[发明专利]一种轨迹去重方法、装置及存储介质

说明书

本发明提供一种轨迹去重方法、装置及存储介质。该方法包括：获取到原始轨迹后，对所述原始轨迹分段，并将分段轨迹绘制成相同样式的轨迹图片；对所述轨迹图片叠加，通过深度学习模型判断叠加后的轨迹图片为重复轨迹，则去除重复轨迹；对所有的轨迹分段等距抽样，当部分连续重复样本点与分段样本点比例大于预设阈值，则将所述部分连续重复样本点对应的重复轨迹删除。通过该方案解决基于重复率去重过程中，存在误判误删且去重效率低的问题，可以有效提高去重效率，同时能避免对重复轨迹误判，保障去重的准确性。

技术领域

本发明涉及信息技术领域，尤其涉及一种轨迹去重方法、装置及存储介质。

背景技术

在自动驾驶领域，为准确控制车辆的行驶，常需要绘制高精度地图，而高精度地图的绘制离不开众包数据的采集、上传。在众包数据中一般包含有采集车辆的行驶轨迹，由于采集车辆众多，对于同一道路，往往可能存在轨迹重复，若对所有轨迹都进行后期分析优化处理，显然会进行大量重复且无意义的工作。

对于重复的轨迹数据，目前，只进行简单的数据比对，当重复率达到一定比例则认定为轨迹重复。此种方法对于数据庞大的众包数据，不仅效率较低，而且可能会误删相似的轨迹，去重准确率难以保障。

故而，有必要提出一种既能提高去重效率，同时降低的误删率的去重方法。

发明内容

有鉴于此，本发明实施例提供了一种轨迹去重方法、装置及存储介质，以解决直接轨迹数据比对，根据重复率进行轨迹去重存在去重效率不高，且可能存在误删的问题。

在本发明实施例的第一方面，提供了一种轨迹去重方法，包括：

获取到原始轨迹后，对所述原始轨迹分段，并将分段轨迹绘制成相同样式的轨迹图片；

对所述轨迹图片叠加，通过深度学习模型判断叠加后的轨迹图片为重复轨迹，则去除重复轨迹；

对所有的轨迹分段等距抽样，当部分连续重复样本点与分段样本点比例大于预设阈值，则将所述部分连续重复样本点对应的重复轨迹删除。

在本发明实施例的第二方面，提供了一种轨迹去重装置，包括：

分段模块，用于获取到原始轨迹后，对所述原始轨迹分段，并将分段轨迹绘制成相同样式的轨迹图片；

第一去重模块，用于对所述轨迹图片叠加，通过深度学习模型判断叠加后的轨迹图片为重复轨迹，则去除重复轨迹；

第二去重模块，用于对所有的轨迹分段等距抽样，当部分连续重复样本点与分段样本点比例大于预设阈值，则将所述部分连续重复样本点对应的重复轨迹删除。

在本发明实施例的第三方面，提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。

在本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被一个或多个处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。

本发明实施例中，对于轨迹分段后绘制轨迹图片，然后对轨迹图片叠加，基于深度学习模型判断分段轨迹重复后去除分段重复的轨迹，对于分段轨迹中部分重复的轨迹，通过等距采样判断连续重复部分是否超过阈值，超过则去除部分连续重复轨迹，解决了直接根据轨迹重复率判断是否重复过程，存在效率不高，且可能误判误删的问题，通过深度学习模型可以有效提高重复检测效率，通过分段等距采样,可以检测出部分轨迹重复，准确判定重复的连续轨迹，避免粗略根据重复率去重，降低误删可能性，保障轨迹去重的可靠性。

附图说明