CN117312396A - 一种车道定位方法及装置、电子设备和可读存储介质 - Google Patents
一种车道定位方法及装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN117312396A CN117312396A CN202210704796.3A CN202210704796A CN117312396A CN 117312396 A CN117312396 A CN 117312396A CN 202210704796 A CN202210704796 A CN 202210704796A CN 117312396 A CN117312396 A CN 117312396A
- Authority
- CN
- China
- Prior art keywords
- lane
- road
- target vehicle
- target
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明提供一种车道定位方法及装置、电子设备和可读存储介质，属于通信技术领域，其中车道定位方法包括：获取目标车辆的车辆信息，并从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集；根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。本发明中，通过利用道路数据构建图数据库，在进行目标车辆的车道定位时从图数据库中进行数据筛选，从而降低参与运算的数据点的数量，提升了车道的定位效率。
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种车道定位方法及装置、电子设备和可读存储介质。
背景技术
目前定位车辆所在车道的具体方案主要是分为两种：一种是采集现有地图数据，然后根据车辆位置确定出车辆所在的车道，另外一种是依赖摄像头、激光雷达等硬件设备，再结合道路设备下发的局部道路信息或者路口地图信息，然后经过图像算法处理，定位车辆所在车道。然而，上述第一种方案中，在地图数据较多时，则车道定位计算量增加，车道定位效率低；上述第二种方案中，则需要借助额外的硬件设备，且对实时响应处理速度要求较高，应用场景受限。
发明内容
有鉴于此，本发明提供一种车道定位方法及装置、电子设备和可读存储介质，用于解决目前的车道定位方案中运算量大，使得车道定位效率低，或者需要借助额外的硬件设备，使得成本增加的问题。
为解决上述技术问题，第一方面，本发明提供一种车道定位方法，该方法包括：
获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；
将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
可选的，
所述道路网络拓扑的构建过程包括：
将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
根据道路与道路、道路与路口、道路与车道之间的关系，确定所述图数据库中道路网络拓扑的各节点的节点关系。
可选的，所述根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域包括：
根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
可选的，所述从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集包括：
将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
可选的，所述将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道包括：
计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
第二方面，本发明还提供一种车道定位装置，该装置包括：
第一获取模块，用于获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
第一筛选模块，用于从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
第二筛选模块，用于根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；
确定模块，用于将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
可选的，所述第一筛选模块包括：
节点构建单元，用于将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
节点关系构建单元，用于根据道路与道路、道路与路口、道路与车道之间的关系，所述图数据库中道路网络拓扑的各节点的节点关系。
可选的，所述第二筛选模块包括：
第一确定单元，用于根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
第二确定单元，用于根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
可选的，所述第二筛选模块包括：
车道单元，用于将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
筛选单元，用于将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
可选的，所述确定模块包括：
计算单元，用于计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
车道确定单元，用于若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现上述任一种车道定位方法。
第四方面，本发明还提供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任一种车道定位方法中的步骤。
本发明的上述技术方案的有益效果如下：
本发明实施例中，通过利用道路数据构建图数据库，在进行目标车辆的车道定位时从图数据库中进行数据筛选，从而降低参与运算的数据点的数量，提升了车道的定位效率。
附图说明
图1为本发明实施例一中的一种车道定位方法的流程示意图；
图2为本发明实施例一中的道路网络拓扑的示意图；
图3为本发明实施例二中的一种车道定位装置的结构示意图；
图4为本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例一提供的一种车道定位方法的流程示意图，该方法应用于电子设备，包括以下步骤：
步骤11：获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
步骤12：从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度。
其中，图数据库中存储了道路网络拓扑，图数据库可以预先建好，电子设备端可以直接访问或者存储在本地。该道路网络拓扑是根据多条道路的道路数据构建的，道路数据可以包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度等。
本步骤中，在获取目标车辆的车辆信息时，该车辆信息可以包括目标车辆的坐标信息以及目标车辆所在的行政区域信息。
由于道路数据中包含道路所在的行政区域信息，则通过比对行政区域信息，可以从图数据库中筛选得到与目标车辆具有相同行政区域信息的道路数据，即作为第一数据集，也就是说，第一数据集中的数据的行政区域信息与目标车辆的行政区域信息相同，从而实现对图数据库中海量道路数据的一次筛选，以便降低后续处理的运算量，继而提升车道定位效率。
步骤13：根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集。
在进行上述一次筛选之后，进一步根据目标车辆的坐标信息以及筛选得到的第一数据集中最长的道路长度，确定出以目标车辆为中心的目标区域。也就是说，从第一数据集中找出所有道路中最长的道路长度，然后以目标车辆的位置为中心，根据最长的道路长度确定出目标区域的范围。之后，将第一数据集中的落在目标区域内的车道数据筛选出来，得到第二数据集。
本步骤中，通过划出目标区域，继而对第一数据集中的数据进行二次筛选，可以进一步降低后续处理的运算量，继而提升车道定位效率。
步骤14：将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
本实施例中，在经过上述两次筛选之后，将得到的第二数据集中的每一条车道的坐标点与目标车辆进行距离计算，即可找出与目标车辆最近的车道，最终确定出目标车辆所在的车道。
本发明实施例提供的车道定位方法，通过利用道路数据构建图数据库，在进行目标车辆的车道定位时从图数据库中进行数据筛选，从而降低参与运算的数据点的数量，提升了车道的定位效率。
下面举例说明上述车道定位方法。
本发明的一些实施例中，构建图数据库的过程包括以下步骤：
获取多条道路的道路数据，所述道路数据包括道路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
根据所述道路数据，构建道路网络拓扑并存储到图数据库中。
示例性地，可以获取位于同一个区域范围内的多条道路的道路数据，该道路数据可以是高精地图数据，道路信息可以包括道路名称、道路连接的其他道路等，道路所在的行政区域信息具体可以划分为行政省、市、区、街道等。之后，根据道路数据生成道路数据集，一个道路数据集即对应于一个区域范围的道路数据，示例性的，可以对每一条道路、路口、车道进行划分处理，将道路数据归纳后分别形成道路数据集合、路口数据集合以及车道数据集合，不同集合保存不同类型的数据。
本实施例中，可以对道路数据进行处理，以形成道路网络拓扑并存储在图数据库中，形成道路网络拓扑图。
其中一种可选的具体实施方式中，所述道路网络拓扑的构建过程包括：
将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
根据道路与道路、道路与路口、道路与车道之间的关系，确定所述图数据库中道路网络拓扑的各节点的节点关系。
本实施例中，示例性的，可以将道路数据中各道路、路口以及车辆信息作为Neo4j图数据库中的节点，每一个图数据库节点添加对应的行政区域信息，例如采用添加属性的方式实现，而道路数据中道路与道路、道路与路口、道路与车道之间的关系则作为Neo4j图数据库中的节点之间的节点关系，最终得到道路网络拓扑图。
请参考下表1，表1为本发明实施例一提供的不同节点对应的节点信息。如表1所示，道路网络拓扑图中的节点可以包括以下基本信息：节点表示、节点类型、节点行政属性、前驱节点、后继节点、自由属性、空间坐标等。其中，节点类型包括道路、路口和车道，节点行政属性即节点对应的道路/路口/车道的行政区域信息，前驱节点和后继节点即当前节点前后连接的节点，自由属性可以包括道路长度、车道宽度等，空间坐标则可以采用经纬度坐标表示。
表1：不同节点对应的节点信息。
请参考图2，图2为本发明实施例一提供的道路网络拓扑的示意图。如图2所示，道路网络拓扑中以道路、路口以及车辆信息作为节点，道路与道路、道路与路口、道路与车道之间的关系则作为节点之间的节点关系。示例性的，图2中，节点标识为3841的节点，其前驱节点为节点标识为3499的节点，后驱节点为节点标识为3481的节点，三个节点均为道路类型，该三个节点对应的道路依次连接。节点标识为3804的节点，节点类型为路口，其前驱节点为节点标识为3811的节点，节点类型为道路，其后驱节点包括节点标识为3869的节点、节点标识为3852的节点以及节点标识为3872的节点，该三个节点的节点类型为道路，则节点标识为3811对应的道路与节点标识为3804对应的路口相连，节点标识为3804对应的路口分别与节点标识为3869对应的道路、节点标识为3852对应的道路以及节点标识为3872对应的道路相连，
