CN108286979B - 一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统 - Google Patents
一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统 Download PDFInfo
- Publication number
- CN108286979B CN108286979B CN201710015113.2A CN201710015113A CN108286979B CN 108286979 B CN108286979 B CN 108286979B CN 201710015113 A CN201710015113 A CN 201710015113A CN 108286979 B CN108286979 B CN 108286979B
- Authority
- CN
- China
- Prior art keywords
- navigation path
- navigation
- road
- data
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种获取高精度导航路径数据的方法和装置,通过获取导航路径中高精度的形状点的几何数据和对应的低精度的路链数据,拟合得到每个形状点的曲率值,并根据对应的将路链集合进行有序聚类,从而得到每条道路的分段曲率值,保存在导航路径中对应的路径数据上,从而能够在车辆行驶时,辅助车辆行驶系统可以从导航路径的路径数据中获取相应坐标位置的曲率值,并在到达该位置之前,提前给出相应的提示或者在将要经过该位置时对车辆转弯的速度、车灯的方向进行控制,提高车辆驾驶的安全性。
Description
技术领域
本发明涉及车辆辅助驾驶技术,尤指一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统。
背景技术
目前,随着无人自动驾驶技术和驾驶辅助系统(Advanced Driver AssistanceSystems,简称:ADAS)的技术发展,在智能汽车领域对导航电子地图的精度有了更高级别的要求,因此,导航电子地图作为其关键数据基础,是自动驾驶汽车技术实现的重要辅助支撑。
自动驾驶技术的发展越来越迅速,这就要求作为自动驾驶不可或缺的重要支撑技术的高精度地图快速成熟起来,提供更精准更鲜活的地图数据。但是汽车控制系统仅凭借机动车的行驶状态参数是无法实现智能化的控制,而传统的导航电子地图一般都是根据低精度全球定位系统(Global Positioning System,简称:GPS)数据拟合计算得到的,与实际道路建筑工程设计规范中对公路线性基本规定存在描述上的差距,对于智能汽车在行驶过程中如何获取高精度的导航路径数据来实现智能化的辅助驾驶功能的问题迫待解决。
发明内容
为了解决上述技术问题,本发明提供了一种获取高精度导航路径数据的方法和装置以及以及导航系统、驾驶系统,能够提供高精度的导航路径数据,从而能够更加智能化辅助汽车的驾驶功能,提高了车辆驾驶的安全性。
第一方面,本实施例提供一种获取高精度导航路径数据的方法,该包括:
获取导航路径中的形状点,拟合得到每个所述形状点的曲率值;
获取导航路径中所述形状点对应的路段,并对所述路段中对应的所述形状点的曲率值进行有序聚类得到分段曲率值;
将所述分段曲率值标识到所述导航路径中对应的路径数据中。
如上所述,所述获取导航路径中的每个形状点,拟合得到每个所述形状点的曲率值的步骤,包括:
对导航路径中预设的第一采样点进行内插重采样后得到的预设间隔的所述形状点的高精度空间几何数据;
通过三阶贝塞尔曲线的拟合模型对采样后所得到的高精度空间几何数据进行拟合计算,得到每个所述形状点的曲率值。
如上所述,所述获取导航路径中所述形状点对应的路段,并对所述路段中对应的所述形状点的曲率值进行有序聚类得到分段曲率值的步骤,包括:
按照导航路径中预设的第二采样点获取导航路径中所述形状点对应的路段;
根据导航路径中至少包括方向的属性信息,将同方向的所述路段进行聚合得到路链集合;
按照最小二乘法的聚类方式对所述路段集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
进一步地,该方法在获取导航路径中的形状点的步骤之后,还包括:
根据所述形状点确定所述导航路径中多条路段交汇的节点,获取所述节点分别对应各条路段的坡度值;
将所述节点对应的各条路段的坡度值标识到所述导航路径中对应的路径数据中。
进一步地,该方法还包括:
采用三维道格拉斯算法,根据所获取的形状点提取出所述导航路径中的坡度特征点,获取所述坡度特征点的坡度值;
保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据;和/或,根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
第二方面,本实施例提供一种获取高精度导航路径数据的装置,该装置包括第一处理模块、第二处理模块和存储模块;其中:
所述第一处理模块配置为获取导航路径中的形状点,拟合得到每个所述形状点的曲率值;
所述第二处理模块配置为获取导航路径中所述形状点对应的路段,并对所述路段中对应的所述形状点的曲率值进行有序聚类得到分段曲率值;
所述存储模块配置为将所述分段曲率值标识到所述导航路径中对应的路径数据中。
如上所述,所述第一处理模块包括:
第一采样单元,配置为对导航路径中预设的第一采样点进行内插重采样后得到的预设间隔的所述形状点的高精度空间几何数据;
拟合单元,配置为通过三阶贝塞尔曲线的拟合模型对采样后所得到的高精度空间几何数据进行拟合计算,得到每个所述形状点的曲率值。
和/或,所述第二处理模块包括:
第二采样单元,配置为按照导航路径中预设的第二采样点获取导航路径中所述形状点对应的路段;
曲率计算单元,配置为根据导航路径中至少包括方向的属性信息,将同方向的所述路段进行聚合得到路链集合;以及,按照最小二乘法的聚类方式对所述路段集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
进一步地,该装置还包括:第三处理模块;
所述第三处理模块配置为根据所述形状点确定所述导航路径中多条路段交汇的节点,获取所述节点分别对应各条路段的坡度值;以及,将所述节点对应的各条路段的坡度值标识到所述导航路径中对应的路径数据中;和/或,
第四处理模块配置为采用三维道格拉斯算法根据所获取的形状点提取出所述导航路径中的坡度特征点,获取所述坡度特征点的坡度值;以及,保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据;和/或,
制图模块,配置为根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
第三方面,本实施例提供一种导航系统,该系统包括:
地图数据库,用于存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图;
搜索模块,用于根据用户指令执行搜索操作并输出搜索结果;
导航模块,用于根据得到的导航指令为用户提供二维/三维路径规划及导航服务;
娱乐模块,用于提供游戏、音乐及其他影音娱乐项目;
通信模块,用于获取更新的地图数据、动态交通信息、一对一或群组的语音/视频通讯;
信息入口模块,用于接收用户通过触屏或按键手动输入的指令;
智能语音交互模块,用于接收用户语音指令、进行语音唤醒和语音控制,以及用于语音输出执行所述用户语音指令的结果;
分析模块,用于对所述用户语音指令进行语音识别、语意分析及指令转换,并用于通知相应的模块执行识别出来的用户语音指令;其中,所述用户语音指令为任意语种的任意一种句型的表达;
显示模块,用于显示所述搜索模块提供的搜索结果,所述导航模块提供的导航路径、所述数据模块提供的地图数据、以及所述通信模块提供的动态交通信息,采用语音、二维/三维图示、和/或文字的方式显示;
趣驾操作系统,用于为上述各模块提供运行环境和支持;
传感系统,用于监测车辆状态和路况信息,为所述趣驾操作系统提供实时动态信息。
第四方面,本实施例提供一种驾驶系统,该系统配置有:
地图数据库,用于存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图;
主控系统,用于控制车辆的行驶路线,判断路况,并对应执行相应的行驶规则;所述主控系统还配置有自学习模块,用于根据习得路况和行车记录信息更新控制规则和行驶规则;
激光测距系统,用于扫描周围环境及交通状况,测量车辆与前后左右各个物体间的距离,生成扫描影像地图数据,并传送给所述主控系统;
前置摄像设备,用于识别交通信号灯及其他交通信号标识,并在所述主控系统的辅助下辨别移动物体,并将识别结果反馈给所述主控系统作为行驶决策的依据;
位置传感系统,通过测定汽车的横向移动,辅助所述主控系统进行精确定位。
本发明实施例提供的一种获取高精度导航路径数据的方法及装置以及导航系统、驾驶系统,通过获取导航路径中高精度的形状点的几何数据和对应的低精度的路链数据,拟合得到每个形状点的曲率值,并根据对应的将路链集合进行有序聚类,从而得到每条道路的分段曲率值,保存在导航路径中对应的路径数据上,从而能够在车辆行驶时,辅助车辆行驶系统可以从导航路径的路径数据中获取相应坐标位置的曲率值,并在到达该位置之前,提前给出相应的提示或者在将要经过该位置时对车辆转弯的速度、车灯的方向进行控制,提高车辆驾驶的安全性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为本发明提供的一种获取高精度导航路径数据的方法实施例一的流程示意图;
图2为本发明提供的一种获取高精度导航路径数据的方法另一实施例中坡度示意图;
图3为本发明实施例中的坡度值正负示意图;
图4为坡度高程差异示意图;
图5为高精度地图几何模型示意图;
图6为本发明提供的一种获取高精度导航路径数据的方法又一实施例改进后的高精度几何模型示意图;
图7为本发明实施例中坡度特征点提取过程的参考示意图;
图8为本发明提供的一种获取高精度导航路径数据的装置实施例一的结构示意图;
图9为本发明提供的一种导航系统实施例一的结构示意图;
图10为本发明提供的一种驾驶系统实施例一的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
一般来说,汽车的导航系统由硬件平台、导航电子地图、导航引擎三大部分组成,可以应用到手机、PAD、PND、车载电脑、车载嵌入式终端等导航终端中,但并不限于此。
导航电子地图是含有空间位置地理坐标,能够与空间定位系统结合,准确引导人或交通工具从出发地到达目的地,通常采用分层方法管理地图数据,根据交通导航应用目标,将地图数据归类为路网层、地物层、背景层三大类,其中,路网层是整个地图的核心,车辆的定位导航完全依靠路网层实现。
其中,导航路径是导航装置根据车辆的出发地的位置信息和目的地的位置信息,从电子地图数据库中匹配得到的用于引导车辆行驶的路径。
路网数据是导航电子地图中针对导航路径主要研究的数据,通常通过形状点、节点、路链之间的关系来描述道路之间的拓扑关系,其中,形状点是指描述道路几何形状的点,节点是指道路交叉口、道路尽头或道路属性改变的地方的点,路链是指节点与节点之间的路段。
驾驶辅助系统中的数据结构包括路宽、曲率、坡度及转换的集合形状基本属性,其中,曲率是用于表示道路的弯曲程度,坡度是用于表示道路的离水平面的倾斜度。
本发明实施例涉及的方法,旨在解决现有技术中智能汽车在行驶过程中如何获取高精度的导航路径数据来实现智能化的辅助驾驶功能的技术问题。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明提供的一种获取高精度导航路径数据的方法实施例一的流程示意图。本实施例涉及的是实现获取高精度导航路径数据中的曲率值的具体过程。如图1所示,该方法包括:
S101、获取导航路径中的形状点,拟合得到每个所述形状点的曲率值。
例如,通过采集精度为亚米级的GPS设备得到更趋向实际情况的路网数据,得到原始采样点,然后将采集到原始采样点的路网数据进行内插重采样获得形状点为5米间隔的高精度空间几何数据,对5米间隔的形状点进行曲率拟合,得到每个形状点的曲率值。
S102、获取导航路径中所述形状点对应的路段,并对所述路段中对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
例如,通过采集精度为低精度的GPS设备得到导航路径的路网数据,经过对路网数据进行抽希处理后,根据路网模型中路段的方向、挂接等属性信息,将同方向挂接路链link进行聚合计算得到link集合。
然后以路链为对象,将其link集合对应的高精度形状点的曲率值进行有序聚类,聚类算法可以为二维最小二乘法。例如:本步算法可以描述如下:对给定路链形状点有序集合{(link1,C1),(link2,C2),….(linkn,Cn)},linkn代表道路,Cn代表形状点,以第一个和第二个两个点为基础,从第三个点开始逐步计算其曲率值的误差平方和,使误差的平方和最小,从而以寻求与给定点集的距离平方和为最小的曲线y=p(x)。
S103、将所述分段曲率值标识到所述导航路径中对应的路径数据中。
例如,将聚类计算得到的分段曲率值记录在路网link上,可以以offset(偏移函数)方式记录其位置,例如:Offset为分段曲率值对应的曲率特征点距link起点的距离,单位米,以下为其表述的结构,“IS_RDLINK_SHPT”字段中1为路网几何的形状点,2代表根据高精度曲率分段结果得到的对应曲率特征点。
本发明实施例提供的一种获取高精度导航路径数据的方法,通过获取导航路径中高精度的形状点的几何数据和对应的低精度的路链数据,拟合得到每个形状点的曲率值,并根据对应的将路链集合进行有序聚类,从而得到每条道路的分段曲率值,保存在导航路径中对应的路径数据上,从而能够在车辆行驶时,辅助车辆行驶系统可以从导航路径的路径数据中获取相应坐标位置的曲率值,并在到达该位置之前,提前给出相应的提示或者在将要经过该位置时对车辆转弯的速度、车灯的方向进行控制,提高车辆驾驶的安全性。
进一步地,上述获取导航路径中的每个形状点,拟合得到每个所述形状点的曲率值的步骤,包括:
对导航路径中预设的第一采样点进行内插重采样后得到的预设间隔的所述形状点的高精度空间几何数据;
通过三阶贝塞尔曲线的拟合模型对采样后所得到的高精度空间几何数据进行拟合计算,得到每个所述形状点的曲率值。
现有地图的曲率制作对象为路网数据,这部分数据的几何形状来源采集精度为15米左右的GPS,且制作为路网时已经经过了抽稀,形状点的间距为2-2公里不等。因此,根据普通路网几何拟合计算的曲率并不能精确的描述实际的道路情况。
例如,在本实施例中通过采集精度为亚米级的GPS设备得到更趋向实际情况的路网数据,得到第一采样点,然后将采集到原始采样点的路网数据进行内插重采样获得形状点为5米间隔的高精度空间几何数据,这样以每个5米的间隔频率来记录,使得存储空间和运行效率非常高。
另外,现有技术中的导航电子地图数据库中的导航路径是不平滑的,而且并非完全符合实际道路路况,因此,在本实施例中,可预先对电子地图数据库中的导航路径进行曲线拟合,以更加符合实际道路的形状,例如,可采用如下方式:
步骤201、选择拟合模型和选择拟合参数;
步骤202、结合拟合模型和拟合参数,确定电子地图数据库中导航路径上不同位置的拟合算法;
步骤203、根据导航路径上形状点的数量和位置,采用不同的拟合算法进行曲线拟合;
步骤204、在拟合好的曲线上,选择与原导航路径上形状点相对应的点,并计算拟合好的曲线上对应的点的曲率值。
在本实施例中,可以根据道路和实际应用,可以选择三阶贝塞尔曲线作为拟合模型。
下面结合如下步骤详细介绍本实施例中基于曲率的辅助驾驶的方法,具体步骤如下:
步骤301、确定拟合模型;
根据道路link和实际应用,选择三阶贝塞尔曲线作为拟合模型。
步骤302、确定拟合参数;
通过对道路模型研究,确定拟合参数。
步骤303、确定拟合算法;
结合拟合模型和参数,确定道路link上不同位置的拟合算法。
步骤304、选择道路link;
根据产品设计,选择相应的道路link。
步骤305、曲线拟合;
根据道路link采样点的数量和位置,采用不同的拟合算法进行曲线拟合。
步骤306、选择采样点的对应点;
在拟合好的曲线上,选择与原道路link上采样点相对应的点。
拟合出的曲线并不一定会与实际的折线完全重合,可能会有所偏差,因此对应形状点在拟合曲线上的坐标点为:从形状点向曲线做垂线,垂直坐标点为实际形状点的对应点,计算该点在曲线上的曲率值,作为实际形状点的曲率值。
进一步地,所述获取导航路径中所述形状点对应的路链,并对所述路链中对应的所述形状点的曲率值进行有序聚类得到分段曲率值的步骤,包括:
按照导航路径中预设的第二采样点获取导航路径中所述形状点对应的路链;
根据导航路径中至少包括方向的属性信息,将同方向的所述路链进行聚合得到路链集合;
按照最小二乘法的聚类方式对所述路链集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
例如,在本实施例中通过采集精度为普通的GPS设备得到的路网数据,按照第二采样点获取导航路径中的路网模型,即获取上述形状点对应的路链link,根据路网模型中link的方向、形状点挂接在哪个link上等属性信息,将同方向挂接link进行路链聚合计算得到link集合。
然后以路链为对象,将其link集合对应的高精度形状点的曲率值进行有序聚类,聚类算法可以为二维最小二乘法。例如:本步算法可以描述如下:对给定路链形状点有序集合{(link1,C1),(link2,C2),….(linkn,Cn)},linkn代表道路,Cn代表形状点,以第一个和第二个两个点为基础,从第三个点开始逐步计算其曲率值的误差平方和,使误差的平方和最小,通过这样聚类计算得到分段曲率值,从而以寻求与给定点集的距离平方和为最小的曲线y=p(x)。
本实施例通过最小二乘法聚类计算得到分段曲率值,并采用Offset结构存储表达路网曲率,可以减少数据的冗余性。
进一步地,在上述实施例的基础上,在获取导航路径中的形状点的步骤之后,还包括:
根据所述形状点确定所述导航路径中多条路段交汇的节点,获取所述节点分别对应各条路段的坡度值;
将所述节点对应的各条路段的坡度值标识到所述导航路径中对应的路径数据中。
例如,图2为本发明提供的一种获取高精度导航路径数据的方法另一实施例中坡度示意图,图3为本发明实施例中的坡度值正负示意图,如图2、图3所示,导航地图中道路中的坡度(slope)是用来表示地表单元陡缓的程度,通常把坡面的垂直高度h和水平宽度s的比叫做坡度,坡度值以角度表示,是一个采样点按画线方向找到下一个采样点的连线与水平方向夹角的角度值,单位为十进制度,坡度的计算依赖于高精度地图的三维坐标。
导航地图中的道路坡度有以下几个特点:
(1)坡度有正负值区分,用“﹢”“-”号表示。若B点高程比A高,则坡度为正值。若B点高程比A低,则坡度为负值。
(2)一个形状点只能有一个坡度值,但一个节点可能有多个坡度值,即数据中一个节点node与其挂接的所有道路link均存在坡度信息。
(3)每个形状点的间隔距离都一致,因此对应的坡度值可以通过坡面的高程值来反映,后续实施例中均以高程值来描述对应的坡度值。
图4为坡度高程差异示意图,图5为高精度地图几何模型示意图,如图4、图5所示,在现有技术中,经过对数据的分析和高精度仪器精度的评测发现,在重复测量同一路段时,会得到高度值相差过大的GPS轨迹,即直行通过第一路段和通过的第二路段从分歧出口出去测得的两条路段的节点的坡度值对应的高程差是存在1~2米差异的。
上述问题发生的过程:在高精度几何制作时,间隔相同形状点的GPS轨迹在道路交汇处会采集多次,在交汇处的节点得到坡度值对应的高程值是不能保证为相同的高程值,即不能通过高精度仪器得到交汇处的节点的绝对高程值,而在已有高精度地图几何模型中,挂接点三维空间坐标只存储了一次且唯一,这样根据现有模型记录的高精度几何计算得到的坡度值,如果在节点挂接处的坡度值较大,是一个不符合实际的错误数值,这样就不能很好地辅助车辆的驾驶。
图6为本发明提供的一种获取高精度导航路径数据的方法又一实施例改进后的高精度几何模型示意图,在本实施例中,根据高精度仪器设备采集得到GPS原始数据,经过PPP单点精密定位后处理方法生成5米间隔采样点轨迹,再通过内业工具与普通导航道路几何进行匹配,得到具有三维几何信息的高精度地图,并且每个线几何对象,都会单独具有每个采样点的高程值,而在多条道路交汇的节点则可以存在多个高程真值,最后,根据坡度生成原则计算得到每个形状点的坡度值。
改进后的高精度几何模型中已改为将节点的高程值记录在各自挂接的道路几何数组中分别存储,本实施例提出在已有高精度几何形状模型中将节点的高程值改为在与其挂接到道路线几何数据中分别存储,而记录的数量则取决于与其挂接的道路线上。
进一步地,在上述实施例的基础上,在获取导航路径中的形状点的步骤之后,还包括:
采用三维道格拉斯算法根据所获取的形状点提取出所述导航路径中的坡度特征点,获取所述坡度特征点的坡度值;
保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据;和/或,根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
基于上述实施例可知,通过关联普通道路几何得到相邻形状点间水平距离为5米的高精度几何信息,而其形状点个数一般会比普通精度道路上的形状点多。以某版母库为例,北京市ADAS制作范围为道路种别为高速和城市高速的数据,总长度共计3313公里,普通道路几何形状点约为9.7万个,而高精度几何约为66万个形状点组成,其个数是普通道路几何形状点个数的6倍多。如此海量的空间数据,势必会在后期数据编译阶段造成转换崩溃及导航仪ADAS应用功能无法正常使用,因此,采样点过度密集,造成坡度数据冗余存储,导航仪使用时会出现数据编译崩溃。
针对上述问题,本实施例需要对高精度道路形状点经过抽稀处理,提取和保留必要的坡度特征点。
例如,在本实施例中,对于高精度导航电子地图是具有高程信息的三维空间数据,可以采用Douglas-Peucker算法提取高程信息的坡度特征点,具体步骤如下:
S501、需要先逐个计算每个高精度形状点与所在Link起点的平面累计距离(即第二个点的累积距离等于第一个点与起点的距离加上第二个点与第一个点的距离,以此类推);
S502、以累积距离为X,高程值为Y,将三维的GPS点转化为二维空间数据,运用Douglas-Peucker算法对每一条LINK的起点、终点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax,;
S503、用dmax与限差D相比:若dmax<D,这条曲线上的中间点全部舍去;若dmax≥D,保留dmax对应的坐标点,并以该点为界,把曲线分为两部分,对这两部分重复使用该方法,迭代操作,即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去,最后得到满足给定精度限差的曲线点坐标,完成线的化简。
最终经过测试以0.1米作为限差D的三维Douglas-Peucker算法能保留34%的形状点,将提取得到的形状点作为坡度特征点来表达道路高程变化的特征点。
图7为本发明实施例中坡度特征点提取过程的参考示意图,如图7所示,采用Douglas-Peucker算法提取高程信息的坡度特征点,其中,A为起点,B为终点,计算并保留坡度特征点C-H,坡度特征点的坡度精度等同于采样点的坡度值。
上述保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据,或/和,根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
通过本实施例采用道格拉斯算法对形状点进行抽希处理得到特征点,从而可以解决采样点过度密集,造成坡度数据冗余存储,导航仪使用时会出现数据编译崩溃的技术问题。
图8为本发明提供的一种获取高精度导航路径数据的装置实施例一的结构示意图,如图8所示,该装置包括第一处理模块10、第二处理模块20和存储模块50;其中:
所述第一处理模块10配置为获取导航路径中的形状点,拟合得到每个所述形状点的曲率值;
所述第二处理模块20配置为获取导航路径中所述形状点对应的路段,并对所述路段中对应的所述形状点的曲率值进行有序聚类得到分段曲率值;
所述存储模块50配置为将所述分段曲率值标识到所述导航路径中对应的路径数据中。
本发明实施例提供的一种获取高精度导航路径数据的装置,包括:第一处理模块、第二处理模块和存储模块,通过获取导航路径中高精度的形状点的几何数据和对应的低精度的路链数据,拟合得到每个形状点的曲率值,并根据对应的将路链集合进行有序聚类,从而得到每条道路的分段曲率值,保存在导航路径中对应的路径数据上,从而能够在车辆行驶时,辅助车辆行驶系统可以从导航路径的路径数据中获取相应坐标位置的曲率值,并在到达该位置之前,提前给出相应的提示或者在将要经过该位置时对车辆转弯的速度、车灯的方向进行控制,提高车辆驾驶的安全性。
进一步地,在上述实施例的基础上,所述第一处理模块10包括:
第一采样单元101,配置为对导航路径中预设的第一采样点进行内插重采样后得到的预设间隔的所述形状点的高精度空间几何数据;
拟合单元102,配置为通过三阶贝塞尔曲线的拟合模型对采样后所得到的高精度空间几何数据进行拟合计算,得到每个所述形状点的曲率值。
本发明实施例提供的装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
进一步地,在上述实施例的基础上,所述第二处理模块20包括:
第二采样单元201,配置为按照导航路径中预设的第二采样点获取导航路径中所述形状点对应的路段;
曲率计算单元202,配置为根据导航路径中至少包括方向的属性信息,将同方向的所述路段进行聚合得到路链集合;以及按照最小二乘法的聚类方式对所述路段集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
本发明实施例提供的装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
如图8所示,进一步地,在上述实施例的基础上,该装置还包括:第三处理模块30;
所述第三处理模块30,配置为在获取导航路径中的形状点的步骤之后,根据所述形状点确定所述导航路径中多条路段交汇的节点,获取所述节点分别对应各条路段的坡度值;以及将所述节点对应的各条路段的坡度值标识到所述导航路径中对应的路径数据中。和/或,
该装置还包括:第四处理模块40;
所述第四处理模块40配置为采用三维道格拉斯算法根据所获取的形状点提取出所述导航路径中的坡度特征点,获取所述坡度特征点的坡度值;以及
保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据;和/或,
制图模块60,配置为根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
本发明实施例提供的装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图9为本发明提供的一种导航系统实施例一的结构示意图,如图9所示,该导航系统可以应用于各种导航设备中,包括:地图数据库405、搜索模块410、导航模块415、娱乐模块420、通信模块425、操作系统400、传感系统450以及用户交互模块。可选地,用户交互模块包括信息入口模块430、智能语音交互模块435、分析模块440及显示模块445。其中:
数据模块405,用于存储并更新电子地图数据,该电子地图数据为采用上述任一实施例所述的获取高精度导航路径数据的装置处理得到的高精度地图数据;
搜索模块410,用于根据用户指令执行搜索操作并输出搜索结果;
导航模块415,用于根据得到的导航指令为用户提供二维/三维路径规划及导航服务;
娱乐模块420,用于提供游戏、音乐及其他影音娱乐项目;通信模块425,用于获取更新的地图数据、动态交通信息、一对一或群组的语音/视频通讯;
信息入口模块430,用于接收用户通过触屏或按键手动输入的指令;
智能语音交互模块435,用于接收用户语音指令、进行语音唤醒和语音控制,以及用于语音输出执行用户语音指令的结果;
分析模块440,用于对用户语音指令进行语音识别、语意分析及指令转换,并用于通知相应的模块执行识别出来的用户语音指令;其中,用户语音指令为任意语种的任意一种句型的表达;
显示模块445,用于显示搜索模块提供的搜索结果,导航模块提供的导航路径、数据模块提供的地图数据、以及通信模块提供的动态交通信息,采用语音、二维/三维图示、和/或文字的方式显示;
操作系统400,用于为上述各模块提供运行环境和支持;
传感系统450,用于监测车辆状态和路况信息,为所述趣驾操作系统提供实时动态信息。
本发明实施例提供的一种导航系统,包括:地图数据库、搜索模块、导航模块、娱乐模块、通信模块、信息入口模块、智能语音交互模块、分析模块、显示模块、趣驾操作系统和传感模块。通过存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图,从而能够在车辆行驶时,在到达转弯或者有坡度的位置之前,提前给出相应的提示,提高车辆驾驶的安全性。
需要说明的是,由于前述任一实施例所述的获取高精度导航路径数据的方法及装置具有上述技术效果,因此,采用了前述任一实施例所述的获取高精度导航路径数据装置的导航系统也应具备相应的技术效果,其具体实施过程与上述实施例类似,兹不赘述。
图10为本发明提供的一种驾驶系统实施例一的结构示意图,如图10所示,该驾驶系统500可以应用于各种辅助驾驶设备中,包括:地图数据库510、主控系统520、激光测距系统530、前置摄像设备540、位置传感系统550;
地图数据库510,用于存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图;
主控系统520,用于控制车辆的行驶路线,判断路况,并对应执行相应的行驶规则;所述主控系统还配置有自学习模块,用于根据习得路况和行车记录信息更新控制规则和行驶规则;
激光测距系统530,用于扫描周围环境及交通状况,测量车辆与前后左右各个物体间的距离,生成扫描影像地图数据,并传送给所述主控系统;
前置摄像设备540,用于识别交通信号灯及其他交通信号标识,并在所述主控系统的辅助下辨别移动物体,并将识别结果反馈给所述主控系统作为行驶决策的依据;
位置传感系统550,通过测定汽车的横向移动,辅助所述主控系统进行精确定位。
或者在将要经过该位置时对车辆转弯的速度、车灯的方向进行控制,以便提高车辆驾驶的安全性。
本发明实施例提供的一种导航系统,包括:地图数据库、搜索模块、导航模块、娱乐模块、通信模块、车载趣驾操作系统。通过存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图,从而能够在车辆行驶时,在到达转弯或者有坡度的位置时,辅助对车辆转弯的速度、车灯的方向进行控制,提高车辆驾驶的安全性。
需要说明的是,由于前述任一实施例所述的获取高精度导航路径数据的方法及装置具有上述技术效果,因此,采用了前述任一实施例所述的获取高精度导航路径数据装置的驾驶导航系统也应具备相应的技术效果,其具体实施过程与上述实施例类似,兹不赘述。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准内。
Claims (10)
1.一种获取高精度导航路径数据的方法,其特征在于,包括:
获取导航路径中的形状点,拟合得到每个所述形状点的曲率值;
获取导航路径中所述形状点对应的路段,根据导航路径中至少包括方向的属性信息,将同方向的所述路段进行聚合得到路链集合,并对所述路链集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值;
将所述分段曲率值标识到所述导航路径中对应的路径数据中。
2.根据权利要求1所述的方法,其特征在于,所述获取导航路径中的每个形状点,拟合得到每个所述形状点的曲率值的步骤,包括:
对导航路径中预设的第一采样点进行内插重采样后得到预设间隔的所述形状点的高精度空间几何数据;
通过三阶贝塞尔曲线的拟合模型对采样后所得到的高精度空间几何数据进行拟合计算,得到每个所述形状点的曲率值。
3.根据权利要求1所述的方法,其特征在于:
所述获取导航路径中所述形状点对应的路段,进一步包括:按照导航路径中预设的采样点获取导航路径中所述形状点对应的路段;
所述对所述路链集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值,进一步包括:按照最小二乘法的聚类方式对所述路链集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
4.根据权利要求1、2或3任一项所述的方法,其特征在于,在获取导航路径中的形状点的步骤之后,还包括:
根据所述形状点确定所述导航路径中多条路段交汇的节点,获取所述节点分别对应各条路段的坡度值;
将所述节点对应的各条路段的坡度值标识到所述导航路径中对应的路径数据中。
5.根据权利要求4所述的方法,其特征在于,还包括:
采用三维道格拉斯算法,根据所获取的形状点提取出所述导航路径中的坡度特征点,获取所述坡度特征点的坡度值;保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据;
和/或,根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
6.一种获取高精度导航路径数据的装置,其特征在于,该装置包括第一处理模块、第二处理模块和存储模块;其中:
所述第一处理模块配置为获取导航路径中的形状点,拟合得到每个所述形状点的曲率值;
所述第二处理模块配置为获取导航路径中所述形状点对应的路段,并对所述路段中对应的所述形状点的曲率值进行有序聚类得到分段曲率值;
所述存储模块配置为将所述分段曲率值标识到所述导航路径中对应的路径数据中;
所述第二处理模块,进一步包括:曲率计算单元,配置为根据导航路径中至少包括方向的属性信息,将同方向的所述路段进行聚合得到路链集合;以及,对所述路链集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
7.根据权利要求6所述的装置,其特征在于:
所述第一处理模块包括:
第一采样单元,配置为对导航路径中预设的第一采样点进行内插重采样后得到预设间隔的所述形状点的高精度空间几何数据;
拟合单元,配置为通过三阶贝塞尔曲线的拟合模型对采样后所得到的高精度空间几何数据进行拟合计算,得到每个所述形状点的曲率值;
和/或,
所述第二处理模块还包括:第二采样单元,配置为按照导航路径中预设的第二采样点获取导航路径中所述形状点对应的路段;
所述曲率计算单元,进一步配置为按照最小二乘法的聚类方式对所述路链集合对应的所述形状点的曲率值进行有序聚类得到分段曲率值。
8.根据权利要求6或7所述的装置,其特征在于,该装置还包括:
第三处理模块,配置为根据所述形状点确定所述导航路径中多条路段交汇的节点,获取所述节点分别对应各条路段的坡度值;以及,将所述节点对应的各条路段的坡度值标识到所述导航路径中对应的路径数据中;和/或,
第四处理模块,配置为采用三维道格拉斯算法根据所获取的形状点提取出所述导航路径中的坡度特征点,获取所述坡度特征点的坡度值;以及,保留所述坡度特征点对应的路径数据,删除非坡度特征点对应的路径数据,更新所述导航路径中对应的路径数据;和/或,
制图模块,配置为根据得到的所述导航路径的路径数据,制作高精度导航电子地图。
9.一种导航系统,其特征在于,包括:
地图数据库,用于存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图;
搜索模块,用于根据用户指令执行搜索操作并输出搜索结果;
导航模块,用于根据得到的导航指令为用户提供二维/三维路径规划及导航服务;
娱乐模块,用于提供游戏、音乐及其他影音娱乐项目;
通信模块,用于获取更新的地图数据、动态交通信息、一对一或群组的语音/视频通讯;
信息入口模块,用于接收用户通过触屏或按键手动输入的指令;
智能语音交互模块,用于接收用户语音指令、进行语音唤醒和语音控制,以及用于语音输出执行所述用户语音指令的结果;
分析模块,用于对所述用户语音指令进行语音识别、语意分析及指令转换,并用于通知相应的模块执行识别出来的用户语音指令;其中,所述用户语音指令为任意语种的任意一种句型的表达;
显示模块,用于显示所述搜索模块提供的搜索结果,所述导航模块提供的导航路径、所述地图数据库提供的地图数据、以及所述通信模块提供的动态交通信息,采用语音、二维/三维图示、和/或文字的方式显示;
趣驾操作系统,用于为上述各模块提供运行环境和支持;
传感系统,用于监测车辆状态和路况信息,为所述趣驾操作系统提供实时动态信息。
10.一种驾驶系统,其特征在于,配置有:
地图数据库,用于存储并更新根据权利要求6-8任一项所述的获取高精度导航路径数据的装置处理得到的高精度地图;
主控系统,用于控制车辆的行驶路线,判断路况,并对应执行相应的行驶规则;所述主控系统还配置有自学习模块,用于根据习得路况和行车记录信息更新控制规则和行驶规则;
激光测距系统,用于扫描周围环境及交通状况,测量车辆与前后左右各个物体间的距离,生成扫描影像地图数据,并传送给所述主控系统;
前置摄像设备,用于识别交通信号灯及其他交通信号标识,并在所述主控系统的辅助下辨别移动物体,并将识别结果反馈给所述主控系统作为行驶决策的依据;
位置传感系统,通过测定汽车的横向移动,辅助所述主控系统进行精确定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710015113.2A CN108286979B (zh) | 2017-01-09 | 2017-01-09 | 一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710015113.2A CN108286979B (zh) | 2017-01-09 | 2017-01-09 | 一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108286979A CN108286979A (zh) | 2018-07-17 |
CN108286979B true CN108286979B (zh) | 2021-07-20 |
Family
ID=62819450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710015113.2A Active CN108286979B (zh) | 2017-01-09 | 2017-01-09 | 一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108286979B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111399493A (zh) * | 2018-12-29 | 2020-07-10 | 北京奇虎科技有限公司 | 一种智能设备的路径展示方法和装置 |
CN110210298B (zh) * | 2019-04-25 | 2023-06-02 | 南开大学 | 一种基于空中视野的曲折道路信息提取与表示方法 |
CN110032191A (zh) * | 2019-04-28 | 2019-07-19 | 中北大学 | 一种仿人型机器人快速行走循迹避障实现方法 |
CN112347206A (zh) * | 2019-08-06 | 2021-02-09 | 华为技术有限公司 | 地图更新方法、装置及存储介质 |
CN110646013A (zh) * | 2019-09-27 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种地图传感器输出验证装置及其运行方法 |
CN111156076B (zh) * | 2020-01-09 | 2021-06-01 | 一汽解放汽车有限公司 | 一种车辆风扇控制方法及车辆 |
CN111310919B (zh) * | 2020-02-08 | 2020-10-16 | 南栖仙策(南京)科技有限公司 | 基于场景切分和局部路径规划的驾驶控制策略训练方法 |
CN111708043B (zh) * | 2020-05-13 | 2023-09-26 | 阿波罗智能技术(北京)有限公司 | 定位方法及装置 |
CN112050821B (zh) * | 2020-09-11 | 2021-08-20 | 湖北亿咖通科技有限公司 | 一种车道线聚合方法 |
CN112307905B (zh) * | 2020-09-30 | 2023-03-17 | 采埃孚商用车系统(青岛)有限公司 | 一种用于车辆预测控制的道路坡度自学习方法及系统 |
CN112762946B (zh) * | 2020-12-17 | 2023-06-27 | 武汉光庭信息技术股份有限公司 | 一种道路分段处理方法及系统 |
CN114942032B (zh) * | 2022-05-13 | 2024-06-04 | 上海大不自多信息科技有限公司 | 户外综合导航方法、系统及存储介质 |
CN117948992B (zh) * | 2024-03-22 | 2024-06-07 | 航天宏图信息技术股份有限公司 | 高精导航图二阶平滑曲线拓扑拟合方法、装置及设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103162664B (zh) * | 2011-12-08 | 2016-04-13 | 北京四维图新科技股份有限公司 | 高程数据获取方法与装置、导航设备 |
CN103376118B (zh) * | 2012-04-27 | 2017-02-15 | 北京四维图新科技股份有限公司 | 基于曲率的辅助驾驶的方法及装置 |
CN103310824A (zh) * | 2013-06-27 | 2013-09-18 | 长城汽车股份有限公司 | 车辆智能控制系统及具有其的车辆 |
CN103383265B (zh) * | 2013-07-04 | 2016-12-07 | 宁波吉利汽车研究开发有限公司 | 汽车自动驾驶系统 |
JP6321373B2 (ja) * | 2013-12-25 | 2018-05-09 | 株式会社デンソー | 進路推定装置,及びプログラム |
CN104089619B (zh) * | 2014-05-14 | 2016-12-07 | 北京联合大学 | 无人驾驶汽车的gps导航地图精确匹配系统及其操作方法 |
US9562779B2 (en) * | 2014-12-23 | 2017-02-07 | Here Global B.V. | Method and apparatus for providing a steering reliability map based on driven curvatures and geometry curvature |
CN105701222B (zh) * | 2016-01-15 | 2019-04-26 | 武汉中海庭数据技术有限公司 | 一种基于圆弧缓冲带算法提取道路曲率半径的计算方法 |
CN106097444B (zh) * | 2016-05-30 | 2017-04-12 | 百度在线网络技术(北京)有限公司 | 高精地图生成方法和装置 |
-
2017
- 2017-01-09 CN CN201710015113.2A patent/CN108286979B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108286979A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108286979B (zh) | 一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统 | |
US11544950B2 (en) | Method and apparatus for updating road map geometry based on received probe data | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
US10001378B2 (en) | Incremental map generation, refinement and extension with GPS traces | |
EP1946044B1 (en) | System and method for identifying road features | |
CN106643783B (zh) | 基于最短路径泰森多边形的电动汽车充电站搜索方法 | |
CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN108986207B (zh) | 一种基于真实路面数据的道路及沿线建筑仿真建模方法 | |
WO2019173009A1 (en) | Automatic identification of roadside objects for localization | |
CN108204819B (zh) | 一种地图数据自动检测方法和装置、及混合导航系统 | |
CN101842823A (zh) | 用于使用来自多个车辆的探头数据来检测供在更新地图中使用的真实世界改变的方法及系统 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN112082567A (zh) | 基于改进Astar和灰狼算法结合的地图路径规划方法 | |
CN106568456A (zh) | 基于gps/北斗定位和云计算平台的不停车收费方法 | |
CN114238542A (zh) | 多源交通gis路网多层级实时融合更新方法 | |
CN115131669A (zh) | 多源数据协同的人车路网一体化构建方法 | |
US11023752B2 (en) | Method and system for learning about road signs using hierarchical clustering | |
CN111982133A (zh) | 基于高精地图对车辆进行定位的方法、装置及电子设备 | |
US20200193809A1 (en) | Methods and systems for roadwork zone identification | |
CN109282824A (zh) | 导航方法、装置、存储介质及高级驾驶辅助系统 | |
US20210270629A1 (en) | Method and apparatus for selecting a path to a destination | |
CN114543788B (zh) | 结构非结构环境通用的多层全局感知地图构建方法及系统 | |
JP2859954B2 (ja) | 車両走行位置表示方法及び装置 | |
CN113008246A (zh) | 地图匹配方法和装置 | |
Gong | Generalization of road network for an embedded car navigation system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |