[发明专利]一种城市全向交叉口的车辆轨迹实时提取方法和系统

权利要求书

1.一种城市全向交叉口的车辆轨迹实时提取方法，其特征在于，包括：

获取多个数据采集单元感知区域内的车辆轨迹数据；其中，多个数据采集单元感知区域覆盖城市全向交叉口区域；

将各感知区域内车辆轨迹数据中的车辆位置信息转换到同一坐标系中；并根据同一坐标系下的车辆轨迹数据，判断重叠区域；

依据车辆轨迹数据是否能由单个数据采集单元中的激光雷达完整感知，将重叠区域的车辆轨迹数据划分为完备雷达轨迹数据和不完备雷达轨迹数据：并根据各车辆轨迹数据的轨迹特征，对不完备雷达轨迹数据进行融合；

根据重叠区域内完整雷达轨迹数据和除重叠区外的车辆轨迹数据、或重叠区域内融合后的车辆轨迹数据和除重叠区外的车辆轨迹数据，实时确定城市全向交叉口完整的车辆轨迹数据。

2.如权利要求1所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，所述获取多个数据采集单元感知区域内的车辆轨迹数据，包括：

通过每个数据采集单元中的激光雷达，获取对应感知区域内的点云数据；

通过每个数据采集单元中的边缘计算单元，从对应感知区域内的点云数据中提取各个时刻的车辆位置数据。

3.如权利要求2所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，所述将各感知区域内车辆轨迹数据中的车辆位置信息转换到同一坐标系中，包括：

通过每个数据采集单元中的边缘计算单元，从对应感知区域内的点云数据中提取道路特征属性数据；

通过每个数据采集单元中的边缘计算单元，从对应感知区域内的点云数据中提取道车辆几何外形数据；

服务器根据道路特征属性数据，确定道路坐标系；根据车辆几何外形数据和车辆轨迹数据，确定车辆坐标系；及将各车辆坐标系下车辆轨迹数据中的车辆位置信息转换到道路坐标系中。

4.如权利要求3所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，

所述点云数据包括：车辆、路面、行人、非机动车、道路边缘、电线杆；

所述车辆轨迹数据包括：车辆形心位置、车辆转角、车辆速度；

所述车辆几何外形数据包括：车长、车宽。

5.如权利要求1所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，所述根据同一坐标系下的车辆轨迹数据，判断重叠区域，包括：

对齐同一坐标系下的车辆轨迹数据的时间戳；

在同一坐标系下，确定车辆轨迹数据重复区域的边界。

6.如权利要求1所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，所述不完备雷达轨迹数据，包括：

检测到了车辆轨迹数据，但单个激光雷达不能检测到完整的车辆轨迹；

完整感知到了车辆轨迹数据，但由于转弯半径过大，存在一部分的车辆轨迹数据被另一激光雷达检测到；

由包括反射、噪声的不稳定因素引起的轨迹片段。

7.如权利要求1所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，所述根据各车辆轨迹数据的轨迹特征，对不完备雷达轨迹数据进行融合，包括：

对于所有不完备雷达轨迹数据，当轨迹长度小于20个点时，则删除不完备雷达轨迹数据；

对于剩余不完备雷达轨迹数据，将时间戳0.1s，距离1m的时间点认为一个点，依据车辆中心点以及转角，对两台激光雷达的车辆轨迹数据进行融合，则车辆轨迹匹配成功。

8.如权利要求7所述的城市全向交叉口的车辆轨迹实时提取方法，其特征在于，所述根据各车辆轨迹数据的轨迹特征，对不完备雷达轨迹数据进行融合，还包括：

对于无法匹配成功的车辆轨迹，当重叠段存在雷达感知误差时，通过对原有的运动趋势进行轨迹预测；

将预测的车辆轨迹数据与后半段时间戳待匹配的车辆轨迹数据进行匹配，当满足时间戳0.1s，距离1m时，则属于预测类型的完备雷达轨迹数据。