[发明专利]一种基于轨迹拼接的城市道路全域轨迹采集方法和系统

说明书

本发明公开了一种基于激光雷达与毫米波雷达的轨迹拼接的城市道路全域轨迹采集方法，其包括：通过激光雷达获取道路进口道的车辆轨迹数据；通过毫米波雷达获取道路进口道上游路段的车辆轨迹数据；将毫米波雷达获取的车辆轨迹数据转换到激光雷达获取的车辆轨迹数据所在的坐标系中，并记录两类车辆轨迹坐标范围；根据两类车辆轨迹坐标范围确定重叠区域；并根据两类车辆轨迹数据特征对重叠区域的车辆轨迹数据进行融合；最终获得城市道路全域车辆轨迹数据。本发明充分利用不同雷达自身的优良特性，提供了城市交叉口进口道上游复杂交通环境和简单交通环境的融合提取的解决方案，具有良好的拓展性，高精度，高稳定度的优良特性。

技术领域

本发明涉及智能交通感知技术领域，特别涉及一种基于激光雷达与毫米波雷达轨迹拼接的城市道路全域轨迹采集方法和系统。

背景技术

城市道路通常包含交叉口和路段，对不同的区域以往通常通过影响区将两者进行分开，影响区指的是交叉口对相接路段的影响范围的区域。在城市道路的车辆运行中，除了不同车辆在运行过程中彼此之间相互影响之外，车辆在交叉口的运行往往受信号灯控制以及交叉口进口道标志标线影响；而在路段上则主要受标志标线以及自身转向意愿影响。在交叉口进口道之前的运行往往是离散的，也即可能需要车辆的制动与启动；在路段上的运行往往是连续的，一般不会出现反复启停的现象。不同的车辆运行状态之间的过度过程往往建立在过渡区内，例如车辆需要驶入左转拓宽车道，在进口道前一定距离内进行变道等，正是这些因素，一些对交叉口的研究和项目也开始关注交叉口范围附近的路段的车辆运行信息，也即车辆轨迹信息。

在现有的城市道路轨迹采集解决方案里，主要使用的传感器还是摄像头，类似的也还有无人机等。这类依赖于摄像头的解决方案伴随着人工智能算法的成熟逐渐被广泛应用，但摄像头自身还是存在受环境影响干扰以及相机本省存在的镜头畸变的问题，给后期的处理带来一些困难，此外对远处的物体的识别较差。无人机虽然能够解决拍摄范围的问题，但抖动转动以及飞行器的续航问题一直制肘着其大规模的运用。

近年来，激光雷达和毫米波雷达在交通领域内的应用逐渐广泛，在路测交通信息关注等，其中激光雷达由于检测精度较高，覆盖范围一般为圆形(受安装角度影响)往往被用车辆运动状态较为复杂的区域，如出入口匝道以及交叉口。而毫米波雷达覆盖范围较长，且受环境干扰能力较强，因而广泛用于路段检测中。但是，为了更好的关注城市道路包含交叉口-影响区-路段的车辆运行情况，城市道路车辆轨迹信息的采集方法，通常存在检测范围不足或者足够检测范围时轨迹感知稳定度不足的问题。

发明内容

基于此，有必要针对城市道路车辆轨迹信息检测范围不足或者足够检测范围时面临的不稳定的技术问题，提供一种基于激光雷达与毫米波雷达轨迹拼接的城市道路全域轨迹采集方法和系统。

本发明实施例提供一种基于激光雷达与毫米波雷达轨迹拼接的城市道路全域轨迹采集方法，包括：

通过激光雷达，获取道路进口道的车辆轨迹数据；

通过毫米波雷达，获取道路进口道上游路段的车辆轨迹数据；

将毫米波雷达获取的车辆轨迹数据转换到激光雷达获取的车辆轨迹数据所在的坐标系中，并记录两种雷达对应的车辆轨迹坐标范围；

根据两种雷达对应的车辆轨迹坐标范围，确定重叠区域；并根据两种雷达对应的车辆轨迹数据特征，对重叠区域的车辆轨迹数据进行融合；

将重叠区域的车辆轨迹数据、除重叠区域外激光雷达获取的车辆轨迹数据、除重叠区域外毫米波雷达获取的车辆轨迹数据进行拼接，获得城市道路全域车辆轨迹数据。

进一步地，所述激光雷达安装在道路进口道边缘、且向交叉口中心倾斜，所述毫米波雷达安装在进口道上游；其中，所述激光雷达感知范围和所述毫米波雷达感知范围有重叠区域。

进一步地，所述道路进口道的车辆轨迹数据，为从激光点云数据中提取的车辆几何形心所在位置点。