資料處理方法、裝置、設備和機器可讀媒體
本發明涉及智慧交通技術領域，特別是涉及一種資料處理方法、一種資料處理裝置、一種設備和一種機器可讀媒體。
智慧交通系統將先進電子資訊技術應用於交通中，實現高效增值的服務，其中很多服務是以車輛的位置資訊為基礎的，因此定位是智慧交通系統中一個基礎。車道是車輛行駛過程中的基本單元，對車道的定位，是智慧交通領域的一項關鍵技術，可對車輛自動/半自動駕駛控制、導航和車道偏離預警等提供技術支持。
一種定位方法，可以透過高精度GPS(全球定位系統，Global Positioning System)和高精度電子地圖，實現車道的定位。
然而，高精度GPS和高精度電子地圖的成本均較高，例如，高精度GPS的精度通常小於半個車道的橫向尺寸，這使得上述定位方法的應用範圍受到限制。
本發明實施例所要解決的技術問題是提供一種資料處理方法，可以在花費較低成本的情況下、實現車道的定位。
相應的，本發明實施例還提供了一種資料處理裝置、一種設備、一種機器可讀媒體、一種導航方法和一種輔助駕駛方法，用以保證上述方法的實現及應用。
為了解決上述問題，本發明實施例揭露一種資料處理方法，包括：
依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
依據定位資料，確定車輛對應的車道位置特徵；
依據地圖資料，確定車輛對應的車道數量特徵；
依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；
依據所述車道邊界，確定所述車輛對應的目標車道。
另一方面，本發明實施例還揭露一種資料處理裝置，包括：
影像處理模組，用於依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
定位模組，用於依據定位資料，確定車輛對應的車道位置特徵；
地圖處理模組，用於依據地圖資料，確定車輛對應的車道數量特徵；
車道邊界確定模組，用於依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；以及
目標車道確定模組，用於依據所述車道邊界，確定所述車輛對應的目標車道。
再一方面，本發明實施例還揭露一種設備，包括：
一個或多個處理器；和
其上儲存有指令的一個或多個機器可讀媒體，當由所述一個或多個處理器執行時，使得所述設備執行前述一個或多個所述的方法。
又一方面，本發明實施例揭露一個或多個機器可讀媒體，其上儲存有指令，當由一個或多個處理器執行時，使得設備執行前述一個或多個所述的方法。
再一方面，本發明實施例還揭露一種導航方法，包括：
依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
依據定位資料，確定車輛對應的車道位置特徵；
依據地圖資料，確定車輛對應的車道數量特徵；
依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；
依據所述車道邊界，確定所述車輛對應的目標車道；
依據所述目標車道，確定所述車輛對應的導航資訊。
又一方面，本發明實施例揭露一種輔助駕駛方法，包括：
依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
依據定位資料，確定車輛對應的車道位置特徵；
依據地圖資料，確定車輛對應的車道數量特徵；
依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；
依據所述車道邊界，確定所述車輛對應的目標車道；
依據所述目標車道，確定所述車輛對應的輔助駕駛資訊。
與現有技術相比，本發明實施例包括以下優點：
本發明實施例綜合利用影像資料、定位資料和地圖資料，實現車輛所在車道的定位。其中，影像資料可以作為車道影像特徵的確定依據；定位資料可作為車道位置特徵的確定依據；地圖資料可作為車道數量特徵的確定依據；本發明實施例可以對車道影像特徵和車道位置特徵進行融合，以將車道特徵從影像坐標系轉換到地圖坐標系；這樣，可以依據地圖坐標系的車道特徵和車道數量特徵，確定車輛對應的車道邊界，進而可以依據上述車道邊界，確定車輛對應的目標車道，也即確定車輛位於哪個車道。
由於本發明實施例的影像資料可以為透過例如攝像機的影像採集裝置得到，且對定位資料和地圖資料的精度要求較低，因此，本發明實施例可以在花費較低成本的情況下、實現車道的定位。
為使本發明的上述目的、特徵和優點能夠更加明顯易懂，下面結合所附圖式和具體實施方式對本發明作進一步詳細的說明。
下面將結合本發明實施例中的所附圖式，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員所獲得的所有其他實施例，都屬於本發明保護的範圍。
本發明的構思易於進行各種修改和替代形式，其具體實施例已經透過所附圖式的方式示出，並將在這裡詳細描述。然而，應該理解，上述內容並不是用來將本發明的構思限制為所揭露的具體形式，相反地，本發明的說明書和附加申請專利範圍意欲覆蓋所有的修改、等同和替代的形式。
本說明書中的“一個實施例”，“實施例”，“一個具體實施例”等，表示所描述的實施例可以包括特定特徵、結構或特性，但是每個實施例可以包括或可以不必然包括該特定特徵、結構或特性。此外，這樣的短語不一定指的是同一實施例。另外，在聯繫一個實施例描述特定特徵、結構或特性的情況下，無論是否明確描述，可以認為本領域技術人員所知的範圍內，這樣的特徵、結構或特性也與其他實施例有關。另外，應該理解的是，“在A，B和C的至少一個”這種形式所包括的列表中的條目中，可以包括如下可能的項目：(A)；(B)；(C)；(A和B)；(A和C)；(B和C)；或(A，B和C)。同樣，“A，B或C中的至少一個”這種形式列出的項目可能意味著(A);(B)；(C)；(A和B)；(A和C)；(B和C)；或(A，B和C)。
在一些情況下，所揭露的實施例可以被實施為硬體、韌體、軟體或其任意組合。所揭露的實施例也可以實現為攜帶或儲存在一個或多個暫態或者非暫態的機器可讀(例如電腦可讀)儲存媒體中的指令，該指令可以被一個或多個處理器執行。機器可讀儲存媒體可以實施為用於以能夠被機器讀取的形式儲存或者傳輸資訊的儲存裝置、機構或其他實體結構(例如揮發性或非揮發性記憶體、媒體盤、或其他媒體其它實體結構裝置)。
在所附圖式中，一些結構或方法特徵可以以特定的安排及/或排序顯示。然而，較佳地，這樣的具體安排及/或排序並不是必要的。相反，在一些實施方案中，這樣的特徵可以以不同的方式及/或順序排列，而不是如所附圖式中所示。此外，特定的所附圖式中的結構或方法特徵中所包含的內容，不意味著暗示這種特徵是在所有實施例是必須的，並且在一些實施方案中，可能不包括這些特徵，或者可能將這些特徵與其它特徵相結合。
針對高精度GPS和高精度電子地圖的成本均較高的技術問題，本發明實施例提供了一種資料處理方案，該方案可以包括：依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；依據定位資料，確定車輛對應的車道位置特徵；依據地圖資料，確定車輛對應的車道數量特徵；依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；以及，依據所述車道邊界，確定所述車輛對應的目標車道。
本發明實施例綜合利用影像資料、定位資料和地圖資料，確定車輛對應的目標車道，可以實現車輛所在車道的定位。
其中，影像資料可以為透過例如攝像機的影像採集裝置得到，其可作為車道影像特徵的確定依據；車道影像特徵可以是影像維度的車道特徵。
定位資料可作為車道位置特徵的確定依據，車道位置特徵可以為位置維度的車道特徵。本發明實施例對於定位資料的精度要求較低，定位資料可以源自普通定位精度的感測器，如GPS感測器、GNSS(全球衛星導航系統，Global Navigation Satellite System)感測器等，普通定位精度通常為10米左右。
地圖資料可作為車道數量特徵的確定依據，因此，本發明實施例對於地圖資料的精度要求較低，地圖資料的精度可以為非高精度也即普通精度。
本發明實施例可以對車道影像特徵和車道位置特徵進行融合，以將車道特徵從影像坐標系轉換到地圖坐標系；進一步，可以依據地圖坐標系的車道特徵和車道數量特徵，確定車輛對應的車道邊界，進而可以依據上述車道邊界，確定車輛對應的目標車道，也即確定車輛位於哪個車道。
由於本發明實施例的影像資料可以為透過例如攝像機的影像採集裝置得到，且對定位資料和地圖資料的精度要求較低，因此，本發明實施例可以在花費較低成本的情況下、實現車道的定位。
本發明實施例可以應用於智慧交通情境，在智慧交通情境提供車道級別的定位，可以提升使用者的行駛體驗。車道，又稱行車線、車行道，是用在供車輛行經的道路。在一般公路和高速公路都有設定，高速公路對車道使用帶有法律上的規則，例如行車道和超車道。
根據一種實施例，上述智慧交通情境可以為導航情境。例如，在導航情境下可以提供車道級引導，上述車道級引導在於駛入複雜路口、多層立交道路、或者多出入口道路的情況下，可以提高導航的準確度和精度。另外，車道級別的定位可以為AR(擴增實境技術，Augmented Reality)導航提供基礎資料。
根據另一種實施例，上述智慧交通情境可以為輔助駕駛情境、或者無人駕駛情境。其中，輔助駕駛情境需要人工監控，而無人駕駛情境不需要人工監控。由於可以依據車道級別的定位提供輔助駕駛資訊，可以提高車輛的安全性。輔助駕駛資訊可以包括：目標車道播報資訊、或者車道保持資訊、或者變道資訊等。例如，在目標車道的路況通暢的情況下，可以輸出車道保持資訊；又如，在目標車道不適於轉彎的情況下，可以輸出變道資訊。
可以理解，上述智慧交通情境只是作為可選實施例，實際上，需要使用車道級的定位的任意應用情境均在本發明實施例的應用情境的保護範圍之內，本發明實施例對於具體的應用情境不加以限制。
本發明實施例提供的資料處理方案可應用於圖1所示的應用環境中，如圖1所示，用戶端100與伺服器200位於有線或無線網路中，透過該有線或無線網路，用戶端100與伺服器200進行資料互動。
可選地，用戶端可以運行在設備上，例如，該用戶端可以為終端上運行的APP，如導航APP、電子商務APP、即時通訊APP、輸入法APP、或者作業系統自帶的APP等，本發明實施例對於用戶端所對應的具體APP不加以限制。
可選地，上述設備可以內置或者外接螢幕，上述螢幕用於顯示資訊。上述設備還可以內置或者外置揚聲器，上述揚聲器用於播放資訊。上述資訊可以包括：目標車道的資訊。例如，車輛所在的道路包括4條車道，4條車道可以對應有編號，例如，按照車道方向從左到右的順序，4條車道的編號分別為：1、2、3、4，則目標車道的資訊可以為目標車道的編號。可選地，可以播放如下資訊：“您當前處於第X車道”，其中，X的範圍為1～4。
上述設備可以為車載設備、或者使用者擁有的設備。上述設備具體可以包括但不限於：智慧型手機、平板電腦、電子書閱讀器、MP3(動態影像專家壓縮標準音訊層面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(動態影像專家壓縮標準音訊層面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型可攜式電腦、車載設備、PC(個人電腦，Personal Computer)、機上盒、智慧電視機、可穿戴設備等。可以理解，本發明實施例對於具體的設備不加以限制。
車載設備的例子可以包括：HUD(平視顯示器，Head Up Display)等，HUD通常安裝在駕駛員前方，在駕駛過程中可為駕駛員提供一些必要的行車資訊，如導航資訊等，導航資訊可以包括：目標車道的資訊；換言之，HUD可以集多種功能於一體，方便駕駛員關注行車路況。
方法實施例一
參照圖2，示出了本發明的一種資料處理方法實施例一的步驟流程圖，具體可以包括如下步驟：
步驟201、依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
步驟202、依據定位資料，確定車輛對應的車道位置特徵；
步驟203、依據地圖資料，確定車輛對應的車道數量特徵；
步驟204、依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；
步驟205、依據所述車道邊界，確定所述車輛對應的目標車道。
本發明實施例的方法所包括的至少一個步驟可由用戶端及/或伺服器執行，當然，本發明實施例對於方法的步驟的具體執行主體不加以限制。
步驟201中，道路影像可由例如攝像機、攝像機的影像採集裝置得到。可選地，影像採集裝置的數量可以為1，也可以大於1。可選地，影像採集裝置可以設定於車輛的周邊，上述周邊可以包括：前方，該前方可以包括：正前方或者斜前方。該攝像機可以為單眼攝像機、或者雙眼攝像機。
在本發明的一種應用實例中，可以將攝像機安裝在車輛縱向中軸線上位於車頂前方的位置，攝像機對準車輛前方，攝像機距離地面的高度、攝像機的俯仰角、平擺角和滾轉角可以根據實際應用需求確定。在車輛的行駛過程中，攝像機可以不斷地採集車輛正前方的道路影像。當然，攝像機也可以位於車輛縱向中軸線上位於車投前方的位置，可以理解，本發明實施例對於具體的影像採集裝置及其方位不加以限制。
根據一種實施例，步驟201可以利用影像處理技術，從車輛對應的道路影像中確定出所述車輛對應的車道影像特徵。
上述影像處理技術可以包括：濾波技術。上述濾波技術可用於濾除道路影像中的雜訊，以降低雜訊對於車道影像特徵的干擾。
上述影像處理技術可以包括：影像識別技術。影像識別，是指利用機器對影像進行處理、分析和理解，以識別各種不同模式的影像目標的技術。具體到本發明實施例，可以利用機器對道路影像進行處理、分析和理解，以識別各種不同模式的影像目標的技術。影像目標可以包括：本發明實施例的車道影像特徵。
通常道路影像中的車道影像特徵可以在道路影像中對應有一定的影像區域。本發明實施例可以透過邊緣檢測技術，確定單個車道影像特徵對應的影像區域，並確定影像區域對應的車道影像特徵。
在本發明的一種可選實施例中，步驟201確定所述車輛對應的車道影像特徵的過程可以包括：檢測道路影像中的影像目標，並利用深度學習方法對獲取到的影像目標進行分析，以得到對應的影像目標資訊，也即車道影像特徵。影像目標資訊可以包括：影像目標的影像、名稱、類別等資訊。
根據另一種實施例，步驟201可以利用攝影測量技術，從車輛對應的道路影像中確定出所述車輛對應的車道影像特徵。攝影測量技術，可以利用光學攝影機或數碼相機獲取的像片，經過處理以獲取被攝物體的位置、形狀、大小、特性及其相互關係
參照表1，示出了本發明實施例的一種車道影像特徵的實例。上述車道影像特徵，具體可以包括如下特徵中的至少一種：車道特徵點、車道特徵線、以及車道特徵區域。
其中，車道特徵點可以為點類型的車道影像特徵。上述車道特徵點具體可以包括如下特徵點中的至少一種：
車道邊界的端點；以及
車道邊界與車道邊界的垂直線之間的交點。
車道邊界的端點可以包括：車道線端點、或者道路邊緣端點。
車道特徵線可以為線類型的車道影像特徵。所述車道特徵線具體可以包括如下特徵線中的至少一種：
車道線；
道路邊緣線；
道路邊緣設施的輪廓線；
道路上方設施的輪廓線；以及
隧道口輪廓線。
其中，輪廓線，又叫“外部線條”，指事物的外邊緣界線，是一個物件與另一個物件之間、物件與背景之間的分界線。
車道特徵區域可以為區欄位型別或者面類型的車道影像特徵。上述車道特徵區域具體可以包括如下區域中的至少一種：
斑馬線區域；
綠化帶區域；以及
車輛區域。此處的車輛可以指道路上除了影像採集裝置所在車輛之外的車輛。
表1
| 車道特徵點 | 車道特徵線 | 車道特徵面 |
| 車道線端點 | 車道線 | 斑馬線區域 |
| 道路邊緣端點 | 道路邊緣線 | 綠化帶 |
| 道路上同一位置的垂直線與車道線交點 | 道路邊緣設施輪廓線 | 車輛區域 |
| | 道路上方設施的輪廓線 | |
步驟202中，定位資料可以源自普通定位精度的感測器，如GPS感測器、GNSS感測器等。
步驟202確定的車道位置特徵可以包括：車輛位置特徵。車輛位置特徵用於表徵車輛所在的位置。
可選地，可以依據定位資料和步驟201得到的車道影像特徵，確定車輛位置特徵。其中，車道影像特徵可以反映車輛所處的周邊環境，因此可以提高車輛位置特徵的精度。
步驟202確定的車道位置特徵還可以包括：車道影像特徵對應的位置特徵。相應地，步驟202可以接收步驟201得到的車道影像特徵，並依據定位資料，確定車道影像特徵對應的位置特徵。
可選地，可以利用SLAM(同步定位與建圖，Simultaneous Localization and Mapping)方法，確定車道影像特徵對應的位置特徵。SLAM的原理可以為：機器人在未知環境中從一個未知位置開始移動，在移動過程中根據位置估計和地圖進行自身定位，同時在自身定位的基礎上建造增量式地圖，實現機器人的自主定位和導航例如，可以根據SLAM方法，確定步驟201得到的車道特徵點、或車道特徵線、或車道特徵區域的位置特徵。
步驟203中，地圖資料可作為車道數量特徵的確定依據，因此，本發明實施例對於地圖資料的精度要求較低，地圖資料的精度可以為非高精度也即普通精度。
可選地，步驟203可以依據步驟202得到的車道位置特徵，確定車道數量特徵。車道數量特徵可用於表徵車輛當前所處或者即將所處的道路中車道的數量。
可選地，步驟203還可以依據地圖資料，確定車道方向特徵。車道可以包括：單行道或者雙行道。其中，雙行道的方向可以包括：相反的兩個方向，車道方向特徵可以表徵其中的一個方向，也即車輛的行駛方向。
步驟204可以對車道影像特徵、車道位置特徵和車道數量特徵進行融合，以得到車輛對應的車道邊界。車道邊界可以指車道的邊界，其可以作為車道與車道之間、或者車道與其他物體之間的界線。車道邊界可以包括：車道線、道路邊緣等。
本發明實施例確定車輛對應的車道邊界的原理可以為：依據車道影像特徵、車道位置特徵和車道數量特徵，對車輛對應的車道邊界進行求解運算。上述求解運算可以將車道特徵從影像坐標系轉換到地圖坐標系，以確定車道邊界在地圖坐標系下的參數(如車道邊界位置特徵、名稱等)，進而可以基於車輛位置特徵與車道邊界位置特徵之間的相對位置，確定車輛對應的目標車道。
根據一種實施例，上述車道影像特徵中可以包括全部車道邊界的資訊。此種情況下，可以依據車道影像特徵確定全部車道邊界的資訊，也即可以確定全部車道邊界在地圖坐標系下的參數。
根據另一種實施例，影像採集裝置受環境、氣候的影響、光線等因素的影響較大，再加上車道線本身的複雜性和不連續性(路口)，這使得上述車道影像特徵中可能僅僅包括部分車道邊界的資訊，也即出現車輛對應的當前車道邊界不完整的情況。
例如，在車道線不連續的情況下，容易使得上述車道影像特徵中可能僅僅包括部分車道邊界的資訊；車道線不連續的原因可以包括：車道線汙損、或者路口情況下，影像採集裝置的採集範圍受限等。例如，在路況情況下，路面有行人和車輛遮擋，且轉彎角度大，攝像機無法拍到全部車道線。
又如，在光線較弱的情況下，影像採集裝置的採集清晰度降低，容易使得上述車道影像特徵中可能僅僅包括部分車道邊界的資訊。上述光線較弱的情況可以包括：惡劣天氣情況、或者夜晚情況等。
再如，在道路擁堵的情況下，路面有行人和車輛遮擋，影像採集裝置的採集範圍降低，容易使得上述車道影像特徵中可能僅僅包括部分車道邊界的資訊。上述道路擁堵可以包括：道路中擁堵、或者路況擁堵等。
在所述車輛對應的當前車道邊界不完整的情況下，本發明實施例可以透過確定所述車輛對應的目標車道的如下技術方案，確定全部車道邊界：
技術方案1：
技術方案1中，步驟204確定所述車輛對應的車道邊界的過程，具體可以包括：依據所述車道影像特徵，得到兩個車道特徵點；所述兩個車道特徵點屬於不同的第一車道邊界；依據所述車道位置特徵，確定所述兩個車道特徵點之間的距離；依據所述兩個車道特徵點之間的距離、以及所述車道數量特徵，確定所述車輛對應的第二車道邊界。
技術方案1可以在已知第一車道邊界的兩個車道特徵點的情況下，確定第二車道邊界，由於可以實現車道邊界的擴展，因此可以確定全部車道邊界。
參照圖3，示出了本發明實施例的一種道路狀況的示意圖，其中，該道路狀況可以源自道路影像，車輛可以行駛在路口的附近區域，道路可以包括：人行道301和若干條車道302。車道特徵點可以為一條車道線的端點PA和PB。圖3中，車道線的端點PA和PB可以為車道線的起始端點，且PA和PB所屬的車道線相鄰。此種情況下，PA與PB之間的距離可以為一條車道的寬度(簡稱車道寬度)；由於同一道路中不同車道的寬度通常是相同的，因此可以依據車道數量和車道寬度，確定未知的車道線。
技術方案2：
技術方案2中，所述車道影像特徵具體可以包括：道路周邊設施的輪廓線，步驟204確定所述車輛對應的車道邊界的過程，具體可以包括：依據所述道路周邊設施的輪廓線、以及車道位置特徵，確定道路寬度；依據所述道路寬度、以及所述車道數量特徵，確定所述車輛對應的車道邊界。
技術方案2可以在已知道路周邊設施的輪廓線的情況下，實現車道邊界的擴展，因此可以確定全部車道邊界。
參照圖4，示出了本發明實施例的一種道路狀況的示意圖，其中，該道路狀況可以源自道路影像，道路狀況可以包括：若干條車道線401、道路上方設施402和道路邊緣線403。部分車道線被道路上的車輛遮擋，此種情況下，可以根據道路上方設施的輪廓線確定道路寬度，道路寬度可以表徵所有車道對應的寬度；由於同一道路中不同車道的寬度通常是相同的，因此可以依據車道數量和道路寬度，確定未知的車道線。
圖4所示的道路上方設施402具體為交通龍門架，可以理解，圖4所示的道路上方設施只是作為實例，實際上，道路上方設施還可以為隧道等，可以理解，本發明實施例對於具體的道路上方設施不加以限制。
另外，道路上方設施只是作為可選實施例，實際上道路周邊設施還可以包括：綠化帶等，例如，可以依據道路兩側的綠化帶，確定道路寬度。可以理解，本發明實施例對於具體的道路周邊設施不加以限制。
技術方案1和技術方案2在道路影像中採集到部分車道邊界的情況下，進行車道邊界的擴展，可以在一定程度上克服影像採集裝置受光線、遮擋，車道線本身不完整以及不連續等問題導致的車道邊界不準確的問題，可以提升車道邊界的準確率和可靠性以及連續可用性。
可以理解，本領域技術人員可以根據實際應用需求，採用技術方案1和技術方案2中的任一或者組合，本發明實施例對於確定所述車輛對應的目標車道的具體過程不加以限制。
步驟205可以依據步驟204得到的車道邊界，確定所述車輛對應的目標車道。
本發明實施例確定車輛對應的目標車道的原理可以為：依據車輛與車道邊界之間的相對位置，確定車輛對應的目標車道，該目標車道也即車輛所處的車道。
在本發明的一種可選實施例中，步驟203確定所述車輛對應的目標車道的過程，具體可以包括：確定多個車道邊界分別對應的車道特徵點、以及第一方向；依據所述第一方向與第二方向之間的關係，確定所述車輛對應的目標車道；所述第二方向可以為所述車道特徵點與車輛特徵點對應的方向。
參照圖5，示出了本發明實施例的一種道路狀況的示意圖，其中，該道路狀況可以源自道路影像，道路狀況可以包括：若干條車道線501、車輛502和道路邊緣線503。可以確定車輛502所在道路上同一位置的垂直線504，車道特徵點可以為：垂直線504與車道線的交點，第一方向可以為車道線的方向，第二方向可以為特徵點與車輛特徵點之間的連線的方向，車輛特徵點可以為影像採集裝置所在的位置點；這樣，可以依據第一方向與第二方向之間的位置關係(如夾角)，確定車輛502對應的目標車道，圖5中，第3車道所對應的夾角最小，因此可以確定目標車道為第3車道。
在實際應用中，由於車輛在路口行駛的情況下，不確定因素很多，這給目標車道的確定帶來難度。
針對上述情況，在本發明的一種可選實施例中，步驟204確定所述車輛對應的車道邊界的過程，具體可以包括：依據所述車道邊界、以及所述車輛對應的連續運動資訊，確定所述車輛對應的目標車道。
連續運動資訊可以表徵車輛在一個時間段內的運動狀況，本發明實施例依據連續運動資訊，可以確定車輛進入車道邊界內的目標時間，並依據該目標時間下車輛與車道邊界之間的相對位置，確定目標車道。由於目標時間車輛進入車道邊界，因此此種時機下確定目標車道，可以避免尚未進入車道邊界的情況下錯誤確定目標車道的情況，進而可以提高目標車道的準確度。
參照圖6，示出了本發明實施例的一種車輛與車道邊界之間的關係的示意圖，其中，T0時刻可以為確定所有車道線的時刻，如果在T0時刻確定目標車道，將容易出現目標車道錯誤的情況。
T1時刻可以為車輛進入車道線的時刻，本發明實施例可以累積T0時刻到T1時刻這一時間段內的累積運動向量，並依據該累積運動向量確定T1時刻，進而可以實現目標車道的準確確定。
本發明實施例的連續運動資訊可以透過慣性感測器得到。INS感測器可以為車輛上的已有感測器，故可以不耗費額外的感測器成本。慣性感測器可以包括：IMU(慣性測量單元，Inertial measurement unit)。IMU可以包括：加速計、陀螺儀等。
可選地，可以透過INS(慣性導航系統，Inertial Navigation System)確定連續運動資訊。INS確定連續運動資訊的原理可以為：根據慣性感測器測得的車輛的運動狀態變化，透過上一時刻的位置、姿態推算當前時刻的位置和姿態。可選地，INS還可以利用里程計提供的行程資料。
在實際應用中，可以依據圖2包括的步驟201至步驟205確定車輛初始進入道路後的車道，也即，本發明實施例的目標車道可以包括：初始目標車道。在確定初始目標車道後，可以利用車道跟蹤及/或變道檢測方法，進行目標車道的即時更新。
由於路口情況複雜多變，且路口有空白區域，故本發明實施例詳細描述了路口情況對應的處理過程，可以理解，本發明實施例可以適用於除了路況情況之外的其它情況。
在實際應用中，本發明實施例可以透過視覺方式及/或聽覺方式，輸出目標車道的資訊。其中，視覺方式可以透過螢幕顯示目標車道的資訊，聽覺方式可以透過揚聲器播放目標車道的資訊。
綜上，本發明實施例的資料處理方法，綜合利用影像資料、定位資料和地圖資料，實現車輛所在車道的定位。其中，影像資料可以作為車道影像特徵的確定依據；定位資料可作為車道位置特徵的確定依據；地圖資料可作為車道數量特徵的確定依據；本發明實施例可以對車道影像特徵和車道位置特徵進行融合，以將車道特徵從影像坐標系轉換到地圖坐標系；這樣，可以依據地圖坐標系的車道特徵和車道數量特徵，確定車輛對應的車道邊界，進而可以依據上述車道邊界，確定車輛對應的目標車道，也即確定車輛位於哪個車道。
由於本發明實施例的影像資料可以為透過例如攝像機的影像採集裝置得到，且對定位資料和地圖資料的精度要求較低，因此，本發明實施例可以在花費較低成本的情況下、實現車道的定位。
方法實施例二
參照圖7，示出了本發明的一種資料處理方法實施例二的步驟流程圖，具體可以包括如下步驟：
步驟701、依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
步驟702、依據定位資料，確定車輛對應的車道位置特徵；
步驟703、依據地圖資料，確定車輛對應的車道數量特徵；
步驟704、依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；
步驟705、在所述車輛對應的當前車道邊界不完整的情況下，依據車輛對應的道路影像、以及所述當前車道邊界，確定所述車輛對應的最新車道影像特徵和最新車道位置特徵；
步驟706、依據所述車輛對應的最新車道影像特徵、所述最新車道位置特徵和所述車道數量特徵，確定所述車輛對應的最新車道邊界；
步驟707、依據所述最新車道邊界，確定所述車輛對應的目標車道。
本發明實施例可以在車輛對應的當前車道邊界不完整的情況下，重新確定車道邊界，具體地，可以依據當前車道邊界，重新確定車道影像特徵和車道位置特徵，並依據重新確定的車道影像特徵和車道位置特徵，確定最新車道邊界。其中，當前車道邊界可以指當前時間的車道邊界，當前時間可以指執行步驟的情況下的設備時間，當前車道邊界可以隨著當前時間的更新而更新。
其中，當前車道邊界可以為車道影像特徵的重新確定提供豐富的信息，因此可以作為車道影像特徵的確定依據，尤其地，當前車道邊界可以為影像區域的二次特徵擷取提供依據。例如，道路影像中包括不連續的車道線L1，步驟704可以結合車道影像特徵、所述車道位置特徵和所述車道數量特徵，得到連續的車道線L1；且步驟705還可以結合車道影像特徵、所述車道位置特徵和所述車道數量特徵，得到與車道線L1相鄰的車道線L2，則步驟706可以依據連續的車道線L1和車道線L2，得到更多的車道影像特徵，如車道線L2的端點特徵、或者與車道線L2相鄰的車道線L3的特徵等。
由於最新車道影像特徵和最新車道位置特徵為經過更新的、更為準確的特徵，因此依據最新車道影像特徵和最新車道位置特徵，進行車道邊界的確定，可以提高車道邊界的準確度。
方法實施例三
參照圖8，示出了本發明的一種資料處理方法實施例三的步驟流程圖，具體可以包括如下步驟：
步驟801、依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
步驟802、依據定位資料，確定車輛對應的車道位置特徵；
步驟803、依據地圖資料，確定車輛對應的車道數量特徵；
步驟804、依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；
步驟805、在所述車輛對應的當前車道邊界不完整的情況下，確定預測車道邊界；
步驟806、依據車輛對應的道路影像、所述當前車道邊界、以及所述預測車道邊界，確定所述車輛對應的最新車道影像特徵和最新車道位置特徵；
步驟807、依據所述車輛對應的最新車道影像特徵、所述最新車道位置特徵和所述車道數量特徵，確定所述車輛對應的最新車道邊界；
步驟808、依據所述最新車道邊界，確定所述車輛對應的目標車道。
本發明實施例可以在所述車輛對應的當前車道邊界不完整的情況下，確定預測車道邊界。例如，可以利用前述的技術方案1及/或技術方案2，將擴展得到的車道邊界，作為預測車道邊界。
預測車道邊界可以作為最新車道影像特徵的確定依據。可選地，可以依據預測車道邊界，重新進行車道影像特徵的擷取。
例如，在光線弱的情況下，最初無法從道路影像中擷取車道線L3的影像特徵，本發明實施例可以預測出車道線L3，並將車道線L3標記在道路影像的相應位置，則可以依據帶有車道線L3的標記的道路影像，擷取車道線L3的影像特徵；車道線L3的影像特徵再次加入車道邊界的確定過程中，由於可以增加車道邊界的確定過程中的資訊，因此可以提高車道邊界的準確度。
同理，在車道線不連續的情況下，可以預測出連續的車道線。在此不作贅述，相互參照即可。
需要說明的是，可以針對最新車道影像特徵進行定位，以得到最新車道位置特徵。例如，最新車道位置特徵可以包括：預測車道邊界對應的位置特徵。
綜上，本發明實施例的資料處理方法，在所述車輛對應的當前車道邊界不完整的情況下，確定預測車道邊界。預測車道邊界可以作為最新車道影像特徵的確定依據，以得到更多的車道影像特徵。由於可以增加車道邊界的確定過程中的資訊(如最新車道影像特徵和最新車道位置特徵)，因此可以提高車道邊界的準確度。
本發明實施例還提供了一種導航方法，具體可以包括如下步驟：
依據車輛對應的車道影像特徵、車道位置特徵和車道數量特徵，確定所述車輛對應的車道邊界；其中，所述車道影像特徵依據所述車輛對應的道路影像確定，所述位置特徵依據定位資料確定，所述車道數量特徵依據地圖資料確定；
依據所述車道邊界，確定所述車輛對應的目標車道；
依據所述目標車道，確定所述車輛對應的導航資訊。
在實際應用中，上述導航資訊用於引導所述車輛的行駛。
根據一種實施例，上述導航資訊可以包括：語音形式的目標車道資訊、或者，在地圖上繪製的目標車道對應的車道邊界線，以使使用者確定車輛所處的目標車道。
根據另一種實施例，上述導航資訊可以包括：基於目標車道的導航路線等。
綜上，本發明實施例在導航情境下可以提供車道級引導，上述車道級引導在於駛入複雜路口、多層立交多出入口道路的情況下，可以提高導航的準確度和精度。另外，車道級別的定位可以為AR導航提供基礎資料。
本發明實施例還提供了一種輔助駕駛方法，具體可以包括如下步驟：
依據車輛對應的車道影像特徵、車道位置特徵和車道數量特徵，確定所述車輛對應的車道邊界；其中，所述車道影像特徵依據所述車輛對應的道路影像確定，所述位置特徵依據定位資料確定，所述車道數量特徵依據地圖資料確定；
依據所述車道邊界，確定所述車輛對應的目標車道；
依據所述目標車道，確定所述車輛對應的輔助駕駛資訊。
上述輔助駕駛資訊可以包括：目標車道播報資訊、或者車道保持資訊、或者變道資訊等。例如，在目標車道的路況通暢的情況下，可以輸出車道保持資訊；又如，在目標車道不適於轉彎的情況下，可以輸出變道資訊。可以理解，本發明實施例對於具體的輔助駕駛資訊不加以限制，例如上述輔助駕駛資訊還可以包括：刹車提示資訊等。
由於本發明實施例可以依據車道級別的定位提供輔助駕駛資訊，可以提高車輛的安全性和輔助駕駛資訊的合理性。
需要說明的是，對於方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明實施例並不受所描述的動作順序的限制，因為依據本發明實施例，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於較佳實施例，所涉及的動作並不一定是本發明實施例所必須的。
本發明實施例還提供了一種資料處理裝置。
參照圖9，示出了本發明的一種資料處理裝置實施例的結構方塊圖，具體可以包括如下模組：
影像處理模組901，用於依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
定位模組902，用於依據定位資料，確定車輛對應的車道位置特徵；
地圖處理模組903，用於依據地圖資料，確定車輛對應的車道數量特徵；
車道邊界確定模組904，用於依據所述車道影像特徵、所述車道位置特徵和所述車道數量特徵，確定所述車輛對應的車道邊界；以及
目標車道確定模組905，用於依據所述車道邊界，確定所述車輛對應的目標車道。
可選地，所述車道邊界確定模組904可以包括：
車道特徵點確定模組，用於依據所述車道影像特徵，得到兩個車道特徵點；所述兩個車道特徵點屬於不同的第一車道邊界；
距離確定模組，用於依據所述車道位置特徵，確定所述兩個車道特徵點之間的距離；以及
第一邊界確定模組，用於依據所述兩個車道特徵點之間的距離、以及所述車道數量特徵，確定所述車輛對應的第二車道邊界。
可選地，所述車道影像特徵可以包括：道路周邊設施的輪廓線，所述車道邊界確定模組904可以包括：
道路寬度確定模組，用於依據所述道路周邊設施的輪廓線、以及車道位置特徵，確定道路寬度；
第二邊界確定模組，用於依據所述道路寬度、以及所述車道數量特徵，確定所述車輛對應的車道邊界。
可選地，所述目標車道確定模組905可以包括：
第一目標車道確定模組，用於依據所述車道邊界、以及所述車輛對應的連續運動資訊，確定所述車輛對應的目標車道。
可選地，所述目標車道確定模組905可以包括：
特徵點及方向確定模組，用於確定多個車道邊界分別對應的車道特徵點、以及第一方向；
第二目標車道確定模組，用於依據所述第一方向與第二方向之間的關係，確定所述車輛對應的目標車道；所述第二方向為所述車道特徵點與車輛特徵點對應的方向。
可選地，所述影像處理模組901，還用於在所述車輛對應的當前車道邊界不完整的情況下，依據車輛對應的道路影像、以及所述當前車道邊界，確定所述車輛對應的最新車道影像特徵；
所述定位模組902還用於在所述車輛對應的當前車道邊界不完整的情況下，依據車輛對應的道路影像、以及所述當前車道邊界，確定所述車輛對應的最新車道位置特徵；
所述車道邊界確定模組904，還用於依據所述車輛對應的最新車道影像特徵、所述最新車道位置特徵和所述車道數量特徵，確定所述車輛對應的最新車道邊界；
所述目標車道確定模組905，還用於依據所述最新車道邊界，確定所述車輛對應的目標車道。
可選地，所述車道邊界確定模組904，還用於在所述車輛對應的當前車道邊界不完整的情況下，確定預測車道邊界；
所述影像處理模組901，還用於依據車輛對應的道路影像、所述當前車道邊界、以及所述預測車道邊界，確定所述車輛對應的最新車道影像特徵；
所述定位模組902，還用於依據車輛對應的道路影像、所述當前車道邊界、以及所述預測車道邊界，確定最新車道位置特徵；
所述車道邊界確定模組904，還用於依據所述車輛對應的最新車道影像特徵、所述最新車道位置特徵和所述車道數量特徵，確定所述車輛對應的最新車道邊界；
所述目標車道確定模組905，還用於依據所述最新車道邊界，確定所述車輛對應的目標車道。
可選地，所述車道影像特徵可以包括如下特徵中的至少一種：
車道特徵點、車道特徵線、以及車道特徵區域。
可選地，所述車道特徵點可以包括如下特徵點中的至少一種：
車道邊界的端點；以及
車道邊界與車道邊界的垂直線之間的交點。
可選地，所述車道特徵線可以包括如下特徵線中的至少一種：
車道線；
道路邊緣線；
道路邊緣設施的輪廓線；
道路上方設施的輪廓線；以及
隧道口輪廓線。
可選地，所述車道特徵區域可以包括如下區域中的至少一種：
斑馬線區域；
綠化帶區域；以及
車輛區域。
對於裝置實施例而言，由於其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
參照圖10，示出了本發明實施例的一種資料處理裝置的資料互動示意圖，其中，影像處理模組901，用於對影像採集裝置獲取到的道路影像進行影像處理，上述影像處理可以包括：影像識別和特徵擷取等，其與車道邊界確定模組904和定位模組902之間都有互動。影像處理結果可以輸入到車道邊界確定模組904；另外，影像處理結果也會傳遞到定位模組902，用以提升車道位置特徵的精度。
定位模組902用於確定車輛位置特徵、以及車道影像特徵對應的位置特徵。定位模組902可以將影像處理結果轉換到地圖坐標系中。
由於影像識別結果可以為定位模組902提供依據，故可以提升車道位置特徵的定位精度。另外，車道位置特徵還可以作為車道邊界確定模組904的輸入與影像處理結果進行融合。並且，定位模組902還可以與地圖處理模組903進行互動，以獲取車輛所在道路的道路特徵，上述道路特徵可以包括：車道數量、車道方向特徵等。
地圖處理模組903，用於確定車輛位置所處的道路特徵，上述道路特徵在車道邊界確定模組904中與影像處理結果和車道位置特徵進行融合。
車道邊界確定模組904和目標車道確定模組905可以整合設定，或者分開設定。二者用於確定初始目標車道，在確定初始目標車道後，可以利用車道跟蹤及/或變道檢測方法，進行目標車道的即時更新。
在本發明的一種實施例中，影像處理模組901向車道邊界確定模組904傳遞的資料可以包括：車道影像特徵，車道影像特徵具體可以包括但不限於：車道線及道路邊緣、道路兩側特徵點等。車道邊界確定模組904向影像處理模組901傳遞的資料可以包括：當前車道邊界、車道位置特徵、車輛的連續運動資訊和影像採集裝置的姿態、道路特徵等。其中，影像採集裝置的姿態可以作為影像處理的依據，上述姿態可以包括：平視、仰視、俯視等。
在本發明的一種實例中，假設車道數量為4，其中的一條車道線被干擾，則影像處理模組901可以嘗試將被干擾的車道線對應的影像特徵擷取出來；而車道邊界確定模組904可以依據融合的多種資料，確定被干擾的車道線。
在本發明的一種實施例中，定位模組902向車道邊界確定模組904傳遞的資料可以包括：車輛位置特徵、車輛的連續運動資訊、影像採集裝置的姿態、車道位置特徵及變道檢測結果等。車道邊界確定模組904向定位模組傳遞的資料可以包括：當前車道邊界、車輛位置特徵、車輛的連續運動資訊、影像採集裝置的姿態、以及道路特徵等。
影像處理模組901，用於依據車輛對應的道路影像，確定所述車輛對應的車道影像特徵；
定位模組902，用於依據定位資料，確定車輛對應的車道位置特徵；
地圖處理模組903，用於依據地圖資料，確定車輛對應的車道數量特徵；
車道邊界確定模組904與影像處理模組901、定位模組902和地圖處理模組903之間的資料互動，一方面可以更好地實現車道邊界的確定，另一方面可以將有用的資訊在不同的模組之間流轉，從而可以提升多個模組的性能和效率。
可選地，車道邊界確定模組904可以根據定位結果也即車道位置特徵，確定車輛所在路段的車道數量、車道類型、車道方向等車道特徵，結合影像識別結果、定位結果、以及車道特徵；可以首先對影像識別結果進行預處理，上述預處理可以包括：總誤差檢測與剔除，預處理後的資料進行車道邊界的求解運算，求解運算結果可以是車道邊界在定位、地圖統一的坐標系下的資訊，如果所有車道邊界均已確定，則可以進入下一步確定目標車道的流程；否則，可以在已有的第一車道邊界的基礎上，並對剩餘的車道邊界進行預測，預測車道邊界回傳到影像識別模組901，影像識別模組901再根據預測車道邊界對特定區域進行二次擷取，擷取後的結果再次加入到車道邊界的求解運算流程中，直到完成所有車道邊界的確定。上述預測車道邊界的回傳，可以將更多的資訊應用於車道邊界的確定。
可選地，在確定所有車道邊界後，開始對車輛的運動向量進行累積，之所以這樣做是考慮車輛此時可能處於變道或正好行駛在路口空白區域，最後，根據累積的運動向量判定車輛所處的目標車道，可以完成初始目標車道的確定。
本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
關於上述實施例中的裝置，其中各個模組執行操作的具體方式已經在有關該方法的實施例中進行了詳細描述，此處將不做詳細闡述說明。
本發明實施例的實施例可被實現為使用任意適當的硬體及/或軟體進行想要的配置的系統或裝置。圖11示意性地示出了可被用於實現本發明中所述的各個實施例的例示性設備1300。
對於一個實施例，圖11示出了例示性設備1300，該設備1300可以包括：一個或多個處理器1302、與處理器1302中的至少一個耦合的系統控制模組(晶片組)1304、與系統控制模組1304耦合的系統記憶體1306、與系統控制模組1304耦合的非揮發性記憶體(NVM)/儲存裝置1308、與系統控制模組1304耦合的一個或多個輸入/輸出設備1310，以及與系統控制模組1306耦合的網路介面1312。該系統記憶體1306可以包括：指令1362，該指令1362可被一個或多個處理器1302執行。
處理器1302可包括一個或多個單核或多核處理器，處理器1302可包括通用處理器或專用處理器(例如圖形處理器、應用程式處理器、基帶處理器等)的任意組合。在一些實施例中，設備1300能夠作為本發明實施例中所述的伺服器、目標設備、無線設備等。
在一些實施例中，設備1300可包括具有指令的一個或多個機器可讀媒體(例如，系統記憶體1306或NVM/儲存裝置1308)以及與該一個或多個機器可讀媒體相合併被配置為執行指令、以實現前述裝置包括的模組、從而執行本發明實施例中所述的動作的一個或多個處理器1302。
一個實施例的系統控制模組1304可包括任何適合的介面控制器，用於提供任何適合的介面給處理器1302中的至少一個及/或與系統控制模組1304通訊的任意適合的裝置或部件。
一個實施例的系統控制模組1304可包括一個或多個記憶體控制器，用於提供介面給系統記憶體1306。記憶體控制器可以是硬體模組、軟體模組及/或韌體模組。
一個實施例的系統記憶體1306可被用於載入和儲存資料及/或指令1362。對於一個實施例，系統記憶體1306可包括任何適合的揮發性記憶體，例如，適合的DRAM(動態隨機存取記憶體)。在一些實施例中，系統記憶體1306可包括：雙倍數據速率類型四同步動態隨機存取記憶體(DDR4SDRAM)。
一個實施例的系統控制模組1304可包括一個或多個輸入/輸出控制器，以向NVM/儲存裝置1308及(一個或多個)輸入/輸出設備1310提供介面。
一個實施例的NVM/儲存裝置1308可被用於儲存資料及/或指令1382。NVM/儲存裝置1308可包括任何適合的非揮發性記憶體(例如快閃記憶體等)及/或可包括任何適合的(一個或多個)非揮發性儲存設備，例如，一個或多個硬碟驅動器(HDD)、一個或多個光碟(CD)驅動器及/或一個或多個數位通用光碟(DVD)驅動器等。
NVM/儲存裝置1308可包括在實體上是設備1300被安裝在其上的裝置的一部分的儲存資源，或者其可被該裝置存取而不必作為該裝置的一部分。例如，NVM/儲存裝置1308可經由網路介面1312透過網路及/或透過輸入/輸出設備1310進行存取。
一個實施例的(一個或多個)輸入/輸出設備1310可為設備1300提供介面以與任意其他適當的設備通訊，輸入/輸出設備1310可以包括通訊組件、音訊組件、感測器組件等。
一個實施例的網路介面1312可為設備1300提供介面以透過一個或多個網路及/或與任何其他適合的裝置通訊，設備1300可根據一個或多個無線網路標準及/或協議中的任意標準及/或協定來與無線網路的一個或多個組件進行無線通訊，例如接入基於通訊標準的無線網路，如WiFi，2G或3G，或它們的組合進行無線通訊。
對於一個實施例，處理器1302中的至少一個可與系統控制模組1304的一個或多個控制器(例如，記憶體控制器)的邏輯封裝在一起。對於一個實施例，處理器1302中的至少一個可與系統控制模組1304的一個或多個控制器的邏輯封裝在一起以形成系統級封裝(SiP)。對於一個實施例，處理器1302中的至少一個可與系統控制模組1304的一個或多個控制器的邏輯整合在同一新品上。對於一個實施例，處理器1302中的至少一個可與系統控制模組1304的一個或多個控制器的邏輯整合在同一晶片上以形成系統單晶片(SoC)。
在各個實施例中，設備1300可以包括但不限於：臺式計算設備或行動計算裝置(例如，膝上型計算設備、手持式計算設備、平板電腦、易網機等)等計算設備。在各個實施例中，設備1300可具有更多或更少的組件及/或不同的架構。例如，在一些實施例中，設備1300可以包括一個或多個攝像機、鍵盤、液晶顯示器(LCD)螢幕(包括觸控螢幕顯示器)、非揮發性記憶體埠、多個天線、繪圖晶片、專用積體電路(ASIC)和揚聲器。
其中，如果顯示器包括觸摸面板，顯示幕可以被實現為觸控螢幕顯示器，以接收來自使用者的輸入訊號。觸摸面板包括一個或多個觸摸感測器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸感測器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。
本發明實施例還提供了一種非揮發性可讀儲存媒體，該儲存媒體中儲存有一個或多個模組(programs)，該一個或多個模組被應用在裝置時，可以使得該裝置執行本發明實施例中各方法的指令(instructions)。
在一個實例中提供了一種設備，包括：一個或多個處理器；和，其上儲存的一個或多個機器可讀媒體中的指令，由所述一個或多個處理器執行時，導致所述裝置執行如本發明實施例中的方法，該方法可以包括：圖2或圖3或圖4或圖5或圖6或圖7或圖8或9所示的方法。
在一個實例中還提供了一個或多個機器可讀媒體，其上儲存有指令，當由一個或多個處理器執行時，使得裝置執行如本發明實施例中的方法，該方法可以包括：圖2或圖3或圖4或圖5或圖6或圖7或圖8或圖9所示的方法。
關於上述實施例中的裝置，其中各個模組執行操作的具體方式已經在有關該方法的實施例中進行了詳細描述，此處將不做詳細闡述說明，相關之處參見方法實施例的部分說明即可。
本說明書中的各個實施例均採用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
本發明實施例是參照根據本發明實施例的方法、裝置(系統)、和電腦程式產品的流程圖及/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖及/或方塊圖中的每一流程及/或方塊、以及流程圖及/或方塊圖中的流程及/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理器或其他可程式資料處理裝置的處理器以產生一個機器，使得透過電腦或其他可程式資料處理裝置的處理器執行的指令產生用於實現在流程圖一個流程或多個流程及/或方塊圖一個方塊或多個方塊中指定的功能的裝置。
這些電腦程式指令也可儲存在能引導電腦或其他可程式資料處理裝置以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製品，該指令裝置實現在流程圖一個流程或多個流程及/或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可程式資料處理裝置上，使得在電腦或其他可程式裝置上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式裝置上執行的指令提供用於實現在流程圖一個流程或多個流程及/或方塊圖一個方塊或多個方塊中指定的功能的步驟。
儘管已描述了本發明實施例的較佳實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例做出另外的變更和修改。所以，所附請求項意欲解釋為包括較佳實施例以及落入本發明實施例範圍的所有變更和修改。
最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、物品或者裝置中還存在另外的相同要素。
以上對本發明所提供的一種資料處理方法、一種資料處理裝置、一種設備、以及一種機器可讀媒體媒體，進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。
100:用戶端
200:伺服器
201:步驟
202:步驟
203:步驟
204:步驟
205:步驟
301:人行道
302:車道
401:車道線
402:道路上方設施
403:道路邊緣線
501:車道線
502:車輛
503:道路邊緣線
504:垂直線
701:步驟
702:步驟
703:步驟
704:步驟
705:步驟
706:步驟
707:步驟
801:步驟
802:步驟
803:步驟
804:步驟
805:步驟
806:步驟
807:步驟
808:步驟
901:影像處理模組
902:定位模組
903:地圖處理模組
904:車道邊界確定模組
905:目標車道確定模組
1300:設備
1302:處理器
1304:系統控制模組
1306:系統記憶體
1308:NVM/儲存裝置
1310:輸入/輸出設備
1312:網路介面
1362:指令
1382:指令
圖1是本發明的一種資料處理方法的應用環境的示意圖；
圖2是本發明的一種資料處理方法實施例一的步驟流程圖；
圖3是本發明實施例的一種道路狀況的示意圖；
圖4是本發明實施例的一種道路狀況的示意圖；
圖5是本發明實施例的一種道路狀況的示意圖；
圖6是本發明實施例的一種車輛與車道邊界之間的關係的示意圖；
圖7是本發明的一種資料處理方法實施例二的步驟流程圖；
圖8是本發明的一種資料處理方法實施例三的步驟流程圖；
圖9是本發明的一種資料處理裝置實施例的結構方塊圖；
圖10是本發明實施例的一種資料處理裝置的資料互動示意圖；以及
圖11是本發明一實施例提供的設備的結構示意圖。
