【技术实现步骤摘要】
本申请涉及人工智能领域，更具体地，涉及一种移动设备轨迹的还原方法。
技术介绍
1、随着无人驾驶技术的应用，无人驾驶和人工驾驶的移动设备之间存在大量交互需求和道路资源冲突问题，尤其在道路网络密集、移动设备密集及采样数据丰富的封闭园区(例如，车间、码头和工业园区)中，上述交互需求和道路资源冲突问题更为普遍。通过精确还原移动设备轨迹，以确定移动设备的当前移动状态和可能的移动路线，是无人驾驶技术应用的重要前提。
2、现有移动设备轨迹的还原方法通常基于卫星定位(例如，gps和北斗卫星定位系统)或摄像头定位(例如，视觉测量和车路协同系统)的采样数据，根据采样点与道路的距离计算发射概率，根据道路网络结构计算状态转移概率，并使用隐马尔可夫模型计算匹配道路网络的还原轨迹。一般地，卫星定位受限于定位精度和信号干扰，不可避免的存在定位误差，甚至可能出现因为信号丢失导致的长时间定位数据缺失；摄像头定位受限于摄像头的视野覆盖范围，同样可能出现长时间定位数据缺失。
3、现有移动设备轨迹的还原方法中，一方面，由于不同采样数据源的特性不同，无法...
【技术保护点】
1.一种移动设备轨迹的还原方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的移动设备轨迹的还原方法，其特征在于，所述定位采样数据来自多个采样数据源，至少包括采样点的经度和纬度数据、采样时间数据和采样数据源的信息，其中，所述采样数据源是GPS、车路协同或作业记录中一项。
3.根据权利要求1所述的移动设备轨迹的还原方法，其特征在于，该方法还包括：
4.根据权利要求3所述的移动设备轨迹的还原方法，其特征在于，判断采样点集序列是否为连续序列以及分割采样点集序列的规则包括：
5.根据权利要求3所述的移动设备轨迹的还原...
【技术特征摘要】
1.一种移动设备轨迹的还原方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的移动设备轨迹的还原方法，其特征在于，所述定位采样数据来自多个采样数据源，至少包括采样点的经度和纬度数据、采样时间数据和采样数据源的信息，其中，所述采样数据源是gps、车路协同或作业记录中一项。
3.根据权利要求1所述的移动设备轨迹的还原方法，其特征在于，该方法还包括：
4.根据权利要求3所述的移动设备轨迹的还原方法，其特征在于，判断采样点集序列是否为连续序列以及分割采样点集序列的规则包括：
5.根据权利要求3所述的移动设备轨迹的还原方法，其特征在于，当所述采样点集序列分割为多个连续序列时，在所还原出的多段还原轨迹之间，使用最短路径算法补充还原点。
6.根据权利要求1所述的移动设备轨迹的还原方法，其特征在于，针对每个采...
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。