CN111998860B - 自动驾驶定位数据校验方法、装置、电子设备及存储介质 - Google Patents
自动驾驶定位数据校验方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111998860B CN111998860B CN202010851843.8A CN202010851843A CN111998860B CN 111998860 B CN111998860 B CN 111998860B CN 202010851843 A CN202010851843 A CN 202010851843A CN 111998860 B CN111998860 B CN 111998860B
- Authority
- CN
- China
- Prior art keywords
- lane line
- positioning data
- matching
- verified
- matching result
- 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
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
- G01C21/26—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
Abstract
本申请公开了自动驾驶定位数据校验方法、装置、电子设备及存储介质,涉及人工智能、深度学习、自动驾驶处理领域。具体实现方案为:获取用于定位测试的车辆行驶在真实环境下所采集的第一图片;从所述第一图片中识别出标识的参考信息;基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果;当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。采用本申请,可以提高待校验的定位数据的校验处理效率及校验准确率。
Description
技术领域
本申请涉及计算机视觉处理领域。本申请尤其涉及人工智能、深度学习、自动驾驶处理领域、可应用于与定位数据相关的数据采集、数据校验等领域。
背景技术
自动驾驶汽车技术,引领了用户未来的出行方式,对自动驾驶汽车相关技术的研发,目前是各个传统车企、造车新势力、科技公司、共享出行等都在抢夺的“未来出行制高点”。
相比较于传统的车辆,考虑到自动驾驶汽车的安全性,可以通过车辆行进过程中的定位准确性来保障用户的出行安全性。目前的定位准确性可以通过预估待校验的定位数据来评估,对待校验的定位数据准确率的检验,可以通过人工或点云的方式来实现。
然而,采用人工的方式,会导致处理效率低下;采用点云的方式,会带来巨大的成本,对此,目前对待校验的定位数据准确率的检验,未存在有效的解决方案。
发明内容
本申请提供了一种自动驾驶定位数据校验方法、装置、电子设备及存储介质。
根据本申请的一方面,提供了一种自动驾驶定位数据校验方法,包括:
获取用于定位测试的车辆行驶在真实环境下所采集的第一图片;
从所述第一图片中识别出标识的参考信息;
基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果;
当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
根据本申请的另一方面,提供了一种自动驾驶定位数据校验装置,包括:
获取模块,用于获取用于定位测试的车辆行驶在真实环境下所采集的第一图片;
识别模块,用于从所述第一图片中识别出标识的参考信息;
匹配模块,用于基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果;
校验模块,用于当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
根据本申请的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本申请任意一实施例所提供的方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使该计算机执行本申请任意一项实施例所提供的方法。
根据本申请的另一方面,还提供了一种电子设备机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
采用本申请,可以获取用于定位测试的车辆行驶在真实环境下所采集的第一图片,以便从所述第一图片中识别出标识的参考信息。基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过,从而可以提高待校验的定位数据的校验处理效率及校验准确率。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请实施例的自动驾驶定位数据校验方法的流程示意图;
图2是根据本申请实施例基于待检验的定位数据将标识的参考信息与标识在高精地图中的记录信息相匹配的场景示意图;
图3是根据本申请实施例的自动驾驶定位数据校验方法的流程示意图;
图4是根据本申请实施例的自动驾驶定位数据校验装置的组成结构示意图;
图5是用来实现本申请实施例的自动驾驶定位数据校验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。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分,并不是限定顺序的意思,或者限定只有两个的意思,例如,第一特征和第二特征,是指代有两类/两个特征,第一特征可以为一个或多个,第二特征也可以为一个或多个。
另外,为了更好的说明本申请,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本申请同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本申请的主旨。
目前针对自动驾驶场景中,通过定位精度来评估所需的待校验的定位数据尚无高效且低成本的实现方法,当前对该待校验的定位数据所进行的校验,主要还是通过人工比对,比如,一种通过人工比对的方式来实现对该待校验的定位数据的校验,可以为:依赖通过可视化查看地图与点云信息的匹配程度来实现,导致校验的处理效率低下;或者,通过激光雷达获取点云信息并与高精地图进行匹配以实现校验,虽然可以确保定位精度,但是,需要依赖激光雷达传感器等传感器来获取点云数据,且点云数据量巨大,导致相应的计算量较大、计算耗时较大,最终导致成本较高,且对环境的变化比较敏感。
采用本申请,可以利用自动驾驶的车辆采集车辆周围环境图像,通过计算机视觉技术(比如根据预先训练的目标检测网络)来识别车辆周围的车道线、电线杆等杆状物、及路沿等用于标识的参考信息。基于车辆上安装的已标定的摄像机参数将识别到的车道线等标识的参考信息转换到待校验的定位数据坐标系下、或者将待校验的定位数据所描述的位姿(pose)数据上等各种转换方式(如坐标变换或投影变换),从而,实现了基于该待校验的定位数据,计算标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,以确定该待校验的定位数据是否校验通过。
根据本申请的实施例,提供了一种自动驾驶定位数据校验方法,图1是根据本申请实施例的自动驾驶定位数据校验方法的流程示意图,该方法可以应用于自动驾驶定位数据校验装置,例如,该装置可以部署于终端或服务器或其它处理设备执行的情况下,可以执行图片采集、参考信息的识别、基于该待校验的定位数据的匹配及校验等等。其中,终端可以为用户设备(UE,User Equipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(PDA,Personal Digital Assistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,包括:
S101、获取用于定位测试的车辆行驶在真实环境下所采集的第一图片。
一示例中,可以采用安装有多个采集器(如相机的摄像头)的车辆行驶在自动驾驶及其他自动或半自动驾驶模式的可选道路上,以便收集数据,对这些应用场景进行用于确保安全性的定位测试。其中,该安全性,可以通过车辆行进过程中的定位准确性来保障用户的出行安全性。定位准确性可以通过预估的待校验的定位数据来评估,因此,需要对该待校验的定位数据的准确率进行校验,具体是可以将基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息进行匹配,来实现该校验。
一示例中,自动驾驶及其他自动或半自动驾驶模式,可以分为如下级别:
1级:驾驶支援,向驾驶员提供基本的技术性帮助,例如自适应巡航控制等控制系统、自动紧急制动,司机占据主导位置,不过可以放弃部分控制权给控制系统予以管理。
2级:部分自动化,实现数种功能的自动控制,例如自动巡航控制或车道保持功能,驾驶员和车辆来分享控制权。其中,驾驶员需要随时待命,在控制系统退出的时候随时接手该控制权。
3级:有条件自动化,在有限情况下实现自动控制,控制系统在某些条件下可以完全负责整个车辆的操控,但是当遇到紧急情况,还是需要司机对车辆进行接管。
4级:完全自动化,全程的控制,都无需驾驶员或乘客的干预,在无需人工协助的情况下由出发地驶向目的地,即全程交由控制系统来执行控制权。
S102、从所述第一图片中识别出标识的参考信息。
一示例中,可以根据所述第一图片及预先训练的目标检测网络,标识该参考信息,也可以是其他识别方式来标识该参考信息,不限于该通过预先训练的目标检测网络识别及标识该参考信息。
S103、基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果。
一示例中,所述标识的参考信息,包括:车道线、杆状物、路沿中至少一种物体所在的位置。
本申请不限于车道线、杆状物、路沿等等,只要能起到对自动驾驶等的道路和/或行驶方向进行标识的参考信息都在本申请的保护范围之内。
S104、当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
采用本申请,可以获取用于定位测试的车辆行驶在真实环境下所采集的第一图片,以便从所述第一图片中识别出标识的参考信息。基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过,从而可以提高待校验的定位数据的校验处理效率及校验准确率。
图2是根据本申请实施例基于待检验的定位数据将标识的参考信息与标识在高精地图中的记录信息相匹配的场景示意图,如图2所示,在用于定位测试的车辆上可以安装有多个采集器11,在车辆行驶到十字路口A时可以在该真实环境下采集图片,在该真实环境下,该车辆可以按照车道线10行驶,该车道线10可以为所标识的参考信息。同时,对应这个十字路口A有相应的高精地图13,该高精地图中也包括相应的车道线,该车道线可以为高精地图13中的记录信息。可以基于待校验的定位数据12,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,该匹配结果在预设的误差阈值范围内,确定该待校验的定位数据12校验通过。
