路径融合方法、装置及电子设备与流程

1.本说明书涉及计算机技术领域，尤其涉及一种路径融合方法、装置及电子设备。


背景技术：

2.基于感知数据进行全路径移动路径重建，是感知技术辅助还原感知对象的完整移动路径的关键技术手段。例如在高速路网中，每隔一段距离均设置感知设备，例如探测雷达、摄像头等，用于感知路网上的行驶车辆。这些感知设备可以实现对路网车辆的全程感知，基于这些感知设备的感知数据进行车辆全路径行驶路径重建，可以还原车辆在路网上的完整行驶路径。
3.对于大面积或长距离的感知区域，只能通过多个感知设备接力或互补的方式实现完整感知。同时，任一感知设备的感知对象都不仅限于一个感知对象，在其感知范围内出现的所有对象都被其感知。此时，如何对不同感知设备的感知数据进行融合得到任一感知对象的全路径移动路径，成为了全路径移动路径重建所面临的巨大难题。
4.例如在高速路网上同一时间可能有多辆车驶入感知设备的感知区域，此时，当对路网全线所有的感知设备感知到的车辆行驶路径进行融合或拼接时，通常无法有效地将不同感知设备感知到的同一车辆的行驶路径融合为全路径行驶路径。


技术实现要素：

5.基于上述技术现状，本说明书提出一种路径融合方法、装置、电子设备及存储介质，能够有效地将不同感知设备感知到的同一车辆的行驶路径融合为全路径行驶路径。
6.本说明书第一方面提供了另一种路径融合方法，包括：将同一线路上相邻点位感知设备各自监测到的感知对象感知数据，与感知对象所在线路的位置数据进行映射匹配，确定同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征；根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径。
7.在第一方面的一种实现方式中，根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径，包括：根据同一线路上相邻点位感知设备在目标感知区域各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径；其中，上述目标感知区域为第一点位感知设备与第二点位感知设备的重叠感知区域。
8.本说明书第二方面提供了一种路径融合方法，该路径融合方法包括：将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征，上述第一点位感知设备和第二点位感知设备是在同一路线上的相邻点位设置的
感知设备；根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
9.在第二方面的一种实现方式中，将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征，包括：将第一点位感知设备在目标感知区域采集的车辆感知数据，以及第二点位感知设备在该目标感知区域采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备在该目标感知区域监测到的各个车辆的行驶路径特征，以及第二点位感知设备在该目标感知区域监测到的各个车辆的行驶路径特征。上述的目标感知区域包括第一点位感知设备与第二点位感知设备的重叠感知区域。
10.在第二方面的一种实现方式中，车辆的行驶路径特征，包括车辆位置、行驶车道、行驶速度和车辆属性中的至少一项；上述的车辆属性，包括车型、车身颜色和车身长度中的至少一项，且必然包括车辆位置。
11.在第二方面的一种实现方式中，若任一感知设备在上述目标感知区域内存在感知盲区，则根据该感知设备在该感知盲区之外监测到的车辆的感知数据，预测得到该车辆在该感知盲区的感知数据。
12.在第二方面的一种实现方式中，根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径，包括：根据各个车辆的行驶路径特征，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度；根据一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
13.在第二方面的一种实现方式中，车辆的行驶路径特征，包括车辆位置、行驶车道、行驶速度和车辆属性中的至少一项，且必然包括车辆位置；根据各个车辆的行驶路径特征，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度，包括：按照为各项行驶路径特征预设的权重，对各个车辆的各项行驶路径特征进行加权求和计算，得到各个车辆的行驶路径的特征值；根据各个车辆的行驶路径的特征值，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度。
14.在第二方面的一种实现方式中，该路径融合方法还包括：根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置，对该目标车辆的融合行驶路径进行平滑处理。
15.在第二方面的一种实现方式中，以目标车辆的在路网上的行驶方向为路网的前向，第一点位感知设备位于第二点位感知设备的后方；上述的根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置，对目标车辆的融合行驶路径进
行平滑处理，包括：确定第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置关系；若第一点位感知设备监测到的该目标车辆的位置位于第二点位感知设备监测到的该目标车辆的位置的前方，则对第一点位感知设备监测到的该目标车辆的行驶路径进行t型减速处理；若第一点位感知设备监测到的该目标车辆的位置位于第二点位感知设备监测到的该目标车辆的位置的后方，则对第一点位感知设备监测到的该目标车辆的行驶路径进行t型加速处理。
16.在第二方面的一种实现方式中，该路径融合方法还包括：从车辆图像中提取得到车辆属性信息，该车辆图像为车辆经过设置于车辆行驶路网上的图像采集设备时，由该图像采集设备对该车辆进行拍摄得到的图像；将提取得到的车辆属性信息与车辆融合行驶路径进行数据融合，得到包含车辆属性信息的车辆融合行驶路径。
17.在第二方面的一种实现方式中，将提取得到的车辆属性信息与车辆融合行驶路径进行数据融合，得到包含车辆属性信息的车辆融合行驶路径，包括：确定车辆图像的图像拍摄位置和图像拍摄时刻；将上述图像拍摄位置与路网的位置数据进行映射匹配，确定图像拍摄位置在路网的车道位置；将上述车辆属性信息，与在上述图像拍摄时刻经过上述车道位置的车辆的融合行驶路径进行数据融合，得到该车辆的包含车辆属性信息的车辆融合行驶路径。
18.本说明书第三方面提供了一种路径融合装置，包括：路径融合处理单元，用于根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径；其中，感知对象移动路径的路径特征，通过将感知设备采集的感知对象感知数据与感知对象所在线路的位置数据进行映射匹配而确定。
19.本说明书第四方面提供了另一种路径融合装置，包括：特征提取单元，用于将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征；其中，第一点位感知设备和第二点位感知设备是在同一路线上的相邻点位设置的感知设备；路径融合单元，用于根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
20.本说明书第五方面提供了一种电子设备，该电子设备包括存储器和处理器。所述存储器与所述处理器连接，用于存储程序。所述处理器用于通过运行所述存储器中的程序，实现上述的任意一种路径融合方法。
21.本说明书第六方面提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现上述的任意一种实现方式中的路径融合方法。
22.本说明书提出的路径融合方法，能够将感知设备监测到的车辆感知数据映射到高精路网中，从而确定车辆行驶路径的行驶路径特征，在此基础上，根据同一线路上相邻点位感知设备各自监测到的各个车辆的行驶路径特征，对相邻点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。上述方案将同一线路上的不同感知设备监测的车辆行驶路径统一映射到该线路的高精路网上，从而基于该高精路网得到
不同车辆行驶路径的路径特征，实现了车辆行驶路径特征的统一。进一步的，根据车辆行驶路径的路径特征对来自不同感知设备的车辆行驶路径进行匹配融合，能够准确度量不同感知设备监测的车辆行驶路径的相似性，从而提高车辆行驶路径匹配融合的准确度，有效地将不同感知设备监测的同一车辆的行驶路径融合起来，得到其全路径行驶路径。
23.另外，通过将车辆感知数据与位置数据进行映射匹配，进而基于映射结果进行车辆行驶路径融合，可以提高车辆行驶路径的数据精度，可以将车辆行驶路径精度精确到车道级，得到车辆的车道级全路径行驶路径。
附图说明
24.图1为本说明书实施例提供的高速路网行车感知场景示意图；
25.图2为本说明书实施例提供的一种路径融合方法的流程示意图；
26.图3为本说明书实施例提供的相邻感知设备的感知范围分布示意图；
27.图4为本说明书实施例提供的相邻感知设备的另一种感知范围分布示意图；
28.图5为本说明书实施例提供的另一种路径融合方法的流程示意图；
29.图6为本说明书实施例提供的一种路径融合装置的结构示意图；
30.图7为本说明书实施例提供的另一种路径融合装置的结构示意图；
31.图8为本说明书实施例提供的一种电子设备的结构示意图。
具体实施方式
32.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
33.本说明书实施例提供的路径融合方法、装置、电子设备及存储介质，可以适用于多个感知设备相互配合以对目标感知区域进行完整覆盖感知的应用场景，在该应用场景中，通过执行本说明书实施例技术方案，能够实现对目标感知区域内的各个感知设备的感知数据进行融合，从而得到被各个感知设备感知的任一感知对象在该目标感知区域内的全路径移动路径。
34.示例性的，在上述的应用场景中，多个感知设备分别通过有线网络或无线网络与数据处理设备建立连接，由数据处理设备统一接收各个感知设备的感知数据，进行数据存储和处理。该数据处理设备，可以是服务器、计算机、处理器、智能终端等。本说明书实施例的技术方案可应用于与各个感知设备连接的数据处理设备，通过对各个感知设备采集的感知数据进行处理，实现感知对象的全路径移动路径重建。
35.上述的应用场景，具体可以是城市街道感知场景，或者是园区感知场景、楼宇感知场景等，在这些感知场景中，由于区域结构复杂或感知区域面积较大，需要在不同位置布置多个不同朝向的感知设备进行全覆盖感知。根据具体应用场景的不同，可以分别实现对人、车等感知对象的感知，进而通过执行本说明书实施例技术方案，实现对行人、车辆等感知对象的全路径移动路径重建。
36.图1为本说明书实施例技术方案所适用的一种应用场景的示意图。该示意图展示
的是高速路网上的行车感知场景。在高速路网的沿线，每隔一段距离设置一个或多个感知设备(如图1中的a点位感知设备、b点位感知设备、c点位感知设备)，用于对路面行驶车辆进行感知。同时，各个感知设备分别与服务器联网，由服务器统一汇总各个感知设备的感知数据并进行存储、处理等。其中，每一个设置感知设备的位置，作为一个感知点位，在每个感知点位设置的感知设备，包括但不限于是雷达感知设备、图像感知设备等。为了实现对路网全程的全覆盖感知，应当尽量保证相邻点位的感知设备的感知范围存在重叠。
37.如图1所示，当车辆在上述的行车感知场景中沿高速路网行驶时，依次驶过各个感知点位，各个感知点位的感知设备分别感知到该车辆在其感知范围内的行驶路径。并且，各个点位的感知设备将各自的感知数据上传至服务器。
38.基于图1所示的行车感知场景，在服务器侧，通过执行本说明书实施例技术方案，对路网沿线各个点位的感知设备的感知数据进行处理，从而实现对各个感知设备采集的车辆行驶路径的有效融合，得到车辆在高速路网的全链路行驶路径。
39.下面，至少结合图1所示的行车感知场景，对本说明书实施例技术方案进行示例性介绍。可以理解的是，本说明书实施例技术方案并不限于只能够应用于图1所示的行车感知场景，在其他的基于多个感知设备的感知场景中，均可以参照本说明书实施例介绍，通过执行本说明书实施例技术方案，实现对感知对象移动路径的融合，得到感知对象的全路径移动路径。
40.本说明书实施例提出一种路径融合方法，该方法可用于对感知范围存在重叠的感知设备监测到的感知对象移动路径进行匹配融合，从而得到融合的感知对象移动路径。进一步的，针对由多个感知设备组合覆盖的感知区域，通过执行本说明书实施例提出的路径融合方法，对每两个相邻的存在重叠感知范围的感知设备监测到的感知对象移动路径进行匹配融合，即可得到感知对象在整个感知区域内的全路径移动路径。
41.该路径融合方法，包括：
42.首先，将同一线路上相邻点位感知设备各自监测到的感知对象感知数据，与感知对象所在线路的位置数据进行映射匹配，确定同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征。例如，该位置数据可以为高精地图数据。
43.然后，根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径。
44.上述的线路，是指感知对象移动经过的线路。例如车辆行驶所经过的路网线路、人员行走所经过的街道线路等。
45.在感知对象移动线路的沿线，每隔一段距离设置一感知点位，在每一感知点位，分别设置感知设备例如激光雷达(毫米波雷达、激光雷达等)、摄像头(高清摄像头、红外摄像头等)等，用于采集感知对象的移动路径信息，得到感知对象感知数据。该感知对象感知数据，包括但不限于是感知对象所在位置、感知对象的移动速度、移动路径等。
46.感知对象的移动速度，以及感知对象的移动路径，均可以通过感知对象所在位置计算得到。例如，将感知对象在各个时刻的位置组成位置序列，即可作为感知对象的移动路径；根据感知对象在各个时刻的位置以及位置变化对应的时长，可计算得到移动对象在该位置变化期间的移动速度。
47.上述的感知对象所在线路的高精路网，是指包含感知对象移动经过的线路的高精度的路网。该高精路网相对于普通路网对路网场景展示的精度更高，例如可以精确展示路网的车道、路段、路口及其上下游关系构成的路网拓扑结构，基于该位置数据，可以确定路网中任意车道、路段、路口的位置和相对位置信息。例如在高精地图中，能够精确地定位到任意道路的各个车道、路段、路口等。
48.对于同一线路上的相邻点位感知设备各自监测到的感知对象移动路径，本说明书实施例将其与该线路的位置数据进行映射匹配，从而得到更加丰富的移动路径位置信息，例如移动路径所在车道编号、与移动路径距离最近的车道线、移动路径距离车道中线的距离等，并将这些更加丰富的移动路径位置信息，作为感知对象移动路径的路径特征。
49.将感知对象移动路径与位置数据进行映射匹配，主要是根据感知对象移动路径的经纬度坐标，以及高精路网中的车道、路段、路口等位置的经纬度坐标，将该移动路径的经纬度坐标映射到高精路网中的相应经纬度坐标，然后根据移动路径在高精路网的映射结果，获取映射路径在高精路网上所处的车道编号、与移动路径距离最近的车道线、移动路径距离车道中线的距离等。
50.可以理解，对于某一点位的感知设备而言，其监测到的感知对象的移动路径，可能是基于其自身坐标系而确定的移动路径。因此，不同点位感知设备所监测到的同一感知对象的移动路径，可能是不同坐标系下的移动路径，或者，不同点位感知设备的监测精度和准确度不同，从而导致两者监测的移动路径不具有可比性和融合基础。另外，不同点位感知设备对感知对象的监测视角不同，所得到的感知数据的视角、内容等均可能不同，从而导致基于不同的感知数据得到的感知对象移动路径的差异也可能较大，因而也不具有可比性和融合基础。
51.本说明书实施例将同一路网上的相邻点位感知设备各自监测到的感知对象移动路径与该路网的位置数据进行映射匹配，即实现了将来自不同感知设备的感知数据统一映射到高精路网中，利用移动路径在高精路网上的位置信息作为移动路径的路径特征。由于任意感知设备监测得到的移动路径的路径特征均是来自于同一高精路网，因而能够保证路径特征的维度、坐标系等均是统一的，从而保证了不同移动路径的路径特征之间具有可比性，使得不同移动路径具有了融合基础。
52.另一方面，将感知对象的移动路径与路网的位置数据进行映射匹配，使得感知对象的移动路径的数据精度更高，例如可以精确到车道级，或者精确到更细的测量单位，比如精确到米单位级别。对感知对象的高精度的移动路径进行融合处理，能够得到感知对象的更高精度的全路径移动路径，例如得到车道级全路径移动路径、米级的全路径移动路径等。
53.基于同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，本说明书实施例将相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径。
54.其中，相邻点位感知设备的感知范围邻接或者存在重叠，理论上，感知对象从相邻点位感知设备中的一个感知设备的感知范围移出的同时，能够进入相邻的另一个感知设备的感知范围。因此，对相邻点位感知设备各自监测到的感知对象移动路径进行融合，符合感知对象的实际移动情况。
55.在对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理时，先
对相邻点位感知设备监测到的各个感知对象移动路径的路径特征进行比对，确定相邻点位感知设备监测到的感知对象移动路径的路径特征是否相同或相似度大于设定的相似度阈值，若相同或相似度大于设定的相似度阈值，则将移动路径拼接、融合，得到融合的移动路径。
56.例如，假设a点位感知设备和b点位感知设备是相邻点位感知设备，a点位感知设备监测到了移动路径a1、a2、a3，b点位感知设备监测到移动路径b1、b2、b3。经过与位置数据进行映射匹配，分别确定了a1、a2、a3、b1、b2、b3的路径特征。通过将a1、a2、a3、b1、b2、b3的路径特征进行对比匹配确定，a1的路径特征与b1的路径特征的相似度大于相似度阈值，a2的路径特征与b3的路径特征的相似度大于相似度阈值，a3的路径特征与b2的路径特征的相似度大于相似度阈值，则可以确定a1与b1是对应同一感知对象的移动路径，因此将移动路径a1与移动路径b1进行拼接融合，得到该感知对象的融合的移动路径；a2与b3是对应同一感知对象的移动路径，因此将移动路径a2与移动路径b3进行拼接融合，得到该感知对象的融合的移动路径；a3与b2是对应同一感知对象的移动路径，因此将移动路径a3与移动路径b2进行拼接融合，得到该感知对象的融合的移动路径。
57.通过上述介绍可见，本说明书实施例提出的路径融合方法，能够将感知设备监测到的感知对象移动路径映射到高精路网中，从而确定感知对象移动路径的路径特征，在此基础上，根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径。上述方案将同一线路上的不同感知设备监测的移动路径统一映射到该线路的高精路网上，从而基于该高精路网得到不同移动路径的路径特征，实现了移动路径特征的统一。进一步的，根据移动路径的路径特征对来自不同感知设备的感知对象移动路径进行匹配融合，能够准确度量不同感知设备监测的感知对象移动路径的相似性，从而提高移动路径匹配融合的准确度，有效地将不同感知设备监测的感知对象移动路径融合起来，得到其全路径移动路径。
58.为了更加形象、具体地介绍本说明书实施例提出的路径融合方法的具体处理过程，下面结合图1所示的应用场景，以高速路网上的行驶车辆作为上述的感知对象，以同一高速路网作为上述的同一线路，以车辆行驶路径作为上述的感知对象移动路径，通过介绍对不同点位感知设备监测的车辆行驶路径进行融合的处理过程，对上述的路径融合方法进行更为具体的介绍。
59.参见图1所示的行车感知场景，假设车辆沿高速路网从左向右行驶，其依次经过高速路网沿线设置的a点位感知设备、b点位感知设备和c点位感知设备，后续还会经过路网沿线的其他点位的感知设备。以其中两个相邻点位感知设备为例，假设以a点位感知设备作为第一点位感知设备，以b点位感知设备作为第二点位感知设备，示例性地介绍本说明书实施例提出的路径融合方法对这两个相邻点位感知设备各自监测到的车辆行驶路径进行路径融合的处理过程。可以理解的是，对于整条高速路网上的每两个相邻点位感知设备来说，例如对于b点位感知设备和c点位感知设备、以及c点位感知设备和下一个相邻点位感知设备来说，均可以参照本说明书实施例介绍的路径融合方法，实现车辆行驶路径的融合，从而得到车辆沿高速路网行驶的全路径行驶路径。
60.参见图2所示，本说明书实施例提出的路径融合方法，包括：
61.s201、将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征。
62.其中，上述的第一点位和第二点位是同一路线上的相邻感知设备设置点位，因此，上述的第一点位感知设备和第二点位感知设备是在同一线路上的相邻点位设置的感知设备。
63.如图1中所示，a点位感知设备作为第一点位感知设备，b点位感知设备作为第二点位感知设备，第一点位感知设备和第二点位感知设备是位于同一线路上的相邻的感知设备设置点位。
64.上述的第一点位和第二点位的感知设备，包括但不限于是毫米波雷达、激光雷达、高清摄像头等。
65.相应的，第一点位感知设备和第二点位感知设备采集的车辆感知数据，可以是雷达感知数据，例如车辆速度、车辆经纬度等，还可以是车辆高清图像。
66.当任意点位感知设备同时包括雷达感知设备和摄像头时，对雷达感知设备采集的雷达感知数据，以及摄像头采集的图像数据进行数据融合处理，得到的融合数据作为该点位感知设备采集的车辆感知数据。
67.上述的车辆感知数据，根据感知设备的类型不同，具体可以包括但不限于是车辆的行驶速度、车辆位置的经纬度序列、车身颜色、车型、车身长度等。
68.可以理解，在例如图1所示的行车感知场景中，在同一时刻，可能有多个车辆同时在同一感知设备的感知范围内行驶。因此，上述的第一点位感知设备和第二点位感知设备采集的车辆感知数据，可能包含对多个车辆的感知数据，例如同一感知设备在同一时间段内，同时采集到经过其感知范围的多个车辆的行驶路径。
69.当分别获取到第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据时，分别将第一点位感知设备和第二点位感知设备采集的车辆感知数据与感知设备所在路网的位置数据进行映射匹配。例如，将车辆感知数据中的车辆经纬度映射到高精路网中，确定车辆经纬度在高精路网中所处的车道编号、距离最近的车道线、距离车道中线的距离等；或者，根据摄像头获取的车辆图像以及摄像头的经纬度坐标、摄像头的成像坐标系，计算确定车辆图像中的车辆的经纬度，然后将该经纬度映射到高精路网中，确定车辆在高精路网中所处的车道编号、距离最近的车道线、距离车道中线的距离等。通过上述的映射匹配而确定的车辆的位置信息，作为车辆行驶路径的行驶路径特征。
70.另外，对于雷达感知到的车辆行驶速度，以及摄像头感知到的车辆属性，例如车型、车身颜色、车身长度等，也可以一并作为车辆行驶路径特征。
71.因此，经过上述的车辆感知数据与位置数据的映射匹配，可以将车辆位置、车辆行驶车道、行驶速度、车辆属性中的一项或多项，作为车辆行驶路径特征，其中，车辆位置作为必选项，车辆行驶车道、行驶速度、车辆属性等作为可选项。
72.从而，对于第一点位感知设备和第二点位感知设备各自采集到的车辆行驶路径，均可以确定相同类目的车辆行驶路径特征。
73.s202、根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶
路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
74.具体的，根据第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征，将第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，将行驶路径特征相同，或者行驶路径特征的相似度大于设定的相似度阈值的行驶路径进行拼接、融合，即得到融合的车辆行驶路径。
75.例如，假设a点位感知设备监测到了车辆行驶路径a1、a2、a3，b点位感知设备监测到了车辆行驶路径b1、b2、b3。经过与位置数据进行映射匹配，分别确定了a1、a2、a3、b1、b2、b3的行驶路径特征。通过将a1、a2、a3、b1、b2、b3的行驶路径特征进行对比匹配确定：a1的行驶路径特征与b1的行驶路径特征的相似度大于相似度阈值，a2的行驶路径特征与b3的行驶路径特征的相似度大于相似度阈值，a3的行驶路径特征与b2的行驶路径特征的相似度大于相似度阈值，则可以确定a1与b1是对应同一车辆的行驶路径，因此将车辆行驶路径a1与车辆行驶路径b1进行拼接融合，得到该车辆的融合的车辆行驶路径；a2与b3是对应同一车辆的行驶路径，因此将车辆行驶路径a2与车辆行驶路径b3进行拼接融合，得到该车辆的融合的车辆行驶路径；a3与b2是对应同一车辆的行驶路径，因此将车辆行驶路径a3与车辆行驶路径b2进行拼接融合，得到该车辆的融合的车辆行驶路径。
76.参照上述处理过程，分别将同一路线上的相邻点位感知设备监测到的车辆行驶路径进行匹配融合处理，即可得到车辆的全路径行驶路径。
77.通过上述介绍可见，本说明书实施例提出的路径融合方法，能够将感知设备监测到的车辆感知数据映射到高精路网中，从而确定车辆行驶路径的行驶路径特征，在此基础上，根据同一线路上相邻点位感知设备各自监测到的各个车辆的行驶路径特征，对相邻点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。上述方案将同一线路上的不同感知设备监测的车辆行驶路径统一映射到该线路的高精路网上，从而基于该高精路网得到不同车辆行驶路径的路径特征，实现了车辆行驶路径特征的统一。进一步的，根据车辆行驶路径的路径特征对来自不同感知设备的车辆行驶路径进行匹配融合，能够准确度量不同感知设备监测的车辆行驶路径的相似性，从而提高车辆行驶路径匹配融合的准确度，有效地将不同感知设备监测的同一车辆的行驶路径融合起来，得到其全路径行驶路径。
78.另外，通过将车辆感知数据与位置数据进行映射匹配，进而基于映射结果进行车辆行驶路径融合，可以提高车辆行驶路径的数据精度，可以将车辆行驶路径精度精确到车道级，得到车辆的车道级全路径行驶路径。
79.在如图1所示的行车感知场景中，单个点位的感知设备的感知范围，通常能够覆盖几百米范围，在这几百米之内，车辆可能发生变道、加速、减速等行为，所以，很多情况下，两个相邻点位感知设备监测到的车辆行驶路径，在行驶路径特征方面是有较大差异的，此时就不利于不同感知设备监测到的车辆行驶路径之间的融合。
80.为了克服上述问题，本说明书实施例对行驶路径特征提取进行时空约束，对相邻感知设备在两者的重叠感知区域监测到的车辆行驶路径进行行驶路径特征提取，进而利用提取的行驶路径特征，对相邻感知设备各自监测到的车辆行驶路径进行融合。
81.通常情况下，在例如图1所示的高速路网行车感知场景中，为了保证对路网的全覆盖感知，a点位感知设备和b点位感知设备的感知范围存在重叠区域，即图中的l1区域。当车辆驶入l1区域时，其可以被a的点位感知设备和b点位感知设备同时感知到，车辆在l1区域的行驶过程，可以被a的点位感知设备和b点位感知设备同时监测。因此，a点位感知设备在l1区域监测到的车辆行驶路径，与b点位感知设备在l1区域监测到的车辆行驶路径，本质上应当是相同的车辆行驶路径。
82.而对于a点位感知设备和b点位感知设备在其感知范围内的除l1区域之外监测到的行驶路径，由于其并没有超出自身感知范围，因此能够与在l1区域监测到的行驶路径无缝衔接，也就是，对于a点位感知设备和b点位感知设备来说，其在感知范围内监测到的行驶路径是连续的行驶路径，不存在需要融合拼接的问题。此时，如果能够将a点位感知设备在l1区域监测到的车辆行驶路径，与b点位感知设备在l1区域监测到的车辆行驶路径有效地匹配起来，那么就可以实现对a点位感知设备监测到的车辆行驶路径与b点位感知设备监测到的车辆行驶路径的融合。
83.基于上述思想，本说明书实施例将第一点位感知设备在目标感知区域采集的车辆感知数据，以及第二点位感知设备在所述目标感知区域采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备在所述目标感知区域监测到的各个车辆的行驶路径特征，以及第二点位感知设备在所述目标感知区域监测到的各个车辆的行驶路径特征。
84.其中，上述的目标感知区域，包括相邻的第一点位感知设备和第二点位感知设备的重叠感知区域。
85.也就是说，本说明书实施例针对第一点位感知设备监测的各个车辆行驶路径，以及第二点位感知设备监测的各个车辆行驶路径，取各车辆行驶路径位于重叠感知区域的部分提取行驶路径特征。该行驶路径特征提取方式，限定了只针对不同感知设备在相同时间、相同区段监测到的车辆行驶路径提取行驶路径特征。该行驶路径特征提取方式能够更加准确地把握不同行驶路径在同一时间、同一区段各自的特征，从而能够基于该特征更加准确地度量不同行驶路径的相似度。
86.因此，根据同一线路上相邻点位感知设备在两者的重叠感知区域各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行融合处理，能够实现更加准确的感知对象移动路径融合。
87.对于上述的目标感知区域，其具体可以是相邻感知设备的实际重叠感知区域，例如图1中所示的l1区域，也可以是包含相邻感知设备的实际重叠感知区域的、更大范围的区域，例如图3中所述的l2区域，或者，还可以是如图4中的l3所示的，与相邻感知设备原本不重叠的感知范围均相交的区域。
88.至于实际应用中到底是取图1所示的l1区域作为目标感知区域，还是取图3中所示的l2区域或图4中l3所示的区域作为目标感知区域，则取决于相邻感知设备的感知范围重叠情况，以及目标感知区域内获取的车辆行驶路径特征，是否足以度量不同车辆行驶路径之间的相似度。
89.若相邻感知设备的感知范围实际不重叠，则选择图4中的l3所示的区域作为目标感知区域；若相邻感知设备的感知范围存在重叠部分，则选择图1所示的l1区域，或者图3所
示的l2区域作为目标感知区域。
90.若通过图1所示的l1区域的车辆行驶路径的行驶路径特征就可以准确度量车辆行驶路径的相似性，则可以将l1区域作为目标感知区域；若通过图1所示的l1区域的车辆行驶路径的行驶路径特征不足以准确度量车辆行驶路径的相似性，则需要扩大目标感知区域，例如将图3所示的l2区域作为目标感知区域，通过扩大目标感知区域，增加车辆行驶路径特征的数据量，以便于通过目标感知区域获取的车辆行驶路径特征能够准确度量车辆行驶路径的相似性。
91.基于上述的目标感知区域的设置，若第一点位感知设备或第二点位感知设备在该目标感知区域内存在感知盲区，例如当目标感知区域大于第一点位感知设备和第二点位感知设备的实际重叠感知区域时(如在图3中的l2区域内，两个相邻的感知设备均存在感知盲区)，或者第一点位感知设备和第二点位感知设备在目标感知区域内不存在实际重叠的感知区域时(如在图4中的l3区域内，两个相邻的感知设备均存在感知盲区)，第一点位感知设备和第二点位感知设备在目标感知区域内均存在感知盲区。第一点位感知设备和第二点位感知设备在目标感知区域的感知盲区内未采集到车辆感知数据，则会导致其在目标感知区域内监测到的车辆行驶路径不完整，进而导致对车辆行驶路径的行驶路径特征提取不准确。
92.为了保证准确提取在目标感知区域内监测到的车辆行驶路径的行驶路径特征，本说明书实施例根据感知设备在其感知盲区之外监测到的车辆的感知数据，预测得到该车辆在上述感知盲区的感知数据。
93.例如，假设对于a点位感知设备来说，其在l1区域存在感知盲区，在感知盲区内，其未采集到关于车辆x的车辆感知数据，此时，可以利用a点感知设备在其感知范围内的除上述感知盲区之外的区域感知到的车辆x的感知数据，来预测确定车辆x在上述感知盲区的车辆感知数据。
94.其中，具体的预测方式，可以是根据车辆在其他区域的行驶路径，来预测车辆在感知盲区的行驶路径，从而确定车辆在感知盲区的位置、车速等。
95.作为一种可选的实施方式，本说明书实施例在根据车辆的行驶路径特征，对相邻的第一点位感知设备和第二点位感知设备各自监测到的车辆行驶路径进行匹配融合处理时，可以按照如下步骤a1和a2执行：
96.a1、根据各个车辆的行驶路径特征，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度。
97.示例性的，通过将第一点位感知设备监测到的各个车辆的行驶路径的行驶路径特征的各个类目，与第二点位感知设备监测到的各个车辆的行驶路径的行驶路径特征的各个类目分别进行比对，判断各个类目的相似度，进而根据各个类目的相似度，计算确定第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度。
98.例如，假设车辆的行驶路径特征包括车道编号、距离车道中线的距离。则对于第一点位感知设备监测到的某一行驶路径与第二点位感知设备监测到的某一行驶路径，分别度量两者所在的车道编号的相似度s1，以及距离车道中线的距离的相似度s2，然后基于s1和s2计算确定这两个行驶路径的相似度，例如取s1和s2的均值，作为这两个行驶路径的相似
度。
99.作为一种优选的实施方式，本说明书实施例将车辆位置、行驶车道、行驶速度、车辆属性中的至少一项作为车辆的行驶路径特征的具体类目，并且，在车辆的行驶路径特征中，至少包括车辆位置，除此之外，还可以包括行驶车道、行驶速度、车辆属性中的一项或多项，或者还可以包括其他项目。此外，本技术实施例还为行驶路径特征的各个类目分别设置权重。
100.当根据各个车辆的行驶路径特征，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度时，可以通过执行如下步骤a11-a12实现：
101.a11、按照为各项行驶路径特征预设的权重，对各个车辆的各项行驶路径特征进行加权求和计算，得到各个车辆的行驶路径的特征值。
102.具体的，对于第一点位感知设备和第二点位感知设备监测到的任一车辆的行驶路径特征，按照预先为行驶路径特征的各个类目设置的权重，对该车辆的行驶路径特征的各个类目进行加权求和计算，得到该车辆的行驶路径的特征值。
103.按照上述方式，对第一点位感知设备和第二点位感知设备监测到的每一车辆的行驶路径，分别计算确定其车辆的行驶路径的特征值。
104.a12、根据各个车辆的行驶路径的特征值，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度。
105.示例性的，通过计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的特征值的差值，确定各个车辆的行驶路径的相似度。
106.具体而言，若两个车辆的行驶路径的特征值的差值越大，则两个车辆的行驶路径的相似度越低；相反，若两个车辆的行驶路径的特征值的差值越小，则两个车辆的行驶路径的相似度越高。
107.a2、根据第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
108.具体的，在分别计算确定第一点位感知设备监测到的各个车辆的行驶路径，与第二点位感知设备监测到的各个车辆的行驶路径的相似度后，以车辆行驶路径的行驶路径特征为基础，利用最优匹配算法，对第一点位感知设备监测到的各个车辆的行驶路径，与第二点位监测到的各个车辆的行驶路径进行匹配，例如借助二分图和匈牙利算法，确定第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的匹配结果，对于相互匹配的车辆行驶路径进行拼接、融合，即得到融合的车辆行驶路径。
109.通过上述实施例介绍可知，本说明书实施例提出的路径融合方法，实际上是在相邻感知设备的感知交界处对车辆行驶路径进行拼接、融合，也就是在车辆跨越不同点位感知设备的位置进行行驶路径融合。
110.然而，通常情况下，不同感知设备的参数、性能并不完全一致，因此，即便是相邻感
知设备在同一时刻监测到的同一车辆的具体位置可能是不同的。如果直接将相邻感知设备在同一时刻监测到的同一目标车辆的行驶路径进行拼接或融合，可能造成车辆位置跳跃的情况。
111.例如，图1中a点位感知设备在l1区域监测到的车辆x的经纬度坐标，与b点位感知设备在同一时刻在l1区域监测到的车辆x的经纬度坐标可能是不同的。若直接对a点位感知设备监测到的车辆x的行驶路径与b点位感知设备监测到的车辆x的行驶路径进行融合，则会造成车辆x在l1区域的行驶路径上的位置发生跳跃。
112.为了避免车辆行驶路径融合造成车辆在行驶过程中的位置发生跳跃的情况，本实施例根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置，对该目标车辆的融合行驶路径进行平滑处理。
113.示例性的，可以根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置的差异，对该目标车辆的融合行驶路径上的车辆位置进行修正，使车辆在各个时刻的实际位置符合其行驶规律。
114.此外，还可以通过对车辆行驶路径进行加减速处理，实现对车辆行驶路径的平滑处理。
115.如图1所示，以目标车辆在路网上的行驶方向为路网的前向，即以向右方向为路网前向，此时，第一点位感知设备(a点位感知设备)位于第二点位感知设备(b点位感知设备)的后方。
116.在上述场景下，根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置，对目标车辆的融合行驶路径进行平滑处理，具体可以通过执行步骤b1-b3实现：
117.b1、确定第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置关系。
118.由于上述相邻的第一点位感知设备和第二点位感知设备在上述的目标感知区域能够实现在同一时刻监测到同一目标车辆，因此，本步骤主要是确定第一点位感知设备和第二点位感知设备在同一时刻监测到的目标感知区域内的同一目标车辆的位置关系。
119.该位置关系，可以是目标车辆经纬度坐标的相对位置关系。
120.若第一点位感知设备监测到的目标车辆的位置位于第二点位感知设备监测到的目标车辆的位置的前方，则执行步骤b2、对第一点位感知设备监测到的目标车辆的行驶路径进行t型减速处理。
121.具体的，第一点位感知设备监测到的目标车辆的位置位于第二点位感知设备监测到的目标车辆的位置的前方，则说明在同一时刻，第一点位感知设备监测到的目标车辆的位置超越了第二点位感知设备监测到的该目标车辆的位置，此时，对第一点位感知设备监测到的该目标车辆的行驶路径进行t型减速处理，使得随着时间的推移，由第一点位感知设备监测到的目标车辆的行驶路径所反映的目标车辆的位置，逐渐与由第二点位感知设备监测到的目标车辆的行驶路径所反映的目标车辆的位置趋近，从而达到平滑该目标车辆的融合行驶路径的目的。
122.若第一点位感知设备监测到的目标车辆的位置位于第二点位感知设备监测到的目标车辆的位置的后方，则执行步骤b3、对第一点位感知设备监测到的目标车辆的行驶路
径进行t型加速处理。
123.具体的，第一点位感知设备监测到的目标车辆的位置位于第二点位感知设备监测到的目标车辆的位置的后方，则说明在同一时刻，第一点位感知设备监测到的目标车辆的位置落后于第二点位感知设备监测到的该目标车辆的位置，此时，对第一点位感知设备监测到的该目标车辆的行驶路径进行t型加速处理，使得随着时间的推移，由第一点位感知设备监测到的目标车辆的行驶路径所反映的目标车辆的位置，逐渐与由第二点位感知设备监测到的目标车辆的行驶路径所反映的目标车辆的位置趋近，从而达到平滑该目标车辆的融合行驶路径的目的。
124.在本说明书的另一个实施例中，参见图5所示，上述的路径融合方法，还包括：
125.s503、从车辆图像中提取得到车辆属性信息。
126.其中，车辆图像为车辆经过设置于车辆行驶路网上的图像采集设备时，由该图像采集设备对该车辆进行拍摄得到的图像。
127.在高速路网中，除了包含图1所示的沿途行车感知之外，还在路网上设置卡口，例如收费站等，在卡口处还设置有图像采集设备，例如摄像头等，用于对驶过的车辆进行拍照，得到车辆图像，进而基于车辆图像可以识别车辆属性信息，例如从车辆图像中识别其车牌信息等。
128.本说明书实施例将上述的车辆图像用于对车辆融合行驶路径的信息扩充。
129.当获取到车辆图像时，从车辆图像中提取得到车辆属性信息，例如提取车牌号、车身颜色、车型、车身长度等属性信息。
130.s504、将车辆属性信息与车辆融合行驶路径进行数据融合，得到包含车辆属性信息的车辆融合行驶路径。
131.在从车辆图像中提取得到车辆属性信息后，将提取到的车辆属性信息，与对应的车辆融合行驶路径进行数据融合，得到包含车辆属性信息的车辆融合行驶路径。
132.示例性的，可以根据上述车辆图像的拍摄位置和拍摄时刻，实现从该车辆图像中提取的车辆属性信息与车辆融合行驶路径的数据融合，具体可以通过执行如下步骤c1-c3实现：
133.c1、确定车辆图像的图像拍摄位置和图像拍摄时刻。
134.假设上述的车辆图像是由卡口架设的摄像头拍摄得到的，则根据卡口的经纬度坐标可以确定摄像头所在位置，进而，根据摄像头实际拍摄区域与摄像头的距离(摄像头的成像坐标系)，可以确定摄像头所拍摄的车辆图像的拍摄位置。
135.例如，通常而言，卡口的摄像头在距离其30米的地方对感应到的车辆进行拍摄，则将卡口所在的经纬度坐标向摄像头拍摄方向偏移30米，即为摄像头拍摄的车辆图像的图像拍摄位置。
136.车辆图像的图像拍摄时刻，则根据摄像头对车辆进行拍摄时的世界时钟时间而确定。
137.c2、将图像拍摄位置与路网的位置数据进行映射匹配，确定图像拍摄位置在路网的车道位置。
138.具体的，将车辆图像的图像拍摄位置与拍摄得到该车辆图像的摄像头所在路网的位置数据进行映射匹配，即将该图像拍摄位置映射至高精路网中，确定该图像拍摄位置在
该路网中的车道位置。
139.c3、将车辆属性信息，与在所述图像拍摄时刻经过所述车道位置的车辆的融合行驶路径进行数据融合，得到该车辆的包含车辆属性信息的车辆融合行驶路径。
140.可以理解，若在上述的图像拍摄时刻，车辆y驶过上述路网的上述车道位置，也就是驶过上述的图像拍摄位置，则可以说明该车辆图像是对该车辆y进行拍摄得到的车辆图像，相应的，从该车辆图像中提取的车辆属性信息，就是车辆y的属性信息。此时，将从该车辆图像中提取的车辆属性信息，与车辆y的融合行驶路径进行数据融合，即可得到车辆y的包含其车辆属性信息的车辆融合行驶路径，例如得到包含车辆y的车牌号、车型、车身颜色等属性信息的全链路行驶路径。
141.上述的方案能够将车辆属性信息挂载到车辆的全链路行驶路径中，从而使车辆全链路行驶路径包含的数据更丰富，尤其是对于高速路网沿线未布设摄像头的情况，能够通过上述方案获得包含车辆属性信息的全路径车辆行驶路径，从而能够有效地进行车辆路径跟踪和车辆违章违法举证。
142.图5所示的方法实施例中的步骤s501、s502分别与图2所示的方法实施例中的步骤s201、s202对应，其具体内容请参见图2所示的方法实施例的内容，此处不再重复。
143.本说明书实施例还提供了一种路径融合装置，参见图6所示，该装置包括：
144.路径融合处理单元001，用于根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径；其中，感知对象移动路径的路径特征，通过将感知设备采集的感知对象感知数据与感知对象所在线路的位置数据进行映射匹配而确定。
145.作为一种可选的实施方式，上述的路径融合处理单元001根据同一线路上相邻点位感知设备各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径，包括：
146.根据同一线路上相邻点位感知设备在目标感知区域各自监测到的感知对象移动路径的路径特征，对相邻点位感知设备监测到的各个感知对象移动路径进行匹配融合处理，得到融合的感知对象移动路径；其中，上述目标感知区域为上述第一点位感知设备与上述第二点位感知设备的重叠感知区域。
147.此外，本说明书实施例还提供了另一种路径融合装置，参见图7所示，该装置包括：
148.特征提取单元011，用于将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征；其中，第一点位感知设备和第二点位感知设备是在同一路线上的相邻点位设置的感知设备；
149.路径融合单元012，用于根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
150.作为一种可选的实施方式，特征提取单元011将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆
的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征，包括：
151.将第一点位感知设备在目标感知区域采集的车辆感知数据，以及第二点位感知设备在所述目标感知区域采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备在所述目标感知区域监测到的各个车辆的行驶路径特征，以及第二点位感知设备在所述目标感知区域监测到的各个车辆的行驶路径特征；
152.其中，上述目标感知区域包括上述第一点位感知设备与上述第二点位感知设备的重叠感知区域。
153.作为一种可选的实施方式，车辆的行驶路径特征，包括车辆位置、行驶车道、行驶速度和车辆属性中的至少一项，且必然包括车辆位置；其中，上述的车辆属性包括车型、车身颜色和车身长度中的至少一项。
154.作为一种可选的实施方式，特征提取单元011还用于：若任一感知设备在上述目标感知区域内存在感知盲区，则根据该感知设备在该感知盲区之外监测到的车辆的感知数据，预测得到该车辆在该感知盲区的感知数据。
155.作为一种可选的实施方式，路径融合单元012根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径，包括：根据各个车辆的行驶路径特征，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度；根据一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
156.作为一种可选的实施方式，车辆的行驶路径特征，包括车辆位置、行驶车道、行驶速度和车辆属性中的至少一项，且必然包括车辆位置；路径融合单元012根据各个车辆的行驶路径特征，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度，包括：按照为各项行驶路径特征预设的权重，对各个车辆的各项行驶路径特征进行加权求和计算，得到各个车辆的行驶路径的特征值；根据各个车辆的行驶路径的特征值，计算第一点位感知设备监测到的各个车辆的行驶路径与第二点位感知设备监测到的各个车辆的行驶路径的相似度。
157.作为一种可选的实施方式，上述的路径融合装置还包括：路径处理单元，用于根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置，对目标车辆的融合行驶路径进行平滑处理。
158.作为一种可选的实施方式，以目标车辆的在路网上的行驶方向为路网的前向，所述第一点位感知设备位于所述第二点位感知设备的后方；路径处理单元根据第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置，对所述目标车辆的融合行驶路径进行平滑处理，包括：确定第一点位感知设备和第二点位感知设备在同一时刻监测到的同一目标车辆的位置关系；若第一点位感知设备监测到的所述目标车辆的位置位于第二点位感知设备监测到的所述目标车辆的位置的前方，则对第一点位感知设备监测到的所述目标车辆的行驶路径进行t型减速处理；若第一点位感知设备监测到的所述目标车
辆的位置位于第二点位感知设备监测到的所述目标车辆的位置的后方，则对第一点位感知设备监测到的所述目标车辆的行驶路径进行t型加速处理。
159.作为一种可选的实施方式，上述的路径融合单元还包括：属性挂载单元，用于从车辆图像中提取得到车辆属性信息；所述车辆图像为车辆经过设置于车辆行驶路网上的图像采集设备时，由该图像采集设备对该车辆进行拍摄得到的图像；将所述车辆属性信息与车辆融合行驶路径进行数据融合，得到包含车辆属性信息的车辆融合行驶路径。
160.作为一种可选的实施方式，属性挂载单元将所述车辆属性信息与车辆融合行驶路径进行数据融合，得到包含车辆属性信息的车辆融合行驶路径，包括：确定车辆图像的图像拍摄位置和图像拍摄时刻；将所述图像拍摄位置与所述路网的位置数据进行映射匹配，确定所述图像拍摄位置在所述路网的车道位置；将所述车辆属性信息，与在所述图像拍摄时刻经过所述车道位置的车辆的融合行驶路径进行数据融合，得到该车辆的包含车辆属性信息的车辆融合行驶路径。
161.本实施例提供的各个路径融合装置，与本说明书上述实施例所提供的路径融合方法属于同一技术构思，可执行本说明书上述任意实施例所提供的路径融合方法，具备执行相应的路径融合方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本说明书上述实施例提供的路径融合方法的相应部分的具体处理内容，此处不再加以赘述。
162.本说明书至少一个实施例提供一种电子设备，如图8所示，该电子设备200包括存储器210和处理器220。存储器210用于存储执行指令，处理器220执行执行指令以实现上述实施例中的路径融合方法。
163.处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器内的指令，调用存储在存储器内的数据，执行终端的各种功能和处理数据。例如，处理器可以采用数字信号处理、现场可编程门阵列、可编程逻辑阵列中的至少一种硬件形式来实现。处理器可集成中央处理器、图像处理器和调制解调器等中的一种或几种的组合。
164.存储器可以包括随机存储器，也可以包括只读存储器。例如，存储器包括非瞬时性计算机可读介质以存储指令。
165.本说明书至少一个实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有执行指令，当处理器执行该执行指令时，可以实现上述实施例中的服务器的功耗配置的预测方法，例如该指令执行时可以进行如下操作：将第一点位感知设备采集的车辆感知数据，以及第二点位感知设备采集的车辆感知数据，分别与第一点位感知设备和第二点位感知设备所在路网的位置数据进行映射匹配，确定第一点位感知设备监测到的各个车辆的行驶路径特征，以及第二点位感知设备监测到的各个车辆的行驶路径特征，其中，第一点位感知设备和第二点位感知设备是在同一路线上的相邻点位设置的感知设备；根据车辆的行驶路径特征，对第一点位感知设备监测到的各个车辆的行驶路径以及第二点位感知设备监测到的各个车辆的行驶路径进行匹配融合处理，得到融合的车辆行驶路径。
166.例如，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。
167.以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所作的任何修改、等同替换等，均应包含在本说明书的保护范围之内。