CN111932887B - 车道级轨迹数据的生成方法及设备 - Google Patents

车道级轨迹数据的生成方法及设备 Download PDF

Info

Publication number
CN111932887B
CN111932887B CN202010825211.4A CN202010825211A CN111932887B CN 111932887 B CN111932887 B CN 111932887B CN 202010825211 A CN202010825211 A CN 202010825211A CN 111932887 B CN111932887 B CN 111932887B
Authority
CN
China
Prior art keywords
sub
route
data
lane
vehicle positioning
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
Application number
CN202010825211.4A
Other languages
English (en)
Other versions
CN111932887A (zh
Inventor
范争光
王辉
付兵杰
宋向勃
李鹏航
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.)
Wuhan Navinfo Technology Co ltd
Original Assignee
Wuhan Navinfo 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 Wuhan Navinfo Technology Co ltd filed Critical Wuhan Navinfo Technology Co ltd
Priority to CN202010825211.4A priority Critical patent/CN111932887B/zh
Publication of CN111932887A publication Critical patent/CN111932887A/zh
Application granted granted Critical
Publication of CN111932887B publication Critical patent/CN111932887B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • 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
    • 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
    • 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
    • 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

Abstract

本发明实施例提供一种车道级轨迹数据的生成方法及设备，该方法包括获取车辆定位数据和实测车道标线数据，将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线，将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道，根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据，根据所述修正后的车辆定位数据，确定车道级轨迹数据。本实施例通过结合车辆定位数据、地图数据与实测车道标线数据，能够得到车道级轨迹数据，提高了车辆行驶轨迹数据的精度，从而提高了车辆行驶的安全性。

Description

车道级轨迹数据的生成方法及设备
技术领域
本发明实施例涉及无人驾驶技术领域，尤其涉及一种车道级轨迹数据的生成方法及设备。
背景技术
近年来，无人驾驶汽车受到各界前所未有的重视，无人驾驶技术是对人类驾驶员在长期驾驶实践中，对“环境感知—决策与规划—控制与执行”过程的理解、学习和记忆的物化，无人驾驶汽车是一个复杂的、软硬件结合的智能自动化系统。车辆行驶轨迹是智能车行驶过程中，在道路上真实的行驶位置。在无人驾驶领域，获取更高精度的车辆行驶轨迹是保证行驶安全的重要保障。
现有技术中，可以采用不同的函数(例如B样条函数、多项式函数、正弦函数等)进行轨迹模拟，得到车辆行驶轨迹。
然而，上述方案获得的车辆行驶轨迹仅能达到道路级的精度，无法满足当前对无人驾驶的安全性需求。
发明内容
本发明实施例提供一种车道级轨迹数据的生成方法及设备，以提高车辆行驶轨迹的精度，进而提高车辆行驶的安全性。
第一方面，本发明实施例提供一种车道级轨迹数据的生成方法，包括：
获取车辆定位数据和实测车道标线数据；
将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线；
将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道信息；
根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据；
根据所述修正后的车辆定位数据，确定车道级轨迹数据。
在一种可能的设计中，所述将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线，包括：
从所述地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合；
从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线；所述目标路线包括至少一条所述第一子路线。
在一种可能的设计中，所述从所述地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合，包括：
根据所述车辆定位数据的坐标信息，确定在所述地图数据中的搜索区域；
根据所述搜索区域在所述地图数据中查找与所述搜索区域相交的多个第一子路线，并将多个所述第一子路线构成第一子路线集合。
在一种可能的设计中，所述从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线，包括：
根据所述第一子路线与所述车辆定位数据对应路线之间的距离，从所述第一子路线集合中筛选获得第二子路线集合；
根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串；
针对每个第二子路线串，计算所述第二子路线串对应路线与所述车辆定位数据对应路线之间的第二距离；
将各所述第二距离中的最小距离对应的第二子路线串作为所述地图数据中的目标路线。
在一种可能的设计中，所述从所述第一子路线集合中，确定与所述车辆定位数据匹配的目标路线，包括：
针对所述第一子路线集合中的每条第一子路线，计算所述第一子路线与所述车辆定位数据对应路线之间的第一距离，若所述第一距离小于第一预设距离，则将所述第一子路线作为第二子路线，加入所述第二子路线集合。
在一种可能的设计中，所述根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串，包括：
查找所述第二子路线集合中各第二子路线的开始节点，构成开始节点集合；
针对所述开始节点集合中的每个开始节点，以所述开始节点为起点，从所述第二子路线集合中查找与所述开始节点连接的第二子路线作为第一路线段；判断是否存在另一第二子路线与所述第一路线段背离所述开始节点的另一端点连接，若存在，则将该另一第二子路线作为第二路线段，并判断是否存在另一第二子路线与所述第二路线段背离所述开始节点的另一端点连接，以此类推，直至当前查找到的另一第二子路线背离所述开始节点的另一端点为结束节点为止，并将查找到的所有第二子路线作为一个第二子路线串。
在一种可能的设计中，所述将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道，包括：
根据车道标线的属性特征，对所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，并根据匹配结果确定所述目标车道。
在一种可能的设计中，所述根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据，包括：
根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量；
根据所述偏移量对所述车辆定位数据进行修正，得到所述修正后的车辆定位数据。
在一种可能的设计中，所述根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量，包括：
针对所述实测车道标线数据中的每一个实测标线，查找与所述实测标线对应的所述目标车道的车道标线数据中的理论标线，查找所述实测标线的各采样点在所述理论标线的垂直投影点；针对所述实测标线的每个采样点，根据所述采样点与对应的垂直投影点获得所述采样点对应的平移向量；对所述实测标线的各采样点对应的平移向量求取平均值，得到所述实测标线的平均平移向量，并将所述平均平移向量作为所述实测标线的偏移量。
第二方面，本发明实施例提供一种车道级轨迹数据的生成设备，包括：
获取模块，用于获取车辆定位数据和实测车道标线数据；
第一匹配模块，用于将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线；
第二匹配模块，用于将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道；
修正模块，用于据所述目标车道，对所述车辆定位数据进行修正，得到修正后的车辆定位数据；
确定模块，用于根据所述修正后的车辆定位数据，确定车道级轨迹数据。
第三方面，本发明实施例提供一种车道级轨迹数据的生成设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的方法。
本实施例提供的车道级轨迹数据的生成方法及设备，该方法包括获取车辆定位数据和实测车道标线数据，将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线，将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道，根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据，根据所述修正后的车辆定位数据，确定车道级轨迹数据。本实施例通过结合车辆定位数据、地图数据与实测车道标线数据，能够得到车道级轨迹数据，提高了车辆行驶轨迹数据的精度，从而提高了车辆行驶的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的无人驾驶车辆的架构示意图；
图2为本发明一实施例提供的车道级轨迹数据的生成方法的流程示意图；
图3为本发明又一实施例提供的车道标线匹配示意图；
图4为本发明又一实施例提供的车辆定位数据修正的示意图；
图5为本发明又一实施例提供的车道级轨迹数据的示意图；
图6为本发明又一实施例提供的车道级轨迹数据的生成方法的流程示意图；
图7为本发明又一实施例提供的搜索区域的示意图；
图8为本发明又一实施例提供的弗雷歇距离原理示意图；
图9为本发明又一实施例提供的目标路线与车辆定位数据匹配示意图；
图10为本发明一实施例提供的车道级轨迹数据的生成设备的结构示意图；
图11为本发明一实施例提供的车道级轨迹数据的生成设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明一实施例提供的无人驾驶车辆的架构示意图。如图1所示，该无人驾驶车辆100，包括：传感器组110和控制器120。所述传感器组110包括定位传感器111和视觉传感器112。定位传感器111用于获取车辆的定位数据。视觉传感器112用于获取车辆周围的视觉信息。视觉传感器112可以为图像传感器，例如摄像头，还可以为激光雷达等器件。控制器120用于接收传感器组110发送的定位数据和图像信息等传感器数据，并结合传感数据生成控制信号，以根据控制信号对车辆的行驶参数(例如行驶方向、行驶速度、行驶加速度等)进行控制。本实施例中的无人驾驶车辆可以为无人驾驶汽车、坦克、机器人等可以在具有车道标线的路面行驶的设备。
在具体实现过程中，无人驾驶车辆在行驶过程中，传感器组110可以实时获取车辆的传感数据，例如定位数据和车辆周围的图像信息，并将该传感数据发送给控制器120，控制器120根据传感数据生成控制信号，以根据控制信号对车辆的形式参数(例如行驶方向、行驶速度、行驶加速度等)进行控制。
现有技术中，通过设置精度很高的惯性测量部件获取实时车速、加速度、角速度等，再通过多传感器融合技术将惯性测量部件测得的数据与定位传感器测得的定位数据进行融合，得到车道级的行驶轨迹，进而根据该车道级的行驶轨迹生成控制信号，以控制车辆行驶。然而，该技术方案采用的惯性测量部件的精度必须为高精度器件，其成本很高，现有技术中还可以通过不同函数进行行驶轨迹的模拟，但是通过该技术方案得到的行驶轨迹，仅能达到道路级的精度水平，而无法达到车道级的高精度水平，因此不能满足当前无人驾驶车辆的安全性需求。基于此，本发明实施例提供一种车道级轨迹数据的生成方法，以提高车道级轨迹数据的生成的精度，并且成本较低。
在本实施例中，通过将视觉传感器112获取的路面的车道标线数据、定位传感器111获取的定位数据与高精度地图数据进行融合计算，能够得到高精度的车道级行驶轨迹数据，以满足无人驾驶领域越来越高的安全性需求。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明一实施例提供的车道级轨迹数据的生成方法的流程示意图。如图2所示，该方法包括：
201、获取车辆定位数据和实测车道标线数据。
本实施例的执行主体可以为如图1所示的无人驾驶车辆的控制器。
本实施例中，车辆定位数据可以为车辆的绝对位置数据。车辆绝对位置数据可以通过设置在无人驾驶车辆上的定位传感器获取，还可以通过将定位传感器获取的定位数据与设置在无人驾驶车辆上的惯性传感器获取的惯性测量数据进行融合得到。可以理解，传感器具有一定的采样频率，因此得到的车辆定位数据由多个采样点的数据组成。该采样频率可以根据实际需求任意设定，例如1Hz。每个采样点的数据均记录了采样时刻车辆的坐标信息、车辆协调时间、航向角等信息。
本实施例中，实测车道标线数据包括路面印刷标线，如虚线、实线和虚线块等。可以通过设置在无人驾驶车辆上的摄像头、激光雷达等视觉传感器获取车辆所行驶路面的车道标线信息。
202、将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线。
本实施例中，地图数据为高精度地图，包括车道线数据、车道模型、道路部件、道路属性等信息。
实际应用中，通过车辆定位数据中各采样点的坐标信息，可以与地图数据中的路线信息相匹配，获取车辆行驶的高精度地图道路。匹配的方式可以有多种，在一种可实现方式中，可以遍历地图数据中的路线信息，查找与所述车辆定位数据之间的距离最近的路线信息，将查找到的该路线信息作为目标路线。在另一种可实现方式中，为了能够较少运算量，可以根据车辆定位数据的坐标信息在地图数据中确定一个较小的搜索区域，进一步在该搜索区域中遍历查找车辆定位数据。
203、将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道信息。
本实施例中，在通过步骤202获得地图数据中与车辆定位数据匹配的目标路线后，可以根据通过安装在车辆上的视觉传感器获取的实测车道标线数据找到目标路线中车道标线数据与实测车道标线数据的匹配情况，进而确定实测车道标线数据对应于目标路线的哪个车道，也即目标路线的目标车道信息。
可选地，所述将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道，包括：根据车道标线的属性特征，对所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，并根据匹配结果确定所述目标车道。
具体的，由于车辆定位数据与实测车道标线数据之间有良好的相对关系，只要确定了视觉传感器所观察到的实测车道标线数据与地图数据中目标路线的车道标线之间的对应关系，就可以对车辆定位数据进行纠正并计算车道级轨迹数据，以下结合图3对目标车道信息的获取过程进行示例说明：
图3为本发明又一实施例提供的车道标线匹配示意图，如图3所示，图3中实线为目标路线的车道标线，虚线为实测车道标线数据，黑色圆点为车辆定位数据。
首先，从车辆定位数据，记为path，的起点开始，每隔一段距离，记为step(step可以根据实际需要被设置为任意长度，例如step＝50m)，分别截取落在该距离范围内的实测车道标线数据，记为sensorLines，和目标路线的车道标线，记为linkLines。
其次，利用车道标线的属性，如虚实线、颜色信息，对sensorLines和linkLines进行线线匹配，由于sensor观测的车道数可能不完整，例如现实世界有白实线-白虚线-白虚线-白虚线-白实线5根标线，地图数据中的目标路线中也正确记录了这5根标线，但是安装在车辆上的视觉传感器只观测到了白虚线-白虚线两个标线，这样就有2种可能匹配关系，所以每个step内都有多种可能匹配，记录为{MATCHSi}，所有step段的可能匹配组合在一起就是{{MATCHS1}，{MATCHS2}...{MATCHSn}}。
最后，在{{MATCHS1}，{MATCHS2}...{MATCHSn}}中找出最佳匹配关系。由于实测车道标线数据中的车道标线会跨越多个step，它在多个step中匹配上的目标路线的车道标线也应该是连接在一起的线，利用这种连接关系，从{MATCHS1}开始，以里面每个MATCH为起点，在{{MATCHS1}，{MATCHS2}...{MATCHSn}}中依次往后找出所有满足连接关系的匹配，于是可以得到所有sensorLines和所有linkLines的匹配关系，理论上只要车辆不是一直观察不全线，就会得到唯一的匹配关系，例如，现实中白实线-白虚线-白虚线-白虚线-白实线5根标线，车辆开始观察到白虚线-白虚线2根标线，随着变道又观察到了白虚线-白实线2根标线，而第一次观察到的右边白虚线与第二次观察到的白虚线是连通的，便可以确定车辆前后观察到的是现实中白虚线-白虚线-白实线3根标线。当然也可能会出现多种可能匹配，如前面例子中，车辆一直观察到白虚线-白虚线2根标线，就不能和现实中白实线-白虚线-白虚线-白虚线-白实线确定对应关系，如果发生这种情况，可以等待更多的车道观察结果再做判断。
204、根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据。
本实施例中，在获得目标路线中与实测车道标线数据对应的目标车道信息后，可以根据目标车道信息与实测车道信息之间的偏离情况，对车辆定位数据进行修正。
可选地，所述根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据，包括：根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量；根据所述偏移量对所述车辆定位数据进行修正，得到所述修正后的车辆定位数据。
可选地，所述根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量，包括：针对所述实测车道标线数据中的每一个实测标线，查找与所述实测标线对应的所述目标车道的车道标线数据中的理论标线，查找所述实测标线的各采样点在所述理论标线的垂直投影点，针对每个采样点，根据所述采样点与对应的垂直投影点获得该采样点对应的平移向量，将得到的各采样点分别对应的平移向量求取平均值，作为所述实测标线的偏移量。
由于安装在车辆上的定位传感器识别得到的车辆定位数据和视觉传感器识别的实测车道标线数据具有较高的相对精度高，它们之间在局部范围内可以看作刚体处理，即车辆定位数据偏移真实位置的偏移量等于实测车道标线数据sensorLines偏离高精度地图数据中目标路线的车道标线linkLines的偏移量。所以可以通过计算前面步骤匹配上sensorLines与高精度地图linkLines之间的偏移量，对车辆定位数据进行纠正，以下结合图4对偏移量的计算进行示例说明：
图4为本发明又一实施例提供的车辆定位数据修正的示意图，如图4所示，图4中位于左上方的长虚线轨迹为修正后的车辆定位数据，右下方的短虚线轨迹为修正前的车辆定位数据。
首先，计算sensorLines到linkLines之间的偏移量。取出一个匹配对，即sensorLines中一根线，记为R，和它在linkLines中的对应线，记为M，组成匹配对{R->M}。取R线中的所有点加密处理，加密距离为d(d可以根据实际需求设定为任意值，例如1m)，即加密后R线中相邻两点之间的最大距离不超过r。以M作参考线，计算加密后R线中每个点，记为RP，求到M上的垂直投影点，记为MP，以RP为起点，MP为终点，组成平移向量Vi，这样得到了sensorLines中所有点到linkLines的平移向量，即{V1，V2...Vn}。
其次，对{V1，V2...Vn}中向量求均值，获取平移向量V’。
最后，使用V’向量对车辆定位数据中的每个采样点进行修正。
205、根据所述修正后的车辆定位数据，确定车道级轨迹数据。
实际应用中，可以针对车辆定位数据中每个采样点，根据实测车道标线信息，判断该采样点在对应标线的方位(例如左侧或右侧)。若该采样点在对应标线的左侧或者右侧，则说明该采样点位于车道标线的外侧，若该采样点在对应标线的两条相邻标线之间，则该采样点被判定为在该车道标线限定的车道内。在确定了车辆定位数据中所有采样点的车道信息后，包含车道信息的车辆定位数据，即为车道级轨迹数据。以下结合图5对车辆定位数据中各采样点所属车道的判断过程进行示例说明：
图5为本发明又一实施例提供的车道级轨迹数据的示意图，如图5所示，图中的黑色圆点为修正后的车辆定位数据的采样点，虚线为实测车道标线数据。
首先，取修正后的车辆定位数据中的每个采样点，和sensorLines中的标线，计算采样点点与每条标线的左右关系。
其次，当该采样点位于所有标线左边或右边，则判定该采样点位于车道外面；当该采样点位于两条相邻标线之间，则判定该采样点位于车道之上。
本实施例提供的车道级轨迹数据的生成方法，包括获取车辆定位数据和实测车道标线数据，将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线，将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道，根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据；根据所述修正后的车辆定位数据，确定车道级轨迹数据。本实施例通过结合车辆定位数据、地图数据与实测车道标线数据，能够得到车道级轨迹数据，提高了车辆行驶轨迹数据的精度，从而提高了车辆行驶的安全性。
图6为本发明又一实施例提供的车道级轨迹数据的生成方法的流程示意图。在图2所示的实施例的基础上，本实施例中对步骤202中目标路线的获得过程进行了详细说明，如图6所示，该方法包括：
601、获取车辆定位数据和实测车道标线数据。
本实施例中步骤301与上述实施例中步骤201相类似，此处不再赘述。
602、从所述地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合。
本实施例中，第一子路线集合的获得方式有多种。在一种可能的实现方式中，可以将地图数据中所有路线作为第一子路线进行提取，构成第一子路线集合。进而基于车辆定位数据对应路线与第一子路线之间的距离从该第一子路线集合中筛选获得与车辆定位数据匹配的目标路线。在另一种可能的实现方式中，为了减少计算量，可以圈定一个搜索区域，将该搜索区域内的路线作为第一子路线，得到第一子路线集合。其中，该搜索区域的确定也可以有多种方式，例如，可以以车辆经过的多个地区的区域进行确定，举例来说，车辆从A行政区出发经过B行政区到达C行政区，那么可以将A行政区、B行政区和C行政区的总区域范围作为上述搜索区域，还可以根据车辆定位数据的坐标信息进行确定，具体的，所述从所述地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合，可以包括以下子步骤：
6021、根据所述车辆定位数据的坐标信息，确定在所述地图数据中的搜索区域。
6022、根据所述搜索区域在所述地图数据中查找与该搜索区域相交的所有第一子路线，得到第一子路线集合。
本实施例中，目标路线的匹配可以采用几何和拓扑方法进行。
以下结合图7对步骤6021和步骤6022进行示例说明：
图7为本发明又一实施例提供的搜索区域的示意图，如图7所示，图中的虚线矩形框为根据车辆定位数据的坐标信息确定的所搜区域。
取车辆定位数据path的外包矩形(即path坐标最小X值和最小Y值为矩形左下角点，最大X值和最大Y值为矩形右上角点)，到地图数据，即高精度数据库中，作空间查询，获取与外包矩形相交的所有第一子路线，记为link，为第一次匹配结果，记录为集合{F}，通过设置搜索区域可以减少后面搜索范围，提高性能。
603、从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线；所述目标路线包括至少一条所述第一子路线。
可选地，所述从所述第一子路线集合中，确定与所述车辆定位数据匹配的目标路线，可以包括：
6031、根据所述第一子路线与所述车辆定位数据对应路线之间的距离，从所述第一子路线集合中筛选获得第二子路线集合。
具体的，针对所述第一子路线集合中的每条第一子路线，计算所述第一子路线与所述车辆定位数据之间的第一距离，若所述第一距离小于第一预设距离，则将所述第一子路线作为第二子路线，加入第二子路线集合。
本实施例中，所述第一距离可以为线线距离，还可以为弗雷歇距离，本实施例对比不做限定。
以下以第一距离为弗雷歇距离为例对第二子路线集合的筛选进行示例说明。弗雷歇距离又称狗绳距离(如图8所示)，主人走路径A，狗走路径B，各自走完这两条路径过程中所需要的最短狗绳长度。通过弗雷歇距离，我们可以获取两条路径的空间相似性，它将两条轨迹曲线的位置与其点状信息进行考虑，相较于比较两条曲线的最大间距，弗雷歇距离反映了两条曲线间的最大偏离程度。将弗雷歇距离小于预设阈值f的第一子路线加入到集合{R}，f的设置综合考虑了道路宽度与轨迹误差，例如但不限于10米。
6032、根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串。
可选地，所述根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串，包括：查找所述第二子路线集合中各第二子路线的开始节点，构成开始节点集合；针对所述开始节点集合中的每个开始节点，以所述开始节点为起点，从所述第二子路线集合中查找与所述开始节点连接的第二子路线作为第一路线段；判断是否存在另一第二子路线与所述第一路线段背离所述开始节点的另一端点连接，若存在，则将该另一第二子路线作为第二路线段，并判断是否存在另一第二子路线与所述第二路线段背离所述开始节点的另一端点连接，以此类推，直至当前查找到的另一第二子路线背离所述开始节点的另一端点为结束节点为止，并将查找到的所有第二子路线作为一个第二子路线串。
6033、针对每个第二子路线串，计算所述第二子路线串对应路线与所述车辆定位数据对应路线之间的第二距离。
6034、将各所述第二距离中的最小距离对应的第二子路线串作为所述地图数据中的目标路线。
本实施例中，第二距离可以为线线距离。
具体的，对集合{R}中的第二子路线，按照联通性分组，得到多个link串，并将与车辆定位数据之间的线线距离最小的link串作为最终匹配结果，即地图数据中的目标路线。
通过前面步骤，找出了车辆定位数据中所有可能经过的第一子路线link，但还需要进一步确定车辆定位数据究竟走的哪些link，可以通过拓扑关系判断。高精度地图具有良好的拓扑关系，可通行link之间通过节点连接在一起，不可同行通行link之间节点是断开的，因此对{R}集合中的所有link，通过节点的连接关系，将{R}分成不同的组，每一组都是可以通过path起点联通到path尾点的link串，选择最合理的一组link，即得到路网匹配的结果，记录为{matchLinks}，具体包括以下子步骤：
首先，取出{R}集合中所有的开始节点，组成开始节点集，记为{HeadNodes}。
其次，分别以{HeadNodes}中每个HeadNode为起点，在{R}中找到连接HeadNode的link，再以该link的结束节点为起点，递归找连接的link，知道找不到连接link为止，这样利用开始节点和结束节点相连的方式，找到了{HeadNodes}中以每个HeadNode为起点的最长联通link串，记录为{RouteLinks}。
最后，计算{RouteLinks}中每串links与path之间的线线距离，最小的线线距离的link串即为空间匹配的最终结果即目标路线(如图9所示，图中实线为地图数据中的目标路线，虚线为车辆定位数据)。线线距离计算方式为取path中每个点到links串上的投影距离，然后求平均值。
604、将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道信息。
605、根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据。
606、根据所述修正后的车辆定位数据，确定车道级轨迹数据。
本实施例中步骤604至步骤606与上述实施例中步骤203至步骤步骤205相类似，此处不再赘述。
本实施例提供的车道级轨迹数据的生成方法，通过划定搜索区域，在搜索区域中查找与车辆定位数据匹配的目标路线，能够简化运算，减少运算量，提高效率。
图10为本发明一实施例提供的车道级轨迹数据的生成设备的结构示意图。如图10所示，该车道级轨迹数据的生成设备200包括：获取模块1001、第一匹配模块1002、第二匹配模块1003、修正模块1004以及确定模块1005。
获取模块1001，用于获取车辆定位数据和实测车道标线数据；
第一匹配模块1002，用于将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线；
第二匹配模块1003，用于将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道；
修正模块1004，用于根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据；
确定模块1005，用于根据所述修正后的车辆定位数据，确定车道级轨迹数据。
本发明实施例提供的车道级轨迹数据的生成设备，通过获取模块获取车辆定位数据和实测车道标线数据，第一匹配模块将所述车辆定位数据与地图数据进行匹配，得到所述地图数据中的目标路线，第二匹配模块将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道，修正模块根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据，确定模块根据所述修正后的车辆定位数据，确定车道级轨迹数据。本实施例通过结合车辆定位数据、地图数据与实测车道标线数据，能够得到车道级轨迹数据，提高了车辆行驶轨迹数据的精度，从而提高了车辆行驶的安全性。
可选地，第一匹配模块1002具体用于：
从所述地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合；
从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线；所述目标路线包括至少一条所述第一子路线。
可选地，第一匹配模块1002具体用于：
根据所述车辆定位数据的坐标信息，确定在所述地图数据中的搜索区域；
根据所述搜索区域在所述地图数据中查找与所述搜索区域相交的多个第一子路线，并将多个所述第一子路线构成第一子路线集合。
可选地，第一匹配模块1002具体用于：
根据所述第一子路线与所述车辆定位数据对应路线之间的距离，从所述第一子路线集合中筛选获得第二子路线集合；
根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串；
针对每个第二子路线串，计算所述第二子路线串对应路线与所述车辆定位数据对应路线之间的第二距离；
将各所述第二距离中的最小距离对应的第二子路线串作为所述地图数据中的目标路线。
可选地，第一匹配模块1002具体用于：
针对所述第一子路线集合中的每条第一子路线，计算所述第一子路线与所述车辆定位数据对应路线之间的第一距离，若所述第一距离小于第一预设距离，则将所述第一子路线作为第二子路线，加入所述第二子路线集合。
可选地，第一匹配模块1002具体用于：
查找所述第二子路线集合中各第二子路线的开始节点，构成开始节点集合；
针对所述开始节点集合中的每个开始节点，以所述开始节点为起点，从所述第二子路线集合中查找与所述开始节点连接的第二子路线作为第一路线段；判断是否存在另一第二子路线与所述第一路线段背离所述开始节点的另一端点连接，若存在，则将该另一第二子路线作为第二路线段，并判断是否存在另一第二子路线与所述第二路线段背离所述开始节点的另一端点连接，以此类推，直至当前查找到的另一第二子路线背离所述开始节点的另一端点为结束节点为止，并将查找到的所有第二子路线作为一个第二子路线串。
可选地，第二匹配模块1003具体用于：
根据车道标线的属性特征，对所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，并根据匹配结果确定所述目标车道。
可选地，修正模块1004具体用于：
根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量；
根据所述偏移量对所述车辆定位数据进行修正，得到所述修正后的车辆定位数据。
可选地，修正模块1004具体用于：
针对所述实测车道标线数据中的每一个实测标线，查找与所述实测标线对应的所述目标车道的车道标线数据中的理论标线，查找所述实测标线的各采样点在所述理论标线的垂直投影点，针对每个采样点，根据所述采样点与对应的垂直投影点获得该采样点对应的平移向量，将得到的各采样点分别对应的平移向量求取平均值，作为所述实测标线的偏移量。
本发明实施例提供的车道级轨迹数据的生成设备，可用于执行上述的方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
图11为本发明一实施例提供的车道级轨迹数据的生成设备的硬件结构示意图。如图11所示，本实施例提供的车道级轨迹数据的生成设备300包括：至少一个处理器1101和存储器1102。该车道级轨迹数据的生成设备110还包括通信部件1103。其中，处理器1101、存储器1102以及通信部件1103通过总线1104连接。
在具体实现过程中，至少一个处理器1101执行所述存储器1102存储的计算机执行指令，使得至少一个处理器1101执行如上车道级轨迹数据的生成设备100所执行的车道级轨迹数据的生成方法。
该通信部件1103可以将处理器1101生成的车道级轨迹数据发送给后台服务器或前端显示器，或者进一步根据该车道级轨迹数据生成车辆行驶的控制信号，以使车辆安全行驶。
处理器1101的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图11所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上车道级轨迹数据的生成设备执行的车道级轨迹数据的生成方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种车道级轨迹数据的生成方法，其特征在于，包括：
获取车辆定位数据和实测车道标线数据；
从地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合；
从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线；所述目标路线包括至少一条所述第一子路线；
将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道信息；
根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据；
根据所述修正后的车辆定位数据，确定车道级轨迹数据。
2.根据权利要求1所述的方法，其特征在于，所述从所述地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合，包括：
根据所述车辆定位数据的坐标信息，确定在所述地图数据中的搜索区域；
根据所述搜索区域在所述地图数据中查找与所述搜索区域相交的多个第一子路线，并将多个所述第一子路线构成第一子路线集合。
3.根据权利要求1所述的方法，其特征在于，所述从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线，包括：
根据所述第一子路线与所述车辆定位数据对应路线之间的距离，从所述第一子路线集合中筛选获得第二子路线集合；
根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串；
针对每个第二子路线串，计算所述第二子路线串对应路线与所述车辆定位数据对应路线之间的第二距离；
将各所述第二距离中的最小距离对应的第二子路线串作为所述地图数据中的目标路线。
4.根据权利要求3所述的方法，其特征在于，所述从所述第一子路线集合中，确定与所述车辆定位数据匹配的目标路线，包括：
针对所述第一子路线集合中的每条第一子路线，计算所述第一子路线与所述车辆定位数据对应路线之间的第一距离，若所述第一距离小于第一预设距离，则将所述第一子路线作为第二子路线，加入所述第二子路线集合。
5.根据权利要求3所述的方法，其特征在于，所述根据所述第二子路线集合中各第二子路线之间的首尾连接关系，得到多个第二子路线串，包括：
查找所述第二子路线集合中各第二子路线的开始节点，构成开始节点集合；
针对所述开始节点集合中的每个开始节点，以所述开始节点为起点，从所述第二子路线集合中查找与所述开始节点连接的第二子路线作为第一路线段；判断是否存在另一第二子路线与所述第一路线段背离所述开始节点的另一端点连接，若存在，则将该另一第二子路线作为第二路线段，并判断是否存在另一第二子路线与所述第二路线段背离所述开始节点的另一端点连接，以此类推，直至当前查找到的另一第二子路线背离所述开始节点的另一端点为结束节点为止，并将查找到的所有第二子路线作为一个第二子路线串。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据，包括：
根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量；
根据所述偏移量对所述车辆定位数据进行修正，得到所述修正后的车辆定位数据。
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标车道信息，计算所述实测车道标线数据与所述目标车道的车道标线数据之间的偏移量，包括：
针对所述实测车道标线数据中的每一个实测标线，查找与所述实测标线对应的所述目标车道的车道标线数据中的理论标线，查找所述实测标线的各采样点在所述理论标线的垂直投影点；针对所述实测标线的每个采样点，根据所述采样点与对应的垂直投影点获得所述采样点对应的平移向量；对所述实测标线的各采样点对应的平移向量求取平均值，得到所述实测标线的平均平移向量，并将所述平均平移向量作为所述实测标线的偏移量。
8.一种车道级轨迹数据的生成设备，其特征在于，包括：
获取模块，用于获取车辆定位数据和实测车道标线数据；
第一匹配模块，用于从地图数据中提取多个第一子路线，将多个所述第一子路线构成第一子路线集合；从所述第一子路线集合中，根据所述第一子路线与所述车辆定位数据对应路线之间的距离确定与所述车辆定位数据匹配的目标路线；所述目标路线包括至少一条所述第一子路线；
第二匹配模块，用于将所述实测车道标线数据与所述目标路线的车道标线数据进行匹配，得到目标车道；
修正模块，用于根据所述目标车道信息，对所述车辆定位数据进行修正，得到修正后的车辆定位数据；
确定模块，用于根据所述修正后的车辆定位数据，确定车道级轨迹数据。
9.一种车道级轨迹数据的生成设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的车道级轨迹数据的生成方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的车道级轨迹数据的生成方法。
CN202010825211.4A 2020-08-17 2020-08-17 车道级轨迹数据的生成方法及设备 Active CN111932887B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010825211.4A CN111932887B (zh) 2020-08-17 2020-08-17 车道级轨迹数据的生成方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010825211.4A CN111932887B (zh) 2020-08-17 2020-08-17 车道级轨迹数据的生成方法及设备

Publications (2)

Publication Number Publication Date
CN111932887A CN111932887A (zh) 2020-11-13
CN111932887B true CN111932887B (zh) 2022-04-26

Family

ID=73311785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010825211.4A Active CN111932887B (zh) 2020-08-17 2020-08-17 车道级轨迹数据的生成方法及设备

Country Status (1)

Country Link
CN (1) CN111932887B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112747744B (zh) * 2020-12-22 2022-11-18 浙江大学 一种结合航位推算和多车道路网地图的车辆定位方法
CN112765214B (zh) * 2021-01-12 2022-06-17 武汉光庭信息技术股份有限公司 一种电子地图路径匹配方法、系统、服务器及存储介质
CN112373471B (zh) * 2021-01-12 2021-05-04 禾多科技（北京）有限公司 用于控制车辆行驶的方法、装置、电子设备和可读介质
CN112949609A (zh) * 2021-04-16 2021-06-11 北京车和家信息技术有限公司 一种车道识别方法、装置、介质和电子设备
CN115731261B (zh) * 2021-08-27 2023-06-16 河北省交通规划设计研究院有限公司 基于高速公路雷达数据的车辆换道行为识别方法及系统
CN113971723B (zh) * 2021-10-25 2024-04-09 北京百度网讯科技有限公司 高精地图中三维地图的构建方法、装置、设备和存储介质
CN114162140B (zh) * 2021-12-08 2023-08-01 武汉中海庭数据技术有限公司 一种最优车道匹配方法及系统
CN114396959B (zh) * 2022-03-25 2022-08-30 华砺智行(武汉)科技有限公司 基于高精度地图的车道匹配定位方法、装置、设备及介质
CN116729374B (zh) * 2023-08-16 2023-11-10 北京斯年智驾科技有限公司 一种自动驾驶车道保持控制方法、系统、装置和存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5064870B2 (ja) * 2007-04-17 2012-10-31 株式会社日立製作所 デジタル道路地図の生成方法及び地図生成システム
CN101922939B (zh) * 2009-06-11 2013-09-18 高德信息技术有限公司 一种导航过程中的地图匹配方法和装置
CN104089619B (zh) * 2014-05-14 2016-12-07 北京联合大学 无人驾驶汽车的gps导航地图精确匹配系统及其操作方法
JP6410949B2 (ja) * 2015-08-19 2018-10-24 三菱電機株式会社 車線認識装置および車線認識方法
CN105841708A (zh) * 2016-03-16 2016-08-10 佛山科学技术学院 一种基于路径追踪的车载导航定位轨迹匹配方法
CN107643086B (zh) * 2016-07-22 2021-04-13 北京四维图新科技股份有限公司 一种车辆定位方法、装置及系统
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
CN108020238B (zh) * 2016-11-02 2021-06-22 武汉四维图新科技有限公司 一种获取途经点的方法、装置及导航设备
CN106767853B (zh) * 2016-12-30 2020-01-21 中国科学院合肥物质科学研究院 一种基于多信息融合的无人驾驶车辆高精度定位方法
CN108303103B (zh) * 2017-02-07 2020-02-07 腾讯科技（深圳）有限公司 目标车道的确定方法和装置
KR102463709B1 (ko) * 2017-10-27 2022-11-07 현대자동차주식회사 주행상황 판단을 위한 지도정보 제공장치, 그를 포함한 시스템 및 그 방법
CN109186616B (zh) * 2018-09-20 2020-04-07 禾多科技（北京）有限公司 基于高精度地图和场景检索的车道线辅助定位方法
CN109445434B (zh) * 2018-11-16 2021-06-25 广州汽车集团股份有限公司 无人驾驶汽车的控制方法、装置、设备和存储介质
CN111380546A (zh) * 2018-12-28 2020-07-07 沈阳美行科技有限公司 基于平行道路的车辆定位方法、装置、电子设备和介质
CN111380539B (zh) * 2018-12-28 2023-04-07 沈阳美行科技股份有限公司 车辆定位、导航方法和装置及相关系统
CN109870689B (zh) * 2019-01-08 2021-06-04 武汉中海庭数据技术有限公司 毫米波雷达与高精矢量地图匹配的车道级定位方法与系统
CN113538919B (zh) * 2019-03-11 2022-10-28 百度在线网络技术（北京）有限公司 车道偏离识别方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN111932887A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN111932887B (zh) 车道级轨迹数据的生成方法及设备
RU2735567C1 (ru) Способ хранения предысторий движения, способ для выработки модели пути движения, способ для оценки локальной позиции и устройство хранения предысторий движения
JP5017392B2 (ja) 位置推定装置および位置推定方法
TWI742554B (zh) 定位方法、路徑確定方法、機器人及儲存介質
CN113330279A (zh) 用于确定车辆的位置的方法和系统
CN110060493A (zh) 车道定位方法、装置及电子设备
CN112347205B (zh) 一种车辆误差状态的更新方法和装置
US11731649B2 (en) High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof
CN111339802A (zh) 实时相对地图的生成方法及装置、电子设备和存储介质
US20230071794A1 (en) Method and system for building lane-level map by using 3D point cloud map
US20200298879A1 (en) Apparatus for generating data of travel path inside intersection, program for generating data of travel path inside intersection, and storage medium
CN114879660B (zh) 一种基于目标驱动的机器人环境感知方法
CN113701781A (zh) 一种基于高精地图和视觉车道线的匹配车道搜索方法
CN114593739B (zh) 基于视觉检测与参考线匹配的车辆全局定位方法及装置
CN116534059B (zh) 自适应感知路径决策方法、装置、计算机设备及存储介质
CN114705180B (zh) 高精地图的数据修正方法、装置、设备及存储介质
CN113544034A (zh) 用于获取交通工具传感器的校正信息的装置和方法
US20230154203A1 (en) Path planning method and system using the same
CN113033267B (zh) 车辆定位方法、装置、计算机设备和存储介质
CN115668333A (zh) 电子地图生成方法、装置、计算机设备和存储介质
CN112747755B (zh) 道路线确定方法、装置、可读存储介质及地图更新系统
CN116499477B (zh) 地图的融合方法、装置、介质及车辆
CN114563006B (zh) 基于参考线匹配的车辆全局定位方法及装置
JP7142064B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Iesaki et al. Automatic Creation of Path Information on Digital Map

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