[發(fā)明專利]一種軌跡去重方法、裝置及存儲介質

有效

• 申請?zhí)枺?/td>: 201910736609.8
• 申請日: 2019-08-09
• 公開（公告）號: CN110443319B
• 公開（公告）日: 2021-10-29
• 發(fā)明（設計）人: 秦峰;尹玉成;石滌文;胡丹丹;羅躍軍
• 申請（專利權）人: 武漢中海庭數據技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 嚴超

本發(fā)明提供一種軌跡去重方法、裝置及存儲介質。該方法包括：獲取到原始軌跡后，對所述原始軌跡分段，并將分段軌跡繪制成相同樣式的軌跡圖片；對所述軌跡圖片疊加，通過深度學習模型判斷疊加后的軌跡圖片為重復軌跡，則去除重復軌跡；對所有的軌跡分段等距抽樣，當部分連續(xù)重復樣本點與分段樣本點比例大于預設閾值，則將所述部分連續(xù)重復樣本點對應的重復軌跡刪除。通過該方案解決基于重復率去重過程中，存在誤判誤刪且去重效率低的問題，可以有效提高去重效率，同時能避免對重復軌跡誤判，保障去重的準確性。

技術領域

本發(fā)明涉及信息技術領域，尤其涉及一種軌跡去重方法、裝置及存儲介質。

背景技術

在自動駕駛領域，為準確控制車輛的行駛，常需要繪制高精度地圖，而高精度地圖的繪制離不開眾包數據的采集、上傳。在眾包數據中一般包含有采集車輛的行駛軌跡，由于采集車輛眾多，對于同一道路，往往可能存在軌跡重復，若對所有軌跡都進行后期分析優(yōu)化處理，顯然會進行大量重復且無意義的工作。

對于重復的軌跡數據，目前，只進行簡單的數據比對，當重復率達到一定比例則認定為軌跡重復。此種方法對于數據龐大的眾包數據，不僅效率較低，而且可能會誤刪相似的軌跡，去重準確率難以保障。

故而，有必要提出一種既能提高去重效率，同時降低的誤刪率的去重方法。

發(fā)明內容

有鑒于此，本發(fā)明實施例提供了一種軌跡去重方法、裝置及存儲介質，以解決直接軌跡數據比對，根據重復率進行軌跡去重存在去重效率不高，且可能存在誤刪的問題。

在本發(fā)明實施例的第一方面，提供了一種軌跡去重方法，包括：

獲取到原始軌跡后，對所述原始軌跡分段，并將分段軌跡繪制成相同樣式的軌跡圖片；

對所述軌跡圖片疊加，通過深度學習模型判斷疊加后的軌跡圖片為重復軌跡，則去除重復軌跡；

對所有的軌跡分段等距抽樣，當部分連續(xù)重復樣本點與分段樣本點比例大于預設閾值，則將所述部分連續(xù)重復樣本點對應的重復軌跡刪除。

在本發(fā)明實施例的第二方面，提供了一種軌跡去重裝置，包括：

分段模塊，用于獲取到原始軌跡后，對所述原始軌跡分段，并將分段軌跡繪制成相同樣式的軌跡圖片；

第一去重模塊，用于對所述軌跡圖片疊加，通過深度學習模型判斷疊加后的軌跡圖片為重復軌跡，則去除重復軌跡；

第二去重模塊，用于對所有的軌跡分段等距抽樣，當部分連續(xù)重復樣本點與分段樣本點比例大于預設閾值，則將所述部分連續(xù)重復樣本點對應的重復軌跡刪除。

在本發(fā)明實施例的第三方面，提供了一種裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現如本發(fā)明實施例第一方面所述方法的步驟。

在本發(fā)明實施例的第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現本發(fā)明實施例第一方面提供的所述方法的步驟。

本發(fā)明實施例的第五方面，提供了一種計算機程序產品，所述計算機程序產品包括計算機程序，所述計算機程序被一個或多個處理器執(zhí)行時實現本發(fā)明實施例第一方面提供的所述方法的步驟。

本發(fā)明實施例中，對于軌跡分段后繪制軌跡圖片，然后對軌跡圖片疊加，基于深度學習模型判斷分段軌跡重復后去除分段重復的軌跡，對于分段軌跡中部分重復的軌跡，通過等距采樣判斷連續(xù)重復部分是否超過閾值，超過則去除部分連續(xù)重復軌跡，解決了直接根據軌跡重復率判斷是否重復過程，存在效率不高，且可能誤判誤刪的問題，通過深度學習模型可以有效提高重復檢測效率，通過分段等距采樣,可以檢測出部分軌跡重復，準確判定重復的連續(xù)軌跡，避免粗略根據重復率去重，降低誤刪可能性，保障軌跡去重的可靠性。

附圖說明