CN109461105A - 一种面向无人车的规则化道路交通规则集构建方法 - Google Patents
一种面向无人车的规则化道路交通规则集构建方法 Download PDFInfo
- Publication number
- CN109461105A CN109461105A CN201811178922.6A CN201811178922A CN109461105A CN 109461105 A CN109461105 A CN 109461105A CN 201811178922 A CN201811178922 A CN 201811178922A CN 109461105 A CN109461105 A CN 109461105A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- traffic
- grid
- road
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开了一种面向无人车的规则化道路交通规则集构建方法,为满足无人驾驶车辆行驶于规则化道路的应用需求,在无人驾驶车辆行驶道路环境建模中引入交通规则约束:首先基于交通要素的形态和约束形式等分类原则对交通要素进行分类,将行驶环境中的所有交通要素按对车辆行驶路权的限制作用分成了15类,然后根据每一类交通要素所代表的交通规则,建立12种交通规则约束模型,最后基于各交通要素在行驶环境中出现的概率整合这12种交通规则约束模型,构建交通规则约束数据集。采用本发明的构建的交通规则约束数据集,能够使得无人车在规则化道路中的行为符合交通法规。
Description
技术领域
本发明属于无人车行驶环境感知技术领域,具体涉及一种规则化道路中的交通规则集构建方法。
背景技术
无人驾驶技术主要包括环境感知技术、智能决策技术、路径规划技术、控制技术和车辆体系结构等部分,其中环境感知技术是无人驾驶技术体系里最基本和至关重要的组成部分,环境感知技术通过激光雷达、相机等传感器来获取车辆周围环境的信息并构建车辆行驶环境模型,是无人车辆进行自主及安全行驶的必要前提条件。
2008年,Kammel和Pitzer提出一种基于栅格图的环境感知方法,将车辆行驶道路划分为多个栅格,通过统计栅格图中同一栅格中最高点和最低点高度差来判断该栅格是否为障碍物。2012年,Zhao G基于Kammel和Pitzer的思想并引入sobel算子来判定某点是否为障碍物。2014年,辛煜提出了时空障碍物栅格图的概念。2016年,刘健提出了一种基于三维激光雷达的无人车行驶环境建模的方法:首先通过多特征结合的方法构建障碍物栅格图,然后获取道路趋势和道路宽度分布信息以检测道路边界,最后通过主成分分析、卡尔曼滤波、距离变换等方法构建了路权时空态势图。2017年,张立增提出了考虑道路中的车道线、交通信号灯与停止线的预瞄加速度可行域缩减方法。
在现有道路环境动态建模方法中,对于动态路权建模,往往只考虑障碍物时空距离约束关系的影响,很少考虑以交通信号灯、交通标线、交通标志等交通要素所指示的交通规则约束关系的影响,不适用于无人驾驶车辆的实际道路环境建模。
中国专利(CN103853155A)提供了一种依据交通法规的限制条件来通过路口的方法,通过采集人类驾驶员通过路口的相关数据来辅助车辆在缺失精确地图、导航误差较大的情况下合法通过路口,该方法的问题在于并没有针对千变万化的路口建立一种鲁棒性较好的路口模型,仅通过采集的数据并没有真正解决车辆通过路口的问题,且路口只是道路环境的一部分,该方法并没有对道路环境进行整体描述。
发明内容
针对现有的无人驾驶车辆行驶道路环境建模方法中未考虑交通规则约束的问题,本发明将交通规则归纳成多种约束模型,并且利用这些模型构建了一个交通规则约束数据集。本发明的具体技术方案如下:
一种面向无人车的规则化道路交通规则集构建方法,包括以下步骤:
步骤(1),对交通要素进行分类:将所有交通要素按照对车辆行驶路权的限制作用分成15类,使对车辆行驶路权限制作用类似的交通要素处于同一类,分类结果如下:交通要素可分为路内标线、路口标线、无关标线、停车标线、局部限行标线、辅助标志、无关标志、停车标志、局部限行标志、条件停车标志、局部限行标志、交通信号灯、收费站交通要素、铁路道口交通要素、工作区交通要素。
步骤(2),根据每一类交通要素所代表的交通规则,建立12种交通规则约束模型:
对每一类交通要素归纳出一种约束模型:路内标线为模型1,路口标线为模型2,停车标线为模型3,局部限行标线为模型4,停车标志为模型5,局部限行标志为模型6,条件停车标志为模型7,条件局部限行标志为模型8,交通信号灯为模型9,收费站交通要素为模型10,铁路道口交通要素为模型11,工作区为模型12,其中无关标线、辅助标志、无关标志、对车辆没有约束;
所述模型1为:首先构建道路平面直角坐标系,随后滤除非机动车道,然后确定与车辆前进方向右半可行驶范围的横坐标,之后确定车辆可行驶区域,最后计算出车辆禁止行驶范围,并将处于该范围内的栅格标示为占据状态;
所述模型2为:若路口为环形,在栅格图上先将第一、二、三象限内的栅格标为占据状态,第四象限内的栅格标为自由状态,当车辆通过第四象限后根据需要将其余象限内的栅格标为自由状态;若路口非环形,且车辆需要掉头,则在栅格图上将第一、二象限内的栅格标为占据状态,第三、四象限内的栅格标为自由状态;若车辆不掉头,则根据等效道路的方法调用模型1;
所述模型3为:若满足约束条件,当车辆距停车标线的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态;在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型4为:若满足约束条件,则根据局部限行标线的类型计算禁止行驶范围,在栅格图上将处于上述范围内的栅格标为占据状态;若不满足约束条件,车辆保持原状态行驶;
所述模型5为:当车辆距停车标志的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态,在停车时间内保持占据栅格不变,停车时间结束后,将占据栅格重新标示为自由状态,车辆继续行驶;
所述模型6为:将局部限行标志后的道路内的栅格全部标示为占据状态;
所述模型7为:若满足约束条件,根据条件停车标志的类型确定停车位置,随后将停车位置前方的所有栅格标示为占据状态;在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型8为:若满足约束条件,把条件局部限行标志后的道路内的栅格全部标示为占据状态;若不满足约束条件,车辆保持原状态行驶;
所述模型9为:若满足约束条件,当车辆距停车线的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态,在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型10为:当车辆距收费窗口的距离小于阈值60cm时,将车辆前方所有的栅格都标示为占据状态,在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;
所述模型11为:若满足约束条件,当车辆距停车线的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态;在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型12为:地面上的交通锥表示施工区的范围,将栅格图上将交通锥包围的区域标示为占据状态。
步骤(3),整合12种交通规则约束模型,构建交通规则约束数据集,整合12种约束模型的标准为:将12种约束模型分为3个区域:区域1、区域2、区域3,区域1权限最高,区域3权限最低,权限高的区域占有更多计算机算力;路内标线和路口标线设在区域1,停车标线、局部限行标线、辅助标志、停车标志、局部限行标志、条件停车标志、条件局部停车标志、交通信号灯设在区域2,收费站交通要素、铁路道口交通要素、工作区交通要素在区域3。
本发明的有益效果是:
针对交通要素庞杂繁复的问题,将交通要素分为15类,并根据每一类交通要素所代表的交通规则,建立了12种交通规则约束模型,对交通规则进行了比较完善的描述;针对道路形状不规则、路内基本行驶区域难以表示的问题,提出了道路坐标系的概念,通过坐标的形式表示路内基本行驶区域;针对难以以统一的模型表示路口通行的问题,提出了等效道路、路口坐标系的概念,进而通过模型2来表示路口通行问题。通过以上的方法,本发明成功将交通规则约束引入到车辆行驶环境模型,使其适用于城市规则化道路。
附图说明
图1为一种面向无人车的规则化道路交通规则集构建方法流程图;
图2为交通要素分类示意图;
图3为道路坐标系示意图;
图4为模型1流程图;
图5为模型2流程图;
图6为十字路口示意图;
图7为环形路口示意图;
图8为模型3流程图;
图9为模型4流程图;
图10模型5流程图;
图11为模型6流程图;
图12为模型7流程图;
图13为模型8流程图;
图14为模型9流程图;
图15为模型10流程图;
图16为模型11流程图;
图17为模型12流程图;
