CN110110029A - 用于匹配车道的方法和装置 - Google Patents
用于匹配车道的方法和装置 Download PDFInfo
- Publication number
- CN110110029A CN110110029A CN201910413376.8A CN201910413376A CN110110029A CN 110110029 A CN110110029 A CN 110110029A CN 201910413376 A CN201910413376 A CN 201910413376A CN 110110029 A CN110110029 A CN 110110029A
- Authority
- CN
- China
- Prior art keywords
- location data
- lane
- lane information
- current sample
- matching
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了用于匹配车道的方法和装置。该方法的一具体实施方式包括:获取当前采样时刻的定位数据和历史采样时刻的定位数据;确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值;响应于确定大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。该实施方式实现了提升根据定位数据进行车道匹配的速度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于匹配车道的方法和装置。
背景技术
随着计算机技术的发展,识别车辆行驶过程中的所在车道的技术也越来越丰富。相关的方式通常是基于计算机视觉利用预先训练图像识别模型进行车道的识别。
发明内容
本公开的实施例提出了用于匹配车道的方法和装置。
第一方面,本公开的实施例提供了一种用于匹配车道的方法,该方法包括:获取当前采样时刻的定位数据和历史采样时刻的定位数据;确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值;响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。
在一些实施例中,上述基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道,包括:根据候选车道信息集合和当前采样时刻的定位数据,确定候选车道信息集合中各候选车道信息对应的车道与当前采样时刻的定位数据所指示的位置之间的距离;根据各候选车道信息对应的距离,确定匹配车道。
在一些实施例中,上述基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道,包括:确定相关参数值,其中,相关参数值包括以下至少一者:轨迹方向,航向,变换车道的概率,轨迹方向根据预设的历史采样时刻的定位数据集合而确定,变换车道的概率根据候选车道信息集合而确定;根据各候选车道信息对应的距离和所确定的相关参数值,确定候选车道信息集合中各候选车道信息对应的得分;将候选车道信息集合中对应的得分最小的候选车道信息所指示的车道确定为匹配车道。
在一些实施例中,上述当前采样时刻的定位数据通过安装在自动驾驶车辆的实时差分定位RTK-全球定位系统GPS天线采集,上述地图为高精度地图。
在一些实施例中,该方法还包括:响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离不超过预设的距离阈值,将预设的历史匹配车道信息集合中与历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道;将当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入包括历史采样时刻的定位数据的预设的历史采样时刻的定位数据集合和预设的历史匹配车道信息集合,其中,当前采样时刻的定位数据和匹配车道信息相关联。
在一些实施例中,该方法还包括:在预设的历史定位数据集合和预设的历史匹配车道信息集合中分别保留预设数目个最近时段的定位数据和关联的匹配车道信息。
第二方面,本公开的实施例提供了一种用于匹配车道的装置,该装置包括:获取单元,被配置成获取当前采样时刻的定位数据和历史采样时刻的定位数据;第一确定单元,被配置成确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值;匹配单元,被配置成响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。
在一些实施例中,上述匹配单元包括:距离确定模块,被配置成根据候选车道信息集合和当前采样时刻的定位数据,确定候选车道信息集合中各候选车道信息对应的车道与当前采样时刻的定位数据所指示的位置之间的距离;车道确定第一模块,被配置成根据各候选车道信息对应的距离,确定匹配车道。
在一些实施例中,上述匹配单元包括:参数确定模块,被配置成确定相关参数值,其中,相关参数值包括以下至少一者:轨迹方向,航向,变换车道的概率,轨迹方向根据预设的历史采样时刻的定位数据集合而确定,变换车道的概率根据候选车道信息集合而确定;得分确定模块,被配置成根据各候选车道信息对应的距离和所确定的相关参数值,确定候选车道信息集合中各候选车道信息对应的得分;车道确定第二模块,被配置成将候选车道信息集合中对应的得分最小的候选车道信息所指示的车道确定为匹配车道。
在一些实施例中,上述当前采样时刻的定位数据通过安装在自动驾驶车辆的实时差分定位RTK-全球定位系统GPS天线采集,地图为高精度地图。
在一些实施例中,该装置还包括:第二确定单元,被配置成响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离不超过预设的距离阈值,将预设的历史匹配车道信息集合中与历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道;存储单元,被配置成将当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入包括历史采样时刻的定位数据的预设的历史采样时刻的定位数据集合和预设的历史匹配车道信息集合,其中,当前采样时刻的定位数据和匹配车道信息相关联。
在一些实施例中,该装置还包括:更新单元,被配置成在预设的历史定位数据集合和预设的历史匹配车道信息集合中分别保留预设数目个最近时段的定位数据和关联的匹配车道信息。
第三方面,本公开的实施例提供了一种终端,该终端包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于匹配车道的方法和装置,首先,获取当前采样时刻的定位数据和历史采样时刻的定位数据。而后,确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值。之后,响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。从而实现了提升根据定位数据进行车道匹配的速度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于匹配车道的方法的一个实施例的流程图;
图3是根据本公开的实施例的用于匹配车道的方法的一个应用场景的示意图;
图4是根据本公开的用于匹配车道的方法的又一个实施例的流程图;
图5是根据本公开的用于匹配车道的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于匹配车道的方法或用于匹配车道的装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用,例如即时通信工具、地图类应用等。
终端设备101可以是硬件,也可以是软件。当终端设备101为硬件时,可以是具有定位功能并且支持网络通讯的各种电子设备,包括但不限于带有导航功能的车辆等等。当终端设备101为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以是提供各种服务的服务器,例如为终端设备101上的地图应用数据进行维护的后台服务器。后台服务器可以对接收到的地图请求进行处理,并将结果(如候选车道信息集合)反馈给终端设备。
需要说明的是,上述地图数据也可以直接存储在终端设备101的本地,终端设备101可以直接提取本地所存储的地图数据并进行处理,此时,可以不存在服务器103和网络102。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于匹配车道的方法一般由终端设备101执行,相应地,用于匹配车道的装置一般设置于终端设备101中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于匹配车道的方法的一个实施例的流程200。该用于匹配车道的方法包括以下步骤:
步骤201,获取当前采样时刻的定位数据和历史采样时刻的定位数据。
在本实施例中,用于匹配车道的方法的执行主体(如图1所示的服务器103)可以通过有线连接方式或者无线连接方式获取当前采样时刻的定位数据和历史采样时刻的定位数据。其中,上述定位数据可以是用于进行定位所需要的各种信息。作为示例,上述定位数据可以包括地理坐标(经度和纬度)。作为又一示例,上述定位数据还可以包括地点信息。上述地点信息例如可以是“XX学校”、“XX超市”、“XX收费站”等。
在本实施例中,上述获取当前采样时刻的定位数据的方式可以包括但不限于以下至少一项:卫星定位,LBS(Location Based Service,基于位置的服务),A-GPS(AssistedGlobal Positioning System,辅助全球定位系统)。上述卫星定位所基于的卫星定位系统可以包括但不限于以下至少一项:美国GPS卫星导航系统,欧洲“伽利略”卫星导航系统,俄罗斯GLONASS卫星导航系统,中国“北斗”卫星导航系统。上述执行主体可以通过各种方式从预设的历史采样时刻的定位数据集合中获取历史采样时刻的定位数据。其中,上述预设的历史采样时刻的定位数据集合中的定位数据可以是对各历史采样时刻采集的定位数据进行存储之后所形成的集合。实践中,上述所获取的历史采样时刻的定位数据通常可以为上一采样时刻的定位数据。需要说明的是,当采样频率较高时,历史采样时刻的定位数据也可以是预设数目个采样间隔之前的定位数据。
在本实施例的一些可选的实现方式中,上述当前采样时刻的定位数据可以通过安装在自动驾驶车辆的RTK(Real-time kinematic,实时动态)-GPS天线采集。由此,上述当前采样时刻的定位数据可以达到厘米级的定位效果。从而提高了定位的准确性,进而提升了自动驾驶车辆在行驶过程中的安全性。
步骤202,确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值。
在本实施例中,上述执行主体可以根据上述步骤201所获取的定位数据,确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值。作为示例,上述执行主体可以首先计算当前采样时刻的地理坐标与历史采样时刻的地理坐标之间的距离。之后,将计算所得到的距离与上述预设的距离阈值进行比较。其中,上述距离阈值可以根据实际需求来设定,例如可以为20cm。
在本实施例的一些可选的实现方式中,上述执行主体也可以计算当前采样时刻的地理坐标与历史采样时刻的地理坐标之间的距离在某一方向上的分量。上述预设的距离阈值也可以针对某一方向上的距离分量。
步骤203,响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。
在本实施例中,响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,上述执行主体可以根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合。其中,上述预设的地图中可以包括车道信息。上述候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离可以小于预设距离。上述车道信息可以是用于表征车道位置的各种信息。例如,上述车道信息可以包括车道所覆盖的区域的地理坐标的范围。可选地,上述车道信息还可以包括但不限于以下至少一项:同一道路上相邻车道的方向,同一道路上相邻车道的数目,车道所属道路的名称。
在本实施例中,上述执行主体可以从上述预设的地图中选取所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离的车道信息组成候选车道信息集合。上述预设距离可以根据实际需求而设定,例如可以为5m。之后,基于上述所选取的候选车道信息集合和步骤201所获取的当前采样时刻的定位数据,上述执行主体可以通过各种方式确定匹配车道。作为示例,上述当前采样时刻的定位数据可以是地点信息。上述执行主体可以利用LBS技术将上述候选车道信息集合中的候选车道信息转换为对应的地点信息。然后,上述执行主体可以将与当前采样时刻的地点信息匹配的地点信息对应的候选车道信息所指示的车道确定为匹配车道。其中,上述地点信息之间的匹配可以包括各种形式。例如,可以是地点信息相同,也可以是所指示的地点之间的距离最小。
在本实施例的一些可选的实现方式中,上述地图可以为高精度地图。上述高精度地图通常可以为误差范围在厘米级的地图。精度可以在10cm-20cm之间。通常,高精度地图中的车道信息可以包括厘米级的地理坐标。上述车道信息还可以包括但不限于以下至少一项:车道的坡度,车道的曲率,车道的航向,道路标识,路段限速信息,交叉路口信息。由此,上述高精度地图可以与通过安装在自动驾驶车辆的RTK-GPS天线采集的高精度定位数据相匹配。例如,通过高精度的定位数据与高精度地图中的车道中心线位置信息来确定候选车道信。从而提升了匹配车道的准确性,保证了自动驾驶车辆在行驶过程中的安全性。
在本实施例的一些可选的实现方式中,基于候选车道信息集合和当前采样时刻的定位数据,上述执行主体可以按照如下步骤确定匹配车道:
第一步,根据候选车道信息集合和当前采样时刻的定位数据,确定候选车道信息集合中各候选车道信息对应的车道与当前采样时刻的定位数据所指示的位置之间的距离。
第二步,根据各候选车道信息对应的距离,确定匹配车道。
在这些实现方式中,上述执行主体可以将上述第一步所确定的距离最小的候选车道信息所指示的车道确定为匹配车道。
在这些实现方式中,上述执行主体仅依赖所获取的定位数据即可进行车道的匹配,提升了车道级定位的速度,实现了车道的实时定位。
基于上述可选的实现方式,上述执行主体还可以按照如下步骤确定匹配车道:
第一步,确定相关参数值。
在这些实现方式中,上述相关参数值可以用于表征对车道匹配结果影响较大的因素的取值。上述相关参数值可以包括以下至少一者:轨迹方向,航向,变换车道的概率。其中,上述轨迹方向可以根据预设的历史采样时刻的定位数据集合而确定。例如,可以将预设数目的历史采样时刻的定位数据所指示的位置进行连接形成轨迹。之后,可以将所形成的轨迹在当前采样时刻的定位数据所指示的位置的切线方向作为轨迹方向。上述变换车道的概率可以根据上述候选车道信息集合而确定。例如,可以根据经验为每个车道预先设置变换车道的概率的值。
第二步,根据各候选车道信息对应的距离和所确定的相关参数值,确定候选车道信息集合中各候选车道信息对应的得分。
在这些实现方式中,上述执行主体可以对各候选车道信息对应的距离和所确定的各个相关参数值赋予各自对应的权重。从而确定候选车道信息集合中各候选车道信息对应的得分。其中,上述距离和各个相关参数值对应的权重可以根据实验测试结果预先设置。上述各权重也可以根据不同的应用场景灵活调整。在此不作限定。
第三步,将候选车道信息集合中对应的得分最小的候选车道信息所指示的车道确定为匹配车道。
在这些实现方式中,通过线下数据将确定出的对匹配车道影响最大的因素确定为相关参数以及对应的权重。而上述相关参数的获得仅依赖定位数据,可以在0.5ms左右返回计算结果,大大提升了匹配车道的速度。特别是在高速路行驶过程中,车道级定位往往面对多条车道并行,角度完全一样的情形。上述实现方式可以结合车辆运行方向、车辆变换车道的概率、车辆与车道中心线之间的距离进行车道的匹配。进而,可以为车道级导航和高速路行驶过程中对上下匝道的信息提醒提供有力的数据支持。
继续参见图3,图3是根据本公开的实施例的用于匹配车道的方法的应用场景的一个示意图。在图3的应用场景中,车辆301可以获取当前采样时刻的定位数据“T公交站”和上一采样时刻的定位数据“M超市”。之后,车辆301可以利用预设的地图数据,确定“T公交站”和“M超市”之间的距离为“50m”。而后,上述车辆301可以确定上述距离大于预设的距离阈值0.5m。上述车辆301可以向为上述预设的地图数据提供支持的后台服务器302发送请求303。上述请求303可以用于指示获取与“T公交站”匹配的候选车道信息集合。接下来,上述后台服务器302可以将匹配的候选车道信息集合304发送给上述车辆301。上述候选车道信息集合304中可以包括“No.1车道A小学”3041、“No.2车道C银行”3042、“No.3车道T公交站”3043。最后,上述车辆301可以确定匹配车道为“No.3车道”。
目前,现有技术之一通常是基于视觉和其他传感器的方式,利用预先训练的模型进行车道的匹配。但往往成本较高且匹配速度难以进一步提升。而本公开的上述实施例提供的方法,通过获取当前采样时刻的定位数据和候选车道信息集合的匹配,实现了无需依赖图像和检测模型进行车道快速匹配。从而提升了车道匹配的速度,进而为候选的路线导航、安全行驶提供有力的数据支持。可选地,在自动驾驶领域,自动驾驶车辆往往本身自带RTK-GPS天线。本公开的上述实施例提供的方法可以利用高精地图,在无需运行复杂的检测模型和额外安装其他传感器设备的情况下实现车辆所在车道的实时定位。本公开的上述实施例提供的方法,可以满足自动驾驶、尤其是无人车行驶过程中对于车道级定位的准确性(误差通常小于20cm)和实时性(响应时间通常小于0.5ms)的需求。由于车道定位的用时大大缩短,进而可以提升自动驾驶车辆行驶过程中的安全性。
进一步参考图4,其示出了用于匹配车道的方法的又一个实施例的流程400。该用于匹配车道的方法的流程400,包括以下步骤:
步骤401,获取当前采样时刻的定位数据和历史采样时刻的定位数据。
步骤402,确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值。
步骤403,响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。
上述步骤401、步骤402、步骤403分别与前述实施例中的步骤201、步骤202、步骤203一致,上文针对步骤201、步骤202和步骤203的描述也适用于步骤401、步骤402和步骤403,此处不再赘述。
步骤404,响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离不超过预设的距离阈值,将预设的历史匹配车道信息集合中与历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道。
步骤405,将当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入包括历史采样时刻的定位数据的预设的历史采样时刻的定位数据集合和预设的历史匹配车道信息集合。
在本实施例中,用于匹配车道的方法的执行主体可以将当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入上述预设的历史采样时刻的定位数据集合和预设的历史匹配车道信息集合。其中,上述当前采样时刻的定位数据可以与匹配车道信息相关联。从而可以实现对上述历史采样时刻的定位数据集合和上述历史匹配车道信息集合进行动态更新。
在本实施例的一些可选的实现方式中,上述执行主体还可以在预设的历史定位数据集合和预设的历史匹配车道信息集合中分别保留预设数目个最近时段的定位数据和关联的匹配车道信息。例如,可以保留最近10个定位数据和与之一一对应的匹配车道信息作为缓存。从而可以节省存储空间,并且提高匹配效率。
从图4中可以看出,本实施例中的用于匹配车道的方法的流程400体现了将预设的历史匹配车道信息集合中与历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道的步骤,以及将当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入预设的历史采样时刻的定位数据集合和预设的历史匹配车道信息集合的步骤。由此,本实施例描述的方案通过该对历史信息集合进行动态更新,可以位置变化不大的情况下从历史信息中快速确定匹配车道,从而提高了匹配车道的效率。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于匹配车道的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的用于匹配车道的装置500包括获取单元501、第一确定单元502和匹配单元503。其中,获取单元501,被配置成获取当前采样时刻的定位数据和历史采样时刻的定位数据。第一确定单元502,被配置成确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值.匹配单元503,被配置成响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。
在本实施例中,用于匹配车道的装置500中:获取单元501、第一确定单元502和匹配单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述匹配单元503可以包括:距离确定模块(图中未示出)和车道确定第一模块(图中未示出)。其中,上述距离确定模块可以被配置成根据候选车道信息集合和当前采样时刻的定位数据,确定候选车道信息集合中各候选车道信息对应的车道与当前采样时刻的定位数据所指示的位置之间的距离。上述车道确定第一模块,可以被配置成根据各候选车道信息对应的距离,确定匹配车道。
在本实施例的一些可选的实现方式中,上述匹配单元503可以包括参数确定模块(图中未示出)、得分确定模块(图中未示出)、车道确定第二模块(图中未示出)。其中,上述参数确定模块,可以被配置成确定相关参数值。其中,上述相关参数值包括以下至少一者:轨迹方向,航向,变换车道的概率。上述轨迹方向可以根据预设的历史采样时刻的定位数据集合而确定。上述变换车道的概率可以根据候选车道信息集合而确定。上述得分确定模块,可以被配置成根据各候选车道信息对应的距离和所确定的相关参数值,确定候选车道信息集合中各候选车道信息对应的得分。上述车道确定第二模块,可以被配置成将候选车道信息集合中对应的得分最小的候选车道信息所指示的车道确定为匹配车道。
在本实施例的一些可选的实现方式中,上述当前采样时刻的定位数据可以通过安装在自动驾驶车辆的实时差分定位RTK-全球定位系统GPS天线采集。上述地图可以为高精度地图。
在本实施例的一些可选的实现方式中,上述用于匹配车道的装置500还可以包括第二确定单元(图中未示出)、存储单元(图中未示出)。其中,上述第二确定单元可以被配置成响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离不超过预设的距离阈值,将预设的历史匹配车道信息集合中与历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道。上述存储单元,可以被配置成将当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入包括历史采样时刻的定位数据的预设的历史采样时刻的定位数据集合和预设的历史匹配车道信息集合。其中,上述当前采样时刻的定位数据可以和匹配车道信相关联。
在本实施例的一些可选的实现方式中,上述用于匹配车道的装置500还可以包括:更新单元,被配置成在预设的历史定位数据集合和预设的历史匹配车道信息集合中分别保留预设数目个最近时段的定位数据和关联的匹配车道信息。
本公开的上述实施例提供的装置,通过获取单元501获取当前采样时刻的定位数据和历史采样时刻的定位数据。之后,通过第一确定单元502确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值。而后,响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,通过匹配单元503根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合。其中,预设的地图中包括车道信息,候选车道信息包括所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离的车道信息。基于候选车道信息集合和当前采样时刻的定位数据,匹配单元503还可以确定匹配车道。从而实现了提升根据定位数据进行车道匹配的速度。
下面参考图6,下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如车辆导航系统、自动驾驶车辆控制系统等等的移动终端。图6示出的终端设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、摄像头、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD,Liquid Crystal Display)、扬声器等的输出装置607;包括例如硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述终端设备中所包含的;也可以是单独存在,而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该终端设备执行时,使得该终端设备:获取当前采样时刻的定位数据和历史采样时刻的定位数据;确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值;响应于确定当前采样时刻的定位数据和历史采样时刻的定位数据所指示的位置之间的距离大于预设的距离阈值,根据预设的地图,获取与当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于候选车道信息集合和当前采样时刻的定位数据,确定匹配车道。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、第一确定单元、匹配单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取当前采样时刻的定位数据和历史采样时刻的定位数据的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于匹配车道的方法,包括:
获取当前采样时刻的定位数据和历史采样时刻的定位数据;
确定所述当前采样时刻的定位数据和所述历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值;
响应于确定所述当前采样时刻的定位数据和所述历史采样时刻的定位数据所指示的位置之间的距离大于所述预设的距离阈值,根据预设的地图,获取与所述当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与所述当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于所述候选车道信息集合和所述当前采样时刻的定位数据,确定匹配车道。
2.根据权利要求1所述的方法,其中,所述基于所述候选车道信息集合和所述当前采样时刻的定位数据,确定匹配车道,包括:
根据所述候选车道信息集合和所述当前采样时刻的定位数据,确定所述候选车道信息集合中各候选车道信息对应的车道与所述当前采样时刻的定位数据所指示的位置之间的距离;
根据所述各候选车道信息对应的距离,确定匹配车道。
3.根据权利要求2所述的方法,其中,所述基于所述候选车道信息集合和所述当前采样时刻的定位数据,确定匹配车道,包括:
确定相关参数值,其中,所述相关参数值包括以下至少一者:轨迹方向,航向,变换车道的概率,所述轨迹方向根据预设的历史采样时刻的定位数据集合而确定,所述变换车道的概率根据所述候选车道信息集合而确定;
根据所述各候选车道信息对应的距离和所确定的相关参数值,确定所述候选车道信息集合中各候选车道信息对应的得分;
将所述候选车道信息集合中对应的得分最小的候选车道信息所指示的车道确定为匹配车道。
4.根据权利要求1所述的方法,其中,所述当前采样时刻的定位数据通过安装在自动驾驶车辆的实时差分定位RTK-全球定位系统GPS天线采集,所述地图为高精度地图。
5.根据权利要求1-4之一所述的方法,其中,所述方法还包括:
响应于确定所述当前采样时刻的定位数据和所述历史采样时刻的定位数据所指示的位置之间的距离不超过所述预设的距离阈值,将预设的历史匹配车道信息集合中与所述历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道;
将所述当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入包括所述历史采样时刻的定位数据的预设的历史采样时刻的定位数据集合和所述预设的历史匹配车道信息集合,其中,所述当前采样时刻的定位数据和所述匹配车道信息相关联。
6.根据权利要求5所述的方法,其中,所述方法还包括:
在所述预设的历史定位数据集合和所述预设的历史匹配车道信息集合中分别保留预设数目个最近时段的定位数据和关联的匹配车道信息。
7.一种用于匹配车道的装置,包括:
获取单元,被配置成获取当前采样时刻的定位数据和历史采样时刻的定位数据;
第一确定单元,被配置成确定所述当前采样时刻的定位数据和所述历史采样时刻的定位数据所指示的位置之间的距离是否大于预设的距离阈值;
匹配单元,被配置成响应于确定所述当前采样时刻的定位数据和所述历史采样时刻的定位数据所指示的位置之间的距离大于所述预设的距离阈值,根据预设的地图,获取与所述当前采样时刻的定位数据匹配的候选车道信息集合,其中,候选车道信息所指示的车道的位置与所述当前采样时刻的定位数据所指示的位置之间的距离小于预设距离;以及基于所述候选车道信息集合和所述当前采样时刻的定位数据,确定匹配车道。
8.根据权利要求7所述的装置,其中,所述匹配单元包括:
距离确定模块,被配置成根据所述候选车道信息集合和所述当前采样时刻的定位数据,确定所述候选车道信息集合中各候选车道信息对应的车道与所述当前采样时刻的定位数据所指示的位置之间的距离;
车道确定第一模块,被配置成根据所述各候选车道信息对应的距离,确定匹配车道。
9.根据权利要求8所述的装置,其中,所述匹配单元包括:
参数确定模块,被配置成确定相关参数值,其中,所述相关参数值包括以下至少一者:轨迹方向,航向,变换车道的概率,所述轨迹方向根据预设的历史采样时刻的定位数据集合而确定,所述变换车道的概率根据所述候选车道信息集合而确定;
得分确定模块,被配置成根据所述各候选车道信息对应的距离和所确定的相关参数值,确定所述候选车道信息集合中各候选车道信息对应的得分;
车道确定第二模块,被配置成将所述候选车道信息集合中对应的得分最小的候选车道信息所指示的车道确定为匹配车道。
10.根据权利要求7所述的装置,其中,所述当前采样时刻的定位数据通过安装在自动驾驶车辆的实时差分定位RTK-全球定位系统GPS天线采集,所述地图为高精度地图。
11.根据权利要求7-10之一所述的装置,其中,所述装置还包括:
第二确定单元,被配置成响应于确定所述当前采样时刻的定位数据和所述历史采样时刻的定位数据所指示的位置之间的距离不超过所述预设的距离阈值,将预设的历史匹配车道信息集合中与所述历史采样时刻的定位数据关联的匹配车道信息所指示的车道确定为匹配车道;
存储单元,被配置成将所述当前采样时刻的定位数据和指示所确定的匹配车道的匹配车道信息存入包括所述历史采样时刻的定位数据的预设的历史采样时刻的定位数据集合和所述预设的历史匹配车道信息集合,其中,所述当前采样时刻的定位数据和所述匹配车道信息相关联。
12.根据权利要求11所述的装置,其中,所述装置还包括:
更新单元,被配置成在所述预设的历史定位数据集合和所述预设的历史匹配车道信息集合中分别保留预设数目个最近时段的定位数据和关联的匹配车道信息。
13.一种终端,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910413376.8A CN110110029B (zh) | 2019-05-17 | 2019-05-17 | 用于匹配车道的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910413376.8A CN110110029B (zh) | 2019-05-17 | 2019-05-17 | 用于匹配车道的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110029A true CN110110029A (zh) | 2019-08-09 |
CN110110029B CN110110029B (zh) | 2021-08-24 |
Family
ID=67490760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910413376.8A Active CN110110029B (zh) | 2019-05-17 | 2019-05-17 | 用于匹配车道的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110029B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814114A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 车道定位校验的方法、设备、电子设备、车辆及存储介质 |
CN113156470A (zh) * | 2021-01-29 | 2021-07-23 | 北京中航讯科技股份有限公司 | 基于路网的公交路链提取与优化算法 |
CN113971723A (zh) * | 2021-10-25 | 2022-01-25 | 北京百度网讯科技有限公司 | 高精地图中三维地图的构建方法、装置、设备和存储介质 |
CN114162140A (zh) * | 2021-12-08 | 2022-03-11 | 武汉中海庭数据技术有限公司 | 一种最优车道匹配方法及系统 |
CN115203352A (zh) * | 2022-09-13 | 2022-10-18 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090245582A1 (en) * | 2008-03-26 | 2009-10-01 | Honda Motor Co., Ltd. | Lane recognition apparatus for vehicle, vehicle thereof, and lane recognition program for vehicle |
CN102663356A (zh) * | 2012-03-28 | 2012-09-12 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
CN103617412A (zh) * | 2013-10-31 | 2014-03-05 | 电子科技大学 | 实时车道线检测方法 |
CN105588576A (zh) * | 2015-12-15 | 2016-05-18 | 重庆云途交通科技有限公司 | 一种车道级导航方法及系统 |
CN106056100A (zh) * | 2016-06-28 | 2016-10-26 | 重庆邮电大学 | 一种基于车道检测与目标跟踪的车辆辅助定位方法 |
US20160335507A1 (en) * | 2015-05-13 | 2016-11-17 | Honda Motor Co., Ltd. | System and method for lane vehicle localization with lane marking detection and likelihood scoring |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
CN106529493A (zh) * | 2016-11-22 | 2017-03-22 | 北京联合大学 | 一种基于透视图的鲁棒性多车道线检测方法 |
CN106846905A (zh) * | 2016-10-09 | 2017-06-13 | 戴姆勒股份公司 | 对车辆及其行驶道路上的目标对象进行预警的系统及方法 |
CN106918342A (zh) * | 2017-03-10 | 2017-07-04 | 广州汽车集团股份有限公司 | 无人驾驶车辆行驶路径定位方法及定位系统 |
CN107092253A (zh) * | 2017-04-24 | 2017-08-25 | 百度在线网络技术(北京)有限公司 | 用于控制无人车的方法、装置及服务器 |
CN107919027A (zh) * | 2017-10-24 | 2018-04-17 | 北京汽车集团有限公司 | 预测车辆变道的方法、装置和系统 |
CN108106620A (zh) * | 2017-12-20 | 2018-06-01 | 中国科学院深圳先进技术研究院 | 一种拓扑道路匹配方法、系统及电子设备 |
CN108917778A (zh) * | 2018-05-11 | 2018-11-30 | 广州海格星航信息科技有限公司 | 导航提示方法、导航设备及存储介质 |
EP3462133A2 (en) * | 2017-09-29 | 2019-04-03 | HERE Global B.V. | Method and apparatus for identifying a transport mode of probe data |
CN109733392A (zh) * | 2019-01-30 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种避障方法及装置 |
-
2019
- 2019-05-17 CN CN201910413376.8A patent/CN110110029B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090245582A1 (en) * | 2008-03-26 | 2009-10-01 | Honda Motor Co., Ltd. | Lane recognition apparatus for vehicle, vehicle thereof, and lane recognition program for vehicle |
CN102663356A (zh) * | 2012-03-28 | 2012-09-12 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
CN103617412A (zh) * | 2013-10-31 | 2014-03-05 | 电子科技大学 | 实时车道线检测方法 |
US20160335507A1 (en) * | 2015-05-13 | 2016-11-17 | Honda Motor Co., Ltd. | System and method for lane vehicle localization with lane marking detection and likelihood scoring |
CN105588576A (zh) * | 2015-12-15 | 2016-05-18 | 重庆云途交通科技有限公司 | 一种车道级导航方法及系统 |
CN106056100A (zh) * | 2016-06-28 | 2016-10-26 | 重庆邮电大学 | 一种基于车道检测与目标跟踪的车辆辅助定位方法 |
CN106441319A (zh) * | 2016-09-23 | 2017-02-22 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆车道级导航地图的生成系统及方法 |
CN106846905A (zh) * | 2016-10-09 | 2017-06-13 | 戴姆勒股份公司 | 对车辆及其行驶道路上的目标对象进行预警的系统及方法 |
CN106529493A (zh) * | 2016-11-22 | 2017-03-22 | 北京联合大学 | 一种基于透视图的鲁棒性多车道线检测方法 |
CN106918342A (zh) * | 2017-03-10 | 2017-07-04 | 广州汽车集团股份有限公司 | 无人驾驶车辆行驶路径定位方法及定位系统 |
CN107092253A (zh) * | 2017-04-24 | 2017-08-25 | 百度在线网络技术(北京)有限公司 | 用于控制无人车的方法、装置及服务器 |
EP3462133A2 (en) * | 2017-09-29 | 2019-04-03 | HERE Global B.V. | Method and apparatus for identifying a transport mode of probe data |
CN107919027A (zh) * | 2017-10-24 | 2018-04-17 | 北京汽车集团有限公司 | 预测车辆变道的方法、装置和系统 |
CN108106620A (zh) * | 2017-12-20 | 2018-06-01 | 中国科学院深圳先进技术研究院 | 一种拓扑道路匹配方法、系统及电子设备 |
CN108917778A (zh) * | 2018-05-11 | 2018-11-30 | 广州海格星航信息科技有限公司 | 导航提示方法、导航设备及存储介质 |
CN109733392A (zh) * | 2019-01-30 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种避障方法及装置 |
Non-Patent Citations (2)
Title |
---|
JIE DU 等: "Bayesian Probabilistic Vehicle Lane Matching for Link-Level In-Vehicle Navigation", 《2006 IEEE INTELLIGENT VEHICLES SYMPOSIUM》 * |
张林: "动态车辆导航系统车道级路径引导方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814114A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 车道定位校验的方法、设备、电子设备、车辆及存储介质 |
CN111814114B (zh) * | 2020-06-30 | 2023-12-08 | 阿波罗智能技术(北京)有限公司 | 车道定位校验的方法、设备、电子设备、车辆及存储介质 |
CN113156470A (zh) * | 2021-01-29 | 2021-07-23 | 北京中航讯科技股份有限公司 | 基于路网的公交路链提取与优化算法 |
CN113156470B (zh) * | 2021-01-29 | 2023-08-11 | 北京中航讯科技股份有限公司 | 基于路网的公交路链提取与优化方法 |
CN113971723A (zh) * | 2021-10-25 | 2022-01-25 | 北京百度网讯科技有限公司 | 高精地图中三维地图的构建方法、装置、设备和存储介质 |
CN113971723B (zh) * | 2021-10-25 | 2024-04-09 | 北京百度网讯科技有限公司 | 高精地图中三维地图的构建方法、装置、设备和存储介质 |
CN114162140A (zh) * | 2021-12-08 | 2022-03-11 | 武汉中海庭数据技术有限公司 | 一种最优车道匹配方法及系统 |
CN114162140B (zh) * | 2021-12-08 | 2023-08-01 | 武汉中海庭数据技术有限公司 | 一种最优车道匹配方法及系统 |
CN115203352A (zh) * | 2022-09-13 | 2022-10-18 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
CN115203352B (zh) * | 2022-09-13 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 车道级定位方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110110029B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110110029A (zh) | 用于匹配车道的方法和装置 | |
US11906312B2 (en) | Localizing transportation requests utilizing an image based transportation request interface | |
US10663313B2 (en) | Providing traffic warnings to a user based on return journey | |
JP2021068419A (ja) | 障害物検出方法および装置 | |
EP3632139B1 (en) | Methods and systems for naming a pick up location | |
US11410429B2 (en) | Image collection system, image collection method, image collection device, recording medium, and vehicle communication device | |
US11256728B2 (en) | Positional route guidance | |
CN107883974B (zh) | 导航路径的规划方法、导航服务器及计算机可读介质 | |
WO2019232670A1 (en) | Systems and methods for on-demand services | |
WO2019015664A1 (en) | SYSTEMS AND METHODS FOR DETERMINING A NEW ITINERARY IN A MAP | |
WO2020000277A1 (en) | Systems and methods for predicting destination in online to offline service | |
CN111415024A (zh) | 一种到达时间预估方法以及预估装置 | |
CN114459471A (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN110376622A (zh) | 定位方法和装置 | |
US11054269B2 (en) | Providing navigation directions | |
CN113758492A (zh) | 地图检测方法和装置 | |
CN114689074B (zh) | 信息处理方法和导航方法 | |
CN113850909B (zh) | 点云数据处理方法、装置、电子设备及自动驾驶设备 | |
CN112595330B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
CN113924460B (zh) | 确定服务请求的推荐信息的系统和方法 | |
CN114281832A (zh) | 基于定位结果的高精地图数据更新方法、装置和电子设备 | |
CN111461982B (zh) | 用于拼接点云的方法和装置 | |
CN115848358B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN115235487B (zh) | 数据处理方法及装置、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211011 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |