具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供一种基于高精度地图的车道级路径规划方法,所述基于高精度地图的车道级路径规划方法包括以下步骤:
S1、对起点至终点的路径按照道路的属性变化点,沿与车道线垂直方向进行阶段性切割分段,得到多组车道线合集;
S2、设置车道线评分规则,根据评分规则对每一车道线合集中的每一条车道线进行阈值评分;
S3、当一条车道线中存在多种评分阈值的区间,则将该车道线的评分阈值重叠部分进行切割,并取重叠阈值中的最大值为重叠部分的评分阈值;
S4、以评分阈值发生变化的位置,将该整体路径沿与车道线垂直方向进行切割,形成高度细化的车道线合集,将每一个车道合集中的最优车道线进行组合,得到最优路线。
在自动驾驶的路径规划中,由于路径中车道线的变化,车道属性的变化等环境的复杂变化,以及道路阻碍的不定时设置,和道路拥堵的实时变化等不确定因素造成现有的路径规划需要通过大量的计算和分析步骤,从而无法及时的提供最及时、最精准的道路规划,本发明所述基于高精度地图的车道级路径规划方法,基于高精度地图,提前对车道线的变化,车道属性的变化、以及道路阻碍的不定时设置和道路拥堵的实时变化等问题预设了评分规则,将复杂的环境变化和不确定因素转化为了简单的数值评分,从而降低了系统的计算分析总量,进而能够提供最及时、最精准的道路规划。
其中,如图2所示,所述步骤S1包括以下分步骤;
S11、获取路径规划的起点S和终点E,其中起点S与终点E必须落在车道内;
S12、获取起点S与终点E之间所有的车道级别的道路数据;
S13、将道路数据按照拓扑连接关系以及属性变化点沿与车道线lane垂直方向进行阶段性切割分段,得到多组车道线合集lane section;
S14、获取起点S和终点E之间所有的道路动态信息。
为降低了系统的计算分析总量,方便进行后续的操作,需要对每一种规则进行量化,对每一种规则设定一个阈值评分,所述车道线评分规则包括以下规则:
规则1:长度为是最短车线变更距离与需要变道的次数的乘积的区间为偏离目标地点的车线区间,该区间的评分阈值为RANK5;
图3为起点S和终点E的路径示意图。
图4中(a)至(b)为本发明所述基于高精度地图的车道级路径规划方法的评分规则示意图。
图4(a)中,虚线框内标示出的区域就为RANK5的区域,它的长度为:最短车线变更距离与需要变道的次数的乘积。如图4(a)所示,①处为一个最短车线变更距离,进入了此区域将无法再前进,②处为两个最短车线变更距离,在这个车道上需要变更两次车道才能到达目的,进入此区域将无法到达目的地,同理③处为一个最短车线变更距离。
规则2:可以有余的进行车道变更的区间的评分阈值为RANK4,如图4(b)所示;
规则3:起点的始发线与终点的回溯线在不变道的情况下交汇于一点的区间为最合适车线,所述最合适车线的评分阈值为RANK0,如图4(c)所示;
具体的,所述最合适车线的判断包括以下两种情况:
A.从终点沿着当前车线一直往回回溯到与起点。
B.从终点沿着当前车线一直往回回溯到当前车线的尽头,不再与其它车线有连接关系,将回溯后的位置记为POS A,从起点开始沿着当前车线不变道一直到与POS A相汇于某个lane section。
规则4:与最合适车线相邻的车线的评分阈值为RANK1,如图4(d)所示;
规则5:与最合适车线间隔2个车线或2个车线以上的车线的评分阈值为RANK2,如图4(e)所示;
规则6:超车车道的评分阈值为RANK3,如图4(f)所示;
规则7:车线合流区间的评分阈值为RANK4,如图4(g)所示;
规则8:由于施工、事故等各种其它原因造成不可通行的车线区间,所述不可通行的车线区域的评分阈值为RANK5;,如图4(h)所示;
规则9:对由于堵车或者其它原因造成行驶缓慢的车线区间,所述行驶缓慢的车线区域的评分阈值为RANK4,如图4(i)所示;
其中,RANK5>RANK4>RANK3>RANK2>RANK1>RANK0。
如图5所示,所述步骤S2包括以下分步骤;
S21、依次取出起点到终点之间的每组车道线合集;
S22、依次取出车道线合集中的每条车道线,根据评分规则分别对每条车道线进行阈值评分;
S23、直至每组车道线合集中的每条车道线均完成阈值评分,阈值评分后的车道线存在一个或多个评分阈值。
具体的,按照上述1至9的评分规则,某一车道即可以为最合适车道线,此时,该车道的评分阈值为RANK0,同时,该最合适车道线亦可以为超车车道,此时,该车道还具有另一评分阈值为RANK3,进一步的,该车道中还存在行驶缓慢的车线区域,该车线区域的评分阈值为RANK4,因此,同一条车道线可能存在多种评分阈值。
因此,如图6所示,所述步骤S3包括以下分步骤;
S31、判断车道线是否存在多个评分阈值;
S32、如果存在多个评分阈值,则将该车道线的评分阈值重叠部分进行切割,形成多个车线区间,并将车线区间规整到一个集合中;
S33、如果不存在多个评分阈值或者车道线的多个评分阈值的边界完全一致,则直接将该车道线规整到所述集合中;
S34、对于所述集合中具有重叠的评分阈值的车线区间,取其中的最大评分阈值作为该车线区间的评分阈值。
具体的,按照道路方向行进方向,依次取出起点S到终点E之间的一组lanesection记作section A,依次取出section A中的一条车道线lane记作lane A,按照规则1到规则9的顺序依次给lane A评分,lane A可能有多个RANK值,例如lane A可能既是RANK4也是RANK0。
如果lane A有多个RANK值,则将lane A中评分阈值重叠部分进行切割,形成多个车线区间,并将车线区间规整到一个分裂集合split group中;如果lane A中不存在多个评分阈值或者lane A的多个评分阈值的边界完全一致,则直接将lane A规整到所述集合中。
图7中(a)至(d)为采用本发明所述基于高精度地图的车道级路径规划示意图,以图7(a)为例,图7(a)为各个车道线lane所有RANK进行融合的示意,如图中所示,①②处均有多组RANK重垒,在①②处中间交界处断开,形成两条新的车道线lane,其中①处的车道线lane上有RANK4,RANK1,②处车道线lane上有RANK5,RANK1,将这两处的车道线lane存放到分裂集合split group中,依此办法,处理剩下的车道线lane。
依次从分裂集合split group中取出一段车道线lane记作lane B,判断lane B上的所有RANK值,取RANK值最大的作为lane B最终的RANK值。
以图7(b)为例,按照取RANK最大值的原则,①处的lane上有RANK4,RANK1,②处lane上有RANK5,RANK1,所以,①处的lane的RANK值为RANK4,②处lane的RANK值RANK5。
进一步,如图8所示,所述步骤S4包括以下分步骤:
S41、将集合中所有的车道线按照起点到终点的路径位置关系进行排列;
S42、判断集合中每一个车道区间的起点是否是属性点或者切割点;
S43、如果不是,则将集合中所有的车道线,以评分阈值发生变化的位置将该整体路径沿与车道线垂直方向进行切割,形成高度细化的车道线合集;
S44、将每一个车道合集中的最优车道线进行组合,得到最优路线。
具体的,将分裂集合split group中所有的车道线lane按照起点到终点的路径位置关系进行排列;
将分裂集合split group中所有开始和终止的位置不是属性点也不是切割点的车道线lane放入到集合E中,如图7(b)中,①②处的车道线lane开始和终止的位置不是属性点也不是切割点,将此两处的车道线lane放入到集合E中。
依次从集合E中取出一条车道线lane记作lane D,判断lane D的起点是不是属性点或者切割点,如果不是,沿着垂直于道路的方向,横向将整条道路的所有车道线lane全部切开,并将所有切开的位置赋与切割点的属性。
将重新打断的车道线lane重新组织车道线合集lane section,即将相邻的前后两条切割线间的车道线lane归集在一起形成新的一组车道线合集lane section,如图7(c)中所示。
将起点S放到最优路线的起点位置,即当前位置,从当前位置开始,沿着道路行驶方向,横向比较当前位置所在的车道线合集lane section,如果有比当前车道线lane的RANK值还低且与当前车道线lane相邻的车道线lane,则将该车道线lane记作lane E,如果不存在,则将当前位置所在的车道线lane记作lane E。将lane E放入选择的路径集合A中,将当前位置移到lane E的尾端。
判断当前位置是否已经到了终点位置,如果是,集合A中的所有车道线lane就是本次路径规划的最优路径,如图7(d)所示。
本发明还提供一种基于高精度地图的车道级路径规划系统,如图9所示,所述基于高精度地图的车道级路径规划系统包括以下功能模块:
车道线分隔模块10、用于对起点至终点的路径按照道路的属性变化点,沿与车道线垂直方向进行阶段性切割分段,得到多组车道线合集;
规则设定模块20、用于设置车道线评分规则,根据评分规则对每一车道线合集中的每一条车道线进行阈值评分;
阈值判定模块30、用于当一条车道线中存在多种评分阈值的区间,则将该车道线的评分阈值重叠部分进行切割,并取重叠阈值中的最大值为重叠部分的评分阈值;
高度细化模块40、以评分阈值发生变化的位置,将该整体路径沿与车道线垂直方向进行切割,形成高度细化的车道线合集,将每一个车道合集中的最优车道线进行组合,得到最优路线。
其中,如图10所示,所述车道线分隔模块包括以下功能单元;
路径获取单元11、用于获取路径规划的起点和终点,其中起点与终点必须落在车道内;
道路数据获取单元12、用于获取起点与终点之间所有的车道级别的道路数据;
路径一次切割单元13、用于将道路数据按照拓扑连接关系以及属性变化点沿与车道线垂直方向进行阶段性切割分段,得到多组车道线合集;
动态信息获取单元14、用于获取起点和终点之间所有的道路动态信息。
其中,如图11所示,所述阈值判定模块包括以下功能单元;
阈值判断单元31、用于判断车道线是否存在多个评分阈值;
车道线切割单元32、用于当所述车道线存在多个评分阈值,则将该车道线的评分阈值重叠部分进行切割,形成多个车线区间,并将车线区间规整到一个集合中;
直接规整单元33、用于当所述车道线不存在多个评分阈值或者车道线的多个评分阈值的边界完全一致,则直接将该车道线规整到所述集合中;
阈值判定单元34、用于对于所述集合中具有重叠的评分阈值的车线区间,取其中的最大评分阈值作为该车线区间的评分阈值。
其中,如图12所示,所述高度细化模块包括以下功能单元:
重新排列单元41、用于将集合中所有的车道线按照起点到终点的路径位置关系进行排列;
起点判断单元42、用于判断集合中每一个车道区间的起点是否是属性点或者切割点;
路径二次切割单元43、用于当车道区间的起点不是属性点或者切割点时,则将集合中所有的车道线,以评分阈值发生变化的位置将该整体路径沿与车道线垂直方向进行切割,形成高度细化的车道线合集;
最优路径组合单元44、用于将每一个车道合集中的最优车道线进行组合,得到最优路线。
本发明所述基于高精度地图的车道级路径规划方法及系统,其通过对每一条车道线进行阈值评分;并对存在多种评分阈值的车道线的评分阈值重叠部分进行切割,选取重叠阈值中的最大值为重叠部分的评分阈值;进一步以评分阈值发生变化的位置,将该整体路径沿与车道线垂直方向进行切割,从而形成高度细化的车道线合集,将每一个车道合集中的最优车道线进行组合,最终得到最优路线。本发明有效利用高精度的空间地图的先验信息,对车道线的变化,车道属性的变化、以及道路阻碍的不定时设置和道路拥堵的实时变化等问题预设了评分规则,将复杂的环境变化和不确定因素转化为了简单的数值评分,从而降低了系统的计算分析总量,进而能够提供最及时、最精准的道路规划,使自动驾驶的路径规划更加快速安全,且极大的提高了路径规划的精准度。
本发明相关名词解释:
lane
道路包含一个或者多个车道,一条lane对应于实际道路中的一个车道,一般用一条线来表示一个车道,lane是道路拓扑网络的基本单位。
2.属性变化点
道路的形状(例如车道的增加、减少等)或者道路的属性(道路的等级、匝道、路口等)开始发生变化的地点以及结束变化的地点。
3.lane section
一种lane的组织方式,从属性变化点处用一条垂直于道路的切割线将本条道路的所有车线打断,切割线与各lane相交的地方称为切割点,前后两条切割线之间的所有lane的集合称为lane section。
4.最短车线变更距离
从当前车道变到相邻车道的过程中,车行驶的距离,即一次变道所需要的最短距离。
5.充足的车线变更距离
比最短车线变更距离要长,可以轻松的进行一次变道的距离。
6.道路动态信息
实时交通信息,一般包括道路施工情况、交通管制、道路拥堵等情况。
以上装置实施例与方法实施例是一一对应的,装置实施例简略之处,参见方法实施例即可。
本说明书中各个实施例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部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应超过本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可檫除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。