CN114463984B - 车辆轨迹显示方法及相关设备 - Google Patents
车辆轨迹显示方法及相关设备 Download PDFInfo
- Publication number
- CN114463984B CN114463984B CN202210201359.XA CN202210201359A CN114463984B CN 114463984 B CN114463984 B CN 114463984B CN 202210201359 A CN202210201359 A CN 202210201359A CN 114463984 B CN114463984 B CN 114463984B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track data
- track
- data
- web client
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000009877 rendering Methods 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000002085 persistent effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆轨迹显示方法及相关设备。该方法包括：接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的所述每个车辆的第二轨迹数据；将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据；将所述每个车辆的轨迹数据下发至web客户端，以使所述web客户端采用预设算法三维显示所述每个车辆的轨迹数据。本申请提供的方案，能够准确地、直观地显示经过路口每个车辆的轨迹。
Description
技术领域
本申请涉及高精地图技术领域，尤其涉及一种车辆轨迹显示方法及相关设备。
背景技术
在智慧交通的车路协同系统中，往往需要对路侧目标进行3D(3-Dimension，三维)目标检测，从而实现目标定位等功能。相关技术对路口车辆的3D目标检测，是以安装在路测的激光雷达为感知车辆的感知设备，激光雷达检测到道路上的车辆，通过激光雷达识别算法识别出包括车辆的类型(例如，小汽车、大巴车、卡车等类型)和轨迹。
相关技术对路口车辆的3D目标检测，只使用激光雷达，导致车辆的类型识别效果欠佳，误识别率高，漏帧情况严重，数据来源单一，而且不能准确地识别车辆的航向角，导致无法准确地获得路口每个车辆的轨迹，也就无法直观地显示路口每个车辆的轨迹。
发明内容
为解决或部分解决相关技术中存在的问题，本申请提供一种车辆轨迹显示方法及相关设备，能够准确地、直观地显示经过路口每个车辆的轨迹。
本申请第一方面提供一种车辆轨迹显示方法，所述方法包括：
接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的所述每个车辆的第二轨迹数据；
将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据；所述轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段；根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹；
将所述每个车辆的轨迹数据下发至web客户端，以使所述web客户端采用预设算法在地图上三维显示所述每个车辆的轨迹数据；所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
在web客户端第一次接收到数组时，遍历该数组中的轨迹数据All list，获得每个车辆的轨迹数据；以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置放置车辆模型，完成数组中轨迹数据All list中每个车辆的轨迹数据的渲染；type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型(车辆)的方位角，satellite time表示车辆的轨迹数据的卫星时间。
优选的，所述将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据，包括：
分别剔除所述第一轨迹数据和/或所述第二轨迹数据的异常数据；
将分别剔除异常数据后的所述第一轨迹数据和/或所述第二轨迹数据融合，获得所述融合后的所述每个车辆的轨迹数据。
优选的，所述将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据，还包括：
将所述融合后获得的所述每个车辆的轨迹数据进行补帧处理，获得所述补帧处理后的所述每个车辆的轨迹数据。
优选的，所述web客户端采用预设算法三维显示所述每个车辆的轨迹数据，包括：
如果当次数组中轨迹数据的车辆唯一标识不存在地图上，根据该当次数组中的轨迹数据，web客户端采用webGL在地图上三维显示该当次数组中的轨迹数据；和/或，
如果当次数组中轨迹数据的车辆唯一标识存在地图上，根据与该车辆唯一标识对应的当次数组中的轨迹数据，web客户端采用webGL更新在地图上三维显示的与该车辆唯一标识对应的轨迹数据；和/或，
如果在地图上显示的轨迹数据的车辆唯一标识不存在于当次数组的轨迹数据中，将在地图上三维显示的与该车辆唯一标识对应的轨迹数据移除。
优选的，所述轨迹数据的数据帧率大于20。
本申请第二方面提供一种云端服务器，所述云端服务器包括：
接收单元，用于接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的所述每个车辆的第二轨迹数据；
融合单元，将所述接收单元接收的所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据；所述轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段；根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹；
下发单元，将所述融合单元获得的所述每个车辆的轨迹数据下发web客户端，以使所述web客户端采用预设算法在地图上三维显示所述每个车辆的轨迹数据；所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
在web客户端第一次接收到数组时，遍历该数组中的轨迹数据All list，获得每个车辆的轨迹数据；以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置放置车辆模型，完成数组中轨迹数据All list中每个车辆的轨迹数据的渲染；type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型(车辆)的方位角，satellite time表示车辆的轨迹数据的卫星时间。
本申请第三方面提供一种车辆轨迹显示系统，所述系统包括如上所述的第一感知设备、第二感知设备、web客户端、云端服务器；所述第一感知设备，用于获得并上传每个车辆的第一轨迹数据至所述云端服务器；
所述第二感知设备，用于获得并上传所述每个车辆的第二轨迹数据至所述云端服务器；
所述云端服务器，用于接收所述第一感知设备上传的所述每个车辆的第一轨迹数据和所述第二感知设备上传的所述每个车辆的第二轨迹数据，将接收的所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据，将所述每个车辆的轨迹数据下发至所述web客户端；所述轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段；根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹；所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
所述web客户端，用于采用预设算法在地图上三维显示所述云端服务器300下发的每个车辆的轨迹数据；在web客户端第一次接收到数组时，遍历该数组中的轨迹数据Alllist，获得每个车辆的轨迹数据；以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置放置车辆模型，完成数组中轨迹数据All list中每个车辆的轨迹数据的渲染；type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型(车辆)的方位角，satellite time表示车辆的轨迹数据的卫星时间。
优选的，所述云端服务器与所述web客户端建立长连接，所述云端服务器按设定时间间隔将所述每个车辆的轨迹数据下发至所述web客户端。
本申请第四方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第五方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
本申请的技术方案，通过摄像设备按深度学习算法获得路口每个车辆的第一轨迹数据；通过激光雷达按激光雷达识别算法，获得路口每个车辆的第二轨迹数据；将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据，提高了每个车辆的轨迹数据的精度；在web客户端采用预设算法三维显示每个车辆的轨迹数据，可以以动画的形式直观地显示每个车辆的轨迹数据，能够准确地、直观地显示经过路口每个车辆的轨迹。
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，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的车辆轨迹显示方法的流程示意图；
图2是本申请实施例示出的车辆轨迹显示方法的另一流程示意图；
图3是本申请实施例示出的云端服务器的结构示意图；
图4是本申请实施例示出的云端服务器的另一结构示意图；
图5是本申请实施例示出的车辆轨迹显示系统的结构示意图；
图6是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本申请实施例提供一种车辆轨迹显示方法，能够准确地、直观地显示经过路口每个车辆的轨迹。
以下结合附图详细描述本申请实施例的技术方案。
实施例一：
图1是本申请实施例示出的车辆轨迹显示方法的流程示意图。
参见图1，一种车辆轨迹显示方法，包括：
在步骤S101中，接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的每个车辆的第二轨迹数据。
在一种实施方式中，第一感知设备为摄像设备，第二感知设备为激光雷达。在路口按设定高度和设定角度安装摄像设备和激光雷达，摄像设备和激光雷达面向路口的道路，摄像设备的拍摄区域和激光雷达的扫描区域能够覆盖路口的设定区域，且相互重合，可以同时对经过路口的车辆进行检测。
在一种实施方式中，摄像设备按设定角度拍摄路口区域获得视频数据，通过深度学习算法对视频数据进行识别，获得视频数据中经过路口每个车辆的第一轨迹数据；将获得的每个车辆的第一轨迹数据通过通信装置上传至云端服务器。云端服务器接收摄像设备上传的每个车辆的第一轨迹数据。
在一种实施方式中，激光雷达按设定角度扫描路口区域，获取激光雷达按设定角度扫描路口区域的扫描信号，通过激光雷达识别算法，获得扫描信号中经过路口每个车辆的点云数据，根据经过路口每个车辆的点云数据，获得经过路口每个车辆的第二轨迹数据；将获得的每个车辆的第二轨迹数据通过通信装置上传至云端服务器。云端服务器接收激光雷达上传的每个车辆的第二轨迹数据。
在步骤S102中，将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据。
在一种实施方式中，云端服务器根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹。将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹。
在步骤S103中，将每个车辆的轨迹数据下发web客户端，以使web客户端采用预设算法三维显示所述每个车辆的轨迹数据。
在一种实施方式中，云端服务器将每个车辆的轨迹数据下发web客户端。web客户端根据接收的每个车辆的移动轨迹，在web客户端采用预设算法，在地图上3D显示每个车辆的移动轨迹。
本申请实施例示出的车辆轨迹显示方法，通过摄像设备按深度学习算法获得路口每个车辆的第一轨迹数据；通过激光雷达按激光雷达识别算法，获得路口每个车辆的第二轨迹数据；将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据，提高了每个车辆的轨迹数据的精度；在web客户端采用预设算法三维显示每个车辆的轨迹数据，可以以动画的形式直观地显示每个车辆的轨迹数据，能够准确地、直观地显示经过路口每个车辆的轨迹。
实施例二：
图2是本申请实施例示出的车辆轨迹显示方法的另一流程示意图。
参见图2，一种车辆轨迹显示方法，包括：
在步骤S201中，对摄像设备和激光雷达进行联合标定。
在一种实施方式中，在路口按设定高度和设定角度安装摄像设备和激光雷达，摄像设备和激光雷达面向路口的道路，摄像设备的拍摄区域和激光雷达的扫描区域能够覆盖路口的设定区域，且相互重合，可以同时对经过路口的车辆进行检测。
在一种实施方式中，采集摄像设备拍摄的包括多个标定板的图像，获取多个标定板上多个设定特征点的经纬度地理坐标、像素坐标；可以通过精确测量得到安装后摄像设备和激光雷达的经纬度地理坐标，以及多个标定板的经纬度地理坐标。可以将多个标定板上多个设定特征点的经纬度地理坐标、像素坐标，摄像设备和激光雷达的经纬度地理坐标，以及多个标定板的经纬度地理坐标上传至云端服务器；云端服务器根据摄像设备的经纬度地理坐标、相机内参，以及多个设定特征点的经纬度地理坐标、像素坐标，获得摄像设备的相机外参，完成摄像设备的标定。云端服务器可以通过张氏标定法获得相机内参。
在一种实施方式中，云端服务器可以通过包括多个标定板的图像，多个标定板上多个设定特征点的经纬度地理坐标、像素坐标，以及多个标定板、摄像设备和激光雷达的经纬度地理坐标，对安装在路口的面向道路的摄像设备和激光雷达进行联合标定。
在步骤S202中，接收摄像设备获得并上传的经过路口每个车辆的第一轨迹数据。
在一种实施方式中，摄像设备按设定角度拍摄路口区域获得视频数据，通过深度学习算法对视频数据进行识别，获得视频数据中经过路口每个车辆的第一轨迹数据；将获得的每个车辆的第一轨迹数据通过通信装置上传至云端服务器。云端服务器接收摄像设备上传的每个车辆的第一轨迹数据。
在步骤S203中，接收激光雷达获得并上传的经过路口每个车辆的第二轨迹数据。
在一种实施方式中，激光雷达按设定角度扫描路口区域，获得激光雷达的扫描信号；通过激光雷达识别算法，获得扫描信号中经过路口每个车辆的点云数据，根据经过路口每个车辆的点云数据，获得经过路口每个车辆的第二轨迹数据；将获得的每个车辆的第二轨迹数据通过通信装置上传至云端服务器。云端服务器接收激光雷达上传的每个车辆的第二轨迹数据。
在步骤S204中，将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据。
在一种实施方式中，云端服务器分别剔除第一轨迹数据和/或第二轨迹数据的异常数据；将分别剔除异常数据后的第一轨迹数据和/或第二轨迹数据融合，获得融合后的每个车辆的轨迹数据。云端服务器根据接收的每个车辆的第一轨迹数据和第二轨迹数据，分别剔除第一轨迹数据和第二轨迹数据的异常数据；根据分别剔除异常数据后的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的轨迹数据。
在一种具体实施方式中，云端服务器根据接收的每个车辆的第一轨迹数据和第二轨迹数据，分别剔除第一轨迹数据和第二轨迹数据的异常数据。云端服务器分别判断第一轨迹数据和第二轨迹数据中相邻轨迹点的轨迹点跳变偏离距离是否大于50米；如果轨迹点的轨迹点跳变偏离距离大于50米，则判断该轨迹点为异常轨迹点，将该轨迹点剔除；如果轨迹点的轨迹点跳变偏离距离小于或等于50米，则判断该轨迹点为正常轨迹点，保留该轨迹点。以第一轨迹数据为例，云端服务器分别判断第一轨迹数据中相邻的第m个轨迹点和第m+1个轨迹点两个轨迹点的轨迹点跳变偏离距离是否大于50米；如果第m个轨迹点和第m+1个轨迹点两个轨迹点的轨迹点跳变偏离距离大于50米，则判断第m+1个轨迹点为异常轨迹点，将第m+1个轨迹点剔除；如果第m个轨迹点和第m+1个轨迹点两个轨迹点的轨迹点跳变偏离距离小于或等于50米，则判断第m+1个轨迹点为正常轨迹点，保留第m+1个轨迹点。
在另一种实施方式中，云端服务器也可根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的轨迹数据。
在步骤S205中，将融合后获得的每个车辆的轨迹数据进行补帧处理，获得补帧处理后的每个车辆的轨迹数据。
在一种实施方式中，云端服务器根据融合后获得的每个车辆的轨迹数据，可以对每个车辆的移动轨迹进行补帧处理，使得每个车辆的移动轨迹的数据帧率达到20帧以上。
在一种实施方式中，由于感知设备(包括第一感知设备和第二感知设备)感知数据的数据帧率较低，可能只有10帧，在对第一轨迹数据和第二轨迹数据剔除异常数据后融合获得的每个车辆的轨迹数据的数据帧率也较低。云端服务器可以通过对融合后获得的每个车辆的轨迹数据进行补帧处理，在轨迹数据每两个轨迹点之间的中点位置补入一个轨迹点，使得每个车辆的轨迹数据的数据帧率达到20帧及20帧以上。
在一种实施方式中，云端服务器获得的每个车辆的轨迹数据包括包含车辆模型名称的属性字段"type"、包含车辆唯一标识的属性字段"uuid"、包含车辆纬度的属性字段"wgslat"、包含车辆经度的属性字段"wgslon"、包含车辆速度的属性字段"speed"、包含车辆方位角的属性字段"heading"、包含轨迹数据的卫星时间的属性字段"satelliteTime"等属性字段，type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型(车辆)的方位角，satellite time表示车辆的轨迹数据的卫星时间。
在步骤S206中，将每个车辆的轨迹数据下发至web客户端，以使web客户端采用预设算法三维显示每个车辆的轨迹数据。
在一种实施方式中，云端服务器通过websocket(一种通信协议)与web客户端建立长连接，云端服务器按设定时间间隔下发一个包含每个车辆的轨迹数据的数组至web客户端。
在一种实施方式中，云端服务器将包含属性字段的每个车辆的轨迹数据以列表(List)的形式构成一个数组，一个数组即为每个车辆的轨迹数据的数据集合，数据集合也可称为一个轨迹数据All list(整个列表)。轨迹数据All list中可以以每个车辆的唯一标识uuid区分每个车辆的轨迹数据。
在一种实施方式中，云端服务器每50ms下发一个数组至web客户端。web客户端获得当次云端服务器下发的数组，采用webGL(Web Graphics Library，一种3维绘图协议)在地图上3D显示数组中每个车辆的轨迹数据。如果当次数组中轨迹数据的车辆唯一标识不存在地图上，根据该当次数组中的轨迹数据，web客户端采用webGL在地图上三维显示该当次数组中的轨迹数据；和/或，
如果当次数组中轨迹数据的车辆唯一标识存在地图上，根据与该车辆唯一标识对应的当次数组中的轨迹数据，web客户端采用webGL更新在地图上三维显示的与该车辆唯一标识对应的轨迹数据；和/或，
如果在地图上显示的轨迹数据的车辆唯一标识不存在于当次数组的轨迹数据中，将在地图上三维显示的与该车辆唯一标识对应的轨迹数据移除。
在一种实施方式中，在web客户端第一次接收到数组时，遍历该数组中的轨迹数据All list，获得每个车辆的轨迹数据。以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置放置车辆模型，完成数组中轨迹数据All list中每个车辆的轨迹数据的渲染。在web客户端显示数组中轨迹数据All list中每个车辆的轨迹，将完成显示的数组放入历史列表Last all list。
在一种实施方式中，web客户端每次获得数组后，遍历当次数组的轨迹数据Alllist，获得每个车辆的轨迹数据。将当次数组中的轨迹数据All list与在历史列表Lastall list中的上一次数组中的轨迹数据All list做对比，形成3个列表：添加列表Addlist、更新列表Update list、移除列表Remove list。如果一个uuid在当次数组的轨迹数据All list中存在，在上一次数组的轨迹数据All list中不存在，则与该uuid对应的轨迹数据应该添加到地图中，将与该uuid对应的轨迹数据放入添加列表Add list；如果一个uuid在当次数组的轨迹数据All list中存在，在上一次数组的轨迹数据All list中也存在，则应该更新与该uuid对应的轨迹数据，将与该uuid对应的轨迹数据放入更新列表Updatelist；如果一个uuid在当次数组的轨迹数据All list中不存在，在上一次数组的轨迹数据All list中存在，则与该uuid对应的轨迹数据应该从地图中删除，将与该uuid对应的轨迹数据放入移除列表Remove list，当次数组的轨迹数据All list遍历之后，分别遍历添加列表Add list、更新列表Update list、移除列表Remove list，执行在地图中添加、更新、和/或移除轨迹数据的操作。
在一种实施方式中，根据放入添加列表Add list中的轨迹数据，以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，和以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置放置车辆模型；完成添加列表Add list中每个车辆的轨迹数据的渲染，在web客户端3D显示添加列表Add list中每个车辆的轨迹。遍历添加列表Add list，完成添加列表Add list中每个车辆轨迹数据的显示，并将添加列表Add list中的轨迹数据放入历史列表Last all list。
在一种实施方式中，根据放入更新列表Update list中的轨迹数据，根据轨迹数据的uuid，将在地图中存在的与uuid对应的车辆模型的方位角更新为更新列表Update list中与uuid对应的轨迹数据字段"type"中的方位角；将在地图中存在的与uuid对应的轨迹数据的经纬度更新为更新列表Update list中与uuid对应的轨迹数据字段"wgslat"、"wgslon"中的经纬度。遍历更新列表Update list，将更新列表Update list的所有轨迹数据全部更新到地图上，将更新列表Update list的轨迹数据放入历史列表Last all list。
在一种实施方式中，根据放入移除列表Remove list中的轨迹数据，将与移除列表Remove list中轨迹数据的uuid对应的在地图中显示的轨迹数据移除。遍历移除列表Remove list，将与移除列表Remove list中轨迹数据的uuid对应的在地图中显示的轨迹数据全部移除。
在一种实施方式中，web客户端可以部署于交管部门中控室，通过移动地图范围，在web客户端3D显示不同路口每个车辆的轨迹数据，可以全局掌握整体路段的所有路口的车流情况。
本申请实施例示出的车辆轨迹显示方法，通过摄像设备按深度学习算法获得路口每个车辆的第一轨迹数据；通过激光雷达按激光雷达识别算法，获得路口每个车辆的第二轨迹数据；将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据，提高了每个车辆的轨迹数据的精度；在web客户端采用预设算法三维显示每个车辆的轨迹数据，可以以动画的形式直观地显示每个车辆的轨迹数据，能够准确地、直观地显示经过路口每个车辆的轨迹。
进一步地，本申请实施例示出的车辆轨迹显示方法，分别剔除每个车辆的第一轨迹数据和/或第二轨迹数据的异常数据；分别对第一轨迹数据和/或所述第二轨迹数据进行补帧处理；将剔除异常数据、和/或补帧处理后的每个车辆的第一轨迹数据和第二轨迹数据进行融合处理，获得每个车辆的轨迹数据，每个车辆的轨迹数据的数据帧率大于20，提高了每个车辆的轨迹数据的精度，使得在web客户端三维显示的每个车辆的轨迹数据更加平滑。
进一步地，本申请实施例示出的车辆轨迹显示方法，在web客户端采用webGL在地图上三维显示每个车辆的轨迹数据，能够实时动态地在web客户端准确地、直观地显示经过路口每个车辆的轨迹。
实施例三：
与前述应用功能实现方法实施例相对应，本申请还提供了一种云端服务器、车辆轨迹显示系统、电子设备及相应的实施例。
图3是本申请实施例示出的云端服务器的结构示意图。
参见图3，一种云端服务器300，包括接收单元301、融合单元302、下发单元303。
接收单元301，用于接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的每个车辆的第二轨迹数据。
融合单元302，将接收单元301接收的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据。
下发单元303，将融合单元302获得的每个车辆的轨迹数据下发web客户端，以使web客户端采用预设算法三维显示每个车辆的轨迹数据。
本申请实施例示出的技术方案，通过摄像设备按深度学习算法获得路口每个车辆的第一轨迹数据；通过激光雷达按激光雷达识别算法，获得路口每个车辆的第二轨迹数据；将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据，提高了每个车辆的轨迹数据的精度；在web客户端采用预设算法三维显示每个车辆的轨迹数据，可以以动画的形式直观地显示每个车辆的轨迹数据，能够准确地、直观地显示经过路口每个车辆的轨迹。
实施例四：
图4是本申请实施例示出的云端服务器的另一结构示意图。
参见图4，一种云端服务器300，包括接收单元301、融合单元302、下发单元303、异常数据处理单元401、补帧处理单元402。
接收单元301的功能可以参见图3所示。
异常数据处理单元401，用于分别剔除接收单元301接收的第一轨迹数据和/或接收单元301接收的第二轨迹数据的异常数据。
融合单元302，还用于将异常数据处理单元401分别剔除异常数据后的第一轨迹数据和/或第二轨迹数据融合，获得每个车辆的轨迹数据。
补帧处理单元402，用于将融合单元302融合后获得的每个车辆的轨迹数据进行补帧处理，获得补帧处理后的每个车辆的轨迹数据。
在一种实施方式中，融合单元302获得的轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段。
在一种实施方式中，下发单元303，还用于将融合单元302获得的每个车辆的轨迹数据以数组的形式下发至web客户端。
关于上述实施例中的云端服务器，其中各个相关单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
实施例五：
图5是本申请实施例示出的车辆轨迹显示系统的结构示意图。
参见图5，一种车辆轨迹显示系统，包括第一感知设备501、第二感知设备502、web客户端503、云端服务器300。
第一感知设备501，用于获得并上传每个车辆的第一轨迹数据至云端服务器300。
第二感知设备502，用于获得并上传每个车辆的第二轨迹数据至云端服务器300。
云端服务器300，用于接收第一感知设备501上传的每个车辆的第一轨迹数据和第二感知设备502上传的每个车辆的第二轨迹数据，将接收的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据，将每个车辆的轨迹数据下发至web客户端503。
web客户端503，用于采用预设算法三维显示云端服务器300下发的每个车辆的轨迹数据。
在一种实施方式中，云端服务器300与web客户端503建立长连接，云端服务器300按设定时间间隔将每个车辆的轨迹数据下发至web客户端503。
本申请实施例示出的技术方案，通过摄像设备按深度学习算法获得路口每个车辆的第一轨迹数据；通过激光雷达按激光雷达识别算法，获得路口每个车辆的第二轨迹数据；将每个车辆的第一轨迹数据和第二轨迹数据融合，获得每个车辆的轨迹数据，提高了每个车辆的轨迹数据的精度；在web客户端采用预设算法三维显示每个车辆的轨迹数据，可以以动画的形式直观地显示每个车辆的轨迹数据，能够准确地、直观地显示经过路口每个车辆的轨迹。
进一步地，本申请实施例示出的技术方案，云端服务器与web客户端建立长连接，云端服务器按设定时间间隔将每个车辆的轨迹数据下发至web客户端，能够提高轨迹数据传输的连续性和稳定性，能够在web客户端准确地、直观地显示经过路口每个车辆的轨迹。
关于上述实施例中的系统，其中各个相关设备执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
图6是本申请实施例示出的电子设备的结构示意图。
参见图6，电子设备600包括存储器601和处理器602。
处理器602可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器601可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器602或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器601可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器601可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器601上存储有可执行代码，当可执行代码被处理器602处理时，可以使处理器602执行上文述及的方法中的部分或全部。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (9)
1.一种车辆轨迹显示方法，其特征在于，包括：
云端服务器接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的所述每个车辆的第二轨迹数据；所述第一感知设备为摄像设备，所述第二感知设备为激光雷达；其中，摄像设备按设定角度拍摄路口区域获得视频数据，通过深度学习算法对视频数据进行识别，获得视频数据中经过路口每个车辆的第一轨迹数据；
云端服务器将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据；所述轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段；其中包括：根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹；
云端服务器将所述每个车辆的轨迹数据下发至web客户端，以使所述web客户端采用预设算法在地图上三维显示所述每个车辆的轨迹数据；所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
在web客户端第一次接收到数组时，遍历该数组中的轨迹数据Alllist，获得每个车辆的轨迹数据；以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置车辆模型，完成数组中轨迹数据Alllist中每个车辆的轨迹数据的渲染；type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型的方位角，satellite time表示车辆的轨迹数据的卫星时间；并执行在地图中添加、更新、和/或移除轨迹数据的操作。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据，包括：
分别剔除所述第一轨迹数据和/或所述第二轨迹数据的异常数据；
将分别剔除异常数据后的所述第一轨迹数据和/或所述第二轨迹数据融合，获得所述融合后的所述每个车辆的轨迹数据。
3.根据权利要求2所述的方法，其特征在于，所述将所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据，还包括：
将所述融合后获得的所述每个车辆的轨迹数据进行补帧处理，获得所述补帧处理后的所述每个车辆的轨迹数据。
4.根据权利要求1所述的方法，其特征在于，所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
所述web客户端采用预设算法三维显示所述每个车辆的轨迹数据，包括：
如果当次数组中轨迹数据的车辆唯一标识不存在地图上，根据该当次数组中的轨迹数据，web客户端采用webGL在地图上三维显示该当次数组中的轨迹数据；和/或，
如果当次数组中轨迹数据的车辆唯一标识存在地图上，根据与该车辆唯一标识对应的当次数组中的轨迹数据，web客户端采用webGL更新在地图上三维显示的与该车辆唯一标识对应的轨迹数据；和/或，
如果在地图上显示的轨迹数据的车辆唯一标识不存在于当次数组的轨迹数据中，将在地图上三维显示的与该车辆唯一标识对应的轨迹数据移除。
5.根据权利要求1-3中任一项所述的方法，其特征在于：所述轨迹数据的数据帧率大于20。
6.一种云端服务器，其特征在于，包括：
接收单元，用于接收第一感知设备获得并上传的每个车辆的第一轨迹数据，以及接收第二感知设备获得并上传的所述每个车辆的第二轨迹数据；所述第一感知设备为摄像设备，所述第二感知设备为激光雷达；其中，摄像设备按设定角度拍摄路口区域获得视频数据，通过深度学习算法对视频数据进行识别，获得视频数据中经过路口每个车辆的第一轨迹数据；
融合单元，将所述接收单元接收的所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据；所述轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段；其中包括：根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹；
下发单元，将所述融合单元获得的所述每个车辆的轨迹数据下发web客户端，以使所述web客户端采用预设算法在地图上三维显示所述每个车辆的轨迹数据；所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
在web客户端第一次接收到数组时，遍历该数组中的轨迹数据Alllist，获得每个车辆的轨迹数据；以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置车辆模型，完成数组中轨迹数据Alllist中每个车辆的轨迹数据的渲染；type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型的方位角，satellite time表示车辆的轨迹数据的卫星时间；并执行在地图中添加、更新、和/或移除轨迹数据的操作。
7.一种车辆轨迹显示系统，其特征在于，包括如权利要求6所述的第一感知设备、第二感知设备、web客户端、云端服务器；
所述第一感知设备，用于获得并上传每个车辆的第一轨迹数据至所述云端服务器；所述第一感知设备为摄像设备；
所述第二感知设备，用于获得并上传所述每个车辆的第二轨迹数据至所述云端服务器；所述第二感知设备为激光雷达；其中，摄像设备按设定角度拍摄路口区域获得视频数据，通过深度学习算法对视频数据进行识别，获得视频数据中经过路口每个车辆的第一轨迹数据；
所述云端服务器，用于接收所述第一感知设备上传的所述每个车辆的第一轨迹数据和所述第二感知设备上传的所述每个车辆的第二轨迹数据，将接收的所述第一轨迹数据和所述第二轨迹数据融合，获得所述每个车辆的轨迹数据，将所述每个车辆的轨迹数据下发至所述web客户端；所述轨迹数据至少包括以下其中之一的属性字段：包含车辆模型名称的属性字段、包含车辆唯一标识的属性字段、包含车辆纬度的属性字段、包含车辆经度的属性字段、包含车辆速度的属性字段、包含车辆方位角的属性字段、包含轨迹数据的卫星时间的属性字段；其中包括：根据接收的每个车辆的第一轨迹数据和第二轨迹数据，获得同一时间每个车辆的第一移动轨迹和第二移动轨迹；将同一时间同一车辆的第一移动轨迹和第二移动轨迹进行融合处理，以每个车辆第一轨迹数据中的每个车辆的第一车辆模型为每个车辆的移动轨迹的车辆模型，获得每个车辆的移动轨迹；所述将所述每个车辆的轨迹数据下发web客户端，包括将所述每个车辆的轨迹数据以数组的形式下发至web客户端；
所述web客户端，用于采用预设算法在地图上三维显示所述云端服务器下发的每个车辆的轨迹数据；在web客户端第一次接收到数组时，遍历该数组中的轨迹数据Alllist，获得每个车辆的轨迹数据；以轨迹数据字段"type"中的模型名称为轨迹数据中车辆模型的名称查找对应的车辆模型；以与轨迹数据字段"wgslat"、"wgslon"中的经纬度对应的位置作为在地图中放置车辆模型的位置，以与轨迹数据字段"heading"中的方位角为车辆模型的方位角，放置车辆模型，完成数组中轨迹数据Alllist中每个车辆的轨迹数据的渲染；type表示车辆的模型名称，uuid表示车辆的唯一标识，wgslat表示车辆的纬度，wgslon表示车辆的经度，speed表示车辆的速度，heading表示车辆模型的方位角，satellite time表示车辆的轨迹数据的卫星时间；并执行在地图中添加、更新、和/或移除轨迹数据的操作。
8.根据权利要求7所述的系统，其特征在于，所述云端服务器与所述web客户端建立长连接，所述云端服务器按设定时间间隔将所述每个车辆的轨迹数据下发至所述web客户端。
9.一种计算机可读存储介质，其特征在于，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210201359.XA CN114463984B (zh) | 2022-03-02 | 2022-03-02 | 车辆轨迹显示方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210201359.XA CN114463984B (zh) | 2022-03-02 | 2022-03-02 | 车辆轨迹显示方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114463984A CN114463984A (zh) | 2022-05-10 |
| CN114463984B true CN114463984B (zh) | 2024-02-27 |
Family
ID=81415768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210201359.XA Active CN114463984B (zh) | 2022-03-02 | 2022-03-02 | 车辆轨迹显示方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114463984B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115113205B (zh) * | 2022-07-07 | 2023-10-20 | 南京慧尔视智能科技有限公司 | 一种道路的全息画像方法、装置、电子设备和存储介质 |
| CN115188195A (zh) * | 2022-07-21 | 2022-10-14 | 同济大学 | 一种城市全向交叉口的车辆轨迹实时提取方法和系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109064755A (zh) * | 2018-07-24 | 2018-12-21 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真路况感知管理系统的路径识别方法 |
| CN109948523A (zh) * | 2019-03-18 | 2019-06-28 | 中国汽车工程研究院股份有限公司 | 一种基于视频与毫米波雷达数据融合的目标物识别方法及其应用 |
| CN111008260A (zh) * | 2019-12-20 | 2020-04-14 | 山东省国土测绘院 | 轨迹的可视化方法、装置、设备和存储介质 |
| CN111105437A (zh) * | 2018-10-29 | 2020-05-05 | 西安宇视信息科技有限公司 | 车辆轨迹异常判断方法及装置 |
| WO2020120707A1 (fr) * | 2018-12-13 | 2020-06-18 | Continental Automotive France | Production de cartes routières numériques par production participative |
| EP3671272A1 (en) * | 2018-12-20 | 2020-06-24 | Veoneer Sweden AB | Vehicle sensor fusion based on fuzzy sets |
| GB202016383D0 (en) * | 2020-10-15 | 2020-12-02 | Continental Automotive Romania Srl | Method of updating the existance probability of a track in fusion based on sensor perceived areas |
| CN112489427A (zh) * | 2020-11-26 | 2021-03-12 | 招商华软信息有限公司 | 一种车辆轨迹跟踪方法、装置、设备及存储介质 |
| WO2021115133A1 (zh) * | 2020-09-30 | 2021-06-17 | 平安科技（深圳）有限公司 | 驾驶行为识别方法、装置、电子设备及存储介质 |
| WO2021135766A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 轨迹规划的方法、装置、控制器和智能车 |
| CN113252062A (zh) * | 2021-06-01 | 2021-08-13 | 智道网联科技(北京)有限公司 | 生成实时地图的方法、装置及电子设备、存储介质 |
| CN113420805A (zh) * | 2021-06-21 | 2021-09-21 | 车路通科技(成都)有限公司 | 视频和雷达的动态轨迹图像融合方法、装置、设备及介质 |
| CN114036247A (zh) * | 2021-10-14 | 2022-02-11 | 阿波罗智能技术(北京)有限公司 | 高精地图数据关联方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-02 CN CN202210201359.XA patent/CN114463984B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109064755A (zh) * | 2018-07-24 | 2018-12-21 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真路况感知管理系统的路径识别方法 |
| CN111105437A (zh) * | 2018-10-29 | 2020-05-05 | 西安宇视信息科技有限公司 | 车辆轨迹异常判断方法及装置 |
| WO2020120707A1 (fr) * | 2018-12-13 | 2020-06-18 | Continental Automotive France | Production de cartes routières numériques par production participative |
| EP3671272A1 (en) * | 2018-12-20 | 2020-06-24 | Veoneer Sweden AB | Vehicle sensor fusion based on fuzzy sets |
| CN109948523A (zh) * | 2019-03-18 | 2019-06-28 | 中国汽车工程研究院股份有限公司 | 一种基于视频与毫米波雷达数据融合的目标物识别方法及其应用 |
| CN111008260A (zh) * | 2019-12-20 | 2020-04-14 | 山东省国土测绘院 | 轨迹的可视化方法、装置、设备和存储介质 |
| WO2021135766A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 轨迹规划的方法、装置、控制器和智能车 |
| WO2021115133A1 (zh) * | 2020-09-30 | 2021-06-17 | 平安科技（深圳）有限公司 | 驾驶行为识别方法、装置、电子设备及存储介质 |
| GB202016383D0 (en) * | 2020-10-15 | 2020-12-02 | Continental Automotive Romania Srl | Method of updating the existance probability of a track in fusion based on sensor perceived areas |
| CN112489427A (zh) * | 2020-11-26 | 2021-03-12 | 招商华软信息有限公司 | 一种车辆轨迹跟踪方法、装置、设备及存储介质 |
| CN113252062A (zh) * | 2021-06-01 | 2021-08-13 | 智道网联科技(北京)有限公司 | 生成实时地图的方法、装置及电子设备、存储介质 |
| CN113420805A (zh) * | 2021-06-21 | 2021-09-21 | 车路通科技(成都)有限公司 | 视频和雷达的动态轨迹图像融合方法、装置、设备及介质 |
| CN114036247A (zh) * | 2021-10-14 | 2022-02-11 | 阿波罗智能技术(北京)有限公司 | 高精地图数据关联方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114463984A (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114463984B (zh) | 车辆轨迹显示方法及相关设备 | |
| US20100268452A1 (en) | Navigation device, navigation method, and navigation program | |
| CN108896994A (zh) | 一种无人驾驶车辆定位方法及设备 | |
| CN112116654A (zh) | 一种车辆位姿确定方法、装置及电子设备 | |
| JP7343054B2 (ja) | 位置推定方法、位置推定装置、および位置推定プログラム | |
| CN111353453B (zh) | 用于车辆的障碍物检测方法和装置 | |
| CN113112524B (zh) | 自动驾驶中移动对象的轨迹预测方法、装置及计算设备 | |
| US20200249332A1 (en) | Online Extrinsic Miscalibration Detection Between Sensors | |
| CN111930877B (zh) | 地图路牌的生成方法及电子设备 | |
| CN113139031A (zh) | 用于自动驾驶的交通标识的生成方法及相关装置 | |
| CN115164918A (zh) | 语义点云地图构建方法、装置及电子设备 | |
| JP6834914B2 (ja) | 物体認識装置 | |
| CN114419922A (zh) | 车位识别方法及装置 | |
| CN113611120A (zh) | 车辆位置信息预测方法、装置及设备 | |
| CN113284194A (zh) | 多rs设备的标定方法、装置及设备 | |
| CN111273314A (zh) | 点云数据处理方法、装置和存储介质 | |
| CN113029188B (zh) | 生成实时高精地图的方法及计算设备 | |
| EP3859281B1 (en) | Apparatus and method for collecting data for map generation | |
| CN113465615B (zh) | 车道线的生成方法及相关装置 | |
| CN114863347A (zh) | 地图校验方法、装置及设备 | |
| CN115355919A (zh) | 车辆定位算法的精度检测方法、装置、计算设备及介质 | |
| CN115342822B (zh) | 路口轨迹数据渲染方法、装置及系统 | |
| CN112991434B (zh) | 自动驾驶交通标识信息的生成方法及相关装置 | |
| CN116304142B (zh) | 点云数据获取方法、装置、设备及存储介质 | |
| CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |