CN111767360A - 路口虚拟车道标注的方法及装置 - Google Patents

路口虚拟车道标注的方法及装置 Download PDF

Info

Publication number
CN111767360A
CN111767360A CN202010626805.2A CN202010626805A CN111767360A CN 111767360 A CN111767360 A CN 111767360A CN 202010626805 A CN202010626805 A CN 202010626805A CN 111767360 A CN111767360 A CN 111767360A
Authority
CN
China
Prior art keywords
intersection
lanes
track data
data
lane
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
CN202010626805.2A
Other languages
English (en)
Other versions
CN111767360B (zh
Inventor
刘阳
宋适宇
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010626805.2A priority Critical patent/CN111767360B/zh
Publication of CN111767360A publication Critical patent/CN111767360A/zh
Priority to KR1020210038687A priority patent/KR20210040879A/ko
Priority to JP2021060611A priority patent/JP7258938B2/ja
Priority to US17/339,016 priority patent/US11447153B2/en
Priority to EP21177989.7A priority patent/EP3919862A1/en
Application granted granted Critical
Publication of CN111767360B publication Critical patent/CN111767360B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • 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
    • G01C21/3863—Structures of map data
    • G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24553—Query execution of query operations
    • G06F16/24554—Unary operations; Data partitioning operations
    • G06F16/24556—Aggregation; Duplicate elimination
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)

Abstract

本申请实施例提供一种路口虚拟车道标注的方法及装置，涉及智能交通领域，具体包括：基于检测时间内通过路口的车辆的行驶轨迹数据，计算路口中各不连通车道的虚拟连接概率，并为虚拟连接概率高于阈值的两个不连通车道生成路口内的虚拟车道，在地图上标注该虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。

Description

路口虚拟车道标注的方法及装置
技术领域
本申请涉及数据处理技术领域的智能交通，尤其涉及一种路口虚拟车道标注的方法及装置。
背景技术
在自动驾驶过程中，自动驾驶车辆需要按照预先在地图上规划好的路径行驶，因此，路径可能需要精确到车道级别，制作地图时，需要在地图上显示车道。
制作地图的过程中，需要将车道标注在电子地图上。其中，车道包括普通道路内的车道以及路口内的车道，路口内的车道如十字路口、丁字路口等交叉路口内的车道。对于路口内的车道，要求车道符合人类驾驶习惯，并且车道应与实际车道数量相符。通常情况下，通过人工标注的方式在地图中标注路口内的车道。
但是通过人工标注方式在地图中标注路口内的车道，效率低且容易出错。
发明内容
本申请实施例提供一种路口虚拟车道标注的方法及装置，以解决现有技术中在地图中标注路口内的车道效率低且容易出错的技术问题。
本申请实施例第一方面提供一种路口虚拟车道标注的方法，包括：
获取检测时间内通过路口的车辆的行驶轨迹数据；根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率；所述任意两个不连通车道为：所述路口中任意两个无真实车道线连通的车道；所述任意两个不连通车道的虚拟连接概率为：所述任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率；聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道；在地图上标注所述虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。
一种可能的实现方式中，所述根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：依据地图的车道坐标数据与通过所述路口的车辆的行驶轨迹数据，匹配通过所述路口的车辆的行驶轨迹数据在所述地图中的车道；统计所述路口中任意两个不连通车道中的行驶轨迹数据的数量；依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：计算所述路口中任意两个不连通车道中的行驶轨迹数据的数量与行驶轨迹数据的总数量的比值，得到所述路口中任意两个不连通车道的虚拟连接概率。这样可以得到准确客观的虚拟连接概率。
一种可能的实现方式中，所述根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：对通过所述路口的车辆的行驶轨迹数据进行数据清洗；依据清洗后的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率。从而可以剔除噪声数据对虚拟连接概率准确度的影响。
一种可能的实现方式中，所述对通过所述路口的车辆的行驶轨迹数据进行数据清洗，包括：对于通过所述路口的任意一条行驶轨迹数据，计算所述任意一条行驶轨迹数据中任意两个位置之间所述车辆的速度值，在所述任意两个位置之间所述车辆的速度值大于速度阈值的情况下，删除所述任意两个位置的数据。这样，可以剔除行驶轨迹数据中速度值不合理的数据。
一种可能的实现方式中，所述对通过所述路口的车辆的行驶轨迹数据进行数据清洗，包括：对于通过所述路口的任意一条所述行驶轨迹数据，删除所述任意一条行驶轨迹数据中坐标不属于能够通行的车道的数据。这样，可以剔除行驶轨迹数据中不符合交通规则的数据，从而可以得到准确的行驶轨迹数据。
一种可能的实现方式中，所述聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道，包括：聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，得到聚合行驶轨迹数据；利用车辆动力学平滑算法对所述聚合行驶轨迹数据进行平滑处理，得到所述路口内的虚拟车道。利用车辆动力学平滑算法对聚合行驶轨迹数据进行平滑处理，可以得到平滑、准确的虚拟车道。
一种可能的实现方式中，所述获取检测时间内通过路口的车辆的行驶轨迹数据，包括：获取检测时间内自动驾驶车辆通过路口时采集的其他车辆的数据；从所述数据中获取通过所述路口的车辆的行驶轨迹数据。这样，可以利用自动驾驶车辆自动采集检测时间内通过路口的车辆的行驶轨迹数据。
本申请实施例第二方面提供一种路口虚拟车道标注的装置，包括：
处理模块，用于获取检测时间内通过路口的车辆的行驶轨迹数据；
所述处理模块，还用于根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率；所述任意两个不连通车道为：所述路口中任意两个无真实车道线连通的车道；所述任意两个不连通车道的虚拟连接概率为：所述任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率；
所述处理模块，还用于聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道；
所述处理模块，还用于在地图上标注所述虚拟车道。
一种可能的实现方式中，所述处理模块，具体用于：
依据地图的车道坐标数据与通过所述路口的车辆的行驶轨迹数据，匹配通过所述路口的车辆的行驶轨迹数据在所述地图中的车道；
统计所述路口中任意两个不连通车道中的行驶轨迹数据的数量；
依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述处理模块，具体还用于：
计算所述路口中任意两个不连通车道中的行驶轨迹数据的数量与行驶轨迹数据的总数量的比值，得到所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述处理模块，具体还用于：
对通过所述路口的车辆的行驶轨迹数据进行数据清洗；
依据清洗后的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述处理模块，具体还用于：
对于通过所述路口的任意一条行驶轨迹数据，计算所述任意一条行驶轨迹数据中任意两个位置之间的速度值，在所述任意两个位置之间的速度值大于速度阈值的情况下，删除所述任意两个位置的数据。
一种可能的实现方式中，所述处理模块，具体还用于：
对于通过所述路口的任意一条所述行驶轨迹数据，删除所述任意一条行驶轨迹数据中坐标不属于能够通行的车道的数据。
一种可能的实现方式中，所述处理模块，具体还用于：
聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，得到聚合行驶轨迹数据；
利用车辆动力学平滑算法对所述聚合行驶轨迹数据进行平滑处理，得到所述路口内的虚拟车道。
一种可能的实现方式中，所述处理模块，具体还用于：
获取检测时间内自动驾驶车辆通过路口时采集的其他车辆的数据；
从所述数据中获取通过所述路口的车辆的行驶轨迹数据。
本申请实施例第三方面提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述第一方面任一项所述的方法。
本申请实施例第四方面提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如前述第一方面中任一项所述的方法。
综上所述，本申请实施例相对于现有技术的有益效果：
本申请实施例中提供了一种路口虚拟车道标注的方法及装置，可以基于检测时间内通过路口的车辆的行驶轨迹数据，计算路口中各不连通车道的虚拟连接概率，并为虚拟连接概率高于阈值的两个不连通车道生成路口内的虚拟车道，在地图上标注该虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。
附图说明
图1为本申请实施例提供的路口虚拟车道标注的方法适用的系统架构示意图；
图2为本申请实施例提供的一种路口示意图；
图3为本申请实施例提供的路口虚拟车道标注的方法的流程示意图；
图4为本申请实施例提供的另一种路口示意图；
图5为本申请实施例提供的路口虚拟车道标注装置的结构示意图；
图6是用来实现本申请实施例的路口虚拟车道标注的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本申请实施例的路口虚拟车道标注方法可以应用于终端或服务器，终端可以包括：手机、平板电脑、笔记本电脑、或者台式电脑等电子设备。本申请实施例对应用的具体设备不作具体限定。
本申请实施例所描述的路口也可以是十字路口、丁字路口或丫字路口等，本申请实施例对此不作具体限定。
本申请实施例所描述的车辆可以是无人驾驶的车辆，也可以是有人驾驶且有辅助驾驶功能的车辆，车辆具体可以包括轿车、越野车、货车等，本申请实施例对车辆不作具体限定。
本申请实施例所描述的任意两个不连通车道为：路口中任意两个无真实车道线连通的车道。
本申请实施例所描述的任意两个不连通车道的虚拟连接概率为：任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率。
本申请实施例所描述的地图可以是用于辅助自动驾驶车辆行驶的地图，也可以称为高精地图或高精度地图等。本申请实施例所描述的地图是相对于传统的二维导航地图而言精度较高的地图。例如，精度达到分米级甚至厘米级。高精地图可以包含各种道路信息，例如，车道类型、道路标识、交通标志、限速信息、道路倾斜、弯道等信息。本申请实施例对此不作具体限定。
如图1所示，图1为本申请实施例提供的方法所适用的应用场景架构示意图。
终端设备11与服务器12之间可以建立网络连接，车载设备13与服务器12之间可以建立网络连接，车载设备13用于采集车辆的行驶数据并发送至服务器12。终端设备11可以通过服务器12获取到大量车辆的行驶数据。其中，行驶数据包括车辆的行驶轨迹等。实际实现时，可以设置车载设备13采集一个时间段内通过路口的所有车辆的行驶数据。
示例性的，车道标注人员通过操作终端设备11，能够在该终端设备11上加载并展示路口内的车道。终端设备11可以从服务器12中获取检测时间内通过路口的车辆的行驶轨迹数据，计算路口中各不连通车道的虚拟连接概率，并为虚拟连接概率高于阈值的两个不连通车道生成路口内的虚拟车道，在地图上标注该虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。
示例性的，图2是本申请实施例提供的方法适用的路口的示意图。
参照图2，以路口为十字路口为例，粗黑实线为道路的边，细实线为停车线，虚线为道路内的车道线，该十字路口不同方向的停车线围成的矩形区域，即为路口内区域。对于道路上的车道，通车表示该车道的车道线上具有油漆等物质，使得车道线上的点与地面上非车道位置的点的反射强度不一样。因此，可以通过激光点云数据提取出车道线并根据该车道线在高精地图上标注出车道。
然而，对于路口内的车道，通常不会用油漆突出显示，因此，无法根据激光点云数据提取出路口内的车道线并在地图上标注虚拟车道。本申请实施例中，将地图上标注的车道线称之为虚拟车道。
如图3所示，图3为本申请实施例提供的路口虚拟车道标注的方法的流程示意图。该方法具体可以包括：
S101：获取检测时间内通过路口的车辆的行驶轨迹数据。
本申请实施例中，检测时间可以根据实际的应用场景确定，例如可以是一天、一周、一月或一年等，本申请实施例对此不作具体限定。
本申请实施例中，通过路口的车辆的行驶轨迹数据，可以是通过路口的多辆车辆的行驶轨迹数据，例如对于每一辆车辆，可以对应一条行驶轨迹数据，行驶轨迹数据可以是该车辆在路口行驶时的位置坐标集合。
一种可能的实现方式中，通过路口的车辆可以为人类司机驾驶的车辆(或称为社会车辆)，从而可以依据人类的驾驶经验数据，生成路口的虚拟车道，从而实现自动驾驶行为的拟人化。
S102：根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率；所述任意两个不连通车道为：所述路口中任意两个无真实车道线连通的车道；所述任意两个不连通车道的虚拟连接概率为：所述任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率。
本申请实施例中，任意两个不连通车道为路口中任意两个无真实车道线连通的车道。示例性的，在图4所示的十字路口中，路口的东、西、南、北侧的车道中，任意两侧的车道在路口均没有真实车道线连通，则路口的东、西、南、北侧的车道中任意两侧的任意两条车道均可以称为不连通车道。
本申请实施例中，任意两个不连通车道的虚拟连接概率为任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率。示例性的，在图4所示的十字路口中，车辆在从车道1行驶到车道2的概率，为不连通的车道1和车道2的虚拟连接概率，车辆在从车道1行驶到车道3的概率，为不连通的车道1和车道3的虚拟连接概率，车辆具体从哪个车道行驶到哪个车道可以由车辆的行驶轨迹数据表明。
本申请实施例中，在得到通过路口的车辆的行驶轨迹数据后，可以采用任意方式计算路口中任意两个不连通车道的虚拟连接概率，本申请实施例对此不作具体限定。
S103：聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道。
本申请实施例中，阈值可以根据实际的应用场景确定，本申请实施例对阈值不作具体限定。若两个不连通车道的虚拟连接概率高于阈值，可以表明车辆在通过该路口时，通常的是从该两个不连通车道的其中一个车道行驶到另一个车道。则可以聚合该虚拟连接概率高于阈值中的两个不连通车道中，车辆通行路口的行驶轨迹数据，生成路口内的虚拟车道。
示例性的，在图4所示的十字路口中，不连通的车道1和车道2的虚拟连接概率高于阈值，可以聚合车辆从车道1经由路口到达车道2的行驶轨迹数据，生成路口内的虚拟车道4(点划线中间的部分)。
可以理解，实际应用中，虚拟连接概率高于阈值的不连通车道可能有多对，可以分别聚合每对不连通车道中，通过路口时的行驶轨迹，得到每对不连通车道对应于路口的虚拟车道。
需要说明的是，在十字路口中，路口两侧的车道数量可能不一致，例如路口西侧的车道数量可能为4，路口东侧的车辆的数量可能为3，本申请实施例对路口中车道的数量不作具体限定。无论哪种路口，均可以适用于本申请实施例的方法。
S104：在地图上标注所述虚拟车道。
本申请实施例中，在生成路口的虚拟车道后，可以在地图上标注虚拟车道。进一步的，后续自动驾驶车辆可以依据地图中标注的路口的虚拟车道，顺利的通过路口。
可以理解，由于不同类型车辆的长度、高度等不同，不同类型车辆通过路口时所适合的轨迹不同，因此，本申请实施例一种可能的实现方式中，在地图中标注虚拟车道时，可以每次针对一种车型，为该种车型在地图中标注虚拟车道，从而可以为各种类型的车辆标注准确、适合的虚拟车道。
例如可以采用本申请实施例的方法分别获取通过路口的轿车的行驶轨迹数据，进而在地图中标注轿车通过路口的虚拟车道。
再例如，可以采用本申请实施例的方法分别获取通过路口的卡车的行驶轨迹数据，进而在地图中标注卡车通过路口的虚拟车道。本申请实施例对此不作具体限定。
适应的，虚拟车道与车型可以具有一一对应的关联关系。
综上所述，本申请实施例中提供了一种路口虚拟车道标注的方法及装置，可以基于检测时间内通过路口的车辆的行驶轨迹数据，计算路口中各不连通车道的虚拟连接概率，并为虚拟连接概率高于阈值的两个不连通车道生成路口内的虚拟车道，在地图上标注该虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。
在图3对应的实施例的基础上，一种可能的实现方式中，所述根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：依据地图的车道坐标数据与通过所述路口的车辆的行驶轨迹数据，匹配通过所述路口的车辆的行驶轨迹数据在所述地图中的车道；统计所述路口中任意两个不连通车道中的行驶轨迹数据的数量；依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率。
本申请实施例中，可以首先依据地图的车道坐标数据，匹配车辆的行为轨迹数据所在的车道，之后统计路口中任意两个不连通车道中的行驶轨迹数据的数量，然后采用任意可能的算法，依据任意两个不连通车道中的行驶轨迹数据的数量，计算该任意两个不连通车道的虚拟连接概率。
示例性的，可以计算所述路口中任意两个不连通车道中的行驶轨迹数据的数量与行驶轨迹数据的总数量的比值，得到所述路口中任意两个不连通车道的虚拟连接概率。这样可以得到准确客观的虚拟连接概率。
在图3对应的实施例的基础上，一种可能的实现方式中，所述根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：对通过所述路口的车辆的行驶轨迹数据进行数据清洗；依据清洗后的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率。
本申请实施例中，计算任意两个不连通车道的虚拟连接概率前，先对车辆的行驶轨迹数据进行数据清洗，从而可以剔除噪声数据对虚拟连接概率准确度的影响。
一种可能的实现方式中，对于通过所述路口的任意一条行驶轨迹数据，计算所述任意一条行驶轨迹数据中任意两个位置之间的速度值，在所述任意两个位置之间的速度值大于速度阈值的情况下，删除所述任意两个位置的数据。本申请实施例中，可以剔除行驶轨迹数据中速度值不合理的数据，速度阈值可以依据实际情况设定，本申请实施例对此不作具体限定。从而可以得到准确的行驶轨迹数据。
一种可能的实现方式中，对于通过所述路口的任意一条所述行驶轨迹数据，删除所述任意一条行驶轨迹数据中坐标不属于能够通行的车道的数据。本申请实施例中，可以剔除行驶轨迹数据中不符合交通规则的数据，从而可以得到准确的行驶轨迹数据。
在图3对应的实施例的基础上，一种可能的实现方式中，所述聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道，包括：聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，得到聚合行驶轨迹数据；利用车辆动力学平滑算法对所述聚合行驶轨迹数据进行平滑处理，得到所述路口内的虚拟车道。
本申请实施例中，车辆动力学平滑算法是较为通用的轨迹处理算法，在此不再赘述。利用车辆动力学平滑算法对聚合行驶轨迹数据进行平滑处理，可以得到平滑、准确的虚拟车道。
在图3对应的实施例的基础上，一种可能的实现方式中，所述获取检测时间内通过路口的车辆的行驶轨迹数据，包括：获取检测时间内自动驾驶车辆通过路口时采集的其他车辆的数据；从所述数据中获取通过所述路口的车辆的行驶轨迹数据。
本申请实施例中，可以利用自动驾驶车辆自动采集检测时间内通过路口的车辆的行驶轨迹数据。例如，自动驾驶车辆在路上运行时，实时感知动态物体，动态物体可以是车辆、行人等，自动驾驶车辆可以对动态物体进行分类，并定位到周围的车辆，然后可以定期几毫秒，采集一次周围车辆的位置、形状、朝向、速度等，对于同一辆车，位置数据连起来就可以形成该车辆的轨迹。
具体实现中，可以在自动驾驶车辆上设置存储设备，把自动驾驶车辆采集的信息存储在存储设备中，每天自动驾驶车辆收车时，可以将存储设备拆下，进而可以离线获取存储设备中存储的其他车辆的数据，从中获取通过路口的车辆的行驶轨迹数据。
本申请实施例中，自动驾驶车辆在路上运行时，周围的车辆都可以认为是人类司机驾驶车辆。因此本申请实施例中，计算虚拟车道时，参照的是符合人类司机驾驶习惯的轨迹。相较于通常的基于人工标注或者曲线算法生成的虚拟车道往往与人类司机的驾驶习惯不符，比如在左转时，人工标注或基于曲线算法生成的虚拟连接车道往往比较靠近路口中心，而人类司机往往比较接近道路边缘，导致自动驾驶车辆被社会车辆切车，不能很好的实现路口驾驶。本申请实施例的虚拟车道能帮助自动驾驶车辆采用符合人类驾驶习惯的方式通过路口。
图5为本申请提供的路口虚拟车道标注的装置实施例的结构示意图。如图5所示，本实施例提供的路口虚拟车道标注的装置包括：
处理模块51，用于获取检测时间内通过路口的车辆的行驶轨迹数据；
所述处理模块51，还用于根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率；所述任意两个不连通车道为：所述路口中任意两个无真实车道线连通的车道；所述任意两个不连通车道的虚拟连接概率为：所述任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率；
所述处理模块51，还用于聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道；
所述处理模块51，还用于在地图上标注所述虚拟车道。
一种可能的实现方式中，所述处理模块，具体用于：
依据地图的车道坐标数据与通过所述路口的车辆的行驶轨迹数据，匹配通过所述路口的车辆的行驶轨迹数据在所述地图中的车道；
统计所述路口中任意两个不连通车道中的行驶轨迹数据的数量；
依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述处理模块，具体还用于：
计算所述路口中任意两个不连通车道中的行驶轨迹数据的数量与行驶轨迹数据的总数量的比值，得到所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述处理模块，具体还用于：
对通过所述路口的车辆的行驶轨迹数据进行数据清洗；
依据清洗后的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率。
一种可能的实现方式中，所述处理模块，具体还用于：
对于通过所述路口的任意一条行驶轨迹数据，计算所述任意一条行驶轨迹数据中任意两个位置之间车辆的速度值，在所述任意两个位置之间车辆的速度值大于速度阈值的情况下，删除所述任意两个位置的数据。
一种可能的实现方式中，所述处理模块，具体还用于：
对于通过所述路口的任意一条所述行驶轨迹数据，删除所述任意一条行驶轨迹数据中坐标不属于能够通行的车道的数据。
一种可能的实现方式中，所述处理模块，具体还用于：
聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，得到聚合行驶轨迹数据；
利用车辆动力学平滑算法对所述聚合行驶轨迹数据进行平滑处理，得到所述路口内的虚拟车道。
一种可能的实现方式中，所述处理模块，具体还用于：
获取检测时间内自动驾驶车辆通过路口时采集的其他车辆的数据；
从所述数据中获取通过所述路口的车辆的行驶轨迹数据。
本申请实施例中提供了一种路口虚拟车道标注的方法及装置，可以基于检测时间内通过路口的车辆的行驶轨迹数据，计算路口中各不连通车道的虚拟连接概率，并为虚拟连接概率高于阈值的两个不连通车道生成路口内的虚拟车道，在地图上标注该虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。
本申请各实施例提供的路口虚拟车道标注的装置可用于执行如前述各对应的实施例所示的方法，其实现方式与原理相同，不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的路口虚拟车道标注的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的路口虚拟车道标注的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的路口虚拟车道标注的方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的路口虚拟车道标注的方法对应的程序指令/模块(例如，附图5所示的处理模块51)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的路口虚拟车道标注的方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据路口虚拟车道标注的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至路口虚拟车道标注的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
路口虚拟车道标注的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与路口虚拟车道标注的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，可以基于检测时间内通过路口的车辆的行驶轨迹数据，计算路口中各不连通车道的虚拟连接概率，并为虚拟连接概率高于阈值的两个不连通车道生成路口内的虚拟车道，在地图上标注该虚拟车道。该过程中，可以依据通过路口的车辆的行驶轨迹数据自动生成路口内的虚拟车道，相较于人工标注效率较高，且因为通过路口的车辆的行驶轨迹数据是真实的轨迹数据，更符合实际的车辆行驶规则，标注的准确度较高。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种路口虚拟车道标注的方法，其特征在于，所述方法包括：
获取检测时间内通过路口的车辆的行驶轨迹数据；
根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率；所述任意两个不连通车道为：所述路口中任意两个无真实车道线连通的车道；所述任意两个不连通车道的虚拟连接概率为：所述任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率；
聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道；
在地图上标注所述虚拟车道。
2.根据权利要求1所述的方法，其特征在于，所述根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：
依据地图的车道坐标数据与通过所述路口的车辆的行驶轨迹数据，匹配通过所述路口的车辆的行驶轨迹数据在所述地图中的车道；
统计所述路口中任意两个不连通车道中的行驶轨迹数据的数量；
依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率。
3.根据权利要求2所述的方法，其特征在于，所述依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：
计算所述路口中任意两个不连通车道中的行驶轨迹数据的数量与行驶轨迹数据的总数量的比值，得到所述路口中任意两个不连通车道的虚拟连接概率。
4.根据权利要求1所述的方法，其特征在于，所述根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率，包括：
对通过所述路口的车辆的行驶轨迹数据进行数据清洗；
依据清洗后的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率。
5.根据权利要求4所述的方法，其特征在于，所述对通过所述路口的车辆的行驶轨迹数据进行数据清洗，包括：
对于通过所述路口的任意一条行驶轨迹数据，计算所述任意一条行驶轨迹数据中任意两个位置之间所述车辆的速度值，在所述任意两个位置之间所述车辆的速度值大于速度阈值的情况下，删除所述任意两个位置的数据。
6.根据权利要求4所述的方法，其特征在于，所述对通过所述路口的车辆的行驶轨迹数据进行数据清洗，包括：
对于通过所述路口的任意一条所述行驶轨迹数据，删除所述任意一条行驶轨迹数据中坐标不属于能够通行的车道的数据。
7.根据权利要求1所述的方法，其特征在于，所述聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道，包括：
聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，得到聚合行驶轨迹数据；
利用车辆动力学平滑算法对所述聚合行驶轨迹数据进行平滑处理，得到所述路口内的虚拟车道。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述获取检测时间内通过路口的车辆的行驶轨迹数据，包括：
获取检测时间内自动驾驶车辆通过路口时采集的其他车辆的数据；
从所述数据中获取通过所述路口的车辆的行驶轨迹数据。
9.一种路口虚拟车道标注的装置，其特征在于，包括：
处理模块，用于获取检测时间内通过路口的车辆的行驶轨迹数据；
所述处理模块，还用于根据通过所述路口的车辆的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率；所述任意两个不连通车道为：所述路口中任意两个无真实车道线连通的车道；所述任意两个不连通车道的虚拟连接概率为：所述任意两个不连通车道中，车辆从其中一条车道行驶到另一条车道的概率；
所述处理模块，还用于聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，生成所述路口内的虚拟车道；
所述处理模块，还用于在地图上标注所述虚拟车道。
10.根据权利要求9所述的装置，其特征在于，所述处理模块，具体用于：
依据地图的车道坐标数据与通过所述路口的车辆的行驶轨迹数据，匹配通过所述路口的车辆的行驶轨迹数据在所述地图中的车道；
统计所述路口中任意两个不连通车道中的行驶轨迹数据的数量；
依据所述路口中任意两个不连通车道中的行驶轨迹数据的数量，计算所述路口中任意两个不连通车道的虚拟连接概率。
11.根据权利要求10所述的装置，其特征在于，所述处理模块，具体还用于：
计算所述路口中任意两个不连通车道中的行驶轨迹数据的数量与行驶轨迹数据的总数量的比值，得到所述路口中任意两个不连通车道的虚拟连接概率。
12.根据权利要求9所述的装置，其特征在于，所述处理模块，具体还用于：
对通过所述路口的车辆的行驶轨迹数据进行数据清洗；
依据清洗后的行驶轨迹数据，计算所述路口中任意两个不连通车道的虚拟连接概率。
13.根据权利要求12所述的装置，其特征在于，所述处理模块，具体还用于：
对于通过所述路口的任意一条行驶轨迹数据，计算所述任意一条行驶轨迹数据中任意两个位置之间所述车辆的速度值，在所述任意两个位置之间所述车辆的速度值大于速度阈值的情况下，删除所述任意两个位置的数据。
14.根据权利要求12所述的装置，其特征在于，所述处理模块，具体还用于：
对于通过所述路口的任意一条所述行驶轨迹数据，删除所述任意一条行驶轨迹数据中坐标不属于能够通行的车道的数据。
15.根据权利要求9所述的装置，其特征在于，所述处理模块，具体还用于：
聚合虚拟连接概率高于阈值的两个不连通车道中，通行所述路口时的行驶轨迹数据，得到聚合行驶轨迹数据；
利用车辆动力学平滑算法对所述聚合行驶轨迹数据进行平滑处理，得到所述路口内的虚拟车道。
16.根据权利要求9-15任一项所述的装置，其特征在于，所述处理模块，具体还用于：
获取检测时间内自动驾驶车辆通过路口时采集的其他车辆的数据；
从所述数据中获取通过所述路口的车辆的行驶轨迹数据。
17.一种电子设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的方法的指令。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使所述计算机执行如权利要求1-8任一项所述的方法。
CN202010626805.2A 2020-07-02 2020-07-02 路口虚拟车道标注的方法及装置 Active CN111767360B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010626805.2A CN111767360B (zh) 2020-07-02 2020-07-02 路口虚拟车道标注的方法及装置
KR1020210038687A KR20210040879A (ko) 2020-07-02 2021-03-25 교차로 가상 차도를 표기하는 방법 및 장치
JP2021060611A JP7258938B2 (ja) 2020-07-02 2021-03-31 交差点仮想レーンをマークする方法、交差点仮想レーンをマークする装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム
US17/339,016 US11447153B2 (en) 2020-07-02 2021-06-04 Method and apparatus for annotating virtual lane at crossing
EP21177989.7A EP3919862A1 (en) 2020-07-02 2021-06-07 Method and apparatus for annotating virtual lane at crossing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010626805.2A CN111767360B (zh) 2020-07-02 2020-07-02 路口虚拟车道标注的方法及装置

Publications (2)

Publication Number Publication Date
CN111767360A true CN111767360A (zh) 2020-10-13
CN111767360B CN111767360B (zh) 2024-06-11

Family

ID=72723499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010626805.2A Active CN111767360B (zh) 2020-07-02 2020-07-02 路口虚拟车道标注的方法及装置

Country Status (5)

Country Link
US (1) US11447153B2 (zh)
EP (1) EP3919862A1 (zh)
JP (1) JP7258938B2 (zh)
KR (1) KR20210040879A (zh)
CN (1) CN111767360B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131335A (zh) * 2020-10-15 2020-12-25 北京百度网讯科技有限公司 车道级地图数据处理方法、装置、电子设备及存储介质
CN112710317A (zh) * 2020-12-14 2021-04-27 北京四维图新科技股份有限公司 自动驾驶地图的生成方法、自动驾驶方法及相关产品

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2615101A (en) * 2022-01-27 2023-08-02 Aptiv Tech Ltd Method for generating high definition maps, and cloud server and vehicle
US20230316907A1 (en) * 2022-03-31 2023-10-05 Denso Corporation Intersection-based offboard vehicle path generation
CN116071460B (zh) * 2023-03-23 2023-08-29 高德软件有限公司 一种路口内车道冲突检测方法和装置
CN117238140A (zh) * 2023-11-13 2023-12-15 广汽埃安新能源汽车股份有限公司 一种路口通行方法、装置、电子设备及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160098496A1 (en) * 2014-10-07 2016-04-07 Toyota Motor Engineering & Manufacturing North America, Inc. Joint probabilistic modeling and inference of intersection structure
US20160167582A1 (en) * 2014-12-16 2016-06-16 Here Global B.V. Learning Lanes From Vehicle Probes
US20170294036A1 (en) * 2016-04-11 2017-10-12 Here Global B.V. Supporting a creation of a representation of road geometry
US20180203453A1 (en) * 2017-01-19 2018-07-19 Robert Bosch Gmbh System and Method of Using Crowd-Sourced Driving Path Data in an Autonomous or Semi-Autonomous Driving System
CN109270927A (zh) * 2017-07-17 2019-01-25 高德软件有限公司 道路数据的生成方法及装置
CN109446662A (zh) * 2018-10-31 2019-03-08 百度在线网络技术（北京）有限公司 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质
CN109583151A (zh) * 2019-02-20 2019-04-05 百度在线网络技术（北京）有限公司 车辆的行驶轨迹预测方法及装置
CN109597317A (zh) * 2018-12-26 2019-04-09 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN109878515A (zh) * 2019-03-12 2019-06-14 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110136222A (zh) * 2019-04-17 2019-08-16 百度在线网络技术（北京）有限公司 虚拟车道线生成方法、装置及系统
CN110634291A (zh) * 2019-09-17 2019-12-31 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及系统
US20200064846A1 (en) * 2018-08-21 2020-02-27 GM Global Technology Operations LLC Intelligent vehicle navigation systems, methods, and control logic for multi-lane separation and trajectory extraction of roadway segments
US20200110414A1 (en) * 2018-10-05 2020-04-09 Waymo Llc Generating trajectories for autonomous vehicles
CN111137298A (zh) * 2020-01-02 2020-05-12 中车株洲电力机车有限公司 一种车辆自动驾驶方法、装置、系统和存储介质
US20200158530A1 (en) * 2018-11-19 2020-05-21 Here Global B.V. Navigation using dynamic intersection map data

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014152554A1 (en) 2013-03-15 2014-09-25 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
JP2018181035A (ja) 2017-04-17 2018-11-15 株式会社ゼンリン 走行支援装置、走行支援方法およびそのためのデータ構造
CA3066993A1 (en) * 2017-06-13 2018-12-20 Nissan Motor Co., Ltd. Map data storage method and device
WO2019099802A1 (en) * 2017-11-17 2019-05-23 DeepMap Inc. Iterative closest point process based on lidar with integrated motion estimation for high definitions maps
US10921135B2 (en) * 2018-10-12 2021-02-16 Baidu Usa Llc Real-time map generation scheme for autonomous vehicles based on prior driving trajectories
US11738770B2 (en) * 2019-07-02 2023-08-29 Nvidia Corporation Determination of lane connectivity at traffic intersections for high definition maps
US11619945B2 (en) * 2019-09-30 2023-04-04 GM Cruise Holdings LLC. Map prior layer

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160098496A1 (en) * 2014-10-07 2016-04-07 Toyota Motor Engineering & Manufacturing North America, Inc. Joint probabilistic modeling and inference of intersection structure
CN105488243A (zh) * 2014-10-07 2016-04-13 丰田自动车工程及制造北美公司 交叉口结构的联合概率建模及推断
US20160167582A1 (en) * 2014-12-16 2016-06-16 Here Global B.V. Learning Lanes From Vehicle Probes
US20170294036A1 (en) * 2016-04-11 2017-10-12 Here Global B.V. Supporting a creation of a representation of road geometry
US20180203453A1 (en) * 2017-01-19 2018-07-19 Robert Bosch Gmbh System and Method of Using Crowd-Sourced Driving Path Data in an Autonomous or Semi-Autonomous Driving System
CN109270927A (zh) * 2017-07-17 2019-01-25 高德软件有限公司 道路数据的生成方法及装置
US20200064846A1 (en) * 2018-08-21 2020-02-27 GM Global Technology Operations LLC Intelligent vehicle navigation systems, methods, and control logic for multi-lane separation and trajectory extraction of roadway segments
US20200110414A1 (en) * 2018-10-05 2020-04-09 Waymo Llc Generating trajectories for autonomous vehicles
CN109446662A (zh) * 2018-10-31 2019-03-08 百度在线网络技术（北京）有限公司 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质
US20200158530A1 (en) * 2018-11-19 2020-05-21 Here Global B.V. Navigation using dynamic intersection map data
CN109597317A (zh) * 2018-12-26 2019-04-09 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN109583151A (zh) * 2019-02-20 2019-04-05 百度在线网络技术（北京）有限公司 车辆的行驶轨迹预测方法及装置
CN109878515A (zh) * 2019-03-12 2019-06-14 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110136222A (zh) * 2019-04-17 2019-08-16 百度在线网络技术（北京）有限公司 虚拟车道线生成方法、装置及系统
CN110634291A (zh) * 2019-09-17 2019-12-31 武汉中海庭数据技术有限公司 基于众包大数据的高精度地图拓扑自动构建方法及系统
CN111137298A (zh) * 2020-01-02 2020-05-12 中车株洲电力机车有限公司 一种车辆自动驾驶方法、装置、系统和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
上海产业技术研究院: "北斗导航 定位精准时空", 上海科学普及出版社, pages: 104 *
刘力铭: "面向自主车的高精细城市交通地图应用研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, 15 April 2018 (2018-04-15), pages 104 *
李飞琦;鲍泓;潘峰;潘卫国;吴桃;: "智能车导航中的路口轨迹生成策略", 计算机工程, no. 07, 22 August 2017 (2017-08-22) *
祖玉川;: "车道级高精度地图优化", 北京测绘, no. 05, 25 May 2019 (2019-05-25) *
谭康;刘建勋;廖祝华;: "一种基于GPS轨迹的道路拓扑生成方法", 计算机科学, no. 09, 15 September 2015 (2015-09-15) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131335A (zh) * 2020-10-15 2020-12-25 北京百度网讯科技有限公司 车道级地图数据处理方法、装置、电子设备及存储介质
CN112131335B (zh) * 2020-10-15 2023-09-05 北京百度网讯科技有限公司 车道级地图数据处理方法、装置、电子设备及存储介质
CN112710317A (zh) * 2020-12-14 2021-04-27 北京四维图新科技股份有限公司 自动驾驶地图的生成方法、自动驾驶方法及相关产品

Also Published As

Publication number Publication date
US20210291878A1 (en) 2021-09-23
JP7258938B2 (ja) 2023-04-17
EP3919862A1 (en) 2021-12-08
JP2021106033A (ja) 2021-07-26
US11447153B2 (en) 2022-09-20
CN111767360B (zh) 2024-06-11
KR20210040879A (ko) 2021-04-14

Similar Documents

Publication Publication Date Title
CN112415552B (zh) 车辆位置的确定方法、装置及电子设备
CN111767360B (zh) 路口虚拟车道标注的方法及装置
CN110675644B (zh) 道路红绿灯的识别方法、装置、电子设备及存储介质
CN112581763A (zh) 道路事件检测的方法、装置、设备和存储介质
CN111626206A (zh) 高精地图构建方法、装置、电子设备及计算机存储介质
CN111967301A (zh) 定位导航方法、装置、电子设备和存储介质
CN110765227A (zh) 道路交通网络模型构建方法及装置
CN112013865B (zh) 确定交通卡口的方法、系统、电子设备以及介质
CN112131335B (zh) 车道级地图数据处理方法、装置、电子设备及存储介质
CN111652112B (zh) 一种车道流向的识别方法、装置、电子设备及存储介质
CN113792061A (zh) 地图数据的更新方法、装置及电子设备
CN113723141A (zh) 车辆的定位方法、装置、电子设备、车辆及存储介质
CN111079079A (zh) 数据修正方法、装置、电子设备及计算机可读存储介质
CN111693059A (zh) 环岛的导航方法、装置、设备及存储介质
CN114443794A (zh) 数据处理和地图更新方法、装置、设备以及存储介质
CN111597287A (zh) 地图生成方法、装置及设备
CN111353466A (zh) 车道线识别处理方法、设备、存储介质
CN114771576A (zh) 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆
CN111540010A (zh) 一种道路监测的方法、装置、电子设备及存储介质
CN112527163B (zh) 一种路口检索方法、装置、设备及存储介质
CN110866504A (zh) 标注数据的获取方法、装置和设备
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
CN111814724A (zh) 车道数的识别方法、装置、设备及存储介质
CN111442775A (zh) 道路的识别方法、装置、电子设备及可读存储介质
CN111640301A (zh) 故障车辆的检测方法、系统、装置、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
TA01 Transfer of patent application right

Effective date of registration: 20211026

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant