CN110210305B - 行驶路径偏差确定方法及装置、存储介质及电子装置 - Google Patents
行驶路径偏差确定方法及装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN110210305B CN110210305B CN201910360901.4A CN201910360901A CN110210305B CN 110210305 B CN110210305 B CN 110210305B CN 201910360901 A CN201910360901 A CN 201910360901A CN 110210305 B CN110210305 B CN 110210305B
- Authority
- CN
- China
- Prior art keywords
- path
- sequence
- deviation
- determining
- coordinates
- 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.)
- Active
Links
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明实施例涉及一种行驶路径偏差确定方法及装置、存储介质及电子装置。其中,该方法包括:获取参考路径和实际路径;确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;基于所述偏差距离序列,确定所述实际路径的偏差范围。本发明解决了由于相关技术中依赖人工主观地评价无人驾驶的行驶路径偏差,而导致评价结果不准确的技术问题。
Description
技术领域
本发明涉及无人驾驶领域,具体涉及一种行驶路径偏差确定方法及装置、存储介质及电子装置。
背景技术
近些年随着无人驾驶技术快速发展,原先仅仅停留在实验室里的科学研究正在逐步转向商业化应用,要想实现完全且安全的无人驾驶,在产品开发期间和正式投入之前大量测试必不可少,其中汽车驾驶涉及到的轨迹路径的合理性也是评判无人驾驶技术技术程度的重要指标之一。
在无障碍物的情形下,搭载无人驾驶系统的汽车会优先沿着所在车道的车道中心线行驶;在有障碍物的情形下,搭载无人驾驶的汽车需要在原有的全局规划的路径下进行合理有效的避障行为,从而产生局部规划路径。在整个过程中,汽车驶出车道边缘线、无障碍物但出现避障行为、有障碍物但不避障、错误避障均可视为无人驾驶系统的异常规划控制情形。
在汽车无人驾驶领域,目前实车测试主要根据自然人自身的感知系统以及丰富的驾驶经验对无人驾驶汽车行车路径的合理性作出人为评判。相应地,当前汽车无人驾驶仿真测试效果也主要依赖仿真人员对仿真结果的实时观测,进而主观地评价仿真结果的优劣程度。随着软件仿真测试用例数目的激增,人工实时观测软件仿真测试系统中的行车轨迹并给出合理化评判会耗费大量的人力资源成本,并造成仿真测试缺乏数学严谨性。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种行驶路径偏差确定方法及装置、存储介质及电子装置,以至少解决由于相关技术中依赖人工主观地评价无人驾驶的行驶路径偏差,而导致评价结果不准确的技术问题。
根据本发明实施例的一个方面,提供了一种行驶路径偏差确定方法,包括:获取参考路径和实际路径;确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;基于所述偏差距离序列,确定所述实际路径的偏差范围。
进一步地,所述确定第一路径序列和第二路径序列,包括:对所述参考路径进行第一采样,得到第一路径序列;对所述实际路径进行第二采样,得到第二路径序列;其中,所述第一采样的采样点数量与所述第二采样的采样点数量不同。
进一步地,所述基于所述第一路径序列和所述第二路径序列,确定偏差距离序列,包括:基于所述第一路径序列和所述第二路径序列,确定规整路径,其中,所述规整路径由多个二维序列坐标构成;基于所述规整路径,确定偏差距离序列。
进一步地,所述规整路径的起始坐标由所述第一路径序列的起始元素与所述第二路径序列的起始元素构成;所述规整路径的终止坐标由所述第一路径序列的终止元素与所述第二路径序列的终止元素构成。
进一步地,所述多个二维序列坐标在任一维度均单调递增,且相邻两个二维序列坐标在任一维度均相邻或相同。
进一步地,所述规整路径为最短规整路径。
进一步地,所述基于所述第一路径序列和所述第二路径序列,确定规整路径,包括:基于所述第一路径序列和所述第二路径序列,确定每个二维序列坐标对应的偏差距离;基于每个二维序列坐标对应的偏差距离,确定最短规整路径。
进一步地,所述最短规整路径为距离代价最短的规整路径,其中所述距离代价是基于所述规整路径中所有序列坐标的偏差距离确定。
进一步地,所述二维序列坐标的距离代价通过下式确定:
D(i,j)=Dist(i,j)+min(D(i-1,j),D(i,j-1),2D(i-1,j-1))
其中,D(i,j)为所述二维序列坐标的距离代价,Dist(i,j)为所述二维序列坐标对应的偏差距离,D(i-1,j)、D(i,j-1)和D(i-1,j-1)为相邻二维序列坐标的距离代价,i表示所述第一路径序列的第i个时刻,1≤i≤n,n为所述第一路径序列长度,j表示所述第二路径序列的第j个时刻,1≤j≤m,m为所述第二路径序列长度,且D(0,0)为零。
进一步地,所述基于所述偏差距离序列,确定所述实际路径的偏差范围,包括:基于所述偏差距离序列和预设距离阈值,确定所述实际路径的偏差范围。
进一步地,所述基于所述偏差距离序列,确定所述实际路径的偏差范围,包括:基于所述偏差距离序列、预设距离阈值和预设连续数量,确定所述实际路径的偏差范围。
进一步地,所述基于所述偏差距离序列、预设距离阈值和预设连续数量,确定所述实际路径的偏差范围,包括:确定所述偏差距离序列中大于或等于预设距离阈值的偏差距离的连续数量;判断所述连续数量是否大于或等于所述预设连续数量;若是,则确定所述实际路径的偏差范围为所述连续数量对应的路径。
根据本发明实施例的另一方面,还提供了一种行驶路径偏差确定装置,包括:获取单元,用于获取参考路径和实际路径;第一确定单元,用于确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;第二确定单元,用于基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;第三确定单元,用于基于所述偏差距离序列,确定所述实际路径的偏差范围。
根据本发明实施例的另一方面,还提供了一种行驶路径偏差确定装置,包括:获取单元,用于获取参考路径和实际路径;第一确定单元,用于确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;第二确定单元,用于基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;第三确定单元,用于基于所述偏差距离序列,确定所述实际路径的偏差范围。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行如上所述的行驶路径偏差确定方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器通过所述计算机程序执行如上所述的行驶路径偏差确定方法。
在本发明实施例中,通过获取参考路径和实际路径;确定第一路径序列和第二路径序列,基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;基于所述偏差距离序列,确定所述实际路径的偏差范围,达到了降低对人工主观评价偏差范围依赖性的目的,从而实现了客观评价无人驾驶行驶路径偏差范围,提升了评价结果的准确性的技术效果,进而解决了由于相关技术中依赖人工主观地评价无人驾驶的行驶路径偏差,而导致评价结果不准确的技术问题。
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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的行驶路径偏差确定方法的示意图;
图2是根据本发明实施例的一种可选的规整路径的矩阵网格示意图;
图3是根据本发明实施例的一种可选的参考路径与实际路径的示意图;
图4是根据本发明实施例的一种可选的参考路径与实际路径的偏差示意图;
图5是根据本发明实施例的一种可选的行驶路径偏差确定装置的示意图。
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的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在介绍本发明实施例的技术方案之前,首先对本实施例的技术方案的应用场景进行介绍,本发明实施例中提出了一种行驶路径偏差确定方法,该方法主要应用于无人驾驶汽车或自动驾驶汽车的行驶过程中,无人驾驶汽车或自动驾驶汽车通过预先设置的参考行驶路径进行自动行驶,在其行驶至终点后,获取行驶车辆的实际行驶路径,通过实际行驶路径与参考行驶路径进行对比,来获取车辆行驶过程中存在的偏差。
以下针对本实施例中形式路径偏差确定方法中的名词进行解释:
行驶路径:指车辆从初始位置到结束位置为止所经过的路线组成的动作的控件特征,车辆位置的坐标通常为二维坐标或三维坐标。
参考路径:预先设置或预先规划好的行驶路径,即上述的参考行驶路径,自动驾驶车辆按照该参考行驶路径进行行驶,在本实施例中,为了方便描述称之为参考路径。
实际路径:即上述的实际行驶路径,自动驾驶车辆按照参考路径行驶,但是实际上行驶的路径会与参考路径产生偏差。
根据本发明实施例,提供了一种行驶路径偏差确定方法,如图1所示,该方法包括:
S102,获取参考路径和实际路径;
S104,确定第一路径序列和第二路径序列,其中,第一路径序列基于参考路径采样得到,第二路径序列基于实际路径采样得到;
S106,基于第一路径序列和第二路径序列,确定偏差距离序列;
S108,基于偏差距离序列,确定实际路径的偏差范围。
具体的,基于时间对参考路径进行时间采样得到第一路径序列,对实际路径进行时间采样得到第二路径序列,二者的采样时间间隔可以相同也可以不同,第一路径序列以及第二路径序列中包含对应的时刻以及当前的位置坐标(可以为二维坐标,也可以是三维坐标)。
通过采样得到的第一路径序列以及第二路径序列,来确定二者时间序列中坐标的匹配关系,根据匹配关系来确定实际路径相对于参考路径的偏差距离。
需要说明的是,通过本发明实施例,获取参考路径和实际路径;确定第一路径序列和第二路径序列,基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;基于所述偏差距离序列,确定所述实际路径的偏差范围,实现了客观评价无人驾驶行驶路径偏差范围,提升了评价结果的准确性的技术效果。
可选地,在本实施例中,确定第一路径序列和第二路径序列,包括但不限于:对参考路径进行第一采样,得到第一路径序列;对实际路径进行第二采样,得到第二路径序列;其中,第一采样的采样点数量与第二采样的采样点数量不同。
在具体应用场景的一个例子中,该某一行驶路径可以表示为:
f(x1,x2,...,xn)n=2or3 (1)
即,在相邻时刻坐标之间的距离为2或3。
在本实施例中对上述行驶路径的的采样结果可以表示为:
具体的,假设y1为预设的参考参考路径,y2为车辆行驶的实际路径,则参考路径和实际路径可以标示为:
在实际的应用场景,坐标序列会因为自动驾驶车辆控制的效率和行驶速度的差异而长度不同,即优选地情况下n≠m。
可选地,在本实施例中,基于第一路径序列和第二路径序列,确定偏差距离序列,包括但不限于:基于第一路径序列和第二路径序列,确定规整路径,其中,规整路径由多个二维序列坐标构成;基于规整路径,确定偏差距离序列。
在实际的应用场景中,通过规整路径算法来确定第一路径序列与第二路径序列之间的序列坐标之间的匹配关系,该规整路径由二维序列坐标构成,二维序列坐标是由第一路径序列中的序列坐标以及第二路径序列中的序列坐标构成,通过比较二维序列坐标之间的序列坐标之间的距离来确定实际路径在该点时与参考路径的差值。
例如,得到第一路径序列与第二路径序列的规整路径中的一个二维序列坐标为获取在该点的偏差距离,相当于获取坐标参考路径中坐标/>与实际路径中坐标之间的距离,及第一路径序列中t3时刻的坐标点与第二路径序列中t5时刻的坐标点之间的距离即偏差距离。
可选地,在本实施例中,规整路径的起始坐标由第一路径序列的起始元素与第二路径序列的起始元素构成;规整路径的终止坐标由第一路径序列的终止元素与第二路径序列的终止元素构成。
在实际的应用场景中,第一路径序列与第二路径序列。如上所述的规整路径算法,用于获取第一路径序列与第二路径序列之间的序列坐标之间的匹配关系,第一路径序列与第二路径序列组成的规整路径中,具体的,例如,通过上述第一路径序列以及第二路径序列/>得出的规整路径表达式为:
w=w1,w2,...,wk;max(|y1|,|y2|)≤k≤(|y1|+|y2|) (5)
其中,|y1|为第一路径序列y1的长度,|y2|为第二路径序列y2的长度。
其中,为了对齐第一路径序列以及第二路径序列,如图2所示,需要构造一个n×m的矩阵网格(实际上为tn×tm,此处为了方便撰写,直接以时刻代替描述为n×m,同附图2中坐标标注),矩阵元素(i,j)表示和/>两个点的距离d(i,j)(也就是第一路径序列的每一个点和第二路径序列中的每一个点之间的相似度,距离越小则相似度越高。),一般采用欧式距离,/>(也可以理解为失真度)。每一个矩阵元素(i,j)表示点/>和的对齐。规整路径算法可以归结为寻找一条通过此网格中若干格点的路径,路径通过的格点即为两个序列进行计算的对齐的点。
可选地,在本实施例中,多个二维序列坐标在任一维度均单调递增,且相邻两个二维序列坐标在任一维度均相邻或相同。
在实际的应用场景中,上述规整路径会存在相对的约束条件,具体为以下三个约束条件:
1)边界条件:和/>车辆行驶过程中行驶速度可能变化,存在不同,但是其各部分的先后次序不可能改变,因此所选的车辆的行驶路径的起点和终点必定是相同的,在图2所示的矩阵网格中必定是从左下角出发,在右上角结束。
2)连续性:如果wk-1=(a′,b′),那么对于规整路径的下一个点wk=(a,b)需要满足(a-a′)≤1和(b-b′)≥1。也就是规整路径中的坐标点不可能跨过某个点去匹配,只能和自己相邻的点对齐。这样可以保证第一路径序列和第一路径序列中的每个坐标都在规整路径中出现。
3)单调性:如果wk-1=(a′,b′),那么对于规整路径中的下一个点wk=(a,b)需要满足(a-a′)≥0和(b-b′)≥0。这限制了规整路径上面的点必须是随着时间单调进行的。例如保证图2中的虚线不会相交。
通过三个约束条件可以保证规整路径中多个二维序列坐标在任一维度均单调递增,且相邻两个二维序列坐标在任一维度均相邻或相同。
可选地,在本实施例中,所述规整路径为最短规整路径。具体的,为了保证参考路径以及实际路径之间偏差距离的准确度,规整路径优选为最短规整路径,即满足上述三个约束条件。
可选地,在本实施例中,基于第一路径序列和第二路径序列确定规整路径,包括但不限于:基于第一路径序列和第二路径序列,确定每个二维序列坐标对应的偏差距离;基于每个二维序列坐标对应的偏差距离,确定最短规整路径。
具体的,通过第一路径序列以及第二路径序列,同时参照如图2所示的矩阵网格,在该矩阵网格中,确定每个二维序列坐标之间对应的偏差距离,其中,最短偏差距离对应的二维序列坐标的连线wk为最短规整路径。
可选地,在本实施例中,最短规整路径为距离代价最短的规整路径,其中,距离代价是基于规整路径中所有序列坐标的偏差距离确定。具体的,二维序列坐标的距离代价基于二维序列坐标对应的偏差距离和三个特定二维序列坐标的距离代价确定,其中,三个特定二维序列坐标位于二维序列坐标的周围。
可选地,在本实施例中,二维序列坐标的距离代价通过下式确定:
D(i,j)=Dist(i,j)+min(D(i-1,j),D(i,j-1),2D(i-1,j-1)) (6)
其中,D(i,j)为二维序列坐标的距离代价,Dist(i,j)为二维序列坐标对应的偏差距离,D(i-1,j)、D(i,j-1)和D(i-1,j-1)为相邻二维序列坐标的距离代价,i表示第一路径序列的第i个时刻,1≤i≤n,n为第一路径序列长度,j表示第二路径序列的第j个时刻,1≤j≤m,m为第二路径序列长度,且D(0,0)为零。
可选地,在本实施例中,基于偏差距离序列确定实际路径的偏差范围包括但不限于:基于偏差距离序列和预设距离阈值,确定实际路径的偏差范围。
具体的,对车辆的整个行驶路径进行偏差分析,计算在参考路径以及实际路径的最短距离规整路径上的偏差距离:
v=v1,v2,...,vk (7)
可选地,在本实施例中,基于偏差距离序列确定实际路径的偏差范围包括但不限于:基于偏差距离序列、预设距离阈值和预设连续数量,确定实际路径的偏差范围。
具体的,在实际的应用场景中,会存在一些数据误差导致某一个时间点上偏差距离较大,影响确定的偏差范围的准确性,因此在本实施例中,为了避免个别的数据误差,因此在基于偏差距离序列以及预设距离阈值来确定实际路径的偏差范围的基础上,还根据预设连续数量来确定实际路径的偏差范围,进一步地保证结果的准确性。
进一步可选地,在本实施例中,基于偏差距离序列、预设距离阈值和预设连续数量,确定实际路径的偏差范围包括但不限于:确定偏差距离序列中大于或等于预设距离阈值的偏差距离的连续数量;判断连续数量是否大于或等于预设连续数量;若是,则确定实际路径的偏差范围为连续数量对应的路径。
具体的,如果存在连续的vi,...,vi+n均大于预设距离阈值σ,则表明在该区域车辆的实际行驶路径相对于预设的参考路径发生了偏移,其中,n为预设连续数量。在本实施例中,连续判断次数和偏差距离序列可以衡量车辆在整个行车过程中的车辆偏离路段及偏离程度。
例如,如图3所示的参考路径以及行驶路径示意图中,其中,10为参考路径,20为实际路径,使用本实施例中的方法可以计算得到参考路径与实际路径在最短规整路径上的偏移距离,如图4所示,通过预设距离阈值以及连续次数的判断,可以判断出,在整个行车过程中,该车辆的实际路径相对于参考路径分别在B,C,D,E共4处发生了较大的路径偏移。
通过本发明的实施例,获取参考路径和实际路径;确定第一路径序列和第二路径序列,基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;基于所述偏差距离序列,确定所述实际路径的偏差范围,达到了降低对人工主观评价偏差范围依赖性的目的,从而实现了客观评价无人驾驶行驶路径偏差范围,提升了评价结果的准确性的技术效果,进而解决了由于相关技术中依赖人工主观地评价无人驾驶的行驶路径偏差,而导致评价结果不准确的技术问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明实施例,还提供了一种用于实施上述行驶路径偏差确定方法的行驶路径偏差确定装置,如图5所示,该装置包括:
1)获取单元50,用于获取参考路径和实际路径;
2)第一确定单元52,用于确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;
3)第二确定单元54,用于基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;
4)第三确定单元56,用于基于所述偏差距离序列,确定所述实际路径的偏差范围。
根据本发明实施例,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行如上所述的行驶路径偏差确定方法。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
S1,获取参考路径和实际路径;
S2,确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;
S3,基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;
S4,基于所述偏差距离序列,确定所述实际路径的偏差范围。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的实施例还提供了一种电子装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器通过所述计算机程序执行如上所述的行驶路径偏差确定方法。
可选地,在本实施例中,存储器被设置为存储用于执行以下步骤的程序代码:
S1,获取参考路径和实际路径;
S2,确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;
S3,基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;
S4,基于所述偏差距离序列,确定所述实际路径的偏差范围。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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 (11)
1.一种行驶路径偏差确定方法,其特征在于,包括:
获取参考路径和实际路径;
确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;
基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;
基于所述偏差距离序列,确定所述实际路径的偏差范围;
其中,所述基于所述第一路径序列和所述第二路径序列,确定偏差距离序列,包括:
基于所述第一路径序列和所述第二路径序列,确定规整路径,其中,所述规整路径由多个二维序列坐标构成;
基于所述规整路径,确定偏差距离序列;
其中,所述规整路径的起始坐标由所述第一路径序列的起始元素与所述第二路径序列的起始元素构成;所述规整路径的终止坐标由所述第一路径序列的终止元素与所述第二路径序列的终止元素构成;
所述规整路径为最短规整路径;
所述最短规整路径为距离代价最短的规整路径,其中,所述距离代价是基于所述规整路径中所有序列坐标的偏差距离确定;
所述二维序列坐标的距离代价包括所述二维序列坐标对应的偏差距离和相邻二维序列坐标的距离代价。
2.根据权利要求1所述的方法,其特征在于,所述确定第一路径序列和第二路径序列,包括:
对所述参考路径进行第一采样,得到第一路径序列;
对所述实际路径进行第二采样,得到第二路径序列;
其中,所述第一采样的采样点数量与所述第二采样的采样点数量不同。
3.根据权利要求1所述的方法,其特征在于,所述多个二维序列坐标在任一维度均单调递增,且相邻两个二维序列坐标在任一维度均相邻或相同。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一路径序列和所述第二路径序列确定规整路径,包括:
基于所述第一路径序列和所述第二路径序列,确定每个二维序列坐标对应的偏差距离;
基于每个二维序列坐标对应的偏差距离,确定最短规整路径。
5.根据权利要求1所述的方法,其特征在于,所述二维序列坐标的距离代价通过下式确定:
D(i,j)=Dist(i,j)+min(D(i-1,j),D(i,j-1),2D(i-1,j-1))
其中,D(i,j)为所述二维序列坐标的距离代价,Dist(i,j)为所述二维序列坐标对应的偏差距离,D(i-1,j)、D(i,j-1)和
D(i-1,j-1)为相邻二维序列坐标的距离代价,i表示所述第一路径序列的第i个时刻,1≤i≤n,n为所述第一路径序列长度,j表示所述第二路径序列的第j个时刻,1≤j≤m,m为所述第二路径序列长度,且D(0,0)为零。
6.根据权利要求1所述的方法,其特征在于,所述基于所述偏差距离序列,确定所述实际路径的偏差范围,包括:
基于所述偏差距离序列和预设距离阈值,确定所述实际路径的偏差范围。
7.根据权利要求1所述的方法,其特征在于,所述基于所述偏差距离序列,确定所述实际路径的偏差范围,包括:
基于所述偏差距离序列、预设距离阈值和预设连续数量,确定所述实际路径的偏差范围。
8.根据权利要求7所述的方法,其特征在于,所述基于所述偏差距离序列、预设距离阈值和预设连续数量,确定所述实际路径的偏差范围,包括:
确定所述偏差距离序列中大于或等于预设距离阈值的偏差距离的连续数量;
判断所述连续数量是否大于或等于所述预设连续数量;
若是,则确定所述实际路径的偏差范围为所述连续数量对应的路径。
9.一种行驶路径偏差确定装置,其特征在于,包括:
获取单元,用于获取参考路径和实际路径;
第一确定单元,用于确定第一路径序列和第二路径序列,其中,所述第一路径序列基于所述参考路径采样得到,所述第二路径序列基于所述实际路径采样得到;
第二确定单元,用于基于所述第一路径序列和所述第二路径序列,确定偏差距离序列;
第三确定单元,用于基于所述偏差距离序列,确定所述实际路径的偏差范围;
其中,第二确定单元基于所述第一路径序列和所述第二路径序列,确定偏差距离序列时,具体用于:
基于所述第一路径序列和所述第二路径序列,确定规整路径,其中,所述规整路径由多个二维序列坐标构成;
基于所述规整路径,确定偏差距离序列;
其中,所述规整路径的起始坐标由所述第一路径序列的起始元素与所述第二路径序列的起始元素构成;所述规整路径的终止坐标由所述第一路径序列的终止元素与所述第二路径序列的终止元素构成;
所述规整路径为最短规整路径;
所述最短规整路径为距离代价最短的规整路径,其中,所述距离代价是基于所述规整路径中所有序列坐标的偏差距离确定;
所述二维序列坐标的距离代价包括所述二维序列坐标对应的偏差距离和相邻二维序列坐标的距离代价。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至8任一项中所述的行驶路径偏差确定方法。
11.一种电子装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器通过所述计算机程序执行所述权利要求1至8任一项中所述的行驶路径偏差确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910360901.4A CN110210305B (zh) | 2019-04-30 | 2019-04-30 | 行驶路径偏差确定方法及装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910360901.4A CN110210305B (zh) | 2019-04-30 | 2019-04-30 | 行驶路径偏差确定方法及装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110210305A CN110210305A (zh) | 2019-09-06 |
CN110210305B true CN110210305B (zh) | 2023-06-23 |
Family
ID=67785441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910360901.4A Active CN110210305B (zh) | 2019-04-30 | 2019-04-30 | 行驶路径偏差确定方法及装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210305B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112637779B (zh) * | 2019-10-08 | 2023-05-05 | Oppo广东移动通信有限公司 | 移动路径的确定方法、装置、可穿戴设备和存储介质 |
CN112965963B (zh) * | 2021-02-05 | 2023-07-21 | 同盾科技有限公司 | 信息处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106769080A (zh) * | 2016-11-30 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于测量无人驾驶车辆的行驶精度的方法和装置 |
CN109445434A (zh) * | 2018-11-16 | 2019-03-08 | 广州汽车集团股份有限公司 | 无人驾驶汽车的控制方法、装置、设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
CN103699717A (zh) * | 2013-12-03 | 2014-04-02 | 重庆交通大学 | 基于前视断面选点的复杂道路汽车行驶轨迹预测方法 |
CN106325269B (zh) * | 2016-08-05 | 2019-06-11 | 上海电力学院 | 基于里程计和磁传感器的两轮平衡车路径校正装置及方法 |
CN107544520B (zh) * | 2017-10-25 | 2020-09-01 | 上海联适导航技术有限公司 | 一种用于四轮载具自动驾驶的控制方法 |
CN108491971B (zh) * | 2018-03-20 | 2022-04-15 | 北京交通大学 | 基于出行计划的三维地图的最优路径规划方法 |
CN108932862B (zh) * | 2018-07-27 | 2020-09-29 | 北京小马智行科技有限公司 | 一种自动驾驶车辆调度方法和装置 |
-
2019
- 2019-04-30 CN CN201910360901.4A patent/CN110210305B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106769080A (zh) * | 2016-11-30 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于测量无人驾驶车辆的行驶精度的方法和装置 |
CN109445434A (zh) * | 2018-11-16 | 2019-03-08 | 广州汽车集团股份有限公司 | 无人驾驶汽车的控制方法、装置、设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
An automatic procedure for vehicle tracking with a roadside LiDAR sensor;Wu J等;《Institute of Transportation Engineers》;第88卷(第11期);32-37 * |
城市道路汽车自动驾驶路径生成算法;赵倬祺等;《汽车实用技术》;20180228(第04期);46-48 * |
基于Kinect视频技术的葡萄园农药喷施路径规划算法;肖珂等;《农业工程学报》(第24期);200-207 * |
基于动态时间弯曲技术的流数据处理方法;陈朋等;《怀化学院学报》(第05期);50-54 * |
Also Published As
Publication number | Publication date |
---|---|
CN110210305A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109270927B (zh) | 道路数据的生成方法及装置 | |
JP2016075905A5 (zh) | ||
CN110210305B (zh) | 行驶路径偏差确定方法及装置、存储介质及电子装置 | |
CN114415628A (zh) | 自动驾驶测试方法及装置、电子设备和存储介质 | |
CN110047095A (zh) | 基于目标检测的跟踪方法、装置及终端设备 | |
CN110530392B (zh) | 一种基于传统地图和高精地图结合的路径规划方法及装置 | |
CN110738219A (zh) | 图像中线条提取方法和装置、存储介质及电子装置 | |
CN110967028A (zh) | 导航地图构建方法、装置、机器人及存储介质 | |
CN112329645B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
Jiao et al. | Real-time lane detection and tracking for autonomous vehicle applications | |
Yang et al. | Three rapid methods for averaging GPS segments | |
IL257092A (en) | System and method for tracking objects between cameras | |
CN115690153A (zh) | 一种智能体轨迹预测方法及系统 | |
CN116080687A (zh) | 一种预测轨迹后处理方法、系统、设备和介质 | |
CN111368860B (zh) | 重定位方法及终端设备 | |
Li et al. | Multi-target association for uavs based on triangular topological sequence | |
Mottini et al. | From curves to trees: A tree-like shapes distance using the elastic shape analysis framework | |
Patel et al. | Deep learning-enabled road segmentation and edge-centerline extraction from high-resolution remote sensing images | |
Chu et al. | Flood-fill-based object segmentation and tracking for intelligent vehicles | |
Radwan | Leveraging sparse and dense features for reliable state estimation in urban environments | |
Hausler et al. | Bio-inspired multi-scale fusion | |
CN114067371B (zh) | 一种跨模态行人轨迹生成式预测框架、方法和装置 | |
Rupeng et al. | Underwater digital elevation map gridding method based on optimal partition of suitable matching area | |
CN113119996B (zh) | 一种轨迹预测方法、装置、电子设备及存储介质 | |
CN112685517B (zh) | 分歧/合流区域的识别方法和设备 |
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 |