CN110704560A - 一种基于道路级拓扑的车道线组结构化的方法及装置 - Google Patents
一种基于道路级拓扑的车道线组结构化的方法及装置 Download PDFInfo
- Publication number
- CN110704560A CN110704560A CN201910877719.6A CN201910877719A CN110704560A CN 110704560 A CN110704560 A CN 110704560A CN 201910877719 A CN201910877719 A CN 201910877719A CN 110704560 A CN110704560 A CN 110704560A
- Authority
- CN
- China
- Prior art keywords
- lane
- road
- grouping
- level topology
- line
- 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
Images
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
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于道路级拓扑的车道线组结构化的方法,包括:对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;构建车道级拓扑。相较于现有技术该方法具有以下有益效果:(1)该方案以道路为单位进行处理,相比以前单纯地处理车道线而言,保留了道路的完整性;(2)该方案以整条道路为整体来处理,可以有效解决局部车道线缺失的问题;(3)该方案在划分车道的时候,首先通过计算交点和DBSCAN聚类的方式得到合理的车道分组数,再以KMeans将其划分为指定的车道会更加有效;(4)该方案兼顾了道路中经常存在的车道增减区域的处理。
Description
技术领域
本发明涉及网络拓扑探测与发现技术领域,更具体地,涉及一种基于道路级拓扑的车道线组结构化的方法及装置。
背景技术
在高精度地图的众包更新过程中,采集车的轨迹越来越丰富,根据轨迹可以直接提取出路口和道路级拓扑。在此情形下,基于道路级的拓扑,如何将提取的车道线进行结构化和拓扑构建使其满足自动驾驶导航、定位等是车道级众包更新的基础和核心。
因为采集车直接提取的车道标线是散乱的,参差不齐,部分区域由于车道标线磨损,甚至严重缺失。在这些情况下,自动驾驶车是无法根据这些不规律的车道线去做定位的,并且由于路面上都是一些零碎的车道标线,也无法构建导航和路径规划所需要的车道级拓扑关系。因此,亟需提供一种基于道路级拓扑的车道线组结构化的方法。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于道路级拓扑的车道线组结构化的方法及装置。
第一方面,本发明实施例提供一种基于道路级拓扑的车道线组结构化的方法,包括:
对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;
对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;
构建车道级拓扑。
可选地,所述对原始数据进行预处理,具体包括:
对原始数据进行均匀化处理。
可选地,,所述对经预处理后的原始数据进行车道线横向分组和车道线纵向分组,具体包括:
以道路级要素道路向量构建缓冲区,收集缓冲区内的车道线;
计算道路内的车道线形点距离道路参考线的距离,以此构建相似矩阵,来进行聚类分组,得到所述车道线横向分组和车道线纵向分组。
可选地,所述对经预处理后的原始数据进行车道增减区域划分,具体包括:
计算纵向分组拟合得到的车道线,与道路参考线的垂线段的交点;
分析交点个数发生变化的位置,该位置即为车道数发生变化的增减区域,以该位置上的垂线段将车道线划分为不同的车道增减区域。
第二方面,本发明实施例提供一种基于道路级拓扑的车道线组结构化的装置,其特征在于,包括:
预处理模块,用于对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;
分组模块,用于对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;
构建模块,用于构建车道级拓扑。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的基于道路级拓扑的车道线组结构化的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的基于道路级拓扑的车道线组结构化的方法的步骤。
本发明实施例提供的一种基于道路级拓扑的车道线组结构化的方法及装置,相较于现有技术该方法具有以下有益效果:
(1)该方案以道路为单位进行处理,相比以前单纯地处理车道线而言,保留了道路的完整性;
(2)该方案以整条道路为整体来处理,可以有效解决局部车道线缺失的问题;
(3)该方案在划分车道的时候,首先通过计算交点和DBSCAN聚类的方式得到合理的车道分组数,再以KMeans将其划分为指定的车道会更加有效;
(4)该方案兼顾了道路中经常存在的车道增减区域的处理。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于道路级拓扑的车道线组结构化的方法的流程示意图;
图2为本发明实施例的具体实现方式的流程示意图;
图3为本发明实施例提供的一种基于道路级拓扑的车道线组结构化的装置的结构框图;
图4为本发明实施例提供的电子设备的实体结构示意图。
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作出创造性劳动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。
图1为本发明实施例提供的一种基于道路级拓扑的车道线组结构化的方法的流程示意图,如图1所示,该方法包括:
S101,对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;
S102,对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;
S103,构建车道级拓扑。
具体地,为了现有技术中存在的问题,本发明实施例基于DBSCAN聚类、KMeans聚类以及几何交点计算,通过对车道线的均匀化预处理,约束数据量。再根据车道线形点到道路参考线的横向距离进行DBSCAN聚类分析,同时通过道路参考线的垂线段与车道线的几何交点,分析道路的最大车道数,通过KMeans聚类,将车道线指定分组。在分组的基础上,对形点进行拟合,得到平滑完整的车道线。再结合轨迹聚合的车道中心线构建车道级拓扑,结合高精度地图数据内容,完成车道级要素及拓扑构建。
本发明实施例提供的一种基于道路级拓扑的车道线组结构化的方法,相较于现有技术该方法具有以下有益效果:
(1)该方案以道路为单位进行处理,相比以前单纯地处理车道线而言,保留了道路的完整性;
(2)该方案以整条道路为整体来处理,可以有效解决局部车道线缺失的问题;
(3)该方案在划分车道的时候,首先通过计算交点和DBSCAN聚类的方式得到合理的车道分组数,再以KMeans将其划分为指定的车道会更加有效;
(4)该方案兼顾了道路中经常存在的车道增减区域的处理。
如图2所示,为本发明实施例的具体实现方式的流程示意图。
在本发明的一种可选实施例中,所述对原始数据进行预处理,具体包括:
对原始数据进行均匀化处理。
具体地,原始的轨迹数据和提取的车道线数据的稀疏稠密程度是不固定的,首先需要将其进行均匀化处理,本方案是以固定距离约束,通过线性插值,保证数据在区域内的均匀化。通过对原始数据进行均匀化处理。避免数据过于稠密,冗余数据过多,计算量巨大;避免数据过于稀疏,车道线变形严重。
进一步地,本发明实施例是以道路为单位进行处理(两个路口之间的区域即为道路)。首先需要收集道路内的车道线,即车道线的横向分组;接着对道路内的车道线进行车道划分,即车道线的纵向分组;然后对道路中的车道增减区域进行判断与划分;最后就是根据结构化后的车道线和轨迹数据构建车道级拓扑。
在本发明的一种可选实施例中,所述对经预处理后的原始数据进行车道线横向分组和车道线纵向分组,具体包括:
以道路级要素道路向量构建缓冲区,收集缓冲区内的车道线;
计算道路内的车道线形点距离道路参考线的距离,以此构建相似矩阵,来进行聚类分组,得到所述车道线横向分组和车道线纵向分组。
具体地,以道路级要素道路向量(即路口间的同向轨迹聚合而来)构建缓冲区,收集缓冲区内的车道线。计算道路内的车道线形点距离道路参考线的距离,以此构建相似矩阵,来进行聚类分组。首先计算道路参考线的垂线段与道路内车道线的节点,根据各垂线段的交点个数,统计最大的交点数所占的比例,该交点数代表道路内可能存在的最大车道数;再以相似矩阵,通过DBSCAN聚类,得到一个分组数,与最大车道数权衡,得到当前道路最合理的车道数。再以该车道数为参数输入,通过KMeans聚类分组,将车道线的形点划分为指定的多组车道线。通过拟合等手段,再将分组的形点拟合为线。
在本发明的一种可选实施例中,所述对经预处理后的原始数据进行车道增减区域划分,具体包括:
计算纵向分组拟合得到的车道线,与道路参考线的垂线段的交点;
分析交点个数发生变化的位置,该位置即为车道数发生变化的增减区域,以该位置上的垂线段将车道线划分为不同的车道增减区域。
具体地,计算纵向分组拟合得到的车道线,与道路参考线的垂线段的交点。分析交点个数发生变化的位置,该位置即为车道数发生变化的增减区域,以该位置上的垂线段将车道线划分为不同的车道增减区域,即道路区间。
进一步地,在车道线结构化的基础上,以道路区间为单位,结合道路级拓扑中前后继关系,构建不同道路间的车道级拓扑关系和道路内车道增减区域的车道级拓扑关系。最后根据高地图地图数据式样需求,通过车道线和拓扑关系,编译构建其他所需要的道路要素,比如车道中心线,道路中心线,车道节点等。
图3为本发明实施例提供的一种基于道路级拓扑的车道线组结构化的装置的结构框图,如图3所示,包括:预处理模块301、分组模块302以及构建模块303。其中:
预处理模块301用于对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种。分组模块302用于对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分。构建模块303用于构建车道级拓扑。
本发明实施例提供的一种基于道路级拓扑的车道线组结构化的装置,相较于现有技术该方法具有以下有益效果:
(1)该方案以道路为单位进行处理,相比以前单纯地处理车道线而言,保留了道路的完整性;
(2)该方案以整条道路为整体来处理,可以有效解决局部车道线缺失的问题;
(3)该方案在划分车道的时候,首先通过计算交点和DBSCAN聚类的方式得到合理的车道分组数,再以KMeans将其划分为指定的车道会更加有效;
(4)该方案兼顾了道路中经常存在的车道增减区域的处理。
图4为本发明实施例提供的电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序,以执行上述各方法实施例所提供的网络拓扑探测方法,例如包括:对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;构建车道级拓扑。
此外,上述的存储器430中的逻辑指令可以通过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机可读取存储介质中。基于这样的理解,本发明实施例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部分可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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,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。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。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例提供的网络拓扑探测方法,例如包括:对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;构建车道级拓扑。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于道路级拓扑的车道线组结构化的方法,其特征在于,包括:
对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;
对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;
构建车道级拓扑。
2.根据权利要求1所述的方法,其特征在于,所述对原始数据进行预处理,具体包括:
对原始数据进行均匀化处理。
3.根据权利要求1所述的方法,其特征在于,所述对经预处理后的原始数据进行车道线横向分组和车道线纵向分组,具体包括:
以道路级要素道路向量构建缓冲区,收集缓冲区内的车道线;
计算道路内的车道线形点距离道路参考线的距离,以此构建相似矩阵,来进行聚类分组,得到所述车道线横向分组和车道线纵向分组。
4.根据权利要求1所述的方法,其特征在于,所述对经预处理后的原始数据进行车道增减区域划分,具体包括:
计算纵向分组拟合得到的车道线,与道路参考线的垂线段的交点;
分析交点个数发生变化的位置,该位置即为车道数发生变化的增减区域,以该位置上的垂线段将车道线划分为不同的车道增减区域。
5.一种基于道路级拓扑的车道线组结构化的装置,其特征在于,包括:
预处理模块,用于对原始数据进行预处理,所述原始数据包括道路级拓扑、车道线以及轨迹中的至少一种;
分组模块,用于对经预处理后的原始数据进行车道线横向分组、车道线纵向分组以及车道增减区域划分;
构建模块,用于构建车道级拓扑。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述道路级拓扑的车道线组结构化的方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述道路级拓扑的车道线组结构化的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877719.6A CN110704560B (zh) | 2019-09-17 | 2019-09-17 | 一种基于道路级拓扑的车道线组结构化的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877719.6A CN110704560B (zh) | 2019-09-17 | 2019-09-17 | 一种基于道路级拓扑的车道线组结构化的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110704560A true CN110704560A (zh) | 2020-01-17 |
CN110704560B CN110704560B (zh) | 2021-12-24 |
Family
ID=69194685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910877719.6A Active CN110704560B (zh) | 2019-09-17 | 2019-09-17 | 一种基于道路级拓扑的车道线组结构化的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110704560B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460986A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市凯立德科技股份有限公司 | 一种车道线处理方法和装置 |
CN111814724A (zh) * | 2020-07-20 | 2020-10-23 | 北京百度网讯科技有限公司 | 车道数的识别方法、装置、设备及存储介质 |
CN112433203A (zh) * | 2020-10-29 | 2021-03-02 | 同济大学 | 一种基于毫米波雷达数据的车道线形检测方法 |
CN113591730A (zh) * | 2021-08-03 | 2021-11-02 | 湖北亿咖通科技有限公司 | 一种识别车道分组线的方法、装置和设备 |
CN114396933A (zh) * | 2021-12-31 | 2022-04-26 | 广州小鹏自动驾驶科技有限公司 | 一种车道拓扑构建方法、装置、车辆和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及系统 |
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 |
JP2017223511A (ja) * | 2016-06-14 | 2017-12-21 | 日本電信電話株式会社 | 道路構造化装置、道路構造化方法、及び道路構造化プログラム |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
CN108805074A (zh) * | 2018-06-06 | 2018-11-13 | 安徽江淮汽车集团股份有限公司 | 一种车道线检测方法及装置 |
CN108871368A (zh) * | 2018-08-06 | 2018-11-23 | 武汉中海庭数据技术有限公司 | 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器 |
CN109886081A (zh) * | 2018-12-31 | 2019-06-14 | 武汉中海庭数据技术有限公司 | 一种车道线形点串提取方法和装置 |
-
2019
- 2019-09-17 CN CN201910877719.6A patent/CN110704560B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及系统 |
JP2017223511A (ja) * | 2016-06-14 | 2017-12-21 | 日本電信電話株式会社 | 道路構造化装置、道路構造化方法、及び道路構造化プログラム |
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 |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
CN108805074A (zh) * | 2018-06-06 | 2018-11-13 | 安徽江淮汽车集团股份有限公司 | 一种车道线检测方法及装置 |
CN108871368A (zh) * | 2018-08-06 | 2018-11-23 | 武汉中海庭数据技术有限公司 | 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器 |
CN109886081A (zh) * | 2018-12-31 | 2019-06-14 | 武汉中海庭数据技术有限公司 | 一种车道线形点串提取方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460986A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市凯立德科技股份有限公司 | 一种车道线处理方法和装置 |
CN111814724A (zh) * | 2020-07-20 | 2020-10-23 | 北京百度网讯科技有限公司 | 车道数的识别方法、装置、设备及存储介质 |
CN111814724B (zh) * | 2020-07-20 | 2023-07-04 | 北京百度网讯科技有限公司 | 车道数的识别方法、装置、设备及存储介质 |
CN112433203A (zh) * | 2020-10-29 | 2021-03-02 | 同济大学 | 一种基于毫米波雷达数据的车道线形检测方法 |
CN112433203B (zh) * | 2020-10-29 | 2023-06-20 | 同济大学 | 一种基于毫米波雷达数据的车道线形检测方法 |
CN113591730A (zh) * | 2021-08-03 | 2021-11-02 | 湖北亿咖通科技有限公司 | 一种识别车道分组线的方法、装置和设备 |
CN113591730B (zh) * | 2021-08-03 | 2023-11-10 | 湖北亿咖通科技有限公司 | 一种识别车道分组线的方法、装置和设备 |
CN114396933A (zh) * | 2021-12-31 | 2022-04-26 | 广州小鹏自动驾驶科技有限公司 | 一种车道拓扑构建方法、装置、车辆和存储介质 |
CN114396933B (zh) * | 2021-12-31 | 2024-03-08 | 广州小鹏自动驾驶科技有限公司 | 一种车道拓扑构建方法、装置、车辆和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110704560B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704560B (zh) | 一种基于道路级拓扑的车道线组结构化的方法及装置 | |
CN110634291B (zh) | 基于众包大数据的高精度地图拓扑自动构建方法及系统 | |
CN107657637B (zh) | 一种农机作业面积获取方法 | |
CN110749329B (zh) | 一种基于结构化道路的车道级拓扑构建方法及装置 | |
CN109270927B (zh) | 道路数据的生成方法及装置 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
CN109360421B (zh) | 一种基于机器学习的交通信息预测方法及装置、电子终端 | |
CN110363771B (zh) | 一种基于三维点云数据的隔离护栏形点提取方法及装置 | |
CN114162140B (zh) | 一种最优车道匹配方法及系统 | |
CN110796066B (zh) | 一种车道线组构建方法及装置 | |
CN110555266B (zh) | 用于仿真测试的模拟道路网数据随机生成方法及系统 | |
CN110782774A (zh) | 一种众包道路数据的分布式处理方法及装置 | |
CN110728735A (zh) | 道路级拓扑图层构建方法及系统 | |
CN106949897B (zh) | 一种在地图中生成道路的方法及装置 | |
CN114253975A (zh) | 一种负载感知的路网最短路径距离计算方法及装置 | |
CN108243426B (zh) | 一种确定无线基站需求点的方法及服务器 | |
CN112541464A (zh) | 关联道路对象的确定方法、装置、路侧设备和云控平台 | |
CN115631476A (zh) | 一种车道数据处理方法、系统、电子设备及存储介质 | |
CN114407919A (zh) | 一种基于自动驾驶的碰撞检测方法及系统 | |
CN113886413A (zh) | 地图更新方法及装置 | |
CN115096313B (zh) | 一种用于区域避障的数据处理方法及装置 | |
CN113656425B (zh) | 电子地图的更新方法、装置、电子设备、存储介质及产品 | |
CN118279843A (zh) | 用于确定车道信息的方法和装置 | |
CN115249351A (zh) | 一种道路结构识别方法、装置、设备及可读存储介质 |
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 |