一种轨迹融合方法及存储介质与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本技术涉及数据处理技术，尤其涉及一种轨迹融合方法及存储介质。背景技术：2.在提取道路信息，以及挖掘缺失道路等场景中，经常会用到轨迹融合。轨迹融合是将多条原始轨迹融合为一条轨迹。3.目前，轨迹融合大多使用矢量数据栅格化方法，或者使用机器学习聚类方法。其中，矢量数据栅格化方法是将轨迹点从矢量数据转换为栅格数据，然后对生成的栅格图像进行骨架化、二值化、滤波等一系列数字图像处理，再将栅格图像转换为矢量数据，作为轨迹融合的结果。机器学习聚类方法，是通过聚类算法得到一系列的轨迹中心点，将这些轨迹中心点串联起来，作为轨迹融合的最终结果。4.然而，矢量数据栅格化方法，在将矢量数据转换为栅格数据时，会丢失一些有用的矢量信息。另外，轨迹点数量较多且复杂时，骨架化的效果也很差，导致融合效果不好。而聚类算法需要估计参数，参数估计的准确度也会影响融合效果的好坏。综上，现有的两种轨迹融合方法的融合效果均不好。技术实现要素：5.本技术提供一种轨迹融合方法及存储介质，用以解决现有的矢量数据栅格化方法中，数据转换过程中会丢失一些有用的矢量信息，和轨迹点数量较多且轨迹较为复杂时，骨架化的效果不好等因素导致的融合效果不好，以及聚类算法中参数估计的准确度较低导致融合效果不好的问题。6.第一方面，本技术提供一种轨迹融合方法，包括：获取多条原始轨迹；对所述多条原始轨迹中的每条原始轨迹进行预处理，得到多条预处理轨迹；计算所述多条预处理轨迹中，每两条预处理轨迹之间的相似度；将相似度大于相似度阈值的预处理轨迹进行融合，得到目标轨迹。7.第二方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。8.第三方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法。9.本技术提供的轨迹融合方法及存储介质，通过对原始轨迹进行预处理，并计算多条预处理轨迹中，每两条预处理轨迹之间的相似度，进而将相似度大于相似度阈值的预处理轨迹进行融合。通过计算两条轨迹的相似度，并将相似度大于相似度阈值的预处理轨迹进行融合，因此，轨迹点数量越多，融合结果的准确度越高。另外，由于不需要确定合适的参数，也不需要迭代，因此，能够提高融合效率。附图说明10.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。11.图1为本技术实施例的应用场景示意图；12.图2为本技术实施例提供的轨迹融合方法实施例一的流程图；13.图3为本技术实施例提供的原始轨迹的示意图；14.图4为本技术实施例提供的预处理之后的原始轨迹的示意图；15.图5为本技术实施例提供的轨迹融合方法实施例二的流程图；16.图6为本技术实施例提供的内插前的轨迹的示意图；17.图7为本技术实施例提供的内插后的轨迹的示意图；18.图8为本技术实施例提供的轨迹融合方法实施例三的流程图；19.图9为本技术实施例提供的轨迹融合方法实施例四的流程图；20.图10为本技术实施例提供的一种轨迹融合的实施方式的示例图；21.图11为本技术实施例提供的另一种轨迹融合的实施方式的示例图；22.图12为本技术实施例提供的平滑处理前的轨迹的示意图；23.图13为本技术实施例提供的轨迹融合方法实施例五的流程图；24.图14为本技术实施例提供的平滑处理后的轨迹的示意图；25.图15为本技术实施例提供的原始轨迹的示意图；26.图16为本技术的实施例提供的轨迹融合后的示意图；27.图17为本技术实施例提供的轨迹融合装置的结构示意图；28.图18为本技术实施例提供的计算机设备的结构示意图。29.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。具体实施方式30.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。31.图1为本技术实施例的应用场景示意图。如图1所示，该应用场景包括：服务器1和计算处理设备2；其中，服务器1可以是单独的服务器，也可以是包括多台服务器的服务器集群；计算处理设备2可以是台式计算机、笔记本电脑、手机、服务器等具备数据处理功能的设备等。32.服务器1中存储有大量的原始轨迹，计算处理设备2可以从服务器1中获取这些原始轨迹对其进行轨迹融合，从而挖掘缺失道路、发现新道路、提取道路信息等。33.这些原始轨迹可以是具有轨迹路线采集功能的设备进行采集，并上传至服务器1得到的。例如，用于地图构建的采集车进行轨迹采集得到，或者通过众包的方式采集得到。若这些原始轨迹是由用于地图构建的采集车进行轨迹采集得到的，则上述介绍的计算处理设备2还可以是采集车的数据处理单元，如中控单元等。34.在一些可选的实施例中，服务器1和计算处理设备2可以集成在一台设备上，例如，将采集的原始轨迹存储在计算处理设备内部的存储单元中，并在计算处理设备需要进行轨迹融合时，直接从自身的存储单元获取原始轨迹。35.在相关技术中，矢量数据栅格化方法，存在如下两个缺点：一是将原始轨迹从矢量数据转换为栅格数据时，会丢失很多轨迹点的矢量信息，如速度信息、方向角信息等等，而这些信息对于轨迹挖掘来说非常重要；二是当轨迹数据量比较多且比较复杂时，栅格图像骨架化的效果会很差，而栅格图像骨架化的结果也会影响最终的轨迹融合的效果。而机器学习聚类方法，存在如下两个缺点：一是聚类算法本身是一种迭代算法，需要多次迭代，因此聚类算法效率较差并且不受控制，不适合生产环境下使用。二是聚类算法需要提前设定好一些参数，但这些参数的选取很困难，并且很难通过数据类型和规模去直接估计最优参数，往往需要多次选用不同参数尝试后，才能确定较合适的参数，这同样会影响融合效果。36.针对上述技术问题，本技术的发明人提出如下技术构思：对原始轨迹进行预处理，降低计算量，之后计算轨迹之间的相似度，再根据相似度进行轨迹融合。轨迹数量越多，融合效果越好。另外，直接根据轨迹进行相似度计算，不需要将矢量数据转换为栅格图，所以能够保留原始轨迹数据的速度等矢量信息，这些信息能够挖掘出道路上的额外信息(如车流量、平均速度等)。而相似度的计算方式也不需要迭代计算，因此在计算效率上也有所提升。37.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。38.图2为本技术实施例提供的轨迹融合方法实施例一的流程图。如图2所示，该轨迹融合方法可以包括如下步骤：39.步骤s201、获取多条原始轨迹。40.本实施例方法的执行主体可以是如图1所示的计算处理设备。计算处理设备2从服务器1中获取其存储的多条原始轨迹。该多条原始轨迹为矢量数据。每条原始轨迹包括多个轨迹点。41.步骤s202、对多条原始轨迹中的每条原始轨迹进行预处理，得到多条预处理轨迹。42.其中，原始轨迹的数据质量通常较差，无法直接进行计算。因此，本实施例对原始轨迹进行预处理，提高原始轨迹的数据质量，从而用于后续的计算处理。43.图3是原始轨迹的示意图。图4是预处理之后的原始轨迹的示意图。可以看到，预处理之后的预处理轨迹相较于原始轨迹，去除了一些噪声数据，轨迹路线更为清晰，轨迹数据的质量有所提升。44.步骤s203、计算多条预处理轨迹中，每两条预处理轨迹之间的相似度。45.步骤s204、将相似度大于相似度阈值的预处理轨迹进行融合，得到目标轨迹。46.以采集车为例，采集车可能会多次经过同一地点，或者多辆采集车均经过同一地点，因而会产生多条原始轨迹。而受不同采集车采集精度的影响，同一地点的原始轨迹可能会不同，因此，需要通过相似度算法确定相似的一些轨迹，并将这些轨迹进行融合，得到目标轨迹。47.举例来说，假设当前有10条预处理轨迹，则本实施例是计算该10条预处理轨迹中，两两预处理轨迹之间的相似度，并将相似度大于相似度阈值的两条预处理轨迹进行融合。48.本实施例的轨迹融合方法，通过对原始轨迹进行预处理，并计算多条预处理轨迹中，每两条预处理轨迹之间的相似度，进而将相似度大于相似度阈值的预处理轨迹进行融合。由于是计算轨迹之间的相似度，并将相似度大于相似度阈值的预处理轨迹进行融合，因此，融合效果不会因为轨迹点数量增多而变差，相反，轨迹点数量越多，融合结果的准确度越高。另外，由于不需要确定合适的参数，也不需要迭代，因此，能够提高融合效率。49.在图2所示实施例的基础上，图5为本技术实施例提供的轨迹融合方法实施例二的流程图。如图5所示，该轨迹融合方法中步骤s202，具体包括如下步骤：50.步骤s501、对每条原始轨迹进行滤波。51.其中，对轨迹进行滤波处理的滤波算法可以参见相关技术的介绍，此处不再赘述。本实施例对滤波算法的类型也不作具体限定，凡是能够对轨迹数据进行滤波处理的滤波算法都可以应用于本技术。52.步骤s502、根据等距内插算法，在滤波后的原始轨迹中插入多个轨迹点，得到内插轨迹；其中，内插轨迹中相邻两个轨迹点之间的距离相等，且内插轨迹中的轨迹点位于原始轨迹的轨迹点的连线上。53.本实施例中，一条原始轨迹对应一条内插轨迹。54.图6为内插前的轨迹的示意图；图7为内插后的轨迹的示意图。55.如图6所示，可以看到，该条轨迹上包括多个轨迹点，多个轨迹点之间的距离不相等，这会增加后续计算处理的难度。因此，本实施例通过对滤波后的原始轨迹进行等距内插，使得轨迹点间的距离均匀。如图7所示，可以看到，内插后的轨迹中，相邻两个轨迹点之间的距离相等。56.为了最大程度上保持轨迹数据的原始形状，提高融合结果的准确度，本实施例还可以使所有内插点均位于原始轨迹点的连线上。57.其中，等距内插算法中的内插距离，可以根据原始轨迹中所有轨迹点中，所有相邻两个轨迹点之间的距离的平均值确定。举例来说，原始轨迹中包括10个轨迹点，则原始轨迹可以得到9个距离，根据该9个距离的平均值可以确定内插距离(即内插轨迹中相邻两个轨迹点之间的距离)。58.本实施例中，在保证轨迹点与轨迹点之间的距离符合内插距离的前提下，使每个内插点都在原始轨迹点的连线上，能够最大程度地保留原始轨迹的形状特征，从而提高轨迹融合的准确度。59.在图2所示实施例的基础上，图8为本技术实施例提供的轨迹融合方法实施例三的流程图。如图8所示，该轨迹融合方法中步骤s203，具体包括如下步骤：60.步骤s801、将多条预处理轨迹中的每条预处理轨迹转换为字符串。61.在计算机中，预处理轨迹可以通过字符转换算法转换为字符串进行存储。其中，本实施例可以是对每条预处理轨迹中的轨迹点进行字符转换，转换为字符串。具体的，可以是根据每条预处理轨迹中的轨迹点的坐标进行编码，得到对应的字符串。具体的编码算法不限制，只要是能够对轨迹点的坐标进行编码，并转换为字符串的编码算法都在本技术的范围之内。62.步骤s802、计算每两条预处理轨迹对应的字符串之间的相同字符。63.本实施例中，是将两条预处理轨迹的字符串进行比较，并确定两条预处理轨迹对应的字符串中相同的字符。在两条预处理轨迹中，若分别位于两条预处理轨迹上的两个轨迹点之间的距离小于设定的距离阈值，则认为两个轨迹点的相似度大于相似度阈值。对应到字符串，若两条轨迹对应的字符串中，相同字符越多，则代表该两条轨迹中，相似的轨迹点越多，即该两条轨迹中，位置坐标相近的轨迹点越多。64.步骤s803、根据每两条预处理轨迹对应的字符串之间的相同字符，确定每两条预处理轨迹之间的相似度。65.本实施例，是根据lcs(最长公共子序列)计算两条预处理轨迹之间的相似度。lcs的定义是：确定两个字符串中都存在的一条子序列，该子序列越长，说明两个字符串的相似度越高。对应到预处理轨迹中，则两条预处理轨迹对应的字符串，相同字符的数量越多，则该两条轨迹的相似度越高。66.本实施例中，将多条预处理轨迹中的每条预处理轨迹转换为字符串，计算每两条预处理轨迹对应的字符串之间的相同字符，以及根据每两条预处理轨迹对应的字符串之间的相同字符，确定每两条预处理轨迹之间的相似度。由于采用字符转换的方式确定两条轨迹之间的相似度，因此，能够避免矢量数据转换为栅格数据，丢失有用信息的问题。另外，这些有用信息能够用于挖掘出道路上的额外信息(如车流量、平均速度等)。67.在图2所示实施例的基础上，图9为本技术实施例提供的轨迹融合方法实施例四的流程图。如图9所示，该轨迹融合方法中步骤s203，具体包括如下步骤：68.步骤s901、将多条预处理轨迹中的每条预处理轨迹进行字符转换，得到第一字符串。69.对于该步骤的具体实现方式，与步骤s801的具体实现方式类似，具体可以参见上述步骤s801的介绍，此处不再赘述。70.步骤s902、对当前预处理轨迹对应的第一字符串进行多次编辑，得到第二字符串，第二字符串为多条预处理轨迹中除当前预处理轨迹之外的其他预处理轨迹对应的字符串。71.步骤s903、根据对第一字符串进行多次编辑的次数，确定每两条预处理轨迹之间的相似度，其中，编辑的次数与相似度为负相关关系。72.本实施例中，可以根据ed(编辑距离)计算两条预处理轨迹之间的相似度。ed的定义是：对字符串a进行一系列的操作(包括如下几种操作：增加一个字符、删除一个字符、替换一个字符)得到字符串b，其操作的次数即为编辑距离，编辑距离越小，则表示两个字符串的相似度越高。73.本实施例中，将多条预处理轨迹中的每条预处理轨迹进行字符转换，得到第一字符串，对当前预处理轨迹对应的第一字符串进行多次编辑，得到第二字符串，第二字符串为多条预处理轨迹中除当前预处理轨迹之外的其他预处理轨迹对应的字符串，以及根据对第一字符串进行多次编辑的次数，确定每两条预处理轨迹之间的相似度。由于采用字符转换的方式确定两条轨迹之间的相似度，因此，能够避免矢量数据转换为栅格数据，丢失有用信息的问题。另外，这些有用信息能够用于挖掘出道路上的额外信息(如车流量、平均速度等)。74.在上述实施例的基础上，本技术还可以提出如下一种可选的实施例：将图8所示实施例得到的两条预处理轨迹之间的相似度，与图9所示实施例得到的两条预处理轨迹之间的相似度进行加权求和，作为两条预处理轨迹之间的最终相似度。75.在图2所示实施例的基础上，本技术实施例的轨迹融合方法中的步骤s204，还可以包括如下步骤：根据相似度大于相似度阈值的两条预处理轨迹中的相似部分，将两条预处理轨迹进行融合。76.其中，根据相似度大于相似度阈值的两条预处理轨迹中的相似部分，将两条预处理轨迹进行融合，得到目标轨迹，包括：77.a、若相似度大于相似度阈值的两条预处理轨迹中存在一个相似部分，则将相似度大于相似度阈值的两条预处理轨迹融合为一条轨迹，得到目标轨迹。78.本实施例中，将相似度大于相似度阈值的两条预处理轨迹融合为一条轨迹，包括：将相似度大于相似度阈值的两条预处理轨迹合并为一条轨迹。79.为了便于理解，将相似度大于相似度阈值的预处理轨迹记为第一轨迹和第二轨迹；80.在一种可选的实施方式中，可以通过将第一轨迹平移，直至第一轨迹与第二轨迹中的相似部分重合。当然，也可以是将第二轨迹平移，直至第一轨迹与第二轨迹中的相似部分重合。较长的轨迹通常更贴近真实轨迹，为了使得融合的轨迹更为真实，可以是将轨迹长度较短的预处理轨迹进行平移。81.在另一种可选的实施方式中，可以将第一轨迹和第二轨迹中相似部分的轨迹点的位置坐标的平均值，作为目标轨迹上的轨迹点，并将第一轨迹和第二轨迹中的非相似部分与目标轨迹连接。82.下面通过举例对上述另一种可选的实施方式进行详细介绍：83.图10为本技术实施例提供的一种轨迹融合的实施方式的示意图。如图10所示，位于箭头左边的预处理轨迹a和预处理轨迹b，预处理轨迹a包括轨迹点a1～a5，预处理轨迹b包括轨迹点b1～b5，预处理轨迹a上的轨迹点a1～a3与预处理轨迹b上轨迹点b3～b5为相似部分，则轨迹融合是将轨迹a上的轨迹点a1～a3与轨迹b上轨迹点b3～b5求位置坐标的平均值。具体的，是求轨迹点a1与轨迹点b3的位置坐标的平均值，得到轨迹点c3；求轨迹点a2与轨迹点b4的位置坐标的平均值，得到轨迹点c4；求轨迹点a3与轨迹点b5的位置坐标的平均值，得到轨迹点c5；则融合轨迹包括轨迹点c1～c5，其中，轨迹点c1即为轨迹点b1，轨迹点c2即为轨迹点b2，轨迹点c6即为轨迹点a4，轨迹点c7即为轨迹点a5。84.b、若相似度大于相似度阈值的两条预处理轨迹中存在至少两个相似部分，则将相似度大于相似度阈值的预处理轨迹进行融合，得到多条融合轨迹，并将多条融合轨迹中与真实轨迹的相似度最高的融合轨迹，作为目标轨迹。85.对于该种融合方式而言，与上述图10所示融合方式的不同之处在于，轨迹融合之后，得到多个融合轨迹，这多条融合轨迹中，可能只有一条是符合真实场景的轨迹。因此，需要根据真实场景对应的真实轨迹，确定出最终的融合轨迹。举例来说，真实场景中的道路通常为笔直的道路，则真实轨迹应当表现为笔直的形状。86.下面通过一个示例对多条融合轨迹中与真实轨迹的相似度最高的融合轨迹作为目标轨迹进行解释说明：87.图11为本技术实施例提供的另一种轨迹融合的示意图。如图11所示，对于箭头左边的两条预处理轨迹，进行融合后，可以得到如图11中箭头右边示出的3条融合轨迹，可以看到，该3条融合轨迹中，只有1条融合轨迹属于直线(图中最长的融合轨迹)，真实场景中的道路轨迹大多表现为直线，因而，可以将该条最长的直线对应的融合轨迹确定为目标轨迹。88.在地图中，道路往往表现为直线或曲线。而通过上述步骤融合后的轨迹(简称融合轨迹)，由于是将多条轨迹融合为一条轨迹，因此，融合轨迹可能会不够平滑，如图12所示，融合轨迹并不是一条直线或曲线。因此，可以对融合轨迹进行平滑操作，使得融合后的轨迹更为平滑。89.图13为本技术实施例提供的轨迹融合方法实施例五的流程图。如图13所示，该轨迹融合方法中步骤s204，具体包括如下步骤：90.步骤s1301、根据至少两种平滑算法对目标轨迹进行平滑处理，得到至少两个平滑轨迹。91.步骤s1302、根据至少两个平滑轨迹的加权和，得到最终的目标轨迹。92.本实施例中，对于平滑算法的类型不做具体限定。凡是能够对轨迹数据进行平滑处理的算法都在本技术的范围之内。93.其中，根据至少两个平滑轨迹的加权和，得到目标轨迹，包括：对至少两个平滑轨迹中对应的轨迹点的坐标进行加权求和，得到目标轨迹点的坐标；重复上述步骤，直至将至少两个平滑轨迹中对应的轨迹点的坐标计算完，得到多个目标轨迹点的坐标；根据多个目标轨迹点的坐标，得到目标轨迹。94.举例来说，采用两种不同的平滑算法分别对融合轨迹进行平滑处理，得到平滑轨迹a1和平滑轨迹a2；且平滑轨迹a1中的轨迹点与平滑轨迹a2中的轨迹点一一对应，则本实施例是将平滑轨迹a1与平滑轨迹a2中对应的两个轨迹点的坐标进行加权求和，得到目标轨迹点，所有目标轨迹点构成目标轨迹。95.图14是平滑处理后的融合轨迹。与图12进行比较，可以看出，平滑处理后，轨迹更接近于真实道路的形状。96.本实施例中，通过对融合轨迹进行平滑处理，并通过加权求和的方式确定目标轨迹，能够提高平滑处理效果，使融合轨迹更加平滑，更加贴近真实道路的形状，从而进一步提高轨迹融合效果。97.在上述实施例的基础上，为了提高计算速度，可以对轨迹长度大于预设长度的原始轨迹进行分割，得到轨迹集，其中，一条原始轨迹对应一个轨迹集，轨迹集包括对原始轨迹进行分割后的多个轨迹段。98.相应的，在计算相似度的过程中，是根据轨迹集进行相似度计算。根据轨迹集进行相似度计算，具体包括：99.举例来说，a轨迹进行轨迹分割后，得到轨迹集a1，轨迹集a1包括：轨迹段a1、轨迹段a2；b轨迹进行轨迹分割后，得到轨迹集b1，轨迹集b1包括：轨迹段b1、轨迹段b2和轨迹段b3；则是将轨迹集a1中的轨迹段a1，与轨迹集b1中的轨迹段b1、轨迹段b2和轨迹段b3分别计算相似度，则得到3个相似度，以及将轨迹集a1中的轨迹段a2，与轨迹集b1中的轨迹段b1、轨迹段b2和轨迹段b3分别计算相似度，同样地，得到3个相似度，并将轨迹段a1对应的3个相似度中的最大相似度，与轨迹段a2对应的3个相似度中的最大相似度进行加权求和，作为a轨迹与b轨迹的相似度。100.在上述实施例的基础上，进行轨迹融合后，还可以确定轨迹融合结果是否符合预设的阈值，若符合，则保留该条轨迹融合结果；若不符合，则丢弃该条轨迹融合结果。本实施例中，预设的阈值为符合实际情况的阈值，若不符合预设的阈值，则认为该条轨迹为无效的轨迹。举例来说，当前场景的轨迹数据是对场景a的区域进行数据采集得到，而轨迹融合后得到的轨迹数据位于场景a的区域之外，则视为该条融合轨迹不符合预设的阈值。101.在上述实施例的基础上，轨迹融合过程中可能会将轨迹打断，因此可以在轨迹融合后，对断裂的碎轨迹段进行挂接操作，使轨迹段更加完整，结果更加准确。102.图15为原始轨迹的示意图，图16为根据本技术的实施例进行轨迹融合后的示意图。可以看到，图15中原始轨迹的线条清晰度较差，且存在很多噪声线条，不能很好地分辨出道路来。相较于图15而言，图16中的融合后轨迹的线条清晰度有所提高，噪声线条较少，且更加贴近于真实道路的形状。103.本实施例的轨迹融合方法具有如下有益效果：104.1)基于lcs和ed算法计算两条轨迹之间的相似度，能够得到更为准确的轨迹融合结果。并且相比于聚类方法，由于不需要预估参数和迭代计算，因此，可以提升融合效率，达到快速地得到准确率高的轨迹融合结果的效果。另外，由于不需要将矢量数据转换为栅格数据，因此，还可以挖掘出道路上的额外信息(如车流量、平均速度等)。105.2)通过等距内插算法在滤波后的原始轨迹中插入多个轨迹点，得到内插轨迹。内插后轨迹上的轨迹点之间的距离相等，另外，所有内插点均在原始轨迹点的连线上，能够最大程度保留原始轨迹的形状特征，从而进一步提高轨迹融合的准确度。106.3)通过对融合轨迹进行平滑处理，并通过加权求和的方式确定目标轨迹，能够提高平滑处理效果，使融合轨迹更加平滑，更加贴近真实道路的形状，从而进一步提高轨迹融合的准确度。107.在上述轨迹融合方法实施例的基础上，图17为本技术实施例提供的轨迹融合装置的结构示意图。如图17所示，该轨迹融合装置包括：获取模块171、预处理模块172、计算模块173和融合模块174；其中，获取模块171，用于获取多条原始轨迹；预处理模块172，用于对多条原始轨迹中的每条原始轨迹进行预处理，得到多条预处理轨迹；计算模块173，用于计算多条预处理轨迹中，每两条预处理轨迹之间的相似度；融合模块174，用于将相似度大于相似度阈值的预处理轨迹进行融合，得到目标轨迹。108.在一种可能的设计中，预处理模块172，具体用于：对每条原始轨迹进行滤波；根据等距内插算法，在滤波后的原始轨迹中插入多个轨迹点，得到内插轨迹；其中，内插轨迹中相邻两个轨迹点之间的距离相等，且内插轨迹中的轨迹点位于原始轨迹的轨迹点的连线上。109.在一种可能的设计中，计算模块173，具体用于：将多条预处理轨迹中的每条预处理轨迹转换为字符串；计算每两条预处理轨迹对应的字符串之间的相同字符；根据每两条预处理轨迹对应的字符串之间的相同字符，确定每两条预处理轨迹之间的相似度。110.在另一种可能的设计中，计算模块173，具体用于：将多条预处理轨迹中的每条预处理轨迹进行字符转换，得到第一字符串；对当前预处理轨迹对应的第一字符串进行多次编辑，得到第二字符串，第二字符串为多条预处理轨迹中除当前预处理轨迹之外的其他预处理轨迹对应的字符串；根据对第一字符串进行编辑的次数，确定每两条预处理轨迹之间的相似度，编辑的次数与相似度为负相关关系。111.在一种可能的设计中，融合模块174，具体用于：若相似度大于相似度阈值的预处理轨迹中存在一个相似部分，则将相似度大于相似度阈值的预处理轨迹融合为一条轨迹，得到目标轨迹；若相似度大于相似度阈值的预处理轨迹中存在至少两个相似部分，则将相似度大于相似度阈值的预处理轨迹进行融合，得到多条融合轨迹，并将多条融合轨迹中与真实轨迹的相似度最高的融合轨迹，作为目标轨迹。112.在一种可能的设计中，相似度大于相似度阈值的预处理轨迹包括第一轨迹和第二轨迹；融合模块174将相似度大于相似度阈值的预处理轨迹融合为一条轨迹时，具体包括：将第一轨迹平移，直至第一轨迹与第二轨迹中的相似部分重合；或者，将第一轨迹和第二轨迹中相似部分的轨迹点的位置坐标的平均值，作为目标轨迹上的轨迹点，并将第一轨迹和第二轨迹中的非相似部分与目标轨迹连接。113.在一种可能的设计中，该装置还包括：平滑模块175，用于对目标轨迹进行平滑处理，得到最终的目标轨迹；具体用于：根据至少两种平滑算法对目标轨迹进行平滑处理，得到至少两个平滑轨迹；根据至少两个平滑轨迹的加权和，得到最终的目标轨迹。114.在一种可能的设计中，该装置还包括：分割模块176，用于对轨迹长度大于预设长度的原始轨迹进行分割，得到轨迹集，其中，一条原始轨迹对应一个轨迹集，轨迹集包括对原始轨迹进行分割后的多个轨迹段。115.本技术实施例提供的轨迹融合装置，可用于执行上述实施例中轨迹融合方法的技术方案，其实现原理和技术效果类似，在此不再赘述。116.需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，计算模块173、融合模块174可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上计算模块173、融合模块174的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。117.图18为本技术实施例提供的计算机设备的结构示意图。本实施例中的计算机设备可以是图1中示出的计算处理设备。如图18所示，该计算机设备可以包括：处理器181、存储器182、收发器183。118.处理器181执行存储器存储的计算机执行指令，使得处理器181执行上述实施例中的方案。处理器181可以是通用处理器，包括中央处理器cpu、网络处理器(network processor，np)等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列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。119.存储器182通过系统总线与处理器181连接并完成相互间的通信，存储器182用于存储计算机程序指令。120.收发器183可以用于获取原始轨迹。121.系统总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)。122.本技术实施例提供的计算机设备，可用于执行上述实施例中轨迹融合方法的技术方案，其实现原理和技术效果类似，在此不再赘述。123.本技术实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中轨迹融合方法的技术方案。124.本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行上述实施例轨迹融合方法的技术方案。125.本技术实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，其存储在计算机可读存储介质中，至少一个处理器可以从计算机可读存储介质读取计算机程序，至少一个处理器执行计算机程序时可实现上述实施例中轨迹融合方法的技术方案。126.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!