基于车路协同的多数据源的数据融合处理方法和装置制造方法及图纸

本申请是关于一种基于车路协同的多数据源的数据融合处理方法。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；提取各车辆数据中的位置数据，并将提取到的多个位置数据划分为多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，得到目标位置数据集合。本申请提供的方案，能够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。

【技术实现步骤摘要】
基于车路协同的多数据源的数据融合处理方法和装置
本申请涉及车联网
，尤其涉及基于车路协同的多数据源的数据融合处理方法和装置。
技术介绍
云控基础平台由城市云、中心云组成，形成逻辑协同、物理分散的云计算中心。云控基础平台以自车采集、道路信息、路设采集、环境等实时动态数据为核心，结合支撑云控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。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，例如，对于任一车辆A而言，云端服务器所接收到的关于该车辆A的数据包括：自车上报的车辆A的数据、它车通过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。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种基于车路协同的多数据源的数据融合处理方法和装置，该方案能够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。本申请第一方面提供一种基于车路协同的多数据源的数据融合处理方法，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；提取各车辆数据中的位置数据，并将提取到的多个位置数据划分为多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，得到目标位置数据集合方法。本申请第二方面提供一种基于车路协同的多数据源的数据融合处理装置，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；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；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；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；融合模块，根据比较结果，所述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，得到目标位置数据集合。本申请第三方面提供一种电子设备，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。本申请提供的技术方案可以包括以下有益效果：本申请的方案先将车辆位置数据按照一定方式划分为多个初始位置数据集合，进而在针对任一初始位置数据集合，通过识别车辆特征信息，作进一步筛选融合，得到目标位置数据集合。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。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。图1是本申请实施例示出的基于车路协同的多数据源的数据融合处理方法的流程示意图；图2是本申请实施例示出的基于车路协同的多数据源的数据融合处理装置的结构示意图；图3是本申请实施例示出的电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。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。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，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。针对上述问题，本申请实施例提供一种基于车路协同的多数据源的数据融合处理方法，能够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。具体而言，如
技术介绍
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（AdvancedDrivingAssistanceSystem，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-timekinematic，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。以下结合附图详细描述本申请实施例的技术方案。图1是本申请实施例示出的基于车路协同的多数据源的数据融合处理方法的流程示意图。参见图1，本申请提供的方法包括：S110：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。在该步骤中，多数据源主要包括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。可以理解的是，在车路协同的场景下，云端可以接收针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。该步骤中，车辆数据包括但不限于车辆的操控数据（如车辆加速、本文档来自技高网...

【技术保护点】
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：/n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；/n提取各车辆数据中的位置数据，并将提取到的多个位置数据划分为多个初始位置数据集合；/n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；/n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，得到目标位置数据集合。/n

【技术特征摘要】
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；
提取各车辆数据中的位置数据，并将提取到的多个位置数据划分为多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，得到目标位置数据集合。


2.根据权利要求1所述的数据融合处理方法，其特征在于：所述位置数据包括车辆的经纬度数据；
将提取到的多个位置数据划分为多个初始位置数据集合，包括：
对于提取到的多个位置数据，比较各经纬度数据之间的距离，并将距离小于设定距离的位置数据划分到同一个初始位置数据集合。


3.根据权利要求2所述的数据融合处理方法，其特征在于：在接收到车辆数据后，所述方法还包括：将所述车辆数据中的经纬度数据转换为morton码；以及
比较各经纬度数据之间的距离，并将距离小于设定距离的位置数据划分到同一个初始位置数据集合，具体包括：
比较各morton码之间的距离，并将相差设定距离的morton码划分到同一个初始位置数据集合。


4.根据权利要求3所述的数据融合处理方法，其特征在于：所述设定距离为1.5-1.7米之间；
将相差设定距离的morton码划分到同一个初始位置数据集合，包括：
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。


5.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。


6.根据权利要求1至5中任一项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。


7.根据权利要求6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...

【专利技术属性】
技术研发人员：杜伟，郭洪霖，贺伟伟，郑立峰，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：北京;11