针对上述图2所示的应用场景,可以采用如下多种匹配方式来实现上述基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息相匹配及校验的处理。
一、匹配方式一:
基于待校验的定位数据,计算所述标识的参考信息(如车道线)与所述标识在高精地图中的记录信息的匹配结果,包括:从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线,将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线。获取所述标识在高精地图中记录的第三车道线,将所述第二车道线与所述第三车道线进行匹配,得到所述匹配结果。
一示例中,通过用于定位测试的车辆上所携带的多个采集器(比如多个相机上的摄像头)获取该车辆所采集的周围环境信息,得到上述车辆行驶在真实环境下所采集的第一图片,将该第一图片输入上述目标检测网络中,识别出该第一图片中的车道线(如上述第一车道线)后,可以通过将该车道线转换到待校验的定位数据所在的坐标系下(比如,转换的方式可以是投影变换),从而得到经转换后得到的车道线(如上述第二车道线),再将该经转换后得到的车道线(如上述第二车道线)与待匹配的上述高精地图中所记录的车道线(如上述第三车道线)进行匹配,以获得匹配结果。采用本示例,通过该车辆携带的多个相机进行多方向、多角度的采集,可以获取车辆周围环境中比较全面的车道线信息,并从所采集的第一图片中识别出该车道线信息,通过将该车道线信息转到该待校验的定位数据所在的坐标系下,与高精地图中记录的车道线信息(高精地图中的车道线可以理解为准确值,相比于该转换到待校验的定位数据所在的坐标系下的生成值,该值由于是生成的,所以可以称之为“预测值”,相对于该预测值而言,该准确值可以称之为“真值”)进行匹配,从而基于待校验的定位数据,可以计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,若该匹配结果在预设的误差阈值范围内,则确定该待校验的定位数据校验通过,还可以根据该“真值”进行校准,不仅提高了校验的处理效率,而且,校验的准确率也得到了的大的提升。
一示例中,以用于定位测试的车辆所采集的第一图片中的车道线为参考值,对待检验的待校验的定位数据进行处理后得到第二图片(即所生成的虚拟图片),将该第二图片与高精地图的第三图片(真实存在的图片)进行匹配,主要是对第二图片与第三图片中作为参考值的车道线信息进行匹配,得到匹配结果,若该匹配结果在预设的误差阈值范围内,则确定该待校验的定位数据校验通过,还可以根据该第三图片中的数据进行校准,不仅提高了校验的处理效率,而且,校验的准确率也得到了的大的提升。
二、匹配方式二:
基于待校验的定位数据,计算所述标识的参考信息(如车道线)与所述标识在高精地图中的记录信息的匹配结果,包括:从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线,将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线。获取所述标识在高精地图中记录的第三车道线,将所述第三车道线转换到所述待校验的定位数据所在的坐标系下,得到第四车道线,将所述第二车道线与所述第四车道线进行匹配,得到所述匹配结果。
一示例中的处理过程包括:1)得到待校验的定位数据(可以是雷达采集得到的点云数据);2)在真实环境中,该车辆进行周围环境信息的采集,得到第一图片,将第一图片经目标检测网络的识别,输出从第一图片中识别出的车道线、杆状物、路沿等所标识的参考信息,以车道线为例,则将识别出的该车道线作为该参考信息,即上述第一车道线;3)将该车辆采集到的上述第一车道线转换到待校验的定位数据所在的坐标系下,得到第二车道线;4)同时高精地图中记录的车道线杆状物等信息投影映射到待校验的定位数据所在的坐标系下,即将上述第三车道线转换到待校验的定位数据所在的坐标系下,得到第四车道线;5)查看这两个同时转换到待校验的定位数据所在的坐标系下的车道线信息的匹配情况即可,即:将该第二车道线与该第四车道线进行匹配,以得到该匹配结果,若得到的匹配结果在预设的误差阈值范围内,则确定该待校验的定位数据校验通过,还可以根据该高精地图中的数据进行校准,不仅提高了校验的处理效率,而且,校验的准确率也得到了的大的提升。
三、匹配方式三:
根据本申请的实施例,提供了一种自动驾驶定位数据校验方法,图3是根据本申请实施例的自动驾驶定位数据校验方法的流程示意图,如图3所示,包括:
S201、获取用于定位测试的车辆行驶在真实环境下所采集的第一图片。
一示例中,可以采用安装有多个采集器(如相机的摄像头)的车辆行驶在自动驾驶及其他自动或半自动驾驶模式的可选道路上,以便收集数据,对这些应用场景进行用于确保安全性的定位测试。其中,该安全性,可以通过车辆行进过程中的定位准确性来保障用户的出行安全性。定位准确性可以通过预估的待校验的定位数据来评估,因此,需要对待校验的定位数据的准确率进行校验,具体是可以将基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配,来实现该校验。
一示例中,自动驾驶及其他自动或半自动驾驶模式,可以分为如下级别:
1级:驾驶支援,向驾驶员提供基本的技术性帮助,例如自适应巡航控制等控制系统、自动紧急制动,司机占据主导位置,不过可以放弃部分控制权给控制系统予以管理。
