【技术实现步骤摘要】
本专利技术涉及自动驾驶。更具体地说，本专利技术涉及一种基于高空影像构建自动驾驶场景数据方法。
技术介绍
1、随着自动驾驶汽车智能化的不断提高，自动驾驶汽车通过环境感知与周边行驶环境进行交互的能力是研发的重点方向。周边行驶环境涉及道路、气象条件和交通状况，具有动态变化性，自动驾驶汽车需应对的行驶环境越来越复杂，使得有限的场景测试具有样本局限性，自动驾驶汽车从仿真到实车测试，都需要大量的仿真场景对无人驾驶相关算法进行验证以及仿真分析。
2、常用的仿真交通场景包括两种，一种是基于仿真交通场景特征进行交通仿真，确定目标区域的交通参与对象的动态数据，之后根据仿真交通场景特征和交通参与对象的动态数据，构建自动驾驶场景，这种基于交通仿真构建自动驾驶场景的方式，缺少真实性。另一种则是基于路侧设备采集数据所提取的自动驾驶场景数据，边缘危险场景提取存在精度差问题。因此，亟需设计能够一定程度克服上述缺陷的技术方案。
技术实现思路
1、本专利技术提供一种基于高空影像构建自动驾驶场景数据方法，其能够提高自动驾驶数据集的完整性和真实性，为生成场景数据文件提供良好的数据基础。
2、为了实现根据本专利技术的这些目的和其它优点，提供了一种基于高空影像构建自动驾驶场景数据方法，包括：
3、将采集的视频信号经预处理后进行抽帧，识别视频帧图像中的预定跟踪对象并进行轨迹提取，生成初始轨迹文件；
4、对初始轨迹文件经预处理后进行静态对象区域过滤，进行预定跟踪对象的矫正处理，进行
5、取任一视频帧图像进行解析，绘制地图，元素图层包括道路层、车道层、设施层、交叉口、对象层，显示路网元素及元素关系，生成地图文件；
6、将正式轨迹文件的轨迹数据与地图文件的地图数据叠加，根据场景定义进行预定跟踪对象的轨迹筛选，进行场景切片与标定，生成场景数据文件。
7、优选的是，视频信号的预处理包括对视频信号进行稳像处理、畸变矫正处理。
8、优选的是，对初始轨迹文件的预处理包括移除轨迹片段、边缘未知裁剪、轨迹平滑、轨迹补帧、box归一化、角度平滑处理。
9、优选的是，对预定跟踪对象的矫正处理包括预定跟踪对象识别的类型异常检测、异常类型修正推送、异常类型修改、异常类型删除。
10、优选的是，对轨迹的矫正处理包括非连续轨迹检测、推介可合并轨迹、轨迹异常描述、轨迹删除。
11、优选的是，场景定义包括配置场景参数以及触发条件，进行场景切片时，提取静态场景元素与动态场景元素，与触发条件进行匹配。
12、优选的是，匹配方法包括：
13、s1：抽取一定数量的视频帧图像组成视频帧图像序列，对视频帧图像序列识别预定跟踪对象，组成预定跟踪对象序列，获取预定跟踪对象的中心坐标，将视频帧图像序列中的预定跟踪对象序列根据中心坐标的动态变化进行场景聚类处理，得到各个预定跟踪对象的轨迹片段，预定跟踪对象的一个轨迹片段对应连续的若干数量的视频帧图像；
14、s2：若场景的预定跟踪对象的数量配置为1，则将匹配该场景的预定跟踪对象的轨迹片段对应的连续的若干数量的视频帧图像进行场景切片，并进行场景标定；
15、若场景的预定跟踪对象的数量配置为＞1，则以匹配该场景的一个预定跟踪对象为中心对象，标记该中心对象的中心坐标预设移动阈值范围内的所有预定跟踪对象为虚拟目标对象，取该中心对象的轨迹片段对应连续的若干数量的视频帧图像，若虚拟目标对象在这一视频帧图像匹配该场景，则将这一帧标记为1，否则标记为0，统计各个虚拟目标对象的标记值为1的视频帧数量，超过预设匹配阈值范围的所有虚拟目标对象为确定目标对象，将该中心对象与所有确定目标对象对应该场景的轨迹片段对应的最长的连续的若干数量的视频帧图像进行场景切片，并进行场景标定。
16、优选的是，原始采集的视频信号存储于视频文件库，正式轨迹文件存储于轨迹库，场景数据文件存储于场景库，各个数据库均建立有索引以及映射关系；
17、正式轨迹文件的存储格式主要包括以下数据项：场景数据格式定义、场景参考定义、场景参与者定义、参与者运动帧说明、参与者位置信息说明、参与者速度信息说明、参与者加速度信息说明、参与者类型、场景标签，主要包括以下数据类型：整数、浮点数、字符串、数组、对象，存储格式以json格式规范定义。
18、电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述的方法。
19、存储介质，其上存储有计算机程序，该程序被处理器执行时，实现所述的方法。
20、本专利技术至少包括以下有益效果：
21、本专利技术通过对采集的视频信号进行轨迹提取、轨迹编辑处理，得到正式轨迹文件，通过绘制地图以及场景生成，能够解决自动驾驶场景数据的真实性，解决自动驾驶场景数据准确性，解决自动驾驶危险场景边界定义的准确性，为生成场景数据文件提供良好的数据基础。
22、本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
本文档来自技高网...【技术保护点】
1.基于高空影像构建自动驾驶场景数据方法，其特征在于，包括：
2.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，视频信号的预处理包括对视频信号进行稳像处理、畸变矫正处理。
3.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，对初始轨迹文件的预处理包括移除轨迹片段、边缘未知裁剪、轨迹平滑、轨迹补帧、BOX归一化、角度平滑处理。
4.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，对预定跟踪对象的矫正处理包括预定跟踪对象识别的类型异常检测、异常类型修正推送、异常类型修改、异常类型删除。
5.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，对轨迹的矫正处理包括非连续轨迹检测、推介可合并轨迹、轨迹异常描述、轨迹删除。
6.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，场景定义包括配置场景参数以及触发条件，进行场景切片时，提取静态场景元素与动态场景元素，与触发条件进行匹配。
7.如权利要求6所述的基于高空影像构建自动
8.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，原始采集的视频信号存储于视频文件库，正式轨迹文件存储于轨迹库，场景数据文件存储于场景库，各个数据库均建立有索引以及映射关系；
9.电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1~8任一项所述的方法。
10.存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1~8任一项所述的方法。
...【技术特征摘要】
1.基于高空影像构建自动驾驶场景数据方法，其特征在于，包括：
2.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，视频信号的预处理包括对视频信号进行稳像处理、畸变矫正处理。
3.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，对初始轨迹文件的预处理包括移除轨迹片段、边缘未知裁剪、轨迹平滑、轨迹补帧、box归一化、角度平滑处理。
4.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，对预定跟踪对象的矫正处理包括预定跟踪对象识别的类型异常检测、异常类型修正推送、异常类型修改、异常类型删除。
5.如权利要求1所述的基于高空影像构建自动驾驶场景数据方法，其特征在于，对轨迹的矫正处理包括非连续轨迹检测、推介可合并轨迹、轨迹异常描述、轨迹删除。
6.如权利要求1所述的基于高空影像构建自动驾驶场景数...
【专利技术属性】
技术研发人员：陆志敏，
申请(专利权)人：北京智能车联产业创新中心有限公司，
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。