CN110796852A - 一种车辆队列建图及其自适应跟车间距计算方法 - Google Patents
一种车辆队列建图及其自适应跟车间距计算方法 Download PDFInfo
- Publication number
- CN110796852A CN110796852A CN201911080628.6A CN201911080628A CN110796852A CN 110796852 A CN110796852 A CN 110796852A CN 201911080628 A CN201911080628 A CN 201911080628A CN 110796852 A CN110796852 A CN 110796852A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- line segment
- displacement
- grid
- point
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆队列建图及其自适应跟车间距计算方法,包括:地图采集车采集车辆队列行驶路径上的GPS点,构建特征地图;对车辆队列中每辆车从1~n编号;车辆队列中每辆车均执行以下操作:获取本车的位置和速度信息;根据本车的位置信息,在特征地图上找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移;将本车的车辆编号、位移、速度信息无线发送给其他车辆;根据本车车辆编号、速度以及接收的其他车辆的车辆编号、速度,定义期望自适应跟车间距,进而结合本车位移以及接收的其他车辆的位移计算跟车间距误差。本发明可提高协同跟车间距的计算精度、车辆队列的灵活性,兼顾交通流密度与跟车安全性。
Description
技术领域
本发明涉及车辆队列协同控制领域,特别是一种车辆队列建图及其自适应跟车间距计算方法。
背景技术
车辆队列协同控制是未来无人系统研究的重要内容之一,实现车辆队列行驶可以提高道路潜在容量、减小空气阻力,对于缓解交通压力、降低能耗具有重要应用价值。实现车辆队列协同控制首先需要对行驶路径进行建图,并获取车辆间准确的间距信息。然而,在实际场景中,仍有以下问题制约车辆队列协同控制的应用。
(1)向工程应用的车辆队列特征地图创建方法是实现车辆队列协同控制的前提条件,然而,还未有公开的车辆队列建图方法;
(2)传统的实际跟车间距计算方法在弯道行驶场景下存在较大的误差。如采用毫米波雷达等车载感知传感器感知前车的相对距离以及通过里程计记录本车的位移等均存在一定的问题。车载感知传感器会存在感知盲区,并且传感器获取的是两车之间的直线距离,在弯道场景下与实际的跟车间距存在偏差;里程计会存在累积误差,并且当车辆离开队列后,由于累计的车辆位移不在期望路径上,车辆无法再回到队列中,限制了队列的灵活性;
(3)传统的期望跟车间距策略无法兼顾车辆队列的安全性与交通流密度。目前,最常用的跟车间距策略是恒时距策略di(t)=l+h*vi与恒距离策略di(t)=l,然而这两种策略在实际应用中都存在一定的缺陷。恒时距策略与本车车速vi成正比,当车速较高时,跟车间距di(t)会过大,限制了交通流密度。恒距离策略将跟车间距固定为定值,在高速跟车状态下,如果前车制动,后车可能来不及响应,有可能发生碰撞危险。
发明内容
本发明所要解决的技术问题在于,提供一种车辆队列建图及其自适应跟车间距计算方法,提高跟车间距的计算精度,提高车辆队列的灵活性与安全性。
为实现上述技术目的,本发明采用如下技术方案:
一种车辆队列建图及其自适应跟车间距计算方法,包括以下步骤:
步骤一:装配有组合惯导的地图采集车采集车辆队列行驶路径上的GPS点,构建特征地图;
步骤二:按照车辆队列行驶方向,从前到后依次对车辆队列中每辆车从1~n编号,n为车辆队列中车辆总数,所述编号记作车辆编号;
步骤三:车辆队列中每辆车上的V2X车载终端,均通过本车上的车载组合惯导获取本车的位置和速度信息;根据本车的位置信息,在特征地图上找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移;通过V2X车载终端将本车的车辆编号、位移、速度信息无线发送给其他车辆,同时接收其他车辆的车辆编号、位移、速度信息;
步骤四:车辆队列中的每辆车根据本车车辆编号、速度以及接收的其他车辆的车辆编号、速度,计算期望自适应跟车间距dij(t),进而结合本车位移以及接收的其他车辆的位移计算跟车间距误差。
进一步地,期望自适应跟车间距dij(t)的计算方法为:
dij(t)=((i-j)l+h*F(vi-vj))*sign(i-j);
其中,dij(t)表示车辆i与车辆j之间的期望自适应跟车间距,l表示最小安全距离,h为常数,表示自适应增益;
车辆i与车辆j的跟车间距误差计算方法为:
所述i为本车的车辆编号,j为车辆队列中可与本车通讯的其他车辆的车辆编号。
进一步地,所述特征地图包括路径、网格、路段、线段的四层结构;
所述线段是指地图采集车记录的车辆队列行驶路径上两个相邻GPS点的连线,采用相邻GPS点的位置与插值多项式系数描述,线段属性记为:
LineSeck=[LineIDk,(xk,yk,Sk),(xk+1,yk+1,Sk+1),Δyawk,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1)),InOutCurvek];
其中,LineIDk表示线段编号,(xk,yk)、(xk+1,yk+1)表示GPS点在东北天坐标系下的位置,Sk、Sk+1表示地图采集车到达该GPS点走过的位移,Δyawk表示相邻两个GPS点的航向角偏差,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1))表示相邻两个GPS点连线的三次方系数,InOutCurvek表示出入弯属性,下标k表示记录的第k个GPS点;
所述路段是指由相邻线段组成的集合,路段属性记为:
RoadSecp=[RoadIDp,RoadTypep,LineNump,LineSecIfp];
其中,RoadIDp表示路段编号;RoadTypep表示路段类型,分为直线路段与弯道路段;LineNump表示路段中所包含线段的数量,LineSecInfp表示线段信息,是指路段中所有包含的线段的属性,记为LineSecInfp={LineSecr|r=1~LineNump},下标p表示第p个路段;
所述路径是指地图采集车采集车辆队列的行驶路径,表示为:
Road={RoadSecp|p=1~RoadSecNum};
其中,RoadSecNum表示路径中包含路段的数量;
所述网格是指将路径划分为面积相等的网格,网格属性包括网格编号GridIDq、网格列数GridCol、网格行数GridRow、最小经度GridLonMin、最小纬度GridLatMin,网格间距GridSpacing,网格中包含的路段数CountOfRoadSecq、网格中包含路段的路段编号RoadIdInGridp,下标q表示第q个网格。
进一步地,制作特征地图的具体流程如下:
步骤1,装配有组合惯导的地图采集车按照固定间距Spacing采集车辆队列行驶路径上GPS点的经纬度(latk,lonk)、海拔heik、航向角yawk,下标k表示记录的第k个GPS点;
步骤2,对特征地图的线段属性进行标记,具体过程如下:
步骤2.1,标记GPS点在东北天坐标系下的位置;
将GPS点的经纬度(latk,lonk)转换到东北天坐标系下,得到GPS点在东北天坐标系下的位置(xk,yk),所有GPS点在东北天坐标系下的位置构成GPS点集Ωpoint,表示为:Ωpoint={Pointk|i=1、2、…、N-1、N},其中Pointk=(xk,yk),N表示采集的GPS点数目;将GPS点的经纬度(latk,lonk)转换到东北天坐标系下的具体过程如下:
首先,将位于WGS84坐标系的GPS点经纬度(latk,lonk)转换到地心空间直角坐标系;
而后,将位于地心空间直角坐标系下的点(Xk,Yk)转换到东北天坐标系,得到GPS点在东北天坐标系下的位置(xk,yk);
其中,(xk,yk)是第k个GPS点在东北天坐标系下的位置,(X1,Y1)表示记录的第一个GPS点在地心空间直角坐标系下的位置,以记录的第一个GPS点作为东北天坐标系的原点;
步骤2.2,计算相邻两个GPS点连线的三次方系数;
采用三次样条插值对GPS点集Ωpoint进行分段函数逼近,得到三次样条插值多项式,相邻两个GPS点之间的插值多项式表达式如下:
y=A3,(k,k+1)x3+A2,(k,k+1)x2+A1,(k,k+1)x+A0,(k,k+1),x∈[xk,xk+1];
其中,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1))表示相邻两个GPS点连线的三次方系数,xk、xk+1表示相邻两个GPS点在东北天坐标系下的横坐标,x、y分别表示插值多项式的横纵坐标;
所述三次样条插值属于公开的技术手段,不属于本专利的保护范围,在此不赘述;
步骤2.3,计算地图采集车到达GPS点走过的位移;
首先,根据三次样条插值多项式,估算地图采集车经过相邻两个GPS点之间的位移,即相邻GPS点连线的曲线长度,计算公式如下:
而后,根据相邻GPS点之间的位移,累加得到地图采集车到达第k个GPS点走过的位移Sk,表示式如下:
步骤2.4,计算航向角偏差,并根据航向角偏差,确定线段的出入弯属性;
首先,相邻两个GPS点的航向角偏差Δyawk=yawk+1-yawk;
最后,根据YawerrorSum判断当前线段是否为出/入弯线段InOutCurvek,其中InOutCurvek=0表示非出入弯线段、InOutCurvek=1表示入弯线段、InOutCurvek=2表示出弯线段;
步骤2.5,对所有的GPS点完成线段属性标记之后,得到所有线段组成的GPS线集ΘLineSec={LineSeck|k=1、2、…、N-1},N-1为线段总数。
步骤3,对特征地图的路段属性进行标记,具体过程如下:
步骤3.1,根据出/入弯线段对GPS线集ΘLineSec进行预分段,记录路段类型、路段中包含的线段数量以及各线段的属性;
步骤3.2,对直线路段进一步进行分段,使得到的每个直线路段中的线路数位于预设范围内,即LineInRoad_UpperBound≤LineNump≤LineInRoad_UpperBound;并进一步记录各细分直线路段所包含的线段数量以及各线段的属性;
步骤3.3,对各路段的路段编号RoadIDp进行标记;
路段编号RoadIDp按照地图采集车行进方向从1~RoadNum依次排序,RoadNum表示路径上包括的路段总数;
步骤4,对地图的网格属性进行标记,具体过程如下:
首先,设置网格间距GridSpacing;
而后,采用遍历的方法比较GPS点集Ωpoint中所有坐标的大小,确定最大的横纵坐标值(xmax,ymax),最小的横纵坐标值(xmin,ymin),网格列数GridCol=ceil((xmax-xmin)/GridSpacing)、网格行数GridRow=ceil((ymax-ymin)/GridSpacing);其中,ceil表示向上取整;
最后,确定网格中包含的路段数CountOfRoadSecq、网格中包含路段的路段编号RoadIdInGridp,对GPS点集Ωpoint所有GPS点进行遍历,计算GPS点所在的网格编号GridIDq,并将GPS点所在的路段也确定为属于该网格,即可以得到该网格中包含路段的路段编号RoadIdInGridp以及网格中包含的路段数CountOfRoadSecq,其中网格编号计算公式为:
GridIDq=floor((xk-xmin)/GridSpacing)*GridCol+(1+floor((yk-ymin)/GridSpacing));
步骤5,将网格属性、路段属性、线段属性保存为二进制文件,即为特征地图。
进一步地,步骤2.4中,对线段的出入弯属性进行判断的具体方法如下:
①初始化出/入弯标志位IntOutFlag=false;
②判断当前线段所在距离窗的航向角偏差之和YawerrorSum是否满足以下条件:YawerrorSum>ThresholdInCur&&IntOutFlag==false;若满足,则表示当前线段为入弯线段InOutCurvek=1,将出/入弯标志位置为true,即IntOutFlag=true;若不满足,则转到步骤③;
③判断当前线段所在距离窗的航向角偏差之和YawerrorSum是否满足以下条件:YawerrorSum<ThresholdOutCur&&IntOutFlag==true;若满足,则表示当前线段为出弯线段InOutCurvek=2,并将出/入弯标志位置为false,即IntOutFlag=false,否则转到步骤④;
④表示当前线段为非出/入弯线段InOutCurvek=0,出/入弯标志位IntOutFlag保持不变。
进一步地,步骤3.1对GPS线集ΘLineSec进行预分段,具体是从第一条线段开始按以下过程进行遍历预分段:
①判断当前线段是否为入弯线段:若当前线段是入弯线段,则将当前线段加入当前路段,将当前路段道路类型RoadTypep置为1,记录当前路段中的线段数目LineNump与线段信息LineSecInfp,保存当前路段,而后新建路段作为当前路段继续开始遍历;若当前线段不是入弯线段,则转到步骤②;
②判断当前线段是否为出弯线段:若当前线段是出弯线段,则将当前线段加入当前路段,将当前路段道路类型RoadTypep置为2,记录当前路段中的线段数目LineNump与线段信息LineSecInfp,保存当前路段,而后新建路段作为当前路段继续开始遍历;若当前线段不是出弯线段,则转到步骤③;
③将当前线段加入当前路段。
进一步地,步骤3.2对直线路段进行进一步细分的具体过程为:
①判断直线路段中的线段数目LineNump是否小于路段中线段数的上限LineInRoad_UpperBound,若是则不对该路段继续分段,否则转到步骤②;
②判断直线路段中的线段数目LineNump是否大于路段中线段数的上限LineInRoad_UpperBound,若是则对该路段继续分段,分段规则如下:
a)对线段数目LineNump进行取余,LineRemainder=LineNump%LineInRoad_UpperBound;
b)判断余数LineRemainder是否大于等于下限LineInRoad_LowerBound,若是则继续对线段数目LineNump进行取整LineInteger=LineNum/LineInRoad_UpperBound,将路段分为LineInteger个线段数目为LineInRoad_UpperBound的路段和一个线段数目为LineRemainder的路段,更新路段编号RoadIDp、线段数目LineNump、线段信息LineSecInfp,否则令LineInRoad_UpperBound=LineInRoad_UpperBound-1,返回步骤a);
其中LineInRoad_LowerBound≤LineInRoad_UpperBound/2。
进一步地,步骤三中所述的根据本车的位置信息,在特征地图上找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移,具体过程为:
步骤A1,按以下公式根据本车i的位置(CLati,CLoni)确定本车当前所在的网格编号GridIDi:
GridIDi=(CLati-GridLatMin)/GridSpacing*GridCol+(1+(CLoni-GridLonMin)/GridSpacing);
步骤A2,根据当前所在网格中包含路段的路段编号RoadIdInGridi,找到对应的路段,遍历网格中所有路段中所有线段,将本车i的位置(CLati,CLoni)转换到东北天坐标系下得到(xi,yi),计算本车当前位置与线段的距离,找到距离本车当前位置的最近线段MinDisLineID与最近点(xminDis,yminDis),MinDisLineID表示最近线段的线段ID;
所述计算本车当前位置与线段的距离,找到距离本车当前位置的最近线段MinDisLineID与最近点(xminDis,yminDis)的具体做法如下:
首先,本车当前位置(xi,yi)与网格中第c条线段的距离计算公式:
其中,(A3,(c,c+1),A2,(c,c+1),A1,(c,c+1),A0,(c,c+1))为第c条线段的三次方系数,xci∈[xc,xc+1],xc、xc+1表示第c条线段的端点(xc,yc)、(xc+1,yc+1)的横坐标。
接下来,根据两点间的距离公式分别计算极值点(xc0,yc0)、端点(xc,yc)、端点(xc+1,yc+1)与本车当前位置(xi,yi)的距离,计算得到的最短距离即为本车到第c条线段的最短距离;
最后,遍历网格中所有路段中所有线段,比较本车到网格中每条线段的最短距离,其中最短的即为期望路径距离本车当前位置的最短距离,对应的线段即为距离本车当前位置的最近线段MinDisLineID,对应的点即为最近点(xminDis,yminDis)。
有益效果
本发明通过地图采集车采集道路信息制作与车辆队列行驶路径相吻合的特征地图,从而车辆队列中的每个车辆均能根据自身的位置信息,在特征地图中找到与实际位移相匹配的位移,可以消除弯道场景下传感器的测量误差以及感知盲区的影响;由于车辆的位移是根据地图上的位移得到,不存在感知盲区的影响,尤其弯道行驶时,本发明得到的是曲线距离,更接近于车辆的实际位置,可以提高实际跟车间距的计算精度;由于车辆位移的计算不依赖于其他车辆,相当于车辆队列中的所有车辆的位移计算都是相互独立的,可以为车辆队列提供更大的灵活性,队列中车辆的离开和加入都不会影响跟车间距的计算。
本发明基于车辆间相对速度设计自适应跟车间距,可以兼顾交通流密度与车辆队列安全性的需求。当车辆队列处于稳定状态即车辆间的相对速度较小时,期望跟车间距较小,交通流密度较大,可以提高道路容量。当前车制动减速时,为避免前后车碰撞,车辆间的期望跟车间距增大,车辆队列有较高的安全性。
附图说明
图1为本发明实施例所述方法的示意图;
图2为本发明实施例所述特征地图的数据结构示意图;
图3为本发明实施例所创建的特征地图;
图4为本发明实施例的V2X车载终端示意图。
图5为本发明实施例的地图匹配的流程图;
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
本发明实施例提供的一种车辆队列建图及其自适应跟车间距计算方法,如图1所示。包括以下步骤:
步骤一:装配有组合惯导的地图采集车采集车辆队列行驶路径上的GPS点,按以下流程制作特征地图:
步骤1,装配有组合惯导的地图采集车按照固定间距Spacing采集车辆队列行驶路径上GPS点的经纬度(latk,lonk)、海拔heik、航向角yawk,下标k表示记录的第k个GPS点,一般取固定间距Spacing=1m;
在本实施例中,地图采集车可以是车辆队列中任一装配有组合惯导的车辆。
步骤2,对特征地图的线段属性进行标记,具体过程如下:
步骤2.1,标记GPS点在东北天坐标系下的位置;
将GPS点的经纬度(latk,lonk)转换到东北天坐标系下,得到GPS点在东北天坐标系下的位置(xk,yk),所有GPS点在东北天坐标系下的位置构成GPS点集Ωpoint,表示为:Ωpoint={Pointk|i=1、2、…、N-1、N},其中Pointk=(xk,yk),N表示采集的GPS点数目;
步骤2.2,计算相邻两个GPS点连线的三次方系数;
采用三次样条插值对GPS点集Ωpoint进行分段函数逼近,得到三次样条插值多项式,相邻两个GPS点之间的插值多项式表达式如下:
y=A3,(k,k+1)x3+A2,(k,k+1)x2+A1,(k,k+1)x+A0,(k,k+1),x∈[xk,xk+1];
其中,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1))表示相邻两个GPS点连线的三次方系数,xk、xk+1表示相邻两个GPS点在东北天坐标系下的横坐标,x、y分别表示插值多项式的横纵坐标;
步骤2.3,计算地图采集车到达GPS点走过的位移;
首先,根据三次样条插值多项式,估算地图采集车经过相邻两个GPS点之间的位移,即相邻GPS点连线的曲线长度,计算公式如下:
而后,根据相邻GPS点之间的位移,累加得到地图采集车到达第k个GPS点走过的位移Sk,表示式如下:
步骤2.4,计算航向角偏差,并根据航向角偏差,确定线段的出入弯属性;
首先,相邻两个GPS点的航向角偏差Δyawk=yawk+1-yawk;
最后,根据YawerrorSum判断当前线段是否为出/入弯线段InOutCurvek,其中InOutCurvek=0表示非出入弯线段、InOutCurvek=1表示入弯线段、InOutCurvek=2表示出弯线段;确定线段的出入弯属性的具体方法为:
①初始化出/入弯标志位IntOutFlag=false;
②判断当前线段所在距离窗的航向角偏差之和YawerrorSum是否满足以下条件:YawerrorSum>ThresholdInCur&&IntOutFlag==false;若满足,则表示当前线段为入弯线段InOutCurvek=1,将出/入弯标志位置为true,即IntOutFlag=true;若不满足,则转到步骤③;
③判断当前线段所在距离窗的航向角偏差之和YawerrorSum是否满足以下条件:YawerrorSum<ThresholdOutCur&&IntOutFlag==true;若满足,则表示当前线段为出弯线段InOutCurvek=2,并将出/入弯标志位置为false,即IntOutFlag=false,否则转到步骤④;
④表示当前线段为非出/入弯线段InOutCurvek=0,出/入弯标志位IntOutFlag保持不变。
步骤2.5,对所有的GPS点完成线段属性标记之后,得到所有线段组成的GPS线集ΘLineSec={LineSeck|k=1、2、…、N-1},N-1为线段总数。
步骤3,对特征地图的路段属性进行标记,具体过程如下:
步骤3.1,根据出/入弯线段对GPS线集ΘLineSec进行预分段,记录路段类型、路段中包含的线段数量以及各线段的属性;具体是从第一条线段开始按以下过程进行遍历预分段:
①判断当前线段是否为入弯线段:若当前线段是入弯线段,则将当前线段加入当前路段,将当前路段道路类型RoadTypep置为1,记录当前路段中的线段数目LineNump与线段信息LineSecInfp,保存当前路段,而后新建路段作为当前路段继续开始遍历;若当前线段不是入弯线段,则转到步骤②;
②判断当前线段是否为出弯线段:若当前线段是出弯线段,则将当前线段加入当前路段,将当前路段道路类型RoadTypep置为2,记录当前路段中的线段数目LineNump与线段信息LineSecInfp,保存当前路段,而后新建路段作为当前路段继续开始遍历;若当前线段不是出弯线段,则转到步骤③;
③将当前线段加入当前路段。
步骤3.2,对直线路段进一步进行分段,使得到的每个直线路段中的线路数位于预设范围内,即LineInRoad_UpperBound≤LineNump≤LineInRoad_UpperBound;并进一步记录各细分直线路段所包含的线段数量以及各线段的属性;
其中,对直线路段进行进一步细分的具体过程为:
①判断直线路段中的线段数目LineNump是否小于路段中线段数的上限LineInRoad_UpperBound,若是则不对该路段继续分段,否则转到步骤②;
②判断直线路段中的线段数目LineNump是否大于路段中线段数的上限LineInRoad_UpperBound,若是则对该路段继续分段,分段规则如下:
a)对线段数目LineNump进行取余,LineRemainder=LineNump%LineInRoad_UpperBound;
b)判断余数LineRemainder是否大于等于下限LineInRoad_LowerBound,若是则继续对线段数目LineNump进行取整LineInteger=LineNum/LineInRoad_UpperBound,将路段分为LineInteger个线段数目为LineInRoad_UpperBound的路段和一个线段数目为LineRemainder的路段,更新路段编号RoadIDp、线段数目LineNump、线段信息LineSecInfp,否则令LineInRoad_UpperBound=LineInRoad_UpperBound-1,返回步骤a);
其中LineInRoad_LowerBound≤LineInRoad_UpperBound/2。
步骤3.3,对各路段的路段编号RoadIDp进行标记;
路段编号RoadIDp按照地图采集车行进方向从1~RoadNum依次排序,RoadNum表示路径上包括的路段总数;
步骤4,对地图的网格属性进行标记,具体过程如下:
首先,设置网格间距GridSpacing;
而后,采用遍历的方法比较GPS点集Ωpoint中所有坐标的大小,确定最大的横纵坐标值(xmax,ymax),最小的横纵坐标值(xmin,ymin),网格列数GridCol=ceil((xmax-xmin)/GridSpacing)、网格行数GridRow=ceil((ymax-ymin)/GridSpacing);其中,ceil表示向上取整;
最后,确定网格中包含的路段数CountOfRoadSecq、网格中包含路段的路段编号RoadIdInGridp,对GPS点集Ωpoint所有GPS点进行遍历,计算GPS点所在的网格编号GridIDq,并将GPS点所在的路段也确定为属于该网格,即可以得到该网格中包含路段的路段编号RoadIdInGridp以及网格中包含的路段数CountOfRoadSecq,其中网格编号计算公式为:
GridIDq=floor((xk-xmin)/GridSpacing)*GridCol+(1+floor((yk-ymin)/GridSpacing));
步骤5,将网格属性、路段属性、线段属性保存为二进制文件,即为特征地图,如图3所示,包括路径、网格、路段、线段的四层结构。参考图2所示,以下进一步介绍线段、路段、网格、路径的属为:
所述线段是指地图采集车记录的车辆队列行驶路径上两个相邻GPS点的连线,采用相邻GPS点的位置与插值多项式系数描述,线段属性记为:
LineSeck=[LineIDk,(xk,yk,Sk),(xk+1,yk+1,Sk+1),Δyawk,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1)),InOutCurvek];
其中,LineIDk表示线段编号,(xk,yk)、(xk+1,yk+1)表示GPS点在东北天坐标系下的位置,Sk、Sk+1表示地图采集车到达该GPS点走过的位移,Δyawk表示相邻两个GPS点的航向角偏差,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1))表示相邻两个GPS点连线的三次方系数,InOutCurvek表示出入弯属性,下标k表示记录的第k个GPS点;
所述路段是指由相邻线段组成的集合,路段属性记为:
RoadSecp=[RoadIDp,RoadTypep,LineNump,LineSecIfp];
其中,RoadIDp表示路段编号;RoadTypep表示路段类型,分为直线路段与弯道路段;LineNump表示路段中所包含线段的数量,LineSecInfp表示线段信息,是指路段中所有包含的线段的属性,记为LineSecInfp={LineSecr|r=1~LineNump},下标p表示第p个路段;
所述路径是指地图采集车采集车辆队列的行驶路径,表示为:
Road={RoadSecp|p=1~RoadSecNum};
其中,RoadSecNum表示路径中包含路段的数量;
所述网格是指将路径划分为面积相等的网格,网格属性包括网格编号GridIDq、网格列数GridCol、网格行数GridRow、最小经度GridLonMin、最小纬度GridLatMin,网格间距GridSpacing,网格中包含的路段数CountOfRoadSecq、网格中包含路段的路段编号RoadIdInGridp,下标q表示第q个网格。
步骤二:按照车辆队列行驶方向,从前到后依次对车辆队列中每辆车从1~n编号,n为车辆队列中车辆总数,所述编号记作车辆编号;
步骤三:如图4所示,车辆队列中每辆车上的V2X车载终端,均通过本车上的车载组合惯导获取本车的位置和速度信息;根据本车的位置信息,在特征地图上找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移;通过V2X车载终端将本车的车辆编号、位移、速度信息无线发送给其他车辆,同时接收其他车辆的车辆编号、位移、速度信息;
本发明车辆队列的每个车辆均配置V2X车载终端和车载组合惯导。车载组合惯导负责采集本车辆的当前所在位置和车速信息,V2X车载终端则负责接收和发送数据的通讯工作。在本实施例中,不同车辆的V2X车载终端之间的通信,均采用4G无线通信。
首先,通过本车上的车载组合惯导获取本车的位置和速度信息,可表示为(CLati,CLoni,vi);下标i表示车辆编号。
然后,根据本车的位置信息,在特征地图中找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移,如图5所示,具体过程为:
步骤A1,按以下公式根据车辆i的位置(CLati,CLoni)确定车辆当前所在的网格编号GridIDi:
GridIDi=(CLati-GridLatMin)/GridSpacing*GridCol+(1+(CLoni-GridLonMin)/GridSpacing);
步骤A2,根据当前所在网格中包含路段的路段编号RoadIdInGridi,找到对应的路段,遍历网格中所有路段中所有线段,将本车i的位置(CLati,CLoni)转换到东北天坐标系下得到(xi,yi),计算本车当前位置与线段的距离,找到距离本车当前位置的最近线段MinDisLineID与最近点(xminDis,yminDis),MinDisLineID表示最近线段的线段ID;
当车辆队列的每个车辆均计算得到本车的位移后,其V2X车载终端将本车的车辆编号、位移、速度信息无线发送给其他车辆,同时接收其他车辆的车辆编号、位移、速度信息。
本发明通过地图采集车采集道路信息制作与车辆队列行驶路径相吻合的特征地图,从而车辆队列中的每个车辆均能根据自身的位置信息,在特征地图中找到与实际位移相匹配的位移,可以消除弯道场景下传感器的测量误差以及感知盲区的影响;由于车辆的位移是根据地图上的位移得到,不存在感知盲区的影响,尤其弯道行驶时,本发明得到的是曲线距离,更接近于车辆的实际位置,可以提高实际跟车间距的计算精度;由于车辆位移的计算不依赖于其他车辆,相当于车辆队列中的所有车辆的位移计算都是相互独立的,可以为车辆队列提供更大的灵活性,队列中车辆的离开和加入都不会影响跟车间距的计算。
步骤四:车辆队列中的每辆车根据本车车辆编号、速度以及接收的其他车辆的车辆编号、速度,计算期望自适应跟车间距dij(t),进而结合本车位移以及接收的其他车辆的位移计算跟车间距误差。
具体地,期望自适应跟车间距的计算方法为:
dij(t)=((i-j)l+h*F(vi-vj))*sign(i-j);
其中,dij(t)表示车辆i与车辆j之间的期望自适应跟车间距,l表示最小安全距离,h为常数,表示自适应增益;且为期望跟车间距dij(t)的自适应律;vi为车辆i的实时速度,vj为车辆j的实时速度,sign()为符号函数。
车辆i与车辆j的跟车间距误差计算方法为:
所述i为本车的车辆编号,j为车辆队列中可与本车通讯的其他车辆的车辆编号。
本发明基于车辆间相对速度设计自适应跟车间距,可以兼顾交通流密度与车辆队列安全性的需求。当车辆队列处于稳定状态即车辆间的相对速度较小时,期望跟车间距较小,交通流密度较大,可以提高道路容量。当前车制动减速时,为避免前后车碰撞,车辆间的期望跟车间距增大,车辆队列有较高的安全性。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (8)
1.一种车辆队列建图及其自适应跟车间距计算方法,其特征在于,包括以下步骤:
步骤一:装配有组合惯导的地图采集车采集车辆队列行驶路径上的GPS点,构建特征地图;
步骤二:按照车辆队列行驶方向,从前到后依次对车辆队列中每辆车从1~n编号,n为车辆队列中车辆总数,所述编号记作车辆编号;
步骤三:车辆队列中每辆车上的V2X车载终端,均通过本车上的车载组合惯导获取本车的位置和速度信息;根据本车的位置信息,在特征地图上找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移;通过V2X车载终端将本车的车辆编号、位移、速度信息无线发送给其他车辆,同时接收其他车辆的车辆编号、位移、速度信息;
步骤四:车辆队列中的每辆车根据本车车辆编号、速度以及接收的其他车辆的车辆编号、速度,计算期望自适应跟车间距,进而结合本车位移以及接收的其他车辆的位移计算跟车间距误差。
2.根据权利要求1所述的方法,其特征在于,期望自适应跟车间距dij(t)的计算方法为:
dij(t)=((i-j)l+h*F(vi-vj))*sign(i-j);
其中,dij(t)表示车辆i与车辆j之间的期望自适应跟车间距,l表示最小安全距离,h为常数,表示自适应增益;
车辆i与车辆j的跟车间距误差计算方法为:
所述i为本车的车辆编号,j为车辆队列中可与本车通讯的其他车辆的车辆编号。
3.根据权利要求1所述的方法,其特征在于,所述特征地图包括路径、网格、路段、线段的四层结构;
所述线段是指地图采集车记录的车辆队列行驶路径上两个相邻GPS点的连线,采用相邻GPS点的位置与插值多项式系数描述,线段属性记为:
LineSeck=[LineIDk,(xk,yk,Sk),(xk+1,yk+1,Sk+1),Δyawk,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1)),InOutCurvek];
其中,LineIDk表示线段编号,(xk,yk)、(xk+1,yk+1)表示GPS点在东北天坐标系下的位置,Sk、Sk+1表示地图采集车到达该GPS点走过的位移,Δyawk表示相邻两个GPS点的航向角偏差,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1))表示相邻两个GPS点连线的三次方系数,InOutCurvek表示出入弯属性,下标k表示记录的第k个GPS点;
所述路段是指由相邻线段组成的集合,路段属性记为:
RoadSecp=[RoadIDp,RoadTypep,LineNump,LineSecIfp];
其中,RoadIDp表示路段编号;RoadTypep表示路段类型,分为直线路段与弯道路段;LineNump表示路段中所包含线段的数量,LineSecInfp表示线段信息,是指路段中所有包含的线段的属性,记为LineSecInfp={LineSecr|r=1~LineNump},下标p表示第p个路段;
所述路径是指地图采集车采集车辆队列的行驶路径,表示为:
Road={RoadSecp|p=1~RoadSecNum};
其中,RoadSecNum表示路径中包含路段的数量;
所述网格是指将路径划分为面积相等的网格,网格属性包括网格编号GridIDq、网格列数GridCol、网格行数GridRow、最小经度GridLonMin、最小纬度GridLatMin,网格间距GridSpacing,网格中包含的路段数CountOfRoadSecq、网格中包含路段的路段编号RoadIdInGridp,下标q表示第q个网格。
4.根据权利要求1所述的方法,其特征在于,制作特征地图的具体流程如下:
步骤1,装配有组合惯导的地图采集车按照固定间距Spacing采集车辆队列行驶路径上GPS点的经纬度(latk,lonk)、海拔heik、航向角yawk,下标k表示记录的第k个GPS点;
步骤2,对特征地图的线段属性进行标记,具体过程如下:
步骤2.1,标记GPS点在东北天坐标系下的位置;
将GPS点的经纬度(latk,lonk)转换到东北天坐标系下,得到GPS点在东北天坐标系下的位置(xk,yk),所有GPS点在东北天坐标系下的位置构成GPS点集Ωpoint,表示为:Ωpoint={Pointk|i=1、2、…、N-1、N},其中Pointk=(xk,yk),N表示采集的GPS点数目;
步骤2.2,计算相邻两个GPS点连线的三次方系数;
采用三次样条插值对GPS点集Ωpoint进行分段函数逼近,得到三次样条插值多项式,相邻两个GPS点之间的插值多项式表达式如下:
y=A3,(k,k+1)x3+A2,(k,k+1)x2+A1,(k,k+1)x+A0,(k,k+1),x∈[xk,xk+1];
其中,(A3,(k,k+1),A2,(k,k+1),A1,(k,k+1),A0,(k,k+1))表示相邻两个GPS点连线的三次方系数,xk、xk+1表示相邻两个GPS点在东北天坐标系下的横坐标,x、y分别表示插值多项式的横纵坐标;
步骤2.3,计算地图采集车到达GPS点走过的位移;
首先,根据三次样条插值多项式,估算地图采集车经过相邻两个GPS点之间的位移,即相邻GPS点连线的曲线长度,计算公式如下:
而后,根据相邻GPS点之间的位移,累加得到地图采集车到达第k个GPS点走过的位移Sk,表示式如下:
步骤2.4,计算航向角偏差,并根据航向角偏差,确定线段的出入弯属性;
首先,相邻两个GPS点的航向角偏差Δyawk=yawk+1-yawk;
最后,根据YawerrorSum判断当前线段是否为出/入弯线段InOutCurvek,其中InOutCurvek=0表示非出入弯线段、InOutCurvek=1表示入弯线段、InOutCurvek=2表示出弯线段;
步骤2.5,对所有的GPS点完成线段属性标记之后,得到所有线段组成的GPS线集ΘLineSec={LineSeck|k=1、2、…、N-1},N-1为线段总数。
步骤3,对特征地图的路段属性进行标记,具体过程如下:
步骤3.1,根据出/入弯线段对GPS线集ΘLineSec进行预分段,记录路段类型、路段中包含的线段数量以及各线段的属性;
步骤3.2,对直线路段进一步进行分段,使得到的每个直线路段中的线路数位于预设范围内,即LineInRoad_UpperBound≤LineNump≤LineInRoad_UpperBound;并进一步记录各细分直线路段所包含的线段数量以及各线段的属性;
步骤3.3,对各路段的路段编号RoadIDp进行标记;
路段编号RoadIDp按照地图采集车行进方向从1~RoadNum依次排序,RoadNum表示路径上包括的路段总数;
步骤4,对地图的网格属性进行标记,具体过程如下:
首先,设置网格间距GridSpacing;
而后,采用遍历的方法比较GPS点集Ωpoint中所有坐标的大小,确定最大的横纵坐标值(xmax,ymax),最小的横纵坐标值(xmin,ymin),网格列数GridCol=ceil((xmax-xmin)/GridSpacing)、网格行数GridRow=ceil((ymax-ymin)/GridSpacing);其中,ceil表示向上取整;
最后,确定网格中包含的路段数CountOfRoadSecq、网格中包含路段的路段编号RoadIdInGridp,对GPS点集Ωpoint所有GPS点进行遍历,计算GPS点所在的网格编号GridIDq,并将GPS点所在的路段也确定为属于该网格,即可以得到该网格中包含路段的路段编号RoadIdInGridp以及网格中包含的路段数CountOfRoadSecq,其中网格编号计算公式为:
GridIDq=floor((xk-xmin)/GridSpacing)*GridCol+(1+floor((yk-ymin)/GridSpacing));
步骤5,将网格属性、路段属性、线段属性保存为二进制文件,即为特征地图。
5.根据权利要求4所述的方法,其特征在于,步骤2.4中,对线段的出入弯属性进行判断的具体方法如下:
①初始化出/入弯标志位IntOutFlag=false;
②判断当前线段所在距离窗的航向角偏差之和YawerrorSum是否满足以下条件:YawerrorSum>ThresholdInCur&&IntOutFlag==false;若满足,则表示当前线段为入弯线段InOutCurvek=1,将出/入弯标志位置为true,即IntOutFlag=true;若不满足,则转到步骤③;
③判断当前线段所在距离窗的航向角偏差之和YawerrorSum是否满足以下条件:YawerrorSum<ThresholdOutCur&&IntOutFlag==true;若满足,则表示当前线段为出弯线段InOutCurvek=2,并将出/入弯标志位置为false,即IntOutFlag=false,否则转到步骤④;
④表示当前线段为非出/入弯线段InOutCurvek=0,出/入弯标志位IntOutFlag保持不变。
6.根据权利要求4所述的方法,其特征在于,步骤3.1对GPS线集ΘLineSec进行预分段,具体是从第一条线段开始按以下过程进行遍历预分段:
①判断当前线段是否为入弯线段:若当前线段是入弯线段,则将当前线段加入当前路段,将当前路段道路类型RoadTypep置为1,记录当前路段中的线段数目LineNump与线段信息LineSecInfp,保存当前路段,而后新建路段作为当前路段继续开始遍历;若当前线段不是入弯线段,则转到步骤②;
②判断当前线段是否为出弯线段:若当前线段是出弯线段,则将当前线段加入当前路段,将当前路段道路类型RoadTypep置为2,记录当前路段中的线段数目LineNump与线段信息LineSecInfp,保存当前路段,而后新建路段作为当前路段继续开始遍历;若当前线段不是出弯线段,则转到步骤③;
③将当前线段加入当前路段。
7.根据权利要求4所述的方法,其特征在于,步骤3.2对直线路段进行进一步细分的具体过程为:
①判断直线路段中的线段数目LineNump是否小于路段中线段数的上限LineInRoad_UpperBound,若是则不对该路段继续分段,否则转到步骤②;
②判断直线路段中的线段数目LineNump是否大于路段中线段数的上限LineInRoad_UpperBound,若是则对该路段继续分段,分段规则如下:
a)对线段数目LineNump进行取余,LineRemainder=LineNump%LineInRoad_UpperBound;
b)判断余数LineRemainder是否大于等于下限LineInRoad_LowerBound,若是则继续对线段数目LineNump进行取整LineInteger=LineNum/LineInRoad_UpperBound,将路段分为LineInteger个线段数目为LineInRoad_UpperBound的路段和一个线段数目为LineRemainder的路段,更新路段编号RoadIDp、线段数目LineNump、线段信息LineSecInfp,否则令LineInRoad_UpperBound=LineInRoad_UpperBound-1,返回步骤a);
其中LineInRoad_LowerBound≤LineInRoad_UpperBound/2。
8.根据权利要求1所述的方法,其特征在于,步骤三中所述的根据本车的位置信息,在特征地图上找到距离本车最近的点,将该点在特征地图中的位移作为本车的位移,具体过程为:
步骤A1,按以下公式根据本车i的位置(CLati,CLoni)确定本车当前所在的网格编号GridIDi:
GridIDi=(CLati-GridLatMin)/GridSpacing*GridCol+(1+(CLoni-GridLonMin)/GridSpacing);
步骤A2,根据当前所在网格中包含路段的路段编号RoadIdInGridi,找到对应的路段,遍历网格中所有路段中所有线段,将本车i的位置(CLati,CLoni)转换到东北天坐标系下得到(xi,yi),计算本车当前位置与线段的距离,找到距离本车当前位置的最近线段MinDisLineID与最近点(xminDis,yminDis),MinDisLineID表示最近线段的线段ID;
其中,表示车辆i的位移,Si表示对应最近线段MinDisLineID端点(xMinDisLineID,yMinDisLineID)处的位移,xminDis表示最近点处的横坐标,i为本车的车辆编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080628.6A CN110796852B (zh) | 2019-11-07 | 2019-11-07 | 一种车辆队列建图及其自适应跟车间距计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080628.6A CN110796852B (zh) | 2019-11-07 | 2019-11-07 | 一种车辆队列建图及其自适应跟车间距计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796852A true CN110796852A (zh) | 2020-02-14 |
CN110796852B CN110796852B (zh) | 2020-09-11 |
Family
ID=69443132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911080628.6A Active CN110796852B (zh) | 2019-11-07 | 2019-11-07 | 一种车辆队列建图及其自适应跟车间距计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796852B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111829473A (zh) * | 2020-07-29 | 2020-10-27 | 威步智能科技(苏州)有限公司 | 一种行进间的运动底盘测距方法及系统 |
CN113538571A (zh) * | 2020-04-13 | 2021-10-22 | 奥迪股份公司 | 跟车距离测量系统、包括其的车辆及相应的方法 |
CN115240400A (zh) * | 2022-07-01 | 2022-10-25 | 一汽解放汽车有限公司 | 车辆位置识别方法和装置、车辆位置输出方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079167A (zh) * | 2012-12-28 | 2013-05-01 | 上海伽利略导航有限公司 | 移动设备位置监控方法及系统 |
CN103389103A (zh) * | 2013-07-03 | 2013-11-13 | 北京理工大学 | 一种基于数据挖掘的地理环境特征地图构建与导航方法 |
CN103674015A (zh) * | 2013-12-13 | 2014-03-26 | 国家电网公司 | 一种无轨化定位导航方法及装置 |
CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
CN106272423A (zh) * | 2016-08-31 | 2017-01-04 | 哈尔滨工业大学深圳研究生院 | 一种针对大尺度环境的多机器人协同制图与定位的方法 |
CN106840178A (zh) * | 2017-01-24 | 2017-06-13 | 中南大学 | 一种基于ArcGIS的地图创建与智能车辆自主导航方法及系统 |
CN106969779A (zh) * | 2017-03-17 | 2017-07-21 | 重庆邮电大学 | 基于dsrc的智能车辆地图融合系统及方法 |
CN109425343A (zh) * | 2017-09-05 | 2019-03-05 | 丰田自动车株式会社 | 本车位置推断装置 |
US20190114490A1 (en) * | 2017-10-18 | 2019-04-18 | Kabushiki Kaisha Toshiba | Information processing device, learned model, information processing method, and computer program product |
US10303383B1 (en) * | 2015-12-09 | 2019-05-28 | Travelport, Lp | System and method for implementing non-blocking, concurrent hash tables |
CN110097620A (zh) * | 2019-04-15 | 2019-08-06 | 西安交通大学 | 基于图像和三维激光的高精度地图创建系统 |
-
2019
- 2019-11-07 CN CN201911080628.6A patent/CN110796852B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079167A (zh) * | 2012-12-28 | 2013-05-01 | 上海伽利略导航有限公司 | 移动设备位置监控方法及系统 |
CN103389103A (zh) * | 2013-07-03 | 2013-11-13 | 北京理工大学 | 一种基于数据挖掘的地理环境特征地图构建与导航方法 |
CN103674015A (zh) * | 2013-12-13 | 2014-03-26 | 国家电网公司 | 一种无轨化定位导航方法及装置 |
CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
US10303383B1 (en) * | 2015-12-09 | 2019-05-28 | Travelport, Lp | System and method for implementing non-blocking, concurrent hash tables |
CN106272423A (zh) * | 2016-08-31 | 2017-01-04 | 哈尔滨工业大学深圳研究生院 | 一种针对大尺度环境的多机器人协同制图与定位的方法 |
CN106840178A (zh) * | 2017-01-24 | 2017-06-13 | 中南大学 | 一种基于ArcGIS的地图创建与智能车辆自主导航方法及系统 |
CN106969779A (zh) * | 2017-03-17 | 2017-07-21 | 重庆邮电大学 | 基于dsrc的智能车辆地图融合系统及方法 |
CN109425343A (zh) * | 2017-09-05 | 2019-03-05 | 丰田自动车株式会社 | 本车位置推断装置 |
US20190114490A1 (en) * | 2017-10-18 | 2019-04-18 | Kabushiki Kaisha Toshiba | Information processing device, learned model, information processing method, and computer program product |
CN110097620A (zh) * | 2019-04-15 | 2019-08-06 | 西安交通大学 | 基于图像和三维激光的高精度地图创建系统 |
Non-Patent Citations (2)
Title |
---|
MILAD JANALIPOUR: "A novel and automatic framework for producing building damage map using post-event LiDAR data", 《INTERNATIONAL JOURNAL OF DISASTER RISK REDUCTION》 * |
谢林枫,蒋超: "基于AMC算法的变电站巡检机器人地图创建与定位", 《电力工程技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538571A (zh) * | 2020-04-13 | 2021-10-22 | 奥迪股份公司 | 跟车距离测量系统、包括其的车辆及相应的方法 |
CN111829473A (zh) * | 2020-07-29 | 2020-10-27 | 威步智能科技(苏州)有限公司 | 一种行进间的运动底盘测距方法及系统 |
CN115240400A (zh) * | 2022-07-01 | 2022-10-25 | 一汽解放汽车有限公司 | 车辆位置识别方法和装置、车辆位置输出方法和装置 |
CN115240400B (zh) * | 2022-07-01 | 2023-11-07 | 一汽解放汽车有限公司 | 车辆位置识别方法和装置、车辆位置输出方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110796852B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796852B (zh) | 一种车辆队列建图及其自适应跟车间距计算方法 | |
CN111272165B (zh) | 一种基于特征点标定的智能车定位方法 | |
CN109572694B (zh) | 一种考虑不确定性的自动驾驶风险评估方法 | |
CN106240458B (zh) | 一种基于车载双目相机的车辆前方碰撞预警方法 | |
CN105264586B (zh) | 用于车辆的占用地图 | |
CN111354193B (zh) | 一种基于5g通信的高速公路车辆异常行为预警系统 | |
WO2018086218A1 (zh) | 车辆制动能量的回收方法和装置 | |
CN107830865A (zh) | 一种车辆目标分类方法、装置、系统及计算机程序产品 | |
CN113361121B (zh) | 一种基于时空同步与信息融合的路面附着系数估计方法 | |
CN110979339B (zh) | 一种基于v2v的前方道路形态重建方法 | |
CN109035787B (zh) | 一种利用移动通信数据识别交通工具类别的方法 | |
CN107664993A (zh) | 一种路径规划方法 | |
CN104169992A (zh) | 用于借助于无线的车辆到车辆的通信进行拥堵识别的方法 | |
US20210373138A1 (en) | Dynamic lidar alignment | |
CN107664504A (zh) | 一种路径规划装置 | |
CN108765942A (zh) | 一种智能网联汽车弯道危险预警系统及方法 | |
CN111746538A (zh) | 一种严格避撞的车辆队列跟驰控制方法和控制系统 | |
CN108510773A (zh) | 车辆的控制方法、系统及车辆 | |
CN116740945B (zh) | 混行环境下快速路合流区多车协同编组交汇方法及系统 | |
CN113886764A (zh) | 一种基于Frenet坐标系的智能车辆多场景轨迹规划方法 | |
CN115140096A (zh) | 一种基于样条曲线与多项式曲线的自动驾驶轨迹规划方法 | |
CN116107300A (zh) | 用于越野环境下的基于先验知识适用于无人驾驶的路径规划方法 | |
CN114639267A (zh) | 一种车路协同环境中车辆避撞预警方法 | |
CN110597257B (zh) | 一种基于道路曲率的常规行驶车速规划策略 | |
CN117315971A (zh) | 一种智慧停车轨迹行成的控制方法 |
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 |