本发明专利技术提供了一种结合边缘计算与注意力机制的车辆跟踪方法及系统，涉及智能化车辆跟踪技术领域，应用于边缘计算架构中，包括：分别接收适于指示智能车辆行驶在道路上的行车影像信息和地理位置信息，根据行车影像信息和预设注意力机制生成行车特征信息，将行车特征信息从图像坐标系转换至预设电子地图所处的地图坐标系中，以获得暂拟行车点集一，将地理位置信息从地理坐标系转换至地图坐标系中，以获得暂拟行车点集二，根据暂拟行车点集一和暂拟行车点集二在预设电子地图上生成连续的行车轨迹，具备了兼容两种信息性能，便于在电子地图上生成行车轨迹，有助于提升行车轨迹的连续性和准确性。性和准确性。性和准确性。
【技术实现步骤摘要】
结合边缘计算与注意力机制的车辆跟踪方法及系统
[0001]本专利技术涉及智能化车辆跟踪
，具体而言，涉及一种结合边缘计算与注意力机制的车辆跟踪方法及系统。
技术介绍
[0002]边缘计算架构部署在靠近数据源头的网络边缘侧，以就近提供融合网络、计算、存储以及应用等边缘智能服务，相比于云端数据中心，边缘计算架构更具实时性高、部署成本低和安全性高等优势。
[0003]注意力机制通常以模块化形式设于机器学习模型中，能够自动学习和计算输入数据对输出数据的贡献大小，被广泛应用于自然语言处理、图像识别以及语音识别等各种不同类型的机器学习任务中，通过引入注意力机制，在众多输入信息中聚焦于对当前任务更为关键的信息，降低对其他信息的关注度，甚至过滤掉无关信息，可以解决信息过载问题，提高任务处理的效率和准确性。
[0004]智能化车辆跟踪方法通常要监测车辆在行驶过程中的移动信息以生成行车轨迹，呈现智能化、深度化和多样化技术发展趋势，广泛适用于交通管制、无人驾驶和军事战场等诸多场景。
[0005]一些智能化车辆跟踪方法应用边缘计算架构或/和注意力机制，以防轨迹缺失或/和提升跟踪准确性，但是，在结合边缘计算架构和注意力机制情形下，受限于影像信息，弃用了地理位置信息，信息兼容性能欠佳，优化行车轨迹受阻。
技术实现思路
[0006]本专利技术旨在至少在一定程度上解决相关技术中的技术问题，提供一种结合边缘计算与注意力机制的车辆跟踪方法及系统。
[0007]本专利技术第一方面提供一种结合边缘计算与注意力机制的车辆跟踪系统方法，应用于边缘计算架构中，包括以下步骤：
[0008]分别接收适于指示所述智能车辆行驶在道路上的行车影像信息和地理位置信息；
[0009]根据所述行车影像信息和预设注意力机制生成行车特征信息；
[0010]将所述行车特征信息从图像坐标系转换至预设电子地图所处的地图坐标系中，以获得暂拟行车点集一；
[0011]将所述地理位置信息从地理坐标系转换至所述地图坐标系中，以获得暂拟行车点集二；
[0012]根据所述暂拟行车点集一和所述暂拟行车点集二在所述预设电子地图上生成连续的行车轨迹。
[0013]可选地，根据所述行车影像信息和预设注意力机制生成行车特征信息包括；
[0014]预处理所述行车影像信息，以获得尺寸相同的多幅受检行车图像；
[0015]通过预先训练好的车辆检测模型，分别对每幅所述受检行车图像进行基于通道与
空间双维度注意力机制的特征检测处理，对经过检测生成的通道注意力特征图及与其一一对应的空间注意力特征图进行特征融合处理；
[0016]将经过融合产生的多个行车特征点组合为所述行车特征信息。
[0017]可选地，所述暂拟行车点集一中的第m个暂拟点一表示为：其中，表示从所述图像坐标系b转换至所述地图坐标系a中的齐次变换矩阵，表示所述行车特征信息在所述图像坐标系b中的第m个行车特征点；
[0018]所述暂拟行车点集二中的第n个暂拟点二表示为：其中，表示从所述地理坐标系c转换至所述地图坐标系a中的齐次变换矩阵，表示所述地理位置信息在所述地理坐标系c下的第n个地理坐标点。
[0019]可选地，根据所述暂拟行车点集一和所述暂拟行车点集二在所述预设电子地图上生成连续的行车轨迹包括：
[0020]根据所述暂拟行车点集一和所述暂拟行车点集二中的至少一个，在所述预设电子地图上确定适于指示所述道路的预制车道线；
[0021]通过预设线性插值模型，扩充所述暂拟行车点集一为扩充集一，以及，扩充所述暂拟行车点集一为扩充集二；
[0022]对所述扩充集一与所述扩充集二进行点配对处理，以获得点对集，所述扩充集一与所述点对集之差为点差集；
[0023]通过预设点对相似度测算模型推算所述点对集；
[0024]根据所述相似度集对所述点对集进行点对合并处理；
[0025]根据所述预制车道线，对所述点差集和经过合并产生的并点集进行轨迹平滑处理，以形成所述行车轨迹。
[0026]可选地，对所述扩充集一与所述扩充集二进行点配对处理包括：
[0027]分别设置初始均为空集的新建集一和新建集二；
[0028]在所述扩充集一中确定第k个受检点一；
[0029]其中，k表示从1累计至K的正整数，K表示所述扩充集一所属的长度；
[0030]检测所述扩充集二中是否存在适于与第k个所述受检点一配对的受检点二；
[0031]若是，则以点对形式在所述新建集一中存入第k个所述受检点一以及适于与其配对的所述受检点二；
[0032]若否，则以单点形式在所述新建集二中存入第k个所述受检点一；
[0033]判断k是否小于K；
[0034]若是，则将第k个所述受检点一更新为下一个受检点一；
[0035]若否，则将所述新建集一确定为所述点对集，将所述新建集二确定为所述点差集。
[0036]可选地，检测所述扩充集二中是否存在适于与第k个所述受检点一配对的受检点二包括：
[0037]以第k个所述受检点一为圆心，以预设距离阈值为半径，圈定检测范围；
[0038]当所述扩充集二中的任一个所述受检点二处在所述检测范围时，则确定处在所述检测范围的所述受检点二适于与第k个所述受检点一配对；
[0039]当所述扩充集二中的每个所述受检点二均超出所述检测范围时，则不存在所述受检点二适于与第k个所述受检点一配对。
[0040]可选地，所述预设距离相似度测算模型表示为：
[0041][0042]其中，S表示欧式距离相似度，和分别表示点对中的两个点各自在所述地图坐标系a中的横坐标，和分别表示所述点对中的两个点各自在所述地图坐标系a中的纵坐标。
[0043]可选地，根据所述相似度集对所述点对集进行点对合并处理包括：
[0044]在所述相似度集中确定第i个欧式距离相似度，在所述点对集中确定第i组点对；
[0045]其中，i表示从1累计至I的正整数，I表示所述相似度集和所述点对集中的任一个的长度；
[0046]对第i个所述欧式距离相似度和第i组所述点对进行线性加权合并处理，以获得第i个合并点；
[0047]判断i是否小于I；
[0048]若是，则将第i个所述欧式距离相似度更新为下一个欧式距离相似度，以及，将第i组所述点对更新为下一组点对；
[0049]若否，则组合I个所述合并点，以获得所述并点集。
[0050]可选地，第i个所述合并点表示为：其中，和依次表示第i组所述点对在所述地图坐标系a中的受检点一和受检点二，S
i
表示第i个所述欧式距离相似度。
[0051]本专利技术第二方面提供一种结合边缘计算与注意力机制的车辆跟踪系统，包括：
[0052]第一边缘计算设备，用以接收适于指示所述智能车辆行驶在所述道路上的行车影像信息，并根据所述行车影像信息和预设注意力机本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种结合边缘计算与注意力机制的车辆跟踪方法，其特征在于，应用于边缘计算架构中，包括以下步骤：分别接收适于指示智能车辆行驶在道路上的行车影像信息和地理位置信息；根据所述行车影像信息和预设注意力机制生成行车特征信息；将所述行车特征信息从图像坐标系转换至预设电子地图所处的地图坐标系中，以获得暂拟行车点集一；将所述地理位置信息从地理坐标系转换至所述地图坐标系中，以获得暂拟行车点集二；根据所述暂拟行车点集一和所述暂拟行车点集二在所述预设电子地图上生成连续的行车轨迹。2.如权利要求1所述的结合边缘计算与注意力机制的车辆跟踪方法，其特征在于，根据所述行车影像信息和预设注意力机制生成行车特征信息包括；预处理所述行车影像信息，以获得尺寸相同的多幅受检行车图像；通过预先训练好的车辆检测模型，分别对每幅所述受检行车图像进行基于通道与空间双维度注意力机制的特征检测处理，对经过检测生成的通道注意力特征图及与其一一对应的空间注意力特征图进行特征融合处理；将经过融合产生的多个行车特征点组合为所述行车特征信息。3.如权利要求1所述的结合边缘计算与注意力机制的车辆跟踪方法，其特征在于，所述暂拟行车点集一中的第m个暂拟点一表示为：其中，表示从所述图像坐标系b转换至所述地图坐标系a中的齐次变换矩阵，表示所述行车特征信息在所述图像坐标系b中的第m个行车特征点；所述暂拟行车点集二中的第n个暂拟点二表示为：其中，表示从所述地理坐标系c转换至所述地图坐标系a中的齐次变换矩阵，表示所述地理位置信息在所述地理坐标系c下的第n个地理坐标点。4.如权利要求1
‑
3任一项所述的结合边缘计算与注意力机制的车辆跟踪方法，其特征在于，根据所述暂拟行车点集一和所述暂拟行车点集二在所述预设电子地图上生成连续的行车轨迹包括：根据所述暂拟行车点集一和所述暂拟行车点集二中的至少一个，在所述预设电子地图上确定适于指示所述道路的预制车道线；通过预设线性插值模型，扩充所述暂拟行车点集一为扩充集一，以及，扩充所述暂拟行车点集一为扩充集二；对所述扩充集一与所述扩充集二进行点配对处理，以获得点对集，所述扩充集一与所述点对集之差为点差集；通过预设点对相似度测算模型推算所述点对集；根据推算出的相似度集对所述点对集进行点对合并处理；根据所述预制车道线，对所述点差集和经过合并产生的并点集进行轨迹平滑处理，以形成所述行车轨迹。
5.如权利要求4所述的结合边缘计算与注意力机制的车辆跟踪方法，其特征在于，对所述扩充集一与所述扩充集二进行点配对处理包括：分别设置初始均为空集的新建集一和新建集二；在所述扩充集一中确定第k个受检点一；其中，k表示从1累计至K的正整数，K表示所述扩充集一所属的长度；检测所述扩充集二中是否存在适于与第k个所述受检点一配对的受检点二；若是，...
【专利技术属性】
技术研发人员：胡宇琪，郑冰，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：
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。