本发明的一些实施例中，所述根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域包括：
根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
本实施例中，根据第一数据集中最长的道路长度，将其转换为对应的地球弧度，然后再转换成经度差和纬度差，则目标区域的经度范围可以为目标车辆所处的经度减去经度差至目标车辆所处的经度加上经度差，而目标区域的纬度范围可以为目标车辆所处的纬度减去纬度差至目标车辆所处的纬度加上纬度差。也即，目标区域为一个矩形区域。由此，在目标车辆的经纬度没有变化的情况下，只会被计算一次，因此并不耗时。
示例性的，令第一数据集中最长的道路长度为L，地球半径均值为R，即固定为6367000.0米，则上述的经度差LA＝Math.toDegrees(L/R)，纬度差LO＝Math.toDegrees(L/(R*Math.cos(Math.toRadians(latitude))))，其中，toDegrees和toRadians为Java中弧度角度转换的方法。
本发明的另一些实施例中，所述从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集包括：
将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
为了简化运算过程，提升运算效率，可以将第一数据集中的每一条车道的中间坐标点作为该车道的代表点，然后通过判断代表点是否落在上述目标区域内来进行车道的二次筛选。最终，筛选出第一数据集中落在目标区域内的车道，得到第二数据集。
本发明的所述将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道包括：
计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
本实施例中，通过将第二数据集中的每一条车道的坐标点与目标车辆进行距离计算，从而与目标车辆距离最近的目标坐标点，继而找出距离目标车辆最近的目标车道，也即目标坐标点所在的车道即为目标车道，最后再判断该目标坐标点与目标车辆之间的距离是否小于该目标车道的车道宽度，即可确定出目标车辆所在的车道，具体的，若目标坐标点与目标车辆之间的距离小于目标车道的车道宽度，则目标车道即为目标车辆所在的车道，若目标坐标点与目标车辆之间的距离大于目标车道的车道宽度，则输出车道定位失败信息。
本实施例中，由于经过了前述的一次筛选和二次筛选，因此最终需要与目标车辆计算的距离的第二数据集中的车道的数量大大减少，从而降低了运算量，提升了运算效率，最终提升了车道定位效率。
本发明实施例中，通过利用道路数据构建图数据库，在进行目标车辆的车道定位时从图数据库中进行数据筛选，从而降低参与运算的数据点的数量，提升了车道的定位效率。
请参阅图3，图3是本发明实施例二提供的一种车道定位装置的结构示意图，该装置30包括：
第一获取模块31，用于获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
第一筛选模块32，用于从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
第二筛选模块33，用于根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；
确定模块34，用于将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
可选地，所述第一筛选模块包括：
节点构建单元，用于将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
节点关系构建单元，用于根据道路与道路、道路与路口、道路与车道之间的关系，所述图数据库中道路网络拓扑的各节点的节点关系。
可选地，所述第二筛选模块包括：
第一确定单元，用于根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
第二确定单元，用于根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
可选的，所述第二筛选模块包括：
车道单元，用于将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
筛选单元，用于将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
可选的，所述确定模块包括：
计算单元，用于计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
车道确定单元，用于若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
本发明实施例中，通过利用道路数据构建图数据库，在进行目标车辆的车道定位时从图数据库中进行数据筛选，从而降低参与运算的数据点的数量，提升了车道的定位效率。
本发明实施例是与上述方法实施例一对应的产品实施例，故在此不再赘述，详细请参阅上述实施例一。
请参阅图4，图4是本发明实施例三提供的一种电子设备的结构示意图，该电子设备40包括处理器41、存储器42及存储在所述存储器42上并可在所述处理器41上运行的计算机程序；所述处理器41执行所述计算机程序时实现如下步骤：
获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；
将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
本发明实施例中，可选的，所述处理器41执行所述计算机程序时还可实现如下步骤：
所述根据所述道路数据，构建道路网络拓扑并存储到图数据库中包括：
将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
根据道路与道路、道路与路口、道路与车道之间的关系，确定所述图数据库中道路网络拓扑的各节点的节点关系。
可选的，所述根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域包括：
根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
可选的，所述从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集包括：
将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
可选的，所述将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道包括：
计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
本发明实施例中，通过利用道路数据构建图数据库，在进行目标车辆的车道定位时从图数据库中进行数据筛选，从而降低参与运算的数据点的数量，提升了车道的定位效率。
本发明实施例的具体工作过程与上述方法实施例一中的一致，故在此不再赘述，详细请参阅上述实施例一中方法步骤的说明。
本发明实施例四提供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实施例一中任一种车道定位方法中的步骤。详细请参阅以上对应实施例中方法步骤的说明。
上述计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种车道定位方法，其特征在于，包括：
获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；
将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
2.根据权利要求1所述的方法，其特征在于，所述道路网络拓扑的构建过程包括：
将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
根据道路与道路、道路与路口、道路与车道之间的关系，确定所述图数据库中道路网络拓扑的各节点的节点关系。
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域包括：
根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
4.根据权利要求1或3所述的方法，其特征在于，所述从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集包括：
将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
5.根据权利要求1所述的方法，其特征在于，所述将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道包括：
计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
6.一种车道定位装置，其特征在于，包括：
第一获取模块，用于获取目标车辆的车辆信息，所述车辆信息包括坐标信息以及所述目标车辆所在的行政区域信息；
第一筛选模块，用于从图数据库中筛选出与所述目标车辆具有相同行政区域信息的道路数据，得到第一数据集，所述图数据库中存储有道路网络拓扑，所述道路网络拓扑根据多条道路的道路数据构建，所述道路数据包括路信息、道路所在的行政区域信息、道路长度、道路的路口信息、道路包含的车道信息以及车道上各坐标点的经度和纬度；
第二筛选模块，用于根据所述目标车辆的坐标信息以及所述第一数据集中最长的道路长度，生成以所述目标车辆为中心的目标区域，并从所述第一数据集中筛选出位于所述目标区域内的车道数据，得到第二数据集；
确定模块，用于将所述第二数据集中的每一条车道的坐标点与所述目标车辆进行距离计算，根据距离计算结果，确定所述目标车辆所在的车道。
7.根据权利要求6所述的装置，其特征在于，所述第一筛选模块包括：
节点构建单元，用于将所述道路数据中的道路信息、路口信息、车道信息作为所述图数据库中的节点，每一个所述节点附带对应的行政区域信息属性；
节点关系构建单元，用于根据道路与道路、道路与路口、道路与车道之间的关系，所述图数据库中道路网络拓扑的各节点的节点关系。
8.根据权利要求6所述的装置，其特征在于，所述第二筛选模块包括：
第一确定单元，用于根据所述第一数据集中最长的道路长度，确定出经度差和纬度差；
第二确定单元，用于根据所述目标车辆所处的经度和所述经度差，确定所述目标区域的经度范围，以及根据所述目标车辆所处的纬度和所述纬度差，确定所述目标区域的纬度范围。
9.根据权利要求6或8所述的装置，其特征在于，所述第二筛选模块包括：
车道单元，用于将所述第一数据集中每一车道的中间坐标点作为对应车道的代表点；
筛选单元，用于将所述代表点落在所述目标区域内的车道的数据作为所述第二数据集。
10.根据权利要求6所述的装置，其特征在于，所述确定模块包括：
计算单元，用于计算所述第二数据集中的每一条车道的坐标点与所述目标车辆的距离，确定与所述目标车辆距离最近的目标坐标点以及所述目标坐标点所在的目标车道；
车道确定单元，用于若所述目标坐标点与所述目标车辆之间的距离小于所述目标车道的车道宽度，则将所述目标车道确定为所述目标车辆所在的车道。
11.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的车道定位方法。
12.一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，该计算机程序被处理器执行时实现如权利要求1至5中任一项所述的车道定位方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210704796.3A CN117312396A (zh) | 2022-06-21 | 2022-06-21 | 一种车道定位方法及装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210704796.3A CN117312396A (zh) | 2022-06-21 | 2022-06-21 | 一种车道定位方法及装置、电子设备和可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117312396A true CN117312396A (zh) | 2023-12-29 |
Family
ID=89259077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210704796.3A Pending CN117312396A (zh) | 2022-06-21 | 2022-06-21 | 一种车道定位方法及装置、电子设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117312396A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117975708A (zh) * | 2024-03-28 | 2024-05-03 | 北京阿帕科蓝科技有限公司 | 停车提示方法、装置、计算机设备和存储介质 |
-
2022
- 2022-06-21 CN CN202210704796.3A patent/CN117312396A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117975708A (zh) * | 2024-03-28 | 2024-05-03 | 北京阿帕科蓝科技有限公司 | 停车提示方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fleischmann et al. | Morphological tessellation as a way of partitioning space: Improving consistency in urban morphology at the plot scale | |
| CN108038249B (zh) | 一种全球一张图数据存储组织方法及调用方法 | |
| CN111488414B (zh) | 道路任务匹配方法、装置与设备 | |
| US7609258B2 (en) | Information processing apparatus, information processing method, and program | |
| CN107528904B (zh) | 用于数据分布式异常检测的方法与设备 | |
| CN102779165A (zh) | 栅格地图图片库的建立方法 | |
| CN111429560A (zh) | 三维地形服务融合方法、装置和服务器 | |
| CN117312396A (zh) | 一种车道定位方法及装置、电子设备和可读存储介质 | |
| Shekhar et al. | Benchmarking spatial big data | |
| CN105096589A (zh) | 一种选取交通道路中代表性节点的方法、系统及客户端 | |
| CN115265519A (zh) | 一种在线点云地图构建方法、装置 | |
| CN114064829A (zh) | 对定位点进行聚合展示的方法、装置及电子设备 | |
| CN112132951B (zh) | 一种基于视觉的网格语义地图的构建方法 | |
| WO2024051131A1 (zh) | 一种水环境容量的计算方法、装置、电子设备及存储介质 | |
| CN110046210B (zh) | 地图信息更新方法、装置、电子设备和存储介质 | |
| CN112001384A (zh) | 商圈识别的方法及设备 | |
| US20180253445A1 (en) | Geo-positioning information indexing | |
| Bartie et al. | Improving the sampling strategy for point-to-point line-of-sight modelling in urban environments | |
| CN116091715A (zh) | 一种基于三维gis引擎的poi点聚合方法 | |
| US20150127302A1 (en) | Method and apparatus for optimized routing | |
| US20220383349A1 (en) | System and method for partitioning geographical areas into logistical areas for dynamic pricing | |
| CN110119458B (zh) | 一种网格检索方法及装置 | |
| CN111460057B (zh) | Poi坐标确定方法、装置与设备 | |
| CN112395445A (zh) | 矢量数据在线计算方法和装置 | |
| CN111444561A (zh) | 一种河道地形模型建立方法及装置 |
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 |