CN110672111A - 车辆行车路径规划方法、装置、系统、介质和设备 - Google Patents

车辆行车路径规划方法、装置、系统、介质和设备 Download PDF

Info

Publication number
CN110672111A
CN110672111A CN201910902972.2A CN201910902972A CN110672111A CN 110672111 A CN110672111 A CN 110672111A CN 201910902972 A CN201910902972 A CN 201910902972A CN 110672111 A CN110672111 A CN 110672111A
Authority
CN
China
Prior art keywords
path
range image
image
road condition
close
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
CN201910902972.2A
Other languages
English (en)
Other versions
CN110672111B (zh
Inventor
綦科
苏忠群
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN201910902972.2A priority Critical patent/CN110672111B/zh
Publication of CN110672111A publication Critical patent/CN110672111A/zh
Priority to JP2020149680A priority patent/JP6900081B2/ja
Application granted granted Critical
Publication of CN110672111B publication Critical patent/CN110672111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Abstract

本发明公开了一种车辆行车路径规划方法、装置、系统、介质和设备，首先获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；然后针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；接着，逆投影变换全局路况图，得到全局路况俯视图；最后识别出全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。本发明方法通过近景图像和远景图像获取到路况信息，根据实时的路况信息能够实时的规划出行车路线，在不具备联网路况的情况下就能实现对车辆行车路径进行规划，解决现有技术行车路径规划中定焦摄像头拍摄远端物体模糊且尺寸偏小而导致的错误路径选择的问题，有效提高车辆通行效率和安全性。

Description

车辆行车路径规划方法、装置、系统、介质和设备
技术领域
本发明涉及车辆行车控制技术领域，特别涉及一种车辆行车路径规划方法、装置、系统、介质和设备。
背景技术
现有技术的车辆由路径规划模块来进行行车路线规划。行车路径规划分为全局规划和局部规划，其中：全局规划一般依据地图数据库进行离线规划，局部规划则实时采集和识别环境信息，然后根据环境信息进行路径规划。
随着5G等通信技术发展，局部路径规划可以结合高精地图和摄像头等传感器实现低延时的实时路径规划。但该方法严重依赖高精地图和低延时通信技术，在交通基础设施和低延时通信没有覆盖的区域难以实现。
依靠自车摄像头采集环境信息进行局部路径规划是现今的主流技术，但该技术不足在于：车辆摄像头大多采用单目或双目定焦摄像头，其最大有效可视距离通常在100米以内，所拍摄图像上超出100米有效拍摄范围的远端物体模糊且尺寸偏小，较难被图像识别算法正确检测和识别，在复杂多变的路段场景中容易产生误检测，导致错误的路径选择或短距离的路径选择。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足，提供一种车辆行车路径规划方法，该方法能够在不具备联网路况的情况下实现对车辆行车路径进行规划，并且能够降低车辆行驶过程中存在的安全隐患。
本发明的第二目的在于提供一种车辆行车路径规划装置。
本发明的第三目的在于提供一种车辆行车路径规划系统。
本发明的第四目的在于提供一种存储介质。
本发明的第五目的在于提供一种计算设备。
本发明的第一目的通过下述技术方案实现：一种车辆行车路径规划方法，其特征在于，步骤如下：
步骤S1、取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；
步骤S2、针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
步骤S3、逆投影变换全局路况图，得到全局路况俯视图；
步骤S4、识别出全局路况俯视图上各车道的车辆和障碍物信息；
步骤S5、根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。
优选的，步骤S5中规划出行车路径的具体过程如下：
步骤S51、根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；
步骤S52、针对于搜索到的各条可通行路径，获取到路径长度，并且计算通行该条路径的总变道次数；
步骤S53、计算各条可通行路径的路径总能效：
Ui＝Ti+Fi；
其中：
Figure BDA0002212406680000021
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，w1为通行长度权重系数，w2为变道权重系数；
步骤S54、比较每条可通行路径的路径总能效，选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
更进一步的，步骤S51中，所运用的路径搜索算法为蚁群算法、遗传算法、粒子群算法、A*搜索算法、人工势场法、量子粒子群算法或神经网络算法。
更进一步的，通行长度权重系数w1设置为0.5；变道权重系数w2设置为0.5。
优选的，步骤S2中同步拍摄到的近景图像和远景图像进行拼接的具体过程如下：
步骤S21、获取到近景图像和远景图像中的重叠区域；
步骤S22、在近景图像和远景图像的重叠区域分别提取特征点，并针对近景图像和远景图像的重叠区域中所提取的特征点依次进行匹配、变换和配准；
步骤S23、用渐入渐出法对近景图像和远景图像的重叠部分进行融合，得到拼接完成的图像。
更进一步的，步骤S22中，使用surf算法在近景图像和远景图像的重叠区域分别提取特征点；
在近景图像和远景图像的重叠区域所提取的特征点进行匹配时，使用RANSAN算法剔除误匹配；
根据近景图像和远景图像的重叠区域提取的特征点，采用最小二乘求解单应性矩阵，通过单应性矩阵对近景图像和远景图像的重叠区域进行变化和配准。
本发明的第二目的通过下述技术方案实现：一种车辆行车路径规划装置，包括：
图像获取模块，用于获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；
图像拼接模块，用于针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
图像变换模块，用于针对全局路况图进行逆投影变换，得到全局路况俯视图；
图像识别模块，用于识别出全局路况俯视图上各车道的车辆和障碍物信息；
行车路径规划模块，用于根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。
本发明的第三目的通过下述技术方案实现：一种车辆行车路径规划系统，包括摄像单元和数据处理器；
所述摄像单元安装在车辆上，包括短焦摄像头和长焦摄像头，通过短焦摄像头和长焦摄像头分别获取到近景图像和远景图像；
所述数据处理器连接摄像单元，用于控制摄像单元中短焦摄像头和长焦摄像头进行同步拍摄，同时用于实现本发明第一目的所述的车辆行车路径规划方法。
本发明的第四目的通过下述技术方案实现：一种存储介质，存储有程序，所述程序被处理器执行时，实现本发明第一目的所述的车辆行车路径规划方法。
本发明的第五目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现本发明第一目的所述的车辆行车路径规划方法。
本发明相对于现有技术具有如下的优点及效果：
(1)本发明车辆行车路径规划方法，首先获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；然后针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；接着，逆投影变换全局路况图，得到全局路况俯视图；最后识别出全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。由上述可见，本发明方法通过近景图像和远景图像获取到路况信息，根据实时的路况信息能够实时的规划出行车路线，在不具备联网路况的情况下就能够实现对车辆行车路径进行规划，并且解决了现有技术在行车路径规划中定焦摄像头拍摄远端物体模糊且尺寸偏小而导致的错误路径选择的问题，有效提高车辆通行效率和安全性。
(2)本发明车辆行车路径规划方法，在识别出全局路况俯视图上各车道的车辆和障碍物信息后，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；针对于各条可通行路径，根据路径长度和通行该条路径的总变道次数计算各条路径的路径总能效，最终选择路径总能效最大的可通行路径作为最终的规划路径，其中路径总能效最大的可通行路径，其总变道次数相对少，路径长度相对长；由此可见，本发明在行车路径规划中以车道变换次数和路径长度为联合优化目标，降低了现有技术中以最短路径或非拥堵路径为优化目标、未考虑车道变换而导致的安全隐患问题，进一步提高了行车的安全性。
附图说明
图1是本发明车辆行车路径规划方法流程图。
图2a是本发明车辆行车路径规划方法中所获取到的近景图像示意图。
图2b是本发明车辆行车路径规划方法中所获取到的远景图像示意图。
图3是本发明车辆行车路径规划方法中获取到的全局路况俯视图。
图4是本发明车辆行车路径规划装置结构框图。
图5a和5b是发明车辆行车路径规划系统中摄像单元的结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1
本实施例公开了一种车辆行车路径规划方法，该方法应用于车辆行车过程中的路径规划，如图1所示，步骤如下：
步骤S1、获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；其中，短焦摄像头拍摄到的是如图2a所示的近景图像，长焦摄像头拍摄到的是如图2b所示的远景图像。短焦摄像头和长焦摄像头分别安装在车辆上，用于拍摄车前方的图像，其中需要调整短焦摄像头和长焦摄像头的拍摄视角和取景范围，使得短焦摄像头和长焦摄像头拍摄到的近景图像和远景图像有重叠区域。如图2a中所示，401和402为近景图像中清晰且大的近景物体，403和404为近景图像中不清晰且小的远景物体，如图2b中所示，503和504为远景图像中清晰且大的远景物体。
步骤S2、针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；在本实施例中，同步拍摄到的近景图像和远景图像进行的拼接方式具体如下：
步骤S21、获取到近景图像和远景图像中的重叠区域；其中图2a中近景图像上部的区域405和远景图像的下部区域505为两者的重叠区域。
步骤S22、在近景图像和远景图像的重叠区域分别提取特征点，并针对近景图像和远景图像的重叠区域中所提取的特征点依次进行匹配、变换和配准；
在本步骤中，本实施例使用surf算法在近景图像和远景图像的重叠区域分别提取特征点；在近景图像和远景图像的重叠区域所提取的特征点进行匹配时，使用RANSAN(随机抽样性一致)算法剔除误匹配；根据近景图像和远景图像的重叠区域提取的特征点，采用最小二乘求解单应性矩阵，通过单应性矩阵对近景图像和远景图像的重叠区域进行变化和配准。
步骤S23、用渐入渐出法对近景图像和远景图像的重叠部分进行融合，得到拼接完成的图像。
在本实施例中，以远景图像的重叠区域为基准，上下拼接近景图像的重叠区域，即远景图像在上部，近景图像在下部，远景图像和近景图像拼接后，其中上部的不清晰且小的远景物体为远景图像中下部清晰且大的远景物体代替。在本实施例中，也可以采用现有的其他图像拼接方法进行近景图像和远景图像的拼接。
步骤S3、逆投影变换全局路况图，得到全局路况俯视图，如图3所示。
步骤S4、识别出全局路况俯视图上各车道的车辆和障碍物信息；
步骤S5、根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径，具体如下：
步骤S51、根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索，如图3中所示；在本实施例中，运用的路径搜索算法可以采用蚁群算法、遗传算法、粒子群算法、A*搜索算法、人工势场法、量子粒子群算法或神经网络算法等。
步骤S52、针对于搜索到的各条可通行路径，获取到路径长度，并且计算通行该条路径的总变道次数；其中辆从一个车道变换到另一变道，变道次数加1。
步骤S53、计算各条可通行路径的路径总能效：
Ui＝Ti+Fi；
其中：
Figure BDA0002212406680000071
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，dmax为一定值，例如为1000米，w1为通行长度权重系数，w2为变道权重系数，在本实施例中，可以设置通行长度权重系数w1为0.5，变道权重系数w2为0.5。
步骤S54、比较每条可通行路径的路径总能效，选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
实施例2
本实施例公开了一种车辆行车路径规划装置，如图4所示，包括：
图像获取模块，用于获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像。
图像拼接模块，用于针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图。
图像变换模块，用于针对全局路况图进行逆投影变换，得到全局路况俯视图。
图像识别模块，用于识别出全局路况俯视图上各车道的车辆和障碍物信息。
行车路径规划模块，用于根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。
在本实施例中，行车路径规划模块具体包括：
可通行路径搜索模块，用于根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；
路径长度计算模块，用于针对于搜索到的各条可通行路径，获取到路径长度；
路径总变道次数计算模块，用于针对于搜索到的各条可通行路径，计算通行该条路径的总变道次数；
路径总能效计算模块，用于计算各条可通行路径的路径总能效，具体如下：
Ui＝Ti+Fi；
其中：
Figure BDA0002212406680000081
Figure BDA0002212406680000082
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，dmax为一定值，例如为1000米，w1为通行长度权重系数，w2为变道权重系数；
比较模块，用于比较每条可通行路径的路径总能效；
规划结果确定模块，用于选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
本实施例的装置与实施例1的车辆行车路径规划相对应，因此各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
实施例3
本实施例公开了一种车辆行车路径规划系统，包括摄像单元和数据处理器；
摄像单元安装在车辆上，包括短焦摄像头和长焦摄像头，通过短焦摄像头和长焦摄像头分别对应获取到近景图像和远景图像；在本实施例中，如图5a和5b所示，摄像头100可以包括短焦单目摄像头104或短焦双目摄像头104，以及长焦单目摄像头102。
数据处理器连接摄像单元，用于控制摄像单元中短焦摄像头和长焦摄像头进行同步拍摄，同时用于实现上述实施例1所述的车辆行车路径规划方法，如下：
获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；
针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
逆投影变换全局路况图，得到全局路况俯视图；
识别出全局路况俯视图上各车道的车辆和障碍物信息；
根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径，具体如下：
根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；
针对于搜索到的各条可通行路径，获取到路径长度，并且计算通行该条路径的总变道次数；
计算各条可通行路径的路径总能效：
Ui＝Ti+Fi；
其中：
Figure BDA0002212406680000102
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，w1为通行长度权重系数，w2为变道权重系数；
比较每条可通行路径的路径总能效，选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
在本实施例中，数据处理器可以为微处理器、微控制器或数字信号处理器等。微处理器(MPU)通常代表一个功能强大的CPU，本实施例可以直接使选用一些最常见的微处理器，例如Motorola的68K系列和Intel的X86系列；本实施例中，微控制器可以是直接选用单片机，具有结构简单以及成本低的优点。数字信号处理器(DSP)里的CPU是专门设计用来极快地进行离散时间信号处理计算的，具有功能强大的优点，在本实施例中，可以选用ti的TMS320CXX系列和Motorola的5600X系列。
在本实施例中，数据处理器连接摄像单元，可以设置定时控制摄像单元中短焦摄像头和长焦摄像头进行同步拍摄，也可以根据外部触发方式控制摄像单元中短焦摄像头和长焦摄像头进行同步拍摄。在数据处理器中包括图像处理单元和计算单元，该图像处理单元和计算单元可以是由硬件和/或软件方法实现，通过图像处理单元实现近景图像和远景图像的拼接、图像的逆投影变换和图像的识别。在完成全局路况俯视图上各车道的车辆和障碍物信息的识别后，由计算单元利用路径搜索算法进行可通行路径的搜索，针对于搜索到的可通行路径，计算路径总能效，最终比较路径总能效的大小，将路径总能效最大的可通行路径作为最终规划结果。
基于本实施例公开的车辆行车路径规划系统，只需要在车辆上安装数据处理器和摄像单元两个硬件设备，然后针对摄像单元和数据处理器进行通信连接，即可实现路径的规划。其中数据处理器也可以直接使用车辆上具有图像处理、控制和计算功能的原本设备，例如为微处理器、微控制器或数字信号处理器等。
实施例4
本实施例公开了一种存储介质，存储有程序，所述程序被处理器执行时，实现实施例1所述的车辆行车路径规划方法，如下：
获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；
针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
逆投影变换全局路况图，得到全局路况俯视图；
识别出全局路况俯视图上各车道的车辆和障碍物信息；
根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径，具体如下：
根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；
针对于搜索到的各条可通行路径，获取到路径长度，并且计算通行该条路径的总变道次数；
计算各条可通行路径的路径总能效：
Ui＝Ti+Fi；
其中：
Figure BDA0002212406680000121
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，w1为通行长度权重系数，w2为变道权重系数；
比较每条可通行路径的路径总能效，选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
在本实施例中，存储介质可以是计算机能够存取的任何可用介质，或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备，可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如SSD)等。
实施例5
本实施例公开了一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，
所述处理器执行存储器存储的程序时，实现实施例1所述的车辆行车路径规划方法，如下：
针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
逆投影变换全局路况图，得到全局路况俯视图；
识别出全局路况俯视图上各车道的车辆和障碍物信息；
根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径，具体如下：
根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；
针对于搜索到的各条可通行路径，获取到路径长度，并且计算通行该条路径的总变道次数；
计算各条可通行路径的路径总能效：
Ui＝Ti+Fi；
其中：
Figure BDA0002212406680000131
Figure BDA0002212406680000132
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，w1为通行长度权重系数，w2为变道权重系数；
比较每条可通行路径的路径总能效，选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
本实施例中所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端或平板电脑等终端设备，计算设备中的处理器可以是如实施例3所述的数据处理器。
本实施例上述获取到的最终规划结果可以直接在计算设备所连接的显示屏上进行显示，也可以发送给计算设备所连接的车辆上的显示屏。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种车辆行车路径规划方法，其特征在于，步骤如下：
步骤S1、取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；
步骤S2、针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
步骤S3、逆投影变换全局路况图，得到全局路况俯视图；
步骤S4、识别出全局路况俯视图上各车道的车辆和障碍物信息；
步骤S5、根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。
2.根据权利要求1所述的车辆行车路径规划方法，其特征在于，步骤S5中规划出行车路径的具体过程如下：
步骤S51、根据全局路况俯视图上各车道的车辆和障碍物信息，以自车为起点，以车道为路径信息，运用路径搜索算法进行可通行路径搜索；
步骤S52、针对于搜索到的各条可通行路径，获取到路径长度，并且计算通行该条路径的总变道次数；
步骤S53、计算各条可通行路径的路径总能效：
Ui＝Ti+Fi；
其中：
Figure FDA0002212406670000011
Figure FDA0002212406670000012
其中Ui为第i条可通行路径的路径总能效，Li为第i条可通行路径的路径长度，Ni为通行第i条可通行路径的总变道次数，n为可通行路径的总数，dmax为道路最大可行驶距离，w1为通行长度权重系数，w2为变道权重系数；
步骤S54、比较每条可通行路径的路径总能效，选择路径总能效最大的可通行路径作为行车路径的最终规划结果。
3.根据权利要求2所述的车辆行车路径规划方法，其特征在于，步骤S51中，所运用的路径搜索算法为蚁群算法、遗传算法、粒子群算法、A*搜索算法、人工势场法、量子粒子群算法或神经网络算法。
4.根据权利要求2所述的车辆行车路径规划方法，其特征在于，通行长度权重系数w1设置为0.5；变道权重系数w2设置为0.5。
5.根据权利要求1所述的车辆行车路径规划方法，其特征在于，步骤S2中同步拍摄到的近景图像和远景图像进行拼接的具体过程如下：
步骤S21、获取到近景图像和远景图像中的重叠区域；
步骤S22、在近景图像和远景图像的重叠区域分别提取特征点，并针对近景图像和远景图像的重叠区域中所提取的特征点依次进行匹配、变换和配准；
步骤S23、用渐入渐出法对近景图像和远景图像的重叠部分进行融合，得到拼接完成的图像。
6.根据权利要求5所述的车辆行车路径规划方法，其特征在于，步骤S22中，使用surf算法在近景图像和远景图像的重叠区域分别提取特征点；
在近景图像和远景图像的重叠区域所提取的特征点进行匹配时，使用RANSAN算法剔除误匹配；
根据近景图像和远景图像的重叠区域提取的特征点，采用最小二乘求解单应性矩阵，通过单应性矩阵对近景图像和远景图像的重叠区域进行变化和配准。
7.一种车辆行车路径规划装置，其特征在于，包括：
图像获取模块，用于获取短焦摄像头和长焦摄像头同步所拍摄到的近景图像和远景图像；
图像拼接模块，用于针对于同步拍摄到的近景图像和远景图像进行拼接，得到全局路况图；
图像变换模块，用于针对全局路况图进行逆投影变换，得到全局路况俯视图；
图像识别模块，用于识别出全局路况俯视图上各车道的车辆和障碍物信息；
行车路径规划模块，用于根据全局路况俯视图上各车道的车辆和障碍物信息，规划出行车路径。
8.一种车辆行车路径规划系统，其特征在于，包括摄像单元和数据处理器；
所述摄像单元安装在车辆上，包括短焦摄像头和长焦摄像头，通过短焦摄像头和长焦摄像头分别获取到近景图像和远景图像；
所述数据处理器连接摄像单元，用于控制摄像单元中短焦摄像头和长焦摄像头进行同步拍摄，同时用于实现权利要求1～6中任一项所述的车辆行车路径规划方法。
9.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1至6中任一项所述的车辆行车路径规划方法。
10.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1至6中任一项所述的车辆行车路径规划方法。
CN201910902972.2A 2019-09-24 2019-09-24 车辆行车路径规划方法、装置、系统、介质和设备 Active CN110672111B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910902972.2A CN110672111B (zh) 2019-09-24 2019-09-24 车辆行车路径规划方法、装置、系统、介质和设备
JP2020149680A JP6900081B2 (ja) 2019-09-24 2020-09-07 車両走行経路計画プログラム、装置、システム、媒体及びデバイス

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910902972.2A CN110672111B (zh) 2019-09-24 2019-09-24 车辆行车路径规划方法、装置、系统、介质和设备

Publications (2)

Publication Number Publication Date
CN110672111A true CN110672111A (zh) 2020-01-10
CN110672111B CN110672111B (zh) 2021-06-25

Family

ID=69077440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910902972.2A Active CN110672111B (zh) 2019-09-24 2019-09-24 车辆行车路径规划方法、装置、系统、介质和设备

Country Status (2)

Country Link
JP (1) JP6900081B2 (zh)
CN (1) CN110672111B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112351220A (zh) * 2020-10-30 2021-02-09 深圳大学 一种多镜头斜视等分辨率相机系统
CN112367502A (zh) * 2020-10-19 2021-02-12 合肥晟泰克汽车电子股份有限公司 路况画面拼接方法
CN112526391A (zh) * 2020-11-26 2021-03-19 湖南傲英创视信息科技有限公司 电解槽故障检测系统及方法
CN112634188A (zh) * 2021-02-02 2021-04-09 深圳市爱培科技术股份有限公司 一种车辆远近景组合成像方法及装置
CN114435404A (zh) * 2022-03-07 2022-05-06 河南职业技术学院 一种基于环境感知的智能行车控制方法
CN114895688A (zh) * 2022-05-31 2022-08-12 合肥新思路智能科技有限公司 基于人工智能的移动机器人线路规划系统及方法
CN114889611A (zh) * 2022-05-25 2022-08-12 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法
CN114889611B (zh) * 2022-05-25 2024-05-14 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963462B (zh) * 2021-12-16 2022-02-25 中汽研汽车检验中心（天津）有限公司 基于远传数据的电驱总成可靠性工况构建方法及构建装置
CN114407928A (zh) * 2022-01-24 2022-04-29 中国第一汽车股份有限公司 车辆避让控制方法以及车辆避让控制装置
CN114771542B (zh) * 2022-06-17 2022-09-20 中汽研汽车检验中心（天津）有限公司 车辆行驶工况确定方法、设备和存储介质
CN116468254B (zh) * 2023-06-14 2023-09-26 佳都科技集团股份有限公司 用于轨道交通的站内应急任务数据处理方法及系统
CN116993246B (zh) * 2023-09-26 2023-12-05 上海伯镭智能科技有限公司 一种无人驾驶配送车智慧管理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08292046A (ja) * 1995-04-21 1996-11-05 Zanavy Informatics:Kk 現在位置算出装置およびその距離係数補正方法
JPH11305653A (ja) * 1998-04-17 1999-11-05 Toyota Motor Corp 地図画像表示装置及び地図画像表示プログラムを記録した記録媒体
CN104660977A (zh) * 2013-11-15 2015-05-27 铃木株式会社 俯瞰图像生成装置
CN107169468A (zh) * 2017-05-31 2017-09-15 北京京东尚科信息技术有限公司 用于控制车辆的方法和装置
CN107305627A (zh) * 2016-04-22 2017-10-31 杭州海康威视数字技术股份有限公司 一种车辆视频监控方法、服务器及系统
CN108332716A (zh) * 2018-02-07 2018-07-27 徐州艾特卡电子科技有限公司 一种自动驾驶汽车环境感知系统
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN109785652A (zh) * 2019-01-29 2019-05-21 广州大学 一种自动停车控制方法、装置、系统、介质和设备
CN109900274A (zh) * 2019-03-25 2019-06-18 哈尔滨工业大学 一种图像匹配方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3588728B2 (ja) * 1995-09-29 2004-11-17 アイシン精機株式会社 車両前方の路上線検出装置
JPH0995194A (ja) * 1995-09-29 1997-04-08 Aisin Seiki Co Ltd 車両前方の物体検出装置
JP5146330B2 (ja) * 2009-01-15 2013-02-20 日産自動車株式会社 車両用道路標示認識装置
JP6601947B2 (ja) * 2014-08-25 2019-11-06 国立大学法人 鹿児島大学 ナビゲーションシステム、ナビゲーション方法及びプログラム
WO2018053175A1 (en) * 2016-09-14 2018-03-22 Nauto Global Limited Systems and methods for near-crash determination

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08292046A (ja) * 1995-04-21 1996-11-05 Zanavy Informatics:Kk 現在位置算出装置およびその距離係数補正方法
JPH11305653A (ja) * 1998-04-17 1999-11-05 Toyota Motor Corp 地図画像表示装置及び地図画像表示プログラムを記録した記録媒体
CN104660977A (zh) * 2013-11-15 2015-05-27 铃木株式会社 俯瞰图像生成装置
CN107305627A (zh) * 2016-04-22 2017-10-31 杭州海康威视数字技术股份有限公司 一种车辆视频监控方法、服务器及系统
CN107169468A (zh) * 2017-05-31 2017-09-15 北京京东尚科信息技术有限公司 用于控制车辆的方法和装置
CN108332716A (zh) * 2018-02-07 2018-07-27 徐州艾特卡电子科技有限公司 一种自动驾驶汽车环境感知系统
CN108519773A (zh) * 2018-03-07 2018-09-11 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN109785652A (zh) * 2019-01-29 2019-05-21 广州大学 一种自动停车控制方法、装置、系统、介质和设备
CN109900274A (zh) * 2019-03-25 2019-06-18 哈尔滨工业大学 一种图像匹配方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHIHUA SONG ET AL.: "Unmanned Aerial Vehicle Coverage Path Planning Algorithm Based on Cellular Automata", 《2018 INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS AND COMPUTER AIDED EDUCATION (ICISCAE)》 *
席阿行 等: "UAV/UGV协同环境下的目标识别与全局路径规划研究", 《电子技术应用》 *
李永丹 等: "无人驾驶车辆路径规划算法综述", 《国外电子测量技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367502A (zh) * 2020-10-19 2021-02-12 合肥晟泰克汽车电子股份有限公司 路况画面拼接方法
CN112367502B (zh) * 2020-10-19 2023-12-26 合肥晟泰克汽车电子股份有限公司 路况画面拼接方法
CN112351220A (zh) * 2020-10-30 2021-02-09 深圳大学 一种多镜头斜视等分辨率相机系统
CN112526391A (zh) * 2020-11-26 2021-03-19 湖南傲英创视信息科技有限公司 电解槽故障检测系统及方法
CN112634188A (zh) * 2021-02-02 2021-04-09 深圳市爱培科技术股份有限公司 一种车辆远近景组合成像方法及装置
CN114435404A (zh) * 2022-03-07 2022-05-06 河南职业技术学院 一种基于环境感知的智能行车控制方法
CN114889611A (zh) * 2022-05-25 2022-08-12 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法
CN114889611B (zh) * 2022-05-25 2024-05-14 重庆长安汽车股份有限公司 基于自学习的路口车道选择的控制系统及方法
CN114895688A (zh) * 2022-05-31 2022-08-12 合肥新思路智能科技有限公司 基于人工智能的移动机器人线路规划系统及方法

Also Published As

Publication number Publication date
JP6900081B2 (ja) 2021-07-07
CN110672111B (zh) 2021-06-25
JP2021051736A (ja) 2021-04-01

Similar Documents

Publication Publication Date Title
CN110672111B (zh) 车辆行车路径规划方法、装置、系统、介质和设备
CN110674746B (zh) 一种应用视频空间关系辅助实现高精度跨镜追踪的方法、装置、计算机设备以及存储介质
WO2021249071A1 (zh) 一种车道线的检测方法及相关设备
US8929604B2 (en) Vision system and method of analyzing an image
TW202001786A (zh) 用於更新高度自動化駕駛地圖的系統和方法
KR20180046798A (ko) 실시간 교통 정보 제공 방법 및 장치
CN106791710A (zh) 目标检测方法、装置和电子设备
CN109099929B (zh) 基于场景指纹的智能车定位装置及方法
Chang et al. Video analytics in smart transportation for the AIC'18 challenge
CN110033411A (zh) 基于无人机的公路施工现场全景图像高效拼接方法
Feng et al. Visual map construction using RGB-D sensors for image-based localization in indoor environments
WO2021017211A1 (zh) 一种基于视觉的车辆定位方法、装置及车载终端
CN109670003A (zh) 电子地图停车场更新方法、装置及设备
Gören et al. On-street parking spot detection for smart cities
Nambi et al. ALT: towards automating driver license testing using smartphones
CN113591722B (zh) 一种移动机器人的目标人员跟随控制方法及系统
WO2022155899A1 (zh) 目标检测方法、装置、可移动平台和存储介质
JP6943183B2 (ja) 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置
Fang et al. CFVL: A coarse-to-fine vehicle localizer with omnidirectional perception across severe appearance variations
WO2020211593A1 (zh) 交通道路的数字化重建方法、装置和系统
Wong et al. Vision-based vehicle localization using a visual street map with embedded SURF scale
CN116958935A (zh) 基于多视角的目标定位方法、装置、设备及介质
JP5435294B2 (ja) 画像処理装置及び画像処理プログラム
CN113673288A (zh) 空闲车位检测方法、装置、计算机设备及存储介质
CN113902047B (zh) 图像元素匹配方法、装置、设备以及存储介质

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