一种基于多源感知数据解决车辆行程轨迹匹配问题的方法、设备与流程

1.本发明涉及智能驾驶技术领域，具体涉及一种基于多源感知数据解决车辆行程轨迹匹配问题的方法、设备。


背景技术：

2.在智能驾驶技术领域中，单车智能驾驶是实现智能驾驶领域得以发展的必要条件，单车智能驾驶是通过车上配置各种传感器，实现周边环境的数字化，便于进一步进行ai的决策和处理，进而实现单车的自动驾驶或智能驾驶。但是单车智能驾驶目前尚存在一些技术缺陷，例如车载传感器无法实现无死角的环境感知，交通本身是一个复杂的系统工程问题，需要解决车与车博弈、车与路协同等的综合问题，除了车自己的感知能力，还需要一个“上帝之手”实现有限的道路资源对络绎不绝的车辆进行最优化的分配，即不仅需要车有“智能”，同时还需要路有“智慧”。实现智慧的路主要依靠的是路侧感知设备。路侧感知设备是指由雷达、摄像头、计算单元等组成的感知系统，该感知系统能够感知道路上移动目标(车辆、行人、非机动车等)的状态。其中雷达识别形成雷达侧数据，雷达数据主要包含车辆的距离、速度等，摄像头识别形成摄像头侧数据，图像数据主要包括车辆尺寸、车辆类型、车牌号等信息。然后雷达侧数据会与摄像头侧数据在时间上进行同步，然后对雷达坐标系到像素坐标系进行空间位置信息转换，再在同一坐标系的空间上进行数据融合，最终获得综合性的融合感知数据，然后进行输出。但是在感知数据融合过程中，存在一个难点。在完成时间同步、坐标系转换后，摄像头在视场范围内会识别到多个车辆的行程轨迹，雷达在同一时间范围内也会将其视场内多个车辆的行程轨迹识别出来。这其中就存在如何将雷达侧多个车辆行程轨迹与摄像头侧多个车辆的行程轨迹进行正确匹配的难点问题。
3.目前市面上的解决方法，从解决该问题的维度上可以分为局部法和整体法。局部法中普遍采用特征识别匹配的方式，通过对比两者之间的特征情况相似度，从而推断是否属于同一轨迹数据。但是该方法针对匀速直线行驶的轨迹特征不明显状况、跟车行驶的多辆车轨迹特征相似程度高状况时，存在较大的误判率；整体法上普遍会将全程的轨迹数据点集进行一一比对，采用作差求均值的方式去比较哪个才是同一行程轨迹。其中在数据对比的作差方式上的差异，也会导致不同的方式成功率不同。


技术实现要素：

4.针对上述缺陷，本技术再提供一种基于多源感知数据解决车辆行程轨迹匹配问题的方法及设备，具体地：
5.一方面，本技术提供一种基于多源感知数据解决车辆行程轨迹匹配问题的方法，其中，包括：
6.于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；
7.根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组；
8.于每个所述特征数据组中获取与一匹配数据以形成一匹配数据集；
9.根据所述匹配数据集形成所述匹配数据。
10.优选地，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的方法，其中，于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；其中，所述第一数据为摄像头采集形成的数据，第二类数据为雷达采集形成的数据。
11.优选地，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的方法，其中，根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组具体包括：
12.以预定数量的第一数据作为参考点计算每个第一数据与每个所述第二数据之间距离一形成当前第一数据点与每个第二数据之间的距离；
13.根据当前第一数据点与每个第二数据之间的距离形成每个第二数据的距离集；
14.根据每个第二数据的距离集形成所述特征数据组。
15.优选地，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的方法，其中，于每个所述特征数据组中获取与一匹配数据以形成一匹配数据集具体包括：
16.于所述特征数据组获取与每个第一数据的距离以形成每个第一数据集；
17.于每个第一数据集中获取距离最小值，以与距离最小值匹配的第二数据作为初始匹配数据；
18.根据每个所述初始匹配数据形成所述匹配数据集。
19.优选地，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的方法，其中，根据所述匹配数据集形成所述匹配数据具体为：于所述匹配数据集获取每个第二数据的占比，以占比最大的第二数据作为所述匹配数据以匹配所述第一数据。
20.另一方面，本技术再提供一种基于多源感知数据解决车辆行程轨迹匹配问题的设备，其中，包括：
21.采集单元，于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；
22.特征数据形成单元，根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组；
23.匹配数据集形成单元，于每个所述特征数据组中获取与一匹配数据以形成一匹配数据集；
24.匹配数据形成单元，根据所述匹配数据集形成所述匹配数据。
25.优选地，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的设备，其中，所述特征数据形成单元包括：
26.计算模块，以预定数量的第一数据作为参考点计算每个第一数据与每个所述第二数据之间距离一形成当前第一数据点与每个第二数据之间的距离；
27.结合模块，根据当前第一数据点与每个第二数据之间的距离形成每个第二数据的距离集；根据每个第二数据的距离集形成所述特征数据组。
28.优选地，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的设备，其中，
匹配数据集形成单元包括：
29.第一数据集模块，于所述特征数据组获取与每个第一数据的距离以形成每个第一数据集；
30.初始匹配数据模块，于每个第一数据集中获取距离最小值，以与距离最小值匹配的第二数据作为初始匹配数据；
31.匹配数据集模块，根据每个所述初始匹配数据形成所述匹配数据集。
32.第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的基于多源感知数据解决车辆行程轨迹匹配问题的方法。
33.第四方面，本发明实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的基于多源感知数据解决车辆行程轨迹匹配问题的方法。
34.与现有技术相比，本技术的有益效果是：
35.一种基于多源感知数据解决车辆行程轨迹匹配问题的方法采用整体法思路，通过豪斯多夫距离的计算理念，在整体上进行雷达数据、摄像头数据对比，但是又对雷达数据、摄像头数据的局部差值做对比，根据对比结果做数据匹配以确定数据之间的关联关系，在一定程度上增强了轨迹匹配的成功率。
附图说明
36.图1为本技术提供实施例一种基于多源感知数据解决车辆行程轨迹匹配问题的方法的流程图；
37.图2为本技术提供实施例一种基于多源感知数据解决车辆行程轨迹匹配问题的方法的流程图；
38.图3为本技术提供实施例一种基于多源感知数据解决车辆行程轨迹匹配问题的方法的流程图；
39.图4是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
40.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
41.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
42.实施例一
43.如图1所示，本技术提供一种基于多源感知数据解决车辆行程轨迹匹配问题的方法，其中，包括：
44.步骤s110、于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；其中，所述第一数据为摄像头采集形成的数据，第二类数据为雷达采集形成的数据。例如首先确定摄像头锁定的一个车辆的轨迹数据，然后在同时间段内与雷达识别的多个目标的轨迹数据进行作差对比。假设雷视此时间段内识别到了三个目标的数据集，摄像头获取的一个车辆轨迹第一数据x1＝{x1,
……
,x
p
}，雷达采集形成的当前与第一数据同一时刻的第二类数据y1＝{a,b,c},其中a为雷达识别的轨迹数据为a＝{a1,
……
,aq}，b为雷达识别的轨迹数据为b＝{b1,
……
,bm}，c为雷达识别的轨迹数据为c＝{c1,
……
,cn}。
45.步骤s120、根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组；具体包括：
46.如图2所示，步骤s1201、以预定数量的第一数据作为参考点计算每个第一数据与每个所述第二数据之间距离一形成当前第一数据点与每个第二数据之间的距离；示意性地，该预定数量为100，也可为50或其他根据实际需要设置的任意数据，示意性，按照每100个数据点集x点与a点之间的双向距离，x点与b点之间的双向距离，x点与c点之间的双向距离，示意地：
[0047][0048]
其中h(x，a)为从x集合到a集合的单向豪斯多夫距离；
[0049]
h(a，x)为从a集合到x集合的单向豪斯多夫距离；
[0050]
x与a的双向豪斯多夫距离：hi(x,a)＝max(hi(x,a),hi(a,x))
[0051]
同理通过上述方法可以获取x与b的双向豪斯多夫距离、x与c的双向豪斯多夫距离。
[0052]
在计算h(x，a)时候，需要对点集x中的每个点xi到距离此点xi最近的a集合中点aj之间的距离‖x
i-aj‖进行排序，然后取该距离中的最大值作为h(x,a)的值。双向豪斯多夫距离h1(x,a)是单向距离h1(x,a)和h1(a,x)两者中的较大者，它度量了两个点集间的最大不匹配程度。
[0053]
步骤s1202、根据当前第一数据点与每个第二数据之间的距离形成每个第二数据的距离集；示意性地：
[0054]
例如a点的距离集为：h1(x,a)、h2(x,a)、h3(x,a)、h4(x,a)
……
，b点的距离集为：h1(x,b)、h2(x,b)、h3(x,b)、h4(x,b)
……
，c点的距离集为：h1(x,c)、h2(x,c)、h3(x,c)、h4(x,c)
……
。
[0055]
步骤s1203、根据每个第二数据的距离集形成所述特征数据组。示意性地，该特征数据组为：
[0056]
h1(x,a)、h2(x,a)、h3(x,a)、h4(x,a)
……
[0057]
h1(x,b)、h2(x,b)、h3(x,b)、h4(x,b)
……
[0058]
h1(x,c)、h2(x,c)、h3(x,c)、h4(x,c)
……
[0059]
步骤s130、于每个所述特征数据组中获取与一匹配数据以形成一个匹配数据集；具体包括：
[0060]
如图3所示，步骤s1301、于所述特征数据组获取与每个第一数据的距离以形成每
个第一数据集；示意性，例如第一个第一数据集为h1(x,a)、h1(x,b)、h1(x,c)；第二个第一数据集为h2(x,a)、h2(x,b)、h2(x,c)；第三个第一数据集为h3(x,a)、h3(x,b)、h3(x,c)
……
第五个第一数据集为h
100
(x,a)、h
100
(x,b)、h
100
(x,c)。
[0061]
步骤s1302、于每个第一数据集中获取距离最小值，以与距离最小值匹配的第二数据作为初始匹配数据；示意性地：
[0062]
示意性地，u1＝min{h1(x,a)、h1(x,b)、h1(x,c)}；若u1中h1(x,b)为最小值，则u1＝b；
[0063]
步骤s1303、根据每个所述初始匹配数据形成所述匹配数据集。所述匹配数据集u＝{u1，u2，u3，
……u100
}。
[0064]
步骤s140、根据所述匹配数据集形成所述匹配数据。统计集合u中，a、b、c的在集合中的占比，其中占比最多者，可推断为是所求的实际匹配数据。
[0065]
上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的方法采用整体法思路，通过豪斯多夫距离的计算理念，在整体上进行雷达数据、摄像头数据对比，但是又对雷达数据、摄像头数据的局部差值做对比，根据对比结果做数据匹配以确定数据之间的关联关系，在一定程度上增强了轨迹匹配的成功率。
[0066]
实施例二
[0067]
本技术再提供一种基于多源感知数据解决车辆行程轨迹匹配问题的设备，其中，包括：
[0068]
采集单元，于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；
[0069]
特征数据形成单元，根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组；
[0070]
匹配数据集形成单元，于每个所述特征数据组中获取与一匹配数据以形成一匹配数据集；
[0071]
匹配数据形成单元，根据所述匹配数据集形成所述匹配数据。
[0072]
作为进一步优选实施方案，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的设备，其中，所述特征数据形成单元包括：
[0073]
计算模块，以预定数量的第一数据作为参考点计算每个第一数据与每个所述第二数据之间距离一形成当前第一数据点与每个第二数据之间的距离；
[0074]
结合模块，根据当前第一数据点与每个第二数据之间的距离形成每个第二数据的距离集；根据每个第二数据的距离集形成所述特征数据组。
[0075]
作为进一步优选实施方案，上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的设备，其中，匹配数据集形成单元包括：
[0076]
第一数据集模块，于所述特征数据组获取与每个第一数据的距离以形成每个第一数据集；
[0077]
初始匹配数据模块，于每个第一数据集中获取距离最小值，以与距离最小值匹配的第二数据作为初始匹配数据；
[0078]
匹配数据集模块，根据每个所述初始匹配数据形成所述匹配数据集。
[0079]
上述的一种基于多源感知数据解决车辆行程轨迹匹配问题的设备与一种基于多
源感知数据解决车辆行程轨迹匹配问题的方法的工作原理相同，此处不做赘述。
[0080]
实施例三
[0081]
本技术实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行：
[0082]
于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；
[0083]
根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组；
[0084]
于每个所述特征数据组中获取与一匹配数据以形成一匹配数据集；
[0085]
根据所述匹配数据集形成所述匹配数据。
[0086]
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
[0087]
当然，本技术实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的场景识别的同步操作，还可以执行本技术任意实施例所提供的基于多源感知数据解决车辆行程轨迹匹配问题的方法中的相关操作。
[0088]
实施例四
[0089]
本技术实施例提供了一种电子设备，该电子设备中可集成本技术实施例提供的场景识别装置。图4是本技术实施例四提供的一种电子设备的结构示意图。如图4所示，本实施例提供了一种电子设备400，其包括：一个或多个处理器420；存储装置410，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器420运行，使得所述一个或多个处理器420实现：
[0090]
于当前时刻下获取到第一数据和第二类数据，所述第二类数据至少包含一个第二数据；
[0091]
根据所述第一数据、至少一个所述第二数据计算第一数据与每个所述第二数据之间的距离以形成与所述第一数据匹配的多个特征数据组；
[0092]
于每个所述特征数据组中获取与一匹配数据以形成一匹配数据集；
[0093]
根据所述匹配数据集形成所述匹配数据。
[0094]
如图4所示，该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440；电子设备中处理器420的数量可以是一个或多个，图4中以一个处理器420为例；电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线450连接为例。
[0095]
存储装置410作为一种计算机可读存储介质，可用于存储软件程序、计算机可运行
程序以及模块单元，如本技术实施例中的基于多源感知数据解决车辆行程轨迹匹配问题的方法对应的程序指令。
[0096]
存储装置410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0097]
输入装置430可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏、扬声器等设备。
[0098]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。