CN111339802A - 实时相对地图的生成方法及装置、电子设备和存储介质 - Google Patents

实时相对地图的生成方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111339802A
CN111339802A CN201811555006.XA CN201811555006A CN111339802A CN 111339802 A CN111339802 A CN 111339802A CN 201811555006 A CN201811555006 A CN 201811555006A CN 111339802 A CN111339802 A CN 111339802A
Authority
CN
China
Prior art keywords
line
lane
current
vehicle
coordinate system
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
CN201811555006.XA
Other languages
English (en)
Other versions
CN111339802B (zh
Inventor
贺志国
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.)
Changsha Intelligent Driving Research Institute Co Ltd
Original Assignee
Changsha Intelligent Driving Research Institute Co Ltd
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 Changsha Intelligent Driving Research Institute Co Ltd filed Critical Changsha Intelligent Driving Research Institute Co Ltd
Priority to CN201811555006.XA priority Critical patent/CN111339802B/zh
Priority to EP19897973.4A priority patent/EP3901814A4/en
Priority to PCT/CN2019/126367 priority patent/WO2020125686A1/zh
Publication of CN111339802A publication Critical patent/CN111339802A/zh
Priority to US17/416,021 priority patent/US20230070760A1/en
Application granted granted Critical
Publication of CN111339802B publication Critical patent/CN111339802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3819—Road shape data, e.g. outline of a route
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Abstract

一种实时相对地图的生成方法、装置、电子设备和计算机存储介质，一个实施例中的方法包括：基于车辆当前位置以及车辆的车头方向建立车身坐标系，在所述车身坐标系下，基于所述车辆当前位置确定车道指引线；基于所述车道指引线以及车道宽度，生成所述车身坐标系下的实时车道。本实施例方案可以在车辆自动驾驶过程中提供低成本的实时相对地图，且能够为自动驾驶提供地图基础。

Description

实时相对地图的生成方法及装置、电子设备和存储介质
技术领域
本申请涉及智能驾驶技术领域，特别是涉及一种实时相对地图的生成方法、实时相对地图的生成装置、电子设备和计算机存储介质。
背景技术
智能驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统等的协同合作，自动安全地操作机动车辆，已经成为汽车领域的重要发展方向。在智能驾驶过程中，需要结合地图进行行驶路径规划、避障行驶等。目前的自动驾驶方案，大多借助高精度地图(High Definition Map)进行。高精度地图具有丰富的地图元素，可实现场景较为复杂的城市道路自动驾驶，但其也具有采集数据困难、制作周期长、更新速度慢的缺点，导致在自动驾驶的过程中应用高精度地图时，成本高。
发明内容
基于此，有必要提供一种实时相对地图的生成方法、实时相对地图的生成装置、电子设备和计算机存储介质，以提供自动驾驶的过程中的低成本相对地图，且能够为自动驾驶提供地图基础。
一种实时相对地图的生成方法，所述方法包括：
基于车辆当前位置以及车辆的车头方向建立车身坐标系，
在所述车身坐标系下，基于所述车辆当前位置确定车道指引线；
基于所述车道指引线以及车道宽度，生成所述车身坐标系下的实时车道。
一种实时相对地图的生成装置，所述装置包括：
车身坐标系建立模块，用于基于车辆当前位置以及车辆的车头方向建立车身坐标系，
车道指引线生成模块，用于在所述车身坐标系下，基于所述车辆当前位置确定车道指引线；
实时车道生成模块，用于基于所述车道指引线以及车道宽度生成所述车身坐标系下的实时车道。
一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法的步骤。
如上所述的实施例中的实时相对地图的生成方法、实时相对地图的生成装置、电子设备和计算机存储介质，其基于车辆当前位置以及车辆的车头方向建立车身坐标系，并在建立的车身坐标系下基于车辆当前位置确定车道指引线，并据此结合车道宽度生成车身坐标系下的实时车道，从而可以在车辆自动驾驶过程中提供低成本的实时相对地图，且能够为自动驾驶提供地图基础。
附图说明
图1为一个实施例中的实时相对地图的生成方法的流程示意图；
图2为一个实施例中的车道指引线示意图；
图3为一个实施例中线下车道轨迹线上的投影配对原理示意图；
图4为一个实施例中转换到车身坐标系的原理示意图；
图5是一个实施例中生成的实时相对地图的示意图；
图6是一个实施例中基于指引线重叠的指引线衔接方案的原理示意图；
图7是一个应用示例中在驾驶过程中生成实时相对地图的流程示意图；
图8为一个示例中的实时相对地图的生成装置的模块结构示意图；
图9为一个实施例中电子设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参考图1所示，一个实施例中的实时相对地图的生成方法，可以由车辆的整车控制器、其他的控制设备、或者专门提供实时相对地图的相关设备执行，包括下述步骤S101至步骤S103。
步骤S101：基于车辆当前位置以及车辆的车头方向建立车身坐标系。
在建立车身坐标系时，可以用任何可能方式建立以车身为基本参照物的车身坐标系。一些实施例中，在建立车身坐标系时，可以是以车辆的后轴中心为坐标系原点，车辆的车头正对方向为第一坐标轴(例如X轴)的正方向，车辆的车头正对方向逆时针/顺时针旋转90度后的方向为第二坐标轴(例如Y轴)的正方向。
步骤S102：在上述车身坐标系下，基于车辆当前位置确定车道指引线。
一些实施例中，基于所述车辆当前位置确定车道指引线，可以包括：基于车辆当前位置，确定当前车道线起点；基于所述当前车道线起点确定所述车道指引线。
其中，一些实施例中，可以是直接将车辆当前位置作为当前车道线起点，在其他一些实施例中，也可以是将沿车辆当前行驶方向的反方向，距离车辆当前位置预定距离的位置点，作为当前车道线起点，以满足显示美观的需求。
其中，上述基于当前车道线起点确定的车道指引线，可以包括当前车道指引线，还可以包括各相邻车道指引线。其中，当前车道指引线在本实施例中指车辆当前所处的车道的指引线，各相邻车道指引线是指车辆当前所行驶的道路中，除了上述车辆当前所处的车道之外的其他车道的指引线。
基于当前车道线起点确定当前车道指引线的方式，可以采用各种可能的方式进行，以下分别进行举例说明。
在其中一种方式中，可以基于采集获得的车辆周围环境信息，自行生成当前车道指引线，具体可以包括下述步骤A1和步骤A2。
步骤A1：基于车辆周围环境信息，生成在车身坐标系的第一当前车道指引线。
其中，车辆周围环境信息，可以是设置在车辆上的采集设备采集获得的车辆周围的相关环境信息，例如通过摄像装置拍摄获得的车道线等。
基于车辆周围环境信息，生成在车身坐标系的第一当前车道指引线，具体可以包括下述步骤A11至步骤A15。
A11：基于车辆当前位置，确定当前车道指引线在车身坐标系的初始位置、初始朝向。
其中，本申请实施例中，将车道指引线中的点(x，y)与当前车道指引线起点(0，0之间的夹角，称为朝向(heading)，初始朝向指当前车道指引线起点存在的夹角，该夹角可以结合车辆当前行驶方向确定。参考图2所示，一个实施例中，基于建立的车身坐标系，车辆当前位置可记为坐标原点(0，0，当前车道指引线的初始位置为(x0，y0)。假定当前车道指引线起点的X轴坐标与车辆初始位置一致，此时，由于使用车身坐标系，则有x0＝0，而y0表示当前车道指引线与车辆当前位置的横向偏移，若车辆行驶在当前车道指引线，则有y0＝0。若车辆未行驶在当前车道指引线，该横向偏移y0可依据车辆的传感器采集的数据获取。
参考图2所示，当前车道指引线在车身坐标系的初始朝向θ0，表示车辆当前位置与当前车道指引线的夹角，初始朝向θ0可通过传感器数据获取，由于是初始点，因此也可直接设定θ0＝0。
A12：确定当前车道指引线的各目标轨迹点的曲率及其一阶导数。
在确定当前车道指引线的各所述目标轨迹点的曲率及其一阶导数，可以包括下述步骤A121和步骤A122。
步骤A121：基于上述初始朝向，以及当前车道指引线的初始曲率及其初始一阶导数，以及目标轨迹点的第一坐标值，确定目标轨迹点的曲率。
其中，当前车道指引线的初始曲率及其初始一阶导数，可以预先设定，例如，在一些实施例中，可以将当前车道指引线的初始曲率κ0及其初始一阶导数κ0′均设置为0。
一些实施例中，在确定目标轨迹点的曲率κ时，可以采用下式确定和更新：
Figure BDA0001911623030000041
其中，x表示目标轨迹点的第一坐标值，该第一坐标值为目标轨迹点在车身坐标系的第一坐标轴上的坐标值。
步骤A122：基于上述初始朝向，以及当前车道指引线的初始曲率及其初始一阶导数，目标轨迹点的第一坐标值，以及预设常数，确定目标轨迹点的曲率的一阶导数。
一些实施例中，在确定目标轨迹点的曲率的一阶导数κ′时，可以采用下式确定和更新：
Figure BDA0001911623030000051
其中，x表示目标轨迹点的第一坐标值，该第一坐标值为目标轨迹点在车身坐标系的第一坐标轴上的坐标值，ε表示上述预设常数，在一些实施例中，该预设常数ε的值可以设置为0.0001。在其他实施例中，该预设常数ε的值也可以设定为其他值。
A13：基于上述初始位置、初始朝向、预设曲线距离、目标轨迹点的曲率及其一阶导数，计算确定目标轨迹点的朝向，以及目标轨迹点在车身坐标系的车身坐标系位置。
在计算确定目标轨迹点的朝向时，可以基于上述初始朝向、预设曲线距离、目标轨迹点的曲率及其一阶导数计算确定。一些实施例中，参考图2所示，基于车身坐标系，记车辆当前位置为坐标原点(0,0，当前车道指引线的初始位置为(x0，y0)，初始朝向为θ0，当前车道指引线的当前的目标轨迹点的曲率及其一阶导数分别为κ和κ′，则当前的目标轨迹点的当前朝向θ可通过下式计算得到：
Figure BDA0001911623030000052
其中，l表示当前的目标轨迹点与车辆当前位置的曲线距离。
在计算确定目标轨迹点在车身坐标系的车身坐标系位置时，参考图2所示，当前车道指引线的当前的目标轨迹点的位置(x，y)可通过下式得到：
Figure BDA0001911623030000053
Figure BDA0001911623030000061
假定当前车道指引线的起点的X轴坐标与车辆初始位置一致，由于使用的是车身坐标系，因此，会有x0＝0，并且在较短的曲线距离(例如l≤1m)内，指引线朝向的变化率较小，因此会有cosθ(t)≈1，sinθ(t)≈θ(t)，从而上式可简化为：
x＝l
Figure BDA0001911623030000062
在此情况下，当前的目标轨迹点的当前朝向θ的计算公式也可写为：
Figure BDA0001911623030000063
据此，在计算确定目标轨迹点在车身坐标系的车身坐标系位置时，可以在目标轨迹点与初始位置之间的曲线距离小于预设曲线距离(如上述1m)时，将上述曲线距离作为目标轨迹点在第一坐标轴的第一坐标值，并基于上述第一坐标值、当前车道指引线与车辆起始位置的横向偏移值、上述初始朝向、目标轨迹点的曲率及其一阶导数，确定目标轨迹点在上述第二坐标轴的第二坐标值。
A14：根据目标轨迹点的车身坐标系位置、上一个相邻目标轨迹点的车身坐标系位置以及上一个相邻目标轨迹点的纵向行驶距离，确定目标轨迹点的纵向行驶距离。
其中，上一个相邻目标轨迹点，是指自当前车道指引线的起点到该目标轨迹点的方向上的前一个目标轨迹点，即上一个相邻目标轨迹点与当前车道指引线的起点之间的距离，小于目标轨迹点与当前车道指引线的起点之间的距离。
纵向行驶距离s可以采用迭代的方式计算。若已知第n-1个目标轨迹点的纵向行驶距离sn-1，第n-1个目标轨迹点和第n个目标轨迹点的坐标分别为(xn-1，yn-1)，(xn，yn)，则第n个目标轨迹点的纵向行驶距离sn可通过下式计算得到：
Figure BDA0001911623030000064
A15：基于各目标轨迹点的轨迹点信息生成第一车道指引线，其中，轨迹点信息包括：上述车身坐标系位置，上述纵向行驶距离，上述朝向，上述曲率及其一阶导数。
因此，生成的车道指引线，是由一系列的目标轨迹点组成，且每个目标轨迹点均可以使用元组(x，y，s，θ，κ，κ′)描述，其中(x，y)是基于车身坐标系(Front-Left-Up，FLU坐标)的坐标点，s是从起点(0，0)到目标轨迹点(x，y)的纵向行驶距离；θ是当前点(x，y)与起点(0，0)之间的夹角，又称朝向(heading)。
步骤A2：将该第一当前车道指引线作为当前车道指引线。
在另一种方式中，可以基于线下录制的线下车道轨迹线，通过转换的方式生成当前车道指引线，具体可以包括下述步骤B1和步骤B2。
步骤B1：基于与车辆当前位置对应的线下车道轨迹线，转换生成与车辆当前位置和线下车道轨迹线对应、且在车身坐标系的第二当前车道指引线。
其中，在一些实施例中，该步骤B1具体可以包括下述步骤B11至步骤B16。
B11：从与车辆当前位置对应的线下车道轨迹线中，提取自当前车道线起点开始的投影距离范围内的线下坐标轨迹点。
其中，线下车道轨迹线是指线下通过人工录制的方式生成的车道轨迹线，录制的过程中，可以人工驾驶车辆沿道路的某条车道的中心线平稳行驶，并利用车辆上的定位设备实时采集和记录车辆行驶过程中的车辆位置(例如GPS(全球定位系统)位置)，并将采集的GPS位置作为车辆行驶过程中的GPS轨迹点。在车辆行驶过程中可以停车，但不偏离该车道的中心线，也不左摇右摆地剧烈驾驶。然后将基于采集到的GPS轨迹点形成的线下车道轨迹线(下述示例中也称为GPS轨迹)的文件，导入到应用本申请实施例方法的车辆的控制器(例如工控机)。其中，可以是直接导入，也可以是上传到云端后，车辆的控制器在需要时再从云端获取。可以理解，为了能够提高录制的路段中心线的准确性，可以在该道路的该车道的中心线多次行驶和录制，并结合多次录制的结果生成线下车道轨迹线的文件，并可以有一定的纠错处理，在此不再详加赘述。
在一些实施例中，从与车辆当前位置对应的线下车道轨迹线中，提取自当前车道线起点开始的投影距离内的线下坐标轨迹点，可以包括下述步骤B111至步骤B113。
步骤B111：获取与车辆当前位置对应的线下车道轨迹线。
该车辆当前位置通常是基于GPS定位等方式确定的GPS位置，而如上所述，线下录制的线下车道轨迹线包含有GPS轨迹点，因此，基于车辆当前位置，可以确定与该车辆当前位置对应的线下车道轨迹线。
步骤B112：基于车辆当前位置，确定与线下车道轨迹线对应的投影距离。
可以通过各种可能的方式确定该投影距离，例如通过在配置文件中进行配置、结合周围环境信息(如前方是否有障碍物等)实时确定等等。
在一些实施例中，参考图3所示，针对每一条线下车道轨迹线，可定义车辆在该条线下车道轨迹线上的投影配对(Pair)：
ProjIndexPair＝<ProjIndex，ProjDis>
其中，ProjIndexPair表示该投影配对，ProjIndex表示车辆当前位置在线下车道轨迹线(即人工录制的GPS轨迹)上的投影点在整条线下车道轨迹线上的索引序号(0≤ProjIndex≤N-1)，ProjDis表示车辆当前位置在线下车道轨迹线上的投影距离。
从而，在确定与线下车道轨迹线对应的投影距离时，可以基于车辆当前位置确定投影点后，通过该投影配对ProjIndexPair获得该投影距离。
步骤B113：从车辆当前位置对应的线下车道轨迹线中，提取自当前车道线起点开始的所述投影距离内的线下坐标轨迹点。
可以理解，提取的线下坐标轨迹点，是上述线下录制过程中采集记录的GPS轨迹点，该线下坐标轨迹点的坐标是在线下坐标系的位置坐标，该线下坐标系是指除车身坐标系之外的其他坐标系，例如GPS坐标系。
B12：将各线下坐标轨迹点在线下坐标系的位置坐标，转换为在车身坐标系的各目标轨迹点的车身坐标系位置。
一些实施例中，可是结合线下坐标轨迹点的坐标，车辆当前位置在线下坐标系的初始位置，以及车辆当前位置在线下车道轨迹线的线下初始朝向，确定线下坐标轨迹点在车身坐标系的目标轨迹点的车身坐标系位置。并结合线下坐标轨迹点在线下坐标系的朝向，以及所述线下初始朝向，确定线下坐标轨迹点在车身坐标系的目标轨迹点的朝向。
参考图4所示，记车辆在线下坐标系(例如GPS坐标系，也可称为East-North-Up(ENU)坐标系)下的位置为(x0，y0)，朝向为θ。可以理解，(x0，y0)表示车辆当前位置在线下坐标系的位置，x0指该位置在线下坐标系中的第一坐标轴中的第一初始坐标值，y0指该位置在线下坐标系中的第二坐标轴中的第二初始坐标值，θ表示车辆当前位置在线下坐标系的线下车道轨迹线的线下初始朝向。
假设将点P从ENU坐标系(此时，该点P被称为线下坐标轨迹点)转换到车身坐标系(Front-Left-Up(FLU))坐标系(此时，该点P被称为目标轨迹点)，记P在ENU坐标系下的坐标位置为(xenu，yenu)，朝向为θenu。可以理解，(xenu，yenu)表示线下坐标轨迹点的坐标，xenu为该线下坐标轨迹点在线下坐标系中的第一坐标轴中的线下第一坐标值，yenu为该线下坐标轨迹点在线下坐标系中的第二坐标轴中的线下第二坐标值。
并记点P在FLU坐标系下的坐标位置为(xflu，yflu)，朝向为θflu。可以理解，(xflu，yflu)表示P在车身坐标系的位置，xflu指P在车身坐标系的第一坐标轴中的第一坐标值，yflu指P在车身坐标系的第二坐标轴中的第二坐标值。
据此，一些实施例中，确定线下坐标轨迹点P在车身坐标系的目标轨迹点P的车身坐标系位置(可以理解，从空间上看，线下坐标轨迹点P与目标轨迹点P是同一个坐标点，只是所处的坐标系不同)，具体可以是如下所述。
将线下第一坐标值xenu与第一初始坐标值x0的差值与线下初始朝向θ的余弦的乘积，与线下第二坐标值yenu与第二初始坐标值y0的差值与线下初始朝向θ的正弦的乘积进行求和，获得上述第一坐标值xflu。用公式可表示为：
xflu＝(xenu-x0)cosθ+(yenu-y0)sinθ。
将线下第二坐标值yenu与第二初始坐标值y0的差值与线下初始朝向θ的余弦的乘积，与线下第一坐标值xenu与第一初始坐标值x0的差值与线下初始朝向θ的正弦的乘积进行求差，获得上述第二坐标值yflu。用公式可表示为：
yflu＝(yenu-y0)cosθ-(xenu-x0)sinθ。
将线下坐标轨迹点在线下坐标系的朝向θenu和上述线下初始朝向θ的差值，作为目标轨迹点在车身坐标系的朝向θflu。用公式可表示为θflu＝θenu-θ。
其中，在实际技术实现时，还可以对朝向θflu的取值范围进行限制，以满足0≤θflu≤2π的区间条件。
B13：基于车辆当前位置，确定当前车道指引线在车身坐标系的初始位置、初始朝向。
在确定初始位置和初始朝向时，可以与上述步骤A11中的方式相同，此处不再详加赘述。
B14：基于当前车道指引线在车身坐标系的初始位置、初始朝向，以及各目标轨迹点的车身坐标系位置，确定当前车道指引线的各目标轨迹点的曲率及其一阶导数。
在确定各目标轨迹点的曲率及其一阶导数时，可以与上述步骤A12中的方式相同，在此不再详加赘述。
B15：根据目标轨迹点的车身坐标系位置、上一个相邻目标轨迹点的车身坐标系位置以及上一个相邻目标轨迹点的纵向行驶距离，确定目标轨迹点的纵向行驶距离。
具体目标轨迹点的纵向行驶距离的方式，可以与上述步骤A14中的方式相同，在此不再详加赘述。
B16：基于各目标轨迹点的轨迹点信息生成第二车道指引线，轨迹点信息包括：车身坐标系位置，纵向行驶距离，朝向，曲率及其一阶导数。
可以理解，生成的车道指引线，是由对一系列线下坐标轨迹点转换后得到的一系列的目标轨迹点组成，且每个目标轨迹点均可以使用元组(x，y，s，θ，κ，κ′)描述。
步骤B2：将第二当前车道指引线作为当前车道指引线。
在另一种方式中，可以基于采集获得的车辆周围环境信息，自行生成第一当前车道指引线，同时基于线下录制的线下车道轨迹线，通过转换的方式生成第二当前车道指引线，然后基于第一当前车道指引线和第二当前车道指引线，生成当前车道指引线。具体可以包括下述步骤C1至步骤C3。
步骤C1：基于车辆周围环境信息，生成在所述车身坐标系的第一当前车道指引线。
其中，生成第一当前车道指引线的方式，可以与上述实施例中生成第一当前车道指引线的方式相同，此处不再详加赘述。
步骤C2：基于与车辆当前位置对应的线下车道轨迹线，转换生成与车辆当前位置和线下车道轨迹线对应、且在车身坐标系的第二当前车道指引线。
其中，生成第二当前车道指引线的方式，可以与上述实施例中生成第二当前车道指引线的方式相同，此处不再详加赘述。
步骤C3：基于第一当前车道指引线和第二当前车道指引线，生成当前车道指引线。
在基于第一当前车道指引线和第二当前车道指引线，生成当前车道指引线时，可以以第一当前车道指引线以及当前定位信号(例如GPS信号，下述实施例的说明中均以GPS信号为例进行说明)为考虑因素，综合进行确定。
一些实施例中，可以在第一当前车道指引线的置信度大于或者等于第一置信度阈值时，对第一当前车道指引线和第二当前车道指引线进行加权融合，获得当前车道指引线。在一些实施例中，也可以是在同时满足GPS信号稳定的条件时，再进行加权融合。此时，由于第一当前车道指引线的置信度高，因此，可以将第一当前车道指引线和第二当前车道指引线进行加权融合。加权融合时的加权系数可以通过配置文件指定，也可以基于置信度确定。
其中，在一些实施例中，第一当前车道指引线的置信度，可以基于摄像装置拍摄车道线时的图像清晰度、图像检测的概率或者拍摄到的车道线的清晰度等确定，例如直接将图像检测的概率作为置信度，或者基于清晰度确定置信度。在其他实施例中，也可以通过其他方式确定置信度。GPS信号稳定的判断，可以采用已有的任何方式进行，本申请实施例不做具体限定。
一些实施例中，可以在第一当前车道指引线的置信度小于上述第一置信度阈值且大于第二置信度阈值，且当前GPS信号不稳定时，将第一当前车道指引线作为当前车道指引线。其中，第一置信度阈值大于第二置信度阈值。此时，由于GPS信号不稳定，车辆当前的GPS位置无法确定，进而也无法准确地确定线下车道轨迹线，且第一当前车道指引线的置信度相对较高，能够满足条件，因此，可以直接将第一当前车道指引线作为当前车道指引线。
一些实施例中，可以在第一当前车道指引线的置信度小于第三置信度阈值，且当前GPS信号稳定时，将第二当前车道指引线作为当前车道指引线。其中，第三置信度阈值小于等于上述第二置信度阈值。一些实施例中，第三置信度阈值可以设置为与第二置信度阈值相同。此时，由于第一当前车道指引线的置信度低，第一当前车道指引线不可靠，不能加以使用，而GPS信号稳定，能够准确地确定车辆当前的GPS位置，进而也能够准确地确定线下车道轨迹线，因此，可以直接将第二当前车道指引线作为当前车道指引线。
在一些实施例中，在其他的情况下，均可以认为是错误状态，车辆应当立即停止或退出自动驾驶模式。当然，在其他的一些实施例中，也可以采用其他方式以确定符合要求的当前车道指引线。从而不仅能够较好地解决GPS受干扰或无信号问题，又能避免过于依赖车辆传感器所带来的不稳定性。
因此，记Pgps是基于人工录制轨迹生成的第一当前车道指引线，Psensor是基于车辆传感器生成的第二当前车道指引线，第二当前车道指引线的置信度为Conf(Psensor)，第一置信度阈值记为T1，加权系数记为W，第二置信度阈值和第三置信度阈值相同，记为T2。则当前车道指引线的确定可采用下述方式表示：
Figure BDA0001911623030000121
在一些实施例中，也可以是在GPS信号稳定时，才计算确定上述第二当前车道指引线，并在第一当前车道指引线的置信度大于或者等于上述第三置信度阈值时，才计算确定上述第一当前车道指引线，以避免在GPS信号不稳定或者置信度过低时的一些不必要的计算，以节约资源。
针对车辆行驶道路中的各相邻车道指引线，也可以采用各种可能的方式生成。
在其中一种方式中，可以基于上述生成第一当前车道指引线的同样的方式，基于车辆周围环境信息和车道宽度，生成在车身坐标系的各相邻车道的各第一相邻车道指引线，并将各第一相邻车道指引线作为各相邻车道指引线。其中，该车道宽度，主要可用以在计算确定各第一相邻车道指引线的过程中，确定各第一相邻车道指引线的起点。
在其中一种方式中，可以基于上述生成第二当前车道指引线的同样的方式，基于与车辆当前位置对应的线下车道轨迹线，转换生成与车辆当前位置、各相邻车道和线下车道轨迹线对应、且在车身坐标系的各第二相邻车道指引线，并将各第二相邻车道指引线作为各相邻车道指引线。
其中，车辆当前位置对应的线下车道轨迹线，可以是每一个车道对应一个线下车道轨迹线。不同车道的线下车道轨迹线，均可以是通过如上所述的线下驾驶车辆时采集并记录生成。
考虑到对于一些特殊的行驶道路，例如高速公路，这些道路中的一些车道(例如高速公路中的快车道)并不能长时间占用，且这些道路的各车道具有统一规则的形状，且每条车道的宽度、曲率等参数基本一致，因此，可以在上述通过线下录制其中一条车道的线下车道轨迹线之后，根据线下车道轨迹线的在线下坐标系的第一坐标轴的坐标，按距离均匀插值获得各点坐标序列，然后根据当前点的朝向和车道宽度，动态平移生成其他的各车道指引线的点坐标序列，从而获得其他各车道的线下车道轨迹线。
假设当前线下车道轨迹线的坐标点为(xcenter，ycenter)，朝向为θcenter，左车道宽度为Wleft，右车道宽度为Wright，则向左、向各拓展一个车道宽的坐标点(xleft，yleft)及(xright，yright)，可基于下式动态平移生成。
Figure BDA0001911623030000131
Figure BDA0001911623030000132
基于这种方式，不仅可以降低线下车道轨迹线的制作成本和难度，且提高制作线下车道轨迹线的效率。
在一些实施例中，可以定义一个单个的车道指引线元组(Tuple)：
NaviPathTuple＝<LineIndex，LeftWidth，RirhtWidth，PathDataPtr>。
式中，LineIndex为当前一条车道指引线在全部车道指引线中的索引值(LineIndex＝0，1，2，...)，LeftWidth、RightWidth分别表示当前一条车道指引线距离本车道的第一边界(例如左边界)与第二边界(例如右边界)的横向距离，PathDataPtr表示存储的如上所述的轨迹点信息的元组(x，y，s，θ，κ，κ′)序列的数据指针。
在此基础上可以定义投影映射(Map，即键值对(key-value))，其中，键(Key)表示当前一条车道指引线在全部车道指引线中的索引值(LineIndex＝0，1，2，...)，值(Value)表示车辆在对应的线下车道轨迹线上的上述投影配对：
std：：unordered_map<LineIndex，ProjIndexPair>last_project_index_map_
在此基础上，还可以定义出车道指引线元组列表：
std：：list<NaviPathTuple>navigation_path_list_。
从而，针对每一条线下线下车道轨迹线，其在转换为在车身坐标系的指引线(第二当前车道指引线和各第二相邻车道指引线)后，并将其存储到指引线元组列表navigation_path_list_中。
针对指引线元组列表navigation_path_list_中的每个指引线，按照车辆前进方向从左到右或者从右到左进行排序。以便于在后续生成每条指引线所在车道的车道边界线时，可以确保左右相邻车道的边界重合。排序的依据有很多种，本申请的一个实施例中，在剔除纵向距离的影响后，考虑到转换到车身坐标系后，指引线上的每个点的第二坐标值(Y坐标)实际上代表的就是该点与车辆之间的横向偏移，因此，可以对每条指引线数据内第一个点的第二坐标值(Y坐标)进行排序，最左侧的指引线Y坐标值最大，最右侧的指引线Y坐标值最小。
在其中一种方式中，可以是采用上述方式生成各第一相邻车道指引线，并生成上述各第二相邻车道指引线之后，基于各第一相邻车道指引线和各第二相邻车道指引线，生成各相邻车道指引线。具体的方式可以与上述融合第一当前车道指引线和第二当前车道指引线得到当前车道指引线的方式相同。
可以理解，在上述定义了车道指引线元组列表navigation_path_list_的情况下，可以是将融合后得到的当前车道指引线和各相邻车道指引线存储到指引线元组列表navigation_path_list_中。
在其中一种方式中，可以是在获得上述当前车道指引线之后，基于当前车道指引线和车道宽度，在车身坐标系上，对该当前车道指引线按照车道宽度进行动态平移，生成各相邻车道指引线。从而对于高速公路等具有规则形状、每条车道的宽度和曲率等参数基本一致的道路，可以先确定一条车道的车道指引线之后，通过动态平移的方式生成其他车道的车道指引线，避免了针对每一条车道指引线所进行的计算过程，进一步节约资源且提高生成车道指引线的效率。
为了满足指引线的实时性要求，上述生成的车道指引线(包括当前车道指引线以及各相邻车道指引线)每帧(生成频率)的长度可设定为不能超过指定长度。一些实施例中，假设车辆最高行驶速度112Km/h(千米每小时)，需要为自动驾驶车辆规划出一条时长为8s的行驶路径，其长度约为250m，因此，每帧生成的车道指引线的长度可指定为250米。从而，将规划时长设置为8s，既可满足自动驾驶车辆的行驶需求，也能避免规划的路径陷入局部最优进而导致车辆摆动幅度过大。当然，可以理解的是，在其他的车辆最高行驶速度以及规划时长的情况下，车道指引线的长度也会有所不同。
在生成当前车道指引线以及各相邻车道指引线之后，还可以将当前车道指引线以及各相邻车道指引线，按照车辆前进方向的垂直方向进行排序，具体地，如上所述，可以是根据当前车道指引线以及各相邻车道指引线的第一个轨迹点的第二坐标值，对当前车道指引线以及各相邻车道指引线进行排序。
步骤S103：基于车道指引线以及车道宽度，生成车身坐标系下的实时车道。
在生成车身坐标系下的实时车道时，可以是针对车道指引线(包括当前车道指引线以及各相邻车道指引线)，分别生成该车道指引线所在车道的车道边界线。由于生成的车道指引线都是车道的车道中心线，因此，车道指引线到相邻的两条车道边界线的距离都会是车道宽度的一半。
在一些实施例中，在生成车道边界线时，将车辆前进方向的左边作为第一方向，车辆前进方向的右边作为第二方向，对于某一条车道，可以将该车道的左边界，作为与该车道相邻的左侧车道右边界，并将该车道的右边界，作为与该车道相邻的右侧车道的左边界。
在生成车身坐标系下的实时车道之后，还可以进一步获取车道中的交通标志(如限速、禁止超车等标志)，将交通标识加入到上述生成的相应的实时车道中。同时还可以将检测到的实时车道中的其他信息添加到相应的实时车道，例如障碍物信息。一个实施例中生成的实时相对地图如图5所示，其中，实时车道中存在障碍物时，对障碍物的避障处理本申请实施例并不涉及。
如上所述的实施例的方案，可以在自动驾驶的过程中生成实时地图以供自动驾驶过程中应用。如上所述，为了满足指引线的实时性的要求，需要按一定的生成频率定时生成车道指引线，因此，对于长距离驾驶的情况，显然不可能只使用一条指引线，需要借助多条指引线来提供完整的路径导航。在本申请一些实施例的方案中，参考图6所示，通过将前后相接的指引线之间重叠一小段的方式，以确保前后相接的指引线之间的平滑连接。经过实测检验，基于该方案车辆能无缝地通过指引线衔接处。
为此，在本申请实施例方案中，在车辆行驶过程中，在车辆当前位置为车道指引线与下一段车道指引线的匹配点对中的第一点时，将车辆当前位置设置为该匹配点对中的第二点，并基于下一段车道指引线生成车身坐标系下的实时车道，其中，车道指引线以及下一段车道指引线均包含第一点和第二点，即前后相接的两端车道指引线在第一点和第二点处进行重叠。
参考图6所示的原理图，在录制线下车道轨迹线时，按照指定的时间间隔或指定的距离分段录制之后，将前一段录制的线下车道轨迹线的最后一小段长约250m(或者其他长度)的轨迹点，增加到后一段录制的线下车道轨迹线的开始处，然后通过如上所述的实施例，将其转换为在车身坐标系下的指引线序列。
参考图6所示，在车辆行驶过程中，首先通过最小距离匹配的方式在重叠区间[A,B]内找到指引线1与指引线2之间的匹配点对(S1,S2)，其中S1是指引线1上的点，S2是指引线2上的点，S1与S2可能重合，也可能不重合，只要二者之间的距离小于指定的阈值即可。在车辆行驶过程中，先使用指引线1生成实时相对地图，当车辆抵达指引线1上的S1点时，由于S1点在匹配点对中，立即将当前点切换至指引线2上的S2点，之后就基于指引线2生成实时相对地图。由于重叠区间[A,B]之间的指引线片段基于相同的录制轨迹生成，因此从S1点切换至S2点不会产生剧烈波动，车辆可以平滑地驾驶通过重叠区间[A,B]。该方式无需使用复杂的数学公式进行曲线拟合，但实测效果良好，且满足工程实践要求的简单、可靠原则。
以一个实际应用中的自动驾驶过程为例，参考图7所示，在初始化后，建立车身坐标系，若GPS信号稳定，则将多条人工录制的线下车道轨迹线，转换为在车身坐标系中的车道指引线，并基于这多条指引线的第一个点Y坐标，对各指引线进行排序。若GPS信号不稳定，则可以无需对线下车道轨迹线进行转换，以节省系统资源。同时，若置信度符合要求(参考上文所述，可以基于摄像装置等传感器的性能或者拍摄获得的照片中的车道线清晰度等确定置信度)，则基于周围环境数据(如摄像装置拍摄获得的车道线)，直接生成在车身坐标系下的指引线。若置信度不符合要求，则无需执行基于周围环境数据生成在车身坐标系下的指引线的步骤。
然后，将基于传感器检测生成的指引线，与上述转换生成的指引线进行融合，得到最后的车道指引线。并设置融合后的每条指引线所在车道的宽度以及车道边界线，然后加入速度、禁止超车等交通标志，生成最终的多车道实时相对地图。
基于与上述定位方法相同的思想，参考图8所示，一个实施例中提供的实时相对地图的生成装置，包括：
车身坐标系建立模块11，用于基于车辆当前位置以及车辆的车头方向建立车身坐标系；
车道指引线生成模块12，用于在所述车身坐标系下，基于所述车辆当前位置确定车道指引线；
实时车道生成模块13，用于基于所述车道指引线以及车道宽度生成所述车身坐标系下的实时车道。
其中，关于实时相对地图的生成装置的具体限定，可以参见上文中对于实时相对地图的生成方法的限定，在此不再赘述。上述实时相对地图的生成装置中的各个模块，可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
一个实施例中提供了一种电子设备，该电子设备是可以应用于车辆中从而实现对车辆行驶过程控制的设备。一个实施例中的电子设备的内部结构图可以如图9所示。该电子设备包括通过系统总线连接的处理器、存储器，还可以包括通过系统总线连接的网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆控制方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
据此，在一个实施例中，还提供了一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现如上所述的任意实施例中的方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种实时相对地图的生成方法，所述方法包括：
基于车辆当前位置以及车辆的车头方向建立车身坐标系；
在所述车身坐标系下，基于所述车辆当前位置确定车道指引线；
基于所述车道指引线以及车道宽度，生成所述车身坐标系下的实时车道。
2.根据权利要求1所述的方法，其特征在于，包括下述各项中的任意一项：
第一项：
基于所述车辆当前位置确定车道指引线，包括：
基于所述车辆当前位置，确定当前车道线起点；
基于所述当前车道线起点确定所述车道指引线；
第二项：
在基于所述车辆当前位置确定车道指引线之后，基于所述车道指引线以及车道宽度，生成所述车身坐标系下的实时车道之前，还包括步骤：
根据每条车道指引线的第一个点的第二坐标值，对各车道指引线进行排序；
第三项：
还包括步骤：
在所述车辆当前位置为所述车道指引线与下一段车道指引线的匹配点对中的第一点时，将所述车辆当前位置设置为所述匹配点对中的第二点，并基于所述下一段车道指引线生成所述车身坐标系下的实时车道，所述车道指引线以及所述下一段车道指引线均包含所述第一点和所述第二点。
3.根据权利要求2所述的方法，其特征在于，包括下述各项中的任意一项：
第一项：
所述当前车道线起点为所述车辆当前位置，或者，所述当前车道线起点为沿车辆当前行驶方向的反方向，距离所述车辆当前位置预定距离的位置点；
第二项：
所述车道指引线包括当前车道指引线；基于所述当前车道线起点确定所述车道指引线，包括：
基于车辆周围环境信息，生成在所述车身坐标系的第一当前车道指引线，并将所述第一当前车道指引线作为所述当前车道指引线；
第三项：
所述车道指引线包括当前车道指引线；基于所述当前车道线起点确定所述车道指引线，包括：
基于与所述车辆当前位置对应的线下车道轨迹线，转换生成与所述车辆当前位置和所述线下车道轨迹线对应、且在所述车身坐标系的第二当前车道指引线，并将所述第二当前车道指引线作为所述当前车道指引线；
第四项：
所述车道指引线包括当前车道指引线；基于所述当前车道线起点确定所述车道指引线，包括：
基于车辆周围环境信息，生成在所述车身坐标系的第一当前车道指引线；
基于与所述车辆当前位置对应的线下车道轨迹线，转换生成与所述车辆当前位置和所述线下车道轨迹线对应、且在所述车身坐标系的第二当前车道指引线；
基于所述第一当前车道指引线和所述第二当前车道指引线，生成所述当前车道指引线。
4.根据权利要求3所述的方法，其特征在于，包括下述各项中的至少一项：
第一项：
基于车辆周围环境信息，生成在所述车身坐标系的第一当前车道指引线，包括：
基于所述车辆当前位置，确定当前车道指引线在所述车身坐标系的初始位置、初始朝向；
确定所述当前车道指引线的各目标轨迹点的曲率及其一阶导数；
基于所述初始位置、所述初始朝向、预设曲线距离、所述目标轨迹点的曲率及其一阶导数，计算确定所述目标轨迹点的朝向，以及所述目标轨迹点在所述车身坐标系的车身坐标系位置；
根据所述目标轨迹点的所述车身坐标系位置、上一个相邻目标轨迹点的车身坐标系位置以及所述上一个相邻目标轨迹点的纵向行驶距离，确定所述目标轨迹点的纵向行驶距离；
基于各所述目标轨迹点的轨迹点信息生成所述车道指引线，所述轨迹点信息包括：所述车身坐标系位置，所述纵向行驶距离，所述朝向，所述曲率及其一阶导数；
第二项：
基于与所述车辆当前位置对应的线下车道轨迹线，转换生成与所述车辆当前位置和所述线下车道轨迹线对应、且在所述车身坐标系的第二当前车道指引线，包括：
从与所述车辆当前位置对应的线下车道轨迹线中，提取自所述当前车道线起点开始的投影距离范围内的线下坐标轨迹点；
将各所述线下坐标轨迹点在线下坐标系的位置坐标，转换为在所述车身坐标系的各目标轨迹点的车身坐标系位置；
基于所述车辆当前位置，确定当前车道指引线在所述车身坐标系的初始位置、初始朝向；
基于所述当前车道指引线在所述车身坐标系的初始位置、初始朝向，以及各所述目标轨迹点的车身坐标系位置，确定所述当前车道指引线的各所述目标轨迹点的曲率及其一阶导数；
根据所述目标轨迹点的车身坐标系位置、上一个相邻目标轨迹点的车身坐标系位置以及所述上一个相邻目标轨迹点的纵向行驶距离，确定所述目标轨迹点的纵向行驶距离；
基于各所述目标轨迹点的轨迹点信息生成所述第二车道指引线，所述轨迹点信息包括：所述车身坐标系位置，所述纵向行驶距离，所述朝向，所述曲率及其一阶导数；
第三项：
基于所述第一当前车道指引线和所述第二当前车道指引线，生成所述当前车道指引线，包括：
若所述第一当前车道指引线的置信度大于或者等于第一置信度阈值，对所述第一当前车道指引线和所述第二当前车道指引线进行加权融合，获得所述当前车道指引线；
若所述第一当前车道指引线的置信度小于所述第一置信度阈值且大于第二置信度阈值，且当前定位信号不稳定，将所述第一当前车道指引线作为所述当前车道指引线，所述第一置信度阈值大于所述第二置信度阈值；
若所述第一当前车道指引线的置信度小于第三置信度阈值，且当前定位信号稳定，将所述第二当前车道指引线作为所述当前车道指引线，所述第三置信度阈值小于等于所述第二置信度阈值。
5.根据权利要求4所述的方法，其特征在于，包括下述各项中的至少一项：
第一项：
确定所述当前车道指引线的各所述目标轨迹点的曲率及其一阶导数，包括：
基于所述初始朝向，以及所述当前车道指引线的初始曲率及其初始一阶导数，以及所述目标轨迹点的所述第一坐标值，确定所述目标轨迹点的曲率；
基于所述初始朝向，以及所述当前车道指引线的初始曲率及其初始一阶导数，所述目标轨迹点的所述第一坐标值，以及预设常数，确定所述目标轨迹点的曲率的一阶导数；
第二项：
从与所述车辆当前位置对应的线下车道轨迹线中，提取自所述当前车道线起点开始的投影距离内的线下坐标轨迹点，包括：
获取与所述车辆当前位置对应的线下车道轨迹线；
基于所述车辆当前位置，确定与所述线下车道轨迹线对应的投影距离；
从所述车辆当前位置对应的线下车道轨迹线中，提取自所述当前车道线起点开始的所述投影距离内的线下坐标轨迹点；
第三项：
将各所述线下坐标轨迹点的坐标，转换为在所述车身坐标系的各目标轨迹点的车身坐标系位置，包括：
结合所述线下坐标轨迹点的坐标，所述车辆当前位置在线下坐标系的初始位置，以及所述车辆当前位置在线下车道轨迹线的线下初始朝向，确定所述线下坐标轨迹点在所述车身坐标系的目标轨迹点的车身坐标系位置；
结合所述线下坐标轨迹点在线下坐标系的朝向，以及所述线下初始朝向，确定所述线下坐标轨迹点在车身坐标系的目标轨迹点的朝向。
6.根据权利要求5所述的方法，其特征在于，确定所述线下坐标轨迹点在所述车身坐标系的目标轨迹点的车身坐标系位置，包括：
将线下第一坐标值与第一初始坐标值的差值与所述线下初始朝向的余弦的乘积，与线下第二坐标值与第二初始坐标值的差值与所述线下初始朝向的正弦的乘积，求和，获得目标轨迹点在车身坐标系位置中的第一坐标值；
将线下第二坐标值与第二初始坐标值的差值与所述线下初始朝向的余弦的乘积，与线下第一坐标值与第一初始坐标值的差值与所述线下初始朝向的正弦的乘积，求差，获得目标轨迹点在车身坐标系中的第二坐标值；
所述线下第一坐标值为所述线下坐标轨迹点在线下坐标系的第一坐标轴中的坐标值，所述线下第二坐标值为所述线下坐标轨迹点在所述线下坐标系的第二坐标轴中的坐标值，所述第一初始坐标值为所述车辆当前位置在所述线下坐标系中的第一坐标轴中的坐标值，所述第二初始坐标值为所述车辆当前位置在所述线下坐标系中的第二坐标轴中的坐标值，所述线下初始朝向为所述车辆当前位置在所述线下坐标系的所述线下车道轨迹线的朝向。
7.根据权利要求2所述的方法，其特征在于，所述车道指引线还包括各相邻车道指引线，还包括下述各项中的任意一项：
第一项：
基于所述当前车道线起点确定所述车道指引线，包括：
基于车辆周围环境信息和所述车道宽度，生成在所述车身坐标系的各第一相邻车道指引线，并将各所述第一相邻车道指引线作为各所述相邻车道指引线；
第二项：
基于所述当前车道线起点确定所述车道指引线，包括：
基于与所述车辆当前位置对应的线下车道轨迹线，转换生成与所述车辆当前位置、各相邻车道和所述线下车道轨迹线对应、且在所述车身坐标系的各第二相邻车道指引线，并将各所述第二相邻车道指引线作为各所述相邻车道指引线；
第三项：
基于所述当前车道线起点确定所述车道指引线，包括：
基于车辆周围环境信息和所述车道宽度，生成在所述车身坐标系的各第一相邻车道指引线；
基于与所述车辆当前位置对应的线下车道轨迹线，转换生成与所述车辆当前位置、各相邻车道和所述线下车道轨迹线对应、且在所述车身坐标系的各第二相邻车道指引线；
基于各所述第一相邻车道指引线和各所述第二相邻车道指引线，生成各所述相邻车道指引线；
第四项：
基于所述当前车道线起点确定所述车道指引线，包括：
在获得所述当前车道指引线之后，所述当前车道指引线和所述车道宽度，动态平移生成各相邻车道指引线。
8.一种实时相对地图的生成装置，所述装置包括：
车身坐标系建立模块，用于基于车辆当前位置以及车辆的车头方向建立车身坐标系，
车道指引线生成模块，用于在所述车身坐标系下，基于所述车辆当前位置确定车道指引线；
实时车道生成模块，用于基于所述车道指引线以及车道宽度生成所述车身坐标系下的实时车道。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201811555006.XA 2018-12-19 2018-12-19 实时相对地图的生成方法及装置、电子设备和存储介质 Active CN111339802B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811555006.XA CN111339802B (zh) 2018-12-19 2018-12-19 实时相对地图的生成方法及装置、电子设备和存储介质
EP19897973.4A EP3901814A4 (en) 2018-12-19 2019-12-18 REAL-TIME RELATIVE MAP GENERATION METHOD, INTELLIGENT CONTROL DEVICE AND COMPUTER STORAGE MEDIA
PCT/CN2019/126367 WO2020125686A1 (zh) 2018-12-19 2019-12-18 实时相对地图的生成方法，智能驾驶设备以及计算机存储介质
US17/416,021 US20230070760A1 (en) 2018-12-19 2021-06-18 Method for generating real-time relative map, intelligent driving device, and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811555006.XA CN111339802B (zh) 2018-12-19 2018-12-19 实时相对地图的生成方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111339802A true CN111339802A (zh) 2020-06-26
CN111339802B CN111339802B (zh) 2024-04-19

Family

ID=71102485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811555006.XA Active CN111339802B (zh) 2018-12-19 2018-12-19 实时相对地图的生成方法及装置、电子设备和存储介质

Country Status (4)

Country Link
US (1) US20230070760A1 (zh)
EP (1) EP3901814A4 (zh)
CN (1) CN111339802B (zh)
WO (1) WO2020125686A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538673A (zh) * 2021-06-29 2021-10-22 深圳一清创新科技有限公司 一种车道的生成方法、装置以及电子设备
CN113670323A (zh) * 2021-08-17 2021-11-19 京东鲲鹏(江苏)科技有限公司 一种目标区域的确定方法、装置、设备和介质
CN114333298A (zh) * 2021-12-02 2022-04-12 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114550571B (zh) * 2020-11-26 2023-06-20 华为技术有限公司 一种车道线标注方法、装置、存储介质及计算机程序产品
CN112918487B (zh) * 2021-02-24 2022-04-12 京东鲲鹏(江苏)科技有限公司 无人车起步方法、装置、电子设备和计算机可读介质
CN114419192A (zh) * 2022-01-20 2022-04-29 腾讯科技（深圳）有限公司 引导线的显示方法、装置、设备、介质及程序产品
CN117388838B (zh) * 2023-12-13 2024-03-29 广州市德赛西威智慧交通技术有限公司 应用于车辆驾驶控制的经纬度坐标标定方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349566A (zh) * 2007-07-19 2009-01-21 康佳集团股份有限公司 一种车辆实时导航方法及系统
CN101776438A (zh) * 2010-01-26 2010-07-14 武汉理工大学 道路标线测量装置及其测量方法
US20140257686A1 (en) * 2013-03-05 2014-09-11 GM Global Technology Operations LLC Vehicle lane determination
US20150352954A1 (en) * 2014-06-05 2015-12-10 Thinkware Corporation Electronic apparatus, control method of electronic apparatus and computer readable recording medium
US20150363934A1 (en) * 2014-06-17 2015-12-17 Thinkware Corporation Electronic apparatus and control method thereof
US20160314358A1 (en) * 2015-04-21 2016-10-27 Alpine Electronics, Inc. Electronic Device, Traveling Lane Identifying System, and Traveling Lane Identifying Method
CN106092121A (zh) * 2016-05-27 2016-11-09 百度在线网络技术（北京）有限公司 车辆导航方法和装置
CN107578002A (zh) * 2017-08-28 2018-01-12 沈阳中科创达软件有限公司 一种车道线识别结果的监测方法、装置、设备和介质
CN107941226A (zh) * 2017-11-16 2018-04-20 百度在线网络技术（北京）有限公司 用于生成车辆的方向引导线的方法和装置
CN108831146A (zh) * 2018-04-27 2018-11-16 厦门维斯云景信息科技有限公司 生成三维高清道路图交叉路口行车线的半自动点云方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6882287B2 (en) * 2001-07-31 2005-04-19 Donnelly Corporation Automotive lane change aid
US9428187B2 (en) * 2014-06-05 2016-08-30 GM Global Technology Operations LLC Lane change path planning algorithm for autonomous driving vehicle
US10013610B2 (en) * 2015-10-23 2018-07-03 Nokia Technologies Oy Integration of positional data and overhead images for lane identification
US10210406B2 (en) * 2016-08-19 2019-02-19 Dura Operating, Llc System and method of simultaneously generating a multiple lane map and localizing a vehicle in the generated map
CN106441319B (zh) * 2016-09-23 2019-07-16 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
CN108645420B (zh) * 2018-04-26 2022-06-14 北京联合大学 一种基于差分导航的自动驾驶车辆多路径地图的创建方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349566A (zh) * 2007-07-19 2009-01-21 康佳集团股份有限公司 一种车辆实时导航方法及系统
CN101776438A (zh) * 2010-01-26 2010-07-14 武汉理工大学 道路标线测量装置及其测量方法
US20140257686A1 (en) * 2013-03-05 2014-09-11 GM Global Technology Operations LLC Vehicle lane determination
US20150352954A1 (en) * 2014-06-05 2015-12-10 Thinkware Corporation Electronic apparatus, control method of electronic apparatus and computer readable recording medium
US20150363934A1 (en) * 2014-06-17 2015-12-17 Thinkware Corporation Electronic apparatus and control method thereof
US20160314358A1 (en) * 2015-04-21 2016-10-27 Alpine Electronics, Inc. Electronic Device, Traveling Lane Identifying System, and Traveling Lane Identifying Method
CN106092121A (zh) * 2016-05-27 2016-11-09 百度在线网络技术（北京）有限公司 车辆导航方法和装置
CN107578002A (zh) * 2017-08-28 2018-01-12 沈阳中科创达软件有限公司 一种车道线识别结果的监测方法、装置、设备和介质
CN107941226A (zh) * 2017-11-16 2018-04-20 百度在线网络技术（北京）有限公司 用于生成车辆的方向引导线的方法和装置
CN108831146A (zh) * 2018-04-27 2018-11-16 厦门维斯云景信息科技有限公司 生成三维高清道路图交叉路口行车线的半自动点云方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张润生;黄小云;马雷;: "复杂环境下车辆前方多车道识别方法", 农业机械学报, no. 05, 25 May 2010 (2010-05-25), pages 30 - 35 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538673A (zh) * 2021-06-29 2021-10-22 深圳一清创新科技有限公司 一种车道的生成方法、装置以及电子设备
CN113670323A (zh) * 2021-08-17 2021-11-19 京东鲲鹏(江苏)科技有限公司 一种目标区域的确定方法、装置、设备和介质
CN114333298A (zh) * 2021-12-02 2022-04-12 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法
CN114333298B (zh) * 2021-12-02 2024-02-23 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法

Also Published As

Publication number Publication date
US20230070760A1 (en) 2023-03-09
CN111339802B (zh) 2024-04-19
EP3901814A1 (en) 2021-10-27
EP3901814A4 (en) 2022-09-14
WO2020125686A1 (zh) 2020-06-25

Similar Documents

Publication Publication Date Title
CN111339802B (zh) 实时相对地图的生成方法及装置、电子设备和存储介质
CN110160542B (zh) 车道线的定位方法和装置、存储介质、电子装置
CN109901138B (zh) 激光雷达标定方法、装置、设备和存储介质
CN108291813B (zh) 借助姿态图的位置数据融合
CN109084782B (zh) 基于摄像头传感器的车道线地图构建方法以及构建系统
CN110763246A (zh) 自动驾驶车辆路径规划方法、装置、车辆及存储介质
US20210197850A1 (en) Unmanned vehicle traveling method and apparatus
CN109074638B (zh) 融合建图方法、相关装置及计算机可读存储介质
CN110530372B (zh) 定位方法、路径确定方法、装置、机器人及存储介质
CN108061555B (zh) 一种车辆定位误差矫正方法及装置
CN113330279A (zh) 用于确定车辆的位置的方法和系统
EP3023740B1 (en) Method, apparatus and computer program product for route matching
CN111256687A (zh) 地图数据的处理方法、装置、采集设备和存储介质
CN113587944B (zh) 准实时的车辆行驶路线生成方法、系统及设备
CN111652072A (zh) 轨迹获取方法、轨迹获取装置、存储介质和电子设备
CN110243364B (zh) 无人机航向确定方法、装置、无人机及存储介质
CN112286049A (zh) 运动轨迹预测方法和装置
CN110596741A (zh) 车辆定位方法、装置、计算机设备和存储介质
US20220205804A1 (en) Vehicle localisation
CN111380536B (zh) 车辆定位方法、装置、电子设备、计算机可读存储介质
JP2021092508A (ja) 走行軌跡推定方法及び走行軌跡推定装置
US11908206B2 (en) Compensation for vertical road curvature in road geometry estimation
CN114663804A (zh) 可行驶区域检测方法、装置、移动设备及存储介质
JP7421923B2 (ja) 位置推定装置、及び位置推定方法
Deusch et al. Improving localization in digital maps with grid maps

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