CN115620252A - 轨迹纠偏方法、装置、计算机设备和存储介质 - Google Patents

轨迹纠偏方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN115620252A
CN115620252A CN202211293414.9A CN202211293414A CN115620252A CN 115620252 A CN115620252 A CN 115620252A CN 202211293414 A CN202211293414 A CN 202211293414A CN 115620252 A CN115620252 A CN 115620252A
Authority
CN
China
Prior art keywords
deviation
track
rectifying
subset
target
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
Application number
CN202211293414.9A
Other languages
English (en)
Inventor
林先壹
李昌
王屯
葛文超
王利歌
冯昶
乔扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoqi Zhitu Beijing Technology Co ltd
Original Assignee
Guoqi Zhitu Beijing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guoqi Zhitu Beijing Technology Co ltd filed Critical Guoqi Zhitu Beijing Technology Co ltd
Priority to CN202211293414.9A priority Critical patent/CN115620252A/zh
Publication of CN115620252A publication Critical patent/CN115620252A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本申请涉及一种轨迹纠偏方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：根据预设的第一选取策略，确定目标纠偏参照点；根据预设的纠偏选取条件，确定采集轨迹点第一子集；基于目标纠偏参照点的轨迹数据、采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定初始纠偏轨迹点第一子集；根据初始纠偏轨迹点第一子集、以及实际匹配车道数据子集，确定初始纠偏轨迹点第一子集的纠偏精度；在纠偏精度不满足预设的纠偏精度条件的情况下，重新确定目标纠偏参照点，并返回执行根据预设的纠偏选取条件的步骤，直到纠偏精度满足预设的精度条件，得到纠偏后的纠偏轨迹点第一子集。本方案提高了轨迹纠偏的纠偏精度。

Description

轨迹纠偏方法、装置、计算机设备和存储介质
技术领域
本申请涉及轨迹数据处理技术领域，特别是涉及一种轨迹纠偏方法、装置、计算机设备和存储介质。
背景技术
随着轨迹数据处理技术的发展，出现了轨迹纠偏技术，这个技术可以对低精度的全球定位系统(Global Position System，GPS)设备采集到的低精度的轨迹数据进行纠偏，进而得到纠偏后的轨迹数据。纠偏后的轨迹数据可以为路况分析、地图绘制等提供数据源。
传统技术中，是将当前时刻的轨迹点的目标轨迹数据、以及下一时刻的轨迹点的到达时间，输入至预先训练的位置预测模型，得到下一时刻的轨迹点的位置数据。然后，获取全球定位系统设备采集到的下一时刻的轨迹点的轨迹数据，并基于轨迹点的位置数据，对初始轨迹数据中的位置数据进行纠偏处理，得到下一时刻的轨迹点的轨迹数据(即纠偏后的轨迹数据)。假设目标车辆在某次驾驶中共产生了x个轨迹点，那么经过(x-1)次的轨迹纠偏后，得到(x-1)个纠偏后的轨迹数据。
然而，目前的轨迹纠偏技术中的纠偏参照点都是上一个时刻的轨迹点的目标轨迹数据，但是如果上一个时刻轨迹点的目标轨迹数据的纠偏质量较差，那么之后的轨迹点的目标轨迹数据的纠偏质量会越来越差，进而导致轨迹纠偏的纠偏精度低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高纠偏精度的轨迹纠偏方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种轨迹纠偏方法。所述方法包括：
根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点；
根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集；
基于所述目标纠偏参照点的轨迹数据、所述采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定所述采集轨迹点第一子集对应的初始纠偏轨迹点第一子集；
根据所述初始纠偏轨迹点第一子集、以及所述初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定所述初始纠偏轨迹点第一子集的纠偏精度；
在所述纠偏精度不满足预设的纠偏精度条件的情况下，基于所述预设的第一选取策略，在所述纠偏参照点集合中重新确定所述目标纠偏参照点，并返回执行所述根据预设的纠偏选取条件的步骤，直到所述纠偏精度满足所述预设的精度条件，将所述初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。
在其中一个实施例中，所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点之前，还包括：
根据预设的第二选取策略，在历史轨迹点集合中确定目标历史轨迹点，得到目标历史轨迹点集合；
基于所述目标历史轨迹点的轨迹数据、以及车道中心线的车道数据进行车道匹配，确定所述目标历史轨迹点的预测匹配车道；
基于所述目标历史轨迹点的预测匹配车道、以及所述目标历史轨迹点的实际匹配车道，确定所述目标历史轨迹点的轨迹数据的采集精度，并根据各所述目标历史轨迹点的采集精度，确定所述目标历史轨迹点集合的采集精度；
在所述目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，基于所述预设的第二选取策略，在所述历史轨迹点集合中重新确定所述目标历史轨迹点，并返回执行所述得到目标历史轨迹点集合的步骤，直到所述目标历史轨迹点集合的采集精度满足所述预设的采集精度条件，根据所述目标历史轨迹点集合，确定所述纠偏参照点集合。
在其中一个实施例中，所述根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集包括：
针对采集轨迹点集合，在采集轨迹点的到达时间与车载图像的拍摄时间相同的情况下，将所述采集轨迹点作为分集轨迹点，将所述分集轨迹点的到达时间作为分集时间；
在所述采集轨迹点集合中，确定所述到达时间早于或者等于第一分集时间的采集轨迹点，得到采集轨迹点第一子集；所述第一分集时间是最早的分集时间。
在其中一个实施例中，所述根据所述初始纠偏轨迹点第一子集、以及所述初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定所述初始纠偏轨迹点第一子集的纠偏精度包括：
根据预设的第三选取策略，在所述初始纠偏轨迹点第一子集中，确定目标纠偏轨迹点，并获取所述目标纠偏轨迹点的纠偏轨迹数据；
基于所述目标纠偏轨迹点的纠偏轨迹数据、以及所述车道中心线的车道数据进行车道匹配，确定所述目标纠偏轨迹点的预测匹配车道；
基于所述目标纠偏轨迹点的预测匹配车道、以及所述目标纠偏轨迹点的实际匹配车道，确定所述目标纠偏轨迹点的纠偏精度，并根据各所述目标纠偏轨迹点的纠偏精度，确定所述初始纠偏轨迹点第一子集的纠偏精度。
在其中一个实施例中，所述根据所述目标历史轨迹点集合，确定所述纠偏参照点集合包括：
针对所述目标历史轨迹点集合中每个所述目标历史轨迹点，在所述目标历史轨迹点的采集精度满足所述预设的采集精度条件的情况下，将所述目标历史轨迹点作为所述纠偏参照点。
在其中一个实施例中，将所述初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集之后，还包括：
将所述纠偏后的纠偏轨迹点第一子集作为新的纠偏参照点集合，并返回执行所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点的步骤。
在其中一个实施例中，所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点包括：
从所述纠偏参照点集合中，选取最晚的到达时间对应的纠偏参照点作为目标纠偏参照点。
第二方面，本申请还提供了一种轨迹纠偏装置。所述装置包括：
第一确定模块，用于根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点；
第二确定模块，用于根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集；
第三确定模块，用于基于所述目标纠偏参照点的轨迹数据、所述采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定所述采集轨迹点第一子集对应的初始纠偏轨迹点第一子集；
第四确定模块，用于根据所述初始纠偏轨迹点第一子集、以及所述初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定所述初始纠偏轨迹点第一子集的纠偏精度；
第五确定模块，用于在所述纠偏精度不满足预设的纠偏精度条件的情况下，基于所述预设的第一选取策略，在所述纠偏参照点集合中重新确定所述目标纠偏参照点，并返回执行所述根据预设的纠偏选取条件的步骤，直到所述纠偏精度满足所述预设的精度条件，将所述初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。
在其中一个实施例中，所述轨迹纠偏装置还包括：
第六确定模块，用于根据预设的第二选取策略，在历史轨迹点集合中确定目标历史轨迹点，得到目标历史轨迹点集合；
第七确定模块，用于基于所述目标历史轨迹点的轨迹数据、以及车道中心线的车道数据进行车道匹配，确定所述目标历史轨迹点的预测匹配车道；
第八确定模块，用于基于所述目标历史轨迹点的预测匹配车道、以及所述目标历史轨迹点的实际匹配车道，确定所述目标历史轨迹点的轨迹数据的采集精度，并根据各所述目标历史轨迹点的采集精度，确定所述目标历史轨迹点集合的采集精度；
第九确定模块，用于在所述目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，基于所述预设的第二选取策略，在所述历史轨迹点集合中重新确定所述目标历史轨迹点，并返回执行所述得到目标历史轨迹点集合的步骤，直到所述目标历史轨迹点集合的采集精度满足所述预设的采集精度条件，根据所述目标历史轨迹点集合，确定所述纠偏参照点集合。
在其中一个实施例中，所述第二确定模块具体用于：
针对采集轨迹点集合，在采集轨迹点的到达时间与车载图像的拍摄时间相同的情况下，将所述采集轨迹点作为分集轨迹点，将所述分集轨迹点的到达时间作为分集时间；
在所述采集轨迹点集合中，确定所述到达时间早于或者等于第一分集时间的采集轨迹点，得到采集轨迹点第一子集；所述第一分集时间是最早的分集时间。
在其中一个实施例中，所述第四确定模块具体用于：
根据预设的第三选取策略，在所述初始纠偏轨迹点第一子集中，确定目标纠偏轨迹点，并获取所述目标纠偏轨迹点的纠偏轨迹数据；
基于所述目标纠偏轨迹点的纠偏轨迹数据、以及所述车道中心线的车道数据进行车道匹配，确定所述目标纠偏轨迹点的预测匹配车道；
基于所述目标纠偏轨迹点的预测匹配车道、以及所述目标纠偏轨迹点的实际匹配车道，确定所述目标纠偏轨迹点的纠偏精度，并根据各所述目标纠偏轨迹点的纠偏精度，确定所述初始纠偏轨迹点第一子集的纠偏精度。
在其中一个实施例中，所述第九确定模块具体用于：
针对所述目标历史轨迹点集合中每个所述目标历史轨迹点，在所述目标历史轨迹点的采集精度满足所述预设的采集精度条件的情况下，将所述目标历史轨迹点作为所述纠偏参照点。
在其中一个实施例中，所述轨迹纠偏装置还包括：
循环模块，用于将所述纠偏后的纠偏轨迹点第一子集作为新的纠偏参照点集合，并返回执行所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点的步骤。
在其中一个实施例中，所述第一确定模块具体用于：
从所述纠偏参照点集合中，选取最晚的到达时间对应的纠偏参照点作为目标纠偏参照点。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以第一方面所述的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以第一方面所述的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时以第一方面所述的步骤。
上述轨迹纠偏方法、装置、计算机设备、存储介质和计算机程序产品，通过根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点；根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集；基于目标纠偏参照点的轨迹数据、采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定采集轨迹点第一子集对应的初始纠偏轨迹点第一子集；根据初始纠偏轨迹点第一子集、以及初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定初始纠偏轨迹点第一子集的纠偏精度；在纠偏精度不满足预设的纠偏精度条件的情况下，基于预设的第一选取策略，在纠偏参照点集合中重新确定目标纠偏参照点，并返回执行根据预设的纠偏选取条件的步骤，直到纠偏精度满足预设的精度条件，将初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。可以理解，本方案是基于纠偏参照点集合来确定初始纠偏轨迹点第一子集，并且在初始纠偏轨迹点第一子集的纠偏精度满足预设的纠偏精度条件的情况下，才将初始纠偏轨迹点第一子集为纠偏后的纠偏轨迹点第一子集。因此，可以保证初始纠偏轨迹点第一子集的纠偏质量，进而提高了轨迹纠偏的纠偏精度。
附图说明
图1为一个实施例中轨迹纠偏方法的流程示意图；
图2为一个实施例中纠偏参照点集合的获取方法的流程示意图；
图3为一个实施例中车道级地图的示意图；
图4为一个实施例中采集轨迹点第一子集的获取方法的流程示意图；
图5为一个实施例中轨迹纠偏装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种轨迹纠偏方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤102，根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点。
其中，纠偏参照点集合包括至少一个纠偏参照点。纠偏参照点是终端的历史轨迹点，纠偏参照点用于对终端在一次驾驶轨迹中的第一个采集轨迹点进行纠偏。采集轨迹点是指在纠偏环境下，终端所采集到的轨迹数据所对应的轨迹点。也就是说，采集轨迹点是在一次纠偏环境中终端运动时实际产生的轨迹点。轨迹点对应的轨迹数据包括轨迹点的经度、轨迹点的纬度、终端的高程、终端的速度、全球定位系统(Global Position System，GPS)设备的采集时间(即终端到达轨迹点的时间，为了方便区分，称为到达时间)以及终端的方向。第一个采集轨迹点是指在一次驾驶中最早的到达时间所对应的采集轨迹点。
本申请实施例中，终端获取纠偏参照点集合，并根据预设的第一选取策略，在纠偏参照点集合中，选取其中一个纠偏参照点作为目标纠偏参照点。在一个实施例中，终端在纠偏参照点集合中，随机选取一个纠偏参照点作为目标纠偏参照点。在另一个实施例中，终端获取第一个采集点的轨迹数据，并针对纠偏参照点集合中的每个纠偏参照点，根据第一个采集点的轨迹数据、纠偏参照点的轨迹数据、以及预设的第一选取公式，计算得到选取值。然后，终端根据预设的第一选取策略来对选取值进行筛选，得到目标选取值，并将目标选取值所对应的纠偏参照点作为目标纠偏参照点。其中，预设的第一选取公式基于轨迹数据构造的加权求和公式。具体的，预设的第一选取公式可以是yn＝k1·tn+k2·dn+k3·hn+k4·vn+k5·an，其中，yn是第n个纠偏参照点的选取值，k1、k2、k3、k4、k5是预先设置的权重，k1+k2+k3+k4+k5＝1，tn是第n个纠偏参照点与第一个采集点的到达时间差，dn是第n个纠偏参照点与第一个采集点的相对距离，hn是第n个纠偏参照点的高程，vn是第n个纠偏参照点的速度，an是第n个纠偏参照点与第一个采集点的方位角，n是整数且大于0。在一个实施例中，k3＝k4＝k5＝0，即预设的第一选取公式整理后得到yn＝k1·tn+k2·dn。终端获取第一个采集点的轨迹数据，并确定第一个采集点的经纬度、以及到达时间。针对纠偏参照点集合中的每个纠偏参照点，终端根据第一个采集点的经纬度、纠偏参照点的经纬度，计算得到第一采集点与纠偏参照点的相对距离；终端根据第一个采集点的到达时间、纠偏参照点的到达时间，计算得到第一采集点与纠偏参照点的到达时间差。终端将第一采集点与纠偏参照点的相对距离、第一采集点与纠偏参照点的到达时间差、以及预设的第一选取公式yn＝k1·tn+k2·dn，计算得到选取值yn，并将最小的选取值所对应的纠偏参照点作为目标纠偏参照点。
步骤104，根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集。
其中，采集轨迹点集合包括至少一个采集轨迹点。采集轨迹点是指在纠偏环境下，终端所采集到的轨迹数据所对应的轨迹点。也就是说，采集轨迹点是在一次纠偏环境中终端运动时实际产生的轨迹点。采集轨迹点第一子集是采集轨迹点集合的一个子集，并且包括的采样轨迹点的到达时间早于或者等于第一分集时间。分集时间是分集轨迹点的到达时间。第一分集时间是最早的分集时间。分集轨迹点是用于确定采集轨迹点子集的采集轨迹点。
本申请实施例中，针对采集轨迹点集合中的各采集轨迹点，终端比较采集轨迹点的到达时间与第一分集时间的时间先后，并将到达时间早于或者等于第一分集时间的轨迹点作为采集轨迹点第一子集中的元素，得到采集轨迹点第一子集。例如，采集轨迹点集合是{x1，x2，x3，x4，x5，x6}，其中，采集轨迹点集合是有序集合，并且采集轨迹点集合中的各采集轨迹点按照到达时间的先后排序，排序可以是从左到右，采集轨迹点的到达时间从早到晚。假设x3、x5是分集轨迹点，那么因为分集轨迹点x3的到达时间早于分集轨迹点x5的到达时间，所以分集轨迹点x3的到达时间是第一分集时间，分集轨迹点x5的到达时间是第二分集时间。针对采集轨迹点集合{x1，x2，x3，x4，x5，x6}，终端比较采集轨迹点的到达时间与分集轨迹点x3的到达时间(即第一分集时间)，得到采集轨迹点x1的到达时间早于第一分集时间、采集轨迹点x2的到达时间早于第一分集时间、采集轨迹点x3的到达时间等于第一分集时间，因此，终端将采集轨迹点x1、采集轨迹点x2、采集轨迹点x3作为采集轨迹点第一子集中的元素，得到采样轨迹点第一子集{x1，x2，x3}。
步骤106，基于目标纠偏参照点的轨迹数据、采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定采集轨迹点第一子集对应的初始纠偏轨迹点第一子集。
其中，目标纠偏参照点的轨迹数据包括目标纠偏参照点的经度、目标纠偏参照点的纬度、终端的高程、终端的速度、全球定位系统(Global Position System，GPS)设备的采集时间(即终端到达目标纠偏参照点的时间，为了方便区分，称为目标纠偏参照点的到达时间)以及终端的方向。采集轨迹点第一子集对应的到达时间子集包括至少一个采集轨迹点的到达时间，其中采集轨迹点是采集轨迹点第一子集中的元素。例如，采样轨迹点第一子集是{x1，x2，x3}，假设t1是采集轨迹点x1的到达时间，t2是采集轨迹点x2的到达时间，t3是采集轨迹点x3的到达时间，那么采集轨迹点第一子集对应的到达时间子集是{t1，t2，t3}。
本申请实施例中，终端根据目标纠偏参照点的轨迹数据、以及车道中心线的车道数据进行车道匹配处理，得到目标纠偏参照点的预测匹配车道。其中，车道中心线的车道数据包括车道中心线的位置数据、以及车道中心线所在车道的车道标识。终端根据目标纠偏参照点的轨迹数据、以及目标纠偏参照点的预测匹配车道进行纠偏处理，得到目标纠偏参照点的参照轨迹数据。具体的，终端根据目标纠偏参照点的预测匹配车道，将目标纠偏参照点的轨迹数据中的经纬度纠偏到预测匹配车道上，得到参照轨迹数据。终端将目标纠偏参照点的参照轨迹数据、以及采集轨迹点第一子集中第一个采集轨迹点的到达时间，输入至预先训练的位置纠偏模型，输出得到第一个采集轨迹点的预测经纬度，输出得到第一个采集轨迹点的预测经纬度。可选的，位置纠偏模型可以是隐马尔可夫模型(Hidden MarkovModel，HMM)，也可以是交互式多模型(Interacting Multiple Model，IMM)，还可以是卡尔曼滤波(Kalman filtering)。终端将第一个采集轨迹点的预测经纬度，更新为第一个采集轨迹点的轨迹数据中的经纬度，得到初始纠偏轨迹数据，并将第一个采集轨迹点作为第一个初始纠偏轨迹点。
