CN108334078A - 一种基于高精度地图领航的自动驾驶方法及系统 - Google Patents
一种基于高精度地图领航的自动驾驶方法及系统 Download PDFInfo
- Publication number
- CN108334078A CN108334078A CN201810041486.1A CN201810041486A CN108334078A CN 108334078 A CN108334078 A CN 108334078A CN 201810041486 A CN201810041486 A CN 201810041486A CN 108334078 A CN108334078 A CN 108334078A
- Authority
- CN
- China
- Prior art keywords
- map data
- vehicle
- data
- location parameter
- primary location
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000003068 static effect Effects 0.000 claims abstract description 72
- 230000004807 localization Effects 0.000 claims description 43
- 230000000007 visual effect Effects 0.000 abstract description 34
- 238000010586 diagram Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000572 poisoning Toxicity 0.000 description 2
- 230000000607 poisoning effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于高精度地图领航的自动驾驶方法,包括:确定车辆在高精度地图上的当前定位;获取与当前定位对应的第一静态地图数据和第一动态地图数据;根据用户输入确定车辆在高精度地图上的目标定位;根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息;根据领航信息生成或调整自动驾驶决策。同时,本发明还公开了一种基于高精度地图领航的自动驾驶系统。本发明实现了多车车辆视野数据共享,基于现有的车辆视觉传感器,扩大了车辆视野范围,降低了传感器失效对车辆自动驾驶的影响,提高了安全性和可靠性。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种基于高精度地图领航的自动驾驶方法及系统。
背景技术
车辆自动驾驶在公共安全、城市交通和汽车制造等领域有着广阔的前景和很高的实用价值。现有技术中,车辆自动驾驶通过视觉传感等手段来感知车辆周围环境,控制车辆的转向、速度和主动变道。但是,在特殊天气或环境下,如下雨或下雪,道路被覆盖等,车载视觉传感设备如摄像机等无法准确采集信息,大大削弱了其实用性和可靠性。此外,传感器感应范围也限制了其在车辆自动驾驶领域的应用。现有技术的不足还体现在以下方面:一是车辆自定位的准确性不高,可能发出错误的变道指令;二是地图数据的可靠性,地图数据更新不及时会影响导航路径的生成和优化;三是现有技术中地图信息数据精确度低、仅适用于限速信息提示或者主动限速,无法满足需要切换车道的场景。
因此,有必要对现有技术做进一步改进。
发明内容
为了解决现有技术中存在的问题,本发明提供了一种基于高精度地图领航的自动驾驶方法,具体技术方案如下:
一种基于高精度地图领航的自动驾驶方法,包括:
确定车辆在高精度地图上的当前定位;
获取与所述当前定位对应的第一静态地图数据和第一动态地图数据;
根据用户输入确定车辆在高精度地图上的目标定位;
根据所述第一静态地图数据和所述第一动态地图数据生成从所述当前定位到所述目标定位的领航信息;
根据所述领航信息生成或调整自动驾驶决策。
进一步地,所述确定车辆在高精度地图上的当前定位,包括:
实时获取车辆的初步定位参数和当前视野数据;
基于高精度地图获取与所述初步定位参数对应的第二静态地图数据;
将所述当前视野数据与所述第二静态地图数据进行匹配;
根据匹配结果修正所述初步定位参数后得到所述当前定位。
进一步地,所述实时获取车辆的初步定位参数,包括:
使用第一定位方法获取车辆的第一初步定位参数;所述第一定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种;
使用第二定位方法获取车辆当前定位的第二初步定位参数;所述第二定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种,且所述第二定位方法与所述第一定位方法与不同;
将所述第一初步定位参数和所述第二初步定位参数叠加处理得到所述初步定位参数。
进一步地,根据匹配结果修正所述初步定位参数后得到所述当前定位之后,还包括:
根据所述当前视野数据更新所述第一动态地图数据。
进一步地,获取与所述当前定位对应的第一静态地图数据之后,还包括:
判断所述当前视野数据与所述第一静态地图数据是否一致;
若所述当前视野数据与所述第一静态地图数据不一致,则根据所述当前视野数据更新所述第一静态地图数据。
进一步地,根据所述第一静态地图数据和所述第一动态地图数据生成从所述当前定位到所述目标定位的领航信息之后,还包括:
根据所述第一静态地图数据和所述第一动态地图数据实时更新所述领航信息。
本发明还提供了一种基于高精度地图领航的自动驾驶系统,具体技术方案如下:
一种基于高精度地图领航的自动驾驶系统,包括:
第一确定模块,用于确定车辆在高精度地图上的当前定位;
第一获取模块,用于获取与所述当前定位对应的第一静态地图数据和第一动态地图数据;
第二确定模块,用于根据用户输入确定车辆在高精度地图上的目标定位;
领航信息生成模块,用于根据所述第一静态地图数据和所述第一动态地图数据生成从所述当前定位到所述目标定位的领航信息;
自动驾驶决策模块,用于根据所述领航信息生成或调整自动驾驶决策。
进一步地,所述第一确定模块包括:
第二获取模块,用于实时获取车辆的初步定位参数和当前视野数据;
第三获取模块,用于基于高精度地图获取与所述初步定位参数对应的第二静态地图数据;
匹配模块,用于将所述当前视野数据与所述第二静态地图数据进行匹配;
修正模块,用于根据匹配结果修正所述初步定位参数后得到所述当前定位。
进一步地,所述第二获取模块包括:
第一定位模块,用于使用第一定位方法获取车辆的第一初步定位参数;所述第一定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种;
第二定位模块,用于使用第二定位方法获取车辆当前定位的第二初步定位参数;所述第二定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种,且所述第二定位方法与所述第一定位方法与不同;
叠加处理模块,用于将所述第一初步定位参数和所述第二初步定位参数叠加处理得到所述初步定位参数。
进一步地,还包括:
第一更新模块,用于根据所述当前视野数据更新所述第一动态地图数据。
进一步地,还包括:
判断模块,用于判断所述当前视野数据与所述第一静态地图数据是否一致;
第二更新模块,用于若所述当前视野数据与所述第一静态地图数据不一致,则根据所述当前视野数据更新所述第一静态地图数据。
进一步地,还包括:
第三更新模块,用于根据所述第一静态地图数据和所述第一动态地图数据实时更新所述领航信息。
与现有技术相比,本发明的实施能够带来如下有益效果:
1、本发明将高精度地图与高精度定位结合,生成了车道级的领航策略,实现了车道级别的引导提示、避碰预警。
2、本发明中多车实时地将自车视野数据上传云端,实现了数据共享,根据云端数据能够判断自车周边的情况,基于现有的车辆传感器,扩大了车辆视野范围,也实现了高精度地图的不断更新,使得高精度地图的准确性、及时性和有效性更好。
3、本发明将高精度地图与车辆视野数据结合,弥补了传感器失效(雨、雪天气导致自车视野数据与高精度地图数据区别大、光照使得视觉传感器不能获得有效的车辆视野数据)对车辆自动驾驶的影响,提高了安全性和可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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它附图。
图1是本发明实施例提供的一种基于高精度地图领航的自动驾驶方法的流程图;
图2是本发明实施例提供的一种基于高精度地图领航的自动驾驶方法的流程图;
图3是本发明实施例提供的确定车辆在高精度地图上的当前定位的流程图;
图4是本发明实施例提供的一种基于高精度地图领航的自动驾驶方法的流程图;
图5是本发明实施例提供的单车视野示意图;
图6是本发明实施例提供的单车视野与地图视野对比示意图;
图7是本发明实施例提供的地图领航视野示意图;
图8是本发明实施例提供的一种基于高精度地图领航的自动驾驶系统的结构框图;
图9是本发明实施例提供的第一确定模块的结构框图;
图10是本发明实施例提供的计算机终端的结构框图。
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。
实施例1
现有的自动驾驶解决方案中车辆通常单纯的依靠传感器探测周围环境,但是,在特殊天气或环境下,如下雨或下雪,道路被覆盖等,传感设备将无法准确采集信息,且大量传感器信息的处理也会提高车辆计算机成本、加大其体积和搭载重量。为降低车辆传感器负担和成本,使汽车对环境有提前预判,并辅助车辆做超出传感器感知范围的行为,本发明实施例提供了一种基于高精度地图领航的自动驾驶方法。高精度地图也称Map for HighlyAutomated Driving,简称HAD Map,具有精度高、动态性、多维性等特点,是服务于人工智能,服务于机器视觉和机器理解的地图,高精度地图的精度可变,能够适应不同的车辆在不同的应用场景下对于地图的精度需求。图1是根据本发明一个实施例提供的一种基于高精度地图领航的自动驾驶方法的流程图。如图1所示,该一种基于高精度地图领航的自动驾驶方法的一种可选的方案包括如下步骤:
S101:确定自车车辆在高精度地图上的当前定位;
具体地,确定自车车辆在高精度地图上的当前定位是采用高精度定位方法实现的,高精度定位是高精度地图应用的前提。
S102:获取与当前定位对应的第一静态地图数据和第一动态地图数据。
具体地,第一静态地图数据包括道路基础数据和其他设施基础数据;
详细地,道路基础数据包括道路交通标志、道路交通标线和交通设施数据等;可能涉及的交通标线包括指示标线、禁止标线、警告标线、突起路标和轮廓标;可能涉及的道路交通标志包括警告标志、禁令标志、指示标志、指路标志、旅游区标志、辅助标志和告示标志。
详细地,其他设施包括餐饮、住宿、商业、公园、旅游景点、住宅、学校和医院等。
S103:根据用户输入确定自车车辆在高精度地图上的目标定位;
可选地,用户输入包括语音、文字等多种形式。
相应地,在用户输入为语音形式时,由语音获取部检测并获取用户输入的语音;语音识别部不断地对由语音获取部所获取的声音数据进行识别;地点名称存储部存储有与地名及设施对应的地点名称;关键词提取部参照述地点名称存储部从语音识别部的识别结果中提取出地点名称。将提取出的地点名称与地点名称存储部存储的地名及设施进行匹配。
可选地,在地点名称的数量为一个时,默认地点名称为目标定位;在地点名称为多个时,向用户返回多个推荐的目标定位,由用户进行选择。
S104:根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息;
具体地,领航信息至少包括行驶路线信息、障碍物信息和特征环境信息。
详细地,行驶路线信息包括道路级别数据、交通设施数据、车道形状数据、车道网络数据、交通特征属性数据和安全辅助数据。
详细地,特征环境信息至少包括根据驾驶经验统计标识出的危险区域分布信息。
S105:根据领航信息生成或调整自动驾驶决策。
具体地,在根据用户输入确定车辆在高精度地图上的目标定位之后,根据领航信息生成自动驾驶决策。
具体地,在检测到第一静态数据或第一动态数据发生变动时,根据领航信息调整自动驾驶决策。
实施例2
车辆当前视野数据可用于辅助车辆定位,在采用单一定位方法时,两者的结合对定位精度的提高作用明显。图2是根据本发明一个实施例提供的一种基于高精度地图领航的自动驾驶方法的流程图。如图2所示,该一种基于高精度地图领航的自动驾驶方法的一种可选的方案包括如下步骤:
S201:确定车辆在高精度地图上的当前定位;
确定车辆在高精度地图上的当前定位有多种方法,图3是本发明实施例提供的确定车辆在高精度地图上的当前定位的一种可选的方案的流程图,如图3所示,该定位方案包括如下步骤。
S2011:实时获取车辆的初步定位参数和当前视野数据;
具体地,采用单一的定位方法实时获取车辆的初步定位参数,可采用的定位方法包括GPS定位、惯性导航定位、SLAM和基站定位。
在一个实施例中,采用GPS定位实时获取车辆的初步位置,GPS定位的基本原理是根据高速运动的卫星瞬间位置作为已知的起算数据,采用空间距离后方交会的方法,确定待测点的位置。具体地,车辆上还配备有车速传感器和陀螺传感器。
在一个实施例中,采用惯性导航系统实时获取车辆的初步位置,惯性导航利用惯性元件(加速度计)来测量运载体本身的加速度,经过积分和运算得到速度和位置,从而达到对运载体导航定位的目的。惯性导航系统属于一种推算导航方式,即从一已知点的位置根据连续测得的运载体航向角和速度推算出其下一点的位置,因而可连续测出运动体的当前位置。
在一个实施例中,采用基站定位实时获取车辆的初步位置,基站定位的大致原理为:移动电话测量不同基站的下行导频信号,得到不同基站下行导频的TOA(Time ofArrival,到达时刻)或TDOA(Time Difference of Arrival,到达时间差),根据该测量结果并结合基站的坐标,一般采用三角公式估计算法,就能够计算出移动电话的位置。实际的位置估计算法需要考虑多基站(3个或3个以上)定位的情况,因此算法要复杂很多。一般而言,移动台测量的基站数目越多,测量精度越高,定位性能改善越明显。
在一个实施例中,采用SLAM(simultaneous localization and mapping,即时定位与地图构建)实时获取车辆的初步位置。为方便理解,SLAM问题可以描述为机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。
S2012:基于高精度地图获取与初步定位参数对应的第二静态地图数据;
S2013:将当前视野数据与第二静态地图数据进行匹配;
高精度地图是现有传感器的增强和补充,高精度地图的应用有利于消除传感器的误差;传感器与高精度定位配合使用,有利于提高定位精度。
S2014:根据匹配结果修正初步定位参数后得到当前定位。
S202:根据当前视野数据更新第一动态地图数据;
具体地,根据当前视野数据更新第一动态地图数据之前,还包括将当前视野数据上传到云端。
在一个实施例中,根据当前视野数据更新第一动态地图数据,包括:用当前视野数据覆盖对应于当前定位的第一动态地图数据。
在一个实施例中,根据当前视野数据更新第一动态地图数据,包括:用当前视野数据覆盖对应于初步定位参数的第一动态地图数据。
S203:获取与当前定位对应的第一静态地图数据和第一动态地图数据;
S204:根据用户输入确定车辆在高精度地图上的目标定位;
S205:根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息;领航信息包括路径规划信息、交通设施信息、交通管理控制信息、交通诱导信息和安全辅助信息。
S206:根据领航信息生成自动驾驶决策;
S207:根据第一静态地图数据和第一动态地图数据实时更新领航信息;
S208:根据领航信息调整自动驾驶决策。
具体地,自动驾驶决策包括转向、变速和切换车道。
实施例3
图4是根据本发明一个实施例提供的一种基于高精度地图领航的自动驾驶方法的流程图。如图4所示,该一种基于高精度地图领航的自动驾驶方法的一种可选的方案包括如下步骤:
S301:确定车辆在高精度地图上的当前定位;
具体地,确定车辆在高精度地图上的当前定位,包括如下步骤:
实时获取车辆的初步定位参数和当前视野数据;
具体地,实时获取车辆的初步定位参数采用了至少两种定位方法。
在一个实施例中,实时获取车辆的初步定位参数,包括:使用第一定位方法获取车辆当前定位的第一初步定位参数;第一定位方法为GPS定位;使用第二定位方法获取车辆当前定位的第二初步定位参数;第二定位方法为惯性导航定位,惯性导航系统基于高精度地图和GPS修正移动对象的定位参数以实现惯导递推,得到初步定位参数。
具体地,定位参数包括位置定位参数和/或方向定位参数。
在一个实施例中,实时获取车辆的初步定位参数,包括:使用第一定位方法获取车辆当前定位的第一初步定位参数;第一定位方法为SLAM定位;使用第二定位方法获取车辆当前定位的第二初步定位参数;第二定位方法为基站定位;将第一初步定位参数和第二初步定位参数叠加处理得到初步定位参数。
在一个实施例中,实时获取车辆的初步定位参数,包括:使用第一定位方法获取车辆当前定位的第一初步定位参数;第一定位方法为GPS定位;使用第二定位方法获取车辆当前定位的第二初步定位参数;第二定位方法为基站定位;将第一初步定位参数和第二初步定位参数叠加处理得到初步定位参数。
基于高精度地图获取与初步定位参数对应的第二静态地图数据;
将当前视野数据与第二静态地图数据进行匹配;
根据匹配结果修正初步定位参数后得到当前定位。
具体地,根据匹配结果还能判断车辆行驶方向是否有障碍物;若前方平坦无障碍,则车辆继续前行;若前方突起有障碍,则车辆利用图像识别模块识别障碍物,调整领航信息,并向用户返回图像识别结果和领航调整信息。
S302:根据当前视野数据更新第一动态地图数据。
具体地,车辆通过视觉传感设备获取当前视野数据,视觉传感设备包括但不限于摄像头。图5是本发明实施例提供的单车视野示意图,如图5所示,车辆刚刚驶出交叉口的车道停车线,正按照领航路径左转驶向与之交叉的道路,车辆视野数据包括交叉口的车道线、停车线等交通标线以及设置于视距三角形处的隔离设施,车辆能够通过减速、变道在分叉路口选择正确的路径。
具体地,车辆通过控制速度、主动转向切换车道,还能够实现进入匝道变换高速路线。
具体地,根据当前视野数据更新第一动态地图数据之前,还包括将车辆当前视野数据上传云端。
详细地,将车辆当前视野数据上传云端,是指多车实时向云端上传车辆当前视野数据,从而实现数据的共享。单车车辆视野范围受车载视觉传感器的有效感应距离限制,通常约为200米左右。将多车的车辆视野数据上传至云端,能够增强传感器功能和延伸传感器感应距离,将车辆视野数据延长至2KM以上。在上述多车视野数据共享的前提下,地图实时性的提高与车载传感器性能的提高等效。
图6是本发明实施例提供的单车视野与地图视野对比示意图,如图6所示,图中亮点表示交通参与车辆、粗线条表示车辆的最大概率行驶线路、弧形短曲线表示车辆线路变换(道路交叉)部分、细线条表示自车未来不会进入但该道路上行驶的车辆与自车有关联的道路。详细地,图6中的弧形短曲线一端与圆弧形粗线条连接,弧形短曲线另一端与直线型粗线条连接,白色带状网络表示高精度地图中的道路网。
S303:获取与当前定位对应的第一静态地图数据和第一动态地图数据;
S304:判断当前视野数据与第一静态地图数据是否一致;
具体地,第一静态地图数据包括道路基础数据和其他设施基础数据。
详细地,道路基础数据包括道路交通标志、道路交通标线和交通设施数据等;可能涉及的交通标线包括指示标线、禁止标线、警告标线、突起路标和轮廓标;可能涉及的道路交通标志包括警告标志、禁令标志、指示标志、指路标志、旅游区标志、辅助标志和告示标志。
详细地,其他设施包括餐饮、住宿、商业、公园、旅游景点、住宅、学校和医院等。
S305:若当前视野数据与第一静态地图数据一致,根据用户输入确定车辆在高精度地图上的目标定位;
S306:若当前视野数据与第一静态地图数据不一致,则根据当前视野数据更新第一静态地图数据,执行根据用户输入确定车辆在高精度地图上的目标定位。
在一个实施例中,若车辆的当前视野数据中包括某新建建筑物,而第一静态数据中没有该建筑物,此时,执行根据当前视野数据更新第一静态地图数据操作,将该新建建筑物添加到高精度地图中。
在一个实施例中,若车辆的当前视野数据中包括某构筑物,而第一静态数据中没有该构筑物,此时,执行根据当前视野数据更新第一静态地图数据操作,将该构筑物从高精度地图中移除。
高精度地图内容的信息来源除了现有地图和专业地图信息采集员建立及更新的道路信息外,还有自动驾驶车辆上传的实时信息,即每一辆与云端进行信息交互的自动驾驶车辆都是“地图信息采集员”,都为高精度地图提供实时的静态地图数据和动态地图数据,保证了该高精度地图内容的准确性、及时性和有效性。
S307:根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息,领航信息包括路径规划信息、交通设施信息、交通管理控制信息、交通诱导信息和安全辅助信息;
S308:根据领航信息生成自动驾驶决策。
图7是本发明实施例提供的地图领航视野示意图,如图7所示,地图领航视野中能方便的查看领航路径全景,同时,附近与当前车辆自动驾驶可能相关的其他车辆的数据也能在高精度地图上较全面且直观的显示。这一设置使得车辆能够在对路况具有合理预估的前提下生成自动驾驶决策,也能够在自车车辆传感器失效(例如,由于遮挡、天气等原因光线过暗,导致视觉传感器检测不到障碍物或车辆)时根据周围环境调整自动驾驶决策,合理避碰。
S309:根据第一静态地图数据和第一动态地图数据实时更新领航信息。
S310:根据领航信息调整自动驾驶决策。
实施本实施例具有以下有益效果:
1、本发明将高精度地图与高精度定位结合,生成了车道级的领航策略,实现了车道级别的引导提示、避碰预警。
2、本发明中多车实时地将自车视野数据上传云端,实现了数据共享,根据云端数据能够判断自车周边的情况,在现有车辆视觉传感器感应范围的基础上,扩大了车辆视野范围。
3、本发明将高精度地图与车辆视野数据结合,弥补了传感器感应失效(雨、雪天气导致自车视野数据与高精度地图数据区别大、光照使得视觉传感器不能获得有效的车辆视野数据)对车辆自动驾驶的影响,提高了安全性和可靠性。
实施例4
本发明还提供了一种基于高精度地图领航的自动驾驶系统,如图8所示,包括如下模块:
第一确定模块401,用于确定车辆在高精度地图上的当前定位;
第一获取模块402,用于获取与当前定位对应的第一静态地图数据和第一动态地图数据;
第二确定模块403,用于根据用户输入确定车辆在高精度地图上的目标定位;
领航信息生成模块404,用于根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息;
自动驾驶决策模块405,用于根据领航信息生成或调整自动驾驶决策。
图9是本发明实施例提供的第一确定模块的结构框图,如图9所示,第一确定模块401包括第二获取模块4011、第三获取模块4012、匹配模块4013和修正模块4014;其中,第二获取模块4011用于实时获取车辆的初步定位参数和当前视野数据;第三获取模块4012用于基于高精度地图获取与初步定位参数对应的第二静态地图数据;匹配模块4013用于将当前视野数据与第二静态地图数据进行匹配;修正模块4014用于根据匹配结果修正初步定位参数后得到当前定位。
在一个实施例中,第二获取模块4011为GPS定位模块、惯性导航定位模块、SLAM定位模块或基站定位模块中的任意一种。
在一个实施例中,第二获取模块4011包括第一定位模块、第二定位模块和叠加处理模块,第一定位模块用于使用第一定位方法获取车辆当前定位的第一初步定位参数;第二定位模块用于使用第二定位方法获取车辆当前定位的第二初步定位参数;第一定位方法与第二定位方法与不同;叠加处理模块用于将第一初步定位参数和第二初步定位参数叠加处理得到初步定位参数。
在一个实施例中,系统还包括第一更新模块,第一更新模块用于根据当前视野数据更新第一动态地图数据。
在一个实施例中,系统还包括判断模块和第二更新模块,判断模块用于判断当前视野数据与第一静态地图数据是否一致;第二更新模块用于若当前视野数据与第一静态地图数据不一致,则根据当前视野数据更新第一静态地图数据。
具体地,系统还包括第三更新模块,第三更新模块用于根据第一静态地图数据和第一动态地图数据实时更新领航信息。
本实施例提供了一种基于高精度地图领航的自动驾驶系统,该系统将高精度地图与高精度定位结合,生成的领航策略精度更高;通过将高精度地图与车辆视野数据结合,弥补了传感器感应失效对车辆自动驾驶的影响,提高了安全性和可靠性。
实施例5
本发明还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于保存上述实施例一种基于高精度地图领航的自动驾驶方法所执行的程序代码。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
第一步,确定车辆在高精度地图上的当前定位;
第二步,获取与当前定位对应的第一静态地图数据和第一动态地图数据;
第三步,根据用户输入确定车辆在高精度地图上的目标定位;
第四步,根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息;
第五步,根据领航信息生成或调整自动驾驶决策。
可选地,本实施例中的具体示例可以参考上述实施例1和实施例2中所描述的示例,本实施例在此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
实施例6
本发明的实施例还提供一种车载终端,该车载终端可以是车载终端群中的任意一个车载终端设备。
可选地,图10是根据本发明实施例的车载终端的结构框图。如图10所示,该车载终端A可以包括:一个或多个(图中仅示出一个)处理器161和存储器163。
其中,存储器163可用于存储软件程序以及模块,如本发明实施例中的一种基于高精度地图领航的自动驾驶方法及系统对应的程序指令/模块,处理器161通过运行存储在存储器163内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的自动驾驶方法的程序。存储器163可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器163可进一步包括相对于处理器161远程设置的存储器,这些远程存储器可以通过网络连接至车载终端A。
其中,具体地,存储器163用于存储预设动作条件和预设权限用户的信息、以及应用程序。
处理器161可以通过传输装置调用存储器163存储的信息及应用程序,以执行下述步骤:
可选的,上述处理器161还可以执行如下步骤的程序代码:
第一步,确定车辆在高精度地图上的当前定位;
第二步,获取与当前定位对应的第一静态地图数据和第一动态地图数据;
第三步,根据用户输入确定车辆在高精度地图上的目标定位;
第四步,根据第一静态地图数据和第一动态地图数据生成从当前定位到目标定位的领航信息;
第五步,根据领航信息生成或调整自动驾驶决策。
可选地,本实施例中的具体示例可以参考上述实施例1、实施例2、实施例3和实施例4中所描述的示例,本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于高精度地图领航的自动驾驶方法,其特征在于,包括:
确定车辆在高精度地图上的当前定位;
获取与所述当前定位对应的第一静态地图数据和第一动态地图数据;
根据用户输入确定车辆在高精度地图上的目标定位;
根据所述第一静态地图数据和所述第一动态地图数据生成从所述当前定位到所述目标定位的领航信息;
根据所述领航信息生成或调整自动驾驶决策。
2.根据权利要求1所述的方法,其特征在于,所述确定车辆在高精度地图上的当前定位,包括:
实时获取车辆的初步定位参数和当前视野数据;
基于高精度地图获取与所述初步定位参数对应的第二静态地图数据;
将所述当前视野数据与所述第二静态地图数据进行匹配;
根据匹配结果修正所述初步定位参数后得到所述当前定位。
3.根据权利要求2所述的方法,其特征在于,所述实时获取车辆的初步定位参数,包括:
使用第一定位方法获取车辆的第一初步定位参数;所述第一定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种;
使用第二定位方法获取车辆的第二初步定位参数;所述第二定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种,且所述第二定位方法与所述第一定位方法与不同;
将所述第一初步定位参数和所述第二初步定位参数叠加处理得到所述初步定位参数。
4.根据权利要求2所述的方法,其特征在于,
根据匹配结果修正所述初步定位参数后得到所述当前定位之后,还包括:根据所述当前视野数据更新所述第一动态地图数据;
和/或,
获取与所述当前定位对应的第一静态地图数据之后,还包括:
判断所述当前视野数据与所述第一静态地图数据是否一致;
若所述当前视野数据与所述第一静态地图数据不一致,则根据所述当前视野数据更新所述第一静态地图数据。
5.根据权利要求1所述的方法,其特征在于,根据所述第一静态地图数据和所述第一动态地图数据生成从所述当前定位到所述目标定位的领航信息之后,还包括:
根据所述第一静态地图数据和所述第一动态地图数据实时更新所述领航信息。
6.一种基于高精度地图领航的自动驾驶系统,其特征在于,包括:
第一确定模块,用于确定车辆在高精度地图上的当前定位;
第一获取模块,用于获取与所述当前定位对应的第一静态地图数据和第一动态地图数据;
第二确定模块,用于根据用户输入确定车辆在高精度地图上的目标定位;
领航信息生成模块,用于根据所述第一静态地图数据和所述第一动态地图数据生成从所述当前定位到所述目标定位的领航信息;
自动驾驶决策模块,用于根据所述领航信息生成或调整自动驾驶决策。
7.根据权利要求6所述的系统,其特征在于,所述第一确定模块包括:
第二获取模块,用于实时获取车辆的初步定位参数和当前视野数据;
第三获取模块,用于基于高精度地图获取与所述初步定位参数对应的第二静态地图数据;
匹配模块,用于将所述当前视野数据与所述第二静态地图数据进行匹配;
修正模块,用于根据匹配结果修正所述初步定位参数后得到所述当前定位。
8.根据权利要求7所述的系统,其特征在于,所述第二获取模块包括:
第一定位模块,用于使用第一定位方法获取车辆的第一初步定位参数;所述第一定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种;
第二定位模块,用于使用第二定位方法获取车辆的第二初步定位参数;所述第二定位方法为GPS定位、惯性导航定位、SLAM和基站定位中的任意一种,且所述第二定位方法与所述第一定位方法与不同;
叠加处理模块,用于将所述第一初步定位参数和所述第二初步定位参数叠加处理得到所述初步定位参数。
9.根据权利要求7所述的系统,其特征在于,还包括:
第一更新模块,用于根据所述当前视野数据更新所述第一动态地图数据;
和/或,
判断模块,用于判断所述当前视野数据与所述第一静态地图数据是否一致;
第二更新模块,用于若所述当前视野数据与所述第一静态地图数据不一致,则根据所述当前视野数据更新所述第一静态地图数据。
10.根据权利要求6所述的系统,其特征在于,还包括:
第三更新模块,用于根据所述第一静态地图数据和所述第一动态地图数据实时更新所述领航信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810041486.1A CN108334078A (zh) | 2018-01-16 | 2018-01-16 | 一种基于高精度地图领航的自动驾驶方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810041486.1A CN108334078A (zh) | 2018-01-16 | 2018-01-16 | 一种基于高精度地图领航的自动驾驶方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108334078A true CN108334078A (zh) | 2018-07-27 |
Family
ID=62925176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810041486.1A Pending CN108334078A (zh) | 2018-01-16 | 2018-01-16 | 一种基于高精度地图领航的自动驾驶方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334078A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109515439A (zh) * | 2018-11-13 | 2019-03-26 | 北京四维图新科技股份有限公司 | 自动驾驶控制方法、装置、系统及存储介质 |
CN110109453A (zh) * | 2019-04-16 | 2019-08-09 | 浙江吉利控股集团有限公司 | 一种自动驾驶界面显示方法、装置及车辆 |
CN110427027A (zh) * | 2019-07-18 | 2019-11-08 | 浙江吉利汽车研究院有限公司 | 用于自动驾驶的导航路线生成方法、装置和自动驾驶系统 |
CN110471410A (zh) * | 2019-07-17 | 2019-11-19 | 武汉理工大学 | 基于ros的智能车语音辅助导航及安全提醒系统及方法 |
CN110470311A (zh) * | 2019-07-08 | 2019-11-19 | 浙江吉利汽车研究院有限公司 | 一种地图生成方法、装置及计算机存储介质 |
CN111024084A (zh) * | 2019-12-17 | 2020-04-17 | 国汽(北京)智能网联汽车研究院有限公司 | 自动驾驶车辆的自动驾驶方法、装置、设备及存储介质 |
CN111459155A (zh) * | 2019-01-18 | 2020-07-28 | 百度(美国)有限责任公司 | 用于自主驾驶应用的动态确定车辆有效传感器覆盖的方法 |
CN111766866A (zh) * | 2019-03-13 | 2020-10-13 | 丰田自动车株式会社 | 信息处理装置和包括信息处理装置的自动行驶控制系统 |
CN115366888A (zh) * | 2022-08-25 | 2022-11-22 | 武汉大学 | 面向自动驾驶导航的路口信息系统构建方法及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316068A (zh) * | 2014-11-14 | 2015-01-28 | 国家电网公司 | 基于电动汽车的导航的方法、装置及系统 |
CN104819724A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 一种基于gis的无人地面车辆自主行驶辅助系统 |
CN105451179A (zh) * | 2015-12-25 | 2016-03-30 | 百度在线网络技术(北京)有限公司 | 一种定位方法及装置 |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及系统 |
CN105741595A (zh) * | 2016-04-27 | 2016-07-06 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
CN106802954A (zh) * | 2017-01-18 | 2017-06-06 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
CN106840181A (zh) * | 2016-12-09 | 2017-06-13 | 斑马信息科技有限公司 | 用于确定车辆位置的系统和方法 |
CN107229690A (zh) * | 2017-05-19 | 2017-10-03 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
CN107316457A (zh) * | 2016-04-27 | 2017-11-03 | 上海炬宏信息技术有限公司 | 判断道路交通状况是否符合汽车自动驾驶的方法 |
-
2018
- 2018-01-16 CN CN201810041486.1A patent/CN108334078A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316068A (zh) * | 2014-11-14 | 2015-01-28 | 国家电网公司 | 基于电动汽车的导航的方法、装置及系统 |
CN104819724A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 一种基于gis的无人地面车辆自主行驶辅助系统 |
CN105451179A (zh) * | 2015-12-25 | 2016-03-30 | 百度在线网络技术(北京)有限公司 | 一种定位方法及装置 |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及系统 |
CN105741595A (zh) * | 2016-04-27 | 2016-07-06 | 常州加美科技有限公司 | 一种基于云端数据库的无人驾驶车辆导航行车方法 |
CN107316457A (zh) * | 2016-04-27 | 2017-11-03 | 上海炬宏信息技术有限公司 | 判断道路交通状况是否符合汽车自动驾驶的方法 |
CN106525057A (zh) * | 2016-10-26 | 2017-03-22 | 陈曦 | 高精度道路地图的生成系统 |
CN106840181A (zh) * | 2016-12-09 | 2017-06-13 | 斑马信息科技有限公司 | 用于确定车辆位置的系统和方法 |
CN106802954A (zh) * | 2017-01-18 | 2017-06-06 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
CN107229690A (zh) * | 2017-05-19 | 2017-10-03 | 广州中国科学院软件应用技术研究所 | 基于路侧传感器的高精度动态地图数据处理系统及方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109515439A (zh) * | 2018-11-13 | 2019-03-26 | 北京四维图新科技股份有限公司 | 自动驾驶控制方法、装置、系统及存储介质 |
CN111459155A (zh) * | 2019-01-18 | 2020-07-28 | 百度(美国)有限责任公司 | 用于自主驾驶应用的动态确定车辆有效传感器覆盖的方法 |
CN111459155B (zh) * | 2019-01-18 | 2023-04-07 | 百度(美国)有限责任公司 | 用于自主驾驶应用的动态确定车辆有效传感器覆盖的方法 |
CN111766866A (zh) * | 2019-03-13 | 2020-10-13 | 丰田自动车株式会社 | 信息处理装置和包括信息处理装置的自动行驶控制系统 |
CN111766866B (zh) * | 2019-03-13 | 2024-03-08 | 丰田自动车株式会社 | 信息处理装置和包括信息处理装置的自动行驶控制系统 |
CN110109453A (zh) * | 2019-04-16 | 2019-08-09 | 浙江吉利控股集团有限公司 | 一种自动驾驶界面显示方法、装置及车辆 |
CN110470311A (zh) * | 2019-07-08 | 2019-11-19 | 浙江吉利汽车研究院有限公司 | 一种地图生成方法、装置及计算机存储介质 |
CN110471410A (zh) * | 2019-07-17 | 2019-11-19 | 武汉理工大学 | 基于ros的智能车语音辅助导航及安全提醒系统及方法 |
CN110427027A (zh) * | 2019-07-18 | 2019-11-08 | 浙江吉利汽车研究院有限公司 | 用于自动驾驶的导航路线生成方法、装置和自动驾驶系统 |
CN111024084A (zh) * | 2019-12-17 | 2020-04-17 | 国汽(北京)智能网联汽车研究院有限公司 | 自动驾驶车辆的自动驾驶方法、装置、设备及存储介质 |
CN115366888A (zh) * | 2022-08-25 | 2022-11-22 | 武汉大学 | 面向自动驾驶导航的路口信息系统构建方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334078A (zh) | 一种基于高精度地图领航的自动驾驶方法及系统 | |
US20200255027A1 (en) | Method for planning trajectory of vehicle | |
CN109952547B (zh) | 根据车道数据对机动车的自动控制和机动车 | |
EP3032221B1 (en) | Method and system for improving accuracy of digital map data utilized by a vehicle | |
US10300916B2 (en) | Autonomous driving assistance system, autonomous driving assistance method, and computer program | |
US11657072B2 (en) | Automatic feature extraction from imagery | |
CN108027242B (zh) | 自动驾驶导航方法、装置、系统、车载终端及服务器 | |
US11530931B2 (en) | System for creating a vehicle surroundings model | |
EP3671550A1 (en) | Dynamically loaded neural network models | |
CN106996793A (zh) | 地图更新判定系统 | |
US20190316929A1 (en) | System and method for vehicular localization relating to autonomous navigation | |
EP3936822B1 (en) | Vehicle positioning method and apparatus, and vehicle, and storage medium | |
US20180352376A1 (en) | Location fingerprinting | |
KR102425735B1 (ko) | 로드뷰 또는 항공뷰 맵 정보를 이용한 자율주행 방법 및 그 시스템 | |
CN104819724A (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
CN101201255A (zh) | 基于智能导航算法的车辆组合导航系统 | |
KR20190075159A (ko) | 차량 위치 판정 장치 및 차량 위치 판정 방법 | |
US11703347B2 (en) | Method for producing an autonomous navigation map for a vehicle | |
JP2005098853A (ja) | 地図データ更新方法および地図データ更新装置 | |
JP2020042007A (ja) | 地図上のランドマークを使用して車両の長手方向位置を補正するためのシステム及び方法 | |
US20190375429A1 (en) | Method and system for providing assistance to a vehicle or driver thereof | |
KR100976964B1 (ko) | 네비게이션 시스템 및 이의 주행 차선 구분 방법 | |
CN109515439A (zh) | 自动驾驶控制方法、装置、系统及存储介质 | |
JP2019011054A (ja) | 車両 | |
CN114111811A (zh) | 一种自动驾驶公交客车的导航控制系统和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |