CN108958266A - 一种地图数据获取方法 - Google Patents
一种地图数据获取方法 Download PDFInfo
- Publication number
- CN108958266A CN108958266A CN201810901788.1A CN201810901788A CN108958266A CN 108958266 A CN108958266 A CN 108958266A CN 201810901788 A CN201810901788 A CN 201810901788A CN 108958266 A CN108958266 A CN 108958266A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- map datum
- data
- location information
- 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 51
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 230000004927 fusion Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims description 38
- 230000008447 perception Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 8
- 239000000203 mixture Substances 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 9
- 241001269238 Data Species 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000283070 Equus zebra Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G05D1/0276—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
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
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)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例涉及一种地图数据获取方法,包括:智能车获取车载GPS检测到的第一位置信息;智能车根据第一位置信息加载地图数据;获取车载激光雷达检测到的激光点云数据,将激光点云数据与地图数据中的激光点云数据进行匹配,得到第二位置信息;获取车载惯性测量单元检测到的惯性测量数据,以及车载轮速计检测到的轮速计数据;运用算法将检测数据进行处理融合,得到精确位置信息;根据精确位置信息修正加载的地图数据。本发明能够通过多种传感器检测数据相融合的方法准确对车辆进行精确定位,保证车辆定位的准确性,并且根据车辆的精确的位置实时加载地图信息,使车辆能够准确进行决策及运动规划,从而保证车辆在自动驾驶过程中的安全性。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种地图数据获取方法。
背景技术
随着人工智能技术和计算机技术的发展,自动驾驶技术日渐成熟。自动驾驶车辆能够高效利用交通资源,缓解交通拥堵、减少碳排放,自动驾驶技术近年来发展迅速,自动驾驶技术也是近年的热点话题。自动驾驶技术已经逐渐走进人们的日常生活,潜移默化的改变着人们的出行方式。自动驾驶技术在军用及民用上均具有巨大的应用前景。军用上,它不仅能够作为无人运输平台,还能用作无人爆破车、无人作战平台、无人巡逻与监视车辆等;民用中,除了为人类生活带来便捷之外,还能够降低交通事故发生率与提高道路通行效率。
自动驾驶技术可分为感知、定位、规划及控制四大模块。感知及定位模块相当于人类眼睛及耳朵,通过接收外界信息源来获取自身及周围目标相关信息;规划模块相当于人类大脑,通过分析自身及目标信号来做出任务、行为决策及运动规划;控制模块类似于人类手脚,执行上层的运动规划信号。
然而,但是现有的定位技术不够精确,在驾驶过程中经常出现车辆在当前车道行驶,却定位在旁边车道的现象,定位的不准确将导致行为决策及运动规划的错误,从而导致车辆在自动行驶过程中的安全性较差问题。
发明内容
本发明的目的是提供一种地图数据获取方法,能够通过多种传感器检测数据相融合的方法准确对车辆进行精确定位,保证车辆定位的准确性,并且根据车辆的精确的位置实时加载地图信息,使车辆能够准确进行决策及运动规划,从而保证车辆在自动驾驶过程中的安全性。
为实现上述目的,本发明提供了一种地图数据获取方法,包括:
智能车获取车载GPS检测到的第一位置信息;
所述智能车根据所述第一位置信息加载地图数据;
获取车载激光雷达检测到的激光点云数据,将所述激光点云数据与地图数据中的激光点云数据进行匹配,得到第二位置信息;
获取车载惯性测量单元检测到的加速度信息、角速度信息、姿态角信息,以及车载轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息;
运用算法将所述GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息;
根据所述精确位置信息修正所述加载的地图数据。
优选的,在所述智能车获取车载GPS检测到的第一位置信息之前,所述方法还包括:
所述智能车的多个环境感知模块采集区块的环境数据,并发送给服务器;其中,所述环境感知模块包括摄像头、所述激光雷达、GPS、惯性测量单元和轮速计;所述环境数据包括所述摄像头采集到的摄像头数据、所述激光雷达采集到的激光雷达数据、所述GPS采集到的定位数据、所述惯性测量单元采集到的惯性测量数据和所述轮速计检测到的轮速计数据;
所述服务器将多个环境感知模块采集的环境数据进行融合处理,得到区块地图数据;
将多个区块地图数据进行融合处理得到地图数据;
将所述地图数据下发给所述智能车。
进一步优选的,所述摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据均具有时间戳;在所述服务器将多个环境感知模块采集的环境数据进行融合处理,得到区块地图数据之前,所述方法还包括:
根据所述时间戳,将所述摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据在时间上进行对齐处理。
进一步优选的,所述服务器将多个环境感知模块采集的环境数据进行融合处理之后,所述方法还包括:
对移动障碍物进行删除,对固定障碍物和路网结构进行标注。
进一步优选的,所述将多个区块地图数据进行融合处理得到地图数据具体包括:
根据多个区块地图的位置信息,将所述多个区块地图数据进行融合处理得到所述地图数据。
优选的,所述车载GPS为差分GPS,所述智能车获取车载GPS检测到的第一位置信息具体为:
所述智能车获取车载差分GPS检测到的第一位置信息。
优选的,所述智能车根据所述第一位置信息加载地图数据具体为:
所述智能车根据所述第一位置信息和预设加载范围信息,获取预设加载范围信息的地图数据。
优选的,所述运用算法将所述GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息具体为:
运用扩展卡尔曼滤波算法将所述GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息。
优选的,在所述获取车载激光雷达检测到的激光点云数据之前,所述方法还包括:
所述智能车接收用户输入的当前位置信息;
根据所述当前位置信息获取地图数据。
优选的,所述方法还包括:
在所述智能车行驶过程中,根据实时计算得到精确位置信息,实时加载地图数据。
本发明实施例提供的地图数据获取方法,能够通过多种传感器检测数据相融合的方法准确对车辆进行精确定位,保证车辆定位的准确性,并且根据车辆的精确的位置实时加载地图信息,使车辆能够准确进行决策及运动规划,从而保证车辆在自动驾驶过程中的安全性。
附图说明
图1为本发明实施例提供的地图数据获取方法的流程图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明实施例提供的地图数据获取方法应用于服务器和多个智能车之间,其中,智能车可以理解为无人驾驶的自动驾驶车辆,能够通过自身的环境感知模块实现感知、定位,并且能够根据感知到的环境信息进行路径规划和控制,实现智能、安全作业。
智能车安装有环境感知模块,环境感知模块包括但不限于摄像头、激光雷达、全球定位系统(Global Positioning System,GPS)、惯性测量单元(Inertial measurementunit,IMU)和轮速计。
其中,摄像头和激光雷达可以为多个,分别设置在智能车的四周,用于采集车辆周围的环境信息和障碍物的探测;GPS用于获取车辆的位置信息,所述GPS优选为两个差分GPS,设置于车辆的顶部,用于精确获取车辆的位置信息;惯性测量单元可以设置在车的底盘等隐秘位置,用于获取车辆当前加速度、角速度、姿态角等物理信息来推算车辆位置;轮速计可以为两个,分别设置在车辆的左右轮子上,用于获取车辆当前左右轮的角速度、线速度和车辆横摆率等信息来推算车辆位置,轮速计会对每一时刻得到的位移信息进行累加,得到相对初始位置的累积位移。
自动驾驶除了基于车辆自身的环境感知模块,还依赖于地图数据,地图数据是指环境地图,环境地图中包括预先采集和标定的固定障碍物、信号灯、车道线、斑马线、标志牌以及路网结构信息等信息,路网结构信息中包括可通信道路和不可通行道路,不可通行道路是指车辆不能行使的道路,比如人行道等。环境地图是预先通过智能车辆采集,并通过服务器融合处理后生成,下发到自动驾驶车辆中的,因此在车辆驾驶前,首先要进行地图数据的采集和处理,地图数据在采集时是分区块进行的,为更好的了解本发明,下面首先对地图数据的采集和生成进行介绍。
首先,通过人工或遥控的方式将智能车控制到要采集的区块,使智能车在区块内行驶,在行驶过程中智能车的多个环境感知模块采集区块的环境数据,在区块采集完成后,统一将环境数据上传至服务器。其中,环境感知模块包括但不限于摄像头、激光雷达、GPS、惯性测量单元和轮速计。环境数据包括摄像头采集到的摄像头数据、激光雷达采集到的激光雷达数据、GPS采集到的定位数据、惯性测量单元采集到的惯性测量数据和轮速计检测到的轮速计数据;摄像头数据是指摄像头采集到的视频数据,由多张连续的图像数据组成,激光雷达数据具体是指激光点云数据,定位数据具体是指经纬度信息,惯性测量数据具体是指惯性测量单元测量到的加速度信息、角速度信息、姿态角信息,轮速计数据具体是指轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息。需要说明的是,摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据均具有时间戳,记录采集的时间。
其次,服务器在接收到采集的环境数据后,根据时间戳,将摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据在时间上进行对齐处理,然后运用扩展卡尔曼滤波算法将多个环境感知模块采集的环境数据进行融合处理,然后对移动障碍物进行删除,对固定障碍物、路网结构以及信号灯、车道线、标志牌等信息进行标注,从而得到多个区块地图数据。为保证地图数据的准确性,服务器多次对环境数据进行融合处理,将多次融合处理后的地图数据进行对比优化,从而得到更为准确的地图数据,在优选的实施例中,智能车还可以对同一区块的地图进行多次采集,得到同一区块的多个环境数据,服务器对多次采集得到的环境数据进行处理融合,从而得到精确的地图数据。
再次,服务器根据多个区块地图的位置信息,将多个区块地图数据进行融合拼接处理得到完整的地图数据。
最后,将地图数据下发给智能车。为保证地图数据下发的安全性,避免不法分子对地图数据进行篡改给自动驾驶带来不安全,服务器可以根据消息摘要算法对身份信息进行计算,得到MD5值,即验证信息,将验证信息和地图数据发送给智能车,智能车根据预存的服务器的身份进行计算,得到MD5值,将此MD5值与验证信息进行对比,当一致时,认为验证通过,即在数据传输的过程中没有被篡改,智能车对地图数据进行下载和保存;当不一致时,认为验证失败,说明数据传输的过程中被篡改,智能车不对地图数据进行下载和保存。
在对地图数据的生成和下发过程了解的基础上,下面对本发明实施例提供的地图数据获取方法进行详述,图1为本发明实施例提供的地图数据获取方法的流程图,如图1所示,所述方法包括如下步骤:
步骤101,智能车获取车载GPS检测到的第一位置信息;
需要说明的是,车辆已经获取到了一条规划路径,该规划路径可以是智能车根据用户输入的目的地信息生成的,也可以是服务器下发给智能车的任务信息,智能车将根据规划路径进行行驶作业。
第一位置信息是指车载GPS检测到的位置信息,由于GPS定位存在误差,因此第一位置信息不是车辆当前的精确位置信息。在优选的实施例中,为减小第一位置信息和车辆当前位置的误差,车载GPS优选为差分GPS,智能车获取车载差分GPS检测到的第一位置信息。
步骤102,智能车根据第一位置信息加载地图数据;
具体的,智能车根据第一位置信息和预设加载范围信息,获取预设加载范围信息的地图数据,预设加载范围信息是指加载的地图范围,是本领域技术人员预先设定的,比如可以以第一位置为中心,以200m为半径进行地图数据的加载。
智能车可以根据加载的地图数据,获知车辆周围的环境信息,具体包括车辆周围的固定障碍物、路网结构、车道线、标志牌等信息。
在车载GPS由于天气等原因定位失效时,用户可以通过智能车的操控面板输入选择当前的位置信息,智能车接收用户输入的当前位置信息,然后以用户输入的当前位置信息为中心获取预设加载范围的地图数据。
步骤103,获取车载激光雷达检测到的激光点云数据,将激光点云数据与地图数据中的激光点云数据进行匹配,得到第二位置信息;
为获取车辆当前精确的位置信息,还需结合多种传感器的检测数据,具体的,车载的多个激光雷达向周围发射激光信号,并接收周围环境反馈的信号,即根据周围物体反馈的激光点云数据,多个激光雷达得到的多个激光点云数据,根据多个激光雷达的位置以及相对应的激光点云数据,与预先采集的地图数据中的激光点云数据进行匹配,从而得到当前车辆的第二位置信息,第二位置信息是指通过激光雷达确定的车辆的位置信息。
需要说明的是,将得到的激光点云数据与预先采集的地图数据中的激光点云数据进行匹配,是指将得到的激光点云数据与步骤102中加载的地图数据中的点云数据进行匹配,这样可以减少计算量,提高匹配速度,从而加快定位时间。
点云数据在匹配之前首先要进行点云数据的解析,主要分为四步:传感器参数配置、点云数据的解析、点云坐标转换和点云输出。其中传感器参数配置主要根据激光雷达的性能参数和功能需求对传感器的参数进行配置,一般为默认值即可。点云数据的解析主要是将从激光雷达中得到的TCP数据写入一个缓存中,并按照预设的数据协议进行存储。点云坐标转换主要是将解析得到的点云数据,根据输入的标定参数和点云限制模型映射至车辆坐标系中。点云的输出主要是根据输入时设定的点云限制模型来输出得到的点云。
步骤104,获取车载惯性测量单元检测到的加速度信息、角速度信息、姿态角信息,以及车载轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息;
步骤105,运用算法将GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息;
具体的,运用扩展卡尔曼滤波算法将GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息,从而得到车辆当前准确的位置信息。
步骤106,根据精确位置信息修正加载的地图数据。
根据多个传感器检测数据融合得到的精确位置信息修正加载的地图数据,并在修正后的地图数据中准确显示车辆的当前的位置信息,在一个具体的例子中,车辆实际处于A车道,但通过GPS信号将车辆定位到与A车道相邻的B车道,那么通过多个传感器检测数据融合,即可将车辆的位置进行修正,将车辆定位到A车道。
在智能车行驶过程中,根据实时计算得到精确位置信息,对车辆进行精确定位,并且根据车辆的位置信息实时加载地图数据,从而使车辆能够根据地图数据准确进行路径规划和决策,从而保证行车安全。
本发明实施例提供的地图数据获取方法,能够通过多种传感器检测数据相融合的方法准确对车辆进行精确定位,保证车辆定位的准确性,并且根据车辆的精确的位置实时加载地图信息,使车辆能够准确进行决策及运动规划,从而保证车辆在自动驾驶过程中的安全性。
专业人员应该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,但是这种实现不应认为超出本发明的范围。
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存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程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它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种地图数据获取方法,其特征在于,所述方法包括:
智能车获取车载GPS检测到的第一位置信息;
所述智能车根据所述第一位置信息加载地图数据;
获取车载激光雷达检测到的激光点云数据,将所述激光点云数据与地图数据中的激光点云数据进行匹配,得到第二位置信息;
获取车载惯性测量单元检测到的加速度信息、角速度信息、姿态角信息,以及车载轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息;
运用算法将所述GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息;
根据所述精确位置信息修正所述加载的地图数据。
2.根据权利要求1所述的地图数据获取方法,其特征在于,在所述智能车获取车载GPS检测到的第一位置信息之前,所述方法还包括:
所述智能车的多个环境感知模块采集区块的环境数据,并发送给服务器;其中,所述环境感知模块包括摄像头、所述激光雷达、GPS、惯性测量单元和轮速计;所述环境数据包括所述摄像头采集到的摄像头数据、所述激光雷达采集到的激光雷达数据、所述GPS采集到的定位数据、所述惯性测量单元采集到的惯性测量数据和所述轮速计检测到的轮速计数据;
所述服务器将多个环境感知模块采集的环境数据进行融合处理,得到区块地图数据;
将多个区块地图数据进行融合处理得到地图数据;
将所述地图数据下发给所述智能车。
3.根据权利要求2所述的地图数据获取方法,其特征在于,所述摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据均具有时间戳;在所述服务器将多个环境感知模块采集的环境数据进行融合处理,得到区块地图数据之前,所述方法还包括:
根据所述时间戳,将所述摄像头数据、激光雷达数据、定位数据、惯性测量数据和轮速计数据在时间上进行对齐处理。
4.根据权利要求2所述的地图数据获取方法,其特征在于,所述服务器将多个环境感知模块采集的环境数据进行融合处理之后,所述方法还包括:
对移动障碍物进行删除,对固定障碍物和路网结构进行标注。
5.根据权利要求2所述的地图数据获取方法,其特征在于,所述将多个区块地图数据进行融合处理得到地图数据具体包括:
根据多个区块地图的位置信息,将所述多个区块地图数据进行融合处理得到所述地图数据。
6.根据权利要求1所述的地图数据获取方法,其特征在于,所述车载GPS为差分GPS,所述智能车获取车载GPS检测到的第一位置信息具体为:
所述智能车获取车载差分GPS检测到的第一位置信息。
7.根据权利要求1所述的地图数据获取方法,其特征在于,所述智能车根据所述第一位置信息加载地图数据具体为:
所述智能车根据所述第一位置信息和预设加载范围信息,获取预设加载范围信息的地图数据。
8.根据权利要求1所述的地图数据获取方法,其特征在于,所述运用算法将所述GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息具体为:
运用扩展卡尔曼滤波算法将所述GPS检测到的第一位置信息、激光雷达检测到的第二位置信息、惯性测量单元检测到的加速度信息、角速度信息、姿态角信息以及轮速计检测到的左右轮的角速度信息、线速度信息和车辆横摆率信息进行处理融合,得到精确位置信息。
9.根据权利要求1所述的地图数据获取方法,其特征在于,在所述获取车载激光雷达检测到的激光点云数据之前,所述方法还包括:
所述智能车接收用户输入的当前位置信息;
根据所述当前位置信息获取地图数据。
10.根据权利要求1所述的地图数据获取方法,其特征在于,所述方法还包括:
在所述智能车行驶过程中,根据实时计算得到精确位置信息,实时加载地图数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810901788.1A CN108958266A (zh) | 2018-08-09 | 2018-08-09 | 一种地图数据获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810901788.1A CN108958266A (zh) | 2018-08-09 | 2018-08-09 | 一种地图数据获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108958266A true CN108958266A (zh) | 2018-12-07 |
Family
ID=64468860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810901788.1A Pending CN108958266A (zh) | 2018-08-09 | 2018-08-09 | 一种地图数据获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108958266A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109931939A (zh) * | 2019-02-27 | 2019-06-25 | 杭州飞步科技有限公司 | 车辆的定位方法、装置、设备及计算机可读存储介质 |
CN110068819A (zh) * | 2019-03-27 | 2019-07-30 | 东软睿驰汽车技术(沈阳)有限公司 | 一种提取障碍物位置信息的方法及装置 |
CN110262538A (zh) * | 2019-07-01 | 2019-09-20 | 百度在线网络技术(北京)有限公司 | 地图数据采集方法、装置、设备及存储介质 |
CN110376604A (zh) * | 2019-08-09 | 2019-10-25 | 北京智行者科技有限公司 | 基于单线激光雷达的路沿检测方法 |
CN110531761A (zh) * | 2019-08-19 | 2019-12-03 | 深圳元戎启行科技有限公司 | 无人车调度方法、装置及执行无人车调度方法的系统 |
CN110542908A (zh) * | 2019-09-09 | 2019-12-06 | 阿尔法巴人工智能(深圳)有限公司 | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 |
CN110595492A (zh) * | 2019-09-25 | 2019-12-20 | 上海交通大学 | 园区环境下的车辆自定位系统及方法 |
CN110988949A (zh) * | 2019-12-02 | 2020-04-10 | 北京京东乾石科技有限公司 | 定位方法、定位装置、计算机可读存储介质与可移动设备 |
CN110989613A (zh) * | 2019-12-18 | 2020-04-10 | 北京新能源汽车技术创新中心有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN111076735A (zh) * | 2019-12-31 | 2020-04-28 | 上海能塔智能科技有限公司 | 用于地图生成的处理方法、装置、系统、电子设备与介质 |
CN111323027A (zh) * | 2018-12-17 | 2020-06-23 | 兰州大学 | 一种基于激光雷达与环视相机融合制作高精度地图方法及装置 |
CN111383324A (zh) * | 2018-12-29 | 2020-07-07 | 广州文远知行科技有限公司 | 点云地图的构建方法、装置、计算机设备和存储介质 |
CN111522003A (zh) * | 2019-01-31 | 2020-08-11 | 广州汽车集团股份有限公司 | 车辆定位方法及系统、计算机设备、车辆、存储介质 |
CN111551186A (zh) * | 2019-11-29 | 2020-08-18 | 福瑞泰克智能系统有限公司 | 一种车辆实时定位方法、系统及车辆 |
CN111708010A (zh) * | 2019-03-01 | 2020-09-25 | 北京图森智途科技有限公司 | 一种可移动设备的定位方法、装置、系统及可移动设备 |
CN111928863A (zh) * | 2020-08-20 | 2020-11-13 | 新石器慧义知行智驰(北京)科技有限公司 | 一种高精地图数据采集方法、装置及系统 |
CN111983582A (zh) * | 2020-08-14 | 2020-11-24 | 北京埃福瑞科技有限公司 | 列车的定位方法及系统 |
CN112147635A (zh) * | 2020-09-25 | 2020-12-29 | 北京亮道智能汽车技术有限公司 | 一种检测系统、方法及装置 |
CN112414415A (zh) * | 2020-09-22 | 2021-02-26 | 重庆智行者信息科技有限公司 | 高精度点云地图构建方法 |
WO2021035471A1 (en) * | 2019-08-26 | 2021-03-04 | Beijing Voyager Technology Co., Ltd. | Systems and methods for positioning a target subject |
CN112455502A (zh) * | 2019-09-09 | 2021-03-09 | 中车株洲电力机车研究所有限公司 | 基于激光雷达的列车定位方法及装置 |
WO2021115395A1 (zh) * | 2019-12-13 | 2021-06-17 | 北京三快在线科技有限公司 | 基于地图的故障诊断 |
CN113176097A (zh) * | 2021-03-15 | 2021-07-27 | 北京汽车研究总院有限公司 | 感知模块的检测方法、计算机可读存储介质及车辆 |
CN113268555A (zh) * | 2021-05-26 | 2021-08-17 | 深圳市有方科技股份有限公司 | 多类型数据的地图生成方法、装置和计算机设备 |
CN113295175A (zh) * | 2021-04-30 | 2021-08-24 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据修正的方法和装置 |
CN113311411A (zh) * | 2021-04-19 | 2021-08-27 | 杭州视熵科技有限公司 | 一种用于移动机器人的激光雷达点云运动畸变校正方法 |
CN113514069A (zh) * | 2021-03-23 | 2021-10-19 | 重庆兰德适普信息科技有限公司 | 一种实时自动驾驶定位方法及系统 |
CN113566833A (zh) * | 2021-07-28 | 2021-10-29 | 上海工程技术大学 | 一种多传感器融合的车辆定位方法及系统 |
CN113819905A (zh) * | 2020-06-19 | 2021-12-21 | 北京图森未来科技有限公司 | 一种基于多传感器融合的里程计方法及装置 |
CN113838360A (zh) * | 2019-01-16 | 2021-12-24 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
CN113916224A (zh) * | 2021-03-05 | 2022-01-11 | 黑芝麻智能科技有限公司 | 通过多传感器融合来确定车辆位置的方法 |
CN114252883A (zh) * | 2020-09-24 | 2022-03-29 | 北京万集科技股份有限公司 | 目标检测方法、装置、计算机设备和介质 |
CN114450691A (zh) * | 2019-07-12 | 2022-05-06 | 本田技研工业株式会社 | 稳健定位 |
CN115139946A (zh) * | 2022-06-30 | 2022-10-04 | 小米汽车科技有限公司 | 车辆落水检测方法、车辆、计算机可读存储介质及芯片 |
CN116678423A (zh) * | 2023-05-26 | 2023-09-01 | 小米汽车科技有限公司 | 多源融合定位方法、装置及车辆 |
US11789455B2 (en) | 2020-06-02 | 2023-10-17 | Beijing Baidu Netcom Science Technology Co., Ltd. | Control of autonomous vehicle based on fusion of pose information and visual data |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573733A (zh) * | 2014-12-26 | 2015-04-29 | 上海交通大学 | 一种基于高清正射影像图的高精细地图生成系统及方法 |
CN105973245A (zh) * | 2016-04-28 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 利用无人驾驶车辆更新在线地图的方法和装置 |
CN106840179A (zh) * | 2017-03-07 | 2017-06-13 | 中国科学院合肥物质科学研究院 | 一种基于多传感器信息融合的智能车定位方法 |
CN107328418A (zh) * | 2017-06-21 | 2017-11-07 | 南华大学 | 移动机器人在陌生室内场景下的核辐射探测路径自主规划方法 |
US10062010B2 (en) * | 2015-06-26 | 2018-08-28 | Intel Corporation | System for building a map and subsequent localization |
-
2018
- 2018-08-09 CN CN201810901788.1A patent/CN108958266A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573733A (zh) * | 2014-12-26 | 2015-04-29 | 上海交通大学 | 一种基于高清正射影像图的高精细地图生成系统及方法 |
US10062010B2 (en) * | 2015-06-26 | 2018-08-28 | Intel Corporation | System for building a map and subsequent localization |
CN105973245A (zh) * | 2016-04-28 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 利用无人驾驶车辆更新在线地图的方法和装置 |
CN106840179A (zh) * | 2017-03-07 | 2017-06-13 | 中国科学院合肥物质科学研究院 | 一种基于多传感器信息融合的智能车定位方法 |
CN107328418A (zh) * | 2017-06-21 | 2017-11-07 | 南华大学 | 移动机器人在陌生室内场景下的核辐射探测路径自主规划方法 |
Non-Patent Citations (2)
Title |
---|
刘瑞芳等: "《程序设计实践》", 31 March 2015 * |
韩友美等: "《车载移动测量系统检校理论与方法》", 30 June 2014 * |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111323027A (zh) * | 2018-12-17 | 2020-06-23 | 兰州大学 | 一种基于激光雷达与环视相机融合制作高精度地图方法及装置 |
CN111383324A (zh) * | 2018-12-29 | 2020-07-07 | 广州文远知行科技有限公司 | 点云地图的构建方法、装置、计算机设备和存储介质 |
CN113838360A (zh) * | 2019-01-16 | 2021-12-24 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
CN111522003B (zh) * | 2019-01-31 | 2022-11-11 | 广州汽车集团股份有限公司 | 车辆定位方法及系统、计算机设备、车辆、存储介质 |
CN111522003A (zh) * | 2019-01-31 | 2020-08-11 | 广州汽车集团股份有限公司 | 车辆定位方法及系统、计算机设备、车辆、存储介质 |
CN109931939A (zh) * | 2019-02-27 | 2019-06-25 | 杭州飞步科技有限公司 | 车辆的定位方法、装置、设备及计算机可读存储介质 |
CN111708010B (zh) * | 2019-03-01 | 2024-04-12 | 北京图森智途科技有限公司 | 一种可移动设备的定位方法、装置、系统及可移动设备 |
CN111708010A (zh) * | 2019-03-01 | 2020-09-25 | 北京图森智途科技有限公司 | 一种可移动设备的定位方法、装置、系统及可移动设备 |
CN110068819B (zh) * | 2019-03-27 | 2021-08-31 | 东软睿驰汽车技术(沈阳)有限公司 | 一种提取障碍物位置信息的方法及装置 |
CN110068819A (zh) * | 2019-03-27 | 2019-07-30 | 东软睿驰汽车技术(沈阳)有限公司 | 一种提取障碍物位置信息的方法及装置 |
CN110262538A (zh) * | 2019-07-01 | 2019-09-20 | 百度在线网络技术(北京)有限公司 | 地图数据采集方法、装置、设备及存储介质 |
CN114450691A (zh) * | 2019-07-12 | 2022-05-06 | 本田技研工业株式会社 | 稳健定位 |
CN110376604A (zh) * | 2019-08-09 | 2019-10-25 | 北京智行者科技有限公司 | 基于单线激光雷达的路沿检测方法 |
CN110531761A (zh) * | 2019-08-19 | 2019-12-03 | 深圳元戎启行科技有限公司 | 无人车调度方法、装置及执行无人车调度方法的系统 |
WO2021035471A1 (en) * | 2019-08-26 | 2021-03-04 | Beijing Voyager Technology Co., Ltd. | Systems and methods for positioning a target subject |
CN110542908A (zh) * | 2019-09-09 | 2019-12-06 | 阿尔法巴人工智能(深圳)有限公司 | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 |
CN112455502A (zh) * | 2019-09-09 | 2021-03-09 | 中车株洲电力机车研究所有限公司 | 基于激光雷达的列车定位方法及装置 |
CN110595492A (zh) * | 2019-09-25 | 2019-12-20 | 上海交通大学 | 园区环境下的车辆自定位系统及方法 |
CN111551186A (zh) * | 2019-11-29 | 2020-08-18 | 福瑞泰克智能系统有限公司 | 一种车辆实时定位方法、系统及车辆 |
CN110988949A (zh) * | 2019-12-02 | 2020-04-10 | 北京京东乾石科技有限公司 | 定位方法、定位装置、计算机可读存储介质与可移动设备 |
WO2021115395A1 (zh) * | 2019-12-13 | 2021-06-17 | 北京三快在线科技有限公司 | 基于地图的故障诊断 |
CN110989613A (zh) * | 2019-12-18 | 2020-04-10 | 北京新能源汽车技术创新中心有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN111076735A (zh) * | 2019-12-31 | 2020-04-28 | 上海能塔智能科技有限公司 | 用于地图生成的处理方法、装置、系统、电子设备与介质 |
US11789455B2 (en) | 2020-06-02 | 2023-10-17 | Beijing Baidu Netcom Science Technology Co., Ltd. | Control of autonomous vehicle based on fusion of pose information and visual data |
CN113819905B (zh) * | 2020-06-19 | 2024-07-12 | 北京图森未来科技有限公司 | 一种基于多传感器融合的里程计方法及装置 |
CN113819905A (zh) * | 2020-06-19 | 2021-12-21 | 北京图森未来科技有限公司 | 一种基于多传感器融合的里程计方法及装置 |
CN111983582A (zh) * | 2020-08-14 | 2020-11-24 | 北京埃福瑞科技有限公司 | 列车的定位方法及系统 |
CN111928863A (zh) * | 2020-08-20 | 2020-11-13 | 新石器慧义知行智驰(北京)科技有限公司 | 一种高精地图数据采集方法、装置及系统 |
WO2022063056A1 (zh) * | 2020-09-22 | 2022-03-31 | 重庆兰德适普信息科技有限公司 | 高精度点云地图构建方法 |
CN112414415A (zh) * | 2020-09-22 | 2021-02-26 | 重庆智行者信息科技有限公司 | 高精度点云地图构建方法 |
CN114252883A (zh) * | 2020-09-24 | 2022-03-29 | 北京万集科技股份有限公司 | 目标检测方法、装置、计算机设备和介质 |
CN114252883B (zh) * | 2020-09-24 | 2022-08-23 | 北京万集科技股份有限公司 | 目标检测方法、装置、计算机设备和介质 |
CN112147635A (zh) * | 2020-09-25 | 2020-12-29 | 北京亮道智能汽车技术有限公司 | 一种检测系统、方法及装置 |
CN112147635B (zh) * | 2020-09-25 | 2024-05-31 | 北京亮道智能汽车技术有限公司 | 一种检测系统、方法及装置 |
CN113916224A (zh) * | 2021-03-05 | 2022-01-11 | 黑芝麻智能科技有限公司 | 通过多传感器融合来确定车辆位置的方法 |
CN113176097B (zh) * | 2021-03-15 | 2023-03-14 | 北京汽车研究总院有限公司 | 感知模块的检测方法、计算机可读存储介质及车辆 |
CN113176097A (zh) * | 2021-03-15 | 2021-07-27 | 北京汽车研究总院有限公司 | 感知模块的检测方法、计算机可读存储介质及车辆 |
CN113514069A (zh) * | 2021-03-23 | 2021-10-19 | 重庆兰德适普信息科技有限公司 | 一种实时自动驾驶定位方法及系统 |
CN113311411A (zh) * | 2021-04-19 | 2021-08-27 | 杭州视熵科技有限公司 | 一种用于移动机器人的激光雷达点云运动畸变校正方法 |
CN113295175A (zh) * | 2021-04-30 | 2021-08-24 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据修正的方法和装置 |
CN113268555A (zh) * | 2021-05-26 | 2021-08-17 | 深圳市有方科技股份有限公司 | 多类型数据的地图生成方法、装置和计算机设备 |
CN113268555B (zh) * | 2021-05-26 | 2024-05-14 | 深圳市有方科技股份有限公司 | 多类型数据的地图生成方法、装置和计算机设备 |
CN113566833A (zh) * | 2021-07-28 | 2021-10-29 | 上海工程技术大学 | 一种多传感器融合的车辆定位方法及系统 |
CN115139946B (zh) * | 2022-06-30 | 2023-09-22 | 小米汽车科技有限公司 | 车辆落水检测方法、车辆、计算机可读存储介质及芯片 |
CN115139946A (zh) * | 2022-06-30 | 2022-10-04 | 小米汽车科技有限公司 | 车辆落水检测方法、车辆、计算机可读存储介质及芯片 |
CN116678423A (zh) * | 2023-05-26 | 2023-09-01 | 小米汽车科技有限公司 | 多源融合定位方法、装置及车辆 |
CN116678423B (zh) * | 2023-05-26 | 2024-04-16 | 小米汽车科技有限公司 | 多源融合定位方法、装置及车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108958266A (zh) | 一种地图数据获取方法 | |
CN109084786A (zh) | 一种地图数据的处理方法 | |
US10482003B1 (en) | Method and system for modifying a control unit of an autonomous car | |
CN107235044B (zh) | 一种基于多传感数据实现对道路交通场景和司机驾驶行为的还原方法 | |
US20210003684A1 (en) | Online sensor calibration for autonomous vehicles | |
CN109583415B (zh) | 一种基于激光雷达与摄像机融合的交通灯检测与识别方法 | |
CN109029422A (zh) | 一种多无人机协作构建三维调查地图的方法和装置 | |
CN111897305A (zh) | 一种基于自动驾驶的数据处理方法、装置、设备及介质 | |
CN109101022A (zh) | 一种作业路径更新方法 | |
CN106441319A (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
CN109949594A (zh) | 实时的交通灯识别方法 | |
CN109084794A (zh) | 一种路径规划方法 | |
JP2011215975A (ja) | 画像処理システム及び車両制御システム | |
KR20200001471A (ko) | 차선 정보 검출 장치, 방법 및 이러한 방법을 수행하도록 프로그램된 컴퓨 프로그램을 저장하는 컴퓨터 판독가능한 기록매체 | |
CN108957413A (zh) | 传感器目标定位准确度测试方法 | |
CN116625354B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及系统 | |
CN112987593B (zh) | 一种视觉定位硬件在环仿真平台及仿真方法 | |
CN110116727A (zh) | 一种车道中心保持系统的实车测试方法 | |
CN109583312A (zh) | 车道线识别方法、装置、设备及存储介质 | |
CN110458080A (zh) | 一种汽车行驶中前方坑洞的预判方法及系统 | |
CN117572883A (zh) | 基于高光谱遥感和激光雷达遥感的无人机数据采集系统 | |
CN113465608B (zh) | 一种路侧传感器标定方法及系统 | |
CN118046921A (zh) | 车辆控制方法、装置、车载设备、车辆及存储介质 | |
US20220198714A1 (en) | Camera to camera calibration | |
CN117270506A (zh) | 一种虚拟仿真场景中主车的运动控制方法及系统 |
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: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |