CN117111052A - 目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 - Google Patents
目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 Download PDFInfo
- Publication number
- CN117111052A CN117111052A CN202310919474.5A CN202310919474A CN117111052A CN 117111052 A CN117111052 A CN 117111052A CN 202310919474 A CN202310919474 A CN 202310919474A CN 117111052 A CN117111052 A CN 117111052A
- Authority
- CN
- China
- Prior art keywords
- intersection
- target vehicle
- direction information
- tracking
- traveling
- 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 53
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 108700041286 delta Proteins 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质,所述方法包括:检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口与所述行进方向信息相对应的路口方向信息;根据所述目标车辆的行进方向信息和各个所述备选下级路口与所述行进方向信息相对应的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;将协调控制指令发送至所述第二路口对应的跟踪资源设备。本申请通过预判目标车辆行进方向,提前协调前方行进路线可用的跟踪资源设备,提高目标车辆跟踪效率。
Description
技术领域
本申请涉及车辆跟踪技术领域,尤其涉及一种目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质。
背景技术
目标车辆实时跟踪是公安交警业务中一项关键环节,能应用于犯罪违法目标车辆抓逃合围等场景中。目前常规的实现逻辑是通过路口监控设备,基于视频图像识别技术,以车牌、车型和颜色等目标车辆本身属性为特征,甄别出目标车辆,随即进行告警。这是一种被动响应式的业务模式,只有目标车辆在路口被监控到,才能进行下一步的操作,目标车辆很大可能已经离开当前路口,因此延时性高,业务价值大打折扣。此外,在其他一些需要对目标车辆进行实时跟踪的应用场景中,例如需要实时掌握目标车辆位置以给目标车辆提供更精准导航时,对目标车辆跟踪的高延迟也会造成导航效果大打折扣。
发明内容
针对现有技术中的问题,本申请的目的在于提供一种目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质,通过预判目标车辆行进方向,提前协调前方行进路线可用的跟踪资源设备,提高目标车辆跟踪效率。
本申请实施例提供一种目标车辆跟踪方法,包括如下步骤:
检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;
选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口与所述行进方向信息相对应的路口方向信息;
根据所述目标车辆的行进方向信息和各个所述备选下级路口与所述行进方向信息相对应的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;
将协调控制指令发送至所述第二路口对应的跟踪资源设备,所述协调控制指令用于指示所述跟踪资源设备开始执行目标车辆跟踪任务。
本申请的目标车辆跟踪方法中,首先获取目标车辆在经过第一路口时的行进方向信息,并获取各个备选下级路口的路口方向信息,可结合所述目标车辆的行进方向信息和各个所述备选下级路口的路口方向信息来对目标车辆的行驶路线进行预测,确定预测目标车辆将要驶入的下一个第二路口,然后提前将协调控制指令发送到所述第二路口对应的跟踪资源设备,所述第二路口对应的跟踪资源设备可提前做好后续的跟踪准备。通过采用该方案,可以提高对目标车辆跟踪的连续性,避免目标车辆行驶到第二路口时,对应的跟踪资源设备还没有做好准备而带来的跟踪延迟,大大提高对目标车辆持续跟踪的有效性。
在一些实施例中,所述行进方向信息包括所述目标车辆的行进方向相对于一标准方向的第一方向角,所述路口方向信息包括所述备选下级路口的第一进口车道相对于所述标准方向的第二方向角,所述第一进口车道为所述备选下级路口与所述行进方向信息相对应的进口车道;
从所述备选下级路口中选择预测目标车辆驶入的下一个路口,包括比较所述第一方向角和各个所述备选下级路口的第一进口车道的第二方向角,选择与所述第一方向角最接近的第二方向角对应的路口作为所述预测目标车辆驶入的下一个路口。
在一些实施例中,所述行进数据还包括目标车辆位置坐标和目标车辆行驶速度;
所述将协调控制指令发送至所述第二路口对应的跟踪资源设备,包括如下步骤:
根据所述目标车辆位置坐标和所述第二路口的第一进口车道信息,计算目标车辆从所述目标车辆位置坐标处行驶到所述第二路口的第一进口车道的模拟行车轨迹;
根据所述模拟行车轨迹的行驶距离和所述目标车辆行驶速度,计算目标车辆行驶到所述第二路口的第一进口车道的到达时间;
根据所述到达时间和预设的弹性时间,计算所述协调控制指令的发送时间;
在所述发送时间将所述协调控制指令发送至所述第二路口对应的跟踪资源设备。
在一些实施例中,所述检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,包括如下步骤:
检测到目标车辆进入所述第一路口的位置区域范围;
实时获取所述目标车辆对应的定位源数据,计算目标车辆的实时位置坐标和相对于所述标准方向的实时方向角,根据计算结果将所述目标车辆投影到地理信息***地图中;
确定所述目标车辆在所述第一路口的位置区域范围内的最后一帧;
计算最后一帧对应的目标车辆行驶速度,并将所述最后一帧所对应的目标车辆的实时位置坐标、实时方向角和目标车辆行驶速度作为所述行进数据。
在一些实施例中,获取所述备选下级路口与所述行进方向信息相对应的路口方向信息,包括:
获取预存的所述备选下级路口的第一进口车道的第二方向角;或,
获取所述备选下级路口的第一进口车道的中心线关键点的位置坐标,计算所述中心线关键点的连线相对于所述标准方向的方向角,作为所述第二方向角。
在一些实施例中,获取所述备选下级路口与所述行进方向信息相对应的路口方向信息,包括:
统计一定时间段内所有经过所述备选下级路口的第一进口车道的车辆在经过该第一进口车道的停车线时相对于所述标准方向的瞬时方向角,并根据所得到的所有瞬时方向角计算所述备选下级路口的第一进口车道的第二方向角。
在一些实施例中,选择所述第一路口所对应的备选下级路口,包括如下步骤:
基于路段连通性规则和最短路径原则,在地理信息***地图进行备选下级路口的第一进口车道搜索,选择所述第一路口所对应的备选下级路口,并确定所述备选下级路口与所述行进方向信息相对应的第一进口车道;或,
根据预设的各个路口与备选下级路口的对应关系,获取所述第一路口所对应的备选下级路口,并确定所述备选下级路口与所述行进方向信息相对应的第一进口车道。
本申请实施例还提供一种目标车辆跟踪***,应用于所述的目标车辆跟踪方法,所述***包括:
第一信息获取模块,用于检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;
第二信息获取模块,用于选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口与所述行进方向信息相对应的路口方向信息;
路口预测模块,用于根据所述目标车辆的行进方向信息和各个所述备选下级路口与所述行进方向信息相对应的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;
指令发送模块,用于将协调控制指令发送至所述第二路口对应的跟踪资源设备。
本申请的目标车辆跟踪***中,通过采用第一信息获取模块可获取目标车辆在经过第一路口时的行进方向信息,通过第二信息获取模块可获取各个备选下级路口的路口方向信息,并通过路口预测模块可结合所述目标车辆的行进方向信息和各个所述备选下级路口的路口方向信息来对目标车辆的行驶路线进行预测,确定预测目标车辆将要驶入的下一个第二路口,然后通过指令发送模块提前将协调控制指令发送到所述第二路口对应的跟踪资源设备,所述第二路口对应的跟踪资源设备可提前做好后续的跟踪准备。通过采用该方案,可以提高对目标车辆跟踪的连续性,避免目标车辆行驶到第二路口时,对应的跟踪资源设备还没有做好准备而带来的跟踪延迟,大大提高对目标车辆持续跟踪的有效性。
本申请实施例还提供一种目标车辆跟踪设备,包括计算硬件***,所述计算硬件***包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述的目标车辆跟踪方法的步骤。
通过采用本申请所提供的目标车辆跟踪设备,所述处理器在执行所述可执行指令时执行所述的目标车辆跟踪方法,由此可以获得上述目标车辆跟踪方法的有益效果。所述目标车辆跟踪设备例如可作为边缘计算设备部署于路口边缘侧,大大降低了数据传输网络延时,降低道路交通管理中心服务器的运行负担,并且设备轻量化可快速部署,可靠、高效地保障目标车辆跟踪方法的实现,但本申请不限于此。
本申请实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被处理器执行时实现所述的目标车辆跟踪方法的步骤。
通过采用本申请所提供的计算机可读存储介质,其中存储的程序在被执行时实现所述的目标车辆跟踪方法的步骤,由此可以获得上述目标车辆跟踪方法的有益效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。
图1是本申请一实施例的目标车辆跟踪方法的流程图;
图2是本申请一实施例的目标车辆行进预测的示意图;
图3是本申请一实施例的第一种计算路口的第一进口车道的第二方向角的示意图;
图4是本申请一实施例的第二种计算路口的第一进口车道的第二方向角的示意图;
图5是本申请一实施例的目标车辆跟踪***的示意图;
图6是本申请一实施例的目标车辆跟踪设备的结构框图;
图7是本申请一实施例的计算机存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本申请将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构,因而将省略对它们的重复描述。本说明书中虽然采用“第一”或“第二”等来表示某些特征,但其仅为表示作用,而不作为具体特征的数量和重要性的限制。
如图1所示,在一实施例中,本申请提供了一种目标车辆跟踪方法,包括如下步骤:
S100:检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;
此处目标车辆即为被跟踪的目标车辆,第一路口即为目标车辆当前所处的路口,具体地,可以预先设定每个路口的位置区域范围,实时获取目标车辆的定位位置,当根据目标车辆的定位位置确定目标车辆行驶到第一路口的位置区域范围内时,即认为目标车辆经过第一路口,目标车辆的实时定位位置的获取可以直接从另一目标车辆定位设备中获取,或者可以基于目标车辆相关的定位源数据(视频数据和/或雷达数据),采用车辆融合定位算法获取到目标车辆的实时定位位置;
所述行进方向信息即为表征目标车辆的行驶方向趋势的信息,例如可表示为目标车辆的行进方向与某一个方向之间的夹角,或者相对于某一个方向的偏离程度等;
S200:选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口与所述行进方向信息相对应的路口方向信息;
此处备选下级路口即为与所述第一路口连通的,且目标车辆可以选择驶入的下一个路口,备选下级路口的路口方向信息可以是路口的延伸方向与某一个方向之间的夹角,或者相对于某一个方向的偏离程度等;
S300:根据所述目标车辆的行进方向信息和各个所述备选下级路口与所述行进方向信息相对应的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;
此处结合两个方向信息来预测目标车辆驶入的下一个路口,即为根据目标车辆的行进方向趋势来预测目标车辆的前进路径中可能会经过的下一个路口;
S400:将协调控制指令发送至所述第二路口对应的跟踪资源设备,所述协调控制指令用于指示所述跟踪资源设备开始执行目标车辆跟踪任务。
在该实施例中,所述跟踪资源设备指的是对应于所述第二路口的执行目标车辆跟踪任务的设备,例如所述跟踪资源设备为设于第二路口的监控设备,可以采集第二路口的目标车辆视频数据、雷达数据等,在预测到目标车辆下一个经过的路口之后,提前发送协调控制指令给第二路口的监控设备,使得第二路口的监控设备提前开启并开始执行该监控设备中预先设定的目标车辆跟踪任务,此目标车辆跟踪任务可包括对目标车辆的拍摄、识别和位置检测等,这样目标车辆行驶到第二路口时就可以马上开始跟踪,从而大大降低了跟踪的延迟。或者,所述跟踪资源设备也可以是执行跟踪任务车辆的内部通信设备,所述第二路口对应的跟踪资源设备可以是距离所述第二路口最近的执行跟踪任务车辆的内部通信设备,可以将协调控制指令发送给该执行跟踪任务车辆,该目标车辆跟踪任务可包括根据目标车辆位置规划执行跟踪任务车辆的行驶路线以及跟踪目标车辆行驶,或者可以是负责管辖第二路口的执行跟踪任务车辆的内部通信设备。或者,所述跟踪资源设备也可以是所述第二路口处的交通灯,通过发送协调控制指令来调整所述交通灯的颜色,该目标车辆跟踪任务可包括将目标车辆行进方向的交通灯保持为红灯,也可以实现对目标车辆的通行限制。
本申请的目标车辆跟踪方法中,通过采用步骤S100可获取目标车辆在经过第一路口时的行进方向信息,通过采用步骤S200可获取各个备选下级路口与所述行进方向信息相对应的路口方向信息,并通过步骤S300可结合所述目标车辆的行进方向信息和各个所述备选下级路口所述行进方向信息相对应路口方向信息来对目标车辆的行驶路线进行预测,确定预测目标车辆将要驶入的下一个第二路口,然后通过步骤S400提前将协调控制指令发送到所述第二路口对应的跟踪资源设备,所述第二路口对应的跟踪资源设备可提前做好后续的跟踪准备。通过采用该方案,可以提高对目标车辆跟踪的连续性,避免目标车辆行驶到第二路口时,对应的跟踪资源设备还没有做好准备而带来的跟踪延迟,大大提高对目标车辆持续跟踪的有效性。本申请可以用于对特定的某一个目标车辆的持续性跟踪,也可以用于对持续的多个目标车辆的持续性跟踪,则分别对每个目标车辆下一个经过的路口进行预测和预先协调对应路口的跟踪资源设备。
在该实施例中,所述行进方向信息包括所述目标车辆的行进方向相对于一标准方向的第一方向角,所述路口方向信息包括所述备选下级路口的第一进口车道相对于所述标准方向的第二方向角,所述第一进口车道为所述备选下级路口与所述行进方向信息相对应的进口车道。具体地,对于十字路口来说,一个路口会有四条进口车道,则第一进口车道即为根据目标车辆当前的行进方向确定的可能驶入的进口车道。所述标准方向可根据需要选取,例如选择为某个坐标系的特定坐标轴方向。当所述标准方向为指北方向时,各个所述方位角指的即为方位角,第一方向角即从目标车辆所在位置的指北方向线起,依顺时针方向到目标车辆行进方向线之间的水平夹角,第二方向角即为从备选下级路口的第一进口车道中某一点的指北方向线起,沿顺时针方向到第一进口车道延伸方向线之间的水平夹角。以下以方向角为方位角为例进行说明,但本申请不限于此。
图2给出了一种示例的目标车辆行进预测的示意图,其中以路口A处的方块表示被跟踪的目标车辆。在该实施例中,所述行进数据还可包括目标车辆位置坐标和目标车辆行驶速度。所述步骤S100:检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,包括如下步骤:
检测到目标车辆进入所述第一路口的位置区域范围,即确定检测到目标车辆经过第一路口,以图2为例,目标车辆当前位于路口A的位置区域范围内,因此第一路口即为路口A;
实时获取所述目标车辆对应的定位源数据,计算目标车辆的实时位置坐标和相对于所述标准方向的实时方位角,根据计算结果将所述目标车辆投影到地理信息***(GIS)地图中;此处目标车辆的定位源数据例如可以包括目标车辆相关的视频数据和/或雷达数据,计算目标车辆的实时位置坐标和相对于所述标准方向的实时方位角可以是采用现有的视频/雷达数据融合定位算法或只依靠视频或只依靠雷达数据进行定位的算法来实现;
确定所述目标车辆在所述第一路口的位置区域范围内的最后一帧;
计算最后一帧对应的目标车辆行驶速度(例如根据相邻几帧目标车辆的位置坐标变化和时间变化来计算),并将所述最后一帧所对应的目标车辆的实时位置坐标、实时方位角和目标车辆行驶速度作为所述行进数据,即最后一帧对应的目标车辆的实时方位角为所述第一方位角。在该实施例中,选择最后一帧时目标车辆的行进数据可以准确地表示目标车辆在离开第一路口的位置区域范围时的实时位置坐标、实时方位角和目标车辆行驶速度。
该实施例中,所述目标车辆跟踪方法可以基于全息路网来实现。全息路网是一种以高精度数字地图为统一坐标系基础,将道路现有的视频、微波雷达、激光雷达等传感器获取的结构化数据融合到统一坐标系下,形成全路网所有在网车辆、非机动车、行人位置、速度、轨迹全量获取的道路环境。全息路网路口中例如可以布设:信号机和交通灯;视频采集设备,拍摄车辆视频,以采集车辆自身的属性,如车牌、车型、颜色等;雷达设备采集车辆的经纬度坐标、速度、车头行进方位角等;边缘计算设备获取视频采集设备的视频数据和雷达设备的雷达数据,并执行本申请的目标车辆跟踪方法的步骤,可不通过中心端服务器而直接在路侧完成各个传感器数据的处理,降低了数据通信的延迟,并降低了中心端服务器的工作负担。但本申请不限于此,在另一实施方式中,所述目标车辆跟踪方法也可在中心端服务器中执行。
在该实施例中,所述步骤S200中,选择所述第一路口所对应的备选下级路口,包括如下步骤:
基于路段连通性规则和最短路径原则,在地理信息***地图进行备选下级路口的第一进口车道搜索,选择所述第一路口所对应的备选下级路口,并确定所述备选下级路口与所述行进方向信息相对应的第一进口车道。
此处基于路段连通性规则和最短路径原则进行备选下级路口的第一进口车道搜索,例如可以包括:首先基于路段连通性获取与第一路口所连通的所有连通路口,然后分别计算第一路口到各个连通路口的各个进口车道的路径距离,然后按照路径距离进行排序,选择路径距离最小的预设数量的路口和对应的进口车道作为所述第一路口的备选下级路口和对应的第一进口车道;或者,可以包括:首先基于路段连通性获取所述第一路口在各个前进方向(如十字路口对应东西南北四个前进方向,丁字路口只对应三个前进方向)的连通路口的进口车道,然后选择各个前进方向上距离第一路口的路径距离最小的路口和对应的进口车道作为该前进方向上的备选下级路口和对应的第一进口车道,由此获得各个前进方向的备选下级路口以及对应的第一进口车道。
在另一种实施方式中,可以预先基于路段连通性规则和最短路径原则,在地理信息***地图对各个路口的备选下级路口的第一进口车道均进行搜索,得到各个路口对应的备选下级路口,并预先存储各个路口与其备选下级路口的第一进口车道之间的对应关系,备选下级路口的第一进口车道搜索的方式可以采用上述对第一路口处理的方式。所述步骤S200中,选择所述第一路口所对应的备选下级路口,包括:根据预设的各个路口与备选下级路口的对应关系,获取所述第一路口所对应的备选下级路口,并确定所述备选下级路口与所述行进方向信息相对应的第一进口车道。但本申请不限于此,在其他实施方式中,例如可以预先人工设定各个路口与其备选下级路口的第一进口车道之间的对应关系,或者通过深度学习模型来预先学习到各个路口与其备选下级路口的第一进口车道之间的对应关系等,均属于本申请的保护范围之内。
所述步骤S300中,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,包括:比较所述第一方位角和各个所述备选下级路口的第一进口车道的第二方位角,选择与所述第一方位角最接近的第二方位角对应的路口作为所述预测目标车辆驶入的下一个路口,作为第二路口,也就是目标车辆最有可能驶入的路口。
图2给出了一种示例的选择第二路口的示意图。目标车辆当前所处的路口为第一路口A,获取目标车辆当前的第一方位角α,遍历全息路口A各个下一级路口作为备选下级路口,分别包括路口B1、路口B2和路口B3。确定各个备选下级路口的第一进口车道,生成备选第一进口车道集合,图2中包括路口B1的南进口车道、路口B2的北进口车道和路口B3的西进口车道,然后获取已标定的三个第一进口车道分别对应的第二方位角β1、β2和β3,其中β1=351°,β2=169.4°,β3=77.7°。
将第一方位角α和三个第二方位角βi分别进行求差并计算绝对值Δ:
Δ1=|α-β1|=6.3°
Δ2=|α-β2|=175.3°
Δ3=|α-β3|=267°
选择差的绝对值的最小值:
min(Δ1,Δ2,Δ3)=Δ1=6.3°
最小值为Δ1,对应的路口为路口B1,因此预判目标车辆即将驶入的第二路口为路口B1。
在该实施例中,所述步骤S400:将协调控制指令发送至所述第二路口对应的跟踪资源设备可以是在根据步骤S300确定第二路口之后,立即将协调控制指令发送到第二路口的跟踪资源设备,这样可以实现提前控制该跟踪资源设备开启,在目标车辆行驶到第二路口之前就提前做好准备。此外,考虑到目标车辆从第一路口行驶到第二路口需要一定的行驶时间,例如在道路拥堵较为严重时,此行驶时间可能会较长,如果提前很长时间开启第二路口的跟踪资源设备,则可能会造成跟踪资源设备等待时间较长进而导致资源有一定浪费。因此,在该实施例中,还可以进一步根据目标车辆的行驶时间预测目标车辆到达第二路口的第一进口车道的到达时间,在此到达时间之前设置一个提前时间量,在满足该提前时间量的情况下开启该第二路口的跟踪资源设备即可。
具体地,所述步骤S400:将协调控制指令发送至所述第二路口对应的跟踪资源设备,包括如下步骤:
根据所述目标车辆位置坐标和所述第二路口的第一进口车道信息,计算目标车辆从所述目标车辆位置坐标处行驶到所述第二路口的第一进口车道的模拟行车轨迹,此模拟行车轨迹可以通过对两个路口之间的最短路径规划来实现,此处第一进口车道信息例如是该第一进口车道的停车线的位置坐标;
根据所述模拟行车轨迹的行驶距离SAB1和所述目标车辆行驶速度vA,计算目标车辆行驶到所述第二路口的第一进口车道的到达时间t′;
在该实施例中,所述到达时间t′的计算包括:用所述行驶距离SAB1除以目标车辆行驶速度vA,即
根据所述到达时间和预设的弹性时间,计算所述协调控制指令的发送时间t;具体地,将所述到达时间t′再减去一个弹性时间t弹(预设的经验值)后,作为所述协调控制指令的发送时间t=t′-t弹;
例如,假设行驶距离为120m,速度vA为10m/s,预设弹性时间为5s,则所述协调控制指令的发送时间
在所述发送时间将所述协调控制指令发送至所述第二路口对应的跟踪资源设备。其中,如果计算出发送时间t小于或等于0则立即发送协调控制指令给所对应的跟踪资源设备。通过设定弹性时间,可预先排除掉协调控制指令到达跟踪资源设备的通信延迟时间和跟踪资源设备接收到协调控制指令后的响应延迟时间,更精准地协调跟踪资源设备的跟踪情况,并且可以使得所述跟踪资源设备提前开始执行目标车辆跟踪任务。
因此,在该实施例中,可以通过调节所述弹性时间的具体时间长度来控制所述第二路口的跟踪资源设备提前开启的提前量,并且通过设置弹性时间,可以使跟踪资源设备提前做好跟踪准备,同时又不至于等待过长时间,从而有效提高跟踪效率的同时有效节省资源。
在该实施例中,所述步骤S200中,获取所述备选下级路口与所述行进方向信息相对应的路口方向信息,可以采用如下三种方式中的一种:
(1)获取所述备选下级路口的第一进口车道的中心线关键点的位置坐标,计算所述中心线关键点的连线相对于所述标准方向的方位角,作为所述第二方位角。
以图3中的路口B1为例,计算路口B1的第一进口车道B11的中心线关键点的连线m相对于指北方向n的方位角(对应图3中圆弧形箭头指示的顺时针角度),作为所述第二方位角。
(2)统计一定时间段内所有经过所述备选下级路口的第一进口车道的车辆在经过该第一进口车道的停车线时相对于所述标准方向的瞬时方位角,并根据所得到的所有瞬时方位角计算所述备选下级路口的第一进口车道的第二方位角。
以图4中的路口B1为例,统计一定时间段内所有经过所述备选下级路口的第一进口车道的车辆(图4中以三个车辆为例),分别获取其在经过该第一进口车道的停车线时相对于所述标准方向的瞬时方位角(x1与n之间的方位角、x2与n之间的方位角和x3与n之间的方位角,对应图4中圆弧形箭头指示的顺时针角度),计算所有瞬时方位角的均值,作为所述备选下级路口的第一进口车道的第二方位角。
(3)获取预存的所述备选下级路口的第一进口车道的第二方位角。此处预存的所述备选下级路口的第一进口车道的第二方位角例如可以是预先通过上述第(1)种或第(2)种方式获取的,但本申请不限于此。
在该实施例中,所述目标车辆跟踪方法是一个循环执行的步骤。当目标车辆行驶到第二路口的位置区域范围内后,第二路口即作为下一个循环的第一路口,重新执行上述目标车辆跟踪方法的步骤S100~S400,实现目标车辆的持续跟踪。
如图5所示,本申请实施例还提供一种目标车辆跟踪***,应用于所述的目标车辆跟踪方法,所述***包括:
第一信息获取模块M100,用于检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;
第二信息获取模块M200,用于选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口的路口方向信息;
路口预测模块M300,用于根据所述目标车辆的行进方向信息和各个所述备选下级路口的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;
指令发送模块M400,用于将协调控制指令发送至所述第二路口对应的跟踪资源设备。
本申请的目标车辆跟踪***中,通过采用第一信息获取模块M100可获取目标车辆在经过第一路口时的行进方向信息,通过第二信息获取模块M200可获取各个备选下级路口的路口方向信息,并通过路口预测模块M300可结合所述目标车辆的行进方向信息和各个所述备选下级路口的路口方向信息来对目标车辆的行驶路线进行预测,确定预测目标车辆将要驶入的下一个第二路口,然后通过指令发送模块M400提前将协调控制指令发送到所述第二路口对应的跟踪资源设备,所述第二路口对应的跟踪资源设备可提前做好后续的跟踪准备。通过采用该方案,可以提高对目标车辆跟踪的连续性,避免目标车辆行驶到第二路口时,对应的跟踪资源设备还没有做好准备而带来的跟踪延迟,大大提高对目标车辆持续跟踪的有效性。
该目标车辆跟踪***中各个模块的功能可以采用上述目标车辆跟踪方法中各个步骤的具体实施方式来实现,此处不予赘述。
如图6所示,本申请实施例还提供一种目标车辆跟踪设备,包括计算硬件***N100,所述计算硬件***N100包括:
处理器N110;
存储器N120,其中存储有所述处理器的可执行指令;
其中,所述处理器N110配置为经由执行所述可执行指令来执行所述的目标车辆跟踪方法的步骤。
通过采用本申请所提供的目标车辆跟踪设备,所述处理器在执行所述可执行指令时执行所述的目标车辆跟踪方法,由此可以获得上述目标车辆跟踪方法的有益效果。
在该实施例中,如图6所示,所述目标车辆跟踪设备还包括数据接入转换存储硬件***N200、微控制单元N300和网络交换模块N400。所述数据接入转换存储硬件***N200用于通过所述网络交换模块N400从全息路网的相关设备中接收定位源数据并存储,所述定位源数据例如包括视频数据和/或雷达数据,所述数据接入转换存储硬件***N200并可对视频数据进行解码处理,用于提供给所述计算硬件***N100执行后续的数据处理操作。所述计算硬件***N100可从所述数据接入转换存储硬件***N200的处理器N110可以采用一个算法加速芯片来实现,用于获取所述定位源数据进行实时分析,实时获取目标车辆的位置坐标和方位角,以及执行上述目标车辆跟踪方法的各个步骤。所述微控制单元N300可用于实现所述目标车辆跟踪设备的各个部分的上电时序的控制。所述网络交换模块N400用于与全息路网中的相关设备(视频采集设备、雷达设备等)进行通信,获取定位源数据并传递给所述数据接入转换存储硬件***N200,以及与所述跟踪资源设备进行通信,向其发送所述协调控制指令。
所述目标车辆跟踪设备例如可作为边缘计算设备部署于路口边缘侧,大大降低了数据传输网络延时,降低道路交通管理中心服务器的运行负担,并且设备轻量化可快速部署,可靠、高效地保障目标车辆跟踪方法的实现。该目标车辆跟踪设备不仅能够完成全息感知设备的数据接入、融合和识别,获取目标车辆的定位信息,还能支持上述目标车辆跟踪方法的算法实现,形成一个稳定、快速和轻量化的路口“思维中枢”。所述目标车辆跟踪设备可充分利用全息路网环境中的多种传感器数据,提升了对目标车辆的感知精度。所述目标车辆跟踪设备可以是一个单独的硬件设备,也可以将其集成到现有的路口设备中,例如集成到交通灯或电警***。
本申请实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被处理器执行时实现所述的目标车辆跟踪方法的步骤。在一些可能的实施方式中,本申请的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述目标车辆跟踪方法部分中描述的根据本申请各种示例性实施方式的步骤。
参考图7所示,描述了根据本申请的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或集群上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
通过采用本申请所提供的计算机可读存储介质,其中存储的程序在被执行时实现所述的目标车辆跟踪方法的步骤,由此可以获得上述目标车辆跟踪方法的有益效果。
以上内容是结合具体的优选实施方式对本申请所作的进一步详细说明,不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本申请的保护范围。
Claims (10)
1.一种目标车辆跟踪方法,其特征在于,包括如下步骤:
检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;
选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口与所述行进方向信息相对应的路口方向信息;
根据所述目标车辆的行进方向信息和各个所述备选下级路口与所述行进方向信息相对应的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;
将协调控制指令发送至所述第二路口对应的跟踪资源设备,所述协调控制指令用于指示所述跟踪资源设备开始执行目标车辆跟踪任务。
2.根据权利要求1所述的目标车辆跟踪方法,其特征在于,所述行进方向信息包括所述目标车辆的行进方向相对于一标准方向的第一方向角,所述路口方向信息包括所述备选下级路口的第一进口车道相对于所述标准方向的第二方向角,所述第一进口车道为所述备选下级路口与所述行进方向信息相对应的进口车道;
从所述备选下级路口中选择预测目标车辆驶入的下一个路口,包括比较所述第一方向角和各个所述备选下级路口的第一进口车道的第二方向角,选择与所述第一方向角最接近的第二方向角对应的路口作为所述预测目标车辆驶入的下一个路口。
3.根据权利要求2所述的目标车辆跟踪方法,其特征在于,所述行进数据还包括目标车辆位置坐标和目标车辆行驶速度;
所述将协调控制指令发送至所述第二路口对应的跟踪资源设备,包括如下步骤:
根据所述目标车辆位置坐标和所述第二路口的第一进口车道信息,计算目标车辆从所述目标车辆位置坐标处行驶到所述第二路口的第一进口车道的模拟行车轨迹;
根据所述模拟行车轨迹的行驶距离和所述目标车辆行驶速度,计算目标车辆行驶到所述第二路口的第一进口车道的到达时间;
根据所述到达时间和预设的弹性时间,计算所述协调控制指令的发送时间;
在所述发送时间将所述协调控制指令发送至所述第二路口对应的跟踪资源设备。
4.根据权利要求3所述的目标车辆跟踪方法,其特征在于,所述检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,包括如下步骤:
检测到目标车辆进入所述第一路口的位置区域范围;
实时获取所述目标车辆对应的定位源数据,计算目标车辆的实时位置坐标和相对于所述标准方向的实时方向角,根据计算结果将所述目标车辆投影到地理信息***地图中;
确定所述目标车辆在所述第一路口的位置区域范围内的最后一帧;
计算最后一帧对应的目标车辆行驶速度,并将所述最后一帧所对应的目标车辆的实时位置坐标、实时方向角和目标车辆行驶速度作为所述行进数据。
5.根据权利要求2所述的目标车辆跟踪方法,其特征在于,获取所述备选下级路口与所述行进方向信息相对应的路口方向信息,包括:
获取预存的所述备选下级路口的第一进口车道的第二方向角;或,
获取所述备选下级路口的第一进口车道的中心线关键点的位置坐标,计算所述中心线关键点的连线相对于所述标准方向的方向角,作为所述第二方向角。
6.根据权利要求2所述的目标车辆跟踪方法,其特征在于,获取所述备选下级路口与所述行进方向信息相对应的路口方向信息,包括:
统计一定时间段内所有经过所述备选下级路口的第一进口车道的车辆在经过该第一进口车道的停车线时相对于所述标准方向的瞬时方向角,并根据所得到的所有瞬时方向角计算所述备选下级路口的第一进口车道的第二方向角。
7.根据权利要求1所述的目标车辆跟踪方法,其特征在于,选择所述第一路口所对应的备选下级路口,包括如下步骤:
基于路段连通性规则和最短路径原则,在地理信息***地图进行备选下级路口的第一进口车道搜索,选择所述第一路口所对应的备选下级路口,并确定所述备选下级路口与所述行进方向信息相对应的第一进口车道;或,
根据预设的各个路口与备选下级路口的对应关系,获取所述第一路口所对应的备选下级路口,并确定所述备选下级路口与所述行进方向信息相对应的第一进口车道。
8.一种目标车辆跟踪***,其特征在于,应用于权利要求1至7中任一项所述的目标车辆跟踪方法,所述***包括:
第一信息获取模块,用于检测到目标车辆经过第一路口时,获取目标车辆经过所述第一路口时的行进数据,所述行进数据包括行进方向信息;
第二信息获取模块,用于选择所述第一路口所对应的至少一个备选下级路口,并获取所述备选下级路口与所述行进方向信息相对应的路口方向信息;
路口预测模块,用于根据所述目标车辆的行进方向信息和各个所述备选下级路口与所述行进方向信息相对应的路口方向信息,从所述备选下级路口中选择预测目标车辆驶入的下一个路口,作为第二路口;
指令发送模块,用于将协调控制指令发送至所述第二路口对应的跟踪资源设备,所述协调控制指令用于指示所述跟踪资源设备开始执行目标车辆跟踪任务。
9.一种目标车辆跟踪设备,其特征在于,包括计算硬件***,所述计算硬件***包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的目标车辆跟踪方法的步骤。
10.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现权利要求1至7中任一项所述的目标车辆跟踪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310919474.5A CN117111052A (zh) | 2023-07-25 | 2023-07-25 | 目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310919474.5A CN117111052A (zh) | 2023-07-25 | 2023-07-25 | 目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117111052A true CN117111052A (zh) | 2023-11-24 |
Family
ID=88793789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310919474.5A Pending CN117111052A (zh) | 2023-07-25 | 2023-07-25 | 目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117111052A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117761678A (zh) * | 2024-02-22 | 2024-03-26 | 成都鹰谷米特科技有限公司 | 一种基于v频段的复杂环境目标探测方法及芯片 |
-
2023
- 2023-07-25 CN CN202310919474.5A patent/CN117111052A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117761678A (zh) * | 2024-02-22 | 2024-03-26 | 成都鹰谷米特科技有限公司 | 一种基于v频段的复杂环境目标探测方法及芯片 |
CN117761678B (zh) * | 2024-02-22 | 2024-04-26 | 成都鹰谷米特科技有限公司 | 一种基于v频段的复杂环境目标探测方法及芯片 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200269874A1 (en) | Track prediction method and device for obstacle at junction | |
CN109598066B (zh) | 预测模块的效果评估方法、装置、设备和存储介质 | |
US10816984B2 (en) | Automatic data labelling for autonomous driving vehicles | |
JP6722280B2 (ja) | 自律走行車の交通予測における予測軌跡の評価フレームワーク | |
US11520335B2 (en) | Determining driving paths for autonomous driving vehicles based on map data | |
US10849543B2 (en) | Focus-based tagging of sensor data | |
CN111583715B (zh) | 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质 | |
US11230297B2 (en) | Pedestrian probability prediction system for autonomous vehicles | |
CN110119140A (zh) | 用于加速曲线投影的***和方法 | |
US11199842B2 (en) | Determining driving paths for autonomous driving using parallel processing | |
CN110345955A (zh) | 用于自动驾驶的感知与规划协作框架 | |
CN109935077A (zh) | 用于为自动驾驶车辆构建车辆与云端实时交通地图的*** | |
US10369993B2 (en) | Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free | |
CN110325935A (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
Raju et al. | Performance of open autonomous vehicle platforms: Autoware and Apollo | |
JP2023513425A (ja) | 車両挙動予測方法及び装置、電子機器、記憶媒体 | |
US11687079B2 (en) | Methods, devices, and systems for analyzing motion plans of autonomous vehicles | |
JP2020521191A (ja) | 自動運転車両の高速道路における自動運転に用いる、地図及びポジショニングなしで車線に沿う走行方法 | |
JP2019192234A (ja) | 複数のキューを利用したオブジェクト追跡 | |
CN117111052A (zh) | 目标车辆跟踪方法、***、目标车辆跟踪设备及存储介质 | |
WO2023201955A1 (zh) | 一种车辆路径的规划方法及装置 | |
US11499833B2 (en) | Inferring lane boundaries via high speed vehicle telemetry | |
CN114049767B (zh) | 一种边缘计算方法、装置及可读存储介质 | |
Mukherjee et al. | Predicting vehicle behavior using automotive radar and recurrent neural networks | |
CN114730492A (zh) | 断言交通工具检测模型生成和实现 |
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 |