基于车路协同的多数据源的数据融合处理方法和装置转让专利
申请号 : CN202110709339.9
文献号 : CN113256984B
文献日 : 2021-11-05
发明人 : 杜伟 , 郭洪霖 , 贺伟伟 , 郑立峰
申请人 : 智道网联科技(北京)有限公司
摘要 :
权利要求 :
1.一种基于车路协同的多数据源的数据融合处理方法,其特征在于:该方法包括:接收来自多数据源采集到的车辆数据;其中,每个数据源采集到的车辆数据中包含车辆的位置数据,所述位置数据包括车辆的经纬度数据;
提取各车辆数据中的位置数据,将所述车辆数据中的经纬度数据转换为morton码;
将提取到的多个位置数据划分为多个初始位置数据集合;其中,比较morton码之间的距离,将morton码前14位相差在1.5‑1.7米之间的morton码划分到同一个初始位置数据集合;
针对任一初始位置数据集合,获取与该初始位置数据集合中各位置数据对应的车辆特征信息;
比较所述车辆特征信息,并根据比较结果将相同车辆特征信息对应的位置数据进行融合,得到第一目标位置数据集合;以及,将与所述第一目标位置数据集合中的车辆特征信息不同的车辆特征信息所对应的位置数据丢弃;
将丢弃的位置数据对应的车辆特征信息与任一第二目标位置数据集合中的车辆特征信息进行比对,当得到比对一致的车辆特征信息后,将所述丢弃的位置数据融合入对应的第二目标位置数据集合;
其中,所述第二目标位置数据集合中的位置数据所对应的车辆与所述第一目标位置数据集合中的位置数据所对应的车辆不是同一车辆。
2.根据权利要求1所述的数据融合处理方法,其特征在于:从所述各车辆数据中提取的位置数据存储在第一数据表中,所述车辆数据存储在第二数据表中;
其中,所述第一数据表中的任一位置数据与所述第二数据表中相对应的车辆数据相关联。
3.根据权利要求1或2所述的数据融合处理方法,其特征在于:所述多数据源包括以下数据中的至少两种:车辆采集的自车数据、车辆通过ADAS采集的ADAS数据、道路侧设备采集的路设数据;其中,对于任一当前车辆,所述自车数据为当前车辆上传的车辆数据,所述ADAS数据为其它车辆上传的当前车辆的车辆数据,所述路设数据为路侧设备上传的当前车辆的车辆数据;
和/或,所述车辆特征信息包括车辆的车牌号码、车身颜色、车辆类型、车辆标志中的一种或多种。
4.根据权利要求3所述的数据融合处理方法,其特征在于:在接收到来自多数据源采集到的车辆数据,所述车辆数据的排序依次为:自车数据中利用高精设备采集的车辆数据、ADAS数据中利用高精设备采集的车辆数据、路设数据中利用高精设备采集的车辆数据、自车数据中利用普通设备采集的车辆数据、ADAS数据中利用普通设备采集的车辆数据、路设数据中利用普通设备采集的车辆数据。
5.一种基于车路协同的多数据源的数据融合处理装置,其特征在于:该装置包括:接收模块,所述接收模块用于接收来自多数据源采集到的车辆数据;其中,每个数据源采集到的车辆数据中包含车辆的位置数据,所述位置数据包括车辆的经纬度数据;
提取模块,所述提取模块用于提取各车辆数据中的位置数据,将所述车辆数据中的经纬度数据转换为morton码;
分组模块,所述分组模块用于将提取到的多个位置数据划分为多个初始位置数据集合;其中,比较morton码之间的距离,将morton码前14位相差在1.5‑1.7米之间的morton码划分到同一个初始位置数据集合;
获取模块,针对任一初始位置数据集合,所述获取模块用于获取与该初始位置数据集合中各位置数据对应的车辆特征信息,并比较所述车辆特征信息;
第一融合模块,根据比较结果,所述第一融合模块用于将相同车辆特征信息对应的位置数据进行融合,得到第一目标位置数据集合;以及,将与所述第一目标位置数据集合中的车辆特征信息不同的车辆特征信息所述对应的位置数据丢弃;
第二融合模块,所述第二融合模块用于将丢弃的位置数据对应的车辆特征信息与任一第二目标位置数据集合中的车辆特征信息进行比对,当得到比对一致的车辆特征信息后,将所述丢弃的位置数据融合入对应的第二目标位置数据集合;其中,所述第二目标位置数据集合中的位置数据所对应的车辆与所述第一目标位置数据集合中的位置数据所对应的车辆不是同一车辆。
6.根据权利要求5所述的数据融合处理装置,其特征在于:所述装置还包括数据存在单元,所述数据存储单元包括第一数据表和第二数据表;
从所述各车辆数据中提取的位置数据存储在第一数据表中,所述车辆数据存储在第二数据表中;
其中,所述第一数据表中的任一位置数据与所述第二数据表中相对应的车辆数据相关联。
