CN114822022A - 车路协同感知的数据处理方法、装置、车辆及存储介质 - Google Patents

Abstract

本发明公开了一车路协同感知的数据处理方法、装置、车辆及存储介质。通过获取车路协同感知的多源目标初始数据；根据多源目标初始数据，确定与车辆的行驶路径不相关的交通参与者的数据信息；过滤多源目标初始数据中不相关的交通参与者的数据信息，生成多源目标关联数据；根据各目标对象的数据信息，对各目标对象的数据信息进行分类，并将分类后各目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集。本发明的技术方案，能够减小提供至车端执行设备的数据量，降低车端执行设备数据处理压力。

Description

车路协同感知的数据处理方法、装置、车辆及存储介质

技术领域

本发明涉及车联网技术领域，尤其涉及一种车路协同感知的数据处理方法、装置、车辆及存储介质。

背景技术

车路协同V2X(Vehicle to X)技术是“车对外界”的无线信息交换技术的统称，V2X技术在一般情况下不通过基站，不受网络信号有无的干扰，由车与车、车与路侧设备等直接进行信息交换，因而可以实现近场(1000m以内)、短时延(100ms内)的通信，并且无网络覆盖的区域也可以正常工作，从而实现车与车、车与路侧设备之间的直接、快速、可靠的数据交换和传输。

但是，随着车辆的保有量的增加，以及车联网路侧基础设施的持续完善，车端执行设备感知到的网络目标源不断增加，例如，路侧系统的实时高精地图信息、交管信息、全时路侧感知信息以及搭载V2X技术的周边车辆，这使得大量高频，冗余的V2X网络信息的涌入，给车端执行设备对信息的处理量带来了巨大的压力与挑战。

发明内容

本发明提供了一种基于车路协同感知的数据处理方法、装置、车辆及存储介质，以减轻车端执行设备的数据处理量，缓解车端执行设备的处理压力。

根据本发明的一方面，提供了一种车路协同感知的数据处理方法，包括：

获取车路协同感知的多源目标初始数据；所述多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、车端网联终端设备获取的网联终端数据和路侧感知数据、以及基于全球卫星导航系统获取的卫星定位信息；

根据所述多源目标初始数据，确定与所述车辆的行驶路径不相关的交通参与者的数据信息；

过滤所述多源目标初始数据中所述不相关的交通参与者的数据信息，生成多源目标关联数据；多源目标关联数据包括与所述车辆行驶路径相关联的目标对象的数据信息；

根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类，并将分类后各所述目标对象的数据信息作为提供至所述车辆的车端执行设备的多源目标数据集。

可选的，获取车路协同感知的多源目标初始数据，包括：

基于车辆的车端传感器获取车端传感器感知数据、基于车端网联终端设备获取路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取卫星定位信息；

将所述网联终端感知数据和所述卫星定位信息进行融合，并将融合后的数据作为所述多源目标初始数据。

可选的，根据所述多源目标初始数据，确定与所述车辆的行驶路径不相关的交通参与者的数据信息，包括：

根据所述多源目标初始数据，确定各所述交通参与者的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径；

根据各所述交通参与者的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径，确定与所述车辆的行驶路径不相关的交通参与者的数据信息。

可选的，根据所述多源目标初始数据，确定各所述交通参与者的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径，包括：

根据所述多源目标初始数据中的地图信息和定位信息，将所述车辆和所述多源目标初始数据中的各所述交通参与者定位于地图的抛面图中；

根据所述多源目标初始数据中的高精地图信息，确定所述抛面图中的所述车辆和各所述交通参与者的车道信息；

根据所述车道信息、以及所述多源目标初始数据中所述车辆的导航信息和各所述交通参与者的导航信息，确定各所述交通参与者在各车道的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径。

可选的，根据各所述交通参与者的移动轨迹、行驶路径和位移信息、以及所述车辆当前的移动轨迹、行驶路径和位移信息，确定与所述车辆的行驶路径不相关的交通参与者的数据信息，包括：

根据各所述交通参与者的行驶路径和所述车辆当前的行驶路径，将行驶路径与所述车辆的行驶路径互不交叠的所述交通参与者作为第一类不相关的交通参与者；

根据除所述第一类不相关的交通参与者的其它各所述交通参与者的移动轨迹、以及所述车辆当前的移动轨迹，将移动轨迹与所述车辆当前的移动轨迹互不交叠的所述交通参与者作为第二类不相关的交通参与者；

根据除所述第一类不相关的交通参与者和所述第二类不相关的交通参与者外的其它各所述交通参与者的位移信息、以及所述车辆的位移信息，将不会与所述车辆发生碰撞的所述交通参与者作为第三类不相关的交通参与者；

将所述多源目标初始数据中与所述第一类不相关的交通参与者相关联的数据信息、与所述第二类不相关的交通参与者相关联的数据信息、以及与所述第三类不相关的交通参与者相关联的数据信息的集合确定为与所述车辆的行驶路径不相关的交通参与者的数据信息。

可选的，根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类，包括：

根据所述多源目标关联数据中各所述目标对象的位置信息和移动轨迹、以及所述车辆的位置信息和移动轨迹，确定各所述目标对象相对于所述车辆的运动方位；所述运动方位包括所述目标对象与所述车辆同向运动、所述目标对象与所述车辆反向运动、所述目标对象与所述车辆交向运动的至少一种；

根据各所述目标对象的运动方位，将运动方位相同的所述目标对象确定为同一类目标对象；

将所述多源目标关联数据与同一类所述目标对象相关联的数据信息作为同一类数据信息。

可选的，在根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类之后，还包括：

基于所述车端传感器感知数据、所述网联终端感知数据、以及所述路侧感知数据，追踪各所述目标对象的历史轨迹及路径预测信息。

可选的，在根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类之后，还包括：

将所述多源目标数据集存储于本地动态数据库中。

可选的，将分类后各所述目标对象的数据信息存储于本地动态数据库中，包括：

根据所述多源目标数据集的目标属性，对所述多源目标数据集进行排序；

将排序后的所述多源目标数据集依次存储至所述本地动态数据库中；每个排列序号对应一所述多源目标数据集。

可选的，所述车路协同感知的数据处理方法还包括：

按照所述多源目标数据集的排列序号，依序向所述车端执行设备提供所述多源目标数据集。

根据本发明的另一方面，提供了一种车路协同感知的数据处理装置，包括：

数据采集模块，用于获取车路协同感知的多源目标初始数据；所述多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、基于车端网联终端设备获取的路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取的卫星定位信息；

信息确定模块，用于根据所述多源目标初始数据，确定与所述车辆的行驶路径不相关的交通参与者的数据信息；

数据过滤模块，用于过滤所述多源目标初始数据中所述不相关的交通参与者的数据信息，生成多源目标关联数据；多源目标关联数据包括与所述车辆行驶路径相关联的目标对象的数据信息；

数据分类模块，用于根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类，并将分类后各所述目标对象的数据信息作为提供至所述车辆的车端执行设备的多源目标数据集。

根据本发明的另一方面，提供了一种车辆，包括：车端执行设备、车端传感器和协同感知处理器；

所述协同感知处理器用于执行上述车路协同感知的数据处理方法。

根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现上述车路协同感知的数据处理方法。

本发明的技术方案，通过对多源目标初始数据进行过滤，去除与车辆行驶路径不相关的交通参与者的数据信息，确定出多源目标关联数据，相较于多源目标初始数据，该多源目标关联数据中具有更少的数据量，同时，通过对多源目标关联数据中各目标对象的数据信息进行分类后提供至车端执行设备，在降低车端执行设备数据处理压力的同时，还能够实现初级预警提醒功能，从而能够提高车端执行设备的数据处理速度、反应速度，进而实现对车辆的快速、精准的控制。当将该车路协同感知的数据处理方法应用于自动驾驶车辆上时，能够提高自动驾驶车辆的安全、稳定性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种车路协同感知的数据处理方法的流程示意图；

图2是本发明实施例二提供的一种车路协同感知的数据处理方法的流程示意图；

图3是根据本发明实施例三所适用的一种交通参与者定位位置架构图；

图4是根据本发明实施例三所适用的另一种交通参与者定位位置架构图；

图5是本发明实施例三提供的一种车路协同感知的数据处理方法的流程示意图；

图6是根据本发明实施例三所适用的一种运动方位架构图；

图7是本发明实施例四提供的一种车路协同感知的数据处理方法的流程示意图；

图8是本发明实施例五提供的一种车路协同感知的数据处理装置的结构示意图；

图9是根据本发明实施例六提供的一种车辆的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例提供一种车路协同感知的数据处理方法，可应用于自动驾驶车辆中，通过对车路协同感知的多源目标数据进行处理，并将处理后的多源目标数据作为提供至车端执行设备的多源目标数据集，能够降低车端执行设备的数据处理压力，同时能够实现初级预警提醒功能；该车路协同感知的数据处理方法可采用本发明实施例提供的车路协同感知的数据处理装置执行，该车路协同感知的数据处理装置可由硬件和/或软件构成，该车路协同感知的数据处理装置可集成于车辆的协同感知处理器中。

实施例一

图1是本发明实施例一提供的一种车路协同感知的数据处理方法的流程示意图，如图1所示，该方法包括：

S110、获取车路协同感知的多源目标初始数据。

其中，多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、基于车端网联终端设备获取的路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取的卫星定位信息。

车辆的车端传感器包括但不限于车载摄像头、激光雷达、毫米波雷达等，车端感知数据包括但不限于车辆的位置、速度、时间、导航信息等；交通参与者包括但不限于行人、其它车辆等；车端网联终端设备获取的交通参与者的网联终端感知数据为搭载有车路协同感知技术的其它车辆发送的数据；车端网联终端设备获取的路侧感知数据为车联网路侧基础设施发送的数据等；车联网路侧基础设施发送的数据由车联网路侧基础设施中的路侧传感器获取，路侧传感器具体可包括路侧激光雷达、摄像头、毫米波雷达等，车联网路侧基础设施发送的数据包括但不限于各交通参与者的位置、速度、时间、导航信息等；搭载有车路协同感知技术的其它车辆发送的数据包括但不限于其自身车端传感器的车端感知数据、其它搭载有车路协同感知技术的车辆发送的数据、以及车联网路侧基础设施发送的数据等；基于全球卫星导航系统获取的卫星定位信息为本地定位及授时模块通过全球卫星导航卫星系统进行定位，利用卫星的伪距、星历、卫星发射时间等确定出车辆当前的三维坐标信息、速度信息、以及时间信息。

可选的，在基于车辆的车端传感器获取车端传感器感知数据、车端网联终端设备获取路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取的卫星定位信息后，通过将车端传感器感知数据与网联终端感知数据、路侧感知数据、以及卫星定位信息进行融合，并将融合后的数据作为多源目标初始数据。

示例性的，基于车辆的车端传感器感知数据与车端网联终端设备获取的交通参与者及其感知数据、路侧感知数据之间具有部分重复数据；其中，重复数据为表示同一事件的数据，将表示同一事件的数据进行统一，去除冗余的数据即为对车端感知数据、路侧感知数据以及卫星定位信息进行融合的过程。将去除车端感知数据、路侧感知和卫星定位信息构成的标准数据集中的冗余数据后，即可得到多源目标初始数据，相较于标准数据集，多源目标初始数据的数据量相对减少。

S120、根据多源目标初始数据，确定与车辆的行驶路径不相关的交通参与者的数据信息。

具体的，多源目标初始数据中包括车辆的导航信息、速度、位置、以及时间信息等数据，多源目标初始数据中还包括交通参与者的导航信息、速度、位置以及时间信息等数据，据此可以获知交通参与者中不可能与车辆发生碰撞的对象，作为与车辆的行驶路径不相关的交通参与者，由此可以确定出多源目标初始数据中与不相关的交通参与者相关联的数据作为与所述车辆的行驶路径不相关的交通参与者的数据信息。

S130、过滤多源目标初始数据中不相关的交通参与者的数据信息，生成多源目标关联数据。

其中，多源目标关联数据包括与车辆行驶路径相关联的目标对象的数据信息。

具体的，与车辆的行驶路径不相关的交通参与者不会与车辆发生碰撞，因此无需将与不相关的交通参与者相关联的数据信息提供至车端执行设备，而只需将可能会与车辆发生碰撞的交通参与者相关联的数据信息提供至车端执行设备，即可实现初级预警提醒，可能会与车辆发生碰撞的交通参与者作为与车辆行驶路径相关联的目标对象，与目标对象相关联的数据信息即为多源目标关联数据。通过过滤多源目标初始数据中不相关的交通参与者的数据信息，即将与车辆的行驶路径不相关的交通参与者的数据信息从多源目标初始数据中去除，即可确定出多源目标关联数据。

S140、根据各目标对象的数据信息，对各目标对象的数据信息进行分类，并将分类后各目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集。

具体的，不同的目标对象的位置、速度、位移方向等属性具有差异，可基于不同目标对象的位置、速度、位移方向等属性对目标对象进行分类，将具有同一属性的目标对象归为一类，且多源目标关联数据中与同一类目标对象相关联数据信息作为同一类数据信息。分类后的目标对象的数据信息能够进一步体现出各目标对象与车辆发生碰撞概率的大小等，通过将分类后的目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集，能够使得车端执行设备基于分类后的目标对象的数据信息进行预警提醒，以及执行相应的控制功能。

本发明实施例通过对车路协同感知的多源目标数据进行融合，去除冗余重复数据后作为多源目标初始数据，并通过对多源目标初始数据进行过滤，去除与车辆行驶路径不相关的交通参与者的数据信息，确定出多源目标关联数据，相较于多源目标初始数据，该多源目标关联数据中具有更少的数据量，同时，通过对多源目标关联数据中各目标对象的数据信息进行分类后提供至车端执行设备，在降低车端执行设备数据处理压力的同时，还能够实现初级预警提醒功能，从而能够提高车端执行设备的数据处理速度、反应速度，进而实现对车辆的快速、精准的控制。当将该车路协同感知的数据处理方法应用于自动驾驶车辆上时，能够提高自动驾驶车辆的安全、稳定性。

实施例二

本实施例在上述实施例的基础上提供了如何确定与车辆的行驶路径不相关的交通参与者的数据信息的具体方法，具体包括：“根据多源目标初始数据，确定多源目标初始数据各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径；根据各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径，确定与车辆的行驶路径不相关的交通参与者的数据信息”。图2是本发明实施例二提供的一种车路协同感知的数据处理方法的流程示意图，如图2所示，该方法包括：

S210、获取车路协同感知的多源目标初始数据。

其中，多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、以及车端网联终端设备获取的路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取的卫星定位信息。

S220、根据多源目标初始数据，确定各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径。

其中，多源目标初始数据包括车辆的位置、速度、时间、导航信息等，多源目标初始数据还包括各交通参与者的位置、速度、时间、导航信息等，据此可以确定出各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径。

可选的，根据多源目标初始数据中的地图信息和定位信息，将车辆和多源目标初始数据中的各交通参与者定位于地图的抛面图中；根据多源目标初始数据中的高精地图信息，确定抛面图中的车辆和各交通参与者的车道信息；根据车道信息、以及多源目标初始数据中车辆的导航信息和各交通参与者的导航信息，确定各交通参与者在各车道的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径。

具体的，如图3所示，根据多源目标初始数据，将多源目标初始数据中的车辆和各交通参与者定位在地图的抛面图中(如图3(a))；再与高精地图和全球卫星导航系统进行融合，将车辆和各交通参与者放置在车道线上(如图3(b))；进一步与车辆的导航信息进行融合，得到各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径(如图3(c))。

S230、根据各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径，确定与车辆的行驶路径不相关的交通参与者的数据信息。

其中，根据各交通参与者的移动轨迹和行驶路径可以确定出交通参与者当前的位置、行驶车道、速度、以及预计行驶的车道、等，根据车辆当前的移动轨迹和行驶路径可以确定出车辆当前的位置、行驶车道、速度、以及预计行驶的车道等，由此可确定出不可能与车辆发生配装的交通参与者作为不相关的交通参与者，进而确定出与车辆的行驶路径不相关的交通参与者的数据信息。

可选的，根据各交通参与者的行驶路径和车辆当前的行驶路径，将行驶路径与车辆的行驶路径互不交叠的交通参与者作为第一类不相关的交通参与者；根据除第一类不相关的交通参与者的其它各交通参与者的移动轨迹、以及车辆当前的移动轨迹，将移动轨迹与所述车辆当前的移动轨迹互不交叠的所述交通参与者作为第二类不相关的交通参与者；根据除第一类不相关的交通参与者和第二类不相关的交通参与者外的其它各交通参与者的位移信息、以及车辆的位移信息，将不会与车辆发生碰撞的所述交通参与者作为第三类不相关的交通参与者；将多源目标初始数据中与第一类不相关的交通参与者相关联的数据信息、与第二类不相关的交通参与者相关联的数据信息、以及与第三类不相关的交通参与者相关联的数据信息的集合确定为与车辆的行驶路径不相关的交通参与者的数据信息。

具体的，如图4所示，将多源目标初始数据中行驶路径与车辆的行驶路径不相关的互不交叠的交通参与者作为第一类不相关的交通参与者，该第一类不相关的交通参与者的数据信息为需要被过滤的数据信息(如图4(a))；再根据多源目标初始数据中导航路线信息，确定车辆及个交通参与者的移动轨迹，以识别出与车辆的移动轨迹会不交叠的交通参与者作为第二类不相关的交通参与者，该第二类不相关的交通参与者的数据信息同样为需要被过滤的数据信息(如图4(b))；最后，根据前两步筛选后的交通参与者的数据信息，计算车辆与交通参与者的预计碰撞时间，以进一步识别出高风险目标，即有可能与车辆发生碰撞的交通参与者，而将不会与车辆发生碰撞的交通参与者作为第三类不相关的交通参与者，该第一类不相关的交通参与者的数据信息也为需要被过滤的数据信息(如图4(c))。

S240、过滤多源目标初始数据中不相关的交通参与者的数据信息，生成多源目标关联数据。

其中，多源目标关联数据包括与车辆行驶路径相关联的目标对象的数据信息。

S250、根据各目标对象的数据信息，对各目标对象的数据信息进行分类，并将分类后各目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集。

本发明实施例通过根据多源目标初始数据，确定各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径，并根据各交通参与者的移动轨迹和行驶路径、以及车辆当前的移动轨迹和行驶路径，确定与车辆的行驶路径不相关的交通参与者的数据信息，以能够准确地将多源目标初始数据中与车辆的行驶路径不相关的交通参与者的数据信息去除，从而在能够实现预警提醒的前提下，减少提供至车端执行设备的数据量，进而能够提高车端执行设备的数据处理速度、反应速度，进而实现对车辆的快速、精准的控制。当将该车路协同感知的数据处理方法应用于自动驾驶车辆上时，能够提高自动驾驶车辆的安全、稳定性。

可选的，在根据各目标对象的数据信息，对各目标对象的数据信息进行分类之后，还包括：基于车端传感器感知数据、网联终端感知数据、以及路侧感知数据，追踪各目标对象的历史轨迹及路径预测信息。如此，通过交通参与者获取的路侧感知数据，能够利用及管理车辆的历史轨迹及路径预测信息，在弯路、坡路等特殊路况进行精准分类。

实施例三

本实施例在上述实施例的基础上提供了如何对目标对象的数据信息进行分类的具体方法，具体包括：“根据多源目标关联数据中各目标对象的位置信息和移动轨迹、以及车辆的位置信息和移动轨迹，确定各目标对象相对于车辆的运动方位；根据各目标对象的运动方位，将运动方位相同的目标对象确定为同一类目标对象；将多源目标关联数据与同一类目标对象相关联的数据信息作为同一类数据信息”。图5是本发明实施例三提供的一种车路协同感知的数据处理方法的流程示意图，如图5所示，该方法包括：

S310、获取车路协同感知的多源目标初始数据。

S320、根据多源目标初始数据，确定与车辆的行驶路径不相关的交通参与者的数据信息。

S330、过滤多源目标初始数据中不相关的交通参与者的数据信息，生成多源目标关联数据。

S340、根据多源目标关联数据中各目标对象的位置信息和移动轨迹、以及车辆的位置信息和移动轨迹，确定各目标对象相对于车辆的运动方位。

其中，如图6所示，运动方位包括目标对象与车辆同向运动、目标对象与车辆反向运动、目标对象与车辆交向运动的至少一种。

S350、根据各目标对象的运动方位，将运动方位相同的目标对象确定为同一类目标对象。

具体的，将与车辆在同一车道上且运动方向相同的目标对象作为与车辆同向运动的目标对象，并将该类目标对象归为同一类目标对象(如图6(a))；将与车辆在同一车道上且运动方向相反的目标对象作为与车辆反向运动的目标对象，并将该类目标对象归为同一类目标对象(如图6(b))；与车辆不在同一车道但行驶方向与车辆的行驶方向相交的目标对象作为与车辆交向运动的目标对象，并将该类目标对象归为同一类目标对象(如图6(c))。其中，将基于各目标对象的运动方位进行分类时，还可以利用高精地图信息中的车道宽度、车道朝向、车道线、车道曲率等数据，对目标对象进一步分类，以更为准确地对目标对象进行分类。

S360、将多源目标关联数据与同一类目标对象相关联的数据信息作为同一类数据信息。

具体的，将与车辆同向运动的各目标对象对应的数据信息归为同一类数据信息；将与车辆反向运动的各目标对象对应的数据信息归为同一类数据信息；将与车辆交向运动的各目标对象对应的数据信息归为同一类数据信息；如此，可实现对各目标对象的数据信息的分类。

S370、将分类后各目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集。

本发明实施例通过根据多源目标关联数据中各目标对象的位置信息和移动轨迹、以及车辆的位置信息和移动轨迹，确定各目标对象相对于车辆的运动方位，根据各目标对象的运动方位，将运动方位相同的目标对象确定为同一类目标对象，并将多源目标关联数据与同一类目标对象相关联的数据信息作为同一类数据信息，以能够对目标对象进行快速、准确地分类，从而能够提高多源目标数据的前端处理速度和准确度。

实施例四

本实施例在上述实施例的基础上，还提供了对分类目标对象的数据信息进行存储的方法。图7是本发明实施例四提供的一种车路协同感知的数据处理方法的流程示意图，如图7所示，该方法包括：

S410、获取车路协同感知的多源目标初始数据。

S420、根据多源目标初始数据，确定与车辆的行驶路径不相关的交通参与者的数据信息。

S430、过滤多源目标初始数据中不相关的交通参与者的数据信息，生成多源目标关联数据。

S440、根据各目标对象的数据信息，对各目标对象的数据信息进行分类，并将分类后各目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集。

S450、将多源目标数据集存储于本地动态数据库中。

其中，通过将多源目标数据集存储于本地动态数据库中，以便于在车端执行设备需要时，及时对多源目标数据集进行调用；而在车端执行设备不需要时，也无需主动提供至车端执行设备，以能够进一步减小车端执行设备的数据处理压力，降低车端执行设备数据处理耗费的功耗。

可选的，对于分类后各目标对象的数据信息进行存储的方式可以为：根据多源目标数据集的目标属性，对多源目标数据集进行排序；将排序后的多源目标数据集依次存储至本地动态数据库中。

其中，每个排列序号对应一所述多源目标数据集。多源目标数据集的目标属性包括但不限于数据来源、类型、时间等属性，通过对多源目标数据集进行排序可以确定个多源目标数据的优先级。在一示例性的实施例中，科根据多源目标数据集的时间属性对多源目标数据集进行分类。

可选的，在对多源目标数据集进行排序后，可按照多源目标数据集的排列序号，依序向车端执行设备提供多源目标数据集，如此，能够提高提供至车端执行设备数据的实时性、稳定性和准确性，从而能够提高车端执行设备的运行安全性和稳定性。

实施例五

基于与上述实施例同样的发明构思，本发明实施例还提供一种车路协同感知的数据处理装置，该车路协同感知的数据处理装置可应用于自动驾驶车辆中，通过对车路协同感知的多源目标数据进行处理，并将处理后的多源目标数据作为提供至车端执行设备的多源目标数据集，能够降低车端执行设备的数据处理压力，同时能够实现初级预警提醒功能；该车路协同感知的数据处理装置可用于执行本发明实施例提供的车路协同感知的数据处理方法。因此，该车路协同感知的数据处理装置具备上述实施例中车路协同感知的数据处理方法的技术特征，能够达到上述实施例中车路协同感知的数据处理方法的有益效果，相同之处可参照对上述实施例中车路协同感知的数据处理方法的描述。

示例性的，图8是本发明实施例五提供的一种车路协同感知的数据处理装置的结构示意图，如图8所示，该装置包括但不限于数据采集模块810、信息确定模块820、数据过滤模块830、以及数据分类模块840。

其中，数据采集模块810用于获取车路协同感知的多源目标初始数据；该多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、基于车端网联终端设备获取的路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取的卫星定位信息；

信息确定模块820用于根据多源目标初始数据，确定与车辆的行驶路径不相关的交通参与者的数据信息；

数据过滤模块830用于过滤所述多源目标初始数据中所述不相关的交通参与者的数据信息，生成多源目标关联数据；多源目标关联数据包括与车辆行驶路径相关联的目标对象的数据信息；

数据分类模块840用于根据各目标对象的数据信息，对各目标对象的数据信息进行分类，并将分类后各目标对象的数据信息作为提供至车辆的车端执行设备的多源目标数据集。

本发明实施例通过对多源目标初始数据进行过滤，去除与车辆行驶路径不相关的交通参与者的数据信息，确定出多源目标关联数据，相较于多源目标初始数据，该多源目标关联数据中具有更少的数据量，同时，通过对多源目标关联数据中各目标对象的数据信息进行分类后提供至车端执行设备，在减少车端执行设备数据处理压力的同时，还能够实现初级预警提醒功能，从而能够提高车端执行设备的数据处理速度、反应速度，进而实现对车辆的快速、精准的控制。当将该车路协同感知的数据处理装置应用于自动驾驶车辆上时，能够提高自动驾驶车辆的安全、稳定性。

实施例六

基于与上述实施例同样的发明构思，本发明实施例还提供一种车辆，图9为本发明实施例六提供的一种车辆的结构示意图，如图9所示，该车辆900至少包括车端执行设备910、车端传感器920和协同感知处理器930；该协同感知处理器930用于执行本发明任意实施例的车路协同感知的数据处理方法。

需要说明的是，图9仅示例性地示出了适于用来实现本发明实施方式的示例性车辆900的框图，其并非是对本发明实施例的功能和使用范围带来任何限制。

除此外车辆900中还可以包括车身、行驶机构、一个或者多个处理器或者处理单元、存储器、连接总线等。

连接总线表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MCA)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

车辆900中还可以设置多种计算机系统可读介质。这些介质可以是任何能够被车端执行设备访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器和/或高速缓存存储器。车辆900可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统可以用于读写不可移动的、非易失性磁介质，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光

盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与连接总线相连。系统存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。6]

具有一组(至少一个)程序模块的程序/实用工具，可以存储在例如系统存储器中，这样的程序模块包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本发明所描述的实施例中的功能和/或方法。

协同感知处理器通过运行存储在系统存储器中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的车路协同感知的数据处理方法。

实施例七

在上述实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任意发明实施例提供的车路协同感知的数据处理方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (13)

1.一种车路协同感知的数据处理方法，其特征在于，包括：

获取车路协同感知的多源目标初始数据；所述多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、以及车端网联终端设备获取的路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取的卫星定位信息；

根据所述多源目标初始数据，确定与所述车辆的行驶路径不相关的交通参与者的数据信息；

过滤所述多源目标初始数据中所述不相关的交通参与者的数据信息，生成多源目标关联数据；多源目标关联数据包括与所述车辆行驶路径相关联的目标对象的数据信息；

根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类，并将分类后各所述目标对象的数据信息作为提供至所述车辆的车端执行设备的多源目标数据集。

2.根据权利要求1所述的车路协同感知的数据处理方法，其特征在于，获取车路协同感知的多源目标初始数据，包括：

基于车辆的车端传感器获取车端传感器感知数据、基于车端网联终端设备获取路侧感知数据和交通参与者的网联终端感知数据、以及基于全球卫星导航系统获取卫星定位信息；

将所述车端传感器感知数据与所述网联终端感知数据、所述路侧感知数据、以及所述卫星定位信息进行融合，并将融合后的数据作为所述多源目标初始数据。

3.根据权利要求1所述的车路协同感知的数据处理方法，其特征在于，根据所述多源目标初始数据，确定与所述车辆的行驶路径不相关的交通参与者的数据信息，包括：

根据所述多源目标初始数据，确定各所述交通参与者的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径；

根据各所述交通参与者的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径，确定与所述车辆的行驶路径不相关的交通参与者的数据信息。

4.根据权利要求3所述的车路协同感知的数据处理方法，其特征在于，根据所述多源目标初始数据，确定各所述交通参与者的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径，包括：

根据所述多源目标初始数据中的地图信息和定位信息，将所述车辆和所述多源目标初始数据中的各所述交通参与者定位于地图的抛面图中；

根据所述多源目标初始数据中的高精地图信息，确定所述抛面图中的所述车辆和各所述交通参与者的车道信息；

根据所述车道信息、以及所述多源目标初始数据中所述车辆的导航信息和各所述交通参与者的导航信息，确定各所述交通参与者在各车道的移动轨迹和行驶路径、以及所述车辆当前的移动轨迹和行驶路径。

5.根据权利要求4所述的车路协同感知的数据处理方法，其特征在于，根据各所述交通参与者的移动轨迹、行驶路径和位移信息、以及所述车辆当前的移动轨迹、行驶路径和位移信息，确定与所述车辆的行驶路径不相关的交通参与者的数据信息，包括：

根据各所述交通参与者的行驶路径和所述车辆当前的行驶路径，将行驶路径与所述车辆的行驶路径互不交叠的所述交通参与者作为第一类不相关的交通参与者；

根据除所述第一类不相关的交通参与者的其它各所述交通参与者的移动轨迹、以及所述车辆当前的移动轨迹，将移动轨迹与所述车辆当前的移动轨迹互不交叠的所述交通参与者作为第二类不相关的交通参与者；

根据除所述第一类不相关的交通参与者和所述第二类不相关的交通参与者外的其它各所述交通参与者的位移信息、以及所述车辆的位移信息，将不会与所述车辆发生碰撞的所述交通参与者作为第三类不相关的交通参与者；

将所述多源目标初始数据中与所述第一类不相关的交通参与者相关联的数据信息、与所述第二类不相关的交通参与者相关联的数据信息、以及与所述第三类不相关的交通参与者相关联的数据信息的集合确定为与所述车辆的行驶路径不相关的交通参与者的数据信息。

6.根据权利要求1所述的车路协同感知的数据处理方法，其特征在于，根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类，包括：

根据所述多源目标关联数据中各所述目标对象的位置信息和移动轨迹、以及所述车辆的位置信息和移动轨迹，确定各所述目标对象相对于所述车辆的运动方位；所述运动方位包括所述目标对象与所述车辆同向运动、所述目标对象与所述车辆反向运动、所述目标对象与所述车辆交向运动的至少一种；

根据各所述目标对象的运动方位，将运动方位相同的所述目标对象确定为同一类目标对象；

将所述多源目标关联数据与同一类所述目标对象相关联的数据信息作为同一类数据信息。

7.根据权利要求1所述的车路协同感知的数据处理方法，其特征在于，在根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类之后，还包括：

基于所述车端传感器感知数据、所述网联终端感知数据、以及所述路侧感知数据，追踪各所述目标对象的历史轨迹及路径预测信息。

8.根据权利要求1所述的车路协同感知的数据处理方法，其特征在于，在根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类之后，还包括：

将所述多源目标数据集存储于本地动态数据库中。

9.根据权利要求8所述的车路协同感知的数据处理方法，其特征在于，将分类后各所述目标对象的数据信息存储于本地动态数据库中，包括：

根据所述多源目标数据集的目标属性，对所述多源目标数据集进行排序；

将排序后的所述多源目标数据集依次存储至所述本地动态数据库中；每个排列序号对应一所述多源目标数据集。

10.根据权利要求9所述的车路协同感知的数据处理方法，其特征在于，还包括：

按照所述多源目标数据集的排列序号，依序向所述车端执行设备提供所述多源目标数据集。

11.一种车路协同感知的数据处理装置，其特征在于，包括：

数据采集模块，用于获取车路协同感知的多源目标初始数据；所述多源目标初始数据包括基于车辆的车端传感器获取的车端传感器感知数据、车端网联终端设备获取的路侧感知数据和交通参与者的网联终端数据、以及基于全球卫星导航系统获取的卫星定位信息；

信息确定模块，用于根据所述多源目标初始数据，确定与所述车辆的行驶路径不相关的交通参与者的数据信息；

数据过滤模块，用于过滤所述多源目标初始数据中所述不相关的交通参与者的数据信息，生成多源目标关联数据；多源目标关联数据包括与所述车辆行驶路径相关联的目标对象的数据信息；

数据分类模块，用于根据各所述目标对象的数据信息，对各所述目标对象的数据信息进行分类，并将分类后各所述目标对象的数据信息作为提供至所述车辆的车端执行设备的多源目标数据集。

12.一种车辆，其特征在于，包括：车端执行设备、车端传感器和协同感知处理器；

所述协同感知处理器用于执行权利要求1-10中任一项所述的车路协同感知的数据处理方法。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的车路协同感知的数据处理方法。

Images