2级:部分自动化,实现数种功能的自动控制,例如自动巡航控制或车道保持功能,驾驶员和车辆来分享控制权。其中,驾驶员需要随时待命,在控制系统退出的时候随时接手该控制权。
3级:有条件自动化,在有限情况下实现自动控制,控制系统在某些条件下可以完全负责整个车辆的操控,但是当遇到紧急情况,还是需要司机对车辆进行接管。
4级:完全自动化,全程的控制,都无需驾驶员或乘客的干预,在无需人工协助的情况下由出发地驶向目的地,即全程交由控制系统来执行控制权。
S202、从所述第一图片中识别出标识的参考信息。
一示例中,可以根据所述第一图片及预先训练的目标检测网络,标识该参考信息,也可以是其他识别方式来标识该参考信息,不限于该通过预先训练的目标检测网络识别及标识该参考信息。
S203、获取所述待校验的定位数据所描述的pose,对所述pose,基于预设的采样方式进行多方向和/或多角度的采样处理,得到对应所述pose的多个pose分量。
一示例中,预设的采样方式可以为粒子滤波的方式,基于粒子滤波的方式进行多方向和/或多角度的采样处理,可以得到对应所述pose的多个pose分量,即多个pose的粒子。
S204、从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线,结合所述多个位姿分量和所述第一图片中的所述第一车道线,生成第二图片。
S205、获取所述标识在高精地图中记录的第二车道线,将所述第二车道线投影到所述第二图片中,在所述第二图片中,针对所述多个位姿分量将所述第一车道线与所述第二车道线进行匹配,得到所述匹配结果。
一示例中,第一车道线可以称之为第二图片中所识别出车道线的一个或多个检出线段;第二车道线可以称之为高精地图中车道线的一个或多个地图线段。
一示例中,所述在所述第二图片中,针对所述多个位姿分量将所述第一车道线与所述第二车道线进行匹配,得到所述匹配结果,包括:将针对所述多个位姿分量的所述第一车道线及所述第二车道线中的每一段线段,进行分段匹配,得到所述匹配结果。
S206、当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
一实施方式中,所述匹配结果在预设的误差阈值范围内,确定所述待校验的定位数据校验通过,包括:1)逐一的误差判断,比如,可以从所述匹配结果中获取多个分段匹配结果,当判断出所述多个分段匹配结果中的每个分段匹配结果皆在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过;2)误差汇总后的误差判断,比如,可以从所述匹配结果中获取多个分段匹配结果,汇总所述多个分段匹配结果,得到总匹配结果,当判断出所述总匹配结果在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
一示例中,可以包括如下内容:
1、根据该车辆在车头或车身不同部位所分别部署的已标定的各个朝向的多个摄像头,来获取该车辆的周围环境信息,同时对各个摄像机输出图像时间戳进行校准对齐,以获得在时间戳一致情况下该车辆在各个方向下采集得到的多个图片,可以利用深度学习算法,如YOLO v3来实现上述目标检测网络,并根据该目标检测网络对车道线进行识别。可以使用当前已标定的大量车道线、路沿、杆状物等图片作为样本数据,对该目标检测网络训练,之后,直接使用已预先训练好的目标检测网络,检测该车辆通过多个摄像头采集的图片(如第一图片),从而从第一图片中识别出包含车道线、路沿和杆状物等元素的标识参考信息,输出各个元素类型以及在目标图片(如第一图片)中一些稀疏像素点以及曲线函数,以用于标识该元素在目标图片中所在的像素范围。
2、根据待校验的定位数据所描述的pose作为初始pose。
3、针对该初始pose,可以基于预设的采样方式(如粒子滤波方式)进行多方向和/或多角度的采样处理,得到对应所述位姿的多个pose分量,比如,对该待校验的定位数据所描述的pose在横向、纵向、航向角方向按照高斯分布进行采样处理,可以生成一定数量的具有不同pose的粒子(多个pose分量),同时结合相机的标定参数,可将高精地图中预先已标定的车道线、路沿、杆状物信息向相机所采集的图片(如第一图片)中进行投影,以匹配该所采集的图片中地图线段(指高精地图中的车道线等标识参考信息)与检出线段(指识别出的车道线等标识参考信息)之间的误差。比如,可以采用地图线段与检出线段之间的最近距离,及其一地图线段向另一检出线段投影的重合长度为度量,以统计每个粒子的投影误差,也可以,汇总每个粒子在多个朝向相机下的匹配总误差,还可以计算出每个粒子的误差概率值,最终,估计出车辆预测pose,将该预测pose称之为预测值。
4、对采用上述粒子滤波方式计算出的预测值与地图中校验真值的误差进行该待校验的定位数据是否验证通过的判断,若在误差的阈值范围内,则认为该待校验的定位数据是准确的,即校验通过;若超出误差的阈值范围,则认为该待校验的定位数据校验不通过。
根据本申请的实施例,提供了一种自动驾驶定位数据校验装置,图4是根据本申请实施例的自动驾驶定位数据校验装置的组成结构示意图,如图4所示,包括:获取模块41,用于获取用于定位测试的车辆行驶在真实环境下所采集的第一图片;识别模块42,用于从所述第一图片中识别出标识的参考信息;匹配模块43,用于基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果;校验模块44,用于当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。其中,所述标识的参考信息,包括:车道线、杆状物、路沿中至少一种物体所在的位置。
一实施方式中,所述匹配模块,用于从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线;将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线;获取所述标识在高精地图中记录的第三车道线;将所述第二车道线与所述第三车道线进行匹配,得到所述匹配结果。
一实施方式中,所述匹配模块,用于从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线,将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线;获取所述标识在高精地图中记录的第三车道线,将所述第三车道线转换到所述待校验的定位数据所在的坐标系下,得到第四车道线;将所述第二车道线与所述第四车道线进行匹配,得到所述匹配结果。
一实施方式中,装置还包括采样模块,用于获取所述待校验的定位数据所描述的位姿;对所述位姿,基于预设的采样方式进行多方向和/或多角度的采样处理,得到对应所述位姿的多个位姿分量。
一实施方式中,所述匹配模块,用于从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线;结合所述多个位姿分量和所述第一图片中的所述第一车道线,生成第二图片;获取所述高精地图中记录的第二车道线,将所述第二车道线投影到所述第二图片中;在所述第二图片中,针对所述多个位姿分量将所述第一车道线与所述第二车道线进行匹配,得到所述匹配结果。
一实施方式中,所述匹配模块,用于将针对所述多个位姿分量的所述第一车道线及所述第二车道线中的每一段线段,进行分段匹配,得到所述匹配结果。
一实施方式中,所述校验模块一种实现方式,用于从所述匹配结果中获取多个分段匹配结果,当判断出所述多个分段匹配结果中的每个分段匹配结果是否在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过;或者所述校验模块另一种实现方式,从所述匹配结果中获取多个分段匹配结果,汇总所述多个分段匹配结果,得到总匹配结果,当判断出所述总匹配结果在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图5所示,是用来实现本申请实施例的自动驾驶定位数据校验方法的电子设备的框图。该电子设备可以为前述部署设备或代理设备。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5所示,该电子设备包括:一个或多个处理器801、存储器802,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5中以一个处理器801为例。
存储器802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自动驾驶定位数据校验方法。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自动驾驶定位数据校验方法。
存储器802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自动驾驶定位数据校验方法对应的程序指令/模块(例如,附图4所示的获取模块、识别模块、匹配模块、校验模块等模块)。处理器801通过运行存储在存储器802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自动驾驶定位数据校验方法。
存储器802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电子设备的使用所创建的数据等。此外,存储器802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802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。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。
自动驾驶定位数据校验方法的电子设备,还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与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804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。
采用本申请,可以获取用于定位测试的车辆行驶在真实环境下所采集的第一图片,以便从所述第一图片中识别出标识的参考信息。基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过,从而可以提高待校验的定位数据的校验处理效率及校验准确率。
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,本发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 (10)
1.一种自动驾驶定位数据校验方法,所述方法包括:
获取用于定位测试的车辆行驶在真实环境下所采集的第一图片;
使用预先训练好的目标检测网络从所述第一图片中识别出标识的参考信息;其中,所述标识的参考信息,包括:车道线、杆状物、路沿中至少一种物体所在的位置;
基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果;
当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过;
其中,所述方法还包括:
获取所述待校验的定位数据所描述的位姿;
对所述位姿,基于预设的采样方式进行多方向和/或多角度的采样处理,得到对应所述位姿的多个位姿分量;
所述基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,包括:
从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线;
结合所述多个位姿分量和所述第一图片中的所述第一车道线,生成第二图片;
获取所述标识在高精地图中记录的第二车道线,将所述第二车道线投影到所述第二图片中;
在所述第二图片中,针对所述多个位姿分量将所述第一车道线与所述第二车道线进行匹配,得到所述匹配结果;
其中,所述在所述第二图片中,针对所述多个位姿分量将所述第一车道线与所述第二车道线进行匹配,得到所述匹配结果,包括:
将针对所述多个位姿分量的所述第一车道线及所述第二车道线中的每一段线段,进行分段匹配,得到所述匹配结果。
2.根据权利要求1所述的方法,其中,所述基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,包括:
从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线;
将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线;
获取所述标识在高精地图中记录的第三车道线;
将所述第二车道线与所述第三车道线进行匹配,得到所述匹配结果。
3.根据权利要求1所述的方法,其中,所述基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果,包括:
从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线,将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线;
获取所述标识在高精地图中记录的第三车道线,将所述第三车道线转换到所述待校验的定位数据所在的坐标系下,得到第四车道线;
将所述第二车道线与所述第四车道线进行匹配,得到所述匹配结果。
4.根据权利要求1所述的方法,其中,所述当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过,包括:
从所述匹配结果中获取多个分段匹配结果,当判断出所述多个分段匹配结果中的每个分段匹配结果皆在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过;或者,
从所述匹配结果中获取多个分段匹配结果,汇总所述多个分段匹配结果,得到总匹配结果,当判断出所述总匹配结果在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
5.一种自动驾驶定位数据校验装置,所述装置包括:
获取模块,用于获取用于定位测试的车辆行驶在真实环境下所采集的第一图片;
识别模块,用于使用预先训练好的目标检测网络从所述第一图片中识别出标识的参考信息;其中,所述标识的参考信息,包括:车道线、杆状物、路沿中至少一种物体所在的位置;
匹配模块,用于基于待校验的定位数据,计算所述标识的参考信息与所述标识在高精地图中的记录信息的匹配结果;
校验模块,用于当所述匹配结果在预设的误差阈值范围内时,确定所述待校验的定位数据校验通过;
其中,所述装置还包括采样模块,所述采样模块用于:
获取所述待校验的定位数据所描述的位姿;
对所述位姿,基于预设的采样方式进行多方向和/或多角度的采样处理,得到对应所述位姿的多个位姿分量;
所述匹配模块用于:
从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线;
结合所述多个位姿分量和所述第一图片中的所述第一车道线,生成第二图片;
获取所述标识在高精地图中记录的第二车道线,将所述第二车道线投影到所述第二图片中;
在所述第二图片中,针对所述多个位姿分量将所述第一车道线与所述第二车道线进行匹配,得到所述匹配结果;
所述匹配模块还用于:
将针对所述多个位姿分量的所述第一车道线及所述第二车道线中的每一段线段,进行分段匹配,得到所述匹配结果。
6.根据权利要求5所述的装置,其中,所述匹配模块,用于:
从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线;
将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线;
获取所述标识在高精地图中记录的第三车道线;
将所述第二车道线与所述第三车道线进行匹配,得到所述匹配结果。
7.根据权利要求5所述的装置,其中,所述匹配模块,用于:
从所述标识的参考信息中提取出所述车道线,将所述车道线标记为第一车道线,将所述第一车道线转换到所述待校验的定位数据所在的坐标系下,得到第二车道线;
获取所述标识在高精地图中记录的第三车道线,将所述第三车道线转换到所述待校验的定位数据所在的坐标系下,得到第四车道线;
将所述第二车道线与所述第四车道线进行匹配,得到所述匹配结果。
8.根据权利要求5所述的装置,其中,所述校验模块,用于:
从所述匹配结果中获取多个分段匹配结果,当判断出所述多个分段匹配结果中的每个分段匹配结果皆在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过;或者,
从所述匹配结果中获取多个分段匹配结果,汇总所述多个分段匹配结果,得到总匹配结果,当判断出所述总匹配结果在所述预设的误差阈值范围内时,确定所述待校验的定位数据校验通过。
9.一种电子设备,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权利要求1-4中任一项所述的方法。
10.一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权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010851843.8A CN111998860B (zh) | 2020-08-21 | 2020-08-21 | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010851843.8A CN111998860B (zh) | 2020-08-21 | 2020-08-21 | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111998860A CN111998860A (zh) | 2020-11-27 |
CN111998860B true CN111998860B (zh) | 2023-02-17 |
Family
ID=73473985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010851843.8A Active CN111998860B (zh) | 2020-08-21 | 2020-08-21 | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111998860B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112683284B (zh) * | 2020-12-01 | 2024-01-02 | 北京罗克维尔斯科技有限公司 | 更新高精地图的方法及装置 |
CN114639079B (zh) * | 2020-12-15 | 2023-06-30 | 北京百度网讯科技有限公司 | 匹配车道线数据的方法、装置、设备和存储介质 |
CN112579464A (zh) * | 2020-12-25 | 2021-03-30 | 北京百度网讯科技有限公司 | 自动驾驶算法的校验方法、装置、设备以及存储介质 |
CN112902987B (zh) * | 2021-02-02 | 2022-07-15 | 北京三快在线科技有限公司 | 一种位姿修正的方法及装置 |
CN112964261A (zh) * | 2021-03-18 | 2021-06-15 | 北京航迹科技有限公司 | 一种车辆定位校验方法、系统及装置 |
CN113222429B (zh) * | 2021-05-20 | 2022-11-29 | 国网山东省电力公司潍坊供电公司 | 基于地理信息一致性校验的电网用电需求监管方法 |
CN113298875B (zh) * | 2021-07-28 | 2021-10-15 | 浙江华睿科技股份有限公司 | 激光定位数据的校验方法、装置、电子设备及存储介质 |
CN114088114B (zh) * | 2021-11-19 | 2024-02-13 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
CN114034307B (zh) * | 2021-11-19 | 2024-04-16 | 智道网联科技(北京)有限公司 | 基于车道线的车辆位姿校准方法、装置和电子设备 |
CN114119673B (zh) * | 2022-01-25 | 2022-04-22 | 北京地平线机器人技术研发有限公司 | 初始位姿的确定方法和装置、电子设备和存储介质 |
CN115388906A (zh) * | 2022-08-24 | 2022-11-25 | 上海安亭地平线智能交通技术有限公司 | 位姿的确定方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270545A (zh) * | 2018-10-23 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 一种定位真值校验方法、装置、设备及存储介质 |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及系统 |
CN110008851A (zh) * | 2019-03-15 | 2019-07-12 | 深兰科技(上海)有限公司 | 一种车道线检测的方法及设备 |
CN110263607A (zh) * | 2018-12-07 | 2019-09-20 | 电子科技大学 | 一种用于无人驾驶的道路级全局环境地图生成方法 |
CN110595494A (zh) * | 2019-09-17 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
