CN110837092A - 车辆定位、车道级路径规划的方法及装置 - Google Patents
车辆定位、车道级路径规划的方法及装置 Download PDFInfo
- Publication number
- CN110837092A CN110837092A CN201810946543.0A CN201810946543A CN110837092A CN 110837092 A CN110837092 A CN 110837092A CN 201810946543 A CN201810946543 A CN 201810946543A CN 110837092 A CN110837092 A CN 110837092A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- marker
- positioning
- determining
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆定位和车道级路径规划的方法及装置,车辆定位方法包括:获取定位周期内车辆周围的点云数据以及卫星定位系统的定位信息,根据点云数据,获取第一特征标识物的数据,根据所述第一特征标识物的数据以及所述卫星定位系统的定位信息,在预先建立的电子地图中匹配所述第一特征标识物对应的地图数据,根据所匹配的地图数据,对所述车辆进行定位。通过上述方法,相对于现有的卫星定位系统的定位,通过激光雷达扫描得到的第一特征标识物定位更加精准,并且,当在定位周期内没有第一特征标识物时,还可以通过控制器局域网车辆姿态数据以及车道级路径规划线路对车辆进行定位,同样可以提高定位的精准度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及车辆定位、车道级路径规划的方法及装置。
背景技术
在实际生活中,开车出行已经成为人们日常生活重要的出行方式。
目前,服务商为了让人们出行更加便利,会对车辆进行定位,后续基于当前车辆的定位,为用户提供所需的服务,如,基于车辆的定位进行自动驾驶等。
现有的对车辆定位的方式通常都是通过车辆所安装的卫星定位系统来对车辆进行定位,但是,在一些对车辆定位实际需求较高的应用领域中,如,自动驾驶领域中,通过车辆所安装的卫星定位系统来对车辆进行定位的精度无法满足这些对车辆定位实际需求较高的应用领域。
发明内容
有鉴于此,本申请实施例提供车辆定位、车道级路径规划的方法及装置,相比于现有的卫星定位系统的定位,能够提高车辆定位的精准度。
为解决上述技术问题,本申请实施例公开一种车辆定位的方法,该方法包括:
获取定位周期内车辆周围的点云数据以及卫星定位系统的定位信息;
根据点云数据,获取第一特征标识物的数据;
根据所述第一特征标识物的数据以及所述卫星定位系统的定位信息,在预先建立的电子地图中匹配所述第一特征标识物对应的地图数据;
根据所匹配的地图数据,对所述车辆进行定位。
与此同时,基于上述车辆定位方法,本申请实施例还公开一种车道级路径规划的方法,该方法包括:
获取路径终点位置以及根据车辆定位方法定位的所述车辆的路径当前位置;
根据车道拓扑关系,确定与所述路径当前位置对应的车道存在车道拓扑关系的各车道;获取与所述路径当前位置对应的车道存在车道拓扑关系的各车道的动态属性数据;根据所述动态属性数据,在所述路径当前位置对应的车道存在车道拓扑关系的各车道中,确定当前最佳车道,直到所确定的当前最佳车道为所述路径终点位置所在的车道为止,其中,所述路径当前位置对应的车道存在车道拓扑关系的各车道包括:所述路径当前位置对应的车道的左右相邻车道以及首尾相邻车道;
将所确定出的当前最佳车道作为从所述路径当前位置到所述路径终点位置的车道级路径规划线路。
为了实现上述车辆定位的方法,本申请实施例公开一种车辆定位的装置,该装置包括:
存储设备,用于存储程序数据;
处理器,用于执行所述存储设备中的程序数据以实现车辆定位方法。
为了实现上述车道级路径规划的方法,本申请实施例还公开一种车道级路径规划的装置,该装置包括:
存储设备,用于存储程序数据;
处理器,用于执行所述存储设备中的程序数据以实现车道级路径规划方法。
本申请实施例公开车辆定位、车道级路径规划的方法及装置,车辆定位方法能够产生以下有益效果:
相对于现有的卫星定位系统的定位,通过激光雷达扫描得到的第一特征标识物定位更加精准,并且,当在定位周期内没有第一特征标识物时,还可以通过控制器局域网车辆姿态数据以及车道级路径规划线路对车辆进行定位,同样可以提高定位的精准度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的车辆定位的过程;
图2为本申请实施例提供的车道级路径规划的过程;
图3为本申请实施例提供的车辆定位、车道级路径规划的装置结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的车辆定位的过程,包括以下步骤:
S101:获取定位周期内车辆周围的点云数据以及卫星定位系统的定位信息。
在实际生活中,服务商为了让人们出行更加便利,会对车辆进行定位,后续基于当前车辆的定位,为用户提供所需的服务,如,基于车辆的定位进行自动驾驶等。
进一步的,由于本申请是利用由激光雷达(Light detection and ranging,Lidar)扫描得到的特征标识物以及控制器局域网(Controller Area Network,CAN)信息对车辆进行定位,又由于车辆定位通常不是连续进行的,也就是说,每隔一定的周期需要对车辆进行一次定位,如,每隔200ms对车辆进行一次定位,因此,在本申请中,想要对车辆进行定位,则首先需要获取定位周期内车辆周围的点云数据以及卫星定位系统的定位信息。
在此需要说明的是,点云数据是通过Lidar扫描得到的,且点云数据中包含了不同物体在所述车辆坐标系下的坐标位置,另外,卫星定位系统的定位信息为车辆在大地坐标系下的坐标位置。