在一个实施例中，针对目标纠偏参照点，终端根据预先设置的目标轨迹数据的数据类型，对参照轨迹数据进行数据补充处理，得到目标轨迹数据的目标参照轨迹数据。目标纠偏参照点的目标参照轨迹数据的数据类型包括参照轨迹数据的数据类型、以及补充数据类型。在一个实施例中，目标纠偏参照点的补充数据类型包括目标纠偏参照点的预测匹配车道的车道标识、以及目标纠偏参照点与预测匹配车道的相对距离。终端将目标纠偏参照点的目标参照轨迹数据、以及采集轨迹点第一子集中第一个采集轨迹点的到达时间，输入至预先训练的位置纠偏模型，输出得到第一个采集轨迹点的预测经纬度，输出得到第一个采集轨迹点的预测经纬度。终端将第一个采集轨迹点的预测经纬度，更新为第一个采集轨迹点的轨迹数据中的经纬度，得到初始纠偏轨迹数据，并将第一个采集轨迹点作为第一个初始纠偏轨迹点。
基于第N个初始纠偏轨迹点的初始纠偏轨迹数据、采集轨迹点第一子集中第(N+1)个采集轨迹点的到达时间、以及预先训练的位置纠偏模型，得到第(N+1)个初始纠偏轨迹点的方法，与基于目标纠偏参照点的轨迹数据、采集轨迹点第一子集中第一个采集轨迹点的到达时间、以及预先训练的位置纠偏模型，得到第一个初始纠偏轨迹点的方法类似，不再赘述。若采集轨迹点第一子集有m个采样轨迹点，那么经过m次上述的纠偏处理后，得到m个初始纠偏轨迹点，并基于m个初始纠偏轨迹点组成初始纠偏轨迹点第一子集。例如，假设采样轨迹点第一子集为{x1，x2，x3}，那么采集轨迹点第一子集对应的初始纠偏轨迹点第一子集为{x′1，x′2，x′3}。其中，初始纠偏轨迹点x′1是对第一个采集轨迹点x1进行纠偏处理后得到的轨迹点，初始纠偏轨迹点x′2是对第二个采集轨迹点x2进行纠偏处理后得到的轨迹点，初始纠偏轨迹点x′3是对第三个采集轨迹点x3进行纠偏处理后得到的轨迹点。
步骤108，根据初始纠偏轨迹点第一子集、以及初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定初始纠偏轨迹点第一子集的纠偏精度。
本申请实施例中，终端根据预设的第三选取策略，从初始纠偏轨迹点第一子集选取第一预设数目个初始纠偏轨迹点作为目标纠偏轨迹点。针对每个目标纠偏轨迹点，终端根据目标纠偏轨迹点的预测匹配车道、以及目标纠偏轨迹点的实际匹配车道，得到目标纠偏轨迹点的纠偏精度。终端基于第一预设数目个目标纠偏轨迹点的纠偏精度，计算得到初始纠偏轨迹点第一子集纠偏精度。在一个实施例中，终端计算第一预设数目个目标纠偏轨迹点的纠偏精度的平均值，并将该平均值作为初始纠偏轨迹点第一子集纠偏精度。在一个实施例中，第一预设数目是2，目标纠偏轨迹点是在初始纠偏轨迹点第一子集中，到达时间最早的初始纠偏轨迹点、以及到达时间最晚的初始纠偏轨迹点。
步骤110，在纠偏精度不满足预设的纠偏精度条件的情况下，基于预设的第一选取策略，在纠偏参照点集合中重新确定目标纠偏参照点，并返回执行根据预设的纠偏选取条件的步骤，直到纠偏精度满足预设的精度条件，将初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。
本申请实施例中，在初始纠偏轨迹点第一子集的纠偏精度不满足预设的纠偏精度条件的情况下，终端根据预设的第一选取策略，在纠偏参照点集合中，选取一个还没被选取过作为目标纠偏参照点的纠偏参照点作为目标纠偏参照点，并返回执行步骤104，直到初始纠偏轨迹点第一子集的纠偏精度满足预设的精度条件，终端将初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。可以理解，终端根据预设的第一选取策略，在纠偏参照点集合中，选取一个还没被选取过作为目标纠偏参照点的纠偏参照点作为目标纠偏参照点的方法，与前面步骤102的方法类似，不再赘述。在一个实施例中，预设的纠偏精度条件是初始纠偏轨迹点第一子集的纠偏精度为1。
上述轨迹纠偏方法中，本方案是基于纠偏参照点集合来确定初始纠偏轨迹点第一子集，并且在初始纠偏轨迹点第一子集的纠偏精度满足预设的纠偏精度条件的情况下，才将初始纠偏轨迹点第一子集为纠偏后的纠偏轨迹点第一子集。因此，可以保证初始纠偏轨迹点第一子集的纠偏质量，进而提高了轨迹纠偏的纠偏精度。
在一个实施例中，如图2所示，根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点之前，还包括：
步骤202，根据预设的第二选取策略，在历史轨迹点集合中确定目标历史轨迹点，得到目标历史轨迹点集合。
其中，历史轨迹点集合包括至少一个历史轨迹点。历史轨迹点是终端在历史时刻采集的轨迹数据所对应的轨迹点。目标历史轨迹点集合包括至少一个目标历史轨迹点。
本申请实施例中，终端获取历史轨迹点集合，并在历史轨迹点集合中，根据预设的第二选取策略，选取历史轨迹点作为目标历史轨迹点，得到目标历史轨迹点集合。具体的，针对历史轨迹点集合中各历史轨迹点，终端获取历史轨迹点对应的到达时间，并查找是否有与历史轨迹点对应的到达时间相同的拍摄时间。在有车载图像的拍摄时间与历史轨迹点对应的到达时间相同的情况下，终端将该历史轨迹点作为初始历史轨迹点。终端将第二预设数目个初始历史轨迹点作为目标历史轨迹点来构造集合，得到目标历史轨迹点集合。在一个实施例中，终端按照初始历史轨迹点的到达时间进行排序，得到初始历史轨迹点序列，并且从该初始历史轨迹点序列中，随机选取第二预设数目个初始历史轨迹点作为目标历史轨迹点来构造集合，得到目标历史轨迹点集合。
步骤204，基于目标历史轨迹点的轨迹数据、以及车道中心线的车道数据进行车道匹配，确定目标历史轨迹点的预测匹配车道。
其中，车道中心线的车道数据包括车道中心线的位置数据、以及车道中心线所在车道的车道标识。
本申请实施例中，终端获取预先存储在终端的GPS地图，并根据目标历史轨迹点的轨迹数据在GPS地图上进行定位，得到与目标历史轨迹点相邻的两个车道中心线的车道数据。终端根据目标历史轨迹点的轨迹数据、以及两个车道中心线的位置数据进行车道匹配，得到目标历史轨迹点的预测匹配车道。具体的，终端根据目标历史轨迹点的轨迹数据中的经纬度、以及车道中心线的位置数据，计算目标历史轨迹点与车道中心线的相对距离(为了方便区分，成为点道距离)，并将该最小的点道距离所对应的车道中心线所在的车道作为目标历史轨迹点的预测匹配车道。如图3所示，假设L1、L2表示在GPS地图上与目标历史轨迹点相邻的车道中心线，黑色实体点A表示目标历史轨迹点A，d1表示目标历史轨迹点A与车道中心线L1的相对距离，d2表示目标历史轨迹点A与车道中心线L2的相对距离。在d1大于d2的情况下，终端将车道中心线L1所在的车道作为目标历史轨迹点A的预测匹配车道。在两个点道距离相等的情况下，终端根据车道中心线所在车道的车道标识、以及预设的车道等级，得到车道中心线所在车道的车道等级，并将车道等级更高的车道作为目标历史轨迹点的预测匹配车道。可选的，预设的车道等级可以是行政级别型的公路等级(国家公路、省公路、县公路和乡公路以及专用公路，从左到右，等级从高到低)，也可以是功能型公路等级(高速公路、一级公路、二级公路、三级公路、四级公路，从左到右，等级从高到低)。
步骤206，基于目标历史轨迹点的预测匹配车道、以及目标历史轨迹点的实际匹配车道，确定目标历史轨迹点的采集精度，并根据各目标历史轨迹点的采集精度，确定目标历史轨迹点集合的采集精度。
本申请实施例中，针对每个目标历史轨迹点，终端对目标历史轨迹点所对应的车载图像进行车道识别，得到车道识别结果，并基于车道识别结果在GPS地图上进行定位，得到目标历史轨迹点的实际匹配车道。针对每个目标历史轨迹点，终端比较预测匹配车道、与实际匹配车道，得到目标历史轨迹点的采集精度。针对目标历史轨迹点集合，终端基于各目标历史轨迹点的采集精度，计算得到目标历史轨迹点集合的采集精度。具体的，针对每个目标历史轨迹点，终端比较预测匹配车道、与实际匹配车道，若预测匹配车道与实际匹配车道相同，则目标历史轨迹点的采集精度设为1，否则目标历史轨迹点的采集精度设为0。针对目标历史轨迹点集合，终端计算各目标历史轨迹点的采集精度的平均值(为了方便区分，称平均采集精度)，并将平均采集精度作为目标历史轨迹点集合的采集精度。
步骤208，在目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，基于预设的第二选取策略，在历史轨迹点集合中重新确定目标历史轨迹点，并返回执行得到目标历史轨迹点集合的步骤，直到目标历史轨迹点集合的采集精度满足预设的采集精度条件，根据目标历史轨迹点集合，确定纠偏参照点集合。
本申请实施例中，在目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，终端基于预设的第二选取策略，在历史轨迹点集合中重新确定目标历史轨迹点，并返回执行得到目标历史轨迹点集合的步骤，直到目标历史轨迹点集合的采集精度满足预设的采集精度条件。具体的，在目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，终端重新获取第二预设数目个初始历史轨迹点，并将第二预设数目个初始历史轨迹点作为目标历史轨迹点来构造集合，得到目标历史轨迹点集合，并返回执行得到目标历史轨迹点集合的步骤，直到目标历史轨迹点集合的采集精度满足预设的采集精度条件。可以理解，新的目标历史轨迹点集合中包括至少一个原目标历史轨迹点集合中没有的历史轨迹点。在目标历史轨迹点集合的采集精度满足预设的采集精度条件的情况下，针对目标历史轨迹点集合中各目标历史轨迹点，终端根据目标历史轨迹点的采集精度，选取目标历史轨迹点作为纠偏参照点，得到纠偏参照点集合。
本实施例中，终端根据预设的第二选取策略，确定目标历史轨迹点集合，并在目标历史轨迹点集合的采集精度满足预设的采集精度条件的情况下，根据目标历史轨迹点集合，确定纠偏参照点集合。由于纠偏参照点集合都是基于采集精度满足预设的采集精度条件的目标历史轨迹点集合得到的，因此，保证了纠偏参照点集合的纠偏质量，进而提高了基于纠偏参照点集合进行轨迹纠偏的纠偏精度。
在一个实施例中，如图4所示，根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集包括：
步骤402，针对采集轨迹点集合，在采集轨迹点的到达时间与车载图像的拍摄时间相同的情况下，将采集轨迹点作为分集轨迹点，将分集轨迹点的到达时间作为分集时间。
本申请实施例中，针对采集轨迹点集合，终端获取采集轨迹点的到达时间，在采集轨迹点的到达时间与车载图像的拍摄时间相同的情况下，终端将该采集轨迹点作为分集轨迹点，将分集轨迹点的到达时间作为分集时间，得到分集时间集合。终端将分集时间集合中最早的分集时间作为第一分集时间。例如，假设采集轨迹点集合是{x1，x2，x3，x4，x5，x6}，采集轨迹点xn的到达时间是tn，其中n为正整数且小于或者等于6。若车载图像P1的拍摄时间为t3、车载图像P2的拍摄时间为t5，则终端识别得到采集轨迹点x3的到达时间t3与车载图像P1的拍摄时间t3相同，终端将采集轨迹点x3作为分集轨迹点x3，将分集轨迹点x3的到达时间t3作为分集时间t3。同理可得分集轨迹点x5、分集时间t5，终端得到分集时间集合{t3，t5}，终端比较分集时间t3、与分集时间t5，得到分集时间t3是分集时间集合{t3，t5}中最早的分集时间，于是终端将分集时间t3作为第一分集时间。
步骤404，在采集轨迹点集合中，确定到达时间早于或者等于第一分集时间的采集轨迹点，得到采集轨迹点第一子集。
其中，第一分集时间是最早的分集时间。
本申请实施例中，在采集轨迹点集合中，终端获取到达时间早于或者等于第一分集时间的采集轨迹点，并将到达时间早于或者等于第一分集时间的采集轨迹点作为采集轨迹点第一子集的元素，得到采集轨迹点第一子集。例如，假设采集轨迹点集合是{x1，x2，x3，x4，x5，x6}，采集轨迹点集合{x1，x2，x3，x4，x5，x6}是有序集合，从左到右，采集轨迹点的到达时间从早到晚，采集轨迹点xn的到达时间是tn，其中n为正整数且小于或者等于6，分集时间t3是第一分集时间。在采集轨迹点集合{x1，x2，x3，x4，x5，x6}中，终端获取到达时间早于或者等于第一分集时间t3的采样轨迹点x1、x2、x3，并将x1、x2、x3作为采集轨迹点第一子集的元素，得到采集轨迹点第一子集{x1，x2，x3}。
本实施例中，终端根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集。这样，为后续处理提供分子集纠偏的前提。
在一个实施例中，根据初始纠偏轨迹点第一子集、以及初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定初始纠偏轨迹点第一子集的纠偏精度包括：
根据预设的第三选取策略，在初始纠偏轨迹点第一子集中，确定目标纠偏轨迹点，并获取目标纠偏轨迹点的纠偏轨迹数据；基于目标纠偏轨迹点的纠偏轨迹数据、以及车道中心线的车道数据进行车道匹配，确定目标纠偏轨迹点的预测匹配车道；基于目标纠偏轨迹点的预测匹配车道、以及目标纠偏轨迹点的实际匹配车道，确定目标纠偏轨迹点的纠偏精度，并根据各目标纠偏轨迹点的纠偏精度，确定初始纠偏轨迹点第一子集的纠偏精度。
本申请实施例中，在初始纠偏轨迹点第一子集中，终端根据预设的第三选取策略，选取第三预设数目个初始纠偏轨迹点作为目标纠偏轨迹点。在一个实施例中，第三预设数目是2。在初始纠偏轨迹点第一子集中，终端将最早的到达时间所对应的初始纠偏轨迹点作为目标纠偏轨迹点，并将最晚的到达时间所对应的初始纠偏轨迹点作为另一个目标纠偏轨迹点。终端获取目标纠偏轨迹点的纠偏轨迹数据，并基于目标纠偏轨迹点的纠偏轨迹数据、以及车道中心线的车道数据进行车道匹配，得到目标纠偏轨迹点的预测匹配车道。针对每个目标纠偏轨迹点，终端比较预测匹配车道、与实际匹配车道，得到目标纠偏轨迹点的纠偏精度。针对初始纠偏轨迹点第一子集，终端基于各目标纠偏轨迹点的纠偏精度，计算得到初始纠偏轨迹点第一子集的纠偏精度。具体的，针对每个目标纠偏轨迹点，终端比较预测匹配车道、与实际匹配车道，若预测匹配车道与实际匹配车道相同，则目标纠偏轨迹点的纠偏精度设为1，否则目标纠偏轨迹点的纠偏精度设为0。针对初始纠偏轨迹点第一子集，终端计算各目标纠偏轨迹点的纠偏精度的平均值(为了方便区分，称平均纠偏精度)，并将平均纠偏精度作为初始纠偏轨迹点第一子集的纠偏精度。
本实施例中，终端根据初始纠偏轨迹点第一子集、以及初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定初始纠偏轨迹点第一子集的纠偏精度。为后续终端检测初始纠偏轨迹点第一子集的纠偏精度是否满足预设的纠偏精度条件提供前提。
在一个实施例中，根据目标历史轨迹点集合，确定纠偏参照点集合包括：
针对目标历史轨迹点集合中每个目标历史轨迹点，在目标历史轨迹点的采集精度满足预设的采集精度条件的情况下，将目标历史轨迹点作为纠偏参照点。
本申请实施例中，针对目标历史轨迹点集合中每个目标历史轨迹点，终端获取目标历史轨迹点的采集精度。在目标历史轨迹点的采集精度满足预设的采集精度条件的情况下，终端将目标历史轨迹点作为纠偏参照点，并基于各纠偏参照点构造纠偏参照点集合。在一个实施例中，针对目标历史轨迹点集合中每个目标历史轨迹点，终端将纠偏精度为1的目标纠偏轨迹点作为纠偏参照点。
本实施例中，针对目标历史轨迹点集合中每个目标历史轨迹点，终端将采集精度满足预设的采集精度条件的目标历史轨迹点作为纠偏参照点。因此，保证了纠偏参照点的采集精度，进而提高了基于纠偏参照点进行轨迹纠偏的纠偏精度。
在一个实施例中，将初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集之后，还包括：
将纠偏后的纠偏轨迹点第一子集作为新的纠偏参照点集合，并返回执行根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点的步骤。
本申请实施例中，终端将纠偏后的纠偏轨迹点第一子集作为新的纠偏参照点集合，并返回执行步骤102，直到对采集轨迹点集合中的采集轨迹点都进行了纠偏处理，终端得到至少一个纠偏后的纠偏轨迹点子集。其中，纠偏后的纠偏轨迹点集合包括多个纠偏后的纠偏轨迹点子集，为了方便区分可以将各纠偏后的纠偏轨迹点子集分别命名为纠偏后的纠偏轨迹点第N子集，其中，N为整数，且N大于等于1。也就是说，终端将纠偏后的纠偏轨迹点第N子集作为新的纠偏参照点集合，并返回执行步骤102，得到纠偏后的纠偏轨迹点第(N+1)子集；其中，N为整数，且N大于等于1。假设采集轨迹点集合有M个子集，那么经过(M-1)次上述纠偏处理后，终端得到M个纠偏后的纠偏轨迹点子集，其中，M为整数，且M大于等于2。具体的，假设采集轨迹点集合是{x1，x2，x3，x4，x5，x6}，采样轨迹点第一子集为{x1，x2，x3}，采样轨迹点第二子集为{x4，x5}，采样轨迹点第三子集为{x6}，采集轨迹点第一子集对应的纠偏后的纠偏轨迹点第一子集为{x′1，x′2，x′3}。终端将纠偏后的纠偏轨迹点第一子集为{x′1，x′2，x′3}作为新的纠偏参照点集合，并返回执行步骤102，得到采集轨迹点第二子集对应的纠偏后的纠偏轨迹点第二子集为{x′4，x′5}。终端将纠偏后的纠偏轨迹点第二子集为{x′4，x′5}作为新的纠偏参照点集合，并返回执行步骤102，得到采集轨迹点第三子集对应的纠偏后的纠偏轨迹点第三子集为{x′6}，终端停止纠偏，得到三个纠偏后的纠偏轨迹点子集{x′1，x′2，x′3}、{x′4，x′5}、{x′6}。
本实施例中，终端通过基于纠偏后的纠偏轨迹点第N子集作为新的纠偏参照点集合，对采集轨迹点第(N+1)子集进行纠偏处理，得到初始纠偏轨迹点第(N+1)子集。在初始纠偏轨迹点第(N+1)子集的纠偏精度满足预设的纠偏精度的条件下，将初始纠偏轨迹点第(N+1)子集作为纠偏后的纠偏轨迹点第(N+1)子集。因此，每个纠偏后的纠偏轨迹点子集的纠偏精度都是满足预设的纠偏精度条件，提高了轨迹纠偏的纠偏精度。
在一个实施例中，根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点包括：
从纠偏参照点集合中，选取最晚的到达时间对应的纠偏参照点作为目标纠偏参照点。
本申请实施例中，针对纠偏参照点集合中各纠偏参照点，终端比较各纠偏参照点对应的到达时间，并将最晚的到达时间所对应的纠偏参照点作为目标纠偏参照点。针对步骤110，在初始纠偏轨迹点第一子集的纠偏精度不满足预设的纠偏精度条件的情况下，针对纠偏参照点集合中除已选纠偏参照点之外的各纠偏参照点，终端将最晚的到达时间所对应的纠偏参照点作为新的目标纠偏参照点。其中，已选纠偏参照点是指被终端选取过作为目标纠偏参照点的纠偏参照点。也就是说，终端不会重复选取同一个纠偏参照点作为目标纠偏参照点。具体的，假设纠偏参照点集合为{z1，z2，z3，…，z(n-1)，zn}，且纠偏参照点集合是有序集合，从左到右，纠偏参照点的到达时间从早到晚，其中n为正整数。若纠偏参照点zn是已选纠偏参照点，在初始纠偏轨迹点第一子集的纠偏精度不满足预设的纠偏精度条件的情况下，针对纠偏参照点集合中的各纠偏参照点z1，z2，z3，…，z(n-2)，z(n-1)，终端将最晚的到达时间所对应的纠偏参照点z(n-1)作为新的目标纠偏参照点。
本实施例中，终端选取最晚的到达时间对应的纠偏参照点作为目标纠偏参照点。这样，目标纠偏参照点的到达时间与采集轨迹点的到达时间就比较相近，进而基于到达时间更接近的目标纠偏参照点来对采集轨迹点进行纠偏处理，得到的纠偏精度会更高。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的轨迹纠偏方法的轨迹纠偏装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个轨迹纠偏装置实施例中的具体限定可以参见上文中对于轨迹纠偏方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种轨迹纠偏装置，包括：
第一确定模块502，用于根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点；
第二确定模块504，用于根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集；
第三确定模块506，用于基于目标纠偏参照点的轨迹数据、采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定采集轨迹点第一子集对应的初始纠偏轨迹点第一子集；
第四确定模块508，用于根据初始纠偏轨迹点第一子集、以及初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定初始纠偏轨迹点第一子集的纠偏精度；
第五确定模块510，用于在纠偏精度不满足预设的纠偏精度条件的情况下，基于预设的第一选取策略，在纠偏参照点集合中重新确定目标纠偏参照点，并返回执行根据预设的纠偏选取条件的步骤，直到纠偏精度满足预设的精度条件，将初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。
在一个实施例中，轨迹纠偏装置还包括：
第六确定模块，用于根据预设的第二选取策略，在历史轨迹点集合中确定目标历史轨迹点，得到目标历史轨迹点集合；
第七确定模块，用于基于目标历史轨迹点的轨迹数据、以及车道中心线的车道数据进行车道匹配，确定目标历史轨迹点的预测匹配车道；
第八确定模块，用于基于目标历史轨迹点的预测匹配车道、以及目标历史轨迹点的实际匹配车道，确定目标历史轨迹点的轨迹数据的采集精度，并根据各目标历史轨迹点的采集精度，确定目标历史轨迹点集合的采集精度；
第九确定模块，用于在目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，基于预设的第二选取策略，在历史轨迹点集合中重新确定目标历史轨迹点，并返回执行得到目标历史轨迹点集合的步骤，直到目标历史轨迹点集合的采集精度满足预设的采集精度条件，根据目标历史轨迹点集合，确定纠偏参照点集合。
在一个实施例中，第二确定模块504具体用于：
针对采集轨迹点集合，在采集轨迹点的到达时间与车载图像的拍摄时间相同的情况下，将采集轨迹点作为分集轨迹点，将分集轨迹点的到达时间作为分集时间；
在采集轨迹点集合中，确定到达时间早于或者等于第一分集时间的采集轨迹点，得到采集轨迹点第一子集；第一分集时间是最早的分集时间。
在一个实施例中，第四确定模块508具体用于：
根据预设的第三选取策略，在初始纠偏轨迹点第一子集中，确定目标纠偏轨迹点，并获取目标纠偏轨迹点的纠偏轨迹数据；
基于目标纠偏轨迹点的纠偏轨迹数据、以及车道中心线的车道数据进行车道匹配，确定目标纠偏轨迹点的预测匹配车道；
基于目标纠偏轨迹点的预测匹配车道、以及目标纠偏轨迹点的实际匹配车道，确定目标纠偏轨迹点的纠偏精度，并根据各目标纠偏轨迹点的纠偏精度，确定初始纠偏轨迹点第一子集的纠偏精度。
在一个实施例中，第九确定模块具体用于：
针对目标历史轨迹点集合中每个目标历史轨迹点，在目标历史轨迹点的采集精度满足预设的采集精度条件的情况下，将目标历史轨迹点作为纠偏参照点。
在一个实施例中，轨迹纠偏装置还包括：
循环模块，用于将纠偏后的纠偏轨迹点第一子集作为新的纠偏参照点集合，并返回执行根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点的步骤。
在一个实施例中，第一确定模块502具体用于：
从纠偏参照点集合中，选取最晚的到达时间对应的纠偏参照点作为目标纠偏参照点。
上述轨迹纠偏装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种轨迹纠偏方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种轨迹纠偏方法，其特征在于，所述方法包括：
根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点；
根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集；
基于所述目标纠偏参照点的轨迹数据、所述采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定所述采集轨迹点第一子集对应的初始纠偏轨迹点第一子集；
根据所述初始纠偏轨迹点第一子集、以及所述初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定所述初始纠偏轨迹点第一子集的纠偏精度；
在所述纠偏精度不满足预设的纠偏精度条件的情况下，基于所述预设的第一选取策略，在所述纠偏参照点集合中重新确定所述目标纠偏参照点，并返回执行所述根据预设的纠偏选取条件的步骤，直到所述纠偏精度满足所述预设的精度条件，将所述初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。
2.根据权利要求1所述的方法，其特征在于，所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点之前，还包括：
根据预设的第二选取策略，在历史轨迹点集合中确定目标历史轨迹点，得到目标历史轨迹点集合；
基于所述目标历史轨迹点的轨迹数据、以及车道中心线的车道数据进行车道匹配，确定所述目标历史轨迹点的预测匹配车道；
基于所述目标历史轨迹点的预测匹配车道、以及所述目标历史轨迹点的实际匹配车道，确定所述目标历史轨迹点的轨迹数据的采集精度，并根据各所述目标历史轨迹点的采集精度，确定所述目标历史轨迹点集合的采集精度；
在所述目标历史轨迹点集合的采集精度不满足预设的采集精度条件的情况下，基于所述预设的第二选取策略，在所述历史轨迹点集合中重新确定所述目标历史轨迹点，并返回执行所述得到目标历史轨迹点集合的步骤，直到所述目标历史轨迹点集合的采集精度满足所述预设的采集精度条件，根据所述目标历史轨迹点集合，确定所述纠偏参照点集合。
3.根据权利要求1所述的方法，其特征在于，所述根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集包括：
针对采集轨迹点集合，在采集轨迹点的到达时间与车载图像的拍摄时间相同的情况下，将所述采集轨迹点作为分集轨迹点，将所述分集轨迹点的到达时间作为分集时间；
在所述采集轨迹点集合中，确定所述到达时间早于或者等于第一分集时间的采集轨迹点，得到采集轨迹点第一子集；所述第一分集时间是最早的分集时间。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述初始纠偏轨迹点第一子集、以及所述初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定所述初始纠偏轨迹点第一子集的纠偏精度包括：
根据预设的第三选取策略，在所述初始纠偏轨迹点第一子集中，确定目标纠偏轨迹点，并获取所述目标纠偏轨迹点的纠偏轨迹数据；
基于所述目标纠偏轨迹点的纠偏轨迹数据、以及所述车道中心线的车道数据进行车道匹配，确定所述目标纠偏轨迹点的预测匹配车道；
基于所述目标纠偏轨迹点的预测匹配车道、以及所述目标纠偏轨迹点的实际匹配车道，确定所述目标纠偏轨迹点的纠偏精度，并根据各所述目标纠偏轨迹点的纠偏精度，确定所述初始纠偏轨迹点第一子集的纠偏精度。
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标历史轨迹点集合，确定所述纠偏参照点集合包括：
针对所述目标历史轨迹点集合中每个所述目标历史轨迹点，在所述目标历史轨迹点的采集精度满足所述预设的采集精度条件的情况下，将所述目标历史轨迹点作为所述纠偏参照点。
6.根据权利要求1所述的方法，其特征在于，将所述初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集之后，还包括：
将所述纠偏后的纠偏轨迹点第一子集作为新的纠偏参照点集合，并返回执行所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点的步骤。
7.根据权利要求1所述的方法，其特征在于，所述根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点包括：
从所述纠偏参照点集合中，选取最晚的到达时间对应的纠偏参照点作为目标纠偏参照点。
8.一种轨迹纠偏装置，其特征在于，所述装置包括：
第一确定模块，用于根据预设的第一选取策略，在纠偏参照点集合中确定目标纠偏参照点；
第二确定模块，用于根据预设的纠偏选取条件，在采集轨迹点集合中确定采集轨迹点第一子集；
第三确定模块，用于基于所述目标纠偏参照点的轨迹数据、所述采集轨迹点第一子集对应的到达时间子集和预先训练的位置纠偏模型，确定所述采集轨迹点第一子集对应的初始纠偏轨迹点第一子集；
第四确定模块，用于根据所述初始纠偏轨迹点第一子集、以及所述初始纠偏轨迹点第一子集对应的实际匹配车道数据子集，确定所述初始纠偏轨迹点第一子集的纠偏精度；
第五确定模块，用于在所述纠偏精度不满足预设的纠偏精度条件的情况下，基于所述预设的第一选取策略，在所述纠偏参照点集合中重新确定所述目标纠偏参照点，并返回执行所述根据预设的纠偏选取条件的步骤，直到所述纠偏精度满足所述预设的精度条件，将所述初始纠偏轨迹点第一子集作为纠偏后的纠偏轨迹点第一子集。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202211293414.9A 2022-10-21 2022-10-21 轨迹纠偏方法、装置、计算机设备和存储介质 Pending CN115620252A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211293414.9A CN115620252A (zh) 2022-10-21 2022-10-21 轨迹纠偏方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211293414.9A CN115620252A (zh) 2022-10-21 2022-10-21 轨迹纠偏方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN115620252A true CN115620252A (zh) 2023-01-17

Family

ID=84863610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211293414.9A Pending CN115620252A (zh) 2022-10-21 2022-10-21 轨迹纠偏方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN115620252A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116405879A (zh) * 2023-05-19 2023-07-07 上海松椿果健康科技有限公司 一种室内定位轨迹纠偏方法、装置、设备和存储介质
CN116828397A (zh) * 2023-08-29 2023-09-29 中国信息通信研究院 一种轨迹信息的获取方法、装置、电子设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116405879A (zh) * 2023-05-19 2023-07-07 上海松椿果健康科技有限公司 一种室内定位轨迹纠偏方法、装置、设备和存储介质
CN116405879B (zh) * 2023-05-19 2023-11-24 上海松椿果健康科技有限公司 一种室内定位轨迹纠偏方法、装置、设备和存储介质
CN116828397A (zh) * 2023-08-29 2023-09-29 中国信息通信研究院 一种轨迹信息的获取方法、装置、电子设备和存储介质
CN116828397B (zh) * 2023-08-29 2023-11-28 中国信息通信研究院 一种轨迹信息的获取方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN115620252A (zh) 轨迹纠偏方法、装置、计算机设备和存储介质
CN111006682B (zh) 导航路线规划方法、装置、电子设备及存储介质
US9152882B2 (en) Location-aided recognition
CN110686686B (zh) 用于地图匹配的系统和方法
CN110520913B (zh) 确定预估到达时间的系统和方法
US10036639B1 (en) Systems and methods for determining and displaying a route using information determined from a vehicle, user feedback, and a mobile electronic device
CN110414732B (zh) 一种出行未来轨迹预测方法、装置、储存介质及电子设备
CN111189459B (zh) 一种定位信息与道路匹配的方法和装置
WO2020107441A1 (en) Artificial intelligent systems and methods for map matching
CN111141301B (zh) 导航终点确定方法、装置、存储介质和计算机设备
CN108834077B (zh) 基于用户移动特性的跟踪区划分方法、装置及电子设备
US20240133704A1 (en) Methods and Systems for Determining Geographic Orientation Based on Imagery
CN111091215B (zh) 车辆识别方法、装置、计算机设备和存储介质
CN113587944B (zh) 准实时的车辆行驶路线生成方法、系统及设备
CN111737377A (zh) 一种漂移轨迹的识别方法、装置及计算设备、存储介质
CN111831768A (zh) 纠正行驶轨迹的方法、装置、存储介质及电子设备
Yang et al. An enhanced weight-based topological map matching algorithm for intricate urban road network
CN112465886A (zh) 模型生成方法、装置、设备和可读存储介质
CN110427574B (zh) 路线相似度确定方法、装置、设备和介质
US20160196697A1 (en) Method and apparatus for vehicle usage recording
CN110160535B (zh) 一种道路匹配方法及装置
CN110427369A (zh) 道路围蔽监测方法及装置
CN109725287A (zh) 定位方法、装置、可穿戴设备和存储介质
CN108061878A (zh) 基于移动终端的融合定位方法、存储装置及移动终端
CN114743395B (zh) 一种信号灯检测方法、装置、设备及介质

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