CN109186621A - 基于路口模型的自动行驶方法及装置 - Google Patents

基于路口模型的自动行驶方法及装置 Download PDF

Info

Publication number
CN109186621A
CN109186621A CN201810930773.8A CN201810930773A CN109186621A CN 109186621 A CN109186621 A CN 109186621A CN 201810930773 A CN201810930773 A CN 201810930773A CN 109186621 A CN109186621 A CN 109186621A
Authority
CN
China
Prior art keywords
crossing
vehicle
model
plane geometry
precision map
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.)
Granted
Application number
CN201810930773.8A
Other languages
English (en)
Other versions
CN109186621B (zh
Inventor
王卫宾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zhonghai Data Technology Co Ltd
Original Assignee
Wuhan Zhonghai Data Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Zhonghai Data Technology Co Ltd filed Critical Wuhan Zhonghai Data Technology Co Ltd
Priority to CN201810930773.8A priority Critical patent/CN109186621B/zh
Publication of CN109186621A publication Critical patent/CN109186621A/zh
Application granted granted Critical
Publication of CN109186621B publication Critical patent/CN109186621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications

Abstract

本发明公开了一种基于路口模型的自动行驶方法及装置,所述方法包括在所述高精度地图通过路口模型预匹配所有路口的路口类型;由所述路口类型及所述路口的形态特征在所述高精度地图确定所述路口的平面几何范围及路口属性;通过定位模块匹配车辆在所述高精度地图的当前位置并根据所述当前位置确定车辆所在的实际路口;根据实际路口确定所述平面几何范围及所述路口属性;并通过采集单元检索所述平面几何范围内的所有交通元素;通过所述平面几何范围、路口属性及所述交通元素的组合为车辆在所述实际路口的行驶提供策略参考。本发明用于通过高精度地图为车辆在实际路口的行驶策略提供参考,降低车辆自动驾驶的风险,提高安全性。

Description

基于路口模型的自动行驶方法及装置
技术领域
本发明涉及自动驾驶技术领域,具体而言,涉及一种基于路口模型的自动行驶方法及装置。
背景技术
车辆在自动驾驶过程中会遇到多种场景,其中路口是多个方向的车流和行人汇集及分流的重要场景。车辆在路口极易发生路权的冲突和避让,那么在路口校验自动驾驶技术的成熟度、稳定性及安全性是重要的。
传统导航地图对路口的描绘,不论是精度及信息的丰富度无法满足车辆自动驾驶的需求;目前高精度地图中,在对路口的分类及模型设计上,缺少对智能交通、车辆控制等影响因素的综合考虑。
发明内容
本发明实施例至少提供一种基于路口模型的自动行驶方法,能够解决传统的导航地图无法为就前方路路口为车辆的自动驾驶提供有效参考的问题。
上述实施例的具体实现,如下所述。
所述方法包括:
Step100、在所述高精度地图通过路口模型预匹配所有路口的路口类型;
Step200、由所述路口类型及所述路口的形态特征在所述高精度地图确定所述路口的平面几何范围及路口属性;
Step300、通过定位模块匹配车辆在所述高精度地图的当前位置并根据所述当前位置确定车辆所在的实际路口;
Step400、根据实际路口确定所述平面几何范围及所述路口属性;并通过采集单元检索所述平面几何范围内的所有交通元素;
Step500、通过所述平面几何范围、路口属性及所述交通元素的组合为车辆在所述实际路口的行驶提供策略参考。
优选地,在所述Step100,在所述高精度地图中通过路口模型预匹配至少两个路口的路口类型,且组合相邻所述路口的路口类型为至少一种组合路口类型。
优选地,所述路口模型由车辆的行驶路径及路权争夺行为划分为:
分流路口模型,仅由一个或多个道路分流点组成;
合流路口模型,仅由一个或多个道路合流点组成;
交叉路口模型,至少包括一个道路冲突点。
优选地,所述的Step200,包括:
Step210、在所述高精度地图内由所述路口类型及车辆在所述路口的理论行驶方向确定所述路口的形态特征;
Step220、通过所述路口类型及所述形态特征的组合确定所述路口在所述高精度地图内的平面几何范围。
优选地,所述平面几何范围的划分由所述路口的路口类型、形态特征及车辆调整行驶路线所需的理论行驶距离确定。
优选地,所述路口属性至少包括信号灯、路口方向及引导线中的一种或多种。
优选地,所述策略参考包括车辆基于行驶目的地通过调用所述高精度地图提前预测所述路口的路口类型、平面几何范围及所述交通元素并调整行驶策略。
本发明实施例另公开一种基于路口模型的自动行驶装置,所述装置包括服务器及车载终端;
所述服务器包括:
高精度地图模块,通过路口模型匹配所述路口的路口类型并采集所述路口的形态特征,
路口信息模块,通过所述路口类型及所述形态特征确定所述路口的平面几何范围及路口属性;
所述车载终端,包括:
定位模块,匹配车辆在所述高精度地图的当前位置并根据所述当前位置确定车辆所在的实际路口;
检索信息模块,根据实际路口确定所述平面几何范围及所述路口属性;并通过采集单元检索所述平面几何范围内的所有交通元素;
驾驶决策模块,由所述平面几何范围、路口属性及所述交通元素为车辆在所述路口的行驶提供策略参考。
针对上述方案,本发明通过以下参照附图对公开的示例性实施例作详细描述,亦使本发明实施例的其它特征及其优点清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为实施例一的流程图;
图2为实施例一的形态特征匹配图;
图3A、图3B及图3C为实施例一合流路口的平面几何范围图;
图4A、图4B及图4C为实施例一分流路口的平面几何范围图;
图5A、图5B、图5C及图5D为实施例一交叉路口的平面几何范围图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供一种基于路口模型的自动行驶方法。通过本实施例的方法,能够在车辆行驶到前方的路口前,通过高精度地图对路口预测;在达到路口后,车辆能够结合路口内检索到的交通要素及对路口的预测为车辆的主动安全及自动驾驶策略提供有效参考。
为了实现上述内容,请参考图1。
Step100、预先通过在高精度地图通过路口模型预匹配所有路口的路口类型;
本实施例预配置的路口模型主要由车辆的行驶路径及路权争夺行为划分为路口模型主要包括分流路口模型、合流路口模型及合流路口模型。
本实施例的分流路口模型,仅由一个或多个道路分流点组成;例如,使用交通岛进行隔离的提前左转、提前右转、主辅路连接路口、高速路出口等。
本实施例的合流路口模型,仅由一个或多个道路合流点组成;例如,使用交通岛进行隔离的提前左转、提前右转、主辅路连接路口、高速路入口等。
本实施例的交叉路口模型,至少包括一个道路冲突点;主要是交叉路口,具体可划分为信号控制的交叉路口和无信号控制的交叉路口。
Step200、在获取路口的路口模型后,结合高精度地图中路口配置的地理信息识别其形态特征;再由路口的形态特征及路口类型,获取路口的平面几何范围及路口属性。
Step210、在高精度地图内由路口类型及车辆在路口的理论行驶方向确定路口的形态特征;
具体请参考图2,本实施例在确定路口分类后,可以通过高精度地图读取路口的基本地理信息,如路口形态、印刷线、辅路,并结合车辆的理论行驶方向确定路口的形态特征。
另外,本实施例的路口属性至少包括信号灯、路口方向及引导线中的一种或多种。
Step220、请参考图2,本实施例的平面几何范围的划分由路口的路口类型、形态特征及车辆调整行驶路线所需的理论行驶距离确定,如下:
本实施例结合上述内容,路口的平面几何范围的划分,例如:
分流路口主要参考因素包括出口车道开始位置、禁止跨越导流带开始位置及导流带前变道完成的理论距离等。
合流路口主要参考因素包括入口车道结束位置、禁止跨越导流带结束位置及导流带后变道完成的理论距离等。
交叉路口主要参考因素包括停止线的位置、路缘石边界及支路在主路上延伸区域等。
Step300、一般是车载终端,通过内置的定位模块匹配车辆在高精度地图的当前位置并根据当前位置确定车辆所在的实际路口。
Step400、根据实际路口确定平面几何范围及路口属性并在车辆抵达实际路口时通过红外、视觉检测等多种采集器件中的一种或多种检索路口的平面几何范围内的所有交通元素,交通元素包括各种机动车、非机动车,以及行人、乘车人和车辆驾驶人员等。
Step500、通过平面几何范围、路口属性及交通元素的组合为车辆在实际路口的行驶提供策略参考。
本实施例提供的策略参考主要包括车辆基于行驶目的地通过调用高精度地图所涉及的地理信息,提前预测路口的路口类型、平面几何范围及结合在本地检索的交通元素并调整行驶策略。
例如,车辆沿主路行驶到一前方路口前,车辆通过地理信息系统的高精度地图提前预测前方路口为合流路口且路口方向为右,即形态特征为T字形或Y字形。车辆同时通过高精度地图获取路口属性。
车辆结合路口类型、形态特征、路口属性及车辆调整行驶路线所需的理论行驶距离确定平面几何范围。那么,车辆在到达路口前,预先降低行驶速度并靠左侧行驶,以防止由支路汇入的其他车辆在汇入时,本车辆造成损害。
另外,存在至少两个相邻且具有关联性的路口时,本实施例的方法通过预配置的路口模型在高精度地图中分别匹配相邻的路口的路口类型,再将多个路口类型进行组合成为组合路口类型。
例如,环岛路口,其由至少两个T字形或Y字形的分流路口或合流路口组成。专用道路口,由分流路口和合流路口组成等。
本实施例另公开一种基于路口模型的自动行驶装置,装置包括服务器及车载终端;
服务器包括:
高精度地图模块,通过路口模型匹配路口的路口类型并采集路口的形态特征,
路口信息模块,通过路口类型及形态特征确定路口的平面几何范围及路口属性;
车载终端,包括:
定位模块,匹配车辆在高精度地图的当前位置并根据当前位置确定车辆所在的实际路口;
检索信息模块,根据实际路口确定平面几何范围及路口属性;并通过采集单元检索平面几何范围内的所有交通元素;
驾驶决策模块,由平面几何范围、路口属性及交通元素为车辆在路口的行驶提供策略参考。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于路口模型的自动行驶方法,用于通过高精度地图为车辆在路口的行驶策略提供参考,其特征在于,
Step100、在所述高精度地图通过路口模型预匹配所有路口的路口类型;
Step200、由所述路口类型及所述路口的形态特征在所述高精度地图确定所述路口的平面几何范围及路口属性;
Step300、通过定位模块匹配车辆在所述高精度地图的当前位置并根据所述当前位置确定车辆所在的实际路口;
Step400、根据实际路口确定所述平面几何范围及所述路口属性;并通过采集单元检索所述平面几何范围内的所有交通元素;
Step500、通过所述平面几何范围、路口属性及所述交通元素的组合为车辆在所述实际路口的行驶提供策略参考。
2.如权利要求1所述的基于路口模型的自动行驶方法,其特征在于,
在所述Step100,在所述高精度地图中通过路口模型预匹配至少两个路口的路口类型,且组合相邻所述路口的路口类型为至少一种组合路口类型。
3.如权利要求1所述的基于路口模型的自动行驶方法,其特征在于,
所述路口模型由车辆的行驶路径及路权争夺行为划分为:
分流路口模型,仅由一个或多个道路分流点组成;
合流路口模型,仅由一个或多个道路合流点组成;
交叉路口模型,至少包括一个道路冲突点。
4.如权利要求1所述的基于路口模型的自动行驶方法,其特征在于,
所述的Step200,包括:
Step210、在所述高精度地图内由所述路口类型及车辆在所述路口的理论行驶方向确定所述路口的形态特征;
Step220、通过所述路口类型及所述形态特征的组合确定所述路口在所述高精度地图内的平面几何范围。
5.如权利要求1所述的基于路口模型的自动行驶方法,其特征在于,
所述平面几何范围的划分由所述路口的路口类型、形态特征及车辆调整行驶路线所需的理论行驶距离确定。
6.如权利要求1所述的基于路口模型的自动行驶方法,其特征在于,
所述路口属性至少包括信号灯、路口方向及引导线中的一种或多种。
7.如权利要求1所述的基于路口模型的自动行驶方法,其特征在于,
所述策略参考包括车辆基于行驶目的地通过调用所述高精度地图提前预测所述路口的路口类型、平面几何范围及所述交通元素并调整行驶策略。
8.一种基于路口模型的自动行驶装置,其特征在于,
所述装置包括服务器及车载终端;
所述服务器包括:
高精度地图模块,通过路口模型匹配所述路口的路口类型并采集所述路口的形态特征,
路口信息模块,通过所述路口类型及所述形态特征确定所述路口的平面几何范围及路口属性;
所述车载终端,包括:
定位模块,匹配车辆在所述高精度地图的当前位置并根据所述当前位置确定车辆所在的实际路口;
检索信息模块,根据实际路口确定所述平面几何范围及所述路口属性;并通过采集单元检索所述平面几何范围内的所有交通元素;
驾驶决策模块,由所述平面几何范围、路口属性及所述交通元素为车辆在所述路口的行驶提供策略参考。
CN201810930773.8A 2018-08-15 2018-08-15 基于路口模型的自动行驶方法及装置 Active CN109186621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810930773.8A CN109186621B (zh) 2018-08-15 2018-08-15 基于路口模型的自动行驶方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810930773.8A CN109186621B (zh) 2018-08-15 2018-08-15 基于路口模型的自动行驶方法及装置

Publications (2)

Publication Number Publication Date
CN109186621A true CN109186621A (zh) 2019-01-11
CN109186621B CN109186621B (zh) 2020-12-29

Family

ID=64917973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810930773.8A Active CN109186621B (zh) 2018-08-15 2018-08-15 基于路口模型的自动行驶方法及装置

Country Status (1)

Country Link
CN (1) CN109186621B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109974739A (zh) * 2019-04-15 2019-07-05 西安交通大学 基于高精度地图的全局导航系统及导航信息生成方法
CN110276952A (zh) * 2019-06-27 2019-09-24 武汉中海庭数据技术有限公司 一种交通信息模拟采集方法及装置
CN111190829A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种路口测试模型数据自动构建方法和装置
CN111192468A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 基于路口内加减速的自动行驶方法及系统、服务器及介质
CN111736614A (zh) * 2020-07-29 2020-10-02 北京云迹科技有限公司 一种多机器人交通系统构建方法及装置
CN111831664A (zh) * 2019-04-16 2020-10-27 北京四维图新科技股份有限公司 一种地图数据更新方法及装置
CN115366887A (zh) * 2022-08-25 2022-11-22 武汉大学 适应自动驾驶的路口分类及车辆驾驶方法及设备
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726303A (zh) * 2008-10-15 2010-06-09 高德软件有限公司 一种导航方法和装置
CN102110364A (zh) * 2009-12-28 2011-06-29 日电(中国)有限公司 基于路口和路段的交通信息处理方法和装置
CN102183259A (zh) * 2011-03-17 2011-09-14 光庭导航数据(武汉)有限公司 基于电子地图道路特征识别的导航方法
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
CN105185141A (zh) * 2015-10-14 2015-12-23 浙江大学 一种基于引力场的车辆自动驾驶引导方法
CN107272687A (zh) * 2017-06-29 2017-10-20 深圳市海梁科技有限公司 一种自动驾驶公交车辆的驾驶行为决策系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726303A (zh) * 2008-10-15 2010-06-09 高德软件有限公司 一种导航方法和装置
CN102110364A (zh) * 2009-12-28 2011-06-29 日电(中国)有限公司 基于路口和路段的交通信息处理方法和装置
CN102183259A (zh) * 2011-03-17 2011-09-14 光庭导航数据(武汉)有限公司 基于电子地图道路特征识别的导航方法
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
CN105185141A (zh) * 2015-10-14 2015-12-23 浙江大学 一种基于引力场的车辆自动驾驶引导方法
CN107272687A (zh) * 2017-06-29 2017-10-20 深圳市海梁科技有限公司 一种自动驾驶公交车辆的驾驶行为决策系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109974739A (zh) * 2019-04-15 2019-07-05 西安交通大学 基于高精度地图的全局导航系统及导航信息生成方法
CN111831664A (zh) * 2019-04-16 2020-10-27 北京四维图新科技股份有限公司 一种地图数据更新方法及装置
CN110276952A (zh) * 2019-06-27 2019-09-24 武汉中海庭数据技术有限公司 一种交通信息模拟采集方法及装置
CN110276952B (zh) * 2019-06-27 2020-11-27 武汉中海庭数据技术有限公司 一种交通信息模拟采集方法及装置
CN111190829A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种路口测试模型数据自动构建方法和装置
CN111192468A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 基于路口内加减速的自动行驶方法及系统、服务器及介质
CN111190829B (zh) * 2019-12-31 2022-04-29 武汉中海庭数据技术有限公司 一种路口测试模型数据自动构建方法和装置
CN111736614A (zh) * 2020-07-29 2020-10-02 北京云迹科技有限公司 一种多机器人交通系统构建方法及装置
CN115366887A (zh) * 2022-08-25 2022-11-22 武汉大学 适应自动驾驶的路口分类及车辆驾驶方法及设备
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

Also Published As

Publication number Publication date
CN109186621B (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN109186621A (zh) 基于路口模型的自动行驶方法及装置
US20210316751A1 (en) Systems and methods for autonomous vehicle navigation
US20220009518A1 (en) Road vector fields
CN112902975B (zh) 自主车辆导航的方法、可读设备、服务器、车辆及系统
US8005615B2 (en) Navigation system
CN105608927B (zh) 警告装置
US20220383744A1 (en) Traffic light relevancy
GB2614360A (en) Traffic light detection system for vehicle
JP2023509468A (ja) 車両ナビゲーション用のシステムおよび方法
BR112017003659B1 (pt) Dispositivo de controle de percurso e método de controle de percurso
JP7068757B2 (ja) 地図データ生成プログラム、コンピュータ読取可能な記録媒体および地図データ生成装置
US8958982B2 (en) Navigation device
CN105717939A (zh) 一种支持汽车无人自动驾驶的道路路面的信息化和网络化实施方法
US20220126999A1 (en) Method and apparatus for utilizing an unmanned air vehicle to define or provide guidance along a route
CN108291814A (zh) 用于在环境中点精确地定位机动车的方法、设备、地图管理装置和系统
CN108242169A (zh) 用于机动车的驾驶员辅助
JP2023509292A (ja) 信号機を検出するためのシステムおよび方法
CN103029704B (zh) 用于运行机动车的方法
JP2023504604A (ja) 車両を選択的に減速させるシステムおよび方法
CA2993141A1 (en) Scene determination device, travel assistance appratus, and scene determination method
US20230136710A1 (en) Systems and methods for harvesting images for vehicle navigation
CN116745831A (zh) 地图生成装置、地图生成程序以及车载机
CN109166302A (zh) 一种车辆通过电子眼的播报方法和存储介质
US20230280183A1 (en) Machine learning-based traffic light relevancy mapping
JP7447842B2 (ja) 車両用表示制御装置、車両用表示制御方法

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
CB03 Change of inventor or designer information

Inventor after: Luo Yuejun

Inventor after: Wang Weibin

Inventor before: Wang Weibin

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Automatic driving method and device based on intersection model

Granted publication date: 20201229

Pledgee: Productivity Promotion Center of Wuhan East Lake New Technology Development Zone

Pledgor: WUHHAN KOTEL BIG DATE Corp.

Registration number: Y2024980005100

PE01 Entry into force of the registration of the contract for pledge of patent right