S102:根据点云数据,获取第一特征标识物的数据。
S103:根据所述第一特征标识物的数据以及所述卫星定位系统的定位信息,在预先建立的电子地图中匹配所述第一特征标识物对应的地图数据。
进一步的,在获取到定位周期内车辆周围的点云数据以及卫星定位系统的定位信息后,需要在所获取的点云数据中提取第一特征标识物的数据,后续通过所获取的第一特征标识物对车辆进行定位。
在此需要说明的是,在本申请中,第一特征标识物可以是标识牌,如,交通指示牌,也可以是其他物体,如,隔离杆,在实际应用中,第一特征标识物的可以根据实际需求来设定,为了简要清楚的说明本申请的思路,本申请以下以第一特征标识物为第一标识牌进行说明,同时,以下的说明同样适用于其他第一特征标识物的情况。
进一步的,由于点云数据都是通过Lidar扫描得到的,而点云数据都是以车辆为原点的参照系下表示的数据,也就是说,第一特征标识物的数据也是以车辆为原点的参照系下表示的数据,而本申请最终所确定出的车辆的位置是在大地坐标系下的位置,也就是说,在本申请对车辆进行定位的过程中,需要确定出第一特征标识物在大地坐标系下的坐标位置,因此,在本申请中,需要在预先建立的电子地图中匹配第一特征标识物对应的地图数据,可以根据第一特征标识物的数据以及卫星定位系统的定位信息,在预先建立的电子地图中匹配第一特征标识物对应的地图数据。
在此需要说明的是,在预先建立的电子地图中匹配第一特征标识物对应的地图数据指的是在预先建立的电子地图中匹配第一特征标识物所对应的第二特征标识物,其中,第二特征标识物是第一特征标识物在电子地图内的特征标识物。
进一步的,本申请给出了一种根据第一特征标识物的数据以及卫星定位系统的定位信息,在预先建立的电子地图中匹配第一特征标识物对应的地图数据的实施方式:
首先,第一特征标识物的数据包括第一特征标识物在车辆坐标系下的坐标位置,其次,根据车辆的卫星定位系统的定位信息,确定车辆所在道路的道路方向,按照所述第一特征标识物在车辆坐标系下的坐标位置、车辆的卫星定位系统的定位信息以及车辆所在道路的道路方向,将第一特征标识物在车辆坐标系下的坐标位置转换成第一特征标识物在高斯坐标系中的第一坐标位置,并将所述第一特征标识物在高斯坐标系中的第一坐标位置转换成所述第一特征标识物在大地坐标中的第一坐标位置,以所述第一特征标识物在大地坐标系中的第一坐标位置为中心,预设的匹配长度为半径,在电子地图中,确定匹配范围,针对所述匹配范围内的每个第二特征标识物,根据该第二特征标识物在大地坐标系中的坐标位置确定该第二特征标识物的面积和二维投影线段,根据所述第一特征标识物在所述大地坐标系下的第一坐标位置确定所述第一特征标识物的面积和二维投影线段,确定该第二特征标识物与所述第一特征标识物的二维投影线段的线段重合率,确定该第二特征标识物的面积与所述第一特征标识物的面积重合率,根据所述线段重合率以及所述面积重合率,确定所述第一特征标识物对应的地图数据,其中,所述第二特征标识物位于电子地图中。
在此需要说明的是,本申请是以第一特征标识物在大地坐标系中的第一坐标位置为中心,以预设的匹配直径为半径,将位于圆内的范围作为匹配范围,当然,在实际应用中,匹配范围也可以是多边形。并且,二维投影线段指的是三维立体的第一特征标识物在大地面上的投影,如,第一特征标识物为交通牌时,交通牌的二维投影线段指的是三维立体的交通牌在大地面上的投影。另外,为了提高匹配的准确率,不仅仅要通过第一特征标识物的二维投影线段进行匹配,还需要通过第一特征标识物的面积进行匹配。
在此还需要说明的是,根据线段重合率以及面积重合率,确定第一特征标识物对应的地图数据,可以是预先确定线段重合率以及面积重合率的权重,后续通过预先确定的权重,确定线段重合率以及面积重合率的加权平均值,将加权平均值最高的确定第一特征标识物对应的地图数据。
在此还需要说明的是,在本申请中,第一特征标识物的第一坐标位置指的是根据车辆的卫星定位系统的定位信息来确定得到的,并不是第一特征标识物精准的坐标位置,而是粗略的坐标位置。
S104:根据所匹配的地图数据,对所述车辆进行定位。
进一步的,在电子地图中,匹配到第一特征标识物对应的地图数据后,需要根据所匹配的地图数据,对车辆进行定位。
进一步的,本申请给出了根据所匹配的地图数据,对车辆进行定位的实施方式:
获取第一特征标识物在大地坐标系下的第二坐标位置,将所述第一特征标识物在大地坐标系下的第二坐标位置转换成所述第一特征标识物在高斯坐标系下的第二坐标位置,根据车辆坐标系下的第一特征标识物的坐标位置以及所述车辆所在道路的道路方向与正北方向的夹角,确定高斯坐标系下的第一特征标识物的坐标位置与车辆的坐标位置构成的向量,根据所述第一特征标识物在高斯坐标系下的第二坐标位置以及所确定的高斯坐标系下的第一特征标识物的坐标位置与车辆的坐标位置构成的向量,确定在高斯坐标系下所述车辆的坐标位置,将在高斯坐标系下所述车辆的坐标位置转换成所述车辆在大地坐标系下的坐标位置。
进一步的,基于上述给出的根据所匹配的地图数据,对车辆进行定位的实施方式,本申请给出了计算公式,如下:
通过公式公式Car_pos_correct.x=mid_pos.x-x1以及Car_pos_correct.y=mid_pos.y-y1,确定车辆在电子地图中的位置,其中,(x1,y1)为高斯坐标系下的第一特征标识物的坐标位置与车辆的坐标位置构成的向量,(x0,y0)为车辆坐标系下的第一特征标识物的坐标位置,θ为所述车辆所在道路的道路方向与正北方向的夹角,(mid_pos.x,mid_pos.y)为第一特征标识物在高斯坐标系下的第二坐标位置,(Car_pos_correct.x,Car_pos_correct.y)为车辆在高斯坐标系下的坐标位置。