7.根据权利要求5或6所述的数据融合处理装置,其特征在于:所述多数据源包括以下数据中的至少两种:车辆采集的自车数据、车辆通过ADAS采集的ADAS数据、道路侧设备采集的路设数据;其中,对于任一当前车辆,所述自车数据为当前车辆上传的车辆数据,所述ADAS数据为其它车辆上传的当前车辆的车辆数据,所述路设数据为路侧设备上传的当前车辆的车辆数据;
和/或,所述车辆特征信息包括车辆的车牌号码、车身颜色、车辆类型、车辆标志中的一种或多种。
说明书 :
基于车路协同的多数据源的数据融合处理方法和装置
技术领域
背景技术
应用的已有交通相关系统与设施的数据,为智能车路云提供标准化共性基础服务。
车通过ADAS系统(如摄像头、激光雷达等)采集的车辆A的数据、路侧设备(如路侧的多个摄
像头)采集的车辆A的数据(若车辆A在多个摄像头均可视的范围内,则会有多个车辆A的数
据)。这样一来,云端服务器会收到来自多个数据源的车辆信息,如何对多个数据源上报的
同一辆车的车辆信息进行有效地融合,是本领域亟待解决的技术问题。
发明内容
面、准确地融合。
信息不同的车辆特征信息所对应的位置数据丢弃;
应的第二目标位置数据集合;
中的车辆特征信息不同的车辆特征信息所述对应的位置数据丢弃;
后,将所述丢弃的位置数据融合入对应的第二目标位置数据集合;其中,所述第二目标位置
数据集合中的位置数据所对应的车辆与所述第一目标位置数据集合中的位置数据所对应
的车辆不是同一车辆。
别车辆特征信息,作进一步筛选融合,得到第一目标位置数据集合。通过本方法可以有效解
决多数据源对于同一车辆的定位存在相对偏差的问题,从而准确地识别出多个数据源上传
的车辆位置数据是哪些是同一车辆的,进而可以将多数据源上传的同一车辆的数据融合到
一起。实现对多个数据源上报的同一辆车的车辆信息进行有效融合的目的。
数据集合,从而可以进一步避免在数据融合过程中所丢弃的数据不能利用的情况,从而使
得每一辆车的车辆数据都能够全面、准确地进行融合。
附图说明
通常代表相同部件。
具体实施方式
式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的
范围完整地传达给本领域的技术人员。
形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包
含一个或多个相关联的列出项目的任何或所有可能组合。应当理解,尽管在本申请可能采
用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术
语仅用来将同一类型的信息彼此区分开。
术中提到的,在车路协同的场景下,云端服务器会收到多个数据源的车辆数据,包括自车上
报的自车数据、它车通过ADAS(Advanced Driving Assistance System,高级驾驶辅助系
统)上传的ADAS数据、路侧设备上报的路设数据。其中,对于任一当前车辆,自车数据为当前
车辆上传的车辆数据,ADAS数据为其它车辆上传的当前车辆的车辆数据,路设数据为路侧
设备上传的当前车辆的车辆数据。例如,自车会上报车辆的GPS/RTK(Real‑time
kinematic,实时动态)的位置数据;路侧的监测设备预测得到的车辆的位置数据;它车通过
ADAS得到的其他车辆的相对于位置,它车可以自己计算出其他车辆的位置信息上传到云
端,也可以将得到的其他车辆的数据发送给云端,由云端计算车辆的位置数据。这样一来,
云端就会接收到多个数据源上传的位置数据,因此,需要识别这些位置数据中,哪些位置信
息代表同一辆车,从而实现对多个数据源上报的同一辆车的车辆信息进行有效融合的目
的。
各个来源的车辆数据,作为示例,针对任一车路,若当前不存在路侧设备的情况下,云端可
以只接收该车辆的自车数据和它车通过ADAS采集的该车辆的ADAS数据;若当前不存在它
车,云端可以只接收该车辆的自车数据和路侧设备采集的该车辆的路设数据。若除了这三
端来源的数据之外,还存在其他端的数据来源,则云端也可以接收其他端来源的数据,这些
都不构成对本申请的限定。为了便于说明,本实施例中的多源数据以自车数据、ADAS数据和
路设数据这三端来源的数据为例进行说明。
车辆性能数据(如剩余油量/电量、油耗/电耗等数据)、当前车辆所在环境数据(如天气、道
路类型、道路状况、拥堵情况、与其他车辆的相对位置、相对距离、相对速度等数据)。这些车
辆数据中,车辆的位置数据可以表示为车辆的经纬度数据。
器。本实施例不对多源数据的获取方式进行限定。
辆数据)上传的车辆数据时,通常会先进行延时校验操作,在车辆数据满足规定的实时上传
要求(可以在上传车辆数据前做好三端上传规则定义,由云端规则服务定期同步规则推送
到车机端和路设端,比如上传数据规定每200ms上传一次数据,云端收到数据延时不超过
100ms)时,将当前车辆数据进行Redis Geo算法存储操作,如:Geo name为“经纬度
mortonCode的14位前缀标识_type(车型)_时间”,再由以name为名设置车辆详情数据,如
list
位置数据集合。在一种具体的实施方式中,如上述示例中,车辆数据存储的方式是以经纬度
morton码的前14位存储,也即在接收到车辆数据之后,本申请的方法还包括将车辆数据中
的经纬度数据转换为morton码。在将位置数据划分为多个初始位置数据集合时,可以提取
车辆位置数据的morton码,将相差设定距离的morton码划分到同一个初始位置数据集合,
以使每个初始位置数据集合中所包含的各morton码之间的距离小于设定距离。作为示例,
该设定距离可以是1.5‑1.7米,例如设为1.6米,这样一来,可以将各morton码的前14位进行
比较,然后morton码的前14位相差1.6米的暂认定为是同一车辆的车辆位置数据,即可以将
这些相差在1.6米范围内的morton码划分到一个初始位置数据集合中。
选。也就是说,利用morton码划分得到的初始位置数据集合中,虽然我们认为这些集合中的
数据表示同一车辆,但是为了避免morton码划分存在的误差,比如因道路上的两个车辆相
距较近,使得这两个车辆的morton码前14位相差在1.6米,这样就会将两个车辆的位置数据
划分到同一集合中,因此,在得到初始位置数据集合后,可以再针对任一初始位置数据集
合,获取与该集合中各位置数据对应的车辆特征信息,车辆特征信息包括车辆的车牌号码、
车身颜色、车辆类型、车辆标志中的一种或多种。
息不同的车辆特征信息所对应的位置数据丢弃。
取这5个数据源的位置数据所对应的车牌号码(例如可以通过摄像头拍摄该位置数据的图
像视频,进而基于该图像视频得到车牌号码),然后通过比对这5个数据源的车牌号码,若其
中前4个车牌号码相一致,第5个车牌号码与这前4个车牌号码不同,则认为第5个车牌号码
与前4个车牌号码不是同一车辆的位置数据,此时,将前4个车牌号码相一致的位置数据融
合得到第一目标数据集合,而第5个车牌号与第一目标数据集合中的车牌号均不同,因此,
将第5个车牌号对应的位置数据丢弃。
的第一目标位置数据集合中的车辆位置数据均表示同一车辆,而丢弃的位置数据则不表示
该车辆。通过本方法,可以有效解决多数据源对于同一车辆的定位存在相对偏差的问题,从
而准确地识别出多个数据源上传的车辆位置数据是哪些是同一车辆的,进而可以将多数据
源上传的同一车辆的数据融合到一起。
应的第二目标位置数据集合;其中,第二目标位置数据集合中的位置数据所对应的车辆与
所述第一目标位置数据集合中的位置数据所对应的车辆不是同一车辆。
其他初始位置数据集合所得到的目标位置数据集合统一作为第二目标位置数据集合。即,
第二目标位置数据集合中的位置数据所对应的车辆与所述第一目标位置数据集合中的位
置数据所对应的车辆不是同一车辆。这样一来,在该步骤中,虽然被丢弃的位置数据不属于
第一目标位置数据集合中的位置数据所表示的车辆,但是其可能会与某个第二目标位置数
据集合中的位置数据所表示的是同一车辆。继续以上述示例说明,将第5个车牌号对应的位
置数据丢弃后,可以将该数据源的位置数据丢弃到一个公共的存储区,然后将该第5个车牌
号与其他的第二目标位置数据集合中的车牌号进行比对,若该第5个车牌号与某一第二目
标位置数据集合中的车牌号相一致,则说明该位置数据与该第二目标位置数据集合中的位
置数据表示同一车辆,即可以将该位置数据与该第二目标位置数据集合进行融合。通过该
步骤可以进一步避免在数据融合过程中所丢弃的数据不能融合的情况,从而使得每一辆车
的车辆数据都能够全面、准确地进行融合。在该实施例中,所使用的车辆特征一致即可,即
都可以使用车牌号码或者车身颜色、车辆类型等。
各车辆特征信息来说,大部分(甚至全部)车辆特征信息应该是一致的,举例来说,假如该初
始位置数据集合中存在7个数据源,那么这7个数据源的morton码之间的距离小于1.6米,所
以很大概率是同一车辆,小概率存在一定的误差(即存在不是同一车辆的数据),那这小概
率的数据源为少数,也就是说,这7个数据源中可能最多只有一两个数据源的车辆特征信息
与其他的车辆特征信息不一致,此时可以判断这一两个数据源与其他数据源不是同一车
辆,那么可以排除这一两个数据源,融合剩余的数据源。换言之,将相同车辆特征信息对应
的位置数据进行融合时,也即将初始位置数据集合中车辆特征信息相一致的多个数据源进
行融合,而将与多数车辆特征信息不一致的少数数据源丢弃。
将从各车辆数据中提取的位置数据存储在第一数据表中,将车辆数据存储在第二数据表
中,并且,将第一数据表中的任一位置数据与第二数据表中相对应的车辆数据相关联。这样
一来,只需要对第一数据表中的位置数据进行融合,得到第一目标位置数据集合,该第一目
标位置数据集合中的位置数据表示同一车辆。也就是说,针对任一车辆的、来自多个数据源
的位置数据被划分在同一个第一目标数据集合中,当需要向给车辆下发车辆数据时,只需
要确定目标数据集合中的某一位置数据,即可通过该位置数据得到第二数据表中与该位置
数据对应的车辆数据,进而将得到的车辆数据下发至该车辆即可。同时,还可以对将丢弃的
位置数据与其他第二目标数据集合进行比对,实现数据的全面、准确地融合。
下:在接收到来自多数据源采集到的车辆数据后,使这些车辆数据的排序依次为:自车数据
中利用高精设备采集的车辆数据、ADAS数据中利用高精设备采集的车辆数据、路设数据中
利用高精设备采集的车辆数据、自车数据中利用普通设备采集的车辆数据、ADAS数据中利
用普通设备采集的车辆数据、路设数据中利用普通设备采集的车辆数据。这样一来,在进行
数据融合时,车辆数据以及从车辆数据中提取的位置数据均按照上述方式进行排序,在最
终得到的第一目标位置数据集合中,位置数据也按照上述方式进行排序。此时,在需要给车
辆下发车辆数据时,即可按照上述排序方式选择排序最前的位置数据,进而将该位置数据
对应的车辆数据下发给车辆,从而使车辆可以获得最优的车辆信息。
的车辆特征信息不同的车辆特征信息对应的位置数据丢弃;
息后,将丢弃的位置数据融合入对应的第二目标位置数据集合;其中,第二目标位置数据集
合中的位置数据所对应的车辆与所述第一目标位置数据集合中的位置数据所对应的车辆
不是同一车辆。
初始位置数据集合。
设定距离的morton码划分到同一个初始位置数据集合。
存储在第二数据表2082中;其中,第一数据表2081中的任一位置数据与第二数据表2082中
相对应的车辆数据相关联。
型、车辆标志中的一种或多种。
(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field‑
Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器
件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理
器等。
指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也
不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采
用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性
存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或
者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理
器在运行时需要的指令和数据。此外,存储器1010可以包括任意计算机可读存储媒介的组
合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘
和/或光盘也可以采用。在一些实施方式中,存储器1010可以包括可读和/或写的可移除的
存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD‑ROM,双层DVD‑ROM)、只读蓝
光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro‑SD卡等等)、磁性软盘等等。计算
机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本申请所必须的。
另外,可以理解,本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删
减,本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨
在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的
其它普通技术人员能理解本文披露的各实施例。