CN110517483B - 一种路况信息处理方法及数字轨路侧单元 - Google Patents

Abstract

本发明提供一种路况信息处理方法及数字轨路侧单元，涉及自动驾驶技术领域。一种路况信息处理方法包括：获取历史状态轨迹列表；接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据；根据感知数据生成障碍物列表；对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表；从每个候选状态轨迹列表中确定每个目标障碍物相匹配的目标状态轨迹信息；对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。可以将最新状态轨迹列表直接发送至自动驾驶车辆，保障自身驾驶的安全性和可靠性。

Description

一种路况信息处理方法及数字轨路侧单元

技术领域

本发明涉及自动驾驶技术领域，特别是涉及一种路况信息处理方法及数字轨路侧单元。

背景技术

随着自动驾驶技术领域的发展，对道路区域进行感知分析的技术作为自动驾驶技术领域中的重要分支也得到了迅速发展。

目前对道路区域进行感知分析的技术常用的主要是自动驾驶汽车的车载传感器对该车辆周围道路的路况进行感知和分析，其中，自动驾驶汽车通过多种车载传感器融合及高精度地图来实现对周围道路及周围环境的感知和分析。

但是，由于车载传感器的感知区域随着自动驾驶汽车的移动而不断发生变化，车载传感器安装位置和感知范围有限，并且车载传感器对周边道路区域的分析时间短，因此目前的技术难以处理复杂的道路情况。

发明内容

本发明提供了一种路况信息处理方法及数字轨路侧单元，以解决现有技术中通过车载传感器对路况进行感知分析的技术难以处理复杂道路情况的问题。

为了解决上述问题，本发明实施例的第一方面，提供一种路况信息处理方法，应用于数字轨路侧单元，所述方法包括：

获取历史状态轨迹列表；所述历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息；

接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据；

根据所述感知数据，生成障碍物列表；所述障碍物列表包括各个当前障碍物的特征信息；

对所述障碍物列表和所述历史状态轨迹列表进行匹配，获得每个所述目标障碍物对应的候选状态轨迹列表；

从每个所述候选状态轨迹列表中，确定每个所述目标障碍物相匹配的目标状态轨迹信息；

对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到所述当前时刻对应的最新状态轨迹列表。

可选地，所述对所述障碍物列表和所述历史状态轨迹列表进行匹配，获得每个所述目标障碍物对应的候选状态轨迹列表，包括：

对于所述障碍物列表中任一所述目标障碍物，计算所述目标障碍物分别与所述历史状态轨迹列表中每个历史状态轨迹之间的匹配度；

若所述目标障碍物与所述历史状态轨迹列表中的目标历史状态轨迹之间的匹配度大于设定的匹配度阈值，则将所述目标历史状态轨迹添加至所述目标障碍物对应的候选状态轨迹列表中。

可选地，所述从每个所述候选状态轨迹列表中，确定每个所述目标障碍物相匹配的目标状态轨迹信息，包括：

对于任一所述目标障碍物，将所述目标障碍物对应的所述候选状态轨迹列表中匹配度最高的历史状态轨迹确定为所述目标障碍物相匹配的目标状态轨迹信息；

将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别。

可选地，所述将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别之后，还包括：

若所述历史状态轨迹列表中存在未匹配成功的第一历史状态轨迹，对于任一所述第一历史状态轨迹，计算所述第一历史状态轨迹分别被每个所述目标障碍物遮挡的遮挡概率；

若所述遮挡概率中的最大遮挡概率大于设定的遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为遮挡类别；

若所述最大遮挡概率大于所述遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物不属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为聚集类别。

可选地，所述将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为聚集类别之后，还包括：

若所述历史状态轨迹列表中存在未匹配成功的第二历史状态轨迹，对于对应丢失状态的任一所述第二历史状态轨迹，计算所述第二历史状态轨迹的重现概率；

若所述重现概率中的最大重现概率大于设定的重现概率阈值，则将所述第二历史状态轨迹与所述最大重现概率对应的所述目标障碍物的组合标定为重现类别。

可选地，所述对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到每个所述目标障碍物对应所述当前时刻的最新状态轨迹列表之后，还包括：

对于所述障碍物列表中未匹配成功的任一所述目标障碍物，计算所述目标障碍物新进入所述路侧传感器监控区域的新进概率；

若所述新进概率大于设定的新进概率阈值，则创建所述目标障碍物对应所述当前时刻的最新状态轨迹列表。

可选地，所述对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到所述当前时刻对应的最新状态轨迹列表，包括：

对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，确定所述目标状态轨迹信息和所述历史状态轨迹信息发生的条件下，更新后的最新状态轨迹信息分别为各个预设状态轨迹信息的条件概率；

确定所述条件概率中的最大条件概率；

将所述最大条件概率对应的所述预设状态轨迹信息确定为所述更新后的最新状态轨迹信息，得到所述当前时刻对应的最新状态轨迹列表。

可选地，所述感知数据包括：所述目标障碍物的编号；所述目标障碍物在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；所述目标障碍物在所述数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；所述目标障碍物的颜色特征和/或深度网络特征；所述目标障碍物对应的交通元素分类；所述路侧传感器对每个所述目标障碍物的检测可靠度；

所述目标状态轨迹信息包括：对应的所述目标障碍物在所述当前时刻的编号；对应的所述目标障碍在所述当前时刻在各个所述路侧传感器的所述传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；对应的所述目标障碍物在所述当前时刻在所述数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；所述各个所述路侧传感器分别在所述当前时刻对所述目标状态轨迹信息对应的所述目标障碍物的检测可靠度；所述当前时刻的时间戳信息。

本发明实施例的第二方面，提供一种数字轨路侧单元，所述数字轨路侧单元包括：

获取模块，用于获取历史状态轨迹列表；所述历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息；

接收模块，用于接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据；

生成模块，用于根据所述感知数据，生成障碍物列表；所述障碍物列表包括各个当前障碍物的特征信息；

匹配模块，用于对所述障碍物列表和所述历史状态轨迹列表进行匹配，获得每个所述目标障碍物对应的候选状态轨迹列表；

确定模块，用于从每个所述候选状态轨迹列表中，确定每个所述目标障碍物相匹配的目标状态轨迹信息；

更新模块，用于对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到所述当前时刻对应的最新状态轨迹列表。

可选地，所述匹配模块包括：

计算子模块，用于对于所述障碍物列表中任一所述目标障碍物，计算所述目标障碍物分别与所述历史状态轨迹列表中每个历史状态轨迹之间的匹配度；

添加子模块，用于若所述目标障碍物与所述历史状态轨迹列表中的目标历史状态轨迹之间的匹配度大于设定的匹配度阈值，则将所述目标历史状态轨迹添加至所述目标障碍物对应的候选状态轨迹列表中。

可选地，所述确定模块包括：

匹配子模块，用于对于任一所述目标障碍物，将所述目标障碍物对应的所述候选状态轨迹列表中匹配度最高的历史状态轨迹确定为所述目标障碍物相匹配的目标状态轨迹信息；

标定子模块，用于将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别。

可选地，所述数字轨路侧单元还包括：

第一计算模块，用于若所述历史状态轨迹列表中存在未匹配成功的第一历史状态轨迹，对于任一所述第一历史状态轨迹，计算所述第一历史状态轨迹分别被每个所述目标障碍物遮挡的遮挡概率；

第一标定模块，用于若所述遮挡概率中的最大遮挡概率大于设定的遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为遮挡类别；

第二标定模块，用于若所述最大遮挡概率大于所述遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物不属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为聚集类别。

可选地，所述数字轨路侧单元还包括：

第二计算模块，用于若所述历史状态轨迹列表中存在未匹配成功的第二历史状态轨迹，对于对应丢失状态的任一所述第二历史状态轨迹，计算所述第二历史状态轨迹的重现概率；

第三标定模块，用于若所述重现概率中的最大重现概率大于设定的重现概率阈值，则将所述第二历史状态轨迹与所述最大重现概率对应的所述目标障碍物的组合标定为重现类别。

可选地，所述数字轨路侧单元还包括：

第三计算模块，用于对于所述障碍物列表中未匹配成功的任一所述目标障碍物，计算所述目标障碍物新进入所述路侧传感器监控区域的新进概率；

创建模块，用于若所述新进概率大于设定的新进概率阈值，则创建所述目标障碍物对应所述当前时刻的最新状态轨迹列表。

可选地，所述更新模块包括：

第一确定子模块，用于对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，确定所述目标状态轨迹信息和所述历史状态轨迹信息发生的条件下，更新后的最新状态轨迹信息分别为各个预设状态轨迹信息的条件概率；

第二确定子模块，用于确定所述条件概率中的最大条件概率；

第三确定子模块，用于将所述最大条件概率对应的所述预设状态轨迹信息确定为所述更新后的最新状态轨迹信息，得到所述当前时刻对应的最新状态轨迹列表。

可选地，所述感知数据包括：所述目标障碍物的编号；所述目标障碍物在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；所述目标障碍物在所述数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；所述目标障碍物的颜色特征和/或深度网络特征；所述目标障碍物对应的交通元素分类；所述路侧传感器对每个所述目标障碍物的检测可靠度；

所述目标状态轨迹信息包括：对应的所述目标障碍物在所述当前时刻的编号；对应的所述目标障碍在所述当前时刻在各个所述路侧传感器的所述传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；对应的所述目标障碍物在所述当前时刻在所述数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；所述各个所述路侧传感器分别在所述当前时刻对所述目标状态轨迹信息对应的所述目标障碍物的检测可靠度；所述当前时刻的时间戳信息。

与现有技术相比，本发明具有以下优点：

在本发明实施例中，首先DRSU接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据，然后DRSU根据感知数据，生成障碍物列表，接着DRSU对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表，下一步DRSU从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息，最后DRSU对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。其中，DRSU的监控区域是固定的，从而可以对周围道路区域进行持续监控，故DRSU确定出的最新状态轨迹列表结果较为精准，能够准确反映出一段时间内监控区域中的路况信息，DRSU可以将最新状态轨迹列表直接发送至自动驾驶车辆，进而自动驾驶车辆可以根据DRSU发送的最新状态轨迹列表了解当前该区域的路况信息，并根据该路况信息做出合理的驾驶决策，保障自身驾驶的安全性和可靠性。

附图说明

图1为本发明实施例一所提供的一种路况信息处理方法的步骤流程图；

图2为本发明实施例二所提供的一种路况信息处理方法的步骤流程图；

图3是本发明实施例二所提供的一种目标障碍物轨迹的状态变迁关系示意图；

图4是本发明实施例三提供的一种数字轨路侧单元的结构示意图；

图5是本发明实施例四所提供的一种数字轨路侧单元的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

图1为本发明实施例一所提供的一种路况信息处理方法的步骤流程图，该路况信息处理方法应用于数字轨路侧单元(Digital Road Side Unit，DRSU)，如图1所示，路况信息处理方法包括：

步骤101、获取历史状态轨迹列表。

其中，历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息。

在本发明实施例中，历史状态轨迹列表是包含一系列数据结点的列表，包含各个历史障碍物自从进入到监控区域开始，到当前时间截止，在所有时间节点上DRSU所计算的各个障碍物的状态信息，该状态信息包括各个障碍物的位置、形状、尺寸和位姿中的至少一者，颜色特征和/或深度网络特征，目标障碍物对应的交通元素分类等。该历史状态轨迹列表中的信息，描述了当前时间之前的历史时段内，DRSU监控区域内的路况信息。

步骤102、接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据。

在本发明实施例中，各个路侧传感器可以分立布置在路侧，且各个路侧传感器可以分别与DRSU连接，从而可以向DRSU传输数据，各个路侧传感器的监控范围可以相切但不重合，所有路侧传感器的监控范围共同构成了DRSU的监控区域。

步骤103、根据感知数据，生成障碍物列表。

其中，障碍物列表包括当前的各个障碍物的特征信息。

在本发明实施例中，DRSU可以基于每个路侧传感器检测得到的感知数据，按照特定的格式生成每个路侧传感器对应的障碍物列表，每个障碍物列表可以用来保存对应的路侧传感器采集的各个目标障碍物的感知数据。

其中，当路侧传感器没有检测到目标障碍物时，则该路侧传感器对应的障碍物列表为空表。

步骤104、对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表。

在本发明实施例中，首先DRSU可以创建一个空白的匹配列表，该空白的匹配列表用来存储障碍物列表中的每个目标障碍物在历史状态轨迹列表中可能匹配的历史状态轨迹信息。然后DRSU对障碍物列表中的每个目标障碍物与历史状态轨迹列表中的每个历史状态轨迹信息进行匹配，分别获得每个目标障碍物的候选状态轨迹列表，并将该候选状态轨迹列表添加至该空白的匹配列表中。当障碍物列表中的所有目标障碍物都匹配完毕，则所有目标障碍物的候选状态轨迹列表都存入了空白的匹配列表中。

步骤105、从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息。

在本发明实施例中，对于任一目标障碍物，DRSU将该目标障碍物对应的候选状态轨迹列表中匹配度最高的历史状态轨迹确定为该目标障碍物相匹配的目标状态轨迹信息。

步骤106、对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。

在本发明实施例中，当路侧传感器所检测的目标障碍物与历史状态轨迹信息匹配成功后，就将目标障碍物的目标状态轨迹信息融合到对应匹配的历史状态轨迹信息中，从而实现了对该历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表，该最新状态轨迹列表反映目标障碍物的最新状态以及之前的历史状态，从而能够正确反映当前的路况信息。

另外，目标障碍物的目标状态轨迹信息通过以下的方式融合到相匹配的历史状态轨迹信息中：DRSU首先创建一个新的轨迹数据节点，新的轨迹数据节点中包含有目标状态轨迹信息，DRSU进而可以把新的轨迹数据节点加到相匹配的历史状态轨迹信息的头部，以将目标障碍物的目标状态轨迹信息融合到相匹配的历史状态轨迹信息中，从而可以实现对历史状态轨迹信息进行更新。

在本发明实施例中，首先DRSU接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据，然后DRSU根据感知数据，生成障碍物列表，接着DRSU对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表，下一步DRSU从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息，最后DRSU对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。其中，DRSU的监控区域是固定的，从而可以对周围道路区域进行持续监控，故DRSU确定出的最新状态轨迹列表结果较为精准，能够准确反映出一段时间内监控区域中的路况信息，DRSU可以将最新状态轨迹列表直接发送至自动驾驶车辆，进而自动驾驶车辆可以根据DRSU发送的最新状态轨迹列表了解当前该区域的路况信息，并根据该路况信息做出合理的驾驶决策，保障自身驾驶的安全性和可靠性。

实施例二

图2为本发明实施例二所提供的一种路况信息处理方法的步骤流程图，该路况信息处理方法应用于数字轨路侧单元DRSU，如图2所示，路况信息处理方法包括：

步骤201、获取历史状态轨迹列表。

其中，历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息。

在本发明实施例中，本步骤的实现方式可参照上述步骤101，本发明实施例在此不做赘述。

步骤202、接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据。

在本发明实施例中，感知数据包括：目标障碍物的编号；目标障碍物在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；目标障碍物在DRSU的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；目标障碍物的颜色特征和/或深度网络特征；目标障碍物对应的交通元素分类；路侧传感器对每个目标障碍物的检测可靠度。

其中，和空间位置相关的信息都要经过传感器坐标系与DRSU本地坐标系的换算关系进行转换。该转换过程可以经过一个坐标变换参数标定的过程来完成。具体可以是：首先在本地坐标系下选择一系列已知坐标的位置，通过人工方式或自动化方式，找到这些位置在传感器坐标系下对应的坐标；然后选择一个坐标转换模型，该坐标转换模型可以是平移模型、旋转模型、仿射模型、投影变换模型或多项式变换模型，接着用采集到的已知坐标的位置对应的在两个坐标系下的对应的坐标值，拟合出坐标转换模型参数；最后通过坐标转换模型参数，和空间位置相关的信息就能够在传感器坐标系和本地坐标系之间进行转换。

另外，颜色特征和/或深度网络特征，可以通过一个训练过的深度神经网络来实现，或者通过人工设计的特征检测算法来完成。目标障碍物目标障碍物对应的交通元素分类是描述目标障碍物的类别的信息，如行人、小汽车、自行车、三轮车、未知类别等等。目标障碍物对应的交通元素分类可以通过对感知数据用分类器算法处理得到，分类器算法可以用深度人工神经网络实现，也可以用支持向量机(Support Vector Machine，SVM)算法实现。

步骤203、根据感知数据，生成障碍物列表。其中，障碍物列表包括各个当前障碍物的特征信息。

在本发明实施例中，本步骤的实现方式可参照上述步骤103，本发明实施例在此不做赘述。

步骤204、对于障碍物列表中任一目标障碍物，计算目标障碍物分别与历史状态轨迹列表中每个历史状态轨迹之间的匹配度。

在本发明实施例中，对于历史状态轨迹列表中的每个历史状态轨迹信息，每个目标障碍物均与每个历史状态轨迹信息进行匹配，DRSU计算每个目标障碍物和每个历史状态轨迹信息的匹配度。

具体的，从路侧传感器检测得到的感知数据包括：目标障碍物(O)在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者，将其记为O-D；目标障碍物在DRSU的本地坐标系下的位置、形状、尺寸和位姿中的至少一者，记为O-F；历史状态轨迹列表(T)中包括历史状态轨迹列表从创建开始至当前时刻在各个时间节点上对应的障碍物在传感器坐标系下路侧传感器中所获得的信息，记为T-D，以及在DRSU的本地坐标系下路侧传感器中所获得的信息，记为T-F。计算在以历史状态轨迹列表为条件下目标障碍物出现的条件概率，即以T-D和T-F为条件的情形之下，对应目标障碍物的描述信息为O-D和O-F的条件概率：P(O|T)＝P(O-D，O-F|T-D，T-F)。又因为O-D和O-F满足条件独立，则P(O-D，O-F|T-D，T-F)＝P(O-D|T-D)P(O-F|T-F)。条件概率P(O|T)作为目标障碍物(O)和历史状态轨迹列表(T)的匹配度的衡量。

步骤205、若目标障碍物与历史状态轨迹列表中的目标历史状态轨迹之间的匹配度大于设定的匹配度阈值，则将目标历史状态轨迹添加至目标障碍物对应的候选状态轨迹列表中。

根据路侧传感器采集的目标障碍物和历史状态轨迹列表的训练数据的统计来设定一个匹配度阈值，当目标障碍物和历史状态轨迹列表的匹配度大于设定的匹配度阈值时，就认为障碍物和轨迹互相匹配，则DRSU将目标历史状态轨迹添加至目标障碍物对应的候选状态轨迹列表中。

步骤206、对于任一目标障碍物，将目标障碍物对应的候选状态轨迹列表中匹配度最高的历史状态轨迹确定为目标障碍物相匹配的目标状态轨迹信息。

在本发明实施例中，对于历史状态轨迹列表和障碍物列表，DRSU首先对应选择相应的候选状态轨迹列表中匹配度最高的历史状态轨迹，确定为目标障碍物相匹配的目标状态轨迹信息，并把相匹配的历史状态轨迹和目标障碍物加入最终的匹配列表中。然后DRSU从未匹配的目标障碍物的障碍物列表和历史状态轨迹列表未匹配的轨迹中，对应选择相应的候选状态轨迹列表中匹配度最高的历史状态轨迹，确定为目标障碍物相匹配的目标状态轨迹信息，并把相匹配的历史状态轨迹和目标障碍物加入最终的匹配列表中。重复上述过程，直至历史状态轨迹列表未匹配的轨迹和障碍物列表中未匹配的目标障碍物再也找不到可以互相匹配的障碍物和轨迹。

步骤207、将目标障碍物与相匹配的目标状态轨迹信息的组合标定为匹配类别。

在本发明实施例中，步骤206把相匹配的历史状态轨迹和目标障碍物加入最终的匹配列表中，在本步骤中把相匹配的历史状态轨迹和目标障碍物标为匹配类别。

步骤208、若历史状态轨迹列表中存在未匹配成功的第一历史状态轨迹，对于任一第一历史状态轨迹，计算第一历史状态轨迹分别被每个目标障碍物遮挡的遮挡概率。

在本发明实施例中，可以采用贝叶斯滤波、卡尔曼滤波、粒子滤波、或深度人工神经网络模型的方法计算任一第一历史状态轨迹分别被每个目标障碍物遮挡的遮挡概率。

步骤209、若遮挡概率中的最大遮挡概率大于设定的遮挡概率阈值，且最大遮挡概率对应的目标障碍物属于匹配类别，则将第一历史状态轨迹与最大遮挡概率对应的目标障碍物的组合标定为遮挡类别。

在本发明实施例中，当遮挡概率大于设定的阈值时，则DRSU进行以下的处理：若最大遮挡概率对应的目标障碍物已与其它历史状态轨迹匹配，并被标为匹配类别，则DRSU把第一历史状态轨迹与最大遮挡概率对应的目标障碍物的组合加入最终的匹配列表并标为遮挡类别。

步骤210、若最大遮挡概率大于遮挡概率阈值，且最大遮挡概率对应的目标障碍物不属于匹配类别，则将第一历史状态轨迹与最大遮挡概率对应的目标障碍物的组合标定为聚集类别。

在本发明实施例中，若最大遮挡概率大于遮挡概率阈值，且最大遮挡概率对应的目标障碍物不属于匹配类别，则DRSU把第一历史状态轨迹与最大遮挡概率对应的目标障碍物的组合加入最终的匹配列表并标为聚集类别。

步骤211、若历史状态轨迹列表中存在未匹配成功的第二历史状态轨迹，对于对应丢失状态的任一第二历史状态轨迹，计算第二历史状态轨迹的重现概率。

在本发明实施例中，DRSU可以根据第二历史状态轨迹的丢失时间和丢失时的状态轨迹信息，估计第二历史状态轨迹的重现概率，可以通过贝叶斯滤波、卡尔曼滤波、粒子滤波或深度人工神经网络模型等方法来计算该重现概率。

在本发明实施例中，目标障碍物从进入DRSU的监控区域开始，可以在DRSU的监控区域内构成一个运动轨迹，直至离开DRSU的监控区域。在DRSU的监控区域内，每一时刻目标障碍物将处于以下11中状态的一种：创建状态，初始化状态，不稳定状态，稳定状态，丢失状态，遮挡状态，重现状态，聚集状态，离开状态，销毁状态或异常状态。参见图3，随着目标障碍物是否被路侧传感器检测到，目标障碍物的运动轨迹在这11种状态之间进行变迁，如图3所示，若目标障碍物在上一时刻状态为丢失状态，则下一时刻状态可能是丢失状态、重现状态、离开状态或异常状态中的一者。

在本发明实施例中，参见表1，示出了目标障碍物的运动轨迹的状态变迁关系和变迁条件：

表1

示例的，如表1所示，若目标障碍物在上一时刻状态为初始化状态，当目标障碍物在当前时刻被检测到，但不满足稳定条件时，则目标障碍物当前时刻状态为初始化状态；当目标障碍物在当前时刻被检测到，且满足稳定条件时，则目标障碍物当前时刻状态为稳定状态；当目标障碍物在当前时刻未被检测到，则目标障碍物当前时刻状态为不稳定状态。

具体的，目标障碍物在第一次被一个路侧传感器检测到后，就创建一个轨迹表示此障碍物，该轨迹被创建后该目标障碍物就进入创建状态。

在设定的时间段内，目标障碍物相对应的轨迹被检测到的可信度超过一个设定的阈值，或者超过了这个设定的时间段，该目标障碍物就进入初始化状态。

目标障碍物相对应的轨迹被检测到的可信度超过一个设定的较大的阈值，该目标障碍物就进入稳定状态。

目标障碍物相对应的轨迹最后被检测到的区域为目标障碍物离开区域，并且再未被检测到的时间段超过设定的阈值，该目标障碍物就进入销毁状态。

目标障碍物相对应的轨迹未被检测到，该轨迹对应的目标障碍物所在的位置和已被检测到的另一个轨迹所对应的目标障碍物的位置相重叠的概率大于设定的阈值，该目标障碍物就进入遮挡状态。

两个或多个轨迹所对应的目标障碍物未被检测到，它们与新检测到的一个目标障碍物的位置相重叠的概率大于设定的阈值。则这两个或多个轨迹所对应的目标障碍物聚集成这个新的目标障碍物。或者一个轨迹所对应的目标障碍物被一个聚集状态的轨迹所对应的目标障碍物所遮挡，该目标障碍物就进入聚集状态。

在设定的时间段内，目标障碍物相对应的轨迹被检测到的可信度超过了设定的时间段，该目标障碍物就进入丢失状态。

目标障碍物相对应的轨迹处于丢失状态，若一新的目标障碍物被检测到，并且与其它轨迹不相匹配，若此轨迹与目标障碍物的匹配的概率大于一个设定的阈值，且此目标障碍物为一个新的轨迹所对应的目标障碍物的概率小于设定的阈值，则轨迹与此目标障碍物匹配，该目标障碍物就进入重现状态。

目标障碍物相对应的轨迹在一段时间内一直处于丢失状态，并且该轨迹所对应的目标障碍物处于障碍物离开区域，该目标障碍物就进入离开状态。

目标障碍物相对应的轨迹在一段时间内一直处于丢失状态，但该轨迹所对应的目标障碍物离障碍物离开区域较远，该目标障碍物就进入离开状态。

目标障碍物相对应的轨迹在一段时间内一直处于离开状态，目标障碍物就进入离开状态。

步骤212、若重现概率中的最大重现概率大于设定的重现概率阈值，则将第二历史状态轨迹与最大重现概率对应的目标障碍物的组合标定为重现类别。

在本发明实施例中，在计算出第二历史状态轨迹的重现概率之后，若重现概率中的最大重现概率大于设定的重现概率阈值，则DRSU将第二历史状态轨迹与最大重现概率对应的目标障碍物的组合加入到最终的匹配列表，并把第二历史状态轨迹与最大重现概率对应的目标障碍物的组合标定为重现类别。

另外，经过上述步骤后，若历史状态轨迹列表中仍有未匹配的历史状态轨迹，把未匹配的历史状态轨迹的状态标为临时类别，并且删除该被标为临时类别的未匹配的历史状态轨迹。

步骤213、对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，确定目标状态轨迹信息和历史状态轨迹信息发生的条件下，更新后的最新状态轨迹信息分别为各个预设状态轨迹信息的条件概率。

在本发明实施例中，目标状态轨迹信息具体可以包括：对应的目标障碍物在当前时刻的编号；对应的目标障碍在当前时刻在各个路侧传感器的传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；对应的目标障碍物在当前时刻在DRSU的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；各个路侧传感器分别在当前时刻对目标状态轨迹信息对应的目标障碍物的检测可靠度；当前时刻的时间戳信息。

步骤214、确定条件概率中的最大条件概率。

在本发明实施例中，目标障碍物(O)的信息通过以下的方式融合到相匹配的历史状态轨迹(T)中：DRSU首先创建一个包含目标状态轨迹信息具的新的轨迹数据节点(N)，并把新的轨迹数据节点(N)加到相匹配的历史状态轨迹信息(T)的头部。在新的轨迹数据节点(N)中存储目标障碍物(O)在路侧传感器(D)中所得到的信息，包括该目标障碍物(O)在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；目标障碍物(O)在DRSU的本地坐标系下的位置、形状、尺寸和位姿中的至少一者。

可选地，用后验概率函数P(T-new|T-old，O-new)来表示轨迹的更新模型，也即是在更新前的轨迹信息(T-old)，目标障碍物O的信息(O-new)为条件下，更新的轨迹的信息取T-new值的概率。DRSU计算更新后的轨迹的信息是让P(T-new|T-old，O-new)取最大值时对应的T-new值，或者是在P(T-new|T-old,O-new)的均值时对应的T-new值。

步骤215、将最大条件概率对应的预设状态轨迹信息确定为更新后的最新状态轨迹信息，得到当前时刻对应的最新状态轨迹列表。

在本发明实施例中，DRSU计算更新后的轨迹的信息是让P(T-new|T-old，O-new)取最大值时对应的T-new值，或者是在P(T-new|T-old,O-new)的均值时对应的T-new值之后，将T-new值存入轨迹数据节点(N)，DRSU将T-new值对应的预设状态轨迹信息确定为更新后的最新状态轨迹信息，得到当前时刻对应的最新状态轨迹列表。

步骤216、对于障碍物列表中未匹配成功的任一目标障碍物，计算目标障碍物新进入路侧传感器监控区域的新进概率。

在本发明实施例中，结合目标障碍物是否处于DRSU的监控区域的边界，以及是否处于可能出现新的目标障碍物的区域。例如建筑的入口和/或出口，车辆中可能出来行人的区域等等。根据上述区域设定DRSU的监控区域的每个区域产生新的障碍物的新进概率公式，用对应区域的新进概率公式计算O是新的障碍物的概率。

步骤217、若新进概率大于设定的新进概率阈值，则创建目标障碍物对应当前时刻的最新状态轨迹列表。

在本发明实施例中，若新进概率大于设定的新进概率阈值，则DRSU创建一个新的轨迹并将该新的轨迹加入至DRSU的最新状态轨迹列表中，同时将新进概率大于设定的新进概率阈值的所有目标障碍物的组合标为新建类别。

若新进概率小于或等于设定的新进概率阈值，则DRSU也创建一个新的轨迹并将该新的轨迹加入至DRSU的最新状态轨迹列表中，同时将新进概率小于或者等于设定的新进概率阈值的所有目标障碍物的组合标为临时类别。

在本发明实施例中，首先DRSU获取历史状态轨迹列表，下一步DRSU接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据，然后DRSU根据感知数据，生成障碍物列表，接着DRSU对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表，下一步DRSU从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息，最后DRSU对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。其中，DRSU的监控区域是固定的，从而可以对周围道路区域进行持续监控，故DRSU确定出的最新状态轨迹列表结果较为精准，能够准确反映出一段时间内监控区域中的路况信息，DRSU可以将最新状态轨迹列表直接发送至自动驾驶车辆，进而自动驾驶车辆可以根据DRSU发送的最新状态轨迹列表了解当前该区域的路况信息，并根据该路况信息做出合理的驾驶决策，保障自身驾驶的安全性和可靠性。

实施例三

图4是本发明实施例三所提供的一种数字轨路侧单元的结构示意图，如图4所示，数字轨路侧单元300包括：

获取模块301，用于获取历史状态轨迹列表；历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息。

接收模块302，用于接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据。

生成模块303，用于根据感知数据，生成障碍物列表；障碍物列表包括各个当前障碍物的特征信息。

匹配模块304，用于对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表。

确定模块305，用于从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息。

更新模块306，用于对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。

在本发明实施例中，首先通过获取模块，DRSU获取历史状态轨迹列表，下一步通过接收模块，DRSU接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据，然后通过生成模块，DRSU根据感知数据，生成障碍物列表，接着通过匹配模块，DRSU对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表，下一步通过确定模块，DRSU从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息，最后通过更新模块，DRSU对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。其中，DRSU的监控区域是固定的，从而可以对周围道路区域进行持续监控，故DRSU确定出的最新状态轨迹列表结果较为精准，能够准确反映出一段时间内监控区域中的路况信息，DRSU可以将最新状态轨迹列表直接发送至自动驾驶车辆，进而自动驾驶车辆可以根据DRSU发送的最新状态轨迹列表了解当前该区域的路况信息，并根据该路况信息做出合理的驾驶决策，保障自身驾驶的安全性和可靠性。

实施例四

图5是本发明实施例四所提供的一种数字轨路侧单元的结构示意图，如图5所示，数字轨路侧单元400包括：

获取模块401，用于获取历史状态轨迹列表；历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息。

接收模块402，用于接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据。

生成模块403，用于根据感知数据，生成障碍物列表；障碍物列表包括各个当前障碍物的特征信息。

匹配模块404，用于对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表。

确定模块405，用于从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息。

更新模块406，用于对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。

可选地，匹配模块404包括：

计算子模块4041，用于对于障碍物列表中任一目标障碍物，计算目标障碍物分别与历史状态轨迹列表中每个历史状态轨迹之间的匹配度。

添加子模块4042，用于若目标障碍物与历史状态轨迹列表中的目标历史状态轨迹之间的匹配度大于设定的匹配度阈值，则将目标历史状态轨迹添加至目标障碍物对应的候选状态轨迹列表中。

可选地，确定模块405包括：

匹配子模块4051，用于对于任一目标障碍物，将目标障碍物对应的候选状态轨迹列表中匹配度最高的历史状态轨迹确定为目标障碍物相匹配的目标状态轨迹信息。

标定子模块4052，用于将目标障碍物与相匹配的目标状态轨迹信息的组合标定为匹配类别。

可选地，数字轨路侧单元400还包括：

第一计算模块407，用于若历史状态轨迹列表中存在未匹配成功的第一历史状态轨迹，对于任一第一历史状态轨迹，计算第一历史状态轨迹分别被每个目标障碍物遮挡的遮挡概率。

第一标定模块408，用于若遮挡概率中的最大遮挡概率大于设定的遮挡概率阈值，且最大遮挡概率对应的目标障碍物属于匹配类别，则将第一历史状态轨迹与最大遮挡概率对应的目标障碍物的组合标定为遮挡类别。

第二标定模块409，用于若最大遮挡概率大于遮挡概率阈值，且最大遮挡概率对应的目标障碍物不属于匹配类别，则将第一历史状态轨迹与最大遮挡概率对应的目标障碍物的组合标定为聚集类别。

可选地，数字轨路侧单元400还包括：

第二计算模块410，用于若历史状态轨迹列表中存在未匹配成功的第二历史状态轨迹，对于对应丢失状态的任一第二历史状态轨迹，计算第二历史状态轨迹的重现概率。

第三标定模块411，用于若重现概率中的最大重现概率大于设定的重现概率阈值，则将第二历史状态轨迹与最大重现概率对应的目标障碍物的组合标定为重现类别。

可选地，数字轨路侧单元400还包括：

第三计算模块412，用于对于障碍物列表中未匹配成功的任一目标障碍物，计算目标障碍物新进入路侧传感器监控区域的新进概率。

创建模块413，用于若新进概率大于设定的新进概率阈值，则创建目标障碍物对应当前时刻的最新状态轨迹列表。

可选地，更新模块406包括：

第一确定子模块4061，用于对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，确定目标状态轨迹信息和历史状态轨迹信息发生的条件下，更新后的最新状态轨迹信息分别为各个预设状态轨迹信息的条件概率。

第二确定子模块4062，用于确定条件概率中的最大条件概率。

第三确定子模块4063，用于将最大条件概率对应的预设状态轨迹信息确定为更新后的最新状态轨迹信息，得到当前时刻对应的最新状态轨迹列表。

可选地，感知数据包括：目标障碍物的编号；目标障碍物在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；目标障碍物在数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；目标障碍物的颜色特征和/或深度网络特征；目标障碍物对应的交通元素分类；路侧传感器对每个目标障碍物的检测可靠度；

目标状态轨迹信息包括：对应的目标障碍物在当前时刻的编号；对应的目标障碍在当前时刻在各个路侧传感器的传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；对应的目标障碍物在当前时刻在数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；各个路侧传感器分别在当前时刻对目标状态轨迹信息对应的目标障碍物的检测可靠度；当前时刻的时间戳信息。

在本发明实施例中，首先通过获取模块，DRSU获取历史状态轨迹列表，下一步通过接收模块，DRSU接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据，然后通过生成模块，DRSU根据感知数据，生成障碍物列表，接着通过匹配模块，DRSU对障碍物列表和历史状态轨迹列表进行匹配，获得每个目标障碍物对应的候选状态轨迹列表，下一步通过确定模块，DRSU从每个候选状态轨迹列表中，确定每个目标障碍物相匹配的目标状态轨迹信息，最后通过更新模块，DRSU对于对应同一目标障碍物的目标状态轨迹信息与历史状态轨迹信息，根据目标状态轨迹信息，对历史状态轨迹信息进行更新，得到当前时刻对应的最新状态轨迹列表。其中，DRSU的监控区域是固定的，从而可以对周围道路区域进行持续监控，故DRSU确定出的最新状态轨迹列表结果较为精准，能够准确反映出一段时间内监控区域中的路况信息，DRSU可以将最新状态轨迹列表直接发送至自动驾驶车辆，进而自动驾驶车辆可以根据DRSU发送的最新状态轨迹列表了解当前该区域的路况信息，并根据该路况信息做出合理的驾驶决策，保障自身驾驶的安全性和可靠性。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本发明所提供的一种路况信息处理方法及数字轨路侧单元进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种路况信息处理方法，应用于数字轨路侧单元，其特征在于，所述方法包括：

获取历史状态轨迹列表；所述历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息；

接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据；

根据所述感知数据，生成障碍物列表；所述障碍物列表包括各个当前障碍物的特征信息；

对所述障碍物列表和所述历史状态轨迹列表进行匹配，获得每个所述目标障碍物对应的候选状态轨迹列表；

从每个所述候选状态轨迹列表中，确定每个所述目标障碍物相匹配的目标状态轨迹信息，包括：

对于任一所述目标障碍物，将所述目标障碍物对应的所述候选状态轨迹列表中匹配度最高的历史状态轨迹确定为所述目标障碍物相匹配的目标状态轨迹信息；

将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别；

对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到所述当前时刻对应的最新状态轨迹列表；

所述将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别之后，还包括：

若所述历史状态轨迹列表中存在未匹配成功的第一历史状态轨迹，对于任一所述第一历史状态轨迹，计算所述第一历史状态轨迹分别被每个所述目标障碍物遮挡的遮挡概率；

若所述遮挡概率中的最大遮挡概率大于设定的遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为遮挡类别；

若所述最大遮挡概率大于所述遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物不属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为聚集类别。

2.根据权利要求1所述的方法，其特征在于，所述对所述障碍物列表和所述历史状态轨迹列表进行匹配，获得每个所述目标障碍物对应的候选状态轨迹列表，包括：

对于所述障碍物列表中任一所述目标障碍物，计算所述目标障碍物分别与所述历史状态轨迹列表中每个历史状态轨迹之间的匹配度；

若所述目标障碍物与所述历史状态轨迹列表中的目标历史状态轨迹之间的匹配度大于设定的匹配度阈值，则将所述目标历史状态轨迹添加至所述目标障碍物对应的候选状态轨迹列表中。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为聚集类别之后，还包括：

若所述历史状态轨迹列表中存在未匹配成功的第二历史状态轨迹，对于对应丢失状态的任一所述第二历史状态轨迹，计算所述第二历史状态轨迹的重现概率；

若所述重现概率中的最大重现概率大于设定的重现概率阈值，则将所述第二历史状态轨迹与所述最大重现概率对应的所述目标障碍物的组合标定为重现类别。

4.根据权利要求1所述的方法，其特征在于，所述对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到每个所述目标障碍物对应所述当前时刻的最新状态轨迹列表之后，还包括：

对于所述障碍物列表中未匹配成功的任一所述目标障碍物，计算所述目标障碍物新进入所述路侧传感器监控区域的新进概率；

若所述新进概率大于设定的新进概率阈值，则创建所述目标障碍物对应所述当前时刻的最新状态轨迹列表。

5.根据权利要求1所述的方法，其特征在于，所述对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到所述当前时刻对应的最新状态轨迹列表，包括：

对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，确定所述目标状态轨迹信息和所述历史状态轨迹信息发生的条件下，更新后的最新状态轨迹信息分别为各个预设状态轨迹信息的条件概率；

确定所述条件概率中的最大条件概率；

将所述最大条件概率对应的所述预设状态轨迹信息确定为所述更新后的最新状态轨迹信息，得到所述当前时刻对应的最新状态轨迹列表，包括：用后验概率函数P(T-new|T-old，O-new)表示轨迹的更新模型，在更新前的轨迹信息(T-old)，目标障碍物O的信息(O-new)下，更新后的轨迹信息是当P(T-new|T-old，O-new)取最大值时对应的T-new值，或者是在P(T-new|T-old,O-new)的均值时对应的T-new值后，将T-new值存入轨迹数据节点，将T-new值对应的预设状态轨迹信息确定为更新后的最新状态轨迹信息，得到当前时刻对应的最新状态轨迹列表。

6.根据权利要求1所述的方法，其特征在于，所述感知数据包括：所述目标障碍物的编号；所述目标障碍物在传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；所述目标障碍物在所述数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；所述目标障碍物的颜色特征和/或深度网络特征；所述目标障碍物对应的交通元素分类；所述路侧传感器对每个所述目标障碍物的检测可靠度；

所述目标状态轨迹信息包括：对应的所述目标障碍物在所述当前时刻的编号；对应的所述目标障碍在所述当前时刻在各个所述路侧传感器的所述传感器坐标系下的位置、形状、尺寸和位姿中的至少一者；对应的所述目标障碍物在所述当前时刻在所述数字轨路侧单元的本地坐标系下的位置、形状、尺寸和位姿中的至少一者；所述各个所述路侧传感器分别在所述当前时刻对所述目标状态轨迹信息对应的所述目标障碍物的检测可靠度；所述当前时刻的时间戳信息。

7.一种数字轨路侧单元，其特征在于，所述数字轨路侧单元包括：

获取模块，用于获取历史状态轨迹列表；所述历史状态轨迹列表中存储有历史时段内各个历史障碍物的历史状态轨迹信息；

接收模块，用于接收各个路侧传感器采集的各个目标障碍物在当前时刻对应的感知数据；

生成模块，用于根据所述感知数据，生成障碍物列表；所述障碍物列表包括各个当前障碍物的特征信息；

匹配模块，用于对所述障碍物列表和所述历史状态轨迹列表进行匹配，获得每个所述目标障碍物对应的候选状态轨迹列表；

确定模块，用于从每个所述候选状态轨迹列表中，确定每个所述目标障碍物相匹配的目标状态轨迹信息，包括：

对于任一所述目标障碍物，将所述目标障碍物对应的所述候选状态轨迹列表中匹配度最高的历史状态轨迹确定为所述目标障碍物相匹配的目标状态轨迹信息；

将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别；

更新模块，用于对于对应同一所述目标障碍物的所述目标状态轨迹信息与所述历史状态轨迹信息，根据所述目标状态轨迹信息，对所述历史状态轨迹信息进行更新，得到所述当前时刻对应的最新状态轨迹列表；

在所述将所述目标障碍物与相匹配的所述目标状态轨迹信息的组合标定为匹配类别之后，所述确定模块还用于：

若所述历史状态轨迹列表中存在未匹配成功的第一历史状态轨迹，对于任一所述第一历史状态轨迹，计算所述第一历史状态轨迹分别被每个所述目标障碍物遮挡的遮挡概率；

若所述遮挡概率中的最大遮挡概率大于设定的遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为遮挡类别；

若所述最大遮挡概率大于所述遮挡概率阈值，且所述最大遮挡概率对应的所述目标障碍物不属于所述匹配类别，则将所述第一历史状态轨迹与所述最大遮挡概率对应的所述目标障碍物的组合标定为聚集类别。

8.根据权利要求7所述的数字轨路侧单元，其特征在于，所述匹配模块包括：

计算子模块，用于对于所述障碍物列表中任一所述目标障碍物，计算所述目标障碍物分别与所述历史状态轨迹列表中每个历史状态轨迹之间的匹配度；

添加子模块，用于若所述目标障碍物与所述历史状态轨迹列表中的目标历史状态轨迹之间的匹配度大于设定的匹配度阈值，则将所述目标历史状态轨迹添加至所述目标障碍物对应的候选状态轨迹列表中。

Images