【技术实现步骤摘要】
本专利技术涉及深度学习和光纤传感，具体涉及一种车辆轨迹连续跟踪方法。
技术介绍
1、智慧高速作为当前交通建设的重点项目之一，目的是实现车与路、车与车之间的智慧连接，做到智能引导、智能管理、智能监控，其中一项必要的工作就是实现车辆轨迹连续跟踪。车辆轨迹连续跟踪能够在高速公路上自动定位车辆轨迹，根据定位的轨迹，进一步得知车辆所在位置、车流密度，并结合时间信息计算车速，实时保障交通安全。在目前用于实现车辆轨迹连续跟踪的传感器中，路面摄像头受环境可见度限制大；激光雷达容易受到电磁干扰影响；光栅阵列振动传感光缆以其中的光纤光栅作为传感单元，能够将外界振动信号强弱转换为强度不同的振动信号，根据振动信号识别出车辆轨迹，能耗低，传感范围广，适用于实现高速公路上的车辆轨迹跟踪。
2、但是现有技术中，光栅阵列振动传感光缆会受到外界其他非车辆振动信号的干扰，且由于不同路段光缆敷设条件的不同，即使是同一条光缆上的光纤光栅，也会出现信号不连续问题，造成识别不出轨迹、识别错误轨迹，给车辆轨迹连续跟踪造成了困难。
技术实现思路
1、有鉴于此，有必要提供一种车辆轨迹连续跟踪方法，用以解决现有技术中存在的光栅阵列振动传感光缆会受到外界其他非车辆振动信号的干扰、会出现信号不连续问题的技术问题。
2、为了解决上述问题，一方面，本专利技术提供了一种车辆轨迹连续跟踪方法，包括：
3、获取自光缆收集的车辆振动信号的瀑布图；
4、在所述瀑布图上进行轨迹标注，确定轨迹标注图，其中，
5、构建初始图像分割模型，将所述瀑布图和所述轨迹标注图输入所述图像分割模型中进行训练，得到训练完备的图像分割网络模型；
6、基于所述训练完备的图像分割模型，对目标车辆的瀑布图进行图像分割，得到目标车辆的连续轨迹图。
7、在一些可能的实现方式中，获取自光缆收集的车辆振动信号的瀑布图，包括：
8、根据光纤振动传感光缆的时域信息，筛选出多种工况，并收集对应工况车辆的振动信号，基于所述振动信号生成瀑布图。
9、在一些可能的实现方式中所述在所述瀑布图上进行连续轨迹标注，确定轨迹标注图之前，所述方法还包括：
10、获取所述瀑布图对应的光缆在预设时间范围内每个光纤光栅的正负最值，得到光缆沿程最大值和最小值序列；
11、对所述最大值和最小值序列进行离群值滤波，得到滤波后的最大值和最小值序列；
12、对所述滤波后的最大值和最小值序列分别求平均，得到两个平均值，使所述瀑布图的显示范围限定在所述两个平均值之间。
13、在一些可能的实现方式中，将所述瀑布图和所述轨迹标注图输入所述图像分割模型中进行训练，得到训练完备的图像分割网络模型，包括：
14、将所述瀑布图输入所述图像分割模型中进行图像分割，得到连续轨迹图，并基于所述连续轨迹图和所述轨迹标注图，计算损失函数，以最小化所述损失函数为目标对所述图像分割模型进行迭代训练，直到达到终止条件，得到训练完备的图像分割网络模型。
15、在一些可能的实现方式中，所述图像分割模型包括特征编码网络和特征解码网络；
16、将所述瀑布图输入所述图像分割模型中进行图像分割，得到连续轨迹图，包括：
17、基于特征编码网络，对所述瀑布图进行卷积、池化、激活和残差连接，得到图像低层次特征；
18、基于特征解码网络，对所述图像低层次特征进行上采样、卷积和激活的同时，与所述图像低层次特征进行拼接，得到图像拼接特征，并对最后一个图像拼接特征进行上采样、卷积和激活，实现图像分割，得到连续轨迹图。
19、在一些可能的实现方式中，所述特征编码网络包括卷积、池化、激活和残差模块，特征编码网络的残差模块个数为四个，在每个残差模块输出图像特征后进行卷积、激活和池化，共生成四次图像低层次特征；
20、所述特征解码网络包括上采样、卷积和激活模块，所述特征解码网络的卷积模块数目为四个，在每个卷积模块输出图像特征后都进行上采样与据激活，共生成四次图像拼接特征。
21、在一些可能的实现方式中，所述损失函数的计算公式为：
22、loss＝ldice+αlce
23、式中，loss为损失函数值，ldice为连续轨迹图和轨迹标注图的相似损失，lce为连续轨迹图和轨迹标注图的交叉熵损失，α为交叉熵损失的权重系数。
24、另一方面，本专利技术还提供了一种车辆轨迹连续跟踪装置，包括：
25、图像获取单元，用于获取车辆振动信号的瀑布图，以及，并在所述瀑布图上进行连续轨迹标注，确定轨迹标注图；
26、模型训练单元，用于构建初始图像分割模型，将所述瀑布图输入所述图像分割模型中进行图像分割，得到连续轨迹图，并基于所述连续轨迹图和所述轨迹标注图，计算损失函数，以最小化所述损失函数为目标对所述图像分割模型进行迭代训练，直到达到终止条件，得到训练完备的图像分割网络模型；
27、轨迹跟踪单元，用于基于所述训练完备的图像分割模型，对目标车辆的瀑布图进行图像分割，得到目标车辆的连续轨迹图。
28、另一方面，本专利技术还提供了一种电子设备，包括存储器和处理器；
29、所述存储器，用于存储程序；
30、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述所述的车辆轨迹连续跟踪方法的步骤；
31、另一方面，本专利技术还提供了一种计算机可读存储介质，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述所述的车辆轨迹连续跟踪方法的步骤。
32、采用上述实施例的有益效果是：本专利技术提供的车辆轨迹连续跟踪方法，首先获取自光缆收集的车辆振动信号的瀑布图，然后在瀑布图上进行连续轨迹标注，确定轨迹标注图，进行轨迹标注包括将所述瀑布图中车辆轨迹所在位置进行标记、将所述瀑布图中车辆轨迹断开处补充为完整的车辆轨迹信号，以及忽略所述瀑布图中的噪声信号，接着构建初始图像分割模型，将瀑布图和轨迹标注图输入图像分割模型中进行训练，得到训练完备的图像分割网络模型，最后获取目标车辆的目标瀑布图，并将目标瀑布图输入训练完备的图像分割模型，得到目标车辆的连续轨迹图；通过训练完备的图像分割网络模型对瀑布图进行图像分割，可以忽略光纤振动传感光缆收到的噪声信号，补充完整缺失的车辆轨迹信号，实现车辆轨迹连续跟踪。
本文档来自技高网...【技术保护点】
1.一种车辆轨迹连续跟踪方法，其特征在于，包括：
2.根据权利要求1所述的车辆轨迹连续跟踪方法，其特征在于，获取自光缆收集的车辆振动信号的瀑布图，包括：
3.根据权利要求1所述的车辆轨迹连续跟踪方法，其特征在于，所述在所述瀑布图上进行连续轨迹标注，确定轨迹标注图之前，所述方法还包括：
4.根据权利要求1所述的车辆轨迹连续跟踪方法，其特征在于，将所述瀑布图和所述轨迹标注图输入所述图像分割模型中进行训练，得到训练完备的图像分割网络模型，包括：
5.根据权利要求4所述的车辆轨迹连续跟踪方法，其特征在于，所述图像分割模型包括特征编码网络和特征解码网络；
6.根据权利要求5所述的车辆轨迹连续跟踪方法，其特征在于，所述特征编码网络包括卷积、池化、激活和残差模块，所述特征编码网络的残差模块个数为四个，在每个残差模块输出图像特征后进行卷积、激活和池化，共生成四次图像低层次特征；
7.根据权利要求4所述的车辆轨迹连续跟踪方法，其特征在于，所述损失函数的计算公式为：
8.一种车辆轨迹连续跟踪装置，其特征在于，包括：<...
【技术特征摘要】
1.一种车辆轨迹连续跟踪方法，其特征在于，包括：
2.根据权利要求1所述的车辆轨迹连续跟踪方法，其特征在于，获取自光缆收集的车辆振动信号的瀑布图，包括：
3.根据权利要求1所述的车辆轨迹连续跟踪方法，其特征在于，所述在所述瀑布图上进行连续轨迹标注，确定轨迹标注图之前，所述方法还包括：
4.根据权利要求1所述的车辆轨迹连续跟踪方法，其特征在于，将所述瀑布图和所述轨迹标注图输入所述图像分割模型中进行训练，得到训练完备的图像分割网络模型，包括：
5.根据权利要求4所述的车辆轨迹连续跟踪方法，其特征在于，所述图像分割模型包括特征编码网络和特征解码网络；
6.根据...
【专利技术属性】
技术研发人员：谢鑫晶，宋珂，徐一旻，李凯，马俊杰，
申请(专利权)人：武汉烽理光电技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。