图18为交规约束数据集示意图。
具体实施方式
下面结合附图对本发明做更进一步的解释,但是本发明的保护范围并不限于此。
如图1所示,一种面向无人车的规则化道路交通规则集构建方法,包括以下步骤:
步骤一,将交通要素分类,具体如下:
如图2所示,首先按照交通要素的不同形态将其分为三种:交通标线、交通标志和交通信号灯。
在交通标线中,根据各标线在行驶环境中一直存在还是在特定位置出现将其分为3种:行驶区域标线、无关标线和限制标线。行驶区域标线的作用是确定汽车在道路中可以行驶的区域,这类标线分布在道路全程;无关标线不影响车辆的行驶,车辆行驶过程中识别到这类标线不需要改变当前状态;限制标线只出现在道路的特定位置,这类标线对车辆施加额外的约束。接下来进行第二层次的划分,按照在行驶环境中出现的位置将行驶区域标线分为路内标线和路口标线,路内标线限制车辆在道路内部可行驶的区域,路口标线限制车辆在路口处可行驶的区域;按照约束的形式将限制标线分为停车标线和局部限行标线,停车标线使得车辆临时停车,局部限行标线在一些特定区域内限制车辆的行驶范围。
在交通标志中,根据各标志的作用将其分为2种:主标志和辅助标志。在第二层次划分中按是否有约束条件将主标志分为3种:无关标志、直接限制标志和条件限制标志。无关标志不影响车辆的行驶;每一个直接限制标志自身都代表着一种对车辆的限制;条件限制标志对车辆行驶状态的影响与限制条件有关,当满足条件时就对车辆产生约束,否则不产生约束,限制条件在辅助标志对应的存储空间处存放。接下来进行第三层次的划分,按照约束的形式将直接限制标志分为停车标志和局部限行标志,停车标志使得车辆临时停车,局部限行标志在特定区域内限制车辆的行驶范围;同样按照约束的形式将条件限制标志分为条件停车标志和条件局部限行标志,条件停车标志在满足约束条件时使得车辆临时停车,条件局部限行标志在满足约束条件时会在特定区域内限制车辆的行驶范围。交通信号灯的种类比较少,故没有再分类。
一些交通标志、交通标线和交通信号灯对应的约束是一样的,比如表示收费站的收费站标志,收费岛地面标线和收费站信号灯对车辆的约束都是在收费窗口附近临时停车。所以把表示收费站的交通要素从上述的分类方法中取出来集中到一起统称收费站交通要素,同理还有工作区交通要素和铁路道口交通要素。
步骤二,将交通交通规则归纳为多种约束模型:
(1)路内标线对应的是模型1,在介绍模型1之前先介绍道路坐标系。
为了方便表示路内基本行驶区域的范围,引入一种道路坐标系。如图3所示,小矩形表示在路内行驶的车辆。原点o是过车身质心且指向车辆前进方向右侧的线与位于车辆前进方向左侧道路边缘的交点。x轴过车身且指向车辆前进方向右侧,y轴与道路形态一致。
对模型1的说明如下:
首先滤除非机动车道以得到车辆可行驶范围的横坐标:
非机动车道与机动车道之间以白色实线隔开,且在描述模型1时暂不考虑车道线宽度。设非机动车车道宽度为a,路内共有n条车道线且每条车道线在道路坐标系内的横坐标为xi(i=1,2,...,n),道路边缘的横坐标为Xj(j=1,2)。计算所有车道线与道路左右两边缘之间的横坐标之差Δij:
Δij=|xi-Xj| (1)
对(1)式作出判定,是否存在这样的Δij使(2)式成立:
|Δij-a|<b (2)
式中,b是个接近于0的阈值。若存在这样的Δij则说明当前路面中存在非机动车道,且满足式(2)的Δij对应的xm,xk(1≤m,k≤n,xm<xk)就是两条机动车与非机动车道分界线,所以车辆可行驶范围的横坐标为[xm,xk];若不存在这样的Δij则说明当前路面中没有非机动车道,车辆可行驶范围的横坐标为[X1,X2]。
然后找到分隔对向车流的车道线,以确定与车辆前进方向对应的右半可行驶范围的横坐标:
以下均假设车辆可行驶范围的横坐标为[xm,xk],若用于分隔对向车流的标线用xhalf表示,则车辆可行驶范围被划分成两部分:[xm,xhalf]和[xhalf,xk]。考虑到道路坐标系的x轴过车身且水平向右,所以右半可行驶范围里的车道线的横坐标大于左半边的,结合xm<xhalf<xk,可以得到右半可行驶范围的横坐标区间为[xhalf,xk]。
随后在右半可行驶范围内确认车辆可行驶车道的横坐标:
区分右半可行驶范围里的不同车道的是同向分隔线,设右半可行驶范围里有l条同向分隔线将其分为l-1个车道,车道的宽度范围是[χc,χc+1](c=1,2,...,l-1)。若同向分隔线为实线,则车辆只能在这l-1个车道中任选一条行驶,车辆可行驶车道的横坐标范围是[χc,χc+1](c=1,2,...,l-1);若同向分隔线为虚线,则车辆可行驶车道的横坐标范围是[xhalf,xk]。
之后确定车辆可行驶范围的纵坐标:
若车辆当前位置到前方v(米)处的车道线没有变化的话,则将车辆可行驶范围的纵标取为[0,v]。这样可以确定车辆从当前位置到前方v(米)的可行驶范围:
若同向分隔线为实线,该范围为:
若同向分隔线为虚线,该范围为:
最后求出车辆从当前位置到前方v(米)的禁止行驶范围,并将其作用在障碍物栅格图上:
若同向分隔线为实线,则禁止行驶范围为:
若同向分隔线为虚线,则禁止行驶范围为:
障碍物栅格图将车辆行驶的道路环境划分成多个固定大小的栅格,栅格有占据和自由两种状态,某栅格若处于占据状态则说明车辆不可行驶到该栅格处。在障碍物时空分布栅格图中根据不同情况,将(5)或(6)式表示的范围内的栅格均标示为占据状态。实际使用模型1时,标线或隔离带的宽度不能不计,此时(5)或(6)式表示的范围需根据路上的标线或隔离带宽度值适当修正。模型1的流程见图4。
(2)路口标线对应的是模型2,路口指不同道路相交的部分,在介绍模型2之前先说明等效道路和路口坐标系的概念:
如图6,在图中路口将两条相交的道路分成了编号分别为1到4的四条道路,根据行驶方向,将车辆通过路口后预计到达的道路与当前所在道路相连组成等效道路。图中车辆保持直行,则将道路1和3相连得到的粗实线道路即为车辆直行对应的等效道路,将道路1和3的黄色分隔线(图中为虚线)按照等效道路的形态相连可得到等效道路的分隔线,这样就将路口通行问题变化为道路内通行的问题,可以使用模型1确定车辆可行驶区域。
如图5,建立路口坐标系,坐标系的y轴是位于车辆前进方向的两条道路上的对向车流分界线相连的线,且正方向与车辆前进方向一致;坐标系的x轴为另一条道路上的对向车流分界线,且x轴正方向指向车辆前进方向的右侧。路口坐标系将路口分为四个部分,且每个部分分别位于坐标系的不同象限,下面用四个象限指代路口位于相应象限中的部分,如图5中第一象限指十字路口位于路口坐标系中第一象限的部分。
对模型2说明如下:
当车辆接近路口时,首先确定路口是环形还是非环形。
1)若路口是环形
1.1)若存在禁止掉头标志:见图7,车辆必须要从第四象限开始逆时针行驶且第三象限禁行,在栅格图上先将第一、二、三象限内的栅格标为占据状态,第四象限内的栅格标为自由状态,当车辆通过第四象限后根据需要将第一、二象限内的栅格标为自由状态,第三象限内的栅格始终标示为占据状态。
1.2)若不存在禁止掉头标志:车辆不可直接驶入第三象限,车辆必须要从第四象限开始逆时针行驶,路口全体都是行驶区域;在栅格图上先将第一、二、三象限内的栅格标为占据状态,第四象限内的栅格标为自由状态,当车辆通过第四象限后根据需要将第一、二、三象限内的栅格标为自由状态。
2)若路口是非环形
2.1)若车辆掉头:将第三、四象限划为可行驶区域A,在栅格图上将第一、二象限内的栅格标为占据状态,第三、四象限内的栅格标为自由状态。
2.2)若车辆不掉头:根据行驶方向将车辆通过路口后预计到达的道路与当前所在道路相连组成等效道路,然后在等效道路内调用模型1的算法,直到车辆通过路口到达预定道路;模型2流程见图5。
(3)停车标线对应的是模型3,当车辆行驶过程中识别到停车标线时,就会调取模型3。模型3说明如下:
如图8所示,首先判定是否满足约束条件:
若判定函数值为1:说明满足约束条件,当车辆与停车标线间的距离小于事先设定的阈值(30cm)时,在障碍物时空栅格图上将车辆前方所有的栅格都标示为占据状态。此时车辆的控制系统进行制动促使车辆停车。设停车时间为t(秒),障碍物栅格图更新的频率为f(赫兹),则在接下来的这f·t张障碍物栅格图中占据栅格保持不变,停车时间结束后在障碍物栅格图中将根据模型3标示为占据状态的栅格重新标示为自由状态,车辆继续行驶。若判定函数值为0:说明不满足约束条件,车辆保持原状态行驶。
停车标线有多种,如人行横道线、停车让行线等,它们的约束条件各不相同,所以在使用模型3时,需根据停车标线的具体种类来设定(7)式里的约束条件,以下涉及到判定函数的约束条件时同理。
(4)局部限行标线对应的是模型4,模型4说明如下:
如图9所示,首先判定是否满足约束条件:
若判定函数值为1:说明满足约束条件,则将局部限行标线禁止车辆行驶的区域表示出来:
式中,r表示该局部限行标线的长度,x1,x2表示受局部限行标线影响的禁止行驶区域范围的横坐标,且x1,x2根据不同类型的局部限行标线有不同的求法。
在障碍物时空栅格图上将处于(9)式范围内的栅格全部标为占据状态。
若判定函数值为0:说明不满足约束条件,车辆保持原状态行驶。
(5)停车标志对应的是模型5,当车辆行驶过程中识别到停车标志时,就会使用模型5。模型5说明如下:
如图10所示,当车辆与停车标志间的距离小于事先设定的阈值(30cm)时,在障碍物栅格图上将车辆前方所有的栅格都标示为占据状态,此时车辆的控制系统进行制动促使车辆停车,设停车时间为t(秒),障碍物栅格图更新的频率为f(赫兹),则在接下来的这f·t张障碍物栅格图中占据栅格保持不变,停车时间结束后在障碍物栅格图中将根据模型5标示为占据状态的栅格重新标示为自由状态,车辆继续行驶。
(6)局部限行标志对应的是模型6,模型6说明如下:如图11所示,在障碍物栅格图上把局部限行标志后的道路内的栅格全部标示为占据状态。
(7)条件停车标志对应的是模型7,模型7说明如下:
如图12所示,首先判定是否满足约束条件:
若判定函数值为1:说明满足约束条件,然后根据条件停车标志的类型确定停车位置,随后将停车位置前方的所有栅格表示为占据状态。设停车时间为t(秒),障碍物栅格图更新的频率为f(赫兹),则在接下来的这f·t张障碍物栅格图中占据栅格保持不变,停车时间结束后在障碍物栅格图中,将根据模型7标示为占据状态的栅格重新标示为自由状态,车辆继续行驶。若判定函数值为0:说明不满足约束条件,车辆保持原状态行驶。
(8)条件局部限行标志对应的是模型8,模型8说明如下:
如图13所示,首先判定是否满足约束条件:
若判定函数值为1:说明满足约束条件,在障碍物栅格图上把条件局部限行标志后的道路内的栅格全部标示为占据状态。若判定函数值为0:说明不满足约束条件,车辆保持原状态行驶。
(9)交通信号灯中影响车辆行驶路权的主要是机动车信号灯,其对应模型9;模型9描述如下:
如图14所示,首先判定是否满足约束条件:
若判定函数值为1:说明红灯亮,当车辆与停车线间的距离小于事先设定的阈值(30cm)时,在障碍物时空栅格图上将车辆前方所有的栅格都标示为占据状态。设停车时间为t(秒),障碍物栅格图更新的频率为f(赫兹),则在接下来的这f·t张障碍物栅格图中占据栅格保持不变,停车时间结束后在障碍物栅格图中将根据模型9标示为占据状态的栅格重新标示为自由状态,车辆继续行驶。若判定函数值为0:说明不满足约束条件,车辆保持原状态行驶。
(10)收费站交通要素对应的是模型10,当车辆识别到表示收费站的交通标志、交通标线和交通信号灯时,就会调用模型10。模型10说明如下:
如图15所示,当车辆与收费窗口之间的距离小于设定好的阈值(60cm)时,在障碍物栅格图上将车辆前方所有的栅格都标示为占据状态,设停车时间为t(秒),障碍物栅格图更新的频率为f(赫兹),则在接下来的这f·t张障碍物栅格图中占据栅格保持不变,停车时间结束后在障碍物栅格图中将根据模型10标示为占据状态的栅格重新标示为自由状态,车辆继续行驶。
(11)铁路道口交通要素对应的是模型11,模型11说明如下:
如图16所示,首先判定是否满足约束条件:
若判定函数值为1:当车与前方的停车线之间的距离小于设定好的阈值(30cm)时,在障碍物栅格图上将车辆前方所有的栅格都标示为占据状态,设停车时间为t(秒),障碍物栅格图更新的频率为f(赫兹),则在接下来的这f·t张障碍物栅格图中占据栅格保持不变,停车时间结束后在障碍物栅格图中将根据模型11标示为占据状态的栅格重新标示为自由状态,车辆继续行驶。若判定函数值为0:说明不满足约束条件,车辆保持原状态行驶。
(12)工作区交通要素对应的是模型12,工作区禁止车辆进入,其范围由交通锥围成,可以利用栅格内最高点与最低点之差特征计算出该范围。模型12说明如下:如图17所示,地面上的交通锥表示施工区的范围,将栅格图上将交通锥包围的区域标示为占据状态。
步骤三,将上述的各约束模型储存在相应位置,构建交规约束数据集:
各交通要素在行驶环境中出现的概率不同,路内标线和路口标线在整个行驶过程都存在,收费站交通要素、铁路道口交通要素、工作区交通要素在行驶过程中很少出现,所以需要给出现概率高的交通要素分配更多计算机算力。将数据集分为3个区域:区域1、区域2、区域3。区域1权限最高,区域3权限最低,权限高的区域占有更多计算机算力。
如图18路内标线和路口标线在区域1,在路内标线对应的存储空间处存放模型1,在路口标线对应的存储空间处存放模型2,停车标线、局部限行标线、辅助标志、停车标志、局部限行标志、条件停车标志、条件局部停车标志、交通信号灯在区域2,在停车标线处存放模型3,在局部限行标线处存放模型4,在停车标志对应的存储空间处存放模型5,在局部限行标志对应的存储空间处存放模型6,在条件停车标志对应的存储空间处存放模型7,在条件局部限行标志处存放模型8,在交通信号灯对应的存储空间处存放模型9,收费站交通要素、铁路道口交通要素、工作区交通要素在区域3,在收费站交通要素对应的存储空间处存放模型10,在铁路道口交通要素对应的存储空间处存放模型11,在工作区对应的存储空间处存放模型12。
以上所述仅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,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种面向无人车的规则化道路交通规则集构建方法,其特征在于,包括以下步骤:
步骤(1),对交通要素进行分类:将所有交通要素按照对车辆行驶路权的限制作用分成15类;
步骤(2),根据每一类交通要素所代表的交通规则,建立12种交通规则约束模型;
步骤(3),整合12种交通规则约束模型,构建交通规则约束数据集。
2.根据权利要求1所述的一种面向无人车的规则化道路交通规则集构建方法,其特征在于,所述步骤(1)中对交通要素进行分类的结果如下:
按交通要素的形态和约束形式将其分为15类,使对车辆行驶路权限制作用类似的交通要素处于同一类,分类结果如下:交通要素可分为路内标线、路口标线、无关标线、停车标线、局部限行标线、辅助标志、无关标志、停车标志、局部限行标志、条件停车标志、局部限行标志、交通信号灯、收费站交通要素、铁路道口交通要素、工作区交通要素。
3.根据权利要求1或2所述的一种面向无人车的规则化道路交通规则集构建方法,其特征在于,所述步骤(2)中12种交通规则约束模型的具体为:
对每一类交通要素归纳出一种约束模型:路内标线为模型1,路口标线为模型2,停车标线为模型3,局部限行标线为模型4,停车标志为模型5,局部限行标志为模型6,条件停车标志为模型7,条件局部限行标志为模型8,交通信号灯为模型9,收费站交通要素为模型10,铁路道口交通要素为模型11,工作区为模型12,其中无关标线、辅助标志、无关标志、对车辆没有约束。
4.根据权利要求3所述的一种面向无人车的规则化道路交通规则集构建方法,其特征在于,所述模型1为:首先构建道路平面直角坐标系,随后滤除非机动车道,然后确定与车辆前进方向右半可行驶范围的横坐标,之后确定车辆可行驶区域,最后计算出车辆禁止行驶范围,并将处于该范围内的栅格标示为占据状态;
所述模型2为:若路口为环形,在栅格图上先将第一、二、三象限内的栅格标为占据状态,第四象限内的栅格标为自由状态,当车辆通过第四象限后根据需要将其余象限内的栅格标为自由状态;若路口非环形,且车辆需要掉头,则在栅格图上将第一、二象限内的栅格标为占据状态,第三、四象限内的栅格标为自由状态;若车辆不掉头,则根据等效道路的方法调用模型1;
所述模型3为:若满足约束条件,当车辆距停车标线的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态;在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型4为:若满足约束条件,则根据局部限行标线的类型计算禁止行驶范围,在栅格图上将处于上述范围内的栅格标为占据状态;若不满足约束条件,车辆保持原状态行驶;
所述模型5为:当车辆距停车标志的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态,在停车时间内保持占据栅格不变,停车时间结束后,将占据栅格重新标示为自由状态,车辆继续行驶;
所述模型6为:将局部限行标志后的道路内的栅格全部标示为占据状态;
所述模型7为:若满足约束条件,根据条件停车标志的类型确定停车位置,随后将停车位置前方的所有栅格标示为占据状态;在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型8为:若满足约束条件,把条件局部限行标志后的道路内的栅格全部标示为占据状态;若不满足约束条件,车辆保持原状态行驶;
所述模型9为:若满足约束条件,当车辆距停车线的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态,在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型10为:当车辆距收费窗口的距离小于阈值60cm时,将车辆前方所有的栅格都标示为占据状态,在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;
所述模型11为:若满足约束条件,当车辆距停车线的距离小于阈值30cm时,将车辆前方所有的栅格都标示为占据状态;在停车时间内保持占据栅格不变,停车时间结束后将占据栅格重新标示为自由状态,车辆继续行驶;若不满足约束条件,车辆保持原状态行驶;
所述模型12为:地面上的交通锥表示施工区的范围,将栅格图上将交通锥包围的区域标示为占据状态。
5.根据权利要求4所述的一种面向无人车的规则化道路交通规则集构建方法,其特征在于,所述步骤(3)整合12种约束模型的标准为:将12种约束模型分为3个区域:区域1、区域2、区域3,区域1权限最高,区域3权限最低,权限高的区域占有更多计算机算力;路内标线和路口标线设在区域1,停车标线、局部限行标线、辅助标志、停车标志、局部限行标志、条件停车标志、条件局部停车标志、交通信号灯设在区域2,收费站交通要素、铁路道口交通要素、工作区交通要素在区域3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811178922.6A CN109461105A (zh) | 2018-10-10 | 2018-10-10 | 一种面向无人车的规则化道路交通规则集构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811178922.6A CN109461105A (zh) | 2018-10-10 | 2018-10-10 | 一种面向无人车的规则化道路交通规则集构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109461105A true CN109461105A (zh) | 2019-03-12 |
Family
ID=65607458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811178922.6A Pending CN109461105A (zh) | 2018-10-10 | 2018-10-10 | 一种面向无人车的规则化道路交通规则集构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109461105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110053626A (zh) * | 2019-05-10 | 2019-07-26 | 深圳市元征科技股份有限公司 | 一种车辆控制方法及相关装置 |
CN113815645A (zh) * | 2021-09-14 | 2021-12-21 | 江苏大学 | 一种适用于环形交叉口的自动驾驶行为决策系统与运动规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004053492A (ja) * | 2002-07-23 | 2004-02-19 | Sony Corp | ナビゲーション装置、ナビゲーション方法、ナビゲーション装置のプログラム及びナビゲーション装置のプログラムを記録した記録媒体 |
JP2012193994A (ja) * | 2011-03-15 | 2012-10-11 | Clarion Co Ltd | ナビゲーション装置 |
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 |
CN108106621A (zh) * | 2016-11-25 | 2018-06-01 | 沈阳美行科技有限公司 | 一种规划路线的计算方法及装置 |
-
2018
- 2018-10-10 CN CN201811178922.6A patent/CN109461105A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004053492A (ja) * | 2002-07-23 | 2004-02-19 | Sony Corp | ナビゲーション装置、ナビゲーション方法、ナビゲーション装置のプログラム及びナビゲーション装置のプログラムを記録した記録媒体 |
JP2012193994A (ja) * | 2011-03-15 | 2012-10-11 | Clarion Co Ltd | ナビゲーション装置 |
CN108106621A (zh) * | 2016-11-25 | 2018-06-01 | 沈阳美行科技有限公司 | 一种规划路线的计算方法及装置 |
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 |
Non-Patent Citations (1)
Title |
---|
任鹏飞等: "具有交通规则约束的改进Dijkstra算法", 《计算机应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110053626A (zh) * | 2019-05-10 | 2019-07-26 | 深圳市元征科技股份有限公司 | 一种车辆控制方法及相关装置 |
CN113815645A (zh) * | 2021-09-14 | 2021-12-21 | 江苏大学 | 一种适用于环形交叉口的自动驾驶行为决策系统与运动规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220363248A1 (en) | Temporary rule suspension for autonomous navigation | |
KR102053552B1 (ko) | 운전 계획 장치, 주행 지원 장치, 운전 계획 방법 | |
US10095234B2 (en) | Planning for unknown objects by an autonomous vehicle | |
US20200132477A1 (en) | Automatic annotation of environmental features in a map during navigation of a vehicle | |
KR102094622B1 (ko) | 씬 평가 장치, 주행 지원 장치, 씬 평가 방법 | |
KR102005203B1 (ko) | 운전 계획 장치, 주행 지원 장치, 운전 계획 방법 | |
US20190232957A1 (en) | Planning for unknown objects by an autonomous vehicle | |
US10234864B2 (en) | Planning for unknown objects by an autonomous vehicle | |
CN111076731B (zh) | 自动驾驶高精定位与路径规划方法 | |
CN110503823A (zh) | 一种自动驾驶车辆专用车道控制系统与方法 | |
EP3822582A1 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
DE112020004133T5 (de) | Systeme und verfahren zur identifizierung möglicher kommunikationshindernisse | |
CN107248320A (zh) | 危险预警方法、系统、v2x车载终端及存储器 | |
CN109643118B (zh) | 基于关于车辆的环境的与功能相关的信息来影响车辆的功能 | |
CN106969779A (zh) | 基于dsrc的智能车辆地图融合系统及方法 | |
US11747166B2 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
CN109186624A (zh) | 一种基于交规约束的无人车行驶路权规划方法 | |
CN107293116A (zh) | 一种基于视频分析的交通事件检测系统 | |
US11628850B2 (en) | System for generating generalized simulation scenarios | |
US20190035278A1 (en) | Driving Assistance Method and Device | |
EP4163595A1 (en) | Automatic annotation of environmental features in a map during navigation of a vehicle | |
CN110276973A (zh) | 一种路口交通规则自动识别方法 | |
CN109461105A (zh) | 一种面向无人车的规则化道路交通规则集构建方法 | |
KR102004102B1 (ko) | 씬 평가 장치, 주행 지원 장치, 씬 평가 방법 | |
CN116373904A (zh) | 一种基于环境感知和多车协同的车载智能控制系统 |
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: 20190312 |
|
RJ01 | Rejection of invention patent application after publication |