在此需要说明的是,(Car_pos_correct.x,Car_pos_correct.y)实际为车辆在高斯坐标系下的坐标位置,需要将(Car_pos_correct.x,Car_pos_correct.y)转换成在大地坐标系下的的坐标位置,即,经纬度。
在此还需要说明的是,第一特征标识物的第二坐标位置指的是第一特征标识物在电子地图内的坐标位置,是精准的坐标位置。
进一步的,在实际应用中,有可能存在所获取到的第一特征标识物的数量为至少两个的情况,针对这种情况,在本申请中,可以针对所获取到的每个第一特征标识物,在电子地图中匹配第一特征标识物对应的第二特征标识物,后续再以该第一特征标识物为准,确定车辆在大地坐标系下的坐标位置。当分别将所获取到的至少两个第一特征标识物确定出车辆在大地坐标系下的坐标位置后,可针对每个第一特征标识物,确定根据该第一特征标识物所确定出的所述车辆在大地坐标系下的坐标位置与该第一特征标识物的线段重合率的乘积,确定根据该第一特征标识物所确定出的所述车辆在大地坐标系下的坐标位置与该第一特征标识物的线段重合率的乘积之和,确定第一特征标识物的线段重合率之和,将根据该第一特征标识物所确定出的所述车辆在大地坐标系下的坐标位置与该第一特征标识物的线段重合率的乘积之和与所述第一特征标识物的线段重合率之和的比值作为所述车辆在电子地图中的位置。另外,本申请同样提供了计算公式:通过公式以及确定所述车辆在电子地图中的位置,其中,(f(x),f(y))为所述车辆在大地坐标系下的坐标位置,m为所述第一特征标识物的数量,p(i)为第i个第一特征标识物的线段重合率,p(n)为第n个第一特征标识物的线段重合率,(x(i),y(i))为第i个第一特征标识物对应的所述车辆在大地坐标系下的坐标位置。
通过上述方法,相对于现有的卫星定位系统的定位,通过激光雷达扫描得到的第一特征标识物定位更加精准。
进一步的,在实际应用中,有可能会出现根据点云数据,并未获取到第一特征标识物的数据的情况,针对这种情况,在本申请中,当根据点云数据,并未获取到第一特征标识物的数据时,可以通过以下方式,来对车辆进行定位:
获取定位周期内的所述车辆的车速信息、加速度信息、定位周期起始位置以及预先确定的车道级路径规划线路,根据所获取的定位周期内的所述车辆的车速信息以及加速度信息,计算定位周期内所述车辆的行驶距离,根据计算出的定位周期内所述车辆的行驶距离以及所述定位周期起始位置,在预先确定的车道级路径规划线路上确定所述车辆在电子地图中的位置。
在此需要说明的是,只有在定位周期内没有扫描到第一特征标识物才使用该方式对车辆进行定位,所述定位周期起始位置指的是位于当前的定位周期的上一个定位周期所定位的车辆的位置,如果当前的定位周期是开始定位的第一个定位周期,那么定位周期起始位置则为整个路径线路的起始位置。
进一步的,在实际应用中,采用当根据点云数据,并未获取到第一特征标识物的数据时的车辆定位方法,有可能存在误差,因此,在本申请中,可以通过以下方式来进行误差纠正:
获取最近一次的前一次的车辆根据获取到的第一特征标识物所定位的位置以及最近一次的车辆根据获取到的第一特征标识物所定位的位置,并以最近一次的前一次的车辆根据获取到的第一特征标识物所定位的位置为起点,以最近一次的车辆根据获取到的第一特征标识物所定位的位置为终点,确定从起点到终点之间的所述车辆的车速信息、加速度信息以及预先确定的车道级路径规划线路,根据所获取的所述车辆的车速信息以及加速度信息,计算从起点到终点之间的所述车辆的行驶距离,在电子地图中,按照预先确定的车道级路径规划线路,提取起点与终点之间的各道路的长度属性,并将所述各道路的长度属性之和确定为起点与终点之间的实际长度,确定从起点到终点之间的定位周期的次数,根据确定出的起点与终点之间的所述车辆的行驶距离、确定出的起点与终点之间的实际长度以及从起点到终点之间的定位周期的次数,确定平均误差,并在预先确定的车道级路径规划线路上确定所述车辆在电子地图中的位置中加上所述平均误差。
在此需要说明的是,根据上述方式确定车辆在电子地图中的位置后,需要加上根据最近一次的前一次的车辆根据获取到的第一特征标识物所定位的位置以及最近一次的车辆根据获取到的第一特征标识物所定位的位置计算出的平均误差才是车辆在电子地图中的最终位置。另外,确定起点与终点之间的所述车辆的行驶距离指的是车辆的实际行驶距离,确定起点与终点之间的长度指的是在电子地图中的每个道路都会提前被采集了长度,并存储在数据库中,后续再确定起点与终点之间的道路,并把道路的长度属性提取出来,相加在一起即得到起点到终点之间的长度。
进一步的,为了进一步的提高车辆定位的精准度,在本申请中,在通过上述方法确定所述车辆在电子地图中的位置后,还可以通过路沿对车辆进行纠偏,该纠偏只是对车辆进行横向纠偏,也就是垂直于路沿的方向对车辆进行纠偏。
通过路沿对车辆进行纠偏的方法如下:
根据点云数据,获取路沿与所述车辆之间的横向距离,根据所述车辆的卫星定位系统的定位信息,确定所述车辆所在的道路,根据所述车辆所在的道路,确定与所述车辆所在的道路相关联的路沿数据,根据所述路沿的数据,确定所述路沿的直线方程L0,根据所获取得路沿与所述车辆之间的横向距离以及所述直线方程L0,确定所述车辆所在直线的直线方程L,根据所述直线方程L,对确定出的所述车辆在电子地图中的位置进行纠偏。
在此需要说明的是,假设L0=kX+b,其中,k与b均已知,路沿与车辆之间的横向距离为c,则所确定出的L-vL=k(X-vX)+b,其中,θ=arctan(k),另外,使用左侧路沿数据时+π/2,使用右侧路沿数据-π/2,另外,直线L与直线L0属于平移关系,即将直线L0平移c的距离得到直线L。
在此还需要说明的是,通过路沿进行纠偏的过程中,是对通过第一特征标识物确定出的车辆在电子地图坐标系下的坐标点中的纵坐标和横坐标同时进行纠偏,也就是说,纵坐标和横坐标均会发生改变,将纠偏后的横坐标和纵坐标作为车辆在电子地图坐标系下最终的坐标点,同理,也对采用当根据点云数据,并未获取到第一特征标识物的数据时的车辆定位方法确定出的车辆在电子地图坐标系下的坐标点中的纵坐标和横坐标同时进行纠偏,也就是说,纵坐标和横坐标均会发生改变,将纠偏后的横坐标和纵坐标作为车辆在电子地图坐标系下最终的坐标点,。
另外,在本申请中,由于电子地图分为标准地图和高精度地图,并且,在对车辆进行定位时,高精度地图相比于标准地图更精确,因此,在本申请中,执行上述步骤S101~步骤S104可以使用高精度地图来对车辆进行定位。
通过上述方法,相对于现有的卫星定位系统的定位,通过激光雷达扫描得到的第一特征标识物定位更加精准,并且,当在定位周期内没有第一特征标识物时,还可以通过控制器局域网车辆姿态数据以及车道级路径规划线路对车辆进行定位,同样可以提高定位的精准度。
进一步的,在导航领域的实际应用中,在根据步骤S101~步骤S104确定出车辆在电子地图中的位置后,需要根据车辆所确定出的车辆位置以及原始的路径终点位置重新确定车道级路径规划线路,为此,本申请提供了一种车道级路径规划方法的实现过程,如图2所示,如下。
S201:获取路径终点位置以及根据步骤S101~步骤S104的车辆定位方法定位的所述车辆的路径当前位置。
在导航的实际应用中,从用户输入起始位置以及终点位置后,会为用户规划出从起始位置到终点位置的车道级路径线路,后续,随着用户驾驶的车辆在行进过程中的位置,不断重新规划从车辆当前的位置到终点位置的车道级路径线路。
进一步的,当通过步骤S101~步骤S104的车辆定位方法对车辆的进行定位后,需要规划从定位出的车辆所处的路径当前位置到路径终点位置的车道级路径线路。
而规划从定位出的车辆所处的路径当前位置到路径终点位置的车道级路径线路的过程中,首先需要获取通过步骤S101~步骤S104的车辆定位方法定位出的车辆所处的路径当前位置以及路径终点位置。
S202:根据车道拓扑关系,确定与所述路径当前位置对应的车道存在车道拓扑关系的各车道;获取与所述路径当前位置对应的车道存在车道拓扑关系的各车道的动态属性数据;根据所述动态属性数据,在所述路径当前位置对应的车道存在车道拓扑关系的各车道中,确定当前最佳车道,直到所确定的当前最佳车道为所述路径终点位置所在的车道为止。
S203:将所确定出的当前最佳车道作为从所述路径当前位置到所述路径终点位置的车道级路径规划线路。
在本申请中,车道拓扑关系指的是一条车道左右相邻车道以及首尾相邻车道的拓扑关系,首尾相邻车道指的是一条车道的前后向的车道,左右相邻车道指的是一条车道的左右向的车道,也就是说,根据车道拓扑关系,确定与所述路径当前位置对应的车道存在车道拓扑关系的各车道,就是与所述路径当前位置对应的车道相连接的前后向车道以及相链接的左右向车道。
在此需要说明的是,一条车道的左右相邻车道到底属不属于该条车道的拓扑关系是通过车道边线属性以及左右相邻车道数据确定的,如,车道边线数据是否是实线,如果是实线则车辆就不能变道,因而该条车道的左右相邻车道就不属于该条车道的拓扑关系,又如,左右相邻车道数据是否是人行横道,如果是则车辆不能变道,因而该条车道的左右相邻车道就不属于该条车道的拓扑关系。
另外,在本申请中,获取与所述路径当前位置对应的车道存在车道拓扑关系的各车道的动态属性数据可以是车道通行属性数据以及车道动态路况属性数据中的至少一种。
在此需要说明的是,车道动态路况属性数据主要是根据车道的实时交通信息,将车道的通行情况分为严重拥堵、拥堵、慢行以及畅通四个状态,并将这写状态映射到车道动态路况属性数据中。车道通行属性数据主要是根据车载的外部传感器基于车辆参数(速度、加速度)、碰撞检测、行人检测以及左右车道是否变道的结果,将车道通行情况分为优先通行、可通行以及不可通行三个状态,并将这些状态映射到对应车道动态通行属性数据中。另外,在确定左右向车道可否变道可以获取车辆的速度,并根据车辆的速度,计算当前车道剩余距离是否能完成变道。
在此还需要说明的是,根据所述动态属性数据,在所述路径当前位置对应的车道存在车道拓扑关系的各车道中,确定当前最佳车道,直到所确定的当前最佳车道为所述路径终点位置所在的车道为止,可以直接根据A-Star的图搜索算法来确定从路径当前位置到路径终点位置的最佳车道。
本申请给出了根据A-Star的图搜索算法来确定从路径当前位置到路径终点位置的最佳车道的一种实施方式,步骤如下:
(1)获取通过步骤S101~步骤S104的车辆定位方法定位出的车辆所处的路径当前位置s_lane。
(2)确定路径终点位置e_lane。
(3)依据s_lane的相关属性计算其通行费,将s_lane插入Open表中。
(4)判断是否找到e_lane,找到则结束跳到步骤(15),没有找到则跳到步骤(5)。
(5)Closed表中是否存在e_lane,存在则将m_minmeetcost设置为当前结果总费用。
(6)m_minmeetcost是否小于Open表中的最优lane的总费用,是则找到最佳路径跳到步骤(15)。
(7)是否m_minmeetcost为有效值且Open表为空,是则认为当前路径为最佳路径跳到步骤(15)。
(8)是否m_minmeetcost为无效值且Open表为空,是则认为规划失败跳到步骤(16)。
(9)取得Open表中的最优元素MinLane,获取其邻接Lane。
(10)MinLane左侧存在Lane且不为路肩、应急停车道且允许变道且允许通行,如果是起始Lane,判断剩余距离可以变道,则依据通行费用计算方程计算Lane的通行费用,将左侧Lane插入Open表中。
(11)MinLane右侧存在Lane且不为路肩、应急停车道且允许变道且允许通行,如果是起始Lane,判断剩余距离可以变道,则依据通行费用计算方程计算Lane的通行费用,将右侧Lane插入Open表中。
(12)取得MinLane末端方向的连接Lane,一般Lane为单向及取得Lane尾点连接Lane。
(13)存在连接Lane且不为路肩、应急停车道且允许变道且允许通行,则依据通行费用计算方程计算Lane的通行费用,将Lane插入Open表中。
(14)将MinLane插入Closed表中,跳到步骤(4)。
(15)回溯链表,构建外部需要的Lane结果信息,行程路径规划结果,返回0;
(16)路径规划失败返回-1。
在此需要说明的是,Lane是电子地图中实际路网中的一条道路中的车道。另外,Open表内包括根据当前所访问考察的lane得到的还未访问考察的lane,Closed表内包括已访问过无需再次考察的lane。
进一步的,在本申请中,计算车道的通行费用可以如下:
分别计算车道长度的加权dis1=length,车道宽度的加权dis2=length/width,其中length为长度,width为宽度,动态路况属性的加权dis3=limitspeed*(length/jamspeed-length/limitspeed),其中limitspeed是车道属性,jamspeed在严重拥堵时为5KM/h、拥堵时为10KM/h、慢行时为20KM/h,通畅时为limitspeed,车道动态通行属性的加权dis4=length*factor,其中factor在优先通行时为0,在可通行时为0.4,在不可通行时dis4为int最大值,最后再计算车道的总加权通行费用为Dis=dis1+dis2+dis3+dis4。
进一步的,在导航领域的实际应用中,在完成车道级路径规划线路后,还需要针对车道级路径规划线路,组织车道级引导结果信息,进一步来讲,根据所述车道级路径规划线路中各车道的车道标识,获取各车道的固定属性数据,根据各车道的固定属性数据,确定车道级引导信息。
在此需要说明的是,在本申请中,车道的固定属性数据可以是车道的坡度、曲率、航向、车道线的线型、车道线的线色和车道线的材质中的至少一种。
后续还可以将组织的车道级引导结果信息发送给相应的模块,如,发给控制模块,作为控制模块的Base轨迹线,如,发给决策模块,则决策模块根据组织的车道级引导结果信息规划出发给控制模块的轨迹线。
以上为本申请实施例提供的车辆定位的方法以及车道级路径规划的方法,基于同样的思路,本申请实施例还提供一种车辆定位的装置以及一种车道级路径规划的装置结构示意图,如图3所示。
图3为本申请实施例提供的一种车辆定位的装置结构示意图以及一种车道级路径规划的装置结构示意图,包括:
存储设备301,用于存储程序数据;
处理器302,用于执行所述存储设备301中的程序数据以实现车辆定位方法和车道级路径规划方法。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种车辆定位的方法,其特征在于,包括:
获取定位周期内车辆周围的点云数据以及卫星定位系统的定位信息;
根据点云数据,获取第一特征标识物的数据;
根据所述第一特征标识物的数据以及所述卫星定位系统的定位信息,在预先建立的电子地图中匹配所述第一特征标识物对应的地图数据;
根据所匹配的地图数据,对所述车辆进行定位。
2.如权利要求1所述的方法,其特征在于,所述第一特征标识物的数据包括所述第一特征标识物在车辆坐标系下的坐标位置;
根据所述第一特征标识物的数据以及所述卫星定位系统的定位信息,在预先建立的电子地图中匹配所述第一特征标识物对应的地图数据,进一步包括:
根据所述车辆的卫星定位系统的定位信息,确定所述车辆所在道路的道路方向;
按照所述第一特征标识物在车辆坐标系下的坐标位置、所述车辆的卫星定位系统的定位信息以及所述车辆所在道路的道路方向,将所述第一特征标识物在所述车辆坐标系下的坐标位置转换成所述第一特征标识物在高斯坐标系中的第一坐标位置;
将所述第一特征标识物在高斯坐标系中的第一坐标位置转换成所述第一特征标识物在大地坐标中的第一坐标位置;
以所述第一特征标识物在大地坐标系中的第一坐标位置为中心,预设的匹配长度为半径,在电子地图中,确定匹配范围;
针对所述匹配范围内的每个第二特征标识物,根据该第二特征标识物在大地坐标系中的坐标位置确定该第二特征标识物的面积和二维投影线段,根据所述第一特征标识物在所述大地坐标系下的第一坐标位置确定所述第一特征标识物的面积和二维投影线段,其中,所述第二特征标识物位于电子地图中;
确定该第二特征标识物与所述第一特征标识物的二维投影线段的线段重合率,确定该第二特征标识物与所述第一特征标识物的面积重合率;
根据所述线段重合率以及所述面积重合率,确定所述第一特征标识物对应的地图数据。
3.如权利要求2所述的方法,其特征在于,根据所匹配的地图数据,对所述车辆进行定位,进一步包括:
获取第一特征标识物在大地坐标系下的第二坐标位置;
将所述第一特征标识物在大地坐标系下的第二坐标位置转换成所述第一特征标识物在高斯坐标系下的第二坐标位置;
根据车辆坐标系下的第一特征标识物的坐标位置以及所述车辆所在道路的道路方向与正北方向的夹角,确定高斯坐标系下的第一特征标识物的坐标位置与车辆的坐标位置构成的向量;
根据所述第一特征标识物在高斯坐标系下的第二坐标位置以及所确定的高斯坐标系下的第一特征标识物的坐标位置与车辆的坐标位置构成的向量,确定在高斯坐标系下所述车辆的坐标位置;
将在高斯坐标系下所述车辆的坐标位置转换成所述车辆在大地坐标系下的坐标位置。
4.如权利要求3所述的方法,其特征在于,当存在至少两个所述第一特征标识物,确定所述车辆在电子地图中的位置,进一步包括:
针对每个第一特征标识物,确定根据该第一特征标识物所确定出的所述车辆在大地坐标系下的坐标位置与该第一特征标识物的线段重合率的乘积;
确定根据该第一特征标识物所确定出的所述车辆在大地坐标系下的坐标位置与该第一特征标识物的线段重合率的乘积之和;
确定第一特征标识物的线段重合率之和;
将根据该第一特征标识物所确定出的所述车辆在大地坐标系下的坐标位置与该第一特征标识物的线段重合率的乘积之和与所述第一特征标识物的线段重合率之和的比值作为所述车辆在电子地图中的位置。
5.如权利要求1所述的方法,其特征在于,当根据点云数据,未获取到第一特征标识物的数据时,所述方法还包括:
获取定位周期内的所述车辆的车速信息、加速度信息、定位周期起始位置以及预先确定的车道级路径规划线路;
根据所获取的定位周期内的所述车辆的车速信息以及加速度信息,计算定位周期内所述车辆的行驶距离;
根据计算出的定位周期内所述车辆的行驶距离以及所述定位周期起始位置,在预先确定的车道级路径规划线路上确定所述车辆在电子地图中的位置。
6.如权利要求5所述的方法,其特征在于,在预先确定的车道级路径规划线路上确定所述车辆在电子地图中的位置之后,所述方法还包括:
获取最近一次的前一次的车辆根据获取到的第一特征标识物所定位的位置以及最近一次的车辆根据获取到的第一特征标识物所定位的位置,并以最近一次的前一次的车辆根据获取到的第一特征标识物所定位的位置为起点,以最近一次的车辆根据获取到的第一特征标识物所定位的位置为终点,确定从起点到终点之间的所述车辆的车速信息、加速度信息以及预先确定的车道级路径规划线路;
根据所获取的所述车辆的车速信息以及加速度信息,计算从起点到终点之间的所述车辆的行驶距离;
在电子地图中,按照预先确定的车道级路径规划线路,提取起点与终点之间的各道路的长度属性,并将所述各道路的长度属性之和确定为起点与终点之间的实际长度;
确定从起点到终点之间的定位周期的次数;
根据确定出的起点与终点之间的所述车辆的行驶距离、确定出的起点与终点之间的实际长度以及从起点到终点之间的定位周期的次数,确定平均误差,并在预先确定的车道级路径规划线路上确定所述车辆在电子地图中的位置中加上所述平均误差。
7.如权利要求1~6任一项所述的方法,其特征在于,所述方法还包括:
根据点云数据,获取路沿与所述车辆之间的横向距离;
根据所述车辆的卫星定位系统的定位信息,确定所述车辆所在的道路;
根据所述车辆所在的道路,确定与所述车辆所在的道路相关联的路沿数据;
根据所述路沿的数据,确定所述路沿的直线方程L0;
根据所获取得路沿与所述车辆之间的横向距离以及所述直线方程L0,确定所述车辆所在直线的直线方程L;
根据所述直线方程L,对确定出的所述车辆在电子地图中的位置进行纠偏。
8.一种车道级路径规划方法,其特征在于,包括:
获取路径终点位置以及根据如权利要求1~7任一项所述的车辆定位方法定位的所述车辆的路径当前位置;
根据车道拓扑关系,确定与所述路径当前位置对应的车道存在车道拓扑关系的各车道;获取与所述路径当前位置对应的车道存在车道拓扑关系的各车道的动态属性数据;根据所述动态属性数据,在所述路径当前位置对应的车道存在车道拓扑关系的各车道中,确定当前最佳车道,直到所确定的当前最佳车道为所述路径终点位置所在的车道为止,其中,所述路径当前位置对应的车道存在车道拓扑关系的各车道包括:所述路径当前位置对应的车道的左右相邻车道以及首尾相邻车道;
将所确定出的当前最佳车道作为从所述路径当前位置到所述路径终点位置的车道级路径规划线路。
9.如权利要求8所述的方法,其特征在于,所述车道包括车道标识;
在完成车道级路径规划线路后,所述方法还包括:
根据所述车道级路径规划线路中各车道的车道标识,获取各车道的固定属性数据;
根据各车道的固定属性数据,确定车道级引导信息。
10.一种车辆定位装置,其特征在于,包括:
存储设备,用于存储程序数据;
处理器,用于执行所述存储设备中的程序数据以实现权利要求1-7中任一项所述的车辆定位方法。
11.一种车道级路径规划装置,其特征在于,包括:
存储设备,用于存储程序数据;
处理器,用于执行所述存储设备中的程序数据以实现权利要求8-9中任一项所述的车道级路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810946543.0A CN110837092B (zh) | 2018-08-17 | 2018-08-17 | 车辆定位、车道级路径规划的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810946543.0A CN110837092B (zh) | 2018-08-17 | 2018-08-17 | 车辆定位、车道级路径规划的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110837092A true CN110837092A (zh) | 2020-02-25 |
CN110837092B CN110837092B (zh) | 2022-06-21 |
Family
ID=69574430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810946543.0A Active CN110837092B (zh) | 2018-08-17 | 2018-08-17 | 车辆定位、车道级路径规划的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837092B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112405549A (zh) * | 2021-01-22 | 2021-02-26 | 苏州盈科电子有限公司 | 一种机器人的定位方法和装置 |
CN112683292A (zh) * | 2021-01-07 | 2021-04-20 | 阿里巴巴集团控股有限公司 | 一种导航路线确定方法、装置和相关产品 |
CN112712697A (zh) * | 2020-12-30 | 2021-04-27 | 上海智能交通有限公司 | 面向车路协同应用的车道级交通状态判别方法及系统 |
CN112731434A (zh) * | 2020-12-15 | 2021-04-30 | 武汉万集信息技术有限公司 | 基于激光雷达和标识物的定位方法、系统 |
CN112991805A (zh) * | 2021-04-30 | 2021-06-18 | 湖北亿咖通科技有限公司 | 一种辅助驾驶方法和装置 |
CN112987029A (zh) * | 2021-02-09 | 2021-06-18 | 上海振华重工(集团)股份有限公司 | 一种适用于驾驶设备的定位方法、系统、设备及介质 |
CN113465581A (zh) * | 2021-05-21 | 2021-10-01 | 北京控制工程研究所 | 一种卫星所使用的面区域扫描观测方法 |
CN113810591A (zh) * | 2020-06-15 | 2021-12-17 | 蘑菇车联信息科技有限公司 | 一种高精地图作业系统及云端平台 |
CN113990064A (zh) * | 2021-09-14 | 2022-01-28 | 北京无限感测科技有限公司 | 一种交通数据采集方法、系统和计算机可读存储介质 |
CN114137563A (zh) * | 2021-11-29 | 2022-03-04 | 重庆赛迪奇智人工智能科技有限公司 | 机车和机车定位方法、装置、设备及存储介质 |
WO2023236643A1 (zh) * | 2022-06-09 | 2023-12-14 | 腾讯科技(深圳)有限公司 | 定位方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102607582A (zh) * | 2012-03-07 | 2012-07-25 | 深圳市赛格导航科技股份有限公司 | 用城市出入口点作为路标指引路径规划的方法及系统 |
CN103292816A (zh) * | 2012-02-23 | 2013-09-11 | 北京四维图新科技股份有限公司 | 电子地图生成方法、装置及路径规划方法、装置 |
WO2017091953A1 (zh) * | 2015-11-30 | 2017-06-08 | 华为技术有限公司 | 自动驾驶导航方法、装置、系统、车载终端及服务器 |
CN106842226A (zh) * | 2017-01-19 | 2017-06-13 | 谢建平 | 基于激光雷达的定位系统及方法 |
CN206528452U (zh) * | 2017-01-24 | 2017-09-29 | 吴翼舟 | 一种汽车车身定位器 |
CN107246868A (zh) * | 2017-07-26 | 2017-10-13 | 上海舵敏智能科技有限公司 | 一种协同导航定位系统及导航定位方法 |
CN107328411A (zh) * | 2017-06-30 | 2017-11-07 | 百度在线网络技术(北京)有限公司 | 车载定位系统和自动驾驶车辆 |
CN207216418U (zh) * | 2017-07-31 | 2018-04-10 | 深圳市田客科技有限公司 | 农业机器人自动驾驶系统 |
CN108398705A (zh) * | 2018-03-06 | 2018-08-14 | 广州小马智行科技有限公司 | 地图生成方法、装置及车辆定位方法、装置 |
-
2018
- 2018-08-17 CN CN201810946543.0A patent/CN110837092B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292816A (zh) * | 2012-02-23 | 2013-09-11 | 北京四维图新科技股份有限公司 | 电子地图生成方法、装置及路径规划方法、装置 |
CN102607582A (zh) * | 2012-03-07 | 2012-07-25 | 深圳市赛格导航科技股份有限公司 | 用城市出入口点作为路标指引路径规划的方法及系统 |
WO2017091953A1 (zh) * | 2015-11-30 | 2017-06-08 | 华为技术有限公司 | 自动驾驶导航方法、装置、系统、车载终端及服务器 |
CN106842226A (zh) * | 2017-01-19 | 2017-06-13 | 谢建平 | 基于激光雷达的定位系统及方法 |
CN206528452U (zh) * | 2017-01-24 | 2017-09-29 | 吴翼舟 | 一种汽车车身定位器 |
CN107328411A (zh) * | 2017-06-30 | 2017-11-07 | 百度在线网络技术(北京)有限公司 | 车载定位系统和自动驾驶车辆 |
CN107246868A (zh) * | 2017-07-26 | 2017-10-13 | 上海舵敏智能科技有限公司 | 一种协同导航定位系统及导航定位方法 |
CN207216418U (zh) * | 2017-07-31 | 2018-04-10 | 深圳市田客科技有限公司 | 农业机器人自动驾驶系统 |
CN108398705A (zh) * | 2018-03-06 | 2018-08-14 | 广州小马智行科技有限公司 | 地图生成方法、装置及车辆定位方法、装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113810591B (zh) * | 2020-06-15 | 2023-11-21 | 蘑菇车联信息科技有限公司 | 一种高精地图作业系统及云端平台 |
CN113810591A (zh) * | 2020-06-15 | 2021-12-17 | 蘑菇车联信息科技有限公司 | 一种高精地图作业系统及云端平台 |
CN112731434A (zh) * | 2020-12-15 | 2021-04-30 | 武汉万集信息技术有限公司 | 基于激光雷达和标识物的定位方法、系统 |
CN112712697A (zh) * | 2020-12-30 | 2021-04-27 | 上海智能交通有限公司 | 面向车路协同应用的车道级交通状态判别方法及系统 |
CN112683292A (zh) * | 2021-01-07 | 2021-04-20 | 阿里巴巴集团控股有限公司 | 一种导航路线确定方法、装置和相关产品 |
CN112405549A (zh) * | 2021-01-22 | 2021-02-26 | 苏州盈科电子有限公司 | 一种机器人的定位方法和装置 |
CN112987029A (zh) * | 2021-02-09 | 2021-06-18 | 上海振华重工(集团)股份有限公司 | 一种适用于驾驶设备的定位方法、系统、设备及介质 |
CN112991805A (zh) * | 2021-04-30 | 2021-06-18 | 湖北亿咖通科技有限公司 | 一种辅助驾驶方法和装置 |
CN113465581A (zh) * | 2021-05-21 | 2021-10-01 | 北京控制工程研究所 | 一种卫星所使用的面区域扫描观测方法 |
CN113465581B (zh) * | 2021-05-21 | 2023-06-06 | 北京控制工程研究所 | 一种卫星所使用的面区域扫描观测方法 |
CN113990064A (zh) * | 2021-09-14 | 2022-01-28 | 北京无限感测科技有限公司 | 一种交通数据采集方法、系统和计算机可读存储介质 |
CN114137563A (zh) * | 2021-11-29 | 2022-03-04 | 重庆赛迪奇智人工智能科技有限公司 | 机车和机车定位方法、装置、设备及存储介质 |
CN114137563B (zh) * | 2021-11-29 | 2023-03-10 | 重庆赛迪奇智人工智能科技有限公司 | 机车和机车定位方法、装置、设备及存储介质 |
WO2023236643A1 (zh) * | 2022-06-09 | 2023-12-14 | 腾讯科技(深圳)有限公司 | 定位方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110837092B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837092B (zh) | 车辆定位、车道级路径规划的方法及装置 | |
CN109785667B (zh) | 车道偏离识别方法、装置、设备和存储介质 | |
US20200255027A1 (en) | Method for planning trajectory of vehicle | |
US7463974B2 (en) | Systems, methods, and programs for determining whether a vehicle is on-road or off-road | |
US8213682B2 (en) | Feature information collecting apparatuses, methods, and programs | |
EP3443302B1 (en) | Intersection map message creation for vehicle communication | |
US8204680B1 (en) | Method of operating a navigation system to provide road curvature | |
US20070021912A1 (en) | Current position information management systems, methods, and programs | |
CN111380539A (zh) | 车辆定位、导航方法和装置及相关系统 | |
CN111102988A (zh) | 基于地图的路径规划方法、服务器、车载终端、存储介质 | |
JP2020516880A (ja) | ポリゴンにおける中間点を低減する方法および装置 | |
CN109515439B (zh) | 自动驾驶控制方法、装置、系统及存储介质 | |
JP2018200501A (ja) | 車線情報出力方法および車線情報出力装置 | |
JP2022546833A (ja) | 地図キャリブレーション誤り検出方法及び装置 | |
CN111427373B (zh) | 一种位姿确定方法、装置、介质和设备 | |
CN101469992A (zh) | 车辆导航的处理方法、装置及车辆导航系统 | |
US9267810B2 (en) | Systems and methods for displaying navigational information | |
JPWO2020012207A1 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
CN110440819B (zh) | 导航方法、装置和系统 | |
CN114509065A (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
EP1674827A1 (en) | System for detecting a lane change of a vehicle | |
WO2018198513A1 (ja) | 走行支援装置及び地図データのデータ構造 | |
CN113178091A (zh) | 安全行驶区域方法、装置和网络设备 | |
CN116147605A (zh) | 一种车辆自动驾驶地图生成方法、装置、设备及存储介质 | |
CN116148890A (zh) | 高精度地图车道规划方法、系统、电子设备及存储介质 |
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 |