坐标,这些M-1个路侧探测源定义为辅助路侧探测源,表示通过第mq个辅助路侧探测源获得的第q个辅助位置坐标;将M个路侧探测源获得的属于同一个被探测物体的探测信息归为一组,则基于不同的被探测物体能够获得多组探测信息,具体包括以下步骤:
步骤2-1判断主路侧探测源与所有辅助路侧探测源上传的采样次数NT是否相等:若相等,则进入下一步;若不相等,则重启当前的M个路侧探测源,进入下一个计算时刻(忽略采样次数不为NT的探测信息);
式中,Tma表示主路侧探测源上传的当前采样时刻,表示第mq个辅助路侧探测源上传的当前采样时刻,表示与辅助位置坐标所对应的探测信息中的被探测物体的当前速度大小,表示与辅助位置坐标所对应的探测信息中的被探测物体的当前航向角度;通过上式来补偿M个路侧探测源时间存在不同步可能带来的误差。
步骤2-3探测信息分组匹配:分别计算每个主位置坐标与M-1个辅助路侧探测源的各补偿辅助位置坐标之间的相似度,对于同一个主位置坐标从每个辅助路侧探测源中选出与当前主位置坐标最近似的一个补偿辅助位置坐标。同一个主位置坐标与M-1个辅助路侧探测源所对应的最近似的M-1个补偿辅助位置坐标为一组,被认为属于同一个被探测物体;将通过M个路侧探测源获得的属于同一个被探测物体的探测信息整合为一组探测信息,从而获得同一个被探测物体的位置信息、运动状态和形态信息;其中,位置信息即为主位置坐标,各个路侧探测源获得的形态信息汇总为该被探测物体的形态信息。
由于M个路侧探测源并没有实现精准的时间同步,因此在采集探测信息就会存在时间差,而被探测物体往往处于运动状态,进而时间差就会体现在通过M个路侧探测源所获得的位置坐标的差异上;同时,M个路侧探测源由于类型不同,采集位置坐标的精度不相同,本申请以其中具有最高精度的一个路侧探测源为基准,结合该路侧探测源相对于其他路侧探测源的时间差以及被探测物体的速度,对其他路侧探测源所获得的位置坐标进行补偿后再进行坐标匹配,通过匹配结果来判定这些位置坐标是否属于同一个被测物体,进而判定与之对应的M个探测信息是否属于同一个被测物体。
其中,在步骤2-3中,判断相似度包括如下两种判断标准:
步骤三 计算中心根据从前一边缘侧计算单元获取的ID跟踪列表以及步骤二得到的当前路段内的探测信息的分组匹配结果进行通行物体的ID跟踪匹配;计算中心根据从前一边缘侧计算单元获取的探测信息持续更新并维护ID跟踪列表,ID跟踪列表中每条数据均为匹配完成的通行物体,包括唯一的物体ID、物体主特征信息、物体辅助特征信息以及运动信息,根据当前路段内的探测信息的分组匹配结果,计算中心需要将当前路段内的通行物体匹配进ID跟踪列表,具体包括以下步骤:
步骤3-1获取通过步骤2-3获得的所有分组中未匹配的第j个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息;
其中,预测探测信息包括预测主特征信息预测运动信息以及预测记录时刻由于第n-1个探测路段与第n个探测路段之间存在非探测路段,无法得到连续的通行物体的探测信息。当通行物体从第n-1个探测路段驶出、在驶入第n个探测路段之前,ID跟踪列表中对应于该通行物体的数据(主特征信息、辅助特征信息、运动信息以及记录时刻)保留在离开第n-1个探测路段之前的最后一个记录时刻,在通行物体驶入第n个探测路段的第一个探测时刻已经经过了通行物体在非探测路段的行驶时间,因此需要根据ID跟踪列表中的数据进行探测信息的预测;
步骤3-3判断步骤3-1所获得的运动状态中的航向角与ID跟踪列表中当前一条数据的预测运动信息所包含的航向角是否匹配,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8,若匹配,则进入步骤3-4;
步骤3-4判断步骤3-1所获得的位置信息是否与预测主特征信息相匹配(欧式距离之差小于阈值),若匹配,则进入步骤3-5,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8;
步骤3-5判断步骤3-1所获得的形态信息是否与步骤3-2所获得的辅助特征信息相匹配,若匹配,则进入步骤3-6,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8;
步骤3-6将ID跟踪列表中第i条数据的物体主特征信息更新为步骤3-1所获得的位置信息,将ID跟踪列表中第i条数据的辅助特征信息更新为步骤3-1所获得的形态信息,将ID跟踪列表中第i条数据的运动信息更新为步骤3-1所获得的运动状态,进入步骤3-7;
步骤3-7将ID跟踪列表中第i条数据标记为已匹配,将第j个分组标记为已匹配,第j个分组对应的通行物体继承ID跟踪列表中第i条数据对应的物体ID,进入步骤3-8;
步骤3-8获取通过步骤3-1获得的所有分组中未匹配的第j+1个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息,返回步骤3-2,直至遍历所有未匹配的分组,进入步骤3-9;
步骤3-9删除ID跟踪列表中所有未匹配的数据,保留步骤3-1获得的所有分组中剩余的未匹配分组,进入步骤四。
步骤四 根据步骤三通行物体的ID跟踪匹配结果进行ID跟踪列表的更新:
步骤4-1基于步骤三获得的所有未匹配分组对上一个计算时刻Tc-1生成的新建ID列表进行匹配跟踪。设新建ID列表中的每条数据包括唯一的物体ID、物体主特征信息、物体辅助特征信息以及运动信息,包括以下步骤:
步骤4-11获取通过步骤3-9获得的所有分组中未匹配的第s个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息;
式中,vt为新建ID列表中第t条数据中运动信息所包含的速度;θt为ID跟踪列表中第t条数据中运动信息所包含的航向角;
步骤4-13判断步骤4-11所获得的运动状态中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角是否匹配,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18,若步骤4-11所获得的运动状态中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角匹配,则进入步骤4-14;
步骤4-14判断步骤4-11所获得的位置信息是否与补偿位置特征坐标相匹配,若匹配,则进入步骤4-15,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18;
步骤4-15判断步骤4-11所获得的形态信息是否与步骤4-12所获得的辅助特征信息相匹配,若匹配,则进入步骤4-16,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18;
步骤4-16将新建ID列表中第t条数据的主特征信息更新为步骤4-11所获得的位置信息,将新建ID列表中第t条数据的辅助特征信息更新为步骤4-11所获得的形态信息,将新建ID列表中第t条数据的运动信息更新为步骤4-11所获得的运动状态,进入步骤4-17;
步骤4-17将新建ID列表中第t条数据标记为已匹配,将第s个分组标记为已匹配,进入步骤4-18;
步骤4-18获取通过步骤4-11获得的所有分组中未匹配的第s+1个分组所对应的同一个被探测物体的位置信息、形态信息以及运动信息,返回步骤4-12,直至遍历所有未匹配的分组,进入步骤4-19;
步骤4-19删除新建ID列表中所有未匹配的数据,进入步骤4-2。
步骤4-2计算中心获得所有未匹配的分组,为每个分组生成一个唯一的物体ID,并将每个分组的位置信息作为主特征信息、形态信息作为辅助特征信息、运动状态作为运动信息,同一分组的物体ID、主特征信息、辅助特征信息以及运动信息作为一条新的数据加入新建ID列表中。
步骤4-3、将步骤4-2得到的新建ID列表的数据加入步骤3-9得到的ID跟踪列表中。
至此,计算中心完成ID跟踪列表的更新。
本申请提供的方式实施依赖于四层架构,如图1所示,包括两层物理层以及两层软件层。
两层物理层包括:第一层为车辆层:即设置在目标路段上所有用于探测车辆通行信息的路侧探测源,路侧探测源将探测得到的原始信息比如位置信息、形态信息以及运动信息传递至第二层;第二层为边缘侧计算单元(MEC)层:用于接收第一层传递过来的原始探测信息,并进行数据的预处理,和第三层交互信息完成上述方法。
两层软件层包括:第三层为唯一ID服务系统层:安装在边缘侧计算单元(MEC)中,执行匹配算法、对探测信息进行匹配、并与数据库交换管理ID列表;第四层为时序数据库层,管理所有ID及ID对应的特征数据,为唯一ID服务系统层提供最新的特征数据并实时保持更新。
Claims (2)
1.一种基于非全覆盖的多元多种物体感知识别跟踪方法,其特征在于,用于感知识别并持续跟踪目标路段上的通行物体,每个通行物体赋予唯一ID,目标路段依次设有N组路侧探测设备,N≥2,每组路侧探测设备包括M个不同类型的路侧探测源,M≥2,目标路段上被第n组路侧探测设备所覆盖的区域定义为第n个探测路段,n=1,……,N;第n个探测路段与第n+1个探测路段之间存在非探测路段,第n个探测路段与第n+1个探测路段之间的非探测路段的起始点至终点的位移为行驶距离为ln,转向角度为每组路侧探测设备均与一个边缘侧计算单元相连;将与第n组路侧探测设备相连的边缘侧计算单元定义为第n个边缘侧计算单元,且第n个边缘侧计算单元与第n+1个边缘侧计算单元建立数据通信;且所有边缘侧计算单元均与计算中心建立数据通信;
方法具体步骤如下:
步骤一、当前探测路段的路侧探测源对通行物体进行探测,探测信息上传至当前探测路段的边缘侧计算单元,边缘侧计算单元同步上传至计算中心;
步骤二、计算中心根据步骤一得到的探测信息进行当前路段内的探测信息的分组匹配,将属于同一个被探测物体的探测信息整合为一组探测信息,从而获得同一个被探测物体的位置信息、运动状态和形态信息;
步骤三、计算中心根据从前一边缘侧计算单元获取的ID跟踪列表以及步骤二得到的当前路段内的探测信息的分组匹配结果进行通行物体的ID跟踪匹配:将通行物体匹配至对应的ID;
步骤四、根据步骤三通行物体的ID跟踪匹配结果进行ID跟踪列表的更新,并传递至下一边缘侧计算单元;
所述探测信息包括通行物体的位置信息、运动状态信息以及形态信息;通行物体的位置信息设为主特征信息:即位置坐标S(x,y);运动状态设为运动信息:即运动速度V(v,θ)、包括速度大小v、航向角度θ;通行物体的形态信息设为辅助特征信息;
所述步骤一详细过程如下:第n组路侧探测设备的M个路侧探测源均以相同的采样频率f1获得第n个探测路段内所有通行物体的探测信息,并对采样次数NT进行计数;在每个采样时刻,M个路侧探测源将探测信息、采样次数NT以及采样时刻上传至第n个边缘侧计算单元;M个路侧探测源中第m个路侧探测源上传至第n个边缘侧计算单元的探测信息包括所探测的通信物体的位置信息、运动状态、形态信息、当前采样次数NTm以及采样时刻Tm;
所述步骤二中,计算中心以固定的计算频率f2计算,f1/2<f2<f1;将当前M个路侧探测源中具有最高位置探测精度的路侧探测源获得的位置坐标定义为主位置坐标,该路侧探测源定义为主路侧探测源,表示通过主路侧探测源获得的第p个通行物体的主位置坐标;其他M-1个路侧探测源探测得到的位置坐标定义为辅助位置坐标,这些M-1个路侧探测源定义为辅助路侧探测源,表示通过第mq个辅助路侧探测源获得的第q个辅助位置坐标;将M个路侧探测源获得的属于同一个被探测物体的探测信息归为一组,则基于不同的被探测物体能够获得多组探测信息,具体包括以下步骤:
步骤2-1判断主路侧探测源与所有辅助路侧探测源上传的采样次数NT是否相等:若相等,则进入下一步;若不相等,忽略采样次数不为NT的探测信息,重启当前的M个路侧探测源,进入下一个计算时刻;
式中,Tma表示主路侧探测源上传的当前采样时刻,表示第mq个辅助路侧探测源上传的当前采样时刻,表示与辅助位置坐标所对应的探测信息中的被探测物体的当前速度大小,表示与辅助位置坐标所对应的探测信息中的被探测物体的当前航向角度;通过上式来补偿M个路侧探测源时间存在不同步可能带来的误差;
步骤2-3探测信息分组匹配:分别计算每个主位置坐标与M-1个辅助路侧探测源的各补偿辅助位置坐标之间的相似度,对于同一个主位置坐标从每个辅助路侧探测源中选出与当前主位置坐标最近似的一个补偿辅助位置坐标;同一个主位置坐标与M-1个辅助路侧探测源所对应的最近似的M-1个补偿辅助位置坐标为一组,被认为属于同一个被探测物体;将通过M个路侧探测源获得的属于同一个被探测物体的探测信息整合为一组探测信息,从而获得同一个被探测物体的位置信息、运动状态和形态信息,其中,位置信息即为主位置坐标,各个路侧探测源获得的形态信息汇总为该被探测物体的形态信息;
所述步骤三中,计算中心根据从前一边缘侧计算单元获取的ID跟踪列表以及步骤二得到的当前路段内的探测信息的分组匹配结果进行通行物体的ID跟踪匹配;计算中心根据从前一边缘侧计算单元获取的探测信息持续更新并维护ID跟踪列表,ID跟踪列表中每条数据均为匹配完成的通行物体,包括唯一的物体ID、物体主特征信息、物体辅助特征信息以及运动信息,根据当前路段内的探测信息的分组匹配结果,计算中心需要将当前路段内的通行物体匹配进ID跟踪列表,具体包括以下步骤:
步骤3-1获取通过步骤2-3获得的所有分组中未匹配的第j个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息;
步骤3-3判断步骤3-1所获得的运动状态中的航向角与ID跟踪列表中当前一条数据中运动信息所包含的航向角是否匹配,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8,若匹配,则进入步骤3-4;
步骤3-4判断步骤3-1所获得的位置信息是否与预测主特征信息相匹配,若匹配,则进入步骤3-5,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8;
步骤3-5判断步骤3-1所获得的形态信息是否与步骤3-2所获得的辅助特征信息相匹配,若匹配,则进入步骤3-6,若不匹配,则获得ID跟踪列表中第i+1条未匹配的数据,返回步骤3-2,直至遍历ID跟踪列表中所有未匹配的数据,进入步骤3-8;
步骤3-6将ID跟踪列表中第i条数据的物体主特征信息更新为步骤3-1所获得的位置信息,将ID跟踪列表中第i条数据的辅助特征信息更新为步骤3-1所获得的形态信息,将ID跟踪列表中第i条数据的运动信息更新为步骤3-1所获得的运动状态,进入步骤3-7;
步骤3-7将ID跟踪列表中第i条数据标记为已匹配,将第j个分组标记为已匹配,第j个分组对应的通行物体继承ID跟踪列表中第i条数据对应的物体ID,进入步骤3-8;
步骤3-8获取通过步骤3-1获得的所有分组中未匹配的第j+1个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息,返回步骤3-2,直至遍历所有未匹配的分组,进入步骤3-9;
步骤3-9删除ID跟踪列表中所有未匹配的数据,保留步骤3-1获得的所有分组中剩余的未匹配分组,进入步骤四;
所述步骤四包括以下步骤:
步骤4-1基于步骤三获得的所有未匹配分组对上一个计算时刻Tc-1当前边缘侧计算单元生成的新建ID列表进行匹配跟踪;设新建ID列表中的每条数据包括唯一的物体ID、物体主特征信息、物体辅助特征信息以及运动信息,包括以下步骤:
步骤4-11获取通过步骤3-9获得的所有分组中未匹配的第s个分组所对应的同一个被探测物体的位置信息、运动状态以及形态信息;
式中,vt为新建ID列表中第t条数据中运动信息所包含的速度;θt为ID跟踪列表中第t条数据中运动信息所包含的航向角;
步骤4-13判断步骤4-11所获得的运动状态中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角是否匹配,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18,若步骤4-11所获得的运动状态中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角匹配,则进入步骤4-14;
步骤4-14判断步骤4-11所获得的位置信息是否与补偿位置特征坐标相匹配,若匹配,则进入步骤4-15,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18;
步骤4-15判断步骤4-11所获得的形态信息是否与步骤4-12所获得的辅助特征信息相匹配,若匹配,则进入步骤4-16,若不匹配,则获得新建ID列表中第i+1条未匹配的数据,返回步骤4-12,直至遍历新建ID列表中所有未匹配的数据,进入步骤4-18;
步骤4-16将新建ID列表中第t条数据的主特征信息更新为步骤4-11所获得的位置信息,将新建ID列表中第t条数据的辅助特征信息更新为步骤4-11所获得的形态信息,将新建ID列表中第t条数据的运动信息更新为步骤4-11所获得的运动状态,进入步骤4-17;
步骤4-17将新建ID列表中第t条数据标记为已匹配,将第s个分组标记为已匹配,进入步骤4-18;
步骤4-18获取通过步骤4-11获得的所有分组中未匹配的第s+1个分组所对应的同一个被探测物体的位置信息、形态信息以及运动信息,返回步骤4-12,直至遍历所有未匹配的分组,进入步骤4-19;
步骤4-19删除新建ID列表中所有未匹配的数据,进入步骤4-2;
步骤4-2获得所有未匹配的分组,为每个分组生成一个唯一的物体ID,并将每个分组的位置信息作为主特征信息、形态信息作为辅助特征信息、运动状态作为运动信息,同一分组的物体ID、主特征信息、辅助特征信息以及运动信息作为一条新的数据加入新建ID列表中;
步骤4-3、将步骤4-2得到的新建ID列表的数据加入步骤3-9得到的ID跟踪列表中,完成ID跟踪列表的更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111438317.XA CN114333294B (zh) | 2021-11-30 | 2021-11-30 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111438317.XA CN114333294B (zh) | 2021-11-30 | 2021-11-30 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333294A CN114333294A (zh) | 2022-04-12 |
CN114333294B true CN114333294B (zh) | 2022-12-13 |
Family
ID=81046112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111438317.XA Active CN114333294B (zh) | 2021-11-30 | 2021-11-30 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333294B (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05288840A (ja) * | 1992-04-09 | 1993-11-05 | Mitsubishi Electric Corp | 多目標追尾装置 |
JP2004046647A (ja) * | 2002-07-12 | 2004-02-12 | Univ Waseda | 動画像データに基づく移動物体追跡方法及び装置 |
DE10334620B4 (de) * | 2003-07-30 | 2023-07-06 | Robert Bosch Gmbh | Generierung von Verkehrshinweisen durch die Interpretation von Verkehrszeichenszenarien und Navigationsinformation in einem Fahrzeug |
US8665113B2 (en) * | 2005-10-31 | 2014-03-04 | Wavetronix Llc | Detecting roadway targets across beams including filtering computed positions |
CN105676253B (zh) * | 2016-01-15 | 2019-01-01 | 武汉光庭科技有限公司 | 一种自动驾驶中基于城市道路标线地图的纵向定位系统及其方法 |
CN106971567A (zh) * | 2017-05-18 | 2017-07-21 | 上海博历机械科技有限公司 | 一种交通路段车辆排队视频检测系统 |
CN108417047A (zh) * | 2018-05-10 | 2018-08-17 | 杭州盈蝶科技有限公司 | 一种车辆定位追踪方法及其系统 |
CN111353510B (zh) * | 2018-12-20 | 2023-07-18 | 长沙智能驾驶研究院有限公司 | 多传感器目标检测方法、装置、计算机设备和存储介质 |
CN111239766B (zh) * | 2019-12-27 | 2021-12-07 | 北京航天控制仪器研究所 | 基于激光雷达的水面多目标快速识别跟踪方法 |
CN111738053B (zh) * | 2020-04-15 | 2022-04-01 | 上海摩象网络科技有限公司 | 一种跟踪对象确定方法、设备和手持相机 |
CN111754798A (zh) * | 2020-07-02 | 2020-10-09 | 上海电科智能系统股份有限公司 | 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 |
CN112731324A (zh) * | 2020-12-16 | 2021-04-30 | 中交第一公路勘察设计研究院有限公司 | 高速公路多雷达跨区域组网多目标跟踪方法 |
CN112885114A (zh) * | 2021-01-05 | 2021-06-01 | 上海图丽信息技术有限公司 | 一种远距离实时跟踪车辆轨迹的系统及其应用 |
CN113379805B (zh) * | 2021-08-12 | 2022-01-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通节点的多信息资源融合处理方法 |
CN113706790A (zh) * | 2021-09-28 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 行驶辅助的方法、系统、装置、设备及介质 |
-
2021
- 2021-11-30 CN CN202111438317.XA patent/CN114333294B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114333294A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20190082071A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN102279406B (zh) | Gps定位轨迹的围栏识别方法 | |
CN100462680C (zh) | 使用交通工具的射频识别标记装配系统及其方法 | |
CN113419244A (zh) | 一种基于毫米波雷达数据的车辆轨迹拼接方法 | |
US9291462B2 (en) | Method for position determination for a motor vehicle | |
CN102997926B (zh) | 一种用于获取导航数据的方法 | |
CN108573611B (zh) | 一种限速标识融合方法以及限速标识融合系统 | |
CN114357019A (zh) | 一种智能网联环境下路侧感知单元数据质量监测方法 | |
CN109564095B (zh) | 出于路径选择或导航目的使用虚拟探测点的方法和设备 | |
JP2018077162A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
CN115205559A (zh) | 一种跨域车辆重识别及连续轨迹构建方法 | |
Wang et al. | Realtime wide-area vehicle trajectory tracking using millimeter-wave radar sensors and the open TJRD TS dataset | |
CN108592903B (zh) | 一种基于路网地磁基准库的车辆地磁匹配定位方法 | |
US20230003531A1 (en) | Matching coordinate systems of multiple maps, based on trajectories | |
Dai et al. | Traffic parameter estimation and control system based on machine vision | |
CN114495520B (zh) | 一种车辆的计数方法、装置、终端和存储介质 | |
CN113850237B (zh) | 基于视频和轨迹数据的网联车目标检测评价方法及系统 | |
Einsiedler et al. | Indoor micro navigation utilizing local infrastructure-based positioning | |
CN114333294B (zh) | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 | |
US11487293B2 (en) | Map-information obstacle-tracking system and method | |
US20210048819A1 (en) | Apparatus and method for determining junction | |
CN108827325A (zh) | 对数据进行定位的方法、设备和计算机可读的存储介质 | |
JP2007102357A (ja) | 車両制御装置 | |
CN114333295B (zh) | 基于全覆盖的多元多种唯一id探测与跟踪方法 | |
US11812342B2 (en) | Cellular-based navigation method |
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 |