CN109270927A - 道路数据的生成方法及装置 - Google Patents

道路数据的生成方法及装置 Download PDF

Info

Publication number
CN109270927A
CN109270927A CN201710598323.9A CN201710598323A CN109270927A CN 109270927 A CN109270927 A CN 109270927A CN 201710598323 A CN201710598323 A CN 201710598323A CN 109270927 A CN109270927 A CN 109270927A
Authority
CN
China
Prior art keywords
lane
target
road
center
high precision
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
CN201710598323.9A
Other languages
English (en)
Other versions
CN109270927B (zh
Inventor
张志斌
贾双成
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.)
Alibaba China Co Ltd
Original Assignee
Autonavi Software 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 Autonavi Software Co Ltd filed Critical Autonavi Software Co Ltd
Priority to CN201710598323.9A priority Critical patent/CN109270927B/zh
Publication of CN109270927A publication Critical patent/CN109270927A/zh
Application granted granted Critical
Publication of CN109270927B publication Critical patent/CN109270927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications

Abstract

本申请提供了一种道路数据的生成方法及装置，其中道路数据生成方法包括：从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合；对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。本申请利用车道中心线来表示路口，从而使得自动驾驶时可以沿着车道中心线行驶，以满足自动驾驶阶段对地图数据的需求。

Description

道路数据的生成方法及装置
技术领域
本申请涉及数据处理技术领域，尤其涉及一种道路数据的生成方法及装置。
背景技术
伴随着科学技术的不断进步，现在已经逐渐出现与自动驾驶车辆相关的技术。自动驾驶车辆，又称无人驾驶车辆或电脑驾驶车辆，是一种通过车载电脑实现无人驾驶的智能车辆。
自动驾驶车辆中配备有车载电脑，在启动自动驾驶之前，用户可以向车载电脑输入起始点和目的点，通过路径规划算法，确定起始点至目的地的导航路径，车载电脑通过导航路径来引导车辆行驶。
现有的电子地图中道路数据均采用“线点线道路模型”，即，在道路数据中，一条道路采用一条曲线来表示，一个路口采用一个点表示。参见图1，左图为真实世界中的一段路面，具体包括：道路a、道路b、道路c以及三条道路形成的交叉路口。右图为采用“线点线道路模型”构建的道路数据的示意图：在道路数据中将道路a、道路b和道路c分别采用曲线a、曲线b和曲线c表示，并将三条道路的交叉路口采用点(M)表示。
申请人在研究自动驾驶的过程中发现：
实际情况下，虽然路口并不施划车道线，但车辆会沿着一定行进路线行驶，以顺路通过路口。由于现有技术中路口采用点表示，这种表示方式忽略了路口内部的通行规则，无法满足自动驾驶阶段对地图数据的需求。
因此，亟需提供一种道路数据的生成技术方案，能够生产出满足自动驾驶需求的路口数据。
发明内容
本申请提供了一种道路数据的生成方法及装置，可以生产出满足自动驾驶需求的路口数据。
为了实现上述目的，提供了以下技术特征：
一种道路数据的生成方法，包括：
从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合；
对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。
可选的，在所述获得目标车道的车道中心线后，还包括：
获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度；
基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线。
可选的，所述对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线，包括：
对所述目标高精度轨迹点集合中的目标高精度轨迹点，按照预设的分段规则进行分段；
对同一个分段中的目标高精度轨迹点进行曲线拟合，得到该分段的至少一个目标曲线拟合方程，所述一个分段中的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值；
至少根据所述分段中每个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离，得到分段对应的目标曲线拟合方程的距离加权值；
至少根据每个分段的每个目标曲线拟合方程的距离加权值，选取一组用于确定目标车道的车道中心线的目标曲线拟合方程，至少该组目标曲线拟合方程对应的距离加权值的和值最小；
基于该组目标曲线拟合方程，得到所述目标车道的车道中心线。
可选的，所述获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度，包括：
根据所述第一车道的属性信息，确定与所述第一道路的一条车道标识对应的入口车道宽度；
根据所述第二车道的属性信息，确定与所述第二道路的另一条车道标识对应的出口车道宽度。
可选的，所述基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线，包括：
依据所述入口车道宽度、所述出口车道宽度和所述目标车道的车道中心线，计算目标车道的宽度函数；
从所述目标车道的车道中心线的起点至终点、按预先设定的弧长采样间距在所述目标车道的车道中心线上进行采样，计算各个采样点和各个采样点对应的法线向量；
依据所述目标车道的宽度函数确定一个采样点对应的车道宽度，在所述目标车道的车道中心线的左侧及右侧各距离虚拟车道中心线二分之一车道宽度的位置处、设置所述法线向量，并从左侧的法线向量上截取位置点，从右侧的法线向量上截取位置点；按采样点的顺序，依次重复执行本步骤，直到最后一个采样点；
将所述目标车道的车道中心线左侧的依次截取的所有位置点集合，确定为目标车道的左边线数据；将所述目标车道的车道中心线右侧的依次截取的所有位置点集合，确定为目标车道的右边线数据；
将所述左边线数据和所述右边线数据、确定为所述目标车道的车道边线。
一种道路数据的生成装置，包括：
获取单元，用于从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合；
车道中心线获得单元，用于对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。
可选的，还包括：
车道边线获得单元，用于获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度；基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线。通过以上技术手段，可以实现以下有益效果：
本申请中路口数据不再采用“点”表示，而是通过目标高精度轨迹点集合，拟合出一条由第一道路的一条车道至第二道路的另一条车道的车道中心线。本申请利用车道中心线来表示路口，从而使得自动驾驶时可以沿着车道中心线行驶，满足了自动驾驶阶段对地图数据的需求。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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他的附图。
图1为现有技术中道路模型的一个示意图；
图2为本申请实施例公开的一种道路数据的生成方法的流程图；
图3为本申请实施例公开的又一种道路数据的生成方法的流程图；
图4为本申请实施例公开的又一种道路数据的生成方法的流程图；
图5a-5b为本申请实施例公开的又一种道路数据的生成方法的流程图；
图6为本申请实施例公开的一种道路数据的生成装置的结构示意图；
图7为本申请实施例公开的又一道路数据的生成装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
由于现有技术中路口采用“点”表示，这种表示方式忽略了路口内部的通行规则，无法满足自动驾驶阶段对地图数据的需求。
基于此，本申请提供了一种道路数据的生成方法，如图2所示，具体包括以下步骤：
步骤S101：从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合。
采集车可以在路口从一条道路的一条车道驶入另一条道路的另一条车道，并在行驶过程中不断采集高精度轨迹点。从一条道路行驶到另一条道路过程中采集的轨迹点的集合称为一个轨迹点集合。
本实施例中，可以从已采集的高精度轨迹点集合中，获取一个路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合。步骤S102：对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。
根据本申请的一个实施例，参见图3，本步骤可以包括以下步骤：
步骤S201：对所述目标高精度轨迹点集合中的目标高精度轨迹点，按照预设的分段规则进行分段。
可以理解的是，在目标高精度轨迹点集合中，各个目标高精度轨迹点是按照采集顺序依次排列的。
本实施例在不打乱目标高精度轨迹点集合中各个目标高精度轨迹点顺序的前提下，可以按照预设的分段规则，将各个目标高精度轨迹点进行分段，从而获得多个分段，并且，每个分段包括多个目标高精度轨迹点。
预设的分段规则至少包括：一个分段中的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值。
可以理解的是，在分段的过程中，可以计算分段中每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离，并将距离与预设的容差阈值进行对比。
若一个分段中若有一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离大于预设的容差阈值，则可以减少该分段中的目标高精度轨迹点的数量，按照此过程调整各个分段，直到各个分段的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值。
在分段的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值的情况下，表示分段中的各个目标高精度轨迹点在曲线拟合过程中可以采用一条曲线进行拟合。
步骤S202：对同一个分段中的目标高精度轨迹点进行曲线拟合，得到该分段的至少一个目标曲线拟合方程，所述一个分段中的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值。
对同一分段中的目标高精度轨迹点进行曲线拟合，可以理解的是，曲线拟合有很多种方式，在执行曲线拟合过程中，各个分段可以采用相同的曲线拟合方式，或者，不同的曲线拟合方式，或者，根据曲线的特征择优选择适合的曲线拟合方式均可。
曲线拟合方式可以包括：欧拉螺线拟合方式、指数拟合方式、多项式拟合方式、对数拟合方式等曲线等等，曲线拟合过程已为成熟技术，在此不再赘述。
步骤S203：至少根据所述分段中每个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离，得到分段对应的目标曲线拟合方程的距离加权值。
实际应用中，还可以考虑相邻分段对应曲线方程之间的曲率、目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离，来参与权值计算。
例如，假设有20个目标高精度轨迹点，如果分为三个分段。第一段有6个目标高精度轨迹点(在曲线拟合后得到10个曲线方程)，第二段有9个目标高精度轨迹点(在曲线拟合后得到20曲线方程)，第三段有5个目标高精度轨迹点(在曲线拟合后得到2曲线方程)。
使用目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离计算距离加权值的情况：
针对每个分段的每个曲线方程计算一个距离加权值，其中，距离加权值的计算公式为：
其中，Qj.k表示第j个分段中第k个曲线方程的加权值，j表示分段的编号，k表示每个分段中曲线方程的编号，i为每个分段中的目标高精度轨迹点的编号。Ej.k(i)表示第j个分段的第i个点到第k个方程式对应的曲线的距离。
比如，前述举例中j＝1、2、3，第一段，k为1到10，i为1到n＝6，则E1.2(5)表示第一个分段的第五个点到第二个方程式对应的曲线的距离。
然后，每个分段的每个曲线方程的加权距离和其他分段的加权距离求和值，一共可以求出10*20*2＝400个加权距离和值。
当然20个轨迹点不止一种分段可能，如果还可以分两段，假设分两段算出200个加权距离和值，则是600个加权距离和值中选择最小的一个组合作为最终的结果。
如果考虑曲线方程的曲率还有分段的长度，则每个分段的每个方程式的距离加权值的公式更改为：
其中，Lj.k表示第j个分段中第k个曲线方程的曲率，Cj-1.k表示第j-1个分段中第k个曲线的长度，Cj.k表示第j个分段中第k个曲线的长度。
步骤S204：至少根据每个分段的每个目标曲线拟合方程的距离加权值，选取一组用于确定目标车道的车道中心线的目标曲线拟合方程，至少该组目标曲线拟合方程对应的距离加权值的和值最小。
步骤S205：基于该组目标曲线拟合方程，得到所述目标车道的车道中心线。
在确定目标车道的车道中心线之后，参见图4，本申请还可以包括以下步骤：
步骤S301：获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度。
根据所述第一车道的属性信息，确定与所述第一道路的一条车道标识对应的入口车道宽度；根据所述第二车道的属性信息，确定与所述第二道路的另一条车道标识对应的出口车道宽度。
步骤S302：基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线。
根据本申请的一个实施例，参见图5a，本步骤包括以下步骤：
步骤S401：依据所述入口车道宽度、所述出口车道宽度和所述目标车道的车道中心线，计算目标车道的宽度函数。
步骤S402：从所述目标车道的车道中心线的起点至终点、按预先设定的弧长采样间距在所述目标车道的车道中心线上进行采样，计算各个采样点和各个采样点对应的法线向量。
以字母D来表示预先设定的弧长采样间距，则在虚拟车道中心线采样后，可以获得多个采样点。然后，根据虚拟车道中心线在采样点处的曲率，计算在各个采样点处垂直于曲率的法线向量。参见图5b，以采样点C为例，采样点C处其法线向量采用F1表示。
步骤S403：依据所述目标车道的宽度函数确定一个采样点对应的车道宽度，在所述目标车道的车道中心线的左侧及右侧各距离虚拟车道中心线二分之一车道宽度的位置处、设置所述法线向量，并从左侧的法线向量上截取位置点，从右侧的法线向量上截取位置点；按采样点的顺序，依次重复执行本步骤，直到最后一个采样点。
延续上述举例，以采样点C为例，对本步骤的一个采样点的执行过程进行描述。参见图5b，首先将采样点C的位置代入虚拟车道宽度函数中，确定采样点C对应的车道宽度，采用字母k表示，则二分之一车道宽度为k/2。
在采样点C处左右各k/2处、按与法线向量F1平行的方式，设置法线向量F2和法线向量F3。然后，分别法线向量F2和法线向量F3上、截取位置点。
步骤S404：将所述目标车道的车道中心线左侧的依次截取的所有位置点集合，确定为目标车道的左边线数据；将所述目标车道的车道中心线右侧的依次截取的所有位置点集合，确定为目标车道的右边线数据。
步骤S405：将所述左边线数据和所述右边线数据、确定为所述目标车道的车道边线。
通过以上技术手段，可以实现以下有益效果：
本申请中路口数据不再采用“点”表示，而是通过目标高精度轨迹点集合，拟合出一条由第一道路的一条车道至第二道路的另一条车道的车道中心线。本申请利用车道中心线来表示路口，从而使得自动驾驶时可以沿着车道中心线行驶，以满足自动驾驶阶段对地图数据的需求。
本申请还提供了一种道路数据的生成装置。如图6所示，具体包括：
获取单元51，用于从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合。
本实施例中，可以从已采集的高精度轨迹点集合中，获取一个路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合。
车道中心线获得单元52，用于对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。
根据本申请一个实施例，车道中心线获得单元52对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线具体包括：
对所述目标高精度轨迹点集合中的目标高精度轨迹点，按照预设的分段规则进行分段；对同一个分段中的目标高精度轨迹点进行曲线拟合，得到该分段的至少一个目标曲线拟合方程，所述一个分段中的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值；至少根据所述分段中每个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离，得到分段对应的目标曲线拟合方程的距离加权值；至少根据每个分段的每个目标曲线拟合方程的距离加权值，选取一组用于确定目标车道的车道中心线的目标曲线拟合方程，至少该组目标曲线拟合方程对应的距离加权值的和值最小；基于该组目标曲线拟合方程，得到所述目标车道的车道中心线。
车道中心线获得单元52的具体实现过程，可以参见图2所示的实施例，在此不再赘述。
如图7所示，道路数据的生成装置还包括：
车道边线获得单元53，用于获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度，基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线。
其中，车道边线获得单元53可以根据所述第一车道的属性信息，确定与所述第一道路的一条车道标识对应的入口车道宽度，根据所述第二车道的属性信息，确定与所述第二道路的另一条车道标识对应的出口车道宽度。
具体的，车道边线获得单元53获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度，基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线具体包括：
依据所述入口车道宽度、所述出口车道宽度和所述目标车道的车道中心线，计算目标车道的宽度函数；从所述目标车道的车道中心线的起点至终点、按预先设定的弧长采样间距在所述目标车道的车道中心线上进行采样，计算各个采样点和各个采样点对应的法线向量；依据所述目标车道的宽度函数确定一个采样点对应的车道宽度，在所述目标车道的车道中心线的左侧及右侧各距离虚拟车道中心线二分之一车道宽度的位置处、设置所述法线向量，并从左侧的法线向量上截取位置点，从右侧的法线向量上截取位置点；按采样点的顺序，依次重复执行本步骤，直到最后一个采样点；将所述目标车道的车道中心线左侧的依次截取的所有位置点集合，确定为目标车道的左边线数据；将所述目标车道的车道中心线右侧的依次截取的所有位置点集合，确定为目标车道的右边线数据；将所述左边线数据和所述右边线数据、确定为所述目标车道的车道边线。
车道中心线获得单元53的具体实现过程，可以参见图4所示的实施例，在此不再赘述。
通过以上技术手段，可以实现以下有益效果：
本申请中路口数据不再采用“点”表示，而是通过目标高精度轨迹点集合，拟合出一条由第一道路的一条车道至第二道路的另一条车道的车道中心线。本申请利用车道中心线来表示路口，从而使得自动驾驶时可以沿着车道中心线行驶，以满足自动驾驶阶段对地图数据的需求。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种道路数据的生成方法，其特征在于，包括：
从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合；
对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。
2.如权利要求1所述的方法，其特征在于，在所述获得目标车道的车道中心线后，还包括：
获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度；
基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线。
3.如权利要求1所述的方法，其特征在于，所述对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线，包括：
对所述目标高精度轨迹点集合中的目标高精度轨迹点，按照预设的分段规则进行分段；
对同一个分段中的目标高精度轨迹点进行曲线拟合，得到该分段的至少一个目标曲线拟合方程，所述一个分段中的每一个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离小于预设的容差阈值；
至少根据所述分段中每个目标高精度轨迹点到该分段的目标曲线拟合方程对应曲线的距离，得到分段对应的目标曲线拟合方程的距离加权值；
至少根据每个分段的每个目标曲线拟合方程的距离加权值，选取一组用于确定目标车道的车道中心线的目标曲线拟合方程，至少该组目标曲线拟合方程对应的距离加权值的和值最小；
基于该组目标曲线拟合方程，得到所述目标车道的车道中心线。
4.如权利要求2所述的方法，其特征在于，所述获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度，包括：
根据所述第一车道的属性信息，确定与所述第一道路的一条车道标识对应的入口车道宽度；
根据所述第二车道的属性信息，确定与所述第二道路的另一条车道标识对应的出口车道宽度。
5.如权利要求4所述的方法，其特征在于，所述基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线，包括：
依据所述入口车道宽度、所述出口车道宽度和所述目标车道的车道中心线，计算目标车道的宽度函数；
从所述目标车道的车道中心线的起点至终点、按预先设定的弧长采样间距在所述目标车道的车道中心线上进行采样，计算各个采样点和各个采样点对应的法线向量；
依据所述目标车道的宽度函数确定一个采样点对应的车道宽度，在所述目标车道的车道中心线的左侧及右侧各距离虚拟车道中心线二分之一车道宽度的位置处、设置所述法线向量，并从左侧的法线向量上截取位置点，从右侧的法线向量上截取位置点；按采样点的顺序，依次重复执行本步骤，直到最后一个采样点；
将所述目标车道的车道中心线左侧的依次截取的所有位置点集合，确定为目标车道的左边线数据；将所述目标车道的车道中心线右侧的依次截取的所有位置点集合，确定为目标车道的右边线数据；
将所述左边线数据和所述右边线数据、确定为所述目标车道的车道边线。
6.一种道路数据的生成装置，其特征在于，包括：
获取单元，用于从已采集的高精度轨迹点集合中，获取路口处从第一道路的一条车道驶入第二道路的另一条车道的过程中形成的目标高精度轨迹点集合；
车道中心线获得单元，用于对所述目标高精度轨迹点集合进行曲线拟合，获得目标车道的车道中心线；其中，所述目标车道是在所述路口处连接所述第一道路的一条车道和第二道路的另一条车道的车道。
7.如权利要求6所述的装置，其特征在于，还包括：
车道边线获得单元，用于获取所述第一道路的一条车道和所述第二道路的另一条车道在所述路口处的车道宽度；基于所述目标车道的车道中心线和所述车道宽度，获取所述目标车道的车道边线。
CN201710598323.9A 2017-07-17 2017-07-17 道路数据的生成方法及装置 Active CN109270927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710598323.9A CN109270927B (zh) 2017-07-17 2017-07-17 道路数据的生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710598323.9A CN109270927B (zh) 2017-07-17 2017-07-17 道路数据的生成方法及装置

Publications (2)

Publication Number Publication Date
CN109270927A true CN109270927A (zh) 2019-01-25
CN109270927B CN109270927B (zh) 2022-03-11

Family

ID=65152754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710598323.9A Active CN109270927B (zh) 2017-07-17 2017-07-17 道路数据的生成方法及装置

Country Status (1)

Country Link
CN (1) CN109270927B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120084A (zh) * 2019-05-23 2019-08-13 广东星舆科技有限公司 一种生成车道线及道路面的方法
CN110415330A (zh) * 2019-04-29 2019-11-05 当家移动绿色互联网技术集团有限公司 道路生成方法、装置、存储介质及电子设备
CN110634291A (zh) * 2019-09-17 2019-12-31 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及系统
CN110633342A (zh) * 2019-07-29 2019-12-31 武汉光庭信息技术股份有限公司 车道拓扑网络生成方法
CN111664858A (zh) * 2020-05-19 2020-09-15 汉海信息技术(上海)有限公司 获取道路线形的方法、装置、电子设备及存储介质
CN111767360A (zh) * 2020-07-02 2020-10-13 北京百度网讯科技有限公司 路口虚拟车道标注的方法及装置
CN112033420A (zh) * 2019-06-03 2020-12-04 北京京东叁佰陆拾度电子商务有限公司 一种车道地图构建方法和装置
CN112543938A (zh) * 2020-09-29 2021-03-23 华为技术有限公司 占据栅格地图的生成方法和装置
CN112950740A (zh) * 2019-12-10 2021-06-11 中交宇科（北京）空间信息技术有限公司 高精地图道路中心线的生成方法、装置、设备及存储介质
CN113076386A (zh) * 2021-03-31 2021-07-06 商汤集团有限公司 一种道路数据处理的方法、装置、电子设备及存储介质
CN113390431A (zh) * 2021-06-17 2021-09-14 广东工业大学 动态生成参考线的方法、装置、计算机设备和存储介质
CN113743386A (zh) * 2021-11-05 2021-12-03 腾讯科技（深圳）有限公司 车道线生成方法、装置、设备及存储介质
CN114038203A (zh) * 2022-01-12 2022-02-11 成都四方伟业软件股份有限公司 一种交通仿真中两点路口车道的曲线拟合方法及装置
CN114771518A (zh) * 2022-04-06 2022-07-22 北京百度网讯科技有限公司 一种车道中心指引线的生成方法、装置、电子设备及介质

Citations (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1959236A1 (en) * 2007-02-13 2008-08-20 Aisin AW Co., Ltd. Lane determining device and lane determining method
WO2008130219A1 (en) * 2007-04-19 2008-10-30 Tele Atlas B.V. Method of and apparatus for producing road information
US20080294331A1 (en) * 2007-05-22 2008-11-27 Xanavi Informatics Corporation Method of Estimation of Traffic Information, Device of Estimation of Traffic Information and Car Navigation Device
CN101470801A (zh) * 2007-12-24 2009-07-01 财团法人车辆研究测试中心 车辆偏移的检知方法与装置
CN102209658A (zh) * 2008-11-06 2011-10-05 沃尔沃技术公司 用于确定道路数据的方法和系统
CN103136341A (zh) * 2013-02-04 2013-06-05 北京航空航天大学 一种基于Bézier曲线的车道线重构装置
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN103295420A (zh) * 2013-01-30 2013-09-11 吉林大学 一种车道线识别的方法
US20140018104A1 (en) * 2007-12-04 2014-01-16 Blackberry Limited Mobile Tracking
CN103940435A (zh) * 2014-05-04 2014-07-23 乔东江 道路地图的完善方法、系统以及经其完善的道路地图
CN104008387A (zh) * 2014-05-19 2014-08-27 山东科技大学 一种基于特征点分段线性拟合的车道线检测方法
CN104408915A (zh) * 2014-11-05 2015-03-11 青岛海信网络科技股份有限公司 一种交通状态参数的估计方法和系统
CN104700617A (zh) * 2015-04-02 2015-06-10 武汉大学 基于低精度gps轨迹数据的高精度车道信息提取方法
CN104875739A (zh) * 2014-02-28 2015-09-02 通用汽车环球科技运作有限责任公司 车道定中与车道保持转向系统之间的过渡中的颠簸减少
CN105324636A (zh) * 2013-05-16 2016-02-10 奥迪股份公司 用于具有自动驾驶仪的机动车的导航辅助装置
WO2016035485A1 (ja) * 2014-09-02 2016-03-10 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
WO2016035486A1 (ja) * 2014-09-02 2016-03-10 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
CN105466437A (zh) * 2014-09-12 2016-04-06 江苏南大五维电子科技有限公司 基于日盲紫外光信号的路径检测系统
CN105488498A (zh) * 2016-01-15 2016-04-13 武汉光庭信息技术股份有限公司 一种基于激光点云的车道边线自动提取方法及系统
CN105651295A (zh) * 2016-01-15 2016-06-08 武汉光庭信息技术股份有限公司 基于Bezier曲线构建交叉路口驶入驶出车道Link的连接曲线算法
US20160171889A1 (en) * 2014-12-12 2016-06-16 Hyundai Motor Company System and method for providing traffic information
CN105752154A (zh) * 2014-10-15 2016-07-13 华创车电技术中心股份有限公司 车辆转向控制系统及方法
CN106114507A (zh) * 2016-06-21 2016-11-16 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
CN106197451A (zh) * 2016-07-22 2016-12-07 金陵科技学院 带车道路面数据信息读取功能的车辆导航系统及导航方法
US20170031019A1 (en) * 2014-10-13 2017-02-02 Applied Concepts, Inc. Collision detection system and method of operation
CN106441312A (zh) * 2015-08-11 2017-02-22 高德软件有限公司 一种生成引导线的方法及装置
CN106556397A (zh) * 2015-09-25 2017-04-05 大唐半导体设计有限公司 一种gnss地图匹配方法和装置
US20170122749A1 (en) * 2015-11-04 2017-05-04 Toyota Jidosha Kabushiki Kaisha Map update determination system
CN106651987A (zh) * 2016-10-10 2017-05-10 腾讯科技（深圳）有限公司 路径规划方法及装置
CN106840176A (zh) * 2016-12-28 2017-06-13 济宁中科先进技术研究院有限公司 Gps时空数据增量路网实时更新和轨迹匹配系统
CN106886604A (zh) * 2017-03-03 2017-06-23 东南大学 一种适用于车道级导航定位的交叉路口路网模型

Patent Citations (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1959236A1 (en) * 2007-02-13 2008-08-20 Aisin AW Co., Ltd. Lane determining device and lane determining method
CN101246010A (zh) * 2007-02-13 2008-08-20 爱信艾达株式会社 车道判定装置以及车道判定方法
WO2008130219A1 (en) * 2007-04-19 2008-10-30 Tele Atlas B.V. Method of and apparatus for producing road information
CN101689296A (zh) * 2007-04-19 2010-03-31 电子地图有限公司 用于产生道路信息的方法及设备
US20080294331A1 (en) * 2007-05-22 2008-11-27 Xanavi Informatics Corporation Method of Estimation of Traffic Information, Device of Estimation of Traffic Information and Car Navigation Device
US20140018104A1 (en) * 2007-12-04 2014-01-16 Blackberry Limited Mobile Tracking
CN101470801A (zh) * 2007-12-24 2009-07-01 财团法人车辆研究测试中心 车辆偏移的检知方法与装置
CN102209658A (zh) * 2008-11-06 2011-10-05 沃尔沃技术公司 用于确定道路数据的方法和系统
CN103295420A (zh) * 2013-01-30 2013-09-11 吉林大学 一种车道线识别的方法
CN103136341A (zh) * 2013-02-04 2013-06-05 北京航空航天大学 一种基于Bézier曲线的车道线重构装置
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN105324636A (zh) * 2013-05-16 2016-02-10 奥迪股份公司 用于具有自动驾驶仪的机动车的导航辅助装置
CN104875739A (zh) * 2014-02-28 2015-09-02 通用汽车环球科技运作有限责任公司 车道定中与车道保持转向系统之间的过渡中的颠簸减少
CN103940435A (zh) * 2014-05-04 2014-07-23 乔东江 道路地图的完善方法、系统以及经其完善的道路地图
CN104008387A (zh) * 2014-05-19 2014-08-27 山东科技大学 一种基于特征点分段线性拟合的车道线检测方法
WO2016035485A1 (ja) * 2014-09-02 2016-03-10 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
WO2016035486A1 (ja) * 2014-09-02 2016-03-10 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
CN105466437A (zh) * 2014-09-12 2016-04-06 江苏南大五维电子科技有限公司 基于日盲紫外光信号的路径检测系统
US20170031019A1 (en) * 2014-10-13 2017-02-02 Applied Concepts, Inc. Collision detection system and method of operation
CN105752154A (zh) * 2014-10-15 2016-07-13 华创车电技术中心股份有限公司 车辆转向控制系统及方法
CN104408915A (zh) * 2014-11-05 2015-03-11 青岛海信网络科技股份有限公司 一种交通状态参数的估计方法和系统
US20160171889A1 (en) * 2014-12-12 2016-06-16 Hyundai Motor Company System and method for providing traffic information
CN104700617A (zh) * 2015-04-02 2015-06-10 武汉大学 基于低精度gps轨迹数据的高精度车道信息提取方法
CN106441312A (zh) * 2015-08-11 2017-02-22 高德软件有限公司 一种生成引导线的方法及装置
CN106556397A (zh) * 2015-09-25 2017-04-05 大唐半导体设计有限公司 一种gnss地图匹配方法和装置
US20170122749A1 (en) * 2015-11-04 2017-05-04 Toyota Jidosha Kabushiki Kaisha Map update determination system
CN105651295A (zh) * 2016-01-15 2016-06-08 武汉光庭信息技术股份有限公司 基于Bezier曲线构建交叉路口驶入驶出车道Link的连接曲线算法
CN105488498A (zh) * 2016-01-15 2016-04-13 武汉光庭信息技术股份有限公司 一种基于激光点云的车道边线自动提取方法及系统
CN106114507A (zh) * 2016-06-21 2016-11-16 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
CN106197451A (zh) * 2016-07-22 2016-12-07 金陵科技学院 带车道路面数据信息读取功能的车辆导航系统及导航方法
CN106651987A (zh) * 2016-10-10 2017-05-10 腾讯科技（深圳）有限公司 路径规划方法及装置
CN106840176A (zh) * 2016-12-28 2017-06-13 济宁中科先进技术研究院有限公司 Gps时空数据增量路网实时更新和轨迹匹配系统
CN106886604A (zh) * 2017-03-03 2017-06-23 东南大学 一种适用于车道级导航定位的交叉路口路网模型

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李翔 等: "矢量道路拓扑追踪匹配算法", 《中国国象图形学报》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415330A (zh) * 2019-04-29 2019-11-05 当家移动绿色互联网技术集团有限公司 道路生成方法、装置、存储介质及电子设备
CN110415330B (zh) * 2019-04-29 2020-05-29 当家移动绿色互联网技术集团有限公司 道路生成方法、装置、存储介质及电子设备
CN110120084A (zh) * 2019-05-23 2019-08-13 广东星舆科技有限公司 一种生成车道线及道路面的方法
CN112033420A (zh) * 2019-06-03 2020-12-04 北京京东叁佰陆拾度电子商务有限公司 一种车道地图构建方法和装置
CN110633342A (zh) * 2019-07-29 2019-12-31 武汉光庭信息技术股份有限公司 车道拓扑网络生成方法
CN110634291B (zh) * 2019-09-17 2020-12-29 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及系统
CN110634291A (zh) * 2019-09-17 2019-12-31 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及系统
CN112950740A (zh) * 2019-12-10 2021-06-11 中交宇科（北京）空间信息技术有限公司 高精地图道路中心线的生成方法、装置、设备及存储介质
CN111664858A (zh) * 2020-05-19 2020-09-15 汉海信息技术(上海)有限公司 获取道路线形的方法、装置、电子设备及存储介质
CN111664858B (zh) * 2020-05-19 2022-07-15 汉海信息技术(上海)有限公司 获取道路线形的方法、装置、电子设备及存储介质
CN111767360A (zh) * 2020-07-02 2020-10-13 北京百度网讯科技有限公司 路口虚拟车道标注的方法及装置
CN112543938A (zh) * 2020-09-29 2021-03-23 华为技术有限公司 占据栅格地图的生成方法和装置
CN112543938B (zh) * 2020-09-29 2022-02-08 华为技术有限公司 占据栅格地图的生成方法和装置
CN113076386A (zh) * 2021-03-31 2021-07-06 商汤集团有限公司 一种道路数据处理的方法、装置、电子设备及存储介质
WO2022205642A1 (zh) * 2021-03-31 2022-10-06 上海商汤智能科技有限公司 一种道路数据处理的方法、装置、电子设备、介质和程序
CN113390431A (zh) * 2021-06-17 2021-09-14 广东工业大学 动态生成参考线的方法、装置、计算机设备和存储介质
CN113390431B (zh) * 2021-06-17 2022-09-30 广东工业大学 动态生成参考线的方法、装置、计算机设备和存储介质
CN113743386A (zh) * 2021-11-05 2021-12-03 腾讯科技（深圳）有限公司 车道线生成方法、装置、设备及存储介质
CN114038203A (zh) * 2022-01-12 2022-02-11 成都四方伟业软件股份有限公司 一种交通仿真中两点路口车道的曲线拟合方法及装置
CN114771518A (zh) * 2022-04-06 2022-07-22 北京百度网讯科技有限公司 一种车道中心指引线的生成方法、装置、电子设备及介质

Also Published As

Publication number Publication date
CN109270927B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN109270927A (zh) 道路数据的生成方法及装置
CN107103754B (zh) 一种道路交通状况预测方法及系统
Hsueh et al. Map matching for low-sampling-rate GPS trajectories by exploring real-time moving directions
CN104462190B (zh) 一种基于海量空间轨迹挖掘的在线的位置预测方法
CN102102992B (zh) 基于多级网络划分的匹配道路初筛方法及地图匹配系统
CN104063467B (zh) 基于改进的相似性搜索技术的域内交通流量模式发现方法
CN111177572B (zh) 一种基于用户动态兴趣的个性化旅游路线推荐方法
CN105608505A (zh) 一种基于手机信令数据的居民轨道交通出行方式识别方法
CN109269516B (zh) 一种基于多目标Sarsa学习的动态路径诱导方法
Ye et al. A method for driving route predictions based on hidden Markov model
CN104613974B (zh) 导航时间获取方法、系统、导航方法和装置
CN113961004A (zh) 海盗区域船舶航线规划方法、系统、电子设备及存储介质
CN113359849B (zh) 一种针对运动目标的多无人机协同快速搜索方法
JP2014502393A (ja) 判定方法及び判定装置
CN106441316A (zh) 一种基于历史数据的单点路网匹配方法
CN113942526B (zh) 一种基于可接受风险的自动驾驶超车轨迹规划方法
CN110427690A (zh) 一种基于全局粒子群算法生成ato速度曲线的方法及装置
CN107071721A (zh) 基于手机定位数据的停留点提取方法
CN107655490B (zh) 基于移动用户轨迹分段和最热搜索的热点路径发现方法
CN109858951A (zh) 新能源汽车加电或换电需求的预测
CN116050672A (zh) 基于人工智能的城市管理方法及系统
CN113742437B (zh) 地图更新方法、装置、电子设备和存储介质
CN114743010A (zh) 基于深度学习的超高压输电线路点云数据语义分割方法
CN102867174B (zh) 一种人脸特征定位方法及装置
CN112748732B (zh) 基于改进Kstar算法和深度学习的实时路径规划方法

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
TA01 Transfer of patent application right

Effective date of registration: 20200507

Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Alibaba (China) Co.,Ltd.

Address before: 102200, No. 8, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5

Applicant before: AUTONAVI SOFTWARE Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant