CN111873995B - 高速公路自动驾驶上下匝道的系统及方法 - Google Patents
高速公路自动驾驶上下匝道的系统及方法 Download PDFInfo
- Publication number
- CN111873995B CN111873995B CN202010772091.6A CN202010772091A CN111873995B CN 111873995 B CN111873995 B CN 111873995B CN 202010772091 A CN202010772091 A CN 202010772091A CN 111873995 B CN111873995 B CN 111873995B
- Authority
- CN
- China
- Prior art keywords
- information
- map
- vehicle
- precision
- module
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 39
- 230000008447 perception Effects 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种高速公路自动驾驶上下匝道的系统及方法，系统包括：其内设有高精度地图的地图服务模块；障碍物感知预测模块，其用于获得障碍物信息和道路元素信息；融合定位模块，其通过低精全局定位信息、道路元素信息与高精度地图的比对获得车辆的高精全局定位信息；局部地图融合模块，其生成局部地图，并将局部地图和道路元素信息融合得到局部地图信息；决策规划控制模块，其控制车辆按照通过障碍物信息、局部地图信息和高精全局定位信息综合分析得到的行驶路径行驶。其能够对匝道出入口的车道线进行准确的识别，尤其在匝道路口车道线异形以及车道线缺失的情况下，也能利用局部地图信息提供的车道线形成最佳行驶路径。
Description
技术领域
本发明涉及自动驾驶技术领域，特别涉及一种高速公路自动驾驶上下匝道的系统及方法。
背景技术
针对目前高速公路自动驾驶系统自主上下匝道主要有3种方案：
第一种方案，利用相机识别匝道环境并规划行驶路径，但由于匝道类型多样复杂，失败率居高不下；
第二种方案，利用点云地图作为先验信息，同时配合激光雷达对匝道进行三维建模，但点云地图不是语义地图，存储空间巨大，不适宜商用，同时三维建模依赖高线束激光雷达导致成本高，以及环境变化诸如积雪等适应性差；
第三种方案，利用实时差分定位技术(RTK)匹配高精度地图规划行驶路径，但会依赖定位基站的覆盖以及RTK服务信号链路的稳定性，导致该方式存在安全隐患，不能满足需求。
因此，有必要开发一种新的适应场景多，适用范围广的高速公路自动驾驶上下匝道系统及方法。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种高速公路自动驾驶上下匝道的系统，能够对匝道出入口的车道线进行准确的识别，尤其在匝道路口车道线异形以及车道线缺失的情况下，也能利用局部地图信息提供的车道线形成最佳行驶路径，从而保证车辆在自动驾驶状态下顺利上下匝道。
为了实现根据本发明的这些目的和其它优点，提供了一种高速公路自动驾驶上下匝道的系统，包括：
地图服务模块，其内设置有高精度地图；
障碍物感知预测模块，其通过车辆上设置的传感器的实时感知数据结合高精度地图得到障碍物信息和道路元素信息；
融合定位模块，其利用所述车辆的全球导航卫星系统获得所述车辆的低精全局定位信息，并通过所述低精全局定位信息、道路元素信息与所述高精度地图的比对获得所述车辆的高精全局定位信息；
局部地图融合模块，其根据所述高精全局定位信息生成所述车辆附近预设距离内的局部地图，并将所述局部地图和所述道路元素信息进行融合，得到局部地图信息；
决策规划控制模块，其将所述障碍物信息、局部地图信息和高精全局定位信息综合分析得到基于所述局部地图的行驶路径，并控制所述车辆按照所述行驶路径进行行驶。
优选的是，所述的高速公路自动驾驶上下匝道的系统中，所述高精度地图为由所述地图服务模块从云端下载至本地的包含所述车辆行驶路径的高精度地图。
优选的是，所述的高速公路自动驾驶上下匝道的系统中，所述道路元素信息信息包括车道线信息和路牌信息。
优选的是，所述的高速公路自动驾驶上下匝道的系统中，所述传感器包括：毫米波雷达、智能相机、惯性测量单元，以及轮速计。
优选的是，所述的高速公路自动驾驶上下匝道的系统中，所述地图服务模块还将包含车辆行驶路径的电子导航地图由云端下载至本地，所述决策规划控制模块通过所述电子导航地图和所述高精全局定位信息获得所述车辆距离岔路口的距离信息。
一种高速公路自动驾驶上下匝道的方法，包括以下步骤：
S1、障碍物感知预测模块通过车辆上的传感器实时感知车辆周围的障碍物和道路元素；
S2、车辆上的全球导航卫星系统将获得所述车辆的低精全局定位信息实时发送给融合定位模块，融合定位模块将低精全局定位信息和道路元素与地图服务模块提供的高精度地图进行比对，得到车辆的高精全局定位信息；
S3、局部地图融合模块以所述高精全局定位信息的定位位置为中心生成预设距离内的局部地图，而后将局部地图和道路元素融合生成局部地图信息；
S4、决策规划控制模块将障碍物信息、局部地图信息和高精全局定位信息综合分析得到基于局部地图的行驶路径，并控制车辆按照所述行驶路径进行行驶。
优选的是，所述的高速公路自动驾驶上下匝道的方法中，S1前还包括：
S0、地图服务模块根据由全球导航卫星系统获得的所述车辆的低精全局定位信息由云端下载包含所述车辆在预设的待行驶路径范围内的高精度地图。
优选的是，所述的高速公路自动驾驶上下匝道的方法中，S1中障碍物感知预测模块通过车辆的智能相机获取的图像分析得到环境元素一，而后将环境元素一与车辆的毫米波雷达识别的环境元素二进行融合后，得到环境元素三，最后将环境元素三中包含的车道线和路牌分离出来作为道路元素，其余的作为障碍物。
优选的是，所述的高速公路自动驾驶上下匝道的方法中，S1前还包括所述决策规划控制模块通过由地图服务模块保存的电子导航地图与高精全局定位信息获得车辆距离岔路口的距离信息，并在所述距离信息达到预定的阈值时，触发所述高速公路自动驾驶上下匝道的系统进入工作状态。
本发明至少包括以下有益效果：
本发明的高速公路自动驾驶上下匝道的系统，。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述的高速公路自动驾驶上下匝道的系统的框架结构图；
图2为本发明所述的障碍物感知预测模块的一种框架结构图；
图3为本发明所述的融合定位模块的框架结构图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1所示，本发明提供一种高速公路自动驾驶上下匝道的系统，包括：
地图服务模块，其内设置有高精度地图；
障碍物感知预测模块，其通过车辆上设置的传感器的实时感知数据结合高精度地图得到障碍物信息和道路元素信息；
融合定位模块，其利用所述车辆的全球导航卫星系统获得所述车辆的低精全局定位信息，并通过所述低精全局定位信息、道路元素信息与所述高精度地图的比对获得所述车辆的高精全局定位信息；
局部地图融合模块，其根据所述高精全局定位信息生成所述车辆附近预设距离内的局部地图，并将所述局部地图和所述道路元素信息进行融合，得到局部地图信息；
决策规划控制模块，其将所述障碍物信息、局部地图信息和高精全局定位信息综合分析得到基于所述局部地图的行驶路径，并控制所述车辆按照所述行驶路径进行行驶。
在上述方案中，所述高速公路自动驾驶上下匝道的系统中，障碍物感知预测模块通过车辆传感器的检测数据实时得到障碍物信息和道路元素信息，然后融合定位模块通过车辆的米级的低精全局定位信息以及道路元素信息与高精度地图的比对获得车辆的厘米级的高精全局定位信息，进而通过高精全局定位信息生成局部地图，并得到局部地图信息，最后通过决策规划控制模块对障碍物信息、局部地图信息和高精全局定位信息综合分析就能够得到车辆上下匝道的最佳行驶路径，并使得车辆按照该行驶路径顺利上下匝道。即采用所述的高速公路自动驾驶上下匝道的系统，实现了不依赖高精度的全球导航卫星系统GNSS全局定位，只需要米级的低精全局定位，然后利用车道线路牌等道路元素提高横纵向的定位精度，进而得到厘米级的高精全局定位信息，最后辅以局部地图信息，则可实现在匝道路口车道线异形或车道线缺失的情况下，仍可根据局部地图信息提供的车道线形成最佳的行驶路径的技术效果，有效的保证了自动驾驶车辆上下匝道的安全性，并提高了车辆自动驾驶时在匝道区域行驶的稳定性，以及体感的舒适性。
该系统通过利用高精度地图先验信息，对于系统来说，不论匝道类型复杂多样，均可规划最佳行驶路线；融合多传感器实时定位和感知信息，实现车辆在匝道出入口的精确定位。实现精确定位的超高可靠性和适应性；不依赖实时差分技术，无需基站覆盖，在通讯不发达区域也能实现车辆自主进出匝道。
所述障碍物感知预测模块通过车辆上的传感器(包括智能相机，智能相机，毫米波雷达与超声波雷达等)，对周围障碍物进行多传感器融合检测，并通过地图服务模块输出的高精度地图中的车辆可行驶区域Freespace对检测的障碍物进行过滤，同时，预测得到障碍物行为、位置、速度、距离以及未来轨迹，并将最终得到的障碍物信息发送给决策规划控制模块，用以辅助决策规划。
融合定位模块利用所述车辆的全球导航卫星系统获得所述车辆的低精全局定位信息，并通过所述低精全局定位信息、道路元素信息与所述高精度地图的比对获得所述车辆的厘米级精度的高精全局定位信息。
局部地图融合模块根据所述高精全局定位信息生成所述车辆附近预设距离内的局部地图，并将所述局部地图和所述道路元素信息进行融合，得到局部地图信息，该局部地图信息包括短距离的车道线和短距离的道路拓扑，以利于在车道线缺失或车道线异形的匝道口，准确的规划出车辆上下匝道的行驶路径。具体的，局部地图融合模块用来对岔路口附近的局部地图进行处理，在接近岔路口时，局部地图融合模块会首先将岔路口的局部地图做缓存，然后生成一份关于岔路口的有向图，最后根据位置信息实时地将局部地图的坐标转换到车身坐标系下。
决策规划控制模块通过障碍物信息与地图信息的辅助，选择合适的策略，并根据所选策略做出路径规划，并最终输出对车辆的纵向/横向控制。其中，决策规划控制模块通过连接整车CAN网络来控制车辆底盘的执行机构，包含刹车，油门(电门)，方向盘等；另外，该模块还负责与HMI的交互或通信，以及与ICP/TJP/LC等功能的互相切换，例如：功能是否开启指令、目的地信息、提前多大距离变道至最右侧车道等等。
一个优选方案中，所述高精度地图为由所述地图服务模块从云端下载至本地的包含所述车辆行驶路径的高精度地图。
在上述方案中，所述地图服务模块通过地图云服务器即云端下载并缓存地图数据至本地，为其他模块提供地图信息与服务，如输出Freespace，用于障碍物感知预测模块对路面障碍物的过滤，以及路口策略和局部地图，用于辅助决策路径规划；同时采用高精度地图由云端进行下载的方式，能够有效减少占用的内存，进而提高系统的运行速度。
一个优选方案中，所述道路元素信息信息包括车道线信息和路牌信息。
一个优选方案中，所述传感器包括：毫米波雷达、智能相机、惯性测量单元，以及轮速计。
一个优选方案中，所述地图服务模块还将包含车辆行驶路径的电子导航地图由云端下载至本地，所述决策规划控制模块通过所述电子导航地图和所述高精全局定位信息获得所述车辆距离岔路口的距离信息。
在上述方案中，电子导航地图负责处理导航相关的消息，在获取融合定位模块发送的定位信息之后，地图服务模块会首先进行车道级的地图匹配，将当前位置精确匹配到地图上，然后根据用户特定的路线来进行路径规划，最后根据结构化道路信息进行导航决策，生成导航信息和道路信息，即能够实现实时获得车辆距离岔路口的距离值。
导航信息包括道路级别的结构化地图信息、车道级别的结构化地图信息、车道编号、限速信息、精确道路信息(坡度、顶角、斜率等)。道路信息为一个局部的地图模型，与地图内部存储的道路数据采用相同的方式进行组织。
一种高速公路自动驾驶上下匝道的方法，包括以下步骤：
S1、障碍物感知预测模块通过车辆上的传感器实时感知车辆周围的障碍物和道路元素；
S2、车辆上的全球导航卫星系统将获得所述车辆的低精全局定位信息实时发送给融合定位模块，融合定位模块将低精全局定位信息和道路元素与地图服务模块提供的高精度地图进行比对，得到车辆的高精全局定位信息；
S3、局部地图融合模块以所述高精全局定位信息的定位位置为中心生成预设距离内的局部地图，而后将局部地图和道路元素融合生成局部地图信息；
S4、决策规划控制模块将障碍物信息、局部地图信息和高精全局定位信息综合分析得到基于局部地图的行驶路径，并控制车辆按照所述行驶路径进行行驶。
在上述方案中，障碍物感知预测模块通过车辆传感器的检测数据实时得到障碍物信息和道路元素信息，然后融合定位模块通过车辆的米级的低精全局定位信息以及道路元素信息与高精度地图的比对获得车辆的厘米级的高精全局定位信息，进而通过高精全局定位信息生成局部地图，并得到局部地图信息，最后通过决策规划控制模块对障碍物信息、局部地图信息和高精全局定位信息综合分析就能够得到车辆上下匝道的最佳行驶路径，并使得车辆按照该行驶路径顺利上下匝道。即采用所述的高速公路自动驾驶上下匝道的系统，实现了不依赖高精度的全球导航卫星系统GNSS全局定位，只需要米级的低精全局定位，然后利用车道线路牌等道路元素提高横纵向的定位精度，进而得到厘米级的高精全局定位信息，最后辅以局部地图信息，则可实现在匝道路口车道线异形或车道线缺失的情况下，仍可根据局部地图信息提供的车道线形成最佳的行驶路径的技术效果，有效的保证了自动驾驶车辆上下匝道的安全性，并提高了车辆自动驾驶时在匝道区域行驶的稳定性，以及体感的舒适性。
一个优选方案中，S1前还包括：
S0、地图服务模块根据由全球导航卫星系统获得的所述车辆的低精全局定位信息由云端下载包含所述车辆在预设的待行驶路径范围内的高精度地图。
在上述方案中，所述地图服务模块通过地图云服务器即云端下载并缓存地图数据至本地，为其他模块提供地图信息与服务，如输出Freespace，用于障碍物感知预测模块对路面障碍物的过滤，以及路口策略和局部地图，用于辅助决策路径规划；同时采用高精度地图由云端进行下载的方式，能够有效减少占用的内存，进而提高系统的运行速度。
一个优选方案中，S1中障碍物感知预测模块通过车辆的智能相机获取的图像分析得到环境元素一，而后将环境元素一与车辆的毫米波雷达识别的环境元素二进行融合后，得到环境元素三，最后将环境元素三中包含的车道线和路牌分离出来作为道路元素，其余的作为障碍物。
一个优选方案中，S1前还包括所述决策规划控制模块通过由地图服务模块保存的电子导航地图与高精全局定位信息获得车辆距离岔路口的距离信息，并在所述距离信息达到预定的阈值时，触发所述高速公路自动驾驶上下匝道的系统进入工作状态。
在上述方案中，可根据设定，距离匝道路口一定距离，提前进行变道，确保即使在复杂路况下，仍可成功让自动驾驶车辆自主上下匝道。
所述高速公路自动驾驶上下匝道的系统中各模块的详细功能介绍：
1、障碍物感知预测模块
该模块通过车身感知传感器(智能相机、毫米波雷达等)对车辆周围障碍进行感知，并输出障碍物信息，包括位置、速度、距离，行为以及未来预测轨迹等。该模块可以进一步划分为三个子功能模块，包括视觉检测、感知融合以及预测。该模块整体框架如图2所示。
其中视觉检测功能模块负责视觉相关障碍物检测，即通过单目相机(包括广角、长焦、环视等)组成的视觉感知传感器系统，对车辆周围障碍物进行位置、速度等信息的检测，其处理逻辑为：基于卷积神经网络CNN的障碍物检测，得到障碍物的2D信息，而后根据高精度地图、高精全局定位信息以及障碍物的2D坐标信息，通过特定算法得到障碍物在3D坐标系下的信息。
感知融合功能模块负责融合视觉检测、智能相机以及毫米波雷达的障碍物检测结果，输出最终的障碍物位置、速度等信息；其处理逻辑为：通过毫米波雷达监测结果的轨迹聚类，获取障碍物的平均位置和速度，而后将雷达障碍物与视觉检测障碍物融合，如果二者可以匹配，障碍物会被赋予雷达障碍物的x方向值和视觉检测障碍物的y方向值，如果匹配失败，则分别对匹配/未匹配的障碍物进行卡尔曼滤波。
预测功能模块负责通过感知融合返回的障碍物信息，预测障碍物在未来可能的行为和运动轨迹；其处理逻辑为：根据局部地图信息(包含车道间的拓扑关系，车道类型信息及车道所对应的车道线信息)，对障碍物的意图分类，判断进入换道判断模型还是交互模型，而后根据障碍物的意图生成各种意图下对应的轨迹，最后根据各种意图的轨迹、本车的状态，以及道路结构判断车辆在每种意图下的概率。
2、融合定位模块
该模块通过获取组合导航、IMU、VIO、车道线、初始车道线定位、标识牌检测与高精地图信息，在后端进行多传感器融合，得到稳定的高精定位结果。该模块整体框架如图3所示。
其中，标牌获取通过匹配视觉检测到的路牌，以及高精地图中的路牌，形成通信correspondence，发送给后端优化模块进行融合定位，具体包括：
(1)获取分割结果、地图标识牌数据和先验姿态；
(2)将3D地图中心点通过先验姿态投影到2D图像平面；
(3)将分割结果的每个轮廓的2D中心点和地图投影得到的2D点进行匹配，产生信号通信SignCorrespondence。
车道线获取通过智能相机检测到的车道线，以及高精地图中的车道线，形成车道线通信LaneCorrespondence，发送给后端优化模块进行融合定位，具体包括：
(1)智能相机获得检测车道线并且检测车道线的置信度满足要求(>＝0.5)；
(2)获得当前时刻的初始对准；
(3)获得里程表DROdometry做车道匹配；
(4)根据车道匹配的结果获得对应高精地图的车道线信息；
(5)通过有效长度设定，截取智能相机检测的车道线，并将有效长度内的车道线沿着车体坐标系纵向分成若干段，分别用直线拟合；
(6)根据优先姿势priorpose将对应车道线的地图车道线坐标投影到车体坐标系下，截取有效点，并关联对应的直线；
(7)根据上述方式获得若干对通信correspondences，发送给融合定位模块。
后端优化模块通过对多源定位信息输入构建因子图，进行图优化的方式，获取多传感器融合定位，具体包括：
(1)判断是否满足先验条件：是否有传感器数据到达；
(2)添加传感器数据：接受传感器数据存入MeasurementManager；
(3)数据预处理：如果未初始化，则从MeasurementManager中获取SINS数据进行初始化。如果已经初始化则对数据进行处理(检测是否可用，过滤掉不需要的数据，生成标识牌Correspondence和车道线Correspondence，对IMU进行与积分)；
(4)将预处理后的数据构建因子图，如果构建成功则进行优化，输出融合定位结果。
地图服务模块
该模块负责坡道起步辅助系统HSA相关的地图信息服务，包括地图数据在线下载、缓存以及分析处理等相关工作，并为HSA其他模块提供地图导航和数据服务，其主要功能模块包括：高精地图数据下载与缓存，高精地图导航服务与局部地图服务。
其中，高精地图导航服务功能负责处理导航相关的消息，在获取融合定位模块发送的定位信息之后，高精地图导航服务会首先进行车道级的地图匹配，将当前位置精确匹配到地图上，然后根据用户特定的路线来进行路径规划，最后根据结构化道路信息进行导航决策，生成导航信息和道路信息。
导航信息包括道路级别的结构化地图信息、车道级别的结构化地图信息、车道编号、限速信息、精确道路信息(坡度、顶角、斜率等)。
道路信息为一个局部的地图模型，与地图内部存储的道路数据采用相同的方式进行组织。
局部地图服务用来对岔路口附近的局部地图进行处理，在接近岔路口时，局部地图服务会首先将岔路口的局部地图做缓存，然后生成一份关于岔路口的有向图，最后根据位置信息实时地将局部地图的坐标转换到车身坐标系下。
决策规划控制模块
该模块在拥有高精度地图的先验信息，高精度定位保持稳定，感知模块正常工作、准确输出的情况下，解决部分上下匝道场景的决策规划控制问题。使得车辆可以自主完成主路和匝道，匝道和匝道之间的切换。该模块主要包括决策、规划和控制三个子功能模块。
其中决策功能模块负责从局部地图表示的道路间连接关系，结合传感器给出的实时障碍物信息，给出车道级别的全局导航指导，以及对应车道推荐的终点目标状态，以减少下游规划算法所需要搜索的解的空间并提升规划成功率和路径质量。
规划功能模块负责根据决策给出的指导性建议和定位、感知、地图信息、车辆信息，对车辆未来一定时间窗口或者位移窗口内的轨迹进行运动规划，生成安全、舒适、合理、优选的轨迹供控制模块执行。其中，一条安全、舒适、合理、优选的轨迹，其中至少包含5个车辆位姿点(每个点之间的时间间隔相等或者在frenet坐标系下的位置间距相等)，每个点包含对应的车辆速度、车辆朝向角、加速度、道路曲率、坡度信息，以及到达对应位姿所需要的时间间隔(或者位置间隔)。
控制功能模块负责接受规划信息和车辆信息，给出控制器能够执行的控制指令，以追踪规划目标点。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (9)
1.一种高速公路自动驾驶上下匝道的系统，其特征在于，包括：
地图服务模块，其内设置有高精度地图；
障碍物感知预测模块，其通过车辆上设置的传感器的实时感知数据结合高精度地图得到障碍物信息和道路元素信息；
融合定位模块，其利用所述车辆的全球导航卫星系统获得所述车辆的低精全局定位信息，并通过所述低精全局定位信息、道路元素信息与所述高精度地图的比对获得所述车辆的高精全局定位信息；且所述融合定位模块具体通过获取组合导航、IMU、VIO、车道线、初始车道线定位、标识牌检测与高精地图信息，在后端进行多传感器融合，得到稳定的高精定位结果；
其中，所述车道线的获取通过智能相机检测到的车道线，以及高精地图中的车道线，形成车道线通信Lane Correspondence，发送给后端优化模块进行融合定位，具体包括：
智能相机获得检测车道线并且检测车道线的置信度满足要求；
获得当前时刻的初始对准；
获得里程表DR Odometry做车道匹配；
根据车道匹配的结果获得对应高精地图的车道线信息；
通过有效长度设定，截取智能相机检测的车道线，并将有效长度内的车道线沿着车体坐标系纵向分成若干段，分别用直线拟合；
根据优先姿势prior pose将对应车道线的地图车道线坐标投影到车体坐标系下，截取有效点，并关联对应的直线；以及
根据上述方式获得若干对通信Lane Correspondences后，发送给融合定位模块；
局部地图融合模块，其根据所述高精全局定位信息生成所述车辆附近预设距离内的局部地图，并将所述局部地图和所述道路元素信息进行融合，得到局部地图信息；
决策规划控制模块，其将所述障碍物信息、局部地图信息和高精全局定位信息综合分析得到基于所述局部地图的行驶路径，并控制所述车辆按照所述行驶路径进行行驶。
2.如权利要求1所述的高速公路自动驾驶上下匝道的系统，其特征在于，所述高精度地图为由所述地图服务模块从云端下载至本地的包含所述车辆行驶路径的高精度地图。
3.如权利要求1所述的高速公路自动驾驶上下匝道的系统，其特征在于，所述道路元素信息包括车道线信息和路牌信息。
4.如权利要求3所述的高速公路自动驾驶上下匝道的系统，其特征在于，所述传感器包括：毫米波雷达、智能相机、惯性测量单元，以及轮速计。
5.如权利要求1所述的高速公路自动驾驶上下匝道的系统，其特征在于，所述地图服务模块还将包含车辆行驶路径的电子导航地图由云端下载至本地，所述决策规划控制模块通过所述电子导航地图和所述高精全局定位信息获得所述车辆距离岔路口的距离信息。
6.一种高速公路自动驾驶上下匝道的方法，其特征在于，采用如权利要求1-5中任一所述的高速公路自动驾驶上下匝道的系统，其方法包括以下步骤：
S1、障碍物感知预测模块通过车辆上的传感器实时感知车辆周围的障碍物和道路元素；
S2、车辆上的全球导航卫星系统将获得所述车辆的低精全局定位信息实时发送给融合定位模块，融合定位模块将低精全局定位信息和道路元素与地图服务模块提供的高精度地图进行比对，得到车辆的高精全局定位信息；
S3、局部地图融合模块以所述高精全局定位信息的定位位置为中心生成预设距离内的局部地图，而后将局部地图和道路元素融合生成局部地图信息；
S4、决策规划控制模块将障碍物信息、局部地图信息和高精全局定位信息综合分析得到基于局部地图的行驶路径，并控制车辆按照所述行驶路径进行行驶。
7.如权利要求6所述的高速公路自动驾驶上下匝道的方法，其特征在于，S1前还包括：
S0、地图服务模块根据由全球导航卫星系统获得的所述车辆的低精全局定位信息由云端下载包含所述车辆在预设的待行驶路径范围内的高精度地图。
8.如权利要求6所述的高速公路自动驾驶上下匝道的方法，其特征在于，S1中障碍物感知预测模块通过车辆的智能相机获取的图像分析得到环境元素一，而后将环境元素一与车辆的毫米波雷达识别的环境元素二进行融合后，得到环境元素三，最后将环境元素三中包含的车道线和路牌分离出来作为道路元素，其余的作为障碍物。
9.如权利要求6所述的高速公路自动驾驶上下匝道的方法，其特征在于，S1前还包括所述决策规划控制模块通过由地图服务模块保存的电子导航地图与高精全局定位信息获得车辆距离岔路口的距离信息，并在所述距离信息达到预定的阈值时，触发所述高速公路自动驾驶上下匝道的系统进入工作状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010772091.6A CN111873995B (zh) | 2020-08-04 | 2020-08-04 | 高速公路自动驾驶上下匝道的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010772091.6A CN111873995B (zh) | 2020-08-04 | 2020-08-04 | 高速公路自动驾驶上下匝道的系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111873995A CN111873995A (zh) | 2020-11-03 |
| CN111873995B true CN111873995B (zh) | 2021-07-23 |
Family
ID=73210222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010772091.6A Active CN111873995B (zh) | 2020-08-04 | 2020-08-04 | 高速公路自动驾驶上下匝道的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111873995B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4113240A4 (en) * | 2020-03-26 | 2023-05-03 | Huawei Technologies Co., Ltd. | DRIVING CONTROL METHOD AND APPARATUS |
| CN112595330B (zh) * | 2020-11-13 | 2021-10-15 | 禾多科技（北京）有限公司 | 车辆定位方法、装置、电子设备和计算机可读介质 |
| CN112462776A (zh) * | 2020-11-30 | 2021-03-09 | 的卢技术有限公司 | 一种基于非结构化道路的无人驾驶决策方法 |
| CN112590816B (zh) * | 2020-12-21 | 2022-05-20 | 东风汽车集团有限公司 | 一种基于四轮转向汽车的自动驾驶往返切换方法及装置 |
| CN113155144B (zh) * | 2021-02-03 | 2023-05-16 | 东风汽车集团股份有限公司 | 一种基于高精地图实时路况建模的自动驾驶方法 |
| CN113009539A (zh) * | 2021-02-19 | 2021-06-22 | 恒大新能源汽车投资控股集团有限公司 | 一种车辆自动变道处理方法、车辆及设备 |
| CN113175938B (zh) * | 2021-03-16 | 2024-05-17 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于高精度地图的车辆定位增强系统及方法 |
| CN113280822B (zh) * | 2021-04-30 | 2023-08-22 | 北京觉非科技有限公司 | 一种车辆定位方法及定位装置 |
| WO2022241771A1 (zh) * | 2021-05-21 | 2022-11-24 | 华为技术有限公司 | 一种预测方法、装置、车辆和智能驾驶系统 |
| CN113460086B (zh) * | 2021-06-30 | 2022-08-09 | 重庆长安汽车股份有限公司 | 自动驾驶进入匝道的控制系统、方法、车辆及存储介质 |
| CN113483770A (zh) * | 2021-06-30 | 2021-10-08 | 上海西井信息科技有限公司 | 封闭场景下的路径规划方法、装置、电子设备、存储介质 |
| CN113724390A (zh) * | 2021-09-08 | 2021-11-30 | 广州小鹏自动驾驶科技有限公司 | 匝道生成方法及装置 |
| CN114013453B (zh) * | 2021-10-29 | 2023-08-01 | 北京汽车研究总院有限公司 | 自动驾驶车辆的匝道驶入方法及装置 |
| CN114194210A (zh) * | 2021-11-19 | 2022-03-18 | 岚图汽车科技有限公司 | 一种高速公路领航系统、控制方法及其设备 |
| CN114291102A (zh) * | 2021-12-13 | 2022-04-08 | 浙江华锐捷技术有限公司 | 辅助驾驶策略融合方法、系统、车辆和可读存储介质 |
| CN114355912A (zh) * | 2021-12-27 | 2022-04-15 | 山东新一代信息产业技术研究院有限公司 | 一种园区自动驾驶物流小车边缘行走决策方法 |
| CN114291114B (zh) * | 2022-01-05 | 2024-06-18 | 天地科技股份有限公司 | 车辆控制系统及方法 |
| CN114491306A (zh) * | 2022-01-13 | 2022-05-13 | 广州小鹏自动驾驶科技有限公司 | 地图过滤方法、装置、设备、车辆以及介质 |
| CN114413914A (zh) * | 2022-01-18 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 高精度地图的精度提升方法、系统和计算机可读存储介质 |
| CN114889638A (zh) * | 2022-04-22 | 2022-08-12 | 武汉路特斯汽车有限公司 | 一种自动驾驶系统中的轨迹预测方法及系统 |
| CN114550461B (zh) * | 2022-04-25 | 2022-07-19 | 兰州交通大学 | 一种无人驾驶车辆与匝道出口处的信息交互系统及方法 |
| CN115223118B (zh) * | 2022-06-09 | 2024-03-01 | 广东省智能网联汽车创新中心有限公司 | 一种高精地图置信度判断方法、系统及车辆 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107031600A (zh) * | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
| CN109239752A (zh) * | 2018-09-29 | 2019-01-18 | 重庆长安汽车股份有限公司 | 车辆定位系统 |
| CN109581449A (zh) * | 2018-12-14 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶汽车的定位方法及系统 |
| CN109664888A (zh) * | 2019-01-31 | 2019-04-23 | 上海蔚来汽车有限公司 | 高速功能自动切换系统、高级驾驶辅助系统及高速功能自动切换方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948413B (zh) * | 2018-12-29 | 2021-06-04 | 禾多科技（北京）有限公司 | 基于高精度地图融合的车道线检测方法 |
| CN110135323A (zh) * | 2019-05-09 | 2019-08-16 | 北京四维图新科技股份有限公司 | 图像标注方法、装置、系统及存储介质 |
| KR20190098094A (ko) * | 2019-07-31 | 2019-08-21 | 엘지전자 주식회사 | 자율주행시스템에서 차량이 수신한 메시지의 유효성을 판단하는 방법 및 이를 위한 장치 |
| CN111242031B (zh) * | 2020-01-13 | 2023-08-01 | 禾多科技（北京）有限公司 | 基于高精度地图的车道线检测方法 |
-
2020
- 2020-08-04 CN CN202010772091.6A patent/CN111873995B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107031600A (zh) * | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
| CN109239752A (zh) * | 2018-09-29 | 2019-01-18 | 重庆长安汽车股份有限公司 | 车辆定位系统 |
| CN109581449A (zh) * | 2018-12-14 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶汽车的定位方法及系统 |
| CN109664888A (zh) * | 2019-01-31 | 2019-04-23 | 上海蔚来汽车有限公司 | 高速功能自动切换系统、高级驾驶辅助系统及高速功能自动切换方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111873995A (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111873995B (zh) | 高速公路自动驾驶上下匝道的系统及方法 | |
| CN110333714B (zh) | 一种无人驾驶汽车路径规划方法和装置 | |
| Banzhaf et al. | The future of parking: A survey on automated valet parking with an outlook on high density parking | |
| CN109952547B (zh) | 根据车道数据对机动车的自动控制和机动车 | |
| EP3822582A1 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
| US20210380132A1 (en) | Method and system for data-driven and modular decision making and trajectory generation of an autonomous agent | |
| CN112068574A (zh) | 一种无人车在动态复杂环境中的控制方法及系统 | |
| CN113544467A (zh) | 对齐用于导航的道路信息 | |
| US11584248B2 (en) | Method of parking an autonomous driving vehicle for autonomous charging | |
| EP3822945A1 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
| CN118235180A (zh) | 预测可行驶车道的方法和装置 | |
| CN112829769A (zh) | 自动驾驶车辆的混合规划系统 | |
| Milanés et al. | The tornado project: An automated driving demonstration in peri-urban and rural areas | |
| Wang et al. | Trajectory prediction for turning vehicles at intersections by fusing vehicle dynamics and driver’s future input estimation | |
| RU2763330C1 (ru) | Способ управления автономным движением и система управления автономным движением | |
| CN115905449B (zh) | 语义地图构建方法及具有熟路模式的自动驾驶系统 | |
| EP4141482A1 (en) | Systems and methods for validating camera calibration in real-time | |
| CN110908367A (zh) | 一种基于scstsv的智能网联汽车计算平台 | |
| CN114572250A (zh) | 一种自动驾驶通过交叉路口的方法及存储介质 | |
| Yoon et al. | High-definition map based motion planning, and control for urban autonomous driving | |
| CN112462776A (zh) | 一种基于非结构化道路的无人驾驶决策方法 | |
| US20240239378A1 (en) | Systems and Methods for Handling Traffic Signs | |
| Jianfeng et al. | Research on key technologies for urban unmanned intelligent vehicle | |
| CN115373392A (zh) | 一种自动驾驶系统的避障决策方法和装置 | |
| US20230373523A1 (en) | Systems and methods for biasing a trajectory of an autonomous vehicle while moving in a lane |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: The system and method of expressway automatic driving on and off ramp Effective date of registration: 20230228 Granted publication date: 20210723 Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. Registration number: Y2023980033668 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100089 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| CP03 | Change of name, title or address |