【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。