CN111582317A - 一种道路定位方法及装置 - Google Patents
一种道路定位方法及装置 Download PDFInfo
- Publication number
- CN111582317A CN111582317A CN202010292830.1A CN202010292830A CN111582317A CN 111582317 A CN111582317 A CN 111582317A CN 202010292830 A CN202010292830 A CN 202010292830A CN 111582317 A CN111582317 A CN 111582317A
- Authority
- CN
- China
- Prior art keywords
- lane
- track
- positioning
- road
- clustering result
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000009499 grossing Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000013519 translation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 231100001263 laboratory chemical safety summary Toxicity 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 28
- 238000012423 maintenance Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种道路定位方法,包括步骤:接收多个第一车道行驶轨迹;基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹;对所述聚类结果轨迹进行平滑处理;根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹;根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据。本申请不仅提高了道路定位的准确度,以准确定位道路缺陷所在位置,还能够得到每个车道的定位轨迹数据,以确定缺陷所在车道。
Description
技术领域
本发明涉及道路缺陷检测领域,具体而言,涉及一种道路定位方法及装置。
背景技术
伴随着现代交通***的高速发展与完善,交通环境愈加复杂,道路安全问题已成为人们出行所关心的首要问题。道路破损问题是道路安全问题的重要组成部分,道路缺陷检测技术因此备受关注。道路缺陷检测***将缺陷所在道路位置发送给道路养护部门,道路养护部门根据接收的信息找到缺陷所在位置。
现有技术中,道路缺陷检测***发送随车的全球定位***(Global PositioningSystem,GPS)定位数据给道路养护部门。而GPS接收器的定位数据具有数据漂移、数据不稳定等特性,使得道路养护部门根据接收的定位数据很难准确找到缺陷所在位置。
发明内容
为了解决目前道路缺陷检测中,依据现有定位方法很难准确找到缺陷所在位置的问题,本申请实施例提供了一种道路定位方法及装置,不仅提高了道路定位的准确度,以准确定位道路缺陷所在位置,还能够得到每个车道的定位轨迹数据,以确定缺陷所在车道。
第一方面,本申请实施例提供了一种道路定位方法,包括步骤:
接收多个第一车道行驶轨迹;
基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹;
对所述聚类结果轨迹进行平滑处理;
根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹,所述纵向精确度为沿所述行驶轨迹方向的精确度;
根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据。
其中,所述基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹,包括:
计算两个行驶轨迹之间的LCSS(Fi,Fj):
其中,Fi、Fj是两个轨迹的位置序列,Ti、Tj为对应的时间序列,ε为两个轨迹对应点之间的距离阈值,δ为两个轨迹对应点之间的时间阈值;
计算两个行驶轨迹之间的相似性SLCSS:
其中,min(Ti,Tj)表示Ti和Tj的最小值;
根据相似性阈值,将所述行驶轨迹合并,得到多个簇,每个所述簇包括一个或者多个行驶轨迹;
选取包括所述行驶轨迹数量最多的第一簇;
计算所述第一簇中每个行驶轨迹与其他行驶轨迹相似度的和,选取相似度的和最大的行驶轨迹为聚类结果簇。
其中,所述对所述聚类结果轨迹进行平滑处理,包括:
将所述聚类结果簇记为Ft,Ft={f1,f2,…ft,…fT},其中,ft为聚类结果簇的轨迹点;
对所述聚类结果簇进行平滑处理,得到轨迹序列Ft",
Ft"={f1",f2",…ft",…fT"},
其中,所述根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据,包括:
所述车道数量为n,n为大于1的整数,所述车道宽度为W,将所述第一车道的定位轨迹中的每个点逐个平移W*(n-1),得到第n车道的定位轨迹。
其中,所述第一车道的定位轨迹中每个点的平移方向为当前点与相邻两个点二次拟合成的曲线的切线的垂直方向。
其中,所述根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹之后,包括:
生成道路网格,根据所述道路网格进行定位。
第二方面,本申请实施例还提供了一种道路定位装置,包括:
接收单元,用于接收多个第一车道行驶轨迹;
聚类单元,用于基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹;
平滑单元,用于对所述聚类结果轨迹进行平滑处理;
插值单元,用于根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹,所述纵向精确度为沿所述行驶轨迹方向的精确度;
平移单元,用于根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据。
其中,所述平移单元用于:
所述车道数量为n,n为大于1的整数,所述车道宽度为W,将所述第一车道的定位轨迹中的每个点逐个平移W*(n-1),得到第n车道的定位轨迹。
第三方面,本申请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上述任一项所述方法的步骤。
第四方面,本申请实施例提供了一种电子设备,包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序,所述处理单元执行所述程序时实现上述任一项所述方法的步骤。
本申请实施例道路定位方法及装置具有如下有益效果:
本申请实施例道路定位方法中,对第一车道行驶轨迹进行聚类,得到更接近实际值的聚类结果轨迹,然后对聚类结果轨迹进行平滑处理,根据纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹,将第一车道的定位轨迹平移得到每个车道的定位轨迹数据,本申请不仅提高了道路定位的准确度,以准确定位道路缺陷所在位置,还能够得到每个车道的定位轨迹数据,以确定缺陷所在车道。本申请道路定位方法具有道路缺陷定位准确性高、可自动确认缺陷所在车道的优点。
附图说明
图1为本申请实施例道路定位方法流程示意图;
图2为对多个第一车道行驶轨迹进行聚类的示意图;
图3为对聚类结果轨迹进行平滑处理的示意图;
图4为本申请实施例道路定位方法实际应用示意图;
图5为本申请实施例道路定位装置结构示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
在下述介绍中,术语“第一”、“第二”仅为用于描述的目的,而不能理解为指示或暗示相对重要性。下述介绍提供了本发明的多个实施例,不同实施例之间可以替换或者合并组合,因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含特征A、B、C,另一个实施例包含特征B、D,那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例,并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下,对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行,并且可以添加、省略或组合各种步骤。此外,可以将关于一些示例描述的特征组合到其他示例中。
伴随着现代交通***的高速发展与完善,交通环境愈加复杂,道路安全问题已成为人们出行所关心的首要问题。道路破损问题是道路安全问题的重要组成部分,道路缺陷检测技术因此备受关注。道路缺陷检测***将缺陷所在道路位置发送给道路养护部门,道路养护部门根据接收的信息查找缺陷所在位置。
对于现有的技术方案,道路缺陷检测***发送随车的GPS定位数据给道路养护部门,而GPS接收器的定位数据具有数据漂移、数据不稳定等特性,使得道路养护部门根据接收的定位数据很难找到缺陷所在位置。此外,现有定位方法无法提供定位所在车道,而对于道路的养护而言,尤其是高速公路,需要封闭特定车道进行道路养护,所以定位所在车道信息对于道路养护部门实施养护也是极为重要的。
GPS***广泛地应用在交通管理方面,交通管理部门可以通过车载GPS的实时定位查看车辆的运动轨迹,从而实现了对车辆的实时监控。同时,交通管理部门也可以通过车辆的车载GPS数据统计某一时刻某一路段的流量、流向来进行高峰期的道路管控。
由于GPS数据具有漂移、不稳定等特性,无法对车辆进行精确定位,更无法获取车辆所在车道。道路养护部门的养护人员根据从道路缺陷检测***接收的GPS定位信息无法准确地找到缺陷所在位置,更无法由此制定特定车道的养护计划。
现有的道路缺陷定位方法具有人为干扰性大、定位不精准、无法自动定位到缺陷所在车道等缺点。本申请的目的在于为道路养护部门提供养护人员目力所及的、包含所在车道信息的位置信息。
图1为本申请实施例道路定位方法流程示意图,如图1所示,本申请实施例道路定位方法包括步骤S101,接收多个第一车道行驶轨迹;步骤S103,基于最大公共子序列的相似性度量算法对第一车道行驶轨迹进行聚类,得到聚类结果轨迹;步骤S105,对聚类结果轨迹进行平滑处理;步骤S107,根据纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹,纵向精确度为沿行驶轨迹方向的精确度;步骤S109,根据车道数量、车道宽度,平移第一车道的定位轨迹,得到每个车道的定位数据。下面介绍每一步骤。
步骤S101,接收多个第一车道行驶轨迹。
第一车道行驶轨迹例如由安装了GPS的道路检测车辆产生,道路检测车辆产生GPS定位数据。本申请中,接收多个第一车道行驶轨迹,在后续步骤中会对第一车道的多个行驶轨迹聚类,以得到更接近实际值的定位轨迹。
步骤S103,基于最大公共子序列的相似性度量算法对第一车道行驶轨迹进行聚类,得到聚类结果轨迹。
本申请中,使用基于最大公共子序列(Longest Comon Subsequence,LCSS)的相似性度量方法进行自下而上的层次聚类。对于一条轨迹F={f1,...,ft,...fT},其中,估计点ft=[x,y]表示点ft的位置信息,x表示横坐标,y表示纵坐标。对于两条轨迹t和τ,表示点ft与点fτ之间的距离。由于GPS数据具有噪声、频率不稳定等问题,本申请使用最大公共子序列度量算法计算轨迹之间的相似性。
本步骤中对第一车道行驶轨迹进行聚类的具体过程如下:,
计算两个行驶轨迹之间的LCSS(Fi,Fj):
其中,Fi、Fj是两个轨迹的位置序列,Ti、Tj为对应的时间序列,ε为两个轨迹对应点之间的距离阈值,δ为两个轨迹对应点之间的时间阈值;
计算两个行驶轨迹之间的相似性SLCSS:
其中,min(Ti,Tj)表示Ti和Tj的最小值。
根据上述公式计算得到一组轨迹之间的相似性,根据相似性阈值,将行驶轨迹合并,例如相似性阈值为0.8,将相似度大于0.8的行驶轨迹合并到一起,从而得到多个簇,每个簇包括一个或者多个行驶轨迹。
选取包括行驶轨迹数量最多的第一簇,分别计算第一簇中每个行驶轨迹与其他行驶轨迹相似度的和,选取相似度的和最大的行驶轨迹为聚类结果簇,即聚类结果轨迹。图2为对多个第一车道行驶轨迹进行聚类的示意图,如图2所示,将多次采集的行驶轨迹数据聚类后,行驶轨迹数据分为簇A和簇B两个簇,簇B的轨迹数量比较多,所以在簇B中选取合理的轨迹,也就是说,分别计算簇B中每个行驶轨迹与其他行驶轨迹相似度的和,选取相似度的和最大的行驶轨迹为聚类结果簇,即聚类结果轨迹。
步骤S105,对聚类结果轨迹进行平滑处理。
本申请中,采用滑动窗口的方法对聚类结果轨迹定位点进行平滑去噪处理,具体过程例如为:
根据GPS的频率设置滑动窗口L的大小,如令窗口大小L为GPS的频率。
将步骤S103得到的聚类结果簇记为Ft,Ft={f1,f2,…ft,…fT},其中,ft为聚类结果簇的轨迹点,ft=[x,y]表示轨迹在t时刻的位置信息;
更新轨迹Ft的位置序列的定位数据:
得到轨迹序列Ft",
Ft"={f1",f2",…ft",…fT"},Ft"为平滑处理后的轨迹序列。
图3为对聚类结果轨迹进行平滑处理的示意图,如图3所示,数据序列10为平滑处理后的数据,数据序列10比其他数据序列平滑。
步骤S107,根据纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹,纵向精确度为沿行驶轨迹方向的精确度。
本步骤中,纵向是指沿行驶轨迹的方向,也可以说是沿汽车前进的方向,纵向精确度可以由用户输入,纵向精确度的大小根据用户实际需要确定。
本步骤中,对轨迹进行插值,能够增加定位轨迹的精确度,满足实际需要。对轨迹进行插值的过程例如包括:平面中连续三个点可以确定一条曲线,令s表示用户根据项目需求输入的纵向精确度,由弧长的定积分公式其中x表示起始位置的坐标,计算得到起点横坐标为a,终点横坐标为b,弧长为s的曲线。由此,将平滑处理后的聚类结果轨迹划分成若干个弧长距离为s的位置序列。在一些实施例中,也可以使用现有的其他插值方法进行插值。
步骤S109,根据车道数量、车道宽度,平移第一车道的定位轨迹,得到每个车道的定位数据。
本步骤中,对特定精确度的定位轨迹根据车道数量、车道宽度进行平移,得到其他车道的定位数据,将车道间相邻两点连接,即完成道路的车道划分。车道数量和车道宽度可以由用户输入。车道数量为n,n为大于1的整数,车道宽度为W,将第一车道的定位轨迹中的每个点逐个平移W*(n-1),得到第n车道的定位轨迹。例如,第一车道的位置序列为Ft″={ft″,...,ft″,...fT″},有三个车道,车道宽度为3.75米,将第一车道中的点逐个平移3.75米,得到第二个车道位置序列St":
St″={s1″,...,st″,...sT″},
将第一车道中的点逐个平移7.5(两个3.75m)米,得到第三个车道的位置序列Tt":
Tt″={t1″,...,tt″,...tT″}
在一些实施例中,第一车道的定位轨迹中每个点的平移方向为当前点与相邻两个点二次拟合成的曲线的切线的垂直方向。例如第一车道定位轨迹中当前点ft″=[x″,y″],其相邻两点为ft-1″与ft+1″,将这三个点进行二次曲线拟合,求拟合的曲线在当前点ft″=[x″,y″]的切线,做此切线的垂线,垂线方向即为平移方向。其中,例如可以使用最小二乘法拟合二次曲线。
在一些实施例中,得到各个车道的轨迹位置序列,按车道将这些位置序列进行划分,如第一车道为11,12,13,…;第二车道为21,22,23,…。
在一些实施例中,根据纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹之后,包括:生成道路网格,根据道路网格进行定位。
如图4所示,用户导入多条第一车道行驶轨迹(原始轨迹),用户输入车道数量,车道宽度可以使用默认值,比如我国高速公路车道宽度通常是固定的,可将该固定宽度值设置为默认值。用户点击轨迹聚类按钮,以对多条第一车道行驶轨迹进行聚类。用户点击轨迹光滑按钮,以对聚类后的行驶轨迹进行光滑处理。根据用户输入的纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹。将第一车道的定位轨迹平移,得到第二车道定位轨迹和第三车道定位轨迹。根据用户输入的纵向精确度确认网格点,网格点类似于高速公路上的百米桩,本申请中,网格点可以是10m一个或者1m一个,通过网格点能够提高道路定位的准确度。
本申请实施例道路定位方法中,对第一车道行驶轨迹进行聚类,得到更接近实际值的聚类结果轨迹,然后对聚类结果轨迹进行平滑处理,根据纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹,将第一车道的定位轨迹平移得到每个车道的定位轨迹数据,本申请不仅提高了道路定位的准确度,以准确定位道路缺陷所在位置,还能够得到每个车道的定位轨迹数据,以确定缺陷所在车道。本申请道路定位方法具有道路缺陷定位准确性高、可自动确认缺陷所在车道的优点。
本申请实施例还提供了一种道路定位装置,如图5所示,道路定位装置包括:
接收单元201,用于接收多个第一车道行驶轨迹;
聚类单元202,用于基于最大公共子序列的相似性度量算法对第一车道行驶轨迹进行聚类,得到聚类结果轨迹;
平滑单元203,用于对聚类结果轨迹进行平滑处理;
插值单元204,用于根据纵向精确度,对平滑处理后的聚类结果轨迹进行插值,得到第一车道的定位轨迹,纵向精确度为沿行驶轨迹方向的精确度;
平移单元205,用于根据车道数量、车道宽度,平移第一车道的定位轨迹,得到每个车道的定位数据。
其中,平移单元205用于:
车道数量为n,n为大于1的整数,车道宽度为W,将第一车道的定位轨迹中的每个点逐个平移W*(n-1),得到第n车道的定位轨迹。
本申请中,道路定位装置实施例与道路定位方法实施例基本相似,相关之处请参考道路定位方法实施例的介绍。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件,其中硬件例如可以是FPGA(Field-Programmable Gate Array,现场可编程门阵列)、IC(Integrated Circuit,集成电路)等。
本申请实施例的各处理单元和/或模块,可通过实现本申请实施例所述的功能的模拟电路而实现,也可以通过执行本申请实施例所述的功能的软件而实现。
本申请实施例还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上述道路定位方法步骤。其中,计算机可读存储介质可以包括但不限于任何类型的盘,包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米***(包括分子存储器IC),或适合于存储指令和/或数据的任何类型的媒介或设备。
本申请实施例还提供了一种电子设备,包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序,处理单元执行程序时实现上述道路定位方法步骤。在本申请实施例中,处理单元和存储单元可以集成在一个器件中,也可以位于两个器件中。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上介绍仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种道路定位方法,其特征在于,包括步骤:
接收多个第一车道行驶轨迹;
基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹;
对所述聚类结果轨迹进行平滑处理;
根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹,所述纵向精确度为沿所述行驶轨迹方向的精确度;
根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据。
2.根据权利要求1所述道路定位方法,其特征在于,所述基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹,包括:
计算两个行驶轨迹之间的LCSS(Fi,Fj):
其中,Fi、Fj是两个轨迹的位置序列,Ti、Tj为对应的时间序列,ε为两个轨迹对应点之间的距离阈值,δ为两个轨迹对应点之间的时间阈值;
计算两个行驶轨迹之间的相似性SLCSS:
其中,min(Ti,Tj)表示Ti和Tj的最小值;
根据相似性阈值,将所述行驶轨迹合并,得到多个簇,每个所述簇包括一个或者多个行驶轨迹;
选取包括所述行驶轨迹数量最多的第一簇;
计算所述第一簇中每个行驶轨迹与其他行驶轨迹相似度的和,选取相似度的和最大的行驶轨迹为聚类结果簇。
4.根据权利要求1-3任一项所述道路定位方法,其特征在于,所述根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据,包括:
所述车道数量为n,n为大于1的整数,所述车道宽度为W,将所述第一车道的定位轨迹中的每个点逐个平移W*(n-1),得到第n车道的定位轨迹。
5.根据权利要求4所述道路定位方法,其特征在于,所述第一车道的定位轨迹中每个点的平移方向为当前点与相邻两个点二次拟合成的曲线的切线的垂直方向。
6.根据权利要求1-3任一项所述道路定位方法,其特征在于,所述根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹之后,包括:
生成道路网格,根据所述道路网格进行定位。
7.一种道路定位装置,其特征在于,包括:
接收单元,用于接收多个第一车道行驶轨迹;
聚类单元,用于基于最大公共子序列的相似性度量算法对所述第一车道行驶轨迹进行聚类,得到聚类结果轨迹;
平滑单元,用于对所述聚类结果轨迹进行平滑处理;
插值单元,用于根据纵向精确度,对所述平滑处理后的聚类结果轨迹进行插值,得到所述第一车道的定位轨迹,所述纵向精确度为沿所述行驶轨迹方向的精确度;
平移单元,用于根据车道数量、车道宽度,平移所述第一车道的定位轨迹,得到每个车道的定位数据。
8.根据权利要求7所述道路定位装置,其特征在于,所述平移单元用于:
所述车道数量为n,n为大于1的整数,所述车道宽度为W,将所述第一车道的定位轨迹中的每个点逐个平移W*(n-1),得到第n车道的定位轨迹。
9.一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,该程序被处理器执行时实现所述权利要求1-6中任一项所述方法的步骤。
10.一种电子设备,包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序,其特征在于,所述处理单元执行所述程序时实现所述权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292830.1A CN111582317B (zh) | 2020-04-15 | 2020-04-15 | 一种道路定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292830.1A CN111582317B (zh) | 2020-04-15 | 2020-04-15 | 一种道路定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582317A true CN111582317A (zh) | 2020-08-25 |
CN111582317B CN111582317B (zh) | 2023-06-30 |
Family
ID=72126529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010292830.1A Active CN111582317B (zh) | 2020-04-15 | 2020-04-15 | 一种道路定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582317B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114387332A (zh) * | 2022-01-17 | 2022-04-22 | 江苏省特种设备安全监督检验研究院 | 一种管道测厚方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160178377A1 (en) * | 2014-12-19 | 2016-06-23 | Hyundai Motor Company | Navigation system, path prediction method thereof and computer readable medium for performing the same |
CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
CN110570658A (zh) * | 2019-10-23 | 2019-12-13 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN110728842A (zh) * | 2019-10-23 | 2020-01-24 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
GB202000069D0 (en) * | 2020-01-03 | 2020-02-19 | Valerann Ltd | Automatically tracking a trajectory of a vehicle |
-
2020
- 2020-04-15 CN CN202010292830.1A patent/CN111582317B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160178377A1 (en) * | 2014-12-19 | 2016-06-23 | Hyundai Motor Company | Navigation system, path prediction method thereof and computer readable medium for performing the same |
CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
CN110570658A (zh) * | 2019-10-23 | 2019-12-13 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN110728842A (zh) * | 2019-10-23 | 2020-01-24 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
GB202000069D0 (en) * | 2020-01-03 | 2020-02-19 | Valerann Ltd | Automatically tracking a trajectory of a vehicle |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114387332A (zh) * | 2022-01-17 | 2022-04-22 | 江苏省特种设备安全监督检验研究院 | 一种管道测厚方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111582317B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595539B (zh) | 一种基于大数据的行迹相似对象识别方法与*** | |
CN110375753B (zh) | 地图匹配方法、装置、服务器及存储介质 | |
CN110095127B (zh) | 一种基于分段的隐马尔可夫模型地图匹配方法 | |
CN111341103B (zh) | 车道信息提取方法、装置、设备及存储介质 | |
CN105241465B (zh) | 一种道路更新的方法 | |
CN108253976B (zh) | 一种充分借助车辆航向的三阶段在线地图匹配算法 | |
Gikas et al. | A novel geodetic engineering method for accurate and automated road/railway centerline geometry extraction based on the bearing diagram and fractal behavior | |
CN104677361B (zh) | 一种综合定位的方法 | |
CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
CN113553482B (zh) | 停留点识别和出行链构建***、算法、设备及存储介质 | |
CN112612862A (zh) | 一种基于点云配准的栅格地图定位方法 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
CN111582317A (zh) | 一种道路定位方法及装置 | |
CN113077495B (zh) | 在线多目标跟踪方法、***、计算机设备及可读存储介质 | |
CN110081890B (zh) | 一种结合深度网络的动态k最近邻地图匹配方法 | |
CN112130137A (zh) | 确定车道级轨迹的方法、装置及存储介质 | |
CN111882102A (zh) | 轨迹中的中断区间信息的补偿方法、设备及存储介质 | |
CN109583511B (zh) | 速度融合方法和装置 | |
CN116828397B (zh) | 一种轨迹信息的获取方法、装置、电子设备和存储介质 | |
CN113470343A (zh) | 阻断道路的开通检测方法、装置、设备及存储介质 | |
CN111582543A (zh) | 预测模型的生成方法、估计到达时间确定方法及装置 | |
CN116736327B (zh) | 定位数据优化方法、装置、电子设备和可读存储介质 | |
CN115683121B (zh) | 一种基于实测轨迹生成多源泛在定位指纹的方法 | |
JP2000266838A (ja) | パルス列分類装置 | |
Zhang et al. | A Research for Travel Mode Identification Based on Cellular Signaling Data |
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 |