WO2020045323A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社デンソー | 地図生成システム、サーバ、車両側装置、方法、および記憶媒体 |
CN111721305A (zh) * | 2020-06-28 | 2020-09-29 | 北京百度网讯科技有限公司 | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及系统 |
US10983530B2 (en) * | 2018-10-31 | 2021-04-20 | Wipro Limited | Method and system for determining an accurate position of an autonomous vehicle |
-
2020
- 2020-08-21 CN CN202010851843.8A patent/CN111998860B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020045323A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社デンソー | 地図生成システム、サーバ、車両側装置、方法、および記憶媒体 |
CN109270545A (zh) * | 2018-10-23 | 2019-01-25 | 百度在线网络技术(北京)有限公司 | 一种定位真值校验方法、装置、设备及存储介质 |
CN110263607A (zh) * | 2018-12-07 | 2019-09-20 | 电子科技大学 | 一种用于无人驾驶的道路级全局环境地图生成方法 |
CN109724615A (zh) * | 2019-02-28 | 2019-05-07 | 北京经纬恒润科技有限公司 | 一种车道线识别结果的校验方法及系统 |
CN110008851A (zh) * | 2019-03-15 | 2019-07-12 | 深兰科技(上海)有限公司 | 一种车道线检测的方法及设备 |
CN110595494A (zh) * | 2019-09-17 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN111721305A (zh) * | 2020-06-28 | 2020-09-29 | 北京百度网讯科技有限公司 | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111998860A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111998860B (zh) | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 | |
JP6831414B2 (ja) | 測位のための方法、測位のための装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN111583668B (zh) | 交通拥堵检测方法、装置、电子设备和存储介质 | |
CN109931945B (zh) | Ar导航方法、装置、设备和存储介质 | |
CN111220154A (zh) | 车辆定位方法、装置、设备和介质 | |
CN111959495B (zh) | 车辆的控制方法、装置及车辆 | |
CN111324115A (zh) | 障碍物位置检测融合方法、装置、电子设备和存储介质 | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN113723141B (zh) | 车辆的定位方法、装置、电子设备、车辆及存储介质 | |
CN110979346A (zh) | 确定车辆所处车道的方法、装置及设备 | |
CN110703732B (zh) | 相关性检测方法、装置、设备及计算机可读存储介质 | |
CN111311906B (zh) | 路口距离的检测方法、装置、电子设备和存储介质 | |
CN113221677A (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
CN112147632A (zh) | 车载激光雷达感知算法的测试方法、装置、设备和介质 | |
CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
CN112101223A (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN111597986A (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
CN114565908A (zh) | 车道线的检测方法、装置、电子设备及存储介质 | |
CN112883236B (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN113887391A (zh) | 用于识别路面标识的方法、装置以及自动驾驶车辆 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211013 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. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |