车辆跟随的目标轨迹识别方法与流程

本发明涉及图像及数据处理领域，尤其涉及一种车辆跟随的目标轨迹识别方法。

背景技术：

随着经济的发展以及人工智能技术的崛起，自动驾驶技术也越来越受市场的青睐。将自动驾驶技术应用在清洁领域时，产生自动清扫设备。

现有技术中，自动清扫设备通过自身的多个传感器组合，经过一系列复杂的算法，获取前方的移动物的轨迹。这种方式存在着运算量大、计算效率低等缺陷。

技术实现要素：

本发明实施例的目的是提供一种车辆跟随的目标轨迹识别方法，以解决现有技术中存在的问题。

为解决上述问题，本发明提供了一种车辆跟随的目标轨迹识别方法，所述方法包括：

获取车辆的位置信息；

根据所述车辆的位置信息，获取地图数据；

在预设时长内，获取车辆所跟随的跟随目标的多帧图像信息；每帧所述图像信息包括获取所述图像信息时的时间信息；

根据所述时间信息，对所述多帧图像信息和所述地图数据进行拟合处理，得到和每个所述时间信息对应的所述跟随目标的位置信息；

对所述跟随目标的多个位置信息进行拼接，得到所述跟随目标的目标轨迹。

优选的，所述在预设时长内，获取车辆所跟随的跟随目标的多帧图像信息之前，所述方法还包括：

通过第一采集装置采集所述跟随目标的视频信息；

对所述视频信息进行处理，得到所述跟随目标的图像信息。

优选的，所述方法还包括：

通过第二采集装置采集所述跟随目标的环境感知数据；

对所述环境感知数据进行处理，生成激光点云数据；

根据所述激光点云数据，对所述图像信息进行修正。

优选的，所述根据所述时间信息，对所述多帧图像信息和所述地图数据进行拟合处理，得到和每个所述时间信息对应的所述跟随目标的位置信息，具体包括：

对每帧所述图像信息进行处理，获取每帧所述图像信息中的环境数据；

将所述环境数据和所述地图数据进行拟合，当所述环境数据和所述地图数据重合时，确定所述环境数据在所述地图数据中的位置；

根据所述位置，确定每帧图像对应的所述跟随目标的位置信息。

优选的，所述对所述跟随目标的多个位置信息进行拼接，得到所述跟随目标的目标轨迹，具体包括：

按照所述时间信息，对每个所述跟随目标的位置信息进行排序；

根据排序结果，进行拼接，得到所述跟随目标的目标轨迹。

优选的，所述方法还包括：

获取所述车辆与所述跟随目标之间的距离；

当所述距离不小于预设的距离阈值时，生成第一警告信息；

通过车辆的音频播放单元，播放所述第一警告信息。

优选的，所述方法之后还包括：

当所述距离不小于预设的距离阈值时，生成第二警告信息；所述第二警告信息包括跟随目标的预计等待时长；

将所述第二警告信息发送给所述跟随目标，以使所述跟随目标根据所述预计等待时长进行等待。

优选的，分别获取不小于预设的距离阈值的前一时刻以及不小于预设的距离阈值时，跟随目标的图像信息；

对所述不小于预设的距离阈值的前一时刻以及不小于预设的距离阈值时的图像信息进行处理，确定跟随目标的速度信息；

根据所述跟随目标的速度信息、车辆的速度信息以及安全距离，计算预计等待时长。

优选的，当第一采集装置为双目摄像头时，通过所述双目摄像头的参数和每帧所述图像信息，计算所述车辆与所述跟随目标之间的距离。

优选的，通过第三采集装置采集的超声波数据，计算所述车辆与所述跟随目标之间的距离。

通过应用本发明提供的车辆跟随的目标轨迹识别方法，获取车辆的位置信息；根据所述车辆的位置信息，获取地图数据；在预设时长内，获取车辆所跟随的跟随目标的多帧图像信息；每帧所述图像信息包括获取所述图像信息时的时间信息；根据所述时间信息，对所述多帧图像信息和所述地图数据进行拟合处理，得到和每个所述时间信息对应的所述跟随目标的位置信息；对所述跟随目标的多个位置信息进行拼接，得到所述跟随目标的目标轨迹。由此，节省了获取轨迹的时间，提高了轨迹获取的效率。

附图说明

图1为本发明实施例提供的车辆跟随的目标轨迹识别方法流程示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

在应用本发明提供的方法之前，先要确定跟随目标，关于如何确定跟随目标，可以通过图像特征比对的方法，比如，当将该方法应用在嫌疑跟踪时，在车辆的存储器中，存储有嫌疑车牌号、嫌疑人员的面部特征、嫌疑人员的图像信息，车辆将采集到的图像信息与预存的车牌号或面部特征进行匹配，当匹配度大于某个数值时，再通过服务器二次匹配，以进行确认，当被确认为嫌疑对象时，对其进行跟随。当将该方法应用在清洁领域时，可以在车辆的存储器中存储有清洁人员的特征，或者预先将清洁人员携带的终端的id与车辆的id进行绑定，通过服务器交互后，确定跟随目标。

图1为本发明实施例提供的车辆跟随的目标轨迹识别方法流程示意图。该方法应用在自动驾驶车辆中，尤其是自动驾驶的清洁车中，清洁车可以得到跟随目标的目标轨迹，并根据该目标轨迹进行相应的处理，比如跟随等。该方法的执行主体可以是自动驾驶车辆的控制单元。车辆控制单元可以理解为用于控制车辆行驶的控制模块。如图1所示，该方法包括以下步骤：

步骤101，获取车辆的位置信息。

具体的，可以通过车辆上的定位模块，比如全球定位系统(globalpositioningsystem，gps)获取车辆自身的位置信息。也可以通过向服务器发送查询消息，解析服务器发送的携带位置信息的响应消息后，得到车辆自身的位置信息。

步骤102，根据车辆的位置信息，获取地图数据。

具体的，当车辆处于某一位置时，可以根据所处的位置的位置信息，加载该位置的地图，比如，车辆处于a街道，此时车辆的位置信息的经纬度数据是已知的，可以将该a街道的上一级单位，a市的地图，进行加载，也可以按照该经纬度数据，加载经纬度处于某一范围时所对应的地图数据。至于如何加载，可以是从服务器下载，也可以是车辆提前加载，本申请对此并不限定。

步骤103，在预设时长内，获取车辆所跟随的跟随目标的多帧图像信息。

其中，根据跟随场景的不同，跟随目标也不同。当将该方法应用在清洁领域时，该跟随目标可以是清洁工人或者清洁车，当将该方法应用在疑犯追踪时，该跟随目标可以是嫌疑人员或者嫌疑车辆。

预设时长，可以是10分钟，在10分钟内，获取到多帧图像信息。每帧图像信息包括获取图像信息时的时间信息。

具体的，车辆上具有第一采集装置，用以采集跟随目标的视频信息。该第一采集装置可以是摄像头，后续为了计算车辆与跟随目标之间的距离，摄像头可以是双目摄像头。

双目摄像头可以对采集的视频数据进行处理，提取视频帧，从而从视频帧中提取出图像信息。

进一步的，车辆上，除了第一采集装置外，还存在其它采集装置，比如第二采集装置，第二采集装置可以是激光雷达。可以通过激光雷达的数据，修正图像信息。

具体的，对环境感知数据进行处理，生成激光点云数据；

根据激光点云数据，对图像信息进行修正。

其中，此处的修正，也可以看作是融合处理。融合处理，比如可以是采用细节增强算法，进行细节增强。

步骤104，根据时间信息，对多帧图像信息和地图数据进行拟合处理，得到和每个时间信息对应的跟随目标的位置信息。

具体的，当跟随目标由于某些原因，不能与车辆交互位置信息时，可以通过对采集到的图像信息进行处理，来获取跟随目标的位置信息。可以通过下列步骤来获取位置信息。

首先，对每帧图像信息进行处理，获取每帧图像信息中的环境数据。

然后，将环境数据和地图数据进行拟合，当环境数据和地图数据重合时，确定环境数据在地图数据中的位置。

最后，根据位置，确定每帧图像对应的跟随目标的位置信息。

其中，图像信息中包括环境数据，比如建筑物标识、交通标识、道路标识等。

将环境数据和地图数据进行拟合后，可以对两者中的相同特征，比如障碍物，进行综合处理，计算出跟随目标的位置信息。

此处的障碍物信息，可以是固定障碍物，比如地图上的建筑物、固定交通标志(比如，用于固定交通灯的杆)、固定物体(比如，静止的车辆、行人、路沿)。这些障碍物信息，可以通过图像信息和地图数据，直接得到。

步骤105，对跟随目标的多个位置信息进行拼接，得到跟随目标的目标轨迹。

具体的，可以按照时间信息，对每个跟随目标的位置信息进行排序；根据排序结果，进行拼接，得到跟随目标的目标轨迹。

比如，采集到的位置信息包括1、2、3、4、5，对应的时间信息为10：51、10：52、10：54、10：53和10：55，则对这几个位置信息排序为1、2、4、3、5，对其进行拼接，可以得到目标轨迹。

进一步的，在生成目标轨迹之前，为了提高位置信息的准确性，还可以利用第二采集装置的环境感知数据，对确定的跟随目标的位置信息进行修正。

具体的，感知模块可以是车辆上安装的激光雷达，在车辆行驶过程中，周围的障碍物信息，比如车道线、移动的障碍物等，变化的交通信号灯，结合上述的障碍物信息和此处行驶过程中感知的障碍物信息，融合处理后，可以得到最终的障碍物信息，称为目标障碍物信息。

根据目标障碍物信息，对拼接的轨迹中，和目标障碍物重合的轨迹进行修正，从而生成目标轨迹。

进一步的，步骤105之后，还包括：获取车辆与跟随目标之间的距离；

当距离不小于预设的距离阈值时，生成第一警告信息；

通过车辆的音频播放单元，播放第一警告信息。

具体的，当车辆与跟随目标的距离过大，超过距离阈值时，在计算出距离后，生成控制信号，该控制信号可以控制音频播放单元播放第一警告信息。第一警告信息可以是语言播报，也可以是某种特定的声音。

在一个例子中，当第一采集装置为双目摄像头时，通过双目摄像头的参数和每帧图像信息，计算车辆与跟随目标之间的距离。其中，可以利用双目摄像头的双目测距原理，计算车辆与跟随目标之间的距离。

在另一个例子中，通过第三采集装置采集的超声波数据，计算车辆与跟随目标之间的距离。其中，第三采集装置为超声波雷达，可以利用超声测距，计算车辆与跟随目标之间的距离。

进一步的，方法之后还包括：

当距离不小于预设的距离阈值时，生成第二警告信息；第二警告信息包括跟随目标的预计等待时长；

将第二警告信息发送给跟随目标，以使跟随目标根据预计等待时长进行等待。

具体的，当跟随目标为清洁车辆或者清洁工时，如果跟随目标与车辆的距离超出距离阈值，车辆可以生成第二警告信息，第二警告信息可以包括预计等待时长。

其中，车辆可以根据超出距离阈值以及前一时刻采集的图像信息，计算出跟随目标的位置信息和速度信息，并根据速度信息、自身的速度信息以及车辆行驶时的安全距离，计算跟随目标的预计等待时长。

通过应用本发明实施例提供的车辆跟随的目标轨迹识别方法，可以直接通过图像信息，获取到跟随目标的轨迹，节省了获取轨迹的时间，提高了轨迹获取的效率。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。