CN114333295A - 基于全覆盖的多元多种唯一id探测与跟踪方法 - Google Patents
基于全覆盖的多元多种唯一id探测与跟踪方法 Download PDFInfo
- Publication number
- CN114333295A CN114333295A CN202111438322.0A CN202111438322A CN114333295A CN 114333295 A CN114333295 A CN 114333295A CN 202111438322 A CN202111438322 A CN 202111438322A CN 114333295 A CN114333295 A CN 114333295A
- Authority
- CN
- China
- Prior art keywords
- information
- list
- data
- detection
- 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.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明要解决的技术问题时:在路侧处理单元通过不同的路侧传感器采集到的道路信息中,同一物体会被标注不同的ID,因此不便于道路信息的融合。为了解决上述技术问题,本发明的技术方案时提供了一种基于全覆盖的多元多种唯一ID探测与跟踪方法。在本发明所公开的技术方案中,可以将通过不同路侧探测设备探测到的同一物体赋予同一个且唯一的物体ID并对该物体ID持续追踪,尽量确保在整个可探测范围内同一被探测物体的物体ID始终保持不变,从而能够将通过不同路侧探测设备探测到的属于同一个被探测物体的信息有效地融合起来,使得各个路侧探测设备能够有效地协同工作。
Description
技术领域
本发明涉及一种基于不同路侧探测源生成的多元多种探测信号为同一个可移动物体生成唯一的物体ID以及对该物体ID进行持续跟踪的方法。
背景技术
为了实现对公共道路交通的有效管理,同时也为实现无人驾驶技术提供更好的基础设备支撑,目前在公共道路(例如高速公路、城市路网等)上会安装多种路侧探测源。
例如于2018年5月8日公开的、公开号为CN108010360A的中国发明专利申请公开了一种基于车路协同的自动驾驶环境感知系统,该自动驾驶环境感知系统包括在按设定距离划分的路段上设置的路侧传感器、路侧处理单元和路侧通信单元。其中,路侧传感器包括摄像头、激光雷达和微波雷达,用于采集道路的道路信息。路侧处理单元用于接收路侧传感器采集的道路信息,进行识别处理后转换到统一世界坐标系中,然后将转换后的数据融合标注在高精度地图中,对相邻路段的高精度地图进行拼接后形成语义化道路环境信息,传输至路侧通信单元。路侧通信单元,用于通过无线通信技术将语义化道路环境信息发送出去。该发明申请通过路侧传感器,在原有高精度地图的基础上,依据采集到的道路动态特征数据,实时更新高精度地图,为自动驾驶车辆安全行驶提供全局环境感知能力。
上述发明专利申请提到了利用多种路侧传感器采集道路信息,其路侧传感器包括摄像头、激光雷达和微波雷达。路侧处理单元通过不同的路侧传感器采集到的道路信息中,同一物体会被标注不同的ID,例如在路侧处理单元通过摄像头采集到的道路信息中,物体A会被赋予ID1;在路侧处理单元通过激光雷达采集到的道路信息中,同一个物体A会被赋予ID2;在路侧处理单元通过微波雷达采集到的道路信息中,同一个物体A又会被赋予ID3。由于同一个物体在不同道路信息中的ID并不相同,因此,这些道路信息无法有效地融合,从而使得各种路侧传感器无法有效地协同工作。
发明内容
本发明要解决的技术问题时:在路侧处理单元通过不同的路侧传感器采集到的道路信息中,同一物体会被标注不同的ID,因此不便于道路信息的融合。
为了解决上述技术问题,本发明的技术方案时提供了一种基于全覆盖的多元多种唯一ID探测与跟踪方法,其特征在于,包括以下步骤:
步骤1、设目标路段为双向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,M≥2;每个路侧探测源均可以获得被探测物体的位置信息以及运动信息,并且通过每组路侧探测设备还可以获得同一被探测物体的形态信息,其中,运动信息包括被探测物体的速度v、航向角θ;
沿一个指定的被探测物体行驶方向,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,并且将该指定的被探测物体行驶方向定义为参考方向,则有
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。第n个探测路段与第n+1个探测路段部分重叠;
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,则第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;
边缘侧计算单元与中心计算单元相连;
将目标路段所在路面定义为XOY平面,在每个边缘侧计算单元内建立路面坐标系,路面坐标系的X轴平行于被探测物体的行驶方向,并建立坐标原点;
步骤2、第n组路侧探测设备的M个路侧探测源以相同的采样频率f1获得第n个探测路段内所有运动物体的探测信息,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,边缘侧计算单元将路侧探测源上传的探测信息所包含的位置信息转换至基于路面坐标系的位置坐标;
设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所包含的位置信息转换至路面坐标系后的位置坐标为(xm,ym);设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采样次数为NTm、采样时刻为Tm;
将基于当前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个主位置坐标;其他M-1个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m个辅助路侧探测源获得的第q个辅助位置坐标,则第n个边缘侧计算单元以及中心计算单元在当前计算时刻Tc的处理具体包括以下步骤:
步骤301、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,第n个边缘侧计算单元将获得所有多组探测信息在计算时刻Tc上传至中心计算单元,具体包括以下步骤:
步骤3011、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;
步骤3012、对辅助位置坐标进行补偿,获得补偿辅助位置坐标;
步骤3013、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、形态信息以及运动信息,其中,位置信息为主位置坐标,为当前被探测物体的主特征信息,形态信息为当前被探测物体的辅助特征信息;
步骤302、中心计算单元基于步骤301获得的第n个边缘侧计算单元上传的所有分组对上一个计算时刻Tc-1接收自第n-1个边缘侧计算单元的跟踪ID列表进行匹配跟踪;
设跟踪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,则步骤302包括以下步骤:
步骤3021、中心计算单元获取通过步骤301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、形态信息以及运动信息;
若目标路段为单向K车道,有:
式中,vi为跟踪ID列表中第i条数据中运动信息所包含的速度;
若目标路段为双向K车道,有:
式中,θi为跟踪ID列表中第i条数据中运动信息所包含的航向角;
步骤3023、判断步骤3021所获得的运动信息中的航向角是否与跟踪ID列表中当前一条数据中运动信息所包含的航向角相等,若不相等,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028,若步骤3021所获得的运动信息中的航向角与跟踪ID列表中当前一条数据中运动信息所包含的航向角相等,则进入步骤3024;
步骤3024、判断步骤3021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3025,若不匹配,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028;
步骤3025、判断步骤3021所获得的形态信息是否与步骤3022所获得的物体辅助特征信息相匹配,若匹配,则进入步骤3026,若不匹配,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028;
步骤3026、将跟踪ID列表中第i条数据的物体主特征信息更新为步骤3021所获得的位置信息,将跟踪ID列表中第i条数据的物体辅助特征信息更新为步骤3021所获得的形态信息,将跟踪ID列表中第i条数据的运动信息更新为步骤3021所获得的运动信息,进入步骤3027;
步骤3027、将跟踪ID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,进入步骤3028;
步骤3028、获取通过步骤3021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、形态信息以及运动信息,返回步骤3022,直至遍历所有未匹配的分组,进入步骤3029;
步骤3029、删除跟踪ID列表中所有未匹配的数据,中心计算单元将更新后的跟踪ID列表以及所有未匹配的分组下发至第n个边缘侧计算单元,进入步骤303;
步骤303、第n个边缘侧计算单元基于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,则步骤303包括以下步骤:
步骤3031、获取通过步骤302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、形态信息以及运动信息;
若目标路段为单向K车道,有:
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;
若目标路段为双向K车道,有:
式中,θt为跟踪ID列表中第t条数据中运动信息所包含的航向角;
步骤3033、判断步骤3031所获得的运动信息中的航向角是否与新建ID列表中当前一条数据中运动信息所包含的航向角相等,若不相等,则获得新建ID列表中第i+1条未匹配的数据,返回步骤3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038,若步骤3031所获得的运动信息中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角相等,则进入步骤3034;
步骤3034、判断步骤3031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3035,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3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038;
步骤3035、判断步骤3031所获得的形态信息是否与步骤3032所获得的物体辅助特征信息相匹配,若匹配,则进入步骤3036,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3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038;
步骤3036、将新建ID列表中第t条数据的物体主特征信息更新为步骤3031所获得的位置信息,将新建ID列表中第t条数据的物体辅助特征信息更新为步骤3031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3031所获得的运动信息,进入步骤3037;
步骤3037、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3038;
步骤3038、获取通过步骤3031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3032,直至遍历所有未匹配的分组,进入步骤3039;
步骤3039、删除新建ID列表中所有未匹配的数据,进入步骤304;
步骤304、第n个边缘侧计算单元将经过步骤303后剩余的所有未匹配的分组上传至中心计算单元,由中心计算单元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物体主特征信息、形态信息以及车牌信息作为物体辅助特征信息,将新生成的物体ID及对应的物体主特征信息以及物体辅助特征信息下发至第n个边缘侧计算单元,第n个边缘侧计算单元将同一分组的物体ID、物体主特征信息、物体辅助特征信息以及运动信息作为一条新的数据加入新建ID列表中;
步骤305、将步骤304得到的新建ID列表的数据加入步骤3029得到的跟踪ID列表中;
步骤306、第n个边缘侧计算单元将步骤305得到跟踪ID列表上传至中心计算单元,并保存步骤304得到的新建ID列表。
在本发明所公开的技术方案中,可以将通过不同路侧探测设备探测到的同一物体赋予同一个且唯一的物体ID并对该物体ID持续追踪,尽量确保在整个可探测范围内同一被探测物体的物体ID始终保持不变,从而能够将通过不同路侧探测设备探测到的属于同一个被探测物体的信息有效地融合起来,使得各个路侧探测设备能够有效地协同工作。
附图说明
图1为本发明的简单时序图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
结合图1,本发明公开的一种基于全覆盖的多元多种唯一ID探测与跟踪方法包括以下步骤:
步骤1、设目标路段为双向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被探测物体的位置信息以及运动信息,并且通过每组路侧探测设备还可以获得同一被探测物体的形态信息以及车牌信息(假如被探测物体有车牌)。本发明中,形态信息包括被探测物体的大小、颜色等,运动信息包括被探测物体的速度v、航向角θ等。
沿一个指定的被探测物体行驶方向,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,并且将该指定的被探测物体行驶方向定义为参考方向,则有
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。第n个探测路段与第n+1个探测路段部分重叠,即在本发明所公开的技术方案中,相邻两个探测路段之间存在重叠区域,该重叠区域使得本发明提供的方法能够以较为简单的方式实现对物体ID的持续跟踪,具体方法请见下文描述。
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,则第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。在本发明所公开的技术方案中,相邻两个边缘侧计算单元之间以已知的有线或者无线的方式建立数据通信,当前边缘侧计算单元在每个计算周期将更新后的跟踪ID列表发送给下游的边缘侧计算单元,由于与这两个边缘侧计算单元所对应的两个探测路段之间存在重叠区域,因此基于重叠区域以及跟踪ID列表就可以实现对物体ID的持续跟踪。
边缘侧计算单元与中心计算单元相连,该中心计算单元可以是区域中心计算单元。
将目标路段所在路面定义为XOY平面,在每个边缘侧计算单元内建立路面坐标系,路面坐标系的X轴平行于被探测物体的行驶方向,并建立坐标原点。
步骤2、第n组路侧探测设备的M个路侧探测源以相同的采样频率f1获得第n个探测路段内所有运动物体的探测信息,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。
边缘侧计算单元将路侧探测源上传的探测信息所包含的位置信息转换至基于路面坐标系的位置坐标。
设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所包含的位置信息转换至路面坐标系后的位置坐标为(xm,ym)。设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采样次数为NTm、采样时刻为Tm。
在本发明所公开的技术方案中,假设M个路侧探测源是没有完成精准时间同步的,因为在实际应用场景下,实现不同路侧探测源之间精准的时间同步是较为困难的。虽然M个路侧探测源的时间是不同的,但是可以确保M个路侧探测源的采样频率是相等的,这样边缘侧计算单元就可以通过采样次数来判断通过M个路侧探测源获得的M个探测信息实质上是对应于同一时间点的信息,这样才能确保后续计算的准确性。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刻,因此,在本发明中通过采样次数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。
将基于当前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个主位置坐标。其他M-1个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m个辅助路侧探测源获得的第q个辅助位置坐标。
则第n个边缘侧计算单元以及中心计算单元在当前计算时刻Tc的处理具体包括以下步骤:
步骤301、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,第n个边缘侧计算单元将获得所有多组探测信息在计算时刻Tc上传至中心计算单元。
由于前文指出了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。而M个路侧探测源采集位置坐标的精度并不相同,本发明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,将坐标位置作为同一个被探测物体的主特征信息,其他信息例如形态信息作为同一个被探测物体的辅助特征信息。
基于上述原理,步骤301具体包括以下步骤:
步骤3011、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。
步骤3012、对辅助位置坐标进行补偿,获得补偿辅助位置坐标。
步骤3013、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、形态信息以及运动信息,还可以获得被探测物体的车牌信息(如果有的话),其中,位置信息为主位置坐标,为当前被探测物体的主特征信息,形态信息以及车牌信息为当前被探测物体的辅助特征信息。
步骤302、中心计算单元基于步骤301获得的第n个边缘侧计算单元上传的所有分组对上一个计算时刻Tc-1接收自第n-1个边缘侧计算单元的跟踪ID列表进行匹配跟踪。
通过步骤301可以获得当前一共有多少被测物体被当前的M个路侧探测源所识别到,并获得每个被探测物体的主特征信息以及辅助特征信息。而步骤302的目的是基于主特征信息以及辅助特征信息与跟踪ID列表中已知物体ID的各个物体进行匹配,先进行主特征信息的匹配,匹配成功后再进行辅助特征信息的匹配,全部匹配成功后则认为当前被探测物体与跟踪ID列表中的物体为同一个物体,将跟踪ID列表中的物体ID赋予当前被探测物体,从而实现ID的跟踪。
设跟踪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,则步骤302包括以下步骤:
步骤3021、中心计算单元获取通过步骤301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、形态信息以及运动信息;
若目标路段为单向K车道,有:
式中,vi为跟踪ID列表中第i条数据中运动信息所包含的速度。
若目标路段为双向K车道,有:
式中,θi为跟踪ID列表中第i条数据中运动信息所包含的航向角;
由于相邻两个探测路段之间存在重叠区域,当物体运动至重叠区域时即可实现物体ID从上游边缘侧计算单元被传递至当前边缘侧计算单元。因此,在本发明中可以采用线性方式对跟踪ID列表中的主特征信息进行补偿,从而进行匹配判断,即可实现主特征信息的匹配。
步骤3023、判断步骤3021所获得的运动信息中的航向角是否与跟踪ID列表中当前一条数据中运动信息所包含的航向角相等,若不相等,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028,若步骤3021所获得的运动信息中的航向角与跟踪ID列表中当前一条数据中运动信息所包含的航向角相等,则进入步骤3024;
步骤3024、判断步骤3021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3025,若不匹配,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028;
步骤3025、判断步骤3021所获得的形态信息是否与步骤3022所获得的物体辅助特征信息相匹配,若匹配,则进入步骤3026,若不匹配,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028;
步骤3026、将跟踪ID列表中第i条数据的物体主特征信息更新为步骤3021所获得的位置信息,将跟踪ID列表中第i条数据的物体辅助特征信息更新为步骤3021所获得的形态信息,将跟踪ID列表中第i条数据的运动信息更新为步骤3021所获得的运动信息,进入步骤3027;
步骤3027、将跟踪ID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,进入步骤3028;
步骤3028、获取通过步骤3021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、形态信息以及运动信息,返回步骤3022,直至遍历所有未匹配的分组,进入步骤3029;
步骤3029、删除跟踪ID列表中所有未匹配的数据,中心计算单元将更新后的跟踪ID列表以及所有未匹配的分组下发至第n个边缘侧计算单元,进入步骤303。
步骤303、第n个边缘侧计算单元基于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。通过步骤302实现了对上游边缘侧计算单元所获得以及所传递的物体ID的跟踪。在当前探测路段,也需要对上一个计算周期新生成的物体ID进行跟踪,其原理同步骤302。
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,则步骤303包括以下步骤:
步骤3031、获取通过步骤302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、形态信息以及运动信息;
若目标路段为单向K车道,有:
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;
若目标路段为双向K车道,有:
式中,θt为跟踪ID列表中第t条数据中运动信息所包含的航向角;
步骤3033、判断步骤3031所获得的运动信息中的航向角是否与新建ID列表中当前一条数据中运动信息所包含的航向角相等,若不相等,则获得新建ID列表中第i+1条未匹配的数据,返回步骤3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038,若步骤3031所获得的运动信息中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角相等,则进入步骤3034;
步骤3034、判断步骤3031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3035,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3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038;
步骤3035、判断步骤3031所获得的形态信息是否与步骤3032所获得的物体辅助特征信息相匹配,若匹配,则进入步骤3036,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3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038;
步骤3036、将新建ID列表中第t条数据的物体主特征信息更新为步骤3031所获得的位置信息,将新建ID列表中第t条数据的物体辅助特征信息更新为步骤3031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3031所获得的运动信息,进入步骤3037;
步骤3037、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3038;
步骤3038、获取通过步骤3031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3032,直至遍历所有未匹配的分组,进入步骤3039;
步骤3039、删除新建ID列表中所有未匹配的数据,进入步骤304。
步骤304、第n个边缘侧计算单元将经过步骤303后剩余的所有未匹配的分组上传至中心计算单元,由中心计算单元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物体主特征信息、形态信息以及车牌信息作为物体辅助特征信息,将新生成的物体ID及对应的物体主特征信息以及物体辅助特征信息下发至第n个边缘侧计算单元。第n个边缘侧计算单元将同一分组的物体ID、物体主特征信息、物体辅助特征信息以及运动信息作为一条新的数据加入新建ID列表中。
通过步骤304为经过步骤302以及步骤303后均未实现匹配的被探测物体生成新的物体ID。
步骤305、第n个边缘侧计算单元将步骤304得到的新建ID列表的数据加入步骤3029得到的跟踪ID列表中。
步骤306、第n个边缘侧计算单元将步骤305得到跟踪ID列表上传至中心计算单元,并保存步骤304得到的新建ID列表。
Claims (2)
1.一种基于全覆盖的多元多种唯一ID探测与跟踪方法,其特征在于,包括以下步骤:
步骤1、设目标路段为双向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,M≥2;每个路侧探测源均可以获得被探测物体的位置信息以及运动信息,并且通过每组路侧探测设备还可以获得同一被探测物体的形态信息,其中,运动信息包括被探测物体的速度v、航向角θ;
沿一个指定的被探测物体行驶方向,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,并且将该指定的被探测物体行驶方向定义为参考方向,则有
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。第n个探测路段与第n+1个探测路段部分重叠;
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,则第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;
边缘侧计算单元与中心计算单元相连;
将目标路段所在路面定义为XOY平面,在每个边缘侧计算单元内建立路面坐标系,路面坐标系的X轴平行于被探测物体的行驶方向,并建立坐标原点;
步骤2、第n组路侧探测设备的M个路侧探测源以相同的采样频率f1获得第n个探测路段内所有运动物体的探测信息,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,边缘侧计算单元将路侧探测源上传的探测信息所包含的位置信息转换至基于路面坐标系的位置坐标;
设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所包含的位置信息转换至路面坐标系后的位置坐标为(xm,ym);设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采样次数为NTm、采样时刻为Tm;
将基于当前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个主位置坐标;其他M-1个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m个辅助路侧探测源获得的第q个辅助位置坐标,则第n个边缘侧计算单元以及中心计算单元在当前计算时刻Tc的处理具体包括以下步骤:
步骤301、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,第n个边缘侧计算单元将获得所有多组探测信息在计算时刻Tc上传至中心计算单元,具体包括以下步骤:
步骤3011、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;
步骤3012、对辅助位置坐标进行补偿,获得补偿辅助位置坐标;
步骤3013、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、形态信息以及运动信息,其中,位置信息为主位置坐标,为当前被探测物体的主特征信息,形态信息为当前被探测物体的辅助特征信息;
步骤302、中心计算单元基于步骤301获得的第n个边缘侧计算单元上传的所有分组对上一个计算时刻Tc-1接收自第n-1个边缘侧计算单元的跟踪ID列表进行匹配跟踪;
设跟踪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,则步骤302包括以下步骤:
步骤3021、中心计算单元获取通过步骤301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、形态信息以及运动信息;
若目标路段为单向K车道,有:
式中,vi为跟踪ID列表中第i条数据中运动信息所包含的速度;
若目标路段为双向K车道,有:
式中,θi为跟踪ID列表中第i条数据中运动信息所包含的航向角;
步骤3023、判断步骤3021所获得的运动信息中的航向角是否与跟踪ID列表中当前一条数据中运动信息所包含的航向角相等,若不相等,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028,若步骤3021所获得的运动信息中的航向角与跟踪ID列表中当前一条数据中运动信息所包含的航向角相等,则进入步骤3024;
步骤3024、判断步骤3021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3025,若不匹配,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028;
步骤3025、判断步骤3021所获得的形态信息是否与步骤3022所获得的物体辅助特征信息相匹配,若匹配,则进入步骤3026,若不匹配,则获得跟踪ID列表中第i+1条未匹配的数据,返回步骤3022,直至遍历跟踪ID列表中所有未匹配的数据,进入步骤3028;
步骤3026、将跟踪ID列表中第i条数据的物体主特征信息更新为步骤3021所获得的位置信息,将跟踪ID列表中第i条数据的物体辅助特征信息更新为步骤3021所获得的形态信息,将跟踪ID列表中第i条数据的运动信息更新为步骤3021所获得的运动信息,进入步骤3027;
步骤3027、将跟踪ID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,进入步骤3028;
步骤3028、获取通过步骤3021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、形态信息以及运动信息,返回步骤3022,直至遍历所有未匹配的分组,进入步骤3029;
步骤3029、删除跟踪ID列表中所有未匹配的数据,中心计算单元将更新后的跟踪ID列表以及所有未匹配的分组下发至第n个边缘侧计算单元,进入步骤303;
步骤303、第n个边缘侧计算单元基于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,则步骤303包括以下步骤:
步骤3031、获取通过步骤302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、形态信息以及运动信息;
若目标路段为单向K车道,有:
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;
若目标路段为双向K车道,有:
式中,θt为跟踪ID列表中第t条数据中运动信息所包含的航向角;
步骤3033、判断步骤3031所获得的运动信息中的航向角是否与新建ID列表中当前一条数据中运动信息所包含的航向角相等,若不相等,则获得新建ID列表中第i+1条未匹配的数据,返回步骤3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038,若步骤3031所获得的运动信息中的航向角与新建ID列表中当前一条数据中运动信息所包含的航向角相等,则进入步骤3034;
步骤3034、判断步骤3031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3035,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3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038;
步骤3035、判断步骤3031所获得的形态信息是否与步骤3032所获得的物体辅助特征信息相匹配,若匹配,则进入步骤3036,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3032,直至遍历新建ID列表中所有未匹配的数据,进入步骤3038;
步骤3036、将新建ID列表中第t条数据的物体主特征信息更新为步骤3031所获得的位置信息,将新建ID列表中第t条数据的物体辅助特征信息更新为步骤3031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3031所获得的运动信息,进入步骤3037;
步骤3037、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3038;
步骤3038、获取通过步骤3031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3032,直至遍历所有未匹配的分组,进入步骤3039;
步骤3039、删除新建ID列表中所有未匹配的数据,进入步骤304;
步骤304、第n个边缘侧计算单元将经过步骤303后剩余的所有未匹配的分组上传至中心计算单元,由中心计算单元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物体主特征信息、形态信息以及车牌信息作为物体辅助特征信息,将新生成的物体ID及对应的物体主特征信息以及物体辅助特征信息下发至第n个边缘侧计算单元,第n个边缘侧计算单元将同一分组的物体ID、物体主特征信息、物体辅助特征信息以及运动信息作为一条新的数据加入新建ID列表中;
步骤305、将步骤304得到的新建ID列表的数据加入步骤3029得到的跟踪ID列表中;
步骤306、第n个边缘侧计算单元将步骤305得到跟踪ID列表上传至中心计算单元,并保存步骤304得到的新建ID列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111438322.0A CN114333295B (zh) | 2021-11-30 | 2021-11-30 | 基于全覆盖的多元多种唯一id探测与跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111438322.0A CN114333295B (zh) | 2021-11-30 | 2021-11-30 | 基于全覆盖的多元多种唯一id探测与跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333295A true CN114333295A (zh) | 2022-04-12 |
CN114333295B CN114333295B (zh) | 2022-11-11 |
Family
ID=81047083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111438322.0A Active CN114333295B (zh) | 2021-11-30 | 2021-11-30 | 基于全覆盖的多元多种唯一id探测与跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333295B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009245297A (ja) * | 2008-03-31 | 2009-10-22 | Kddi Corp | プローブデータ収集システム、プローブデータ収集方法およびプログラム |
JP2010044543A (ja) * | 2008-08-12 | 2010-02-25 | Kddi Corp | プローブデータ収集システム、プローブデータ収集方法、プログラムおよびプログラム記録媒体 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN110542898A (zh) * | 2019-06-18 | 2019-12-06 | 同济大学 | 一种基于雷达组群的车辆行为连续跟踪探测系统及方法 |
CN110969178A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 自动驾驶车辆的数据融合系统、方法及自动驾驶系统 |
CN111257864A (zh) * | 2020-01-17 | 2020-06-09 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、系统及方法 |
CN112017431A (zh) * | 2020-07-29 | 2020-12-01 | 河北德冠隆电子科技有限公司 | 基于多数据融合的主动式车辆持续跟踪定位系统及方法 |
-
2021
- 2021-11-30 CN CN202111438322.0A patent/CN114333295B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009245297A (ja) * | 2008-03-31 | 2009-10-22 | Kddi Corp | プローブデータ収集システム、プローブデータ収集方法およびプログラム |
JP2010044543A (ja) * | 2008-08-12 | 2010-02-25 | Kddi Corp | プローブデータ収集システム、プローブデータ収集方法、プログラムおよびプログラム記録媒体 |
CN110969178A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 自动驾驶车辆的数据融合系统、方法及自动驾驶系统 |
CN110542898A (zh) * | 2019-06-18 | 2019-12-06 | 同济大学 | 一种基于雷达组群的车辆行为连续跟踪探测系统及方法 |
CN110532896A (zh) * | 2019-08-06 | 2019-12-03 | 北京航空航天大学 | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 |
CN111257864A (zh) * | 2020-01-17 | 2020-06-09 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、系统及方法 |
CN112017431A (zh) * | 2020-07-29 | 2020-12-01 | 河北德冠隆电子科技有限公司 | 基于多数据融合的主动式车辆持续跟踪定位系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114333295B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khatab et al. | Vulnerable objects detection for autonomous driving: A review | |
JP6224370B2 (ja) | 車両用コントローラ、車両システム | |
KR20190082071A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
CN108573611B (zh) | 一种限速标识融合方法以及限速标识融合系统 | |
US10921437B2 (en) | Object tracking in an area of distributed sensors | |
CN104395944B (zh) | 定向车道的识别 | |
Fleck et al. | Towards large scale urban traffic reference data: Smart infrastructure in the test area autonomous driving baden-württemberg | |
EP3475976B1 (en) | Automated vehicle sensor selection based on map data density and navigation feature density | |
EP3452785B1 (en) | Method and apparatus for disambiguating location probe points within an ambiguous probe region of a road network | |
WO2022228523A1 (zh) | 车辆定位系统、方法及路侧装置 | |
CN114998276B (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
JP2017181476A (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 | |
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 | |
US11487293B2 (en) | Map-information obstacle-tracking system and method | |
CN111929676B (zh) | 一种基于密度聚类的x波段雷达目标检测与跟踪方法 | |
Kumar et al. | A survey on localization for autonomous vehicles | |
Yan et al. | SensorX2car: Sensors-to-car calibration for autonomous driving in road scenarios | |
CN114333295B (zh) | 基于全覆盖的多元多种唯一id探测与跟踪方法 | |
JP2022136145A (ja) | データ構造、情報処理装置、及び地図データ生成装置 | |
CN110865367B (zh) | 一种雷达视频数据智能融合方法 | |
CN108332749B (zh) | 一种室内动态追踪定位方法 | |
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 | |
Wang et al. | Vehicle Micro-Trajectory Automatic Acquisition Method Based on Multi-Sensor Fusion | |
CN112556720B (zh) | 一种车辆惯性导航校准方法、系统及车辆 | |
CN111964685A (zh) | 用于创建用于车辆的定位地图的方法和系统 |
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 |